Vakanstider inom kommersiella fastigheter

Institutionen för Fastigheter och Byggande Examensarbete nr. 330 Real Estate Development and Financial Services Masternivå, 30 hp Real Estate Management Vakanstider inom kommersiella fastigheter En studie på kontorsmarknaderna i Stockholm och Malmö Författare: Marcus Altengård Jens Kvarnström Stockholm 2014 Handledare: Mats Wilhelmsson

Master of Science thesis Title Vacancy duration in commercial real estate Authors Marcus Altengård & Jens Kvarnström Department Real Estate and Construction Management Master Thesis number 330 Supervisor Mats Wilhelmsson, KTH Keywords Vacancy duration, vacancy rate, office, rent loss, leasing strategy. Aim Method Abstract This research has examined the topic of vacancy duration within the office space market. The study is geographically limited to the central business districts (CBD) of Stockholm and Malmö. The purpose was to investigate if the concept of vacancy duration can be useful in the real estate sector. Another purpose was to determine which variables are affecting the vacancy duration and which factors that are important for the tenants when relocating. Finally, the ambition was to present strategies which can be used to optimize the leasing process and thus reduce the vacancy duration. The methodology applied in this research is divided into three main areas, namely literature review, interviews and regression analysis. The interviews have been carried out using a qualitative approach with an inductive reasoning. While the regression analysis has a quantitative approach with a deductive reasoning. Conclusion From this research it can be concluded that the concept of vacancy duration has potential to be normative in the real estate sector. An advantage applying the concept is to increase the awareness of vacant space and to create an understanding of normal vacancy durations. Based on the applied database from 2009-2013, the vacancy duration in CBD of Stockholm and Malmö was calculated to 7,7 months in total, divided on 7,1 months in Stockholm and 8,9 in Malmö. It can be concluded that refurbishments are decreasing the vacancy duration, and especially refurbishments that are made in advance are paying off well. Further on, area efficient and flexible spaces, as well as a good indoor climate are particularly appreciated by the tenants and are reducing the vacancy duration. Regarding reasons for relocation is changed need of area considered the most common factor. Future research In order to bring the research further in the relatively unexplored topic vacancy duration, it is recommended to perform the regression analysis on an extended database. This can be carried out by including a bigger number of observations in an increased number of cities and by extending the time period. In addition, it is suggested to include observations from more than one company in the database. I

Examensarbete Titel Vakanstider inom kommersiella fastigheter Författare Marcus Altengård & Jens Kvarnström Institution Institutionen för Fastigheter och byggande Examensarbetets nr. 330 Handledare Mats Wilhelmsson, KTH Nyckelord Vakanstid, vakansgrad, kontor, omlokalisering, hyresbortfall, uthyrningsstrategi. Sammanfattning Syfte Metod Slutsats Framtida forskning Denna forskningsrapport har avhandlad ämnet vakanstider inom segmentet kontorslokaler. Geografiskt har rapporten avgränsats till CBD i Stockholm och Malmö. Syftet var att undersöka huruvida begreppet vakanstid kan tillämpas inom fastighetsbranschen. Avsikten var bland annat att fastställa vilka variabler som påverkar vakanstidernas varaktighet och vilka preferenser hyresgästerna har vid omlokalisering. Vidare var ambitionen att redogöra för strategier som kan tillämpas för att optimera uthyrningsprocessen och därmed reducera vakanstiderna. Tre huvudsakliga metoder har tillämpats i denna rapport, litteraturstudie, intervjuer och regressionsanalyser. Intervjuerna genomfördes utifrån ett kvalitativt forskningsperspektiv med en induktiv ansats. Medan regressionsanalyserna utfördes genom ett kvantitativt deduktivt perspektiv. Det kan utifrån resultatet i denna rapport konstateras att begreppet vakanstid har potential att bli ett normbegrepp inom fastighetsbranschen. En fördel med att tillämpa begreppet är att det skapar en större medvetenhet om vilka lokaler som står vakanta länge och information genereras om vilken vakanstider som får anses vara normala. Baserat på den tillämpade databasen med data 2009-2013, kunde den generella vakanstiden i Stockholm och Malmö fastställas till 7,7 månader, fördelat på 7,1 månader i Stockholm och 8,9 i Malmö. Förtidsanpassningar, det vill säga renoveringar som utförs utan kontrakterad hyresgäst, kan konstateras bidra till att vakanstidernas reduceras. Vidare anses hyresgästerna premiera yteffektiva och flexibla lokaler, samt ett bra inomhusklimat. Den viktigaste omlokaliseringsfaktorn var förändrat lokalbehov. För att föra forskningen vidare inom det relativt outforskade ämnet vakanstider rekommenderas att regressionsanalyserna utförs på en utökad databas. Detta genom att inkludera ett större antal observationer i fler städer och genom att utöka tidsperioden. Vidare bör databasen omfatta observationer ifrån mer än ett bolag. II

Förord Till följd av att hösten 2013 spenderades med en tidsförskjuten utbytestermin på TU Delft i Nederländera, anlände vi till Stockholm och KTH först en månad efter terminsstart. Det fanns med andra ord ingen tid att spilla och 8 timmar efter hemkomsten satt vi därför bänkade framför varsin datorskärm. Den efterföljande resan kom att kantras av såväl höga bergstoppar som djupa dalgångar. Ämnet vakanstider beslutades i samråd med ett svenskt fastighetsbolag, vilka sedermera kom till att tillhandahålla sin databas, arbetsplatser och de anställdas tid till oss. Vi är väldigt tacksamma och glada för denna möjlighet och vi vill rikta ett särskilt tack till vår handledare U.E. på detta bolag. Vi vill även tacka vår uppsatshandledare Mats Wilhelmsson, professor på KTH, som väglett oss genom regressionsanalysernas förunderliga väg. Genom denna Masteruppsats avslutar vi nu studierna på KTH och vänder på bladet för nya utmaningar. Stockholm, 2014-05-13 Marcus Altengård Jens Kvarnström III

Innehållsförteckning 1. INLEDNING 1 1.1 BAKGRUND 1 1.2 PROBLEMPRECISERING & SYFTE 2 1.2.1 SYFTE 2 1.2.2 HUVUDSAKLIG FORSKNINGSFRÅGA 2 1.2.3 SPECIFIKA FORSKNINGSFRÅGOR 2 1.3 AVGRÄNSNINGAR 2 1.3.1 ÄMNESRELATERADE AVGRÄNSNINGAR 2 1.3.2 GEOGRAFISKA AVGRÄNSNINGAR 2 1.3.3 DATARELATERADE AVGRÄNSNINGAR 3 1.4 MÅLGRUPP 3 1.5 DEFINITIONER 3 2. METOD 5 2.1 METODVAL & FÖRHÅLLNINGSSÄTT 5 2.2 KONCEPTUELL MODELL 6 2.3 GENOMFÖRANDE 7 2.3.1 INTERVJUGUIDE 7 2.3.2 DATAINSAMLING OCH REGRESSIONSANALYSER 8 2.3.3 TILLVÄGAGÅNGSSÄTT REGRESSIONSANALYSER 8 2.4 TILLFÖRLITLIGHET & GILTIGHET 10 2.4.1 TILLFÖRLITLIGHET OCH REPETERBARHET 10 2.4.2 EXTERN OCH INTERN VALIDITET 10 3. LITTERATURSTUDIE 13 3.1 NATURLIGA VAKANSER 13 3.2 VAKANSTID 14 3.3 BAKGRUND TILL OMLOKALISERING 15 3.3.1 KOMMUNIKATION OCH LÄGE 15 3.3.2 LOKALSTANDARD OCH IMAGE 15 3.3.3 YTEFFEKTIVISERING OCH FLEXIBILITET 16 3.3.4 KONTORSTYP OCH MILJÖCERTIFIERING 16 3.4 STRATEGIER FÖR ATT REDUCERA VAKANSTIDEN 17 4. MARKNADSLÄGE 18 4.1 KONJUNKTUR & BEFOLKNINGSTILLVÄXT 18 4.1.1 STOCKHOLM 18 4.1.2 MALMÖ 18 4.2 HYRESNIVÅER & VAKANSGRADER 18 4.2.1 STOCKHOLM 18 4.2.2 MALMÖ 19 IV

5. EMPIRI 20 5.1 TILLÄMPADE VARIABLER 20 5.1.1 BEROENDE VARIABEL VAKANSTID 20 5.1.2 OBEROENDE VARIABLER 20 5.2 REGRESSIONSANALYSER 26 5.2.1 STOCKHOLM & MALMÖ 26 5.2.2 STOCKHOLM 28 5.2.3 MALMÖ 28 5.3 INTERVJUSVAR 29 5.3.1 TILLÄMPA 29 5.3.2 DEFINIERA & KARTLÄGGA 30 5.3.3 FÖRKLARA 30 5.3.4 ARBETSSÄTT OCH FÖRBÄTTRINGSPOTENTIAL 32 5.4 FASTIGHETSSPECIFIKA INTERVJUER 35 6. ANALYS 37 6.1 TILLÄMPNING AV BEGREPPET VAKANSTID 37 6.2 RÅDANDE VAKANSTIDER 38 6.3 STYRANDE MIKROVARIABLER 39 6.3.1 FASTIGHETSSPECIFIKA VARIABLER 39 6.3.2 OBJEKTSSPECIFIKA VARIABLER 40 6.3.3 UTHYRNINGSSTRATEGIER 41 6.3.4 KONJUNKTUR 41 6.4 OMLOKALISERINGSFAKTORER 42 6.5 UTHYRNINGSSTRATEGIER 43 7. SLUTSATSER 48 8. FRAMTIDA FORSKNING 53 9. LITTERATURFÖRTECKNING 54 9.1 SKRIFTLIGA KÄLLOR 54 9.2 WEBB-BASERADE KÄLLOR 55 9.3 MUNTLIGA KÄLLOR 56 9.4 FIGURER & TABELLER 56 10. APPENDIX 57 10.1 APPENDIX 1 INTERVJUFORMULÄR 57 10.2 APPENDIX 2 INTERVJUSVAR 58 10.3 APPENDIX 3: KORRELATIONSTABELL 72 V

Figur- och tabellförteckning Figurer FIGUR 1.5-1 ÖVERSIKTKARTA OCH DETALJERAD KARTA ÖVER STOCKHOLM CBD 4 FIGUR 1.5-2 ÖVERSIKTKARTA OCH DETALJERAD KARTA ÖVER MALMÖ CBD 4 FIGUR 2.2-1 KONCEPTUELL MODELL 6 FIGUR 3.3-1 BETYDELSE AV YTEFFEKTIVISERING VID OMLOKALISERING 16 FIGUR 3.3-2 DE MEST BETYDELSEFULLA FAKTORERNA VID OMLOKALISERING 16 FIGUR 4.2-1 VAKANSGRAD OCH HYRESNIVÅ, STOCKHOLM, 2005-2014P 20 FIGUR 4.2-2 VAKANSGRAD OCH HYRESNIVÅ, MALMÖ, 2005-2014P 20 FIGUR 5.1-1 VAKANSTIDER, STOCKHOLM OCH MALMÖ 21 FIGUR 5.1-2 YTEFFEKTIVITET, STOCKHOLM OCH MALMÖ 22 FIGUR 5.1-3 LOKALANPASSNINGAR, STOCKHOLM OCH MALMÖ, SAMTLIGA 23 FIGUR 5.1-4 LOKALANPASSNINGAR, STOCKHOLM OCH MALMÖ, URVAL 23 FIGUR 5.1-5 LOKALANPASSNING/ÅRSHYRA, STOCKHOLM OCH MALMÖ 24 FIGUR 5.1-6 LOKALANPASSNING/ KONTRAKTSVÄRDE, STOCKHOLM OCH MALMÖ 24 FIGUR 5.3-1 VARIABLER SOM STYR VAKANSTID 31 FIGUR 5.3-2 ANLEDNING TILL OMLOKALISERING 32 Tabeller TABELL 5.2-1 REGRESSIONSANALYSER, STOCKHOLM OCH MALMÖ 27 TABELL 5.2-2 REGRESSIONSANALYSER, URVAL STOCKHOLM 28 TABELL 5.2-3 REGRESSIONSANALYSER, URVAL MALMÖ 29 VI

1. INLEDNING I detta inledande avsnitt presenteras rapportens bakgrund, frågeställningar och syften. Vidare redovisas rapportens avgränsningar och målgrupp, samt ett kortare avsnitt med det för ämnet relevanta definitioner. Den primära avsikten med detta kapitel är att introducera läsaren i ämnet och underlätta fortsatt läsning. 1.1 Bakgrund Vakansgrad 1 är ett nyckeltal som är väl etablerat inom fastighetsbranschen och som alla fastighetsägare kan relatera till (Fastighetsnytt, 2011). Nyckeltalet tillämpas inom flera discipliner, bland annat i budgetarbetet och vid framtagandet av uthyrningsstrategier. Begreppet vakanstid, det vill säga hur länge en lokal varit outhyrd (Klingborg, 2009), är däremot ett nyckeltal som få företag tillämpar och kan kvantifiera. Begreppet anses dock kunna få stor betydelse och tillämpning i fastighetsbranschen, vilket gör ämnet intressant att undersöka. Bland annat skulle en fungerande modell till stor del kunna förklara skillnader i vakansgrad och vakanstid mellan olika städer och olika lokaler (Sternberg, 1994). Framförallt bör fastighetsbolagen själva kunna dra nytta av att mäta och följa upp sina vakanstider. Historiskt sett har ämnet mestadels undersökts och behandlats på bostadsmarknaden, och främst då i USA, men viss forskning har även skett på kontorsmarknaden (Gabriel & Nothaft, 2001). På den svenska bostadsmarknaden är det idag ett stort fokus på hur länge lägenheter och hus har legat ute till försäljning (engelskans time on market). Bland annat exponeras nyckeltalet tydligt på bostadsförmedlingssidor såsom Hemnet (Hemnet, 2014). Begreppet används inte i samma omfattning avseende hyresrätter, men detta antas bero på det stora efterfrågetryck som finns på boendeformen i Sverige något som gör vakanstiden till en ickefråga (Boverket, 2014). Marknaden för bland annat kontorslokaler har dock inte lika angenäma marknadsförutsättningar, vilket gör att begreppet vakanstid bör kunna tillämpas mer i detta segment. Genom att bli mer medveten om vilka vakanstider som råder inom ett fastighetsbestånd bör bland annat strategierna kunna anpassas för att reducera dem, vilket leder till lägre vakanskostnader och därmed ett förbättrat resultat. I fastighetsbolaget Vasakronans årsredovisning finns att läsa att ett huvudmål för nästkommande år är att reducera vakanstiderna (Vasakronan AB, 2013). Ett rimligt antagande är att samma aktiviteter pågår runt om i branschen. 1 Vakansgrad: outhyrd del i förhållande till uthyrbar del av en fastighet/fastighetsbestånd. 1

1.2 Problemprecisering & syfte I detta avsnitt presenteras den huvudsakliga forskningsfrågan, de fem specifika forskningsfrågorna och rapportens syften. 1.2.1 Syfte Denna uppsats har fyra primära syften. Ett syfte är att undersöka tillämpningspotentialen för begreppet vakanstid inom fastighetsbranschen. Vidare är avsikten att fastställa vilka variabler som påverkar vakanstidernas varaktighet, vilka omlokaliseringsfaktorer som är avgörande, och slutligen att redogöra för vilka strategier som kan tillämpas för att optimera uthyrningsprocessen och reducera vakanstiderna. 1.2.2 Huvudsaklig forskningsfråga Hur kan vakanstiden inom kontorslokaler reduceras? 1.2.3 Specifika forskningsfrågor 1. Hur kan begreppet vakanstid tillämpas i fastighetsbranschen? 2. Hur långa är vakanstiderna på kontorsmarknaderna i Stockholm- respektive Malmö CBD? 3. Vilka mikrovariabler är avgörande för vakansernas varaktighet? 4. Vilka faktorer styr lokalhyresgäster vid omlokalisering? 5. Hur arbetar fastighetsbolag i dagsläget för att reducera vakanstiderna och vilka nya arbetssätt kan implementeras? 1.3 Avgränsningar Nedan presenteras genomförda avgränsningar, vilka har gjorts inom de tre områdena ämne, geografi och datainsamling. 1.3.1 Ämnesrelaterade avgränsningar Denna forskningsrapport behandlar huvudsakligen ämnet vakanstid, men då begreppet är närbesläktat med vakansgrad kommer även detta begrepp att behandlas. Rapporten är begränsad till att enbart omfatta kontorslokaler, en avgränsning som delvis gjordes på grund av tidsbegränsningen, men även på grund av att kontorslokaler anses ha mer logiska vakansmönster än exempelvis handelslokaler. 1.3.2 Geografiska avgränsningar Rapporten avgränsades geografiskt till CBD (Central Business District) i Stockholm och Malmö. Detta i syfte att begränsa datamängden och tidsåtgången för kartläggning och analys. De två geografiska områden ansågs vara lämpliga att undersöka utifrån författarnas marknadskännedom om Stockholm och Malmö, samt de goda möjligheterna att utföra intervjuer i de båda orterna. Avgränsningen CBD valdes framförallt för att detta område i regel är en bra indikator på lokalefterfrågan i en stad och där med styr efterfrågan på lokaler i mer perifera lägen. Likaså underlättades 2

jämförelsen mellan Stockholm och Malmö på grund av att detta standardområde användes. 1.3.3 Datarelaterade avgränsningar Att genomföra datainsamling på ett eller flera fastighetsföretag var nödvändigt för att kunna utföra önskade regressionsanalyser. Tillgång till denna typ av data är förenad med sekretessförbindelse, begränsades dataåtkomsten dock till ett företag. Ett av Sveriges större fastighetsbolag valdes som samarbetspartner för detta ändamål. Tidsperioden för undersökning av de historiska vakanstiderna valdes till fem år (2009-2013), vilket är relaterat till tidsperioden det fanns adekvat data i databasen. I regressionsanalyserna har ett antal styrande variabler används. Dessa är närmre redogjorda i avsnitt 5.1 Vidare utfördes intervjuer som med hänsyn till tidåtgång för utförande, transkribering och analys begränsades till sex huvudintervjuer. Dessa intervjuer fördelades på fem fastighetsbolag aktiva inom kontorslokaler i Stockholm-, respektive Malmö CBD (se avsnitt 2.3). Fastighetsbolagen valdes utifrån kriteriet störst marknadsandel inom segmentet kontorslokaler för respektive geografiska område. 1.4 Målgrupp Denna forskningsrapport behandlar ämnet vakanstider och det närbesläktade begreppet vakansgrad. Båda dessa begrepp är relevanta inom fastighetsbranschen och fastighetsföretag får därmed anses utgöra den breda målgruppen för denna rapport. Explicit riktar sig rapporten dock till aktörer aktiva inom kontorsuthyrning. Rapporten riktar sig även till studenter och forskare som är aktiva i ämnet. Kontraktsvärde Vakansgrad 1.5 Definitioner Det totala värdet på hyreskontraktet. Årshyran multiplicerat med kontraktets längd. Outhyrd del i förhållande till uthyrningsbar del av en fastighet/fastighetsbestånd. Vakansgraden kan beräknas baserat på areor alternativt hyror. (Fastighetsnytt, 2011, p. 593) I denna rapport är vakansgraden baserad på hyra.. Förtidsanpassning Renovering av lokal på spekulation utan att en hyresgäst finns kontrakterad. CBD Central Business District. Det kommersiella och ofta geografiska centrumet i en stad och området med de högsta hyrorna. 3

Stockholm CBD Figur 1.5-1 Översiktkarta och detaljerad karta över Stockholm CBD, blå markering (SEPREF, 2011). Malmö CBD Figur 1.5-2 Översiktkarta och detaljerad karta över Malmö CBD; blå markering (SEPREF, 2011). 4

2. METOD I denna forskningsrapport har tre huvudsakliga metoder tillämpats, litteraturstudie, intervjuer och regressionsanalyser. 2.1 Metodval & förhållningssätt Litteraturstudien har till syfte att utgöra en kunskapsmässig plattform inom ämnet vakanstider. Intervjudelen utfördes i form av semi-strukturerade intervjuer (utförlig beskrivning under punkt 2.5.1). Att utföra intervjuer ansågs lämpligt då befintlig litteratur i ämnet vakanstider var ytterst begränsat, medan personer verksamma i fastighetsbranschen bedömdes besitta relevant kunskap. Vidare ansågs det vara ett bra komplement till de kvantitativa regressionsanalyserna. Intervjuerna representerar den kvalitativa forskningsmetodiken, vilket innebär mjukare variabler och ett större utrymme för tolkning av erhållet resultat. Normalt sammanfaller kvalitativ forskning med en induktiv ansats vilket även är fallet i denna rapport. Teorier skapas därmed utifrån erhållet resultat. Detta i motsats till deduktiv ansats där teorier testas, till exempel genom hypoteser (Bryman, 2012). Den kvalitativa forskningsintervjun kan ses som en specifik interaktion mellan människor varifrån kunskap genereras genom en dialog (Kvale & Brinkmann, 2009). Den tredje huvudmetoden som har tillämpats är regressionsanalyser, vilken även omfattar datainsamling. Denna del representerar den kvantitativa forskningsmetodiken, vilken bygger på mer objektiv hårddata. Regressionerna var nödvändiga för att fastställa vilka variabler som de facto styr vakanstiden och vilka av dessa variabler som har störst inverkan på varaktigheten. I motsats till intervjuerna är regressionerna inte influerade av personliga eller företagsrelaterade åsikter vilket är positivt för rapportens tillförlitlighet (utförligare redogörelse av rapportens tillförlitlighet och giltighet, se punkt 2.7). Denna form av sammanvägning av olika datainsamlingsmetoder omnämns vanligen triangulering och tillämpas för att skapa en så heltäckande bild av forskningsområdet som möjligt (Patel & Davidson, 2003). Kvalitativ och kvantitativ metod har historiskt ansetts som oförenliga forskningsinriktningar, men Patel och Davidsson (2003) menar tvärtemot detta resonemang att kombinationen har många fördelar inom den praktiska forskningen. Rapporten är utförd i form av en tvärsnittsstudie, vilket innebär att studien bygger på mer än ett fall och forskningen är fokuserad på variation. Såväl intervjuerna som databasen är baserad på situationen i både Stockholm och Malmö, vilket liksom mångfalden av intervjuade fastighetsbolag bidrar till rapportens bredd. En annan karaktäristika för tvärsnittsstudier är att data insamlas vid mer eller mindre samma tillfälle. Vidare används metoden för att underlätta generaliseringar av uppnådda slutsatser, vilket var tillämpbart för såväl de kvantitativa som de kvalitativa delarna av denna rapport (Bryman, 2012). 5

Med hänsyn till det sekretessavtal som tecknades och i syfte att skapa objektivitet, har intervjupersonerna anonymiserats. Samtliga intervjupersoner finns redovisade i litteraturförteckningen, det går emellertid inte att utläsa vilka intervjusvar som är kopplade till respektive person. 2.2 Konceptuell modell I figur 2:2-1 åskådliggörs den konceptuella modellen, vilken har till funktion att grafiskt illustrera rapportens tillvägagångssätt och systematik. Modellen är indelad i fem huvudområden, vilka representerar rapportens specifika forskningsfrågor (gråa rutor). De vita textrutorna med hela ramar anger vilka ämnen som behandlats inom varje huvudområde, medan de vita textrutorna med streckade ramar anger tillämpade metoder. Den första punkten är Tillämpningsområde (1), där användningsområdet för begreppet vakanstider har undersökts. Nästa område är Mäta & Kartlägga (2), där avsikten var att undersöka vakanstidernas varaktighet i fastighetsbranschen, samt att mer konkret kartlägga dem hos vald samarbetspartner. För att sedan få svar på vilka faktorer som bestämmer vakanstiden har området Styrande variabler (3) behandlats. Dessa variabler fastställdes framförallt genom intervjuer och regressionsanalyser. För att få en mer komplett bild av vilka faktorer som påverkar vakanstiden har även Omlokaliseringsfaktorer (4) undersökts. Denna del är närbesläktad med punkt 3, men den säger mer om hyresgästernas övergripande lokalstrategier och preferenser. I punkt 3 är den specifika lokalen i fokus medan hyresgästen är i fokus i punkt 4. Det sista huvudområdet är Uthyrningsstrategier (5), där kunskaperna från övriga delar har vägds samman. Området har delats in i en intern och en extern del, där den interna delen syftar till de strategier som avser själva lokalen (till exempel lokalanpassningar) och den externa delen avser kommunikationen till marknaden (till exempel annonsering). Resultatet från detta femte huvudområde har dels besvarat forskningsfråga 5, men det har även utgjort stommen vid besvarandet av den huvudsakliga forskningsfrågan. Figur 2.2-1 Konceptuell modell 6

2.3 Genomförande I detta avsnitt redovisas tillämpade genomförandemetoder avseende de kvalitativa intervjuerna och de kvantitativa regressionerna. Semi-strukturerade intervjuer 2.3.1 Intervjuguide Intervjuerna i denna rapport utfördes enligt metoden semi-strukturerade intervjuer. I motsats till strukturerade intervjuer är semi-strukturerade frågor formulerade mer öppet och det finns större utrymme för bland annat följdfrågor. Avsikten med denna intervjuform var att utröna om svaren från respondenterna var samstämmiga eller inte. Möjligheten att beakta icke verbala signaler är en annan skillnad och fördel med semistrukturerade intervjuer (Bryman, 2012). Vid utformandet av intervjufrågorna tillämpades följande kriterier; frågorna måste vara möjliga och enkla att besvara av samtliga respondenter, det vill säga med låg komplexitet. Vidare bör de vara intressanta både för respondenterna och utifrån forskningens syfte. De första frågorna bör utformas mer generellt för att sedan smalna av efter hand. Likaså varje enskild fråga bör vara bred, för att sedan preciseras genom följdfrågor. Metoden omnämns vanligen Funnel approach (konmetoden) 2. Det framtagna frågeformuläret och de transkriberade intervjusvaren återfinns i appendix 1 och 2. Urval intervjupersoner Urvalet av intervjupersoner utfördes i linje med gällande avgränsningar i rapporten. Intervjuerna utfördes på fastighetsföretag verksamma inom kontorssegmentet i Stockholm, respektive Malmö CBD. Inom företagen valdes anställda som ansågs besitta nyckelpositioner inom uthyrning och uthyrningsstrategier. I praktiken innebar detta regionchefer, affärsområdeschefer och uthyrningschefer. Totalt utfördes sex intervjuer på fem olika fastighetsbolag. Vidare utfördes tre riktade intervjuer (fastighetsspecifika) med uthyrare på bolaget som tillhandahöll databasen. Dessa intervjuer fokuserades kring specifika lokaler som utmärkte sig med bland annat långa vakanstider, höga lokalanpassningskostnader och/eller höga hyresrabatter. Före, under och efter intervjuerna Samtliga respondenter kontaktades via mejl cirka tre veckor före respektive intervjutillfälle. De som inte besvarade mejlet inom tre dagar kontaktades även per telefon. Cirka en vecka innan intervjutillfällena skickades intervjufrågorna till respondenterna för kännedom och möjlighet till förberedelse. Intervjuerna utfördes ansikte mot ansikte på kontoret hos respektive fastighetsbolag. 2 dr. Henny Coolen Delft University of Technology, föreläsning den 13 november 2013 7

Varje intervju föregicks med att rapportens syfte presenterades för respondenterna. (återkoppling till information i mejl). Respondenterna erbjöds möjligheten av vara anonyma och ombads ta ställning till en eventuell ljudupptagning. Vidare informerades om möjligheten att ställa frågor under intervjun. Material Intervjuerna spelade in med en diktafon i de fall respondenten gav medtyckte. Vidare fördes detaljerade anteckningar vid varje intervjutillfälle. Transkribering Samtliga intervjuer transkriberades direkt efter varje intervjutillfälle med stöd av de anteckningar som togs och i förekommande fall ljudupptagningen. Urval av data 2.3.2 Datainsamling och regressionsanalyser Datainsamlingen och regressionsanalyserna utfördes med statistiskt underlag från ett av Sveriges största fastighetsbolag. Den beroende variabeln i regressionerna var vakanstid medan ett antal påverkande variabler utgjorde oberoende variabler. Det specifika urvalet av objekt gjordes utifrån de lokaler som hyrdes ut under perioden 1 januari 2009 till 31 december 2013. Vakanstiden (beroende variabel) fastställdes utifrån tidsdifferensen mellan inflyttningsdatumet för ny den nya hyresgästen och tidpunkten lokalen blev vakant. Enbart objekt med nyinflyttande hyresgäster och omflyttande hyresgäster inom beståndet inkluderades i datasetet (omförhandlingar exkluderades därmed). De lokaler som hyrdes ut inom uppsägningstiden för föregående hyreskontrakt inkluderades i datasetet och antog därmed vakanstiden 0 månader. De oberoende variablerna har i stor utsträckning valts utifrån den statistik som fanns tillgänglig hos bolaget som tillhandahöll data. Utöver detta, har urval har dock också gjorts utifrån slutsatser i litteraturstudien (avsnitt 3), så som Omlokaliseringsstudie Stockholm 2013 (2014) utförd av Jones Lang LaSalle och doktorsavhandlingen Tillämpade strategier på svenska bostadsmarknaden av Kerstin Klingborg på Kungliga Tekniska Högskolan (2009). Avsikten med regressionsanalysen var att fastställa vilka variabler som påverkar vakanstidens längd, det vill säga om de var signifikanta eller ej, och vidare vilken grad av påverkan de hade. 2.3.3 Tillvägagångssätt regressionsanalyser Regressionsanalyserna genomfördes genom multipla regressioner i statistikprogrammet Stata (version 12), ett mjukvaruprogram som ansågs fylla kriterierna för dataanalysen väl. Det framtagna datasetet bestod av 126 observationer i Stockholm och Malmö, vilka var fördelade på 84 observationer i Stockholm och 42 i Malmö. Regressionerna utfördes dels på samtliga observationer gemensamt och dels för varje stad individuellt. 8

Följande generella formel tillämpades i regressionsanalyserna. Y är den beroende variabeln vakanstid, β 0 är konstanten, βx (regressionskoefficienterna) är de oberoende variablerna och ε är feltermen. y = β 0 + β 1x 1 + β 2x 2 + β 3x 3 + β + ε Poisson-regressioner I denna uppsats har poisson-metoden tillämpats. Denna analysmetod används för att modellera räkneserier (count data) och/eller korstabeller (contingency tables), vidare förutsätter metoden att den beroende variabeln (y) är poisson- fördelad (i motsats till den linjära normalfördelningen). Metoden kan som nämnts användas i de fall den beroende variabeln är en räkneserie, vidare måste observationerna vara oberoende av varandra (Gunnarsson, 2002). Denna beskrivning ansågs matcha den aktuella dataserien över vakanstider, vilket föranledde att poisson-regressioner tillämpades. Regressionerna genomfördes genom stegvis regression (bakåtgående). Initialt inkluderades samtliga oberoende variabler för att sedan exkludera de icke signifikanta variablerna en efter en. Variablerna definierades enligt statistiska normer som signifikanta om z-värdet var mindre än -2 eller större än +2. I resultatavsnittets tabeller finns även p-värdena angivna (konfidensintervallet 95 %), vilka anger sannolikheten att sambandet beror på slumpen. P-värdena ska enligt praxis vara under 0,05 (5 %) för att sambandet ska anses vara tillförlitligt. Korrelationen kontrollerades för samtliga variabler för att avgöra om några variabler var olämpliga eller missvisande att samköra (Linnéuniversitetet, u.d.). Koefficienten (koeff.) Denna faktor anger sambandlinjens lutning och visar därmed relationen mellan x- och y-variablerna. Om koefficienten till exempel är 0,5, så innebär det att om x ökar med 1,0 enheter så ökar y med 0,5 enheter. Ifall mer än en oberoende variabel i regressionen inkluderas i regressionen, som fallet är i denna rapport, gäller denna regel enbart om övriga x-variabler hållas konstanta (Gunnarsson, 2002). Determinationskoefficienten (pseudo R 2 ) Denna faktor visar hur mycket av variationerna i y (den beroende variabeln) som kan förklaras av variationerna i x (de oberoende variablerna). Enheten för determinationskoefficienten är R 2 och kallas vanligtvis för förklaringsgrad. Koefficienten varierar mellan 0 och 1, vilket innebär en förklaringsgrad mellan 0-100 procent. Vid poisson- regressioner används termen pseudo R 2, vilken skiljer sig något från hur R 2 beräknas i en OLS- regression, men den praktiska tillämpningen är väldigt likartad (UCLA, 2011). Korrelationskoefficienten (korr.) Korrelationskoeffcienten anger styrkan och riktningen mellan två variabler och kan anta värden mellan -1 och +1. Är korrelationen -1 finns det starkt negativt samband mellan 9

variablerna, är den +1 finns det ett starkt positivt samband, och är den 0 finns det inget (linjärt) samband (Gunnarsson, 2002). 2.4 Tillförlitlighet & giltighet I nedanstående avsnitt förs ett resonemang kring rapportens tillförlitlighet, repeterbarhet och validitet. 2.4.1 Tillförlitlighet och repeterbarhet Denna forskning vilar som tidigare redogjorts på en kvalitativ del med intervjuer och en kvantitativ del med statistiska regressionsanalyser. Intervjudelen får anses tillförlitlig i den mån att samtliga intervjuer har transkriberats och återfinns sammanställda i appendix tillsammans med intervjuformuläret. Vidare har ljudupptagning skett på samtliga intervjuer med ett undantag, där respondenten valde att vara anonym. Det som har en negativ inverkan på repeterbarheten 3 (Bryman, 2012) är det facto att intervjuformen har varit semistrukturerade intervjuer. Detta innebär att ett flertal varierande följdfrågor ställdes under intervjuerna, vilka inte finns angivna i intervjuformuläret. Ämnet vakanstider är relativt outforskat, vilket innebar att tillgänglig litteratur var begränsad. Det som fanns skrivet i ämnet och som har tillämpats i denna rapport var inte heller helt i linje med aktuella avgränsningar. Delar av den tillämpade litteraturen behandlar den amerikanska bostadsmarknaden i avsaknad av relevant litteratur från kontorsmarknaden i Sverige. Vidare är delar av litteraturen publicerad på 90-talet vilket gör den mindre aktuell. Trots dessa brister ansågs litteraturen emellertid vara relevant för denna forskning och teorierna bedömdes tillämpliga även för kontorssegmentet i Sverige. Avseende datainsamling och regressionsanalyser finns tillämpad databas tillgänglig hos aktuell samarbetspartner (uppdateras kontinuerligt) och statistiken är därmed möjlig att återproducera. Vidare finns information om vilka regressionsmodeller som tillämpats redovisade i avsnitt 4. 2.4.2 Extern och intern validitet En hög validitet är av de viktigaste kriterierna inom forskningen. Validitet behandlar integriteten av forskningens resultat, analys och slutsats. Den interna validiteten avser frånvaro av mätfel och slutsatsernas trovärdighet, medan den externa validiteten avser generaliserbarheten (Bryman, 2012). Intern validitet Denna forskning bygger till stor del på interaktioner med personal på vinstdrivande fastighetsbolag vilka aktivt arbetar med vakanser. Detta gör att respondenterna kan ha vinklat svaren för att passa dem själva bättre eller företaget de representerar. 3 Repeterbarheten beskriver huruvida samma resultat kan uppnås om studien utförs igen. 10

Avseende resultatet från regressionerna gjordes frågan gällande om det råder kausalitet mellan den beroende variabeln vakanstid och de oberoende variablerna. Ett flertal statistiskt säkerhetsställa samband kunde konstateras, dock kan datans giltighetsnivå ifrågasättas då bland annat determinationskoefficienten var anmärkningsvärt låg (framförallt i regressionen som avsåg Stockholm). Datan får anses vara tillräcklig uppdaterad, dock går det inte att utesluta att felaktigheter har förekommit vid fastighetsbolagets registrering av uppgifterna. Till exempel var frekvensen av givna hyresrabatter väldigt låg i Malmö, samtidigt som det framkom på intervjuerna att någon form av rabatter i princip alltid lämnas. Antal observationer var totalt 126, varav 82 avsåg Stockholm och 44 Malmö. Antalet bruttoobservationer var betydligt högre än 126, men då endast objekt som innehöll information om samtliga variabler inkluderades, rensades ett större antal observationer bort. Ett större antal observationer hade förvisso varit positivt för den statistiska säkerheten, men jämförbarheten mellan observationerna hade samtidigt försämrats avsevärt om alla hade inkluderats. Det faktum att antalet observationer är relativt lågt och att statistiken endast omfattar data från ett företag, medför att det är svårt att förlita sig på koefficienternas specifika storlek (de oberoende variablernas påverkan på vakanstiden). Emellertid kan tendenser utläsas avseende vilken inverkan variablerna har på vakanstiden. Tillämpad databas bestod av observationer från 2009-2013, det vill säga från en 5 års period. Denna tidsrymd innefattar inte en hel konjunkturscykel, men den får anses vara tillräckligt lång för att korrigera för tillfälliga toppar eller dalar på marknaden. Extern validitet Den externa validiteten anger som nämnt huruvida det erhållna resultatet och slutsatserna kan generaliseras, till exempel till andra upplåtelseformer eller andra geografiska marknader (Bryman, 2012). Såväl de kvantitativa som de kvalitativa delarna av rapporten har omfattat både Stockholm och Malmö. Valet att utföra studierna på mer än en stad har delvis gjort för att kunna studera likheter och olikheter mellan orterna, men även för att kunna öka rapportens generaliserbarhet. Fastighetsmarknaden i Stockholm är unik i förhållande till övriga svenska orter då såväl hyresnivåer som vakansgrader avviker kraftigt från riksgenomsnittet. Genom att inkludera Malmö kunde risken att slutsatserna enbart skulle vara tillämpliga för Stockholm reduceras (Jones Lang LaSalle, 2014). En aspekt som har negativ inverkan på den externa validiteten är att även om vakanstiden och dess förklarande variabler har undersökts på ett stort antal lokaler i Stockholm och Malmö, så är alla lokaler unika. Det vill säga trots att två lokaler har många likartade attribut, så kan vakanstiden ändå avvika kraftigt på grund av dess unika egenskaper. Vidare råder det stora lokala variationer gällande exempelvis arbetslöshet och tillförsel av nyproducerade kontorsfastigheter, något som inte aktivt har beaktats i regressionerna och analysen. Detta är en aspekt som medför att generaliserbarheten på andra geografiska områden blir lägre. 11

Avseende överförbarheten till andra upplåtelseformer anses likheter förekomma mellan kontorslokaler och handelslokaler, medan likheterna är mindre jämfört med bostäder. Emellertid ska paralleller mellan forskningsresultaten i denna rapport och tillämpbarheten på handelslokaler behandlas med tillförsikt. Variabler såsom våningsplan har en helt annan inverkan för handelslokaler, liksom makrovariabler generellt. 12

3. LITTERATURSTUDIE I detta avsnitt redovisas tidigare forskning och publikationer inom områdena naturliga vakanser, vakanstider och styrande faktorer vid omlokalisering. 3.1 Naturliga vakanser Som en följd av att cykler förekommer på fastighetsmarknaden, har flera studier utförts i syfte att förbättra metoderna för att utvärdera risk och avkastning. Dessa studier har ofta fokuserat på den naturliga vakansgradens funktion för att fastställa förändringar i pris/hyra. Den naturliga vakansgraden härstammar ursprungligen från arbetsmarknaden, men tillämpas analogt inom bostadsmarknaden (Gabriel & Nothaft, 2001). Liksom att arbetsmarknaden karaktäriseras av en naturlig vakans till följd av friktioner i utbud och efterfrågan, kännetecknas fastighetsmarknaden av en naturlig vakansgrad. Den naturliga vakansgraden på fastighetsmarknaden syftar till den jämnviktsnivå som i genomsnitt råder på marknaden och indikerar att det råder en ungefärlig balans mellan utbud och efterfrågan. Naturlig vakans existerar för att fastighetsmarknaden karaktäriseras av friktioner och ineffektivitet. Fastighetsmarknaden karaktär gör det svårt att matcha en vakant lokal till en specifik hyresgäst. Dessutom vill fastighetsägare kunna hantera förändringar i efterfrågan på lokaler, exempelvis för att kunna erbjuda befintliga hyresgäster större lokalytor eller ha option på högre hyresnivåer (Geltner & Miller, 2013) (Rosen & Smith, 1983). Förutom dessa aspekter bidrar även söktiden för att hitta en hyresgäst till att det råder en friktion som skapar naturliga vakanser (Sanderson, et al., 2006). I en effektiv och friktionsfri marknad skulle utbudet istället ständigt matcha efterfrågan och nollvakans skulle råda (Sanderson, et al., 2006). Rosen & Smith (1983) uttrycker följande om naturliga vakansgrader: Den optimala eller naturliga vakansgraden på en marknad kan definieras som nivån då det inte finns något överskott i efterfrågan eller överskott i utbud och hyran därför befinner sig på sin långsiktiga jämnviktsnivå (Rosen & Smith, 1983, p. 782) Forskning har visat att variationer i hyresnivåer på bostadsmarknaden drivs av variationer i vakans från den naturliga vakansgraden. När vakansnivån ligger under den naturliga nivån tyder det på att det är säljarens marknad, det vill säga att det råder en större efterfrågan än vad som kan tillgodoses av marknaden. Ligger vakansnivån över den naturliga vakansgraden råder det motsatta, det vill säga utbudet på marknaden är större än efterfrågan. Skillnaden mellan utbud och efterfrågan tenderar att avgöra nivån på marknadshyran (Geltner & Miller, 2013). Studier av naturlig vakans och relationen mellan hyror och vakansgrad har primärt genomförts på hyresbostäder och i synnerhet på den amerikanska marknaden. Många av dessa slutsatser anses dock även vara applicerbara på andra delmarknader (Sanderson, et al., 2006) 13

Nivån av naturliga vakanser på en given marknad beror på en rad olika faktorer. En av dessa faktorer är förändringar i efterfrågan på lokalarea. Om efterfrågan på lokaler förväntas öka i framtiden kan en volym av tillgänglig area öka fastighetens värde. En vakant area kan därför ses som en köpoption, där fastighetsägaren kan hyra ut den vakanta lokalen vid ett läge då marknadshyran anses tillräckligt hög för att rättfärdiga en uthyrning. Då värdet på en köpoption ökar med volatiliteten hos den underliggande tillgången (i detta fall den vakanta lokalarean) kommer även högre volatilitet leda till högre naturlig vakans (Grenadier, 1995). Faktorer som påverkar lagret av outhyrda lägenheter är bland annat kostnader för lagerhållning, sökkostnader och kostnader för att förnya kontrakt (Rosen & Smith, 1983). Ett relaterat begrepp till naturliga vakanser är steady state jämvikt, vilket innebär ett läge på marknaden då det råder balans mellan utbud och efterfrågan på fastighetsmarknaden. Read (1988) hävdar att det är bara när marknaden befinner sig i denna jämvikt som vakanstiden är lika med den generella söktiden för hyresgästerna. På en expanderande marknad är den genomsnittliga söktiden längre än vakanstiden och på en krympande marknad är den genomsnittliga söktiden kortare än vakanstiden (Read, 1988). 3.2 Vakanstid Liksom att den naturliga vakansgraden har applicerats analogt från arbetsmarknaden till bostadshyresmarknaden, härstammar även vakanstid från arbetsmarknaden. Vakanstid tillämpas analogt för att generera mer information om förekomst och längd på vakanser. Emellertid är forskningen inom vakanstid betydligt mer begränsad jämfört med naturlig vakansgrad (Gabriel & Nothaft, 2001). Den amerikanska motsvarigheten till Sveriges statistiska centralbyrå, The Bureau of Census, definierar en vakant enhet som; en outhyrd enhet som är tillgänglig för hyra eller till försäljning (United States Census Bureau, 2010). I enlighet med denna definition börjar vakansperioden när enheten blir vakant och slutar när enheten upphör att vara tillgänglig för uthyrning, antingen för att den hyrs ut eller att den tas bort från marknaden. Vakans kan delas upp i två kategorier; förekomsten av vakans, vilket är sannolikheten att lokalen blir vakant och vakanstid, tiden som lokalen är outhyrd. Genom denna uppdelning kan ny information genereras om varför variationer i vakans förekommer. Vakanstiden kan bland annat förklara vilka systematiska variationer som påverkar tiden som ett specifikt objekt står vakant. Det finns en hög korrelation mellan vakanstid och vakansgrad, dock kan de båda begreppen förklara olika delar av förekomsten av vakans. Vakanstidernas variation kan exempelvis tyda på obalans mellan lokalens aktuella läge och det efterfrågade läget från marknaden, medan vakansgraden säger något om den momentana marknadssituationen. Genom att insamla data över vakanstid inom ett fastighetsbestånd kan analyser och utvärderingar göras avseende vilka faktorer som är avgörande för vakanstidens varaktighet (Gabriel & Nothaft, 2001). 14

Gabriel & Nothaft (2001), vilka fokuserade sin studie på bostadsmarknaden i USA, fann statistiska samband mellan med antal olika variabler och vakanstidens längd. Deras modeller indikerade bland annat att den genomsnittliga vakanstiden var positivt korrelerad med kostnaden för att hitta potentiella hyresgäster. Faktorer som påverkar vakansernas långsiktiga jämnviksnivå för hyresbostadstäder är framförallt befolkningstillväxt, rörligheten hos befolkningen, åldersstruktur och ekonomi. Även Sternberg (1994) och Guasch & Marschalls (1989) undersökte vilka faktorer som påverkar vakanstiden avseende bostadslägenheter. Slutsatsen i båda artiklarna är att byggnadens ålder är positivt korrelerad med vakanstidens varaktighet. Sternberg fann i sin forskning att lägenheter i stora hus har en kortare vakanstid än genomsnittet, medan Guasch & Marshall konstaterade det motsatta. Dessa fann istället att små lägenheter har en längre vakanstid jämfört med större lägenheter och lägenheter i större hyresfastigheter (mer än fem lägenheter) har längre vakanstider jämfört med hyreshus med färre än fem lägenheter. De argumenterar att anledningen till detta resultat var att hyresgästerna i mindre lägenheter och större komplex är mer kortsiktiga i sitt boende. 3.3 Bakgrund till omlokalisering Nedanstående markandsöversikt är hämtat från Jones Lang LaSalles omlokaliseringsstudie för Stockholm 2013. Studien, som har genomförts sedan 2003, ger en bild av vilka preferenser som hyresgästerna värderar vid sina omlokaliseringsbeslut. Aktuell utgåva från 2013 avser data från perioden 2011-2012, i studien jämförs resultatet med föregående studie från 2009-2010. 3.3.1 Kommunikation och läge När studien utfördes 2009-2010 var kommunikation den viktigaste faktorn vid omlokalisering, 89 procent angav att den hade hög/mycket hög betydelse. I studien från 2011-2012 var faktorn av fortsatt hög betydelse, dock hade siffran minskat med 39 procentenheter till 50 procent. Denna nedgång förklaras med att de tillfrågade organisationerna idag ser kommunikationsmöjligheten som självklar, även om den fortfarande anses vara väldigt viktig. Relaterat till kommunikation är variabeln närhet till kunder och leverantörer. Detta var en faktor som ökat sedan förra mätningen och som 42 procent nu anges vara av hög eller mycket hög betydelse. 3.3.2 Lokalstandard och image Variabeln lokalstandard ansågs av 72 procent vara av hög/mycket hög betydelse, vilket var en ökning med 12 procentenheter sedan förra mätningen och rankas nu som den viktigaste omlokaliseringsfaktorn. Lokalstandarden är av många förknippad med image, en faktor som cirka hälften av de tillfrågade angav vara av hög/mycket hög betydelse. Image är sin tur korrelerat till variabeln attrahera kompetent personal, vilket ansågs vara särskilt viktigt i goda tider då organisationen vill växa. 15

3.3.3 Yteffektivisering och flexibilitet Parametrar som flexibla lokaler, minskad lokalyta och kostnad per anställd blir allt mer avgörande i branschen. Flera hyresgäster som omlokaliserat sig angav att de har lyckats förbättra standarden och minskat kontorsytan (yteffektivisering), utan att höja totalhyran. Kombinationen högre standard, mer funktionella och billigare kontorslokaler är något som kommer att ställa stora krav på fastighetsägarna framöver. Diagram avseende yteffektiviseringens betydelse och förändring, se figur 3.3-1. 3.3.4 Kontorstyp och miljöcertifiering Betydelse av yteffektivitet 2011-2012 Mycket hög betydelse Hög betydelse Har betydelse Låg betydelse Ingen/mycket låg betydelse I linje med yteffektivisering är valet av kontorstyp. En ny kontorstyp var vanligt i samband med omlokalisering och trenden går från cellkontor mot kontorslandskap/ aktivitetsbaserade kontor. Variabeln miljöcertifierat kontor var något som värdesättes av många, men få är villiga att betala en premium för. 55 procent kan visserligen tänka sig att betala högre hyra för ett certifierat kontor, men en klar majoritet (87,5 procent) är bara intresserade av att betala en mindre premium på upp till 5 procent. Även detta blir en utmaning för fastighetsägarna som har krav på sig att minska miljöbelastningen från sina fastigheter, utan att efterfrågesidan är intresserade av att betala för det. En sammanställning över de mest betydelsefulla faktorerna vid omlokalisering finns redovisade i figur 3.3-2. Mest betydelsefulla faktorerna vid omlokalisering Figur 3.3-1 Betydelse av yteffektivisering vid omlokalisering, 2011-2012 (Jones Lang LaSalle, 2014, omlokaliseringsguide, s 9). Expansion Samloklaisering Yteffektivitet Närhet till allmänna kommunikationer Image Attrahera kompitent personal Högre lokalstandard Figur 3.3-2 De mest betydelsefulla faktorerna vid omlokalisering (Jones Lang LaSalle, 2014, omlokaliseringsguide, s 18). 16

3.4 Strategier för att reducera vakanstiden I en doktorandavhandling av Klingborg (2009) redovisas ett antal strategier som tillämpats på den svenska bostadsmarknaden för att minska vakanstiderna. Informationen inhämtades genom en enkätundersökning som involverade ett antal svenska fastighetsbolag. Strategierna klassificerades i fyra kategorier, nämligen prisanpassningar, kvantitetsanpassningar, produktdifferentiering (ändra delmarknad eller produkt) och marknadsföring. Prisanpassningar inverkar på intäktsfunktionen, medan de tre andra kategorierna inverkar på kostnadsfunktionen. De strategier som anses vara överförbara på kontorsmarknaden anges nedan. Den första strategin som behandlas i avhandlingen är inflyttningsrabatt. Denna strategi går in under prisanpassningar. Åtgärden omfattar enbart de som inte tidigare är hyresgäster hos företaget. Ibland riktas dock rabatterna till vissa områden eller typer av lägenheter och då omnämns strategin istället prisdifferentiering. En annan prisanpassningsstrategi är sänkt hyra eller utebliven indexering (oförändrad hyra). Åtgärden har framförallt till syfte att skapa en kortsiktig jämvikt genom att stimulera inflyttning och motverka utflyttning. Även denna strategi kan klassificeras som prisdifferentiering om den riktar sig mot en specifik delmarknad. En strategi inom kategorin prisdifferentiering är förbättrade förvaltningstjänster som både har till syfte att öka kvarsittningen och att främja inflyttningen. Konkret syftar åtgärden till att öka kvaliteten på förvaltningstjänsten och därmed stärka företagets konkurrenskraft(a.a.). Strategin standardförbättring var väldigt vanlig och tillämpas frekvent av nästan alla inom branschen. Strategin kan dels klassificeras som kvantitetsanpassning, vilket är fallet om hyran höjs i samband med standardförbättringen och ett byte av marknadssegment eller delmarknad äger rum. Dels kan den klassificeras som produktdiffertieringen, vilket är fallet om hyran inte höjs och ambitionen istället är att öka sin marknadsdel genom att förbättra de fysiska egenskaperna. I det sistnämnda alternativet var syftet att både öka inflyttningsbenägenhet och att motverka utflyttningar. En mer radikal kvantitetsanpassning är ändrat användningsområdet, exempelvis från bostadsutnyttjande till kontor, som vanligen är förknippad med stora kostnader. Förhållandena på den aktuella delmarknaden påverkas inte då objektet lämnar densamma, däremot syftar strategin till att skapa en långsiktig jämvikt (a.a.). Strategin reklam och information räknas till kategorin marknadsföringsåtgärder, och syftar till att minska sökkostnaderna för potentiella hyresgäster, samt att öka medvetenheten om vilka vakanta objekt som finns tillgängliga. Enligt Read (1991) kan strategin reducera vakanstiderna men också stimulera omflyttningar. Jämnviktsnivån för vakanstid avspeglar de lokala marknadsförutsättningarna. I den mån utbudet av hyresenheter är homogent, minimerar potentiella hyresgäster sin sökkostnad genom att ta den första tillgängliga enheten och minskar därmed vakanstiden. På det viset antas observerade vakanstider vara längre i orter med större variation mellan enheterna (Gabriel & Nothaft, 2001). 17

4. MARKNADSLÄGE I en undersökning gjord av Grenadier (1995) där han utredde vilka lokala och nationella faktorer som påverkade vakansgraden på kontor, fann han att vakanser främst berodde på lokala faktorer så som sysselsättning och befolkningstillväxt medan de nationella egenskaperna är insignifikanta. Detta gör att det är rimligt att redogöra för de lokala förutsättningarna i Stockholm respektive Malmö. 4.1 Konjunktur & befolkningstillväxt Nedan följer ett kort sammandrag avseende konjunktur och befolkningsutveckling i Stockholm och Malmö. 4.1.1 Stockholm Stockholm stad har upplevt en konstant befolkningstillväxt sedan 1982 och staden upplevde 2009 den största procentuella befolkningsökningen sedan 1973 då stadens befolkning ökade med runt 19 000 personer. Vid årsskiftet 2012/2013 uppgick Stockholm stads befolkning till 881 235 invånare vilket motsvarar cirka 41,4 procent av hela länets befolkning (Stockholm Stad, 2013). Även Storstockholm har upplevt en befolkningsökning. På tio år så har befolkningen ökat med 15,3 procent eller 287 068 personer (SCB, 2014). Graden av sysselsättning i Stockholm är högre än snittet för Sverige. Under den senaste tioårsperioden har sysselsättningen legat mellan 70,7-73,6 procent. För 2013 var 73,6 procent av befolkningen mellan 15-74 år sysselsatta (SCB, 2014). 4.1.2 Malmö Stormalmö har haft en befolkningsökning på i genomsnitt 13,2 procent vilket motsvarar en total befolkningsökning på 79 007 personer över en tioårsperiod. Likaså har Malmö stad haft en befolkningstillväxt och de senaste tio åren har staden växt med 16,0 procent (43 118 personer). Av befolkningen i Stormalmö tillhör 46 procent Malmö stad (SCB, 2014). Malmö upplevde en sysselsättning på mellan 61,4-64,3 procent mellan 2005 till 2013 vilket ligger strax under snittet för riket. För 2013 var sysselsättningsgraden 63,1 procent (SCB, 2014)). 4.2 Hyresnivåer & vakansgrader I nedanstående avsnitt följer ett kort sammandrag avseende marknadsläget för kontorslokaler i Stockholm och Malmö. 4.2.1 Stockholm Vakansgraderna avseende kontorslokaler i Storstockholm ökade generellt i samband med finanskrisen 2008 och fortsatte att stiga fram till mitten av 2010. Därefter sjönk de till följd av ökad efterfrågan och estimerades till 9,1 procent i mitten av 2013. CBD 18

klarade sig bättre än övriga delmarknader under finanskrisen och vakansgraderna fortsatte, trots ett lågt utgångsläge, att sjunka till 3,6 procent under mitten av 2013. Hyresnivåerna i centrala lägen sjönk med cirka 16 procent mellan kvartal fyra 2008 (4400 kr/kvm/år) och kvartal två 2010 (3700 kr/kvm/år) för att 2012 vända uppåt till nivåer som motsvarar situationen innan finanskrisen. Figur 4.2-1 Vakansgrad och hyresnivå, Stockholm CBD, 2005-2014P (Jones Lang LaSalle, 2014, p. 5). Figur 4.2-2 Vakansgrad och hyresnivå, Malmö CBD, 2005-2014P (Jones Lang LaSalle, 2014, p. 7) 4.2.2 Malmö I Malmö har hyresnivåerna för kontorslokaler legat ganska stabila under och efter finanskrisen. Efterfrågan har varit relativt stor under perioden, men tillförseln av ny kontorsyta har samtidigt pressat hyresnivåerna. Hyresnivån i CBD låg på cirka 2100 kr/kvm under andra halvåret 2013. Vakansgraderna å andra sidan sjönk kraftigt under åren som föregick finanskrisen, men har därefter stigit fram till 2013 (se figur 4.2-2). Särskilt kraftig var uppgången under 2013 då vakansgraden steg med 2,9 procentenheter i Malmö CBD till 7,7 procent. 19

5. EMPIRI I detta avsnitt presenteras information och statistik avseende tillämpade variabler, samt resultat från regressionsanalyserna och sammanfattningar av genomförda intervjuer. 5.1 Tillämpade variabler I nedanstående avsnitt behandlas de variabler som bearbetats i databasen och sedan tillämpats i regressionsanalyserna. Den första delen omfattar den beroende variabeln vakanstid och den sista delen omfattar samtliga oberoende variabler. Dels redovisas allmän information om varför respektive variabel har inkluderats och dels redovisas faktisk statistik från perioden 2009-2013. De för rapporten mest relevanta variablerna finns diagram redovisade, medan det för övriga variabler endast finns angivet korta nyckeltal i den löpande texten. Den för rapporten viktigaste informationen åskådliggörs i figur 5.1-1, vilken åskådliggör statistik över faktiska vakanstider under den givna tidsperioden. Medelvärdet för vakanstider i de båda städerna var 7,7 månader, varav Stockholm hade kortast vakanstider på 7,1 månader, medan de var 8,9 månader i Malmö. 5.1.1 Beroende variabel vakanstid Medelvärdena är generellt högre än medianvärdena, eftersom en mindre Figur 5.1-1 Vakanstider, Stockholm och Malmö CBD. antal långa vakanstider drar upp snittet för medelvärdena. Den längsta vakanstiden under perioden noterades i Stockholm och uppgick till 46 månader. Standardavvikelsen(illustrerade som vertikala streck i figurerna) var 7,9 månader för Stockholm & Malmö gemensamt. Detta visar att 68 procent av observationerna ligger inom intervallet + /- 7,9 månader (i praktiken är dock 0 månader minimum). 5.1.2 Oberoende variabler Följande variabler är härledda från Jones Lang LaSalles Omlokaliseringsstudie 2013. Yteffektivitet En av de variabler som på förhand förespåddes ha störst inverkan på vakanstiden var lokalens yteffektivitet. I genomförda intervjuer och i omlokaliseringsguiden framgår det att denna faktor har blivit allt viktigare under senare år. Istället för att titta på vad en lokal kostar att hyra per kvadratmeter har hyresgästerna istället börjat fokusera på yteffektiviten, det vill säga kontorskostnaden per anställd. Vad som påverkar en 20

kontorslokals yteffektivitet är dock inte enbart lokalens storlek och planlösning utan också hur många personer ventilationen är anpassad för. Figur 5.1-2 visar yteffektiviten för kontorslokaler i Stockholm och Malmö, det vill säga hur många kvadratmeter som varje kontorsplats tar i anspråk. Siffran, som eftersträvas vara så låg som möjligt, är framförallt beroende av ventilationskapaciteten och planlösningen. Yteffektiviteten var lägst i Stockholm, där den var 14,6 kvadratmeter per kontorsplats. I Malmö var den 19,4 och 16,1 sammanvägt för de båda städerna. Standardavvikelsen var 10,2 månader för Stockholm & Malmö, varav den var påtagligt högre i Malmö (15,5) än i Stockholm (5,4), Miljöcertifiering Allt fler fastigheter byggs eller renoveras på ett sätt så att de uppnår en miljöstatus och kan certifieras som miljövänliga byggnader. Vanligt förekommande certifieringar är LEED, BREEM och Green building (Fastighetsnytt, 2011). I regressionerna användes miljöcertifiering som en dummy variabel, där det angavs om fastigheten var miljöklassad eller ej (etta eller nolla). Antal lokaler belägna i miljöcertifierade fastigheter var 8 av 82 (9,8 %) i Stockholm och 8 av 44 (18,2 %)i Malmö. Planlösning I de flesta fall kan kontorstypen delas in i två kategorier; cellkontor eller landskap. Denna indelning gjordes även i statistiken för denna rapport. Syftet med att inkludera denna variabel var att se om den ena kontorstypen hade längre vakanstid än den andra. Kontorslandskap är den klart dominerande kontorstypen i Stockholm (61 av 82 lokaler), medan de är underrepresenterade i Malmö (16 av 44 lokaler). Läge (fastighetbeteckning) Figur 5.1-2 Yteffektivitet, Stockholm och Malmö CBD. Då den geografiska omfattningen i denna uppsats redan är avgränsad till CBD i Stockholm och Malmö ansågs det svårt att definiera läget ytterligare. Metoden att definiera läget som avstånd till centralstation eller något annat kommunikationsnav övervägdes, men detta ansågs inte vara en rättvisande måttstock för lägets attraktivitet. Istället användes fastighetsbeteckningen som en oberoende variabel, där avsikten var att undersöka om det fanns ett samband mellan vakanstid och specifika fastigheter/ områden. Två fastigheter i Stockholm och tre i Malmö hade signifikant långa eller korta vakanstider. Av sekretesskäl redovisas inte dessa fastigheter, men de har inkluderats i de fastighetsspecifika intervjuerna. 21

Följande variabler är härledda från Klingborgs doktorsavhandling från 2009. Lokalanpassning Lokalanpassningen har angivits som total kostnad, kostnad per kvadratmeter och i förhållande till årshyran respektive kontraktsvärdet. I figurerna 5.1-3 och 5.1-4 redovisas hur stora investeringar som gjorts på lokalanpassningar i de båda städerna. I figur 5.1-3 är samtliga observationer (lokaler) inkluderade, figur 5.1-4 inkluderar enbart de lokaler som har genomgått en anpassning. Detta innebär att staplarna generellt är lägre där samtliga observationer är inkluderade. Liksom för vakanstider är medelvärdena högre än medianvärdena, detta beroende på att investeringarna har varit avvikande höga för ett mindre antal lokaler. Störst investeringar per kvadratmeter har gjorts i Stockholm (2230 kr per kvm), medan investeringarna har varit betydligt lägre i Malmö på 1591 kr per kvadratmeter. Figur 5.1-3 Lokalanpassningar, Stockholm och Malmö CBD, samtliga observationer. Förutom medel- och medianvärden, är min-, och maxvärden angivna, liksom standardavvikelsen. Figur 5.1-4 Lokalanpassningar, Stockholm och Malmö CBD, enbart lokaler som genomgått en anpassning. Förutom medel- och medianvärden, är min-, och maxvärden angivna, liksom standardavvikelsen. Nedanstående två figurer visar lokalanpassningskostnaden i förhållande till årshyran (figur 5.1-5) respektive kontraktsvärdet (figur 5.1-6). Dessa diagram finns med för att ge en bild över gjorda investerar i relation till hyresintäkterna. Lokalanpassningskostnaden utgjorde i genomsnitt 67 procent av årshyran och 19 procent av kontraktsvärdet för Stockholm & Malmö gemensamt. I Malmö var motsvarande siffror 92 respektive 25 procent, och i Stockholm var de 51 respektive 16 procent. 22

Figur 5.1-3 Lokalanpassning i förhållande till årshyra, Stockholm och Malmö CBD. Förutom medel- och medianvärden, är min-, och maxvärden angivna, liksom standardavvikelsen. Figur 5.1-4 Lokalanpassning i förhållande till kontraktsvärde, Stockholm och Malmö CBD. Förutom medel- och medianvärden, är min-, och maxvärden angivna, liksom standardavvikelsen. Hyresrabatt Figurerna 5.1-7 och 5.1-8 åskådliggör genomsnittet för de hyresrabatter som givits i samband med nytecknade av hyresavtal under den givna perioden. Figur 5.1-7 avser samtliga observationer, medan 5.1-8 enbart inkluderar de lokaler som erhållit rabatt. Angivna belopp avser den totala hyresrabatten som har givits för hela kontraktsperioden, det vill säga rabatten kan till exempel avse en hyrestrappa som sträcker sig över flera år. Hyresrabatterna är betydligt högre i Stockholm än Malmö i båda fallen. I figur 5.1-7 som avser samtliga är rabatternas medelvärde 535 kr per kvadratmeter i Stockholm att jämföra med 210 kr per kvadratmeter i Malmö. Medianvärdet är 0 i Malmö beroende på att en majoritet av lokalerna hyrdes ut utan någon rabatt. Figur 5.1-7 Hyresrabatter, Stockholm och Malmö CBD, samtliga observationer. Förutom medel- och medianvärden, är min-, och maxvärden angivna, liksom standardavvikelsen. Figur 5.1-8 Hyresrabatter, Stockholm och Malmö CBD, enbart lokaler som erhållit rabatt. Förutom medel- och medianvärden, är min-, och maxvärden angivna, liksom standardavvikelsen. 23

Utöver ovan nämnda variabler har följande parametrar tillämpats för att förklara vakanstidernas variation i regressionsanalyserna. Dessa variabler har inte hämtats från litteraturen, utan har inkluderats på inrådan av uthyrare och affärsområdeschefer hos aktuell samarbetspartner. Hyresnivå Det förekommer stora skillnader i hyresnivåer mellan Stockholm och Malmö, men även inom respektive marknadsområde. Att inkludera hyresnivån i regressionerna förväntades därmed säga något om hyresgästernas priskänslighet. Stockholm & Malmö Stockholm Malmö Medelvärde 3334 kr/kvm 4166 kr/kvm 1783 kr/kvm Standardavvikelse 1393 kr/kvm 942 kr/kvm 455 kr/kvm Lokalarea Kännedom om till vilken lokalarea som är minst respektive mest attraktiv ansågs även vara en kunskap som kan tillämpas vid såväl nyproduktion som renovering. Stockholm & Malmö Stockholm Malmö Medelvärde 439 kvm 478 kvm 366 kvm Standardavvikelse 679 kvm 812 kvm 287 kvm Kontraktslängd Kontraktlängden säger något om flexibiliteten för fastighetsägaren och hyresgästen. En lång kontraktslängd minskar fastighetsägarens risk för kommande vakanser och ett eventuellt inkomstbortfall som det kan innebära. Samtidigt kan en kort kontraktslängd innebära en option på högre hyror vid en stigande konjunktur. Stockholm & Malmö Stockholm Malmö Medelvärde 44,3 mån 46,2 mån 40,9 mån Standardavvikelse 25,0 mån 26,9 mån 20,6 mån Uthyrningsår Uthyrningsår åsyftar vilket år mellan 2009-2013 som lokalen blev uthyrd. Skillnaden i vakanstid mellan åren beror i stor utsträckning på förändrade makrofaktorer. Framöver kan det också fungera som indikator för hur väl företagets uthyrningsarbete fungerar, det vill säga skillnader i uthyrd volym korrigerat för konjunkturen. En tabell över medelvärde och standardavvikelse bedömdes inte vara relevant för denna variabel. Våningsplan Vedertaget i branschen är att våningsplanet har stor inverkan på hyresnivån i kontorsfastigheter, där högre våningsplan ofta genererar en prispremie. Vidare har källar- och vindsplan en negativ inverkan på hyresnivån. Våningsplanet säger något om en lokals attraktivitet och ansågs därmed intressant att inkludera som en oberoende variabel i regressionerna. En tabell över medelvärde och standardavvikelse bedömdes inte vara relevant för denna variabel. 24

Byggår & Ombyggnadsår Nybyggda eller renoverade fastigheter skiljer sig ofta i prestanda från äldre byggnader gällande ventilation, teknik med mera. Rubricerade variabler ansågs därmed kunna ha en stor inverkan på vakanstiden. Medelvärde, byggår Standardavvikelse, byggår Medelvärde, ombyggnadsår Standardavvikelse, ombyggnadsår Stockholm & Malmö Stockholm Malmö 1937 1938 1936 35 år 36 år 33 år 1996 1995 2000 35 år 14 år 20 år Vakansgrad, stad/fastighet Variabeln vakansgrad har inkluderats i regressionerna för att undersöka huruvida det finns ett samband mellan vakanstiden för en given lokal och vakanssituationen i närmiljön. Såväl vakansgraden inom den enskilda fastigheten som vakansgraden för hela marknadsområdet (Stockholm eller Malmö CBD) har tagits med. Tidpunkt för att ange vakansgraden har valts till december för respektive år som lokalerna blev uthyrda. Stockholm & Malmö Stockholm Malmö Medelvärde, vakansgrad: stad Standardavvikelse, vakansgrad: stad Medelvärde, vakansgrad: fastighet Standardavvikelse, vakansgrad: fastighet 6,1% 6,0% 6,3% 0,3% 0,9% 0,3% 6,1% 5,8% 9,1% 5,6% 4,2% 4,4% Antal kontorsplatser Denna parameter användes i första hand för att beräkna yteffektiviteten men den inkluderades även som en enskild variabel i regressionerna. Stockholm & Malmö Stockholm Malmö Medelvärde 28 st 29 st 24 st Standardavvikelse 40 st 46 st 24 st Stad Parametern Stad är en dummy variable som i detta fall enbart antog de två värdena 1 (Stockholm) eller 0 (Malmö). Variabeln användes för att undersöka om det förelåg någon skillnad i vakanstid mellan de två marknadsområdena. 25

5.2 Regressionsanalyser Nedan presenteras resultatet från genomförda regressionsanalyser. Den första delen avser resultatet från regressionen som inkluderade samtliga observationer i Stockholm och Malmö. Vidare följer resultatetåtergivning för regressionerna som inkluderade observationer från Stockholm och Malmö var för sig. Initialt redovisas även vilka korrelationer som föreligger mellan de ingående variablerna. Korrelationskoefficienten 5.2.1 Stockholm & Malmö I appendix 3 åskådliggörs vilka korrelationer som föreligger mellan samtliga ingående variabler. Det förekommer inga anmärkningsvärda korrelationer och generellt är de låga. Vidare är de variabler med en relativt hög korrelation förutsägbara och logiska. Exempel på variabler med relativt höga men logiska korrelationer är byggår/ombyggnadsår (+0,32), vakansgrad fastighet/vakansgrad stad (+0,29), byggår/plan (+0,50), stad/vakansgrad stad (-0,37) och lokalarea/kontorsplatser (0,77). Det finns dock några korrelationer som är intressanta att kommentera. Korrelationen mellan vakanstid och lokalanpassning är +0,33. Likaså är det relativt hög negativ korrelation mellan stad och variablerna yteffektivitet (-0,28) och planlösning (-0,33). Korrelationen mellan dessa variabler hade kunnat föranleda bekymmer vid tolkningen av regressionsanalyserna, men denna begränsade grad av korrelation ansågs dock inte medföra några problem. Regressionsanalyser Tabell 5.2-1 nedan avser resultatet från samtliga 126 observationer i Stockholm och Malmö. Av de totalt sexton variablerna som inkluderades i regressionsanalysen var sju variabler signifikanta. Vakanstid är den beroende variabeln medan övriga variablerna är oberoende. I modell 1 inkluderades samtliga variabler, medan modell 2 enbart omfattade de variabler som återstod då de icke signifikanta variablerna exkluderats. Förklaringsgraden (Pseudo R 2 ) är 15,3 procent i modell 1 och 12,4 procent i modell 2. Variablerna som finns redovisade i den nedre delen av tabellen (från byggår till bashyra per kvm) ansågs på förhand kunna påverka vakanstiden. Regressionerna visade dock inte på något statistiskt samband avseende detta dataurval och i den slutgiltiga modellen (modell 2) kvarstod enbart sju signifikanta variabler. Den enda variabeln som finns med i modell 1 och inte modell 2 är vakansgrad fastighet. Däremot gick vakansgrad stad och planlösning från att vara icke signifikanta i modell 1 till signifikanta i modell 2. 26

Tabell 5.2-1 Resultatåtergivning från regressionsanalyser, 126 observationer i Stockholm och Malmö. Antal obs: 126 Modell 1 Modell 2 Pseudo R²: 15,3 % Pseudo R²: 12,4 % Vakanstid Koeff. z-värde P>z Koeff. z-värde P>z Ombyggnadsår -0,00724-3,72 0,000-0,00484-3,05 0,002 Uthyrningsår 0,14163 4,40 0,000 0,13033 4,71 0,000 Vakansgrad, stad 0,92107 0,58 0,561 4,16985 2,86 0,004 LA per kvm 0,00005 3,88 0,000 0,00004 4,49 0,000 Miljöcertifiering 0,30671 2,87 0,004 0,18646 2,03 0,042 Planlösning -0,15547-1,68 0,093-0,28814-3,59 0,000 Stad -0,21207-2,07 0,038-0,26450-3,22 0,001 Konstanten (β0) - - - -250,61300-4,49 0,000 Byggår 0,00252 1,94 0,053 - - - Lokalarea 0,00006 0,70 0,486 - - - Kontraktslängd -0,00264-1,33 0,184 - - - Vakansgrad, fastighet 2,07924 3,19 0,001 - - - Hyresrabatt per kvm -0,00003-1,64 0,100 - - - Antal kontorsplatser 0,00094 0,88 0,380 - - - Yteffektivitet -0,00161-0,72 0,471 - - - Våningsplan -0,00281-0,28 0,779 - - - Bashyra per kvm 0,00000-0,10 0,917 - - - Konstanten (β0) -273,26440-4,20 0,000 - - - Som tidigare beskrivits anger koefficienten (koeff.) linjens lutning, z-värdet anger den statistiska säkerheten och P-värdet anger sannolikheten att sambandet beror på slumpen. Den första variabeln i tabellen är Ombyggnadsår med koefficienten -0,005 i modell 2, detta innebär att då ombyggnadsåret exempelvis ökar med 30 år (ombyggt 30 år senare) så minskar vakanstiden med 0,15 månader ceteris paribus. Z-värdet är -3,05, det vil säga mindre än -2,0 och därmed signifikant. P-värdet är 0,002 (0,2 %), vilket är mindre än det generella gränsvärdet på 5 % och sannolikheten att sambandet beror på slumpen kan därmed förkastas. Samtliga z- och P-värden i modell 2 anses vara statistiskt tillfredställande, emellertid är z-värdena relativt svaga då de endast avviker marginellt från <-2 >+2 intervallet. Koefficienternas storlek och inverkan på vakanstiden är beroende på vilken storhet de är angivna i. Till exempel lokalanpassning per kvadratmeter (LA per kvm) är angivet i SEK, vilket innebär att koefficienten blir relativt låg per krona. Variablerna miljöcertifiering, planlösning och stad är samtliga dummy-variabler och kan enbart anta värdena 1 och 0. Koefficienterna för övriga signifikanta variabler (modell 2) utläses enligt följande. Uthyrningsår (tolkas enbart för given mätperiod): om en lokal hyrdes ut 1 år senare under perioden 2009-2013, så var vakanstiden 0,13 månader längre. Vakansgrad stad: ökar vakansgraden inom en given stad med 1 procentenhet så ökar vakanstiden med 4,2 månader inom staden. Lokalanpassning per kvadratmeter (LA kvm): för varje 2500 kr per kvadratmeter som spenderas på lokalanpassningar så minskar vakanstiden med 0,1 månader. Miljöcertifiering (dummy): går en lokal från att vara icke certifierad (0) till att bli certifierad (1) så ökar vakanstiden med 0,19 månader. Planlösning (dummy): går en 27

lokal från att vara utformad som kontorslandskap (0) till kontorsceller (1) så minskar vakanstiden med 0,29 månader. Stad: är lokalen belägen i Stockholm (1) istället för Malmö (0) så minskar vakanstiden med 0,26 månader. 5.2.2 Stockholm I tabell 5.2-2 finns regressionsresultatet angivet för de 82 observationer som avser Stockholm. De ingående variablerna är desamma som i tabell 5-1 med undantag för variabeln Stad som naturligt exkluderades. Tabell 5.2-2 Resultatåtergivning från regressionsanalyser, 82 observationer i Stockholm. Antal obs: 82 Modell 1 Modell 2 Pseudo R²: 11,2 % Pseudo R²: 4,3 % Vakanstid Koeff. z-värde P>z Koeff. z-värde P>z Lokalarea 0,00027 2,51 0,012 0,00021 4,13 0 Uthyrningsår 0,24491 4,91 0 0,13410 3,92 0 Kontraktslängd -0,00487-2 0,046-0,00526-2,73 0,006 Hyresrabatt per kvm 0,00026 3,05 0,002 0,00021 3,1 0,002 Konstanten (β0) - - - -267,76850-3,89 0 Byggår 0,00779 3,55 0 - - - Ombyggnadsår 0,00438 1,15 0,248 - - - Bashyra per kvm -0,00001-0,58 0,559 - - - Vakansgrad, fastighet 1,09142 0,99 0,325 - - - Vakansgrad, stad 12,20071 1,99 0,046 - - - LA per kvm -0,00003-1,49 0,137 - - - Miljöcertifiering 0,57237 2,69 0,007 - - - Antal kontorsplatser 0,00058 0,46 0,645 - - - Yteffektivitet -0,00052-0,06 0,956 - - - Planlösning 0,02456 0,2 0,839 - - - Våningsplan -0,03865-3,03 0,002 - - - Konstanten (β0) -514,95320-5,11 0 - - - Av de femton variablerna var fyra signifikanta i den slutgiltiga modellen (modell 2). Förklaringsgraden (Pseudo R 2 ) är 11,2 procent i modell 1 och 4,3 procent i modell 2. De fyra signifikanta koefficienterna utläses som följer. Lokalarea: ökar lokalarean med 500 kvadratmeter så ökar vakanstiden med 0,1 månader. Uthyrningsår: avläses enligt förklaring till tabell 5.2-1. Kontraktslängd: för varje 12 månader som ett kontrakt utökas med så minskar vakanstiden med 0,06 månader. Denna avläsning ska dock tolkas med försiktighet, då kontraktlängden mer troligt är en funktion av vakanstiden och koefficienten är svag. Hyresrabatt per kvm: för 1000 kronor per kvadratmeter som spenderas på hyresrabatter så ökar vakanstiden med 0,2 månader. 5.2.3 Malmö I tabell 5.2-3 finns regressionsresultatet angivet för de 44 observationer som avser Malmö. De ingående variablerna är desamma som i tabell 5.2-2. Av de femton variablerna var sju signifikanta i den slutgiltiga modellen (modell 2). Förklaringsgraden (Pseudo R 2 ) är 11,2 procent i modell 1 och 38,4 procent i modell 2. Utöver de signifikanta variabler som redan har processats, följer avläsningsprinciperna nedan. Koefficienten för Vakansgrad fastighet innebär att om vakansgraden inom en fastighet 28

ökar med 1 procentenhet så ökar vakanstiden för lokaler belägna inom den givna fastigheten med 2,5 månader. Ökar bashyran per kvadratmeter med 1000 kronor så ökar vakanstiden med 0,1 månader. Tabell 5.2-3 Resultatåtergivning från regressionsanalyser, 44 observationer i Malmö Antal obs: 44 Modell 1 Modell 2 Pseudo R²: 11,2 % Pseudo R²: 38,4 % Vakanstid Koeff. z-värde P>z Koeff. z-värde P>z Lokalarea 0,00027 2,51 0,012-0,00104-3,14 0,002 Uthyrningsår 0,24491 4,91 0,000 0,32230 4,75 0,000 Vakansgrad, fastighet 1,09142 0,99 0,325 2,49437 3,38 0,001 Vakansgrad, stad 12,20071 1,99 0,046-4,35305-1,97 0,049 LA per kvm -0,00003-1,49 0,137 0,00011 6,55 0,000 Planlösning 0,02456 0,20 0,839-0,40038-3,23 0,001 Bashyra per kvm -0,00001-0,58 0,559 0,00014 2,62 0,009 Konstanten (β0) - - - -646,00520-4,73 0,000 Byggår 0,00779 3,55 0,000 - - - Ombyggnadsår 0,00438 1,15 0,248 - - - Hyresrabatt per kvm 0,00026 3,05 0,002 Kontraktslängd -0,00487-2,00 0,046 - - - Miljöcertifiering 0,57237 2,69 0,007 - - - Antal kontorsplatser 0,00058 0,46 0,645 - - - Yteffektivitet -0,00052-0,06 0,956 - - - Våningsplan -0,03865-3,03 0,002 - - - Konstanten (β0) -514,95320-5,11 0,000 - - - 5.3 Intervjusvar Under följande avsnitt redovisas en sammanfattning av de transkriberade intervjusvaren. Resultatåtergivningen följer samma struktur som intervjumallen (appendix 1), vilket innebär först Tillämpa, följt av Definiera & Kartlägga, Förklara och slutligen Arbetssätt & Förbättringspotential. Respondent 1-3 var verksamma i Stockholm och respondent 4-6 i Malmö. 5.3.1 Tillämpa Samtliga intervjuade fastighetsbolag var familjära med begreppet vakanstid. Det var emellertid endast respondent 3 och 4 (tillhörande samma koncern men verksamma i olika städer) som förde statistik över sina vakanstider och gjorde uppföljningar på dessa. Övriga bolag sade sig dock vara medvetna om ungefär vilka vakanstider företaget hade på sina lokaler. De angav även att de ganska enkelt kunde ta fram siffror över de exakta vakanstiderna. Detta hade dock hittills inte var en prioriterad fråga. En anledning till att få av de intervjuade bolagen arbetade aktivt med vakanstider var att de redan redovisade och tillämpade vakansgrad, något som ansågs tillräckligt. Respondent 2 hänvisade också till att många fastighetsägare inte är långsiktiga i sitt ägande vilket gör det svårt att föra statistik över vakanstiderna. Vidare framförde denne att det till stor del är en lokalens specifika egenskaper och mikroläge som avgör en 29

lokals vakanstid och att det därför är svårt att fastställa vilka generella variabler som styr vakansens duration. Majoriteten av fastighetsbolagen ställde sig dock positiva till vakanstid som nyckeltal och menade att det fanns flera fördelar med att mäta och följa upp dessa. Respondent 1, som ännu inte arbetade med uppföljning och statistik över vakanstid, var väldigt positivt inställd till begreppet och trodde definitivt att det fanns en framtid för dess tillämpande. Respondent 6 påpekade att begreppet vakanstider kan vara intressant att tillämpa internt för uppföljning, men att det är information som de inte vill kommunicera till marknaden. Det bolag som i dagsläget följer upp vakanstider har gjort detta aktivt i cirka två års tid och uppföljningen sker på månadsbasis. Innan detta var de främst medvetna om värstinglokalerna, det vill säga de lokaler som hade varit vakanta under en lång tid och hade hög vakanskostnad. I dagsläget ses vakanstiden inom detta företag som ett viktigt begrepp för att belysa vakanstidens påverkan på det ekonomiska resultatet. Istället för att enbart jaga hundralappar gällande hyresnivån så ser de mer till helheten då de har blivit mer medvetna om vad vakanserna kostar. Vidare ser de vakanstider som ett verktyg för att bli mer följsamma vid hyressättningen. 5.3.2 Definiera & Kartlägga Samtliga intervjuade företag redovisar och rapporterar fastigheternas ekonomiska vakansgrad. Två av bolagen, respondent 1 och 5, redovisade förutom den ekonomiska vakansgraden också fastigheternas areabaserade vakansgrad. Endast det företag som i dagsläget arbetar aktivt med vakanstider har definierat begreppet vakanstid. Definitionen lyder; vakanstid är den period som löper från att föregående hyresavtal är utgånget till att ett nytt hyresavtal är påskrivet. En eventuell renoveringsperiod inkluderas därmed i vakanstiden. De företag som inte rapporterade vakanstid ansåg sig dock ha relativt god inblick över vilka vakanstider som råder och uppgav att vakanstiderna för Malmö CBD låg i intervallet 6-7 månader. För Stockholm CBD gavs dock ingen uppskattning. Objektsspecifika variabler 5.3.3 Förklara För att undersöka vilka egenskaper som respondenterna ansåg ha störst inverkan på vakanstiden fick de rangordna de mest avgörande variablerna från 1-5, där 5 var högst. Svaren varierade en del, men merparten var överens om att läget är den viktigaste aspekten. Respondent 1 sa att de upplevde att den specifika adressen var viktigt för hyresgäster med många kundbesök. Samma respondent påpekade att även hyresgäster med få kundbesök vill sitta på bra lägen i CBD, men att den specifika adressen inte är lika viktig för dem. Respondent 2 hävdade att lokalens mikroläge inom fastigheten har en väldigt avgörande betydelse för hur attraktiv den är på marknaden. Även om adressen och lokalens övriga attribut är bra kan lokalen exempelvis vara svåruthyrd om den är belägen på bottenplan. 30

Rangordningen efter faktorn läge var dock mer varierande bland respondenterna. Goda kommunikationsmöjligheter ansågs vara viktigt bland bolagen som intervjuades i Malmö, där respondenterna 4 och 5 graderade kommunikationer som viktigast, respektive näst viktigast. Bolagen verksamma i Stockholm ansåg kommunikationsmöjligheter viktigt, men lägre prioriterat. Två närbesläktade variabler som många respondenter ansåg viktiga är fastighetens ålder och tekniska prestanda. I takt med att tekniken har förbättrats har hyresgästerna blivit allt mer kräsna avseende luftkvalitet, belysning och dylikt. Kopplat till husets ålder så har en äldre fastighet ofta stora begränsningar vad det gäller tekniska installationer. Dessa två variabler är i sin tur kopplade till yteffektiven, en aspekt som har blivit allt viktigare de senaste åren. Många räknar fortfarande kostnad per kvadratmeter, men fokus har delvis flyttats till att istället räkna kostnad per anställd, vilket enligt respondent 3 gör yteffektiviten väldigt avgörande. En annan variabel som merparten av respondenterna framhåller som kritisk är planlösningen, där flexibla lösningar premieras av markanden. En aspekt som nästan samtliga diskuterade, men som inte kom med på topp fem, var huruvida byggnaden var miljöcertifierad. Detta var en variabel som många trodde skulle bli allt viktigare framöver, men som ännu inte var än kritisk parameter bland hyresgästerna. Figur 5.3-1 Variabler som styr vakanstid, siffran anger totalpoäng från intervjuerna. Anledning till omlokalisering Avseende vilka faktorer som anses påverka hyresgästernas beslut vid omlokalisering var respondenterna mer eniga i sina åsikter. Förändrat lokalbehov framhölls som den i särklass främsta orsaken till att hyresgäster byter lokal. Orsaker till förändrat lokalbehov kan till exempel vara att hyresgästen vuxit ur sina gamla lokaler till följd av uppköp eller en organisk tillväxt, alternativt blivit tvingade att säga upp personal så behovet av lokalyta minskat. Hyresnivån är en annan viktig faktor till omlokalisering. Bland 31

respondenterna i Stockholm påpekas det bland annat att banker och myndigheter i större utsträckning väljer att flytta ut från CBD för att på så vis minska sina lokalkostnader. En faktor som inte är kopplad till den specifika lokalen är ett eventuellt missnöjd med den tidigare hyresvärden. Detta missnöje kunde exempelvis grunda sig i hur hyresgästen upplevde att förvaltningen sköttes och hur uppkomna problem hanterades. Figur 5.3-2 Anledning till omlokalisering, siffran anger totalpoäng från intervjuerna. Reduceringsstrategier 5.3.4 Arbetssätt och förbättringspotential Organisatoriskt hade de intervjuade bolagen relativt likartade strategier för uthyrningsarbetet. De hade alla uthyrare inom organisationen som arbetade med att marknadsföra och kontraktera nya hyresgäster till de vakanta lokalerna. Några av bolagen hade också en marknadsföringsavdelning som stödfunktion till uthyrarna. Vidare presenterade alla aktörer sina vakanta lokaler på de olika lokalsökningssidorna på Internet. Utöver de interna resurserna så använde några bolag även externa uthyrare i de fall lokalerna var extra komplicerade eller unika. Respondent 1 var väldigt fokuserad på att deltaga på och arrangera olika event för att på så sätt uppmärksamma marknaden att de finns och vilka lokaler de hade tillgängliga. Samtliga intervjuade bolag upplevde att de potentiella hyresgästerna ofta hade svårt att själva föreställa sig hur en lokal kunde anpassas för deras behov. Då många hyresgäster är låsta vid befintligt skick och planlösning, så försökte flera hyresvärdar om möjligt att göra visningslokaler så att de potentiella hyresgäster lättare kunde bilda sig en uppfattning om hur lokalen kunde utformas. Respondent 2 hade ett nära samarbete med en inredningsarkitekt som tog fram förslag på dessa visningslokaler. Flera av bolagen uppgav att de använder sig av något form av manual vid uthyrningsarbetet. Två av bolagen arbetar dock mer proaktivt med sina lokaler, medan övriga aktörer inväntar att en lokal blir vakant innan deras arbete påbörjas. Det 32