Prisindekser i mindre geografiske områder

Eiendomsverdi utgir sammen med Eiendom Norge og Finn.no boligprisstatistikken hver måned.

I «Fakta om boligmarkedet» for oktober 2017 så vi hva vi ønsker av en boligprisindeks og hvilke kryssende hensyn de som lager indeksene, støter på. Mange brukere ønsker indekser for sitt lokale område. I dette «Fakta om boligmarkedet» ser vi på utfordringene vi får, når prisindeksen skal beregnes for et avgrenset geografisk område.

Boligmarkedene i Norge er preget av større geografiske forskjeller enn mange andre land. Det gjør kommunikasjon mellom områder vanskeligere, slik at boligprisene kan utvikle seg forskjellig fra område til område. Vi vil derfor ofte ikke være helt fornøyde med å vite hvordan boligprisene utviklet seg i et bredere marked, vi vil gjerne vite hvordan boligprisene har utviklet seg akkurat i det bestemte området som vi har interesse av.

La oss se på hvordan gjennomsnittsprisene i to nabokommuner i Sogn og Fjordane som eksempel: Sogndal og Årdal. Figur 1 viser de årlige gjennomsnittsprisene for 453 transaksjoner av eneboliger gjennom eiendomsmeglere i de to kommunene fra 2007 til 2017. Prisene i Årdal har en markert svakere utvikling, antagelig drevet av utviklingen i arbeidsplasser i de to kommunene og kommunikasjonsforholdene mellom kommunene.

Vi vil imidlertid gjerne ha så fersk informasjon for hvordan boligprisene utvikler seg, fortrinnsvis siste måned. Norge er imidlertid også preget av temmelig stor geografisk variasjon innenfor et område. Terrenget gjør at viktige verdidrivere som nærhet til sjø, utsikt og solforhold ofte varierer mye fra bolig til bolig. I tillegg er det ofte stor variasjon mellom boligene når det gjelder byggeår, størrelse, standard osv. Vårt boligmarked har derfor større variasjoner, det vi kaller heterogenitet, enn det vi finner i landene rundt oss. Det gjør det utfordrende å lage boligprisindekser som fanger prisutviklingen i lokale markeder, og vi må ha flere transaksjoner enn det vi har i henholdsvis Sogndal og Årdal for å kunne lage gode boligprisindekser. La oss derfor se på Asker kommune utenfor Oslo som eksempel. Asker er med sine 60 926 innbyggere per 4. kvartal 2017 en relativt stor kommune i norsk målestokk. Det er en forholdsvis stor andel eneboliger, og de ligger forholdsvis samlet, så her skulle forholdene ligge godt til rette for å få gode tall for hvordan eneboligene har utviklet seg i pris. La oss først se på gjennomsnittsprisen for eneboliger.

Figur 2 viser at gjennomsnittsprisene over de 4242 boligene som vi har sett på, solgt gjennom eiendomsmeglere, har steget sterkt fra 2002. Det har vært mindre prisfall i 2003, 2009 og 2014, samt om lag uendrede gjennomsnittspriser fra 2016 til 2017. De fleste ønsker å følge prisutviklingen tettere enn å bare ses på den årlige prisutviklingen. La oss derfor se nærmere på den månedlige prisutviklingen i Asker:

Vi ser av figur 3 at gjennomsnittsprisene varierer mye fra måned til måned. Prisene gå opp en måned og ned den neste. Den gjennomsnittlige prisendringen i enten positiv eller negativ retning er 13,2 % i denne dataserien. Men hva hvis vi ser på gjennomsnittspriser per kvadratmeter P-rom, vil ikke da få et bedre bilde av hvordan prisene utvikler seg fra måned til måned?

Dessverre hjelper dette grepet oss ikke så mye på vei. Variasjonene er riktignok lavere, men fortsatt er gjennomsnittlig prisendring 9,5 % opp eller ned måned for måned i denne dataserien.

Når vi i Eiendomsverdi AS estimerer prisutviklinger, korrigerer vi for en del flere faktorer enn ulik størrelse. Vi bruker en hedonisk metode for å justere for ulikheter bl.a. i beliggenhet, bruksareal, byggeår, alder på boligen på salgstidspunktet, eieform (selveier, eierseksjon, borettslag osv.), størrelse og eieform av tomta (selveier eller festet tomt), avstand til sjø og en hel del andre karakteristika ved eiendommen. Ut fra dette estimerer vi verdien boligen har på et bestemt tidspunkt. Deretter bruker vi forholdstallet mellom de oppnådde prisene og dette estimatet for å estimere prisutviklingen. Vi kaller dette forholdstallet for «SPAR»: Sales Price Appraisal Ratio

Dette grepet gjør at vi tydeligere får fram den underliggende prisutviklingen i området. Vi ser for eksempel av figur 5 at prisene var nokså uendrede i 2002 og 2003 og at effekten av finanskrisen kom i september-oktober 2007. Men fortsatt er tallene for varierende (volatile) til at endringen fra måned til måned gir oss pålitelig informasjon om prisutviklingen. I denne dataserien er gjennomsnittlig prisendring 5,0 % opp eller ned måned for måned.

Figur 2 viste at gjennomsnittsprisene var jevnere når vi ser på lengre tidsintervaller. Ser vi på utviklingen av SPAR-brøkene over kvartalsintervaller, blir også denne vesentlig jevnere. Figur 6 viser forløpet for eneboliger i Asker

Selv om forløpet blir vesentlig jevnere, viser serien likevel fortsatt noen utslag som ikke helt samsvarer med inntrykket av markedsutviklingen som de som kjenner markedet i området har. For eksempel var det neppe så sterk underliggende prisvekst til 2. kvartal 2008 som den lokale toppen i grafen indikerer.

I dette tilfellet skyldes dette i betydelig grad en enkelttransaksjon der avtalt pris avviker mye fra vår estimerte basisverdi. Selv i et marked som Asker, med relativt mange transaksjoner pr kvartal, er en slik enkelttransaksjon nok til å påvirke gjennomsnittsprisen mye. Dette er en av grunnene til at vi velger å basere våre prisindekser på mediantall, som i liten grad påvirkes av enkelttransaksjoner til unormalt høye eller lave priser. I våre prisindekser bruker vi dessuten en glattings- og deglattingsteknikk som støtter seg på informasjon fra omkringliggende markeder for å mer presist gjenspeile den underliggende prisutviklingen i lokale markeder. Denne teknikken er beskrevet i Eiendom Norges boligprisstatistikk for januar 2018.

Hvorfor er det så viktig å ta hensyn til mer enn gjennomsnittspriser pr eiendom eller pr kvadratmeter når vi skal vurdere prisutviklingen i et område? Vi vet at beliggenhet i alle fall er viktig. Vi avslutter med å plotte priser og kvadratmeterpriser på salg av eneboliger i perioden 2010-2014 på et utsnitt av kartet over Asker. Vi ser at beliggenheten nær Oslo i nord-øst, nær sjø og gjerne litt bort fra E18 har stor betydning for prisnivået i Asker. Selges det hovedsakelig boliger på Nesøya og Landøya i nord-øst i en periode og hovedsakelig boliger i Heggedal i sørvest i neste, så synker gjennomsnittsprisene i Asker, selv om markedet ikke egentlig har endret seg. Oppsummerende merknader Vi ønsker å kunne se prisutviklingen i et lite område innenfor et lite tidsintervall – for helt like boliger. Imidlertid står de to ønskene i et motsetningsforhold til hverandre. Et lite område krever lengre tid for å få nok data. Et lite tidsintervall krever et større område for å få nok data. I denne måneds «Fakta om boligmarkedet» har vi sett på et case, Asker, og vist effektene av ulike statistiske grep for å fange tidsutviklingen på en god måte.