Magma topp logo Til forsiden Econa

Er det boligboble i Norge?

figur-authorfigur-authorfigur-author

Sammendrag

Det er en stor utfordring å identifisere en boligboble før den sprekker. I denne artikkelen skal vi inn på metoder for å gjøre dette, og deretter illustrere verktøyet ved å spørre om det har vært bolig­bobler i Norge i perioden 1992–2013. Hovedfunnene i denne undersøkelsen er: 1) Det var overpris på boliger straks før finanskrisen ifølge én analyse, på grensen mellom overpris ogboligprisboble ifølge en annen, og en boligprisboble ifølge det tredje og lavest rangerte analysekriteriet. 2) Prisfallet etter finanskrisen var unødvendig stort ifølge alle de tre analysekriteriene som er brukt. 3) Dette siste er en del av forklaringen på den sterke prisstigningen på boliger i Norge etter finanskrisen. 4) Hvis konjunkturene i Norge i framtida blir mindre gunstige enn de har vært i undersøkelsesperioden, kan prisene i det norske boligmarkedet representere en boligprisboble.

Om å identifisere en boligboble

1 Innledning

På 2000-tallet har det vært en sterk prisstigning på bolighus og leiligheter i Norge. Etter en kortvarig nedgang i boligprisene i 2008 i kjølvannet av finanskrisen har boligprisene i Norge igjen nådd nye høyder (figur 1 i kapittel 4). Det er fra flere hold uttrykt bekymring for at det kan foreligge en boligprisboble (Røgeberg 2012). Men en boligboble kan ikke observeres, og ekspertene har vært delte i spørsmålet. For myndighetene fører dette til usikkerhet og i verste tilfelle til handlingslammelse.

I denne artikkelen skal vi komme inn på metoder for å identifisere en boligboble før den sprekker, og deretter bruke verktøyet i en statistisk analyse for å svare på spørsmålet om hvorvidt det de senere år har vært boligbobler i Norge (1992–2013). Betydningen av å identifisere en boligboble tidlig er at det øker sjansen for å forebygge en boble. Hvis en boligboble oppstår og så brister, er det mange personer, bedrifter og institusjoner som kan få problemer. Boligprisene kan bli mindre enn husholdningens boliggjeld, og de som av en eller annen grunn må selge, kan havne i håpløs gjeld. Banker taper penger og blir mer forsiktige med å låne ut. Når lånemulighetene strammes inn, vil investeringene gå ned. Med mindre økonomisk aktivitet blir det mindre produksjon og dermed økt arbeidsledighet.

Dilemmaet for myndighetene når en ikke vet om det er en boligboble, er dette: Hvis myndighetene skulle bestemme seg for å bekjempe noe som en feilaktig tror kan være en boligboble, vil dette naturligvis ha negative virkninger (unødvendig stram økonomisk politikk). Lar en utviklingen gå sin gang fordi en ikke tror at det eksisterer noen boligboble – og det så likevel viser seg å være en boble – vil en kunne stå ansikt til ansikt med de problemene vi viste til ovenfor.

Artikkelen er disponert slik: I kapittel 2 defineres hva vi mener boligbobler er. I kapittel 3 drøftes metoder/verktøy for hvordan en kan avsløre en boligboble. I kapittel 4 redegjøres for data og analysenivå i vår statistiske analyse. I kapittel 5 foretas statistiske beregninger og likningen for boligprisstigningen blir estimert. I kapittel 6 diskuterer en de empiriske funnene med tanke på å identifisere eventuell(e) boligboble(r). I kapittel 7 oppsummeres de viktigste konklusjonene.

2 Boligboble og boligprisforventninger

2.1 Hva er en boligprisboble?

Selv om boligprisene stiger, eventuelt stiger raskt og blir høye i forhold til historiske data, er det ikke nødvendigvis noen boligprisboble. Vi har nedenfor referert noen definisjoner fra økonomisk litteratur om hva en økonomisk boble er.

  • If the reason that the price is high today is only because investors believe that the selling price will be high tomorrow – when «fundamental» factors do not seem to justify such a price – then a bubble exists. (Stiglitz 1990)
  • A bubble may be defined loosely as a sharp rise in the price of an asset or a range of assets in a continuous process, with the initial rise generating expectations of further rises and attracting new buyers – generally speculators interested in profits from trading rather than in its use or earning capacity. The rise is then followed by a reversal of expectations and a sharp decline in price, often resulting in severe financial crises, which is when the bubble bursts. (Kindleberger 1991)
  • A house price bubble can be defined simply as a deviation of the market price from the fundamental value of the house. The definition implies, however, that identifying a bubble as it is developing will not be so easy, since the fundamental value of a house is generally unobservable. (Krainer 2003)
  • En definisjon i norsk litteratur er: Bobler oppstår når prisene stiger kontinuerlig fordi investorer tror at de kan ta ut gevinst ved videresalg på grunn av fortsatt vekst i prisnivå. (Grytten 2009a)

Vi skal avgrense oss til å studere boligprisbobler. Med henvisning til definisjonene ovenfor har vi en boligprisboble når prisen på bolig er høyere enn boligens fundamentale verdi. På grunn av økonomiske og andre «sjokk» vil boligprisen ofte avvike fra markedets likevektspris. I en markedsøkonomi som fungerer, vil markedsmekanismen korrigere for dette, og etter en viss tid vil det igjen være likevekt – og uten at nevneverdige problemer har oppstått. Drivkraften bak en boligboble er forventningene om en stadig høyere boligpris. Slike forventninger vil kunne opprettholde en overpris på boliger over lengre tid og bli farlige ved at det bygger seg opp et gap mellom faktisk boligpris og den fundamentale boligprisen. For å skille markedskorrigering og boligboble fra hverandre vil vi forutsette at ved en boligboble vil overprisen på boliger vedvare en tid, kanskje ½–1 år – kanskje lenger. Vi kan nå presisere en boligprisboble slik: Ved en boligboble må en observere a) en høy boligpris, b) prisen må være høyere enn boligens fundamentalverdi, c) overprisen må vedvare ½–1 år eller mer, og d) overprisen skyldes en forventning om en enda høyere boligpris i framtiden.

Vi kan altså forklare boligprisen på tidspunkt t, (PH)t, ved hjelp av to hovedtyper av variabler vist i likning (1): i) en vektor av fundamentale forklaringsvariabler og ii) markedets prisforventninger.

(1) (PH)t = h1(fundamental variabel)t +h2(EPH)t + έt

hvor

PH er boligpris

E(PH) er husholdningenes ventede boligpris­utvikling

έt = stokastisk variabel med forventning null og konstant varians

h1 ( ) og h2 ( ) er to funksjonssymboler

Hva er de fundamentale forklaringsvariablene? I et markedsorientert boligmarked vil fundamentale forklaringer være kostnadene ved å produsere boliger (snekkerkostnader, innkjøpt materiell, tomte-kostnader osv.), boligkjøpernes behov og kjøpekraft, lånerenten, arbeidsledigheten, demografiske variabler, geografiske flyttinger, antall skilsmisser, og så videre – men bare ikke boligaktørenes forventninger om boligprisenes videre utvikling.

2.2 Boligprisforventningene – virkninger på boligmarkedet

Forventninger om stigende boligpriser motiverer boligkjøperne til å kjøpe nå, før prisen når nye høyder. Forventninger om stigende boligpriser kan også friste til å utsette salget for å få enda høyere pris på salgsobjektet. På den annen side er det kostnader knyttet til å sitte med to boliger. Vi kan derfor anta at de som kjøper en bolig, normalt også selger den gamle på omtrent samme tidspunkt. Det kan være en viss tendens til asymmetri om en venter stigende eller fallende boligpriser. For praktiske formål gjør en neppe stor feil ved å anta at de aller fleste boligkjøpere selger gammel bolig på omtrent på samme tid som de kjøper den nye, uavhengig av om de venter stigende eller fallende priser.

Hvis bankene venter stigende boligpriser, vil bankene få mer trygghet for sine boligutlån, og dermed blir de mer velvillige til å gi lån til boligkjøpere. Det betyr at boligkjøpere lettere kan finansiere den økte boligetterspørselen som forventningene om økte boligpriser skaper.

Vi kan anta at forventninger om stigende boligpriser vil motivere boligutbyggere til å øke tilbudet av nye boliger. Men det kan lett være andre faktorer som gjør en slik reaksjon vanskelig: knapphet på tomter, knapphet på byggeklare tomter, knapphet på godkjente boligprosjekter.

3 Teori og metoder for å identifisere en boligboble

Case og Shiller (2004) hevder at siden forventningene i markedet er folks forventninger, bør økonomene for å identifisere en boligboble spørre folk om hvilke forventninger de har. Dette er ikke tradisjonell framgangsmåte for å identifisere en boligboble. Mer vanlig er det å bruke én eller flere av metodene nedenfor (Mikhed og Zemcik 2007).

(1) Indikasjonstester

Indikasjoner på (boligpris)bobler kan være utviklingen i husholdningenes gjeldsnivå, at den blir så høy at den ikke er bærektraftig, om gjelden øker raskere enn inntekten, om prisen på bolig øker mer enn inntekten, og så videre. Ved å se på hvilke verdier disse og liknende indikatorer hadde ved tidligere observerte bobler/kriser i boligmarkedet, håper en å finne varslingsvariabler som kan fortelle om det er eller ikke er alvorlig fare for en boligboble. Det er ingen konsensus i økonomisk litteratur om hvilke indikatorer som eventuelt er best.

(2) P/R-brøken

Brøken P (aksjekurs) / E (aksjeinntjening per aksje) er et anerkjent verktøy for aksjeanalytikere til å foreta en vurdering av aksjeprisen (Thomas 1994). Hvis et selskap har en høy P/E, og høyere enn ellers i markedet/bransjen, betyr det at markedet forventer god inntjening i løpet av de neste måneder eller år. Et selskap med en høy P/E vil måtte leve opp til de høye forventningene om å øke sin inntjening, ellers vil aksjekursen gå ned.

Bruker vi denne tankegangen på boligmarkedet, kalles brøken for P/R-indikatoren, hvor P er aktuell salgspris på boligen, og R er leieprisen (Grytten 2011). Ved fortløpende å dividere P med leieprisen (R) kan en se hvordan markedsprisen vil utvikle seg versus inntjeningen. Dersom P/R-indikatoren øker (raskt), betyr det at boligprisen vokser raskere enn leieprisen/inntjeningen. Hvis P over en (lengre) periode øker mer enn R, kan en frykte at det bygger seg opp en boligboble som ikke har dekning i fundamentale forhold. Da vil boligprisene i en markedsøkonomi før eller senere synke til det igjen blir et markedsøkonomisk sunt og bærekraftig forhold mellom boligpris og inntjeningsmulighetene.

En utfordring ved P/R-brøken er at det ikke er en naturlig likevekt for brøken, da den vil endre seg med forandringer i de fundamentale forholdene. Siden en ikke vet hvorfor boligprisen eventuelt stiger mer enn leieprisen – om det skyldes prisforventningene eller endringer i fundamentale faktorer – vil det bli vanskelig å trekke en klar konklusjon med hensyn til om det er en boligboble eller ikke.

I perioder med prisregulering vil dette kriteriet under alle omstendigheter fungere dårlig.

(3) Hodrich-Prescotts filter

Hodrick og Prescott (1997) dekomponerer tidsserier i en trendkomponent og i en syklisk komponent. Filteret vil kunne beskrive at en boligboble dannes når den sykliske korttidsbevegelsen i boligprisen beveger seg raskere opp enn trenden og forblir over trenden i måneder eller år. Når boblen sprekker og «lufta går ut av den», vil korttidsbevegelsen skjære gjennom trenden ovenfra. Hvis korttidsbevegelsen deretter vil være (nokså) sammenfallende med trenden for boligprisutviklingen, er situasjonen igjen normalisert (så lenge det varer).

Det er flere svakheter ved metoden. Noen av de viktigste vil være:

  • mekanisk metode uten noen referanser til det aktuelle fenomenet som analyseres
  • endepunktsproblematikk
  • problemet med lange konjunkturer

Problemet i det siste kulepunktet består i at hvis vi observer stigende boligpriser over en lengere periode, som blant annet er karakteristisk for boligprisene i vår undersøkelsesperiode, vil filteret justere opp trenden istedenfor å måle avviket eller syklusen. Dette blir ulogisk når formålet er å måle syklusen.

Kulepunktet endepunktsproblematikk, vil si at vi kan møte på autokorrelasjonsproblemer og estimere feil trendledd. Dette er også uheldig når vi skal måle syklusen.

(4) Faktisk boligpris og fundamentalverdi har ulik varians

Shiller (1981) viser at prisen på en beholdning som hvert år gir en viss avkastning, for eksempel en aksjebeholdning, i en markedsøkonomi har flyktige bevegelser større enn de som følger av endringene i de fundamentale forhold som bestemmer avkastningen. En anvendelse av dette teoremet kan være å hevde at observert boligpris og fundamental boligpris er variabler med ulik varians. Følgelig kan en teste for boligboble ved å se om dette er tilfellet.

Campbell og Shiller (1987) har også som utgangspunkt at faktisk boligpris og såkalt fundamental boligpris er to ulike variabler. En boligboble vil for eksempel være konsistent med at observert boligpris er ikke-stasjonær, mens fundamental boligpris er stasjonær, det vil si at disse variablene «ikke følger hverandre». Dette er imidlertid ikke en tilstrekkelig forutsetning for å identifisere en boligboble, og det vil i praksis være krevende å bruke denne eller varianter av denne teknikken til å påvise boligprisbobler.

(5) Økonometriske tester for å avsløre boligbobler

Gürkaynak (10) har gått gjennom standardmetoder for å teste om det foreligger økonomiske bobler, blant annet i) variance bounds test, ii) west two steps test, iii) Integration/Co-integration-basert test, og iv) intrinsic bubbels. Han sier at slike tester pålegger lite eller ingen struktur som kan minne om en eventuell boble. Ofte ligger det i bunn en standardmodell for at boligprisene skal stige, uten at det er spesifisert noen alternativ hypotese om at prisstigningen skal ha en boblekarakter. Det er på den måten vanskelig å bekrefte eller forkaste om det foreligger en reell boble.

En annen vanskelighet er at de såkalte boblene ikke kan observeres. Selv om modellene/testene kunne skrive ut en boble, har vi ikke noen faktisk observerbar boble å sammenlikne med.

I samme gate er problemet at hvis en skal estimere likningen for den fundamentale boligprisen (for å sammenlikne fundamental boligpris med markedspris), må en gå veien om priser som en kan observeres. Disse prisene vil være påvirket av folks prisforventninger. Dermed vil parameterestimatene i likningen for den fundamentale boligprisen bli en funksjon av folks prisforventninger. Gürkaynak (op.cit.) har derfor rett når han hevder at metodene ikke skiller godt nok mellom en feilspesifisert modell for fundamentale forklaringer og det som eventuelt er en boble. Dermed kan det som vil se ut som en rimelig konklusjon i en analyse, blir forkastet i en annen studie.

I noen tilfeller gjør forskeren modellen for fundamentalt fleksibel ved å tillate for eksempel forventningsvariabler, uten å tenke på at en dermed visker ut skillet mellom modellen for fundamentale forklaringer og det som tilhører modellen for en boble. Dette reduserer utfallsrommet for en boligboble på en kunstig måte, hevder Gürkaynak.

Strategien i denne artikkelen

Konsekvensene av den ovenstående diskusjonen vil være at vi ikke leter etter den «perfekte» metoden, men ser etter praktiske teknikker som kan belyse fenomenet boligboble og være et nyttig bidrag i diskusjon om hvorvidt det foreligger en boligboble eller ikke.

I den forbindelse skal vi formulere en likning som beskriver boligprisene ut fra fundamentale variabler – og som ekskluderer boligprisforventninger (jf. definisjonen av boligboble). Denne likningen skal vi deretter estimere og bruke til å simulere hvordan boligprisutviklingen ville ha vært hvis det ikke hadde vært for forventninger om stadig stigende priser. Deretter vil vi plotte den simulerte boligpriskurven i et diagram sammen med kurven for faktisk boligprisutvikling. Faller disse to kurvene sammen, eksisterer ingen boligboble. Ligger kurven for faktiske boligpriser over den simulerte priskurven tilstrekkelig lenge (og vi kan utelukke en markedskorrigering), har vi en boligboble.

Som vi skal komme nærmere tilbake til i kapittel 6 om statistisk analyse, vil det være økonometriske utfordringer ved denne metoden. I første rekke oppstår problemer når vi skal estimere likningen for den fundamentale etterspørselskurven uten at estimatene blir påvirket av husholdningenes prisforventninger, jf. Gürkaynaks kritikk i 3.2.

En annen utfordring representerer den økonomiske situasjonen i Norge i analyseperioden: sterk vekst i personlig økonomi, gode konjunkturer, liten arbeidsledighet og relativ lav rente. Det er gjerne ikke under slike forhold at en boligboble viser seg fram. I Kapittel 7, hvor vi skal presentere beregningsresultatene, kommer vi tilbake til spørsmålet om hvorvidt analyseperioden har vært for spesiell til å avsløre boligbobler.

I tillegg til å analysere avviket mellom markedspris og fundamental boligpris skal vi supplere med beregninger av P/R-kurven. Dette er enkle beregninger, litt komplisert å tolke, men det er en trygghet å ha mer enn ett kriterium.

Vi vil også foreta illustrasjoner ved hjelp av Hodrich–Prescott-filteret. Som det allerede framgår, ligger det ikke godt til rette for å bruke dette kriteriet med slike boligpriser vi observerer i undersøkelsesperioden. Dette er derfor det lavest rangerte kriteriet for å avsløre en boligboble. Riktignok fins det metoder for å redusere problemet. Blant annet kan en ved å endre (øke) lambda redusere endepunktsproblemet til en får resultater som anses mer rimelige (illustrert blant annet i Drolsum og Larsen 2013). «Til en får rimelige resultater» virker ikke som noen særlig betryggende forskningsmetode. Vi skal benytte kvartalsdata og vil bruke lambda = 1600, som Kydland og Prescott (1990) anbefalte for denne type data. Vi vurderte å forlenge observasjons­perioden bakover, men også da blir konklusjonen at «HP-filterets svakheter gjør det nødvendig med ytterligere analyser og drøftelser før vi kommer med endelig konklusjon» (Drolsum og Larsen, op. cit.).

4 Boligpriser, boligprisstudier og boligprismodeller

4.1 Boligpriser i Norge

Figur 1 nedenfor viser boligpriser i Norge tilbake til 1819 (Eitrheim og Erlandsen 2004). Indeksen omfatter boliger så vel som leiligheter. Indeksen er konstruert på grunnlag av et representativt utvalg av boliger/leiligheter for hele landet. Boligprisene er dividert med konsumprisindeksen slik at indeksen i figuren viser realprisen på boliger. Vi ser at realboligprisene med få unntak har steget de fleste perioder og år. Fem perioder skiller seg ut med særlig sterk prisvekst: 1890-årene, 1920-årene, 1980-årene, perioden 1993–2008 og etter 2010. Vi har i denne artikkelen som sagt valgt årene 1992–2013 som undersøkelsesperiode. For en diskusjon/analyse av prisutviklingen i Norge i tidligere perioder, se Grytten (2009b) og Nerhus (2009).

Borgersen mfl. (2012) påviser formelt at boligprisene i Norge siden dereguleringen av bolig- og kredittmarkedet på 1980-tallet har vært svært volatile. I 1992 var landet i ferd med å legge boligboble­utblåsingen i siste halvdel av 1980-tallet bak seg. Fra nå av er det en sterk boligprisvekst som i andre land, se IMF (2014). Fram til finanskrisen i 2008 ble prisene omtrent tredoblet. I løpet av finanskrisen falt boligprisene cirka 18 prosent. I perioden 2010–2014 har boligprisene igjen steget – og i omtrent samme tempo som i årene før finanskrisen.

Det er flere grunner til en prisstigning på boliger (Larsen og Sommervoll 2004). En viktig variabel er husholdningenes inntekter, som etter 2000 har hatt rekordhøy vekst. En annen variabel som også er av betydning for etterspørselen etter boliger – og dermed boligprisen – er renten. Vi kan føye til et tredje moment: Når en bolig blir kjøpt for x millioner og etter noen år igjen selges for y millioner, og y > x, kan noe av denne verdistigningen føres tilbake til de store påkostningene på boligen som er blitt vanlig i dag: Kjøkkener skiftes ut, bad oppgraderes, loft innredes, og garasjer bygges, alt i stort tempo som bidrar til at boligprisene stiger.

Det må nevnes at det også har vært en betydelig stigning i bolig- og byggekostnadene, ikke minst de senere årene. Veksten har vært sterkere enn for mange andre varer og tjenester. Stigende boligpriser grunnet stigende kostnader ved nybygg vil reflektere stigende gjenanskaffelseskostnader. Slik prisoppgang gjenspeiler fundamentale forhold i markedet, og er ikke overprising på boliger og uttrykk for boligbobletendenser. Vi må presisere at vel 90 prosent av antallet omsatte boliger i et år er eldre boliger, og kun er ti prosent er ferdigstilling av nye. Dette betyr at prisutviklingen på boligmarkedet i stor grad blir skjermet for stigning i byggekostnadene.

Også optimisme og pessimisme vil virke inn på boligpriser via forventningskanaler hos både banker og husholdninger. I tillegg kommer store, underliggende endringer i samfunnets struktur som blant annet urbanisering, flere single, alderssammensetning og innvandring (Larsen og Sommervoll op.cit.).

figur

4.2 Hva vet vi om boligmarkedet – norske studier

Jacobsen og Naug (2006) gjorde en studie av boligmarkedet i Norge som er blitt klassisk og blant annet fulgt opp i mange (master)studier som til sammen belyser mange sider ved boligmarkedet i Norge, fra boligetterspørsel til spørsmålet om boligbobler eksisterer. Av slike studier de senere år kan nevnes i kronologisk orden: Fredriksen (2007), Angset og Berge (2009), Baardsen (2009), Bertelsen og Bremnes (2007), Rørvik (2007), Reite (2008). Nerhus (2009), Rønning (2009), Bottolfs (2010), Simonsen (2010), Lebesby (2011), Schjølberg (2011), Le (2012), Lersbryggen og Larsen (2012), Duun og Hjelmestad (2013) og Kutluay og Vildiz (2013).

Jacobsen og Naug testet innledningsvis i alt tolv mulige variabler som kan bidra til å forklare boligprisstigningen i kvartalsstatistikken, herunder husholdningenes inntekt, rente, husholdningenes gjeld, samlet boligmasse, arbeidsledighet, totalbefolkning, andel av befolkning i etableringsfasen, flyttinger (inn til tettstedene). Mange av disse variablene viser seg å ha ingen signifikante påvirkninger på boligprisene. Dette gjelder blant annet flyttinger og demografiske forhold samt husholdningenes gjeld. Jacobsen og Naug ender med en feiljusteringsmodell for logaritmen til boligprisene med følgende forklaringsvariabler (i logaritmisk form): inntekt, rente, indikator for husholdningenes forventninger til egen og landets økonomi, arbeidsledighetsrate og boligmasse.

De nevnte masteroppgavene har re-estimert modellen til Jacobsen og Naug med nyere data, de har endret på modellen og benyttet andre statistiske metoder. I arbeidet med å lage en modell for å simulere fundamental boligpris har vi også hatt nytte av Larsen og Sommervoll (2001), Larsen og Mjølhus (2008), Borgersen mfl. (2011) og Røgeberg (2012).

4.3 Modell for å simulere fundamental boligpris

Fundamental boligpris bestemmes når vi har en etterspørselsfunksjon med fundamentale forklaringsfaktorer, slik som folks behov for en bolig, folks kjøpekraft, prisen på lånte penger (renten), tillit til framtidig økonomi (målt ved arbeidsledighet), eventuelt boligskattetilpasning, geografiske flyttinger, demografiske forhold, andel av befolkningen i etableringsfasen, og i kombinasjon med tilbudet av nye boliger og kostnadene ved å bygge boliger. Tidligere norske studier indikerer at inntekt, rente, arbeidsledighet og tilbud (kostnader) er blant de aller viktigste forklaringsvariablene for boligprisen. Vi har i likning 2 bygd på denne kunnskapen og forklart fundamental boligpris med variablene nevnt ovenfor. Hypotesen bak likningen er at jo høyere reallønn, desto høyere er fundamental boligpris. Jo lavere (real)rente, jo høyere etterspørsel og desto høyere fundamental boligpris. Jo flere som er arbeidsledige, desto større økonomisk utrygghet, som igjen gir mindre etterspørsel og lavere fundamental boligpris. Likningen tillater også at endringer i boligskatten påvirker boligprisen via husholdningenes skattetilpasning. Variable kostnader ved å bygge boliger (lønnskostnader til snekkere, priser på byggemateriale osv.) er representert ved boligtilbudet, det vil si antall nye ferdigstilte boliger. Stigende lønnskostnader til snekkere, økte priser på byggemateriale og så videre vil under ellers like forhold gi høyere produksjonskostnader og et vertikalt skift i grensekostnadene, og fundamental boligpris vil stige. For å opprettholde gammelt tilbud av ferdigstilte nye boliger må fundamental boligpris stige enda mer.

En del av boligbyggekostnadene kommer ikke inn under grensekostnadene, men har karakter av å være delvis faste kostnader (tomtekostnader, kostnader ved å utvikle boligprosjekter, med mer). Slike kostnadskomponenter kommer inn i konstantleddet til likning 2. Det gjør også produktivitetsveksten i byggebransjen.

Konstantleddet i likning 2 vil også fange opp betydningen for boligprisene av økende befolkningstall, utviklingen av andre demografiske parametere, nettoflyttinger mellom regioner, med mer.

Til slutt: Vi har ingen garanti for at konstantleddet ikke fanger opp effekten av prisforventninger som folk har til boligprisenes videre utvikling. Hvis parameterestimatene vil være påvirket av prisforventningene, får vi ikke estimert riktig fundamental boligpris. Vi kommer tilbake til dette spørsmålet i kapittel 5.

(2) Pt = b0 + b1Xt + b2Alt + b3rt + b4TAXt + b5Qt + ut

hvor

Pt er boligpris på tidspunkt t

Xt er gjennomsnittlig kjøpekraft på tidspunkt t, dvs. i nominell lønn justert for inflasjon

Alt er tall for arbeidsledige på tidspunkt t

rt er realrente på tidspunkt t, nominell rente dividert med konsumprisutviklingen

Qt viser antall nye ferdigbygg, på tidspunkt t

TAXt er dummyvariabler for eventuelle skift i bolig­skatten

ut er stokastisk restledd (på tidspunkt t).

b0 er et konstantledd, og b1–b5 er gitte konstanter koeffisienter

Den viktigste forskjellen mellom vår modell og Jacobsen og de andre refererte arbeidene er at vi har en statisk modell, mens de andre er såkalt feiljusteringsmodeller hvor en tenker seg at det tar noe tid før virkningen på boligprisene fullt ut er gjennomført. Selv om en finner at feilleddet ofte er signifikant, er det lite avklart hvilket «tidslag» som er best.

5 Data og analysenivå

5.1 Analysenivå

Kilde for boligpriser i våre beregninger er Statistisk sentralbyrås boligprisindeks med kvartalsstatistikk for hele landet.

Boligprisindeksen deler landet inn i elleve regioner hvorav fire er storbyer:

  • Oslo og Bærum
  • Stavanger
  • Bergen
  • Trondheim

De øvrige regioner er:

  • Resten av Akershus
  • Sørøstlandet (Østfold, Vestfold, Buskerud og Telemark)
  • Hedmark og Oppland
  • Agder og Rogaland utenom Stavanger
  • Vestlandet (Hordaland, Sogn og Fjordane, Møre og Romsdal) utenom Bergen
  • Trøndelag utenom Trondheim
  • Nord-Norge

En analyse basert på kvartalstallene for hele landet kan dekke over boligbobler i byene, som vi antar er mest utsatt for dette fenomenet. Nærmere 80 prosent av Norges befolkning bor i dag i byer og tettsteder, og denne befolkningen legger beslag på godt over 60 prosent av boligmassen. Prisutviklingen på boliger i byer og tettsteder vil derfor slå relativt sterkt gjennom i den nasjonale boligprisstatistikken. Samtidig er det meget store variasjoner i boligprisene innen en by. Eksempel: I bydelen Nordstrand i Oslo ligger kvadratmeterprisen på cirka 46 000 kr, mens nabobydelen Søndre Nordstrand har en gjennomsnittlig kvadratmeterpris på cirka 30 000 kr. Dette betyr at regioninndelingen en har muligheter for i statistikken, heller ikke er spesielt godt egnet som analyseenhet. Vi har derfor valgt å studere utviklingen i nasjonale boligpriser.

5.2 Undersøkelsesperiode – og data

Vår undersøkelsesperiode er fra 1992 til 2014. I den statistiske analysen inngår boligprisene og fem andre variabler: leiepris på boliger, arbeidsledighet, lønnsnivå, prisnivå, ferdigstilte boliger. Disse variablene er omtalt nedenfor.

Boligpriser

SSB publiserer en totalindeks for landet på kvartalsbasis. Vi har dividert boligprisindeksen med konsumprisindeksen for å få realprisen på boliger.

Om konsumprisindeksen, se nedenfor.

Leiepriser på boliger

En viktig kilde til leiepriser er levekårsundersøkelsen i 2007. Siden husleieloven slår fast i § 4-2 at endringer ikke kan justeres mer enn konsumprisindeksen, har vi kunnet estimere leiepriser tilbake til 1985. I disse beregningene har vi forutsatt homogenitet mellom ulike typer bolig, det vil si at geografisk beliggenhet og boligtype ikke har betydning for leieprisen. I perioden 2007–2013 er leieprisene faktiske tall hentet fra Statistisk sentralbyrå.

Arbeidsledighet

Kilde: Kvartalsstatistikk hentet fra AKU-undersøkelsen til Statistisk sentralbyrå.

Lønnsnivå/kjøpekraft

Kilde: Lønnsstatistikken til Statistisk sentralbyrå.

Lønnsindeksen omfatter de tre hovedelementene i månedslønnsbegrepet: avtalt månedslønn, bonuser og uregelmessige tillegg. Overtidsgodtgjørelse relaterer seg til arbeid utenfor den ordinære arbeidstiden og er ikke inkludert i årslønnsbegrepet. Det samme gjelder naturalytelser, feriepengetillegg, sluttvederlag og etterbetalinger.

Prisstigning

Konsumprisindeksen til Statistisk sentralbyrå er brukt for å beregne reallønn samt realrente.

Ferdigstilte boliger

Kilde: Norske Boligbyggelags Landsforbund.

6 Statistisk analyse

Dickey Fyller-testen

Dickey-Fullers ADF-test viste at boligpriser og husholdningenes kjøpekraft ikke var stasjonære variabler. Vi valgte derfor å estimere likning 2 i differanseform, hvor differansen i boligprisene og husholdningenes kjøpekraft er stasjonære variabler, se likning (3).

I vår observasjonsperiode (1992–2013) har beskatningen av boliger i hovedsak vært den samme, og vi har derfor i analysen eliminert leddet som i likning 2 er betegnet skattetilpasning.

(3) ΔPt = b1ΔXt + b2Δrt +b3ΔAlt + b4ΔQt + u’t

hvor

ΔPt er differansen i boligprisen mellom tidspunkt t og t-1

1 ΔXt er differansen i husholdningenes kjøpekraft mellom tidspunkt t og t-1

Δrt er differansen i realrenten mellom tidspunkt t og t-1

ΔAlt er differansen i antall arbeidsløse mellom t og t-1

ΔQt er differansen i nye ferdigstilte boliger mellom t og t-1

u’t er stokastisk variabler på tidspunkt t

b0 er et konstant ledd, og b1–b4 er gitte koeffisienter

Utskrift av beregningsresultatene med minste kvadraters metode er vist i vedlegg 1. Parameterestimatene for likning (3) er vist i tabell 6.2.

Tabell 6.2 Estimeringsresultater.
KoeffisienterStandardfeilT-stat
Husholdningenes kjøpekraft40,9120,81,96X
Rente–17247,176514,2–2,65xx
Arbeidsledighet0,0020,0110,18
Ferdigstilte boliger–0,180,05–3,65xx
x er signifikant på 5 %-nivåxx er signifikant på 1 %-nivå

Tabell 6.2 viser at parameter foran kjøpekraft (lønn), foran renten og ferdigstilte nye boliger er utsagnskraftig forskjellig fra null. Alle estimatene har fortegn som vi ventet, det vil si at høyere reallønn, lavere realrente og færre ferdigstilte boliger øker boligprisene. Hvor mye en endring i de nevnte variablene øker boligprisene, kan avleses av parameterestimatene.

Parameterestimatet til arbeidsledigheten er ikke utsagnskraftig forskjellig fra null. Det er fristende å anta at dette skyldes at det i observasjonsperioden har det vært for liten bevegelse i ledighetsraten.

Trendledd

Svakheten ved likning 3 er at noen kostnadselementer glipper, for eksempel økte tomtekostnader og økte kostnader ved å utvikle boligbyggeprosjekter. I likning 4 nedenfor har vi innført et trendledd som kan fange opp tendenser i utviklingen av produksjonskostnader for boliger som veltes over på boligprisene, men som ikke kommer med i likning 3.

Selv om tidligere analyser av det norske boligmarkedet har vist at husholdningenes gjeld, skilsmisser, demografiske variabler, geografiske flyttinger med mer ikke har signifikant innvirkning på boligprisene, kan vi ikke gå ut fra at dette vil gjelde i vårt datamateriale. Trendleddet i likningen nedenfor kan nettopp fange opp trender i utviklingen av disse og andre forhold som driver opp boligprisene.

(4) ΔPt = b0 + b1ΔXt + b2Δrt + b3ALt + b4ΔQt + u’’t

hvor b0 er et trendledd, mens likningen ellers er identisk med likning 3.

Det kan innvendes at trendleddet i likning 4 er meget sammensatt og ikke evner å holde fra hverandre de ulike grunnene til at boligprisene stiger. Svaret på denne innvendingen er at formålet med likningen er å simulere fundamental boligpris, ikke hva som er bidraget fra den enkelte faktor (som er en mer komplisert oppgave).

Resultatet av estimeringen av likning 4 er vist i tabell 6.3 nedenfor. Parameterestimatet foran arbeidsledigheten er fortsatt ikke signifikant forskjellig fra null. Parameterestimatet foran renten har endret seg en del. Fortsatt er fortegnet som ventet negativt, men blir nå usikkert bestemt. Betydningen av antall ferdigstilte boliger er signifikant, i samme grad som før. En større endring har skjedd når det gjelder virkningen av husholdningenes kjøpekraft. Den er nå ikke lenger signifikant forskjellig fra null. Men til gjengjeld har momentene som skjuler seg bak trendleddet, vist seg å ha stor betydning for boligprisens utvikling. Når det gjelder forklaringskraft målt ved multippel R, er likning 3 og 4 omtrent jevngode, se vedlegg 1, tabell 1.

Tabell 6.3 Estimeringsresultater.
ForklaringsvariablerParameterestimaterStandardfeilT-stat
Trend362,6081,174,47
Kjøpekraft–29,8124,90–1,20
Rente–3 259,446 614,04–0,49
Arbeidsledighet0,010,010,86
Ferdigstilte boliger–0,190,05–3,74

En tolkning av resultatet i tabell 6.3 kan være at trendleddet reflekterer forhold som er viktige for boligprisenes utvikling, for eksempel tomtekostnader og andre boligbyggekostnader, demografiske variabler, regionale flyttinger (og som er ignorert i likning 3). Ifølge tabell 6.3 overfører denne økonometriske modellen forklaringskraft fra kjøpekraftsvariabelen til trendleddet.

Ved beregning av fundamental boligpris valgte vi å legge til grunn likning 4 (men sjekket at dette valget ikke gav vesentlig andre resultater enn om vi hadde brukt likning 3). Da estimatene i tabell 6.3 ble satt inn i likning 4, fikk vi likning 5 nedenfor. Vi simulerte fundamental boligpris ved at løpende, observerte verdier for kjøpekraften, renten, arbeidsledigheten og antall ferdigstilte nye boliger i observasjonsperioden ble satt inn i denne likningen.

(5) ΔPt = 362,600325 – 29,8ΔX – 3359,1Δr + 0,009ΔAL – 0,18450915ΔQ

Hva med prisforventningene?

Vi har tidligere nevnt utfordringen med å estimere den fundamentale boligprisen uten at disse vil bli påvirket av prisforventningene i boligmarkedet.

Prisforventningene bidrar til at det blir et systematisk avvik mellom observert boligpris og fundamental pris. I vedlegg 2 har vi plottet restleddet i likning 4. Gjennom 1990-årene skjer det lite med restleddet utover at det svinger rundt null. Det var mange som ble hardt rammet av boligprisfallet på slutten av 1980-tallet, og lysten til å spekulere i stigende priser var liten. Gapet mellom markedets boligpris og fundamental boligpris er i denne perioden konstant, bortsett fra tilfeldige svingninger i restleddet. Det er en viss tendens til stigende restledd fra 2000–2001, som reflekterer at boligprisen stiger sterkere enn fundamentalpris. Men det økonomiske tilbakeslaget i 2001–2002 gjør at dette bare ble et lite blaff. Det er fra 2006–2007 at restleddet stiger markant og markedsprisen på boliger stiger signifikant i forhold til fundamental pris. Finanskrisen bringer restleddet kontant ned og gjenspeiler at finanskrisen og fallet i boligprisene skapte pessimisme. Nedgangen i boligprisen er stor, og boligprisen faller mye i forhold til fundamental boligpris. At boligprisen kommer på et nivå under fundamental boligpris, gir grunnlag for senere relativt sterk boligprisoppgang. Fra 2010–2011 blir dette forstått av aktørene i boligmarkedet, det dannes positive prisforventninger, og boligprisen stiger relativt sterkt (og restleddet i vedlegg 2 stiger fram til 2014).

Gjennomgangen ovenfor gir inntrykk av at restleddets variasjoner fanger opp endringene i prisforventningene. I den grad dette er riktig, vil prisforventningene i mindre grad prege parameterestimatene i likning 5.

På den annen side, av vedlegg 2 og restleddsplottene ser vi at restleddet ikke er normalt fordelt. Det betyr igjen at likning 4 ikke fullt ut er en velspesifisert økonometrisk modell. Vi kan derfor ikke se bort fra at parameterestimatene vil være påvirket av prisforventningene.

7 Hva beregningsresultatene viste

7.1 Strategiske vurderinger i lys av datamaterialet

Stigende boligpriser

Figur 1 viser at boligprisene i Norge i lange perioder i undersøkelsesperioden har steget sterkt. Det betyr at HP-filteret, som påpekt i metodediskusjonen, er en dårlig metode for å avsløre en boligprisboble. Vi har tidligere konkludert med at HP-kriteriet blir rangert som dårligere enn de to andre kriteriene (avviket mellom observert boligpris i markedet og fundamental pris samt P/R-brøken).

Spesielle konjunkturer i analyseperioden

I perioden vi har studert, har de fundamentale forholdene i norsk økonomi vært meget gode sett under ett. Det har vært sterk vekst i kjøpekraft, gode konjunkturer, liten arbeidsledighet og stabil, lav rente. En interessant vinkling av diskusjonen får vi hvis vi spør om observasjonsmaterialet er representativt for det som i framtiden vil være normalt. Vi vet i dag ikke svaret på dette spørsmålet. Skulle de grunnleggende økonomiske forholdene imidlertid endres til det verre, vil det trolig vise seg på dette tidspunktet at dagens boligpriser er overpriset – og kan representerer en boligprisboble.

7.2 Avviket mellom faktisk boligpris og fundamental boligverdi

I figur 2 på neste side har vi plottet inn beregninger av fundamentale boligpriser i perioden 1992–2014 basert på likning 5. Det er i figuren forutsatt at fundamental boligpris i 1992 er lik observert markedspris. I samme figur har vi plottet inn faktiske boligpriser. Grafen viser at boligprisene på begynnelsen av 1990-tallet var lavere enn boligenes fundamentalverdier. Det vil si at etter det sterke fallet i boligpriser på slutten av 1980-tallet, er det nå en underpris på boliger. Fra slutten av 1990-årene kommer det mer optimisme inn i boligmarkedet, og det negative gapet blir gradvis mindre. Rundt 2001 er de faktiske boligprisene i ferd med å innhente fundamental boligpris. Deretter øker det negative gapet noe (kanskje som en effekt av begivenhetene 11. september 2001?). Gradvis kommer optimismen tilbake i boligmarkedet, og figur 2 viser at rundt 2006 krysser kurvene hverandre, og deretter bygger det seg opp et positivt gap mellom observert boligpris og fundamental boligpris. Men det positive gapet opphører brått med finanskrisen i 2008. Perioden med overpris har i figur 2 ikke den varighet som berettiger til å kalle gapet en boligboble.

Figur 2 viser at i kjølvannet av finanskrisen faller boligprisene betydelig. Ja, figuren viser at prisfallet også er unødvendig stort sammenliknet med hva fundamental boligpris er på dette tidspunktet. Dette er igjen bakgrunnen for at det ble en relativt sterk boligprisstigning fra 2009–2010 og de neste årene.

Figur 2 viser heller ingen boligboble i tiden videre fram til 2014. I siste del av 2013 stagnerer boligprisveksten – og prisen går også noe tilbake – men fundamental boligpris ligger nå over.

figur

7.3 Resultatene av PR-analysen

I figur 3 nedenfor er P/R-verdiene beregnet for perioden 1985–2013. Etter prissammenbruddet etter boligboblen sist i 1980-årene, får P/R-brøken sin bunnrekord i 1993. I de neste årene øker brøken i verdi, noe som indikerer at boligprisene nå øker mer enn leieprisene – og som kan reflektere at optimismen nå er tilbake i boligmarkedet. Boligprisene fortsetter å stige i forhold til leieprisen gjennom 1990-årene og inn i det nye århundret. Fra 2000 er P/R-brøken høyere enn gjennomsnittsverdien av brøken for hele perioden 1985–2014. Det er likevel ikke mulig å påvise boligboble på en entydig måte. Stigningen i brøken kan skyldes at fundamentale forhold har endret seg i positiv retning, og at etterspørselen etter boliger har økt (og at leieprisen på grunn av tregheter ikke har fått tid til å justere seg). Det kan også skyldes at prisforventningene har presset boligprisene opp uten at det har skjedd endringer i de fundamentale forholdene, det vil si at det har bygget seg opp en boligprisboble.

Under finanskrisen faller P/R-brøken til nivå 22. Fallet indikerer at det før finanskrisen enten har vært en overpris eller en boligboble, men at det er noe vanskelig for P/R-brøken å skille mellom overpris og boble. Men det positive gapet mellom P/R-brøken på denne tiden og den nye P/R-brøken er såpass stabilt at vi heller mest til at det har vært en boligboble.

Figur 3 bekrefter resultatet i figur 2 om at boligprisfallet i 2009 var unødvendig stort.

figur

7.3 Hodrich-Prescotts filter (HP-filter)

HP-filteret med en lambdaverdi på 1600 gav resultatene vist i figur 4, hvor den orange linjen er trenden og den blå viser korttidsbevegelsene i boligprisene.

Figur 4 kan bekrefte det vi tidligere har sagt om filteret. I stedet for å måle syklusene kan det synes som at den lange serien av stigende boligpriser løfter trenden, slik at avviket til faktiske boligpriser reduseres. Vi ser tydelig at gapene mellom kurvene i figur 4 er mindre enn i figur 2, som vi også ventet.

HP-filteret antyder derimot en boligboble straks før finanskrisen. Det er noe overraskende i lys av de egenskaper som filteret har når vi observerer en lang serie med stigende boligpriser. Dette resultatet kan ha sammenheng med det betydelige prisfallet i kjølvannet av finanskrisen som dytter trendlinjen ned, og at kriteriet på akkurat dette tidspunktet tilnærmet måler den korrekte syklusen?

Vi har tidligere antydet at da boligprisene i Norge begynte å falle i kjølvannet av finanskrisen, var det trolig mange i det norske boligmarkedet som mente at vi hadde å gjøre med en boligboble (påvirket av det man observerte i andre land). De nye forventningene førte til at boligprisene falt kraftig, vel 18 prosent, og ifølge figur 4 kom markedsprisen på boliger tydelig under trendleddet. Med andre ord er det felles for alle analysene at prisfallet synes unødvendig stort, som igjen forklarer at kort tid etter finanskrisen får vi igjen en sterk prisstigning i Norge på boliger.

Da vi brukte HP-filteret, ble det på kort tid (to år) ny likevekt mellom markedsprisen på boliger og fundamental pris.

Ifølge figur 4 er det i 2012 tegn til en overpris på boliger som korrigeres i løpet av 2013.

figur

8 Konklusjoner

Våre analyser viser at vi straks før finanskrisen kan observere boligpriser høyere enn de fundamentale boligprisene. Det er likevel uklart om overprisingen kvalifiserer til betegnelsen boligboble eller kun overprising, siden hovedkriteriene viser henholdsvis overprising (figur 2) og svak boligboble (figur 3). HP-filteret, som tyder på en boligboble, er et lavere rangert kriterium.

Det er rimelig å anta at informasjon om fallende boligpriser og en boligboble som sprakk i andre land, bidro sterkt til å skape negative boligprisforventninger også i Norge. Dette er trolig en viktig grunn til at realprisen på boliger i Norge sank betydelig i kjølvannet av finanskrisen. Alle våre kriterier kan tyde på at prisfallet var større enn det som var nødvendig. Dette siste er igjen en viktig forklaring på at boligprisene i Norge steg relativt sterkt etter finanskrisen.

Vi kan ikke dokumentere noen boligprisboble i Norge i dag. Hvis konjunkturene i årene som kommer, vil være mindre gunstige for Norge, slik mange i dag tror, kan det likevel vise seg at vi har en boligboble, og at realprisen på boliger må ned. Det vil da bli en stor politisk utfordring å bidra til en kontrollert utblåsing av boblen og unngå en ukontrollert punktering.

Vedlegg 1

Utskrift av beregningsresultatene

Vedlegg 1 Tabell 1 Regresjonsstatistikk.
Med konstantleddUten konstantledd
Multippel R0,464842240,47136341
R-kvadrat0,216078310,22218347
Korrigert R20,17587720,18202143
Standardfeil547,576847612,878121
Observasjoner8787
Vedlegg 1 Tabell 2 Variansanalyse.
fgfgSKSKGKGKFFF-testF-test
Uten trend­leddMed trend­leddUten trend­leddMed trend­leddUten trend­leddUten trend­leddUten trend­leddMed trend­leddUten trend­leddMed trend­ledd
Regresjon448905553,176446489,022226388,291611622,265,9275,374933580,00030,0007
Restledd837831176426,123387551,5375619,591299840,404
Total8738240081979,2298340410,5

Vedlegg 2

Residualplott

figur
  • Angset, E. og M.B. Berge (2009). Finansielle kriser og utsikter for krakk i det norske boligmarkedet. Masteroppgave i finansiell økonomi, Norges Handelshøyskole.
  • Baardsen, H. (2009). Boligboble i Norge? En empirisk studie av det norske boligmarkedet. Masteroppgave i finansiell økonomi, Norges Handelshøyskole.
  • Bottolfs, T.F. (2010). Hvordan er tilstanden til boligmarkedet i Oslo, befinner vi oss i en boligprisboble? Masteroppgave i finansiell økonomi, Norges Handelshøyskole.
  • Borgersen, T.A., H. Hungness og E. Jansen (2009). Boligpris, kredttvekst og virkninger på realøkonomien. Magma, 5.
  • Bertelsen, C.H. og J.M. Bremnes (2007). Dagens boligmarked: Euforiske tilstander – eller strukturelle endringer? Masteroppgave i finansiell økonomi, Norges Handelshøyskole.
  • Case K.E. og R.J. Shiller (2004). Is there a bubble in the housing market? Cowles Foundation Paper 1089, Yale University.
  • Campbell, J.Y. og Robert J. Shiller (1987). Cointegration and tests of present value models. Journal of Political Economy, 95(5):1062–1088.
  • Drolsum, K.L. og M.F. Larsen (2013). Er Norge på vei inn i en boligboble? Selvstendig arbeid innen masterstudiet økonomi og administrasjon, hovedprofil finansiell økonomi, Norges Handelshøyskole.
  • Duun, A. og K. Hjelmeland (2011). Is there a bubble in the Norwegian house market? Master thesis, Copenhagen Business School.
  • Eitrheim, Ø. og S.K. Erlandsen (2004). Historical monetary statistics for Norway 1819–2003, Norges Bank Occasional Papers No. 35.
  • Fredriksen, H. (2007). En kritisk gjennomgang av Jacobsen og Naug sin modell for hva som driver boligprisene. Masteroppgave i finansiell økonomi, Norges Handelshøyskole.
  • Grytten, O.H. (2009a). Boligboble? Empiriske indikatorer i historisk perspektiv. Magma, 5: 26–39.
  • Grytten, O.H. (2009b). Boligkrakk og finanskrise i historisk perspektiv. Samfunnsøkonomen, 4: 39–50.
  • Grytten, O.H. (2011). Forelesningsnotat FIE431 P/E-analyse og bobleteori. Norges Handelshøyskole.
  • Gürkaynak, R.S. (2008). Econometric test of asset price price bubbles: Taking stock. Journal of Economic Surveys, 22(1): 166–186.
  • Hodrick, R.J. og E.C. Prescott (1997). Postwar U.S. Business Cycles: An Empirical Investigation. Journal of Money, Credit and Banking, 29(1): 1–16.
  • IMF. (2014). Global Housing Watch.
  • Jacobsen, D.H. og B.E. Naug (2004). Hva driver boligprisene? Penger og Kreditt, 4: 229–239.
  • Kindleberger, Ch.P. (1991). Bubbles. I: J. Eatwell mfl. (red.), The New Palgrave, The World of Economics, s. 20–22) New York: Macmillan Press Limited.
  • Krainer, J. (2003). House Price Bubbles, Federal Reserve Bank of San Fransisco (FRBSF). Economic Letter, 6.
  • Kydland, F.E. og E.C. Prescott (1990). Business Cycles: Real Facts and a Monetary Myth. Federal Reserve Bank of Minneapolis Quarterly Review, Spring: 3–18.
  • Kutluay, M. og S. Yildiz (2013). Boligprisutvikling i Norge. Har vi en boligboble? Masteroppgave, Universitetet for miljø og og biovitenskap.
  • Larsen, E.R. jr. og D.E. Sommervoll (2004). Hva bestemmer boligprisene? Samfunnspeilet, 2: 17–34.
  • Larsen, E.R. jr. og J. Mjølhus (2008). Finanskrise – lånefest – og dagen derpå. Oslo: Gyldendal.
  • Le, H.N. (2012). Analyse av det norske boligmarkedet. Er det en boble i boligmarkedet? Masteroppgave, Universitetet i Oslo.
  • Lebesby, K. (2011). Boligpriser og gjeldsbelastninger. Masteroppgave, Universitetet i Oslo.
  • Lersbryggen, K.D. og M.F. Larsen (2012). Er Norge på vei inn i en boligboble? Selvstendig arbeid innen masterstudiet økonomi og administrasjon, hovedprofil finansiell økonomi, Norges Handelshøyskole.
  • Mikhed, V. og P. Zemcik (2007). Testing for Bubbles in Housing Markets: A Panel Data Approach. Working Paper Series 338. Praha: Charles University.
  • Nerhus, Sture (2009). Boligbobler 1819–2008. Masteroppgave i finansiell økonomi, Norges Handelshøyskole.
  • Reite, E. (2008). Er vi i en boligboble? En empiriske analyse av det norske boligmarked. Masteroppgave i finansiell økonomi, Norges Handelshøyskole.
  • Røgeberg, O. (2012). Er dette den store boligboble? Samfunnsøkonomen, 2: 38–47.
  • Rønning, C.F. (2009). Hva driver boligpriser? Masteroppgave, NTNU.
  • Rørvik, M.K. (2007). Boligpriser og norske konjunkturer. Masteroppgave i finansiell økonomi, Norges Handelshøyskole.
  • Schjølberg, C.S. (2011). Kartlegging av en boble og utsikter for et krakk i det norske boligmarked. Masteroppgave, Universitetet i Bodø.
  • Shiller, R.J. (1987). Do Stock Prices Move Too Much to be Justified by Subsequent Changes in Dividends? Economic Review, 71(3): 421–436.
  • Simonsen, E. (2010). Norges boligmarked. En makroøkonomisk prisvurdering. Masteroppgave, Universitetet i Tromsø.
  • Stiglitz, J.E. (1990). Symposium on Bubbles. The Journal of Economic Perspectives, 4(2): 13–18.
  • Thomas, J.B. (1994). P/E Ratios Driven by Variety of Factors, Carry Variety of Meanings. Indianapolis Business Journal, 23.

© Econas Informasjonsservice AS, Rosenkrantz' gate 22 Postboks 1869 Vika N-0124 OSLO
E-post: post@econa.no.  Telefon: 22 82 80 00.  Org. nr 937 747 187. ISSN 1500-0788.

RSS