Hedonisk verdsettelse av bolig med fleksibel geografisk inndeling

• Published in: Tidsskrift for boligforskning Vol. 5; no. 2; pp. 70 - 87
• Main Authors: Bø, Erlend Eide, Medby, Per, Nygård, Odd Erik, Takle, Mona
• Format: Journal Article
• Language: Norwegian
• Published: Universitetsforlaget 16.12.2022; Scandinavian University Press/Universitetsforlaget
• Subjects: Artikler; Boligverdsetting; geografisk aggregering; geographical aggregation; hedonic regression; hedonisk regresjon; housing valuation
• ISSN: 2535-5988; 2535-5988
• DOI: 10.18261/tfb.5.2.3

For flere formål er det nyttig å ha en modell for verdsetting av hele den norske boligmassen. Den hedoniske boligverdsettingsmodellen som i dag benyttes av Skatteetaten, har vist seg å være lite robust ved endringer av kommunegrenser. Her undersøker vi hvordan verdsettelse av boliger i større grad kan frigjøres fra kommunegrensene. Ved å benytte mer finmasket geografisk informasjon er det også mulig å forbedre treffsikkerheten til modellen. Vi utarbeider en modell basert på grunnkretser, og en maskinlæringsalgoritme for å gruppere grunnkretsene til grupper med tilstrekkelig antall observasjoner. De 14 000 grunnkretsene i Norge deles opp i ca. 1 200 grupperinger, separat for bygningstype. For hver kombinasjon av geografisk område og bygningstype kjøres en separat hedonisk regresjon for å predikere boligverdi. Den grunnleggende avveiningen ved aggregering av grunnkretser er at man ønsker små, homogene områder, samtidig som man er avhengig av et visst antall omsetninger i den hedoniske regresjonen. Det resulterer i mange, geografisk små grupper i sentrale strøk, og geografisk større grupper i mindre sentrale strøk. Slik utnyttes den store mengden informasjon i byer til bedre å predikere lokale prisnivåer. Vi estimerer den nye modellen for Oslo, Hedmark og Møre og Romsdal, tre regioner med forskjellige markedskarakteristikker. Grunnkretsmodellen gir tydelige forbedringer i prediksjonskraften for beregnet boligverdi sammenlignet med eksisterende modell. Dette gjelder for alle tre regioner, og for fire forskjellige mål på prediksjonskraft. I tillegg forbedrer grunnkretsmodellen prediksjonen av boligverdi for dyre boliger i Oslo kraftig. Dette har vært en kjent svakhet ved den eksisterende modellen. Resultatene for den nye modellen er svært like for 2019 og 2020, noe som tyder på at endringer i kommunestrukturen har liten effekt på modellen, og at den er relativt stabil over tid. Vi diskuterer også kort andre metoder som kan brukes for bedre å utnytte informasjonen som er tilgjengelig i dagens data.