Tässä tutkimuksessa on selvitetty asuntomarkkinoiden perustoimintaa, asuntojen hintojen määräytymistä sekä niiden vaihteluun liittyviä syitä. Asuntomarkkinoita pyrittiin lähestymään sekä teorian valossa, että empiirisesti tutkimalla Suomen asuntojen hintoja vuosilta 1990-2008. Asuntojen hintojen tarkasteluun otettiin huomioon yleisten taloudellisten muuttujien vaikutus, kuten tulojen ja rakennuskustannusten kehitys.
Toisaalta kiinnitettiin huomiota myös ihmisten muodostamiin odotuksiin tulevaisuudesta liittämällä joidenkin muuttujien osalta viivästettyjä arvoja selittäjiksi regressioon.
Empiirinen osio sisälsi myös johtopäätöksiä asuntojen hintojen mahdollisesta yliarvostuksesta kyseisenä ajankohtana Suomessa. Työssä käytiin lisäksi läpi argumentteja asuntomarkkinoiden tehokkuuden kyseenalaistamiseksi sekä asuntojen hintojen kuplailmiöön vaikuttavia syitä.
Hintojen mallittamiseen käytettiin aluksi loglineaarista mallia. Kerätyn aineiston rajoissa parhaiten hintoja selittäväksi regressioyhtälöksi valikoitui yhtälö, joka sisälsi muuttujat:
korkokanta, tulotaso, työttömyys sekä yhden periodin viivästetty asuntojen hinta. Kyseiset muuttujat ovat vaikutussuhteiltaan yhdenmukaisia lukuisten aiempien tutkimusten kanssa sekä tukevat myös asuntomarkkinoiden teoriaa. Viivästetty hintamuuttuja selittäjänä sai varsin odotetunkaltaisen ja suuren kertoimen arvon, joka kertoo siitä, että asuntojen hinnoissa on ollut selvää trendinomaista liikehdintää. Kuitenkin suurin osa hintojen muutoksesta on selitettävissä kotitalouksien käytettävissä olevien tulojen kehityksellä.
Tämän pohjalta voidaan sanoa, että asuntojen hinnat ovat pyrkineet liikkumaan suhdanteiden mukaan; yleisen taloudellisen kehityksen suuntaisesti.
Loglineaarisen mallin rinnalle testattiin mallia, missä regressioyhtälön muuttujat ovat differenssejä. Malli on sovellutus Jacobsen & Naugin (2005) käyttämästä virheenkorjausmallista Norjan asuntojen hinnoille. Kyseinen toimenpide ei osoittautunut kuitenkaan yleisesti yhtä toimivaksi hintojen selittäjäksi kuin loglineaarinen malli.
Kuitenkin tässä tapauksessa eräät muuttujat olivat merkitsevämpiä, joista voidaan mainita esimerkiksi rakennuskustannusten suuri vaikutus hintaan. Kyseinen muuttuja ei ollut merkitsevä loglineaarista mallia käytettäessä, mikä on hieman yllättävää, koska se korreloi yleisesti hyvin vahvasti asuntojen tarjonnan kanssa.
Loppujen lopuksi on todettava, että loglineaarisen mallin selitysaste oli korkea sekä kertoimien arvot hyvin johdonmukaiset. On kuitenkin huomioitava, että mallille tehdyn Breusch-Godfrey-testin perusteella voidaan sanoa, että siinä on autokorrelaatio-ongelma.
Näin ollen ainakin osa regression testisuureista ei ole luotettavia ja muuttujien arvoihin on suhtauduttava hieman varauksella.
Empiirisen tutkimuksen viimeisessa vaiheessa oli tarkoituksena tarkastella sitä, onko Suomen asuntojen hinnoissa ollut yliarvostusta aineiston perusteella. Aihetta lähestyttiin kahden yleisesti käytetyn menetelmän avulla, eli vertaamalla asuntojen hintoja ensiksi vuokriin ja tämän jälkeen tulotasoon. Molemmat menetelmät antavat viitteitä siitä, että asuntojen hinnat olisivat olleet 1990-luvun alkupuolelta lähdettäessä yliarvostetut.
Tähänkin havaintoon on suhtauduttava kuitenkin hieman varauksella menetelmien yksipuolisuuden vuoksi. Esimerkiksi Himmelberg et al. (2005) ovat kritisoineet menetelmien saattavan olla harhaanjohtavia. Verrattaessa myös todellista asuntojen hintakehitystä sekä loglineaarisen mallin muodostamaa vastaavaa kehitystä saadaan hyvin samansuuntaiset vaihtelut. Tämä myös osaltaan tukee sitä, että asuntojen hintojen käyttäytymisen pohjana ovat olleet muutokset hintoihin vaikuttavissa perusmuuttujissa.
Aihetta jatkotutkimukseen tässä on paljon. Yksi lähestymistapa on ottaa mallissa paremmin huomioon henkilöiden muodostamat odotukset tulevaisuudesta. Tässä ne käsiteltiin ainoastaan edellisen periodin viivästettynä arvona, mutta esimerkiksi Jacobsen
& Naug (2005) käyttivät regressiossaan muuttujaa, joka huomioi kotitalouksien odotuksia talouden tilasta sekä heidän omasta taloudellisesta tulevaisuudestaan. Myös mallin autokorrelaatio-ongelmaan puuttuminen saattaisi johtaa hieman erilaisiin tuloksiin, jonka kautta jotkut muuttujat mallissa saisivat enemmän selitysvoimaa. Kuten myös todettua, loglineaarinen malli selittää ehkä jopa hieman liian hyvin asuntojen hintoja. Tässä
tapauksessa autokorrelaation poistaminen voisi johtaa siihen, että fundamenttimuuttujat kykenisivät selittämään pienemmän osuuden asuntojen hintojen muutoksesta. Jatkossa tähän paneutuminen sekä yliarvostuksen parempi huomioonottaminen voisi tulla kyseeseen.
Lähteet
Asuntorakentaminen ja asuntomarkkinat (2006). Valtion tukitoimenpiteiden ja
suhdannetilanteen seurantaraportti 2/2006. Ympäristöministeriö, Valtion asuntorahasto.
Bacon, P. & MacCabe, F. (2000). The Housing market in Ireland: An economic evaluation of trends and prospects. Government of Ireland Publications. Dublin.
Barberis, N. & Thaler, N. (2003). A survey of behavioral finance. Handbook of the economics of finance. Elsevier Science B.V (kyseessä on kirja, josta paperi löytyy, mutta se on olemassa myös NBER:llä.)
Barlevy, G. (2007). Economic theory and asset bubbles. Federal reserve bank of Chicago.
Economic perspectives, 3Q.
Barot, B. & Yang, Z. (2002). House prices and housing investment in Sweden and the United Kingdom. Econometric analysis for the period 1970-1998. Review of Urban &
Regional Development studies (RURDS). Vol. 14. No. 2.
Brox, J., Carvalho, E. & Duckett, M. (2007). Testing weak-form efficiency in greater Toronto area residential real estate. University of Waterloo, Department of economics.
Capozza, D., R. & Seguin, P., J. (1995). Expectations, efficiency and euphoria in the housing market. NBER working paper series. No. 5179.
Case, K., E. & Shiller R., J. (1988). The efficiency of the market for single family homes.
NBER working paper series. No. 2506.
Case, K., E. & Shiller R., J. (1990). Forecasting prices and excess returns in the housing market. NBER working paper series. No. 3368.
Case, K., E. & Shiller R., J. (2004). Is there a bubble in the housing market? Cowles foundation paper. No. 1089.
Clayton, J. (1998). Further evidence on real estate market efficiency. Journal of real estate research. Vol. 15. No. ½.
Dimson, E. & Mussavian, M. (1999). A brief history of market efficiency. European financial management. Vol. 4. No. 1. 91-193.
Dipasquale, D. (1999). Why don’t we know more about housing supply? Journal of real estate finance and economics. No. 18:1. 9-23.
Foley, P., P. (2004). Are Irish house prices determined by fundamentals?University College Cork (UCC): Economics: Research. Working paper. 04-01.
Gujarati, D., N. (2003). Basic Econometrics. Fourth edition. McGraw-Hill higher education. United States Military Academy, West Point.
Himmelberg, C., Mayer, C. & Sinai, T. (2005). Assessing high house prices: Bubbles, fundamentals and misperceptions. NBER Working paper series, 11643.
Huovari, J., Laakso, S., Luoto, J. & Pekkala, S. (2002). Asuntomarkkinoiden alueellinen ennuste. Pellervon taloudellisen tutkimuslaitoksen raportteja. No. 185.
Jacobsen, D., H. & Naug, B., E. (2005). What drives house prices? Economic Bulletin.
Q1/05.
Laakso, S. (2000a). Asuntomarkkinoiden alueellinen kehitys Suomessa 1980- ja 1990-luvuilla. Valtion taloudellinen tutkimuslaitos, keskustelualoitteita, 221.
Laakso, S. (2000b). Regional housing markets in boom and bust: The experience of Finland. Pellervon taloudellisen tutkimuslaitos, raportteja, 169.
Laakso, S. & Loikkanen, H. A. (1997). Asuntomarkkinat ja asumisen taloudellinen ohjaus.VATT, keskustelualoitteita, 140.
Lyytikäinen, T. & Lönnqvist, H. (2005). Asumiskustannukset suurissa aluekeskuksissa.
VATT, keskustelualoitteita, 361.
Mayer, C., J., Pence, K., M. & Sherlund, S., M. (2008). The rise in mortgage defaults.
Finance and Economics discussion series. Divisions of Research & Statistics and Monetary Affairs. Federal Reserve Board. Washington, D.C.
Miles, D. (1994). Housing, Financial markets and the wider economy. New York: John Wiley & Sons.
Miles, D. & Pillonca, V. (2002). Financial innovation and European housing and mortgage markets. Oxford review of economic policy. Volume 24. Number 1. 145-175.
Muellbauer & Murphy (1997). Booms and busts in the UK housing market. The Economic Journal. Vol. 107. Issue 445. 1701-1727.
Muellbauer, J. & Murphy, A. (2002). Housing markets and the economy: the assesment.
Oxford review of economic policy. Volume 24. Number 1. 1-33.
Oxley, M. (2004). Economics, planning and housing. New York: Palgrave Macmillan.
Peng, W. (2002). What drives property prices in Hong Kong. HKMA Quarterly Bulletin.
August.
Rantala, O. (1998). Asuntokysyntään vaikuttavat tekijät ja sen kehitys talouden pitkän ajan kasvu-uralla. Elinkeinoelämän tutkimuslaitos. Keskusteluaiheita, No. 629.
Robinson, R. (1979). Housing economics and public policy. London: The Macmillan Press Ltd.
Shleifer, A. (2000). Inefficient Markets: An Introduction to Behavioral Finance. Oxford university press US.
Smith, B., A. (1976). The supply of urban housing. The quarterly journal of economics, Vol. 90, No. 3, pp. 389-405.
Smith, L. B., Rosen, K. T. & Fallis, G. (1988). Recent developments in economic models of housing markets. Journal of economic literature, 26, No. 1, 29-64.
Standard & Poor’s Press release(2009). The McGraw-Hill Companies.
Stephens, M. (2002). Asuntomarkkinoiden epävakaisuus Suomessa ennen talous- ja rahaliittoon liittymistä ja sen jälkeen. Ympäristöministeriön moniste 103, 141-156.
Suomen pankki.www.bof.fi
The state of the Nation’s housing (2008). Joint center for housing studies of Harvard University.
Tilastokeskus.www.stat.fi
Vartia, L. (2006).Finland’s housing market: Reducing risks and improving policies.
OECD, Economics department working papers, 514.
Westway, P. & Pain, N. (1996). Modelling structural change in the UK housing market: A comparison of alternative house price equations. SHAPE conference paper. London Business School, March.
Liitteet
Liite 1
= -10,08 + 0,029 + 1,24 (L1)
(-18,14) (8,89) (26,69) R^2 = 0,9245
F(2,73) = 447,18 (0,0000)
= -17,22 + 0,02 + 0,33 + 1,73 (L2)
(-11,77) (3,71) (1,86) (5,16) R^2 = 0,9449
F(3,72) = 411,67 (0,0000)
Liite 2
= − 8,12 − 0,016 + 1,16 − 0,13 + 0,35 − 0,091 (L3)
(-3,30) (4,34) (3,59 (-3,36) (2,70) (-0,49) R^2 = 0,9802
F(5,66) = 652,54 (0,0000)
= − 7,23 − 0,012 + 1,03 − 0,14 + 0,34 − 0,0045 (L4)
(-3,20) (-2,81) (3,83) (-3,77) (2,74) (-1,50) R^2 = 0,9808
F(5,66) = 672,72 (0,0000)
Liite 3
Kuvio 1. Asuntojen hintamuuttuja muiden muuttujien (korko, tulot, työttömyysaste, periodin viivästetty asuntojen hinta) funktiona. Kuvioihin on piirretty myös muuttujien
yhteisvaikutusta kuvaava suora. (Tilastokeskus, Suomen pankki ja omat laskelmat)
-.15-.1-.050.05.1Asuntojen hinta
-4 -2 0 2 4 6
Korko coef = -.01634818, se = .00358519, t = -4.56
-.1-.050.05.1Asuntojen hinta
-.05 0 .05
Tulot coef = 1.0726764, se = .27105977, t = 3.96
-.1-.050.05.1Asuntojen hinta
-.6 -.4 -.2 0 .2
Työttömyysaste coef = -.13336306, se = .03616902, t = -3.69
-.1-.050.05.1Asuntojen hinta
-.1 -.05 0 .05 .1
Periodin viivästetty asuntojen hinta coef = .34601533, se = .12696752, t = 2.73
Liite 4
Kuvio 2. Asuntojen hintojen (log) suhde vuokriin (log) ajanjaksolla 1990Q1-2008Q4.
(Tilastokeskus ja omat laskelmat)
.85.9.951Hinta/vuokra-suhde
1990q1 1995q1 2000q1 2005q1 2010q1
Vuosi
Liite 5
Kuvio 3. Asuntojen hintojen (log) suhde tuloihin (log) ajanjaksolla 1990Q1-2008Q4.
(Tilastokeskus ja omat laskelmat)
Liite 6
= − 7,66 − 0,016 + 1,07 − 0,13 + 0,35 (L5)
Mallille tehdyn Durbin-Watson-testin tulokset osoittavat positiivista autokorrelaatiota mallissa:
Durbin-Watson d-statistic( 5, 72) = .6029438
.4.42.44.46.48Hinta/tulo-suhde
1990q1 1995q1 2000q1 2005q1 2010q1
Vuosi
Mallissa on kuitenkin selitettävän muuttujan yhden periodin viive selittävänä muuttujana, jolloin mallia pitäisi käsitellä autoregressiivisenä mallina, joka on muotoa:
= + + + ⋯ + + + , (L6)
missä on yhden periodin viive muuttujasta Y.
Durbin-Watson-testisuure saattaa tuottaa virheellisiä tuloksia tutkittaessa autoregressiivisen mallin autokorrelaatiota. Tässä tapauksessa käytetään Breusch-Godfrey-testiä (BG). (Gujarati 2003, 472-474.)
Taulukko 1. Mallin Breusch-Godfrey-testi. Lähde: omat laskelmat
Nollahypoteesinä on, että mallissa ei ole autokorrelaatiota, joka tämän testisuureen mukaan hylätään. Näin ollen voidaan todeta, että mallissa on autokorrelaatio-ongelma ja testisuureiden tulokset eivät välttämättä ole todenmukaiset. Residuaalien autokorrelaatio voidaan havaita myös kuviosta 4, missä mallin residuaalit on kuvattu ajan funktiona.
Vastaavanlaisen mallin tapauksessa myös esimerkiksi Foley (2004) ajautui autokorrelaatio-ongelmaan. Hänen mukaan ongelman mahdollisia syitä voivat olla:
- muuttujissa esiintyvä inertia
- nk. verkko-ilmiö (cobweb phenomenon) tai - kohdentamisvirhe (=specification bias)
H0: no serial correlation
1 36.816 1 0.0000
lags(p) chi2 df Prob > chi2 Breusch-Godfrey LM test for autocorrelation
Kuvio 4. Mallin residuaalit ajan funktiona. ( Tilastokeskus ja omat laskelmat)
-2-1012Standardoidut residuaalit
1990q1 1995q1 2000q1 2005q1 2010q1
Vuosi