Bolånetaket och bostadsrättsköpares rationalitet: Regressionsstudie utav kapitaliseringen av årsavgiften i Uppsala

UPPSALA UNIVERSITET

Företagsekonomiska institutionen

Bolånetaket och bostadsrättsköpares rationalitet

Regressionsstudie utav kapitaliseringen av årsavgiften i Uppsala

Kandidatarbete VT 2011

Författare: Per Gebro och Jakob Olsson Handledare: Susanne Åberg

1

Sammandrag

I följande arbete studeras bostadsrättsmarknaden i Uppsala mellan 2010-03-01 och 2011-04-13. Data har inhämtats ifrån mäklarfirman Widerlöv & Co. Det huvudsakliga syftet kretsar kring kapitaliseringen utav en bostadsrätts årsavgift i dess försäljningspris, vilket studerades med hjälp av en regressionsanalys. I den tvådelade frågeställningen görs en jämförelse mellan kapitaliseringen i olika geografiska regioner samt bolånetakets effekter på kapitalisering i Uppsala efter regleringens införande i oktober 2010. Utifrån teorier kring the economic man, bostadsvärdering samt hedonisk prissättning utförs sedan en analys där en lägenhets slutpris blir en funktion av dess egenskaper. Detta i sin tur visar på trender i hur årsavgiften värderas, något som åskådliggör hur pass rationellt en köpare agerar på bostadsrättsmarknaden.

Slutsatser som dras är att det finns stora skillnader i kapitalisering mellan olika regioner, något som tyder på en skillnad även i graden av rationalitet. Uppsala liknar i hög grad Stockholm med sin relativt låga kapitalisering av avgiften på ca 40 %, vilket är avsevärt lägre än motsvarande värde för Göteborg och Malmö. Bolånetaket, vilket hade som mål att minska det spekulativa beteendet på marknaden, har haft en varierande effekt på kapitaliseringen beroende på vilken storlek på lägenhet det handlar om.

För köpare utav lägenheter med två rum eller fler så ökade kapitaliseringen av avgiften efter bolånetakets införande, något som tyder på en ökad rationalitet i samband med köp utav dessa typer av lägenheter. Köpare av ettor visade tvärtom på en liten minskning av kapitaliseringen, vilket bland annat bedöms ha sin grund i bortfallet av förstagångsköpare på marknaden.

2

Innehållsförteckning

Sammandrag ... 1

1. Inledning ... 4

1.1 Syfte ... 5

1.2 Avgränsningar ... 5

1.3 Disposition... 5

2. Bakgrund ... 6

2.1 Bostadsrättsmarknaden nationellt och regionalt ... 6

2.2 Bolånetaket ... 8

2.2.1 Förutspådda och verkliga effekter av bolånetaket ... 9

2.3 Tidigare studier ... 10

3. Teori ...11

3.1 The economic man ...11

3.2 Värdering och bedömning av bostadsrätter ... 13

3.3 Hedonisk teori ... 14

4. Tillämpning av teori ... 15

4.1 The economic man och sambandet mellan avgift och slutpris ... 15

4.2 Kapitaliseringsgrad ... 16

5. Metod ... 17

5.1 Datainsamling och databehandling ... 17

5.1.1 Ingående variabler ... 18

5.2 Brister i datamaterialet ... 22

5.3 Modelluppbyggnad ... 23

5.4 Motivering av diskonteringsränta ... 23

6. Resultat ... 24

6.1 Regionala skillnader i avgiftens kapitalisering ... 24

6.1.1 Generell modell ... 24

6.1.2 Detaljerad modell ... 26

6.2 Bolånetakets effekter på avgiftens kapitalisering ... 28

3

6.2.1 Före bolånetaket ... 28

6.2.2 Efter bolånetaket ... 29

7. Analys ... 31

7.1 Regionala skillnader i avgiftens kapitalisering ... 31

7.2 Bolånetakets effekter på avgiftens kapitalisering ... 32

8. Slutsatser och förslag på vidare studier ... 33

9. Källförteckning ... 35

9.1 Tryckta källor ... 35

9.2 Webbaserade källor... 36

9.3 Mailkontakt ... 37

Appendix ... 38

A - Regressionsanalys ... 38

Validering och statistiska begrepp ... 40

B – Nuvärdesmetoden ... 42

4

1. Inledning

Den största och viktigaste affären i många människors liv är köpet av bostad. Det är många aspekter och alternativ som skall vägas in i beslutet. Vilka egenskaper är det som prioriteras vid införskaffandet av ett nytt hem; är det förekomsten av balkong, antalet rum, lägenhetens läge eller dess boarea?

Bostadsmarknaden i Sverige har länge haft en uppåtgående pristrend för alla typer av bostäder.

Marknaden för bostadsrätter har på senare tid varit i en klass för sig med en generell nationell prisstegring på 153 % det senaste decenniet; något som varit särskilt tydligt i Uppsala som haft bland de största ökningarna i landet (Mäklarstatistik 2011; E24 2010). Inte heller går det att i dagsläget skönja en avtrappning av efterfrågan på denna marknad då bland annat bristen på centralt belägna lägenheter är stor och nybyggnationen inte förväntas täcka det ökade behovet (Östlund 2010).

Bostadsmarknaden ligger inte heller isolerat från övriga delar utav samhället, vilket medför att aspekter såsom räntenivåer och statliga regleringar inte går att bortse ifrån. Oavsett hur många av alla dessa aspekter köparen väljer att ta hänsyn till är bostadsköp ofta den största ekonomiska affären i en privatpersons liv. Därför är bostadsmarknaden också viktig i ett större perspektiv och instabilitet på denna marknad kan föra med sig stora samhälleliga problem. Statligt inflytande är därför vanligt för att försöka få marknaden att fungera optimalt. Ett exempel på ett sådant statligt ingrepp är införandet av bolånetaket, vilket genomfördes under hösten 2010 och som innebar en begränsning av hur stor del av köpeskillingen banker fick bevilja bolån för. Syftet var att minska hushållens belåning i förhållande till bostadens värde. Detta resonemang har dock kritiserats och dess effekter är diskutabla. Därmed är denna aspekt värd att undersöka närmare (Finansinspektionen 2010).

Sammantaget beskriver detta bilden av en komplex marknad där flera olika faktorer styr priset på bostadsrätter. För att kunna åskådliggöra och utvärdera denna komplexitet är det vanligt att applicera en regressionsmodell där en variabel anses vara beroende och direkt påverkbar av de övriga. I fallet med bostadsrätter sätts vanligtvis priset som beroende variabel och lägenhetens egenskaper som oberoende variabler. För att synliggöra intressanta samband kan sedan vissa utav de oberoende variablerna sättas i fokus.

Då det är stora privata ekonomiska värden som står på spel är det logiskt att anta att de flesta som agerar på marknaden gör det med målet att maximera värdet på varje investerad krona i samband med köpet. En metod att bedöma denna värdemaximerande rationalitet är att undersöka månadsavgiften på bostadsrätten och hur väl denna kapitaliseras i slutpriset; med andra ord hur en förändring av avgiften speglas i det pris som bostadsrätten slutligen säljs för.

5

1.1 Syfte

Huruvida köpare handlar rationellt på bostadsmarknaden har beskrivits i ett flertal tidigare studier.

Målet med detta arbete är att utvärdera bostadsrättsmarknaden i Uppsala utifrån två olika perspektiv;

dels genom att undersöka hur pass rationella bostadsrättsköpare i Uppsala är i förhållande till köpare i andra städer och dels hur införandet av bolånetaket har påverkat olika aktörers agerande på marknaden. En grundläggande tanke för de båda perspektiven är att utgå ifrån att bostadens egenskaper bestämmer dess pris. Detta blir därmed ett sätt att studera hur köpare agerar på marknaden, vad man är beredd att betala för vissa lägenhetsattribut samt i vilken mån ett rationellt agerande förekommer vid köp av bostadsrätter.

Utifrån ovanstående resonemang ämnas följande frågor besvaras;

 Är bostadsrättsköpare i Uppsala rationella i värderingen av bostadsrättens avgift? Hur förhåller sig denna rationalitet till den hos köpare i Stockholm, Göteborg och Malmö? Finns det grundläggande skillnader?

 Hur har rationaliteten av värderingen av bostadsrättens avgift i Uppsala påverkats av införandet av bolånetaket i oktober 2010 och vilka slutsatser kan dras utifrån resultatet?

1.2 Avgränsningar

Denna studie avser inte att skapa en värderingsmodell för bostadsrätter i Uppsala, även om datamaterialet skulle kunna tillåta detta. Att prognostisera priser är inte heller av intresse, främst då datamaterialet inte sträcker sig över en tillräckligt lång tidsperiod. Istället ligger fokus på hur kapitaliseringsgraden förhåller sig mellan olika regionala marknader och olika tidpunkter. Det är just dessa förhållanden som avses beskrivas och inte exakta nivåer av kapitalisering.

1.3 Disposition

Arbetet inleds med en allmän Bakgrund som beskriver fokalmarknaden och införandet av bolånetaket.

Även en genomgång av tidigare, liknande, studier presenteras under detta avsnitt för att jämförelser med dessa skall vara möjliga i senare kapitel.

Därefter presenteras de teorier som ligger till grund för detta arbete; den om den rationelle köparen (the economic man), den om bostadsvärdering samt teorin om hedonisk värdering. Dessa tre teorier kommer sedan att vävas samman i kapitlet Tillämpning av teori, där även en förklaring till hur de ovanstående teorierna tolkas och operationaliseras presenteras.

6

Under kapitlet Metod kommer datainsamlingen samt databehandlingen att presenteras. Här beskrivs även regressionsanalysens ingående variabler, bristerna i datamaterialet samt en motivering av vilken diskonteringsränta som har använts för att beräkna ett nuvärde på framtida avgifter.

I Resultat presenteras de empiriska resultaten från regressionsanalysen uppdelat på våra två syften och i Analys sammanställs och diskuteras dessa. Avslutningsvis sammanfattas resultaten i Slutsatser och vidare studier utifrån syftet som presenterades ovan. I samband med detta utforskas även olika möjligheter till vidare studier i ämnet.

Bifogat finns även två Appendix; Appendix A – Regressionsanalys samt Appendix B – Nuvärdesmetoden. Dessa representerar begrepp och metoder som är kritiska för förståelsen för denna studie och läsare kan med fördel ta del av dessa appendix först. Här finns även förslag till vidare läsning för den som vill förkovra sig ytterligare inom dessa områden.

2. Bakgrund

I följande stycke presenteras nödvändig bakgrundsinformation för studien. För att kunna sätta bostadsrättsmarknaden i Uppsala i ett sammanhang är det önskvärt att få en helhetssyn på hur marknaden ser ut och kan tänkas utveckla sig de kommande åren. Vidare är införandet av bolånetaket centralt för denna studie, varför bakgrunden till dess införande och dess eventuella påverkan på marknaden presenteras närmare. Slutligen ges en genomgång av tidigare studier vilka är av vikt för att sätta resultaten ifrån Uppsala, framtagna i denna studie, i relation till andra regioner.

2.1 Bostadsrättsmarknaden nationellt och regionalt

Försäljningen av bostadsrätter står för ca 50 % av den totala bostadsmarknaden i Sverige och för ca 65

% av bostadsmarknaden i Uppsala (Mäklarstatistik 2011). Bostadsrätten skiljer sig från andra boendeformer såtillvida att lägenhetsägarna betalar för nyttjanderätten för lägenheten genom att ingå i en ekonomisk förening.

Prisnivåerna har som nämnts tidigare bara ökat, bland annat som följd av en fortsatt hög efterfrågan, vilket i sin tur har sina orsaker i de låga räntenivåerna och en, i ett europeiskt perspektiv, hög ekonomisk tillväxt (BKN 2010). I Uppsala kommun är trenderna desamma och det förutspås en fortsatt brist på bostäder trots att nybyggnationen beräknas öka i jämförelse med 2009 och att ca 45 % av denna nybyggnation avser bostadsrätter. En anledning till detta är att inflyttningen i kommunen

7

antas öka, till stor del som följd utav en positiv inflyttningsström av unga studerande i åldrarna mellan 20 och 29 år (Östlund 2010).

Bostadsmarknaden kan även med fördel sättas i ett större perspektiv, vilket presenteras i figur 1.

Bilden synliggör den komplexa kontext inom vilken bostadsmarknaden opererar. Tre huvudsakliga faktorer påverkar marknaden; reala, institutionella samt finansiella faktorer. För denna studie är det den institutionella faktorn i form av bolånetaket, närmare beskrivet nedan, som kommer att vara i fokus.

Dock kan övriga faktorer vara värda att ha i åtanke bland annat för att inse att statliga regleringar inte verkar isolerat utan är del av ett större sammanhang, innehållandes exempelvis sysselsättningsutveckling och kreditutbud. Marknaden i sig påverkar sedan både det finansiella systemet och hushållens ekonomi. Dessa båda instanser är sedan i sin tur grunden för kanaler vilka slutligen har en makroekonomisk påverkan, där konsumtionskanalerna kan beskrivas som bostadsmarknadens påverkan på det individuella konsumtionsbeteendet. Exempelvis bidrar en höjd prisnivå till att hushållens förmögenhet ökar vilket är positivt för konsumtionen. Via stabilitetskanaler sätts istället det finansiella systemet i fokus, vars stabilitet påverkas av bland annat hushållens bostadslån, vilka vid fallande huspriser kan överstiga värdet på bostaden. Detta kan i sin tur bidra till en ekonomisk kris i likhet med den som inleddes under 2008,där bostadslån spelade en viktig roll (Riksbanken 2011).

Figur 1. Bostadsmarknaden i en större kontext (Riksbanken 2011).

8

2.2 Bolånetaket

Från och med den första oktober 2010 införde finansinspektionen en allmän regel vilken medförde att möjligheten att låna med sin bostad som säkerhet begränsades. Sedan införandet kan maximalt 85 % av köpeskillingen belånas medan återstående 15 % måste skjutas till som kapitalinsats. Detta är något som gäller när nya lån tas upp eller när gamla omförhandlas, men som inte påverkar gamla, redan tagna lån (Finansinspektionen 2010).

Bakgrunden till beslutet var en studie av finansinspektionen som fastslog att hushållens skuldsättningskvot (det vill säga lån i förhållande till de disponibla inkomsterna) har ökat stadigt det senaste decenniet (se figur 2). Utav dessa lån visade det sig också att ca 90 % var knutna till bostaden.

Överlag ansågs dock hushållens ekonomi vara god och klarade generellt finansinspektionens stresstester väl (Finansinspektionen 2010).

Figur 2. Skuldsättningskvoten över tid i Sverige (Finansinspektionen 2010).

Ytterligare en aspekt som ansågs alarmerande var den höga belåningsgraden, alltså hur tagna lån förhåller sig till bostadens marknadsvärde. De historiskt höga nivåerna presenteras i figur 3.

Konsekvenserna av nuvarande skuldsituation kan bli att skulderna överstiger värdet på bostaden, även vid ett mindre prisfall på marknaden. Särskilt i riskzonen är förstagångsköpare som generellt har en högre belåningsgrad. Det har också utryckts farhågor för att en bostadsbubbla är under uppbyggnad vilket kan medföra svåra konsekvenser för såväl samhällsekonomin som för den enskilde bostadsägaren (BKN 2010).

9

Figur 3. Belåningsgraden över tid i Sverige (BKN 2010).

2.2.1 Förutspådda och verkliga effekter av bolånetaket

Vid bolånetakets införande fanns det en utbredd oro att blancolånen skulle öka markant. Med blancolån menas lån utan någon säkerhet, vilket då också ofta medför en högre ränta. Bakgrunden till antagandet om blancolånens ökning var att dessa bedömdes ersätta den ökade kontantinsatsen, vilken som bekant efter bolånetakets införande uppgick till 15 %. I förlängningen var denna utveckling tänkt att visa på blancolån som ersättare av topplån hos bostadsspekulanter (Affärsvärlden 2011).

Trots detta logiska resonemang ökade inte användandet av blancolån i Sverige efter införande, något som såklart kan ha flera orsaker än just de eventuella effekter som bolånetaket förväntades få (SCB 2010). Däremot visar en studie utav mäklarförbundet att en majoritet av deras medlemmar, 64 % i hela landet och 56 % i Uppsala, ansåg att införandet av bolånetaket bland annat lett till att förstagångsköpare har skrämts bort från marknaden (Mäklarsamfundet (1) 2011). Andra effekter som märkts är en ökad svårighet att få lån, dyrare månadskostnader för köpare med begränsade eget kapital samt att den större kapitalinsatsen finansieras genom lån av släktingar vilka bland annat ytterligare belånar sina egna bostäder (Mäklarsamfundet (2) 2011). I tabell 1 sammanfattas hur mäklarna i studien ansåg att kontantinsatsen finansierades. Totalt deltog 1000 mäklare i studien.

10

Tabell 1. Finansiering av kontantinsats, enligt mäklarundersökning

Uppsala Riksnivå

Lånar av släkt/vänner 16% 20%

Tar av besparingar 7% 19%

Blancolån 24% 24%

Använder vinst från tidigare bostad 51% 31%

Borgenärer 1% 6%

Totalt 100% 100%

Ännu en aspekt av bolånetaket är att bankerna har skärpt sina krav på låntagaren och i större utsträckning föreslagit amorteringar på tagna lån. Däremot har amorteringsviljan inte ökat. Den önskvärda effekten att minska belåningsgraden hos hushållen har till viss del uppnåtts då de mest extrema belåningsgraderna har minskat. (Finansinspektionen 2011).

2.3 Tidigare studier

Det har gjorts flera studier där en hedonisk¹ teori applicerats på bostadsmarknaden i olika sammanhang. En tidig föregångare är Abelson som 1978 satte upp en modell av villapriser i Sydney med 1400 försäljningsdata. Förklarande variabler i denna studie är bland andra; trafikintensitet, ljudkvalité, fastighetens ålder, antal rum samt olika bedömningar av fastighetens inre och yttre skick.

Förklaringsgraden hos modellen är relativt låg i jämförelse med senare arbeten, strax över 60 %. Så gott som alla variablerna var signifikanta på 0,05 nivå (Abelson 1979).

Det finns även en rad svenska studier; Jonsson och Lundström (2004) har tittat på hur årsavgiften hos en bostadsrätt kapitaliseras i examensarbetet Årsavgiftens kapitalisering i bostadsrättspriser.

Datamaterialet består av 4000 överlåtelser under en treårsperiod, 2001 till 2004. I modellen ingår variablerna församling, boyta, årsavgift, värdeår samt köpedatum. Därefter utformades tre olika grundmodeller vilka skiljer sig i fråga om geografisk omfattning. Förklaringsgraderna ligger på över 80 % och så gott som samtliga koefficienter i modellerna är signifikanta. I årsavgiftens kapitalisering i försäljningspriset finns skillnader mellan modellerna. I vilken utsträckning kapitalisering sker varierar mellan olika marknader. Generellt sett ger en högre prisbild en lägre kapitalisering vilket kan exemplifieras med en minskning i kapitaliseringen i relation till avstånd från centrum (Jonsson &

Lundström 2004).

1 Hedonisk teori utgår ifrån värderingen av objekt utifrån dess egenskaper. För en utförligare beskrivning se avsnitt 3.3.

11

I examensarbetet Prissättning av bostadsrätter är bostadsrättsmarknaden på Södermalm i Stockholm i fokus. Ett stort datamaterial på ca 6000 överlåtelser ingår i studien. Ett flertal modeller används, vissa med en förklaringsgrad på över 90 % med de signifikanta variablerna våningsplan, balkong, avgift, kvm, församling, skick, trafikerad adress, utsikt samt fungerade kakelugn. Slutsatser dras bland annat kring hur prisbilden på Södermalm ser ut och i vilken utsträckning avgiften kapitaliseras i försäljningspriset. Kapitaliseringsgraden används för att göra en jämförelse mellan skillnader före och efter SBAB slopade topplånen 2005. I och med detta anses en generell ökning av kapitaliseringsgraden ha skett. Studien visar dock inte på någon tydlig förändring. Ökningen har varit störst för större bostadsrätter, dessa har också en högre kapitaliseringsgrad jämfört med mindre lägenheter, något som förklaras bland annat med att dessa köpare är mer erfarna och lägger större vikt vid avgiften (Dennerheim 2006).

3. Teori

De teoretiska utgångspunkter som presenteras i detta kapitel är tänkta att, likt en pyramid, gå från en allmän bred förståelse för en rationell aktör, via en teoretisk diskussion kring bostadsrättsvärdering för att sedan preciseras i en hedonisk teoribildning. Hur dessa samband sedan kommer att tolkas och operationaliseras beskrivs i nästa kapitel.

3.1 The economic man

Den kanske absolut vanligaste utgångspunkten för företagsekonomisk och nationalekonomisk analys är antagandet om The economic man eller Homo Economicus. Begreppet syftar till en utav de mest grundläggande teorierna om ekonomiskt beteende där alla aktörer (individer, företag, organisationer etcetera) förutsätts vara fullständigt rationella samt nyttomaximerande. Med rationell menas att aktören gör medvetna och välkalkylerade val avseende alla sina transaktioner och aktiviteter, där de även är konsekventa i sina värderingar. Teorin utgår även ifrån att sådana kalkyler är möjliga, det vill säga att samtliga aktörer har tillgång till all nödvändig information för att göra rationella val (Eklund 2004). Med nyttomaximerande menas att aktörerna vid varje givet tillfälle försöker maximera den nytta de kan få ut av sina tillgångar. I den grundläggande läroboken i samhällsekonomi Vår ekonomi uttrycker författaren Klas Eklund (2004) det som att;

”Varje resursinsats och varje byte bör organiseras så, att den uppoffring man gör exakt svarar mot den behovstillfredsställelse man får av åtgärden – det skall inte kosta mer än det smakar. Om uppoffringen är större än den nytta man erhåller, bör man avstå... Människor förutsätts … välja fritt

12

på så sätt att de får ut största möjliga nytta av de resurser och tillgångar de förfogar över.” (Eklund 2004, s 43-44).

Denna utgångspunkt är givetvis extremt generaliserande och har under åren fått utstå en mängd kritik, den kändaste torde vara den av den frekvent citerade Thorstein Vebler som i sitt verk Theory of The Leisure Class hävdade att beskrivningen av aktören som;

”en blixtsnabb kalkylator av lust och olust, som far omkring som ett litet homogent klot under intrycket av stimuli som kastar honom hit och dit men samtidigt lämnar honom oberörd” (Eklund 2004, s 43-44)

är orimlig, för att inte säga direkt felaktig. Vidare så kan premissen att en aktör handlar rationellt med utgångspunkt ifrån sina egna preferenser och uppfattade möjligheter i en given situation ifrågasättas.

När denna del utav teorin diskuteras kan flera andra akademiska discipliner blandas in, till exempel psykologiska aspekter, kring vad rationalitet faktiskt innebär och hur exempelvis uppfattade möjligheter skall eller bör tolkas (Vriend 1996). För denna studie anses dock diskussionen kring de mer filosofiska inslagen utav the economic man vara mindre relevanta även om det kan anses viktigt att inse att begreppen kommer från en väl-debatterad teoretisk grund.

McKenzie (2010) har i sin bok Predictably Rational? även gjort en detaljerad och extensiv genomgång över rationalitetsbegreppets vara eller icke-vara inom ekonomisk teori. Där beskrivs kritiken av aktörers rationalitet som den kanske vanligaste grunden för ifrågasättandet av ekonomi som en vetenskaplig disciplin. Användandet av teorin försvaras med åsikten att en begränsad syn på ekonomiska frågeställningar inte bara är nödvändigt utan även önskvärd då;

“…a theory that is sufficiently complete to explain everything will not be very useful in making predictions of anything.” (McKenzie 2010, s xiv)

Samtidigt är antagandet om fullständig rationalitet inte absolut, eller ”trångsynt” om man så vill, då dess brister erkänns i själva utlärningen och definitionen av teorin;

“…if people are as fully rational as economists assume in their model building, why do economists have to teach students that people are rational? Should students not know that people are rational and understand all the implications of rational behavior laid out in economics courses?” (McKenzie 2010, s xiv)

McKenzie (2010) anser att ekonomer kan anta att aktörer är mer rationella än de verkligen är i marknadssituationer då eventuella irrationella beteenden kommer att korrigeras genom pressen från marknadens (underförstådda) konkurrens. Med detta som bakgrund torde det kunna hävdas att teorin kan vara en användbar utgångspunkt för analys av till exempel köp-beteenden och marknader, även

13

om det på intet sätt är befriat ifrån komplikationer (Eklund 2004). I detta arbete kommer vi att tillämpa teorin om the economic man och rationella köp-beteenden på huruvida det finns skillnader i hur rationella olika grupper av bostadsrättsköpare verkligen är i sina värderingar av lägenheter. Denna tillämpning kommer att presenteras under rubriken The economic man och sambandet mellan avgift och slutpris i avsnitt 4.1.

3.2 Värdering och bedömning av bostadsrätter

Värde kan sägas uppstå när något bedöms vara till nytta för någon annan och att detta något finns i begränsad utsträckning. I fallet med fastighetsmarknaden är alla objekt unika, det vill säga det finns inte två helt identiska bostäder. I samband med att ett värde på en bostad ska preciseras är det viktigt att skilja mellan avkastningsvärde och marknadsvärde. Avkastningsvärdet avser den beräknade framtida avkastningen en särskild intressent kan få ut av objektet och används främst vid avkastningsbärande fastigheter. Marknadsvärde å andra sidan är det värde som beräknas erhållas vid en försäljning. Aktuellt för denna studie är marknadsvärdet kring vilken all data är uppbyggd (Fastighetsvärdering 2006).

Värderingar kan ta sig många olika former. Inledningsvis är det viktigt för detta arbete att vara medveten om skillnaden mellan objektiva och subjektiva bedömningar. De objektiva attribut som en bostadsrätt innehar, såsom antal kvadratmeter, dess månadsavgift och så vidare medför olika typer av subjektiva bedömningar hos spekulanter, då de värdesätter dessa attribut olika högt. För vissa är det viktigt att ha ett extra rum medan andra prioriterar en lägre avgift och så vidare; detta gör det svårt att precisera ett objektivt värde som är giltigt för varje enskild person.

Vidare finns det attribut av mer direkt subjektiv karaktär exempelvis skicket på lägenheten. För att göra en klassificering av dessa egenskaper krävs en subjektiv bedömning kring vad som kan betraktas som ”skick över medel” och liknande. För spekulanten blir bedömningen likartad som vid andra typer av attribut; vad som anses viktigt kan variera mellan olika personer. Värt att notera är att med en värderingsmodell kan en uppskattning göras kring vad olika egenskaper för med sig i fråga om värdeförändringar. Det är också dessa egenskaper som definierar en implicit marknad. Med detta menas att vanliga prissättningsmodeller blir svåra att använda, objekten har flera explicita delar vilka kan kombineras och där olika kombinationer och enskilda attribut har olika betydelse, ifråga om värde för enskilda kunder (Sheppard 1999).

14

3.3 Hedonisk teori

Det finns ett flertal teoretiska utgångspunkter i beskrivningen av bostadsmarknaden samt hur en bostad kan värderas. En grundläggande teori är att se marknaden som en marknad för bostadstjänster, något som formulerats redan under 60-talet och som sedan utvecklats i olika steg. Marknaden betraktas som konkurrensutsatt och samspelet mellan utbud och efterfrågan styr prissättning. Detta ger ett endimensionellt angreppssätt med syftet att få så mycket bostad för pengarna som möjligt. Initialt användes teorin från ett producentperspektiv där målet var att på varje investerad krona maximera användandet av marken för bostadsuppförandet (Arnott 1987).

I kontrast till detta har det inom det ekonomiska gebitet länge funnits ett intresse för att se hur egenskaper och variabler samverkar. Under 70-talet utvecklades, av bland annat Sherwin Rosen, ett mer konkret ramverk för hur dessa samband kan beskrivas. Grundtanken för en hedonisk utgångspunkt är att se hur ett observerat pris påverkas av observerade egenskaper hos objektet. Teorin utgår ifrån en marknad av differentierade produkter. Detta tillvägagångssätt erbjuder därmed ett alternativ till ovanstående beskrivning i och med användningen av ett flerdimensionellt angreppsätt i att värdera ett objekt (Rosen 1974).

Den hedoniska teorin kan exemplifieras av bostadsrätter, där lägenheten har klara grundläggande karaktäristiska såsom antal rum, avgift och förekomst (eller frånvaro) av balkong. Utifrån detta kan sedan priset tas fram som en funktion av objektens egenskaper. De attribut som objekten besitter betraktas således som nyttobärande, det vill säga något som köpare är beredda att betala för. Den hedoniska modellen är den funktion som beskriver priset som en funktion av dessa olika variabler.

Appliceringen av en värderingsteori är helt beroende av den kontext denne är tänkt att användas i. En mer begränsad empiriskt studie, där vissa attribut skall skattas på en relativt stabil marknad, lämpar sig väl för ett hedoniskt tillvägagångssätt. Då priset enbart bestäms av olika grundläggande karaktäristika kan specifika variabler tas ut och undersökas närmare. Exempel på detta är om olika miljöpåverkande faktorer, som luftföroreningar, påverkar priset eller hur signifikanta variabler eventuellt förändras till följd av olika externa förutsättningar såsom statliga regleringar. Det blir också tydligt med denna modell hur förändringar kan få genomslag på vad köpare är beredda att betala och vad detta kan föra med sig i fråga om attitydförändringar. I större konceptuella sammanhang kan utförliga attributsbeskrivningar bli för detaljerade och skymma mer holistiska slutsatser varför ett annat angreppsätt då kan vara mer framgångsrikt (Arnott 1987).

Med hjälp av regressionsanalys (närmare beskrivet i Appendix A -Regressionsanalys) kan de olika variablerna i den hedoniska modellen skattas. Vidare är en central utgångspunkt för denna typ av modell att de som agerar på marknaden har tillgång till information kring de olika attribut som objekten kan inneha (Rosen 1974). Metoden kan sedan appliceras på en rad olika frågeställningar men

15

där egenskapernas inverkan är central. Till exempel går det att ta fram underlag för vad ett extra rum i en bostadsrätt skall kosta då modellen visar vad en viss del av marknaden är beredd att betala för det (McDonald & MacMillen 2011).

De problem som finns i användandet av en hedonisk teori är ofta knutet till de statistiska metoder som används och det associerade hanterandet av data. Det finns till exempel inget som säger att korrelation nödvändigtvis indikerar kausalitet. Med andra ord behöver en modell som uppvisar korrelation mellan pris och egenskaper inte spegla verkligheten. Vidare så är det olämpligt att applicera teorin på en marknad i kraftigt förändring. I detta fall har pris och egenskaper inte hunnit komma i balans och resultaten samt styrkan av sambandet mellan pris och egenskaper blir därmed missvisande. Det är även viktigt att vara medveten om var och hur data är inhämtad och verkligheten bakom den.

Exempelvis kan problem uppstå om data behandlas som om de kom från en och samma marknad när det egentligen finns tydliga barriärer mellan två eller flera delar av data (Freeman 1979). Dessa problem till trots har teorin visat sig användbar i många arbeten, bland annat genom att ge meningsfulla förklaringar till bostadsmarknaden (McDonald & McMillen 2011).

4. Tillämpning av teori

För läsare som inte är bekanta med nuvärdesmetoden för diskontering av framtida värden kan det vara lämpligt att läsa Appendix B – Nuvärdesmetoden innan detta avsnitt påbörjas. Tillämpning av teori är, som rubriken antyder, en fortsättning på teorin där de generella begreppen operationaliseras och preciseras närmare i from av kapitaliseringsgrad.

4.1 The economic man och sambandet mellan avgift och slutpris

I detta avsnitt kommer vår tillämpning av The economic man från teoriavsnittet ovan att presenteras tillsammans med tankarna om bostadsrättsvärdering. Då en aktör står inför valet att köpa en lägenhet är det ett flertal aspekter som kommer att väga in på dennes (individuella) värdering av lägenheten. Ett flertal av dessa är som tidigare nämnts av strikt subjektiv karaktär, såsom hur just den aktuella, unika, aktören uppfattar lägenhetens olika attribut, såsom dess skick eller dess övriga egenskaper. I kontrast till dessa subjektiva variabler finns det även en strikt ekonomisk variabel som borde kunna bedömas objektivt; nämligen bostadsrättens månadsavgift.

Då månadsavgiften består av en exakt summa pengar borde denna kunna tilldelas ett exakt värde och inte vara utsatt för subjektiva värderingar. Trots detta så har ett flertal studier påvisat att så inte är fallet. Jonsson och Lundström (2004) visade på att månadsavgiften hade en mindre, relativ, betydelse i

16

Stockholm än i Göteborg och Malmö och Dennerheim (2006) kom fram till att månadsavgiften har olika betydelse för köpare av olika stora lägenheter. Tydligen skiljer sig den teoretiska modellen från verkligheten i detta fall. Frågan blir därmed med hur mycket skiljer de sig?

För att exemplifiera hur denna månadsavgift inverkar (eller rättare sagt borde inverka) på försäljningspriset av en bostadsrätt kan vi utgå ifrån den boendes löpande kostnader. En lägenhetsinnehavare kan antas ha två huvudsakliga utgifter för sitt boende; månadsavgifter samt räntebetalningar för (det teoretiska) lånet som togs för att köpa lägenheten. Om vi antar att en fiktiv aktör har en fast, oföränderlig, summa att lägga på sitt boende varje månad så innebär detta att en förändring i den ene av de två resulterar, eller kan resultera, i en förändring av den andre. Om till exempel räntan på bolånet skulle sänkas så har den boende råd att låna mer kapital och därmed betala mer för en lägenhet, förutsatt att den har samma avgift som tidigare. Till hur stor del en månadsavgifts kostnad påverkar försäljningspriset kan beskrivas med kapitaliseringsgraden; det vill säga hur väl månadsavgiften kapitaliseras i försäljningspriset. Detta mått är av central betydelse för detta arbete och kommer därför att presenteras i ett eget avsnitt.

4.2 Kapitaliseringsgrad

I detta avsnitt kommer begreppet kapitaliseringsgrad att presenteras kort och i Appendix B - Nuvärdesmetoden ges en genomgång av hur man diskonterar framtida värden till nutida ekvivalenter genom begreppen nuvärde och nuvärdessumma. Värt att notera är att dessa genomgångar på intet sätt är menade att vara uttömmande utan enbart är till för att ge en kort introduktion till begreppen som kommer att användas i analysen.

Med kapitaliseringsgrad menas i detta arbete till hur stor del en förändring i en variabel, till exempel nuvärdessumman (se Appendix B - Nuvärdesmetoden) av avgiften för en lägenhet, resulterar i en förändring i en annan, beroende, variabel, till exempel slutpriset.

Detta betyder att vid full kapitalisering så resulterar en kronas ökning av nuvärdessumman av avgiften i en kronas minskning av försäljningspriset. Om en kronas ökning av nuvärdessumman av avgiften istället leder till mindre än en kronas minskning i försäljningspriset så betyder detta att avgiften är underkapitaliserad och gäller det omvända så är avgiften överkapitaliserad.

Avgiften för en lägenhet som är ”korrekt” värderad torde rimligen vara fullt kapitaliserad; är den

”korrekt” värderad borde alla ingående lägenhetsegenskaper (och förändringar i dessa) ge fullt utslag i försäljningspriset. Detta är dock sällan fallet, vilket kunde ses i genomgången av tidigare studier i avsnitt 2.3.

17

5. Metod

I detta kapitel beskrivs hur använd data har inhämtats och bearbetats och samtliga av de oberoende variabler som har använts i modelluppbyggnaden presenteras närmare. Kopplat till detta är även de problem som materialet bedöms lida av. Slutligen ges en definition av den kalkylränta som använts i studien.

5.1 Datainsamling och databehandling

Datainsamlingen genomfördes utifrån en grundlista med 1038 lägenheter som såldes mellan 2010-03- 01 och 2011-04-13. Detta motsvarar knappt 30 % utav överlåtelserna i denna region (Mäklarstatistik 2011). Denna lista (hädanefter kallad grundlistan) erhölls av mäklarbyrån Widerlöv & Co (2011) och innehöll förutom gatuadress lägenhetsegenskaperna område, våningsplan, rum, boarea, månadsavgift, utgångspris, slutpris samt kontraktsdatum. Utav dessa så såldes 597 innan bolånetaket infördes och 441 efter. Efter att grundlistan hade erhållits så påbörjades arbetet med att komplettera denna lista med egenskaperna byggår, balkong, hiss, eldstad, skick, stamrenoverat och elrenoverat. Innebörden av dessa egenskaper samt kriterierna för dess bedömningar presenteras under avsnitt 5.1.1 nedan.

Generellt gjordes en bedömning att dessa variabler var sådana som köpare ansåg viktiga och därmed påverkade försäljningspriset.

Initialt avsågs all information (som inte erhölls från grundlistan) insamlas via försäljningsprospekten avseende de aktuella lägenheterna, men då det förekom osäkerhet om dessas tillgänglighet så inleddes datainsamlingen med internetsökningar via Widerlövs hemsida (2011). Samtliga 1038 lägenheter eftersöktes på detta sätt men tyvärr låg inte alla prospekten kvar på Widerlövs hemsida (2011) och de som kunde hittas innehöll inte längre bilderna på lägenheterna. Endast ”framsidan” av prospekten kunde beskådas på hemsidan, där till exempel pris, månadsavgift och lägenhetsbeskrivningen kunde utläsas. Detta var i mångt och mycket tillräckligt då alla eftersökta egenskaper förutom skick kunde erhållas på detta sätt. Till exempel är det ju ej troligt att en lägenhet har balkong utan att detta nämns i lägenhetsbeskrivningen eller att antalet kvadratmetrar utelämnas. På detta sätt erhölls egenskaperna för 614 stycken lägenheter.

Därefter erhölls ett stort antal faktiska, kompletta, prospekt från Widerlövs tryckerileverantör Tidtryck i Uppsala. Dessa prospekt beskrev totalt 671 stycken lägenheter och utav dessa 671 så var 436 redan bedömda enligt den gamla metoden (det vill säga via Widerlövs hemsida (2011)). Materialen och bedömningarna överlappade alltså varandra med 436 objekt.

18

Ovanstående sammanställning, utförd i Excel, utav de båda metoderna resulterade i att egenskaperna till 849 lägenheter sammanställdes utav de ursprungliga 1038. De 189 lägenheter som inte kunde hittas sållades bort i detta stadie. Nedan följer en kort beskrivning utav de variabler arbetet utgick från, dess benämningar samt hur variabeln bedömdes.

5.1.1 Ingående variabler

I valet av ingående variabler var målet att spegla både objektiva och subjektiva egenskaper hos lägenheterna, detta för att i största möjliga mån kunna beskriva hur bostadsrätternas värde byggs upp. I utformningen av variablerna var det även nödvändigt att ta hänsyn till de naturliga begränsningar som det tillgängliga datamaterialet var behäftat med. En viktig del i utformningen av grunduppsättningen variabler var även tidigare studier där resonemang från främst Jonsson och Lundström (2004) och Dennerheim (2006) användes som bakgrund vid val av variabler. Variabelvalen var därmed en kompromiss av resultaten av tidigare studier (som bevisligen hade uppnått goda förklaringsgrader) och den tillgängliga datan.

Pris

Priset representeras av försäljningspriset och är alltså den beroende variabeln i regressionsmodellen.

Värden har uteslutande erhållits från grundlistan då slutpriser inte nödvändigtvis redovisas på hemsidan (och givetvis inte i prospekten där enbart utgångspriser redovisas).

OmrådeX

Att lägenheter som ligger i olika områden inom en stad (mikroläge) kan betinga olika priser är ett välkänt faktum som inte kräver någon noggrannare motivering. Det som kan sägas är att lägenheter med närhet till järnväg, affärer och grönområden i regel betingar högre pris än lägenheter utan dessa fördelar. Stadsdelars olika status samt dess arkitektur och stadsplanering är andra faktorer som ofta påverkar prisläget.

I grundlistan fanns redan områdena beskrivna men då uppdelningen var alltför detaljerad och innehöll hela 44 olika, distinkta områden så gjordes en sammanslagning av flera variabler vilket resulterade i enbart fem områden. Dessa fem benämns OmrådeX med X:et utbytt mot A,B,C,D,E eller F beroende på läge. Sammanslagningen av områden grundade sig i dessas geografiska läge samt författarnas allmänna uppfattning kring prisläge och områdesspecifik karaktär. Sammanställningen av vilka områden som slogs ihop med vilka kan ses i tabell 2 nedan.

19

Tabell 2. Studiens områdesuppdelning.

Benämning Ingående områden Antal objekt

A Centrum, Centrum/Höganäs, Centrum/Kapellgärdet, 111

Centrum/Övfre Slotts, Främre Luthagen

B Fyrisvallen, Luthagen, Luthagen/Stabby, Stabby 143

C Fålhagen, Höganäs, Industristaden 246

D Ekeby, Eriksberg, Kåbo, Rackarberget, Rickomberget, 52

Sommaro

E Gränby, Salabacke, Årsta 110

F Bellman, Främre Svartbäcken, Heidenstam, Kapellgärdet, 151

Ling, Löten, Svartbäcken, Tunabackar, Övre Bellman

Kvarngärdet

Uteslutna Herrhagen, Knivsta, Norby, Nyby, Nyby Gård, Slavsta, 36

Storvreta, Sunnersta, Sävja, Ulleråker, Vårdsätra

Totalt 849

I tabellen kan utläsas att 36 lägenheter inte ansågs ligga tillräckligt nära något utav områdena A-F, samtidigt som de inte låg tillräckligt nära varandra för att själva utgöra ett område. Dessa lägenheter sållades därför ut vilket resulterade i ett datamaterial om 813 lägenheter. Det är denna, slutgiltiga, lista som kommer att användas i regressionsanalysen.

Våningsplan

Vilken våning en lägenhet ligger på kan ha betydelse för dess slutpris om aspekter såsom lättillgänglighet och insyn prioriteras. Vi har valt att slå ihop våningsplan 0,5 (populärt benämnd halv trappa) med första våningen då vi tror att det är just förekomsten av trappa som kan vara utslagsgivande i dessa fall. Att slippa behöva gå i trappor prioriteras troligen av äldre och av personer med funktionshinder, framförallt om byggnaden saknar hiss. På samma sätt har vi slagit ihop alla våningar från och med våning två och uppåt, då ovanstående aspekter (tillgänglighet och insyn) då troligen har lika lite (eller mycket) betydelse. De olika variablerna döptes till Bottenvåning, Våning ett samt Våning tvåplus.

Rum

Antalet rum har givetvis en stor betydelse för priset, även om dess inverkan kan skifta tecken beroende

20

på andra egenskaper. Dennerheim (2006) visade till exempel att lägenheter med en stor area erhöll ett högre marginalpris om de hade fler rum medan lägenheter med en mindre area hade det omvända förhållandet, vilket är logiskt; en mindre lägenhet behöver troligen fler kvadratmetrar och inte fler rum med väggar som ytterligare delar upp utrymmet. På samma sätt som för Område och Våningsplan har vi slagit samman variabeln för fyra rum och uppåt. Detta resulterar i variablerna Ett rum, Två rum, Tre rum och Fyra rumplus.

Boarea

Den troligen viktigaste variabeln vid lägenhetsköp (möjligen tillsammans med Område och Avgift nedan) är givetvis boarean på lägenheten. En större lägenhet betingar givetvis nästan alltid ett högre pris än en identisk, men mindre, lägenhet. Variabeln döps kort och gott till Area.

Avgift

Den mest intressanta variabeln för denna studie är avgiften. Från grundlistan erhölls dessa värden som månadsavgift. Vi har dock valt att räkna om denna på olika sätt till årsavgifter och nuvärden vilket kommer att presenteras under avsnitt 5.3, nedan.

Kontraktsdatum

Denna variabel för att upptäcka eventuell trend i lägenhetspriserna över tid. En ansats gjordes att göra denna variabel kontinuerlig, med ”antal dagar innan 2011-04-13” som värde, men då förklaringsgraden ofta blev låg så delades istället materialet upp i kvartalsintervall. En lägenhet med variabeln Q22010 såldes alltså mellan den första april och den sista juni år 2010. De använda variablerna blev således Q22010, Q32010, Q42010, Q12011 samt Q22011.

Byggår

Olika arkitektoniska perioder betingar ofta olika pris. Detaljer som är tidstypiska för äldre fastigheter såsom högt i tak och stuckaturer i kombination med husets yttre utseende (fasad, färgsättning, byggnadsmaterial etcetera) uppskattas ofta och betingar därmed ett högre pris. Samtidigt kan nya byggnader (från 2000-talet) möjligen uppfattas som ”fräscha” och i mindre behov av akut underhåll.

Variabeln delas upp efter när huset byggdes på Byggår-1920 (det vill säga innan 1920), Byggår1921- 1940 (det vill säga mellan 1921 och 1940), Byggår1941-2000 (för perioden 1941 till 2000) samt Byggår2001- (byggnader uppförda från och med 2001 och framåt, det vill säga nybyggnation).

Balkong

Indikerar om lägenheten har tillgång till balkong eller ej. Till balkong räknas även terrass, uteplats och fransk balkong. Då den absoluta majoriteten av lägenheterna i materialet hade balkong (649 av 813) finns en risk att denna variabel ej blir signifikant då den kan ”drunkna” i samband från andra variabler.

Variabeln benämns Balkong.

21 Hiss

Indikerar på samma sätt som variabeln Balkong tillgången till eller frånvaron av hiss i fastigheten.

Tillgång till hiss kan ses som viktigt framförallt för äldre, personer med funktionshinder och för familjer med små barn. I ett fåtal fall, med föreningar med flera olika hus med olika standard, har det varit svårt att bedöma om lägenheten verkligen har tillgång till hiss eller ej. I dessa fall har en bedömning gjorts utifrån årsredovisningar och/eller underhållsplaner för den relevanta föreningen.

Noteras bör att detta har skett i ytterst få fall. Variabeln benämns Hiss.

Eldstad

Indikerar på samma sätt som variablerna Balkong och Hiss tillgången till eller frånvaron av eldstad i lägenheten. En eldstad/kamin ses ofta som en tillgång, främst av atmosfär- och livskvalitéskäl. Då inte de fullständiga prospekten kunde erhållas för alla lägenheter har ingen bedömning gjorts avseende om eldstaden fungerar eller ej. Variabeln benämns Eldstad.

Skick

Beskriver lägenhetens allmänna skick. Denna variabel är högst subjektiv och bedömningen har utgått från författarnas egna uppfattningar avseende lägenheternas totala skick och kvalité. Underlag som inhämtades från Widerlövs hemsida (2011) hade som tidigare nämnts inte tillräckligt med bilder för att en korrekt bedömning skulle kunna göras. Ett försök att göra en bedömning av lägenheternas skick gjordes istället genom att i lägenhetsbeskrivningen läsa vilken standard främst kök och badrum hade.

För att skapa ett homogent material av de båda dataseten (prospekten från Tidtryck respektive framsidorna på Widerlövs hemsida (2011)) så använde vi följande metodik; de överlappande bedömningarna analyserades noggrannare för att upptäcka hur stor andel av lägenheterna som hade erhållit ett värde på Skick genom den första metoden (uppskattningar via Widerlövs hemsida (2011)) som inte överensstämde med värdet den erhöll från den andra metoden (via Tidstrycks prospekt).

11 av 50 (22 %) av lägenheterna som hade fått skick noll stämde inte överens, metoderna emellan. För lägenheterna som hade fått skick ett stämde inte 76 av 194 (39 %) och av de med skick två blev felen 30 utav 192 (15,6 %). Detta var något väntat då lägenheterna som fått skick ett genom prospektmetoden ofta hade höjts från en nolla till en etta trots att dessa inte hade helt nya kök och/eller badrum. Dessa fick istället skick ett för att ta hänsyn till andra, mer diffusa, aspekter såsom bra ljusinflöde, fina ytskick eller bra planlösning. Trots detta är skillnaderna mellan de olika metoderna så pass stora att det inte är säkert att variabeln ”skick” kan tilldelas någon betydelse. Det är dock viktigt att notera att avvikelserna bara gäller variabeln Skick i datamaterialet. Övriga variabler såsom rum, area, förekomst av balkong och eldstad etcetera påverkas inte av dessa avvikelser.

Elrenoverat

Denna variabel syftar till att fånga upp byggnadens framtida renoveringsbehov, något som allvarligen kan påverka framtida avgifter. Då det är svårt att bedöma någon standard för om en fastighet behöver

22

byta ut stora delar av dess elsystem eller ej har vi gjort en allmän uppskattning om att fastigheter byggda efter 1980 per automatik ”är elrenoverade”. Övriga, äldre, fastigheter är elrenoverade enbart om detta uttryckligen nämns i prospekten. Detta är fallet för 599 av de totalt 813 lägenheterna och för 384 av de 598 lägenheterna som byggdes innan 1980. Variabeln benämns Elrenoverat.

Stamrenoverat

Precis som den närmast ovanstående variabeln Elrenoverat syftar denna till att fånga upp framtida renoveringsbehov. En stamrenovering innebär oftast än högre utgifter och störningar för de boende än en elrenovering vilket gör denna variabel högst aktuell. I likhet med närmast ovanstående variabel är det dock svårt att objektivt bedöma om en fastighet behöver stamrenoveras eller ej varför vi har gjort den subjektiva bedömningen att fastigheter byggda efter 1980 per automatik ”är stamrenoverade”.

Övriga, äldre, fastigheter är stamrenoverade enbart om detta uttryckligen nämns i prospekten.

Variabeln benämns Stamrenoverat.

5.2 Brister i datamaterialet

Samtlig data är som nämnt inhämtad via mäklarfirman Widerlöv (2011). Därmed kommer data då också spegla den profil som företaget har. Detta bedöms inte utgöra något hinder då profilen, att sälja lägenheter i attraktiva områden (Widerlövs hemsida (2011)), ligger i linje med studiens syfte, att studera centrala delarna utav Uppsala. Däremot skulle eventuella skillnader mellan Widerlöv och andra mäklarfirmor, bland annat i prissättning, kunna ge en skev bild utav marknaden. Vi ser dock ingen anledning att tro att så skulle vara fallet eller att detta skulle påverka de sökta principiella sambanden.

De lägenhetsdata som kommer att användas i studien är från främst Uppsala stad med stadsdelar som Centrum, Eriksberg, Fålhagen, Gränby, Luthagen, Kapellgärdet, Kåbo, Svartbäcken och Årsta vilket är något som bör hållas i åtanke i samband med de slutsatser som kan dras. Samtliga försäljningar har skett mellan 1 mars 2010 och 12 april 2011, vilket medför att långsiktiga förändringar blir svårare att utreda, till exempel om vissa attribut har blivit viktigare med tiden.

Ytterligare aspekter av dataproblematiken är den mänskliga faktor vilken kan spela in i införandet och organisationen av data. I detta arbete applicerades en metod där all hantering av data alltid utfördes av två personer vid en gemensam arbetsterminal. Detta medför ökad precision och minskar de potentiella felen då allt arbete utsätts för löpande kontroll där den data en person för in samtidigt granskas av den andre.

23

5.3 Modelluppbyggnad

Den huvudsakliga analysen utfördes med hjälp av den statistiska mjukvaran SPSS. Resultatet av regressionsanalysen presenteras i två delar. Inledningsvis, i första delen, skapas en modell innehållandes variabler som liknar de i Jonsson och Lundströms (2004) arbete och som baseras på hela det empiriska datamaterialet. Detta speglar på ett allmänt plan prispåverkande faktorer på bostadsrättsmarknaden i Uppsala och i synnerhet tas avgiftens kapitaliseringsgrad i beaktande vilken sätts i relation till Jonsson och Lundströms (2004) resultat rörande andra städer. I andra delen görs en uppdelning av data före och efter införandet av bolånetaket. Vidare så delas kapitaliseringen utav avgiften upp på det antal rum som lägenheterna har. Detta förfinande förfarande syftar till att visa på skillnader i regleringens effekter på kapitaliseringen av avgiften i försäljningspriset beroende på bostadsrättens antal rum.

Vid regressionerna kommer ofta en variabel av ett set med komplementära variabler att saknas. Denna variabel är då del av referensvariablerna. För läsare som inte är bekanta med detta begrepp (eller med regressionsanalys som undersökningsmetod) kan det vara lämpligt att läsa Appendix A – Regressionsanalys innan kommande resultatavsnitt påbörjas.

5.4 Motivering av diskonteringsränta

Kalkylräntan p, i detta fall benämnd diskonteringsräntan, är av yttersta vikt vid regressionsanalysen av kapitaliseringsgraderna. Detta då denna direkt påverkar vilka nuvärden som skall användas i regressionen och som därmed kommer att stå för en stor del av modellens förklaringsgrad. Det teoretiska målet skulle givetvis vara att veta vilken ränta (om någon) som varje individuell bostadsrättsköpare använde sig av vid sin kalkylering över sin boendekostnad, samt vilka tidshorisonter som användes. Detta är givetvis en omöjlighet varför vissa uppskattningar är nödvändiga. Jonsson och Lundström (2004) anser att många köpare undermedvetet använder sig av den rörliga räntan eller 10-årsräntan medan andra inte ens beaktar vilken effekt avgiften kan ha över tid.

En vanlig metod att på ett enhetligt och spårbart sätt motivera val av diskonteringsränta är att använda något slags snitt över bankers bolåneräntor vid kontraktsdatumet, vilket dock kan vara något omständigt för utomstående att kontrollera. Ett annat alternativ är att använda någon enkel, välkänd ränta som referens. Till exempel använder både Jonsson och Lundström (2004) samt Dennerheim (2006) SBAB’s tvååriga bolåneränta som referens; Jonsson och Lundström (2004) i dess ursprungliga

24

form och Dennerheim (2006) med en 30 % reducering för att ta hänsyn till eventuella skatteavdrag som låntagarna kan beräknas göra.

Då både Jonsson och Lundström (2004) och Dennerheim (2006) kommer att användas för jämförelser känns det därmed motiverat att använda SBAB’s tvååriga ränta vid kontraktsdatumet vid beräkningarna av nuvärdessummor, vilket hädanefter kommer att användas. Denna ränta låg under den aktuella tidsperioden (2010-03-01 till 2011-04-13) på mellan 2,58 % och 4,57 % (SBAB 2011).

6. Resultat

De empiriska resultaten i detta avsnitt är uppbyggda kring de modeller som beskrivs ovan under avsnitt 5.3 och är tänkta att undersöka de två frågeställningarna som presenterades i syftet. I första delen beskrivs hur kapitaliseringen i Uppsala förhåller sig till andra storstadsregioner i Sverige medan den andra delen av resultatet preciserar de effekter som införandet av bolånetaket har haft på årsavgiftens kapitalisering.

6.1 Regionala skillnader i avgiftens kapitalisering

Vi inleder regressionsanalysen med att skatta en modell över avgiftens kapitalisering i hela Uppsala.

Kapitaliseringen i denna modell kommer alltså inte att delas upp i vare sig i disjunkta tidsperioder eller efter antalet rum som lägenheterna har.

6.1.1 Generell modell

Syftet med denna modell är att ge en generell bild av avgiftens kapitalisering i Uppsala och jämföra dessa resultat med de från Jonsson och Lundströms (2004) arbete. Jonsson och Lundström (2004) undersökte, som tidigare nämnts, kapitaliseringsgraden i Stockholm, Göteborg och Malmö under åren 2001-2004 och skattade kapitaliseringsgraderna för de olika städerna, i nämnd ordning, till 41 %, 73 % och 100 %.

För att kunna jämföra med Jonsson och Lundströms (2004) resultat skapas en grundmodell med liknande variabler som användes i den studien. Variablerna Boyta, Byggår1920, Byggår19211940, Byggår19402000, Byggår2001, Q32010, Q42010, Q12011, Q22011 samt NVAvgift användes som grund till regressionen. Som jämförelse kan återigen nämnas att Jonsson och Lundström (2004)

25

använde en finare uppdelning av fastighetens byggnadsår samt en dummy-variabel för Göteborg och en för Malmö; deras resultat utgår därmed ifrån Stockholm.

I tabell 3, nedan ges sammanfattningen för vår initiala modell. I tabellen kan förklaringsgraden (Adjusted R Square) utläsas till 72,4 %, något som i jämförelse Jonsson och Lundströms (2004) arbete kan tyckas något lågt. Detta beror troligen på skillnaden i storleken på de olika datamaterialen, 813 objekt jämfört med nära 4000.

Tabell 3. Sammanfattning för Generell modell.

Model R R Square

Adjusted R Square

Std. Error of the Estimate

1 ,853 ,727 ,724 318784,422

Generellt sett brukar en förklaringsgrad över 70 % anses vara av värde, se Appendix A - Regressionsanalys. I tabell 4 visas koefficienterna för den skattade regressionen.

Tabell 4. Koefficientskattningar för Generell modell.

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) 318604,961 45699,846 6,972 ,000

Boyta 26497,206 938,090 1,020 28,246 ,000 ,261 3,838

Byggår1920 680852,622 64552,991 ,198 10,547 ,000 ,969 1,032 Byggår19211940 260330,478 29568,645 ,171 8,804 ,000 ,904 1,106 Byggår2001 158950,864 36056,488 ,109 4,408 ,000 ,558 1,793

Q32010 13174,442 32105,481 ,010 ,410 ,682 ,625 1,599

Q42010 15517,069 35717,822 ,010 ,434 ,664 ,603 1,658

Q12011 35554,029 43590,489 ,024 ,816 ,415 ,393 2,546

Q22011 -104995,341 66746,276 -,036 -1,573 ,116 ,663 1,508

NVAvgift -,378 ,053 -,322 -7,087 ,000 ,165 6,076

26

Som synes så är alla koefficienter signifikanta (Sig.-värden under 0,05) bortsett från kontraktsdatumsvariablerna, QX201X. Detta kan ha sin förklaring i att den generella prisutvecklingen under perioden 2010-10-01 till 2011-04-13 var för blygsam för att någon statistiskt säkerställd prisskillnad kunde påvisas emellan kvartalen.

Vidare så noterar vi att Boyta erhåller koefficienten 26497,206 vilket indikerar att en extra kvadratmeter kostar ca 26500 kr på marginalen. Den intressanta koefficienten är dock NVAvgift som skattas till -0,378. Detta betyder att en höjd nuvärdesavgift på en krona bara resulterar i en prisminskning på ca 38 ören, det vill säga avgiften är underkapitaliserad i försäljningspriset.

6.1.2 Detaljerad modell

Modellen ovan har dock en något låg förklaringsgrad varför ytterligare en modell skattas för hela datamaterialet. Denna modell nyttjar ett flertal tillgängliga variabler vilket ger den en klart högre förklaringsgrad. Sammanfattningen i tabell 5 visar att den hamnar på hela 81,8 % vilket är i paritet med Jonsson och Lundströms (2004) förklaringsgrader.

Tabell 5. Sammanfattning för Detaljerad modell.

Variablerna som användes i den detaljerade modellen var Boyta, Byggår1920, Byggår19211940, Byggår19412000, Byggår2001, OmrådeA, OmrådeB, OmrådeC, OmrådeD, OmrådeE, OmrådeF, Bottenvåning, Våningett, Våning2plus, Eldstad, Hiss, Skick0, Skick1, Skick2, och NVAvgift.

Kvartalsvariablerna och rumsvariablerna utelämnades då signifikansgraderna var för låga, detsamma gällde för balkongvariabeln. Den senares brist på signifikans beror troligen på att en så stor andel av lägenheterna hade balkong (649 av 813) vilket fick variabeln att ”drunkna” i andra variablers samband. I tabell 6 nedan visas koefficienterna för den detaljerade modellen.

Model R R Square

Adjusted R Square

Std. Error of the Estimate

1 ,906 ,821 ,818 259185,180

27

Tabell 6. Koefficientskattningar för Detaljerad modell.

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) 483919,986 33620,840 14,393 ,000

Boyta 25125,280 623,220 ,967 40,315 ,000 ,390 2,562

Byggår1920 389550,853 54764,994 ,113 7,113 ,000 ,890 1,124 Byggår19211940 109740,210 26519,943 ,072 4,138 ,000 ,743 1,345 Byggår2001 -24954,783 35760,654 -,017 -,698 ,485 ,375 2,668 OmrådeA 63664,063 33551,198 ,036 1,898 ,058 ,623 1,606 OmrådeB -57220,461 28126,736 -,036 -2,034 ,042 ,721 1,388 OmrådeD -169389,401 41642,806 -,068 -4,068 ,000 ,796 1,256 OmrådeE -411647,723 32490,125 -,232 -12,670 ,000 ,669 1,495 OmrådeF -220539,923 32174,029 -,141 -6,855 ,000 ,528 1,895 Bottenvåning -92860,586 48788,646 -,029 -1,903 ,057 ,977 1,024 Våningett -73463,236 22044,880 -,051 -3,332 ,001 ,967 1,034

Hiss 91346,067 26531,319 ,074 3,443 ,001 ,487 2,052

Eldstad 200077,413 37311,114 ,087 5,362 ,000 ,855 1,169 Skick0 -89619,721 27992,380 -,052 -3,202 ,001 ,856 1,168 Skick2 151001,272 23093,478 ,121 6,539 ,000 ,653 1,532

NVAvgift -,344 ,032 -,293 -10,719 ,000 ,300 3,328

De flesta variablerna är signifikanta på 0,05 nivån, dock är OmrådeA, Bottenvåning och framförallt Byggår2001 inte signifikanta. Dessa lämnas dock kvar i modellen då de är komplementära med andra variabler, till exempel är Bottenvåning komplementär med Våning1 och Våning2plus. Koefficienten för NVAvgiften skattas till -0,344 vilket inte är långt ifrån värdet från den generella modellen (-0,378).

Detta tyder på att skattningen av kapitaliseringen är någorlunda robust.

28

6.2 Bolånetakets effekter på avgiftens kapitalisering

I detta avsnitt kommer den andra frågeställningen att undersökas, det vill säga undersöka hur införandet av bolånetaket den 1 oktober 2010 påverkade kapitaliseringen av årsavgiften i försäljningspriset. Särskilt fokus kommer att läggas på om lägenheter med olika antal rum påverkas olika mycket och/eller på olika sätt. Detta görs genom att beskriva nuvärdesavgiften med interaktionsvariabler. På detta sätt kan vi dela upp denna på antal rum. För mer information se Appedix A – Regressionsanalys.

Datamaterialet delas upp i två delar, den ena med objekt sålda innan införandet av bolånetaket och den andre med objekten sålda efter införandet.

6.2.1 Före bolånetaket

Modellen som skapas utifrån materialet som beskriver försäljningarna innan den 1 oktober 2010 innehåller förutom variablerna Boyta, OmrådeA, OmrådeB, OmrådeC, OmrådeD, OmrådeE, OmrådeF, Skick0, Skick1, Skick2, Bottenvåning, Våningett och Våning2plus även nuvärdesavgiften uppdelat på antal rum genom användandet av interaktionsvariabler som beskrivs i Appendix A – Regressionsanalys. Dessa benämns NVAEttrum, NVATvårum, NVATrerum samt NVAFyrarumplus.

Detta förfarande låter oss undersöka hur lägenhetskategorierna (baserat på antal rum) kapitaliseras var för sig. Datamaterialet innehåller 446 lägenhetsförsäljningar. Förklaringsgraden blir acceptabel, 78,2

%, vilket kan utläsas i tabell 7 nedan.

Tabell 7. Sammanfattning för Före bolånetaket.

Model R R Square

Adjusted R Square

Std. Error of the Estimate

1 ,888 ,789 ,782 238590,993

I tabell 8 presenteras koefficientskattningarna för materialet före bolånetakets införande.