Notater. Boligprisindeksen. Mona Takle. Dokumentasjon av metode. Documents 10/2012

Transkript

1 Notater Documents 0/0 Mona Takle Dokumentasjon av metode

2 Notater 0/0 Mona Takle Dokumentasjon av metode Statistisk sentralbyrå Statistics Norway Oslo Kongsvinger

3 Notater I denne serien publiseres dokumentasjon, metodebeskrivelser, modellbeskrivelser og standarder. Statistisk sentralbyrå Standardtegn i tabeller Symbol Ved bruk av materiale fra denne publikasjonen Tall kan ikke forekomme. skal Statistisk sentralbyrå oppgis som kilde. Oppgave mangler.. Oppgave mangler foreløpig ISBN Trykt versjon Tall kan ikke offentliggjøres : ISBN Elektronisk versjon Null - ISSN Mindre enn 0, av den brukte enheten 0 Mindre enn 0,0 av den brukte enheten 0,0 Emne: Foreløpig tall * Publisert januar 0 Brudd i den loddrette serien Trykk: Statistisk sentralbyrå Brudd i den vannrette serien Desimaltegn,

4 Notater 0/0 Forord Statistisk sentralbyrås boligprisindeks går tilbake til 99 (Rapporter 9/7). Datafangst og beregningsmetode har blitt justert siden oppstart, og indeksen ble sist dokumentert i 006 (NOS D6 Prisindekser for bygg og anlegg, bolig og eiendom 006). I 009 ble det gjennomført ytterligere forbedringer i beregningsmodellen. Dette notatet gir en generell dokumentasjon av datagrunnlag og beregningsmodell for boligprisindeksen. Spesielt vektlegges metodiske endringer som ble gjennomført i 009. Statistisk sentralbyrå

5 Notater 0/0 Sammendrag I 008 startet Statistisk sentralbyrå (SSB) en gjennomgang av boligprisindeksen. Målsetningen var å forbedre modellen som ligger til grunn for indeksberegningene, og å måle prisutviklingen på et mer detaljert regionalt nivå enn tidligere. Dette notatet er en oppdatert dokumentasjon av boligprisindeksens beregningsmetode og datagrunnlag. Datafangsten har endret seg mye siden indeksen ble lansert i 99. Frem til 00 var SSBs boligprisindeks basert på en skjemaundersøkelse. Deretter ble data fra Finn.no tatt i bruk, og fra og med 009 hentes alle boligomsetningene som indeksen bygger på fra Finn.no. I tillegg suppleres det med mer fullstendig informasjon om boligene fra Norges offisielle eiendomsregister, Matrikkelen. Prisindekser beskriver forholdet mellom prisen på en vare eller tjeneste på to ulike tidspunkt. Boliger er en type vare som kan være svært ulike med hensyn til alder, beliggenhet, størrelse og kvalitet. Det er derfor nødvendig å bruke en metode som fjerner de kvalitetsmessige ulikhetene, og gjør boligene sammenlignbare. Matematisk kan dette gjøres ved å uttrykke boligprisen som en funksjon av boligens karakteristikker, der hver karakteristikk gis en teoretisk pris. Hvilke kvalitetsegenskaper som tas med i prisfunksjonen avhenger av hvilke opplysninger man har om boligene og hvilken betydning de har for prisen. Erfaring viser at boligens areal og beliggenhet har størst innvirkning på boligprisen. Prisfunksjonen for SSBs boligprisindeks tar hensyn til beliggenhet gjennom å karakterisere boligen etter hvilken prissone den ligger i. Prissonene er en gruppering av kommuner i en region etter prisnivå, basert på gjennomsnittlige omsetningspriser i en avgrenset periode. I 009 ble det definert nye, mer detaljerte prissoner, der de største byene også ble delt inn etter bydeler. I tillegg ble prisfunksjonen utvidet med om boligen ligger i et tettbygd eller spredtbygd strøk. Boligens alder ble også tatt med som en forklaringsvariabel i modellen. Endringene i beregningen av boligprisindeksen har ført til at en større del av variasjonen i boligprisene kan forklares av modellen. Med den nye beregningsmodellen publiserer SSB indekser for de største byene i Norge i tillegg til 7 regionale indekser. Inndelingen av landet i regioner baserer seg på SSB sin landsdelsinndeling. Det beregnes, som før, en egen indeks for hver av boligtypene enebolig, småhus og blokkleilighet. Notatet belyser også muligheter for noen ytterligere forbedringer av boligprisindeksen. Statistisk sentralbyrå

6 Notater 0/0 Innhold Forord... Sammendrag.... Innledning Datagrunnlaget Kildematerialet Kontroll og revisjon Fakta om omsatte boliger Metode for beregning av boligprisindeks..... Hedonisk metode..... Prisfunksjon.... Ny og forbedret regresjonsmodell Ny inndeling i regioner og soner Nye kjennetegn i prismodellen Regresjonsberegningene Usikkerhet.... Begrep og definisjoner..... Areal..... Pris..... Boligtype..... Eierform..... Alder Prissoner Tett eller spredt bebyggelse Sentralitet Indeksberegning Geografisk inndeling Indeksformelen Kjeding Vekting Resultater Sammenligning med indeksen etter gammel metode Forbedringsmuligheter Datarevisjon Flere forklaringsvariabler Andre faktorer som kan forbedre modellen... Referanser... Vedlegg A Soneinndeling, eneboliger... 6 Vedlegg B. Soneinndeling, småhusregion... Vedlegg C. Soneinndeling, blokkleiligheter... Vedlegg D. Regresjonsresultater. Modell med ln(pris) som avhengig variabel. Basert på datagrunnlag fra 007 og Vedlegg E. Vektene, 008. Beregnet kroneverdi på boligmassen og verdiandelene. Figurregister... Tabellregister... Statistisk sentralbyrå

7 Notater 0/0. Innledning I Norge er det relativt vanlig å eie sin egen bolig. Tall fra boligtellingen i 00 viser at rundt to tredjedeler av husholdningene bodde i selveid bolig. Når det å kjøpe bolig i tillegg ofte er den største investeringen en husholdning gjør, er det forståelig at det er stor interesse for utviklingen i boligmarkedet. Det var likevel først på 980-tallet interessen for å følge prisutviklingen på boliger for alvor ble vekket i Norge. På grunn av den store mangelen på boliger i Norge etter andre verdenskrig, ble etterkrigstiden preget av en sterkt regulert boligpolitikk. Avviklingen av reguleringen i kreditt- og boligmarkedet på begynnelsen av 980-tallet ga en friere prisdannelse og førte til at boligprisene gikk fra å være noenlunde stabile til å stige kraftig. Den etterfølgende gjeldskrisen og det kraftige fallet i boligprisene fram til 99 gjorde at det ble stor oppmerksomhet rundt prisutviklingen til boliger og annen fast eiendom både i offentlig forvaltning og i dagspressen. SSB startet publiseringen av en kvartalsvis prisindeks for brukte boliger i 99 med tall tilbake til. kvartal 99. I tillegg utarbeider andre aktører sin egen boligprisstatistikk. Norges Eiendomsmeglerforbund (NEF) og Eiendomsmeglerforetakenes Forening (EFF) har, sammen med Econ Pöyry, publisert en landsomfattende boligprisstatistikk tilbake til 98. I starten hentet SSB inn opplysninger gjennom en egen skjemaundersøkelse. I 00 gikk man over til å hente dataene direkte fra Finn.no og Norske boligbyggelag (NBBL), og senere også Notar. Indeksen skiftet da navn fra Prisindeks for brukte boliger til (BPI). Til tross for forbedret datagrunnlag ble ikke beregningsmetode og publiseringsnivå vesentlig forandret. I 008 startet SSB et prosjekt for å forbedre BPI. Et av de viktigste målene med prosjektet var å kunne måle boligprisutviklingen på et lavere regionalt nivå. I tillegg var det ønske om å forbedre kvaliteten på indeksen gjennom å inkludere flere variabler i beregningsmodellen. Endringene i beregningsmetoden ble tatt i bruk fra og med. kvartal 009, og det ble laget indeksserier tilbake til. kvartal 00. Formålet med dette notatet er å gi en fullstendig dokumentasjon av boligprisindeksen, med vekt på ny og forbedret beregningsmetode. I tillegg beskrives datagrunnlaget fra Finn.no. Det er også skissert noen muligheter for ytterligere forbedringer av beregningsmodellen til boligprisindeksen. 6 Statistisk sentralbyrå

8 Notater 0/0. Datagrunnlaget.. Kildematerialet Fra 00 har SSB sin boligprisstatistikk hovedsakelig vært basert på salg formidlet av meglerforetak som er medlem av EFF og meglere som er medlem av NEF, og som er annonsert gjennom Finn.no. Frem til og med 008 innhentet SSB også omsetningsinformasjon for borettslagsleiligheter fra Norske boligbyggelags Landsforbund (NBBL). Grunnen til dette var at NBBL på begynnelsen av 000-tallet var den beste kilden for data om omsetning av borettslagsboliger. Opplysningene var imidlertid som regel basert på gjennomsnittet for hele borettslag, og ikke knyttet direkte til den enkelte bolig. De senere årene har det blitt stadig mer vanlig å annonsere også borettslagsboliger via nettstedet Finn.no. Ved å bruke Finn.no som kilde for også borettslagsleiligheter, får vi dermed mer detaljerte opplysninger om borettslagsleiligheter enn vi fikk fra NBBL. Meglerfirmaet Notar var en egen kilde for omsetningsopplysninger fra 00 ettersom de også i liten grad benyttet Finn.no i starten. Etter hvert annonserte også de mesteparten av sine objekter på Finn.no. Da de i tillegg delvis gikk konkurs i 008 ble det besluttet å ikke bruke Notar som egen kilde. I den nåværende metoden brukes altså kun eiendomsmeglerbransjens tilbakerapportering til Finn.no som beregningsgrunnlag. Selv om det den siste tiden har blitt mulig for privatpersoner å annonsere boliger på Finn.no, blir ikke realisert kjøpesum for disse omsetningene tilbakerapportert til Finn.no. Boligomsetninger foretatt av privatpersoner, og ellers utenom eiendomsmeglernes rapporteringssystem, er altså ikke med i beregningsgrunnlaget. For å få en oversikt over hvor stor andel av de totale boligomsetningene i Norge som er med i utvalget fra Finn.no er det hensiktsmessig å dele populasjonen i selveide boliger og borettslagsboliger. Antall omsetninger av selveide boliger i utvalget kan sammenlignes med statistikk over tinglyste boligomsetninger. Opplysninger om omsatte borettslagsleiligheter kan ses i forhold til tinglyste boretter. Tabell. gir en oversikt over tinglyste boligomsetninger i fritt salg de siste fire årene, sammenlignet med selveide boliger i utvalget. Med fritt salg menes det at eiendommen er omsatt til en pris som svarer til markedsverdien. Det er ikke noe krav at eiendommen er utlyst for salg på det åpne markedet. Dessuten kan en omsetning i noen tilfeller omfatte flere boliger. Tabellen viser at rundt 70 prosent av eneboligomsetningene i 00 er med i Finn-dataene. Andelen er rundt 60 prosent for selveide småhus. For selveide blokkleiligheter er dekningsgraden i overkant av 80 prosent i 00. Vi ser også at dekningsgraden har blitt bedre siden 008. Tabell. viser at det årlig i ble tinglyst rundt overdragelser av hjemmel til andel i borettslag. Dette gjelder omsetninger i fritt salg, og ikke gave, tvangssalg etc. Opplysningene er hentet fra borettsregisteret. Dekningsgraden når det gjelder borettslagsboliger ligger i 00 på i underkant av 70 prosent. Statistisk sentralbyrå 7

9 Notater 0/0 Tabell.. Omsetning av selveierboliger; tinglyste i fritt salg og fra Finn.no Boligtype Kilde Tinglyst 68 0 Enebolig Finn.no Dekningsgrad 0,6 0,69 0,68 Tinglyst Småhus Finn.no Dekningsgrad 0, 0,9 0,9 Tinglyst 006 Blokkleilighet Finn.no Dekningsgrad 0,70 0,79 0,8 Tinglyst I alt Finn.no Dekningsgrad 0,6 0,7 0,7 Tabell.. Omsetning av borettslagsboliger; tinglyste boretter i fritt salg og fra Finn.no Tinglyste boretter Borettslagsboliger i Finn.no Dekningsgrad... 0,7 0, 0,60 Legger vi sammen tinglyste selveierboliger og boretter i fritt salg og ser på dette som fasit for antall omsatte boliger, kan vi si at boligprisstatistikken totalt sett har en dekningsgrad på rundt to tredjedeler av de omsatte boligene (se tabell.). Det kan i tillegg nevnes at aksje- og obligasjonsleiligheter ikke tinglyses, men inngår i data fra Finn.no. Tabell.. Boligomsetning totalt; tinglyste boliger i fritt salg og fra Finn.no Tinglyste selveierboliger Tinglyste boretter Tinglyst totalt Omsetninger i Finn.no Dekningsgrad... 0,8 0,66 0,69 I tillegg til opplysninger fra Finn.no hentes noe utfyllende opplysninger om boligomsetningene fra Matrikkelen. Dette gjelder blant annet opplysninger om boligens byggeår, der denne mangler i Finn.no, og om boligen ligger i tettbygd eller spredtbygd strøk... Kontroll og revisjon... Bearbeiding av datamaterialet I datamaterialet som vi får fra Finn.no skilles det mellom forskjellige boligtyper. Boligtypene som inngår i boligprisindeksen er enebolig, rekkehus, tomannsbolig og leilighet. Rekkehus og tomannsbolig blir slått sammen til småhus. Datamaterialet kan også omfatte andre boligtyper som bofellesskap, hybel, fleremannsbolig/bygårder, gårdsbruk/småbruk, tomter, kontor, lager, garasje/ parkering, annet fritid, andre eller uspesifisert. Disse brukes ikke i boligprisindeksen, og fjernes derfor fra datamaterialet. Eierform er også en opplysning i datamaterialet fra Finn.no. Her skilles det mellom selveier, andel, aksje, obligasjon og annet. Når det gjelder eneboliger har vi valgt å ikke ta hensyn til eierform, men kategorisert alle eneboliger som selveide. For boligtypene småhus og leiligheter skiller vi mellom andel og selveier, hvilket innebærer at aksje- og obligasjonsleiligheter må klassifiseres sammen med en av disse eierformene. En aksjeleilighet er relativt lik en borettslagsleilighet, men her kjøper man en aksje tilknyttet leierett til en bestemt bolig og ikke en andel. Ved kjøp av obligasjonsleiligheter får man i realiteten kun rett til leie av leilighet mot å Omsetningene fra Finn.no inkluderer også aksje- og obligasjonsleiligheter som ikke tinglyses. 8 Statistisk sentralbyrå

10 Notater 0/0 yte gårdeieren et lån. Vi velger å klassifisere eierformene aksje- og obligasjon som andelsboliger. Alderen på boligene beregnes ut i fra oppgitt byggeår. Dersom byggeår mangler i dataene fra Finn.no, prøver vi å hente opplysningen fra boligstatistikken. Dette kan gjøres for de tilfellene der det kun er én bygning på et gårds-og bruksnr. Byggeår i boligstatistikken er hentet fra Matrikkelen, hvis det mangler der hentes det fra Folke- og boligtellingen 00, enten som et konkret år eller som intervall på ti år. Ved intervallopplysninger har vi for enkelhets skyld valgt å bruke et år midt i intervallet som byggeår. Dersom det fremdeles gjenstår noen uten byggeår, setter vi det til eldre enn år. Dette gjelder ca én prosent av observasjonene. Ved å koble Finn-dataene mot Matrikkelen har man mulighet til å få påført flere opplysninger, som tett-/spredt-kode og bydelskode. Koblingen gjøres på grunnlag av kommunenr., gårdsnr. og bruksnr.... Grenseverdier I behandlingen av datamaterialet er det brukt visse kriterier for å skille ut observasjoner med mulige feil. Siden 00 har vi ikke inkludert boligomsetninger på under kroner i indeksberegningen. Før det var grensen på kroner. Videre blir det stilt krav til kvadratmeterpriser og areal. Fra og med. kvartal 00 benyttes boliger som tilfredsstiller følgende kriterier: Eneboliger:Boligareal mellom 0 og 00 kvadratmeter og kvadratmeterpris mellom 000 og kroner Småhus:Boligareal mellom 0 og 0 kvadratmeter og kvadratmeterpris mellom 000 og kroner Blokkleiligheter:Boligareal mellom og 0 kvadratmeter og kvadratmeterpris mellom 000 og kroner Disse grensene blir tatt opp til vurdering en gang i året (i forbindelse med publisering av tall for. kvartal)... Fakta om omsatte boliger I det følgende presenteres datamaterialet og hvordan boligene omsatt gjennom Finn.no fordeler seg på ulike kjennetegn. Presentasjonen begrenser seg til boliger omsatt i perioden Antall boliger som hvert kvartal ligger til grunn for indeksberegningen varierer en del i løpet av de to årene. Som man ser i tabell. er det i gjennomsnitt ca boliger i kvartalet; flest i. kvartal 008 med 8, og færrest i. kvartal samme året med Hvis vi ser på fordelingen på ulike boligtyper, viser tabell. at en overvekt av de omsatte boligene er leiligheter, med en gjennomsnittlig andel på 8 prosent. Omtrent en tredjedel av boligene er eneboliger, mens de resterende, ca prosent er småhus. Statistisk sentralbyrå 9

11 Notater 0/0 Tabell.. Omsatte boliger i utvalget fordelt på boligtype Antall Prosent Kvartal Enebolig Småhus Leilighet I alt Enebolig Småhus Leilighet I alt 007k ,, 6, k ,6,6 6, k ,0, 8, k ,6,7 8, k ,9,6 60, k ,8,, k ,,, k ,0,, 00 Gjsnitt ,9,6 7,6 00 Når det gjelder eierform, skiller vi mellom selveier og borettslag. Aksje- og obligasjonsleiligheter, som kun utgjør rundt til, prosent av boligene, kategoriseres som borettslagsboliger. Av blokkleilighetene er vel halvparten av boligene borettslagsleiligheter, mens en knapp fjerdedel av boligene i småhusene er i borettslag. I underkant av, prosent av eneboligene oppgis til å være borettslagsboliger. Antageligvis er det da snakk om eneboliger i rekke eller feilregistrering. I statistikken skiller vi ikke på eierform for eneboliger, og behandler alle som selveide. Tabell. viser at over halvparten av blokkleilighetene er borettslagsleiligheter, mens rundt prosent av småhusene er det. Tabell.. Omsatte boliger i utvalget fordelt på eierform Prosent Eierform Selveier Borettslag Selveier Borettslag I alt... 6,8 7, 6,, Enebolig... 98,6, 98,7, Småhus... 76,,8 77,,9 Leilighet...,6 7,,,6 Som det fremgår av tabell.6 er det store forskjeller i gjennomsnittsstørrelsen på de ulike boligtypene. Eneboliger er størst med drøye 0 kvadratmeter i gjennomsnitt, mens leiligheter er i underkant av 70 kvadratmeter. Tabell.6. Gjennomsnittsstørrelse og kvadratmeterpris på boliger, etter boligtype Antall omsetninger Gjennomsnittlig m Gjennomsnittlig m -pris Enebolig , 6 6 Småhus ,6 0 7 Leilighet ,6 9 9 Kvadratmeterpris samvarierer med størrelse på boligen ved at de største boligene i gjennomsnitt har en lavere kvadratmeterpris enn de små. Dette illustreres i figur. som er et plott av kvadratmeterprisene mot antall kvadratmeter p-rom. Dette gjenspeiler seg også i kvadratmeterprisen på de ulike boligtypene. Eneboliger har i gjennomsnitt den laveste kvadratmeterprisen med 6 00, mens blokkleiligheter har nesten dobbelt så høy gjennomsnittlig kvadratmeterpris (se tabell.6 og.7). 0 Statistisk sentralbyrå

12 Notater 0/0 Figur.. Plott av kvadratmeterpris mot størrelsen på boligene. Alle boligtyper Den øvre grensen for kvadratmeterprisen i 007 var for eneboliger og småhus og for blokkleiligheter. Statistisk sentralbyrå

13 Notater 0/0 Tabell.7. Gjennomsnittlig kvadratmeterpris fordelt på boligens størrelse. Alle boligtyper Størrelse Kvadratmeterpris Under 60 kvm kvm kvm kvm Mer enn 0 kvm Dersom vi fordeler de omsatte boligene i på aldersgrupper etter byggeår (tabell.8), ser vi at de fleste havner i gruppen år og eldre. Det er færrest boliger som ble bygget for 0 til 9 år siden. Dette mønsteret gjelder for alle boligtypene, men særlig blant leilighetene er det er høyt innslag av boliger som er nyere enn 0 år. Tabell.8. Aldersfordeling av boligene, etter boligtype. Prosent Under 0 år 0-9 år 0 - år år og eldre I alt... 6,6 8,8 9,6,0 Enebolig... 0,0 9,,7,8 Småhus... 7, 0,7,8 6, Leilighet... 0,0 8,, 6, Alderen på boligen kan ha innvirkning på prisen, og statistikken viser at eldre boliger isolert sett ofte har en lavere omsetningsverdi enn nyere boliger. I noen tilfeller kan imidlertid høy alder være positivt statistisk korrelert med høye markedsverdier som vi ser i tabell.9. Kvadratmeterprisen er høyest på de nyeste boligene. Deretter blir kvadratmeterprisen lavere frem til 0- år, og stiger så igjen for de eldste boligene. Mulige intuitive forklaringer på dette kan være at de beste tomtene i enkelte områder gjerne ble bebygd først, eller at boliger over en viss alder gjerne renoveres. Tabell.9. Gjennomsnittlig kvadratmeterpris fordelt på alder og boligtype Totalt Under 0 år 0-9 år 0 - år år og eldre I alt Enebolig Småhus Blokkleilighet Fordeler vi etter regionene, figur., er det spesielt Oslo og Bærum, Vestlandet og Trøndelag som har denne tendensen. Dette tyder på at mønsteret først og fremst gjør seg gjeldende i byer og sentrale strøk, noe som bekreftes når vi trekker inn sentralitet. I figur. ser vi at det er i de mest sentrale kommunene prisene øker på boliger som er over år gamle. Statistisk sentralbyrå

14 Notater 0/0 Figur.. Gjennomsnittlig kvadratmeterpris fordelt på alder på boligen. Region Under 0 år 0-9 år 0 - år år og eldre Oslo og Bærum Akershus utenom Bærum Sør-øst Norge Hedmark og Oppland Agder og Rogaland Vestlandet Trøndelag Nord- Norge Figur.. Gjennomsnittlig kvadratmeterpris fordelt på alder på boligen. Sentralitetskode 000 Under 0 år 0-9 år år år og eldre Minst sentrale kommuner Mindre sentrale kommuner Noe sentrale kommuner Sentrale kommuner Statistisk sentralbyrå

15 Notater 0/0. Metode for beregning av boligprisindeks.. Hedonisk metode SSB har tradisjon for å bruke hedonisk metode til beregning av prisindekser for boliger og bygninger, og for boligprisindeksen har denne metoden blitt brukt siden starten i 99 (Wass, 99; Lillegård 99). Det europeiske statistikkbyrået (Eurostat) skriver i sin håndbok for boligprisindekser at den hedoniske metoden antageligvis er den beste metoden for å beregne en kvalitetsuavhengig indeks for ulike boligtyper (Eurostat: Handbook on Residential Property Price Indices 0). Det teoretiske grunnlaget for SSB sitt arbeid med hedonisk metode bygger hovedsakelig på Rosens modellbeskrivelse og Wigrens undersøkelser av småhusprisene i Sverige (Rosen 97, Wigren 986). Metoden forutsetter at det er en sammenheng mellom boligens markedsverdi og dens beliggenhet, størrelse og standard. Man ønsker å finne denne sammenhengen, slik at man kan korrigere for forskjell i egenskaper til de solgte boligene. Det forhold at boliger omsatt i ulike perioder vil være kvalitativt forskjellige bør ikke påvirke en indeks for boligprisen (Wass, 99; Lillegård 99). Man ønsker altså å finne en funksjon der markedsprisen er den avhengige variabelen, mens ulike kvaliteter ved boligen er forklaringsvariabler. For å finne hvilke karakteristikker ved boligen som har betydning for markedsprisen, benyttes lineær regresjonsanalyse. Resultatene fra regresjonsanalysen viser hvilke karakteristikker som er statistisk signifikante og tilhørende priskoeffisienter. Prisindeksen kan defineres som forholdet mellom prisen på to kvalitetsmessig like boliger i det aktuelle kvartalet og et basistidspunkt... Prisfunksjon Man antar at markedsprisen på en bolig kan beskrives som en funksjon av boligens egenskaper. Ved å estimere en hedonisk prisfunksjon, kan man konstruere kvalitetsjusterte prisindekser for boligmarkedet. En lineær hedonisk funksjon kan formuleres slik: P = a + b X +... b X n n + ε Regresjonskoeffisientene b,,bn kan tolkes som den teoretiske pris til karakteristikk x,, xk, dvs hvor mye prisen P varierer med en bestemt karakteristikk når alle andre karakteristikker (forklaringsvariabler) holdes faste. Koeffisienten a, konstanten, kan tolkes som en ikke-navngitt karakteristikk hvis kvantum alltid er lik for én vare (Zhang 006). Dette konstantleddet er dermed uttrykk for det generelle prisnivået, og endringer i dette over tid gir uttrykk for endringer i det generelle prisnivået. Det tas da henyn til at sammensetningen av den omsatte boligmassen kan ha endret seg over tid i forhold til de kjennetegn som er inkludert i modellen og markedets verdsetting av disse. Residualen, dvs differansen mellom observert boligpris og den prisen man får beregnet ved bruk av I perioden 00 til 00 ble imidlertid ikke denne metoden brukt på borettslagsboliger ettersom datamaterialet var gjennomsnittstall for hele boligbyggelag. Statistisk sentralbyrå

16 Notater 0/0 regresjonsligningen,ε er en stokastisk variabel med forventning lik 0 og konstant variasjon. Dersom vi beregner en regresjonsligning med boligpris som avhengig variabel og areal som den eneste forklaringsvariabelen vil vi få en forklaringskraft (R ) på 0,. Det vil si at prosent av variasjonen i boligprisene kan forklares med størrelsen på boligen. En kontroll for å se hvor god en regresjonsmodell er, er å se om residualene innfrir forventningen nevnt over; residualene bør være tilnærmet normalfordelt med forventning lik 0 og konstant varians. Fig.. viser plott av residualer mot predikerte verdier ved bruk av lineær prisfunksjon med boligpris som avhengig variabel og areal som eneste forklaringsvariabel. Figur.. Residualplott for lineær regresjonsmodell Figur.. Normalplott av residualer for lineær regresjonsmodell Som vi ser av figuren øker størrelsen på residualene med størrelsen på de predikerte boligprisene. Vi kan også lage et normalplott av residualene. Statistisk sentralbyrå

17 Notater 0/0 Observasjonene bør da ligge på en tilnærmet rett linje for å være normalfordelt. Figur. viser et normalplott der residualene ikke kan sies å være normalfordelte. En logaritmisk transformasjon av variablene kan forbedre føyningen av modellen i de tilfellene man ikke forventer en konstant økning i prisen når verdien av forklaringsvariabelen øker. Ved å benytte en modell med logaritmen av både den avhengige variabelen pris og forklaringsvariabelen areal, en log-log modell, kan koeffisienten til arealet tolkes som en elastisitet. Elastisiteten viser hvor mye prisen øker per arealenhet. Når log-log modellen brukes på våre data, får vi en regresjonskoeffisient for areal på 0,. Det betyr at dersom arealet øker med en prosent, øker prisen med 0, prosent. R er nå 0,9, altså litt lavere enn for den lineære modellen over. Plott av residualer mot predikerte verdier og normalfordelingen (fig.. og.) viser at dette likevel er en bedre regresjonsmodell. Figur.. Residualplott for log-log regresjonsmodell 6 Statistisk sentralbyrå

18 Notater 0/0 Figur. Normalplott av residualer for log-log regresjonsmodell Vi fortsetter derfor å bruke en log-lineær prisfunksjon med den naturlige logaritmen til boligens pris som avhengig variabel, slik vi har gjort siden starten i 99. Denne funksjonen er gitt ved: ln P = a + b ln x + c y,, c y n n + ε der x er boligarealet og priskoeffisienter. y y n er klassifiseringsvariablene, b og c er Statistisk sentralbyrå 7

19 Notater 0/0. Ny og forbedret regresjonsmodell.. Ny inndeling i regioner og soner I den nye beregningsmodellen er Norge delt inn i flere regioner og prissoner. Det er tatt utgangspunkt i SSB sin landsdelsinndeling. I tillegg er Oslo og Akershus delt i to regioner. Inndelingen er som følger:. Oslo og Bærum. Akershus unntatt Bærum. Sør-Østlandet (Østfold, Vestfold, Buskerud og Telemark). Hedmark og Oppland. Agder og Rogaland 6. Vestlandet (Hordaland, Sogn og Fjordane, Møre og Romsdal) 7. Trøndelag 8. Nord-Norge Det gjøres egne regresjonsberegninger for den enkelte boligtype for hver region. For å sikre et godt beregningsgrunnlag, inngår storbyene Bergen, Trondheim og Stavanger i sine respektive landsdeler i regresjonssammenheng, Det gjøres altså 8 regresjonsberegninger per boligtype, til sammen regresjonsberegninger. Tidligere beregnet man priskoeffisienter med én regresjon per boligtype. Inndelingen i prissoner er mer detaljert enn før. Prissonene består av en eller flere kommuner. I tillegg brukes også de administrative bydelene i de største byene som enhet i soneinndelingen. Soneinndelingen bygger på analyser av prisnivåer hentet fra omsetningsdata i perioden fra og med 00 til og med 007. Kommuner og bydeler ble rangert ut i fra gjennomsnittlig kvadratmeterpris på omsatte boliger. I soneinndelingen ble det lagt vekt på at sonene skulle være robuste med tilstrekkelig antall observasjoner. Den endelige soneinndelingen er vist i vedlegg A, B og C. Soneopplysningen blir behandlet som en dummyvariabel; med verdien hvis boligen ligger i sonen og verdien 0 hvis ikke. Endringene i regioner og soner gjør at man i større grad enn tidligere fanger opp geografiske variasjoner i prisene... Nye kjennetegn i prismodellen Det er testet ut flere nye variabler for å komme fram til hvilke karakteristikker som bør inngå i en forbedret prisfunksjon. Datamaterialet som ble brukt i analysen er fra 007/008. Noen av opplysningene gjelder selve boligen og noen knytter seg til boligens beliggenhet. Forklaringsvariablene er valgt ut i fra en vurdering av priskoeffisienten, standardavvik og t-verdi (vedlegg D). Opplysninger om boligen ligger i et tettsted eller ikke inkluderes i den nye modellen. Denne forklaringsvariabelen er selvsagt kun interessant i regioner der det er både tettbygde og spredtbygde strøk (ikke i Oslo og Bærum eller de andre storbyene). Den blir heller ikke brukt for blokkleiligheter, som i de aller fleste tilfeller befinner seg i tettbygde strøk. Når det gjelder eneboliger er tett/spredtfaktoren signifikant for alle regionene, med t-verdier på mellom 0 og 0. Tettstedskoeffisientene er høyest i de to nordligste regionene. For småhus har tett/spredt-faktoren mindre å si og t-verdiene ligger på mellom 0 og 7 i de ulike regionene. 8 Statistisk sentralbyrå

20 Notater 0/0 Nytt er også at man bruker boligens alder i modellen. Boligene deles inn i aldersgrupper på nyere enn 0 år, 0 til 9 år, 0 til år og år og eldre. Aldersfaktoren virker noe ulikt på de forskjellige boligtypene. For eneboliger virker alderen negativt inn på prisen i alle regionene unntatt Oslo, der de eldste eneboligene kun ligger litt under de nyeste i pris. Dette kan skyldes at de eldste boligene ofte er de som har de beste og mest attraktive tomtene. Også når det gjelder blokkleiligheter har de eldste leilighetene høyere verdi enn de som er mellom 0 og år. Dette mønsteret ser vi for alle regionene. Det kan skyldes samme årsak som for eneboliger i Oslo, men det kan også skyldes at de eldste blokkleilighetene oftere er renovert. Regresjonsresultatene viser at prisforskjellene på de nyeste boligene og de mellom 0 og 0 år er mindre for eneboliger og småhus enn blokkleiligheter. Det beregnes ikke lenger separate indekser for borettslags- og selveierboliger. Eierformen er isteden tatt inn som en forklaringsvariabel i regresjonsmodellene. I de fleste regionene ligger borettslagsboliger lavere i pris enn selveierboliger. Unntakene er for småhus i de to nordligste regionene. Regresjonsanalysen viser at eierform har mer å si for prisen for blokkleiligheter enn småhus. Av variabler som ble testet ut, men ikke ble med i den endelige modellen, kan nevnes; skille mellom rekkehus og tomannsbolig for småhus bykommune. Om boligen var rekkehus eller tomannsbolig viste seg å ha en veldig varierende innvirkning på prisen. I noen regioner var prisene for rekkehus signifikant høyere enn for tomannsbolig, mens det motsatte var tilfelle andre steder. Antall observasjoner av boligtypen småhus er uansett så lavt at det vil knytte seg høy usikkerhet til denne variabelen i modellen. Variabelen ble derfor ikke tatt med. Tidligere skilte man mellom bykommuner og andre kommuner i beregningsmodellen. Tradisjonelt har bystatusen vært gjenspeilet i kommunenummeret, ved at tredje siffer var null (for eksempel 00 Oslo og 0 Bergen). I dag kan kommunene selv hevde sin bystatus, og inndelingen har mistet noe av sin verdi. Det viste seg dessuten at variabelen i stor grad sammenfalt med sentralitetskoden og er derfor utelatt. Den endelige listen over de variablene som inngår i den nye beregningsmodellen vises i tabell.. Det kan skilles mellom numeriske variabler, som kan måles kvantitativt, og klassifiseringsvariabler. Prissone, byggeår, tett/spredt, kommunens sentralitet, eierform (selveier/borettslag) og omsetningskvartal er klassifiseringsvariabler som enten har verdien eller 0 avhengig av om den gitte karakteristikken eksisterer eller ikke. I regresjonsligningene velges en klasse til referanseverdi som de andre måles opp mot. Referanseverdien får da priskoeffisient lik 0. For eksempel er de nyeste boligene (under 0 år) valgt som referanse eller nullpunkt. For den numeriske variabelen, areal, vil priskoeffisienten angi hvor mye prisen endrer seg om variabelen endres med en enhet. På en loglineær skala vil den angi hvor mange prosent prisen endrer seg når arealet endres med en enhet. Statistisk sentralbyrå 9

21 Notater 0/0 Tabell.. Variabelliste Numerisk variabel (naturlig logaritme) AREAL (P-ROM) lnar Klassifiseringsvariabler SONE SoneX_ (Høyeste gjennomsnittspriser) (referansevariabel) SoneX_ SoneX_ SoneX_ Etc. BOLIGENS ALDER Alder = Mindre enn 0 år (referansevariabel) Alder = 0-9 år Alder = 0- år Alder = + år TETT/SPREDT (gjelder ikke i storbyene og blokkleiligheter) Tett Spredt (referansevariabel) KOMMUNENS SENTRALITET (gjelder ikke i regioner der kun én sentralitetskode er representert) Sentr0 = minst sentrale kommuner (referansevariabel) Sentr = mindre sentrale kommuner Sentr = noe sentrale kommuner Sentr = sentrale kommuner EIERFORM (gjelder kun for småhus og blokkleiligheter) Selveier (referansevariabel) Borettslag KVARTAL SOLGT (Å = første år i basis, Å = andre år i basis) Kv_Å (referansevariabel) Kv_Å Kv_Å Kv_Å Kv_Å Kv_Å Kv_Å Kv_Å.. Regresjonsberegningene Det beregnes egne prisfunksjoner for de tre ulike boligtypene for hver av de 8 regionene altså totalt. Ved å bruke kvartalsdummyer hindrer vi en sammenblanding av prisendringer som skyldes at tiden går og prisendringer som skyldes egenskaper ved boligen (Lillegård, 99). Prisfunksjonen varierer noe fra region til region og for de forskjellige boligtypene, men generelt kan den skrives slik: ln P = a + b ln( boareal) + b ( sone) + b b ( eierform) + b ( omsetningskv) + ε ( tett / spredt) + b ( kommsentralitet) + b ( alder) 0 Statistisk sentralbyrå

22 Notater 0/0 der P er prisen til boligen og a er konstantleddet. Som karakteristikker (forklaringsvariabler) bruker vi den naturlige logaritmen av boligarealet (fra og med 008 areal av primær-rom), sone, tett/spredt, kommunens sentralitet, boligens 7 alder, eierform og omsetningskvartalet. b b er priskoeffisientene til karakteristikkene. Residualen ε antas å ha konstant varians og forventningsverdi lik 0. Det antas videre at priskoeffisientene er konstante over den aktuelle toårsperioden. Regresjonsresultatene til den endelige modellen er gjengitt i vedlegg D. Tabellene inneholder koeffisienter med tilhørende standardfeil og t-verdi for hver prisfunksjon. Som en tommelfingerregel kan vi si at variablene er statistisk signifikante dersom t-verdiene er høyere enn +/-. Det kan likevel være hensiktsmessig å ha dem med for å få en mest mulig symmetrisk modell. Så lenge priskoeffisientene er små, vil de ikke ha avgjørende innflytelse på prisindeksen. I tabell. sammenlignes forklaringsgraden i den nye modellen med den tidligere. For alle boligtypene har forklart varians (R ) økt i den nye modellen. Forklart varians er størst for blokkleiligheter og minst for småhus med den nye beregningsmodellen. Tabell.. Forklart varians for de ulike boligtypene, gammel og ny modell. Boligtype Modell før 008 Modell etter 008 Enebolig... 0,6 0,69 Småhus... 0, 0,6 Blokkleilighet... 0, 0,7.. Usikkerhet Selv om forklaringskraften har økt med den nye modellen (tabell.) vil det fortsatt være prisbestemmende faktorer som ikke fanges opp. Eksempler på dette kan være renovering, beliggenhet i forhold til skole, butikker og annen infrastruktur, hvilken etasje en leilighet ligger i eller størrelsen på tomt når det gjelder enebolig. Observasjoner med feilregistrerte verdier kan også virke inn på forklaringskraften. En av kontrollene for å sjekke kvaliteten til regresjonsmodellen er å se på residualene, det vil si differeansen mellom observert og predikert pris. Predikert pris er den prisen vi får beregnet for hver av observasjonene ved bruk av regresjonsligningen. Residualene bør være tilnærmet normalfordelt med forventning 0 og konstant varians. Videre kan man lage normalplott av residualene for å se om de er normalfordelte. Observasjonene bør da ligge på en linje, nærmest mulig den rette linjen som representerer normalfordelingen. Figurene under er hentet fra noen av regresjonene; enebolig, småhus og blokkleligheter i Oslo og Bærum. Gjennomsnittet av R for alle de 8 regionene. Statistisk sentralbyrå

23 Notater 0/0 Figur.. Plott av residualer mot predikerte verdier og normalplott av residualer. Eneboliger i Oslo og Bærum, 009/00 R _ R _ L L n n p 0 p 0 r i r i s _ - s _ P_Lnpris_ - 0 RN_Lnpris_ Figur.. Plott av residualer mot predikerte verdier og normalplott av residualer. Småhus i Oslo og Bærum, 009/00 R _ R _ L L n n p 0 p 0 r r i i s _ - s _ P_Lnpris_6-0 RN_Lnpris_6 Statistisk sentralbyrå

24 Notater 0/0 Figur.. Plott av residualer mot predikerte verdier og normalplott av residualer. Blokkleiligheter i Oslo og Bærum, 009/00 R _ L n p r i s _ R _ L n p r i s _ E E+00 RN_Lnpris_ 6 P_Lnpris_ Plottene for eneboliger og småhus i Oslo og Bærum, figur. og., viser at residualene er tilnærmet normalfordelte. For blokkleiligheter i Oslo og Bærum, figur., derimot er det tydelig at mange boligomsetninger har en lavere pris enn det modellen estimerer. Ved nærmerer ettersyn viser det seg at omsetningene med en mye lavere pris enn forventet ofte er feilregistrert av meglerne. I noen tilfeller er fellesgjelden ikke inkludert i prisen, i andre tilfeller er det tastefeil med et siffer for lite i prisen. Disse observasjonene burde ikke være med i beregningene. Dette kommer vi tilbake til i kapitel 8 Forbedringsmuligheter. Statistisk sentralbyrå

25 Notater 0/0. Begrep og definisjoner.. Areal Arealbegrepet som benyttes i boligprisindeksen er fra 008 og utover først og fremst primære rom, eller p-rom. P-rom måles som bruksarealet innenfor boligens omsluttende vegger minus boder, tekniske rom, garasje, felles trapperom og lignende. P-rom ble innført. januar 008, som erstatning for boligareal. Dersom p-rom ikke er oppgitt benyttes boligareal dersom dette eksisterer. I praksis er boligareal og p-rom tilnærmet samme areal... Pris Pris er kjøpesummen oppgitt i kjøpekontrakten. For borettslagsboliger er både innskudd og andel av fellesgjeld inkludert i prisen. Kvadratmeterpris er kjøpesummen dividert med størrelsen på p-rom. Som salgstidspunkt regnes tidspunktet salgskontrakten underskrives... Boligtype Ettersom datamaterialet kommer fra meglernes tilbakerapportering til Finn.no, er det deres kategorisering av boligene som ligger til grunn. Meglerne opererer med boligtypene: leilighet, enebolig, rekkehus, tomannsbolig, gårdsbruk/småbruk og andre (mer om dette i avsnitt.). Hvilken boligtype meglerne velger å klassifisere en bolig som, kan variere noe fra megler til megler. For eksempel kan en kjedet enebolig klassifiseres som enebolig av én megler og som rekkehus av en annen. SSB deler boligmassen inn i enebolig, småhus og blokkleilighet. Småhus er en samlebetegnelse på rekkehus og tomannsbolig. Kategorien gårdsbruk/småbruk inngår ikke i boligprisindeksen... Eierform Finn.no skiller mellom eierformene eier, aksje, andel og obligasjon, mens SSB deler inn i selveier og borettslagsboliger. Vi definerer andelsleiligheter, sammen med aksje- og obliagasjonsleilighet, som borettslag... Alder For å beregne alderen på boligene bruker vi oppgitt byggeår. Ved uoppgitt byggeår foretas en videre bearbeiding av dataene, beskrevet nærmere i kap.. Alderen på boligen beregnes så ut i fra dagens årstall minus byggeår. Vi deler alder i kategorier; Alder = under 0 år Alder = 0 9 år Alder = 0 år Alder = år og mer..6. Prissoner Hver region er delt inn i prissoner. Prissonene består av en eller flere kommuner. For de største byene brukes også de administrative bydelene som minste enhet. Soneinndelingen bygger på analyser av prisnivåer hentet fra omsetningsdata i perioden fra og med 00 til og med 007. I soneinndelingen ble det lagt vekt på at sonene skulle være robuste med tilstrekkelig antall observasjoner. De endelige soneinndelingene for eneboliger, småhus og blokkleiligheter er vist i vedlegg A, B og C. Statistisk sentralbyrå

26 Notater 0/0.7. Tett eller spredt bebyggelse En hussamling skal registreres som et tettsted dersom det bor minst 00 personer der, og avstanden mellom husene skal normalt ikke overstige 0 meter. Det er tillatt med et skjønnsmessig avvik utover 0 meter mellom husene i områder som ikke skal eller kan bebygges. Dette kan for eksempel være parker, idrettsanlegg, industriområder eller naturlige hindringer som elver eller dyrkbare områder. Husklynger som naturlig hører med til tettstedet, tas med inntil en avstand på 00 meter fra tettstedskjernen. De inngår i tettstedet som en satellitt til selve tettstedskjernen. Tettstedsopplysningen hentes fra Matrikkelen..8. Sentralitet Denne opplysningen hentes fra SSBs Standard for sentralitet (008) som deler kommunene inn i minst sentrale, mindre sentrale, noe sentrale og sentrale kommuner. Med sentralitet menes en kommunes geografiske beliggenhet sett i forhold til tettsteder av ulik størrelse. Opplysningen skal beskrive de muligheter befolkningen i en kommune har for arbeidsreiser til et eller flere av disse tettstedene innenfor gitte tidsrammer. Statistisk sentralbyrå

27 Notater 0/0 6. Indeksberegning 6.. Geografisk inndeling Tidligere har det blitt beregnet en felles indeks for storbyene Bergen, Trondheim og Stavanger (NOS D6). I den nye modellen beregnes det nå separate indekser for disse byene. Til sammen publiseres det indekser for geografiske områder:. Oslo og Bærum. Akershus utenom Bærum. Sør-Østlandet (Østfold, Vestfold, Buskerud og Telemark). Hedmark og Oppland. Stavanger 6. Agder og Rogaland utenom Stavanger 7. Bergen 8. Vestlandet (Hordaland, Sogn og Fjordane, Møre og Romsdal) utenom Bergen 9. Trondheim 0. Trøndelag utenom Trondheim. Nord-Norge 6.. Indeksformelen Det beregnes egne indekser for ulike strata av boligtyper og regioner, såkalt stratifiserte hedoniske indekser (Eurostat: Handbook on Residential Property Price Indices 0). Prisfunksjonen n y n (6.) ln P = a + b ln x + c y +... c + ε n der P er boligprisen, a er konstantleddet, x er boligarealet, y y er n klassifiseringsvariabler, b og c c er priskoeffisienter. Residualen ε antas å ha konstant varians og forventningsverdi lik 0, kan alternativt beskrives i en multiplikativ form uten residualen: n n (6.) P= exp( a)( x ) exp( c y ) exp( c y ) b Prisindeksen defineres som forholdet mellom prisen på to kvalitetsmessig like boliger i henholdsvis kvartalet t og basisåret 0. Hvis begge boligene har en vektor av kvalitetsegenskaper lik (x,,y,...,y n ) kan prisindeksen skrives som (Lillegård, 99) (6.) I 0, t exp( a = exp( a t 0 )( x ) )( x ) bt n n exp( ct y ) exp( ct y b0 n n exp( c0 y ) exp( c0 y ) ) Hvis vi forutsetter at priskoeffisientene er konstante over kortere tidsperioder kan indeksformelen forenkles til (6.) I 0, t exp( at ) = exp( a ) 0 6 Statistisk sentralbyrå

28 Notater 0/0 Prisindeksen vil altså kun avhenge av endringene i konstantleddet. Setter vi inn gjennomsnittsverdien til boligprisene og karakteristikkene på begge sider av ligning (8.) og deretter flytter over, får vi følgende uttrykk for konstantleddet (6.) a = ln P b ln x c n i= i y i Konstantleddet beregnes både for statistikkvartalet og i basis og vi får følgende formel for prisindeksen (6.6) der I 0, t exp ln Pt b ln x = exp ln P0 b ln x t 0 n i= n i= i i c y t i i c y 0 ln P 0, ln Pt er gjennomsnittsverdien for ln-boligpris i basis og i periode t. b i c er priskoeffisienten for logaritmen til boligarealet er priskoeffisientene til sonevariablene,t/s-variabel, alder etc. i x0, i y0 t y t x, er gjennomsnittsverdien for henholdsvis boligarealet og de øvrige variablene i basis og i periode t. Som basistidspunkt bruker vi boligomsetninger fra de to årene før det aktuelle kvartalet. Når vi får data for et helt nytt år, blir basis oppdatert med det nyeste året. 6.. Kjeding Etter å ha gjennomført separate indeksberegninger for hver av de regionene for enebolig, småhus og blokkleiligheter har vi delindekser, også kalt elementære indekser 6. Elementærindeksene beregnes som kjedete indekser med årlige lenker. Basis skiftes i. kvartal, med foregående år som nytt basisår. Priskoeffisientene revideres hvert år basert på de to siste årenes datagrunnlag. Koeffisientene antas å være konstante i ett-årsperioden. Kjedet indeks for andre kvartal kan beskrives med følgende formel: gmlbasis kje det nybasis. kv.09 (6.9) I. kv.09 = I. kv.09 nybasis I. kv.09 I Indeksen beregnes først med gammel basis. Deretter beregnes den på nytt med ny basis. Den kjedete indeksen blir dermed den nye indeksen multiplisert med forholdet mellom gammel og ny indeks. Eventuelle oppdateringer i beregningsmetoden, som for eksempel endring i grenseverdiene, legges også til kjedingstidspunktet. 6 Ikke alle disse indeksene publiseres, for eksempel er det for få observasjoner i noen av regionene for småhus. Statistisk sentralbyrå 7

29 Notater 0/0 6.. Vekting De elementære indeksene kan aggregeres slik at man for eksempel får en egen indeks for én region, for én boligtype eller en totalindeks. For å lage prisindekser på et aggregert nivå, beregner vi et vektet gjennomsnitt av delindeksene. Vektene er de estimerte verdiandelene i basisperioden, i likhet med Laspeyre indekser. Verdiandelene baseres på gjennomsnittlig omsetningspris fra foregående år multiplisert med boligmassen (antall boliger) fra siste boligstatistikk for hver enkelt boligtype i hver av regionene. I og med at vi antar at det er en viss skjevhet når det gjelder priser på selveierboliger og borettslagsboliger beregner vi et gjennomsnitt for disse hver for seg. For selveierboliger henter vi gjennomsnittlig omsetningspris siste år fra SSBs eiendomsomsetningsstatistikk. Ettersom SSB hittil ikke har hatt tilgang til data fra borettsregisteret, hentes gjennomsnittsprisene på borettslagsleiligheter for siste år fra Finn.no. Totalt antall boliger hentes fra siste boligstatistikk, mens andelen selveier/borettslag hentes fra Folke- og Boligtellingen 00. For blokkleiligheter i region X kan dette skisseres på denne måten: Selveierboliger: Antall: A S Gjennomsnittspris hentes fra eiendomsomsetningsstatistikken: P S Borettslagsboliger: Antall: A B Gjennomsnittspris hentes fra Finn.no: P B Totalt antall boliger i region A hentes fra siste boligstatistikk: A T Andelene selveier- og borettslagsboliger i region A hentes fra folketellingen 00: F S + F B = Vi antar at: A S = A T *F S A B = A T *F B Vekt blokker i region X: W X = A T* F S *P S +A T *F B *P B W X = A T (F S *P S +F B *P B ) Tilsvarende beregnes verdiandelene for småhus, mens eneboliger naturlig nok ikke vektes mot eierform. 8 Statistisk sentralbyrå

30 Notater 0/0 Vektet totalindeks kan skrives slik: total total total 0, t = 0, t ( 0 t, t t (6.7) I I w ) I ( w ) der: total (6.8) I t, t ( wt ) = I n j= i n i= i t, t w i t w = og n er antall delindekser. Vektene oppdateres årlig, i forbindelse med publisering av. kvartal. Vedlegg E viser vektene som ble benyttet i 008. Den øverste delen av tabellen viser beregnet kroneverdi på boligmassen i de ulike regionene, mens den nederste delen viser verdiandelene. Statistisk sentralbyrå 9

31 Notater 0/0 7. Resultater 7.. Sammenligning med indeksen etter gammel metode er beregnet med den nye metoden, tilbake til. kvartal 00. I perioden. kvartal 00 til om med. kvartal 008 er det laget indeks etter både gammel og ny metode. Dette gir oss mulighet til å sammenligne utviklingen i boligprisene med de to forskjellige beregningsmetodene. Som vi ser i figurene 7., 7. og 7. er det prisutviklingen for enebolig som er mest endret med den nye metoden. En forklaring kan være at den tidligere regionen resten av landet, hvor eneboliger har stor vekt, nå er delt inn i 6 nye regioner. For boligtypene blokkleilighet og småhus er utviklingen mer sammenfallende mellom de ulike metodene. Figur 7.. Boligprisindeks etter gammel og ny beregningsmetode, enebolig. 00=00 0 Gammel metode Ny metode kv. 00. kv.. kv kv.. kv kv.. kv kv. 0 Statistisk sentralbyrå

32 Notater 0/0 Figur 7.. Boligprisindeks etter gammel og ny beregningsmetode, småhus. 00= Gammel metode Ny metode 90. kv. 00. kv.. kv kv.. kv kv.. kv kv. Figur 7.. Boligprisindeks etter gammel og ny beregningsmetode, blokkleilighet. 00= Gammel metode Ny metode kv. 00. kv.. kv kv.. kv kv.. kv kv. Statistisk sentralbyrå

33 Notater 0/0 Figur 7.. Boligprisindeks etter gammel og ny beregningsmetode, boliger i alt. 00= Gammel metode Ny metode 90. kv. 00. kv.. kv kv.. kv kv.. kv kv. Totalindeksen, fremstilt i figur 7., viser tilsvarende en lik utvikling mellom de ulike beregningsmetodene. Avvikene som vi ser for eneboliger, gjenspeiles også her, noe som er naturlig ettersom eneboliger har en nokså høy vekt i totalindeksen. På landsbasis er altså ikke forskjellen mellom ny og gammel metode veldig markant. Fordelene med den nye metoden er først og fremst at vi får en indeks som gir et riktigere bilde av prisutviklingen på et lavere geografisk nivå enn det som var tilfellet før. 8. Forbedringsmuligheter 8.. Datarevisjon Som nevnt i kap... filtreres det bort observasjoner med ekstremverdier på pris og kvadratmeterpris. Dette hindrer allikevel ikke forekomsten av åpenbare og sannsynlige feil i datamaterialet. I kap.. så vi at vi gjennom normalfordelingsplott kunne identifisere feil i prisene fra Finn.no. En måte å hindre at slike feil blir med i beregningene kan være å operere med ulike grenseverdier for ulike regioner. Dette er naturligvis enklest i regioner der det ikke er så stor spredning i kvadratmeterprisene, som for eksempel Oslo og Bærum. Det er vanskeligere å filtrere bort usannsynlig lave eller høye priser i regioner der det er stor spredning, for eksempel regioner med både urbane områder og mer grisgrendte strøk. Det kan også tenkes at det er andre mer effektive måter å filtrere bort slike feil. Et stort avvik mellom salgspris og prisantydning er en alternativ løsning. Dette bør vurderes nærmere. 8.. Flere forklaringsvariabler Som nevnt i kap.. er det en viss usikkerhet knyttet til modellen som er valgt. Det vil det alltid være, ettersom boliger er unike produkt og ulike kvaliteter vil verdsettes ulikt av potensielle kjøpere. Man kan likevel tenke seg noen grep som Statistisk sentralbyrå

34 Notater 0/0 kan være med på å øke forklaringskraften i modellen. En mulighet er for eksempel å inkludere flere forklaringsvariabler i prismodellen. Av variabler vi er i ferd med å teste ut kan nevnes: Antall rom Antall soverom Etasje (leiligheten ligger i) Antall etasjer (i bygningen) Tomteareal Modernisert (årstall) Balkong/terrasse Båtplass Garasje/p-plass Peis Felles vaskerom Hage Heis Det vil i det følgende ikke foretas en fullstendig analyse av de nye variablene og mulighetene for å forbedre modellen. Regresjonsanalyser for eneboliger og blokkleiligheter, tabell 8. og 8., viser imidlertid at noen av variablene kan være interessante å ha med i modellen: tomtestørrelse er en aktuell variabel for eneboliger. p-plass/garasje kan være aktuell å ha med. Mest aktuell for blokkleiligheter og størst betydning i byene.. etasje for blokkleiligheter er interessant. Tabell 8.. T-verdier for utvalgte variabler. Eneboliger Region ln tomt ant. soverom båtplass p-plass /garasje peis Oslo og Bærum..., 0, 0,79-0,9 Vestlandet...,67 -,,,,87 Agder og Rogaland..., -,6,97,76-0, Trøndelag..., -,9,8-0,7,8 Akershus...,96, 0,0 -,96, Sør-Østlandet...,9 0,6,9,7,8 Hedmark og Oppland...,08,8 - -0, -0,06 Nord-Norge... -,0 -,7 0,7,9 -, Tabell 8.. T-verdier for utvalgte variabler. Blokkleiligheter Region ant. soverom balkong/ terrasse p-plass / garasje fellesvask hage heis. etasje Oslo og Bærum... 0,9 6, 8,7-8,6 7,67 0, -,98 Vestlandet...,08-0,0 6, -,6-6,0,68 -, Agder og Rogaland... -,9-6,9 6, -0,9 0,7,9 -, Trøndelag...,0 -,6 9, 0,78 -,9,7 -, Sør-Østlandet... -,7-6, 0,6 -, -,69 8,67 -,0 Hedmark og Oppland... 0, -,9,6, -0, 6,6 0, Nord-Norge..., -,9 -,7 -,09-0,7, -6,7 Det vil bli gjort en videre analyse av mulighetene for å inkludere flere variabler i datamaterialet i prismodellen. Statistisk sentralbyrå

35 Notater 0/0 8.. Andre faktorer som kan forbedre modellen I tillegg til kvaliteter knyttet til selve boligen, er det ønskelig å fange opp fordeler og ulemper knyttet til boligens beliggenhet. I dag gjøres det ved hjelp av region- og soneinndeling og faktorer som tett-/spredt-beliggenhet og kommunens sentralitetsgrad. Man kan også tenke seg at avstand til forskjellige typer infrastruktur og tjenester kan ha noe å si for boligens markedspris. Noen eksempler kan være avstand til barnehage/skole, butikk, busstopp ev. hvordan tilbudet er innenfor en viss omkrets av boligen. Med utgangspunkt i boligenes kartkoordinater kan man tenke seg slike analyser gjort ved hjelp av GIS (geografiske informasjonssystemer). Også egenskaper ved nabolaget kan ha betydning for hvor attraktiv boligen er. En del eiendomsmeglere bruker for eksempel nabolagsprofiler som blant annet inneholder demografiske analyser av grunnkretsen. Det kan være aktuelt å gjøre endringer i region- og soneinndelingen som brukes i regresjonsanalysen. I boligformuesprosjektet (Thomassen og Melby 009) er det for eksempel brukt fylkesvise regresjoner for eneboliger. Datagrunnlaget spenner da over flere år enn de to årene vi bruker i boligprisindeksen. Videre kan man tenke seg at man har egne regresjoner for storbyene. Men dette forutsetter tilstrekkelig antall observasjoner, muligens med en utvidet prisbasisperiode. Her må det gjøres avveininger. Vektingen kan også forbedres. I dag baseres verdianslagene på gjennomsnittpriser på tinglyste selveierboliger og finn-data for borettslag (som beskrevet i kapitel 6.). I forbindelse med boligformuesberegningene som foretas i SSB beregnes estimerte verdier på den enkelte bolig i Norge. Et alternativ kan være å bruke disse estimatene for å lage verdianslag for den enkelte region, boligtype og eierform. Som det er vist i dette notatet er det fremdeles rom for forbedringer av modellen som beregner boligprisindeksen. Men med de endringene som ble gjort i metoden fra og med 009 har man tilført modellen en tydeligere regional dimensjon. I tillegg er forklaringskraften økt ved å inkludere nye variabler i modellen. Statistisk sentralbyrå

36 Notater 0/0 Referanser Eurostat: Handbook on Residential Property Price Indices. Draft version. April 0. Eurostat. Lillegård, Magnar (99): Prisindekser for boligmarkedet. Rapporter 9/7. Statistisk sentralbyrå. NOS D6 (006): Prisindekser for bygg og anlegg, bolig og eiendom 006. Statistisk sentralbyrå. Ramalho, E. (0): "On the econometrics of hedonic housing price indexes: a survey", paper presented at the Workshop on Residential Property Price Indices Statistics Netherlands, The Hague, 0- February 0 Rosen, S. (97): Hedonic Prices and Implicit Markets: Product Differentiation in Pure Competition. Journal of Political Economy 8. Thomassen, Arild og Melby Ingrid (009): Beregning av boligformue. Notater 009/. Statistisk sentralbyrå. Wass, Kurt Åge (99): Prisindeks for nye enebolig. Rapporter 9/. Statistisk sentralbyrå. Wigren, R. (986): Småhuspriserna i Sverige. Forskningsrapport fra Statens Institut for Bygnadsforskning. Zhang, Li-Chun (006): Prisindeksberegninger. Notater 006/7. Statistisk sentralbyrå. Statistisk sentralbyrå

37 Notater 0/0 Vedlegg A Soneinndeling, eneboliger Region : Oslo og Bærum Kommune/Bydel Sone 6 Sentrum 0 Frogner 0 Sagene 07 Vestre Aker 08 Nordre Aker 0 St.Hanshaugen 06 Ullern 0 Grünerløkka 7 Marka Nordstrand 0 Gamle Oslo 09 Bjerke Østensjø Alna Stovner 0 Grorud Søndre Nordstrand 09 Bærum Region : Akershus utenom Bærum Kommune/Bydel 00 Asker 06 Nesodden 07 Oppegård 0 Frogn 00 Lørenskog 0 Nittedal 0 Skedsmo 0 Ski 0 Vestby 08 Rælingen 0 Ås 07 Fet 0 Gjerdrum 0 Ullensaker 06 Sørum 09 Enebakk 08 Nannestad 06 Nes 07 Eidsvoll 0 Aurskog-Høland 09 Hurdal Sone Region : Sør-østlandet Kommune 07 Nøtterøy 070 Tønsberg 067 Røyken 066 Lier 00 Moss 07 Tjøme 06 Rygge 0 Hvaler 06 Hole 060 Drammen 0706 Sandefjord 070 Borre (Horten fra ) 006 Fredrikstad 068 Hemsedal 070 Stokke 060 Kongsberg 068 Hurum 06 Nedre Eiker 0 Råde 0709 Larvik 07 Sande 0 Spydeberg 070 Holmestrand 076 Re 00 Sarpsborg 0 Askim 08 Hobøl 07 Svelvik 07 Våler 080 Porsgrunn 060 Ringerike 06 Øvre Eiker 0806 Skien 08 Bamble 00 Halden 08 Kragerø 067 Gol 079 Andebu 066 Nes 07 Skiptvet 07 Hof 0 Eidsberg 06 Modum 08 Bø 08 Siljan 08 Rakkestad 0 Trøgstad 069 Ål 08 Aremark 0807 Notodden 0 Rømskog 060 Hol 06 Flesberg 09 Marker 078 Lardal Sone 6 Statistisk sentralbyrå

38 Notater 0/0 088 Seljord 089 Nome 08 Sauherad 06 Krødsherad 06 Nore og Uvdal 06 Rollag 08 Vinje 087 Hjartdal 087 Drangedal 08 Fyresdal 089 Kviteseid 06 Sigdal 086 Tinn 080 Nissedal 06 Flå 08 Tokke Region : Hedmark og Oppland Kommune Sone 00 Lillehammer 00 Hamar 0 Lom 0 Lunner 07 Stange 00 Gjøvik 07 Elverum 0 Gran 0 Jevnaker 0 Ringsaker 09 Sør-Odal 00 Kongsvinger 0 Løten 08 Østre Toten 09 Vestre Toten 0 Øyer 08 Trysil 0 Gausdal 0 Nord-Aurdal 06 Nord-Fron 07 Sel 0 Vågå 08 Nord-Odal 00 Eidskog 00 Ringebu 0 Øystre Slidre 0 Åsnes 0 Lesja 09 Åmot 08 Nordre Land 0 Grue 09 Sør-Fron 06 Søndre Land 06 Våler 0 Vestre Slidre 00 Sør-Aurdal 0 Dovre 0 Rendalen 00 Stor-Elvdal 0 Skjåk 06 Tolga 0 Etnedal 0 Engerdal 07 Tynset 08 Alvdal 09 Folldal 0 Vang 0 Os Region : Agder og Rogaland Kommune/bydel Sone 0 Stavanger 0 Eiganes og Våland 0 Storhaug 07 Hinna 06 Hillevåg 0 Madla 0 Tasta 0 Hundvåg Sola 7 Randaberg 0 Sandnes 00 Kristiansand 08 Søgne Time 0 Klepp 096 Lillesand Rennesøy 00 Mandal 090 Grimstad 06 Haugesund Gjesdal 0 Strand 0906 Arendal 9 Hå 090 Risør 6 Tysvær Finnøy Hjelmeland 07 Songdalen 0 Vennesla 09 Tvedestrand 09 Bykle 0 Eigersund 9 Karmøy 00 Flekkefjord Bokn Bjerkreim 099 Froland 0 Lyngdal 098 Birkenes Statistisk sentralbyrå 7

39 Notater 0/0 09 Lindesnes 00 Farsund Vindafjord 09 Vegårshei 07 Kvinesdal 06 Sirdal 9 Forsand Sokndal 9 Ølen Suldal 097 Evje og Hornnes 0 Hægebostad 07 Audnedal Kvitsøy Lund 0 Marnardal 09 Gjerstad 09 Iveland 090 Valle 098 Bygland Sauda 099 Åmli 06 Åseral Utsira Region 6: Vestlandet Kommune/bydel 0 Bergen 0 Bergenhus 07 Årstad 06 Ytrebygda 0 Fana 0 Fyllingsdalen 0 Laksevåg 08 Åsane 0 Arna Os 6 Fjell 7 Askøy 6 Meland 9 Øygarden 6 Lindås 0 Sogndal 0 Molde Stord Voss Sund 6 Austrheim 0 Flora Gulen Førde 8 Bremanger 0 Kristiansund 0 Ålesund Norddal Sone Etne 6 Sveio 9 Bømlo Fitjar Tysnes Kvinnherad 7 Jondal 8 Odda Ullensvang Eidfjord Ulvik Granvin 8 Kvam Fusa Samnanger Austevoll Vaksdal Modalen Osterøy 60 Radøy 6 Fedje 66 Masfjorden Solund Hyllestad 6 Høyanger 7 Vik 8 Balestrand 9 Leikanger Aurland Lærdal Årdal 6 Luster 8 Askvoll 9 Fjaler 0 Gaular Jølster Naustdal 9 Vågsøy Selje Eid Hornindal Gloppen 9 Stryn Vanylven Sande Herøy 6 Ulstein 7 Hareid 9 Volda 0 Ørsta Ørskog Stranda 6 Stordal 8 Sykkylven 9 Skodje Sula Giske 8 Statistisk sentralbyrå

40 Notater 0/0 Haram Vestnes 9 Rauma Nesset Midsund 6 Sandøy 7 Aukra 8 Fræna Eide Averøy 6 Frei 7 Gjemnes 60 Tingvoll 6 Sunndal 66 Surnadal 67 Rindal 69 Aure 7 Halsa 7 Tustna 7 Smøla 67 Bjugn 7 Meråker 7 Overhalla 7 Grong 66 Meldal 7 Namdalseid 6 Rennebu 76 Snåsa 6 Holtålen 70 Namsskogan 7 Verran 6 Osen 66 Tydal 7 Mosvik 78 Lierne 79 Røyrvik 7 Høylandet 79 Flatanger 7 Leka Region 7 Trøndelag Kommune/bydel 60 Trondheim 0 Østbyen 0 Lerkendal 0 Midtbyen 0 Heimdal 66 Malvik 7 Stjørdal 66 Klæbu 67 Skaun 6 Melhus 60 Røros 68 Orkdal 6 Oppdal 6 Ørland 79 Levanger 70 Vikna 70 Namsos 67 Hitra 6 Snillfjord 79 Inderøy 6 Hemne 77 Frosta 7 Verdal 70 Steinkjer 6 Rissa 60 Frøya 78 Leksvik 60 Åfjord 6 Agdenes 68 Midtre Gauldal 66 Selbu 7 Nærøy 6 Roan 78 Fosnes Sone Region 8: Nord-Norge Kommune 90 Tromsø 80 Bodø 0 Alta 00 Hammerfest 80 Narvik 90 Harstad 8 Vefsn 9 Bardu 8 Rana 00 Sør-Varanger 870 Sortland 00 Vadsø 8 Brønnøy 99 Storfjord 07 Kvalsund 9 Nordreisa 00 Porsanger 8 Fauske 0 Karasjohka-Karasjok 80 Alstahaug 86 Vågan 9 Lenvik 98 Lyngen 9 Målselv 9 Skånland 8 Sørfold 9 Sørreisa 866 Hadsel 96 Karlsøy 88 Gildeskål 9 Kvæfjord 860 Vestvågøy 8 Ballangen Sone Statistisk sentralbyrå 9

41 Notater 0/0 80 Saltdal 87 Meløy 8 Leirfjord 9 Balsfjord 8 Sømna 8 Tjeldsund 8 Hemnes 868 Øksnes 97 Tranøy 8 Evenes 88 Nesna 99 Berg 87 Andøy 89 Flakstad 867 Bø 90 Lavangen 88 Steigen 8 Grane 89 Hamarøy 97 Ibestad 0 Guovdageaidnu- Kautokeino 09 Nordkapp 8 Bindal 8 Vega 86 Vevelstad 88 Herøy 86 Hattfjelldal 87 Dønna 8 Lurøy 8 Træna 86 Rødøy 89 Beiarn 8 Skjerstad 80 Tysfjord 8 Lødingen 86 Røst 87 Værøy 87 Moskenes 9 Bjarkøy 99 Gratangen 9 Salangen 96 Dyrøy 98 Torsken 90 Gaivuotna-Kåfjord 9 Skjervøy 9 Kvænangen 00 Vardø 0 Loppa 0 Hasvik 08 Måsøy 0 Lebesby 0 Gamvik 0 Berlevåg 0 Deatnu-Tana 07 Unjarga-Nesseby 08 Båtsfjord 0 Statistisk sentralbyrå

42 Notater 0/0 Vedlegg B. Soneinndeling, småhus Region : Oslo og Bærum Kommune/Bydel Sone 0 Frogner 08 Nordre Aker 0 Sagene 0 St.Hanshaugen 07 Vestre Aker 06 Ullern 0 Gamle Oslo 7 Marka 0 Grünerløkka Nordstrand Østensjø 09 Bjerke 09 Bærum Alna 0 Grorud Stovner Søndre Nordstrand 6 Sentrum Region : Akershus utenom Bærum Kommune Sone 00 Asker 07 Oppegård 0 Frogn 06 Nesodden 00 Lørenskog 0 Ski 0 Skedsmo 0 Ås 08 Rælingen 0 Nittedal 0 Ullensaker 07 Fet 0 Gjerdrum 06 Sørum 0 Vestby 08 Nannestad 07 Eidsvoll 09 Enebakk 06 Nes 0 Aurskog-Høland 09 Hurdal Region : Sør-østlandet Kommune Sone 0 Hvaler 068 Hemsedal 067 Røyken 070 Tønsberg 0 Råde 06 Hole 07 Nøtterøy 066 Lier 00 Moss 060 Kongsberg 06 Rygge 068 Hurum 070 Borre (Horten fra ) 060 Drammen 0706 Sandefjord 08 Hobøl 07 Tjøme 07 Sande 0 Spydeberg 079 Andebu 070 Stokke 0709 Larvik 006 Fredrikstad 07 Skiptvet 06 Nedre Eiker 06 Øvre Eiker 060 Ringerike 08 Bø 067 Gol 070 Holmestrand 00 Sarpsborg 07 Svelvik 076 Re 080 Porsgrunn 06 Modum 0 Trøgstad 0806 Skien 0 Askim 07 Hof 08 Bamble 09 Marker 08 Kragerø 00 Halden 0 Eidsberg 0807 Notodden 069 Ål 07 Våler 08 Rakkestad 086 Tinn 08 Aremark 0 Rømskog 06 Flå 066 Nes 060 Hol 06 Sigdal 06 Krødsherad 06 Flesberg 06 Rollag 06 Nore og Uvdal 078 Lardal 08 Siljan 087 Drangedal 089 Nome 08 Sauherad 087 Hjartdal 088 Seljord 089 Kviteseid 080 Nissedal 08 Fyresdal 08 Tokke 08 Vinje Statistisk sentralbyrå

43 Notater 0/0 Region : Hedmark og Oppland Kommune Sone 0 Øyer 00 Lillehammer 0 Gausdal 0 Os 06 Nord-Fron 00 Hamar 07 Stange 08 Nordre Land 08 Østre Toten 0 Gran 07 Elverum 0 Jevnaker 00 Gjøvik 0 Løten 0 Lunner 0 Ringsaker 09 Vestre Toten 09 Sør-Odal 08 Trysil 06 Våler 09 Åmot 06 Søndre Land 08 Nord-Odal 00 Eidskog 0 Grue 0 Åsnes 00 Stor-Elvdal 0 Rendalen 0 Engerdal 06 Tolga 07 Tynset 08 Alvdal 09 Folldal 0 Dovre 0 Lesja 0 Skjåk 0 Lom 0 Vågå 07 Sel 09 Sør-Fron 00 Ringebu 00 Sør-Aurdal 0 Etnedal 0 Nord-Aurdal 0 Vestre Slidre 0 Øystre Slidre 0 Vang Region : Agder og Rogaland Kommune/bydel Sone 0 Tasta 07 Hinna 06 Hillevåg 0 Hundvåg 0 Eiganes og Våland 0 Madla 0 Storhaug 7 Randaberg Sola 0 Sandnes 0 Strand Gjesdal 0 Klepp 9 Hå 00 Kristiansand Time 08 Søgne Rennesøy 07 Songdalen 096 Lillesand 00 Mandal Sokndal 9 Karmøy 090 Grimstad 06 Haugesund Lund 0 Vennesla 0906 Arendal 0 Lyngdal 0 Eigersund 097 Evje og Hornnes 090 Risør 09 Lindesnes 00 Flekkefjord 098 Birkenes 00 Farsund 099 Froland Sauda 09 Tvedestrand 09 Gjerstad 09 Vegårshei 099 Åmli 09 Iveland 098 Bygland 090 Valle 09 Bykle 0 Marnardal 06 Åseral 07 Audnedal 0 Hægebostad 07 Kvinesdal 06 Sirdal Bjerkreim 9 Forsand Hjelmeland Suldal Finnøy Kvitsøy Bokn 6 Tysvær Utsira Vindafjord 9 Ølen Region 6: Vestlandet Kommune/bydel Sone 0 Bergenhus 07 Årstad 0 Fyllingsdalen 06 Ytrebygda 0 Fana 08 Åsane Statistisk sentralbyrå

44 Notater 0/0 0 Laksevåg 0 Arna Osterøy 0 Sogndal Voss 6 Fjell 7 Aukra 7 Askøy 6 Meland Førde Sula Herøy 6 Lindås 60 Radøy 6 Ulstein 0 Flora 0 Ålesund 0 Molde Os Giske Vestnes 9 Skodje 9 Volda Haram Stord 8 Kvam 6 Frei 0 Ørsta 8 Sykkylven 7 Hareid 8 Fræna 0 Kristiansund 9 Øygarden 6 Sunndal Vaksdal 9 Rauma 8 Odda 6 Høyanger Etne 6 Sveio 9 Bømlo Fitjar Tysnes Kvinnherad 7 Jondal Ullensvang Eidfjord Ulvik Granvin Fusa Samnanger Austevoll Sund Modalen 6 Austrheim 6 Fedje 66 Masfjorden Gulen Solund Hyllestad 7 Vik 8 Balestrand 9 Leikanger Aurland Lærdal Årdal 6 Luster 8 Askvoll 9 Fjaler 0 Gaular Jølster Naustdal 8 Bremanger 9 Vågsøy Selje Eid Hornindal Gloppen 9 Stryn Vanylven Sande Ørskog Norddal Stranda 6 Stordal Nesset Midsund 6 Sandøy Eide Averøy 7 Gjemnes 60 Tingvoll 66 Surnadal 67 Rindal 69 Aure 7 Halsa 7 Tustna 7 Smøla Region 7 Trøndelag Kommune/bydel Sone 0 Østbyen 0 Midtbyen 0 Lerkendal 0 Heimdal 67 Skaun 60 Røros 66 Malvik 6 Melhus 7 Stjørdal 66 Klæbu 70 Vikna 6 Ørland 68 Orkdal 67 Bjugn 70 Namsos 70 Steinkjer 79 Levanger 7 Verdal 68 Midtre Gauldal 6 Rissa 6 Hemne 6 Snillfjord 67 Hitra 60 Frøya 6 Agdenes 60 Åfjord Statistisk sentralbyrå

45 Notater 0/0 6 Roan 6 Osen 6 Oppdal 6 Rennebu 66 Meldal 6 Holtålen 66 Selbu 66 Tydal 7 Meråker 77 Frosta 78 Leksvik 7 Mosvik 7 Verran 7 Namdalseid 79 Inderøy 76 Snåsa 78 Lierne 79 Røyrvik 70 Namsskogan 7 Grong 7 Høylandet 7 Overhalla 78 Fosnes 79 Flatanger 7 Nærøy 7 Leka Region 8: Nord-Norge Kommune Sone 90 Tromsø 80 Bodø 9 Lenvik 80 Alstahaug 0 Alta 8 Brønnøy 80 Narvik 870 Sortland 8 Vefsn 00 Hammerfest 90 Harstad 00 Sør-Varanger 8 Rana 86 Vågan 00 Porsanger 860 Vestvågøy 866 Hadsel 8 Fauske 9 Målselv 00 Vadsø 0 Karasjohka-Karasjok 8 Sømna 8 Bindal 8 Vega 86 Vevelstad 88 Herøy 8 Leirfjord 8 Grane 86 Hattfjelldal 87 Dønna 88 Nesna 8 Hemnes 8 Lurøy 8 Træna 86 Rødøy 87 Meløy 88 Gildeskål 89 Beiarn 80 Saltdal 8 Skjerstad 8 Sørfold 88 Steigen 89 Hamarøy 80 Tysfjord 8 Lødingen 8 Tjeldsund 8 Evenes 8 Ballangen 86 Røst 87 Værøy 89 Flakstad 867 Bø 868 Øksnes 87 Andøy 87 Moskenes 9 Kvæfjord 9 Skånland 9 Bjarkøy 97 Ibestad 99 Gratangen 90 Lavangen 9 Bardu 9 Salangen 9 Sørreisa 96 Dyrøy 97 Tranøy 98 Torsken 99 Berg 9 Balsfjord 96 Karlsøy 98 Lyngen 99 Storfjord 90 Gaivuotna-Kåfjord 9 Skjervøy 9 Nordreisa 9 Kvænangen 00 Vardø 0 Guovdageaidnu- Kautokeino 0 Loppa 0 Hasvik 07 Kvalsund 08 Måsøy 09 Nordkapp 0 Lebesby 0 Gamvik 0 Berlevåg 0 Deatnu-Tana 07 Unjarga-Nesseby 08 Båtsfjord Statistisk sentralbyrå

46 Notater 0/0 Vedlegg C. Soneinndeling, blokkleiligheter Region : Oslo og Bærum Kommune/Bydel Sone 6 Sentrum 0 Frogner 0 St. Hanshaugen 06 Ullern 08 Nordre Aker 0 Sagene 07 Vestre Aker 6 0 Grünerløkka 7 0 Gamle Oslo 8 09 Bærum 9 7 Marka 0 Nordstrand 0 09 Bjerke 0 Østensjø 0 0 Grorud Alna Stovner Søndre Nordstrand Region : Akershus utenom Bærum Kommune sone 0 Frogn 0 Skedsmo 06 Nesodden 00 Lørenskog 07 Oppegård 00 Asker 0 Vestby 0 Ski 0 Ullensaker 07 Fet 0 Ås 0 Nittedal 0 Gjerdrum 08 Rælingen 06 Sørum 09 Enebakk 06 Nes 08 Nannestad 07 Eidsvoll 0 Aurskog-Høland 09 Hurdal Region : Sør-østlandet Kommune sone 068 Hemsedal 070 Tønsberg 00 Moss 06 Rygge 0 Spydeberg 06 Hole 066 Lier 067 Røyken 060 Hol 07 Nøtterøy 060 Drammen 0 Råde 060 Kongsberg 0706 Sandefjord 006 Fredrikstad 070 Borre (Horten fra ) 080 Porsgrunn 068 Hurum 0709 Larvik 00 Sarpsborg 0 Hvaler 06 Øvre Eiker 070 Stokke 06 Nedre Eiker 060 Ringerike 0 Eidsberg 08 Hobøl 07 Sande 070 Holmestrand 0 Askim 06 Modum 067 Gol 076 Re 0806 Skien 07 Svelvik 066 Nes 00 Halden 0807 Notodden 08 Bø 07 Hof 08 Kragerø 08 Bamble 088 Seljord 079 Andebu 08 Aremark 09 Marker 0 Rømskog 0 Trøgstad 07 Skiptvet 08 Rakkestad 07 Våler 06 Flå 069 Ål 06 Sigdal 06 Krødsherad 06 Flesberg 06 Rollag 06 Nore og Uvdal 07 Tjøme 078 Lardal 08 Siljan 087 Drangedal 089 Nome 08 Sauherad 086 Tinn 087 Hjartdal 089 Kviteseid 080 Nissedal 08 Fyresdal 08 Tokke 08 Vinje Statistisk sentralbyrå

47 Notater 0/0 Region : Hedmark og Oppland Kommune Sone 0 Øyer 00 Lillehammer 0 Nord-Aurdal 00 Hamar 00 Gjøvik 09 Sør-Odal 08 Trysil 0 Løten 0 Gran 07 Stange 00 Kongsvinger 07 Elverum 08 Østre Toten 0 Gausdal 0 Lunner 0 Ringsaker 0 Åsnes 0 Jevnaker 09 Åmot 09 Vestre Toten 08 Nordre Land 0 Os 08 Nord-Odal 00 Eidskog 0 Grue 06 Våler 00 Stor-Elvdal 0 Rendalen 0 Engerdal 06 Tolga 07 Tynset 08 Alvdal 09 Folldal 0 Dovre 0 Lesja 0 Skjåk 0 Lom 0 Vågå 06 Nord-Fron 07 Sel 09 Sør-Fron 00 Ringebu 06 Søndre Land 00 Sør-Aurdal 0 Etnedal 0 Vestre Slidre 0 Øystre Slidre 0 Vang Region : Agder og Rogaland Kommune/bydel Sone Rennesøy 0 Stavanger 07 Hinna 0 Hundvåg 0 Madla 0 Storhaug 0 Eiganes og Våland 06 Hillevåg 0 Tasta 7 Randaberg 0 Sandnes Sola 00 Kristiansand 09 Bykle Gjesdal Time 0 Klepp 096 Lillesand 090 Grimstad 0 Strand 6 Tysvær 08 Søgne 9 Hå 09 Tvedestrand 098 Birkenes 0906 Arendal 00 Farsund 06 Haugesund 0 Vennesla 00 Mandal 00 Flekkefjord 9 Karmøy 07 Songdalen 0 Eigersund 0 Lyngdal 099 Froland 09 Lindesnes 098 Bygland 090 Risør 09 Gjerstad 09 Vegårshei 099 Åmli 09 Iveland 097 Evje og Hornnes 090 Valle 0 Marnardal 06 Åseral 07 Audnedal 0 Hægebostad 07 Kvinesdal 06 Sirdal Sokndal Lund Bjerkreim 9 Forsand Hjelmeland Suldal Sauda Finnøy Kvitsøy Bokn Utsira Vindafjord Region 6: Vestlandet Kommune/bydel Sone 0 Bergen 0 Bergenhus 07 Årstad 0 Laksevåg 0 Fyllingsdalen 06 Ytrebygda 6 Statistisk sentralbyrå

48 Notater 0/0 08 Åsane 0 Fana Voss 0 Sogndal Førde 6 Lindås Ørskog 7 Askøy 6 Meland 9 Stryn 6 Fjell Os 0 Flora 0 Molde 0 Ålesund Gloppen 0 Arna 7 Hareid Haram Giske Sund Stord 6 Ulstein 9 Volda Sula Eide 8 Sykkylven 0 Ørsta 6 Frei Vestnes 6 Sunndal 9 Skodje 0 Kristiansund 6 Luster Eid 6 Austrheim Vaksdal Etne 6 Sveio 9 Bømlo Fitjar Tysnes Kvinnherad 7 Jondal 8 Odda Ullensvang Eidfjord Ulvik Granvin 8 Kvam Fusa Samnanger Austevoll Modalen Osterøy 9 Øygarden 60 Radøy 6 Fedje 66 Masfjorden Gulen Solund Hyllestad 6 Høyanger 7 Vik 8 Balestrand 9 Leikanger Aurland Lærdal Årdal 8 Askvoll 9 Fjaler 0 Gaular Jølster Naustdal 8 Bremanger 9 Vågsøy Selje Hornindal Vanylven Sande Herøy Norddal Stranda 6 Stordal 9 Rauma Nesset Midsund 6 Sandøy 7 Aukra 8 Fræna Averøy 7 Gjemnes 60 Tingvoll 66 Surnadal 67 Rindal 69 Aure 7 Halsa 7 Tustna 7 Smøla Region 7 Trøndelag Kommune/bydel Sone 60 Trondheim 0 Østbyen 0 Midtbyen 0 Lerkendal 0 Heimdal 67 Skaun 7 Stjørdal 6 Melhus 66 Malvik 68 Orkdal 66 Klæbu 68 Midtre Gauldal 7 Verdal 6 Oppdal 70 Namsos 67 Bjugn 70 Steinkjer 6 Ørland 70 Vikna 79 Inderøy 79 Levanger 7 Nærøy 6 Hemne 6 Snillfjord 67 Hitra Statistisk sentralbyrå 7

49 Notater 0/0 60 Frøya 6 Agdenes 6 Rissa 60 Åfjord 6 Roan 6 Osen 6 Rennebu 66 Meldal 60 Røros 6 Holtålen 66 Selbu 66 Tydal 7 Meråker 77 Frosta 78 Leksvik 7 Mosvik 7 Verran 7 Namdalseid 76 Snåsa 78 Lierne 79 Røyrvik 70 Namsskogan 7 Grong 7 Høylandet 7 Overhalla 78 Fosnes 79 Flatanger 7 Leka Region 8: Nord-Norge Kommune Sone 90 Tromsø 00 Hammerfest 80 Bodø 0 Alta 9 Lenvik 80 Narvik 86 Vågan 00 Sør-Varanger 8 Vefsn 860 Vestvågøy 8 Rana 90 Harstad 870 Sortland 8 Brønnøy 80 Alstahaug 87 Andøy 8 Bindal 8 Sømna 8 Vega 86 Vevelstad 88 Herøy 8 Leirfjord 8 Grane 86 Hattfjelldal 87 Dønna 88 Nesna 8 Hemnes 8 Lurøy 8 Træna 86 Rødøy 87 Meløy 88 Gildeskål 89 Beiarn 80 Saltdal 8 Fauske 8 Sørfold 88 Steigen 89 Hamarøy 80 Tysfjord 8 Lødingen 8 Tjeldsund 8 Evenes 8 Ballangen 86 Røst 87 Værøy 89 Flakstad 866 Hadsel 867 Bø 868 Øksnes 87 Moskenes 9 Kvæfjord 9 Skånland 9 Bjarkøy 97 Ibestad 99 Gratangen 90 Lavangen 9 Bardu 9 Salangen 9 Målselv 9 Sørreisa 96 Dyrøy 97 Tranøy 98 Torsken 99 Berg 9 Balsfjord 96 Karlsøy 98 Lyngen 99 Storfjord 90 Gaivuotna-Kåfjord 9 Skjervøy 9 Nordreisa 9 Kvænangen 00 Vardø 00 Vadsø 0 Guovdageaidnu-Kautokeino 0 Loppa 0 Hasvik 07 Kvalsund 08 Måsøy 09 Nordkapp 00 Porsanger 0 Karasjohka-Karasjok 0 Lebesby 0 Gamvik 0 Berlevåg 0 Deatnu-Tana 07 Unjarga-Nesseby 08 Båtsfjord 8 Statistisk sentralbyrå

50 Notater 0/0 Vedlegg D.Regresjonsresultater. Modell med ln(pris) som avhengig variabel. Basert på datagrunnlag fra 007 og 008. Region : Oslo og Bærum Enebolig Småhus Blokkleilighet Variabel koeff st.feil t-verdi koeff st.feil t-verdi koeff st.feil t-verdi konstant,879 0,080,7,0988 0,0660 8,6, ,00 988,7 lnar 0,886 0,08, 0,7077 0,087,96 0,768 0,006 89,88 sone_ -0,80 0,08 -,9-0,9 0, ,7-0,0909 0,00 -, sone_ -0,00 0,0-6, -0,78 0,009-9,9-0,09 0, ,7 sone_ : : : -0,987 0,009-8, -0,688 0,006-9,9 sone_ : : : : : : -0,00 0,006-7,9 sone_6 : : : : : : -0,96 0,006 -,7 sone_7 : : : : : : -0, 0,00 -,97 sone_8 : : : : : : -0,789 0,00-6,8 sone_9 : : : : : : -0,9 0,008-6,8 sone_0 : : : : : : -0,888 0,000-96,6 sone_ : : : : : : -0,68 0,00 7, borettslag : : : -0,0 0, ,0-0,000 0,006 -,9 alder -0,080 0,00 -,76-0,088 0,066 -, -0,0778 0,008-0,8 alder -0,08 0,08 -,7-0,68 0,09 -,7-0,676 0,0009-9, alder -0,068 0,07-0,96-0,7 0,00 -,79-0,6 0,0008-9,76 kv_07 0,0097 0,067, 0,067 0,00,0-0,0097 0,009-0,8 kv_07-0,00 0,088-0,7 0,0796 0,0, -0,0066 0,00 -,7 kv_07-0,00 0,087-0,8-0,009 0,07-0,9-0,077 0,006 -,0 kv_08 0,078 0,096 0,6 0,09 0,08,6-0,09 0,006 -, kv_08 0,08 0,069,8 0,076 0,09,8-0,0907 0,009 -,06 kv_08-0,07 0,00-0,7-0, ,099-0,6-0,078 0,0087-0, kv_08-0,0779 0,06 -,6-0,096 0,09-6,6-0,6007 0,00-6,88 Antall observasjoner Forklaringskraft (R ) 0,678 0,76 0,80 Forklaringskraft (R adjusted) 0,679 0,797 0,8 Statistisk sentralbyrå 9

51 Notater 0/0 Region : Akershus Enebolig Småhus Blokkleilighet Variabel koeff st.feil t-verdi koeff st.feil t-verdi koeff st.feil t-verdi konstant,8987 0,097 6,,88 0, ,,6 0,09 9, Lnar 0,6607 0,00 6,6 0,6 0,0 7, 0,79 0,0078 9, sone_ -0, 0,00 -,0-0,6 0, ,76-0,8 0,006 -, sone_ -0,6 0,0098 -,67-0,69 0,0078-6,8-0,7 0,0068-0,68 sone_ -0,6778 0, ,8 : : : : : : tett 0, 0,00908,9 0,0677 0,06,0 : : : borettslag : : : -0,09 0,0078 -, -0,067 0,009-0,9 alder -0,0 0,06-8,6-0,0787 0,0 -,6-0,09 0,008 -,7 alder -0,86 0,00-8,07-0,097 0,007-9, -0,6 0,0076 -,6 alder -0,97 0,009-0,67-0,097 0,0099-9, -0,96 0,0066-9, kv_07 0,0798 0,08, 0,0 0,08,9 0,009 0,009 0,6 kv_07 0,06 0,07,8 0,07 0,0,0 0,06 0,00977,68 kv_07 0,08 0,0,9-0,00 0,06-0,7-0,09 0,0098 -,6 kv_08 0,076 0,00,66 0,07 0,08, 0,007 0,0096 0, kv_08 0,0769 0,06 6,6 0,0 0,07,9-0, , ,07 kv_08 0,066 0,098,0 0, ,098 0,0-0,07 0,0098 -, kv_08-0,0796 0,08 -,7-0,087 0,066-6,9-0,099 0,0-8,9 Antall observasjoner 80 89,00 86 Forklaringskraft (R ) 0,7 0,69 0,6909 Forklaringskraft (R adjusted) 0,79 0,687 0,690 Region : Sør-Østlandet Enebolig Småhus Blokkleilighet Variabel koeff st.feil t-verdi koeff st.feil t-verdi koeff st.feil t-verdi konstant,7 0,0 7,8,9 0, ,9,06 0,0 6,09 Lnar 0,6707 0, , 0,889 0,0 7,6 0,79 0, ,98 sone_ -0,69 0,006-6,76-0,0869 0,00 -,7-0,08 0,006 -,0 sone_ -0,80 0,007-8,69-0,998 0,0098 -,76-0,0 0,0067-0, sone_ -0,88 0,009-7, : : : -0,88 0,0087 -,9 tett 0,0778 0,0068, 0,06 0,09, : : : borettslag : : : -0,006 0,0089-0,77 0,089 0,0,6 sentr 0,086 0,079,7 0,6 0,06 7, 0,088 0,00, sentr 0,078 0,07 6,8 0,0 0,06 8,7-0,096 0,0069-0, alder -0,088 0,096-8,68-0,096 0,0-6,8-0,099 0, ,9 alder -0,78 0, ,8-0,0 0,069-8,8-0,699 0, , alder -0,687 0,0089-0, -0,770 0,00-7, -0,098 0,0077 -,8 kv_07 0,0797 0,00996,8 0,0 0,08,7 0,078 0,0089 6,9 kv_07 0,06 0,006 6,7 0,076 0,099,7 0,06 0,0087 6,6 kv_07 0,08 0,00,6 0,00 0,0, 0,0608 0,008, kv_08 0,070 0,0068 6,7 0,0679 0,069, 0,09 0,008 6,9 kv_08 0,079 0,0097 8,9 0,067 0,0, 0,0666 0, , kv_08 0,098 0,00, 0,0 0,08,8 0,077 0,008 6,76 kv_08-0,009 0,06-0,8-0,0 0,077 -, 0,0069 0,0099 0,67 Antall observasjoner Forklaringskraft (R ) 0,6 0,766 0,689 Forklaringskraft (R adjusted) 0,69 0,7 0, Statistisk sentralbyrå

52 Notater 0/0 Region : Hedmark og Oppland Enebolig Småhus Blokkleilighet Variabel koeff st.feil t-verdi koeff st.feil t-verdi koeff st.feil t-verdi konstant,009 0,07806,,60 0,869 6,07,6 0,0668 7,7 Lnar 0,7768 0,0 0,8 0,7908 0,080, 0,66 0,0,7 sone_ -0,907 0,07 -,7 : : : -0,977 0, ,9 sone_ -0,77 0,06 -, : : : -0,99 0,067-8,8 tett 0,980 0,0097 0, 0,0 0,0608 0, -0,0008 0,0867-0,0 borettslag : : : -0,008 0,06-0,8-0,0 0,006 -,96 alder -0,779 0,0-7 -0,0998 0,098 -,69-0,6687 0,0-0,97 alder -0,08 0,0097 -,7-0,67 0, ,8 0,0 -, alder -0,96 0,099-8, -0,8 0,078 -, -0,6097 0,06 -,9 sentr 0,0 0,086,8 0,989 0,06007, sentr 0,077 0,00,7 0,99 0,060,8 kv_07 0,09 0,006,66 0,0977 0,0708,07 0,079 0,087,0 kv_07 0,0 0,00,6 0,079 0,096,0 0,009 0,096 0,6 kv_07-0,0699 0,08-0,78 0,08 0,078,0 0,0006 0,09 0, kv_08 0,099 0,06, 0,0767 0,00,8 0,0 0,096, kv_08 0,0779 0,006,8 0,07 0,066, 0,06 0,079,0 kv_08 0,0709 0,009,9 0,07 0,0089, 0,008 0,087, kv_08-0,08 0,0 -,9-0,077 0,00-0,6-0,06 0,0 -,7 Antall observasjoner Forklaringskraft (R ) 0,668 0, 0,698 Forklaringskraft (R adjusted) 0,6 0,6 0,67 Region : Agder og Rogaland Enebolig Småhus Blokkleilighet Variabel koeff st.feil t-verdi koeff st.feil t-verdi koeff st.feil t-verdi konstant,68 0,09,,9899 0,06 9,8,99 0,066 9,99 Lnar 0,669 0, , 0,6609 0,0 9, 0,6 0,0097 0,6 sone_ -0,7 0,000-7, -0,97 0, , -0,9 0,009 -, sone_ -0,6 0,006-8,8-0,606 0,00 -,8-0,9 0, ,98 sone_ -0,786 0,009 -, : : : -0,0 0,0-0,6 sone_ -0,7 0,06-6, : : : : : : tett 0,096 0,009 0, 0,08 0,07, : : : borettslag : : : -0,067 0,009-6,9-0,078 0,007-8,6 alder -0,0999 0,088-7, -0,0976 0,07-7,96-0,779 0, ,6 alder -0,809 0,0087 -,9-0,9 0, ,7-0,78 0,006 -,98 alder -0,79 0, , -0,80 0,0087-0,6-0,06 0,0098 -, sentr 0,68 0,06 9,8 0,808 0,068,6 0,7 0,07,7 sentr 0, 0,066, 0,689 0,0 9,7 0,67 0,008, kv_07 0,088 0,00,88 0,069 0,069,66 0,0067 0, ,79 kv_07 0,0787 0,09,7 0,07 0,0,7 0,096 0,008,9 kv_07 0,08 0,09 6, 0,088 0,06 6,0 0,09 0,008, kv_08 0,67 0,007 8,9 0,0908 0,06 6,8 0,099 0,0087 6,0 kv_08 0,0 0,06,6 0,0 0,06 8, 0,08 0,0076 6,8 kv_08 0,06 0,07 8, 0,077 0,0,9 0,0687 0,008, kv_08 0,06 0,08, -0,00 0,00-0, -0,006 0,0098 -, Antall observasjoner Forklaringskraft (R ) 0,7 0,76 0,7 Forklaringskraft (R adjusted) 0,699 0,70 0,699 Statistisk sentralbyrå

53 Notater 0/0 Region 6: Vestlandet Enebolig Småhus Blokkleilighet Variabel koeff st.feil t-verdi koeff st.feil t-verdi koeff st.feil t-verdi konstant,87 0,0707 6,,80 0,099,6,908 0,078 7, Lnar 0,688 0,0,0 0,668 0,088, 0,68 0,007 0,0 sone6_ -0,68 0,0-0,6-0,8 0,0-7,7-0,6 0,008 -,98 sone6_ -0,67 0,0896-7,7 : : : -0,088 0,0068-6,7 sone6_ -0,6977 0,07-9,8 : : : -0,8 0,00 -, sone6_ : : : : : : -0,699 0,0-6,6 tett 0,60 0,000 6,8 0,076 0,07, : : : borettslag : : : -0,098 0,06 -, -0,0688 0,00-6, alder -0,0 0,08 -,6-0,090 0,09 -,86-0,06 0,008-8, alder -0,9 0,077 -, -0,8699 0,07 -,78-0,7 0,007 -, alder -0,7606 0,0-0,76-0,9 0,0 -,7-0,09 0,00-8, sentr 0,0699 0,08,9 0,00 0,069,9 0,0797 0,009 8,8 sentr 0,7 0,067 8,7 0,86 0,078 0, 0,09 0,07 7,7 kv_07 0,07 0,078,6 0,06 0,086 0,7 0,0067 0,007 0,8 kv_07 0,0877 0,088, 0,008 0,0977 0, -0,09 0,0077 -,97 kv_07 0,086 0,086,06-0,006 0,09 -, -0,09 0, ,6 kv_08 0,08 0,0889,7 0,07 0,088 0,6-0,009 0,0077 -,8 kv_08 0,089 0,066,9 0,06 0,068 0,66-0,0 0,0079-7, kv_08 0,0809 0,077,0-0,07 0,0797 -,9-0,087 0, ,8 kv_08-0,007 0,096 -,8-0,86 0,09-6, -0,687 0,008-0,0 Antall observasjoner Forklaringskraft (R ) 0,70 0,6 0,77 Forklaringskraft (R adjusted) 0,709 0,6 0,766 Region 7: Trøndelag Enebolig Småhus Blokkleilighet Variabel koeff st.feil t-verdi koeff st.feil t-verdi koeff st.feil t-verdi konstant,877 0,0898,97,787 0,0,6,766 0,0088 8,08 Lnar 0,7097 0,068,9 0,8 0,00 6, 0,6 0, ,99 sone7_ -0,9 0,07-9,96-0,90 0,0 -, -0,0660 0,008 -, sone7_ -0,68 0,069-6,9 : : : -0, 0,0077-6,66 sone7_ -0,8867 0,070 -,0 : : : : : : tett 0,96 0,08 8, 0,079 0,097,9 : : : borettslag : : : -0,07 0,00 -,0-0,079 0,00 -, alder -0,0909 0,08 -,7-0,9 0,007 -,6-0,9 0,0099-9, alder -0,7 0,007 -,8-0,86 0,096 -,66-0,8 0,0087-7, alder -0,9 0,097 -,99-0,776 0,078-9,86-0,66 0,006 -,8 sentr 0,0 0,09 7,8 0,7 0,07,8 0,86 0,068,6 kv_07 0,09 0,099, -0,076 0,0977-0,89 0,0 0,0089,6 kv_07 0,086 0,099, 0, ,006 0,0-0, ,0089-0,99 kv_07 0,00 0,0 0,9-0,009 0,0 -,7-0,09 0,009 -,8 kv_08 0,066 0,0,9-0,09 0,00-0,9-0,067 0,009 -,8 kv_08 0, ,098, -0,0069 0,088-0,09-0,097 0,0087 -, kv_08 0,077 0,007,7-0,0077 0,006 -,8-0,069 0,0096-6,6 kv_08-0,0687 0,0 -,66-0,09 0,07 -,9-0,86 0,08 -, Antall observasjoner Forklaringskraft (R ) 0,76 0,7 0,66 Forklaringskraft (R adjusted) 0,76 0,708 0,66 Statistisk sentralbyrå

54 Notater 0/0 Region 8: Nord-Norge Enebolig Småhus Blokkleilighet Variabel koeff st.feil t-verdi koeff st.feil t-verdi koeff st.feil t-verdi konstant,8 0,09809,0,077 0,66 66,7,78 0,09 6,9 Lnar 0,700 0,089 7,6 0,6667 0,068 8,6 0,698 0,007 68,6 sone8_ -0,86 0, : : : -0, 0,007-0,9 sone8_ -0,7909 0,099-9,7 : : : -0,87 0,009-6 tett 0,86 0,077 8,78 0,7 0,06 6,89 borettslag : : : 0,09 0,00, -0,07 0,007 -,9 alder -0,6 0,06 -,77-0,097 0,068 -,6-0,6 0,0 -, alder -0,99 0,07 -,9-0,868 0,09-8, -0,77 0,009-9,0 alder -0,867 0,079-7,7-0,688 0,087 -,67-0,98 0,0086 -, sentr 0,076 0,07,7 0,869 0,09,76 : : : sentr 0,86 0,06 7,68 0,67 0,0,7 : : : kv_07 0,08 0,077,7 0,0789 0,096 0, 0,0 0,07,08 kv_07 0,09 0,0,8 0,0 0,078 0, 0,069 0,0 0,97 kv_07 0,008 0,0 0,86 0,0069 0,078 0,7-0,09 0,07 -,8 kv_08-0,00 0,0-0,0 0,070 0,0, -0,09 0,067 -, kv_08 0,09 0,069,88-0,089 0,0-0,8-0,09 0,07 -, kv_08 0,007 0,0, -0,066 0,096 -,6-0,066 0,00 -,8 kv_08-0,068 0,066 -,77-0,6 0,06 -, -0,00 0,0-6,7 Antall observasjoner Forklaringskraft (R ) 0,669 0,9 0,76 Forklaringskraft (R adjusted) 0,667 0,8 0,7 Statistisk sentralbyrå

55 Notater 0/0 Vedlegg E. Vektene, 008. Beregnet kroneverdi på boligmassen og verdiandelene Kroneverdi ENEBOLIG SMÅHUS BLOKK Alle boligtyper Region Oslo og Bærum Region Akershus utenom Bærum Region Sør-østlandet Region Hedmark og Oppland Region a 0 Stavanger Region b Agder og Rogaland utenom Stavanger Region 6a 0 Bergen Region 6b Vestlandet utenom Bergen Region 7a 60 Trondheim Region 7b Trøndelag utenom Trondheim Region 8 Nord-Norge hele landet Andeler ENEBOLIG SMÅHUS BLOKK Alle boligtyper Region Oslo og Bærum,,0,,06 Region Akershus utenom Bærum 6,0,,09 9,60 Region Sør-østlandet,08,6,60 6,0 Region Hedmark og Oppland,8 0,9 0,9,69 Region a 0 Stavanger,8,8 0,66,69 Region b Agder og Rogaland utenom Stavanger 8,6,9 0,9,0 Region 6a 0 Bergen,,7,0 6, Region 6b Vestlandet utenom Bergen 7,0,8 0,0 9,76 Region 7a 60 Trondheim,8,,,07 Region 7b Trøndelag utenom Trondheim,70 0,6 0,9,0 Region 8 Nord-Norge,6,79 0,7 7,89 hele landet 6,67,6 0,68 00 Statistisk sentralbyrå

56 Notater 0/0 Figurregister Figur.. Plott av kvadratmeterpris mot størrelsen på boligene. Alle boligtyper Figur.. Gjennomsnittlig kvadratmeterpris fordelt på alder på boligen. Region... Figur.. Gjennomsnittlig kvadratmeterpris fordelt på alder på boligen. Sentralitetskode... Figur.. Residualplott for lineær regresjonsmodell... Figur.. Normalplott av residualer for lineær regresjonsmodell... Figur.. Residualplott for log-log regresjonsmodell... 6 Figur.. Normalplott av residualer for log-log regresjonsmodell... 7 Figur.. Figur.. Figur.. Figur 7.. Figur 7.. Figur 7.. Figur 7.. Tabellregister Plott av residualer mot predikerte verdier og normalplott av residualer. Eneboliger i Oslo og Bærum, 009/00... Plott av residualer mot predikerte verdier og normalplott av residualer. Småhus i Oslo og Bærum, 009/00... Plott av residualer mot predikerte verdier og normalplott av residualer. Blokkleiligheter i Oslo og Bærum, 009/00... Boligprisindeks etter gammel og ny beregningsmetode, enebolig. 00= Boligprisindeks etter gammel og ny beregningsmetode, småhus. 00=00... Boligprisindeks etter gammel og ny beregningsmetode, blokkleilighet. 00=00... Boligprisindeks etter gammel og ny beregningsmetode, boliger i alt. 00=00... Tabell.. Omsetning av selveierboliger; tinglyste i fritt salg og fra Finn.no... 8 Tabell.. Omsetning av borettslagsboliger; tinglyste boretter i fritt salg og fra Finn.no... 8 Tabell.. Boligomsetning totalt; tinglyste boliger i fritt salg og fra Finn.no... 8 Tabell.. Omsatte boliger i utvalget fordelt på boligtype Tabell.. Omsatte boliger i utvalget fordelt på eierform Prosent... 0 Tabell.6. Tabell.7. Gjennomsnittsstørrelse og kvadratmeterpris på boliger, etter boligtype Gjennomsnittlig kvadratmeterpris fordelt på boligens størrelse. Alle boligtyper Tabell.8. Aldersfordeling av boligene, etter boligtype. Prosent Tabell.9. Gjennomsnittlig kvadratmeterpris fordelt på alder og boligtype Tabell.. Variabelliste... 0 Tabell.. Forklart varians for de ulike boligtypene, gammel og ny modell.... Tabell 8.. T-verdier for utvalgte variabler. Eneboliger Tabell 8.. T-verdier for utvalgte variabler. Blokkleiligheter Statistisk sentralbyrå

57 B NO- Returadresse: Statistisk sentralbyrå Kongsvinger Statistisk sentralbyrå 0/0 Statistisk sentralbyrå Oslo: Postboks 8 Dep NO-00 Oslo Telefon: Telefaks: Kongsvinger: NO- Kongsvinger Telefon: Telefaks: E-post: [email protected] Internett: ISBN (trykt) ISBN (elektronisk) ISSN Design: Siri Boquist