NATIONALEKONOMISKA INSTITUTIONEN Uppsala universitet
Examensarbete C
Författare: Molly Bernhardsson och Julia Ström Handledare: Cecilia Enström Öst
Termin och år: VT 2021
Coronapandemins effekter på den svenska
bostadsmarknaden
En studie av bostadsrättspriser i Uppsala kommun.
Vi vill rikta specifikt tack till vår handledare Cecilia Enström Öst för mycket värdefull vägledning och givande synpunkter. Även stort tack till Hans Flink på Svensk Mäklarstatistik
för att vi fick ta del av data som möjliggjort denna uppsats.
Sammanfattning
Den 11 mars 2020 klassades Coronaviruset som en pandemi och har sedan dess kommit att påverka såväl den svenska ekonomin som arbetslöshet och bostadsmarknad. Till följd av Coronapandemin sköts allt fler jobb på distans och efterfrågan på större bostäder har ökat.
Likaså har efterfrågan på utbildning växt och antalet studerande ökat. Den lågkonjunktur som förväntades drabba ekonomin har lett till beslut om slopat amorteringskrav och att behålla reporäntan på noll procent.
I uppsatsen analyseras data från Svensk Mäklarstatistik, som inkluderar bostadsrätter sålda under perioden 1 mars 2019 till 31 december 2020, samt kompletterande data från Booli för perioden 1 januari 2019 till 28 februari 2019. I syfte att fokusera på unga förstagångsköpare som riskerar att bli utkonkurrerade när efterfrågan på bostäder ökar, inkluderas endast bostadsrätter mindre än 50 kvadratmeter i studien. Genom metoden difference-in-difference analyseras prisförändring på bostadsmarknaden i Uppsala kommun perioden före och efter att Covid-19 etablerat sig. Som jämförelsegrupp används bostadsrätter sålda under samma period ett år tidigare. De huvudsakliga resultaten visar att effekten av Covid-19 på priserna för bostadsrätter under 50 kvadratmeter var positiv. Statistiskt signifikanta resultat fås när kontrollvariabler för BNP och ränta inkluderas.
Nyckelord: Covid-19; Bostadsrättspriser; Uppsala; Kreditrestriktioner; BNP
Abstract
March 11th, 2020, the Coronavirus was classified as a pandemic and has since come to affect the Swedish economy, unemployment and the housing market. As a result of the Covid-19 pandemic, more jobs are being managed remotely and the demand for larger homes has increased. Similarly, the demand for education has grown and the number of students has increased. The recession, which was expected to hit the economy, led to a decision to abolish amortization requirements and to maintain the repo rate at zero percent.
The thesis uses data from Svensk Mäklarstatistik, which includes condominiums sold between the period March 1st 2019 to December 31st 2020, as well as supplementary data from Booli.se for the period January 1st 2019 to February 28th 2019. Only condominiums under 50 square meters are included, in order to focus on first-time buyers who risk being outcompeted when the demand for condominiums increases. Through a difference-in-difference study, the aim is to analyze price changes in the housing market in Uppsala municipality, analyzing the period before and after Covid-19 established. As a comparison group, condominiums sold during the same period one year earlier are used. The main results show that final prices for condominiums under 50 square meters increased.
Statistically significant results are obtained when control variables for GDP and interest rates are included.
Keywords: Covid-19; Condominium prices; Uppsala; Credit restrictions; GDP
Innehållsförteckning
1. Inledning 5
2. Bakgrund 7
2.1. Bostadsmarknaden och bostadsprisutveckling i Sverige och Uppsala 7 2.2. Amorteringskrav, räntor och kreditrestriktioner 8
2.3. Bostadsmarknaden under samhällskriser 9
3. Teoretisk bakgrund 10
3.1. Utbud och efterfrågan på bostadsrättsmarknaden 10
3.2. Exogen chock i IS-LM-modellen 11
4. Tidigare studier 14
5. Data 17
6. Empirisk metod 21
6.1. Difference-in-difference 21
6.2. Regressionsanalys 23
7. Resultat 24
8. Analys 28
9. Slutsats och avslutande diskussion 30
Referenser 32
1. Inledning
Den 7 januari 2020 identifierade kinesiska myndigheter ett nytt Coronavirus, Covid-19, i provinsen Wuhan i Kina. En månad senare kunde Sverige bekräfta sitt första fall och den 11 mars 2020 var Coronaviruset klassat som en pandemi av Världshälsoorganisationen (WHO, 2020). I juni 2020 hade antalet nyligen inskrivna hos Arbetsförmedlingen ökat med ungefär 6000 fler personer jämfört med tidigare år. Arbetslösheten låg då på 8,9 procent (Arbetsförmedlingen, 2020).
I en uppsats av Forssbaeck och Olsson (2019) påvisas ett negativt samband mellan arbetslöshet och bostadspriser. Vid ökad arbetslöshet förväntas bostadspriserna sjunka. Även Boverket (2008) visar att lågkonjunkturer medför lägre bostadspriser. Den stigande arbetslösheten i Sverige under 2020 talar därmed för sjunkande bostadspriser på bostadsmarknaden. Under andra kvartalet 2020 krympte Sveriges BNP med 8,6 procent enligt Statistiska Centralbyrån (2020) relativt första kvartalet samma år och konjunkturläget i Sverige visar hur svensk ekonomi har kommit att tyngas av Coronapandemin (Konjunkturinstitutet, 2020).
I ett pressmeddelande från Uppsala universitet (2020) hade över 6 000 fler antagningar gjorts till höstterminen 2020. Relativt hösten året innan var det en ökning med elva procent. Till följd av detta antas efterfrågan på mindre bostäder öka, och i majoritet av yngre personer. En undersökning av bostadsmarknaden i studentstäder genomförd av Länsförsäkringars fastighetsförmedling (2020a) inför antagning till universitet, höstterminen 2020, tyder på att priser på mindre bostadsrätter ökat. Även belåningsgraden har ökat trots kreditrestriktioner och stigande bostadspriser. SBAB menar att de stigande priserna på mindre bostadsrätter har ursprung från 2010 då kravet på kontantinsats infördes (SVT, 2019). För unga studerande skapar kravet på kontantinsats en begränsning till hur dyr bostadsrätt man har råd att köpa.
Enligt Länsförsäkringars undersökning ökar efterfrågan på mindre bostäder. Ökad efterfrågan leder vidare till att priser pressas uppåt tills att ny jämvikt nås (Finansinspektionen, 2017:4).
När Covid-19 etablerades, med ökade varsel och stigande arbetslöshet som följd, gavs banker möjlighet att slopa amorteringskravet från och med 14 april 2020 för bolånekunder.
Undantaget infördes i syfte att mildra effekterna som Covid-19 har på ekonomin, och gäller i dagsläget till och med juni 2021 (Finansinspektionen, 2020). Genom att undanta
amorteringskravet skapas förutsättningar för fler att ha möjlighet att ta bolån, med ökade marginaler, utan att försaka den personliga ekonomin där framför allt unga och låginkomsttagare är särskilt utsatta. Om priserna stiger på bostadsmarknaden kan ytterligare konkurrens skapas gentemot unga förstagångsköpare såtillvida att de som tidigare efterfrågat större lägenheter börjar efterfråga mindre lägenheter. Redan etablerade köpare på bostadsmarknaden kan då konkurrera ut unga då köpkraften ofta är starkare, och dessutom utgör inte kreditrestriktioner i samband med amorteringskrav lika stort hinder (BRF Nytt, 2021). Trots det tillfälliga slopandet av amorteringskravet för att mildra effekterna av Covid-19 på bostadsmarknaden, är hypotesen att den stigande arbetslösheten och sjunkande BNP leder till att efterfrågan och därmed priserna på mindre bostadsrätter sjunker.
Syftet med studien är att undersöka bostadspriser på mindre bostadsrätter i Uppsala kommun efter Coronapandemins etablering. Frågeställningen som ska besvaras är: Vilken effekt har Covid-19 haft på priserna på bostadsrätter under 50 kvm i Uppsala kommun. För att kunna besvara frågan används data över bostadsrätter sålda i Uppsala kommun under perioden januari 2019 till december 2020. Metoden som används är en så kallad difference-in-difference.
De väsentliga avgränsningarna som görs är både ur ett tidsperspektiv samt bostadsrättens storlek. Bostadsrätter som såldes under 2019 utgör jämförelsegruppen och bostadsrätter som såldes under 2020 utgör behandlingsgruppen. Brytpunkten är den 11 mars 2020 då WHO klassade Covid-19 som en pandemi. Fokus i studien är på bostadsrätter under 50 kvadratmeter eftersom de i första hand bedöms efterfrågas av unga förstagångsköpare. De huvudsakliga resultaten är att i perioden efter 11 mars år 2020 ökade slutpriserna för bostadsrätter mer relativt perioden innan 11 mars samt relativt året innan. När kontrollvariabler inkluderas estimeras statistiskt signifikanta resultat, och perioden efter 11 mars 2020 genererar högre slutpriser. Utan kontrollvariabler går sambandet ej att statistiskt säkerställa.
Uppsatsen disponeras på följande sätt: Avsnitt 2 beskriver bakgrunden till studien och där presenteras väsentlig information för att kunna besvara frågeställningen. Därefter följer ett teoretiskt avsnitt, och i avsnitt 4 presenteras tidigare studier relevanta för frågeställningen.
Avsnitt 5 beskriver de data som analyseras och därefter, i avsnitt 6, beskrivs metoden. Efter det presenteras våra resultat följt av en analys samt avslutande diskussioner och slutsats.
2. Bakgrund
I det här avsnittet beskrivs bostadsmarknaden och bostadsprisutvecklingen både i Sverige och Uppsala, samt de kreditrestriktioner som bostadsrättsköpare står inför.
2.1. Bostadsmarknaden och bostadsprisutveckling i Sverige och Uppsala
I Sverige har det enligt Fastighetsägarna (2015) skett en stor ökning av alla upplåtelseformer mellan tidsperioden 1990-2014. Antalet bostadsrätter ökade med cirka 53 procent, medan antalet hyresrätter och äganderätter endast ökade med knappt åtta procent, se Tabell 2.1.1.
Tabell 2.1.1. Procentuell ökning av respektive boendeform i Sverige mellan tidsperioden 1990-2014
Källa: Fastighetsägarna (2015).
I Uppsala har det skett en markant ökning av både hyresrätter och bostadsrätter under 1990-2014. Enligt Fastighetsägarna (2015) är Uppsala den stad i Sverige där antalet hyresrätter har ökat mest, och ökningen av bostadsrätter i Uppsala ligger också i topp.
Uppsala län är även det län i Sverige med den största befolkningsökningen (Boverket, 2020) samtidigt som samtliga kommuner i länet rapporterar om underskott på bostäder. Boverket (2020) rapporterar även kring bostadsmarknaden i Uppsala län under 2020 och redogör för hur näringslivets nedstängning och den stigande arbetslösheten kan förväntas generera sjunkande bostadspriser och minskat bostadsbyggande på grund av Coronapandemin.
I Figur 2.1.2. kan bostadsprisutvecklingen per kvadratmeter i Sverige och Uppsala under perioden 1996 till 2020 utläsas. Trots en markant ökning av bostadsrättspriser i Sverige sedan
1996, menar Länsförsäkringar Fastighetsförmedling (2020b) att det finns skillnad mellan perioden 2000 till 2009 och 2010 till 2019. Enligt Länsförsäkringar Fastighetsförmedling (2020b) ökade nämligen bostadsrättspriserna med ungefär 151 procent under perioden 2000-2009, medan endast 70 procent 2010-2019. Där emellan skedde en rikstäckande prisnedgång på bostadsmarknaden med tre procent under 2017, till följd av ökat utbud av bostäder vilket ökade konkurrensen mellan säljare (Svensk Mäklarstatistik, 2017).
Figur 2.1.2. Bostadsprisutveckling per kvadratmeter i Sverige och Uppsala
Källa: Svensk Mäklarstatistik (2021).
2.2. Amorteringskrav, räntor och kreditrestriktioner
För att svenska hushåll skall ha möjlighet att omfördela resurser och konsumera under olika perioder i livet krävs en kreditmarknad som tillåter detta. En aspekt som konsumtionen omfattas av är köp av bostad. Genom att ta bolån skapas förutsättning för att kunna köpa bostad när egna resurser inte räcker till, men bolånen genererar samtidigt skulder hos hushållen som behöver betalas tillbaka. Under 2017 utgjorde bolånen 82 procent av hushållens skulder, vilket framför allt drivs av ökade bostadspriser och låga räntor. I början av 2000-talet ökade hushållens skulder i snabbare takt än hushållens inkomster, vilket gör att hushållen riskerar att få svårighet att betala tillbaka sina skulder (Finansinspektionen, 2017).
Bostadslån som överstiger 50 procent av bostadens värde omfattas av amorteringskrav, för att på sikt minska skulden. Bostadslån upp till 70 procent av bostadens värde kräver amortering på en procent per år på lånebeloppet. Överstiger belåningsgraden 70 procent krävs amortering på två procent per år på lånebeloppet. Lånar ett hushåll dessutom mer än 4,5 gånger sin bruttoårsinkomst, där förvärvsinkomsten fastställs av Skatteverket, omfattas hushållet även av det skärpta amorteringskravet. Detta innebär att ytterligare en procentenhets amortering
krävs utöver amorteringsreglerna som påverkas av belåningsgraden av bostadens värde (Finansinspektionen, 2018).
En hög skuld hos hushållen skapar större risk för att påverkas av ekonomiska störningar, ränteförändringar eller andra oförutsedda händelser på bostadsmarknaden. Genom att ställa krav på hushållen i form av amortering av sina bolån och skulder kan risken för höga skuldkvoter minimeras och banker och hushålls motståndskraft stärkas. Till följd av den ökade skuldkvoten under finanskrisen 2008 till 2009, gavs 2010 ett allmänt råd från Finansinspektionen att lån för att köpa bostad inte bör överstiga 85 procent av bostadens värde. Skuldkvotens tilltagande efter finanskrisen bromsades därmed in (Boverket, 2014).
Genom att sätta krav på kreditrestriktioner krävs därmed egen insats vid bostadsköp, vilket tvingar hushållen att öka sitt sparande (Dagens Nyheter, 2021). Kreditrestriktionerna är en anledning till att framför allt unga, upplever svårighet att ta sig in på bostadsmarknaden, eftersom det krävs en stor andel sparade pengar inför framtida bostadsköp (Fastighetstidningen, 2021).
2.3. Bostadsmarknaden under samhällskriser
Under hösten 2020 genomfördes en undersökning från Hemnet (2020a), som visar på att det, till skillnad från under tidigare pandemier (spanska sjukan och SARS-utbrotten 2002 och 2003), såldes rekordmånga bostadsrätter under hösten 2020. Större lägenheter har varit mer attraktiva än ettor efter Coronapandemins utbrott, då fler tillbringar mer tid i hemmet och därför vill bo större. Det resoneras även att försäljningen av större lägenheter har ökat markant till skillnad från ettor, då amorteringskrav och kreditrestriktioner påverkar de som är nya på bostadsmarknaden i större utsträckning. Vidare menar analytiker vid Hemnet att nyetablerade på bostadsmarknaden samt på arbetsmarknaden påverkas mer av Coronakrisen vilket gör att köpkraften hos unga generellt minskar (Ibid). Finanskrisen 2008 är ytterligare en kris som påverkade både Sverige och världens ekonomi, men även bostadspriserna. Detta talar för en liknande effekt på bostadsmarknaden efter Covid-19, som vid Finanskrisen 2008.
Trots det fanns det till synes ingen nedgång i pris eller minskning i antalet publicerade bostadsannonser i mars 2020, men däremot oro för fortsatt negativ trend på börsen och på bostadsmarknaden (Hemnet, 2020b).
3. Teoretisk bakgrund
I detta avsnitt presenteras uppsatsens teoretiska bakgrund vilken inkluderar utbud och efterfrågan på bostadsrättsmarknaden samt marknadens reaktion på exogena chocker utifrån IS-LM-modellen.
3.1. Utbud och efterfrågan på bostadsrättsmarknaden
Bostadsrättsmarknaden går till viss del att jämställa med en perfekt konkurrensmarknad med många köpare och säljare. Ingen aktör ska ensam kunna påverka en varas marknadspris genom att en mäklarfirma exempelvis agerar som ett monopolföretag. Varan som studeras i denna uppsats är bostadsrätter mindre än 50 kvadratmeter i Uppsala kommun och köparna på bostadsrättsmarknaden är pristagare och de som efterfrågar varan. Den högstbjudande ges i normalfallet möjlighet att köpa bostadsrätten. Efterfrågan på bostäder beror i sin tur på andra faktorer som pris, kreditrestriktioner, amorteringskrav och bolåneräntor, vilka reglerar efterfrågan.
Figur 3.1.1. Jämvikt på Sveriges bostadsmarknad.
Figur 3.1.1. visar utbud och efterfrågan på den svenska bostadsmarknaden. X-axeln utgör kvantiteten och i detta fall antalet bostäder, och Y-axeln utgör pris och i detta fall slutpris på bostadsrätter. Där efterfrågan och pris korsar varandra nås jämvikt på bostadsmarknaden, vid Q* och P*. Coronapandemin förväntas generera både minskat slutpris samt sjunkande antal
bostäder vid jämvikt enligt vår hypotes. Hur marknaden påverkas av Covid-19 kommer vidare illustreras via IS-LM-modellen.
3.2. Exogen chock i IS-LM-modellen
Figur 3.2.1. Exogen chock i IS-LM modellen.
Figur 3.2.1. beskriver ett exempel på en exogen chock som inträffat i ekonomin, vilket i detta fall skulle leda till ett skifte i IS-kurvan. Detta innebär i sin tur en förändring i konsumtion på varumarknaden. Skiftet i IS-kurvan i Figur 3.2.1 innebär i detta fall minskad konsumtion, vilket sänker produktion och aktuell räntenivå till ny jämvikt.
IS-LM modellen beskriver jämvikten på varu- och penningmarknaden i en ekonomi.
Relationen mellan ränta (vertikal axel) och produktion (horisontell axel) beskrivs av IS-kurvan, som har negativ lutning, där högre ränta har negativ effekt på aggregerad efterfrågan, produktion och investeringar (Gottfries, 2013:215). På lång sikt är IS-kurvan i jämvikt, medan kurvan på kort sikt justerar produktionen på varumarknaden tills dess att besparingarna är lika med investeringarna vid en given ränta i en ekonomi. Vid förändring i ränta sker rörelser längs IS-kurvan, medan chocker i ekonomin som påverkar konsumtion och produktion leder till ett skifte i kurvan (Gottfries, 2013:216). Vid chocker i ekonomin som på kort sikt leder till förändring i utbud och efterfrågan, leder ökad optimism till ett skifte utåt i IS-kurvan, vilket innebär att konsumenterna ökar sin konsumtion idag. Medan chocker som leder till minskad optimism skiftar IS-kurvan inåt. Enligt Figur 3.2.1. skiftar IS-kurvan från
naturlig produktion, Y*, till en lägre produktion, Y, och räntan vid jämvikt i* minskar till i.
Skiftet försätter ekonomin på kort sikt på en nivå utanför den naturliga med lägre produktion, konsumtion och ränta än vid den naturliga jämvikten (Gottfries, 2013:210). På lång sikt återgår reala variabler, som produktion, lön och ränta, i ekonomin till en jämvikt. Detta innebär att eventuella händelser som påverkar ett lands ekonomi på kort sikt, kommer sträva efter att återgå till dess naturliga nivå på lång sikt (Gottfries, 2013:209).
LM-kurvan beskriver penningmarknaden i en ekonomi, vilken är i jämvikt när utbud och efterfrågan av pengar, samt efterfrågan och utbud av lån, är i jämvikt. Exempelvis utbud och efterfrågan av bostadslån för att köpa bostad. När produktionen ökar (horisontell axel), ökar efterfrågan på pengar på grund av att antalet transaktioner ökar. Tvärtom leder en högre ränta (vertikal axel) till minskad efterfrågan på pengar, då högre ränta ger ökad avkastning om pengarna investeras (Gottfries, 2013:219). LM-kurvan har till skillnad från IS-kurvan positiv lutning. Vid förändring i produktion sker en rörelse längs LM-kurvan och vid förändrat utbud av pengar uppstår ett skifte i kurvan. Jämvikt på varu- och penningmarknaden uppstår när ränta och produktion är i jämvikt på båda marknaderna (Gottfries, 2013:221).
Endogena variabler, som BNP, konsumtion, investeringar och ränta, påverkar och bestämmer varandra. Medan exogena variabler är autonoma och därmed inte påverkas av andra variabler inom modellen (Gottfries, 2013:222). En exogen chock kan innebära en oförutsedd händelse, vilket innebär, ur ett ekonomiskt perspektiv, att faktiskt BNP rör sig från potentiellt BNP.
Chocken kan leda till förändring i konsumenters optimism inför framtiden, vilket i sin tur påverkar dagens konsumtion och därmed produktion och BNP. Då konsumenter blir mindre optimistiska inför framtiden sker minskning i dagens konsumtion för att spara inför framtida konsumtion (Gottfries, 2013:225). Denna optimism kan även kopplas till bostadsmarknaden, då minskning i konsumtion även skulle innebära minskad efterfrågan av bostadsköp för att spara pengar inför framtida bostadsköp.
I mars 2020 kom världsbanken med varning om ekonomisk chock till följd av Coronapandemin med stopp i tillväxt och ökad utbredning av fattigdom som konsekvenser (World Bank, 2020). Ekonomisk chock medför oro inför framtiden och ovisshet kring hur ekonomins utveckling kommer fortgå. Riksbanken kan påverka ekonomiska chocker och dess utfall genom att hålla räntan eller pengaflödet konstant (Gottfries, 2013:223). Sedan januari 2020 har Sveriges reporänta legat oförändrad på noll procent (Sveriges Riksbank, 2021).
Reporäntan är Riksbankens sätt att främja penningpolitiska styrmedel, vilken i sin tur påverkar andra räntor och därmed Sveriges ekonomi och inflation (Sveriges Riksbank, 2019).
Genom att hålla reporäntan låg hålls övriga räntor nere i den svenska ekonomin, och där bland annat bolåneräntan hos banker. Låga bolåneräntor gör det mer fördelaktigt för låntagare genom att man får en lägre kostnad vid bostadsköp.
Coronapandemins start skulle i IS-LM modellen tolkas som en ekonomisk chock, vilket framför allt skulle påverka IS-kurvan. Att Sverige hamnade i lågkonjunktur, med stigande arbetslöshet och minskad privat konsumtion och investeringar skulle få IS-kurvan att skifta inåt för att symbolisera lägre produktion för varje given räntenivå. Statens åtgärder som att införa slopat amorteringskrav och ta bort karensdag, det vill säga en ökning i offentlig konsumtion, ses i modellen som ett försök att motverka skiftet i IS-kurvan.
4. Tidigare studier
I detta avsnitt presenteras fem olika studier som på olika sätt förklarar och studerar bostadsprisutvecklingen både i Sverige och i andra länder. Såväl med avseende på vilka förväntningar som finns på prisutvecklingen, vilka olika faktorer som kan förklara förändringar i priser och svårigheter för unga att etablera sig på bostadsmarknaden. Samt en studie gjord på effekter på bostadspriser av SARS-epidemin i Hongkong 2003. Däremot finns enligt vår vetskap ingen forskning som ännu hunnit analysera effekter av Covid-19 på bostadspriser.
I en studie av Hjalmarsson och Österholm (2020) studeras heterogenitet i förväntningar om framtida bostadspriser, med hjälp av data på mikronivå från svenska hushåll under perioden 2015 till 2017. Deras resultat tyder på att köparnas ålder verkar ha ett signifikant samband med förväntningar på framtida bostadspriser, där de allra yngsta bostadsköparna har de allra högsta förväntningarna på bostadsprisökningar. Hjalmarsson och Österholm anser sig inte vara förvånade över resultatet, då en stor del av unga vuxnas liv har präglats av snabba bostadsprisökningar med få rekyler. Det är då inte överraskande att förväntningarna följer liknande mönster. För att däremot undvika överexponering mot bostadsmarknaden, vore det ur ett finansiellt stabilitetsperspektiv bättre om unga visar mer konservativa förväntningar på bostadspriserna. Resultaten Hjalmarsson och Österholm (2020) presenterar ses därför som en motivering till varför ungas beteende på bostadsmarknaden är av extra intresse att studera i denna uppsats.
I en bostadsmarknadsanalys av Boverket (2021) framgår att för de som redan är innehavare av en bostad kan prisuppgången ge skjuts på den privata ekonomin. För de unga bostadsköparna däremot kan prisuppgången i samband med hårda kreditrestriktioner skapa ännu större svårighet att komma in på bostadsmarknaden. Det påpekas emellertid ofta att osäkerheten kring den privata ekonomin i samband med amorteringskrav och krav på kontantinsats försvårar ytterligare och bör ses över för att skapa bättre förutsättningar för unga att köpa bostad. Dock är det inte enbart krav på kontantinsats, ränta och amortering som utgör hinder för att köpa bostad, utan brist på bostäder är i många kommuner en utmaning.
Då nyproducerade lägenheter i generella drag ofta är dyrare och med höga avgifter, skapar detta ytterligare hinder för vissa grupper som inte har möjlighet att efterfråga dessa. År 2019 färdigställdes 5,4 nyproducerade lägenheter per tusen invånare i riket och i Uppsala län var
antalet 10,1 lägenheter. Vid Boverkets sammanställning av bostadsmarknadsanalysen för år 2020 tydde det på att produktionen av bostäder förväntades avta på grund av Covid-19, men allt eftersom osäkerheten av Covid-19s etablering på bostadsmarknaden har avtagit och istället stärkts, har antalet nyproducerade lägenheter överstigit förväntningarna (Boverket, 2021).
Sveriges Riksbank (2011) genomförde under hösten 2010 en utredning om risker på den svenska bostadsmarknaden i samråd med bland annat Finansinspektionen. Utredningen gjordes till följd av Finanskrisen 2008 för att belysa och undersöka prisutvecklingen på bostäder och hushållens skuldsättning. Bakgrunden till undersökningen tyder på att det finns ett samband mellan kriser genom tiderna, då perioden innan kriser föregåtts av stigande priser på bostäder och en tillväxt i skuldsättning bland hushållen. Ökad skuldsättning och kreditexpansion har historiskt sätt inträffat vid ekonomiska kriser. Dessutom har penningpolitiken, som bland annat omfattar reglering av styrränta, utgjort en viktig del vid förändringar av bostadspriser. Detta har i sin tur påverkat Riksbankens uppdrag och målsättning. Undersökningen genomfördes genom att bland annat analysera faktorer som spelar in vid förändring i priser på bostadsrätter, hur detta påverkar priser på lång sikt och belysa eventuella skillnader mellan olika områden i Sverige samt storstäder. Vidare diskuterades penningpolitikens roll, risker med hög belåning samt amorteringens funktion och dess inverkan på samhällsekonomin. Resultatet av undersökningen visar på att styrräntan spelar en viktig roll för bostadsmarknadens utveckling. Slutsatsen som dras av undersökningen belyser vikten av möjliga åtgärder för att motstå riskfyllda utvecklingar på bostadsmarknaden genom bland annat penningpolitiska åtgärder, både under och efter en eventuell kris, som Coronapandemin i detta fall.
I en studie av Wong (2008) undersöks SARS-epidemins inverkan på bostadsmarknaden i Hongkong 2003. Spridningen av SARS bedöms vara en extrem händelse, eller chock, som kan komma att påverka utbud och efterfrågan i ekonomin. Studien utgår ifrån bostadspriser och försäljningsdata för att uppskatta epidemins inverkan på köp- och försäljningsbeteende under och efter epidemin. Baserat på data nås slutsatser att den inledande tiden efter att SARS etablerat sig i Hongkong ledde till en minskning av huspriser med 1,6 procent, i jämförelse med perioden innan SARS. I genomsnitt sjönk bostadspriserna med en till tre procent om bostaden befann sig i ett område drabbat av SARS. Samt nås slutsatsen att mängden transaktioner relaterat till bostadsmarknaden minskade med 72 procent under epidemin. Den
drastiska minskningen i transaktioner under SARS-epidemin tros vara till följd av en så kallad “vänta-och-se”- strategi, där bostadsköpare avvaktar med att genomföra sina planerade bostadsköp tills dess att epidemin avtagit (Wong, 2008). Utifrån studien av SARS-epidemin som en exogen chock, kan effekten av epidemin på bostadsmarknaden i Hongkong 2003 jämföras med liknande extrema chocker, som Covid-19, och är därför intressant i vår studie.
Sutton (2002) har studerat de stigande bostadspriserna i sex olika utvecklade länder - USA, Storbritannien, Kanada, Irland, Nederländerna och Australien mellan 1980 och 2001. Med hjälp av den så kallade VAR-modellen studerar Sutton hur oförutsägbara förändringar påverkar bostadspriser och definierar tre olika chocker; förändringar i BNP, förändringar i realränta samt fluktuationer på börsen. Sutton redogör för och illustrerar grafiskt hur en ökning i ett lands BNP och minskning av realräntan över tid leder till en ökning av bostadspriser. Exempelvis skulle en procents ökning i BNP efter tre år leda till en till fyra procents ökning i reala bostadspriser. Dessutom verkade aktiepriser vara en minst lika viktig faktor för att förklara bostadsprisutvecklingen. Inte minst i Storbritannien där fluktuationer på börsen förklarade 35 procent av bostadsprisutvecklingen under en treårsperiod medan förändringar i BNP förklarade 20 procent. I vår studie används förändringar i BNP samt förändringar i bolåneränta som kontrollvariabler, vilket är två av de förändringarna som Sutton (2002) diskuterar.
5. Data
I detta avsnitt presenteras det datamaterial som uppsatsen ämnar utgå ifrån, deskriptiv statistik uppdelad i jämförelse- och behandlingsgrupp samt en korrelationsmatris.
Data för studien kommer huvudsakligen från Svensk Mäklarstatistik, som är helägt av branschförbundet Mäklarsamfundet. Nästan alla Sveriges mäklare rapporterar in kontraktsdata till Svensk Mäklarstatistik, som Statistiska centralbyrån sedan kontrollerar och producerar underlag utifrån. Data från Svensk Mäklarstatistik inkluderar bostadsrätter sålda mellan perioden 1 mars 2019 till 31 december 2020 i Uppsala kommun, och är dessutom avgränsad till bostadsrätter som är mindre än 50 kvadratmeter, se Tabell 5.1.1. respektive 5.1.2. Den information som finns om de sålda bostadsrätterna i vår data inkluderar slutpris i tusen kronor, slutpris i tusen kronor per kvadratmeter, antal kvadratmeter samt antal rum. All data från Svensk Mäklarstatistik har inkluderats i regressionerna och eventuella extremvärden har därmed ej exkluderats.
För att komplettera insamlad data från Svensk Mäklarstatistik med data för bostadsrätter sålda mellan perioden 1 januari 2019 till 28 februari 2019 användes bostadssajten Booli.se, som sedan 2016 ägs av den statligt ägda banken SBAB. Denna data samlades in manuellt för att täcka perioden även innan 1 mars 2019. Med tanke på att januari 2019 och februari 2019 är hämtade manuellt från hemsidan Booli.se, reserverar vi oss för enstaka inmatningsfel.
Boolis huvudsakliga syfte är att öppet och transparent visa slutpriser över sålda bostäder i Sverige. Insamlad data från Booli är även filtrerat så att endast bostadsrätter under 50 kvadratmeter inkluderas.
Insamlad data för variabeln bolåneränta kommer från Statistiska Centralbyråns sammanställning av bolåneräntor för räntekomponenten i KPI-beräkning mellan perioden januari 2019 till och med december 2020. Det är räntor för utlåning till hushåll med bostadsrätter som säkerhet med en räntebindningstid på “t.o.m. 3 mån” (utestående avtal) som är insamlad för vår analys.1 Insamlad data för variabeln BNP kommer även den från en sammanställning kring Sveriges kvartalsvisa bruttonationalprodukt från Statistiska Centralbyrån där 1993 används som basår.2
2
https://www.scb.se/hitta-statistik/statistik-efter-amne/nationalrakenskaper/nationalrakenskaper/nationalrakenskaper-kvartals-och-arsberaknin gar/pong/tabell-och-diagram/diagram/konsumtion-och-investeringar-kvartal-1993-/
1https://www.scb.se/hitta-statistik/statistik-efter-amne/finansmarknad/finansmarknadsstatistik/finansmarknadsstatistik
Deskriptiv statistik i Tabell 5.1.1. respektive Tabell 5.1.2 är uppdelad per år, i syfte att tydliggöra skillnader för de olika variablerna för 2019 och 2020.
Tabell 5.1.1. Deskriptiv statistik för år 2019 för variablerna antal kvadratmeter, bolåneränta, BNP-index, antal rum, slutpris i tusen kronor samt slutpris i tusen kronor per kvadratmeter.
Källor: Svensk Mäklarstatistik (2021), Booli (2021) samt Statistiska centralbyrån (2021).
Enligt Tabell 5.1.1. går det att utläsa ett genomsnittligt slutpris på en bostadsrätt i Uppsala kommun under 2019 till ungefär 1 720 tusen kronor, med en standardavvikelse på 333 tusen kronor. Det går även att utläsa ett genomsnittligt slutpris per kvadratmeter på 48,76 tusen kronor med en standardavvikelse på 10,57 tusen kronor, där antalet kvadratmeter i genomsnitt ligger på 36,49. Under 2019 hade Sveriges bruttonationalprodukt i genomsnitt ökat med 93,7 procent sedan 1993 och bolåneräntan var på 1,61 procent i genomsnitt. Antalet observationer för majoriteten av variablerna är 1 221, med antal rum som undantag, där det saknas tre värden.
Tabell 5.1.2. Deskriptiv statistik för år 2020 för variablerna antal kvadratmeter, bolåneränta, BNP-index, antal rum, slutpris i tusen kronor samt slutpris i tusen kronor per kvadratmeter.
Källor: Svensk Mäklarstatistik (2021), Booli (2021) samt Statistiska centralbyrån (2021).
Enligt Tabell 5.1.2. för 2020 går det att utläsa att i genomsnitt ligger ett slutpris på en bostadsrätt i Uppsala kommun på ungefär 1 823 tusen kronor, med en standardavvikelse på 355,10 tusen kronor. Det genomsnittliga slutpriser per kvadratmeter är 51,46 tusen kronor, med en standardavvikelse på 10,79 tusen kronor, där antalet kvadratmeter i genomsnitt ligger på 36,51. Under år 2020 kan en sänkning i genomsnittlig bruttonationalprodukt utläsas, där BNP nu sedan 1993 endast ökat med 88 procent. Däremot har bolåneräntan i genomsnitt stigit relativt tidigare år, från 1,60 procent till 1,66 procent under 2020. Under 2020 stiger antalet observationer till 1 380 stycken jämfört med 2019 där det fanns 1 221 observationer för nästan samtliga variabler. Det går att tyda ett ökat utbud av bostadsrätter under 2020, och därmed ökade antalet sålda bostadsrätter.
För att analysera uppsatsens hypotes, om att Covid-19 skulle ha en negativ effekt på bostadspriser, undersöks korrelationen mellan den beroende variabelns slutpris och den förklarande interaktionsvariabeln. Se Tabell 5.1.3. Interaktionsvariabeln är konstruerad så att den antar värdet 1 för bostadsrätter sålda efter 11 mars 2020, annars 0. Detta beskrivs mer ingående i avsnitt 6.
Tabell 5.1.3. Korrelationsmatris mellan den beroende variabeln slutpris i tusen kronor och den oberoende interaktionsvariabeln.
Slutpris i tusen kronor Interaktionsvariabel Slutpris i tusen kronor 1,00
Interaktionsvariabel 0,13 1,00
En korrelationsmatris visar på samband mellan två variabler, samt riktning och styrka.
Korrelationen mellan två variabler antar värden mellan 1 och -1, där 1 innebär positivt samband och -1 innebär negativt samband. Antas värdet 0 föreligger inget samband eller korrelation mellan de studerade variablerna. Utifrån Tabell 5.1.3. kan ett positivt samband och riktning utläsas mellan beroende variabeln slutpris i tusen kronor och den oberoende interaktionsvariabeln, vilken uppgår till 0,13.
6. Empirisk metod
I följande avsnitt presenteras den valda metoden difference-in-difference mer ingående, samt regressionsmodellen som ämnar estimera effekten av Covid-19 på bostadsrättspriser.
6.1. Difference-in-difference
Metoden difference-in-difference används med hjälp av data från en behandlingsgrupp och en jämförelsegrupp för att kunna estimera en kausal effekt av en specifik händelse eller
“behandling”. I denna uppsats består behandlingsgruppen av bostadsrätter sålda under 2020 och jämförelsegruppen av bostadsrätter sålda under 2019. Den specifika händelsen eller
“behandlingen” i uppsatsen är Covid-19s klassificering som pandemi den 11 mars 2020.
Föreperioden är 1 januari till 11 mars, 2019 och 2020 och efterperioden är 11 mars till 31 december, 2019 och 2020. Förändring i bostadsrättspriser före och efter 11 mars för behandlingsgruppen jämförs sedan med samma förändring för jämförelsegruppen.
Försäljningar för året innan Covid-19 har valts som jämförelsegrupp för att differentiera bort månadsvariation i priser, då det inte finns en naturlig jämförelsegrupp i detta fall. Metoden avser att visa huruvida Coronapandemin givit effekt på bostadsrättspriser eller ej.
För att kunna använda metoden difference-in-difference måste antagandet om parallella trender vara uppfyllt, det vill säga att behandlings-, respektive jämförelsegruppens utveckling över tid ser ungefär likadana ut i föreperioden. Figur 6.1.1. innefattar slutpriser i tusen kronor och enligt den följer 2019 och 2020 varandra ungefärligt. Däremot avviker föreperioden i jämförelsegruppen från behandlingsgruppen under månaden februari, där en tydlig topp kan utläsas i figuren. Detta gör att antagandet om parallella trender inte är uppfyllt och att resultaten därmed bör tolkas med försiktighet. Med anledning till det har vi valt att studera ytterligare en parallell trend mellan jämförelsegruppen 2019 och behandlingsgruppen 2020, men med slutpris i tusen kronor per kvadratmeter som beroende variabel. Se Figur 6.1.2.
Dessa grupper uppfyller antagandet om parallella trender tydligare än grupperna i Figur 6.1.1.
Däremot finns fortfarande en dipp i februari 2020, vilket gör att även dessa resultat bör tolkas med viss försiktighet.
Fördelen med metoden difference-in-difference är att en isolerad effekt av det som undersöks kan urskiljas. Hade inte den specifika händelsen ägt rum antas grupperna följa liknande utveckling, och därför kan det antas vara den specifika händelsen som genererar en ökning
eller minskning i behandlingsgruppen. Nackdelen med metoden är att det kan vara problematiskt att finna en jämförelsegrupp identisk med behandlingsgruppen, vilket gör att antagandet om parallella trender kan vara svårt att uppfylla.
Figur 6.1.1. Månatlig trendjämförelse av slutpriser i tusen kronor för 2019 och 2020 i Uppsala kommun.
Figur 6.1.2. Månatlig trendjämförelse av slutpriser i tusen kronor per kvadratmeter för 2019 och 2020 i Uppsala kommun.
6.2. Regressionsanalys
Ekonometriprogrammet STATA kommer användas för att estimera Coronapandemins effekt på bostadsrättspriser. Regressionsmodellen som används för att estimera denna effekt ser ut enligt följande;
Y = 𝛽0+ 𝛽1behandling + 𝛽2efter + 𝛽3(behandling*efter) + γ1kvm + γ2BNP + γ3bolåneränta + u
Där Y står för bostadsrättspriset i tusen kronor respektive bostadsrättspris i tusen kronor per kvadratmeter. 𝛽0 står för interceptet. Variabeln behandling kommer anta värdet 1 om bostadsrätten är såld 2020, och värde 0 om såld 2019. Variabeln efter antar värdet 0 för perioden 1 januari till 11 mars för bostadsrätter sålda både 2019 och 2020, och värde 1 för bostadsrätter efter 11 mars för bostadsrätter sålda både 2019 och 2020. Interaktionsvariabeln antar värdet 1 för bostadsrätter sålda efter 11 mars 2020, annars 0. Skulle riktningskoefficienten 𝛽3framför interaktionsvariabeln vara positiv betyder det att differensen mellan slutpriset före och efter 11 mars är större än samma skillnad för jämförelsegruppen.
Modellen inkluderar även kontrollvariabeln Antal kvadratmeter, där γ1representerar den extra förändring i slutpris i tusen kronor av en extra kvadratmeter.
Makrovariablerna BNP och bolåneränta inkluderas även i regressionsmodellen för att kontrollera effekterna av dessa faktorer. Känslighetstester kommer därmed utföras, där den ena modellen inte inkluderar några kontrollvariabler alls, den andra modellen kontrollerar för BNP och den tredje modellen kontrollerar för både BNP och bolåneränta.𝛾2 respektive𝛾3är koefficienterna framför kontrollvariablerna och representerar den extra förändring i slutpris i tusen kronor av en förändring i BNP respektive bolåneränta. u symboliserar feltermen som fångar icke-observerade variabler.
7. Resultat
Huvudsakliga resultat för uppsatsen presenteras i två olika regressioner samt en känslighetsanalys. I Tabell 7.1.1. presenteras Modell 1, 2 och 3, vilka estimeras med avseende på slutpris i tusen kronor och Covid-19 med kontrollvariabler. I Tabell 7.1.2.
presenteras Modell 4, 5 och 6, vilka estimeras med avseende på slutpris i tusen kronor per kvadratmeter och Covid-19 med kontrollvariabler.
7.1. Regressionsresultat
Tabell 7.1.1. Regressioner av slutpris i tusen kronor och Covid-19 med olika kontrollvariabler inkluderade.
Regressionsresultatet för interaktionsvariabeln i Modell 1 visar ett icke statistiskt signifikant resultat. Därmed går det inte att säkerställa om Coronapandemins etablering ensamt har påverkat slutpriserna i Uppsala kommun. Enligt Tabell 7.1.1. visar Modell 1 sambandet för interaktionsvariabeln och slutpris i tusen kronor med endast antal kvadratmeter som kontrollvariabel. Koefficienten för interaktionsvariabeln är 39,36, vilket tolkas som att i perioden efter 11 mars 2020 ökade slutpriset med ungefär 39,36 tusen kronor jämfört med perioden innan 11 mars samt jämfört med året 2019. Koefficienten för variabeln Efter visar att bostadspriserna sjunkit generellt mellan mars och december för båda åren. Koefficienten
för variabeln Behandling visar istället att bostadsrätter sålda under år 2020 har ökat jämfört med de sålda 2019. Koefficienten för variabeln Antal kvadratmeter visar att slutpriset ökar med ungefär 24,32 tusen kronor vid en extra kvadratmeter.
Modell 2 och Modell 3 visar istället på statistiskt signifikanta resultat. Vi kan förkasta nollhypotesen om att samband ej föreligger på fem procent signifikansnivå.
Modell 2 inkluderar kontrollvariabeln BNP, och där kan koefficienten för interaktionsvariabeln utläsas till 74,84. När vi befinner oss i perioden efter den 11 mars och år 2020, samt inkluderar kontrollvariablerna antal kvadratmeter och BNP, ökar slutpriset med 74,84 tusen kronor. Effekten Covid-19 har på slutpriser förstärks därmed när BNP kontrolleras för. Vad gäller koefficienten för endast BNP visar den ett positivt värde, vilket kan tolkas som att när BNP ökar, ökar bostadspriserna.
Modell 3 inkluderar kontrollvariabeln bolåneränta, och där utläses interaktionsvariabelns koefficient till 73,82. Detta kan tolkas som att i perioden efter 11 mars och år 2020, samt inkluderar kontrollvariablerna antal kvadratmeter, BNP och bolåneränta, ökar slutpriset med 73,82 tusen kronor. Den enskilda koefficienten för bolåneränta är negativ, vilket tolkas som att när räntan ökar, minskar bostadspriserna. När kontrollvariabeln bolåneränta inkluderas i modellen mattas effekten Covid-19 har haft på slutpriser av något i jämförelse med när endast antal kvadratmeter och BNP inkluderades.
Tabell 7.1.2. Regressionsanalyser av slutpris i tusen kronor per kvadratmeter och Covid-19 med olika kontrollvariabler inkluderade.
Likadant som i Modell 1 finns inget statistiskt signifikant resultat i modell 4. Modell 4 visar sambandet för interaktionsvariabeln och slutpris i tusen kronor per kvadratmeter med endast antal kvadratmeter som kontrollvariabel. Koefficienten för interaktionsvariabeln är 1,10, vilket kan tolkas som att i perioden efter 11 mars 2020 ökade slutpriset per kvadratmeter med 1,10 tusen kronor jämfört med perioden innan 11 mars samt jämfört med året 2019.
Koefficienten för variabeln Efter visar att bostadspriserna sjunkit generellt mellan mars och december för båda åren, vilket motsvarar den effekt som visas i Tabell 7.1.1. Estimeringen av interaktionsvariabeln och variabeln Efter är inte statistiskt signifikant vilket gör att den ska tolkas med försiktighet. Koefficienten för variabeln Behandling visar att bostadsrätter sålda under år 2020 har ökat jämfört med de sålda 2019. Koefficienten för variabeln Antal kvadratmeter visar att slutpriset per kvadratmeter minskat med ungefär 0,82 tusen kronor vid en extra kvadratmeter. Estimeringen av dessa variabler är signifikanta på tio procent respektive en procent signifikansnivå.
Modell 5 och Modell 6 visar liksom Modell 2 och Modell 3 på statistiskt signifikanta resultat på tio procents signifikansnivå. Vi kan därmed förkasta nollhypotesen om att samband ej föreligger på tio procent signifikansnivå. Modell 5 inkluderar kontrollvariabeln BNP, och där kan koefficienten för interaktionsvariabeln utläsas till 2,03. När vi befinner oss i perioden efter den 11 mars och år 2020, samt inkluderar kontrollvariablerna antal kvadratmeter och
BNP, ökar slutpriset per kvadratmeter med 2,03 tusen kronor. Effekten Covid-19 har på slutpriser per kvadratmeter förstärks därmed när BNP kontrolleras för. Vad gäller koefficienten för endast BNP visar den ett positivt värde, vilket kan tolkas som att när BNP ökar, ökar slutpriserna per kvadratmeter.
Modell 6 inkluderar kontrollvariabeln bolåneränta, och där utläses interaktionsvariabelns koefficient till 1,98. Detta kan tolkas som att i perioden efter 11 mars och år 2020, samt inkluderar kontrollvariablerna antal kvadratmeter, BNP och bolåneränta, ökar slutpriset per kvadratmeter med 1,98 tusen kronor. Den enskilda koefficienten för bolåneränta är negativ, vilket tolkas som att när räntan ökar, minskar priser per kvadratmeter på bostadsrätter. När kontrollvariabeln bolåneränta inkluderas i modellen mattas effekten Covid-19 har haft på slutpriser av något i jämförelse med när endast antal kvadratmeter och BNP inkluderades.
8. Analys
Uppsatsens huvudsakliga resultat visar en uppgång både i slutpriser samt slutpriser per kvadratmeter för bostadsrätter i Uppsala kommun efter Coronapandemins etablering i det svenska samhället den 11 mars 2020. Statistiskt signifikanta resultat för interaktionsvariabeln fås när kontrollvariablerna BNP och bolåneränta inkluderas i regressionerna. Detta tolkas som att Coronapandemin har gett effekt på bostadsrättspriser i Uppsala kommun när BNP och bolåneränta tas hänsyn till. Resultaten ska dock tolkas med försiktighet. Antagandet om parallella trender för jämförelse- och behandlingsgruppen i metoden difference-in-difference uppfylls inte i perioden före 11 mars i varken Figur 6.1.1. eller Figur 6.1.2. Detta ger upphov till ett bristande val av jämförelsegrupp, vilket därmed leder till en begränsad slutgiltig tolkning. Som tidigare nämnts finns inget naturligt val av jämförelsegrupp som i fallet med Covid-19 endast skulle påverka bostadsrätter, och därmed har försäljningar året innan valts som jämförelsegrupp för att differentiera bort månadsvariation i priser.
I uppsatsen estimeras resultat för två beroende variabler; slutpris i tusen kronor samt slutpris i tusen kronor per kvadratmeter. Den senare inkluderades för att den tydligare uppfyllde
antagandet om parallella trender för jämförelse- samt behandlingsgruppen i metoden difference-in-difference. Trots detta ska estimaten för samtliga modeller tolkas med försiktighet, eftersom även slutpriser i tusen kronor per kvadratmeter inte uppfyllde antagandet om parallella trender på grund av en nedgång i februari 2020.
Den initiala problemformuleringen ledde fram till att den stigande arbetslösheten och sjunkande BNP kunde förväntas leda till att efterfrågan och därmed priserna på mindre bostadsrätter skulle sjunka, vilket även överensstämmer med tidigare studier, till exempel Sutton (2002). Denna hypotes visar även regressionsresultatet i form av de enskilda koefficienterna för BNP och bolåneränta. Mellan BNP och bostadsrättspriser hittas ett positivt samband, där en stigande BNP ger stigande priser och vice versa. Mellan bolåneränta och bostadsrättspriser hittas ett negativt samband, men inte signifikant, där en stigande ränta ger sjunkande priser och vice versa. När då Coronapandemin bland annat genererat sjunkande BNP torde det ge sjunkande bostadsrättspriser, borde också Coronapandemin generera sjunkande bostadsrättspriser generellt. Ett exempel på en sådan händelse är det som hände på bostadsmarknaden i Hongkong 2003 efter SARS-epidemin enligt studien av Wong (2008) då bostadspriserna sjönk med en till tre procent, enligt avsnitt 4 om tidigare studier. Den ökning
i bostadsrättspriser i Uppsala kommun vi ser i resultatet bör därmed bero på andra faktorer.
Exempelvis är Uppsala en stad med andra förutsättningar. Fler har flyttat till Uppsala och fler börjar studera, vilket exempelvis pressmeddelandet från Uppsala universitet visade.
Vidare tyder undersökningen av Sveriges Riksbank (2011) på att penningpolitiken har en viktig roll för reglering av bostadsmarknaden och förändring av bostadspriser. Riksbankens uppdrag och målsättning har därmed stor inverkan på bostadsmarknadens utveckling vid reglering av styrräntan. Under Coronapandemin har reporäntan legat på noll procent för att stimulera bostadsmarknaden och bibehålla utbud och efterfrågan av bostäder, vilket våra skattningar av slutpriserna på bostadsrätter även tyder på.
Vid Coronapandemins etablering, utifrån härledning i Figur 3.2.1., inträffade en exogen chock som påverkar utbud och efterfrågan på varumarknaden på kort sikt. Skiftet kan å ena sidan orsaka ökat sparande och minskad konsumtion hos hushållen, vilket får minskad ränta och lägre produktion som följd. Regressionsmodellerna å andra sidan tyder på, trots en reporänta på noll procent och minskad BNP och produktion, på ökad efterfrågan av bostadsrätter med relativt högre slutpriser som resultat. I nuläget tyder resultatet på att Covid-19 har försatt ekonomin på en nivå utanför den naturliga och haft effekt på såväl konsumtion och produktion, samt med en bibehållen reporänta på noll procent. Däremot återstår det att se hur långtgående effekten av denna ekonomiska, exogena chock sträcker sig och hur stor inverkan Coronapandemin kommer att ha orsakat.
9. Slutsats och avslutande diskussion
Syftet med uppsatsen var att undersöka bostadspriser på mindre bostadsrätter i Uppsala kommun efter Coronapandemins etablering. De huvudsakliga resultaten visar på statistisk signifikans gällande Coronapandemins effekt på både slutpriser samt slutpriser per kvadratmeter i Uppsala kommun, först när kontrollvariablerna BNP och bolåneränta inkluderas. Problemformulering och hypotes mynnade ut i att en stor samhällsekonomisk kris som Coronapandemin, med stöd i tidigare studier, kunde förväntas leda till sjunkande bostadspriser. Resultaten i vår uppsats visar på en motsatt effekt, nämligen att priserna på bostadsrätter i Uppsala kommun under Coronapandemins etablering har stigit. Däremot ger dessa resultat upphov till en begränsad tolkning, då antagandet om parallella trender i vald metod inte uppfylls i föreperioderna i Figur 6.1.1. och Figur 6.1.2. I och med att Coronapandemin i nuläget fortgår finns utrymme för ytterligare studier i ämnet samt undersökning av den slutliga effekten på bostadspriser i Uppsala kommun vid pandemins slut.
Trots att unga förstagångsköpare tenderar att ha snävare bolånemöjligheter på grund av kreditrestriktioner i samband med amorteringskrav, har undantaget av amorteringskravet under Covid-19 skapat möjlighet och underlättat för etablering på bostadsmarknaden.
Reporäntan har fortsatt befinna sig på noll procent och därmed gett upphov till låg bolåneränta, vilket tillsammans med amorteringskravet utgör skuldbetalningskvoten. Låg bolåneränta ger mildrade krav för att köpa bostad och talar för ökad efterfrågan av bostadsköp. Däremot har priserna på mindre bostadsrätter i Uppsala kommun, utifrån resultaten, ökat, vilket talar emot ökad efterfrågan av bostadsköp med avseende på kreditrestriktioner och den ökade arbetslösheten som Covid-19 medfört. Svårigheterna att skaffa jobb har ökat benägenheten för att påbörja studier, vilket har genererat ökat tryck på bostäder i studentområden. En förklaring till den fortsatta försäljningen av mindre bostadsrätter i Uppsala kan därmed tänkas bero på fler möjligheter som främjar bostadsköp.
Exempelvis genom föräldrar som kan hjälpa till med handpenning, bolån och räntekostnader.
En möjlighet som kan diskuteras är att Coronapandemins effekt på slutpriser samt slutpriser per kvadratmeter för bostadsrätter i Uppsala kommun sker med fördröjning. Det kan möjligen vara så att den fullskaliga effekten av pandemin inte syns så här tidigt. Möjligen hade studien gett tydligare resultat om den hade gjorts längre fram i tiden så att både före- och
efterperioden hade kunnat vara längre. Exempelvis två år före Coronapandemins etablering samt två år efter, alternativt använt ett annat år som jämförelsegrupp. Det kan nämligen vara så att vi kan se andra effekter till hösten 2021 när amorteringskravet återinförs och eventuella ränteförändringar sker. Det återstår att se när amorteringskravet återinförs. Även Coronapandemins slutskede kan vara en viktig aspekt i en estimering av effekter av pandemin på priser på bostadsrätter. Efterfrågan på bostäder kan fortfarande öka och minska under tiden pandemin fortskrider, vilket gör det problematiskt att estimera en effekt endast ett år efter Coronapandemins etablering.
Referenser
Arbetsförmedlingen (2020-06-22), Arbetslösheten ökar bland unga.
https://arbetsformedlingen.se/om-oss/press/pressmeddelanden?id=BE71911386272E7F [Hämtad 2021-04-24]
Booli (2021), Slutpriser, Uppsala Kommun, Rum: 1-2, Boarea: <50 kvm, Försäljningsdag från: 2019-01-01, Försäljningsdag till: 2019-02-28.
https://www.booli.se/slutpriser/uppsala/419?rooms=1%2C2&maxLivingArea=50&minSoldD ate=2019-01-01&maxSoldDate=2019-02-28&sort=soldDate [Hämtad 2021-04-23]
Boverket (2008), Samband mellan bostadsmarknad, arbetskraftens rörlighet och tillväxt.
Statens bostadskreditnämnd (BKN). Dnr: 17-83/08.
https://www.boverket.se/globalassets/publikationer/dokument/2008/samband-mellan-bostads marknad-arbetskraftens.pdf [Hämtad 2021-04-23]
Boverket (2014), Bostadsmarknaden i Norden 1980-2012. Karlskrona: Boverket. Dnr:
2102-1031/2014.
https://www.boverket.se/globalassets/publikationer/dokument/2014/bostadsmarknaderna-i-no rden-1980-2012.pdf [Hämtad 2021-04-14]
Boverket (2020), Analys av regional bostadsmarknad år 2020, Uppsala län. Uppsala:
Länsstyrelsen Uppsala. Dnr: 405-4015/2020.
https://www.boverket.se/contentassets/6127000d21794ed9b815b32da2321bd9/uppsala-lan-2 020.pdf [Hämtad 2021-04-14]
Boverket (2021-01-19), Bostadsmarknadsanalysernas innehåll 2020.
https://www.boverket.se/sv/samhallsplanering/bostadsmarknad/bostadsmarknaden/regionala- bostadsmarknadsanalyser/innehall/ [Hämtad 2021-04-16]
BRF Nytt (2021-04-08), Amorteringskrav påverkar unga vuxna negativt.
https://www.brf-nytt.se/sifo-aterinforda-amorteringskrav-pa-bostadslan-skulle-paverka-drygt- fyra-av-tio-unga-vuxna-negativt [Hämtad 2021-04-23]
Dagens Nyheter (2021-03-24), DN Debatt repliker. “Bekymmersamt tunnelseende, Finansinspektionen!”.
https://www.dn.se/debatt/bekymmersamt-tunnelseende-finansinspektionen/ [Hämtad 2021-04-13]
Fastighetstidningen (2021-04-01), Återinfört amorteringskrav negativt för fyra av tio unga vuxna.
https://fastighetstidningen.se/aterinfort-amorteringskrav-negativt-for-fyra-av-tio-unga-vuxna/
[Hämtad 2021-04-24]
Fastighetsägarna (2015), En bostadsmarknad i förändring. Göteborg: Fastighetsägarna.
http://www.fastighetstidningen.se/wp-content/uploads/2015/09/En-bostadsmarknad-i-f%C3%
B6r%C3%A4ndring.pdf [Hämtad 2021-04-24]
Finansinspektionen (2017), Den svenska bolånemarknaden. Stockholm: Finansinspektionen.
https://www.fi.se/contentassets/2a4665e04627420880e4af1c771a11fe/bolan_2017ny3.pdf [Hämtad 2021-04-13]
Finansinspektionen (2018-11-29), Frågor och svar om skärpt amorteringskrav för hushåll med stora skulder.
https://www.fi.se/sv/finansiell-stabilitet/hushallens-skulder/information-om-bolan-fran-fi.se/f ragor-och-svar-om-skarpt-amorteringskrav-for-hushall-med-stora-skulder/ [Hämtad
2021-04-13]
Finansinspektionen (2020-04-02), Banker får ge alla bolånetagare undantag från amortering.
https://www.fi.se/sv/publicerat/pressmeddelanden/2020/banker-far-ge-alla-bolanetagare-unda ntag-fran-amortering/ [Hämtad 2021-04-23]
Forssbaeck, J. och Olsson, N. (2019), En empirisk studie av orsakssambandet mellan bostadspriser och bostadslån i sjutton europeiska länder. [Kandidatuppsats: Lunds universitet]. Lund.
https://lup.lub.lu.se/luur/download?func=downloadFile&recordOId=8970397&fileOId=8970 402 s. 24. [Hämtad 2021-04-18]
Gottfries, N. (2013), Macroeconomics. 1. uppl. England: Palgrave Macmillan. s. 209-225.
Hemnet (2020a-11-18), Trendbrott - trögare för mindre lägenheter.
https://www.hemnet.se/artiklar/bostadsmarknaden/2020/11/18/trendbrott-trogare-for-mindre-l agenheter [Hämtad 2021-04-22]
Hemnet (2020b-03-17), Så har bostadsmarknaden påverkats av tidigare pandemier.
https://www.hemnet.se/artiklar/bostadsmarknaden/2020/03/17/sa-paverkades-bostadsmarkna den-av-tidigare-pandemier [Hämtad 2021-04-22]
Hjalmarsson, E. och Österholm, P. (2020), Heterogeneity in households’ expectations of housing prices - evidence from micro data. The Authors: Elsevier Inc. [Hämtad 2021-05-01]
Konjunkturinstitutet (2020-06-17), Svensk ekonomi tyngs av pandemin minst ett år till.
https://www.konj.se/publikationer/konjunkturlaget/konjunkturlaget/2020-06-17-svensk-ekono mi-tyngs-av-pandemin-minst-ett-ar-till.html [Hämtad 2021-04-23]
Länsförsäkringar fastighetsförmedling (2020a-07-09), Ny kartläggning inför antagningsbeskedet visar: Studentstäderna där det är billigast att köpa bostad.
https://www.lansfast.se/press/ny-kartlaggning-infor-antagningsbeskedet-visar-studentstaderna -dar-det-ar-billigast-att-kopa-bostad-3279839/ [Hämtad 2021-04-13]
Länsförsäkringar fastighetsförmedling (2020b-01-17), Ny analys av bostadsmarknaden i Sveriges län under de senaste 20 åren visar: Prisuppgången på bostäder bromsade in under 10-talet.
https://www.lansfast.se/press/ny-analys-av-bostadsmarknaden-i-sveriges-lan-under-de-senast e-20-aren-visar-prisuppgangen-pa-bostader-bromsade-in-under-10-talet-3268772/ [Hämtad 2021-04-13]
Statistiska Centralbyrån (2020), BNP-indikatorn: Kraftig nedgång andra kvartalet 2020.
https://www.scb.se/hitta-statistik/statistik-efter-amne/nationalrakenskaper/nationalrakenskape r/nationalrakenskaper-kvartals-och-arsberakningar/pong/statistiknyhet/nationalrakenskaper-2 a-kvartalet-2020/ [Hämtad 2021-04-28]
Statistiska Centralbyrån (2021), Konsumtion och investeringar (kvartal 1993-): BNP.
https://www.scb.se/hitta-statistik/statistik-efter-amne/nationalrakenskaper/nationalrakenskape r/nationalrakenskaper-kvartals-och-arsberakningar/pong/tabell-och-diagram/diagram/konsum tion-och-investeringar-kvartal-1993-/ [Hämtad 2021-04-27]
Statistiska Centralbyrån (2021), Finansmarknadsstatistik: Bolåneräntor för räntekomponenten i KPI-beräkning november 2014–mars 2021.
https://www.scb.se/hitta-statistik/statistik-efter-amne/finansmarknad/finansmarknadsstatistik/
finansmarknadsstatistik/ [Hämtad 2021-04-26]
Sutton, Gregory D. (2002), Explaining changes in house prices. BIS Quarterly Review. s.
47-52. [Hämtad 2021-05-14]
Svensk Mäklarstatistik (2017-12-14), Bred nedgång på bostadsmarknaden.
https://www.maklarstatistik.se/pressmeddelanden/bred-nedgang-pa-bostadsmarknaden/
[Hämtad 2021-05-26]
Svensk Mäklarstatistik (2021-05-07), Bostadspriser i Riket: Bostadsrätter, Årshistorik.
https://www.maklarstatistik.se/omrade/riket/#/bostadsratter/arshistorik-prisutveckling [Hämtad 2021-04-15]
Svensk Mäklarstatistik (2021-05-07), Bostadspriser i Uppsala: Bostadsrätter, Årshistorik.
https://www.maklarstatistik.se/omrade/riket/uppsala-lan/uppsala/#/bostadsratter/arshistorik-pr isutveckling [Hämtad 2021-04-15]
Svensk Mäklarstatistik (2021), Slutpriser i Uppsala Kommun: Kontraktsdatum, Kontraktspris, Antal rum, Kvadratmeter, Slutpris/kvm. [Excelfil hämtad 2021-04-15]
Sveriges Riksbank (2011), Riksbankens utredning om risker på den svenska bostadsmarknaden. Stockholm: Sveriges Riksbank.
http://archive.riksbank.se/Upload/Rapporter/2011/RUTH/RUTH.pdf [Hämtad 2021-05-24]
Sveriges Riksbank (2019-09-05), Vad är reporäntan?.
https://www.riksbank.se/sv/penningpolitik/vad-ar-penningpolitik/vad-ar-reporantan/ [Hämtad 2021-04-27]
Sveriges Riksbank (Uppdateras dagligen), Reporänta, in- och utlåningsränta.
https://www.riksbank.se/sv/statistik/sok-rantor--valutakurser/reporanta-in--och-utlaningsranta / [Hämtad 2021-04-27]
SVT (2019-10-02), Ökade bostadspriser i populära studentstäder.
https://www.svt.se/nyheter/lokalt/uppsala/okade-bostadspriser-i-populara-studentstader [Hämtad 2021-04-15]
Uppsala universitet (2020-07-09), Över 6000 fler antagningar till höstterminen.
https://www.uu.se/press/pressmeddelande/?id=15094&typ=artikel&lng=sv [Hämtad 2021-04-15]
WHO (2020-03-11), WHO Director-General’s opening remarks at the media briefing on COVID-19 - 11 March 2020.
https://www.who.int/director-general/speeches/detail/who-director-general-s-opening-remark s-at-the-media-briefing-on-covid-19---11-march-2020 [Hämtad 2021-05-26]
Wong, G. (2008), Has SARS infected the property market? Evidence from Hong Kong. USA:
Journal of Urban Economics. s. 74-77. [Hämtad 2021-05-24]
World Bank (2020), World Bank East Asia and Pacific Economic Update, April 2020: East Asia and Pacific in the Time of COVID-19. Washington, DC: World Bank.
https://openknowledge.worldbank.org/handle/10986/33477 License: CC BY 3.0 IGO [Hämtad 2021-05-26]
