New Housing Lab Working Paper

Nini Barth and Jeanette Fjære-Lindkjenn has written the paper “From boom to bust: Predicting turning points in house prices based on deviations from fundamentals”. The paper can be downloaded here.

Summary (In Norwegian):

Vi bruker norske data på kommunenivå for å undersøke driverne bak regionale boligsykler og tester empirisk modellenes evne til å predikere omslag i boligprisene. Vi anvender algoritmen til Bry og Boschan (1971) for å identifisere observerte opp- og nedturer i boligprisene for Norge som helhet og på kommunenivå for 14 av de største kommunene mellom 2003 og 2021. Deretter bruker vi en kointegrert vektorautoregressiv modell (CVAR-modell), Johansen (1988), for å estimere sammenhengen mellom reelle boligpriser og reelle boliglånsrenter, reell disponibel inntekt og boligbeholdningen i hver kommune. Vi utfører også en panelregresjon for å undersøke om det reelle boligprisgapet kan predikere omslag i boligprissykler.

Funnene våre viser at det er betydelig heterogenitet i boligprissykler når vi analyserer Norge som helhet og de 14 kommunene i perioden 2003-2021. Det er variasjon både i timing og varighet, samt i prisutslag gjennom opp- og nedturer. Det er også heterogenitet i de langsiktige driverne bak boligpriser, spesielt i responsen på endringer i brukerkostnaden. For Norge som helhet indikerer resultatene at 1 prosentpoeng økning i den reelle brukerkostnaden er assosiert med en nedgang i reelle boligpriser på 9,9 prosent på lang sikt. For Oslo er responsen på brukerkostnaden større enn for landet som helhet. Vi finner at følsomheten til boligpriser for brukerkostnaden synes å være positivt assosiert med gjeldsgraden i husholdningene. Resultatene viser at den langsiktige effekten av en endring i disponibel inntekt varierer mellom en elastisitet på 1 og 2, noe som betyr at en økning i inntekt på 1 prosent er assosiert med en økning i reelle boligpriser på 1-2 prosent på lang sikt.

Panelregresjonen viser at en økning i det reelle boligprisgapet øker sannsynligheten for en topp i boligprisene. Vi finner at en økning i det reelle boligprisgapet fra 0 til 15 prosent er assosiert med en økning i sannsynligheten for en topp i boligprisene på 7 prosentpoeng.

New Housing Lab Working Paper

Nini Barth, Andreas Benedictow and Erling Røed Larsen has written the paper “ Linking housing Tobin’s Q to land prices ”. The paper can be downloaded here.

Summary (In Norwegian):

Vi undersøker om det norske boligmarkedet produserer eneboliger til priser som tilsvarer gjenanskaffelseskostnadene. Inspirert av Glaeser og Gyrourko (2018) konstruerer vi en Tobins Q for boligmarkedet, definert som forholdet mellom boligpriser og en benchmark minste lønnsomme produksjonskostnad, mppc, for 6 norske byer mellom 2010 og 2020.

Vi definerer en benckmark mppc som byggekostnader pluss benchmark tomtekostnader, slik de hadde vært ved lav regulering eller god tomtetilgang, samt et påslag for utbyggerne. På kort sikt vil de to verdivurderingene, boligpriser og benchmark mppc, kunne avvike betydelig. På lang sikt bør velfungerende markeder sørge for at de konvergerer. Hvis Tobin’s Q for boligmarkedet er (betydelig) over én over lengre tid, kan det indikere begrensninger for investeringer, det vil si reguleringer som hindrer boligutvikling. Dette gapet mellom boligpriser og benchmark mppc er referert til som en regulatorisk skatt. Vi finner betydelige forskjeller i Tobins Q på tvers av regioner i Norge, og viser at det er en positiv sammenheng mellom Tobin’s Q og hindringer på tilbudssiden. Spesielt har Oslo, en by med strengere regulering enn medianen i Norge, langt høyere Tobin’s Q enn Kristiansand, en by med mildere regulering.

For å undersøke mekanismene på tilbudssiden, bruker vi tomtesalg for å estimere regionale tomtepriser og regnskapsdata for å estimere påslag for utviklere. Vi gjør dette for å avdekke hvilke aktører som drar nytte av gapet mellom boligprisene og benchmark mppc.

Vi finner at det er stor forskjell på tomteprisene mellom byene vi studerer. De estimerte tomteprisene i Oslo er svært høye, som stemmer overens med hypotesen om at den høye Tobin’s Q i Oslo er et resultat av begrensninger på tilbudssiden. Vi bruker også regnskapsdata for utviklere for å beregne et mål for påslag. Beregningene for påslag for utbyggerne i de 6 byene tilsier ikke at de tjener ekstra dersom boligprisene ligger over den benchmark mppc. For eksempel har Oslo og Kristiansand med vesentlig forskjellige Tobin’s Q, relativt like påslag for utbyggerne. Vi finner holdepunkter for at tomteeiere benytter en fordelaktig posisjon til å hente ut høye priser på grunn i områder med høy grad av reguleringer.

Vi tolker assosiasjonen mellom en høyere (lavere) rangering på boligvennlighetsindeksen, som rangerer norske kommuner etter hvor godt de tilrettelegger for boligbygging, og lavere (høyere) boligprisvekst som støtte for hypotesen om at høy Tobins Q indikerer en regulatorisk skatt: Byer med politikk som oppmuntrer boligutvikling, opplever lavere boligpris, lavere tomtepris og lavere Tobin’s Q.

Disse funnene kan ha politiske konsekvenser. For det første hindrer et strengere regelverk boligutvikling og innebærer høyere boligpriser. I sin tur kan høyere boligpriser hindre områder i å realisere agglomerasjonsfordeler og miste mulig arbeidskraft. Myndighetene kan oppmuntre og stimulere til nybygging ved å la flere søknader godkjennes. For det andre er det fordelingsmessige konsekvenser. I områder med regulatoriske hindringer drar tomteeiere fordel av høyere tomteverdier, mens boligkjøperne må betale høyere pris. En mer responsiv tilbudsside vil dempe disse fordelingseffektene.

Housing Lab in Real Estate Economics

The paper House price seasonality, market activity, and the December discount by Erling Røed Larsen (Housing Lab) has been accepted in Real Estate Economics.

Abstract:

In Norway, house prices tend to drop in December. This regularity is persistent across regions and over time. I exploit a transaction data set with high temporal granularity to document and estimate the size of the December discount. I control for a composition effect using a hedonic model and I control for unobserved heterogeneity by using repeat sales and involving ask prices and appraisal values. By segmenting into submarkets, I search for determinants of price seasonality. The evidence suggests that the December effect is linked to time-on-market for each unit and transaction volumes within each submarkets.