I denna studie ska prisutvecklingen undersökas inom fastighetsbranschen från 2017 till 2020 genom att bygga upp multipel linjära regressionsmodeller. Fokusområdena omfattar Östermalm, Sundbyberg och Kista. Modeller framställs för respektive område separat, och bygger på data från Svensk Mäklarstatistik. Datamaterialet täcker respektive år mellan 2017 fram till 2020 för månaderna januari, april och september. För varje modell undersöks de grundläggande kriterierna inom regressionsanalys. Det används en stegvis metod för att konstruera en så optimal modell som möjligt. Därefter genomförs en gemensam regression som inkluderar samtliga datapunkter för samtliga områden, med område som indikatorvariabel, i syfte att undersöka om geografiska skillnader har en inverkan på bostadspriserna. Därav diskuteras modellernas trovärdighet baserat på de valda förklarande variablerna samt vilka variabler som har störst inverkan på priset. Resultatet visar att Boyta är mest signifikant för bostadspriser i Kista och Sundbyberg samt att Byggnadsår är mest signifikant för priser i Östermalm. Vidare har det konstaterats att det är möjligt att utveckla en regressionsmodell på ett godtagbart sätt, men det krävs vidare studier på en mer avancerad nivå för att få en mer realistisk bild på bostadsmarknaden. / In this thesis, the price development in the real estate industry from 2017 up to 2020 will be investigated by building multiple linear regression models. The focus areas include Östermalm, Sundbyberg and Kista. Models are prepared for each area separately, and are based on data from Svensk Mäklarstatistik. The data material covers the respective years between 2017 and 2020 for the months of January, April and September. For each model, the basic criteria in regression analysis are examined. A stepwise method is used to develop the most possible optimal model. A joint regression is then carried out that includes all data points för all areas, with area as a dummy variable, in order to investigate whether geographical differences have an impact on the real estate price. Hence, the credibility of the models is discussed based on the selected explanatory variables and which variables have the greatest impact on the housing prices. The result shows that Living area is most significant for real estate prices in Kista and Sundbyberg and that Build year is most significant for real estate prices in Östermalm. Furthermore, it has been established that it is possible to develop a regression model in an acceptable way, but further studies are required at a more advanced level to get a more realistic picture of the housing market.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-342929 |
| Date | January 2023 |
| Creators | Zeino, Melissa, Hanna, Grace |
| Publisher | KTH, Matematisk statistik |
| Source Sets | DiVA Archive at Upsalla University |
| Language | Swedish |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-SCI-GRU ; 2023:249 |
Page generated in 0.0021 seconds