Tillgänglighet och Tobins Q i Sörmland

Tillgänglighet och Tobins Q i Sörmland Tre trafikscenarier och deras betydelse för fastighetspriser och tillgänglighet Regionförbundet Sörmland levererar 2013:1 En rapport framtagen av WSP Analys & Strategi på uppdrag av Regionförbundet Sörmland 1

Innehåll Förord 3 Sammanfattning 4 Inledning och bakgrund 5 Tobins Q - definition 5 Variationer i Tobins Q 6 Tobins Q och nybyggnation 7 Tobins Q och tillgänglighet 9 Bostadsmarknadens utveckling i Sörmland 10 Metod 15 Tobins Q 15 Tillgänglighet 16 Modellskattning av Tobins Q 17 Kvalitet och osäkerhetsfaktorer 20 Alternativa trafikscenarier 21 Alternativt busslinjenät 21 Kortare restider till Stockholms central 24 Persontrafikering av TGOJ-banan 25 Resultat 27 Tobins Q i nuläget 27 Tillgänglighet 30 Skattad förändring av Tobins Q 34 Slutsatser 37 Ordlista 38 Referenser 39 2013:1 Tillgänglighet och Tobins Q i Sörmland Tre trafikscenarier och deras betydelse för fastighetspriser och tillgänglighet Ansvarig utgivare: Regionförbundet Sörmland Layout: Newmarket Town Tryck: Linderoths Tryckeri, januari 2013

Det krävs mer än en förbättrad kollektivtrafik för att öka attraktiviteten på en ort. Studien säger dock inte att vi ska sluta förbättra transportsystemen eller sluta satsa på kollektivtrafik. Tvärtom! Förord Det pratas ofta om att det byggs för lite och att det är en hämmande faktor på inflyttningen till Sörmland. Ofta hörs det också att om vi bara hade haft bättre infrastruktur och tillgänglighet till tåg och bussar så skulle fler flytta hit. Den här studien säger att det krävs mer än en förbättrad kollektivtrafik för att öka attraktiviteten på en ort. Studien säger inte att vi ska sluta förbättra transportsystemen eller sluta satsa på kollektivtrafik. Tvärtom resultatet i studien ger tydliga signaler om att det krävs riktigt stora satsningar inom infrastruktur och kollektivtrafik för att det ska bli lönsamt att bygga hus och därmed också ekonomiskt attraktivt att bosätta sig i Sörmland. Syftet med studien har varit att undersöka hur ett förändrat regionalt kollektivtrafiknät påverkar tillgänglighet och bostadsmarknad i hela Sörmland genom att analysera sambanden mellan tillgänglighet i transportsystemet och Tobins Q. Tobins Q är en investeringsteori där marknadsvärdet för småhus i en kommun ställs i relation till produktionskostnaden i samma område. Utgångspunkten har varit att titta på nuläget i den regionala kollektivtrafiken och jämföra med ett alternativt trafiknät. Studien har också särskilt tittat på hur och om en trafikering med persontrafik på TGOJ-banan ger effekt på tillgängligheten och bostadsmarknaden. Göran Norberg Förbundsdirektör Regionförbundet Sörmland 3

Sammanfattning En av de mest använda indikatorerna för att avgöra om det är lönsamt att bygga eller inte är Tobins Q ett värde som definieras som kvoten mellan försäljningspris och nyproduktionspris för småhus. Värden över ett indikerar att man kan få tillbaka investerat kapital vid en nybyggnation. I denna rapport studeras hur tillgängligheten i trafiksystemen påverkar Tobins Q i Södermanlands län. En statistisk modell för att bestämma försäljningspriser (och därmed även Tobins Q) utifrån tillgänglighet i olika områden tas fram. Denna modell används sedan för att simulera effekter av förbättringar i tillgängligheten i olika alternativa kollektivtrafikscenarier. Länet som helhet har en Tobins Q på 1,12 i genomsnitt. Variationerna är dock stora såväl mellan som inom kommunerna. Kommuner som Strängnäs och Trosa har betydligt högre värden, medan bland annat Flen, Vingåker, Oxelösund och Katrineholm har värden under ett. Tre olika alternativa trafikscenarier testas i studien: ett nytt busslinjenät, en tänkt förkortad restid med regionaltåg till Stockholms central samt en persontrafikering av TGOJ-banan. Tillgängligheten för dessa alternativ beräknas och visar vissa förbättringar jämfört med nuläget, dock i relativt begränsad omfattning. Störst tillgänglighetsförbättring har det alternativa busslinjenätet. Modellen visar ett samband mellan tillgänglighet och försäljningspriser på småhus. Detta innebär att tillgänglighetsförbättringarna väntas få viss effekt även på Tobins Q i de alternativa trafikscenarierna. Effekterna är dock på det hela taget måttliga. En sammanfattande slutsats av studien är att i en region av Sörmlands karaktär utan en tydlig centralort med tillhörande periferi är det i hög utsträckning lokaliseringen i sig och därmed områdets attraktivitet som avgör försäljningspriserna, snarare än tillgängligheten i trafiksystemet. För att uppnå stora effekter på lönsamheten i nybyggnation krävs det därför förhållandevis stora förbättringar av tillgängligheten. 4

Inledning och bakgrund Under de senaste tio åren har priserna på bostadsmarknaden stigit kraftigt. Framförallt gäller det storstadsregionerna och i synnerhet Stockholmsregionen men även i andra delar av landet har prisutvecklingen varit betydande. En lång period av låga räntor kombinerat med låg produktionstakt av nya bostäder har i stor utsträckning varit drivande bakom denna utveckling. Regionförstoringen innebär samtidigt att delar av landet som tidigare i högre grad utgjorde egna arbets- och bostadsmarknader i allt högre grad knyts till i första hand storstadsregionerna. Återigen är detta särskilt tydligt i Stockholmsregionen. Nya förbättrade kommunikationer ger bättre pendlingsmöjligheter, vilket på sikt påverkar även prisbildningen på bostadsmarknaden. Beslutet att bygga nytt eller köpa sin bostad blir därför allt mer beroende av prisutvecklingen. Den blir i sin tur allt mer beroende av hur regionen knyts samman genom förbättrade kommunikationer. Denna studie visar därför hur man kan mäta lönsamheten i att bygga nytt och hur detta påverkas av förändringar i kommunikationerna. Tobins Q definition En av de mest använda indikatorerna för att avgöra om det är lönsamt att bygga eller inte är Tobins Q. Kvoten är uppkallad efter dess upphovsman James Tobin, nobelpristagare i ekonomi 1981. Definitionen av Tobins Q är kvoten mellan marknadsvärdet och återanskaffningsvärdet. Måttet utvecklades ursprungligen inom företagsekonomin och användes inom kapitalmarknadsanalys, men har visat sig vara ett användbart mått även vid analyser av bostadsmarknaden. Definitionen som då används är kvoten mellan försäljningspris och kostnad för nybyggnation av småhus. Givet justeringar för att det är jämförbara objekt, indikerar därmed en kvot över ett att det är lönsamt att bygga, det vill säga det är möjligt att sälja objekten för mer än vad det kostade att bygga dem. På motsvarande sätt indikerar en kvot lägre än ett att lönsamheten för nybyggnation är dålig. Teoretiskt bör därför en Tobins Q på över ett leda till höga investeringar. Dock krävs i praktiken något högre kvot än ett, eftersom byggherrar bör ha en viss marginal på investerat kapital. 5

Variationer i Tobins Q Det är stora skillnader i Tobins Q mellan olika delar av landet. Storstadsregionerna har i stor utsträckning värden över ett, i vissa delar av Stockholms- och Göteborgsregionerna över två, medan mer perifera delar av landet har värden långt under ett. Sundbyberg Solna Danderyd Lidingö Vaxholm Sotenäs Stockholm Nacka Båstad Tanum Riket Strömsund Sorsele Pajala Malå Jokkmokk Ånge Ragunda Överkalix Norsjö Åsele 0 0.5 1 1.5 2 2.5 3 Diagram 2.1 Kommunerna med de tio högsta respektive de tio lägsta Tobins Q, år 2006 (källa: Institutet för bostads- och urbanforskning, Uppsala Universitet). Teoretiskt borde det därmed vara lönsamt att bygga i storstadsregionerna och mycket olönsamt i de mest perifera regionerna. Trots detta har nybyggnationen under en period varit förhållandevis låg även i storstäderna. Sambandet mellan nybyggnation och Tobins Q är därmed inte omedelbart tydligt. Detta kan förklaras bland annat av markbrist i attraktiva lägen samt av snabba prisstegringar. Dessutom är sambandet inte nödvändigtvis giltigt på kommun- eller regionnivå. 6

Mikroläget, det vill säga det enskilda läget för en nybyggnation inom en kommun, kan därför skilja sig mycket åt från kommunens genomsnitt och det kan därmed vara lönsamt att bygga även i regioner med generellt låga Tobins Q. Vidare finns det även andra incitament än rent ekonomiska till hur nybyggnationen lokaliseras. Tobins Q och nybyggnation Även om bostadsbyggandet under senare år varit lågt finns det ett samband mellan höga Tobins Q-värden och var det faktiskt byggs. Mälardalsrådet har i en rapport (Strömqvist 2004) undersökt variationen mellan Q-värden för Mälardalens kommuner och bostadsbyggandet under perioden 2000-2003. Analysen visar att det finns ett systematiskt samband som förklarar drygt 60 procent av variationen i byggandet. Analysen visar att då Tobins Q antar värdet ett kan man förvänta sig att bostadsbyggandet motsvarar två bostäder per år och 1 000 invånare (se diagram 2.2). Drivs Tobins Q upp till 1,5 ökar bostadsbyggandet till närmare fyra bostäder per år och 1000 invånare. Om Stockholm- Mälarregionen som helhet ska få något mer omfattande bostadsbyggande måste Tobins Q vara avsevärt större än ett. Nyproduktion per 1 000 invånare och år 10 9 8 7 6 5 4 3 2 1 0 0 0,5 1 1,5 2 2,5 Tobins Q Diagram 2.2 Sambandet mellan Tobins Q och nyproduktion av småhus (källa: Strömqvist 2004). 7

Om man ser till det totala byggandet i Mälardalen är sambandet mellan höga byggnadsvolymer och höga Tobins Q-värden ännu starkare. Det finns ett relativt tydligt samspel mellan Tobins Q och nyproduktionen (se diagram 2.3). Det finns också ett ganska tydligt brott i samspelet. Efter 1994 motsvarar Tobins Q en avsevärt lägre nyproduktion än under åttiotalet. Detta trendbrott förklaras bland annat av förändrad räntepolitik och minskade räntebidrag, vilket ledde till att kostnaderna för bostadsproduktionen drevs upp till marknadsmässiga nivåer. Tar man hänsyn till detta trendbrott visar det sig att 90 procent av variationerna i Mälardalens småhusbyggande beror av Tobins Q (Strömqvist 2004). Tobins Q Småhus TQ Antal bostäder Byggande 1,4 9 000 1,3 8 000 1,2 7 000 1,1 1,0 0,9 6 000 5 000 4 000 3 000 0,8 2 000 0,7 1 000 0,6 0 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 Diagram 2.3 Nyproduktion av småhus och Tobins Q för småhusmarknaden i Stockholm-Mälarregionen år 1981 2002 (källa: Strömqvist 2004). 8

Tobins Q och tillgänglighet Ett flertal studier av sambandet mellan Tobins Q och tillgänglighet i transportsystemet har genomförts. Det samlade resultatet är att det föreligger ett tydligt positivt samband mellan höga Tobins Q- värden och hög transporttillgänglighet. I en studie av WSP (Berglund 2010) på uppdrag av Regionförbundet Örebro har sambandet mellan Tobins Q och tillgängligheten i transportsystemet undersökts för Örebro län. Resultatet visade ett starkt tydligt samband och att tillgängligheten förklarar drygt 60 procent av variationen i försäljningspriserna för småhus i Örebro län. Detta var en avsevärt högre förklaringsgrad än andra motsvarande studier. Forslund (2007) har i en analys beskrivit variationen i Tobins Q för småhus i Västerås under perioden 2001-2006, beräknat på delområden i kommunen. Bland annat undersöktes hur Tobins Q varierade med avståndet till Västerås centralstation. Analysen visade att de högsta kvoterna återfanns i de mest centrala delarna av kommunen och avtog med ökat avstånd från centralstationen. I en annan studie av WSP (Berglund 2006) undersöktes, på uppdrag av Uppsala stad, sambandet mellan Tobins Q och tillgänglighet. Tillgängligheten beräknades både i kollektivtrafiksystemet och vägtransportsystemet och studerades på små delområden om 500 x 500 meter. Resultatet av studien visade att tillgängligheten förklarade omkring 50 procent av variationen i Uppsala stad. Strömqvist (2004) studerade sambandet mellan Tobins Q och tillgängligheten i Mälardalens kommuner. Sambandet visade sig vara mycket starkt där tillgängligheten förklarade 80 procent av variationen i Tobins Q. Dock fångade den använda metoden inte in inomkommunal variation av lägeskvaliteter som olika områden besitter. Sambandet skattades på kommun-genomsnitt av Tobins Q och tillgänglighet och är därmed inte jämförbart med övriga studier inom området. 9

Bostadsmarknadens utveckling i Sörmland Efter en historiskt låg nivå på nybyggnationen under slutet av 90-talet har det under den senaste tioårsperioden byggts i genomsnitt omkring 400 småhus per år i Sörmland. Utvecklingen följer i stort sett rikets trend. I jämförelse med övriga län byggs det förhållandevis mycket i Sörmland, sett till invånarantalet. År 2010 byggdes 1,46 småhus per 1 000 invånare, vilket är den näst högsta nivån i landet. Endast i Uppsala län byggdes fler hus per invånare. 1 400 1 200 1 000 800 600 400 200 0 1975 1980 1985 1990 1995 2000 2005 2010 Diagram 2.4 Antal nybyggda småhus i Sörmland 1975-2010 (källa: SCB). 10

Antalet försäljningar av småhus per år i Sörmland ligger förhållandevis stabilt kring drygt 1 700 per år. Detta är även i nivå med historiska försäljningar före det tidiga 90-talets ekonomiska kris, då antalet försäljningar dök kraftigt. 2 500 2 000 1 500 1 000 500 0 1980 1985 1985 1990 1995 1995 2000 2005 2005 2010 Diagram 2.5 Antal försålda småhus i Sörmland 1981-2010 (källa: SCB). 11

Det är en betydande spridning på hur småhuspriserna har utvecklats inom länet. För länet som helhet följer prisutvecklingen i stort sett riket, medan priserna i de mest attraktiva delarna utvecklas snabbare. Allra tydligast är detta i Strängnäs och i hög grad även i Trosa. Samtidigt är det en betydligt mer blygsam utveckling av småhuspriserna i andra delar av länet. De genomsnittliga småhuspriserna i Vingåkers kommun som ligger lägst i länet är mindre än hälften av dem i Strängnäs. Detta återspeglar tydligt prisbildningen utifrån tillgång och efterfrågan givet befolkningsutvecklingen i länets olika delar. 2 500 2 000 Strängnäs kommun Riket Södermanlands län 1 500 1 000 Vingåker kommun 500 0 1980 1985 1990 1995 2000 2005 2010 Diagram 2.6 Köpeskilling (medelvärde 1 000-tals kronor) för småhus i Sörmland 1981-2010 (källa: SCB). 12

Produktionskostnaderna för småhus är inte lika hårt styrda av regionala skillnader i tillgång och efterfrågan och skiljer sig därmed inte lika mycket åt som försäljningspriserna. Dock är det märkbart dyrare att bygga småhus i storstadsregionerna. Kostnaden per kvadratmeter i Storstockholm låg år 2010 på 30 000 kronor, medan de i länsregion II (som Sörmland tillhör) i genomsnitt var på drygt 23 000 kronor. Detta var även något under rikets genomsnitt. Värt att notera är även att kostnaderna tenderar att variera mer över tid i storstadsregionerna än vad de gör i övriga landet. 35 000 30 000 25 000 Storstockholm Riket Länsregion II 20 000 15 000 10 000 5 000 0 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Diagram 2.7 Produktionskostnad (kronor/kvadratmeter netto) för gruppbyggda småhus 1998-2010 per region (källa: SCB). 13

Ser man sammantaget på försäljningsoch produktionspriserna, framgår att Tobins Q i Sörmland som helhet ligger på 1,02, baserat på den studie som genomfördes för år 2006 av Institutet för bostads- och urbanforskning vid Uppsala universitet. Variationerna är dock stora mellan kommunerna. Trosa och Strängnäs, som generellt har mycket attraktiva lägen, har högst kvoter, medan inlandskommuner som Katrineholm, Flen och Vingåker har värden under ett. Trosa Strängnäs Gnesta Eskilstuna Nyköping Oxelösund Katrineholm Flen Vingåker 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 Diagram 2.8 Tobins Q för kommuner i Sörmland år 2006 (källa: Institutet för bostads- och urbanforskning, Uppsala universitet). 14

Metod Tobins Q Vid beräkningen av Tobins Q och skattningen av den regressionsmodell som tillämpas har data hämtats från två huvudsakliga källor: dels SCB:s statistik över produktionskostnader för småhus, dels uppgifter om fastighetsförsäljningar från värderingsdata. Till detta kommer även en del rena lägesberoende egenskaper. Uppgifterna om produktionskostnader för gruppbyggda småhus hämtas från SCB:s statistik över priser för nyproducerade bostäder. Summerad produktionskostnad per kvadratmeter boyta för länsregion II (där Sörmland ingår) används sedan för beräkningen av nämnaren i Tobins Q. Från uppgifterna om fastighetsförsäljning för åren 2010-2011 tas de köp som anses vara marknadsmässiga ut för vidare bearbetning. Principerna för marknadsmässiga köp utgår från SCB:s kriterier för redovisning av statistik över småhusförsäljningar 1. Enligt dessa kriterier anses ett köp vara marknadsmässigt om följande är uppfyllt: Köpeskillingen får vara maximalt 10 miljoner kronor. Typkoden måste vara 220, det vill säga småhus för permanentboende. Köpeskillingskoefficienten (K/T) måste vara mellan 0,8 och 6,0. Försäljningen måste avse fastigheter upplåtna med äganderätt. Antal fastigheter som ingår i köpet måste vara en. Variablerna standardpoäng, värdeår och värdeyta måste finnas med i fastighetsinformationen. Datamaterialet från Värderingsdata innehåller samtliga småhus- och fritidshusförsäljningar mellan november 2009 och november 2011, omfattande totalt 3 633 transaktioner. Efter urval av marknadsmässiga köp enligt ovan återstod 2 400 poster, som sedan utgjorde grunden för den vidare analysen. Eftersom Tobins Q avser en jämförelse mellan likvärdiga objekt, det vill säga nybyggnationskostnaden i relation till försäljningspriset för ett nybyggt hus, gjordes även en justering av marknadsvärdet för att kompensera för de försålda objektens olika ålder. Enligt Berger (1998) kan deprecieringen med god genomsnittlig precision skatttas till cirka en procent per år. Varje enskild transaktion justerades med denna faktor, varefter en genomsnittlig Tobins Q beräknades på trafikzonsnivå. 1 http://www.scb.se/pages/documentation 317413.aspx 15

Tillgänglighet Begreppet tillgänglighet används i många sammanhang och mäts på många sätt. Här görs en avgränsning till att mäta tillgänglighet till arbete i transportsystemet för en genomsnittlig vuxen individ. Metoden att mäta tillgänglighet ryms inom en väl etablerad tradition av mikroekonomisk välfärdsanalys. Tillgänglighetsmåttet bygger på människors sätt att värdera restid, väntetid och reskostnader vilket ger en korrekt bakgrundsbild till val av färdmedel och var någonstans människor väljer att resa. Val av sätt att mäta styrs av projektets syfte, det vill säga i det här fallet att förklara fastighetspriser. Tillgänglighet till arbete eller om man så vill tillgänglighet till inkomstkällan har i ett flertal studier visat sig förklara variationen i fastighetspriser på ett bra sätt. Ett vanligt mått är att beräkna antalet arbetsplatser som nås inom ett visst tidsintervall med kollektivtrafik eller bil. Tillgängligheten beskriver då varje områdes relativa belägenhet i förhållande till trafiksystemet och antalet arbetsplatser i övriga områden. Tillgängligheten till arbetsplatser och arbetskraft är viktiga förklaringsfaktorer till hur befolkning och företag väljer att bosätta och lokalisera sig. Detta sätt att beräkna tillgänglighet till arbetsplatser kan beräknas i trafikmodeller. Det är dock endast ett mått på tillgänglighet och ger en översiktlig bild av hur transportsystem och bebyggelse samspelar. Eftersom utfallet av tillgänglighetsberäkningarna skiljer sig åt beroende på vilken tidsintervall som studeras kan detta beräkningsmått ibland vara grovt. Ett annat mått som tar hänsyn till flera faktorer är så kallad logsumma. Förenklat uttryckt beskriver logsumman möjligheten för en genomsnittlig individ i ett område att nå önskvärda målpunkter, till exempel arbetsplatser, inom en rimlig tid och kostnad. Logsumman kan också beskrivas som ett uttryck för den genomsnittliga nyttan att göra en resa från ett område. Logsumman är entydigt bestämd vilket gör att differensen mellan olika tillgänglighetsberäkningar är entydig. Tillgänglighet som potentiellt antal arbetsplatser som nås inom ett visst tidsintervall är ett något begränsat mått i jämförelse med logsummemåttet som visar på effektiviteten i systemet som helhet. Därför har vi valt att använda logsumma för de vidare skattningarna av regressionsmodellen (se nästa avsnitt). I denna studie studeras trafiknätet dels i nuläget, dels i tre alternativa trafiklösningar. Syftet är att undersöka hur det förändrade kollektivtrafiknätet påverkar tillgänglighet och bostadsmarknad. De alternativa trafiknäten beskrivs mer detaljerat under kapitel 4 i denna rapport. 16

Modellskattning av Tobins Q Studien undersöker om det är möjligt att beskriva variationer i försäljningspriset med hjälp av tillgänglighetsmåttet samt vissa andra variabler som stöd. För att få en så bra förklaringsgrad som möjligt i modellen testades ett flertal variabler. Korrelationen mellan försäljningspriset och de tänkbara förklarande variablerna framgår av tabell 3.1 nedan. Areal 0.028 Mälaren inom 300 meter 0.023 Hav inom 300 meter 0.001 Byggår 0.379 Standardpoäng 0.004 Total tillgänglighet 0.009 Tillgänglighet med bil 0.005 Tillgänglighet med kollektivtrafik 0.004 Tabell 3.1 Korrelation mellan försäljningspris och övriga variabler. Som framgår av tabellen är det förhållandevis svaga samband mellan försäljningspris och de flesta av variablerna på den totala nivån. Det är endast byggår som uppvisar någon större grad av samvariation. Tillgänglighet som i normalfallet i denna typ av studier är starkt korrelerad med försäljningspriset har ytterst svagt samband. Vid närmare studie av datamaterialet visar sig de rena lägesegenskaperna spela en ovanligt stor roll för bestämningen av fastighetspriset i Sörmland. Den regionala strukturen är något mer svåranalyserad än vad som är fallet i till exempel Örebro och Uppsala. Det finns tydliga befolknings- och kommunikationsstråk längs med Mälaren, genom inlandet och längs med kusten som alla har sina egna förutsättningar utöver vad som kan förväntas utifrån de normala förklaringsfaktorerna för fastighetspriser. Exempelvis har Trosa förhållandevis låg tillgänglighet enligt våra sätt att mäta, men kommunen i synnerhet vid kusten har andra höga kvaliteter som gör området attraktivt och ger betydligt högre fastighetspriser än vad som kunde förväntas utifrån variablerna i tabellen ovan. På motsatt sätt är även Oxelösund beläget vid kusten med liknande tillgänglighetsförutsättningar som Trosa, men anses marknadsmässigt ha betydligt lägre attraktivitet än vad som kunde förväntas. 17

Den regressionsmodell som skattats har därför i hög grad fått ta hänsyn till lokaliseringen av försäljningarna för att kunna uppnå en acceptabel förklaringsgrad. Samtidigt är det en balansgång mellan att ha tillgängligheten som en förklarande variabel i tillräckligt hög grad för att det ska vara möjligt att använda modellen för de alternativa trafikscenarierna. En konsekvens av detta är bland annat att det skulle gå att få en ännu högre förklaringsgrad i modellen genom att i ännu högre grad väga in lokaliseringen. Dock skulle detta ske till priset av att tillgänglighetsvariablerna skulle få en mycket liten inverkan på variationen i försäljningspriset. Vi har därför valt en medelväg genom att väga in endast de tydligaste lokaliseringseffekterna det vill säga de kommuner eller delar av kommuner där försäljningspriserna avviker som mest från det förväntade utifrån övriga förklaringsvariabler samtidigt som tillgängligheten har tillmätts en acceptabelt hög påverkan. Regressionsmodellen har skattats med försäljningspriset som beroende på variabel och tillgänglighet, byggår, standardpoäng, närhet till vatten samt lokalisering i vissa kommuner som förklarande variabler. Orsaken till att det är försäljningspriset som skattas och inte Tobins Q direkt, är att produktionskostnaden (det vill säga nämnare i Tobins Q) är konstant i hela regionen och alltså är oberoende av de enskilda objektens lokalisering. Förklaringsgraden (r2) är 0,48, vilket innebär att modellen kan förklara 48 procent av variationen i försäljningspriset. Detta är en förklaringsgrad som ligger ungefär i linje med tidigare studier av denna typ och kan anses som tillfredsställande. Tabell 3.2 på nästa sida visar modellparametrarna med standardfel och t-värde (Student s t). Samtliga skattade modellparametrar är tydligt under 0,1%-nivån (P-värde). 18

Koefficient Standardfel t-värde P Mälaren inom 300 meter 10 961,16 1 833,53 5,98 < 0,001 Hav inom 300 meter 10 284,11 2 023,82 5,08 < 0,001 Byggår -575,91 17,66-32,62 < 0,001 Standardpoäng 456,64 90,41 5,05 < 0,001 Gamla hus -7 676,25 1 451,10-5,29 < 0,001 Oxelösund -6 960,77 1 673,09-4,16 < 0,001 Trosa kustområden 14 920,27 2 200,35 6,78 < 0,001 Strängnäs centrala delar 12 979,67 2 340,24 5,55 < 0,001 Mariefred 15 312,12 1 981,40 7,73 < 0,001 Vingåker -10 577,59 1 662,84-6,36 < 0,001 Total tillgänglighet 15 211,40 2 784,19 5,46 < 0,001 Tabell 3.2 Skattning av modellparametrar. Mälaren inom 300 meter är skattad som en dummyvariabel som antar värdet ett om fastigheten ligger inom 300 meter från Mälaren. Hav inom 300 meter är skattad som en dummyvariabel som antar värdet ett om fastigheten ligger inom 300 meter från havet. Byggår är året för småhusets ursprungliga uppförande. Standardpoäng avser fastighetens skick och standard och kan variera mellan 0 och 67. Till grund för standardpoängen ligger en poängberäkning för vart och ett av fem huvudområden avseende småhusets byggnadsmaterial och utrustning. Huvudområdena är exteriör, energihushållning, kök, sanitet och övrig interiör. Gamla hus är skattad som en dummyvariabel som antar värdet ett om huset är byggt före år 1930. Variabeln används i enlighet med Berger (1998) för att hantera deprecieringen av fastigheter för de allra äldsta husen. Oxelösund, Trosa kustområden, Strängnäs centrala delar, Mariefred och Vingåker är dummyvariabler som antar värdet ett om fastigheten är belägen i någon av dessa kommuner eller kommundelar. Total tillgänglighet är tillgängligheten i trafiksystemet definierat som logsumman (se avsnitt 3.2) för den trafikzon där fastigheten är belägen. 19

Kvalitet och osäkerhetsfaktorer Modellen skattar Tobins Q på trafikzonsnivå, så antalet observerade försäljningar i varje trafikzon påverkar hur bra skattningar som kan göras. Osäkerheten blir större i zoner med endast ett fåtal försäljningar och mindre i zoner med ett stort antal försäljningar. Produktionskostnaden antas i denna modell vara konstant för hela regionen. Produktionskostnaden utgörs av summan av markkostnad och byggnation. Tomtpriser och därmed markkostnad kan förväntas variera mellan olika delar av regionen. Tobins Q skulle därmed vara något lägre i mer attraktiva lägen med högre markpriser och något högre i mer perifera delar med lägre markpriser. Detta är något som för närvarande alltså inte vägs in i modellen. Som förklaras i avsnitt 3.3 är fastighetspriserna i hög grad beroende av det geografiska läget, något som endast delvis fångas upp i modellskattningen. Det skulle vara möjligt att ta hänsyn till lokaliseringen i ännu högre grad, men det är inte enbart mellan kommuner som priserna varierar. Även mikroläget har stor betydelse och olika delar av kommuner kan lokalt ha avsevärt högre eller lägre attraktivitet. En sådan variabel är dock svår att använda i en modell som skattas på trafikzonsnivå. 20

Alternativa trafikscenarier Den skattade modellen utgör utgångspunkt för att studera effekterna på Tobins Q av olika alternativa trafikscenarier. Genom att beräkna den nya tillgängligheten per trafikzon i de olika scenarierna och överföra modellen på dessa tillgänglighetsskattningar, erhålls nya försäljningsvärden och nya Tobins Q kan därmed beräknas. De tre alternativa trafikscenarier som undersöks i denna studie utgörs av ett alternativt busslinjenät, förkortade restider till Stockholms central från länets huvudorter samt persontrafikering av TGOJ-banan. Nedan följer beskrivningar av respektive scenario, som blir utgångspunkter för de nya tillgänglighetsberäkningarna i nästa steg av analysen. Alternativt busslinjenät En översyn av det framtida kollektivtrafiknätet har det senaste året genomförts i Sörmland. I rapporten Framtida kollektivtrafik i Sörmland Kommunöversyner i Sörmland (2011) presenteras en sammanställning av de kommunvisa översynerna som pågått under 2011. Rapporten med beskrivningar av länseffekter är en sammanfattande analys med inkluderat förslag till formering på länsnivå och hur länet kan gå vidare med det av Regionförbundet Sörmland framtagna förslaget om stomlinjenät med buss i Sörmland. I respektive kommunöversyn har ett trafikförslag tagits fram för varje kommun. I förslagen ingår även förslag till vilka linjer som bör klassas som regionala stomlinjer respektive lokala linjer. Detta innebär att vissa linjer föreslås omdefinieras till framförallt lokala linjer. Vissa regionala linjer föreslås också ändra körväg för att stärka linjernas regionala karaktär. Valet av linjer som har pekats ut som regionala har gjorts med utgångspunkt från regionförbundets expressbussutredning. Generellt har också en utgångspunkt varit att regionala linjer ska finnas mellan kommunhuvudorter med arbetspendling eller annat funktionellt samband där tågtrafik saknas. Även om tågtrafik finns kan dock omfattande pendling medföra att regional busstrafik behöver komplettera tågtrafiken. För att kunna köra så rak väg som möjligt men ändå trafikförsörja mellanliggande tätorter behöver på vissa håll nya hållplatser anläggas efter genomfartsvägarna för att undvika omvägar. Att räta ut linjer och undvika avvikelser från den naturliga körvägen är en viktig komponent när det gäller att förkorta körtiderna. Samtidigt är det viktigt att resenären inte får för långt till bussen, varför exempelvis orter som Bettna, Valla och Härad där de 21

regionala linjerna föreslås köra genom respektive samhälle, trots att det innebär något längre restid. I takt med att resandet ökar kan ytterligare rätningar av linjenätet bli aktuella. Ett annat tema i trafikförslagen har varit att förenkla linjenätet. Idag trafikeras vissa sträckor av flera parallella linjer och de enskilda linjerna har också ofta olika körväg. Detta har varit särskilt markant i de södra delarna av länet. I området kring Tystberga och Lästringe i Nyköpings kommun finns inte mindre än fem olika linjer (exklusive skolskjutslinjer). För flera linjer har tidtabellerna förenklats genom införandet av så kallad styv tidtabell. Det innebär att bussen avgår på samma minuttal från en hållplats oavsett tid på dagen. Samtidigt är det viktigt att poängtera att i Sörmland fyller busstrafiken en viktig funktion som anslutning till och från tågen, varför styv tidtabell inte alltid lämpar sig att införa utifrån dagens tågtrafik. Generellt innebär trafikförslaget att stråk där det finns ett stort resandeunderlag prioriteras framför mer trafiksvaga områden. Såväl när det gäller det regionala som det lokala linjenätet föreslås omfattande förtätning av trafiken med flera turer per timme. På andra sträckor behålls i stort sett befintligt utbud men där samtliga linjer körs den snabbaste vägen, något som innebär en markant genomsnittlig restidsförkortning. Karta 4.1 Alternativt busslinjenät i södra länsdelen. 22