Studies on the Effects of Property Taxation, Rent Control and Housing Allowances

Tämä väitöskirja koostuu asuntomarkkinoiden taloustieteellistä analyysia esittelevästä johdantoluvusta ja kolmesta tutkimuksesta, joissa analysoidaan asuntomarkkinoihin vaikuttavia politiikkatoimenpiteitä. Luvussa 2 tutkitaan Suomen kiinteistöverojärjestelmän vaikutusta asuntorakentamiseen. Vuonna 2001 tehtiin uudistus, jonka myötä kunnat voivat verottaa rakentamatonta asuintonttia korkeammalla veroasteella kuin rakennettua tonttia. Maanomistajan rakentamispäätöksen teoreettisen mallin mukaan rakentamattoman tontin korotettu kiinteistöveron pitäisi nopeuttaa rakentamista, mutta toisaalta myös rakentamiseen investoitu rahamäärä saattaa muuttua. Asuintonttien kiinteistöverojen yleinen taso ei vaikuta maanomistajan käyttäytymiseen, sillä tontin verotusarvo ei riipu rakentamispäätöksestä. Vain rakentamattoman ja rakennetun tontin veroasteiden erolla on merkitystä. Empiiriset tulokset ovat sopusoinnussa teorian kanssa. Tulosten mukaan prosenttiyksikön nousu rakentamattoman ja rakennetun tontin veroasteiden erossa lisää omakotialoitusten määrää viidellä prosentilla lyhyellä aikavälillä. Luvussa 3 analysoidaan vuokrasääntelystä vuokralaisille aiheutuvia hyötyjä ja haittoja. Vuokrasäännellyissä asunnoissa asuvat kotitaloudet hyötyvät vuokrasääntelystä alhaisen vuokran muodossa. Heille saattaa kuitenkin koitua myös haittaa siitä, että toiveita vastaavan asunnon löytäminen on vuokrasääntelytilanteessa vaikeaa, koska vapaille asunnoille on suuri määrä ottajia. Vapaarahoitteisen vuokra-asuntokannan vuokrien sääntely purettiin Suomessa asteittain vuosina 1992–1995. Tutkimuksen empiiriset tulokset viittaavat siihen, että vuokrasääntelyn aiheuttamista suurista eroista halutun ja todellisen asuntokulutuksen välillä koituvat hyvinvointitappiot kumosivat merkittävän osan matalien vuokrien hyödyistä vuokralaisille. Luvussa 4 tutkitaan Suomen asumistukijärjestelmän kannustinvaikutuksia. Asumistuen määrää rajoittavat asunnon pinta-alalle ja neliövuokralle asetetut ylärajat. Neliövuokrarajoite voidaan tulkita asumisen laatua rajoittavana tekijänä. Tutkimuksen teoreettisessa osassa osoitetaan, että asumistukijärjestelmä luo vahvat kannustimet muuttaa asuntoihin, joissa pinta-ala- ja laaturajoitteet purevat. Empiiristen tulosten mukaan asumistukeen oikeutetut kotitaloudet eivät näytä reagoivan kannusteisiin. Tukeen oikeutettujen kotitalouksien asumisvalinnat suhteessa pinta-ala ja laaturajoitteisiin vastaavat muiden kotitalouksien valintoja ja asunnonvaihdon mahdollistama potentiaalinen asumistuen lisäys ei nosta muuttotodennäköisyyttä. Muuttamiseen liittyvät kustannukset ja vajavaiset tiedot tukijärjestelmästä saattavat selittää heikkoa reagointia asumistuen luomiin kannustimiin. Toinen mahdollinen selitys on asumistuen vajaakäyttö. Tutkimuksen mukaan vain 70–80 prosenttia asumistukeen oikeutetuista kotitalouksista nostaa tukea. Asumistuen hyödyntämisen todennäköisyys riippuu koulutustasosta, tuen määrästä ja tulo-odotuksista.

Non-industrial private forest landowners’ choices of timber management strategies.

The factors affecting the non-industrial, private forest landowners' (hereafter referred to using the acronym NIPF) strategic decisions in management planning are studied. A genetic algorithm is used to induce a set of rules predicting potential cut of the landowners' choices of preferred timber management strategies. The rules are based on variables describing the characteristics of the landowners and their forest holdings. The predictive ability of a genetic algorithm is compared to linear regression analysis using identical data sets. The data are cross-validated seven times applying both genetic algorithm and regression analyses in order to examine the data-sensitivity and robustness of the generated models. The optimal rule set derived from genetic algorithm analyses included the following variables: mean initial volume, landowner's positive price expectations for the next eight years, landowner being classified as farmer, and preference for the recreational use of forest property. When tested with previously unseen test data, the optimal rule set resulted in a relative root mean square error of 0.40. In the regression analyses, the optimal regression equation consisted of the following variables: mean initial volume, proportion of forestry income, intention to cut extensively in future, and positive price expectations for the next two years. The R2 of the optimal regression equation was 0.34 and the relative root mean square error obtained from the test data was 0.38. In both models, mean initial volume and positive stumpage price expectations were entered as significant predictors of potential cut of preferred timber management strategy. When tested with the complete data set of 201 observations, both the optimal rule set and the optimal regression model achieved the same level of accuracy.