Prisutveckling på småhus

Företagsekonomiska institutionen Kandidatuppsats 1 poäng HT 25 Prisutveckling på småhus Var maximeras avkastningen? Författare: Fredrik Bynélius Handledare: Claes Hägg Susan Lundberg Carl Rosenbaum

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25 Sammanfattning Prisutvecklingen på småhus I Stockholms län har varit kraftig under de senaste åren. Vi har i denna uppsats försökt att finna orsaker till varför det har sett ut som det gör och vilka variabler som har störst samband med denna utveckling. Det kan vara av värde att veta vad som styr priserna för någon som står inför en investering i form av ett husköp. Finns kunskapen om vad som påverkar priserna kan det användas som beslutsunderlag för att på bästa sätt få högst avkastning på sitt insatta kapital. Vi vill lokalisera vilka kommuner i Stockholms län som genererar den högsta avkastningen på eget kapital med hjälp av de variabler som styr prisutvecklingen. För att ta reda på hur de olika variablerna förhåller sig till prisutvecklingen har vi använt oss av regressionsanalyser. Det datamaterial som vi därefter fått fram har speglat hur väl variablerna har haft samband med undersökningen. Datamaterialet visar även hur trovärdigt resultatet är i och med att vi får fram spridning och korrelation som kan analyseras. Resultatmässigt har vi kommit fram till att ett flertal av våra valda variabler har haft signifikanta samband. Det har visat sig stämma att det är just dessa variabler som faktiskt styr prisutvecklingen. En variabel är avståndet från Stockholm. Denna variabel har haft ett mycket starkt samband och därmed är det den bästa förklaringen till prisutvecklingen på småhus. Det verkar som om människor i Stockholm i allmänhet har en högre preferens att bo närmare innerstaden än längre ifrån. Det leder till att efterfrågan där blir större och priserna ökar då i enlighet med jämviktsprincipen. Men det finns en tendens till att när prisbilden blir högre så ökar efterfrågan mer lite längre ifrån staden. Framför allt vid tider med sämre konjunktur, så resulterar detta i att priserna på hus längre ifrån Stockholm stiger på grund av ovan nämnda orsak, jämvikt. Vi har även kunnat identifiera att det finns variabler som inte alls har något samband för prisutvecklingen som vi från början trodde. Kommunalskatt var en variabel som vi först trodde hade ett starkt samband till prisbilden på småhus i en kommun. Men det visade sig i vår analys av mätningarna att denna variabel inte hade något direkt samband, vilket kan bero på att det inte ger särskilt stora fördelar att bo i en kommun som har lägre kommunalskatt. Kostnadsbesparingen per månad ligger bara runt någon eller ett par hundralappar. 2

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25 Innehållsförteckning SAMMANFATTNING...2 FIGURFÖRTECKNING...5 1. INLEDNING...6 1.1 BAKGRUND...6 1.2 PROBLEMFORMULERING OCH FRÅGESTÄLLNING...7 1.3 SYFTE...7 1.3.1 Avgränsning...8 2. METOD...9 2.1 VETENSKAPLIGT FÖRHÅLLNINGSSÄTT...9 2.1.1 Positivismen...9 2.1.2 Hermeneutik...1 2.2 TOLKNING AV INFORMATION...1 2.3 VAL AV METOD...11 2.3.1 Primärdata...11 2.3.2 Sekundärdata...11 2.4 KVALITETSKRITERIER...11 2.4.1 Validitet...11 2.4.2 Reliabilitet...12 3. TEORI...13 3.1 KAUSALMODELLEN...13 3.2 HYPOTESPRÖVNING...14 3.3 SIGNIFIKANS...14 3.4 REGRESSIONSANALYS...15 3.5 RESIDUALANALYS...16 3.6 RESIDUALSPRIDNING...16 3.7 KORRELATIONSKOEFFICIENTEN...17 4. EMPIRI...18 4.1 VARIABLER...18 4.2 TABELLER...19 4.3 REGRESSIONSANALYSER...19 4.4 HYPOTESPRÖVNING...2 4.5 SIGNIFIKANS...2 4.6 FINANSIERING AV BOENDE...2 4.6.1 Finansierat boende med 1 procent eget kapital...21 4.6.2 Finansierat boende med eget kapital och belåning...22 4.7 RÄNTESATSER...23 5. ANALYS...24 5.1 ANALYS AV FINANSIERAT BOENDE MED 1 PROCENT EGET KAPITAL...24 3

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25 5.1.1 Avstånd från Stockholm...24 5.1.2 Befolkning & Bostadsbestånd...25 5.1.3 Förvärvsinkomst...25 5.1.4 Kommunalskatt...26 5.1.5 Taxeringsvärde...26 5.1.6 Kort sammanfattning av analysen med 1 procent eget kapital...27 5.2 ANALYS AV FINANSIERAT BOENDE MED EGET KAPITAL OCH BELÅNING...27 5.2.1 Avstånd från Stockholm...27 5.2.2 Befolkning & Bostadsbestånd...28 5.2.3 Förvärvsinkomst...28 5.2.4 Kommunalskatt...28 5.2.5 Taxeringsvärde...28 5.2.6 Prisindex...29 5.2.7 Prisförändring i nominellt värde...29 5.2.8 Prisförändring i procent...3 5.2.9 Kort sammanfattning av analysen med eget kapital och belåning...3 6. SLUTSATSER...31 7. KÄLLFÖRTECKNING...33 8. BILAGOR...35 8.1 REGRESSIONSANALYSER...35 8.1.1 Köpeskilling / Avstånd från Stockholm...35 8.1.2 Köpeskilling / Förändring i befolkning...36 8.1.3 Köpeskilling / Bostadsbestånd...37 8.1.4 Köpeskilling / Förvärvsinkomst...38 8.1.5 Köpeskilling / Kommunalskatt...39 8.1.6 Köpeskilling / Taxeringsvärde...4 8.1.7 Prisindex / Avstånd från Stockholm...41 8.1.8 Prisindex / Befolkning...42 8.1.9 Prisindex / Bostadsbestånd...43 8.1.1 Prisindex / Förvärvsinkomst...44 8.1.11 Prisindex / Kommunalskatt...45 8.1.12 Prisindex / Taxeringsvärde...46 8.1.13 Avkastning på EK / Avstånd från Stockholm...47 8.1.14 Avkastning på EK / Befolkning...48 8.1.15 Avkastning på EK / Bostadsbestånd...49 8.1.16 Avkastning på EK / Förvärvsinkomst...5 8.1.17 Avkastning på EK / Kommunalskatt...51 8.1.18 Avkastning på EK / Prisförändring i procent...52 8.1.19 Avkastning på EK / Prisindex...53 8.1.2 Avkastning på EK / Prisförändring i nominellt värde...54 8.1.21 Avkastning på EK / Taxeringsvärde...55 8.1.22 Befolkning / Bostadsbestånd...56 8.2 TABELLER...57 8.2.1 Sammanställning av regressionsanalyser 1996-24...57 4

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25 8.2.2 Sammanställning av regressionsanalyser för variabeln Köpeskilling...59 8.2.3 Sammanställning av regressionsanalyser för variabeln Prisindex...6 8.2.4 Sammanställning av regressionsanalyser för variabeln Avkastning på eget kapital...61 8.2.5 Sammanställning av regressionsanalyser för variabeln Bostadsbestånd & Befolkning...62 8.2.6 Förändring av prisindex...63 8.2.7 Förändring av avkastningen på eget kapital med belåning...64 8.2.8 Prisförändring av förvärvsinkomst i procent...64 8.2.9 Förändring i bostadsbestånd i procent...65 8.2.1 Förändring av befolkning i procent...66 8.2.11 Förändring av taxeringsvärdet i procent...67 8.2.12 Förändring av kommunalskatt i procent...68 8.2.13 Förändring av huspriser i procent...69 8.2.14 Avstånd från Stockholm i km...7 8.3 INTERVUFRÅGOR...71 Figurförteckning FIGUR 1: KAUSALMODELL ÖVER VARIABLERNA...14 FIGUR 2: PRISINDEX OCH MEDELPRISFÖRÄNDRING FÖR STOCKHOLMS LÄNS KOMMUNER UNDER PERIODEN 199-24...18 FIGUR 3: PRISÖKNING PÅ INSATT KAPITAL UTAN LÅN...21 FIGUR 4: PRISÖKNING PÅ INSATT KAPITAL MED LÅN...22 5

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25 1. Inledning Priserna på den svenska bostadsmarknaden har stigit avsevärt de senaste åren vilket gör att det är dyrt att skaffa sig en bostad i dagens läge, framför allt i Stockholms län. Att få förståelse för prisbildningen är intressant både för köpare och för säljare och kan användas som beslutsunderlag för att kunna göra en bättre investering. 1 Det finns ett antal variabler som vi kan utgå ifrån som har påverkat dagens prisläge. Hög inflyttningsnivå, låg bolåneränta, högkonjunkturläge, låg nivå på nybyggnation, reallöneökning samt bankernas mer generösa utlåningspolitik leder till att köpkraften har förstärkts och torde vara en stark orsak till att huspriserna har ökat så markant som det har. Enligt Henrik Roos beror prisökningen också på psykologiska faktorer. Människor resonerar på sådant sätt att om prisökningen har varit stark de senaste två åren kommer förmodligen priserna också att fortsätta öka nästa år. En likhet med börsmarknaden finns men bostadsmarknaden är dock inte lika känslig. En stigande prisbild på småhus har gjort att ägare som köpt sina hus för länge sedan har gjort en god investering. Vid eventuell försäljning i dagens läge skulle värdet av det insatta kapitalet vid köpetillfället kunna mångdubblas. Priserna varierar mellan olika områden och olika kommuner samt följer vissa cykler och trender. Henrik Roos på Lantmäteriet nämner att det finns så kallade sjuårscykler, men de är inget man kan projicera i framtiden. Cykler kan vara variationer i konjunkturläget som påverkar köpkraften eller trender vilket leder till större inflyttning i vissa områden som därmed får en inverkan på priset. Bolåneräntan spelar naturligtvis en stor roll i prisbilden. Fler och fler anser sig ha råd att ta ett lån vid en låg ränta för att köpa hus. Eftersom fler har råd blir också efterfrågan mycket större. Marknadskrafterna utbud och efterfrågan ser då till att priserna stiger på bostadsmarknaden. 2 I Stockholms län ligger medelpriset på en villa i dagens läge på 2 563 kronor. Men skillnaderna kommunerna emellan är betydande. I Danderyd ligger medelpriset för en villa på 4 517 och har därmed länets högsta medelpris. I Norrtälje kommun som har det lägsta medelpriset på småhus ligger priset på 1 39. 3 1.1 Bakgrund Definitionen av småhus är enligt Fastighetstaxeringslagen (FTL) en byggnad som är inrättad till bostad åt en eller två familjer. 4 Dessa är sedan indelade i tre olika storleksklasser; små-, medelstora- samt stora småhus. Små småhus är benämningen på hus som har storleken upp till 1 m 2. Hus mellan 1 m 2 och 17 m 2 benämns medelstora småhus, och slutligen har hus större än 17 m 2 benämningen stora småhus. 5 1 www.maklarsamfundet.se 2 Roos Henrik, Lantmäteriet, Telefonintervju 3 www.scb.se 4 Björne Gunnar, Hall Bertil, Wadell Ulla, Fastighetstaxering del 3, Norstedts Juridik, 24, sid. 8 6

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25 De värdefaktorer som skall bestämmas för småhus är storlek, standard, ålder, byggnadskategori, fastighetsrättsliga förhållanden och värdeordning (8 kap. 3 FTL). Dessa faktorer pekar på tydliga skillnader mellan kommunerna i Stockholms län. Framför allt kan vi se en tydlig stagnering av nybyggen i hela Stockholms län samtidigt som efterfrågan ökar på grund av storstäders tillgänglighet av arbeten. En annan faktor som påverkar stagneringen är enligt Henrik Roos globaliseringsprocessen. Något som är högst väsentligt för dagens prisbild är marknadskrafterna utbud och efterfrågan. Efterfrågan ökar snabbare än utbudet vilket är en av orsakerna till att prisökningen är större i storstadslänen än på landsbygden. 199-talets lågkonjunktur ledde till en kraftigt ökad inflyttning till Stockholms län, och uppgick årligen till runt 15 personer. Sedan år 2 har inflyttningen till länet avtagit och under 24 var inflyttningen endast 1 8 personer. 6 Under samma tid har utbudet bara ökat marginellt för små och medelstora småhus och för stora småhus har utbudet varit i stort sett oförändrat. 7 1.2 Problemformulering och frågeställning I ett investeringsperspektiv Var är det mest lönsamt att köpa ett småhus, var är avkastningen på insatt kapital som högst? Det beror till stor del av det rådande priset, då ett hus som kostar till exempel 5 kronor samt har en prisutveckling på två procent gör att prisuppgången blir 1 kronor. Ett hus som kostar 1 kronor men har 15 procents prisutveckling kommer att få en prisuppgång på 15 kronor. Blir avkastningen på eget kapital högre desto högre procentuell prisutveckling ett hus har? Och har det någon betydelse om huset är belånat? Var skall en person köpa hus som har som mål att göra största möjliga vinst vid en eventuell försäljning? 1.3 Syfte Syftet med denna studie är att lokalisera vilka kommuner i Stockholms län som genererar den högsta avkastningen på eget kapital på småhus med hjälp av de variabler som styr prisutvecklingen. 5 SBAB, Mäklarbarometern - Kvartal 2, 25, sid. 5 6 Boverket, Planera Bygga Bo 3/5 Trender på bostadsmarknaden, Sid. 7, 25 7 SBAB, Mäklarbarometern - Kvartal 2, 25, sid. 5 7

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25 1.3.1 Avgränsning Vi har valt att fokusera på perioden från 1996 fram till 24. Det motsvarar ungefär de senaste nio åren, då det är under denna period det har varit betydande prisstegring. Vi kommer att avgränsa oss till Stockholms län med 25 av dess 26 kommuner. Bortfallet av en kommun beror på att Nykvarns kommun har tillkommit på senare tid och fanns därmed inte med på allt det datamaterial vi använt oss av. Det vi har valt att undersöka är vilka variabler som spelar in på husprisernas utveckling. 8

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25 2. Metod I den här delen beskriver vi hur vi ska gå till väga och vilka metoder vi ska använda oss av för att utföra vår undersökning. Vi kommer i det här kapitlet att skriva om de vetenskapliga förhållningssätten och förklara varför vi har valt att använda oss av hermeneutiskt tänkande och den positivistiska logiken. Vi har använt oss av både primär- och sekundärdata och kvalitetskriterier som har hjälpt oss att kontrollera att vi inte har gjort några slumpmässiga och systematiska mätfel. 2.1 Vetenskapligt förhållningssätt Det finns två vetenskapliga huvudinriktningar inom vetenskapsteori. Det är positivism och hermeneutik. 8 2.1.1 Positivismen Positivismen har sitt ursprung i naturvetenskapen och vill uppnå en absolut sanning inom vetenskapsteorin. Enligt positivisterna har människan två källor till kunskap, det vi kan iaktta med våra sinnen och det vi kan räkna ut med vår logik. Iakttagelser är den empiriska kunskapen som vi får genom våra fem sinnen. Positivisterna har som utgångspunkt att se omvärlden ur ett kritiskt perspektiv. Logiska sanningarna har en helt annan karaktär. Det handlar enbart om vårt intellekt och vårt sätt att använda språket. Till exempel: det är en empirisk sanning att det är en person som kan kör en bil. Men det är en logisk sanning att det inte kan vara två personer som kan köra bilen samtidigt. En logisk sanning går alltid att lita på enligt positivisterna. Positivisterna har två olika sätt att dra slutsatser på: induktiva och deduktiva sätt. Induktiv bygger på generella slutsatser utifrån empirisk fakta. Deduktivt förhållningssätt är att vi utgår ifrån en logisk slutsats som betraktas som giltig om den är logiskt sammanhängande. Den behöver nödvändigtvis inte vara sann likt den induktiva slutsatsen. Det finns även den hypotetiskt - deduktiva metoden som innebär att vi ställer upp hypoteser och sen gör vi en deduktiv slutledning utav det. Då används både empiri och logik på samma gång. Positivisterna nämner också olika värderingar, som verklighets- vetenskapsvärderingar. Det innebär att värderingar inte alltid handlar om fakta utan handlar också om hur verkligheten 8 Thurén Torsten, Vetenskapsteori för nybörjare, Liber, Första upplagan, 24 9

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25 faktiskt ska uppfattas. Vetenskap och värderingar får inte påverka varandra till ett felaktigt resultat. 2.1.2 Hermeneutik Hermeneutiken kommer från den forna grekiskan och betyder tolkningslära. Den bygger på introspektion, empati och förståelse inom humanistisk- och samhällsvetenskap. Till exempel hur människor kan sättas sig in i hur andra människor tänker och känner. Vi ser in i oss själva som kallas för introspektion vilket gör att vi kan förstå andra människors känslor och upplevelser som hermeneutiken kallar inkännande empati. Det bygger på att människor förstår andra människor. Hermeneutiken har ett centralt begrepp som är förståelse. Med det menas att förståelse inte uppfattar verkligheten enbart genom sinnena utan påverkas ofta också av värderingar. Ett annat centralt begrepp inom hermeneutiken är den hermeneutiska cirkel som är ett växelspel mellan förståelse och erfarenheten, mellan del och helhet. 9 2.2 Tolkning av information Vi tolkar uppsatsen hela tiden från det att vi börjar skriva till det att uppsatsen är klar. Men tolkningen slutar inte där, utan när varje enskild människa läser uppsatsen, gör de sin egen tolkning. Det finns flera olika faktorer som är viktiga vid tolkning av sin uppsats och en av de viktigaste är att först ställa sig frågan om hur giltiga resultaten är. För att kunna tolka ett arbete måste vi vara medvetna om vad vi gör samt att vi har en kritisk inställning. Genom att vara uppfinningsrika runt omkring variablernas samband blir det lättare att hitta förklaringarna för företeelserna. Men vi ska alltid vara kritiska till våra tolkningar, för vi kan aldrig veta om det är det enda rätta. Det kan finnas andra förklaringar som också kan vara rätt. Därför ska inga förhastade slutsatser dras, utan genom att bevisa att något är fel stärker vi istället tilliten till de förklaringar som finns kvar. 1 Genom att vi studerar de olika kvalitetskriterierna så får vi ett säkrare resultat och bättre kvalitet på undersökningen. 9 Thurén Torsten, Vetenskapsteori för nybörjare, Liber, Första upplagan, 24 1 Holme Idar Magne, Solvang Bernt Krohn, Forskningsmetodik om kvantitativa och kvalitativa metoder, 21 1

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25 2.3 Val av metod 2.3.1 Primärdata Intervjuer är en undersökningsmetod som ingår i kategorin primärdata. Denna del utgör en viktig del i undersökningen eftersom det är genom intervjuerna vi bygger våra hermeneutiska tolkningar. De primärdata som vi skall använda oss av kommer från en intervju med en expert inom ämnet prisutvecklingar på småhusmarknaden i Stockholms län. För att få en bättre förklaring och förståelse av de diagram som vi kommer att göra tar vi hjälp av de olika regressionsmoment som också bygger på det hermeneutiska tänkandet. 2.3.2 Sekundärdata Det finns en hel del sekundärdata inom fastighetsmarknaden. Framförallt kommer den data vi har använt oss av från existerande undersökningar gjorda av bland annat Lantmäteriet och Statistiska Centralbyrån. Både Lantmäteriets och SCB:s data visar framförallt hur priserna generellt har förändrats över åren men förklarar inte vad det beror på. Prisbildningen är ett resultat av olika variabler som spelar olika roll i olika sammanhang. Dessa variabler har signifikant betydelse för prisbildningen och vi vill undersöka dessa för att hitta olika orsaker till att priserna ser ut som de gör. (Artikel) 2.4 Kvalitetskriterier 2.4.1 Validitet Validiteten förklarar hur pass väl de empiriska måtten verkligen mäter det som är tänkt att mätas. 11 För att få fram validiteten måste vi, utöver de slumpmässiga mätfelen också titta på de systematiska mätfelen. När mätfelen inte längre är slumpmässiga talar vi istället om validitet. Det finns olika steg som vi kan följa:! Först bör informationens innehållsvaliditet studeras för att avgöra i vilken utsträckning de använda indikatorerna utgör. Det vill säga om de tillför bra operationaliseringar av det teoretiska begreppet.! Sedan studeras informationens reliabilitet för att se om den även innehåller validitet.! Vi bör även titta på om informationen skiljer sig ifrån annan information. Det görs genom att studera korrelationerna mellan variablerna. 11 Gustavsson Bengt, Kunskapande metoder inom samhällsvetenskapen, 24 11

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25! Genom att studera stabilitet och förändring i den empiriska informationen kan högre validitet uppnås.! Validitetsprocessen innebär också att undersöka om hur informationen förhåller sig till andra empiriska mått. Det görs på ett sådant sätt som förutspås av teorin. 12 Utöver ovanstående punkter kommer vi vid insamling av datamaterialet från SCB att kontrollera de värden som vi erhåller. Vi kommer även att göra en återkontroll vid varje tillfälle där överföring sker till tabeller och regressionsanalyser. På detta sätt kan vi upptäcka eventuella systematiska mätfel vilket kommer att leda till en högre validitet. 2.4.2 Reliabilitet Reliabilitet handlar om hur stor del de empiriska måtten innehåller slumpmässiga mätfel. En vanlig förklaring är att ju mindre mätfel desto högre är reliabiliteten. Det finns flera olika sätt att räkna ut reliabilitet, de vanligaste är:! Återtestningsreliabilitet! Reliabilitet för testhalvor! Intern konsistens Återtestningsreliabilitet innebär att vi använder samma mätinstrument vid två tillfällen för samma undersökningsmoment. Då ser vi om likvärdiga resultat uppnås. Reliabilitet för testhalvor innebär att data samlas in vid endast ett undersökningstillfälle och att informationen som används delas upp i två halvor. De två halvorna ska sedan kunna korrelera med varandra men måste justeras för att det ska gälla för hela instrumentet. Intern konsistens är en reliabilitetsberäkning som varken kräver upprepade mätningar eller testhalvor. De tekniker som genererar ett enda unikt estimat av reliabiliteten i en information brukar benämnas intern konsistens. Den vanligaste och mest populära av dessa är Cronbachs Alpha, som ger oss ett enda mått på reliabiliteten för ett givet urval. I vår undersökning kommer slutsatserna grunda sig på huruvida de variabler som styr prisutvecklingen verkligen korrelerar med undersökningsvariablerna. För att kunna mäta reliabiliteten kommer vi använda oss av en liknande metod som intern konsistens. Vi kommer att utföra hypotesprövning och testa varje variabels signifikans med hjälp av P-värdet på signifikansnivån 1 procent. De variabler som överstiger detta värde förkastar vi vilket innebär att vi endast kommer att undersöka de variabler som innehåller hög reliabilitet. 13 12 Gustavsson Bengt, Kunskapande metoder inom samhällsvetenskapen, 24 13 Gustavsson Bengt, Kunskapande metoder inom samhällsvetenskapen, 24 12

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25 3. Teori 3.1 Kausalmodellen I teorin kommer vi att utgå från en modell som kallas kausalmodellen eller orsaksmodellen. Denna modell kan betraktas som ett alternativ till konstruktionen av en uppsättning påståenden om orsakssamband mellan olika variabler. Effektvariabeln eller den beroende variabeln (prisutvecklingen) är den variabeln som vi vill förklara. Orsaksvariablerna eller de oberoende variablerna är de faktorer som bidrar till att förklara denna undersökning. I figur 1 har vi markerat variablerna som rektanglar. Orsakssambanden mellan dem markeras av pilar som visar vad som orsakar vad. Ett samband mellan två variabler kan vara direkt eller indirekt. Om sambandet är direkt leder en förändring i orsaksvariabeln direkt till en förändring i effektvariabeln. Om sambandet är indirekt innebär detta att följden av en förändring i orsaksvariabeln förmedlas via en mellanliggande variabel. 14 För att kunna förklara inverkan av ett orsakssamband använder vi oss av en så kallad kausaleffekt. En kausaleffekt definieras på följande sätt: X har en kausaleffekt på Y men endast om Y förändras genom att vi förändrar X och enbart X. I praktiken är detta ett strängt krav. Det kommer alltid att finnas störande moment utanför modellen som påverkar våra variabler och sambanden mellan dem. 15 I vår modell kommer vi att beröra eventuella bakomliggande faktorer som påverkar de oberoende variablerna. Vi kommer med hjälp av våra regressionsanalyser kunna se vilka oberoende variabler som korrelerar bäst med de beroende variablerna. Genom intervjuer och artiklar kommer vi att kunna analysera fram vad som påverkar dessa variabler. Detta gör vi för att kunna få en större förståelse för huruvida den potentiella framtiden ser ut för småhusmarknaden i Stockholms län. 14 Holme Idar Magne, Solvang Bernt Krohn, Forskningsmetodik om kvantitativa och kvalitativa metoder, 21 15 Holme Idar Magne, Solvang Bernt Krohn, Forskningsmetodik om kvantitativa och kvalitativa metoder, 21 13

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25 Avstånd från Sthlm Befolkning Bostadsbestånd Köpeskilling Prisindex Prisförändring i nominellt värde Avkastning på eget kapital med belåning Prisindex Prisförändring i % Kommunalskatt Förvärvsinkomst Taxeringsvärde Figur 1: Kausalmodell över variablerna 3.2 Hypotesprövning Statistisk hypotesprövning innebär att vi med hjälp av slumpmässiga urval bedömer trovärdigheten i hypoteser, det vill säga antaganden angående populationen. Tekniskt sett kan statistisk hypotesprövning genomföras på olika sätt. Det vanligaste tillvägagångssättet kallas för P-värdemetoden vilket vi kommer att använda oss av. Vid all hypotesprövning formuleras en nollhypotes (H ) och ett alternativ till denna, en mothypotes (H 1 ). Mothypotesen kallas ibland för alternativhypotes och betecknas då (H a ). Prövningen ska leda till att nollhypotesen antingen accepteras eller förkastas. 16 3.3 Signifikans P-värdet är ett mått på huruvida statistiskt signifikant regressionen är. Detta värde varierar mellan och 1. Ju närmre värdet är desto starkare statistiskt signifikans är det. 17 Innan genomförandet av en hypotesprövning bestäms en signifikansnivå α som sätter gränsen för 16 Körner S, Wahlgren L, Statistisk dataanalys, 3:e upplagan, 2 17 Körner S, Wahlgren L, Statistisk dataanalys, 3:e upplagan, 2 14

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25 vad som är statistiskt signifikant. Den mest vanliga signifikansnivån är 5 procent men i vissa undantag med speciella orsaker kan en annan nivå väljas. I vårt fall kommer vi att välja signifikansnivån 1 procent på grund av vår tunna population med 25 kommuner. För att kunna få en gradering på signifikansnivån så inför vi en skala som omfattar en till tre stjärnor. Detta gör vi för att beteckna olika intervall för sannolikhetsvärdet. Skalan för signifikansen är på följande sätt.! Om p-värdet är mindre än,1 procent så blir signifikansen trestjärnig, vilket innebär att det finns ett mycket starkt samband mellan variablerna.! Om p-värdet är mellan,1 procent till 1 procent blir signifikansen tvåstjärnig. Denna signifikans tyder på ett starkt samband mellan variablerna.! Överstiger signifikansen 1 procent men under 5 procent blir det en enstjärnig signifikans, vilket innebär ett ganska starkt samband mellan variablerna.! Om signifikansen ligger i intervallet 5-1 procent så kommer vi acceptera regressionsanalysen och märka den med ett S som står för Significant. Detta innebär att vi kommer betrakta analysen utifrån en svag signifikans mellan variablerna. Däremot om p-värdet är större än 1 procent förkastar vi nollhypotesen. Detta markerar vi med NS vilket står för Not Significant. 3.4 Regressionsanalys För att kunna se samband mellan undersökningsvariabeln och de oberoende variablerna görs en regressionsanalys. Den typ av regressionsanalys som vi kommer att använda oss av heter enkel linjär regressionsmodell. Det innebär att vi analyserar variationen i den oberoende variabeln X med hjälp av en förklarande variabel Y. Det finns ett par viktiga antaganden som bör beaktas vid användning av linjär regression och det är följande: 18! Vi förutsätter att vi kan bestämma vilka värden den oberoende variabeln X antar. Dessa värden eller nivåer på X är alltså konstanter och inte slumpmässigt varierande värden.! För varje sådan nivå å X kan den beroende slumpvariabeln Y anta olika värden. Det finns en mängd olika oberoende variabler som kan påverka småhuspriset. Vår undersökning är inte avsedd till variabler som är omvärldsfaktorer som påverkar priset på hela småhusmarknaden. De variabler som vi kommer att använda i vår undersökning är en mängd olika variabler som skiljer kommunerna emellan enligt följande:! Avstånd från Stockholm! Förändring i förvärvsinkomst 18 Körner S, Wahlgren L, Statistisk dataanalys, 3:e upplagan, 2 15

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25! Förändring i befolkningsmängden! Förändring i bostadsbestånd! Förändring i kommunalskatt! Förändring i taxeringsvärde! Förändring i prisindex! Prisförändring i nominellt värde! Prisförändring i procent Dessa variabler är kvantitativa variabler som kan undersökas relativt enkelt. Vi kommer att utgå från den procentuella förändringen från år 1996-24 för varje variabel. Den beroende variabeln kommer att placeras på Y-axeln och de oberoende variablerna på X-axeln. Därefter kommer vi att göra ett plottdiagram för varje variabel i statistikprogrammet Minitab. Efter att vi gjort en undersökning kommer vi att få fram ett medelvärde eller en regressionslinje av plottdiagrammet. 3.5 Residualanalys Med en residual e menas skillnaden mellan det observerade värdet och motsvarande värdet y och det motsvarande enligt regressionslinjen uppskattade värde ŷ. En residualanalys kan avslöja mycket om modellens lämplighet. Stora avvikelser skall som regel uppfattas som varningssignaler och det är därför viktigt att lägga ned arbete på att granska residualerna. 19 3.6 Residualspridning Regressionslinjen är ett medelvärde av alla residualer (kommuner). Residualspridningen mäter hur nära residualerna ligger kring regressionslinjen, det är ett slags medelvärde för alla residualers avstånd från regressionslinjen. Även om spridningen i ett diagram är stor, så kan det fortfarande vara ett bra samband, beroende på hur signifikansen är. För att få fram residualspridningen beräknas kvadratroten ur residualvariansen. Med hjälp av dataprogrammet Minitab får vi residualspridningen given i diagrammet med beteckningen S. 2 Värdet på S är beroende på hur stor variationen är på Y-axeln. Därför är inte detta värde avgörande för att hitta samband. 19 Körner S, Wahlgren L, Statistisk dataanalys, 3:e upplagan, 2 2 Körner S, Wahlgren L, Statistisk dataanalys, 3:e upplagan, 2 16

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25 3.7 Korrelationskoefficienten När det finns ett perfekt linjärt samband mellan slumpvariablerna X och Y är korrelationskoefficienten +1 om linjen har en positiv lutning och -1 om lutningen är negativ. Om korrelationskoefficienten är lika med sägs variablerna X och Y vara okorrelerade. Det går att visa att oberoende variabler också är okorrelerade. Detta är naturligt eftersom korrelationskoefficienten är ett mått på graden av linjärt samband mellan variablerna. 21 För att kunna beräkna lutningen på regressionslinjen manuellt går det att använda sig av formler. I vårt fall har vi använt oss av Minitab för att beräkna denna koefficient. När vi genomför regressionsanalysen visas även den linjära ekvationen för regressionslinjen som är y = αx+β där α och β är konstanter. Konstanten α i ekvationen är lutningen på linjen och konstanten β är punkten där regressionslinjen skär Y-axeln. 21 Körner S, Wahlgren L, Statistisk dataanalys, 3:e upplagan, 2 17

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25 4. Empiri Vi kan se resultatet av konjunkturnedgången i början på 199-talet då prisindex låg under 1. Sedan ser vi också hur prisutvecklingen tog fart igen när konjunkturen vände och hur de under senaste åren ökat kraftigt. Det kan vara intressant att se vad detta har haft för inverkan på vara variabler. Prisindex 2 15 1 5 199 1992 1994 1996 1998 2 22 24 Medelpriser 3 2 5 2 1 5 1 5 199 1992 1994 1996 1998 2 22 24 Figur 2: Prisindex och medelprisförändring för Stockholms läns kommuner under perioden 199-24 (Källa: SCB) 4.1 Variabler Under senare delen av 199-talet ökade tillväxten i Sverige. I vår intervju med Henrik Roos nämnde han att han och andra analytiker av småhusmarknaden påstod sig kunna finna ett samband mellan att småhusprisutvecklingen har påverkats av bland annat IT-boomen. Denna påverkan har främst berört kommuner med en högre prisnivå som till exempel Danderyd, Lidingö och Täby. Eftersom många av IT-företagen låg i Stockholm blev också tillväxten i Stockholms län betydande. I och med att många jobb skapades under denna tid drevs arbetslösheten ned och inflyttningen från landsbygden ökade. Det påverkade i sin tur efterfrågan på bostäder i området. Men utbudet följde inte denna trend och därför drevs istället priserna upp kraftigt. 22 Vi har valt att titta på tre stycken beroende variabler. De är prisindex, köpeskilling samt avkastning på eget kapital. Den första variabeln prisindex, bygger på förhållande mellan köpeskillingen och taxeringsvärdet (även kallat K/T-värde), det vill säga det taxeringsvärde som bestämdes vid den senaste allmänna fastighetstaxeringen år 23. Innan dess använder vi oss av K/B-tal, vilket är köpesumman dividerad med basvärdet. Basvärdet har hämtats från den allmänna fastighetstaxeringen 1996, eller de särskilda fastighetstaxeringar som gjorts därefter. Den 22 Roos Henrik, Lantmäteriet, Telefonintervju 18

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25 andra beroende variabeln är köpeskillingen, det vill säga hur denna variabel förändras. Anledningen till att vi använder de två ovanstående variabel är för att vi tror att vi kan se samband mer tydligt än om vi enbart skulle använda oss av en av dem. Den tredje beroende variabeln är avkastning på eget kapital. Den använder vi enbart när vi ser till finansierat boende med eget kapital och belåning för att få fram skillnader mellan detta och finansierat boende med 1 procent eget kapital. Under undersökningstidsperioden 1996-24 sker det vissa fenomen som vi skulle vilja lyfta fram. Därför har vi delat upp vår undersökningsperiod i två delar. Den första tidsperioden är 1996-2 och den andra 21-24. Anledningen till att vi gör denna uppdelning är för att se om IT-bubblans inverkan på konjunkturen har påverkat prisutvecklingen mellan kommunerna. En annan anledning är för att se om det förändrade systemet av taxeringsberäkning också inverkar på detta. Det nya systemet infördes år 23 och gäller i tre år tills nästa allmänna eller förenklade fastighetstaxering genomförs. Det innebär att en omräkning skall göras var tredje år. Vi kan då se en skillnad av höjning på priser före och efter den nya metoden eftersom det då inverkar på den andra periodens variabler. 4.2 Tabeller Datamaterialet till tabellerna har vi mestadels erhållit från SCB. Vi har bearbetat materialet systematiskt och noggrant för att undvika en svag validitet. Samtliga variabler är sammanställda i tabeller och kategoriserade i de aktuella tidsperioderna. Vi har lagt in det nominella värdet och sedan beräknat den procentuella förändringen mellan de olika tidsperioderna för varje kommun och variabel. Formel 4.2 är den formel vi nyttjat för att beräkna den procentuella förändringen. Förändring i procent = Formel 4.2 (Variabelvärde år n) ( ) (Variabelvärde år ) -1 Resultatet av beräkningarna är sammanställda i tabeller och är bifogade i bilaga 8.2.1 8.2.5. Vi har dessutom gjort tabeller för informationen som regressionsanalyserna har resulterat i. Även detta material är sammanställt i bilaga 8.2.6 8.2.14. 4.3 Regressionsanalyser Vi har matat in de befintliga siffrorna i våra tabeller från Excel till Minitab och sedan genomfört regressionsanalyser. Eftersom alla siffror har mätts i procentenheter är de lätta att jämföra. Vi har genomfört 66 stycken regressionsanalyser som återfinns i bilaga 8.1. För att sedan kunna dra slutsatser utifrån dessa regressionsanalyser behöver vi residualspridningen, 19

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25 korrelationskoefficienten, P-värdet (signifikansen) för respektive regression samt den linjära ekvationen. 4.4 Hypotesprövning Vi kommer att ställa upp en och samma hypotes för varje regressionsanalys. Beroende på resultaten vi får fram kommer vi antingen att acceptera eller att förkasta nollhypotesen. I vårt fall kommer våra hypoteser formuleras på följande sätt: H : Det finns statistiskt signifikans mellan den beroende variabeln Y och den oberoende variabeln X. H 1 : Det finns inte någon statistiskt signifikans mellan den beroende variabeln Y och den oberoende variabeln X. Resultaten av vår hypotesprövning återfinns i analysdelen. 4.5 Signifikans För att kunna acceptera eller förkasta nollhypotesen behövs en konkret gräns. Denna gräns kallas för signifikansnivå. I vår undersökning ingår en stor mängd regressionsanalyser. För att det ska underlätta att analysera alla regressionsanalyser har vi sammanställt alla viktiga värden i tabell 8.2.1 8.2.5. I denna tabell ingår residualspridningen, korrelationskoefficienten samt determinationskoefficienten som är förklarat i teorikapitlet. Vi har använt oss av P- värdemetoden, och sorterat vår information efter den gradering på signifikansnivån vi får fram. Ju lägre värdet är desto bättre signifikans finns. Metoden med skalan använder vi för att få en mer översiktlig bild och återfinns i samma tabeller som ovan. De variabler som vi analyserar är märkta med antingen stjärnor eller S (Significant). De variabler som förkastas är märkta med NS (Not Significant). 4.6 Finansiering av boende När någon står i valet om var den vill bosätta sig är det värt att ha några olika faktorer i åtanke. En faktor är det andrahandsvärde som boendet kan generera. Vår avsikt är att undersöka om en bra investering kan göras på ett boende genom att köpa ett småhus i Stockholms län. Vi kommer att analysera två olika finansieringsalternativ av boende. Det ena är att finansiera boendet med enbart eget kapital. Då kommer vi att kunna se på hur de oberoende variabler har påverkat köpeskillingen och prisindexet. Det andra finansieringsalternativet sker med hjälp av delvis eget kapital och resten med lånat kapital eftersom det är det vanligaste sättet vid husköp. 2

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25 4.6.1 Finansierat boende med 1 procent eget kapital. Denna finansieringsmetod är inte vanligt förekommande. Den kräver en stor mängd eget kapital som de flesta inte har. Metoden innebär att det egna kapitalet är detsamma som köpeskillingen det året som förvärvet av egendomen gjordes. Använder vi detta sätt så får vi en bra översikt hur olika variabler påverkar småhuspriserna i kommunerna. Avkastningen på eget kapital för denna metod är beräknad med formel 4.6.1. Avkastning på eget kapital = (Köpeskilling år n) ( ) (Köpeskilling år ) -1 Formel 4.6.1 K ö p e s k i l l i n g å r n K ö p e s k i l l i n g å r PÖ EK Figur 3: Prisökning på insatt kapital utan lån Köpeskilling år = Köpeskillingen för bostaden vid förvärvet Köpeskilling år n = Köpeskillingen för bostaden vid avyttringen PÖ = Köpeskillingens prisökning från år till år n EK = Eget kapital Med hjälp av formel 4.6.1 kan vi analysera och jämföra den procentuella prisökningen samt prisindex för respektive kommun. Vi har sammanställt detta material i tabeller som finns i bilaga 8.2.13. Dessa två undersöknings variabler har testats i regressionsanalyser mot dem oberoende variabler som också återfinns i bilaga 8.1.1 8.1.6. 21

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25 4.6.2 Finansierat boende med eget kapital och belåning Den vanligaste formen av finansiering av boende är att ta hjälp av ett låneinstitut. Oftast belånas huset med högst 75 procent lånat kapital för att kunna få ett så kallat bottenlån vilket innebär ett lån med den lägsta låneräntan. 23 I detta fall har vi använt av en fast summa eget kapital som är detsamma för samtliga kommuner. Vi har valt det egna kapitalet efter den kommun som har det lägsta köpeskillingsvärdet för respektive period förvärvsår, det vill säga första året i perioden. Vilket betyder att vi har valt Norrtälje kommun med köpeskillingen 632 kr under tidsperioden 1996-2 samt 1996-24. Under tidsperioden 21-24 har vi valt summan för eget kapital till 1 17 vilket även det är köpeskillingen för Norrtälje kommun. Eftersom alla kommuner har olika köpeskillingsvärden blir belåningskapitalets procentsats olika för varje kommun. Det varierar mellan procent i Norrtälje till 74 procent i Danderyd. För att kunna beräkna avkastningen på det egna kapitalet har vi använt oss av formel 4.6.2. Avkastning på eget kapital = (Köpeskilling år n)-(räntekostnad)-(lån) ( ) Eget kapital - 1 Formel 4.6.2 RK K ö p e s k i l l i n g å r n K ö p e s k i l l i n g å r PÖ L EK Figur 4: Prisökning på insatt kapital med lån 23 www.comboloan.se 22

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25 Köpeskilling år = Köpeskillingen för bostaden vid förvärvet Köpeskilling år n = Köpeskillingen för bostaden vid avyttringen PÖ = Köpeskillingens prisökning från år till år n RK = Räntekostnad EK = Eget kapital L = Lån Formel 4.6.2 ser annorlunda ut jämfört med formeln 4.6.1. Det som skiljer dem emellan är att det tillkommer ett lån i denna formel som bidrar till en hävstångseffekt. Det tillkommer även räntekostnader som har negativ inverkan på avkastningen. Varje kommuns avkastning finns bifogat i tabell 8.1.13 8.1.21 i bilagorna. 4.7 Räntesatser I vår a beräkningar på avkastning på eget kapital med belåning (bilaga 8.2.7) har vi använt nedanstående formel. I denna formel är ränteberäkningen enligt följande: Räntan under n perioder = ( 1+ R) n - 1 där en period är lika med ett år. I vårt fall behöver vi en genomsnittlig ränta (R) för respektive tidsperiod. För att kunna beräkna det måste vi först beräkna den genomsnittliga räntan från år till år med hjälp av den rörliga räntan. 24 Därefter har vi från årsräntan beräknat den genomsnittliga räntan för respektive tidsperiod, med hjälp av formeln ovan. Genomsnittlig låneränta 1996-2 = 5.88 % Genomsnittlig låneränta 21-24 = 5.14 % Genomsnittlig låneränta 1996-24 = 5.51 % Ett avgörande för prisutvecklingen på småhus är hur räntan och konjunkturen ser ut. Enligt Henrik Roos är det är svårt att förutsäga något om räntorna, men enligt media kommer räntorna att stiga i omgångar under några års tid. Tendensen är att räntorna inte kommer att stiga till det normala runt fem procent. Men det kommer förmodligen att bli inflation och därtill kommer en realränta på tre procent. Om räntorna stiger, så kommer konsumtionen att minska i detaljhandeln, eftersom hushållens disponibla inkomst minskar. 25 24 www.fsb.se 25 Roos Henrik, Lantmäteriet, Telefonintervju 23

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25 5. Analys 5.1 Analys av finansierat boende med 1 procent eget kapital Nedan följer vår sammanställning av regressionsanalyserna för varje oberoende variabel med finansiering med 1 procent eget kapital. 5.1.1 Avstånd från Stockholm Prisindex Under perioden 1996-2 hade denna variabel ett mycket starkt samband och korrelation. Det betyder att ju närmre Stockholm kommunen ligger desto högre är prisindexet. Under perioden 21-24 hade detta samband ökat. Men det tyder nu istället på att ju längre ifrån Stockholm desto högre prisindex. Enligt intervju med Henrik Roos på Lantmäteriet så kan detta bero på att först ökar prisutvecklingen i de kommuner närmast Stockholm likt ringar på vatten, sedan sprider sig prisutvecklingen till de kommuner med lägre prisnivå och som är beläget längre ifrån Stockholm. En annan förklarande orsak till detta är att människor söker sig till de prisnivåer som passar deras ekonomiska situation samt preferenser. En ökad efterfrågan bidrar till ökade priser och sedan kommer förmodligen en jämvikt uppstå. Människor söker sig då snarare till närheten till storstaden än till de då marginellt lägre prisnivåerna i de yttre kommunerna. 26 Om vi ser till hela perioden 1996-24 så kan vi se att det som Henrik talade om, att det förmodligen kommer att leda till jämvikt igen och därmed blir prisbilden högre ju närmare Stockholm huset återfinns. Prisökning Mellan 1996 och 2 finner vi att det finns ett mycket starkt samband mellan variablerna Avstånd från Stockholm och Prisökning. Det vill säga att ju längre ifrån Stockholm desto mindre är prisökningen. Sambandet försvagas något under perioden 21-24 och har nu inte längre samma signifikans. Regressionslinjen har även ändrat riktning från ett negativt samband till ett positivt. Vilket betyder att prisökningen är större ju längre ifrån Stockholm huset befinner sig. En orsak till detta kan vara att under denna period gjordes många fritidshus om till permanentboenden och höjde därför värdet på huset. 27 Ser vi till hela perioden 1996-24 så finner vi att signifikansen är mycket stark och regressionslinjen har en negativ lutning. Men lutningen har minskat något beroende på dess positiva lutning under andra perioden. Detta tyder på att på lite längre sikt är prisökningen större desto närmare Stockholm huset ligger. Anledningen till detta kan vara att när huspriserna längre ifrån Stockholm stiger så förloras den mening med att flytta dit för den ekonomiska fördelen. Då kan folk välja att istället bo 26 Roos Henrik, Lantmäteriet, Telefonintervju 27 Dagens Industri, Rika stadsbor skapar lyxmarknad för fritidshus, Lördag 3 september 25, sid 14-15 24

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25 närmare Stockholm vilket i sin tur driver upp priserna igen. Återigen kan Henrik Roos uttalande om jämviktsprincipen också vara en orsak till detta. 5.1.2 Befolkning & Bostadsbestånd Prisindex Vi kan inte finna någon statistisk signifikans mellan Befolkning & Bostadsbestånd och Prisindex under någon av våra valda perioder. Därmed förkastar vi nollhypotesen. Vi kan förklara detta med hjälp av tabell 8.2.5 där vi har sammanställt regressionsanalysen för Bostadsbestånd & Befolkning. Prisökning I vår tabell hittar vi spridda resultat vad gäller signifikansnivån mellan Befolkning & Bostadsbestånd samt Prisökning. I de fall där signifikansnivån har haft relativt starkt samband kan vi dock se att determinationskoefficienten har haft låga värden. Det tyder på att mellan 85 procent och 99 procent är det slumpen som har avgjort resultatet eller eventuella andra variabler som inte ingår i vår förklaringsmodell. 5.1.3 Förvärvsinkomst Prisindex Båda perioderna har ett starkt samband mellan förvärvsinkomst och prisindex. Vi kan därmed anta att ju högre förändringen i förvärvsinkomsten är desto högre är förändringen i prisindex. Regressionslinjens lutning ligger på mellan,6,67 vilket tyder på en relativ hög korrelation. Även determinationskoefficienten har en hög korrelation. Variabeln förvärvsinkomst kan ha ett samband med variabeln Avstånd från Stockholm eftersom det generellt är dyrare att bo närmare Stockholm än längre ifrån. Prisökning Under perioden 1996-2 samt under perioden 21-24 finner vi ett starkt samband mellan förvärvsinkomst och prisökning. Dock finns här en stor skillnad. Under den första perioden var prisökningen störst i högpriskommunerna, vilket kan ha samband med den högkonjunktur som under denna period var påtaglig. Troligen drabbade den i större grad högpriskommunerna med att priserna steg markant. I de andra kommunerna hade troligen denna konjunktur inte samma effekt. Däremot, under den andra perioden verkar detta fenomen varit omvänt. Nu ökade istället priserna mer i de kommuner som generellt inte har höga huspriser mer än de som generellt har det. I början perioden 21-24 sprack IT-bubblan vilket kan ha fått till följd att högpriskommunerna påverkades mest av det. Ser vi till hela perioden 1996-24 kan vi inte finna någon signifikans alls. Det kan vi förklara utifrån ovan nämnda omvända fenomen. Alltså att under första perioden påverkades främst högpriskommunerna och under andra perioden påverkades istället högpriskommunerna minst, och tvärtom för övriga kommuner. Effekten av detta fenomen verkar vara att de två 25

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25 perioderna då tog ut varandra. Det verkar ha blivit en jämvikt mellan befolkningen, då deras ekonomiska situation verkar ha blivit relativt mer jämställd. Det verkar som om konjunkturen är mer känslig för högpriskommunernas invånare än för övriga kommuners och därför ökar respektive minskar priserna mest där beroende på konjunkturläget. 5.1.4 Kommunalskatt Prisindex För perioden 1996-2 samt för perioden 21-24 finner vi ingen som helst signifikans mellan dessa två variabler. Därför förkastar vi nollhypotesen för dessa perioder var för sig. Under hela perioden 1996-24 däremot, det vill säga på lite längre sikt, verkar det finnas en signifikans som håller sig innanför vår signifikansnivå på 1 procent mellan kommunalskatt och prisindex. Men determinationskoefficientens värde tyder på att signifikansen till stor del beror på slumpen. Prisökning För sambandet mellan prisökning och kommunalskatt finner vi ett samband mellan dessa variabler. Det vill säga att kommunalskatten på lång sikt är en preferens för människor vid val inför husköp. Men även i detta fall har determinationskoefficienten ett värde som tyder på att slumpen har stor inverkan på resultatet. Henrik Roos hade också synpunkter på denna variabel. Det finns ett svagt samband men det är inte statistiskt signifikant. Det kan vara så att kommunalskatten påverkar ens val av boende särskilt om den är på väg att öka. Vad vi kan se i diagrammen, så har de kommuner med en högre prisnivå drabbats hårdast av en kommunalskatteförändring. 28 5.1.5 Taxeringsvärde Prisindex För båda perioderna är sambandet mycket starkt mellan taxeringsvärde och prisindex. Ju mer taxeringsvärdet ökar desto mer sjunker prisindex procentuellt. Eftersom prisindex är en kvot mellan köpeskilling och basvärde/taxeringsvärde så påverkar taxeringsvärdet kvoten direkt. Detta gör att vår regressionsanalys korrelerar mycket bra med detta. Prisökning För perioden 1996-2 finner vi ingen signifikans mellan taxeringsvärde och prisökning. Därför förkastar vi nollhypotesen. Detta kan bero på att taxeringsmetoden inte var riktigt bra och han inte följa prisutvecklingen. Mellan år 1996-22 var det ingen omräkning av taxeringsvärdet utan det var fryst. Det leder till en större spridning av prisutvecklingen i diagrammen Det kan vara en anledning till att taxeringsmetoden gjordes om 23 vilket leder då till att under perioden 21-24 finns det en signifikans mellan dessa variabler och vi har 28 Roos Henrik, Lantmäteriet, Telefonintervju 26

Företagsekonomiska institutionen 26-1-25 Kandidatuppsats 1 poäng HT 25 ett svagt samband. Ser vi på hela perioden 1996-24 så har vi ett ganska starkt positivt samband. Det är förmodligen naturligt att taxeringsvärdet ökar i jämn takt med prisökningen. 5.1.6 Kort sammanfattning av analysen med 1 procent eget kapital Den variabel som till synes mest har påverkat prisökningen på småhus är enligt vår analys avstånd från Stockholm. Om vi ser på graferna under de olika perioderna ser vi att regressionslinjen ändras från att vara positiv till att istället bli negativ under perioder med sämre konjunkturläge. Men den håller sig positiv om vi ser till lite längre sikt. Detta innebär alltså att generellt så ökar huspriserna mer desto närmare Stockholm huset ligger. Denna variabel har en nästintill perfekt signifikans samt korrelation och vi kan därför anta att detta är mycket tillförlitligt. Vidare så kan vi även se en tendens till att en annan variabel, förvärvsinkomst, har ett nära samband till variabeln avstånd från Stockholm. Den påverkar prisutvecklingen på ett positivt sätt vilket innebär att kommuner som har en hög förändring i förvärvsinkomst även har en hög prisutveckling. En trolig orsak till detta kan vara jämviktsprincipen. Det vill säga att en kommun med hög förändring i förvärvsinkomst också får en större efterfrågan på hus, vilket i sig driver upp prisbilden. 5.2 Analys av finansierat boende med eget kapital och belåning På samma sätt som i punkt 5.1 har vi analyserat och testat finansiering av boende med eget kapital och lån mot de oberoende variablerna. Sammanställningen av regressionsanalyserna (finns i bilaga 8.1.13 8.1.21) för denna metod följer nedan. 5.2.1 Avstånd från Stockholm Avkastning Perioden 1996-2 har en mycket stark signifikans och har en negativ korrelation, vilket innebär att ju längre bort huset befinner sig från Stockholm desto sämre avkastning på eget kapital. Men som vi tidigare nämnt så finns det viss eftersläpning på marknaden så under perioden 21-24 vände trenden till att korrelationen blev positiv. Det betyder att ju längre från Stockholm huset finns desto högre avkastning på eget kapital. Under hela perioden 1996-24 så har regressionslinjen negativ lutning och visar på en mycket stark signifikans och det betyder att avkastningen på eget kapital är högre desto närmare Stockholm huset ligger. 27