-betalningsvilja för småhus Tillväxt, miljö och regionplanering
Enligt uppdrag från Stockholms läns landsting har konsultföretagen Evidens, Spacescape och White genomfört denna studie Värdering av stadskvalitet - betalningsvilja för småhus en analys av läges- och stadsbyggnadskvaliteter i Stockholmsregionen och deras attraktivitet för småhusmarknaden mätt i monetärt värde. Sex kommuner har deltagit som medfinansiärer och samtalspartners; Nacka, Täby, Järfälla, Haninge, Upplands Väsby samt Lidingö. I dessa kommuner pågår ett intensivt planarbete för förtätning och stadsutveckling där småhusmarknaden är viktig. 2
Bakgrund Stockholm växer och till år 2030 beräknas befolkningen i länet öka med mellan 300 000 och 500 000 personer. Länets kommuner behöver bereda sig på befolkningsökningen med en genomtänkt stadsplanering. Mot bakgrund av en tidigare studie av betalningsviljan för stadskvaliteter vid köp av bostadsrätt i Stockholm, Nacka, Lidingö och Haninge m.fl. vidgas nu fokus till att även studera småhusköpares lokaliseringspreferenser och betalningsvilja för stadskvaliteter. 3
Syfte Studien syftar till att skapa förståelse och kunskap om småhusköpares lokaliseringspreferenser. Resultatet skall kunna ligga till grund för bedömning, planering och scenarioanalys av regionens utveckling och därmed ge ett bättre stöd i arbetet med att omsätta RUFS 2010 till praktik. Studien ska systematiskt och empiriskt analysera relationerna mellan olika stadskvaliteter och betalningsvilja för småhus i områden med dessa stadskvaliteter. Studien ska undersöka betalningsviljan för småhus i hela Stockholmsregionen (Stockholms län). 4
Innehåll 1 Teorier, hypoteser och begrepp ekonomiska och urbanteoretiska resonemang 2 Metod arbetsprocess, regressionsanalys/tvärsnittsmodell, utsortering av variabler 3 Modellen genomgång av modellens uppbyggnad, beskrivning av alla variabler 4 Diskussion och resultat förkastade variabler, fördjupning och resultat 5
1.1 Teorier och hypoteser Med teoretisk utgångspunkt i hedonisk prissättning är hypotesen att stadskvaliteter av olika slag påverkar betalningsviljan för småhus. En analys av småhusens geografiska placering i relation till sådana stadskvaliteter antas ge prisskillnader mellan olika adresspunkter. Till exempel antas pendlingsmöjligheter, ett sjönära läge liksom tillgång till restauranger och butiker ha stor påverkan på köpeskillingen. 6
Köpeskilling, kr 18 000 000 Prisbilden på småhus i Stockholms län uppvisar en tydlig spridning 16 000 000 14 000 000 12 000 000 10 000 000 8 000 000 6 000 000 4 000 000 2 000 000 0 Källa: Evidens, Spacescape och Lantmäteriet 7
1.2 Begrepp Stadskvalitet= En egenskap i staden som har påverkan på bostadspriset. Det kan vara närhet till park, vatten, restauranger eller kollektivtrafikhållplats. GIS-analys= Analys av lägesbundna data. Regressionsanalys= Statistisk metod för att förklara samband. Signifikant= Statistiskt hållbart. Förklaringsgrad= Den grad av vilken den beroende variabeln (köpeskillingen) kan förklaras av den oberoende variabeln (tex. kollektivtrafiktillgång). Hedonisk prissättning= Den hedoniska prissättningsmetoden utgår ifrån att priset är en funktion av ett antal egenskaper som kan vara både fastighets- och områdesrelaterade. 8
2 Metod - arbetsprocessen Analys har gjorts av samtliga småhusöverlåtelser under 2011, totalt 7 227 st (ej fritidshus). Snittpris per basområde används i modellen. Endast basområden med minst 4 försäljningar ingår. Områdena har sedan analyserats i GIS.. Stadsbyggnadsstruktur Stadsbyggnadsanalyser Statistiska analyser Utsortering av signifikanta variabler Värdering av stadskvaliteter 9
2.1 Metod - underlag och förutsättningar I studien har uppgifter från Lantmäteriet använts. Sammanvägda uppgifter för varje basområde har använts, och inte uppgifter om enskilda överlåtelser. Totalt har 475 områden studerats. Stadsbyggnadsanalyser visar de studerade objektens närhet eller tillgång till stadskvaliteter av olika slag. Samband mellan köpeskillingen och förekomst av stadskvaliteter studeras i en multipel regressionsanalys. 10
2.2 Metod variabler/stadsbyggnadsanalyser Stadsbyggnadsanalyser har genomförts för en mängd olika relationer. Analyser kan göras på närhet eller tillgång till olika stadskvaliteter inom olika avstånd eller med olika nät (gångnät, kollektivtrafik etc). Exempelvis kan en analys beskriva avståndet via gångvägnätet från en adress (eller alla adresser) till en specifik målpunkt, det kan vara t.ex. park, vatten eller spårstation. Närhet till en viss attraktion, till exempel spårstation mäts som avstånd i gångnätet. Informationen läggs på basområden. Tillgång till en viss attraktion, till exempel bebyggelse mäts utifrån hur mycket bebyggelse man når inom ett visst avstånd i gångnätet. 11
Fler än 500 stadsbyggnadsanalyser har gjorts! 12
2.3 Metod Valet av stadsbyggnadsanalyser baseras på tidigare forskning och gjorda utvärderingar. Dessutom har praktisk relevans varit ett avgörande urvalskriterium. Detta betyder att vi prioriterat stadskvaliteter som är möjliga att påverka vid exploatering och stadsbyggande. Modellen innehåller 9 stadskvaliteter samt två kontrollvariabler: socioekonomiskt index och bostadens yta. Dessa har var och en signifikant påverkan på köpeskillingen. Tillsammans förklarar dessa cirka 87 % av prisvariationen mellan Analys Analys de analyserade basområdena. 87 %! Analys 13
2.3 Metod Stadsbyggnadsanalyser Regressionsmodell Variabel Variabel Variabel 1,2,3,4,5,6, 7,8,9, 10,12, 999 Variabel Variabel Variabel PRIS Variabel Variabel Variabel 14
3 Modellen Variabler som påverkar priset (köpeskillingen) Medel Min Max Antagen förändring Prisförändring Dagbefolkning som nås inom 30 min med kollektivtrafik Dagbefolkning som nås inom 30 min med bil 78 000 arbetsplatser 175 000 arbetsplatser 34 440 000 100 000 arbetsplatser 300 000 kr 223 745 000 100 000 arbetsplatser 110 000 kr Spårstation inom 700 meters gångavstånd Mindre än 700 m gångavstånd till närmsta spårstation 220 000 kr Urbana verksamheter inom 500 meters gångavstånd Vattenyta inom 3 km fågelavstånd Fågelavstånd till närmsta båthållplats Grönyta inom 500 meters gångavstånd 5,5 0 65 10 procentenheter 140 000 kr 3,9 milj kvm 148 16 900 000 1 milj kvm 87 000 kr 11 800 meter 465 46 000 1 000 m - 27 000 kr 50 000 kvm 2 000 206 000 100 000 kvm 290 000 kr Friliggande Om friliggande 880 000 kr Strandtomt Om strandtomt 5 100 000 kr Socioekonomiskt index 28 9 58 10 procentenheter 820 000 kr Sammanlagd värdegrundande yta 133 kvm Beroende 51 variabel: 248 Köpeskilling 10 i kvm medeltal för basområden 370 i Stockholms 000 kr län. 15
3 Modellen: Läsanvisning till presentationen av modellens variabler. Resultatet av den statistiska analysen av de olika variablerna som ingår i modellen beskrivs grafiskt med kartbilder. En första kartbild visar hela länet och en andra kartbild visar på en inzoomning av områden där analysen av variabeln är extra intressant. Rött är högsta värdet och blått är lägsta värdet. Kartbild över hela länet Inzoomning över valt område där variabelns analysresultat är extra intressant 16
3:1 Modellen: Variabel 1 Tillgänglighet med kollektivtrafik 17
3:1 Modellen: Variabel 1 Tillgänglighet med kollektivtrafik Resultatet från den statistiska analysen visar att köpeskillingen ökar ju fler arbetsplatser som kan nås från basområdet inom 30 min med kollektivtrafik. Det betyder att en hög täthet, både bland boende och arbetsplatser främjar boendepriserna. Analyskarta K30_CUM_W visar hur många arbetsplatser som nås från ett bostadsområde inom 30 minuters resa med kollektivtrafik. Källa: WSP och TMR 18
3:1 Modellen: Variabel 1 Tillgänglighet med kollektivtrafik En mer detaljerad bild visar att de områden som har bäst tillgänglighet med kollektivtrafik främst finns i innerstaden och närkommunerna, samt i områden med en tydlig koppling till pendeltågsstationer och tunnelbanenätet. Samtidigt har centrala Upplands Väsby och Arlanda nästan lika bra tillgänglighet som Djurgårdens östligaste delar. Analyskartan visar antal arbetsplatser som nås från ett bostadsområde inom 30 minuters resa med kollektivtrafik. Källa: WSP och TMR. 19
3:1 Modellen: Variabel 1 Tillgänglighet med kollektivtrafik Köpeskilling, kr 18 000 000 16 000 000 14 000 000 12 000 000 10 000 000 8 000 000 6 000 000 4 000 000 2 000 000 0 0 50 000 100 000 150 000 200 000 250 000 300 000 350 000 400 000 450 000 500 000 Antal arbetsplatser Källa: Evidens, Spacescape, Lantmäteriet och WSP 20
3:2 Modellen: Variabel 2 Tillgänglighet med bil 21
3:2 Modellen: Variabel 2 Tillgänglighet med bil Resultatet från den statistiska analysen visar att köpeskillingen ökar ju fler arbetsplatser som kan nås från basområdet inom 30 min med bil. Både tillgänglighet med kollektivtrafik och med bil påverkar priset på småhus. Tillgänglighet med kollektivtrafik väger dock tyngre i modellen och påverkar därmed priset i högre grad än tillgänglighet med bil. Analyskarta B30_CUM_W visar hur många arbetsplatser som nås från ett bostadsområde inom 30 minuters resa med bil. Källa: WSP och TMR. 22
3:2 Modellen: Variabel 2 Tillgänglighet med bil En mer detaljerad bild visar att tillgängligheten med bil är högst i anslutning till regionens större vägar. Stora delar av Danderyds, Solna och Sundbybergs kommuner har en hög tillgänglighet på grund av ett högt antal arbetsplatser i anslutning till större vägar. Analyskartan visar hur många arbetsplatser som nås från ett bostadsområde inom 30 minuters resa med bil. Källa: WSP och TMR. 23
3:2 Modellen: Variabel 2 Tillgänglighet med bil Köpeskilling, kr 18 000 000 16 000 000 14 000 000 12 000 000 10 000 000 8 000 000 6 000 000 4 000 000 2 000 000 0 0 100 000 200 000 300 000 400 000 500 000 600 000 700 000 800 000 Antal arbetsplatser Källa: Evidens, Spacescape, Lantmäteriet och WSP 24
3:3 Modellen: Variabel 3 Närhet till spårstation 25
3:3 Modellen: Variabel 3 Närhet till spårstation Studien visar att om ett småhus är lokaliserat inom 700 meter från spårstation har detta signifikant påverkan på köpeskillingen vid en försäljning. Spårstation är också ofta kombinerat med urbana verksamheter. 220 000 kr är en spårstation inom 700 meter värd. 26
3:4 Modellen: Variabel 4 Tillgång till urbana verksamheter 27
3:4 Modellen: Variabel 4 Tillgång till urbana verksamheter Av den statistiska analysen framgår att tillgången till urbana verksamheter; restauranger, butiker, dagligvarubutiker och kultur inom 500 m gångavstånd har påverkan på köpeskillingen. En antagen ökning av de urbana verksamheterna med 10 procentenheter ger en prisökning motsvarande 140 000 kr. Analyskartan för visar småhusområdenas tillgång till urbana verksamheter inom 500 m gångavstånd. 28
3:4 Modellen: Variabel 4 Tillgång till urbana verksamheter En mer detaljerad bild visar att de småhusområden som har bäst tillgång till urbana verksamheter främst finns nära innerstaden, i anslutning till lokala centra och kollektivtrafik. Sundbyberg, Lidingö centrum och Forum Nacka är exempel på platser med hög tillgång till urbana verksamheter. Analyskartan visar det antal urbana verksamheter som småhusområdet har tillgång inom 500 m gångavstånd. 29
3:4 Modellen: Variabel 4 Tillgång till urbana verksamheter Köpeskilling, kr 18 000 000 16 000 000 14 000 000 12 000 000 10 000 000 8 000 000 6 000 000 4 000 000 2 000 000 0 0 10 20 30 40 50 60 70 Urbana verksamheter, index Källa: Evidens, Spacescape, Lantmäteriet och SCB 30
3:5 Modellen: Variabel 5 Tillgång till vattenyta 31
3:5 Modellen: Variabel 5 Tillgång till vattenyta Ett vattennära läge, mätt i hur många kvadratmeters vattenyta som nås inom 3 km fågelavstånd, har signifikans i analysen. Större vattenytor ger en högre betalningsvilja. Mest tillgänglig vattenyta finns (självklart) i skärgårdskommunerna. Kartan visar basområdets tillgång till vattenyta inom 3 kilometers avstånd. 32
3:5 Modellen: Variabel 5 Tillgång till vattenyta En mer detaljerad bild visar att områden med god tillgång till större vattenytor finns främst i anslutning till de större fjärdarna. Gåshaga har en särställning på Lidingö och Värmdö, Tyresö och Vaxholm har stora vattenytor i och med skärgårdsläget. Kartan visar basområdets tillgång till vattenyta mätt i kvadratmeter inom 3 kilometers avstånd. 33
3:5 Modellen: Variabel 5 Tillgång till vattenyta Köpeskilling, kr 18 000 000 16 000 000 14 000 000 12 000 000 10 000 000 8 000 000 6 000 000 4 000 000 2 000 000 0 0 2 000 000 4 000 000 6 000 000 8 000 000 10 000 000 12 000 000 14 000 000 16 000 000 18 000 000 Vattenyta inom 3 km, kvm Källa: Evidens, Spacescape och Lantmäteriet 34
3:6 Modellen: Variabel 6 Båthållplats 35
3:6 Modellen: Variabel 6 Båthållplats Närhet till båtplats, mätt i fågelavstånd i meter till närmsta båthållplats visar sig ha signifikans för småhusets värde. Satsningar på kollektivtrafik på vatten torde därmed vara värdeskapande för fastigheter i sådana lägen där hållplats kan komma att placeras. Analyskartan visar avstånd till båthållplats. 36
3:6 Modellen: Variabel 6 Båthållplats En mer detaljerad bild visar att det finns gott om båthållplatslägen i Lidingö och Nacka kommuner. Mälarens vatten är inte lika väl nyttjat för hållplatslägen. Analyskartan visar avstånd till båthållplats mätt i meter. 37
3:6 Modellen: Variabel 6 Båthållplats Köpeskilling, kr 18 000 000 16 000 000 14 000 000 12 000 000 10 000 000 8 000 000 6 000 000 4 000 000 2 000 000 0 0 5 000 10 000 15 000 20 000 25 000 30 000 35 000 40 000 45 000 50 000 Avstånd båthållplats, meter Källa: Evidens, Spacescape och Lantmäteriet 38
3:7 Modellen: Variabel 7 Tillgång till grönyta 39
3:7 Modellen: Variabel 7 Tillgång till grönyta Analysen visar att områden med en hög tillgång till grönytor inom 500 m betingar en högre köpeskilling. En grönyta har i analyserna definierats som en allmänt tillgänglig park eller naturmark. Området kan nås inom fem minuters gång och visar därför på ett behov av eller en önskan om vardagsvistelse på grönytor. Analysen visar grönytor inom 500 m, det vill säga cirka fem minuters gångavstånd. 40
3:7 Modellen: Variabel 7 Tillgång till grönyta Vid en närmre titt i kartan syns att en hög tillgång till grönyta inom 500 meter finns i flera av kranskommunerna. Bilden visar fokus på Nacka som har mycket god tillgång till grönyta främst i anslutning till Nackareservatet och Nyckelviken. Analysen visar mängden grönyta mätt i kvadratmeter inom 500 m, det vill säga cirka fem minuters gångavstånd. 41
3:7 Modellen: Variabel 7 Tillgång till grönyta Köpeskilling, kr 18 000 000 16 000 000 14 000 000 12 000 000 10 000 000 8 000 000 6 000 000 4 000 000 2 000 000 0 0 50 000 100 000 150 000 200 000 250 000 Källa: Evidens, Spacescape och Lantmäteriet Grönyta inom 500 m, kvm 42
3:8 Modellen: Variabel 8 Strandtomt 43
3:8 Modellen: Variabel 8 Strandtomt Analysen visar att om småhuset står på en strandtomt betingar det en högre köpeskilling. Ett strandläge innebär cirka 5 milj högre köpesumma än om fastigheten saknar strand. Kartan visar sålda småhusfastigheter i analysmaterialet, där strandtomter visas i rött (obs små punkter). 44
3:8 Modellen: Variabel 8 Strandtomt Strandtomter finns i länets samtliga kommuner. Ekerö och kustkommunerna har god tillgång på strandtomter och där finns också de flesta av det analyserade materialets strandtomter. Kartans röda prickar visar om den analyserade försäljningen är en strandtomt. Kartan visar sålda småhusfastigheter i analysmaterialet, där strandtomter visas i rött. 45
3:8 Modellen: Variabel 8 Strandtomt Köpeskilling, kr 18 000 000 16 000 000 14 000 000 12 000 000 10 000 000 8 000 000 6 000 000 4 000 000 2 000 000 0 0,00 0,05 0,10 0,15 0,20 0,25 0,30 Andel småhus med strandtomt Källa: Evidens, Spacescape och Lantmäteriet 46
3:9 Modellen: Variabel 9 Friliggande hus 47
3:9 Modellen: Variabel 9 Friliggande hus Analysen visar att områden med en hög andel friliggande fastigheter betingar en högre köpeskilling. Friliggande hus tenderar också att ha större storlek på fastigheten samt innebär ett större mått av självbestämmande vad gäller husets tekniska system och renoveringsnivå. Kartan visar sålda småhusfastigheter i analysmaterialet, där friliggande visas i rött. 48
3:9 Modellen: Variabel 9 Friliggande hus Vid en närmre titt i kartan syns att den kommun med högst andel friliggande hus av försäljningarna är Danderyds kommun. Stockholms västliga kommundelar och Järfälla har en lägre andel försäljningar av friliggande hus, Ett friliggande hus ger i medeltal en köpeskilling som är 880 000 kr högre än om huset vore av radhus- eller kedjehustyp. Kartan visar analysmaterialets fastigheter där röd betyder friliggande och blå betyder icke friliggande. 49
3:9 Modellen: Variabel 9 Friliggande hus Köpeskilling, kr 18 000 000 16 000 000 14 000 000 12 000 000 10 000 000 8 000 000 6 000 000 4 000 000 2 000 000 0 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 Andel friliggande småhus Källa: Evidens, Spacescape och Lantmäteriet 50
3:10 Modellen: Kontrollvariabel Bostadsyta Analysen visar att köpeskillingen är tydligt korrelerad med bostadens storlek, och att en större bostad betingar ett högre pris än en mindre bostad. En ökning av den värdegrundande ytan på 10 kvm ger en förändring i köpeskilling på cirka 370 000 kr. Kartan visar försäljningarnas värdegrundande yta. 51
3:10 Modellen: Kontrollvariabel Bostadsyta Vid en närmre titt i kartan syns skillnader i bostädernas storlek. De småhusområden med högst värdegrundande yta mätt i kvadratmeter främst ses i Danderyd, Lidingö och i de södra delarna av Bromma. Kartan visar sålda småhusfastigheter i analysmaterialet, där värdegrundande yta i kvadratmeter visas. 52
3:10 Modellen: Kontrollvariabel Bostadsyta Köpeskilling, kr 18 000 000 16 000 000 14 000 000 12 000 000 10 000 000 8 000 000 6 000 000 4 000 000 2 000 000 0 0 50 100 150 200 250 300 Sammanlagd värdegrundande yta, kvm Källa: Evidens, Spacescape och Lantmäteriet 53
3.11 Modellens uppbyggnad En regressionsmodell analyserar sambanden mellan basområdens stadskvaliteter och genomsnittlig köpeskilling för småhus. På följande sidor visas hur modellen byggts upp och hur varje variabel/stadskvalitet bidrar till att ytterligare förklara hyran. 54
3:12 Modellen : Variabel 0; Bostadsyta Skattad köpeskilling 14 000 000 12 000 000 10 000 000 8 000 000 6 000 000 4 000 000 2 000 000 0-2 000 000 0 2 000 000 4 000 000 6 000 000 8 000 000 10 000 000 12 000 000 14 000 000 16 000 000 18 000 000 Källa: Evidens, Spacescape och Lantmäteriet Faktisk köpeskilling 55
3:12 Modellen : Variabel 1; Tillgänglighet med kollektivtrafik Skattad köpeskilling 14 000 000 12 000 000 10 000 000 8 000 000 6 000 000 4 000 000 2 000 000 0-2 000 000 0 2 000 000 4 000 000 6 000 000 8 000 000 10 000 000 12 000 000 14 000 000 16 000 000 18 000 000 Källa: Evidens, Spacescape och Lantmäteriet Faktisk köpeskilling 56
3:12 Modellen : Variabel 1+2; Tillgänglighet med bil Skattad köpeskilling 14 000 000 12 000 000 10 000 000 8 000 000 6 000 000 4 000 000 2 000 000 0-2 000 000 0 2 000 000 4 000 000 6 000 000 8 000 000 10 000 000 12 000 000 14 000 000 16 000 000 18 000 000 Källa: Evidens, Spacescape och Lantmäteriet Faktisk köpeskilling 57
3:12 Modellen : Variabel 1+2+3; Närhet till spårstation Skattad köpeskilling 14 000 000 12 000 000 10 000 000 8 000 000 6 000 000 4 000 000 2 000 000 0 0 2 000 000 4 000 000 6 000 000 8 000 000 10 000 000 12 000 000 14 000 000 16 000 000 18 000 000-2 000 000 Källa: Evidens, Spacescape och Lantmäteriet Faktisk köpeskilling 58
3:12 Modellen : Variabel 1+2+3+4; Tillgång till urbana verksamheter Skattad köpeskilling 14 000 000 12 000 000 10 000 000 8 000 000 6 000 000 4 000 000 2 000 000 0 0 2 000 000 4 000 000 6 000 000 8 000 000 10 000 000 12 000 000 14 000 000 16 000 000 18 000 000-2 000 000 Källa: Evidens, Spacescape och Lantmäteriet Faktisk köpeskilling 59
3:12 Modellen : Variabel 1+2+3+4+5; Tillgång till vatten Skattad köpeskilling 14 000 000 12 000 000 10 000 000 8 000 000 6 000 000 4 000 000 2 000 000 0 0 2 000 000 4 000 000 6 000 000 8 000 000 10 000 000 12 000 000 14 000 000 16 000 000 18 000 000-2 000 000 Källa: Evidens, Spacescape och Lantmäteriet Faktisk köpeskilling 60
3:12 Modellen : Variabel 1+2+3+4+5+6; Båthållsplats Skattad köpeskilling 16 000 000 14 000 000 12 000 000 10 000 000 8 000 000 6 000 000 4 000 000 2 000 000 0-2 000 000 0 2 000 000 4 000 000 6 000 000 8 000 000 10 000 000 12 000 000 14 000 000 16 000 000 18 000 000 Källa: Evidens, Spacescape och Lantmäteriet Faktisk köpeskilling 61
3:12 Modellen : Variabel 1+2+3+4+5+6+7; Tillgång till grönyta Skattad köpeskilling 16 000 000 14 000 000 12 000 000 10 000 000 8 000 000 6 000 000 4 000 000 2 000 000 0 0 2 000 000 4 000 000 6 000 000 8 000 000 10 000 000 12 000 000 14 000 000 16 000 000 18 000 000-2 000 000 Faktisk köpeskilling Källa: Evidens, Spacescape och Lantmäteriet 62
3:12 Modellen : Variabel 1+2+3+4+5+6+7+8; Friliggande Skattad köpeskilling 16 000 000 14 000 000 12 000 000 10 000 000 8 000 000 6 000 000 4 000 000 2 000 000 0 0 2 000 000 4 000 000 6 000 000 8 000 000 10 000 000 12 000 000 14 000 000 16 000 000 18 000 000-2 000 000 Källa: Evidens, Spacescape och Lantmäteriet Faktisk köpeskilling 63
3:12 Modellen : Variabel 1+2+3+4+5+6+7+8+9; Strandtomt Skattad köpeskilling 18 000 000 16 000 000 14 000 000 12 000 000 10 000 000 8 000 000 6 000 000 4 000 000 2 000 000 0-2 000 000 0 2 000 000 4 000 000 6 000 000 8 000 000 10 000 000 12 000 000 14 000 000 16 000 000 18 000 000 Källa: Evidens, Spacescape och Lantmäteriet Faktisk köpeskilling 64
3:12 Modellen : Variabel 1+2+3+4+5+6+7+8+9+10; Socioekonomiskt index Skattad köpeskilling 18 000 000 16 000 000 14 000 000 12 000 000 10 000 000 8 000 000 6 000 000 4 000 000 2 000 000 0 0 2 000 000 4 000 000 6 000 000 8 000 000 10 000 000 12 000 000 14 000 000 16 000 000 18 000 000 Källa: Evidens, Spacescape och Lantmäteriet Faktisk köpeskilling 65
4 Diskussion och resultat Över 500 variabler har testats där de som används i modellen har högst signifikans. Det finns variabler som är relevanta för vissa områden, eller ger svar på samma fråga som en liknande variabel varför dessa har förkastats. Bullerpåverkan har studerats noggrant för Stockholms stads områden där ett heltäckande underlag har kunnat användas. 66
4.1 Förkastade variabler Exempel på variabler som har testats men inte fungerat i modellen : Tomtstorlek Standardpoäng Värdeår Nybyggnadsår Ombyggnadsår Närhet till flygplats Buller har ej funnits underlag för hela länet, men fördjupning har gjorts för Stockholms stad. 67
4.2 Buller fördjupning Stockholm 68
54.2 Slutsatser Buller fördjupning Stockholm Kollektivtrafik värdeår Urval: 1 150 överlåtelser av småhus i Stockholms kommun Mått: Högsta bullernivå från väg inom 50 meters radie Genomsnittlig bullernivå är 55 decibel Lägsta bullernivå är 35 decibel och högsta bullernivå är 80 decibel Skillnaden i pris mellan lägsta och högsta bullernivå är ca 1,2 miljoner Snittvillan kostar 4,8 miljoner vilket innebär att skillnaden är 25 procent, allt annat lika. 69
4.2 Buller fördjupning Stockholm Köpeskilling, kr 35 000 000 30 000 000 25 000 000 20 000 000 15 000 000 10 000 000 5 000 000 0 0 10 20 30 40 50 60 70 80 90 Buller, decibel 70
4.3 Slutsatser Kollektivtrafiken, eller mer specifikt hur många arbetsplatser som kan nås med kollektivtrafik är en mycket viktig bärare av värdet på en småhusfastighet. Det betyder samtidigt att en hög täthet av boende och arbetsplatser i anslutning till kollektivtrafikens knutpunkter genererar höga fastighetsvärden. Bostäder i sjönära läge, med strandtomt eller med närhet till båtplats visar tydligt vattnet som stadskvalitet. Båthållplatsernas attraktivitet kan ge stöd åt kollektivtrafik på vatten. Tillgängligheten med biltrafik har lägre påverkan på variationerna i prisnivå än tillgängligheten med kollektivtrafik (1/3). 71
4.3 Slutsatser, fortsättning Närhet till spårstation är högt värderat, liksom närhet till urbana verksamheter. I många fall är detta samordnat och visar på välfungerande lokala centra. Bostadens värdegrundande yta, liksom variabeln friliggande visar tydligt att större fastigheter med ett större frihetsutrymme genererar en högre köpeskilling. Samtidigt motverkar denna typ av byggnation den starkare variabeln kollektivtrafiktillgänglighet. En stor mängd grönyta inom gångavstånd visar i analyserna ett högt värde. Det tyder på ett behov av grönyta i bostadens närhet för kortare vardagsbesök, till exempel för lek. 72
4.4 Möjliga fördjupningsstudier Över 500 variabler har testats där de som används i modellen har högst signifikans. Det finns dock variabler som kan ha relevans för enskilda områden, eller som kan vara av intresse att studera ytterligare för att kunna jämföra olika marknader med varandra. Skillnad mellan innerstad, kranskommuner och yttre kommuner Skillnad mellan små och stora villaområden Pendlingstid med cykel till arbetsplats Områden med låg resp. hög nyproduktion vad kännetecknar dem? Ytterligare studier kring brytpunkter vad krävs för att köpeskillingen skall öka i regionens billigare områden? 73