Heterogenitetsindekser for boligområder som kunnskapsgrunnlag for inkluderende boligpolitikk

Innledning¹

Byene er i økende grad arena for sosioøkonomisk ulikhet, og det er behov for økt forståelse for hvilken rolle boligpolitikken spiller i byenes sosioøkonomiske utvikling. I de siste årene har både forskning og mediedebatten fokusert på utfordringen lavinntektsgrupper og førstegangskjøpere har med å komme inn i boligmarkedet i pressområder (Bø og Revold 2019; Mamre 2021). Samtidig har det vokst frem en dypere forståelse for hvordan boligpolitikken bidrar til å sementere og styrke hopnings- og segregeringsmønstre og hvordan dette virker inn på innbyggeres livsvilkår (Meld. St. 18 (2016–2017)). Tendensen til hopning med mer sosioøkonomisk likhet innenfor nabolag og større avstand mellom ulike nabolag er påpekt av bl.a. Hernæs, Markussen og Røed, 2020; NOU 2020: 16. Presskommuner som Oslo, Bergen og Tromsø har i økende grad vedtatt politiske mål om mer inkluderende boligmarkeder med sosial profil, som rommer tilbud til et bredt spekter av hushold når det gjelder sosioøkonomisk status og livsfaser (Oslo kommune, 2019; Bergen kommune, 2023a, 2023b).

Til forskjell fra våre naboland Sverige og Danmark skjer boligproduksjonen i Norge nesten utelukkende gjennom private eiendomsaktører som planlegger og bygger boliger (Hansson, 2019). Kommunen har likevel en viktig rolle, først og fremst som myndighet i beslutninger om arealbruk og byggesaker. I formålsparagrafen for plan- og bygningsloven (2008) uttrykkes det tydelige forventninger om at kommuner skal ta en mer strategisk styringsrolle gjennom planinstrumentene. Dette kan de gjøre ved å «bestille» større bredde i nybyggingen, og ved å bruke bredden av virkemidler de har for å realisere en boligpolitikk som i større grad gir rom for alle typer hushold i alle områder av kommunen. De er den primære arealmyndighet som skal gi en langsiktig retning for (bolig)utviklingen, de vedtar reguleringer, de har flere boligsosiale virkemidler (støttet av Husbanken), de har organisatoriske virkemidler (tomteselskap, kommunale foretak), og de kan ha kommunal eiendom som virkemiddel (KS, 2018). Barlindhaug et al. (2014b) spør imidlertid om kommunene bruker virkemidlene på måter som bidrar til utjevning og spredning, og om kommunene trenger flere virkemidler for å oppnå dette. Dersom inkluderende boligmarkeder og mangfoldige byområder er et politisk ønske, og kommunen ønsker å unngå hopning av levekårsutfordringer i noen områder og sterk konsentrasjon av høyinntektsgrupper i andre områder, hva trenger så kommunen av kunnskap om boligmasse og boligmarked? Om de ønsker å utøve strategisk lederskap, og se virkemidler i sammenheng, på hvilket kunnskapsgrunnlag skal de bygge sine strategiske beslutninger?

Artikkelen tar utgangspunkt i at kommunene er oppfordret til å utforme en helhetlig boligpolitikk (Kommunal- og moderniseringsdepartementet, 2020; Kommunal- og distriktsdepartementet, 2023), og flere er i gang med å revidere sine kommuneplaner og boligplaner. Helhetlig kommunal boligpolitikk kan defineres som at «[b]oligbehovet og kommunens utfordringer i boligpolitikken må defineres, boligpolitiske mål, strategier og tiltak må forankres i kommunens plan- og styringssystem, og kommunene må velge virkemidler, organisering og samarbeid som svarer ut kommunens utfordringer» (KS, 2018). Det innebærer blant annet at kommunene forsøker å integrere boligtilbud til husstander som ikke har økonomisk kapasitet til å kjøpe en egnet bolig på det ordinære boligmarkedet (se Oslo kommune, 2019). Dette kan omfatte bruk av de såkalte nye kjøpsmodellene, som leie-til-eie eller del-eie som tilbys hushold uten egenkapital og med begrenset betalingsevne (Christiansen og Kjærås, 2022; Christiansen og Nordahl, under utgivelse), eller boliger til hushold som kommunen har et eksplisitt ansvar for. Flere kommuner retter nå politikken sin mot flere målgrupper. Dette kommer eksempelvis godt frem i Oslo kommunes illustrasjon av hvordan en helhetlig boligpolitikk må se alle målgrupper for bolig i sammenheng når de skal bruke sine virkemidler (Oslo kommune, 2018:9).

Dersom boligpolitikken skal ses på mer helhetlig, må kommunens ulike ansvarsområder ses i sammenheng. I et slikt arbeid er strategisk lederskap essensielt, og planer, strategier og økonomiplan/budsjett er viktige styringsverktøy (Hanssen og Aarsæther 2018a, 2018b). Vår forskningsinteresse i denne artikkelen handler om hvorvidt et nytt kunnskapsgrunnlag kan bidra til å hjelpe kommunene med å utøve et mer strategisk lederskap for å oppnå en mer helhetlig og inkluderende boligpolitikk.

Dersom kommunen ønsker å unngå segregering og hopning av levekårsutfordringer i noen områder, og sterk konsentrasjon av høyinntektsgrupper, hva trenger så kommunen av kunnskap om boligmassen? Hva slags redskap trenger kommunen for å sørge for at boligmarkedet er inkluderende, og bidra til at byområdene er mangfoldige? Om de ønsker å utøve strategisk lederskap, og se virkemidler i sammenheng, på hvilket kunnskapsgrunnlag skal de bygge strategiske beslutninger? Denne artikkelen presenterer en ny type datagrunnlag som belyser faktiske variasjoner i et boligområde – variasjoner som favner både sosioøkonomiske forhold og bygningsmessige forhold. Kommunenes sterkeste styring over nybyggingen går gjennom lokalisering og boligtype, og artikkelen presenterer et kartleggingsredskap som viser sammenhengen mellom et områdes fysiske utforming og dets sosioøkonomiske sammensetning. Kartleggingsredskapet er utformet for å måle variasjon, eller grad av fysisk og sosial heterogenitet, i et boligområde. Det er utformet med tanke på å supplere og utvide det kunnskapsgrunnlaget som kommunene i dag baserer sin boligplanlegging på. Kommuner benytter i dag en rekke ulike statistiske data, som befolkningsframskrivinger, boligbehovsanalyser, boligpreferanser og oversikt over reguleringsreserver og tomtereserver på den ene siden, og områdebaserte levekårskartlegginger på den andre (Hofstad, 2018; Barlindhaug et al., 2014b). En utfordring når arealpolitikken utformes, er å se dette i sammenheng med trekk ved den eksisterende boligmassen – innenfor konkrete områder. Indeksen og kartene som utformes på grunnlag av indeksen, kan derfor også spille en rolle i byggesaksbehandlingen, spesielt i kommuner som har liten plankapasitet.

Artikkelen starter med å beskrive det som her betegnes som heterogenitetsindeks, og følger opp med å drøfte anvendeligheten av slik nabolagsrelatert kunnskap for boligplanlegging. Artikkelen er bygget opp for å belyse følgende tre problemstillinger:

Artikkelens bidrag til forskningen og politikkfeltet er et nybrottsarbeid hvor eksisterende statistikk er satt sammen til nykonstruerte heterogenitetsmål for hver bolig innenfor et gitt geografisk område, slik at området kan gis en skår ut fra graden av heterogenitet. Heterogenitetsmålene baserer seg på eksisterende matrikkelinformasjon for norske eiendommer, systematisert av Eiendomsverdi AS. Ambisjonen er å bidra i et kunnskapsfelt om hva slags informasjon kommunen bør basere sine planer på. Indeksene kan også bidra i evalueringer av kommuners boligpolitikk over tid, og være mål på hvorvidt politikken bidrar til mer eller mindre heterogenitet. Artikkelen vil dermed bidra til litteraturen rundt boligmarked og segregering, og til planfeltet. I tillegg bidrar den med statistisk modellutvikling som er relevant for boligforskningen i Norge.

Teoretisk perspektiv: inkluderende lokale boligmarkeder og strategisk byledelse

Den store majoriteten av boligproduksjonen i Norge skjer gjennom private eiendomsaktører, som skaffer tomter, planlegger og bygger boliger, og kommunens rolle er tilpasset dette (Nordahl, 2018; Barlindhaug et al., 2014a, 2014b). Det innebærer at kommunen i mindre grad kan bruke «hands-on» styringsvirkemidler, som de kunne om de bygget boliger selv, og heller må bruke «hands-off» styring (Sørensen og Torfing, 2017; Stead, 2021, Nadin et al., 2021), i form av strategisk ledelse, målformuleringer og juridisk bindende planer. Å bruke denne formen for strategisk styring til å «bestille» større bredde i nybyggingen, som spesifikke og velbegrunnede forventninger rettet mot alle aktørene, tydeliggjør kommunens behov og mål for markedsaktørene.

Plan- og bygningsloven tildeler kommunen myndighet og en rekke virkemidler de kan bruke – som kan betraktes som både «hands-off» og «hands-on» styringsvirkemidler. De skal svare på de lokale samfunnsutfordringene gjennom planstrategi og legge de overordnede (strategiske) føringene for utviklingen gjennom kommuneplanen, og de er samtidig den primære arealmyndighet og vedtar juridisk bindende reguleringer (og utbyggingsavtaler). De har i tillegg en rekke andre virkemidler, som flere boligsosiale virkemidler (støttet av Husbanken), de har organisatoriske virkemidler (tomteselskap, kommunale foretak), og de kan bruke kommunal eiendom som virkemiddel (KS, 2018). Samtidig har de ansvar for folkehelse og helse- og omsorgstjenester, og det boligbehovet dette fordrer (Gautun og Grønningsæter, 2012; Munkejord et al., 2018; Sandlie og Gulbrandsen, 2021; Moe et al., 2023). Barlindhaug et al. (2014b) spør imidlertid om kommunene bruker virkemidlene på måter som bidrar til utjevning og spredning, og om kommunene trenger flere virkemidler for å oppnå dette.

Ut fra et helhetlig boligpolitikkperspektiv er det naturlig for kommunen å se mange ansvarsområder i sammenheng: som sin rolle som planmyndighet (regulere for privat boligbygging), sin rolle som forvalter av boligsosiale virkemidler og Husbankens virkemiddelapparat, sin rolle som kommunal eiendomsbesitter, sine investeringer i pleie- og omsorg, sine organisatoriske virkemidler og ikke minst, kommunens nettverksbyggende, samfunnsutviklende og innoverende rolle. I en slik kombinasjon er strategisk lederskap essensielt for å få til sammenhengstenkning, hvor strategier, samfunnsplaner, arealplaner og økonomiplan/budsjett er viktige ledelsesverktøy. Vår forskningsinteresse dreier seg rundt hvilket kunnskapsgrunnlag som trengs for å utøve strategisk lederskap i en helhetlig boligpolitikk. Den vanligste informasjonen som ligger til grunn for kommunenes boligbyggepolitikk, er levekårsstatistikk, befolkningsprognoser og boligbehovsberegninger, samt at enkelte også gjennomfører undersøkelse som innhenter informasjon om boligpreferanser. Noen kommuner sammenstiller i tillegg reguleringsreserver og tilgjengelig areal.

Artikkelen utforsker muligheter for å bruke tilgjengelig statistikk til å lage lokale heterogenitetsindikatorer som kan vise flere trekk ved nærområders karakter og dynamikk. Den underliggende tanken er at ulike mål og indikatorer som viser homogenitet og heterogenitet, er relevante og viktige i kommunenes arealplanlegging, dersom målet for boligpolitikken er å unngå segregering og hopning. Boligstørrelse og -pris legger premisser for hvilke inntektsgrupper som har råd til å kjøpe seg inn i området i et nabolag gjennom det ordinære markedet – markedet selekterer etter kjøpekraft. Hvorvidt et område er homogent eller heterogent når det gjelder ulike egenskaper ved boligen (boligmassens karakter, størrelse, pris), vil derfor ha innvirkning på hvem som bor der, og dermed på områdets variasjon i kjøpekraft og inntektsgrupper. Å få informasjon om variasjoner i lokalområders egenskaper må ses som relevant dersom målet er mangfoldige byområder – og som et første steg for å motvirke segregering basert på sosioøkonomisk status og kjøpekraft.

Ambisjonen er å bidra i et kunnskapsfelt om hva slags informasjon som planer bør bygge på. Kommunal- og distriktsdepartementet gir en god oversikt over kunnskapskilder, også for sosiale forhold. Felles for de mange indikatorene på sosiale forhold er at de i liten grad er geografisk nyansert. De gir primært tverrsnitt for hele kommunen på forhold som flytting, andel i ulike boligtyper, aldersprofiler, eier versus leier m.m. Kommunene vil ofte ha tall brutt ned på kommunedelsnivå, men disse er sjelden kartfestet. Utbyggere som skal planlegge boligprosjekter, kan lete opp en rekke kartfestede detaljer om natur, terreng, biologiske aspekter, vernesoner, skoler og barnehager m.m., men så vidt vi vet, er det ingen kommuner som gir kartfestet informasjon om sosiale forhold eller områdets grad av mangfold. Det kan være gode grunner til at kommunene ikke ønsker å spre informasjon om hopning av sosiale forhold til utbyggere – eller det generelle publikum – med tanke på å unngå stigmatisering. Samtidig vil det være viktig for kommunen å kunne kommunisere hva slags boliger de ønsker i et bestemt område, til utbyggere, og begrunne ønsket. Kommunen har et overordnet ansvar for den helhetlige utviklingen innenfor alle områder i kommunen. For å oppnå størst mulig heterogenitet innenfor hvert lokalområde trenger de kunnskap om karakteren på den eksisterende boligmassen. Tilsvarende må ønsket om sosioøkonomisk heterogenitet innenfor området og ønsker om bredde være underbygget med dokumentasjon i dialogen mellom planmyndighet og utbygger, men da på måter som ikke bidrar til stigmatisering av særlige nabolag. Den analytiske modellen for studien ser derfor ut som i illustrasjon nedenfor, hvor heterogenitetsindeksens potensielle rolle i en mer strategisk ledet boligpolitikk kommer tydelig frem.

Figur 1.

Artikkelen bygger på en forutsetning om at kommunenes kapabilitet for å utøve innflytelse over boligbyggingen går gjennom dialog med markedsaktører. For å styrke en slik dialog er kunnskap om markedsdynamikken viktig. Det er lite skrevet om tilbudssiden i lokale boligmarkeder, betydelig mindre enn det er skrevet om etterspørselen. DiPasquale fant bare to bidrag i 30-årsperioden fra 1960 til 1990 (DiPasquale, 1999) til tross for, som forfatteren påpeker, at kunnskap om tilbudssiden er viktig, blant annet for å forstå hvordan tilbydere reagerer på offentlig politikk og forventninger til dem som boligprodusenter. Kunnskap om lokale dynamikker og hvordan lokale delmarkeder samvirker, er viktig for å forstå hvordan markedsdynamikken forsterker trender og dermed også for hvordan trender kan motvirkes eller snus. Meen og Nygard (2011) viser for eksempel at reguleringsbestemmelser alene i liten grad kan forklare forskjeller i utvikling innenfor én og samme by. I en studie om London finner de at eksisterende boligstruktur har stor betydning for hvordan utbyggere tilnærmer seg området, selv under samme «planleggingsregime». Funnene støttes også av forskning fra ulike kinesiske byer (Shen, Wang, Wang, Zhang og Lu, 2019).

Lokale forhold er avgjørende for utbyggeres investeringsønsker og dermed for hvor de vil bygge hva. Forskjeller mellom områder gjør også at boligmarkedet til forskjell fra mange andre markeder har lav grad av substituerbarhet på tvers av områder. Dette påvirker dynamikken som følger av økende boligpriser: Det er ikke slik at boligsøkere har samme preferanser. Noen områder er mer attraktive enn andre. Hadde alle områdene vært substituerbare, og en hadde hatt «perfekt substitusjon» mellom områder, ville en boligprisøkning som følge av økt etterspørsel ført til samme aktivitet i alle typer områder. Slik er det ikke. Fordi noen boligområder er mer attraktive enn andre, vil prisene øke mer i disse områdene. Det vil i praksis være sammenheng mellom et områdes attraktivitet, prisnivå og boligsøkeres økonomiske situasjon. Dermed vil lav grad av substitusjon mellom områder i praksis bidra til mer segregering (Ren, Wong og Chau, 2023). I tillegg vil prisutviklingen i et område gjerne ha forsterkende effekter. Blant annet vil grunneiere tilpasse prisforventninger til utvikling i området (Haila, 2007, 2017), slik at jo høyere prisene i et område blir, jo mer vil grunneierne ha for tomtene, og jo høyere blir utviklingskostnadene.

Skal kommunene forsøke å bryte opp denne type spiraler og tendenser til økende segregering, må de ta i bruk en rekke virkemidler. Å «bestille» bestemte typer boliger er ett virkemiddel. Plan- og bygningsloven gir anledning til å bestemme boligtype og fordeling av leilighetsstørrelser innenfor et område. Det er vel kjent at kommunenes vurderinger av «hva området trenger», ikke alltid stemmer overens med det utbyggerne ønsker å bygge. Kommunene ønsker områdekomplementaritet, mens utbyggerne i praksis tenderer til å ønske områdekonformitet gjennom de forarbeidene de gjør for sine prosjekter (Fanning, 2005), også i Norge (Grimstad, 2014).

Skal kommunen styrke graden av prismessig «spillover» mellom ulike delområder, vil det også være viktig å øke attraktiviteten i de mer utsatte delene av kommunen. Gjennom oppgradering av transport, uteområder, særlig tilrettelegging for noen boligtyper m.m. kan kommunene påvirke preferanser og bidra til å øke attraktiviteten i områder, ikke bare for dem som bor der, men også for utbyggere.

Kommuner i Norge har fått en klar bestilling om å bidra til helhetlig boligutvikling – til tilstrekkelig boligbygging og til å sikre en sosial bærekraft gjennom helhetlig boligpolitikk (KDD, 2023). Det betyr at skillet mellom den allmenne boligbyggingen og den sosiale boligpolitikken viskes noe ut. Det betyr også at kommunene trenger å samtale med utbyggere om hvilke områder som «trenger hva slags boliger». Indekser over grader av heterogenitet er et forslag til underlag i denne type dialog.

Datagrunnlag

Artikkelen presenterer ulike heterogenitetsindekser som er konstruert på grunnlag av eksisterende statistikk over boliger.² Dataene vi bruker, er laget på bakgrunn av matrikkelinformasjon om norske eiendommer, systematisert av Eiendomsverdi AS. Det betyr at de også omfatter boliger som ikke er registrert solgt de siste 20 år. Dette er et viktig poeng siden vi er interessert i å beregne heterogeniteten i et lokalt boligområde, og da er den totale boligbeholdning i området interessant. Det ville bli teoretisk feil å se på kun de boliger som «tilfeldigvis» har vært solgt i de siste 20 år.

Vi har valgt ut tre byer som eksempler, og de brukes som illustrerende caser – mer enn som komparative caser. Byene er Oslo, Bergen og Tromsø, som alle kan karakteriseres som presskommuner. Grunnen til å velge ut byer er for å illustrere hvordan heterogenitetsindeksene kan fremstilles visuelt gjennom kart og gjennom ulike figurer. Dermed blir det enklere å se hvordan indeksen eventuelt vil kunne fungere som kunnskapsbidrag i utformingen av byenes boligplaner og boligpolitikk.

Tabellen nedenfor gir en oversiktsstatistikk over boligbeholdningsdataene for casebyene.

Heterogenitetsindeksene som presenteres i artikkelen, er produsert som informasjonspiloter for kommunene i forskningsprosjektet «StrategicHousing».³ I prosjektet er indeksene (og visualiseringene av dem) også blitt presentert og diskutert i digitale workshops for grupper av administrativt ansatte i hver av de tre byene (Bergen, Tromsø, Oslo).

Hva er heterogenitetsindekser for bolig – og hvordan kan de illustreres?

I dag er kunnskapsgrunnlaget for kommuners boligpolitikk ulikt fra kommune til kommune. I kommuner med store kompetansemiljøer i planavdelingen ligger følgende ofte til grunn: befolkningsframskrivinger, kartlegging av boligbehov og boligpreferanser, kartlegging av bolig-/reguleringsreserver, samt oversikter over tomtereserver. Vi vil her vise hvordan eksisterende statistisk materiale kan brukes til å lage heterogenitetsindekser, som kan supplere kunnskapgrunnlaget.

Konstruksjon av indeks for boligmasse-heterogenitet

Målet for boligmasse-heterogenitet tar utgangspunkt i den geografiske plasseringen til en gitt bolig. Vi beregner heterogent i det lokale bo-området med denne boligen som referansepunkt. Heterogenitetsberegningen blir så gjort for alle boliger i det aktuelle området. Dette heterogenitetsmålet kan deretter aggregeres opp til grunnkrets, postkode eller en annen ønsket aggregering.

Konstruksjonen av heterogenitetsindeksen har to hovedelementer:

1. Et mål for hvor ulike to boliger er. Dette målet tar hensyn til variabler som størrelse og boligtype.

2. Indeksbidraget fra en bolig som ligger i en avstand på x meter fra referanseboligen til dette målet.

Vi tar det siste elementet først. Det er naturlig at nærliggende boliger gir et større bidrag til indeksen enn boliger som ligger lenger unna. Og videre, noen boliger ligger for langt unna til å være en del av den aktuelle boligens nærområde. I vårt heterogenitetsmål har vi satt denne grensen til å være 500 meter (i luftlinje). Videre har vi valgt en Epanechnikov-funksjon for å vekte opp boliger som ligger nær referanseboligen, i forhold til de boligene som ligger lenger unna. Det må sies at denne grensen på 500 meter og denne vektingsfunksjonen er naturlige, men ikke naturgitte valg.⁴ De er heller ikke kritiske for selve indeksen. Det viktige er at indeksmålet reflekterer hva som kan sies å være nært i gangavstand. Vi vil referere til denne vekten som distansevekten.

Definisjonen av heterogenitetsindeksen (het) til hus (hi) er dermed:

$het\text{(}{h}_i\text{) = }\sum d_E(h_{i1},h_{i2})\cdot d_f(h_{i1},h_{i2})$

Her er dE() Epanechnikov geoveiingsfunksjon og df () er den hedoniske funksjonsavstanden.

Målet for vi bruker for boligulikhet, er intuitivt lett å forstå, samtidig er det rikt på tekniske detaljer.⁵ Vi skal her gi en kort ikke-teknisk beskrivelse. La oss tenke konkret. Se på følgende tre boliger:

• Leilighet 60 kvadratmeter 3. et.

• Leilighet 80 kvadratmeter 5. et.

• Leilighet 100 kvadratmeter 4. et.

Hvor ulike er leilighet A og leilighet B? Den ene er 20 kvadratmeter større og ligger to etasjer over. Hvordan skal vi sammenlikne denne forskjellen mellom A og B med forskjellen mellom A og C? En slik sammenlikning betyr at vi blir nødt til å sammenlikne en etasjedifferanse på 2 versus 1, med en kvadratmeterdifferanse på 20 versus 40.

Den overordnede innsikten er at det finnes ingen sammenlikningsmåte som er opplagt eller naturgitt. Samtidig er problemet med å sammenlikne ulike variabler på tvers av observasjoner i et datasett en kjent utfordring i statistisk analyse og maskinlæring. Eksempelvis når vi søker på Google, er algoritmen avhengig av et avstandsmål mellom internettsiden og våre søkeord.

En mye brukt vei for å gjøre ulike variabler enklere å sammenlikne er å transformere dem slik at de lever i samme tallområde. Dette er en form for normalisering som faller inn under det som kalles «feature engineering». En mye brukt normalisering er enhetsintervallnormalisering. Det betyr at vi transformerer hver variabel slik at den ligger i intervallet 0 til 1. Dersom vi i datasettet vårt har etasje 0 til 20, betyr det at første etasje blir 0.05 og tjuende etasje er 1. I analysen bruker vi følgende kjennetegn ved boligen: boligstørrelse (BRA), tomtestørrelse (for de boliger der tomtestørrelse har mening), etasje (for de boliger der etasje har mening), og boligtype. Vi bruker en kombinasjon av enhetsintervallnormalisering og kvartilnormalisering.⁶ Når alle boligkjennetegn er normaliserte, kan vi regne ut avstanden, «feature distance», på akkurat samme måte som vi regner ut vanlig romlig avstand.

Vårt heterogenitetsmål er da den distansevektede summen av feature-distansene til boligene i en 500 meters radius for referanseboligen. Dette målet har den viktige egenskapen at flere og mer ulike boliger gir høyere heterogenitet. Og videre, bidraget til heterogeniteten blir større jo nærmere boligen ligger den aktuelle boligen.

Figur 2 viser et kart over Bergen hvor grunnkretser er farget fra rødt til blått etter gjennomsnittlig boligområde-heterogenitet på grunnkretsnivå. De røde områdene har lav heterogenitet, og blå har høyest heterogenitet. Vi ser at kartet blir litt preget av at grunnkretser i utkanten av byen er store, og at disse er lite heterogene. De mest heterogene områdene finnes i og rundt sentrum. Slik sett kommer de finere detaljene bedre frem ved å zoome inn på mindre og mer sentrumsnære områder.

Figur 2.

Siden detaljene kommer bedre frem ved å zoome inn på mindre og mer sentrumsnære områder, har vi gjort dette for Tromsø kommune. Figur 3 viser deler av Tromsø med Tromsøya og deler av Tromsdalen, og her fremkommer detaljene tydeligere.

Figur 3.

Grunnkretsene er altså farget fra rødt til blått etter gjennomsnittlig boligområde-heterogenitet på grunnkretsnivå. Dette innebærer at de røde områdene har lav heterogenitet, og blå har høyest heterogenitet. For Tromsø ser vi at det er de sentrale byområdene på Tromsøya som er blå og grønne og dermed har høyest boligmasseheterogenitet. Her finner vi altså størst variasjon i boligmassen, mens områder med sterk rød farge er mer homogene. Variasjonen vi her ser illustrert for grunnkretsene, er altså knyttet til boligmassens sammensetning. Illustrasjonen kan dermed bidra til viktig informasjon for beslutningstakere i kommunen, som er planmyndighet, og til private utbyggeraktører som ofte er initiativtakere til nye boligprosjekter.

Men mye av boligdebatten i dag er knyttet til pris, og hvilken tilgang lavinntektsgrupper har på det lokale boligmarkedet. Vi skal derfor gå videre og se hvordan prisstatistikk også kan brukes til å lage heterogenitetsmål og -indekser.

Konstruksjon av indeks for prisheterogenitet

Vår boligmasse-heterogenitetsindeks inneholder naturlig nok ikke boligpris. Samtidig er det opplagt at boligpris er av stor betydning for boligsøkere. Det er flott at et bo-område har boliger for enhver smak og livsfase, men det hjelper lite dersom alle boligene er (for) dyre. Derfor er boligpris en interessant dimensjon i seg selv og sett i sammenheng med vårt heterogenitetsmål.

Vi viser først prisheterogenitet isolert. Et mye brukt ulikhetsmål er Gini-koeffisienten. Den er et enhetsintervallnormalisert mål, hvor null svarer til maksimal jevn fordeling (alle boligpriser er like) og 1 svarer til maksimal skjev fordeling (én bolig har all verdi). Vi vil bruke Gini-koeffisienter på grunnkretsnivå for å illustrere spredning i pris.⁷ Figuren nedenfor viser (10 ganger) Gini-koeffisientene på grunnkretsnivå for Bergen.

Figur 4.

Figuren viser at Gini-koeffisienten for pris er høyest i sentrale områder av Bergen. Det er der vi finner de blå områdene. Dette innebærer at det er i disse områdene prisvariasjonen er størst. Om vi zoomer mer inn, kommer tendensene tydelig frem, slik vi har gjort i figuren nedenfor som viser Tromsø.

Figur 5.

Her ser vi tydeligere hvordan Gini-koeffisienten er for ulike grunnkretser i kommunen, hvor altså det blå feltet og de grønne feltene indikerer områdene hvor det er størst prisvariasjon.

Kombinasjon av boligmasse- og prisheterogenitet

Dersom vi både er opptatt av boligmasseheterogenitet og prisheterogenitet, kan det være lurt å se på dem samtidig. Figur 6 viser et plott på grunnkretsnivå i Bergen, hvor vi har Gini-koeffisienten for boligpris på x-aksen og bo-områdeheterogenitet på y-aksen. Vi har videre latt fargene gi en grov inndeling (Nordøst, Sentrum, Vest, Sør), og brukt ulike symboler for bydelene.

Figur 6.

Her ser vi at farger og symboler gir en klar indikasjon på systematisk variasjon med tanke på kant av byen og bydeler. Likevel er den viktigste styrken til et slikt plotdiagram at det viser lokal variasjon. Grunnkretser med liten variasjon langs en eller begge dimensjonene er kandidater for en nærmere gransking. Er dette områder som er i eller står i fare for å bli segregerte? Videre kan det være interessant å se om områder som scorer høyt på begge målene, framstår som velfungerende lokale bo-områder.

Nedenfor vises tilsvarende figur for Oslo.

Figur 7.

Figuren viser at Gini-koeffisientene er relativt høye for vestlige grunnkretser i Oslo. Noe av denne heterogeniteten er drevet av prisspredning av dyre boliger. Det betyr at dyrere nabolag typisk vil framstå som heterogene med tanke på pris, siden vi har både dyre og rådyre boliger. Derfor er dette Gini-målet ikke spesielt godt egnet til å fange opp grunnkretser med relativt rimelige boliger.

Om vi er interessert i dette, må det gjøres på en annen måte. Det fine med vårt heterogenitetsmål er at det kan kombineres med andre prismål. For å illustrere dette kan vi lage et «affordable housing»-mål. Et slikt mål kan være antallet boliger som er i de to laveste kvartilene av boligprisen i byen, og de boligene i laveste prispersentil i særdeleshet. En mulig konkretisering av et slikt mål er et rent tellemål hvor vi teller boliger i 1. og 2. kvartil og tillegger dem i 1. kvartil dobbel vekt. La oss gi dem i laveste kvartil dobbel vekt siden de er de relativt billigste boligene. Figur 8 viser dette boligmålet sammen med boligområdeheterogenitetsmålet.⁸

Figur 8.

Vi ser at Oslo Vest, som ved Gini-målet framstår som heterogent, er mindre heterogent enn sentrumsgrunnkretsene. Det må igjen bemerkes at selv om det er morsomt å se slike himmelretningseffekter, er styrken i denne lokale tilnærmingen at vi kan se bo-områders variasjon på et detaljert nivå. Vi ser at det er vestlige grunnkretser som har høy variasjon langs begge dimensjoner. Som tidligere nevnt er styrken til slike plotdiagrammer at de gir detaljert, lokal, geografisk informasjon. Denne kan brukes til å identifisere områder med potensielle utfordringer. Og videre, om ønskelig, sette inn tiltak og igjen bruke heterogenitets- og prismål og tilhørende kart og plot for å se om tiltakene over tid gir ønsket virkning.

Vi har nå vist hvordan konstruksjon og visualisering av heterogenitetsindekser for boligmasse og pris kan gjøres på bakgrunn av matrikkelinformasjon for norske eiendommer systematisert av Eiendomsverdi AS. Dette er data som kan tilgjengeliggjøres for kommuner, og analyseres løpende (for eksempel gjennom årlige oppdateringer).

Oppsummerende diskusjon: Hvordan kan heterogenitetsindekser styrke kommunens strategiske arbeid?

Heterogenitetsindeksene som er presentert her, kan ses som informasjonspiloter for kommunene. Dersom en kommune skulle ønske å ta indeksene i bruk, kan plottene siles og nyanseres slik at ønsket informasjon kommer tydeligere fram både når det gjelder aggregeringsnivå og utvalgte problemstillinger. Avslutningsvis vil vi diskutere potensialet som ligger i heterogenitetsindeksene i forhold til kommunenes bestrebelser for en «mer helhetlig boligpolitikk» (KS, 2018) og en politikk som bidrar til generell inkludering og motvirker tendenser til hopning og segregering.

For det første gjør indeksene det mulig å se sammenhengen mellom ulike aspekter ved boligmassen i ulike delområder i kommunen. Indeksenes styrke ligger i at denne informasjonen kan framstilles disaggregert slik at kommunene kan se grad av homogenitet versus heterogenitet i pris og boligmasse i konkrete delområder (brutt ned til grunnkretser) og prisnivåer.

For det andre gjør indeksens oppbygning det lett å aggregere opp og ned slik at det blir mulig å se ett delområdes rolle i et større lokalområde eller i en bydel. Dette tydeliggjør karakteren av delområdet og viser mer eksakt hvilke områder som peker seg ut som å ha behov for å øke heterogenitet – i boligmasse eller pris.

Denne lokalkunnskapen spiller rett inn i det en kan kalle kommunenes lokaliseringsbeslutninger på mikronivå. I mange av områdene vil det være begrensede muligheter for nybygging, slik at handlingsrommet for økt heterogenitet først og fremst vil handle om kommunen lokalisering av tiltak til hushold de har ansvar for. I områder med lav pris- og boligmasseheterogenitet og lave priser bør det kanskje lyse rødt for lokalisering av tiltak for de mest utsatte husholdene. Områder med lav prisheterogenitet, men på et høyt nivå – og som også har stor boligmasseheterogenitet – peker seg ut som potensielle områder for å teste ut eventuelle kommunale initiativ som boligkjøpsmodellene «Leie-til-eie» eller «Deleie» (Christiansen og Kjærås, 2022, Christiansen og Nordahl, under utgivelse). Dette er modeller som gjør det mulig for hushold med moderat, men stabil inntekt og som mangler egenkapital, å kjøpe bolig i områder der de ellers ikke ville hatt råd. Oslo kommunes nye offentlig-private boligselskap Oslobolig brukes nå som et kommunalt redskap for å kjøpe opp nyboliger som videreselges etter «Deleie-modellen».⁹ Heterogenitetsindekser kan her bidra til informasjon om hvor disse oppkjøpene bør skje, dersom målet om inkluderende boligmarkeder og mangfoldige (ikke segregerte) byområder skal nås. Erfaringen viser at flere kommuner er interessert i å etablere slike modeller selv, og at de, til forskjell fra utbyggeres «nye kjøpsmodeller», også er interessert i å ta eksisterende boliger i bruk for slikt formål, gjennom varianter av oppkjøp og videreformidling eller gjennom ombruk av kommunalt eid bygningsmasse (se Christiansen og Nordahl, 2024, for utdypende beskrivelse av utbyggers og kommunens modeller).

For det tredje viser indeksene til muligheter i kommunens bruk av reguleringsautoritet i områder med fortettingspotensial. I slike områder kan kommunen bruke reguleringsbestemmelser til å bestemme at nybygging skal tilføre boligtyper som utfyller den dominerende boligmassen i området og på den måten øke heterogeniteten. Som antydet i teoriavsnittet tenderer utbyggere til å ønske å oppføre «mer av det samme» i et område (Fanning, 2005) og dermed over tid bidra til lavere heterogenitet i massen. Kommunen kan nedfelle i planprogram eller andre utbyggingsdokumenter at nybygging i området skal bidra til økt boligmasseheterogenitet. Heterogenitetsindeksene kan bidra til å begrunne slike bestemmelser, og lokalkjennskap vil kunne fastslå hvilken type bolig som da er aktuell. I områder med fortettingspotensial kan kommunen også fremme ønske om at utbyggere skal tilby en viss andel boliger med kjøpsmodeller, dersom det er ønskelig med større sosioøkonomisk spredning enn det boligprisene i området tilsier. Igjen kan heterogenitet i pris bidra til å forklare og begrunne slike ønsker.

Vi mener at bruken – og fremstillingen – av denne type tilgjengelig datamateriale gjennom indekser av den type som er vist her, både kan styrke kommunenes strategiske arbeid for mer inkluderende lokale boligmarkeder og være et viktig bidrag for helhetstenkning i byggesaksbehandling i kommuner med liten plankapasitet.

Kommunen har mange ansvarsområder som må ses i sammenheng i en helhetlig boligpolitikk. Som flere kommuner nå erkjenner, må de utvide den kommunale boligpolitikken til å omfatte mer enn boligsosiale virkemidler for vanskeligstilte grupper og tilrettelegging for privat boligbygging (Oslo kommune, 2019). Ut fra et helhetlig boligpolitikkperspektiv må de derfor se sin rolle som planmyndighet i sammenheng med bruken av boligsosiale virkemidler, sin rolle som kommunal eiendomsbesitter, som samarbeidsaktør og nettverksbygger. I en slik innsats er strategisk lederskap essensielt. Strategisk lederskap handler om å få til sammenhengstenkning, og om å bruke planer, strategier og økonomiplan/budsjett til å sette og følge opp målsettinger (Ringholm og Hofstad, 2018).

Heterogenitetsindeksene er basert på tilgjengelig statistikk – matrikkelinformasjon for norske eiendommer systematisert av Eiendomsverdi AS – og er dermed i prinsippet enkle og rimelige å skape. Vi vil derfor argumentere for at indeksene – og visualiseringen av dem – kan være viktige bidrag både i planlegging og i byggesaksbehandling. Indeksene – og kartene – kan spille en viktig rolle i dialogen mellom utbyggere og kommunen. I kommuner med utbyggingspress gir de kommunen argumenter om hvilke typer boliger de mener vil passe i konkrete områder. I kommuner med liten nybyggingsaktivitet kan informasjonen brukes til å vise potensielle utbyggere hvilke boligtyper som mangler hvor.

Boligpolitiske beslutninger, enten det gjelder nybygging eller bruken av boligsosiale tiltak, basert på heterogenitetsindekser har også et potensial for å påvirke dynamikken i lokale boligmarkeder. Som antydet i teoriavsnittet har boligmarkedet lav grad av substituerbarhet. Dette ligger bak mekanismer som over tid fører til at delområder, eller delmarkeder, blir likere og likere, og at avstanden mellom ulike delmarkeder øker, og at regulering kun i begrenset grad kan forklare disse mekanismene (Meen og Nygaard, 2011). Å øke heterogeniteten i delområder er små steg i retning av å øke substituerbarheten mellom delområder. Ren, Wong og Chau (2023) sine studier finner at lav grad av substituerbarhet har prisforsterkende effekter. Om det motsatte er tilfellet, hvorvidt økt substituerbarhet reduserer slike prisforsterkende effekter og bidrar til at prisøkning i ett område, og i større grad fører til løft også i andre områder, gjenstår å se. Hvis dette er tilfelle, vil økt substituerbarhet bidra til å «ta av» topper i noen områder og bunner i andre og på sikt være et bidrag til en mer utjevnende dynamikk.

Heterogenitetsindekser kan foreløpig ses på som en lite kjent art i boligpolitikken, til tross for at dataene de bygger på, er vel kjente. Dersom de også fører til at boligpolitiske beslutninger både er helhetlige og forholder seg bevisst til lokale markedsdynamikker, har de potensial for at kommunene – om de ønsker det – over tid kan få noe mer demokratisk kontroll over boligmarkedene.