1. Bakgrunn¶
Det finnes mange overskrifter knyttet til boligmarkedet som denne fra iTromsø 6.9.23:
I denne oppgaven skal du gjennomføre en enkel samfunnsøkonomisk analyse av boligmarkedet i Tromsø kommune. Mediahuset iTromsø har gitt oss et datasett med alle eiendomstransaksjoner i Tromsø kommune 2019-2023. For å få tilgang til datasettet må du undertegne en databehandlingsavtale og sende den til derek.clark@uit.no. Vi holder oss til markedet for selveide boliger, og går ikke inn på leiemarkedet.
Datasettet er en tidsserie: 01.01.2019 – 31.12.2023, og inneholder følgende variabler:
- Registerenehtid & Bruksenhetsid (ingen personinfo, men unike verdier for boenheter og matrikkelenheter for dette datasettet)
- Salgs_dokumentaar = når boenheten ble solgt (år)
- Salgsbeloep = Salgsbeløpet
- Bruksareal = Bruksarealet til bruksenheten
- Postnummer = postnummer
- Gatenavn = Navn på gaten/vegen
- Bebygdareal = Grunnflaten av bygget
- Bruksenhetstypekode = Type (bolig eller annet formål)
- Antallrom = Antall rom i bruk
- Dokumentdato = når salget ble gjennomført.
Det ser ut som om det er lite data eller i hvert fall mangler med variabelen "Bebygdareal".
Først må du vaske datasettet. Vi er interessert i boliger som selges på det åpne markedet. Dersom flere har kjøpt boligen i lag registreres salget flere ganger i datasettet. Vi må fjerne "duplikatsalg". Da kan vi gjøre følgende:
- Fjern alle observasjoner hvor "Bruksenhetstypekode" ikke er "bolig"
- Fjern alle observasjoner hvor "Salgsbeloep" er 0.
- Fjern duplikatobservasjoner. Bruksenhetsider som er oppført flere ganger i datasettet, med salgsbeløp og salgsår som er registrert flere ganger bør filtreres slik at salget bare vises en gang.
Andre datakilder
SSB fører statistikk på blant annet boliger, bygging, og prisutvikling (se for eksempel tabellene 06265, 07230, 06035). Disse kan dere laste ned ved hjelp av et API. Dere har brukt API-er i SOK-1004 mot SSB sine databaser. Dette er også mulig å gjøre i Python selvsagt, og SSB har laget en utmerket veiledning. Jeg har oppsummert dette i en Jupyter notatblokk som heter api.ipynb i mitt repo for dette kurset.
2. Instruksjoner og oppgaver¶
Mappeoppgaven besvares individuelt. Det er ikke tillatt å samarbeide med andre om utvikling av tekst og kode. Kode som du henter fra andre kilder må siteres - se MIT retningslinjer som gir en god pekepinn.
ChatGPT/KI
Det er lov å bruke KI tjenester som ChatGPT til å renskrive tekst og/eller kode. Dersom du gjør dette MÅ du levere et appendiks til besvarelsen som viser hvordan du har brukt dette hjelpemidlet; du kan for eksempel beskrive hvordan du har gått frem, og liste opp de spørsmålene som du har brukt for å komme frem til din besvarelse. Dersom du ikke leverer et slikt appendiks er implikasjonen at du ikke har brukt KI som hjelpemiddel. Du er selv ansvarlig for å sjekke innholdet i besvarelsen fra KI-verktøyet (ikke alt er riktig!), og du må passe på at besvarelsen din flyter godt (det vil trekke ned dersom sensoren ser tydelige forskjeller mellom egen tekst og tekst som er generert av KI). UiTs retningslinjer om KI og eksamen gjelder.
Dere skal levere tre ting i Wiseflow:
- en GitHub lenke til en Jupyter notatblokk (eller annen kildefil) som inneholder både Python-kode og tekst
- en PDF fil av Jupyter notatblokken (med evt appendiks om bruk av KI)
- en PDF fil med din analyse uten kode (dvs lag en Quarto fil som du kompilerer som PDF). Denne skal være på maksimum 20 sider inkludert figurer.
Husk
- å merke alle filene med ditt kandidatnummer.
- å prøve å kompilere din notatblokk som PDF underveis (ikke vent til fristen nærmer seg!)
Oppgaven¶
Kommunestyret har bedt deg om å skrive en rapport som kartlegger boligmarkedet i Tromsø, og hvilke tiltak man kan iverksette for å redusere boligpriser. Rapporten skal skrives på et slikt nivå at det er lett forståelig for representanter i kommunestyret. Alle faguttrykk må forklares på en intuitiv måte, og figurer/tabeller må ha presise og gode forklaringer. Et godt eksempel på en slik utredning om et annet tema er Utredning av utvalgte tiltak i det norske kraftmarkedet skrevet av AFRY og Menon til Olje- og Energidepartementet i september 2022. (Dette har vi brukt i forbindelse med forelesning 5).
Samfunnsøkonomisk analyse AS har skrevet en nyttig rapport (om en annen norsk by): Boligpriseffekter av bygging i Oslo, Rapport 32-2023.
Din rapport skal inneholde følgende elementer:
Kapittel 1 - Innledning
Gi litt bakgrunn i dette kapitlet.
Du vil muligens komme inn på følgende:
- Hvilke funksjoner har boligmarkedet?
- Hvilke problemer oppstår ved høye priser i boligmarkedet?
- I tillegg til boligpriser, hva ellers bidrar til høye boutgifter?
- Hvilke tiltak kan man iverksette for å redusere boligpriser?
Til slutt vil kapitlet fortelle leseren om utredningens struktur.
Det kan være greit å kjenne til at Huseierne publiserer statistikk på bokostnader på kommunenivå.
Kapittel 2 - Boligmarkedet i Tromsø i tall og bilder
Her gir du leseren et overblikk over markedet som du skal analysere. Bruk datasettet for å gi et oversiktsbilde. Husk at priser er oppgitt i løpende NOK, som betyr at du må omregne til faste priser for å vise utviklingen over tid. (Dere har gjort dette før i SOK-1004).
Her er elementer du kan vurdere å ta med for eksempel:
- Hvor mange enheter er solgt hvert år, og hva er utviklingen i gjenommsnitts- og medianprisen?
- Hvordan varierer prisen mellom forskjellige bydeler i kommunen? Kanskje du har lyst til å sammenligne pris per kvadratmeter?
- Er priser eller antall salg påvirket av sesong?
- Hvordan er prisutviklingen i Tromsø sammenlignet med andre store byer?
- Basert på datasettet kan du beregne "Sykepleierindeksen" for Tromsø, og hvordan den har utviklet seg i perioden 2019-2023? Sykepleierindeksen måler hvor stor andel av de omsatte boligene en singel sykepleier får finansiering til å kjøpe. Sykepleieindeksen 2023
Kapittel 3 - En modell av boligmarkedet
I dette kapitlet gjennomfører du analysen.
Del 1
Her setter du opp en modell som viser hvordan markedet fungerer. I kurset så langt har vi brukt ulike varianter av markedskrysset for å analysere forskjellige markeder, og dette blir verktøyet som brukes her også. Husk å gi en god forklaring av alle figurer som du lager i forbindelse med analysen. En enkel modell settes opp i rapporten til Samfunnsøkonomisk analyse AS referert ovenfor - den kan tilpasses markedet som du ser på.
Du kan vurdere å ta med følgende elementer:
- Hva er det som bestemmer tilbud og etterspørsel i dette markedet? (Det er enklest å behandle hele boligmarkedet under ett, selv om markedet for nye og brukte boliger sannsynligvis har særtrekk).
- I hvilken grad er de grunnleggende forutsetninger bak markedskrysset oppfylt for dette markedet? Ved brudd kan man fortsatt bruke markedskrysset som modell?
- Hvordan tror du tilbud og etterspørsel ser ut i dette markedet? Hva er tilbud/etterspørsel avhengig av?
- Finnes det noen estimat på sentrale parameter (for eksempel priselastisiteten på etterspørsel eller tilbud av boliger) som vi kan bruke for å konkretise analysen?
- Som økonomer observerer vi pris og kvantum i et marked, og antar at dette er et likevektspunkt, dvs både på etterspørselskurven og tilbudskurven. For å skille tilbud fra etterspørsel trenger vi økonometriske metoder som vi ikke har lært. Men vi kan prøve å bruke datasettet til å avdekke noen sammenhenger. Tenk at du deler året inn i kvartaler, og beregner antall salg og gjennomsnittsprisen i kvartalet. Med 5 år med data gir dette 20 datapunkter som du kan tegne inn i en figur med "antall solgt" på x-aksen og "gjennomsnittspris" på y-aksen. Kanskje du kan fargelegge punktene som tilhører tidsperioden etter at noe har skjedd som antas å påvirke etterspørsel/tilbud i boligmarkedet (for eksempel perioden etter en renteheving, eller ferdigstillelse av et stort boligprosjekt). Observerer du det som du forventet? Hvorfor/hvorfor ikke? (Du kan evt velge å dele året i måneder heller enn kvalrtaler).
Del 2
Her analyserer du tiltak som kan føre til reduserte priser i Tromsøs boligmarked. Her er noen inspirasjonskilder:
- "Her har prisene gått firegangeren på 20 år", NRK 20.02.2024. Tiltak foreslått av AUF
- Høyres boligpolitikk
- Skattemessige tiltak knyttet til kjøp/salg og eie av bolig omtales i kapittel 11 i Et helhetlig skattesystem, NOU 2022:20. Se for eksempel kap 11.7 om dokumentavgift (kjøper betaler 2,5% av salgsummen ved tinglysing av eiendom).
For hvert tiltak vurder hva som skjer med tilbud/etterspørsel, og hvem som vinner/taper, samt effekten på samfunnsøkonomisk overskudd.
Kapittel 4 - Konklusjon
Her oppsummerer du kort dine funn fra analysen.
3. Bedømmelse¶
Formålet med oppgaven er å gi dere trening i å
strukturere en selvstendig utredning om et tema
anvende data og lage figurer ved hjelp av Python-kode
operasjonalisere mikroøkonomiske begrep og teori i en selvstendig analyse
trekke konklusjoner basert på analysen.
Oppgaven bedømmes ut fra følgende kriterier:
- evne til å gi kortfattede og presise definisjoner av grunnbegreper i mikroøkonomi
- evne til å anvende mikroøkonomiske begrep og bruke disse til å analysere et marked
- evne til å skrive konsist og presist for folk som ikke nødvendigvis er økonomer
- at utredningen har god struktur, analysen henger sammen og at det går en rød tråd gjennom den
- at forklaringene til figurene er presise og gode
- at Python-koden dere bruker til å løse oppgaven er oversiktlig og godt dokumentert.
4. Tilbakemelding underveis¶
Dere vil få anledning til å levere et utkast av arbeidet til Derek én gang og få tilbakemelding. Utkastet sendes per e-post (derek.clark@uit.no) innen mandag 18. mars klokken 16.00. Besvarelser som sendes etter fristen blir ikke kommentert. NB. Derek tar ferie i uke 19 (26.02-01.03).
Lykke til!