MétaCan
Menu
Back to cohort
Record W2750845138

Investeringsintresse i miljonprogram

2017· article· sv· W2750845138 on OpenAlexaboutno aff
Pernilla Ljung, Frida Manhem

Bibliographic record

VenueLund University Publications Student Papers (Lund University) · 2017
Typearticle
Languagesv
FieldBusiness, Management and Accounting
TopicFinancial Reporting and Valuation Research
Canadian institutionsnot available
Fundersnot available
KeywordsReal estateInvestment (military)Quarter (Canadian coin)ReputationValue (mathematics)Quality (philosophy)BusinessGeographyPolitical scienceFinanceSociologySocial science
DOInot available

Abstract

fetched live from OpenAlex

Miljonprogramseran kallas den byggnadsperiod som sträcker sig från 1965-1974. Detta var en tid i svensk byggnadshistoria där storskalighet och effektivt byggande förespråkades. Under perioden uppfördes 1 005 578 bostäder i Sverige och idag består en fjärdedel av Sveriges bostadsbestånd av bebyggelse från 1960- och 70-talet. Den höga byggtakten under denna tidsperiod möjliggjordes genom att husen elementproducerades. Definitionen av miljonprogramsområden i detta examensarbete syftar till bebyggelse uppförd i kluster mellan 1965-74. Miljonprogramsområden och deras bebyggelse har kommit att bli omdebatterad. Områdena har i flertalet fall kommit att präglas av socioekonomisk segregation och negativt rykte. Bebyggelsen i dessa stadsdelar har blivit föremål för kritik gällande kvalitet och renoveringsbehov. Idag har flertalet fastighetsbolag valt att göra stora investeringar i just miljonprogramsområden. Syftet med denna uppsats är att undersöka vad det ökade investeringsintresset bottnar i och hur olika värdepåverkande faktorer skiljer sig åt mellan miljonprogram och övriga stadsdelar. Vidare syftas det till att i examensarbetet undersöka hur förtätningspotentialen i miljonprogram ser ut och om den påverkar investeringsintresset. För att besvara dessa frågor har litteratur- och artikelstudier genomförts där relevant teori tagits fram och redovisats. 40 miljonprogram har valts ut för studien, 10 stycken i Malmö, 10 stycken i Göteborg och 20 stycken i Stor-Stockholm. Statistik över försålda bostadsrätter och hyresfastigheter har samlats in och sammanställts. Regressionsanalys har genomförts där prisutvecklingen över försålda bostadsrätter ställs mot värdepåverkande faktorer. Prisutvecklingen för bostadsrätter har också jämförts med nyproduktionskostnader. Hyresfastigheter som ingått i transaktion utgör underlag för prisutveckling för byggrätter på vilka flerbostadshus uppförts. Denna prisutveckling jämförs med markpriser vid markförvärv av icke-bebyggd mark. Vidare har intervjuer genomförts med representanter från fastighetsbolag och branschorganisationer för att ge en bild av hur fastighetsbranschen ser på dessa områden. Det har visat sig att det rådande låga ränteläget påverkar investeringsintresset i miljonprogram. I dagsläget anses en investering i miljonprogram, trots låg betalningsvilja hos de boende, vara förmånligt jämfört investeringar i andra värdehandlingar där avkastningen är ännu lägre. Bostadsbristen i kombination med ökande markpriser och förtätnings- samt förädlingspotential är också påverkande faktorer till det ökade investeringsintresset. Det ges en optionsmöjlighet till fastighetsförvärvaren att uppföra ny bebyggelse i händelse av att betalningsviljan överskrider nyproduktionspriset. Betalningsviljan kan komma att öka då städerna växer. Miljonprogrammen kan komma att betraktas som mer centrala lägen i framtiden. Miljonprogramsområden har vissa värdehöjande faktorer som stort engagemang bland de boende och tillgång till höga naturvärden. Dock är flertalet av studerade miljonprogramsområden i denna studie drabbade av inkomstsegregation, högre arbetslöshet, kriminalitet, lägre utbildningsnivå, sämre kollektivtrafik, bebyggelse i behov av upprustning och homogena upplåtelseformer. Det kommer enligt oss krävas stora sociala investeringar för att lyfta dessa områden. Förtätningspotentialen i miljonprogrammen klassas av oss som god. Det finns tillgänglig icke-bebyggd yta som lämpar sig för förtätning. Miljonprogramsområden erbjuder också möjlighet till stadsdelsförtätning.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Scholarly communication, Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Theoretical or conceptual · Consensus signal: none
GenreCandidate signal: Other · Consensus signal: Other
Teacher disagreement score0.936
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0000.001
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0020.002
Science and technology studies0.0070.001
Scholarly communication0.0040.005
Open science0.0030.003
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0010.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.045
GPT teacher head0.285
Teacher spread0.240 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designTheoretical or conceptual
Domainnot available
GenreOther

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2017
Admission routes1
Has abstractyes

Explore more

Same venueLund University Publications Student Papers (Lund University)Same topicFinancial Reporting and Valuation ResearchFrench-language works237,207