Syftet med denna studie var att undersöka hur konsumentvärdet och makroekonomiska faktorer påverkar en bostadsrätts försäljningspris. De variabler som användes för att beskriva konsumentvärdet var våning, månadsavgift, byggår, area och kvadratmeterpris. För att undvika generella prissvängningars inflytande på resultaten används även ett snittpriset inom det undersökta området som ett prisindex. Vidare studeras makroekonomiska faktorers påverkan på prisindexet i en separat analys. I den analysen undersöktes variablerna inflation, BNP-tillväxt, arbetslöshet och reporänta. I analysen av konsumentvärdet visade sig samtliga förklarande variabler ha signifikant relation till försäljningspriset. Analysen för makroekonomiska trender visade enbart ett signifikant förhållande för BNP-tillväxt och inflation i förhållande till prisindexet. Resultaten för prisindexet är osäkra på grund av ett begränsat dataset för de undersökta variablerna samt osäkerhet i reliabiliteten i det datasetet. / The purpose of this study is to investigate how a number of factors connected to the consumer value affects the final sales price of an apartment. More specifically the variables floor, area, cost per area unit and year of construction was examined. To avoid general price fluctuations over time the prices were weighted with a price index for mean prices of apartments in the studied area during the time of sale. Further the price index was studied to find macro economical factors with significant impact on the mean prices. The factors examined in that analysis were inflation, GDP-growth, unemployment rate and official bank-rate. The main method for this study was multiple linear regression. The result yielded by the study showed significant relation between regressors describing consumer value and the final price. The analysis of the macro economical factors showed significant relationship between only inflation and GDP-growth. The result of the regression analysis for the price index were more uncertain due to a smaller dataset and uncertainties in the reliability of that dataset.