-betalningsvilja för kontor. Tillväxt, miljö och regionplanering

Transkript

1 -betalningsvilja för kontor Tillväxt, miljö och regionplanering

2 Linda Kummel, Planeringsarkitekt Spacescape AB Ted Lindqvist, Fastighetsekonom Evidens BLW Spacescape är ett forskningsbaserat konsultföretag som arbetar med analys och kvalitetssäkring av stadsmiljöer och stadsutveckling. Företaget är en avknoppning från en stadsforskargrupp från KTH. Evidens är ett konsultföretag som erbjuder kvalificerade strategi- och analystjänster åt aktörer på den nordiska fastighetsmarknaden. 2

3 Syftet med studien Skapa förståelse och kunskap om företagens lokaliseringspreferenser. Resultatet skall kunna ligga till grund för bedömning, planering och scenarioanalys av regionens utveckling. Ge ett bättre stöd i arbetet med att omsätta RUFS 2010 till praktik. Studien ska undersöka betalningsviljan för kontor i hela Stockholmsregionen med särskilt fokus på de områden som i RUFS 2010 är utpekade som framtida regionala stadskärnor samt områden i nära anslutning till Stockholms innerstad där koncentrationer av kontorslokaler finns idag. 3

4 Teorier och hypoteser Med teoretisk utgångspunkt i hedonisk prissättning är hypotesen att stadskvaliteter av olika slag påverkar hyran på kontorslokaler. En analys av kontorens geografiska placering i relation till sådana stadskvaliteter antas ge prisskillnader mellan olika adresspunkter. Vidare antas centralitet, modernitet, liksom närhet till restauranger och butiker ha stor påverkan på kontorslokalernas hyresnivå. 4

5 Kr/kvm/år Hyresnivån Hyresnivå för företagsområden per företagsområde i Stockholms i Stockholms län uppvisar län en tydlig spridning Östra CBD Mellersta CBD Västra CBD Nedre Östermalm Östra Kungsholmen Medborgarplatsen Norrmalm Hornstull Jarlaplan/Rådmansgatan Skanstull Marieberg Gamla Stan Mellersta Kungsholmen Slussen Gärdet Garnissonen Liljeholmen Norra Station Solna Centrum Sickla Frösunda Järva Västra Kungsholmen Värtan Bergshamra Forum Nacka Danvikstull Marievik Hammarby Sjöstad Solna Business Park Danvikscenter, Finnboda Arenastaden Nacka Strand Alvik Globen Sundbyberg Centrum Solna Strand Kista Herserud Lidingö Centrum Farsta Telefonplan Mörby Centrum Täby Centrum Sollentuna Centrum Hagalund Huddinge centrum Tyresö centrum Gustavsbergs Hamn Centrala Vaxön Centrum (Södertälje) Tumba Åkersberga Centrum Upplands Väsby Centrum Arlandastad Ulvsunda Roslags Näsby Brandstation/Nytorp Tappström Hallunda Jakobsberg Centrum Haninge centrum Infra City Vallentuna centrum Centrum (Nynäshamn) Akalla Tibble Häggvik Örnsberg Kungens Kurva Gångsätra Edsberg Tullinge Centrum (Norrtälje) Rotebro Västberga Söderby Gård Bredden Salem centrum Kungsängen Centrala Märsta Runö Veddesta Märsta Arbetsområde Fittja Rönninge Eriksbergs industriområde Källa: Källa: Strateg, Datscha, Fastighetskonsult, Spacescape Spacescape och Evidens och Evidens

6 Studerade områden Analys har gjorts av 86 kontorsområden med observerade hyresnivåer (kr per kvm). Dessa har lagts in i GIS och analyserats per kontorsområde. De studerade företagsområdena finns spridda över hela länet, med en koncentration mot Stockholms innerstad. 6

7 Metod - arbetsprocessen Stadsbyggnadsstruktur Stadsbyggnadsanalyser Statistiska analyser Utsortering av signifikanta variabler Värdering av stadskvaliteter 7

8 Metod - underlag och förutsättningar Ingen officiell statistik kring hyresnivåer för kontorslokaler. Uppgifter från Strateg Fastighetskonsult använts. Dessa uppgifter är baserade på enkätundersökningar och värderingsuppdrag. Sammanvägda uppgifter för varje företagsområde har använts, och inte uppgifter om enskilda kontrakt. Stadsbyggnadsanalyser visar de studerade objektens närhet eller tillgång till stadskvaliteter av olika slag. Samband mellan hyresnivåerna och förekomst av stadskvaliteter studeras i en multipel regressionsanalys. 8

9 Stadsbyggnadsanalyser Stadsbyggnadsanalyser har genomförts för en mängd olika relationer. Analyser kan göras på närhet eller tillgång till olika stadskvaliteter inom olika avstånd eller med olika nät (gångnät, kollektivtrafik etc). Exempelvis kan en analys beskriva avståndet via gångvägnätet från en adress (eller alla adresser) till en specifik målpunkt, det kan vara t.ex. park, vatten eller spårstation. Närhet till en viss attraktion, till exempel spårstation mäts som avstånd i gångnätet. Informationen läggs på basområden. Tillgång till en viss attraktion, till exempel bebyggelse mäts utifrån hur mycket bebyggelse man når inom ett visst avstånd i gångnätet. 9

10 Fler än 500 stadsbyggnadsanalyser har gjorts! 10

11 Regressionsanalys 5 variabler har genom regressionsanalys sorterats fram. Dessa har var och en signifikant påverkan på kontorshyran. Tillsammans förklarar dessa närmare 90 % av hyresvariationen mellan de analyserade kontorsområdena. Ytterligare två variabler har sållats ut för att öka förståelsen av modellen. Analys Analys Analys 89,4 %! 11

12 Metod Stadsbyggnadsanalyser Regressionsmodell Variabel Variabel Variabel 1,2,3,4,5,6, 7,8,9, 10,12, 999 Variabel Variabel Variabel PRIS Variabel Variabel Variabel 12

13 Modellen Beskrivning Variabel Antagen förändring Prisförändring Tillgänglighet med kollektivtrafik. Visar även boendetäthet i kollektivtrafiknära lägen. Modernitet, kontorets renoveringsnivå Urbana verksamheter inom 1 km gångavstånd. Handel har det dubbla värdet i indexet. K30_CUM_L. Sysselsatt nattbefolkning som når området inom 30 min med kollektivtrafik. Värdeår i snitt för kontorsområdet. Index_HR. Tillgång till restauranger och handel inom 1 km radie. Handel har det dubbla värdet i indexet personer 260 kr/kvm/år +10 år 170 kr/kvm/år +10 procentenheter 155 kr/kvm/år Kluster, arbetande inom kontorsbranscher. Vakanser i området. Andel_JKQ_3km_100. Andel av arbetande inom kontorsbranscher. Vakansgrad. Fungerar både som ekonomiskt mått och kvalitetsmått. +10 procentenhet 112 kr/kvm/år -1 procentenhet 13 kr/kvm/år Beroende variabel: Hyresnivå i medeltal för kontorsområden i Stockholms län. 13

14 Modellen: Läsanvisning till presentationen av modellens variabler. Resultatet av den statistiska analysen av de olika variablerna som ingår i modellen beskrivs grafiskt med kartbilder. En första kartbild visar hela länet och en andra kartbild visar på en inzoomning av områden där analysen av variabeln är extra intressant. Rött är högsta värdet och blått är lägsta värdet. Kartbild över hela länet Inzoomning över valt område där variabelns analysresultat är extra intressant 14

15 Modellen: Variabel 1 Tillgänglighet med kollektivtrafik 15

16 Modellen: Variabel 1 Tillgänglighet med kollektivtrafik Resultatet från den statistiska analysen visar att kontorshyran ökar ju fler boende som når området inom 30 min med kollektivtrafik. Det betyder att även hög boendetäthet i kollektivtrafiknära lägen kan lyfta ett kontorsområdes hyresnivå. Analyskarta visar hur många som når ett kontorsområde inom 30 minuters resa med kollektivtrafik. Källa. WSP och TMR 16

17 Modellen: Variabel 1 Tillgänglighet med kollektivtrafik En mer detaljerad bild visar att de kontorsområden som nås av flest personer med kollektivtrafik inom 30 minuter främst finns i innerstaden. Några få lägen utanför regionens mest centrala delar uppvisar också god tillgänglighet med kollektivtrafik, till exempel Kista. Analyskartan visar antal personer som når ett kontorsområde inom 30 minuters resa med kollektivtrafik. Källa: WSP och TMR. 17

18 Modellen: Variabel 2 Tillgång till urbana verksamheter 18

19 Modellen: Variabel 2 Tillgång till urbana verksamheter Av den statistiska analysen framgår att tillgången till urbana verksamheter, mätt igenom ett index sammansatt av antal restauranger och butiker inom 1 kilometers promenadavstånd, har stor påverkan på hyresnivån för kontorsområdena. Analyskartan för urbana verksamheter mätt som HR-index visar kontorsområdenas tillgång till urbana verksamheter inom 1 km gångavstånd. Indexkonstruktionen bygger på två mått, handel och restauranger, där handelsmåttet dubblerats. 19

20 Modellen: Variabel 2:1 Kontorstäthet För att bättre kunna förklara stadskvaliteten urbana verksamheter har analyser gjorts som ytterligare stärker detta index. Av den statistiska analysen framgår att täthet mätt i lokalyta eller i antal anställda är signifikant, liksom entrétätheten. Dessa variabler förklarar 97 % av variabeln urbana verksamheter. 20

21 Tillväxt, miljö och regionplanering Modellen: Variabel 2:2 Entrétäthet Av den statistiska analysen framgår att entrétätheten har signifikans. Mängden entréer inom 1 km gångavstånd har tydlig signifikans och förklarar tillsammans med lokaltätheten variabeln urbana verksamheter. 21

22 3:2 Modellen: Variabel Variabel 2 2 Tillgång Tillgång till urbana till urbana verksamheter En mer detaljerad bild visar att de kontorsområden som har flest urbana verksamheter främst finns i innerstaden. Några få lägen utanför innerstaden, till exempel Täby centrum, uppvisar också förhållandevis höga nivåer. Analyskartan visar antal urbana verksamheter inom 1 km gångavstånd. 22

23 Modellen: Variabel 3 Modernitet 23

24 Modellen: Variabel 3 Modernitet Kontorsområdenas modernitet mäts som värdeår och analysen visar att kontorets modernitet har signifikans för hyresnivåerna. Variabeln signalerar troligtvis även kontorens yteffektivitet. Måttet Värdeår visar kontorsområdets genomsnittliga renoveringsnivå mätt i årtal. 24

25 Modellen: Variabel 3 Modernitet En mer detaljerad bild visar att kontorsområden i innerstaden har en modernitetsnivå som är förhållandevis låg. Exempel på områden som uppvisar hög modernitet är Gärdet och Solna. Måttet Värdeår visar kontorsområdets genomsnittliga renoveringsnivå mätt i årtal. 25

26 Modellen: Variabel 4 Kontorskluster 26

27 Modellen: Variabel 4 Kontorskluster Kluster med företag inom typiska kontorsbranscher (juridik, ekonomi, konsulter etc.) genererar en hög hyresnivå. Viss klustring kan ses, det vill säga att företag inom exempelvis Life Sciences samordnar sin lokalisering. Det visar dock marginella hyresskillnader. Analysen visar andel arbetande inom typiska kontorsbranscher inom 3 km gångavstånd. 27

28 Modellen: Variabel 4 Kontorskluster En mer detaljerad bild visar att en hög andel arbetande inom kontorsbranscher främst förekommer Östra CBD, Norra stationsgatan samt Gärdet. Även Kista och Alvik uppvisar en hög andel arbetande inom kontorsbranscher. Analysen visar andel arbetande inom typiska kontorsbranscher inom 3 km gångavstånd. 28

29 Modellen: Variabel 5 Vakanser 29

30 Modellen: Variabel 5 Vakanser Analysen visar att områden med en hög andel vakanser tenderar att generera lägre hyresnivåer. Vakansnivån fungerar som imagebärare - det är svårt att vända en negativ trend då vakanserna i sig signalerar låg attraktivitet. Analysen visar hur hög andel av kontorsbeståndet inom området som består av vakanser. 30

31 Modellen: Variabel 5 Vakanser Vid en närmre titt i kartan syns att en hög andel vakanser finns i Kungens Kurva. En förhållandevis hög andel vakanser finns även i Solna kommun samt i Hammarby Sjöstad och Ulvsunda i Stockholms stad. Analysen visar till vilken andel av kontorsbeståndet inom området som består av vakanser. 31

32 Modellens uppbyggnad En regressionsmodell analyserar sambanden mellan kontorsområdens stadskvaliteter och genomsnittlig hyra för kontorsfastigheterna. På följande sidor visas hur modellen byggts upp och hur varje variabel/stadskvalitet bidrar till att ytterligare förklara hyran. 32

33 Modellen: Variabel 1; Tillgänglighet med kollektivtrafik Skattad hyra Kr/kvm/år Förklaringsgrad: 72,8 % Källa: Källa: WSP, WSP, SCB, Strateg, SCB, Strateg Datscha, fastighetskonsult, Spacescape och Spacescape Evidens och Evidens Faktisk hyra Kr/kvm/år Vi underskattar hyresnivån för ex. CBD om vi endast använder oss av en variabel 33

34 Modellen: Variabel 1+2; Tillgång till urbana verksamheter Skattad hyra Kr/kvm/år Förklaringsgrad: 85,6 % Lägger vi till serviceutbudet får vi en bättre skattning av hyresnivåerna i CBD Källa: Källa: WSP, WSP, SCB, Strateg, SCB, Strateg Datscha, fastighetskonsult, Spacescape och Spacescape Evidens och Evidens Faktisk hyra Kr/kvm/år 34

35 Modellen: Variabel 1+2+3; Modernitet Skattad hyra Kr/kvm/år Förklaringsgrad: 87,3 % Källa: Källa: WSP, WSP, SCB, Strateg, SCB, Strateg Datscha, fastighetskonsult, Spacescape och Spacescape Evidens och Evidens Faktisk hyra Kr/kvm/år 35

36 Modellen: Variabel ; Vakanser Skattad hyra Kr/kvm/år Förklaringsgrad: 88,6 % Källa: Källa: WSP, WSP, SCB, Strateg, SCB, Strateg Datscha, fastighetskonsult, Spacescape och Spacescape Evidens och Evidens Faktisk hyra Kr/kvm/år 36

37 Modellen: Variabel ; Kluster Skattad hyra Kr/kvm/år Överskattning av hyran i området Slussen Norrmalm Förklaringsgrad: 89,4 % Västberga Västra Kungsholmen Marieberg Infra City Källa: Källa: WSP, WSP, SCB, Strateg, SCB, Strateg Datscha, fastighetskonsult, Spacescape och Spacescape Evidens och Evidens Underskattning av hyran i området Faktisk hyra Kr/kvm/år Ingen systematik i områden som överskattas eller underskattas. 37

38 Diskussion förkastade variabler :Tillgänglighet med bil Tillgänglighet Kollektiv tillgänglighet 30 minuter förklarar över 70 procent av variationen i hyra, vilket redan redovisats. Tillgänglighet med bil har inte lika hög förklaringsgrad. Kr/kvm Antal personer som når företagsområdet inom 30 minuter kollektivt Kr/kvm Antal personer som når företagsområdet inom 30 minuter med bil y = 0,0046x + 776,01 R² = 0, y = 0,0026x + 606,68 R² = 0, Källa: Strateg, Datscha, WSP och Evidens Antal personer Källa: Strateg, Datscha, WSP och Evidens Antal personer 38

39 Tillgänglighet i ytterstaden kollektivtrafik väger fortfarande tyngre än bilen Biltillgänglighet förklarar 36 procent av variationen i hyra i ytterstaden Medan kollektiv tillgänglighet till arbetsplatser förklarar 56 procent av variationen Men hög korrelation mellan kollektiv tillgänglighet och tillgänglighet med bil ger att biltillgängligheten inte är signifikant när vi testar båda variablerna mot hyresnivåerna i ytterstan 39

40 Diskussion och slutsatser: 40

41 Innerstadens hyresnivå motiverar nyproduktion Kr/kvm Källa: Strateg fastighetskonsult och Evidens Tillväxt, miljö och regionplanering Östra CBD Västra CBD Östra Kungsholmen Norrmalm Jarlaplan/Rådmansgatan Marieberg Slussen Garnissonen Norra Station Sickla Mellersta Kungsholmen Västra Kungsholmen Bergshamra Danvikscenter, Finnboda Hammarby Sjöstad Arenastaden Alvik Sundbyberg Centrum Kista Lidingö Centrum Telefonplan Täby Centrum Hagalund Gustavsbergs Hamn Tyresö centrum Arlandastad Upplands Väsby Centrum Ulvsunda Centrum (Nynäshamn) Haninge centrum Jakobsberg Centrum Tappström Akalla Tibble Kungens Kurva Edsberg Tullinge Västberga Centrala Märsta Kungsängen Söderby Gård Märsta Arbetsområde Fittja Eriksbergs industriområde

42 Slutsatser Kollektivtrafiken i sig är en mycket kraftig bärare av värdet i en kontorsfastighet, men hänger också samman med hur hög tätheten är i kollektivtrafiknära lägen. Nyproduktion av kontor har bäst förutsättningar i miljöer med hög tillgänglighet med kollektivtrafik och med ett stort utbud av urbana verksamheter. Tillgängligheten med biltrafik har ingen signifikant påverkan på variationerna i hyresnivå i modellen inte ens i perifera områden. 42

43 Sammanfattning: Vad är attraktivt? Bostadsmarknaden Kontorsmarknaden

44 Lägenheter Småhus Kontor Närhet till City Kollektivtrafik Kollektivtrafik Spårstation Billtillgänglighet Spårstation Tillgänglighet Tillgång till gatunätet Urbana verksamheter Urbana verksamheter Urbana verksamheter Kontorskluster Täthet Vatten Park Vatten Strandtomt Båthållplats Grönyta Kvartersform Friliggande Modernitet (Socioekonomiskt index) (Socioekonomiskt index) (Vakanser) Vatten Grönska Byggnad

45 Tillgänglighet Stadsbyggnad Täthet Vatten Grönska Byggnad

46