Prisutvecklingen på den svenska bostadsmarknaden har visat på en uppåtgående trend de senaste 30 åren. Bostadsmarknaden är därför ett omdiskuterat ämne på många olika sätt. Samma trend går att avläsa för de regionala marknaderna i Borås och Göteborgs kommun. I denna uppsats har vi därför undersökt vilka faktorer som har påverkat huspriserna i Göteborg och Borås kommun mellan 1999 och 2018. Tidigare artiklar och studier har sammanställts för att kunna skapa en ekonometrisk modell anpassad till just vårt ämne. I modellen inkluderades även en dummyvariabel för att kunna tolka de konstanta skillnaderna i kommunernas huspriser. Innan vi utförde OLS-regressionerna testade vi vår inhämtade data för diverse problem som kan uppstå och skapa ett missvisande resultat. Multikollinearitet uppstod. Därför valde vi att slå samman variabeln utbud och befolkningsmängd till en ny variabel kallad Trångboddhet. Vårt resultat visar att 99,6 procent av variationen i de förklarande variablerna kan förklara förändringar i huspriserna i Göteborg och Borås. När vi sedan studerade varje faktor enskilt kunde vi besvara vår frågeställning. Resultaten indikerade på att förvärvsinkomsten, arbetslösheten, utlåningsräntan, trångboddhet och dummyvariabeln kommun kunde förklara förändringarna i huspriserna. Slutligen drog vi slutsaten att skillnder i dessa regionala faktorer skapat skillnader i kommunernas huspriser.

The prices on the Swedish housing market have been growing with an positive trend for the past 30 years. Because of the rising house prices the housing market is a debated topic in many ways. The same trend has been seen in the regional markets in Sweden, like in the municipality of Borås and Gothenburg. In this paper we will therefore examine which factors that have been affecting the housing prices in the municipality of Gothenburg and Borås between 1999 and 2018. Previous articles and studies have been complied in order to create an econometric model adapted to our choice of subject. To distinguish the constant difference in the house prices of the municipalities we included a dummy variable in the equation. Before running OLS-regressions we tested our collected data for various problems that may arise and produce a misleading result. Multicollinearity arose. Therefore we decided to merge the variable supply and population to a new variable called "overcrowding". The results of this paper showed that 99,6 percent of the variation in the independent variables can explain the growth in house prices in Gothenburg and Borås. We then moved forward to study the independent variables separately. The results, which also answered the research question of this paper, showed that income, unemployment, interest rate, overcrowding and the dummy variable Municipality can explain the changes in the house prices. Finally, we concluded the differences in these regional factors have created the differences in house prices.