8 Om å beregne leieverdien av egen bolig i analyser av inntektsulikhet

Av Erik Fjærli

8.1 Innledning

Om lag 75 prosent av norske husholdninger eier sin egen bolig 1, og kjøp av egen bolig er vanligvis den største enkeltinvestering husholdningene gjør - gjerne med store konsekvenser for familiens økonomi i mange år. For å få et mest mulig fullstendig bilde av hvordan levekårene fordeler seg i befolkningen på et gitt tidspunkt bør analyser av inntektsulikhet også reflektere forskjeller i boligkonsum og rentebelastning 2. Husholdninger med ellers like inntekter kan ha ulike forbruksmuligheter, avhengig av om de eier en attraktiv bolig 3 og hvor mye gjeld de har. Dersom alle leide bolig i markedet ville boligkonsumet være uproblematisk, siden husleien ville inngå i forbruksutgiftene som dekkes av brutto kontantinntekter. Selveiere slipper denne forbruksutgiften, og med mindre gjeldsgraden på boligen er høy, vil de kunne ha et høyere konsum enn leietakere med ellers like inntekter. Nettoverdien av boligkonsumet vil også variere mellom selveiere, avhengig av boligens standard og beliggenhet og av husholdningens renteutgifter (gjeldsgrad). Ideelt sett skal inntekt av egen bolig beregnes som hva det vil koste å leie tilsvarende bolig (se f.eks. FN's anbefalinger i UN (1977). Også Eurostat tilrår det samme). Imidlertid har man hittil ikke hatt tilstrekkelige data om boligsituasjonen til husholdningene som kan danne grunnlag for direkte anslag på husleien for "tilsvarende bolig". I inntektsstatistikk og inntektsfordelingsanalyser er det derfor blitt vanlig praksis å ta hensyn til egen bolig ved at man verken trekker fra renteutgiftene eller legger til leieverdier i inntekten (denne standard fremgangsmåten blir heretter kalt "bruttometoden"). Ved bruttometoden antas altså inntekt av egen bolig å gå opp i opp med renteutgiftene. Dette kan være riktig for relativt nyetablerte husholdninger, men innebærer at inntekten til eldre husholdninger undervurderes.

Alternativt kan man forsøke å anslå leieverdien av egen bolig med utgangspunkt i selvangivelsesdata for formuesverdien av egen bolig, oppblåst til antatt markedsverdi med en fast faktor og multiplisert med en prosentvis leie, og med fradag for gjeldsrenter ("imputering"). I Fjærli (1999) framgår det at det har begrenset betydning for inntektsulikheten for hele populasjonen sett under ett hvordan man tar hensyn til inntekt av egen bolig: I disse beregningene gir imputerte leieverdier med fradrag for gjeldsrenter en økning i Gini-koeffisienten på under 1 prosent i forhold til bruttometoden. Imidlertid vil utelatelse av boliginntekt og renteutgifter kunne dekke over forskjeller mellom ulike grupper av befolkningen.

I dette notatet skal vi se nærmere på de viktigste problemene som er heftet ved hhv. bruttometoden og alternativet med imputering basert på enkle oppblåsinger av ligningsverdiene. I kapittel 2 sammenligner vi de to metodene og viser summarisk de viktigste forskjellene for nivået og fordelingen av boliginntektene, basert på resultatene i Fjærli (2002). I kapittel 3 ser vi nærmere på avkastningskravet (prosentleien) ved imputering, og i kapittel 4 vurderer vi om ligningstakstene er særlig egnet som utgangspunkt for anslag på markedsverdier. Kapittel 5 konkluderer.

8.2 Hvor mye betyr målemetoden for beregnet husholdningsinntekt?

I det følgende gjengir vi noen resultater fra Fjærli (2002), som viser implikasjonene for inntektsmålet av å bruke bruttometoden og alternativet med imputerte leieverdier. Her er leieverdiene anslått forholdsvis forsiktig, ved at det er brukt et avkastningskrav på 5 prosent 4 og ved at ligningstakstene er multiplisert med en faktor på 4 5. Sammenlignet med realrentenivået før skatt de senere år virker den stipulerte avkastningsraten på 5 pst. som et ganske forsiktig anslag.

Datagrunnlaget for fordelingstabellene er selvangivelsesstatistikk fra Inntekts- og formuesundersøkelsen 1998, framskrevet til 2000.

I tabell 8.1 er husholdningene delt inn i desiler og sortert stigende etter inntekt inklusive beregnet markedsleieverdi av egen bolig og fratrukket skatt og "private" renteutgifter (renter i næring er ikke trukket fra). Inntektsvariabelen er altså bruttoinntekt etter skatt (inklusive sosialhjelp etc), der inntekt av egen bolig er tatt med til anslått markedsleie og de motsvarende renteutgifter er trukket fra. Ikke alle renteutgiftene er relatert til bolig. Også forbrukslån og lån til bil, hytte etc. vil omfattes av renter utenfor næring, men det er ikke mulig å foreta noen korreksjon for dette.

Med en helt jevn inntektsfordeling vil gjennomsnittsinntekten selvfølgelig være den samme i alle desiler, og forskjellen i gjennomsnittsinntekt mellom desilene sier følgelig noe om hvor skjev inntektsfordelingen er.

Det går fram av tabell 8.1 at den imputerte markedsleieverdien av egen bolig utgjør en forholdsvis konstant andel av husholdningsinntekten, rundt 9,5 pst. Andelen er likevel noe lavere enn gjennomsnittet for de fattigste 30 pst. av husholdningene, og noe høyere for den rikeste halvparten. Den lave boliginntekten i første desil (2,2 pst.) henger sammen med at svært få av husholdningene her har inntekt av egen bolig, fordi det er et stort innslag av studenter og institusjonsbeboere i de laveste inntektsdesilene (gjennomsnittlige leieverdier omfatter også husholdninger som ikke eier sin egen bolig). Boligforbruket er altså noe skjevere fordelt enn totalinntekten og bidrar med sine 9-10 pst. av husholdningsinntektene klart positivt til forskjellene i levekår. Den gjennomsnittlige verdien av boligkonsumet ligger på ca. 50.000 til 65.000 kr. i de rikeste 20 pst. av husholdningene (9. og 10. desil), mot ca. 2.000 til 11.000 kr. for husholdningene i de to laveste desilene. De 20 pst. rikeste husholdningene står for om lag 39 pst. av boligkonsumet målt på denne måten. Dette er om lag like mye som deres andel av totalinntekten. Tar man høyde for at de rikeste husholdningene med de dyreste boligene også har gjennomgående gunstigere ligningstakster, kan inntekt av egen bolig vise seg å være enda skjevere fordelt enn i tabell 8.1, ved at vårt sjablonmessige anslag på markedsverdien av egen bolig blir for lavt for dem med de dyreste boligene. Også renteutgiftene er skjevt fordelt, noe som viser forskjeller mellom husholdningene i evnen til å bære gjeld. I de laveste to desilene er renteutgiftene ganske store i forhold til beregnet leieverdi av egen bolig. For de øvrige desilene ligger renteutgiftene på 70 til 90 prosent av beregnede leieverdier. Selv med et såpass forsiktig anslag på leieverdier som brukt her, gir standardmetoden uten tillegg av boli ginntekt og uten fradrag av renteutgifter et noe lavere anslag på inntekt av egen bolig enn imputering gjør.

Tabell 8.1 omfatter hele utvalget under ett og dekker over store forskjeller mellom husholdninger i ulike livsfaser. For å få et mer fullstendig bilde av boligkonsumets rolle i sammenheng med inntektsforhold er det derfor ønskelig å se på forskjeller mellom og innen ulike grupper av husholdninger. I tabell 8.2 har vi splittet opp utvalget i henholdsvis pensjonister og trygdede, og yrkesaktive (andre ikke-yrkesaktive er holdt utenfor). Fordelingsprofilen til inntekt av egen bolig som vi så i tabell 8.1 går igjen for begge undergruppene, med den forskjell at gruppen pensjonister og trygdede ikke overraskende har et lavere nivå på både inntekt og boligkonsum. Selv om leieverdiene til boligene er atskillig lavere for pensjonister og trygdede enn for de yrkesaktive, utgjør boliginntekten likevel en noe større andel av totalinntekten for denne gruppen. For de yrkesaktive under ett gir det om lag samme resultat om enn beregner inntekt av egen bolig ved imputering og fradrag for renteutgifter eller bruker standardprosedyren. For gruppen pensjonister og trygdede derimot, fører den vanlige fremgangsmåten med verken å ta med boliginntekt eller renteutgifter til at totalinntekten til denne gruppen undervurderes med om lag 20 prosent.

8.3 Hva koster det å leie "tilsvarende bolig"?

Vi har sett at imputering, selv med forsiktige anslag på boliginntekten, gir andre fordelingsresultater enn bruttometoden, spesielt med hensyn til husholdninger i ulike livsfaser. Imidlertid innebærer imputering at man må gjøre forutsetninger om usikre størrelser som omsetningsverdi og avkastningskrav (prosentvis leie). I dette avsnittet skal vi se nærmere på valg av avkastningskrav.

Sett bort fra virkninger via skattesystemet, vil husleien i et fritt marked tendere mot et nivå som dekker utleierens kapitalkostnader korrigert for verdiendringer, med tillegg av eventuelle drifts- og vedlikeholdsutgifter. I tillegg kommer risikovurderinger. Dersom skattesystemet er noenlunde nøytralt vil dette også gjelde etter skatt. Dersom man kjenner boligens markedsverdi og det prosentvise avkastningskravet til utleieboliger, kan man altså utlede en omtrentlig leieverdi ved å multiplisere verdien av selveierboligen med det prosentvise avkastningskravet til utleieboliger.

Uten å ta hensyn til vedlikeholdskostnader, realverdiendringer og størrelsen på en eventuell risikopremie skulle realrentenivået på 90-tallet i teorien tilsi en gjennomsnittlig leieverdi før skatt på om lag 5-6 pst. av boligens markedsverdi. Uten tilgang på data for utleieboliger som både inneholder leieinntekter og markedsverdi kan dette vanskelig etterprøves empirisk. En viss pekepinn om markedsavkastningen kan man likevel få ved å sammenligne husleie per kvadratmeter for ulike boligtyper og kvadratmeterpriser for tilsvarende selveierboliger av samme type. Med et fungerende leiemarked og boligmarked bør husleiene i gjennomsnitt ligge på om lag samme nivå som beregnede leieverdier basert på omsetningsverdier for tilsvarende selveierboliger 6, multiplisert med en realistisk avkastningsrate.

Tabell 8.3 viser et slikt mål på gjennomsnittlig leieverdi i prosent av markedsverdi for boliger etter ulike regioner, boligtyper og -størrelser. Prosentavkastningen er basert på hva leietakere og selveiere i levekårsundersøkelsen 1997 oppga som areal og henholdsvis husleie (leietakere) og anslått omsetningsverdi (selveiere), og framkommer ved å dividere den oppgitte leien per kvadratmeter for utleieboliger med den gjennomsnittlige oppgitte kvadratmeterpris for selveierboliger av samme type. I gjennomsnitt ser de oppgitte markedsverdiene og husleiene ut til å samsvare ganske bra (f.eks. etter region), men det er likevel noe variasjon i den prosentvise leien, som ser ut til å være høyest for små boliger og blokkleiligheter. Antall observasjoner er forholdsvis lavt når det gjelder leietakere, så variasjoner mellom ulike boligtyper er usikre.

For hele utvalget under ett blir den gjennomsnittlige leieverdien i prosent av oppgitt markedsverdi for sammenlignbar bolig om lag 7 pst. I forhold til en realrente før skatt i de senere årene på rundt 5- 6 pst. innebærer dette et visst påslag for den samlede vurdering av risiko, verdiendringer, vedlikehold mm. og skattemessige forhold. Alt i alt kan det synes som at leiemarkedet virkelig fungerer slik at leieprisene tenderer mot realrenten før skatt multiplisert med antatt markedsverdi. Forutsatt at man kan få gode anslag på markedsverdiene kan dette altså tjene som et brukbart mål på leieverdien av egen bolig.

8.4 Kan boligenes omsetningsverdi tilnærmes ved hjelp av ligningsverdiene?

Som det framgår av tabell 8.3 tyder data fra levekårsundersøkelsen altså på at antatt omsetningsverdi multiplisert med et prosentvis avkastningskrav gir en brukbar tilnærming til leieverdien av "tilsvarende boliger". Inntektsundersøkelsene, som i stor grad bygger på selvangivelsesdata, inneholder imidlertid ikke tall for antatt omsetningsverdi, kun ligningsverdier. Ligningsverdiene varierer mye, men utgjør i gjennomsnitt 20-25 prosent av omsetningsverdi. Ved empiriske anslag på omsetningsverdier og leieverdier har det derfor vært vanlig å blåse opp ligningsverdiene med en faktor på 4 eller 5. Selv om man på denne måten treffer ganske godt de gjennomsnittlige verdiene til boligmassen til husholdningene sett under ett, vil vilkårlighet ved takseringspraksis likevel kunne medføre at slike imputerte verdier blir for unøyaktige. 7 Videre vil systematiske feil ved takseringspraksis kunne gi tilsvarende skjevhet i inntektsberegningen, for eksempel dersom dyre boliger gjennomgående har en gunstigere ligningstakst enn billigere boliger.

Statistikk fra Statistisk sentralbyrå som bygger på omsatte boliger (se Ukens statistikk nr. 9, 1997) viser at ligningstaksten i gjennomsnitt utgjorde 31 prosent av salgssummen i 1995. I 1999 var andelen sunket til 20 prosent. For boliger omsatt for under 500.000 kroner utgjorde imidlertid ligningstaksten 36 prosent av salgssummen. For boliger omsatt for mellom 500.000 og 1 million kroner var tilsvarende tall 22 prosent, mens for boliger omsatt for over 2 millioner kroner var andelen 11 prosent. Denne statistikken bygger på opplysninger om ligningstakst fra ligningen 1999 og registrert omsetningssum i 1999 fra Grunneiendoms-, Adresse- og Bygningsregisteret (GAB). Om lag 18.000 omsatte selveierboliger som er registrert omsatt i fritt salg i 1999 er med i denne statistikken. Tabell 8.4 viser ligningstakst som andel av omsetningsverdi, etter landsdel og omsetningsverdi.

For å undersøke om takseringspraksis fanger opp de samme kjennetegn ved boligene som markedet har vi gjort en enkel regresjonsanalyse med henholdsvis antatt omsetningsverdi oppgitt i levekårsundersøkelsen 1997 og påkoblete ligningsverdier for de samme boliger fra selvangivelsesdata som avhengige variable og kjennetegn ved boligen som forklaringsvariable. Framgangsmåten som er brukt omtales gjerne som den hedoniske metode og er en velprøvd og anerkjent metode for forklaring av prisen på slike sammensatte goder som bolig og andre kapitalvarer med kvalitetsforskjeller, se Osland (2001) for en forklaring på norsk og en anvendelse av prinsippene på norske data. Den spesifikasjonen som vi har valgt her er en loglineær modell, dvs. at logaritmen til den avhengige variabelen estimeres som en lineær funksjon av logaritmen til forklaringsvariablene og et sett med dummy-variable med verdien 1 eller 0. Dummyvariablene indikerer boligens alderskategori, beliggenhet, boligtype mm. Slike modeller kan oversettes direkte som elastisiteter, ved at de estimerte regresjonskoeffisientene viser den prosentvise endringen i den avhengige variabel ved 1 prosents endring i forklaringsvariable 8. Antall observasjoner i beregningene er 1925. Forklaringsvariabelen "miljøkvalitetspoeng" er en samleverdi for svarene intervjuobjektet har gitt på en rekke spørsmål om nærmiljøet (luft, støy etc). Husholdningsinntekten og formuesverdien av annen konsumkapital er medtatt som proxyvariable for uobserverte kvaliteter ved boligen, for eksempel utsikt eller nabolag med høy status. Tanken er at husholdninger med høy inntekt og dyre biler mm. er tilbøyelige til å velge en høyere boligstandard. Reiseutgifter er antatt å virke negativt på prisen. Resultatene er gjengitt i tabell 8.5.

Som en ser av tabellen fanger ligningstakstene til en viss grad opp de samme kvaliteter som den anslåtte markedsverdien. Både konstantleddet og koeffisienten til arealet er som ventet lavere for ligningsverdiene. Betydningen av alder er sterk for ligningstakster, mens den er mer uklar for markedsverdier, utover 10 år. For boliger nyere enn 40 år er påslaget i takst signifikant og økende med avtagende alder, riktignok litt lavere for boliger med alder under 10 år enn boliger med alder 10-20 år. At taksten er lavere for eldre boliger skyldes antakelig at ligningstakstene på eldre boliger har stått forholdsvis stille i forhold til prisutviklingen, slik at eldre boliger gjennomgående har en lavere takst. Markedsverdiene derimot, behøver ikke nødvendigvis påvirkes negativt av alder fordi høy alder også kan bety at boligen ble bygget på et tidspunkt da tomter, som det nå er blitt sterk konkurranse om, var lettere tilgjengelige. Den forklarte variasjonen er mindre for ligningstakstmodellen enn for markedsverdimodellen, noe som indikerer et visst innslag av vilkårlighet. Forklaringskraften til ligningstakstmodellen er likevel overraskende god, sett på bakgrunn av oppmerksomheten som har vært omkring varierende takstpraksis.

I tabell 8.6 har vi gått et skritt videre og estimert ligningsverdier som funksjon av markedsverdier og de samme boligkjennetegn som i tabell 5.

Denne regresjonen tyder på at det er en sammenheng mellom ligningstakstene og markedsverdier, der den vesentligste forskjellen ligger i nivået. Verdt å merke seg er at koeffisienten til log(markedsverdi) er mindre enn 1, dvs. at en prosent økning i markedsverdien gir mindre enn en prosents økning i ligningstaksten. Ligningstaksten vil derfor være gunstigere for dyre boliger enn for rimeligere boliger, som også bekreftes av tabell 8.4. En god del av variasjonen i takstenes prosentandel av markedsverdi kan også forklares med boligens alder.

Selv om sammenhengen er langt fra perfekt, viser resultatene av regresjonene at det er så stort samsvar mellom oppgitte omsetningsverdier og ligningsverdier at det vil kunne være forsvarlig å bruke ligningsverdiene som grunnlag for anslag på markedsverdier, enten ved generell oppblåsing med en gjennomsnittsfaktor eller aller helst ved en funksjon som ivaretar det at ligningstakstene viser en avtagende tendens med økende markedsverdi 9.

8.5 Oppsummering

I dette notatet har vi sammenlignet bruttometoden for beregning inntekt av egen bolig (dvs. utelate både leieverdi og renteutgifter fra inntektsdefinisjonen) med det å bruke imputerte leieverdier og fradrag for renteutgifter. Videre har vi undersøkt nærmere vanlige forutsetninger i beregningsgrunnlaget for imputering; valg av avkastningsrate (prosentvis leie) og anslag på boligens markedsverdi.

For estimater av inntektsulikhet for populasjonen sett under ett, gir ikke de to metodene så veldig ulikt resultat. Forsøkene med imputering tyder imidlertid på at bruttometoden for beregning av boliginntekt medfører for lave anslag på boliginntekt, spesielt for mer etablerte husholdninger og pensjonister. På den annen side er imputering heller ikke noe fullgodt alternativ, med mindre man kan basere seg på bedre prediksjoner av omsetningsverdiene enn det man får ved å bruke ligningstakster multiplisert med faste oppblåsingsfaktorer (gjennomsnittlige forholdstall). Likevel synes det klart at bortsett fra nivåforskjellene, er det i gjennomsnitt faktisk et brukbart samsvar mellom ligningstakster og omsetningsverdier, og at det lar seg gjøre å korrigere for nivåforskjellene.

Uansett metode, viser statistikken at egen bolig utgjør en viktig del av totalforbruket til husholdningene. Etter hvert som statistikkgrunnlaget blir bedre (jf. etableringen av GAB-registeret), vil også denne delen av husholdningenes inntekt og forbruk kunne bli bedre representert.

Referanser

• Andersen, C., K. P. Hagen og J. G. Sannarnes (1993): Inntektsfordeling, kapitalinntekt og skatt, Norsk Økonomisk Tidsskrift (NØT) 107 nr. 1, 1-23

• Cropper, M.L., Leland, B.D., og McConnell, K.E. (1988): On the Choice of Functional Forms for Hedonic Price Functions. The Review of Economics and Statistics 70, (4), 668-675.

• Fjærli, E.(2002): Verdien av boligkonsumet; hvem har mest og hvem betaler? Vedlegg 2 i NOU2002:2 Boligmarkedene og boligpolitikken (KRD).

• Fjærli, E.(1999): Inntektsdefinisjoner og inntektsulikhet. Økonomiske analyser 2/99. Statistisk sentralbyrå.

• Osland, L. (2001): Den Hedonistiske metoden og estimering av attributtpriser, Norsk Økonomisk tidsskrift, 115 nr. 1, ss 1-21.

• 1987; NOS B873, 1988;B924, 1989;B967, 1990;C21, 1991;C80, 1992;C171)

• Statistisk Sentralbyrå: Ukens statistikk, 9, 1997

• Statistisk Sentralbyrå: www.ssb.no/emner/05/03/sbolig/index.html

• Statistisk Sentralbyrå: www.ssb.no/emner/00/02.

• Thoresen, T. (1998): Mikrosimulering i praksis. Analyser av endringer i offentlige overføringer til barnefamilier. Sosiale og økonomiske studier 98, 1998. Statistisk sentralbyrå.

• United Nations (1977): Provisional guidelines on statistics of the distribution of income, consumption and accumulation of households. Study M 61.