Egenskapspriser på småhusmarknaden i Stockholm, Göteborg och Malmö - en hedonisk studie

NATIONALEKONOMISKA INSTITUTIONEN Uppsala universitet

D-uppsats

Författare: Dennis Dahlgren Handledare: Lennart Berg VT 2006

Egenskapspriser på småhusmarknaden i Stockholm, Göteborg och Malmö

- en hedonisk studie

Sammanfattning

I denna uppsats studeras betalningsviljan för småhusrelaterade egenskaper i Stockholm, Göteborg och Malmö för tidsperioden 1994-1996. Med en hedonisk prisekvation estimeras elasticiteter för ett antal småhusrelaterade egenskaper. Exempel på småhusrelaterade- egenskaper är boyta, tomtyta, avstånd till kommunaltcentrum och förekomst av bastu.

Studiens syfte är att jämföra om betalningsviljan för småhusrelaterade egenskaper skiljer sig mellan storstadsregionerna. Resultaten visar att betalningsviljan för småhusrelaterade egenskaper varierar mellan regionerna Stockholm, Göteborg och Malmö. Dock bör det beaktas att variationen i betalningsviljan för egenskaper som gillestuga och tvättutrustning är stor samt att flertalet egenskaper definierade som dummys värderas högst i Malmö.

Nyckelord: Betalningsvilja, Småhus, Hedonisk

1. Inledning ... 1

2. Tidigare studier ... 3

3. Teori och statistisk modell ... 4

3.1 Hedoniska priser... 4

3.2 Statistisk modell ... 6

4. Data... 7

5. Resultat och analys... 10

5.1 Estimerad modell... 10

5.2 Betalningsvilja... 12

5.2.1 Fastighetsspecifika egenskaper... 13

5.2.1 Tillgänglighets och kommunspecifika egenskaper... 18

6. Sammanfattande slutsats ... 20

Referenslista

Appendix 1: Svenska kommunförbundets storstadsområden Appendix 2: Variabeldefinitioner

1

1. Inledning

Kapitel 1 introducerar läsaren om prisutvecklingen på svenska småhusmarknaden, dessutom en kort introduktion angående hedoniska priser. Därefter presenteras syftet med uppsatsen.

Avslutningsvis finns ett kort stycke över vad resterande kapitel behandlar.

Prisutvecklingen för småhus¹ har sedan år 1994 en stigande trend. Enligt Statistiska Centralbyråns (SCB) fastighetsprisindex har priserna för småhus i Sverige haft en årlig nominell genomsnittlig ökning på 7,10 procent över perioden 1994 - 2005. I jämförelse med nationella prisutvecklingen är genomsnittlig årlig prisutveckling för regionerna Stor- Stockholm, Stor-Göteborg och Stor-Malmö under tidigare nämnd period cirka två procentenheter högre. Trots likheterna i prisutvecklingen är storstadsregionerna tre enskilda småhusmarknader, vilka uppfyller individers olika behov av boende.

För att studera regionala prisskillnader används i flertalet studier teorin angående hedoniska priser, vilken utvecklades av Lancaster (1966) och Rosen (1974). Den hedoniska ansatsen utgår ifrån det enskilda småhuset som en heterogen vara bestående av ett antal differentierade egenskaper. Under antagande om marknadsjämvikt och nyttomaximerande individer är försäljningspriset för ett småhus summan av de småhusrelaterade egenskapernas enskilda marginalpriser. Exempel på småhusrelaterade egenskaper är boyta, tomtstorlek, förekomst av bastu, carport och garage. Men även egenskaper som närhet till regionalcentrum och kommunspecifika egenskaper som inkomst, arbetslöshet etc. är värdepåverkande faktorer (SOU 2000:10). Med hedoniska prisekvationer baserade på faktiska priser av småhusförsäljningar kan betalningsviljan eller marginalpriset för ytterligare en kvadratmeter bostadsyta beräknas, allt annat lika.

Betalningsviljan är då ett mått på hur bostadsytan värderas.

Priset för ett småhus varierar över hela Sverige, varför det kan vara intressant att studera betalningsviljan för småhusrelaterade egenskaper i olika regioner. I denna uppsats utvecklas en regressionsmodell för att prissätta småhusrelaterade egenskaper. Syftet med uppsatsen är att undersöka hur betalningsviljan för småhusrelaterade egenskaper skiljer sig mellan storstadsregionerna Stor-Stockholm, Stor-Göteborg och Stor-Malmö.

1Definition småhus: En eller tvåfamiljshus som är friliggande eller sammanbyggda till rad- eller kedjehus.

2

För att skatta hedoniska priser estimeras en regressionsmodell, från vilken egenskaperna implicit prissätts utifrån försäljningspriset. För att jämföra betalningsviljan eller marginalpriset definieras standardhus² för samtliga regioner. Tidigare nämnda regioner;

Stor-Stockholm, Stor-Göteborg och Stor-Malmö definieras enligt Kommunförbundets gruppering av svenska kommuner som storstadsområden³. Dessa storstadsområden kommer fortsättningsvis att benämnas Stockholm, Göteborg och Malmö. I appendix 1 visas vilka kommuner som tillhör respektive storstadsregion. Berg (2005) påpekar att detaljrik data är ett krav för estimering av hedoniska modeller. Data skall bl.a. innefatta försäljningspris, egenskaper för fastigheten, område och tillgänglighet. På grund av dessa krav har studien tidsmässigt begränsats till att omfatta perioden januari 1994 till december 1996, då detaljrik data erhållits för perioden. Under ovan nämnda tre årsperiod har inflationen varit 2,9 procent enligt konsumentprisindex. Pga. den låga inflationen har de nominella försäljningspriserna inte korrigerats för inflation.

Uppsatsens disposition ser ut enligt följande: Kapitel 2 presenterar ett urval av tidigare studier baserade på teorin angående hedoniska priser. I kapitel 3 presenteras teori om hedoniska priser och studiens val av statistisk modell. I kapitel 4 beskrivs data för småhusförsäljningar samt de egenskaper vars egenskaper ämnas prissättas. I kapitel 5 presenteras och analyseras resultaten av studien. I kapitel 6 avslutas uppsatsen med en sammanfattande slutsats.

2 Standardhus förklaras i avsnitt 5.2

3 Se appendix 1 för de kommuner som tillhör respektive storstadsområde.

3

2. Tidigare studier

Kapitel 2 presenterar ett urval av tidigare empirisk forskning baserad på teori angående hedoniska priser.

I forskningsrapporten ”Småhuspriserna i Sverige” undersöker Wigren (1986) bl.a.

marginalpriser på småhusrelaterade egenskaper för perioden 1977-1978. Resultaten visar att egenskaper som boyta, standard, ålder och tomtyta är värdepåverkande för småhuspriset över hela Sverige. Wigren presenterar även en genomgång av amerikanska och engelska studier vilket visar att den svenska småhusmarknaden inte skiljer från nämnvärt i jämförelse med de amerikanska och engelska. Boyta, standard, ålder och tomtyta är egenskaper som är värdepåverkande för marknadspriset i samtliga ovanstående länder.

Berger (1998) estimerar hedoniska prisekvationer och undersöker marginalpriser för egenskaper på den svenska småhusmarknaden för samtliga småhusöverlåtelser under perioden 1981 - 1993. Totalt analyseras 28 egenskaper för 111 LA-regioner. Av resultaten framgår att av de fem egenskaperna med störst effekt på priset är fyra fastighetsspecifika och en områdesspecifik. De fastighetsspecifika egenskaperna är avlopp, elektricitet, uppvärmning, toalett och den områdesspecifika egenskapen är närhet till strand.

Exempelvis är marginalpriset för strandnära läge högst i Stockholm med 425 000 kr och näst högst i Helsingborg med ett värde på 214 000 kr.

I en studie av Wilhelmsson (1997) estimeras en hedonisk modell med syfte att analysera trafikbullers påverkan på småhuspriser. Skillnaden med denna studie i jämförelse med tidigare studier är inkluderandet av en buller variabel i den hedoniska prisekvationen. I den empiriska delen används fastighetsspecifika egenskaper som boyta och tomtyta medan graden av buller används som en områdesspecifik egenskap. Resultaten visar att estimerad effekt av buller på småhuspriser är betydande. I analysen framgår att ett småhus i ett område utan buller har ett försäljningspris på 975 000 kr i jämförelse med 675 000 kr för ett småhus i närhet av trafikerad väg.

4

Wilhelmsson (2004) studerar betalningsviljan för ett antal prispåverkande egenskaper knutna till fastighet och område i Stockholms Stad. Till skillnad från ovanstående studier erhålls data via brevenkäter där samtliga fastighetsägare som under år 2000 köpt ett småhus fått svara på enkäten. Detta gjordes för att analysera hur betalningsviljan varierar mellan olika typer av hushåll. I slutsatsen av studien framgår bl.a. att betalningsviljan inte skiljer sig nämnvärt med avseende på socioekonomiska egenskaper och att ur miljöhänsyn viktiga egenskaper som 3-glasfönster, tilläggsisolering, värmepump och snålspolande toaletter inte har någon signifikant påverkan på priset.

3. Teori och statistisk modell

Kapitel 3 förklarar teori angående hedoniska priser vilken används i denna uppsats.

Slutligen diskuteras val av modell och dess tolkning.

3.1 Hedoniska priser

Enligt teorin angående hedoniska priser definieras ett småhus med avseende på dess differentierade egenskaper som en heterogen vara dvs. husets standard. Exempel på de egenskaper som differentierar småhuset är boyta och existensen av bl.a. bastu, diskmaskin och garage. Enligt (SOU 2000:10) kan egenskaperna grupperas enligt följande: fastighets- specifika egenskaper som tomtens yta, existens av badrum och carport samt områdesspecifika egenskaper som närhet till regionalcentrum men även kommunspecifika egenskaper som inkomstnivån och arbetslöshet för kommunen som småhuset tillhör.

Antagandet om marknadsjämvikt för småhus, vilket bl.a. innebär att samtliga individer maximerar nyttan och att högste budgivare köper varje enskilt småhus, resulterar i att marknadspriset är en funktion av det summerade värdet för de småhusrelaterade egenskaperna. Utifrån ovanstående antaganden kan priset för det i:te småhuset beskrivas som summan av priserna på dess fastighetsspecifika, områdesspecifika och kommunspecifika egenskaper, se ekvation (1) nedan. Priset för småhuset är en funktion av en vektor bestående av fastighetsspecifika egenskaper F, en vektor bestående av områdes- specifika egenskaper O, och en vektor bestående av kommunspecifika egenskaper K.

Ph_i =Ph

(

)

5

Enligt Freeman (1994) kan det marginella hedoniska priset beräknas om ekvation (1 sid.4) differentieras med avseende på den undersökta egenskapen. För att beräkna det implicita hedoniska priset för fastighetsegenskapen f_j, derivera den hedoniska prisfunktionen med avseende på f_j.

_fj( _j)

j

h P f

f P = δ

δ (2)

Ekvation (2) ger det implicita marginalpriset för egenskap f_j och tolkas som det pris en individ måste betala för att erhålla ett hus med ytterligare en enhet av egenskap f_j, allt annat lika.

Under ovanstående antaganden beträffande jämvikt och nyttomaximerande individer är det marginella hedoniska priset lika med individens marginella betalningsvilja för egenskapen.

Figur 1:Hedoniska prisfunktionen (Freeman)

Figur 1.A visar tänkbar utveckling från skattningen av ekvation (1), det hedoniska priset för fastighetsegenskapen (f_j). Figur B visar ekvation (2), det marginella hedoniska priset av fastighetsegenskapen (f_j) och den marginella betalningsviljan för två (b_jk & b_jm) individer under antagandet om jämvikt och nyttomaximering. Individernas val innebär att den marginella betalningsviljan är lika med det marginella hedoniska priset för egenskapen (f_j).

A B

^´_{( )}

j

h f

P

fj

fj

b^jk

0 0

hi

P Pris

) ( _j

h f

P

bj m

fjk fj m

Marginal Pris

6

3.2 Statistisk modell

I flertalet artiklar diskuteras valet av funktionell form för den hedoniska modellen. Enligt (Brachinger) kan modellen specificeras som linjär, multiplikativ, semilog eller Box Cox transformerad. Teorin ställer inga krav på specifikationsform. Den hedoniska prisekvationen är som tidigare nämnts en funktion av småhusets egenskaper och försäljningspriset. I denna studie används ett multiplikativt samband mellan försäljningspriset och småhusets egenskaper, ekvation (3).

^













+

=

∑ ∑



 



 Χ

=

∏

n m j

T t

t t j

jX D

m

i i

i e

P ^{1 1}

1

δ β

α β (3)

där:

P = försäljningspriset för småhuset

Xi = i: te kontinuerliga egenskapen ( i = 1,....,m)

Xj = j: te egenskapen definierad dummy ( j = m + 1,…..,n)

D_t = dummy variabel lika med 1 om småhuset är sålt under år t, annars lika med 0

Omskrivning av ekvation (3) inklusive felterm ger en log-linjär modell ekvation (4).

∑ ∑ ∑

+

= =

=

+ +

+ +

=

n m j

T t

t t j

j m

k

i i

i

X X D

P

1 1

1

0

ln

ln β β β δ ε

Ekvation (4) skattas med multipel OLS regression vilket resulterar i att koefficient estimaten är i elasticitetsform (Gujarati 2003).

7

4. Data

Kapitel 4 presenterar data för småhusförsäljningar samt deskriptiv information om de småhus- relaterade egenskaper som används i uppsatsen.

Den empiriska studien baseras på småhusförsäljningar i Stockholm, Göteborg och Malmö för åren 1994 till 1996⁴. Data innehåller 43 206 observationer över realiserade småhusförsäljningar insamlade från Fastighetsprisregistret, vilket bl.a. innehåller information om försäljningspris och försäljnings datum etc. Data för de fastighetsspecifika egenskaperna är insamlade från Fastighetstaxeringsregistret. Totalt innehåller data 14 fastighetsspecifika egenskaps-variabler vilka representeras av bostadsyta, tomtyta, biyta, samt förekomst av bastu, badkar/dusch, carport, diskmaskin, frys, garage, gillestuga, kaklat badrum, toalett, tvättutrustning, och öppen spis.

Kommunspecifika egenskaper representeras av variabeln nybyggnationer vilken defineras;

summan av antalet nybyggda små- och flerfamiljshus. Tillgänglighetsspecifika egenskaper representeras av en avstånds variabel med antalet kilometer till kommuncenter, avståndet beräknas med Pytagoras sats⁵ då data innehåller koordinater för varje enskilt småhus samt kommunalt center. För att illustrera samtliga variabler presenteras i tabell 1 (sid. 8) deskriptiv data för småhusförsäljning i storstadsregionerna, Stockholm, Göteborg och Malmö. Av tabellen framgår att medelspriset för ett småhus är högst i Stockholm med ett värde på 1 081 000 kronor. Medelpriset i Göteborg och Malmö är 858 000 kronor samt 808 000 kronor. Medelvärdet för boyta skiljer sig inte nämnvärt utan ligger i intervallet 115-126 m² för de tre regionerna.

I tabell 1 framgår också att ett antal variabler är definierade som dummyvariabler, vilket innebär att de antar värdet 1 vid förekomst av fastighetsspecifik egenskap, vilket innebär att dummyvariabeln bastu antar värdet 1 om bastu finns och 0 om bastu inte finns. Övriga egenskapsvariabler och försäljningspriset är kontinuerliga.

4 Lennart Berg vid National ekonomiska institutionen Uppsala universitet och Tommy Berger vid Bostads- och Urbanforskning uppsala Universitet har var varit vänliga att tillhandahålla data.

5 [

(

)

8

Dessutom genereras dummyvariabler för i vilken storstadsregion småhuset är sålt samt dummyvariabler för vilket av åren 1994 – 1996 försäljningen skedde. I appendix 2 presenteras definitioner av samtliga variabler.

Tabell 1: Deskriptiv data för småhusförsäljningar 1994:01-1996:12

Variabel Medel Max. Min. Std.

Region: Stockholm (24100 obs.)

1. Pris (tkr) 1081 9100 160 638

2. Bostadsyta (m²) 118 750 20 45

3. Tomtyta (m²) 1212 89400 0 1888

4. Biyta (m²) 35 500 0 39

5. Badkar/Dusch* 0,86 1 0 0,34

6. Bastu* 0,22 1 0 0,42

7. Carport* 0,08 1 0 0,26

8. Diskmaskin* 0,53 1 0 0,49

9. Frys* 0,44 1 0 0,50

10. Garage* 0,72 1 0 0,45

11. Gillestuga* 0,13 1 0 0,34

12. Kaklat badrum* 0,25 1 0 0,43

13. Toalett* 0,92 1 0 0,28

14. Tvättutrustning* 0,51 1 0 0,50

15. Öppen spis* 0,49 1 0 0,50

16. Nybyggnationer (antal) 386 1766 0 4,84

17. Avstånd till kommunalt centrum (km) 6,06 32,52 0 4,89

Region: Göteborg (11290 obs.)

1. Pris (tkr) 858 7000 130 439

2. Bostadsyta (m²) 115 450 20 44

3. Tomtyta (m²) 1153 139964 0 3060

4. Biyta (m²) 34 359 0 38,65

5. Badkar/Dusch* 0,85 1 0 0,36

6. Bastu* 0,16 1 0 0,37

7. Carport* 0,08 1 0 0,27

8. Diskmaskin* 0,49 1 0 0,50

9. Frys* 0,45 1 0 0,50

10. Garage* 0,73 1 0 0,45

11. Gillestuga* 0,14 1 0 0,35

12. Kaklat badrum* 0,24 1 0 0,43

13. Toalett* 0,93 1 0 0,25

14. Tvättutrustning* 0,53 1 0 0,50

15. Öppen spis* 0,42 1 0 0,49

16. Nybyggnationer (antal) 426 1094 8 428

17. Avstånd till kommunalt centrum (km) 7,35 23,70 0,05 4,46

* Variabel definerad som dummy, vid förekomst av egenskap = 1 annars = 0 Övriga variabler är kontinuerliga

9

Tabell 1: Deskriptiv data för småhusförsäljningar 1994:01-1996:12 (forts.)

Variabel Medel Max. Min. Std.

Region: Malmö (7816 obs.)

1. Pris (tkr) 808 8309 29 416

2. Bostadsyta (m²) 126 998 28 44

3. Tomtyta (m²) 958 43972 1 1646

4. Biyta (m²) 32 560 0 41

5. Badkar/Dusch* 0,92 1 0 0,27

6. Bastu* 0,12 1 0 0,33

7. Carport* 0,17 1 0 0,38

8. Diskmaskin* 0,51 1 0 0,50

9. Frys* 0,45 1 0 0,50

10. Garage* 0,57 1 0 0,50

11. Gillestuga* 0,11 1 0 0,31

12. Kaklat badrum* 0,26 1 0 0,44

13. Toalett* 0,98 1 0 0,14

14. Tvättutrustning* 0,59 1 0 0,49

15. Öppen spis* 0,29 1 0 0,46

16. Nybyggnationer (antal) 202 619 0 213

17. Avstånd till kommunalt centrum (km) 5,71 26,79 0,03 4,75

* Variabel definerad som dummy, vid förekomst av egenskap = 1 annars = 0 Övriga variabler är kontinuerliga

0 2000 4000 6000 8000 10000 12000

4 5 6 7 8 9

Series: LNPRIS Observations 43206 Mean 6.752405 Median 6.733402 Maximum 9.116030 Minimum 3.367296 Std. Dev. 0.498757 Skewness 0.063143 Kurtosis 4.045010 Jarque-Bera 1994.667 Probability 0.000000

Figur 2: Fördelning för logaritmerat försäljningspris

I figur 2 visas fördelningen för den beroende variabeln i den hedoniska regressions- modellen: logaritmerat försäljningspris. I figur 2 framgår att värdena för skevhet och toppighet är 0,063 respektive 4,045. Nollhypotesen för Jarque-Beras test angående normalfördelat försäljningspris förkastas på enprocentsnivån. Detta skall dock inte vara ett problem eftersom fördelningen för priser på tillgångar oftast är leptokurtisk samt att antalet observationer är stort.

10

5. Resultat och analys

Kapitel 5 presenterar resultaten från de statistiska skattningar som företagits, därefter presenteras tillvägagångssättet för att beräkna betalningsviljan för de småhusrelaterade egenskaperna. Slutligen presenteras och analyseras resultaten.

5.1 Estimerad modell

I tabell 2 (sid.11) presenteras resultat av estimerad modell där beroende variabel är försäljningspris (logaritmerat) och oberoende variabler är samtliga egenskapsvariabler⁶ presenterade i avsnitt 2.1 exklusive årtals dummys. Inledningsvis estimerades modellen med årtals dummys vilket resulterade i icke signifikanta estimat. Detta tyder på att de kvalitetsjusterade försäljningspriserna för småhus under perioden 1994 – 1996 varit relativt konstanta. I estimerad modell används Stockholm som benchmark och innebörden av detta kan enkelt beskrivas med ekvation (5).

D Boyta

i i

i ln

3 2

1 



 



 +

∑

=

β

β (5) där:

B1= benchmarks estimat för lnBoyta, i detta fall Stockholm D2= dummy, som antar värdet 1 för Göteborg, annars = 0 D3= dummy som antar värdet 1 för Malmö, annars = 0

Detta innebär att estimaten för Göteborg (β₂) och Malmö (β₃) visar om det finns någon statistisk signifikant skillnad mot benchmark i det här fallet Stockholm.

Whites residual test för heteroskedasticietet (F-statistika = 64,22 ) samt Breusch-Godfrey test ( F-statistika = 234.73) för autokorrelation är signifikanta på enprocentsnivån. Detta innebär att modellens standardfel blir felaktigt genererade och korrigeras därför med Newey-Wests metod. Förklaringsvärdet för estimerad modell är 0,66 vilket är relativt högt.

Modellens estimat är i elasticitetsform och estimatet 0,71 för boyta i Stockholm innebär att en ökning av boytan med en procent ger en prisökning på 0,71 procent, allt annat lika.

6 Kontinuerliga variabler logaritmeras

11

Som tidigare nämnts används Stockholm som benchmark, vilket innebär att estimaten i tabell 2 tolkas enligt följande: då boyta-estimatet för Göteborg i jämförelse med benchmark är signifikant är estimatet för boyta i Göteborg 0,711+(-0,059)= 0,0652

Beroende variabel: lnPris Stockholm² Göteborg Malmö lnBostadsyta 0,711*** -0,059*** -0,053**

lnTomtyta 0,148*** -0,115*** -0,105***

lnBiyta 0,032*** -0,014*** -0,026***

Badkar/Dusch 0,019** 0,018 0,074***

Bastu 0,021*** 0,025*** 0,026**

Carport 0,054*** -0,003 -0,016

Diskmaskin 0,061*** 0,028*** 0,043***

Frys 0,013*** 0,023*** 0,024**

Garage 0,005 -0,027*** -0,029***

Gillestuga 0,008 0,002 0,062***

Kaklat badrum 0,083*** -0,009 -0,03***

Toalett 0,151*** 0,013 0,079*

Tvättutrustning 0,001 0,023*** 0,033***

Öppen spis 0,099*** -0,010 0,042***

lnNybyggnationer 0,050*** -0,004 0,004

lnAvstånd -0,021*** -0,010* -0,017**

*** 1% sign. Breusch Godfrey Autokorrelations test

** 5 % sign. F-stat 234,72 (0,000)

* 10 % sign. White Heteroskedasticiet Test Justerat R² 0,66 F-stat 64,22 (0,000)

Antal obs. 42339

1Justerat för heteroskedasticitet och autokorrelation med Newey-West.

2 Benchmark

Tabell 2: Empiriska resultat av estimerad regressionsmodell¹

I tabell 2 framgår att estimaten för småhusrelaterade egenskaperna bostadsyta, tomtyta samt biyta är högst för Stockholm. I jämförelse med benchmark skiljer sig både Göteborg och Malmö signifikant negativt för ovanstående egenskaper. Göteborgs estimat för badkar/dusch, carport, gillestuga, toalett, öppen spis samt nybyggnationer är inte signifikant skiljd från benchmark. Det innebär att samtliga av dessa estimat har samma effekt på småhuspriset i regionerna Stockholm och Göteborg. Göteborg och Malmös estimat för carport samt nybyggnationer är inte signifikant skiljda mot benchmark. Det innebär att det inte föreligger någon signifikant skillnad i egenskapernas påverkan på småhuspriset mellan de tre regionerna. Resultatet i tabell 2 visar att det föreligger likheter och skillnader i hur de olika egenskaperna påverkar småhuspriset mellan de tre regionerna.

12

5.2 Betalningsvilja

För att enklare jämföra resultaten beräknas storstadsregionernas betalningsvilja för samtliga egenskaper. Betalningsviljan (marginella hedoniska priset) är som tidigare nämnts ett mått på hur de småhusrelaterade egenskaperna värderas i de olika regionerna.

Småhusens sammansättning varierar i Stockholm, Malmö och Göteborg vilket påverkar observerad prisnivå samt modellens estimat. För att jämföra betalningsviljan skapas standardhus för samtliga storstadsregioner. Standardhusen består av medelvärden för samtliga småhusrelaterade egenskaper och beräknas utifrån samtliga småhus i de tre regionerna. Standardhusens värden används för att räkna ut betalningsviljan för de småhusrelaterade egenskaperna i de tre regionerna. Standardhus för Stockholm, Göteborg och Malmö presenteras i tabell 3.

Tabell 3: Regionernas standardhus. Medelvärden för samtliga småhusrelaterade egenskaper

Variabel Stockholm Göteborg Malmö

1. Pris (tkr) 1081 858 808

2. Bostadsyta (m²) 118 115 126

3. Tomtyta (m²) 1212 1153 958

4. Biyta (m²) 35 34 32

5. Badkar/Dusch* 0,86 0,85 0,92

6. Bastu* 0,22 0,16 0,12

7. Carport* 0,08 0,08 0,17

8. Diskmaskin* 0,53 0,49 0,51

9. Frys* 0,44 0,45 0,45

10. Garage* 0,72 0,73 0,57

11. Gillestuga* 0,13 0,14 0,11

12. Kaklat badrum* 0,25 0,24 0,26

13. Toalett* 0,92 0,93 0,98

14. Tvättutrustning* 0,51 0,53 0,59

15. Öppen spis* 0,49 0,42 0,29

16. Nybyggnationer (antal) 386 426 202

17. Avstånd till kommunalt centrum (km) 6,06 7,35 5,71

* Variabel definerad som dummy, vid förekomst av egenskap = 1 annars = 0 Övriga variabler är kontinuerliga

13

Betalningsviljan beräknas implicit med följande ekvationer, där ekvation (6) används för kontinuerliga egenskaper och ekvation (7) för egenskaper definierade som dummy.

Betalningsviljan för den i:te egenskapen är prisökningen alternativt prissänkningen för standardhuset vid en marginell förändring av egenskap i, allt annat lika.

_{j ij}

sj

ij P H

E ∗ =









 β

(6)

(

)

där:

Hij = region j:s betalningsvilja (marginella hedoniska priset) för ytterligare en enhet av i:te egenskapen, allt annat lika

β_ij = region j:s estimat för i:te egenskapen Pj = medelpriset för standardhuset i region j E_sj = medelvärdet för egenskap s i region j

5.2.1 Fastighetsspecifika egenskaper

Bostadsytan är en av de viktigaste och mest nyttjade egenskaperna för bestämmandet av småhuspriser (Sirman 2005). Det förväntade tecknet är positivt då en ökning av bostadsytan förväntas höja priset för ett småhus. Samtliga estimat är positiva och varierar mellan 0,65 och 0,71. Betalningsviljan för ytterligare en kvadratmeter varierar mellan 4 240 kronor för Malmö och 6 514 kr för Stockholm beräknat på regionernas standardhus.

I Göteborg är betalningsviljan 4 863 kronor, vilket innebär att spridningen i betalningsvilja mellan regionerna för ytterligare en kvadratmeter bostadsyta är liten.

14

Förväntat tecken för tomtytan är positivt. Enligt Berger (1998) skall tomten vara oerhört stor för att den skall bli en belastning för fastighetsägaren, vidare påpekar Berger att det alltid finns en möjlighet att stycka av tomten för att sälja den del som är en belastning.

Estimaten skiljer sig för samtliga regioner och varierar mellan 0,033 och 0,148, där Stockholm har det högsta estimatet och Göteborg det lägsta. Betalningsviljan för ytterligare en kvadratmeter tomtyta beräknat med standardhusens medelvärden för tomtyta varierar mellan storstadsregionerna. Betalningsviljan är högst i Stockholm med 132 kr kronor och betydligt lägre i Göteborg med ett värde på 24 kronor, medan värdet för Malmö är 36 kronor.

Biytan är den yta av småhusets yta som inte klassas som bostadsyta. Det förväntade tecknet är positivt med hypotesen om möjligheter för utbyggnad samt att biytan kan användas till förvaring. Estimaten är positiva för de tre storstadsregionerna men relativt låga. Stockholm har det högsta estimatet 0,032 medan Malmö har lägst 0,05. Beräkning av betalningsviljan för ytterligare en kvadratmeter biyta med standardhusens medelvärden för biyta resulterar i att Stockholm har högst betalningsvilja med ett värde på 981 kronor för ytterligare en kvadratmeter biyta. De låga estimaten för Göteborg och Malmö resulterar i en betalningsvilja på 439 kronor för Göteborg samt 182 kronor för Malmö. I figur 3 illustreras betalningsviljan för ytterligare en enhet av egenskaper definierade som yta, där framgår tydligt att Stockholm har högst betalningsvilja för samtliga av de ovanstående egenskaperna.

Bostadsyta (m²)

0 kr 1 000 kr 2 000 kr 3 000 kr 4 000 kr 5 000 kr 6 000 kr 7 000 kr

Stockholm Göteborg Malmö

Tomtyta (m²)

0 kr 50 kr 100 kr 150 kr

Stockholm Göteborg Malmö

Biyta (m²)

0 kr 200 kr 400 kr 600 kr 800 kr 1 000 kr 1 200 kr

Sto ckholm Göteborg M almö

Figur 3 Betalningsviljan för ytterligare en kvadratmeter, bostadsyta, tomtyta och biyta

15

Egenskaper som badkar/dusch, bastu, toalett och kaklat badrum är egenskaper som har ett positivt förväntat tecken. Sirman (2005) har i en studie sammansällt flertalet egenskaper som påverkar fastighetspriser Sirman påpekar att förekomst av badkar eller dusch påverkar priset positivt. Förekomst av bastu och kaklat badrum är enligt Berger (1998) positiva egenskaper för småhuspriset. Estimaten för bastu är för samtliga regioner positiva och varierar mellan 0,021 och 0,047. Estimaten resulterar i att betalningsviljan för bastu i Stockholm är 22 422 kronor medan betalningsviljan är högre i Göteborg och Malmö, 40 361 kronor respektive 38 555 kronor.

I avsnitt 5.1 framgår att kaklat badrum-estimatet för Göteborg inte är signifikant skiljt jämfört med benchmark, detta resulterar i att kaklat badrum-estimatet för Göteborg är detsamma som Stockholms 0,083 medan badrum-estimatet för Malmö är 0,053. Estimaten resulterar i att betalningsviljan för kaklat badrum är 93 283 kronor i Stockholm och 74 026 kronor i Göteborg samt 44 678 kronor i Malmö. Estimaten för toalett följer samma mönster som kaklat badrum. Estimatet som påvisar skillnaden för Göteborg i jämförelse med benchmark är icke signifikant. Det resulterar i att Stockholms och Göteborgs estimat är 0,15 medan estimatet för Malmö är 0,23. Betalningsviljan för toalett i Stockholm är 175 960 kronor medan värdet för Göteborg är 139 613 kronor, Malmös betalningsvilja för toalett är högst 209 074 kronor.

Badkar/Dusch-estimatet för Göteborg är icke signifikant skiljt jämfört med benchmark.

Detta resulterar i att estimatet för Stockholm och Göteborg är 0,019. Malmös estimatet är positivt signifikant mot benchmark och antar värdet 0,094 vilket resulterar i en stor skillnad i betalningsviljan för bastu. Betalningsviljan för badkar/dusch är högst i Malmö 79 494 kronor vilket i jämförelse med Stockholm 21 091 kronor och Göteborg 16 737 kronor är betydligt högre. I figur 4 (sid.16) illustreras betalningsviljan i Stockholm, Göteborg och Malmö för bastu, kaklat badrum, toalett samt badkar/dusch.

16

Bastu

0 kr 10 000 kr 20 000 kr 30 000 kr 40 000 kr 50 000 kr

Stockholm Göteborg M almö

Kaklat badrum

0 kr 20 000 kr 40 000 kr 60 000 kr 80 000 kr 100 000 kr

Sto ckho lm Gö tebo rg M almö

Toalett

0 kr 50 000 kr 100 000 kr 150 000 kr 200 000 kr 250 000 kr

Stockholm Götebo rg M almö

Badkar/Dusch

0 kr 20 000 kr 40 000 kr 60 000 kr 80 000 kr 100 000 kr

Sto ckho lm Gö tebo rg M almö

Figur: 4 Betalningsvilja för bastu, kaklat badrum, toalett samt badkar/dusch

Carport och Garage är egenskaper som enligt Sirman (2005) har positivt förväntat tecken.

Det föreligger ingen signifikant skillnad i jämförelse med benchmark för Malmö och Göterborg. Estimatet blir således 0,054 för samtliga regioner. Skillnaden i pris för regionernas standardhus resulterar i att betalningsviljan för regionerna varierar. Betalnings- viljan för Carport i Stockholm är högst med ett värde på 59 666 kronor medan värdena för Göteborg och Malmö är 47 349 kronor samt 44 624 kronor.

Garage är en egenskap som enligt Sirman (2005) har förväntat positivt tecken. Garage- estimatet i Stockholm är inte signifikant. Garage-estimatet för både Göteborg och Malmö är negativt signifikant skiljt i jämförelse med benchmark. Detta resulterar i negativa estimat för Göteborg och Malmö vilka är -0,022 samt -0,024. Negativa estimat ger en negativ betalningsvilja i Göteborg och Malmö på -18 856 kronor samt -19 400 kronor för garage. En anledning till de negativa estimaten kan vara att garage-estimatet fångar upp effekten av småhusets avstånd till regioncentrum. Småhus som ligger i utkanten av regionen har längre avstånd till regioncentrum vilket bör öka behovet transportmöjligheter.

Enligt hypotes om ett samband mellan avstånd till regioncentrum och förekomst av garage är det rimligt att garage-estimatet är negativt.

17

Gillestuga är en egenskap vilken enligt Berger (1998) förväntas ha positiv effekt på småhuspriset. Estimaten för Stockholm och Göteborg är inte signifikanta. Estimatet för Malmö är positivt med värdet 0,07 och resulterar i en betalningsvilja på 58 766 kronor. Att betalningsviljan för gillestuga varierar från 0 kronor till 58 766 kronor är ett anmärkningsvärt resultat.

Diskmaskin, frys, tvättutrustning (tork och tvättmöjligheter) och öppenspis är standard höjande egenskaper, förväntat tecken är positivt. Estimaten för diskmaskin varierar mellan 0,061 och 0,1. Högsta estimatet har Malmö, estimaten för Göteborg och Stockholm är 0,089 samt 0,061. Variationen i estimaten leder till att betalningsviljan varierar mellan regionerna dock inte anmärkningsvärt. Högst betalningsvilja har Malmö 88 674 kronor betalningsviljan för Stockholm och Göteborg är 67 711 kronor respektive 79 541 kronor.

Betalningsviljan för frys varierar för samtliga regioner. Värdet för Stockholm är lägst 13 622 kronor. Betalningsviljan i Göteborg och Malmö är 31 242 kronor respektive 29 956 kronor. Skillnaden i betalningsviljan beror på att estimaten varierar mellan 0,013 och 0,036 där Stockholm har lägst estimat och Malmö högst.

Tvättutrustning-estimatet för Stockholm är inte signifikant. Estimatet för Göteborg och Malmö är 0,024 samt 0,034 vilket resulterar i en betalningsvilja på 20 944 kronor för Göteborg och 28 311 kronor för Malmö. Betalningsviljan för öppenspis varierar mellan regionerna. Betalningsviljan i Malmö är högst 163 037 kronor, medan värdena för Stockholm och Göteborg är 112 119 kronor respektive 79 486 kronor. Regionernas betalningsvilja för egenskaperna diskmaskin, frys, tvättutrustning och öppen spis illustreras i figur 5.

Diskmaskin

0 kr 20 000 kr 40 000 kr 60 000 kr 80 000 kr 100 000 kr

Stockholm Göteborg M almö

Frys

0 kr 5 000 kr 10 000 kr 15 000 kr 20 000 kr 25 000 kr 30 000 kr 35 000 kr

Stockholm Gö tebo rg M almö

Tvättutrustning

0 kr 5 000 kr 10 000 kr 15 000 kr 20 000 kr 25 000 kr 30 000 kr

Sto ckholm Götebo rg M almö

Öppen spis

0 kr 50 000 kr 100 000 kr 150 000 kr 200 000 kr

Stockholm Göteborg Malmö

Figur:5 Betalningsviljan för diskmaskin, frys och tvättutrustning.

18

5.2.2 Tillgänglighets och kommunspecifika egenskaper

Bland många andra har Berger (1998) funnit att avståndet till regionalt centrum har en negativ effekt på priset för ett småhus. Estimaten varierar mellan och -0,038 och -0,011.

Effekten för ytterligare en kilometer från kommuncentrum beräknad med standardhusens medelavstånd till kommuncentrum är störst i Malmö -5384 kronor. Effekten för Stockholm och Göteborg är -3723 kronor respektive -1314 kronor. I figur (6) illustreras betalnings- viljan för ytterligare en kilometer från kommuncentrum.

Avstånd (km)

Sto ckholm

Göteborg

M almö -6 000 kr

-5 000 kr -4 000 kr -3 000 kr -2 000 kr -1 000 kr 0 kr

Figur 6: Betalningsviljan för ytterligare en kilometersavstånd från kommuncentrum

Förväntat tecken för antalet nybyggnationer är negativt, enligt hypotes om utbud och efterfrågan. Estimatet för Stockholm är positivt, 0,050 medan estimaten för Malmö och Göteborg som ger skillnaden i jämförelse med benchmark inte är icke signifikant.

Estimatet för nybyggnationer är således 0,050 för de tre regionerna. Betalningsviljan för ytterligare en nybyggnation, beräknad med regionernas standardhus är högst i Malmö 201 kronor. Medan värdena för Stockholm och Göteborg är 141 kronor respektive 101 kronor.

Icke förväntat tecken kan bero på att variabeln för nybyggnationer korrelerar med rådande konjunkturläge vilket bör påverka priset positivt.

19

Sammanfattningsvis visar resultatet förväntat tecken för de flesta estimaten. Av beräknade betalningsviljor framgår tydligt att det föreligger skillnad mellan storstadsregionerna.

Betalningsviljan för egenskaperna boyta, tomtyta och biyta varierar för de tre regionerna. I Stockholm värderas ytterligare en kvadratmeter bostadsyta till 6514 kronor vilket är högre än för Göteborg och Malmö. Värdet för ytterligare en kvadratmeter tomtyta är högst i Stockholm 132 kronor, i Göteborg och Malmö är värdet 24 kronor respektive 36 kronor.

Biyta värderas även högst i Stockholm 981 kronor, följt av Göteborg med 439 kronor.

Lägst är värde 182 kronor har Malmö. Det föreligger alltså ingen större variation i hur egenskapen tomtyta värderas i de tre regionerna. Den betydande variationen i betalningsvilja för tomtyta och biyta bör dock uppmärksammas.

Egenskaper i modellen definierade som dummys uppvisar varierande resultat. Estimatet för carport skiljer sig inte mellan regionerna vilket leder till liten variation i betalningsvilja för carport. Betalningsviljan för carport är högst i Stockholm 59 666 kronor medan värdet för Göteborg och Malmö är 47 349 kronor samt 44 624 kronor. Variationen i betalningsviljan för öppen spis är stor, högst värde har Malmö 163 037 kronor och lägst har Göteborg 79 486 kronor. Betalningsviljan för garage, gillestuga och tvättutrustning är icke signifikant för Stockholm, vilket ger stor variation mellan regionerna då exempelvis betalningsviljan för tvättutrustning i Malmö är 28 311 kronor.

Avståndet till kommunalt centrum har störst effekt i Malmö där betalningsviljan för ytterligare en kilometer från centrum är -5 384 kronor. Värdet för Stockholm och Göteborg är -3 723 kronor respektive -1 314 kronor.

Anmärkningsvärt är att betalningsviljan för mer än hälften av de egenskaper definierade som dummys värderas högst i Malmö. Trots förväntat tecken och skillnad i betalningsvilja för regionerna bör de stora skillnaderna i estimerad betalningsvilja för regionerna Stockholm, Göteborg och Malmö beaktas. Det beror troligtvis på att modellen estimeras med för generellt definierade egenskapsvariabler samt att estimerad modell innehåller för få egenskapsvariabler.

20

6. Sammanfattande slutsats

Kapitel 6 sammanfattar uppsatsen. Övergripande resultat och slutsats av studien presenteras.

Stockholm, Göteborg och Malmö är ledande regioner i prisutvecklingen på svenska småhusmarknaden. Trots likheterna i prisutvecklingen är storstadsregionerna tre enskilda småhusmarknader, vilka uppfyller individers olika behov relaterat till boende. I den här uppsatsen studeras betalningsviljan för småhusrelaterade egenskaper i regionerna Stockholm, Göteborg och Malmö. Syftet med uppsatsen har varit att jämföra om betalningsviljan för småhusrelaterade egenskaper skiljer sig mellan storstadsregionerna Stockholm, Göteborg, och Malmö. Studien grundar sig på data bestående av småhusrelaterade egenskaper för faktiska småhusförsäljningar i Stockholm, Göteborg och Malmö och omfattar perioden 1994-1996. Estimering av hedonisk modell resulterar i elasticiteter för värdepåverkande småhusegenskaper. Med standardhus beräknas betalningsviljan för småhusrelaterade egenskaper i regionerna. Resultaten visar att betalningsviljan för småhusrelaterade egenskaper varierar mellan regionerna. Exempelvis varierar betalningsviljan för ytterligare en kvadratmeter mellan 4 240 – 6 514 kronor. Det bör dock beaktas att det föreligger stor variation i betalningsvilja för exempelvis egenskaper som Gillestuga och Tvättutrustning samt att flertalet av egenskaper definierade som dummys värderas högst i Malmö.

Referenslista

Berg L. (2005) Prices and constant quality price indexes for multi-dwelling and commercial buildings in Sweden,

Journal of Real Estate Research, vol.27, nr.1.

Berger T. (1998), Priser på egenskaper för småhus. Arbetsrapport. nr 14.

Uppsala Universitet, Institutet för bostadsforskning.

Freeman M. (1994), The Measurement of Environmental and Resource Values, Resources for the future, Washington, DC, 367-400.

Gujarati D.N. (2003), Basic Econometrics, 4 ed., McGraw-Hill, Boston.

Lancaster K.J. (1966). A new approach to consumer theory.

Journal of Political Economy, vol.74.

Rosen S. (1974), Hedonic Prices and Implicit Markets: Product Differentiation in Pure Competition, Journal of Political Economy, vol.82.

Sirman S. (2005). The Composition of Hedonic Pricing Models.

Journal of Real Estate Literature, 2005, vol.13.

SOU (2000:10). Fastighetstaxering – precision, påverkansmöjligheter individuella möjligheter. Stockholm

Wigren, Rune (1986). Småhuspriserna i Sverige. Betydelsen av egenskaper hos hus, tomt och omgivning för skillnader i marknadspriser under 1977-1978.

Forskningsrapport SB:1- Statens institutu för byggnadsforskning, Gävle.

Wihelmsson M. (1997). Trafikbuller och fastighetsvärden. Kungliga tekniska högskolan, institutionen för fastigheter och byggande, avdelningen för bygg- och fastighetsekonomi, Stockholm.

Wilhelmsson M. (2004). Boendet och Miljön – Värdepåverkande egenskaper vid prissättning av enfamiljshus med äganderätt. Kungliga tekniska

högskolan, institutionen för fastigheter och byggande, avdelningen för bygg- och fastighetsekonomi, Stockholm.

Internet

Länk som visar historisk inflationstakt:

http://www.ssd.scb.se/databaser/makro/start.asp (2006-05-10)

- sök: KPI inflation .

Länk som definierar småhus

http://www.regeringen.se/content/1/c6/05/55/67/56114975.pdf (2006-05-12)

- sök: definition

Appendix 1: Svenska kommunförbundets Storstadsområden

Nr Kommun Nr Kommun Nr Kommun

0114 Upplands Väsby 1384 Kungsbacka 1230 Staffanstorp

0115 Vallentuna 1401 Härryda 1231 Burlöv

0117 Österåker 1402 Partille 1233 Vellinge

0120 Värmdö 1407 Öckerö 161 Kävlinge

0123 Järfälla 1415 Stenungsund 1262 Lomma

0125 Ekerö 1419 Tjörn 1263 Svedala

0126 Huddinge 1440 Ale 1280 Malmö

0127 Botkyrka 1441 Lerum 1281 Lund

0128 Salem 1480 Göteborg 1287 Trelleborg

0136 Haninge 1481 Mölndal

0138 Tyresö 1482 Kungälv

0139 Upplands-Bro 0160 Täby 0162 Danderyd 0163 Sollentuna 0180 Stockholm 0182 Nacka 0183 Sundbyberg 0184 Solna 0186 Lidingö 0187 Vaxholm 0191 Sigtuna

Stor-Stockholm Stor-Göteborg Stor-Malmö

Appendix 2 Variabeldefinitioner

Var.namn Förklaring

pris logaritmerat försäljnigspris boyta bostadsytan i m2 tomt tomtytan i m2

bi biytan i m2

dbad 1=badkar eller dusch finns, 0=finns ej dbas 1=bastu finns, 0=finns ej

dcar 1=carport finns, 0=finns ej ddis 1=diskmaskin finns, 0=finns ej dfry 1=frys >150 liter finns, 0=finns ej dgar 1=garage finns, 0=finns ej dgil 1=gillestuga finns, 0=finns ej dkak 1=kaklat badrum, finns 0=finns ej dtoa 1=toallet finns, 0=finns ej

dtva 1= tvätt och torkmöjligheter finns, 0=finns ej dosp 1= öppenspis finns, o= finns ej

nbyg logaritmerat antal nybyggnationer av små- och flerfamiljshus avst logaritmerat avstånd till kommuncentrum

dgbg 1=småhus i Göteborg 0=ej i Göteborg dmalmo 1=småhuset i Malmö 0= ej i Malmö d95 1= försäljningsår 1995 0=ej 1995 d96 1= försäljningsår 1996 0=ej 1996