Avstånd till kollektivtrafik och dess påverkan på bostadspriser

(1)

EXAMENSARBETE SAMHÄLLSBYGGNAD FASTIGHETSEKONOMI GRUNDNIVÅ, 15 HP

STOCKHOLM, SVERIGE 2018

Avstånd till kollektivtrafik och dess påverkan på bostadspriser

- En ekonometrisk analys av Sundbybergs kommun

Isabella Carlbom & Andrea Paulsson

(2)

Bachelor of Science thesis

Title Author(s) Department TRITA number Supervisor Keywords

Distance to public transport and its influence on housing prices Carlbom, Isabella & Paulsson, Andrea

Buildning and Real Estate economics TRITA-ABE-MBT-18376

Herman Donner

Housing prices, Monocentric, Stockholm, Sundbyberg, CBD, Hedonic price model, Regressio analysis

Abstract

The location of a residence is considered to be the most important element when illuminate real estate values and housing prices, but the element is problematically due to its amplitude. The element, location, is unique and no housing is another comparable which implicates the difficulty to value a residence. There is a great variety in housing prices and how they varies is hard to identify due to the large amount of affecting elements.

The basis of this work is the study of how the housing prices depends on the location element and how it differs between houses and apartments. The location element implicate distance to a city center^anddistance to the closest public transport. The research will be applied at a local level in Sundbyberg and relate to a possible monocentric city model, where distance substantially is temporal and not only geografic.

One of the models that attempt to explain the location elements variety is the monocentric city model. According to the theory, housing prices increases the closer the object is situated to a city.

The reason why the prices increases closer to the city is because citizens will be prepared to pay more for housing when the transportation cost decreases. This study examine inter alia if the monocentric city model can be applied on a local level in Sundbyberg by checking a potential relation between housing prices and the distance to city.

To be able to try out the influence of various location elements on housing prices, hedonic price models are applied. A hedonic price model breaks down an ensembled observed price to implicit prices for each attribute. Generally, the model is carried out to understand the housing price.

The intention of the work is to study if a relation between housing prices and the distance to a local city center anticipates. If the structure of housing prices can be charted with the models it would facilitate the planning of new domains and infrastructure, as well as illuminate attributes valuable in a region. This work also aim to examine how housing prices are influenced by distance to public transports and how that differs between various local areas. According to the monocentric theory, housing prices ought to increase when the distance to the city center decreases, with similar reasoning housing prices ought to increase when the distance to closest public transport decreases.

(3)

To achieve the purpose a literature study is implemented to obtain immerse understanding of the theory behind the monocentric city model, the hedonic price model but also to clarify various elements that affect housing prices. Based on the theory, location elements are, in this report, analyzed in hedonic price models.

The result from the different models implicates that for houses in Sundbyberg a monocentric city model is applicable. However, no conclusion can be made for apartments in Sundbyberg. The principles of the model are hard to applicate on the area, mostly because Sundbyberg is affected by the vicinity to the inner city of Stockholm but also because of the small area and the lack of homogeneity.

The distance to the closest public transport shows an opposite effect on the housing prices than the hypothesis. Both house and apartment owners are not prepared to pay more for a residence closer to a public transport. However, corresponding to the hypothesis, vincinity to public transport has in some local areas in Sundbyberg an impact on housing prices.

The collected data in the report is limited which affect the result. To be able to receive a better valuation and clarification of the distance element, the model need to include more location elements and other elements that affect housing prices

(4)

Acknowledgement

This bachelor thesis is our culmination of the civil engineer bachelor within the department of Real Estate and Construction Management at the Royal Institute of Technology in Stockholm (KTH). This report includes 15 hp and is carried out 2018 03 21 - 2018 05 11.

This research has given us the opportunity expand our knowledge within the subject and to put the knowledge learned during the programme into practise.

We would like to take this opportunity to express our gratitude to our lecturer, Herman Donner at the Department of Building and real estate economics. We are thankful for the inspiration and valuable guidance throughout the process.

Most importantly, none of this could have happened without each other. Working together has given us the possibility to learn from each other but also contributed to interesting dialogues and enjoyable months of studying.

Stockholm, June 2018

Isabella Carlbom & Andrea Paulsson

(5)

Examensarbete

Titel Författare Institution TRITA nummer Handledare Nyckelord

Avstånd till kollektivtrafik och dess påverkan på bostadspriser Carlbom, Isabella & Paulsson, Andrea

Fastigheter och Byggande TRITA-ABE-MBT-18376 Herman Donner

Bostadspriser, Monocentrisk, Stockholms län, CBD, Hedonisk prismodel, Regressionsanaly

Sammanfattning

Läget anses vara den enskilt viktigaste faktorn som förklarar fastighetsvärden och bostadspriser, dock är begreppet väldigt brett. Inget läge är det andra likt och det är ofta det som gör bostäder speciella. Det är också detta som gör det problematiskt att värdera en bostad. Det råder en stor variation i bostadspriserna och hur de varierar är svårt att kartlägga på grund av mängden faktorer som spelar in.

Arbetet har som utgångspunkt att studera hur bostadspriserna beror av lägesvariabeln avstånd och hur det ser ut för småhus respektive lägenheter. Avståndsvariabeln innefattar avstånd till centrum samt avstånd till närmaste kollektivtrafik. Undersökningen kommer appliceras på en lokal nivå i Sundbybergs kommun och relaterar till en eventuell monocentrisk stadsmodell, då avstånd till stor del är temporalt och inte enbart geografiskt.

Den monocentriska stadsmodellen är en av de modeller som försöker förklara variationen utifrån bostadens läge. Enligt teorin bakom modellen ökar bostadspriserna desto närmre kärnan bostaden är belägen och på så sätt beror bostadspriserna av ett lägespris. Anledningen till varför priserna ökar närmre kärnan beror på att man är villig att betala mindre för transportkostnader till ett centrum dit stadens invånare antas transportera sig till dagligen för att nå arbete och önskad service. I denna rapport vill vi testa om den monocentriska stadsmodellen går att applicera på lokal nivå i Sundbybergs kommun genom att studera om det finns ett samband mellan bostadspriserna och avståndet till centrum.

För att kunna testa hur olika lägesfaktorer påverkar bostadspriserna används hedoniska

prismodeller. Med en hedonisk prismodell kan man bryta ner ett observerat pris från sin helhet till implicita priser för varje attribut. Generellt är det en modell som kan tillämpas för att förstå bostadspriset.

Arbetets syfte är att studera om det förekommer något samband mellan ett bostadspris och

avståndet till ett lokalt centrum. Om bostadsprisstrukturerna kan kartläggas med modellerna skulle det kunna underlätta planeringen av nya områden och infrastruktur samt belysa de attribut som bör värdesättas högt i ett område. Syftet är också att undersöka hur bostadsprisstrukturen ser ut i ett område beroende på hur priserna influeras av avstånd till kollektivtrafik samt hur det skiljer sig

(6)

mellan olika lokala områden. Enligt teorin från den monocentriska stadsmodellen bör

bostadspriserna öka när avståndet till ett centrum minskar och med liknande resonemang borde bostadsprisena öka när avståndet till närmaste kollektivtrafik minskar.

För att uppnå syftet genomförs en litteraturstudie för att få bättre förståelse för teorin bakom den monocentriska stadsmodellen, den hedoniska prismodellen samt för att klargöra olika prispåverkande faktorer på bostadspriser. Utifrån teorin ställs hedoniska prismodeller upp där olika lägesvariabler analyseras.

Resultaten från de olika modellerna visar att för småhus är en monocentrisk stadsmodell applicerbar på Sundbybergs kommun. Däremot kan det inte dras någon slutsats om en monocentrisk stadsmodell för lägenheter. Principerna i den monocentriska modellen är svårapplicerade på området, främst för att Sundbyberg påverkas mycket av närheten till Stockholms innerstad men också för att kommunen är liten och inte homogen.

Avståndet till närmaste kollektivtrafik visar sig ha motsatt effekt på bostadspriserna från hypotesen.

Ägare till både småhus och lägenheter är inte villiga att betala mer för en bostad placerad nära kollektivtrafik. Däremot har närhet till kollektivtrafik en påverkan på slutpriset som överensstämmer med hypotesen i vissa områden i kommunen.

I rapporten är den insamlade datan begränsad vilket påverkar resultatet. För att ta fram en bättre värderingsmodell och kartläggning av faktorn avstånd måste därför fler lägesfaktorer samt andra prispåverkande faktorer inkluderas i modellen.

(7)

Förord

Med detta kandidatexamensarbete avslutar vi våra tre första år av den fem år långa

civilingenjörsutbildningen på Samhällsbyggnadprogrammet med inriktning fastighetsekonomi vid Kungliga Tekniska högskolan. Kandidatarbetet omfattar 15 högskolepoäng och har genomfört under period 4 år 2018. Vi har under arbetets gång erfarit en del motgångar främst vid datainhämtning.

Bortsett från detta har vi fått möjlighet att tillämpa den kunskap vi har fått under vår utbildning och dessutom tagit del av ny kunskap.

Vi vill passa på att tacka vår handledare Herman Donner för inspiration och vägledning genom arbetets gång. Vi vill också tacka varandra. Det gemensamma arbetet har inte enbart inneburit att vi kunnat lära av varandra, utan också bidragit till en roligare och mer givande studieperiod med intressanta dialoger.

Stockholm, Juni 2018

Isabella Carlbom & Andrea Paulsson

(8)

Innehållsförteckning

1. Inledning 10

1.1 Bakgrund 10

1.2 Problem 10

1.3 Syfte 11

1.4 Avgränsningar och definitioner 12

1.5 Metod 13

2. Teori 13

2.1 Monocentriska stadsmodellen 13

Bild 1 14

Bild 2 14

2.2 Hedonisk prismodellen 15

2.3 Regressionsanalys 16

2.3.1 Dummy variabler 17

2.3.2 Interaktionsvariabel 17

Bild 3 18

2.3.3 Log-linjär regression 18

2.3.4 Minsta kvadratmetoden 18

Bild 4 19

2.3.5 Endogenitet 19

2.4 Prispåverkande faktorer 20

2.4.1 Samhälls- och omvärldsanknutna prispåverkande faktorer 20 2.4.2 Läges- och områdesanknutna prispåverkande faktorer 20

2.4.3 Fastighetsanknutna prispåverkande faktorer 21

2.4.4 Individuella prispåverkande faktorer 21

3. Sundbybergs kommun 22

Bild 5 22

Bild 6 23

Bild 7 24

(9)

Bild 8 26

4. Metod 27

4.1 Metodval 27

4.2 Datahämtning 27

4.2.1 Data för lägenheter 28

Bild 9 28

4.2.1.1 Deskriptiv statistik 28

4.2.2 Data för småhus 30

Bild 10 30

4.2.2.1 Deskriptiv statistik 30

4.2.3 Koordinater för avståndsberäkning 31

4.3 Avståndsprövning 31

4.3.1 Monocentrisk stadsmodell - avstånd till centrum 31

4.3.1.1 Hedonisk prismodell - lägenheter 32

4.3.1.2 Hedonisk prismodell - småhus 32

4.3.2 Avstånd till kollektivtrafik - Lägenheter 32

4.3.2.1 Modell 1 33

4.3.2.2 Modell 2 33

4.3.2.3 Modell 3 34

4.3.3 Avstånd till kollektivtrafik - Småhus 34

4.3.3.1 Modell 1 34

4.3.3.2 Modell 2 35

4.3.3.3 Modell 3 35

4.4 Genomförande 35

4.4.1 Pythagoras sats 35

4.4.2 Viktig utdata från log-linjär regressionsanalys 36

4.4.2.1 Förklaringsgrad 36

4.4.2.2 Signifikans 36

4.4.2.3 Koefficienter 36

5. Resultat 37

5.1 Monocentrisk stadsmodell - lägenheter 37

(10)

5.2 Monocentrisk stadsmodell - småhus 39

5.3 Avstånd till kollektivtrafik - lägenheter 41

5.3.1 Modell 1 - Lägenheter 41

5.4 Avstånd till kollektivtrafik - småhus 44

5.4.1 Modell 1 - Småhus 44

6. Diskussion och slutsats 47

7. Källor 51

(11)

1. Inledning

1.1 Bakgrund

”Läge, läge, läge” är ett välkänt uttryck inom fastighetsvärdering. Läget är den enskilt viktigaste faktorn som förklarar fastighetsvärden och bostadspriser, dock är begreppet väldigt brett. Det finns många olika lägesfaktorer och vilket typ av läge som värderas högst varierar från köpare till köpare. Inget läge är det andra likt och det är ofta det som gör bostäder speciella. Det är också dessa orsaker som gör att

värdering av fastigheter och bostäder är väldigt svårt.

För många aktörer i fastighetsbranschen är fastighetsvärdering ett grundläggande moment och genomförs därför av många anledningar. Bankerna utför fastighetsvärderingar för att avgöra säkerhet för lån. Fastigheten kan vara en av flera placeringskällor för sparande och kan fungera som ett sätt att investera pengar på. Fastighetsvärderingar kan också visa på vart det är mest lönsamt för byggföretag att bygga och på samma sätt kan kommunen finna intresse i fastighetsvärdering när nya områden ska planläggas. Bostadspriserna är inte enbart ett ämne som rör fastighetsbranschen utan även den enskilde privatpersonen. Alla människor är i behov av ett boende. Därtill är boendet ofta den största utgiften svenskar har.

Värdet på fastigheter beror av hur marknaden ser ut. Eftersom ämnet berör alla är det också alltid aktuellt. Genom alla år har det talats om hur bostadsmarknaden ser ut, om det inte talats om hur mycket bostadspriserna ökat, har de talats om hur mycket bostadspriserna sjunkit. Marknaden påverkas i sin tur av många faktorer och det försvårar även möjligheten att ge en specifik prognos. Lärdomen om de faktorer som påverkar utvecklingen av bostadspriserna kan därför vara till stor betydelse vid fastighetsvärdering. (Svensk Fastighetsförmedling AB, 2018)

Hur marknaden ser ut varierar mellan olika städer, dessutom varierar bostadspriserna mycket mellan olika områden inom städerna. Det påvisar att det finns en fundamental prispåverkande faktor, läget, som kan förklara en stor del av bostadspriserna och utvecklingen av dessa.

Som nämnt är läge ett vitt begrepp, ofta definieras läget utifrån närheten till önskad service, arbete eller aktivitets- och kommunikationsmöjligheter. Vanligen återfinns den önskade destinationen i en stads centrum och därför beror närheten många gånger på kommunikationsmöjligheten till centrumet. Denna rapport tar därför sikte på hur bostadspriserna beror av lägesfaktorerna avstånd till centrum och avstånd till kollektivtrafik. Undersökningen kommer appliceras på en lokal nivå och relaterar till en eventuell monocentrisk stadsmodell, då avstånd till stor del är temporalt och inte enbart geografiskt.

1.2 Problem

Hur bostadspriserna varierar är, som nämnt, svårt att kartlägga på grund av den stora mängden faktorer som väger in. Det finns olika modeller som försöker förklara variationen utifrån bostadens läge, en av dem är den monocentriska stadsmodellen.

(12)

Den monocentriska stadsmodellen bygger på att man är villig att betala mer för en bostad placerad i stadens centrum för att minska sina transportkostnader. Transportkostnaderna är baserade på den faktiska kostnaden men även på den tid det tar att transportera sig. Modellen bygger på teorin att det finns en stadskärna dit, mer eller mindre, alla invånare i staden dagligen behöver transportera sig för att komma till sitt arbete eller för att uträtta olika typer av konsumtionsbehov. Enligt teorin ökar därför bostadspriserna ju närmre kärnan bostaden är belägen och på så sätt beror bostadspriserna av ett lägespris.

För att kunna testa hur olika attribut påverkar pris kan hedoniska prismodeller användas. Med en hedonisk prismodell kan man bryta ner ett observerat pris från sin helhet till implicita priser för varje attribut. Det är en modell som kan tillämpas för att förstå bostadspriset. Modellen baseras på antagandet att bostäderna inte är homogena utan skiljer sig i sina attribut och att skillnaden reflekteras i

transaktionspriset där köparen implicit betalar för de önskvärda attributen. Attributen uttrycks ofta i bostadens egenskaper, läget och funktioner i närområdet.

I denna rapport vill vi testa om den monocentriska stadsmodellen går att applicera på lokal nivå genom att tillämpa hedoniska prismodeller. Avsikten är att studera om det förekommer något samband mellan ett bostadspris och avståndet till ett lokalt centrum. Med tanke på att mer eller mindre alla människor behöver transportera sig dagligen har troligen faktorn “avstånd” en stor betydelse. En avståndsfaktor som inte enbart behöver innebära avstånd till centrum utan med tanke på dagens samhällsstruktur också innebär avstånd till närmaste kollektivtrafik. Ett samband mellan avstånd och bostadspriserna skulle kunna visa på vad köpare i ett bostadsområde värderar högt. Med liknande resonemang som teorin bakom den monocentriska stadsmodellen grundas hypotesen att när avståndet minskar ökar priset.

Med studien vill vi ta reda på om bostadspriserna skiljer sig åt beroende på avståndet till en lokal kärna?

Hur påverkar avståndet till närmast liggande kollektivtrafik bostadspriserna och skiljer det sig i olika lokala områden? Isåfall, skiljer det sig beroende på vilken typ av bostad man bor i?

Om bostadsprisstrukturerna kan kartläggas med modellerna skulle det kunna underlätta planeringen av nya områden och infrastruktur samt belysa de attribut som bör värdesättas högt i ett område. Det skulle även innebära att modellerna kan fungera som ett verktyg för att komplettera de redan etablerade metoderna, alternativt användas rakt av för att prognostisera och värdera fastighets- och bostadspriser.

1.3 Syfte

Syftet är att undersöka hur bostadsprisstrukturen ser ut i ett område beroende på avstånd till centrum och hur priserna influeras av avstånd till kollektivtrafik.

För att uppnå syftet applicerar vi en hedonisk prismodell på transaktionsdata i Sundbybergs kommun för att se hur avståndet till lokalt centrum påverkar pris och om det resultatet kan påvisa om Sundbyberg är monocentriskt. Med en hedonisk prismodell studeras det även hur avstånd till kollektivtrafik påverkar priset på bostäder i kommunen samt om det skiljer sig mellan olika områden i kommunen.

(13)

1.4 Avgränsningar och definitioner

För att ha möjlighet till att göra en mer djupgående analys, gällande avståndet till kollektivtrafikens påverkan på bostadspriserna, kommer studien avgränsas till Sundbybergs kommun. Med rätt mängd data kan samma analys genomföras för alla Stockholms läns kommuner men också för många andra områden uppbyggda på liknande sätt med bostäder och tillgång till kollektivtrafik.

De transaktioner som studien baseras på avser lägenheter och småhus, till småhus räknas villor, parhus, kedjehus och radhus. För lägenheter hämtas transaktioner genomförda under 2017 och för småhus under perioden 2014-01-01 till 2018-01-01. Perioderna skiljer sig åt mellan de olika bostadstyperna, detta med anledning till den stora mängd tillgängliga transaktioner för lägenheter och den lilla mängd tillgängliga transaktioner för småhus i Sundbybergs kommun.

Studien behandlar endast hur priset påverkas av vissa externa faktorer på bostaden och inte några interna faktorer såsom bostadensskick och skönhet. Anledningen till varför dessa variabler inte tas med i analysen beror på att information inte finns att tillgå. Potentiellt kan det påverka resultatet om skick och skönhet korrelerar med avstånd.

Avståndet vid analys av den monocentriska stadsmodellen utgår från ett CBD område, Central Business District. Geografiskt sett sammanfaller ofta CBD-området med City men de två koncepten skiljer sig åt.

(Hartman, 1950, s.244) CBD-området kallas det “centrum” som präglas av kontorsarbetsplatser och affärsverksamhet. I följande rapport utgår vi inte från “Business” i CBD-området, det vill säga där folk arbetar, utan den kärnpunkt i kommunen som befolkningen transporterar sig till eller via för att nå önskad service, arbete eller aktivitets- och kommunikationsmöjligheter. I den här rapporten kommer modellen studeras på en mer lokal nivå, här görs därför avgränsningen av CBD-området till en lokal kärnpunkt, Sundbybergs centrum. Till centrumet finns anslutning till både tunnelbana, pendeltåg och tvärbana samt en mängd affärer, restauranger och företagslokaler.

Bostädernas närhet till kollektivtrafik kommer endast avse pendeltåg, tvärbana och tunnelbana.

Närheten till bussar kommer inte tas med i denna analys på grund av den stora mängd hållplatser som finns i området, samt för att spridningen på vart alla dessa bussar går är väldigt stor.

Denna rapport kommer inte heller ta hänsyn till tiden det tar att transportera sig vilket vanligen är den största bidragande faktorn till den monocentriska stadsmodellen. Här kommer istället den faktiska sträckan vara den faktor som analyseras. Sundbyberg är en liten kommun där avståndet från centrum till kommunens utkant endast är dryga tre km. I och med den lilla yta som Sundbybergs kommun sträcker sig över antas det i denna rapport att skillnaden i tid och sträcka kommer sammanfalla, om en större yta hade beaktats kan det vara mer relevant att räkna på tiden det tar att transportera sig.

1.5 Metod

För att utföra arbetet genomförs en litteraturstudie. Teorin bakom den monocentriska stadsmodellen, den hedoniska prismodellen och prispåverkande faktorer vid bostadsköp kommer studeras. Till detta kommer tidigare skrivna rapporter inom samma område vara till nytta.

(14)

För att uppnå rapportens syfte delas analysen in i olika avsnitt. I varje avsnitt studeras olika

lägesvariabler för att enklare kunna studera sambanden mellan avståndet och priset. Metoden detaljeras mer i del; 4. Metod^.

2. Teori

2.1 Monocentriska stadsmodellen

Generellt har den monocentriska stadsmodellen sitt ursprung i teorin framtagen av den tyske ekonomen Johann von Thunen under tidigt 1800-tal. Medan von Thunen fokuserade på en jordbruksstat har en mer aktuell, utvidgad version, av stadsmodellen framtagits av de amerikanska ekonomerna William Alonso , Edwin Mills, Richard Muth och Dennis Capozza under 1960-70-talet. (Geltner, Miller, Clayton, &

Eichholtz, 2007, s. 66)

Monocentriska modellen bygger på antaganden om att det endast finns en central punkt dit stadens invånare ska transportera sig dagligen för att arbeta och få inkomst till att betala för boende- och

transportkostnader. Runt centrumet, även kallat CBD (Central Business District), sprider sig staden som i cirklar där man i utkanten av cirkeln måste betala mer för transporten in till centrum men i gengäld betala mindre för bostaden. Ett sista antagande modellen bygger på är att den enda markanvändningen i staden är bostad. (Geltner, Miller, Clayton, & Eichholtz, 2007, s. 66)

Den skillnad i pris som uppstår i staden kommer alltså bero på avståndet till CBD-området från

individens bostad. Transportkostnader är huvudfaktorn till vart man väljer att bosätta sig och beror inte enbart på den faktiska transportkostnaden utan även på det pris man sätter på tiden det tar att

transportera sig. Ju längre ifrån centrum man bor desto längre tid tar det att dagligen transportera sig till arbetet. Vart man väljer att investera i en bostad beror därför på hur mycket man är villig att betala för transportkostnaderna. Alltså är individen villig att betala mer för en bostad i centrum eftersom

transportkostnaderna minskar respektive att individen är villig att betala mer för transportkostnaderna i utkanten av staden mot lägre boendekostnad. Teorin medför högre betalningsvilja och därav högre bostadspriser i CBD-området än i utkanten av staden. (Geltner, Miller, Clayton, & Eichholtz, 2007, s.

67)

Prisutvecklingen i den monocentriska modellen kan utformas på två olika sätt. Endera ökar densiteten i staden medan arean är konstant. I och med densitetökningen, ökar mängden bostäder som i sin tur leder till högre lägespris. I detta fall sker den största prisökningen i CBD-området. Hur det påverkar en stad kan ses i bilden nedan med den konstanta radien m^.(Bild 1)

(15)

Bild 1

I det andra fallet förblir densiteten och transportkostnaderna desamma men populationsökningen medför en ökad radie och en växande stad. Detta leder till att hyrorna ökar i hela staden. (Geltner, Miller, Clayton, & Eichholtz, 2007, s. 69) En illustration över hur staden ser ut i det fallet ses i bild 2, när radien ökar från m ^tills^.

Bild 2

De två utfallen ger principen att om staden växer genom en ökning av area kommer fastighetsuthyrningen vara något högre närmare omkretsen; men om staden växer genom

densitetsökning istället för areatillväxt kommer fastighetsuthyrningen vara större närmare stadens mittpunkt. (Geltner, Miller, Clayton, & Eichholtz, 2007, s. 71-72)

En ökad inkomst i en stad kan leda till att befolkningen eftertraktar större bostäder och har möjlighet att betala mer för transportkostnader vilket leder till att individen söker sig utåt i staden, det i sin tur bidrar till att bostadspriserna sjunker i CBD-området. En ökad inkomst kan även leda till att man är villig att betala mer för att bo i CBD-området och därmed skulle bostadspriserna öka. Generellt är de positiva effekterna större än de negativa effekterna vilket skulle leda till ökade bostadspriser vid ökad inkomst.

(Brunes, 2015, s.130)

(16)

Trots en förenklad presentation av den monocentriska stadsmodellen lyfts grundläggande och väldigt viktiga poänger vad avser platshyran i städer fram. Högre platshyror medför att stadens invånare behöver betala mer för både transportering och boende, alternativt acceptera mindre bostäder i tätare grannområden. Transporteringsförbättringar tenderar att reducera värdet centralt och att jämna ut priserna ut genom staden. (Geltner, Miller, Clayton, & Eichholtz, 2007, s. 75)

2.2 Hedonisk prismodellen

Ett vanligt sätt att bestämma värdet på ett hus egenskaper är genom att använda sig av en hedonisk prismodell. I den hedoniska prismodellen förklaras bostadspriset som en funktion av dess egenskaper, så som storlek, läge, antalet rum, byggår etc. Metoden används sällan som en värderingsmetod utan oftare vid analyser av olika faktorer som påverkar fastighetsmarknadens priser. (Hill, Griffiths, Lim, 2012, s.259) Idén är att bryta ner en vara till dess komponenter, för att sedan uppskatta värdet av varje

egenskap. Idén introduceras av Sherwin Rosen i artikeln “Hedonic Price and Implicit markets”. (Rosen, 1974)

Modellen baseras på antagandet att bostäder med exakt samma egenskaper bör få samma slutpris. Det här speglar dock inte verkligheten, bostäder är inte homogena utan skiljer sig i sina attribut och skillnaden reflekteras i transaktionspriset där köparen implicit betalar för de önskvärda attributen. När priset på en vara ska tas fram med modellen sker interaktioner mellan producenten och konsumenten varpå en jämviktsekvation uppstår. Rosen (1974) menar i sin artikel att priset beror på konsumentens betalningsvilja för varans egenskaper snarare än varan i sig. Hans modell leder till ett pris utifrån en ekvation med flera dimensioner där konsumenten och producenten möts.

Rosens modell kan beskrivas som en funktion där priset beror på flera variabler. I modellen prissätts varje enskild egenskap. Prismodellen ser ut på följande sätt:

β x .. x

y = m + _{1 1}+ . + β_{n n}+ ε Vilket även kan ställas upp:

. x y = m + ∑ⁿ

i=1

β_{i i}+ ε

I dessa ekvationer är y den beroende variabeln, priset, och xi de oberoende variablerna, även så kallade förklarande variabler, alltså egenskaperna som eventuellt kan tänkas påverka priset. m är en konstant som vid framtagande av bostadspris exempelvis kan representera värdet av enbart marken.β_i där

representerar värdet av varje egenskap och n är antalet egenskaper. Exempelvis om en 1, .., n]

i ∈ [ .

egenskap är antalet kvadratmeter på bostaden, beskriver koefficienten värdet av ytterligare enβ kvadratmeter boyta. (Hill, Griffiths, Lim, 2012, s.259)

Attribut sammanfattas ofta i bostadens egenskaper, läge och funktioner i grannskapet. Den

fundamentala principen med modellen är att estimera värdet av en specifik egenskap för en vara. Varan i denna rapport motsvarar bostäder (lägenheter och småhus), och det mest intressanta egenskapen som studeras är avståndet till centrum samt till närmsta kommunaltrafik. Egenskaperna tillämpas i den hedoniska prismodellen och ger slutligen priset köparen är villig att betala för bostaden utifrån läget. På

(17)

så sätt går det att, med insamlat datamaterial från genomförda transaktioner, räkna ut priset för läget med hjälp av den hedoniska prismodellen.

Det vanliga uttrycket “läge, läge, läge” inom fastighetsvärdering kopplas till vikten att analysera värdet på olika områden. Genom en sådan värderingsanalys kan man ta reda på hur läget påverkar

bostadspriserna. Ur det perspektivet är läge en kvalitativ egenskap hos ett hus. Så kallade

indikatorvariabler används för kvalitativa faktorer i en ekonometrisk modell. Dessa kallas ofta dummy-, binära- eller dikotomvariabler för att de enbart antar två värden, vanligen 1 eller 0 för att indikera närvaron eller frånvaron av en egenskap eller för att visa på om ett villkor är sant eller falskt. Värdet 1 antas när egenskap är sann alternativt närvarande och 0 när den är falsk alternativt frånvarande. Till exempel kan man med framtagande av huspriset skapa en dummyvariabel som avser om grannområdet är önskvärt eller inte. (Hill, Griffiths, Lim, 2012, s.259)

2.3 Regressionsanalys

För att ta fram en hedonisk prismodell används vanligen regressionsanalyser. Regressionsanalyser är en av de mest använda modellerna vid samhällsvetenskaplig forskning. De används för att bestämma sambandet mellan en beroende och en eller flera förklarande (oberoende) variabler. Med en regressionsanalys kan man även ta fram och studera effekten av förändringar hos de oberoende variablerna. Modeller med enbart en förklarande variabel kallas för enkel regression medan vid flera förklarande variabler för multipel regression. Dessa kan även användas vid framtagande av statistiska modeller över ekonomiska system, så kallade ekonometriska modeller. (Edlund, Högberg, Leonardz, 1999, s.145)

Linjär regression används till att försöka finna ett linjärt samband mellan en, eller flera, förklarande variabler och dess responsvariabel, y, med hjälp av minsta kvadratmetoden, se 2.3.4 Minsta

kvadratmetoden. Prismodellen visar att ett y beror på ett eller flera x^.y^ochx kan i sig vara vektorer. Om det finns flera områden med x, där de beroende y-värdena är en funktion av de oberoende x-värdena ser ekvationen för den multipel linjära regressionsanalysen ut på följande sätt:

β x β x ... β x där i , .., y_i = m + _{1 1i}+ _{2 2i}+ + _{K Ki}+ ε_i ∈1 . N är koefficienter som representerar varje x-värde och m är ett konstant värde.

β_i

Antagningar med modellen:

❖ E( ) = 0. Varje slumpat fel har en sannolikhetsfördelning med nollvärde. Vissa fel kommerε vara positiva och andra negativa, men vid tillräckligt många observationer kommer

genomsnittet bli noll.

❖ var( ) = σε ². Varje slumpat fel har en sannolikhetsfördelning med variansen σ². Variansen σ² är en okänd parameter som mäter osäkerheten i den statistiska modellen.

❖ Ibland antas att slumpfelet har en normal sannolikhetsfördelning, som är ~N(0,σε ε ²). Det vill säga att är +/- standardfelet.ε

(Hill, Griffiths, Lim, 2012, s.172)

(18)

Vid tillämpande av ekvationen i denna rapport representerar y slutpriset på de sålda objekten och alla x de oberoende attributen som kan tänkas påverka bostadspriset. Det kan till exempel vara bostadens storlek, avstånd till CBD, våningar, antal rum etc. Då kan regressionsanalysen med andra ord se ut på följande sätt vad gäller bostadspriser;

lutpris y β oyta β vstånd till CBD åningar

S = = m + ₁* b + ₂* a + β₃* v

β ntal rum ε + ₄* a +

2.3.1 Dummy variabler

För att kunna använda kvalitativa oberoende variabler tillämpas dummyvariabler.

Dummy variabler används eftersom de inte integrerar med någon kontinuerlig förklarande variabel.

(Hill, Griffiths, Lim, 2012, s.265) Tillägg av en dummyvariabel D till regressionsmodellen tillsammans med en parameter ger:δ

lutpris y m D x .. x

S = _i= + δ + β_{1 1}+ . + β_{n n}+ ε (1)

Effekten av integrationen av en dummyvariabel D visas tydligast genom att granska

regressionsfunktionen E(slutpris) i de två fallen, det vill säga om D är 1 eller 0. Med antagandet att E( )=0 vid multipel regressionanalys blir ekvationerna för de två fallen:ε

m ) x .. x

( + δ + β_{1 1}+ . + β_{n n} när D^{= 1}

E(slutpris) = (2)

β x .. x

m + _{1 1}+ . + β_{n n} när D^{= 0}

Ekvation (1) modifierar en hedonisk ekvation medan (2) en regressionsfunktion i två olika utfall.

Så länge δ > 0 medför det att om D=1 blir bostadspriset högre än om D^{=0. Om}δ = 0 berör variabeln inte slutpriset. (Hill, Griffiths, Lim, 2012, s.260) Det utfallet när D=0 är alltså referensgruppen. Det är viktigt att ett utfall fungerar som en referensgrupp för att undvika perfekt multikollinearitet, så kallade Dummy trap. Multikollinearitet innebär att de oberoende variablerna starkt korrelerar med varandra.

Problematiken med detta är att en term kan förutses från en annan och därför kan ingen analys om hur det ena utfallet ligger i förhållande till det andra genomföras. (Hill, Griffiths, Lim, 2012, s.268)

2.3.2 Interaktionsvariabel

Regressionsanalysen undersöker hur en variabel påverkar en annan variabel. I vissa fall kan dock två förklarande variabler tillsammans påverka den beroende variabeln, det vill säga att de

förklarande variablerna interagerar med varandra. Exempelvis kan vi i den här studien misstänka att en bostadsköpare värdesätter närhet till kollektivtrafik men den prispåverkande effekten kanske skiljer sig i olika områden, närhet till kollektivtrafik kanske värdesätts högre i Rissne än i Duvbo.

(19)

Teoretiskt kan detta illustreras i bild 3:

Bild 3

Exemplet i bild 3 illustrerar att närhet till kollektivtrafik har en separat effekt på slutpriset, något som också område har. Området har även en effekt på effekten av närhet till kollektivtrafik på slutpriset.

Om vi vill undersöka skillnaden i effekten avståndet till kollektivtrafik har på slutpriset mellan olika bostadsområden inkluderas interaktionsvariabler till regressionsanalysen. En

interaktionsvariabel används för att kunna se hur två olika förklaringsvariabler påverkar varandra och hur de i sin tur tillsammans påverkar den beroende variabeln. (Sundell, 2010) I denna rapport skapas interaktionsvariablerna genom att multiplicera dummyvariabeln för bostadsområde med variabeln avstånd till närmaste kollektivtrafik.

2.3.3 Log-linjär regression

I 2.3 Regressionsanalys beskrivs en linjär regressionsanalys. Vid en samhällsvetenskaplig studie med kvalitativa variabler som denna kan man med fördel använda sig av en log-linjär regressionsanalys istället. Det innebär att man tar den naturliga logaritmen av den beroende variabeln, slutpriset y^{, men} behåller alla oberoende variabler, x, i dess naturliga form. Koefficienterna visar då en procentuell förändring mellan olika utfall. Koefficienten visar den procentuella skillnaden mellanδ

referensgruppen och det aktuella utfallet hos dummy variabeln. (Hill, Griffiths, Lim, 2012, s.272) Resultatet blir att den linjära modellen visar priset på egenskaperna, medan en log-linjär regression visar hur en enhetsökning av x^påverkary i procent.

Exempel på en log-linjär regressionsanalys ekvation är;

n(Slutpriset) ln(y) oyta β vstånd till CBD åningar

l = = β₁* b + ₂* a + β₃* v

β estid till CBD β ntal rum m

+ ₄* r + ₅* a +

Vanligen skattas modellen med minsta kvadratmetoden vilken innebär att prognosfelen minimeras.

(Edlund, Högberg, Leonardz, 1999, s.146) 2.3.4 Minsta kvadratmetoden

För att ta reda på konstanten och de okända koefficienterna i regressionsmodellen används minsta kvadratmetoden. Minsta kvadratmetoden minimerar felet i en funktion som ska anpassas utifrån

(20)

observerade värden. Funktionen som tas fram med hjälp av metoden visar på sambandet mellan de förklarande variablerna och den beroende. Residualerna, det vill säga skillnaden mellan det skattade värdet på den beroende variabeln och den faktiska beroende variabeln, kvadreras för att kunna anpassa y som en funktion av xi med minsta möjliga avvikelse. (Edlund, Högberg, Leonardz, 1999, s.146)

Bild 4

Bild 4. Med minsta kvadratmetoden minimeras avstånden mellan de röda prickarna som motsvarar de faktiska värdena på observationerna och den blå linjen som utgör de skattade värdena. Observera att bilderna enbart visar om y beror av ett x, men samma princip gäller även vid multipel regression.

I metoden skattas värdet på (β , .., β )₁ . _K vilka antar ett värde som minimerar summan av skillnaden i kvadrat mellan de observerade värdena av yi och deras förväntade värde E(yi)^;

.

(y ) x .. x

E _i = m + β_{1 i1}+ . + β_{K iK}

Matematiskt minimeras summan av kvadratfunktionen

= =

(β , .., β )

S ₁ . _K ∑ⁿ(y (y ))

i=1 i− E _i ² ∑ⁿ(y x .. x )

i=1 i− m − β_{1 i1}− . − B_{K iK} ² (Hill, Griffiths, Lim, 2012, s.174)

2.3.5 Endogenitet

Endogenitet uppstår då feltermen är korrelerad med minst en av de förklarande variablerna. Vid endogenitet uppfylls alltså inte antagandet om att feltermerna har väntevärde noll, det vill säga

Det leder till att minsta kvadratmetoden inte ger konsekventa uppskattningar.

(slutpris) = 0.

E /

Ett endogenitetsproblem kan uppstå då en variabel som inte är inkluderad i regressionen påverkar både den beroende variabeln och en förklarande variabel. (Wallen, 2015, s.17)

I denna studie är slutpriset den beroende variabeln. Slutpriset kan påverkas av en mängd olika faktorer som inte inkulderats i analysen och vissa av dem är kanske inte ens direkt mätbara. Det kan därför vara svårt att veta i vilken utsträckning korrelationen mellan slutpriset och en förklarande variabel speglar en kausalitet mellan de två variablerna. Det kan också vara svårt att veta i vilken utsträckning en icke inkulderad förklarande variabel påverkar såväl slutpriset som en inkulderad förklarande variabel.

(21)

2.4 Prispåverkande faktorer

Prisbildningen på bostäder har många likheter med generell marknads- och pristeori. Prisbildningen styrs av och kan förklaras med sambandet mellan utbud och efterfrågan. Det som skiljer

fastighetsmarknaden från andra varumarknader är att utbudet är relativt konstant på kort sikt.

Bostadsbyggandet går långsamt och de nya bostäder som byggs ger litet utslag på beståndet.

Förändringar i efterfrågan får därför direkt genomslag på prisbildningen. Om utbudet är lågt i områden där efterfrågan är hög, som till exempel i större städer och attraktiva områden, ökar priserna. I mindre städer där färre vill bo är efterfrågan låg, utbudet ökar och priserna sjunker. (Lantmäteriverket &

Mäklarsamfundet, 2010, s.30)

För att förstå prisbildningsprocessen krävs kännedom om de många faktorer som påverkar sambandet mellan utbudet och efterfrågan. I denna rapport är det bostadspriset som studeras med fokus på den påverkande faktorn “läge”, men det finns också en mängd andra prispåverkande faktorer som är viktiga att ha i beaktande till denna analys. Lantmäteriverket & Mäklarsamfundet delar in de prispåverkande faktorerna i olika kategorier; samhälls- och omvärdsanknutna faktorer, läges- och områdesanknutna faktorer, fastighetsanknutna faktorer samt individuella faktorer.

Samtliga ovanstånde faktorer påverkar, direkt eller indirekt, bostadspriserna. (Lantmäteriverket &

2.4.1 Samhälls- och omvärldsanknutna prispåverkande faktorer

Samhälls- och omvärldsanknutna prispåverkande faktorer är generella för alla typer av bostäder. Till denna kategori hör bland annat mark- och bostadspolitisk lagstiftning, rådande konjunktur och tro på framtiden. (Lantmäteriverket & Mäklarsamfundet, 2010, s.77) Regler för att få ta bostadslån är ett exempel på en faktor i denna kategori. Om det är enkelt att låna, lånas det mer pengar och köpkraften ökar, det vill säga att priserna går upp. (Svensk Fastighetsförmedling AB, 2018)

Realräntan är en annan samhällsanknuten påverkande faktor. Realränta är den ränta man får om man räknar bort inflationen från den nominella räntan på ett lån. Genom realräntan kan man därför beräkna det verkliga värdet av ett lån. Om realräntan sjunker får du mer pengar att röra dig med vilket påverkar bostadspriserna. (Svensk Fastighetsförmedling AB, 2018)

Förväntningar på bostadens framtida värde påverkar hur mycket man är beredd att betala. Nuvärdet av det förväntade framtida nettoöverskottet kallas avkastningsvärdet. En säljare går först ut på marknaden och vill sälja sin bostad då priset på marknaden förväntas överstiga hans avkastningsvärde samtidigt som köpare anser sig kunna få ett högre avkastningsvärde än säljaren. (Lantmäteriverket &

2.4.2 Läges- och områdesanknutna prispåverkande faktorer

Inom fastighetsvärdering är läge, läge, läge ett vanligt uttryck som syftar till fastighetens mikroläge, närområdet och närområdets attraktivitet. Lägesfaktorerna är mycket betydelsefulla för prisnivån och de faktorer som har störst inverkan på lägets attraktivitet är närhet till kommunikationer, tillgång till skolor och kommersiell service, närhet till grönområden, strand och arbetsplatser samt områdets status och karaktär. (Lantmäteriverket & Mäklarsamfundet, 2010, s.77) Hur mycket dessa faktorer påverkar priset varierar beroende på bostadstypen. De attraktiva lägena tenderar att ha höga prisnivåer, låg omsättning

(22)

och är relativt resistent mot förändringar på övriga bostadsmarknaden. (Lantmäteriverket &

Mäklarsamfundet, 2010, s.176). Likt den monocentriska stadsmodellens principer anses ofta de centrala delarna vara de mest attraktiva i större orter.

För lägenheter kan värdet även påverkas av vart i huset lägenheten är belägen, med vilken utsikt lägenheten har och närheten till natur- och vattenområden. För småhus varierar lägets attraktivitet mycket eftersom varje hus läge är unikt. Även om huset är beläget i ett område med hög attraktivitet och genomsnittligt höga prisnivåer kan faktorer med negativ prispåverkan som ligger i nära anslutning till huset ha stor betydelse för dess marknadsvärde. (Lantmäteriverket & Mäklarsamfundet, 2010, s.78) 2.4.3 Fastighetsanknutna prispåverkande faktorer

Fastighetsanknutna prispåverkande faktorer är en till kategori som skiljer sig beroende på bostadstyp.

Till denna kategori räknas bostadens storlek, ålder, skick, utrustningsstandard och tomtareal.

(Lantmäteriverket & Mäklarsamfundet, 2010, s.77) Bostadens standard är ofta kopplad till hur gammal byggnaden är. Dock kan en centralt belägen bostadsrätt i ett äldre hus med låg standard ofta kosta mer än motsvarande lägenhet med hög standard som är belägen långt ifrån centrum. Detta kan bero på att månadsavgiften i äldre hus ofta är lägre än i nybyggda. (Lantmäteriverket & Mäklarsamfundet, 2010, s.177) Andra fastighetsanknutna prispåverkande faktorer för småhus är exempelvis förekomsten av garage, pool, bastu, trädgård medan för ett flerbostadshus påverkas priset på lägenheterna av om det finns hiss, förråd, balkong, innergård. (Lantmäteriverket & Mäklarsamfundet, 2010, s. 60)

2.4.4 Individuella prispåverkande faktorer

Även de individuella prispåverkande faktorerna är specifika beroende på boendetypen.

(Lantmäteriverket & Mäklarsamfundet, 2010, s.31) Hit hör hushållets struktur, inkomster, finansieringsmöjligheter etc. Hur mycket pengar man har råd att lägga på sin bostad påverkas av storleken på ens inkomst. Ju mer man tjänar desto mer har man möjlighet att betala för sitt boende. Med mer pengar tenderar man att ställa högre krav på sitt boende, finns den ekonomiska möjligheten att bo större eller på en mer attraktiv plats är detta något många väljer.

En stor del av ett hushålls inkomster går till boendekostnader. Dessa kostnader kan variera mycket beroende på vad för bostad man bor i. Äger man sin bostad består boendekostnaderna av ränta och amortering på det lån man tagit för att finansiera sin bostad. Äger man en bostadsrätt tillkommer även en månadsavgift till föreningen som ska täcka uppvärmning, vatten och andra driftskostnader, medan husägare står för alla driftskostnader själv. Boendekostnaderna påverkas av skatter och politiskabeslut som gör att det är mer eller mindre lönsamt att äga, sälja eller byta bostad. Till exempel har

ROT-avdraget gjort att underhållskostnaderna av bostäder minskat. (Svensk Fastighetsförmedling AB, 2018)

(23)

3. Sundbybergs kommun

Sundbyberg är en kommun som angränsar till nordvästra delen av Stockholm och befinners sig under stor utveckling. Kommunen har mycket att erbjuda både arbetsmässigt, bostadsmässigt, närhet till natur och möjlighet till kollektivtrafik. Folkmängden mättes 2017-09-30 till 49 018 invånare och har en yta på 9 km². Det är Sveriges minsta kommun till ytan men en av de mest snabbväxande och med en

befolkningstäthet på 5 500 invånare per km² vilket även innebär landets mest tätbefolkade kommun.

Medelåldern i kommunen är relativt låg på 37,6 år. (Sundbybergs stad, 2018a)

Bild 5

Bild 5 visar vart Sundbyberg ligger i förhållande till Stockholm.

(24)

Bild 6

I Sundbyberg finns en sjö, Lötsjön och en å, Bällstaån som går från Mälaren in i kommunen.

Grannkommuner till Sundbyberg är Solna, Stockholm och Sollentuna. Stadsdelarna i kommunen är centrala Sundbyberg, Duvbo, Hallonbergen, Lilla Alby, Rissne, Storskogen, Stora Ursvik, Lilla Ursvik, Brotorp, Ör och Kymlinge, där Ursvik är kommunens nyaste stadsdel. (Bild 6) (Sundbybergs stad, 2018a) I denna rapport kommer dock kommunen delas in i områdena Centrala Sundbyberg, Ursvik, Rissne, Hallonbergen och Duvbo.

Den centrala delen av Sundbyberg är kommunens affärscentrum och präglas av småstadskaraktär. Här finns närheten till butiker, posten, banker, restauranger och kommunikationer. De ombyggda

fabrikslokalerna visar på kommunens tidigare arbetarstad med tung verkstadsindustri som idag ersatts med modern tjänsteproduktion av kunskap och service. Kommunen har trots förändringar till viss del bibehållit sin småstadskaraktär men där arbetarstaden övergått till en tjänstemannastad med både kommersiell och kommunal service. (Sundbybergs stad, 2016)

Sundbyberg är en liten kommun där transaktioner av lägenheter och småhus år 2017 uppgick till 1 231 stycken med andelen sålda lägenheter på 94% respektive 6% småhus. (Booli) Genomsnittliga

(25)

kvadratmeterpriset för bostadsrätter i kommunen är enligt Svensk Mäklarstatistik 59 009 kr/kvm och för villor 54 407 kr/kvm. I kommunen finns totalt cirka 20 000 lägenheter och cirka 20 000 arbetsplatser var på endast ¼ av dessa tas upp av Sundbybergsbor, vilket medför att de resterande

15 000 Sundbybergsborna pendlar över kommungränsen till Stockholm, Solna och andra kringliggande kommuner. (Sundbybergs stad, 2016)

Bild 7

Bild 7 visar de hållplatser som studeras i rapporten.

Möjligheten till kollektivtrafik är stor i Sundbyberg med tillgång till tunnelbana, bussar, tvärbana och pendeltåg. Alla resealternativ går via Sundbybergs station som ligger i anslutning till Sundbybergs centrum. Det snabbaste alternativet att transportera sig från Sundbybergs centrum till T-centralen är

(26)

kollektivt med pendeltåg vilket tar 10 min. Sundbyberg har på grund av det centrala läget blivit en intressant etableringsort de senaste åren. (Sundbybergs stad, 2016)

Sundbybergs kommun har en Vision 2030 med syfte att forma kommunens framtid och långsiktiga riktning. Arbetet och planen av visionen har utförts genom medborgardialoger samt andra dialogmöten med föreningsliv, näringsliv, politiker och medarbetare i kommunen. Visionen präglas av 3 kärnvärden;

levande, nytänkande och tillsammans vilka Sundbybergs Stad formulerar på följande sätt:

Levande: “Sundbyberg är en levande, trygg och sammanhållen stad med liv och rörelse i alla stadsdelar.

Staden är fylld av mötesplatser, ett stadsliv med all tänkbar service och gröna platser. Det är en stad där hela världen får plats - en stad för dig och hela ditt liv.”

Nytänkande “Sundbyberg är en nytänkande, kreativ och modig stad. Här är vi nyfikna och flexibla och vågar göra annorlunda för att ständigt utvecklas och förbättras. En stad fylld av möjligheter för dig som vill växa och utvecklas.”

Tillsammans: “Sundbyberg är en stad fylld av gemenskap och närhet. Här finns plats för alla människor oavsett livsstil eller förutsättningar. Vi samarbetar och hjälps åt för att lyckas. Vi är en stad som växer bäst tillsammans.”

(Sundbybergs stad, 2017)

Likt många andra kommuner är även Sundbybergs kommun uppdelad i vad man kan kalla mer eller mindre attraktiva områden. De mindre attraktiva områdena i Sundbyberg kan främst utpekas till Rissne, Hallonbergen och Ör. En stor anledningen till detta kan bero på att dessa områden är byggda under miljonprogrammen 1960-80. (TT, 2016) I artikeln Miljonprogrammet - en gång till lyfter Hans Lind upp att problemet med miljonprogrammen var att de byggdes utan variationer och med för få villor och radhus vilket kan hindra människors realistiska drömmar. (Heldmark, 2017) Ett annat problem Hans Lind lyfter fram i artikeln är att när bygget av miljonprogrammen var klara hade konjunkturen vänt nedåt och behovet minskat. Detta medförde att en förort som Rinkeby inte blev speciellt önskvärt och många flyttade därifrån vilket sänkte priserna på bostäderna och det blev svårt att sälja och hyra ut. Det började skapas en segregation där många låginkomsttagare, däribland en stor del invandrare, hamnade i dessa miljonprogramsområdena. (Heldmark, 2017)

Lika stor segregation som det är i Rinkeby är det visserligen inte i alla miljonprogramsområden men det anses fortfarande vara en lägre status att bo i dessa områden. En annan anledningen till den lägre statusen på områden som Rissne och Hallonbergen är den höga förekomsten av kriminalitet. I en ny kartläggningen från Polisens nationella operativa avdelning (NOA) listas Rissne och Hallonbergen som ett av de bostadsområden i Sverige med störst problem med kriminalitet. (Wachenfeldt, 2016)

I Rissne, Hallonbergen och Ör finns idag planer på nya upprustningar där bland annat en vision för Rissne är att torget ska bli en knytpunkt för resande med tvärbana, tunnelbana och bussar. Redan idag finns goda kommunikationsmöjligheter med tunnelbanans blåa linje och bussar. (Sundbybergs stad, 2018b) Den lägre statusen som dessa områden, och många andra områden i Sverige, anses ha kan påverka bostadspriserna vilket i sin tur kan påverka resultatet i denna rapport.

(27)

Stadsdelen Stora Ursvik är ett område som nyligen tillkommit till Sundbybergs kommun. Stora Ursvik är inte bara Sundbybergs största utbyggnadsprojekt utan också ett av Stockholms läns största. Den nya stadsdelen började byggas år 2006 och förväntas pågå till 2026. Den östra delen av Stora Ursvik består av småhus, radhus och lägre flerfamiljshus medan den västra delen präglas av en mer stadsmässig struktur med högre bebyggelser. (Sundbybergs stad, 2018c) Idag trafikeras området endast av bussar men i början av 2018 sattes arbetet igång med Trafikförvaltningens utbyggnad av tvärbanan. Enligt planen ska den nya utbyggda tvärbanan gå från Norra Ulvsunda via Stora Ursvik, Bromma flygplats, Kista och vidare till Helenelund. Förhoppningen med utbyggnaden är att arbetsplatser i norr och bostadsområden i söder ska knytas ihop samt bidra till smidiga byten mellan olika resealternativ med kollektivtrafiken. Hela transportsträckan beräknas vara klar och färdig för trafikstart år 2023.

(Stockholms läns landsting, 2018) Som en länk mellan Ursvik och Rinkeby byggs en bro över

motorleden E18 som enligt plan ska öppnas 2019. I och med bron kan Ursviksborna snabbare ta sig till Rinkebys tunnelbanestation och skapar möjlighet för Rinkebyborna att nyttja den utbyggda Tvärbanan när den öppnar. (Sundbybergs stad, 2018d)

Skulle den monocentriska stadsmodellen gå att applicera i Sundbyberg skulle prisutvecklingen, med den bakomliggande teorin, följa bild 8.

Bild 8

(28)

4. Metod

4.1 Metodval

För att uppnå syftet med arbetet genomförs litteraturstudier inom liknande områden. Arbeten som redan genomförts kring den monocentriska stadsmodellen och den hedoniska prismodellen används som hjälpmedel för att nå en högre kunskapsnivå till denna rapport.

För att försöka besvara problemställningarna har problemområdet brutits ner i mindre delar vilket medför en lättare struktur och tillvägagångssätt i rapporten. I vardera avsnitt kommer bostadspriser i Sundbybergs kommun studeras och analyseras utifrån bostädernas läge.

4.2 Datahämtning

För att kunna analysera prispåverkande faktorer inom kommunen hämtas transaktionsdata manuellt från Boolis hemsida. De prispåverkande faktorerna skiljer sig beroende på vilken boendeform transaktionen avser, därför hämtas särskild data för lägenheter respektive småhus.

(29)

4.2.1 Data för lägenheter

Bild 9

Den utvalda datan vad avser lägenheter sker inom tidsperioden 2017-01-01 till 2018-01-01 där

information om adress, slutpris, kvadratmeter, antal rum, avstånd till vatten, månadsavgift, byggår, hiss, våning och försäljningsdatum tas fram. Bild 9 visar de genomförda transaktionerna för lägenheter under aktuell tidsperiod, utifrån dessa sker ett jämnt fördelat urval. Bilden visar 1153 objekt och 334 objekt har valts ut för att studeras.

4.2.1.1 Deskriptiv statistik

Nedan följer en sammanställning av en deskriptiv statistik för lägenheter i Sundbybergs kommun.

Den deskriptiva statistiken visar medelvärdet av de förklarande variablerna och siffrorna inom parentes är standardavvikelsen.

(30)

Tabellen visar att en snittlägenhet i kommunen är 66 kvm med 2 till 3 rum och har en månadsavgift på 3 501 kr/mån. De flesta lägenheterna såldes under andra kvartalet 2017 till ett pris på 3 670 000 kr och majoriteten genomförda transaktioner är hämtade från centrumområdet.

(31)

4.2.2 Data för småhus

Bild 10

Den utvalda datan vad avser småhus, det vill säga villor, radhus, parhus och kedjehus sker inom tidsperioden 2014-01-01 till 2018-01-01 där information om slutpris, byggår, boyta, biyta, tomtstorlek, boendetyp och försäljningsdatum tas fram. Bild 10 visar de genomförda transaktionerna för småhus under aktuell tidsperiod. Samtliga objekt innehållande aktuell information tas ut vilket medför att endast 164 av samtliga 300 objekt studeras.

4.2.2.1 Deskriptiv statistik

Nedan följer en sammanställning av en deskriptiv statistik för småhus i Sundbybergs kommun. Den deskriptiva statistiken visar medelvärdet av de förklarande variablerna och siffrorna inom parentes är standardavvikelsen.

(32)

Sammanställningen visar att det är ytterst få objekt från centrum, vilket kan tänkas påverka resultatet.

Ett snittat småhus i kommunen har en boyta på 150 kvm med en tomt på 539 kvm och säljs för

7 400 000 kr. Över hela kommunen finns det ungefär lika många villor som radhus, parhus och kedjehus sålda under 2014, 2015, 2016 och 2017.

4.2.3 Koordinater för avståndsberäkning

Koordinater för varje genomförd transaktion hämtas genom adressökning på eniros hemsida. Med hjälp av RT90, vilket är rikets koordinatnät, tas x- och y-koordinater fram för varje enskild adress. På samma sätt tas x- och y-koordinater fram för olika kollektiva resealternativ och för Sundbybergs centrum. De olika kollektiva reselaternativen avser tunnelbanans och tvärbanans stationer inom och i närheten av Sundbybergs kommun samt pendelstationen.

Tunnelbanestationer inom och längst kommungränsen är Näckrosen, Sundbybergs centrum,

Hallonbergen, Duvbo, Solna strand, Rinkeby och Rissne. En del av dessa har flera uppgångar och därför tas koordinater fram för varje enskild uppgång. Tvärbanestationer i och längst gränsen till kommunen är Sundbybergs station, Solna Business Park, Bällsta bro och Karlsbodavägen. Avståndet mellan varje genomförd transaktion och centrum samt närmast liggande kollektivtrafik räknas fram med hjälp av Pythagoras sats. Till dessa beräkningar används de framtagna x- och y-koordinaterna.

4.3 Avståndsprövning

4.3.1 Monocentrisk stadsmodell - avstånd till centrum

I detta avsnitt prövas om den monocentriska stadsmodellen går att applicera i Sundbybergs kommun.

(33)

Här betraktas hur bostadsprisstrukturen ser ut genom att med hjälp av regressionsanalys studera hur priserna på lägenheter respektive småhus implicit beror på avståndet till Sundbybergs centrum. Därefter, utifrån om det finns ett samband mellan avståndet och bostadspriserna, avgörs om den monocentriska stadsmodellen är tillämpningsbar i Sundbybergs kommun.

Hypotesen från teorin bakom den monocentriska stadsmodellen är att bostadspriserna och

betalningsviljan sjunker ju längre bort från kommunens centrum bostaden ligger. Ju längre bort man väljer att placera sig desto mer är man villig att betala för att transportera sig till centrum och desto mindre är man villig att betala för sin bostad. För att se om det finns ett samband mellan bostadspriserna och faktorn avstånd till centrum i Sundbybergs kommun utförs regressionsanalyser i Microsoft Excel med hedoniska prismodeller. För lägenheter respektive småhus genomförs en log-linjär

regressionsanalys.

4.3.1.1 Hedonisk prismodell - lägenheter

4.3.1.2 Hedonisk prismodell - småhus

4.3.2 Avstånd till kollektivtrafik - Lägenheter

För att ytterligare iaktta hur bostadspriserna i Sundbybergs kommun påverkas av avstånd utförs liknande analys med en annan lägesvariabel. Syftet med detta avsnitt är att ta reda på om priset för lägenheter inom kommunen implicit påverkas av närhet till kollektivtrafik. Genom den hedoniska prismodellen studeras hur olika attribut påverkar lägenhetspriset. Attributet “avstånd” avser i denna analysdel avståndet till närmast liggande kollektivtrafik. Kollektivtrafiken kan avse både pendeltåg, tunnelbana och tvärbana.

När det ska studeras hur avståndet till kollektivtrafik påverkar bostadspriserna blir endogenitet ett problem, vilket kan innebära att den intressanta variabeln “avstånd till närmaste kollektivtrafik”

korrelerar med feltermen. Till exempel kan mindre attraktiva lägenheter vara placerade närmare

kollektivtrafiken vilket kan tänkas påverka resultatet om modellen ej kontrollerar för läget. För att fånga upp fler lägesfaktorer studeras den förklarande variabeln “avstånd” i tre modeller.

(34)

Den första modellen, modell 1, syftar till att enbart kontrollera för avståndet till kollektivtrafik. Vilket innebär att den enda variabeln från den monocentriska delen i 4.3.1.1 Hedonisk prismodell - lägenheter som ändras är avståndsvariabeln. Avstånd till centrum byts mot avstånd till närmaste kollektivtrafik.

Den andra modellen, modell 2, inkluderar dummyvariabler för kommunens olika områden,

Hallonbergen, centrum, Rissne, Duvbo och Ursvik med syftet att se om bostadspriserna beror av läget och hur det avspeglas i prisskillnaden mellan olika bostadsområden i kommunen. Lägesvariabeln avstånd till kollektivtrafik är fortfarande en viktigt del av modellen.

För att studera om avståndet till kollektivtrafik har olika påverkan på bostadspriset beroende på vilket område bostaden är belägen, tillförs interaktionsvariabler i modell 3 för både småhus och lägenheter.

Syftet är att se om bostadspriserna i något eller några områden i kommunen i större grad beror av närhet till kollektivtrafik än andra områden. Interaktionsvariabeln visar hur en viss kontinuerlig förklarande variabel, avstånd till närmaste kollektivtrafik, påverkar den beroende variabeln, pris, om en viss dummy förklarande variabel, område, är lika med 1.

Den hedoniska prismodellen bygger på den hedoniska hypotesen vilken innebär att en bostads värde beror på summan av dess nyttobärande egenskaper. Modellen kan skrivas som en funktion där slutpriset beror på flera variabler/egenskaper vilket resulterar i att varje egenskap får ett skattat implicit pris. På det sättet kan det bestämmas hur stor påverkan på priset variabeln “avstånd” har, med andra ord hur mycket man betalar för närhet till kollektivtrafik.

De tre hedoniska prismodellerna tillämpas genom att genomföra en log-linjär regressionsanalys i Microsoft Excel Den returnerade dataanalysen visar på om det finns ett samband mellan de oberoende och den beroende variabeln. Resultatet för de olika modellerna redovisas sedan i en gemensam tabell.

4.3.2.1 Modell 1

I modell 1 ser den hedoniska prismodellen ut på följande sätt:

Där de dummykodade oberoende variablerna är försäljningsdatumet, antalet våningar och om det finns hiss eller inte. Dummyn för försäljningsdatum delas in kvartalsvis under 2017, våningarna delas in i 0, 1, 2, 3, 4, 5 samt 6+ och om det finns hiss eller inte. För att inte hamna i en dummy trap uteblir det första kvartalet, om det inte finns hiss samt våning 6+.

Den avståndsvariabel som studeras i modell 1 är avståndet till närmaste kollektivtrafik, men det sker även en separat analys på hur bostadspriserna påverkas av vilken typ av kollektivt transportmedel man har närmast till.

4.3.2.2 Modell 2

I modell 2 ser den hedoniska prismodellen ut på följande sätt:

(35)

Det som skiljer modell 2 mot modell 1 är att istället för att dummykoda de olika våningarna dummykodas de olika områdena; Centrum, Rissne, Hallonbergen, Duvbo och Ursvik där Centrum agerar som referensgrupp. I modell 2 studeras om vilket område i kommunen bostaden är belägen har betydelse för modellen.

4.3.2.3 Modell 3

I den slutliga modellen, modell 3, ser den hedoniska prismodellen ut på följande sätt:

I den här modellen tas interaktionsvariablerna med istället för dummykodade våningar eller enbart dummykodade områdesvariabler. Interaktionsvariablerna i modell 3 innebär att de dummykodade områdena interagerar med respektive objekts närmaste avstånd till centrum. Det vill säga att interaktionsvariabeln ser ut på följande sätt för respektive observation Dområde* NK, där avstånd till närmaste kollektivtrafik förkortas NK^.

4.3.3 Avstånd till kollektivtrafik - Småhus

På liknande sätt som i 4.3.2 Avstånd till kollektivtrafik - Lägenheter genomförs detta avsnitt men nu med avsikt att se hur bostadspriserna för småhus påverkas av närhet till kollektivtrafik. Även för småhus delas studerandet av avståndet till kollektivtrafiken in i tre olika modeller. Vad gäller boendetyp för småhus delas de in i två kategorier; villor eller radhus, kedjehus och parhus samt att försäljningsdatumet delas in efter årtal 2014, 2015, 2016 och 2017. Därefter genomförs en log-linjär regressionsanalys.

4.3.3.1 Modell 1

För modell 1 ser den hedoniska prismodellen ut på följande sätt:

Den avståndsvariabel som studeras i modell 1 är avståndet till närmaste kollektivtrafik, men det sker även en separat analys av hur bostadspriserna påverkas av vilken typ av kollektivt transportmedel man har närmast till.

(36)

4.3.3.2 Modell 2

Den hedoniska prismodellen för modell 2 ser ut på följande sätt:

Den skiljer sig från modell 1 i och med att observationerna delas in i områden, samma områden som för lägenheter, vilka sedan dummykodas.

4.3.3.3 Modell 3

För modell 3 ser den hedoniska prismodellen ut på följande sätt:

Likt för lägenheter tas interaktionsvariablerna med i modell 3 och är det enda som skiljer modell 3 mot modell 1. Interaktionsvariabler som visar betydelsen av närhet till kollektivtrafik i kommunens olika områden.

4.4 Genomförande

Litteraturstudien genomförs i första hand och redovisas i teoridelen, 2. Teori. Faktan från

litteraturstudien ligger till grund för att förstå de beräkningar och analyser som sen kommer användas i denna rapport. För att tillämpa den hedoniska prismodellen genomförs log-linjära regressionsanalyser.

4.4.1 Pythagoras sats

För att analysera om den monocentriska stadsmodellen går att tillämpa behöver avståndet mellan de sålda objekten och Sundbybergs centrum tas fram. Dessutom behöver avståndet till närmaste

kollektivtrafik räknas ut från respektive transaktion i den hedoniska prismodellen. Avståndet framtas med hjälp av Pythagoras sats där formeln för avståndet till önskad punkt från varje objekt ser ut på följande sätt:

Avstånd till önskad punkt =

√

(x.koordinat − Q_x) ² + (y.koordinat − Q ) _y ²

Där Qx är den önskade punktens x-koordinat och Qy är dess y-koordinat. Den önskade punkten representerar alltså de olika stationerna för kollektivtrafik och Sundbybergs centrum. x- och

y-koordinaterna i formeln är koordinaterna för varje enskilt sålt objekt. Slutresultatet kommer bli att varje objekt får ett enskilt avstånd till varje station och centrum, på så sätt kan det bestämmas vilken station som ligger närmast varje enskilt sålt objekt.