Ejerlejligheder

En anden ting, der kan være interessant at undersøge, er ejerlejlighedsmarkedet. Mange af undersøgelserne af ripple-effekter har haft hovedstæder som fokuspunkt – f.eks. London, Helsinki

→→→→→ København Aalborg Århus Esbjerg Kolding Odense Roskilde Randers

København 0,1677 0,0141 0,0790 0,2152 0,4048 0,0560 0,0905

Aalborg 0,5266 0,1138 0,0119 0,0250 0,2578 0,2906 0,1201

Århus 0,1160 0,4436 0,9575 0,0623 0,1854 0,5833 0,6424

Esbjerg 0,8599 0,3565 0,2777 0,5174 0,8915 0,8486 0,8526

Kolding 0,0382 0,3142 0,2073 0,0125 0,0550 0,3071 0,9175

Odense 0,4996 0,0077 0,0236 0,3554 0,3619 0,1040 0,1074

Roskilde 0,3328 0,8932 0,2691 0,4720 0,7750 0,5930 0,5737

Randers 0,7591 0,7095 0,3674 0,5740 0,1411 0,8848 0,7081

89

og Stockholm. Det er derfor interessant at se, hvad København har af betydning for det danske boligmarked. Resultaterne i undersøgelsen på halvårlige data fra 1974 og frem til i dag giver et indtryk af, at København har ret stor indflydelse på boligprisudviklingen i resten af landet, men indflydelsen er af svingende karakter, når vi kigger på de forskellige datasæt. En af årsagerne kan være, at boligudbuddet i København hovedsageligt består af lejligheder, hvilket ikke er inkluderet i den første undersøgelse, hvor data er på enfamiliehuse. Vi har på dette område valgt kun at se på byerne.

Desværre er der ikke tilgængelige data på ejerlejligheder i byerne fra før 1992, hvorfra det er muligt at få kvartårlige data. Antallet af lejligheder i Danmark er ifølge Danmarks Statistik på nogenlunde samme niveau som antallet af parcelhuse (Danmarks Statistik, 2010). Og særligt i de fire største byer; København, Århus, Odense og Aalborg, er andelen af lejligheder høj (Danmarks Statistik, 2012). Det må således også betyde, at billedet kan ændre sig, når vi ser på ejerlejligheder frem for enfamiliehuse – særligt for København, da boligerne i Københavns Kommune ifølge kilden består af ikke mindre end 86 % lejligheder.

Resultaterne fra stationaritetstesten ser således ud:

Tabel 7.26: Resultater af Augmented Dickey-Fuller test for 0. og 1. orden for byer, ejerlejligheder 1992-2012, kvartårlige observationer for kvadratmeterpriser.

Kilde: Realkreditrådet; Boligmarkedsstatistikken.

Vi kan nu se, at Esbjerg og Vejle ved et 5 % Signifikansniveau kan afvise H₀ i 0. orden. Der er dermed indikationer på, at de to byer er stationære, hvilket er ensbetydende med, at de ikke kan indgå i kointegrationstesten, hvor der er krav om, at dataserierne er stationære af samme orden. De øvrige otte byer kan ligesom i de tidligere undersøgelser afvise stationaritet i 0. orden, imens de er

By 0. orden med

tidsdimension 1. orden København -0,767379 -4,364387 Roskilde -0,229506 -8,236614 Odense -0,432633 -12,347530 Esbjerg -3,605866 -5,992869 Horsens -2,195313 -13,775080 Kolding -1,010307 -15,096060 Vejle -4,265978 -10,022810 Randers -2,303332 -10,391360

Århus -1,320444 -4,573364

Aalborg -1,786908 -3,524210

90

stationære i 1. orden. Disse kan derfor indgå i kointegrationstesten, hvor resultaterne ses i følgende tabel:

Tabel 7.27: Resultater af Engle & Grangers kointegrationstest for byer, ejerlejligheder 1992-2012, kvartårlige observationer for kvadratmeterpriser.

Kilde: Realkreditrådet; Boligmarkedsstatistikken.

Vi kan her se, at Horsens, Kolding, Odense og Randers indbyrdes er de mest kointegrerede byer.

Samtlige kombinationer af de fire byer er således kointegreret ved et 1 % signifikansniveau.

Herudover er Kolding og Randers også kointegrerede med Århus og Aalborg ved et 1 % niveau, imens det er tilfældet for Horsens med begge de to byer ved et 5 % signifikansniveau, ligesom tilfældet er det for Odense med Aalborg. Resultaterne er således i god overensstemmelse med undersøgelsen af de halvårlige data fra 1974 og frem, hvor vi så på enfamiliehuse. Her kunne vi også se, at Odense, Randers og Kolding var stærkt kointegrerede med de øvrige jyske byer. Til gengæld kan vi nu se, at København på lejlighedsmarkedet udelukkende er kointegreret med Roskilde, hvor der ved enfamiliehusene var forbindelse til Randers, Esbjerg og Aalborg. Det er dog ikke direkte sammenligneligt, da perioden og dataintervallet er forkortet. Vi har altså på den ene side fire jysk-fynske byer, der boligprismæssigt har en langsigtsligevægt, og hvor også Aalborg og Århus har tilknytning, og på den anden side har vi de sjællandske byer, der kun indbyrdes er kointegrerede.

Sammenligner vi derimod med undersøgelsen på de halvårlige data for enfamiliehuse fra 1992 og frem, så opnår vi væsentligt stærkere resultater på det kvartårlige datasæt med lejligheder. Det skal dog igen bemærkes, at dataintervallet er forskelligt på de to undersøgelser, og at lejlighedsdatasættet derfor har det dobbelte antal observationer.

By Aalborg Århus Horsens København Kolding Odense Randers

Århus -2,284

Horsens -3,310 -3,422

København -1,864 -1,339 -1,997

Kolding -5,909 -5,831 -7,440 -1,955

Odense -3,047 -2,294 -6,246 -1,370 -6,267

Randers -3,933 -3,514 -6,090 -2,102 -6,570 -6,408

Roskilde -1,275 -1,935 -1,559 -3,551 -1,659 -1,496 -2,431 Kointegration byer

91

Går vi videre til kausalitetstesten, der er beregnet i E-Views, så opnår vi følgende resultater:

Tabel 7.28: Resultater af Granger kausalitetstest for byer, ejerlejligheder 1992-2012, kvartårlige observationer for kvadratmeterpriser.

Kilde: Realkreditrådet; Boligmarkedsstatistikken.

Vi kan nu tydeligt se, at København er styrende for boligprisudviklingen i de øvrige større byer i Danmark. Der kan således konstateres en stærkt signifikant ripple-effekt gående fra København til seks af de syv øvrige byer i undersøgelsen. Den sidste by, Randers, er også styret af København, men her må vi dog tage et 5 % signifikansniveau i brug for at konstatere effekten.

Går vi trinnet længere ned, og ser på Århus og Roskilde, så har de hver især tre ripple-effekter gående i retning af de andre byer. Fra Århus er det til den tredje- og fjerdestørste by, Odense og Aalborg, imens den sidste går imod Roskilde. Ser vi nærmere på Roskilde, så er resultaterne mere tvetydige. Godt nok er der tre kausale sammenhænge gående fra Roskilde, men på den anden side er der også fem gående i retning af Roskilde. Nøjes vi med at tage de ensrettede kausale sammenhænge, så er Roskilde styrende for Kolding og Randers, men samtidig er der kausalitet gående imod Roskilde fra alle de øvrige byer. Endeligt, så er resultaterne fra Aalborg også interessante, idet byen opnår de stærkeste resultater i undersøgelsen, hvis vi ser bort fra København.

Der er således stærkt signifikante ripple-effekter gående mod Kolding, Odense og Randers. Foruden de tre nævnte forbindelser, så har Aalborg også kausalitet gående imod Roskilde ved et 5 % signifikansniveau. Det er også værd at bemærke, at Horsens på dette datasæt ikke opnår de samme stærke resultater, som tilfældet var ved enfamiliehuse. De fundne ripple-effekter kan ses her:

→→→→→ København Aalborg Århus Horsens Kolding Odense Roskilde Randers

København 0,0013 0,0020 0,0097 0,0052 0,0006 0,0000 0,0188

Aalborg 0,6836 0,5089 0,4186 0,0003 0,0091 0,0254 0,0006

Århus 0,4927 0,0018 0,4098 0,9108 0,0000 0,0000 0,4425

Horsens 0,2863 0,4081 0,1141 0,8374 0,3078 0,0340 0,1486

Kolding 0,8368 0,9006 0,9176 0,2228 0,1679 0,2178 0,4977

Odense 0,1269 0,5395 0,6172 0,5520 0,7074 0,0001 0,3955

Roskilde 0,3982 0,3451 0,2170 0,0102 0,0040 0,0573 0,0059

Randers 0,4632 0,7482 0,0059 0,1855 0,4561 0,1596 0,0196

92

Figur 7.4: Ripple-effekter blandt byerne baseret på Realkreditrådets data.

Kilde: Egen tilvirkning.

Vi har i undersøgelsen af de fire datasæt fundet adskillige Granger-kausale sammenhænge imellem de ti byer. Vi kan derfor konkludere, at der er et samspil i korttidsprisbevægelserne. Derudover kan vi i hvert fald to klare tendenser i datasættene. Den første er, at der samlet set er tegn på, at særligt København styrer boligprisudviklingen i Danmark. Byen befinder sig i første lag i de tre undersøgelser, der gav brugbare resultater (se Figur 7.1, 7.2 og 7.3). Kausalitetstesten understøtter således vores formodning om, at en eventuel dansk ripple-effekt har sit udgangspunkt i København.

Et andet klart resultat er, at Vejle, Randers og til dels Kolding synes at være de byer, der ligger nederst, og derfor synes at være mest påvirkede af boligprisudviklingen blandt de ti byer i undersøgelsen. For de øvrige byer er billedet mere blandet. Esbjerg og Århus indtager en særstilling i undersøgelsen, da de begge præsterer at ligge i hhv. øverste og nederste lag. Her kan dataseriernes forskellige tidsperioder have en forklarende indflydelse. Det kan tænkes, at det danske boligmarked har forandret karakter fra 1974 og frem til 1992, hvor det kvartalsvise datasæt starter. Det ligger dog uden for vores opgave at lave en nærmere undersøgelse af dette. Derudover har vi set, at Odense og de jyske byer kointegrerer på boligprisudviklingen. Særligt Horsens, Randers, Kolding og Odense har lignende udvikling, men også Århus og Aalborg kobler sig på denne gruppe. Derimod synes langsigtsligevægten mere tvivlsom til København, Roskilde og Esbjerg. Nedenfor ses ripple-effekterne grafisk illustreret.

93

Figur 7.5: Ripple-effekter for de danske byer.

Kilde: Egen tilvirkning.