Boligprisene i Oslo

Transkript

1 Hilde Mette Jarbo og Karl Henrik Nordbakken Boligprisene i Oslo Inntektens, arbeidsledighetens og rentens påvirkning på boligprisene i Oslo Bacheloroppgave 2016 Bachelorstudium i økonomi og administrasjon Høgskolen i Oslo og Akershus, Institutt for samfunnsvitenskap

2 I Norge har det i lang tid vært tradisjon for å eie sin egen bolig, og over tre av fire norske husholdninger eier boligen de bor i. Sparing i egen bolig er for mange nordmenn også den enkleste og meste naturlige spareformen fordi boliger i Norge i senere tid har økt i verdi og blir ansett som en relativt trygg investering. I tillegg har det blitt ført en boligpolitikk i Norge som har gjort at flest mulig skal ha mulighet til å eie sin egen bolig. Det har vært en høy og jevn vekst i boligprisene i Oslo etter Dette er det mange årsaker til, men urbanisering, lave renter og stadig høyere reallønn er betydningsfulle faktorer. Disse faktorene har ført til en befolkningsvekst i byene, som skaper økt etterspørsel etter boliger. Andre faktorer som også har hatt betydelig påvirkning er bankenes økende villighet til utlån og langvarig lav arbeidsledighet. I videre analyser tar vi for oss endring i renter, arbeidsledighet og inntektsnivå som forklaringsvariabler for endringer i boligprisene ettersom disse i teorien blir trukket frem som som de viktigste pådriverne for boligprisene. Med en problemstilling og tre hypoteser vil vi forsøke å gjøre rede for om økt inntektsnivå, lave renter og lav arbeidsledighet fører til økte boligpriser i Oslo. Vi bruker kvantitativ metode ettersom vi er interesserte i å gjøre statistiske analyser av innsamlet data for komme frem til statistiske resultater. Vi har valgt å bygge vår analyse på en multippel regresjonsanalyse. Resultatene våre tilsier at det er en signifikant sammenheng mellom økte boligpriser og økt inntekt, samt mellom økte boligpriser og lav rente. Derimot støtter ikke resultatene vår hypotese om at lav arbeidsledighet bidrar til økte boligpriser. Høgskolen i Oslo og Akershus, Institutt for samfunnsvitenskap Oslo

3 Forord Denne bacheloroppgaven er vår avsluttende oppgave på det tre år lange bachelorstudiet i økonomi og administrasjon ved Høgskolen i Oslo og Akershus. Temaet for oppgaven har vært boligmarkedet i Oslo, og hvilke faktorer som påvirker utvikling i boligprisene. Arbeidet med denne oppgaven har gitt oss verdifull kunnskap og erfaring som kommer godt med til senere oppgaver og i arbeidslivet. Prosessen har vært veldig lærerik, inspirerende og til tider frustrerende, men vi føler utbyttet av en slik oppgave har vært stort. Vi vil rette en stor takk til vår veileder Joachim Thøgersen for konstruktive tilbakemeldinger, gode samtaler og hjelp underveis med skriveprosessen. Vi vil også takke både familie og venner for nyttige tips, god hjelp og støtte underveis. Hilde Mette Jarbo og Karl Henrik Nordbakken Oslo Mai

4 Sammendrag I Norge har det i lang tid vært tradisjon for å eie sin egen bolig, og over tre av fire norske husholdninger eier boligen de bor i. Sparing i egen bolig er for mange nordmenn også den enkleste og meste naturlige spareformen fordi boliger i Norge i senere tid har økt i verdi og blir ansett som en relativt trygg investering. I tillegg har det blitt ført en boligpolitikk i Norge som har gjort at flest mulig skal ha mulighet til å eie sin egen bolig. Det har vært en høy og jevn vekst i boligprisene i Oslo etter Dette er det mange årsaker til, men urbanisering, lave renter og stadig høyere reallønn er betydningsfulle faktorer. Disse faktorene har ført til en befolkningsvekst i byene, som skaper økt etterspørsel etter boliger. Andre faktorer som også har hatt betydelig påvirkning er bankenes økende villighet til utlån og langvarig lav arbeidsledighet. I videre analyser tar vi for oss endring i renter, arbeidsledighet og inntektsnivå som forklaringsvariabler for endringer i boligprisene ettersom disse i teorien blir trukket frem som som de viktigste pådriverne for boligprisene. Med en problemstilling og tre hypoteser vil vi forsøke å gjøre rede for om økt inntektsnivå, lave renter og lav arbeidsledighet fører til økte boligpriser i Oslo. Vi bruker kvantitativ metode ettersom vi er interesserte i å gjøre statistiske analyser av innsamlet data for komme frem til statistiske resultater. Vi har valgt å bygge vår analyse på en multippel regresjonsanalyse. Resultatene våre tilsier at det er en signifikant sammenheng mellom økte boligpriser og økt inntekt, samt mellom økte boligpriser og lav rente. Derimot støtter ikke resultatene vår hypotese om at lav arbeidsledighet bidrar til økte boligpriser. 4

5 Figurliste Figur 1.1: Eierskap av boliger i Europa. Kilde: Eurostat statistikk: Distribution of population by tenure status, type of household and income group. Figur 1.2: Boliger i Norge etter boligform, etter antall (2014). Kilde: SSB Figur 1.3: Boligprisindeks for ulike byer og regioner, Kilde: Finansdepartementet, Tall fra: Eiendom Norge, Eiendomsverdi og FINN Figur 1.4: Økning i reallønn Kilde: SSB Figur 3.1: Boligprisindeks for Norge, Kilde: SSB Figur 3.2: Prisvekst, prosentvis endring fra , Kilde: Kuven 2014 Figur 3.3: Boligprisindeks for Oslo , Kilde: SSB Figur 4.1: Tilbudssiden i boligmarkedet, lang sikt Figur 4.2: Tilbudssiden i boligmarkedet, kort sikt Figur 4.3: Skift på tilbudssiden Figur 4.4: Etterspørselssiden i boligmarkedet Figur 4.5: Skift på etterspørselssiden Figur 4.6: Markedslikevekt i boligmarkedet på lang sikt Figur 4.7: Markedslikevekt i boligmarkedet på kort sikt Figur 4.8: Endringer i prisen på boliger ved økning i etterspørsel av boliger på kort sikt Figur 4.9: Markedslikevekt ved skift i tilbud- og etterspørselskurven på lang sikt 5

6 Forord... 3 Sammendrag... 4 Figurliste Innledning Boligmarkedet Boligmarkedet i Norge i dag Boligmarkedet i Oslo i dag Bakgrunn for valg av oppgave Formålet med oppgaven Avgrensning Problemstilling Metode Historisk utvikling i det norske boligmarkedet Historisk utvikling i Norge Historisk utvikling i Oslo Teori Boligmarkedet Generelt Tilbud Skift på tilbudssiden Etterspørsel Skift på etterspørselssiden Markedslikevekt Skift i markedslikevekten Variablenes påvirkning på boligprisene Variablene vi har valgt Renter Inntekt Arbeidsledighet Variablenes påvirkning i tiden fremover Empirisk analyse Robusthetstestene Regresjonsanalysen Modellbeskrivelse Boligprisindeksen Begreper og definisjoner Beregning av boligprisindeksen De øvrige variablene Våre utregninger Analyse Avklaringer

7 6.2. Robusthetsanalyse Korrelasjon Multikollinearitet Regresjonsanalyse Oppsummering og konklusjon Referanser Bøker Artikler Rapporter Publikasjoner Upubliserte arbeider Vedlegg Vedlegg 1: Datagrunnlag boligprisindeksen Vedlegg 2: Data inntekt Vedlegg 3: Data arbeidsledige Vedlegg 4: Data renter Vedlegg 5: Korrelasjonsanalyse Vedlegg 6: Multikollinearitet Vedlegg 7: Regresjonsanalyse med alle de tre uavhengige variablene Vedlegg 8: Regresjonsanalyse med de to signifikante uavhengige variablene

8 1. Innledning 1.1. Boligmarkedet Et boligmarked er en betegnelse som omfatter både etterspørsels- og tilbudssiden i et marked, som her gjelder boliger. Et marked er en plass hvor kjøpere og selgere møtes for å forhandle og bytte ulike goder seg imellom. I et boligmarked vil tilbyderen levere en bolig, mens kjøperen betaler for boligen, oftest ved å ta opp boliglån. Det typiske er at det er et tredje ledd i denne forhandlingen: en eiendomsmegler som blir betalt av selgeren for å selge boligen. Boliger blir både sett på som et konsumgode, og som et investeringsobjekt. I NOU 2002:2 (Kommunal- og regionaldepartementet 2002) om boligmarkedene og boligpolitikken forklares boligkjøp som den største investeringen husholdninger gjør i løpet av livsløpet. Det er viktig å sette fokus på dette området, siden det angår så mange, og dessuten har så stor betydning for den enkelte husholdning. Boligmarkedet er et område i norsk økonomi som i stadig større grad har blitt diskutert de senere årene. Grunnen til dette er blant annet den enorme veksten i boligprisene, økt gjeld blant husholdningene og frykten for at boligmarkedet skal kollapse. Finansdepartementet mener at de siste årenes utvikling i boligmarkedet kan representere en økonomisk risiko fremover i tid, grunnet økte boligpriser og økt gjeld som over tid kan føre til økt risiko for finansiell ustabilitet (Finansdepartementet 2015) Boligmarkedet i Norge i dag I Norge har det i lang tid vært tradisjon for at det å eie sin egen bolig handler om økonomisk og mental trygghet. Sparing i egen bolig er for mange nordmenn også den enkleste og meste naturlige spareformen, fordi boliger i Norge i senere tid har økt i verdi og blir ansett som en relativt trygg investering. Det har blitt ført en boligpolitikk i Norge med sikte på at flest mulig skal ha mulighet til å eie sin egen bolig. I Norge har vi derfor en svært høy andel av befolkningen som eier sin egen bolig. I følge Folke- og boligtellingen i 2011 eide over tre av fire husholdninger boligen de bodde i (Finansdepartementet 2015). Dette er tall som er betydelig høyere enn de fleste andre land i Europa, som vi kan se av figur 1.1, hvor vi har tall fra 2013 og

9 Figur 1.1: Eierskap av boliger i Europa, prosent av befolkningen som eier egen bolig. Kilde: Eurostat statistikk: Distribution of population by tenure status, type of household and income group. Hvis vi ser på hvilke type boliger det er flest av i Norge ser vi en klar overvekt av eneboliger, selv om det ifølge SSB har vært en økning av blokkleiligheter de siste årene, se figur 1.2 (SSB 2015). Denne økningen henger sannsynligvis sammen med at Norge, i likhet med andre land, har opplevd urbanisering de siste årene, dette vil si at større deler av befolkningen søker mot byer og mer sentrale steder. Dette har ført til økt etterspørsel etter boliger i byene, hvor det allerede eksisterte prispress og knapphet på boliger. Urbaniseringen er også en grunn til at prisforskjellene mellom ulike regioner i Norge beveger seg i ulik takt. Det er særlig byene som har opplevd en prisvekst som har vært enorm (Finansdepartementet 2015). 9

10 Figur 1.2: Boliger i Norge etter boligform, etter antall (2014). Kilde: SSB Boligmarkedet i Oslo i dag Som nevnt har det vært betydelige forskjeller i prisutviklingen mellom ulike regioner i Norge, og det er spesielt store forskjeller mellom byer og mindre urbane strøk. Vi skal se nærmere på hvordan utviklingen i boligpriser har vært i Oslo sammenlignet med andre byer og regioner. For å illustrere dette, vil vi vise til en boligprisindeks hentet fra notatet «Strategi for boligmarkedet» publisert av Finansdepartementet, se figur 1.3. Figur 1.3: Boligprisindeks for ulike byer og regioner, Kilde: Finansdepartementet, Tall fra: Eiendom Norge, Eiendomsverdi og FINN Vi kan se at byene har hatt en svært stor vekst i boligprisene de siste 12 årene. Unntaket er Stavanger, hvor fallet i oljeprisene de siste årene har ført til 10

11 nedbemanning i petroleumsnæringen, som har fått betydning for boligmarkedet. Ser vi nærmere på prisutviklingen i Oslo de senere årene ser vi er relativt jevn høy vekst etter Det er selvfølgelig mange ulike grunner til denne utviklingen. Som tidligere nevnt er urbanisering en viktig faktor, sammen med lave renter, større utlånsvillighet hos bankene og stadig høyere reallønn. Befolkningsveksten i byene har dermed skapt vesentlig økt etterspørsel etter boliger. Boliger i Oslo er en knapphet og stadig økte priser på tomter, og krav om høyere standard på boliger gjør det dyrere for utbyggere å bygge. Dette fører til at tilbudet ikke beveger seg i takt med den økte etterspørselen (Finansdepartementet 2015). Figur 1.4: Økning i reallønn Kilde: SSB 1.2. Bakgrunn for valg av oppgave Vi har valgt å se nærmere på boligmarkedet i vår bacheloroppgave. Grunnen til at vi valgte dette temaet er fordi det er svært relevant i dagens samfunn, både i nyhetsbildet og for folk generelt. En svært høy vekst i boligprisene har skapt diskusjon rundt hvor lenge prisøkningen kan vedvare. Vi ønsket derfor å undersøke hvilke variabler som er med på å drive boligprisene. Dessuten er bolig og boligkjøp en svært viktig investering som mennesker gjør i løpet av sitt liv, og vi ønsker å få mer kjennskap til temaet ettersom dette er noe som påvirker hele befolkningen også oss. Selv om risikoen for et boligkrakk ikke vil bli tatt opp i oppgaven, gjorde også 11

12 medienes fremstilling av mulighetene for et nytt boligkrakk at vi ble nysgjerrige på nettopp boligmarkedet og hva som driver det Formålet med oppgaven Formålet med denne bacheloroppgaven er å få en bredere forståelse av boligmarkedet, og hvordan utvalgte variabler påvirker boligprisene. Vi ønsker å gi svar på hvilke variabler som har påvirkning på endringer i boligprisene, og om variablene påvirker i positiv eller negativ retning. Vi ønsker også å finne svar på hvilken variabel som har størst påvirkning på boligprisene Avgrensning I vår oppgave har vi valgt å avgrense oss til å se på boligmarkedet og utviklingen i boligprisene og variablene i Oslo. Dette har vi gjort fordi det er store forskjeller mellom ulike regioner av landet og fordi sentralitet spiller inn på boligprisene. Dataene vi har benyttet var også mulig å fordele etter regioner, noe som også hadde betydning for valget vårt. Tidsperioden vi har valgt å begrense oss til er Grunnen til dette valget er at Norge i 1988 ble rammet av et økonomisk tilbakeslag med påfølgende bankkrise. Dette førte til at boligprisene sank med ca, 40 prosent frem til Siden dette har boligprisene steget mye, bare avbrutt av mindre tilbakeslag (Jansen 2011). I tillegg har det siden 1993 vært foliorenten som har vært Norges Bank styringsrente. Før dette var det døgnlånsrenten som var styringsrenten (Norges Bank 2016). Det er enklere å sammenlikne tallene fra år til år dersom man tar utgangspunkt i samme type rente Problemstilling - Påvirker endring i inntektsnivå, arbeidsledighetsnivå og rentenivå utviklingen i boligprisene i Oslo? For å presisere problemstillingen har vi laget følgende inndeling: Påvirker variablene boligprisen i positiv eller negativ retning? Hvor mye av endringene i boligprisene kan forklares av inntekt, renter og arbeidsledighet? 12

13 I oppgaven benytter vi oss av boligprisindeksen, og det er denne vi henviser til når vi skriver boligpriser senere i oppgaven. Dette er fordi boligprisendringer måles ved å anvende indeksteori (SSB 2012). Renter i denne oppgaven henviser til styringsrenten, noe som er gjort rede for i teorikapittelet. Inntekt er i denne oppgaven disponibel inntekt, det vil si inntekt etter skatt, ettersom dette beløpet gjenspeiler den delen av inntekten som er tilgjengelig til forbruk. 13

14 2. Metode I denne delen vil vi gjøre rede for metoden vi har valgt å bruke for å forklare hva vi har gjort i våre undersøkelser, og hvorfor vi har valgt å gjøre det på denne måten for å besvare problemstillingen, jf. punkt 1.5. Vi har valgt å bruke en kvantitativ metode, ettersom vi skal undersøke en relativt stor mengde data, og vi er interessert i å gjøre statistiske analyser av innsamlet data for å komme frem til statistiske resultater. Vi har gjort en longitudinell tidsserieundersøkelse, dvs. at vi samler inn data fra mer enn ett tidspunkt, og undersøker samme tema på de ulike tidspunktene. Dataene er hentet fra Statistisk Sentralbyrå (SSB) og Norges Bank. Etter at disse dataene ble innhentet gjorde vi dem om til endringsform, det vil si at alle tallene er oppgitt som desimaltall som viser endring fra et år til det neste. Dette har vi gjort fordi vi i analysen skal gjøre en multippel regresjonsanalyse, som vi gjør nærmere rede for under teorikapittelet. Før vi gjennomfører regresjonsanalysen foretar vi en gjennomgang av teorien på området, for å forklare mekanismene i boligmarkedet og redegjøre for ulike faktorer som kan påvirke utviklingen i boligprisene både på kort og lang sikt. Videre har vi valgt de variablene teorien antyder at er de viktigste, og går nøyere inn på disse faktorenes påvirkning på boligprisen. Det gjør vi for å kunne foreta en sammenlikning av resultatene med hva teorien forteller oss, og samtidig få en god oversikt over markedsmekanismene og hva vi kan forvente at resultatene av vår analyse vil bli. 14

15 3. Historisk utvikling i det norske boligmarkedet 3.1. Historisk utvikling i Norge Vi skal nå se på den historiske utviklingen i det norske boligmarkedet. Vi ser i hovedsak på perioden fra 1990 og frem til i dag fordi det er denne perioden vi skal analysere senere. I Norge har vi opplevd en stor vekst i prisene på boliger de senere årene, og dette har nå kommet til et nivå hvor mange har begynt å spekulere i om vi er på vei inn i en boligboble. Med boligboble menes en situasjon hvor boliger blir kjøpt til betydelig høyere pris enn den virkelige verdien, fordi investorer og boligkjøpere tror de kan oppnå en gevinst ved videresalg på grunn av fortsatt vekst i forventede prisnivåer (Grytten 2009). Denne veksten har vært omtrent kontinuerlig siden , med unntak av en liten periode i 2003, samt etter finanskrisen i 2007 og På slutten av 1980-tallet opplevde vi en lavkonjunktur i Norge, som blant annet skyldtes en rekke forhold i finansmarkedet. Negativ realrente førte til at folk ønsket å konsumere mer, og ta opp mer lån, noe som gjorde at det ble en kraftig økning i bankenes utlån. Dette bidro til høye boligpriser og boligmarkedet var i ferd med å overopphetes. Et fall i oljeprisene i samme periode bidro også til krisen. Rentene ble satt kraftig opp, noe som førte til fall i boligprisene og mislighold av lån. Det oppsto dermed en bankkrise (Kuven 2014). Det var fra begynnelsen av 1990-tallet at boligprisene igjen begynte å stige, noe vi kan se av boligprisindeksen fra figur 3.1, hvor vi har prisnivået i 2005 som standard, målt som 100 i figuren. Prisindeks vil bli nærmere forklart senere i oppgaven. Vi ser av figuren at boligprisene i 2015 er omtrent seks ganger høyere enn det de var i

16 Figur 3.1: Boligprisindeks for Norge, Kilde: SSB Den sterke boligprisveksten i Norge siden 1992 har en rekke ulike årsaker. Norge var inne i en høykonjunkturperiode frem til 2000-tallet, men fra starten av 2000 ble arbeidsmarkedet vanskeligere. Inflasjonen avtok, noe som påvirket etterspørselen etter og prisen på boliger. Resultatet av denne korte perioden med noe nedgang, ble en mer ekspansiv pengepolitikk som gjorde at boligprisene igjen begynte å stige kraftig i Frem til 2008 opplevde vi en enorm vekst i prisene på boliger inntil finanskrisen i begynte å sette sine spor i Norge og veksten i boligprisene avtok. Fallet i boligprisene i Norge ble imidlertid kortvarig grunnet en rekke elementer, blant annet rentenedsettelse og tilnærmet nullvekst på nye boliger. Dermed var det igjen prisvekst fra 2009, noe som har vart helt frem til i dag, se nærmere figur 3.2 (Kuven 2014). Figur 3.2: Prisvekst, prosentvis endring fra , Kilde: Kuven

17 Som nevnt har vi i dag et meget høyt prisnivå på boliger, og boligmarkedet er presset, hvilket gjør det vanskelig for dem som ønsker å kjøpe. Det er også vanskelig for førstegangskjøpere å komme seg inn på boligmarkedet grunnet de høye kapitalkravene, og på grunn av stor konkurranse i budrundene. Vi befinner oss i dag i et boligmarked som er svært gunstig for de som ønsker å selge. Vi kan dermed si at boligmarkedet i dag er et selgers marked. Vi skal nedenfor se nærmere se på boligmarkedet i Oslo og hvordan det har utviklet seg i forhold til andre byer og regioner Historisk utvikling i Oslo Som da vi så på den historiske utviklingen for boligmarkedet i Norge generelt, vil vi også når vi kun ser på Oslo, i hovedsak konsentrere oss om tidsperioden fra 1993 og frem til i dag. Boligprisindeksen for Oslo viser en kraftig stigning fra 1993 og frem til 2015, noe som samsvarer med utviklingen i boligmarkedet i Norge generelt. Dette er vist i figur 3.3 nedenfor. Vi ser en stigende tendens i prisindeksen, med noen unntak. Det eneste året med negativ utvikling i prisnivået var i 2008, grunnet finanskrisen som traff Norge dette året. Siden 2009 har vi hatt sterk vekst hvert år, og prisene i 2014 var omtrent det dobbelte av hva nivået var i Ser vi i forhold til prisene fra 1993, har vi over syv ganger så høye priser i 4.kvartal 2015 (SSB 2016). De siste årene har Oslo opplevd en noe sterkere vekst i boligprisene i forhold til mange andre byer, noe vi ser i figur 1.3. Figur 3.3: Boligprisindeks for Oslo Kilde: SSB 17

18 4. Teori 4.1. Boligmarkedet Vi vil i denne delen av oppgaven se på boligmarkedet på bakgrunn av generell markedsteori. De predikerte sammenhengene fra teorien, vil i kapittel 7 sammenliknes med resultatene fra den empiriske analysen. Vi starter med en generell beskrivelse av markedet, før vi ser nærmere på tilbud og etterspørsel i boligmarkedet spesielt. Vi vil også beskrive ulike skift som kan forekomme i tilbud og etterspørsel. Til slutt i dette kapittelet skal vi se på teorien knyttet til den empiriske analysen Generelt Boligmarkedet er et marked som er uoversiktlig og komplekst. Det er derfor veldig vanskelig å sette fingeren på akkurat hva som gjør at boligprisene og markedet hele tiden er i endring. Som i alle andre markeder, er det tilbud og etterspørsel som gjør at vi kan definere boligmarkedet som et marked. Et marked blir definert som en samling av kjøpere og selgere som gjennom sine faktiske og potensielle interaksjoner bestemmer prisene for et produkt eller et sett av produkter (Pindyck og Rubinfeld 2009). Både tilbud og etterspørsel påvirker hvordan blant annet boligpriser og utbygging av boliger endres. For å vise hvordan tilbud og etterspørsel har innvirkning på boligprisene, vil i denne delen av oppgaven forenkle det hele ved å si at markedet er preget av fullkommen konkurranse eller frikonkurranse, det vil si at alle boliger er homogene. Dette er selvsagt ikke en forenkling som er troverdig, men den gjør beskrivelsen av markedet enklere, og forenklingen fungerer til vårt formål. Ved å bruke en frikonkurransemodell vil markedet klarere seg selv, og markedsprisen vil finnes som likevekten mellom tilbud- og etterspørselskurven. Som i artikkelen «Forstår vi prisdannelsen i boligmarkedet» (Finansdepartementet 2000) forenkler vi ved å anta et homogent boligmarked hvor alle boliger er like eierboliger. Deretter finner vi prisen ved hjelp av et diagram. Vi bruker grafer for å vise sammenhengen mellom tilbud og etterspørsel. Det gjør oss i stand til å se hvordan ulike endringer slår ut i den forenklede modellen vi forutsetter når vi bruker markedslikevekt i diagrammer. Vi vil bruke frikonkurransemodellen med grafer for å beskrive det generelle ved boligmarkedet i en forenklet modell, fordi denne måten å fremstille markedet på gir oss en oversiktlig måte å analysere endringer i markedet på. Vi vil kunne analysere prisdannelse og omsetning i et marked med mange tilbydere og etterspørrere, som 18

19 fører til konkurranse (Steigum 2004). Vi bruker pris på den vertikale aksen, mens den horisontale aksen viser antall boliger. Det kan forekomme ulike skift i både tilbud- og etterspørselskurvene som gjør at de kan bevege seg i begge retninger. Skiftene vil også kunne føre til endringer i markedslikevekten. Det finnes ulike grunner til at det kan forekomme slike skift i kurvene, noe vi skal forklare nærmere under tilbuds- og etterspørselssiden, samt når vi forklarer markedslikevekten Tilbud Tilbudet av boliger er det totale antallet tilbyderne er villige til å selge på gitt tidspunkt for en gitt pris. Tilbudssiden er selgerens side av markedet og det er realistisk at det vil være en positiv sammenheng mellom pris og villighet til å selge. Tilbudskurven eller relasjonen vil i dette tilfellet være en stigende kurve som vist i figur 4.1. Dette følger av den såkalte tilbudsloven som sier at tilbyderne vil øke mengden de tilbyr ved økte priser (McKenzie, Betts og Jensen 2011). Det vil altså si at tilbudet er en stigende funksjon av prisen. Illustrasjon av tilbudssiden følger nedenfor. Hvis vi beveger oss oppover tilbudskurven, ser vi at både pris og antall boliger vil øke. Pris Tilbud på lang sikt Tilbudskurve Antall boliger Figur 4.1: Tilbudssiden i boligmarkedet, lang sikt På kort sikt vil tilbudet av boliger i boligmarkedet være konstant og perfekt uelastisk, i motsetning til den stigende tilbudsfunksjonen på lang sikt. Grunnen til dette er at vi antar at det ikke blir bygd noen nye boliger på kort sikt, slik at vi ser på tilbudet av boliger som en konstant variabel. I figur 4.2 nedenfor er dette illustrert ved den 19

20 loddrette linjen. Dette betyr at endringer i prisene på kort sikt ikke vil påvirke antall boliger som blir tilbudt på markedet i denne perioden. I NOU 2002:2 (Kommunalog regionaldepartementet 2002) skriver de at antall nybygde boliger i løpet av et år utgjør kun omlag en prosent av den totale boligmassen, noe som illustrer at det er en svært liten andel av antall boliger totalt. Ved plutselig høyere boligpriser vil det være slik at det tar tid for boligbyggere å komme i gang med prosessen, og dette er også en grunn til at vi antar en konstant tilbudsrelasjon på kort sikt. Andre faktorer som gjør at vi antar en konstant tilbudsside på kort sikt er blant annet offentlig byråkrati, knapphet på arbeidskraft og på tomter, som gjør at det tar lang tid å ferdigstille en bolig (Bottolfs 2010). Pris Tilbud på kort sikt Tilbudskurve Antall boliger Figur 4.2: Tilbudssiden i boligmarkedet, kort sikt Skift på tilbudssiden Både på tilbuds- og etterspørselssiden vil det kunne oppstå skift i kurvene, noe som igjen vil være med å påvirke markedslikevekten. Et skift i en kurve skyldes en endring i en av de eksogene variablene vi har i modellen. I vår frikonkurransemodell er det pris og antall boliger som er de endogene variablene, det vil altså si de to variablene vi får bestemt ved hjelp av modellen. De eksogene variablene i et boligmarked vil typisk være inntekt og rente på lån, noe vi vil beskrive senere i oppgaven. Det er endring i disse variablene som vil kunne føre til skift i kurvene, så lenge vi anser boliger som et normalt gode. 20

21 Vi starter med å se på tilbudssiden og hvilke faktorer som kan være årsak til skift i kurvene. Vi kan ha både negative og positive skift i tilbudskurven, som vist i figuren nedenfor. I denne figuren benytter vi oss av en langsiktig tilbudsrelasjon, der T er den opprinnelige tilbudskurven, T₁ illustrerer et positivt skift, mens T₂ illustrerer et negativt skift. Dersom boligmassen blir større over tid, altså at nybygging er større enn avgangen av boliger, vil vi få et positivt skift i grafen. En grunn til at økt nybygging forekommer er økt etterspørsel som drar med seg tilbudssiden. På lang sikt derimot vil vi kunne se antydninger til at nybygging bidrar til å dempe boligprisene, men dette endres langsomt. Forklaringen på endringer i priser på kort sikt er det nærliggende å koble til forhold på etterspørselssiden (Kommunal- og regionaldepartementet 2002). Endringer i produksjonskostnader kan føre til skift i tilbudskurven, ved at kostnadene enten stiger eller synker. Det er typisk tomter og kapital som kan være grunner til endringer i produksjonskostnader. Tilgang på arbeidskraft er også en faktor som er avgjørende. Ved økt arbeidsinnvandring vil vi kunne se et positivt skift fra T til T₁ i figur 4.3. Dette er både på grunn av økt tilgang og lavere pris på arbeidskraft, grunnet tøffere konkurranse blant arbeiderne. Forventninger om fremtidige boligpriser og fortjeneste for utbyggere kan også føre til skift i tilbudskurven. Hvis man forventer økte boligpriser i fremtiden, vil tilbyderne gjerne ønske å selge mer, og vi får dermed et positivt skift i tilbudskurven. Videre kan reguleringer fra det offentlige kan også bidra til skift, for eksempel hvis et politisk skifte fører til at prisene på tomter synker. Det kan også være at ulike forskrifter om boligbygging blir endret, slik at nybygging blir enklere. Bankenes utlånsrenter og betingelser vil kunne bidra til et skift i begge retninger, avhengig av hvilke endringer som gjøres. Grunnen til at utlånsrentene vil føre til et skift, er fordi lavere renter vil bidra til at det blir enklere for dem som ønsker å bygge å igangsette sine byggeprosjekter. Lavere utlånsrente vil bidra til et positivt skift, altså fra T til T₁ (McKenzie et. al. 2011). 21

22 Pris Skift på tilbudssiden T₂ T T₁ Antall boliger Figur 5.3: Skift på tilbudssiden Etterspørsel Etterspørsel er den totale mengden som konsumentene ønsker å kjøpe på et gitt tidspunkt og sted, og til en gitt pris. Etterspørselssiden i et boligmarked vil typisk være husholdninger som ønsker å kjøpe bolig. Som i et marked ellers, kan vi si at etterspørsel kommer av et ønske eller behov om å kjøpe et gode eller en tjeneste, kombinert med evnen og viljen til å bruke ressurser for å få godet. Dette blir i noen tilfeller kalt effective demand, og det er denne typen etterspørselen som påvirker markedet (McKenzie et. al. 2011). Etterspørselskurven er fallende i prisen, som vi kan se fra figur 4.4 nedenfor. Pris Etterspørselssiden Etterspørselskurve Antall Figur 4.4: Etterspørselssiden i boligmarkedet 22

23 Hvis prisen er lav nok vil mange ønske å kjøpe bolig, noe vi ser av figur 4.4. Vi kan se for oss at hvis prisen er høy nok, vil det være få som etterspør boligene til den gitte prisen eller høyrere, mens ved lavere priser vil det være flere som etterspør boligene. Dette kalles også husholdningenes betalingsvilje, som har en sammenheng med husholdningenes formue og inntekt (Kommunal- og regionaldepartementet 2002). Dette resonnementet kommer fra begrepet etterspørselsloven, som sier at jo lavere prisen er, desto mer vil konsumentene kjøpe, og motsatt. Etterspørselen i et boligmarked har stor innvirkning på hvordan prisutviklingen i markedet blir. Det er mange faktorer som gjør at etterspørselen etter boliger endres. Dette er noe vi vil ta for oss senere i denne delen av oppgaven. Vi vil også se på skift i etterspørselskurven og hvorfor disse oppstår Skift på etterspørselssiden Som på tilbudssiden kan vi få både negative og positive skift i etterspørselskurven etter boliger. Dette er vist i figur 4.5, hvor E er den opprinnelige etterspørselskurven, E₁ illustrer et positivt skift, mens E₂ illustrerer et negativt skift. På kort sikt vil kun et skift i etterspørselskurven gjøre at markedsprisen endres, siden vi antar at tilbudet på kort sikt er konstant. På lang sikt derimot vil både skift i tilbud og etterspørsel ha innvirkning på prisene. Pris Skift på etterspørselssiden E₂ E E₁ Antall boliger Figur 4.5: Skift på etterspørselssiden Det finnes mange grunner til at det kan oppstå skift i etterspørselen. En viktig grunn er befolkningsvekst eller -nedgang, og sentralt i våre dager er nettoinnvandringen. Ved positiv nettoinnvandring og befolkningsvekst vil vi oppleve et positivt skift i 23

24 etterspørselskurven, fordi det er flere som etterspør boliger. Endringer i husholdningenes disponible inntekt er også en grunn til at det kan oppstå ulike skift. Tilgang til lån og kapital vil også spille en stor rolle når det kommer til etterspørsel. Hvis bankene for eksempel plutselig firer på kravene til utlån vil det oppstå et positivt etterspørselssjokk. Nivået på utlån til husholdninger vil selvsagt også variere med rentene, og lavere utlånsrenter bidrar til økt etterspørsel (McKenzie et. al. 2011). Utlånsrentene blir i hovedsak bestemt av Norges Banks styringsrente, som vi skal komme nærmere tilbake til. Arbeidsledighet er også en faktor som kan bidra til endret etterspørsel. Lav arbeidsledighet betyr at flere er i arbeid, og har en inntekt å disponere, noe som vil føre til blant annet sterkere konkurranse om et nødvendig gode som bolig. Politiske endringer, for eksempel et regjeringsskifte som gjør at det blir ført en mer ekspansiv pengepolitikk, kan også skape skift. Forventninger om fremtidige priser og inflasjon kan også være en grunn til at vi ser endringer. Forventinger og rapporter om forventninger kan skape optimisme og pessimisme som gjør at husholdningene regulerer sitt forbruk, for eksempel vil forventninger om en svakere økonomisk fremtid føre til at husholdningene holder noe igjen i sitt konsum av goder (Jacobsen og Naug 2004) Markedslikevekt I figuren nedenfor har vi tegnet tilbuds- og etterspørselskurven sammen. I skjæringspunktet mellom tilbuds- og etterspørselskurven er tilbudet lik etterspørselen. Punktet kalles derfor en likevekt. Vi ser at likevekten bestemmer markedspris og antall omsatte boliger. Vi legger her til grunn en lang tidshorisont med stigende tilbudskurve. Generelt blir markedslikevekten definert som den prisen som bidrar til at total mengde tilbudt er lik total mengde etterspurt. 24

25 Pris Markedslikevekt på lang sikt Markedslikevekt Tilbudskurve Etterspørselskurve Antall boliger Figur 4.6: Markedslikevekt i boligmarkedet på lang sikt Er prisen høyere enn markedspris vil noen etterspørrere velge å avstå fra å kjøpe grunnet lav betalingsvilje. Det vil gjøre at det oppstår et tilbudsoverskudd, fordi markedet da er mer gunstig for tilbyderne. I dette tilfellet vil prisene synke slik at etterspørselen øker, eller det må skje eksogene sjokk som bidrar til økt etterspørsel. Det motsatte vil skje hvis prisen er lavere enn markedspris. Da vil vi få et etterspørselsoverskudd, som er gunstig for de som ønsker å kjøpe bolig (Pindyck og Rubinfeld 2009). Det vil altså si at det er flere som ønsker å kjøpe enn antall tilbydere på markedet, noe som vil føre til at prisene øker. Det er kun i markedslikevekten at tilbud og etterspørsel er balansert og markedet er klarert. Dette betyr at alle som ønsker å kjøpe får kjøpt, mens alle som ønsker å selge får solgt til likevektsprisen (McKenzie et. al. 2011). På kort sikt vil vi som vi har vært inne på ha en perfekt uelastisk tilbudsfunksjon, mens etterspørselen vil være en fallende funksjon av prisen. Av figur 4.7 nedenfor ser vi hvordan markedet blir klarert på kort sikt. I dette punktet vil alle som har høyere betalingsvilje enn markedsprisen få kjøpt sin egen bolig (Kommunal- og regionaldepartementet 2002). Det vil i dette tilfellet være kun etterspørselen og etterspørrernes betalingsvilje som vil endre markedsprisen. Markedslikevekten kan imidlertid også bli påvirket av ulike skift, både på kort sikt og lang sikt. 25

26 Markedslikevekt på kort sikt Pris Tilbudskurve Markedspris Markedslikevekt Etterspørselskurve Antall boliger Figur 4.7: Markedslikevekt i boligmarkedet på kort sikt Skift i markedslikevekten Som nevnt over, vil skift i tilbuds- og etterspørselskurvene føre til at markedslikevekten blir forandret. På kort sikt vil det typisk være skift i etterspørselskurven som gjør at vi får en annen markedslikevekt, grunnet konstant tilbud. Figur 4.8 illustrerer skift i markedslikevekten på kort sikt. Pris Skift i markedslikevekt på kort sikt T Ny markedslikevekt P ' P * Markedslikevek E E 1 Antall boliger Figur 4.8: Endringer i prisen på boliger ved økning i etterspørsel av boliger på kort sikt 26

27 På lengre sikt vil både tilbuds- og etterspørselssiden spille en avgjørende rolle for markedslikevekten, og dette kan føre til at både markedspris og antall boliger som blir tilbudt ved markedslikevekten kan bevege seg i både positiv og negativ retning, alt avhengig av hvor store skiftene er i de ulike kurvene. Dette kan vi se av eksempelet i figur 4.9 nedenfor, som illustrerer skift i markedslikevekten på lang sikt. Vi antar lavere renter fra bankene, som bidrar til et positivt skift i etterspørselskurven. Vi antar også strengere reguleringer fra det offentlige som overstiger gevinsten av lavere renter for tilbyderne, slik at vi får et lite negativt skift på tilbudssiden. Vi bruker de samme symbolforklaringene som ovenfor. P* står for pris ved opprinnelig tilpasning, mens P står for ny pris etter skift i kurvene. Q* står for antall boliger ved opprinnelig tilpasning, mens Q står for ny mengde boliger etter skift i kurvene. Ved ny tilpasning ser vi at både pris og antall boliger har økt, men prisen har økt i større grad enn antall boliger, fordi skiftet i etterspørselen er sterkere enn tilbudet. Pris Skift i markedslikevekt på lang sikt Markedslikevekt T₂ T P' Ny markedslikevekt E E₁ Q*Q' Antall boliger Figur 4.9: Markedslikevekt ved skift i tilbud- og etterspørselskurven på lang sikt 4.2. Variablenes påvirkning på boligprisene Variablene vi har valgt Vi vil her gjøre rede for hvilke variabler vi har valgt å fokusere på, og hvorfor vi har valgt nettopp disse variablene. Boligmarkedet er komplekst, og prisene settes gjennom et samspill mellom tilbud og etterspørsel. Samspillet påvirkes av dagens realøkonomiske rammer, samt 27

28 forventninger til fremtiden. I følge Røed Larsen og Sommervoll (2004) er renter, arbeidsledighet og inntektsnivå de største påvirkningsfaktorene på boligprisene. Dette understøttes av en analyse gjort av Jacobsen og Naug i Renter, arbeidsmarked og inntektsnivå viste seg som tre av fire variabler som hadde signifikans i deres analyse om hva som driver boligprisene. I tillegg fant de at nybygging spiller en signifikant rolle. (Jacobsen og Naug 2004, ). Tilbudet av boliger er lite fleksibelt på kort sikt, ettersom det tar tid å bygge nye boliger og nybyggingen per år er lav i forhold til den totale boligmassen. Vi vil i hovedsak legge vekt på variabler som påvirker etterspørselssiden, fordi det er disse faktorene som har mest å si på kort sikt (Kommunal- og regionaldepartementet 2002). Vi har tidligere gjort rede for en rekke variabler som vil påvirke endringer i boligprisene. I de videre analysene har vi valgt å ta for oss endring i renter, arbeidsledighet og inntektsnivå som forklaringsvariabler for endringer i boligprisene, i og med at disse i teorien blir trukket frem som som de viktigste pådriverne for boligprisene. Vi vil poengtere at også forventninger til endringer i de ulike variablene vil ha en stor innvirkning og ikke bare de reelle endringene. Generelt vil forventninger om økte boligpriser gjøre at etterspørsel etter boliger stiger, fordi det gir forventning om avkastninger på de pengene som investeres i boligen (Anundsen og Jansen 2011). Vi vil nå gå gjennom hva teorien sier om disse variablenes forhold til boligprisene for å få en forståelse for hvorfor de spiller viktige roller i boligprisenes utvikling Renter I vår analyse har vi valgt å bruke Norges Banks styringsrente som grunnlag. Utlånsrentene er forskjellig fra bank til bank, de kan varierer med låntakeres betalingsevne og størrelsen på lånet. Styringsrenten og forventningene om den fremtidige utviklingen i styringsrenten vil normalt ha sterkt gjennomslag for bankenes innskudds- og utlånsrenter (Norges Bank 2016). Ettersom vi ser på endringer i rentene, og ikke på rentenivået, antar vi at endringene i styringsrentene vil være noenlunde i overensstemmelse med endringene i bankenes utlånsrenter. Boliger finansieres oftest gjennom å ta opp boliglån. Rentene er derfor svært sentrale i beslutningstakingen om å ta opp et boliglån, og i tillegg er de med å avgjøre bankenes utlånspolitikk (Larsen og Sommervoll 2004). Lånene betjenes ved å betale renter og avdrag. Dersom renter og avdrag blir for høye, vil dette føre til at man må 28

29 selge boligen og kjøpe noe som er rimeligere (Larsen 2004). Dette vil da være med å presse boligprisene ned. En rentenedgang kan føre til høyere boligpriser ved å redusere rentekostnadene og øke optimismen til egen betalingsevne slik at man er villig til å ta opp høyere lån for å finansiere bolig (Jacobsen og Naug 2004). På både kort og lang sikt vil en rentenedgang øke etterspørselen etter boliglån. Dette vil føre til økt etterspørsel etter boliger, med økte boligpriser. På kort sikt vil ikke tilbudet endre seg, dvs. at det kun er endringen i etterspørsel som påvirker prisnivået. Lavere rente vil på lang sikt føre til positivt skift i tilbudskurven, ettersom det blir mer attraktivt å investere i boligprosjekter. Dette betyr at effekten av lav rente på lang sikt er usikker. Mest sannsynlig vil lav rente også på lang sikt føre til økte boligpriser ettersom det er usannsynlig at det vil bli et tilbudsoverskudd av boliger. Økningen i boligprisene vil da bli svakere enn på kort sikt. På dette grunnlaget kan vi stille opp følgende hypotese: H₁: Reduksjon i rentenivå øker boligprisene i Oslo Inntekt Husholdningenes disponible inntekt for 2015 var 1312 milliarder kroner, noe som utgjør en vekst på 4,5 prosent fra året før. Regnet per innbygger var den disponible inntekten om lag kroner, som er rundt 8500 kroner høyere enn året før (SSB 2016). Ved en økning i inntekten vil etterspørselen etter boliger øke og vi vil få et positivt skift i etterspørselskurven. Dette vil ifølge likevektsteori føre til at boligprisene øker på kort sikt dersom inntekten øker. På lang sikt vil vi også få et positivt skift i etterspørselskurven, men økningen i boligprisene vil ikke bli like store som på kort sikt, fordi tilbudet på kort sikt er konstant. Det er dermed kun etterspørselen som endrer boligprisene på kort sikt, mens på lengre sikt vil endringer kunne skje på tilbudssiden også. Som nevnt finansieres oftest boliger med boliglån. Boliglån betjenes ved å ta av inntekten for å betale renter og avdrag. Dersom renter og avdrag for en husholdning blir høye i forhold til inntekten, vil dette by på problemer for husholdningen; den må kutte ned på annet forbruk, eller selge og kjøpe seg noe rimeligere (Larsen 2005). Øker inntekten vil husholdningene få økt betalingsevne. Husholdningen vil dermed kunne betale mer for boligen og betjene høyere renter og avdrag, og samtidig ha like mye igjen til andre goder (Kommunal- og regionaldepartementet 2002). 29

30 Fra 2014 til 2015 steg boligprisene mest i Oslo og Bærum, med hele 9,2 prosent (SSB 2016). Mest sannsynlig er det slik at storbyer og deres nærområder tiltrekker seg personer som er yrkesaktive siden jobbtilbudet i storbyene er større og mer variert, og dermed tilbyr større muligheter. Dette gjelder spesielt de med lang og spesialisert utdanning, som gjerne går hånd i hånd med høy inntekt. Betalingsevnen er særlig stor i det tilfellet der et par har godt betalte jobber. Mest sannsynlig vil paret være villig til å betale svært mye for å bli i byen, og beholde eller konkurrere om attraktive jobber (Larsen og Sommervoll 2004). Høy utdanning fører med seg høyere inntekter, som vil være med å presse boligprisene opp, særlig i byene. På dette grunnlaget kan vi stille opp følgende hypotese: H₂: Økning i inntektsnivå øker boligprisene i Oslo Arbeidsledighet I gode tider med lav arbeidsledighet vil flere ha inntekt og derfor være i stand til å ta opp lån. Dette bidrar til økt etterspørsel, og deretter økte priser. Her vil også forventninger spille en stor rolle. Lav arbeidsledighet fører til optimisme, og gir både tro på egen betalingsevne i framtiden og stor etterspørsel i økonomien. Tro på egen betalingsevne gjør at det tas opp større lån, som igjen presser boligprisene opp (Larsen og Sommervoll 2004). På både kort og lang sikt vil en lavere arbeidsledighet føre til økt etterspørsel. Vi får da et positivt skift i etterspørselskurven, som fører til høyere boligpriser. På dette grunnlaget kan vi stille opp følgende hypotese: H₃: Reduksjon i arbeidsledighetsnivå øker boligprisene i Oslo Variablenes påvirkning i tiden fremover Boligprisene har økt mye gjennom det siste året, drevet fram av lave, og utsikter til stadig lavere, renter. Norge har stått overfor en svak produksjonsutvikling som har bidratt til at arbeidsledigheten har økt den siste tiden, og medført en svak vekst i inntektsnivået. Det er ventet at svakere inntektsvekst og strammere utlånspraksis vil føre til en utflating i prisene, eller et beskjedent prisfall på boliger i nærmeste fremtid. Lavere renter vil dempe påvirkningen av redusert vekst i inntektene, slik at det likevel anslås at boligprisene vil stige en tid fremover (SSB 2016). 30

31 4.3. Empirisk analyse Vi vil her gi en oversikt av teorien rundt de statistiske analysene vi har gjort. Først vil vi gjøre rede for testene vi har gjort av robustheten til dataene, før vi går gjennom regresjonsanalysen Robusthetstestene Korrelasjon Først vil vi gjennomføre en korrelasjonsanalyse for å se på sammenhengen mellom variablene i dataene våre. Vi bruker korrelasjonsmålet Pearsons r som angir hvor sterk lineær sammenheng det er mellom to variabler. Pearsons r er en standardisert koeffisient som varierer mellom -1 og 1. En korrelasjon på 0 uttrykker at det ikke eksisterer noen lineær sammenheng, mens 1 og -1 angir henholdsvis et fullstendig positivt eller negativ sammenfall mellom verdiene på variablene. Hva som er høy eller lav korrelasjon avhenger av hva som undersøkes, og hvor sterk korrelasjon man forventer. Regresjonsanalyse forutsetter at det ikke er en perfekt eller tilnærmet perfekt lineær sammenheng mellom to eller flere av de uavhengige variablene. Dersom Pearsons r mellom to uavhengige variabler er mer enn 0,70, kan vi ha såkalte multikollinearitetsproblemer (Johannessen, Christoffersen og Tufte 2011) Multikollinearitet Vi vil se på multikollinearitet for å være sikre på om dataene er gyldige til senere bruk i regresjonsanalysen. Det er viktig å se på VIF-indikatoren i multikollinearitetsanalysen fordi disse verdiene gir oss svar på om tallene er robuste. Med robuste mener vi at dataene for de uavhengige variablene er ulike nok, slik at det blir mulig å koble endringer i den avhengige variabelen til endringer i de uavhengige. VIF står for «variance inflation factor» eller variansinflasjonsfaktor. Man vil gjerne at VIF-indikatoren skal være så lav som mulig, fordi dette vil medføre lavere standardfeil for de ulike koeffisientene (Berge, 2004). Jo nærmere VIFverdien er 1, desto mer ulike er de uavhengige variablene. Det er vanlig å si at det er multikollinearitetsproblemer dersom VIF-indikatoren er større enn 10 (Wenstøp og Bagøien 2003) Regresjonsanalysen Regresjonsanalyse er en analyseteknikk for å undersøke hvordan gjennomsnittsverdien på en avhengig variabel varierer med en eller flere uavhengige variabler. Alle våre variabler er på forholdstallsnivå, og kan brukes direkte i analysen 31

32 uten videre bearbeiding (Johannesen et. al, 2011). Vi vil bruke vår regresjonsanalyse til årsaksforklaring, det vil si finne årsaksvariabler som kan forklare variasjonen i den avhengige variabelen, her variasjonen i boligprisene i Oslo mellom 1993 og Vi gjennomfører en multippel regresjonsanalyse, det vil si at vi har flere uavhengige variable. En slik analyse forteller oss også hvor stor andel av variasjonen i den avhengige variabelen som kan forklares av de signifikante uavhengige variablene (Johannssen et. al. 2011). Vi har brukt programmet SPSS til å gjennomføre vår regresjonsanalyse. I resultatene av analysen ser vi på signifikanssannsynligheten (sig.), som viser hvor stor sannsynligheten er for å gjøre feil dersom vi forkaster nullhypotesen. Signifikanssannsynligheten, p, ønsker vi at skal være mindre enn 0,05, hvilket betyr at faren for å forkaste en riktig nullhypotese er mindre enn 5 prosent. Eventuelle variabler som gir p-verdi større enn 0,05 blir derfor kvalifisert som ikke signifikante, og vil ikke bli tatt med i en videre analyse. Etter at variablene som ikke er signifikante er luket ut, ser vi på den ustandardiserte regresjonskoeffisienten eller punktestimatet, B, som forteller hvor mye den avhengige variabelen endrer seg ved en økning på 1 prosent i den uavhengige variabelen, og i hvilken retning den uavhengige variabelen påvirker den avhengige. Dersom B er et negativt tall vil en økning i en uavhengig variabel bety enn reduksjon i avhengig variabel, og omvendt. Vi bruker den ustandardiserte koeffisienten i vår oppgave ettersom vi har alle dataene på samme målenivå. Koeffisienten skal ligge innenfor et konfidensintervall som vanligvis, og også i vår oppgave, er satt til 95 prosent. Konfidensintervallet er det området populasjonsgjennomsnittet ved en gitt sannsynlighet befinner seg innenfor. Det er da 5 prosents sannsynlighet for å ta feil når man hevder at intervallet inneholder den aktuelle verdien. Dersom man skal kunne trekke slutninger om de uavhengige variablenes påvirkning på den avhengige, kan ikke konfidensintervallet inneholde verdien 0. Det vil i tilfellet være umulig å si om variabelen påvirker i negativ eller positiv retning (Johannessen et al. 2011). Til slutt ser vi på R-square (R 2 ), som er en beregning av hvor stor andel av variasjonen i den avhengige variabelen som regresjonsmodellen kan gjøre rede for. Det vil si hvor mye av variasjonen i den avhengige variabelen som kan forklares av variasjonen i den uavhengige variabelen. Dersom R 2 er 0, vil forklarer ikke de uavhengige variablene noe av variasjonen i den avhengige variabelen, og dersom R 2 32

33 er 1 forklarer de uavhengige variablene all variasjon i den avhengige variabelen. R 2 er altså er et mål på hvor god regresjonsmodellen er til å predikere den avhengige variabelen (Johannessen et al. 2011). 33

34 5. Modellbeskrivelse I vår oppgave bruker vi boligprisindeksen som grunnlag for vår avhengige variabel endringer i boligprisene. Vi vil her redegjøre for modellen som brukes for å fastsette boligprisindeksen, i tillegg til å forklare hvordan vi har funnet og brukt de øvrige data vi har samlet inn Boligprisindeksen Boligprisendringer måles ved å anvende indeksteori. Indeksen rapporterer prisendringer for sammenliknbare boliger ved å benytte et startpunkt (som settes til 1,00) og hvor endringene presenteres som prosentvise økninger eller reduksjoner i indeksnivået. For eksempel vil en endring fra et indeksnivå på 1,73 til 1,76 representere en boligprisøking på 1,7 prosent (der endringen på 1,76-1,73 = 0,03 relateres til forrige nivå på 1,73 og der utgjør den 1,7 prosent). I 2008 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 (SSB 2012). Datafangsten har endret seg mye siden indeksen ble lansert i Frem til 2002 var SSBs boligprisindeks basert på en skjemaundersøkelse. Deretter ble data fra Finn.no tatt i bruk, og fra og med 2009 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 eliminerer 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 boligprisene. Prisfunksjonen for SSBs boligprisindeks tar hensyn til beliggenhet gjennom å 34

35 karakterisere boligen etter hvilken prissone den ligger i. Prissoner er en gruppering av kommuner i en region etter prisnivå, basert på gjennomsnittlige omsetningspriser i en avgrenset periode. I 2009 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 4 største byene i Norge i tillegg til 7 regionale indekser. Inndelingen av landet i regioner baserer seg på SSB sin landsdelsinndeling. Det beregnes en egen indeks for hver av boligtypene enebolig, småhus og blokkleilighet. Det er kun eiendomsmeglerbransjens tilbakerapportering til Finn.no som brukes som beregningsgrunnlag i indeksen. Selv om det den siste tiden har blitt mulig for privatpersoner å annonsere boliger på Finn.no, blir ikke realisert kjøpesum for disse boligene tilbakerapportert til Finn.no. I tillegg til opplysninger fra Finn.no hentes utfyllende opplysninger om boligomsetningene fra Matrikkelen. Dette gjelder blant annet opplysninger om boligens byggeår og om boligen ligger i tettbygd eller spredtbygd strøk. Disse opplysningene mangler i Finn.no (SSB 2012) Begreper og definisjoner Areal Fra 2008 er arealbegrepet som brukes i boligprisindeksen (BPI) først og fremst primære rom (p-rom), det vil si bruksarealet minus boder, tekniske rom, garasje, felles trapperom og lignende. Begrepet p-rom ble innført i 2008 og dersom det ikke er oppgitt benyttes boligareal. I praksis er p-rom og boligareal tilnærmet samme areal (SSB 2012). Pris Pris er kjøpesummen oppgitt i kjøpekontrakten. For borettslag er både innskudd og andel av fellesgjeld inkludert i prisen. Kvadratmeterpris er kjøpesummen dividert med størrelsen på p-rom (SSB 2012). 35

36 Boligtype Datamaterialet kommer fra eiendomsmeglernes tilbakerapportering til Finn.no, og det er meglernes kategorisering av boligene som legges til grunn. Hvilken boligtype meglerne velger å klassifisere en bolig som kan variere noe fra megler til megler. SSB deler boligmassen inn i enebolig, småhus og blokkleilighet (SSB 2012). Eierform Finn.no skiller mellom eierformene eier, aksje, andel og obligasjon, mens SSB deler inn i selveier og borettslagsboliger. Andelsleiligheter, aksje- og obligasjonsleiligheter defineres som borettslag (SSB 2012). Alder For å beregne alder brukes oppgitt byggeår. Det opereres med fire kategorier: - Alder1 = under 10 år - Alder2 = år - Alder3 = år - Alder4 = 35 år og mer (SSB 2012). Prissoner Hver region er delt inn i prissoner, som består av en eller flere kommuner. For de største byene brukes også de administrative bydelene som minste enhet (SSB 2012). Tett eller spredt bebyggelse En hussamling registreres som et tettsted dersom det bor minst 200 personer der, og avstanden mellom husene ikke overstiger 50 meter. Det er tillatt med et skjønnsmessig avvik utover 50 meter mellom husene i områder som ikke skal eller kan bebygges. Husklynger som naturlig hører med til tettstedet, tas med inntil en avstand på 400 meter fra tettstedskjernen (SSB 2012). Sentralitet Dette hentes fra SSBs Standard for sentralitet 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 (SSB 2012). 36

37 Beregning av boligprisindeksen Etter at dataene om de ulike typene boliger er samlet inn, blir det utført en regresjonsanalyse for å komme frem til prisfunksjoner for de ulike boligtypene i åtte forskjellige soner i landet. 1. Oslo og Bærum 2. Akershus unntatt Bærum 3. Sør-Østlandet (Østfold, Vestfold, Buskerud og Telemark) 4. Hedmark og Oppland 5. Agder og Rogaland 6. Vestlandet (Hordaland, Sogn og Fjordane, Møre og Romsdal) 7. Trøndelag 8. Nord-Norge (SSB 2012). Prisfunksjonen varierer noe fra region til region og for de forskjellige boligtypene, men kan generelt skrives som: ln P = a + b 1 ln(boareal) + b 2 (sone) + b 3 (tett/spredt) + b 4 (kommunesentralitet) + b 5 (alder) + b 6 (eierform) + b 7 (omsetningskvartal) + ε P er prisen til boligen og a er konstantleddet. Som forklaringsvariabel brukes den naturlige logaritmen av boligarealet, sone, tett/spredt, kommunens sentralitet, boligens alder, eierform og omsetningskvartalet. b 1 b 7 er priskoeffisienten til variablene. Residualen ε antas å ha konstant varians og forventningsverdi lik 0 (SSB 2012). Til sammen publiseres det indekser for 11 geografiske områder: 1. Oslo og Bærum 2. Akershus utenom Bærum 3. Sør-Østlandet (Østfold, Vestfold, Buskerud og Telemark) 4. Hedmark og Oppland 5. Stavanger 6. Agder og Rogaland utenom Stavanger 7. Bergen 8. Vestlandet (Hordaland, Sogn og Fjordane, Møre og Romsdal) utenom Bergen 37

38 9. Trondheim 10. Trøndelag utenom Trondheim 11. Nord-Norge Prisindeksen defineres som forholdet mellom prisen på to kvalitetsmessig like boliger i henholdsvis kvartal t og basisåret 0. Etter å ha gjennomført indeksberegninger for hver av de 11 regionene for de tre boligtypene, står man igjen med 33 delindekser. Disse beregnes som kjedete indekser med årlige lenker. Delindeksene kan aggregeres slik at man for eksempel får en egen indeks for en region, for en boligtype eller en totalindeks. For å lage disse, beregnes et vektet gjennomsnitt av delindeksene. Vektene er de estimerte verdiandelene i basisperioden (SSB 2012). I vår analyse har vi brukt totalindeksen for regionen Oslo og Bærum utregnet etter denne modellen, og dataene om boligprisindeksen fra årene vi bruker er hentet fra Statistisk Sentralbyrå De øvrige variablene For variabelen inntekt har vi hentet inn data fra fra SSB om gjennomsnittlig årlig personinntekt for beboere i Oslo kommune, oppgitt i kroner. Data om arbeidsledighet i form av prosentandel arbeidsledige i Oslo kommune er også hentet inn fra SSB. Vi har i oppgaven brukt Norges Banks styringsrente når vi ser på rentene, som det er gjort rede for i kapittel 4. Disse tallene er hentet fra Norges Bank sine nettsider Våre utregninger Etter at alle data ble hentet inn gjorde vi dem om til endringsform, det vil si hvor mye variabelen har endret seg fra et år til det neste. Dette for å gjøre det enklere å sammenlikne tallene, og unngå at variablenes målenivå skulle lage problemer for regresjonsanalysen. Vi brukte følgende formel for å regne ut endring: g = x % x %'( x %'( g er endring, x er den aktuelle variabelen, t-1 er dette året, t er neste år. 38

39 6. Analyse 6.1. Avklaringer I denne delen av oppgaven skal vi vise resultatene vi har kommet frem til ved å bruke ulike analysemetoder, nærmere beskrevet i teorikapittelet. Vi bruker som tidligere nevnt en empirisk analyse for å best kunne besvare om hypotesene holder eller må forkastes. Det vi ønsker å finne ut er om det er sammenheng mellom de uavhengige variablene inntekt, arbeidsledighet og utlånsrenter, og den avhengige variabelen boligprisindeksen. Vi vil starte med å finne ut om dataene for de uavhengige variablene er gyldige. Vi vil derfor først foreta en multikollinearitetsanalyse, som gir oss svar på om tallene er robuste nok til å benyttes i regresjonsanalysen. Deretter vil vi foreta en regresjonsanalyse for å kunne være i stand til å si noe om sammenhengen mellom de uavhengige variablene og den avhengige. Det er regresjonsanalysen som kommer til å gi svar på om hypotesene holder. Hypotesene er som følger: H₀: Ingen sammenheng mellom den avhengige variabelen boligprisindeks og de tre uavhengige variablene inntekt, arbeidsledighet og utlånsrenter. H₁: Reduksjon i rentenivå øker boligprisene i Oslo. H₂: Økning i inntektsnivå øker boligprisene i Oslo. H₃: Reduksjon i arbeidsledighetsnivå øker boligprisene i Oslo. Som nevnt i kapittel 4 er det også andre variabler som påvirker boligprisene i Oslo. Blant annet vil vi ha ringvirkninger som påvirker prisene. Verdien på boliger stiger når boligprisene øker, bankene vil da igjen øke sin villighet til å låne ut ettersom de legger vekt på pant i bolig som sikkerhet for lånet, og boligprisene øker videre. I tillegg har undersøkelser vist at husholdningenes forventninger om utviklingen i egen, så vel som i norsk økonomi, har en påvirkning på boligprisene (Jansen 2011). Det er viktig å være klar over at det finnes slike faktorer utenfor det som analyseres i denne oppgaven som har påvirkning på boligprisene, selv om vi ikke vil komme til diskutere disse. Det er også verdt å merke seg at vi ikke har innført noe tidsetterslep i oppgaven, selv om det finnes argumenter for å gjøre dette. For eksempel viser en undersøkelse at arbeidsledigheten har sterkere sammenheng med boligprisene forrige år enn med 39

40 samtidige boligpriser. I samme undersøkelse slås det også fast at boligprisene påvirker arbeidsledigheten, slik at det er vanskelig å si hvilken av faktorene som påvirker hverandre mest (Sjøberg, 2012). Slike forhold er viktige å være klar over når vi ser på funnene fra analysene. I vår oppgave har vi likevel valgt å forholde oss til kun samtidige påvirkninger Robusthetsanalyse Korrelasjon Vi starter med å se på korrelasjonen mellom de tre uavhengige variablene for å unngå at det er for stor sammenheng mellom dem. Resultatene av korrelasjonsanalysen fremkommer i tabellen nedenfor. Denne viser at det er moderat til høy korrelasjon mellom de tre uavhengige variablene. Dette indikerer at vi bør undersøke om multikollinearitet kan skape problemer for oss. Correlations EndringArbeidsledig het EndringArbeidsl edighet EndringInntekt EndringUtlånsr ente Pearson Correlation 1 -,699 ** -,537 * Sig. (2-tailed),001,015 N EndringInntekt Pearson Correlation -,699 ** 1,710 ** Sig. (2-tailed),001,000 N EndringUtlånsrente Pearson Correlation -,537 *,710 ** 1 Sig. (2-tailed),015,000 N **. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed) Multikollinearitet Når vi undersøker for multikollinearitet ser vi på variansinflasjonsfaktor (VIF), som bør ha en verdi på under 10 for at vi ikke skal ha et multikollinearitetsproblem (Berge 2004). VIF-indikatorene i vår analyse er alle under 3, og vi har dermed ikke problem med multikollinearitet. Alle de tre uavhengige variablene er dermed gyldige til bruk i regresjonsanalysen. 40

41 Coefficients a Unstandardiz Standardiz 95,0prosent ed ed Confidence Collinearity Coefficients Coefficients Interval for B Statistics Low er Upper Std. Bou Boun Toleranc Model B Error Beta t Sig. nd d e VIF 1 (Constant) -,024,047 -,519,611 -,123,075 EndringUtlånsrente EndringInntekt EndringArbeidsledig het -,220,089 -,612-2,479,025 -,408 -,032,492 2,115,886,696 2,386,030,236 3,994,353 -,185,118 -,382-1,571,136 -,434,065,508 2,03 3 2,83 0 1,97 0 a. Dependent Variable: Boligprisindeks 6.3. Regresjonsanalyse Vi skal bruke regresjonsanalysen for å finne ut om det finnes en sammenheng mellom de uavhengige variablene og den avhengige variabelen. Dette blir den viktigste analysen vi gjør, fordi den gjør oss i stand til å forkaste eller beholde nullhypotesen. Vi vil se på signifikansen mellom de uavhengige variablene, og om de er innenfor signifikansnivået, som vi har satt til 5 prosent. Vi vil også se på koeffisientene, og hvilket fortegn disse har, samt standardavviket på de ulike variablene. Dette vil fortelle oss hvilken påvirkning de har på boligprisindeksen. Vi vil også beskrive hvor god forklaringskraft modellen vi kommer frem til har. Denne verdien er gjenspeilet i R-square -verdien. Vi vil først gjøre en analyse av hver enkelt variabel og deretter ta med alle variablene i samme regresjonsanalyse. Vi starter med å teste H₁, altså om endring i rentenivå påvirker boligprisene i Oslo. Regresjonsanalysen gir oss en p-verdi på 0,025 som er lavere enn 0,05. Vi kan dermed konkludere med at endringer i rentenivå har en signifikant påvirkning på boligprisene. Siden p-verdien er under 0,05 kan vi forkaste H 0. Konfidensintervallet ligger mellom -0,408 og -0,0032, og punktestimatet (B) er -0,220 og ligger da innenfor konfidensintervallet. Ettersom 0 ikke er med i konfidensintervallet, kan vi trekke slutningen at økt rente har en negativ påvirkning på boligprisene, det vil si 41

42 presser prisene ned. 1 prosent endring i rentene vil føre til at boligprisene endres med 0,22 prosent. Endringene går i motsatt retning av hverandre. Vi fortsetter med å teste H 2, altså om endring i inntektsnivå påvirker boligprisene. Analysen gir oss en p-verdi på 0,03, som også er lavere enn 0,05. Siden p-verdien er lavere enn 0,05 kan vi forkaste H 0, og konkludere med at også endringer i inntekt har en signifikant påvirkning på boligprisene. Konfidensintervallet ligger mellom 0,236 og 3,994, og punktestimatet (B) er 2,115 og ligger innenfor konfidensintervallet. 0 er ikke med i konfidensintervallet, og vi kan derfor si at økning i inntekt vil presse boligprisene opp. Punktestimatet (B) er som nevnt 2,115, det vil si at dersom inntekten øker med 1 prosent, vil boligprisene øke med 2,115 prosent. Endringene går altså i samme retning. Hvis vi ser på H 3 sier hypotesen at endringer i arbeidsledighetsnivået påvirker boligprisene. Her får vi en p-verdi på 0,136, som er større enn 0,05. Vi kan derfor ikke forkaste H 0, og dermed ikke si at endringer i arbeidsledighetsnivået har en signifikant påvirkning på boligprisene. Vi velger derfor å fjerne variabelen fra videre analyser. Coefficients a Unstandardized Coefficients Standardized Coefficients 95,0prosent Confidence Interval for B Std. Lower Upper Model B Error Beta t Sig. Bound Bound 1 (Constant) -,024,047 -,519,611 -,123,075 EndringUtlånsrente -,220,089 -,612-2,479,025 -,408 -,032 EndringArbeidsledighet -,185,118 -,382-1,571,136 -,434,065 EndringInntekt 2,115,886,696 2,386,030,236 3,994 a. Dependent Variable: Boligprisindeks Siden kun to av de tre uavhengige variablene var signifikante må vi foreta en ny regresjonsanalyse, hvor vi kun inkluderer disse to. I den nye analysen får rentene en p-verdi på 0,037 og inntekten en p-verdi på 0,002. Begge er dermed fremdeles signifikante. Punktestimatene (B) til begge variablene befinner seg innenfor de 42

43 representative konfidensintervallene, og konfidensintervallene befinner seg enten over eller under 0. Vi kan fremdeles slå fast at økt rente vil presse boligprisene ned, mens økt inntekt vil presse boligprisene opp. R 2 i regresjonsanalysen er 0,446, det vil si at 44,6prosent av endringene i boligprisene kan forklares av endringer i rentenivå og inntektsnivå. Det betyr også at 55,4 prosent av variasjonen i boligprisene bestemmes av forhold utenfor vår modell. Coefficients a Unstandardized Coefficients Standardized Coefficients 95,0prosent Confidence Interval for B Std. Lower Upper Model B Error Beta t Sig. Bound Bound 1 (Constant) -,060,042-1,415,175 -,150,030 EndringUtlånsrente -,209,092 -,581-2,265,037 -,403 -,014 EndringInntekt 2,860,780,941 3,665,002 1,214 4,507 a. Dependent Variable: Boligprisindeks Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1,668 a,446,380, a. Predictors: (Constant), EndringInntekt, EndringUtlånsrente 43

44 7. Oppsummering og konklusjon Vi vil i dette kapittelet legge frem våre resultater og oppsummere funnene i oppgaven. Vi vil her ta utgangspunkt i hypotesene, og ut i fra teorien bekrefte eller avkrefte om disse støttes. Boligpriser er et aktuelt og interessant tema. I vår undersøkelse var målet å finne ut hvilke faktorer som påvirker boligprisene, og i hvilken retning og grad de påvirker utviklingen i boligprisene. Formålet er å få et bedre overblikk over hva som har ført til den svært høye økningen i boligprisene i Oslo de siste tiårene. Vi mener at vår undersøkelse gir et godt innblikk i hva slags påvirkning endring i variablene vi har sett på har på utviklingen i boligprisene, selv om det er flere forhold vi ikke har analysert som også påvirker. Funnene våre viser at av de tre uavhengige variablene vi undersøkte, fikk vi støtte for to. Korrelasjonsanalysen viste at inntekt og rente hadde en høy korrelasjon, men ved test av multikollinearitet fant vi ut at denne korrelasjonen ikke var avgjørende for om vi kunne bruke variablene i videre analyser. I regresjonsanalysen derimot, fant vi at arbeidsledighet hadde for høy p-verdi, den var altså ikke signifikant, slik at vi måtte forkaste hypotesen om at endring i arbeidsledighetsnivå har en påvirkning på endring i boligprisene. Dette resultatet kan skyldes at vi ser på samtidige endringer, og at det som nevnt kan være virkninger av blant annet etterslep i variabelen. En annen mulig grunn til at arbeidsledighet ikke er en signifikant variabel er at arbeidsledighetsnivået i perioden vi ser på ikke har variert i stor grad. Vi kan derfor ikke utelukke at større endringer i arbeidsledighet kan få betydelig innvirkning på boligprisene. Etter den første regresjonsanalysen satt vi dermed igjen med støtte for at endringer i inntektsnivå og endringer i rentenivå har en påvirkning på boligprisene. Funnene viser at økt inntekt har en positiv påvirkning på boligprisene, det vil si at ved økt inntekt vil boligprisene øke. Inntekt var den mest signifikante variabelen i vår analyse, samtidig som at den ustandardiserte koeffisienten har den høyeste absoluttverdien. Dette vil si at ifølge vår analyse har inntekt størst betydning for endringer i boligprisene. At inntektsnivået har en positiv påvirkning er logisk, ettersom inntekt har en direkte sammenheng med betalingsevne. Som nevnt kjøper de aller fleste boligen sin gjennom å ta opp boliglån. Høyere inntekt gjør at en har mulighet til å ta opp høyere lån og kjøpe en bolig til høyere pris. Rentenivået kan 44

45 endre seg svært raskt, og ved et lavt rentenivå vil sannsynligvis også bankene se på evnen til å betjene gjelden dersom renten beveger seg mot et høyere rentenivå. Gjeldende rentenivå trenger derfor ikke å si alt om gjeldsbetjeningsevnen fremover. Utviklingen i inntekten kan derfor være viktigere enn renten for gjeldsveksten og dermed boligprisene (Borgersen, Hungnes, Jansen 2009). Videre viser funnene at økt rente har negativ påvirkning på boligprisene, det vil si at ved økt rente vil boligprisene synke. Det har vært svingninger i rentene i Norge de årene vi undersøker, men de siste seks årene har det vært et lavt rentenivå. Det er en normal respons i boligmarkedet at lave renter over tid gir høye boligpriser. Vedvarer de lave rentene, ser det ut til at boligprisene kan komme til å stige kraftig fremover, noe SSBs prognoser også viser (Jansen 2011). Renter har en indirekte effekt på boligprisene gjennom at boligpriser er drevet blant annet av husholdningenes gjeldsnivå, og gjeldsnivå påvirkes av rentene (Anunsen og Jansen 2011). De fleste finansierer boligen ved lån, og betaling av renter er en betydelig del av de løpende utgifter til bolig. Derfor gir lavere rente lavere brukerkostnad og dermed høyere boligpriser. Hvis rentene er lave i lang tid framover blir det enklere å betjene høye lån ettersom renteutgiftene er lavere. Muligheten til å ta opp høye lån med lav rente vil gjøre at betalingsvilligheten og etterspørselen i boligmarkedet øker, og prisene presses opp (Larsen og Sommervoll 2004). I undersøkelsen av Naug og Jacobsen (2004) som vi har referert til tidligere, viser analysene at høye renter vil føre til lavere boligpriser. De har gjennomført en regresjonsanalyse der de ser på rentenes påvirkning, og denne variabelen viser seg i deres analyse å ha en svært høy forklaringskraft på 0,87, altså at hele 87 prosent av variasjonen i boligprisene kan forklares av endring i rentenivå. De begrunner dette med at økt rente isolert sett fører til forventninger om at boligprisene skal stige. Husholdninger som skal inn i eller kjøpe seg opp i boligmarkedet, kan da velge å utsette boligkjøpet. Det kan føre til at boligprisene faller på kort sikt når renten øker. Tilsvarende vil rentefall føre til forventninger om at boligprisene skal øke. Da blir det relativt mer gunstig å kjøpe bolig nå framfor senere. Det kan føre til at prisene stiger på kort sikt (Naug og Jacbosen 2004, 236). De ser altså på at renten også kan ha en direkte effekt på boligprisene ved at forventninger til økt eller redusert rente vil påvirke etterspørselen etter boliger, og dermed boligprisene. 45

46 Teorien understøtter altså våre hypoteser og funn angående inntektsnivå og rentenivå. Teorien sier også at arbeidsledighet vil påvirke boligprisene, men det fikk ikke vi støtte for i vår analyse. Dette kan som nevnt være fordi det er mulig at et tidsetterslep på variablene spiller inn. Det er også grunn til å nevne at arbeidsledighet kan være signifikant, selv om vi i vår undersøkelse ikke har kunnet slå fast dette. Vi forventer at arbeidsledigheten vil tilta noe i årene fremover, samt at lønnsveksten vil minke. Dette på grunn av dagens tilstand i og framtidsutsiktene til norsk økonomi, med en betydelig tilbakegang i oljeindustrien som ventes å vare i flere år fremover. Dette tilsier at boligprisveksten vil avta noe de nærmeste årene. Denne nedgangen i boligprisvekst vil bli noe dempet av den lave renten, som er forventet å holde seg lav i årene fremover. 46

47 Referanser Bøker Johannessen, Asbjørn, Line Christoffersen og Per Arne Tufte Forskningsmetode for øknomisk-administrative fag. 3. utgave. Oslo: Abstrakt forlag. McKenzie, Dennis J., Richard M. Betts og Carol A. Jsensen Essentials of Real Estate Economics. 6. utgave. Mason, OH: Cengage Learning Pindyck, Robert og Daniel Rubinfeld Microeconomics. 7. utgave. London: Pearson. Steigum, Erling Moderne makroøkonomi. 1. utgave. Oslo: Gyldendal akademiske. Artikler Borgersen, Trond-Arne, Håvard Hungnes og Eilev S. Jansen Boligpris, kredittvekst og virkninger på realøkonomien. Magma mai Hentet 13. april Grytten, Ola Boligboble?. Magma mai Hentet 2. mai Jacobsen, Dag Henning og Bjørn E. Naug Hva driver boligprisene?. Penger og kreditt 2004 (4): Jansen, Eilev S Hva driver utviklingen i boligprisene. Samfunnsspeilet 2011 (5-6): Larsen, Erling Røed Boligprisenes utvikling. Økonomiske analyser 2005 (5): Larsen, Erling Røed og Dag Einar Sommervoll Hva bestemmer boligprisene?. Samfunnsspeilet 2004 (2): Molden, Birgitte Hovdan Beregninger av boligbehov i Norge. Aktuell kommentar 2011 (6): 1-5. Rapporter Anundsen, André K. og Eilev S. Jansen Self-reinforcing effects between housing prices and credit. Evidence from Norway. Discussion Papers No Oslo: Statistics Norway, Research Department. Publikasjoner Eiendom Norge Eiendom Norges årsrapport 2015: Oslo: Eiendom Norge. 47

48 Finansdepartementet Forstår vi prisdannelsen i boligmarkedet?: NOU 2002 (2): Oslo: Finansdepartementet. Finansdepartementet Strategi for boligmarkedet: Oslo: Finansdepartementet. Kommunal- og regionaldepartementet Boligmarkedene og boligpolitikken. NOU 2002 (2): Oslo: Kommunal- og regionaldepartementet. Statistisk Sentralbyrå Boligprisindeksen. Dokumentasjon av metode: Oslo: Statistisk Sentralbyrå. Statistisk Sentralbyrå Boliger, 1. januar Publisert 22. april Oslo: Statistisk Sentralbyrå. Statistisk Sentralbyrå Kvartalsvis inntekts- og kapitalregnskap, nasjonalregnskap 4. kvartal Publisert 2. mars Oslo: Statistisk Sentralbyrå. Upubliserte arbeider Berge, Erling Anvendt statistisk dataanalyse i samfunnsvitenskap. Forelesningsnotat nr. 6, Norges teknisk-naturfaglige universitet. H Bottolfs, Thomas Fladhus Hvordan er tilstanden til boligmarkedet i Oslo, befinner vi oss i en boligprisboble? : en empirisk analyse av Oslos boligmarked. Masteroppgave, Norges Handelshøyskole. Kuven, Line Moene Hva vil skje med de norske boligprisene? : Krakk, korreksjon, avmating eller videre vekst. Masteroppgave, Norges Handelshøyskole. Sjøberg, Cecilie En empirisk studie av boligprisene i Norge Masteroppgave, Universitetet i Agder. Wenstøp, Fred og Espen Bagøien Innføring i SPSS 11.0 Multippel regresjon. Forelesningsnotat, Handelshøyskolen BI. 48

49 Vedlegg Vedlegg 1: Datagrunnlag boligprisindeksen Boligprisindeksen Endring Kilde: SSB ,9 0, ,3 0, , ,6 0, ,9 0, ,4 0, , ,2 0, ,3 0, ,2-0, ,3 0, ,7 0, , ,3 0, ,3-0, ,6 0, ,7 0, ,4 0, , ,3 0, ,4 0, ,1 49

50 Vedlegg 2: Data inntekt Gjennomsnittlig personinntekt lønn Endring , , , , , , , , , , , , , , , , , , , , Kilde: SSB 50

51 Vedlegg 3: Data arbeidsledige Arbeidsledige % Endring , ,4-0, ,9-0, ,8-0, , ,2 0, ,2 0, ,4 0, ,5 0, ,9 0, ,5 0, ,5 0, ,6-0, ,4-0, ,5 0, ,6 0, ,2 0, ,6-0, ,3-0, ,2 0, ,5 0, ,5 Kilde: SSB 51

52 Vedlegg 4: Data renter Styringsrente % (årlig gjennomsnitt) Endring ,50-0, ,78-0, ,75-0, ,48-0, ,38 0, ,51 0, ,35 0, ,35-0, ,22 0, ,98-0, ,73-0, ,21-0, ,82 0, ,92 0, ,74 0, ,38 0, ,32-0, ,75 0, ,14-0, ,55-0, ,50-0, ,49 Kilde: Norges Bank 52

53 Vedlegg 5: Korrelasjonsanalyse Correlations EndringArbeidsledighet EndringInntekt EndringUtlånsrente EndringArbeidsledighet Pearson Correlation 1 -,699 ** -,537 * Sig. (2-tailed),001,015 N EndringInntekt Pearson Correlation -,699 ** 1,710 ** Sig. (2-tailed),001,000 N EndringUtlånsrente Pearson Correlation -,537 *,710 ** 1 Sig. (2-tailed),015,000 N **. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed). 53

54 Vedlegg 6: Multikollinearitet Coefficients a Unstandardized Standardized 95,0% Confidence Collinearity Coefficients Coefficients Interval for B Statistics Std. Lower Upper Model B Error Beta t Sig. Bound Bound Tolerance VIF 1 (Constant) -,024,047 -,519,611 -,123,075 EndringUtlånsrente -,220,089 -,612-2,479,025 -,408 -,032,492 2,033 EndringInntekt 2,115,886,696 2,386,030,236 3,994,353 2,830 EndringArbeidsledighet -,185,118 -,382-1,571,136 -,434,065,508 1,970 a. Dependent Variable: Boligprisindeks 54

55 Vedlegg 7: Regresjonsanalyse med alle de tre uavhengige variablene Variables Entered/Removed a Model Variables Entered Variables Removed Method 1 EndringInntekt, EndringArbeidsledighet,. Enter EndringUtlånsrente b a. Dependent Variable: Boligprisindeks b. All requested variables entered. Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1,721 a,520,430, a. Predictors: (Constant), EndringInntekt, EndringArbeidsledighet, EndringUtlånsrente Coefficients a Unstandardized Coefficients Standardized Coefficients 95,0% Confidence Interval for B Lower Upper Model B Std. Error Beta t Sig. Bound Bound 1 (Constant) -,024,047 -,519,611 -,123,075 EndringUtlånsrente -,220,089 -,612-2,479,025 -,408 -,032 EndringArbeidsledighet -,185,118 -,382-1,571,136 -,434,065 EndringInntekt 2,115,886,696 2,386,030,236 3,994 a. Dependent Variable: Boligprisindeks 55

56 Vedlegg 8: Regresjonsanalyse med de to signifikante uavhengige variablene Variables Entered/Removed a Model Variables Entered Variables Removed Method 1 EndringInntekt, EndringUtlånsrente b. Enter a. Dependent Variable: Boligprisindeks b. All requested variables entered. Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1,668 a,446,380, a. Predictors: (Constant), EndringInntekt, EndringUtlånsrente Coefficients a Unstandardized Coefficients Standardized Coefficients 95,0% Confidence Interval for B Lower Upper Model B Std. Error Beta t Sig. Bound Bound 1 (Constant) -,060,042-1,415,175 -,150,030 EndringUtlånsrente -,209,092 -,581-2,265,037 -,403 -,014 EndringInntekt 2,860,780,941 3,665,002 1,214 4,507 a. Dependent Variable: Boligprisindeks 56