Bostadsrättspriser i Uppsala en hedonisk studie

UPPSALA UNIVERSITET Vårterminen 2005 Nationalekonomiska institutionen C-uppsats Författare: Erik-Axel Nord & Marcus Wagell Handledare: Prof. Rune Wigren Bostadsrättspriser i Uppsala en hedonisk studie

Sammanfattning Studiens syfte är att ge en bild av hur stor betalningsviljan, de implicita priserna, är för bostadsrätters olika egenskaper i Uppsala. För att skatta de olika egenskapernas implicita priser har vi utgått från hedonisk pristeori. Utifrån en logaritmisk funktionsmodell har resultaten erhållits genom multipel regressionsanalys. Frågor som undersökningen besvarar är t.ex. vad är köparen villig att betala för att bostadsrätten ska ligga centralt, ha en låg månadsavgift eller vara utrustad med öppen spis. Studien omfattar 307 bostadsrättsobjekt (efter bortfall 251 objekt), som har samlats in från sju olika mäklarfirmor i Uppsala. Försäljningarna härrör från perioden januarinovember 2004. Utifrån objektsbeskrivningarna har 28 oberoende variabler används, bl.a. avgift, yta, antal rum, byggår och område, för att förklara den beroende variabeln, bostadsrättens pris. Modellens förklaringsgrad uppgår till 84 %. 15 av de 28 oberoende varibalerna är statistiskt signifikanta. Variabeln med störst enskild förklaringsgrad är yta. Betalningsviljan för en extra kvadratmeter på en genomsnittlig bostadsrätt uppgår till 11 300 kr. Avgiften har också stor inverkan på bostadsrättens pris. En höjning med 200 kr utifrån genomsnittsbostadsrättens egenskaper innebär en prissänkning med 29 600 kr. Liksom det implicita kvadratmeterpriset sjunker med ökad yta, så sjunker också betalningsviljan per rum i takt med att antalet rum ökar. Andra egenskaper såsom t.ex. hiss, balkong eller möjlighet till uthyrning kunde inte utifrån resultatet fastställas hur de påverkar priset. Nyckelord: Hedonisk prisbildning, betalningsvilja, bostadsrätt, Uppsala. Vi vill framföra ett varmt tack till Bostad Uppsala, FöreningsSparbanken Fastighetsbyrå, Mäklare Kulling, Mäklarhuset, Skandia Mäklarna, Svensk Fastighetsförmedling och Widerlöv & Co, vilka alla har bidragit med underlag för att kunna genomföra denna studie. 2

1 INLEDNING...4 1.1 Metod och avgränsning...5 1.2 Metodkritik...6 2 TIDIGARE STUDIER...7 3 HEDONISK PRISBILDNING...8 3.1 Regressionsmodell...8 4 VARIABELDEFINITIONER OCH DESKRIPTIV ANALYS...10 4.1 Beroende variabel...10 4.2 Oberoende variabler...10 4.3 Borttagna variabler...13 5 ANALYS AV REGRESSIONSRESULTATET...15 5.1 Tolkning av resultatet...15 5.2 Analys...17 6 SLUTSATSER OCH DISKUSSION...22 KÄLLOR OCH LITTERATUR...24 BILAGA 1: OMRÅDESDEFINITIONER...25 BILAGA 2: DESKRIPTIV ANALYS AV VARIABLER...26 BILAGA 3: RELATIV EFFEKT OCH IMPLICITA PRISER...27 BILAGA 4: REGRESSIONSRESULTAT (OMRÅDEN)...28 3

1 Inledning Priset på bostadsrätter har de senaste åren stigit kraftigt, speciellt i storstäderna, och den idag relativt låga räntan gör att människor i allt högre grad är beredda att belåna sig för att skaffa ett bra boende. Bristen på bostäder i många städer och den höga kostnaden för nyproduktion gör att utbudet är begränsat samtidigt som efterfrågan är stor. Detta scenario stämmer väl in på Uppsala som, förutom att vara en modern storstad, är en stark tillväxtregion inom främst Life Science och IT och ett framgångsrikt och eftertraktat lärosäte. Staden och dess läge utgör också en attraktiv boendemiljö för stockholmspendlare. Detta gör att Uppsala län ligger på tredje plats i landet vad gäller kvadratmeterpris på bostadsrätter. 1 Efterfrågan och utbud har stor betydelse vid prissättning av bostadsrätter, där viktiga variabler att ta hänsyn till är ränteläge, disponibel inkomst, arbetslöshet, population och konjunkturindikatorer i allmänhet. Med hjälp av variabler som dessa kan prisläget på bostadsrätter skattas. Ett annat angreppssätt är att studera marknaden på mikroekonomisk nivå, där individen genom sitt köp maximerar sin bostadsnytta givet sin budgetrestriktion. Här handlar det istället om att studera prisbildningen. Bostadsrätten kan ses som ett objekt med ett antal relaterade egenskaper, t.ex. yta, avgift och läge, där varje egenskap implicit kan prissättas och tillsammans summera till bostadsrättens slutliga försäljningspris. Syftet med denna studie är att ge en bild av hur stor betalningsviljan, de implicita priserna, är för bostadsrätters olika egenskaper i Uppsala. För att skatta de olika egenskapernas implicita priser använder vi hedonisk prisbildningsteori 2. Målsättningen är att få en uppfattning om individers betalningsvilja, och därmed preferenser, på bostadsrättsmarknaden, men också att kunna se påverkan av specifika egenskaper på bostadsrättens värde. Resultaten kan vidare göra det möjligt att utifrån en given bostadsrätt ungefärligt beräkna dess marknadsvärde, vilken kan vara av intresse för såväl köpare som säljare. Det är också intressant att studera påverkan av bostadsrättens mätbara egenskaper på slutpriset, dvs. modellens förklaringsgrad. En 1 www.varderingsdata.se/vpriset/maksam/vdmsbora.htm via www.maklarsamfundet.se 2 Se avsnitt 3 Hedonisk prisbildning. 4

låg förklaringsgrad kan indikera att det i värderingen av bostadsrätten föreligger egenskaper som är svåra att mäta, t.ex. planlösning, allmän standard och utsikt. En detalj som är utmärkande för bostadsrätter, till skillnad från småhus och fastigheter, är att bostadsrätten klassas som lös egendom, vilket gör att det inte krävs någon registrering vid försäljning. Detta innebär att information som rör bostadsrätten, köparen och säljaren inte är offentliga handlingar, vilket försvårar tillgången till källinformation för studier inom området. Det föreligger därför en brist i täckningen av marknaden, som tjänar på att belysas ytterligare. Vidare är denna studie den första i sitt slag som gjorts för Uppsala. Vi tror också att studien kan vara av allmänt intresse, då bostadsrättsmarknaden präglas av informationsasymmetri 3, där fastighetsmäklaren är den enda som har full insikt i marknaden och kunskap om prisbildningen och mer korrekt kan värdera en bostadsrätt, till skillnad från både köpare och säljare. 1.1 Metod och avgränsning Primärdata för 307 bostadsrätter har insamlats från sju fastighetsmäklarfirmor i Uppsala. Objekten har sålts under perioden januari-november 2004. Objektsbeskrivningar på bostadsrätter utgör den största basen i materialet. För att studera hur och om bostadsrättsföreningens ekonomi påverkar försäljningspriset har data om föreningens långfristiga skulder samt yttre reparationsfond hämtats ur årsredovisningar. Totalt används 28 oberoende variabler (varav tre utgör referensvariabler) som sekundärdata. Den beroende variabeln, det slutliga priset, har varit en begränsande faktor vid insamlandet av data. Detta för att det inte finns något krav på registrering av de köpeskillingar som erläggs. När, för studien betydelsefull information saknats för ett objekt, har detta plockats bort från studien. Efter bortfall omfattar materialet 251 objekt. Modelleringen har skett med multipel regression 4 i statistikprogrammet Eviews. 3 Fabian (2004). 4 Minsta kvadratmetoden (OLS). 5

Studien har avgränsats till att omfatta bostadsrättslägenheter sålda under perioden januari-november 2004 i Uppsala tätort 5. Vidare innefattar inte studien bostadsrätter av typen kedjehus, radhus eller enplanshus. Eftersom det av naturliga skäl inte är praktiskt möjligt att fysiskt besöka varje objekt, har tillgången på primärdata begränsats. Konsekvensen av detta är att variabler som mäter t.ex. allmän standard, planlösning och lägenhetens orientering har utelämnats. 1.2 Metodkritik Data från flera mäklarfirmor har gett en stor geografisk och prismässig skillnad av lägenhetsobjekten, vilket bidrar till att öka studiens validitet. Däremot kan det ha inverkat negativt på materialets homogenitet och därmed minskat modellens förklaringsgrad. Eftersom perioden täcker nästan ett helt kalenderår täcks en eventuell säsongsvariation i försäljningspriserna in. Priset beror dock på hur utbud och efterfrågan på bostadsrätter på marknaden ser ut. I ett längre perspektiv har variabler som befolkningstillväxt, byggtakt, arbetslöshet, realinkomst och ränta inverkan. Det är därför viktigt att de makroekonomiska förhållandena varit relativt konstanta under studieperioden. Under den relativt korta studieperioden är det främst räntan som kan ha påverkat priserna och därmed betalningsviljan för bostadsrättens egenskaper. Riksbankens reporänta låg i början av året på 2,75 % för att sedan sjunka till 2,00 % i maj och har sedan dess legat på samma nivå fram till studieperiodens slut 6. Då merparten av insamlade data härrör från försäljningar under den senare delen av studieperioden, kommer denna ränteförändring sannolikt att ha en ytterst marginell effekt på resultatet. 5 Se Bilaga 1 för exakta områden 6 www.scb.se 6

2 Tidigare studier Relativt få studier är gjorda på bostadsrättsmarknaden. En trolig förklaring till detta är, som tidigare nämnts, att bostadsrätter klassas som lös egendom, vilket gör att adekvata data inte är offentliga uppgifter. De flesta studierna är gjorda på Stockholms innerstad. Rosengren och Schult har gjort en mycket omfattande studie som innefattar både bostadsrättslägenheter och småhus i Stockholm. Totalt omfattas 6500 bostadsrättslägenheter i Stockholms innerstad sålda under åren 1996-2002. Studien är gjord både på makro- och mikroekonomisk nivå. I den makroekonomiska analysen, där kvadratmeterpriset utgör prisindex, finner Rosengren och Schult att befolkningstillväxt och real förvärvsinkomst har störst påverkan på bostadsrättspriserna på lång sikt. Däremot har nybyggnadskostnad större inverkan på priserna på småhus än på bostadsrätter. I den mikroekonomiska delen används den hedoniska prisbildningsteorin och en logaritmerad modell. Resultatet visar att avgiften har negativ inverkan på priset, medan yta, antal rum och ålder har positiv inverkan. Likaså påvisas en prisökning för lägenheter belägna över nedre botten. 7 Bergman och Svennersjö har utfört en hedonisk studie som enbart behandlar bostadsrätter. Materialet omfattar 92 bostadsrättslägenheter på Södermalm i Stockholm sålda under hösten 2003. En linjär modell används och visar att avgift, yta och antal rum har störst inverkan på priset. I övrigt uppvisade få ytterligare variabler signifikanta resultat. 8 Ytterligare en studie som bygger på hedonisk prisbildning är gjord av Hallberg och omfattar 304 bostadsrätter i Stockholms innerstad, sålda under mars 2004. I studien används en linjär regressionsmodell och förklaringsgraden är 91 %. Störst inverkan på förklaringsgraden har ytan och månadsavgiften. Förekomst av balkong och vindsvåning bidrar till att öka priset på lägenheten, liksom stigande ålder på fastigheten. 9 7 Rosengren & Schult (2003). 8 Bergman & Svennersjö (2004). 9 Hallberg (2004). 7

3 Hedonisk prisbildning Bostadsrätten kommer i våra sekundärdata att presenteras i form av de egenskaper den besitter, såväl direkta egenskaper relaterade till den fysiska lägenheten, t.ex. antal rum, som fastighetsrelaterade, t.ex. bostadsrättsföreningens ekonomi och fastighetens ålder. Den hedoniska metoden avser att uppskatta ett objekts, i det här fallet en bostadsrätt, enskilda egenskapers inverkan på det totala priset. Problemet är att dessa egenskaper inte kan prissättas direkt utan måste skattas implicit. För att skatta dessa egenskaper använder vi en hedonisk prissättningsmodell. 10 Hedonisk prissättning innebär att det studerade objektets egenskaper prissätts implicit. Bostadsrättens egenskaper representeras av vektorn z = z, z,..., z ) ( 1 2 n, där z i är en vald definierad egenskap (variabel). Priset kommer då att vara en funktion av z och ges av P = P z) = P( z, z,..., z ). För att skatta egenskapernas implicita (hedoniska) priser ( 1 2 n utförs en multipel regression. 3.1 Regressionsmodell Hur formeln P z) = P( z, z,..., z ) kommer att se ut beror på vilken ( 1 2 n regressionsmodell som används. De två vanligaste möjligheterna är linjär och logaritmerad funktionsform. Den linjära formen är lättarbetad och enkel att tolka. Koefficienterna ger då en direkt prisskattning av de behandlade egenskaperna (t.ex. i kronor) och en bostadsrätts pris fås genom att summera de egenskaper som just den bostadsrätten besitter. Den stora nackdelen hos den linjära formen ligger i att den i sin grundform inte tillåter någon interaktion mellan de olika egenskaperna hos ett objekt. Detta innebär t.ex. att betalningsviljan för ytterligare en kvadratmeter är lika stor oavsett storleken på bostadsrätten, liksom att ett extra rum alltid är lika mycket värt. Marknadspriserna tyder dock på att värdet av en extra kvadratmeter såväl som ett extra rum tenderar att sjunka ju större lägenheten är. Linjär funktionsform: P i = α + β z n j= 1 j ij + ε i 10 Rosen (1974), s 34ff. 8

För att fånga upp dessa interaktioner har vi istället valt att använda en logaritmerad regressionsmodell. Istället för att skatta priserna kommer denna modell att skatta egenskapernas priselasticitet. För de variabler som logaritmeras innebär det att koefficienten skattar den procentuella förändringen i slutpriset då egenskapens koefficient ändras en procent. För de egenskaper som inte logaritmeras (dummies 11 ) gäller att koefficienten talar om hur stor andel av bostadsrättens pris som respektive egenskap värderas till. Logaritmisk funktionsform: ln Pi = α + β j zij + n j= 1 j= n+ 1 k β ln z j ij + ε i Där: P = priset α = intercept (konstant) β = koefficient z = enskilda egenskaper ε = felterm i = i:te bostadsrättens pris och egenskaper 11 Variabeln tillskrivs värdet 1 om egenskapen finns, annars 0. 9

4 Variabeldefinitioner och deskriptiv analys 12 4.1 Beroende variabel Pris är den slutgiltiga köpesumma, mätt i tusentals kronor, som köparen betalar för bostadsrätten (nyttjanderätten). Priset är den beroende variabeln i regressionsmodellen, som skall förklaras av de oberoende variablerna. Den genomsnittliga köpesumman uppgår till drygt 821 000 kr och varierar mellan 215 000 kr och 2 700 000 kr. Standardavvikelsen är ca 383 000 kr. I det studerade material kan noteras att slutpriset har hamnat både över och under begärt utgångspris, dock med en tydlig tendens till uppgång. Variabeln logaritmeras i regressionsmodellen. 4.2 Oberoende variabler Avgiften är den löpande kostnaden för lägenheten som innehavaren betalar till bostadsrättsföreningen. Avgiften debiteras oftast per månad eller per kvartal och mäts här i tusentals kronor per månad. I de fall en framtida avgiftsförändring har aviserats i samband med utannonseringen av lägenheten har vi tagit i beaktande den som gällde vid överlåtelsedatumet. Avgiften är viktig inte minst med tanke på köparens boendeekonomi men speglar främst bostadsrättsföreningens ekonomi. Räntekostnader, amorteringar, drift och löpande underhåll av fastigheten är kostnader som ska finansieras via avgiften liksom avsättning till större framtida fastighetsrelaterade renoveringar. Tidigare studier visar tydligt på att avgiften har en negativ inverkan på priset. Den genomsnittliga månatliga avgiften uppgår till 3254 kr och variabeln varierar mellan 772 kr till 7 795 kr. Standardavvikelsen är 1 367 kr. Ytan är sannolikt den variabel som ensam har störst positiv inverkan på priset. Kvadratmeterpris har länge varit ett begrepp på bostadsrättsmarknaden och genomsnittspriset i Uppsala län låg under perioden augusti-oktober 2004 på 13 186 kr/m 2. 13 Ytan definieras som antal kvadratmeter uppmätt boyta. Genomsnittsytan uppgår till 66 m 2. Lägenhetsytorna i studien spänner från 19 m 2 till 158 m 2, med en standardavvikelse på 22 m 2. Grundtesen är att det är rimligt att anta att kvadratmeterpriset avtar i takt med att lägenhetens storlek ökar. 12 Den deskriptiva analysen av alla variabler återfinns i tabellform i Bilaga 2. 13 www.varderingsdata.se/vpriset/maksam/vdmsbora.htm via www.maklarsamfundet.se 10

Nära knutet till kvadratmeterytan är generellt hur många rum lägenheten består av. Variabeln rum (exklusive kök) och yta förväntas samvariera, men givet ytan förväntas ett extra rum ha en positiv inverkan på slutpriset. I de fall lägenheten annonserats som en -ochenhalva, har vi valt att räkna enbart antalet hela rum, dvs. en avrundning neråt har gjorts. Det genomsnittliga antalet rum uppgår till 2,37 med en standardavvikelse på 1,00. Ett objekt med 6 rum och kök har tagits bort ur materialet för att få det mer homogent. Tabell 1. Fördelning av antal bostadsrätter över antal rum 1:or 2:or 3:or 4:or 5:or 49 100 70 25 7 Liksom rum, torde också en extra toalett ha en positiv, om än marginell, inverkan på priset. Till denna kategori har även räknats de lägenheter som har både duschkabin och badkar. Även möjligheten till uthyrningsdel har studerats och variabeln definieras som del i lägenheten med separat ingång och egen toalett. Av de lägenheter som har en extra toalett (17 %) har ungefär en tredjedel av dessa uthyrningsdel. Balkong har i studier gjorda i Stockholms innerstad visat sig höja lägenhetsvärdet med upp till 150 000 kr. Även i Uppsala förväntas balkong vara en prishöjare, dock ej med lika stor inverkan som i Stockholm, eftersom andelen balkonger i Uppsala (85 % i denna studie) är mer än dubbelt så stor som i Stockholms innerstad (41 % 14 ). Till kategorin balkong har även uteplats och altan medräknats, dock ej fransk balkong. Omvänt förhållande råder vad gäller förekomsten av öppen spis, vilket är nästan tre gånger vanligare i Stockholm 15 än i Uppsala (6 %). Lägenheter med öppen spis borde därför vara synnerligen attraktiva objekt i Uppsala och, allt annat lika, betinga ett markant högre pris än lägenheter utan. I variabeldefinitionen ingår såväl öppen spis, eldstad som kakelugn, oavsett funktion eller eldningsförbud. Kokvrå förekommer ibland i mindre lägenheter och förväntas dra ner priset på dessa. Knappt 4 % av lägenheterna har kokvrå. 14 Hallberg (2004), s 29. 15 Ibid. 11

Vilken våning bostadsrätten ligger på kan ha inverkan på slutpriset. Våning 0 innebär att bostadsrätten ligger i markplan; i studien används variabeln nedre botten. Studiens högst belägna objekt ligger på våning 5. Att bo på nedre botten innebär ofta insyn, högre bullernivå från eventuell trafik och större risk för inbrott, vilket bör dra ner betalningsviljan för bostadsrätten. Dock uppstår möjligheten till eventuell uteplats. Nästan var tredje bostadsrätt ligger på markplan. De variablerna som vidare används är våning 1, som utgör referensvariabel (30 %), våning 2 (28 %), och våning 3+ (12 %). Den sistnämnda variabeln fångar upp alla objekt som ligger på våning 3 och högre. Tanken med detta är att se om utsikten har någon prishöjande effekt på högt belägna bostadsrätter. Vindsvåning (belägen högst upp i fastigheten och med snedtak) anses vara eftertraktat och bidrar sannolikt till att öka priset. Lägenheter i etage har likställts med vindsvåning. 4 % av bostadsrätterna är vindsvåningar. Förekomsten av hiss och bastu är fastighetsrelaterade egenskaper som förväntas vara värdehöjande. Var fjärde studerad lägenhet har tillgång till hiss och knappt var tredje har tillgång till bastu. 1977 kom lag på hiss i alla nybyggda bostadsfastigheter med tre eller fler plan 16. I regressionen har vi valt att studera hur värdet på en bostadsrätt, belägen på våning 2 eller högre, påverkas om ej hiss finns i fastigheten. Variablerna toalett, uthyrningsdel, balkong, öppen spis, kokvrå, nedre botten, våning 2, våning 3+, vindsvåning, ej hiss och bastu är all dummyvariabler och ges värdet 1 vid förekomst av respektive egenskap, annars 0. Variablerna avgift, yta och rum logaritmeras i regressionsmodellen för att tillåta interaktion med varandra. En fastighets byggår har betydelse för dess utformning, standard och tillgång till faciliteter. Byggstilar har varierat genom åren och byggteknik, kulturgeografiska planer och samhällspolitiska beslut har präglat byggandet. Det har även byggts i olika omgångar och den ursprungliga statskärnan har oftast äldre fastigheter, medan kransområden och förorter till största delen består av nyproducerade fastigheter. I studien valdes att dela in byggåren i fem grupper. Fastigheter byggda före 1930 utgör 16 www.hi.se/tillganglig/bygglagstiftning.shtm 12

referensgrupp. De övriga grupperna är byggår 1930-49, 1950-69, 1970-89 och 1990 och framåt. Den största andelen bostadsrätter (33 %) i studien är producerade under perioden 1950-69. Inom bostadsrättsmarknaden finns devisen läge, läge, läge som en, ofta mycket träffsäker, förklaring till hur attraktiv en bostadsrätt är och därmed vilket marknadsvärde den har. Vad som avses är geografiskt läge i landet, stadsdel och orientering i fastigheten. I denna studie ingår stadsdel som lägesegenskap och representeras av variablerna EriksbergEkeby, Fålhagen, Kåbo, Luthagen, Nordost, Svartbäcken och Övriga. Variabeln Centrum utgör referensvariabel. 17 Närliggande stadsdelar av liknande karaktär har i några fall slagits samman för att underlätta resultattolkning och för att få ett tillräckligt antal observationer. I samma syfte har också några stadsdelar, bl.a. Luthagen och Fålhagen, modifierats utifrån de gängse stadsdelsdefinitionerna. Generellt kan sägas att stadsdelarna är byggda vid olika perioder med olika byggstilar och med varierande miljöomgivning. Detta borde göra att priset skiljer sig åt mellan stadsdelarna, liksom det faktum att en del stadsdelar räknas som finare än andra och därmed drar upp priset på bostadsrätterna. Byggårsoch områdesvariablerna är alla dummyvariabler. 4.3 Borttagna variabler En stamrenovering är kostsam för föreningen. Den kan innebära att avgiften för den enskilde bostadsrättsinnehavaren höjs vid renovering. Dessutom kan det vara en olägenhet att bo i fastigheten under större renoveringar. Stamrenoveringsbehovet beror bl.a. på fastighetens ålder och byggstandard, men en tumregel är att stammarna bör bytas efter 50 år 18. En icke stamrenoverad fastighet bör därför dra ner värdet på aktuell bostadsrätt. I studien har fastigheter med byggår från 1960 och framåt betraktats som stamrenoverade. Bostadsrätter byggda efter 1960 med behov av eller nära planerad stamrenovering räknas som ej stamrenoverade En övervägande majoritet (92 %) av objekten i studien klassas som stamrenoverade. 17 Se Bilaga 1 för geografiska definitioner av stadsdelsvariablerna. 18 Kulling (2004). 13

Genom samtal med mäklare har det framkommit att presumtiva köpare alltför sällan studerar bostadsrättsföreningens ekonomi, vilket kan vara väl så viktigt 19. För att erhålla en god överblick krävs ofta att årsredovisningar från flera år tillbaka studeras. Köp av en bostadsrätt innebär egentligen inte att man äger lägenheten, utan man köper en andel i föreningen, med rätten att nyttja lägenheten under tiden som medlem i föreningen. I förhållande till köpt andel tar köparen också på sig de skulder som bostadsrättsföreningen eventuellt har. Detta avspeglas i avgiften som bl.a. ska täcka räntor och amorteringar på dessa lån. Stamrenovering och andra kostsamma renoveringar påverkar också föreningens ekonomi och kan innebära en avgiftshöjning. En låg avgift behöver inte heller alltid innebära en sund ekonomi. Möjligheten att då sätta av medel till framtida underhåll minskar, vilket gör att föreningen kan tvingas ta dyra lån. Bostadsrättsföreningar är enligt lag skyldiga att varje år avsätta kapital till en yttre reparationsfond, som ska täcka kontinuerligt underhåll av fastigheten och i viss mån renoveringar. En stor yttre reparationsfond fungerar som en buffert för framtida avgiftshöjningar. Vid regressionskörningar med variabler som kodar för stamrenovering, långfristiga skulder och yttre reparationsfond har det visat sig att dessa inte har någon påverkan och i fallen stamrenovering och reparationsfond har de negativ effekt mot vad som är rimligt att anta. Dessa variabler har därför lyfts bort från den slutgiltiga regressionsekvationen. En trolig förklaring till att skulden inte ger något bidrag till resultatet är att avgiften förmodligen täcker in mycket av den skuldbörda som eventuellt finns i föreningen. Avgiften kan sägas fungera som en proxyvariabel för skulden (se Figur 1). 20000 16000 SKULDKVM 12000 8000 4000 0-4000 0 2000 4000 6000 8000 AVGIFT KR Figur 1. Avgiftens samvarians med skuld/m². 19 Edwardsson (2004). 14

5 Analys av regressionsresultatet 5.1 Tolkning av resultatet Resultatet från regressionen presenteras i Tabell 2 och fås i form av en koefficient för varje oberoende variabel (ej referensvariabler). Koefficientens tecken visar om variabeln påverkar priset uppåt (plustecken) eller neråt (minustecken). Som nämnts tidigare så ger den logaritmiska regressionsmodellen resultatet i form av elasticiteter. För de variabler som är logaritmerade innebär det att regressionskoefficienten (β) anger hur många procent priset på bostadsrätten förändras om egenskapen som variabeln kodar för ändras med en procent. Koefficienten för yta är 0.905, vilket innebär att om lägenhetens yta ökar med en procent (t.ex. från 100 m² till 101 m²) så ökar bostadsrättens pris med 0,905 %. Med utgångspunkt från genomsnittspriset på bostadsrätterna i studien, 821 000 kr, skulle denna extra kvadratmeter höja priset till 828 430 kr. För dummyvariablerna gäller att koefficienten (β) räknas om till relativ effekt enligt följande formel: relativ _ effekt = ( e β 1) *100 Den relativa effekten anger betalningsviljan i procent för att erhålla en viss egenskap i förhållande till att inte ha egenskapen. Den relativa effekten för balkong, β = 0.059, blir då 6,08 %, vilket betyder att betalningsviljan för balkong (med utgångspunkt från en bostadsrätt utan balkong som kostar 821 000 kr) är 49 917 kr. För att på ett relativt lätt sätt kvantifiera de olika egenskapernas värde kan implicita priser räknas ut. Eftersom modellen resulterar i elasticiteter så blir de implicita priserna dock beroende av det relativa priset, dvs. det pris som en bostadsrätt utan aktuell egenskap betingar. De logaritmerade variablerna är dessutom beroende av en relativ parameter, dvs. utifrån vilket värde beräknas t.ex. sänkningen av avgiften. För de logaritmerade variablerna räknas det implicita priset ut enligt följande: implicit _ pris = ( β / parameter) * bostadsrättspris I Bilaga 3 har de implicita priserna beräknas på det genomsnittliga bostadsrättspriset 821 000 kr och parametrarna för avgift, yta och rum har beräknas på 3250 kr, 65,8 m² 15

respektive 2,37 rum, vilket är de genomsnittliga värdena på dessa variabler i studiematerialet. Om inget annat sägs så grundar sig de implicita priserna på dessa siffror. Tabell 2. Regressionsresultat Variabel Koefficient, β Standardavv. t-statistika Signifikansnivå ln Avgift -0,585 0,079-7,358 0,000 *** ln Yta +0,905 0,112 7,384 0,000 *** ln Rum +0,157 0,076 2,054 0,041 ** Nedre botten +0,013 0,032 0,416 0,678 Våning 1 (ref.) 0 0 0 0 Våning 2 +0,089 0,045 1,967 0,050 ** Våning 3+ +0,115 0,048 2,370 0,019 ** Vindsvåning +0,137 0,070 1,948 0,053 * Ej hiss (vån 2+) -0,071 0,047-1,502 0,135 Balkong +0,059 0,047 1,261 0,208 Öppen spis +0,105 0,054 1,957 0,052 * Toalett>1 +0,140 0,047 3,008 0,003 *** Uthyrning -0,101 0,064-1,567 0,118 Kokvrå +0,022 0,086 0,257 0,798 Bastu +0,032 0,028 1,159 0,248 Byggår -29(ref.) 0 0 0 0 Byggår 30-49 -0,118 0,079-1,499 0,135 Byggår 50-69 -0,238 0,083-2,847 0,005 *** Byggår 70-89 -0,323 0,089-3,638 0,000 *** Byggår 90- -0,084 0,101-0,827 0,409 Omr.Centr.(ref.) 0 0 0 0 Omr.Luthagen -0,091 0,050-1,836 0,068 * Omr.Kåbo +0,080 0,105 0,764 0,445 Omr.Fålhagen -0,053 0,0498-1,064 0,289 Omr.Svartbäck. -0,206 0,053-3,893 0,000 *** Omr.Eke.Eriks -0,256 0,054-4,722 0,000 *** Omr.Nordost -0,342 0,046-7,388 0,000 *** Omr.Övriga -0,999 0,060-16,570 0,000 *** Konstant +3,761 0,442 8,508 0,000 *** *** signifikant på 1%-nivån, ** = signifikant på 5%-nivån, * = signifikant på 10%-nivån. 16

5.2 Analys Regressionsmodellens förklaringsgrad uppgår till 84,4 % (justerat R² är 82,7 %), vilket innebär att de variabler som ingår i regressionen förklarar större delen av variationerna i slutpris på bostadsrätterna. Knappt 16 % av variationen fångas inte upp och beror på egenskaper som vi inte har tagit med i studien. Av 28 oberoende variabler (plus tre referensvariabler) är 15 signifikanta. Att avgiften spelar en stor roll vid köp av en bostadsrätt bekräftas av studien. Med en β-koefficient på -0.585 (signifikant på 1 %-nivån) innebär detta att en avgiftshöjning med 1000 kr skulle minska värdet på en genomsnittlig bostadsrätt med 148 000 kr. För en normal avgiftshöjning på t.ex. 200 kr till 2200 kr för en bostadsrätt värd 750 000 kr skulle detta medföra en värdeminskning på knappt 44 000 kr. Inom bostadsbranschen talas det ofta och gärna om kvadratmeterpriser. Yta som enda oberoende variabel förklarar ca 22 % av priset. I regressionsmodellen skattades koefficienten till 0.905 (signifikant på 1 %-nivån), vilket innebär att en procents ökning av lägenhetens boyta resulterar i en värdeökning med knappt en procent. För genomsnittslägenheten motsvara detta 7 430 kr (En ökning av ytan med en kvadratmeter innebär en värdestegring med 11 300 kr för genomsnittslägenheten). För en liten bostadsrätt (t.ex. 27 m², 650 000 kr) skulle det implicita priset för en kvadratmeter bli 21 800 kr. En extra kvadratmeter i en stor lägenhet (t.ex. 140 m², 2 100 000 kr) värderas endast till 13 600 kr. Betalningsviljan för en extra kvadratmeter är med andra ord, som regel, markant större vad gäller en liten lägenhet än en stor (se Figur 2). 17

30 25 PRIS_KVM 20 15 10 5 0 0 20 40 60 80 100 120 140 160 YTA Figur 2. Fallande kvadratmeterpris med ökad yta. Kopplat till bostadsrättens yta är inte sällan antalet rum. Med ökat antal rum ökar ofta ytan och tvärtom (se Figur 3). 160 140 120 100 YTA 80 60 40 20 0 0 1 2 3 4 5 6 RUM Figur 3. Samvariationen mellan variablerna rum och yta. Genom att använda en logaritmerad modellekvation tillåts interaktion mellan dessa variabler och risken för multikollinearitet minskas. Koefficienten för rum skattas i regressionen till 0.157 (signifikant på 5 %-nivån). Betalningsviljan för ett extra rum för t.ex. en etta värd 600 000 kr blir då 94 200 kr, givet samma yta och övriga egenskaper. För en femrummare värd två miljoner kr skattas betalningsviljan för ett sjätte rum till 62 800 kr. Liksom för kvadratmeter är betalningsviljan för ytterligare ett 18

rum, givet samma yta, generellt fallande ju fler rum bostadsrätten består av (se Figur 4). 1200 1000 PRIS_RUM 800 600 400 200 0 0 1 2 3 4 5 6 RUM Figur 4. Fallande rumspris med ökat antal rum. Det är allmänt känt bland fastighetsmäklare att en bostadsrätts läge i fastigheten, såväl vädersträcksmässigt som höjdmässigt, har inverkan på priset. I denna studie har vi endast lyckats fånga lägenhetens nivå i fastigheten och antagandet om att en högt belägen lägenhet, med chans till bättre utsikt, värderas högre konfirmeras genom resultatet. Variabeln nedre botten tyder på en marginellt ökad betalningsvilja för bostadsrätter i markplan jämfört med våning 1, vilken utgör referens, men är ej statistiskt signifikant. För en bostadsrätt på våning 2 är betalningsviljan 9,31 % mer jämfört med en på våning 1 och för våning tre och högre uppgår den till 12,2 %. Båda dessa variabler är signifikanta på 5 %-nivån. För genomsnittslägenheten på fjärde våning är köparen beredd att betala 100 000 kr mer än om den ligger på första våning. Däremot tyder variabeln ej hiss (ej signifikant) på att bostadsrätten sjunker i pris om den är belägen på andra våning eller högre i en fastighet utan hiss. Signifikant säkerställd på 10 %-nivån är däremot variabeln vindsvåning. Vindslägenheter anses som attraktiva och betalningsviljan uppgår till 14,7 %, vilket motsvarar 121 000 kr för genomsnittslägenheten (till detta kommer också sannolikt ytterligare 100 000 kr för att den ligger på våning 3 eller högre!). 19

Antagandet att en balkong höjer priset på en bostadsrätt är inte statistiskt säkerställt, men koefficientens tecken tyder på att så kan vara fallet. Däremot är betalningsviljan för öppen spis (signifikant på 10 %-nivån) relativt hög, 11,1 %. För en stor bostadsrätt som kostar 1 500 000 kr är köparen beredd att betala 166 000 kr ytterligare för en öppen spis. Antagandet om att bostadsrätter med fler toaletter än en ökar betalningsviljan (relativ effekt 15 %, signifikant på 1 %-nivån) får stöd av resultatet. En förklaring till den relativt stora betalningsviljan för en extra toalett kan vara att denna egenskap är främst förekommande i större och därmed ofta dyrare bostadsrätter. Variabeln uthyrning samvarierar i viss mån med variabeln toalett>1. Enligt koefficienten tyder den på att om en bostadsrätt har uthyrningsmöjlighet så minskar betalningsviljan för den, vilket kan ifrågasättas. Variabeln är dock inte signifikant. Utifrån studiematerialet på endast 9 observationer med kokvrå går det inte att med säkerhet fastslå om egenskapen har inverkan på priset, då variabeln inte är statistiskt säkerställd. Koefficientens tecken tyder dock på att priset skulle öka, vilket går emot tidigare antagande. Vad beträffar bastu så gav regressionen inget signifikant resultat. Dock kan nämnas att om värdet vore mer pålitligt så tyder det på att betalningsviljan skulle vara positiv. I gruppindelningen för byggår var två variabler statistiskt säkerställda (1 %-nivån). Jämfört med referensvariabeln byggår -29, så minskar betalningsviljan för bostadsrätten med 11,1 % respektive 21,2 % om fastigheten är byggd mellan åren 1930-49 respektive mellan åren 1950-69. I stort visar det sig att ju äldre fastigheten är, desto högre blir priset på bostadsrätten. Undantaget är nyproducerade bostadsrätter, byggår 90-, som ligger högt i pris, men denna variabel är ej signifikant. Vedertagen teori säger dock att priset på bostadsrätter faller med ålder 20. Studier gjorda av bl.a. Hallberg 21 och Rosengren & Schult 22 stödjer dock våra resultat om att bostadsrättens värde stiger med åldern. 20 Wigren (2005). 21 Hallberg (2004), s 21. 22 Rosengren & Schult (2003), s 41. 20