Core kantorenlocaties: wat bepaalt de huurprijs van een kantoorgebouw?

2014

“Core kantorenlocaties: wat bepaalt de huurprijs van een kantoorgebouw?”

Master in Science of Real Estate Amsterdam School of Real Estate René de Heus

Begeleider: de heer drs. A.R. Marquard 2e beoordelaar: de heer drs. M.M.H.M Donkers

I: Voorwoord

Voor u ligt mijn afstudeeronderzoek ter afronding van de Master opleiding Science in Real Estate aan de Amsterdam School of Real Estate met als titel: “Core kantorenlocaties: wat bepaalt de huurprijs van een kantoorgebouw?”

Met de afronding van dit onderzoek komt er tevens een einde aan een bijna 3-jarige intensieve studieperiode aan de ASRE. Een fase die ik als zeer leuk, leerzaam en inspirerend heb ervaren. Naast de kennisinhoudelijke verdiepingsslag heb ik veel nieuwe contacten opgedaan met inspirerende en leuke studiegenoten. Zelfdiscipline bleek meer energie te vergen dan vooraf gedacht, met name het afslaan van feestjes, uitjes en andere activiteiten. Gelukkig waren er op de college dag mijn lotgenoten die dezelfde ervaringen deelden. Bj het kiezen van het onderwerp viel de keuze snel op de kantorenmarkt. Het segment dat zwaar onder druk staat, waar veel over geschreven en gespeculeerd wordt. Toch viel het vergaren van data over de kantorenmarkt wat tegen, de markt blijkt minder transparant dan voorgesteld. Met name het eenvoudig en goedkoop verkrijgen van data, één van de kernwaarden van transparantie, blijkt niet gemakkelijk. De eerste gedachtengang ging uit naar markthuren geschoond van huurkortingen, netto huren. Dit bleek een onmogelijke opgave. Data inzake huurkortingen is op geringe schaal beschikbaar, waardoor er niet genoeg data verzameld kon worden om een gefundeerd onderzoek uit te voeren. Ook lijkt er geen duidelijke overeenstemming met betrekking tot de definitie incentive. Is de huurkorting alleen een incentive of worden daar ook investeringsbijdragen in meegerekend? Ook het ingeschakelde expertpanel van geselecteerde bedrijfmakelaars kon daar geen eenduidig antwoord opgeven. De selectie van bruto markthuren was onvermijdelijk maar minder sub-optimaal dan in eerste instantie gedacht. Er bestaat wel algemene overeenstemming in deze definitie. Toch blijft het voor mij een uitdaging om in de toekomst meer onderzoek te doen naar netto markthuren, waarbij tevens een gestandaardiseerde definitie tot stand komt voor het begrip incentive. De uitkomsten van dit onderzoek maken het mede mogelijk toekomstige selectie van kantoorgebouwen beter te funderen. Mijn dank gaat uit naar mijn begeleider Arthur Marquard die mij op de juiste momenten, de benodigde sturing gaf en lastige statistische vraagstukken nuanceerde. Ook mijn zusje Isabel wil ik bedanken voor de steun bij de uitvoering en interpretatie van de regressies. De afronding van de studie en dit onderzoek was mij niet gelukt zonder steun van Sofie, die mij regelmatig achter de boeken of laptop dirigeerde en de zorg voor Bo en Fedde op zich nam, bedankt!

René de Heus Wijk bij Duurstede, september 2014


II: Samenvatting Aanleiding De aanleiding van dit onderzoek is de Nederlandse kantorenmarkt, die momenteel gekenmerkt wordt door een ongekend hoge leegstand. Op een totale voorraad van ca. 50 miljoen m² staat meer dan 7 miljoen m² (ca.15%) leeg. Opname van leegstaande kantoren is gezakt tot een historisch dieptepunt, huurprijzen staan onder druk en incentives nemen sterk toe. De economische crisis en ook effectiever gebruik van werkplekken dragen hieraan sterk bij. Onderwerp en centrale vraag In dit onderzoek is getracht een verband aan te tonen tussen de markthuurprijs en de aanwezige kenmerken van een locatie, de zgn. locatiekenmerken. De centrale vraag binnen het onderzoek is als volgt geformuleerd: ‘ Wat is de aard van het verband tussen de huurprijs van kantoorgebouwen en de aanwezige locatiekenmerken op een Core locatie?’ Als definitie van Core locatie geldt: “een kantorenlocatie, gelegen binnen in één van de G4- agglomeraties welke op basis van huurprijs, leegstandspercentage en opname outperformed ten opzichte van het landelijke gemiddelde” Bij deze definitie zijn de volgende criteria gesteld:   

ranking binnen de top-50 van Ranking Kantoorlocaties 2014 van JLL leegstandpercentage in het betreffende deelgebied niet hoger dan het landelijk gemiddelde van 16% minimale bruto markthuurprijs boven het landelijk gemiddelde van €133,- per m² exclusief BTW

Theoretische basis Dit onderzoek is gestoeld op economische scholen van de algemene locatietheorieën, waarbij in het algemeen geconcludeerd is dat gedragingen te verklaren zijn door het combineren van verschillende zgn. harde en zachte locatiefactoren. Minimalisatie van kosten gecombineerd met belevingswaarde van een locatie bepalen mede de huurprijs van een kantoorgebouw. Uitkomsten van het onderzoek Binnen de keuze voor een stad gelden er significante verbanden tussen de markthuur en de afstand tot de snelweg en het openbaar vervoer. Voor de Core locaties wordt het effect van harde locatiekenmerken gemeten. Met name het effect van een spoorwegstation wordt gemeten in de deelgebieden van Rotterdam en Den Haag. De waarde van de locatie neemt af naarmate de afstand tot een spoorwegstation toeneemt. Binnen de Core locaties is er geen verband aangetoond tussen de Walk Score en de huurprijs van een kantoorgebouw. Het toevoegen van extra voorzieningen in de nabije omgeving van een individueel kantoorgebouw zal geen directe invloed hebben op de huurprijs van dat gebouw. Dit is een uitkomst die toekomstige selectie van kantoorgebouwen ondersteunt waardoor allocatie naar bepaalde gebouwen beter gefundeerd kan worden.


Transparantie Transparantie op de kantorenmarkt is de afgelopen jaren verbeterd; marktrapportages worden in toenemende mate uitgevoerd, data is eenvoudiger benaderbaar. Toch blijkt er geen overeenstemming te bestaan over te rapporteren cijfers. Harde locatiefactoren, zoals de bereikbaarheid van een individueel kantoorgebouw zijn op relatief eenvoudige wijze te verkrijgen. Met betrekking tot de zachtere locatiefactoren heeft er de afgelopen jaren een ontwikkeling plaats gevonden, getuige de introductie van bijvoorbeeld de Walk Score. Toch is een verbeterde transparantie gewenst; data omtrent bruto markthuren zijn beschikbaar, echter de slag naar netto huren (gebaseerd op huurovereenkomsten) is nog niet (voldoende) gemaakt. Aanbevelingen Om meer inzicht te verkrijgen in de stuurbaarheid van dergelijke Core kantorenlocaties worden de volgende aanbevelingen gedaan die in tot verbetering van de transparantie van de vastgoedmarkten zullen leiden:  

het verplicht registreren van huurtransacties inclusief transactiedetails het standaardiseren van het begrippen omtrent incentives

Daarnaast verdient het aanbeveling vervolgonderzoek te doen binnen Core locaties waarbij de volgende, te onderzoeken, kernvariabelen worden toegevoegd:   

bouwjaar dan wel renovatie jaar van het individuele kantoorgebouw flexibiliteit ten aanzien van de indelingsmogelijkheden van een kantoorgebouw belevingswaarde van het individuele kantoorgebouw


Inhoudsopgave I : Voorwoord .......................................................................................................................................... 1 II: Samenvatting ...................................................................................................................................... 2 1. Inleiding 1.1 De aanleiding voor het onderzoek ............................................................................................... 6 1.2 Het onderwerp van het onderzoek ............................................................................................... 7 1.3 Centrale vraag en eindproduct ..................................................................................................... 7 1.4 De onderzoeksmethoden en het onderzoeksmodel .................................................................... 8 1.5 Opbouw van het onderzoek.......................................................................................................... 9 2. Theoretisch kader 2.1 Introductie .................................................................................................................................. 10 2.2 De Klassieken .............................................................................................................................. 11 2.3 De Neoklassieken ........................................................................................................................ 11 2.4 Neo-Institutionele theorie .......................................................................................................... 11 2.5 Werking van de vastgoedmarkt .................................................................................................. 12 2.6 Het vastgoedontwikkelproces .................................................................................................... 13 2.7 Conclusie ..................................................................................................................................... 14 3. De Praktijk 3.1 Introductie .................................................................................................................................. 15 3.2 Kantorenmarkt Nederland .......................................................................................................... 15 3.3 Allocatie binnen de vier grote steden ......................................................................................... 19 3.4 Activiteiten per stad .................................................................................................................... 20 3.5 Conclusie ..................................................................................................................................... 26


4 Data analyse 4.1 Introductie .................................................................................................................................. 27 4.2 Data Selectie ............................................................................................................................... 27 4.3 Beschrijvende Statistiek .............................................................................................................. 29 4.4 Regressie analyse ........................................................................................................................ 29 4.5 Conclusie ..................................................................................................................................... 34 5. Conclusies en aanbevelingen 5.1 Conclusies en antwoord op de centrale vraag............................................................................ 35 5.2 Reflectie ...................................................................................................................................... 36 5.2 Aanbevelingen ............................................................................................................................ 36 6.0 Bibliografie 6.1 Literatuurlijst ............................................................................................................................... 37

Bijlagen I: Overzicht selectie Core locaties II: Variabelen III: Data regressies IV: Toelichting Walkscore V: Contactgegevens Expert Panel


1. Inleiding 1.1 De aanleiding voor het onderzoek De aanleiding van dit onderzoek is de Nederlandse kantorenmarkt, die momenteel gekenmerkt wordt door een ongekend hoge leegstand. Op een totale voorraad van ca. 50 miljoen m² staat meer dan 7 miljoen m² (ca.15%) leeg. Opname van leegstaande kantoren is gezakt tot een historisch dieptepunt, huurprijzen staan onder druk en incentives nemen sterk toe. De economische crisis en ook effectiever gebruik van werkplekken dragen hieraan sterk bij. Uit diverse marktonderzoeken (DTZ Zadelhoff, Dynamis et al., 2013 ) blijkt tevens dat er een tweedeling bestaat tussen de kantorenlocaties. Enerzijds locaties die gekenmerkt worden door hoge leegstand, zeer lage opname en onder druk staande huurprijzen, anderzijds goed presterende locaties met uitsluitend frictieleegstand, teruglopende aanvangsrendementen en in aanbouw zijnde nieuwbouwprojecten (Amsterdamse Zuidas). Er wordt gesproken over polarisatie tussen “goede” en “slechte” kantoorlocaties.

Figuur 1: Kantorenmarkt geheel Nederland Bron: eigen bewerking

In de vastgoedmarkt wordt regelmatig benadrukt dat de locatie van een object doorslaggevend is voor het succes van een kantoorgebouw. Dat de locatiewaarde van een kantorenlocatie toeneemt bij betere bereikbaarheid (OV) en een hoger voorzieningenniveau blijkt onder andere uit bestaand recent onderzoek. (o.a. JLL 2013, knoopwaarde en plaatswaarde) In termen van informatievoorziening en transparantie wordt de vastgoedmarkt beschouwd als een inefficiënte markt. Stelselmatig onderzoek naar factoren die bedrijvenlocaties beïnvloeden is noodzakelijk om de effectiviteit van de vastgoedmarkt te vergroten en draagt in belangrijke mate bij aan de kennis op dit gebied. Derhalve zal dit onderzoek bijdragen aan de professionalisering en het efficiënter maken van de vastgoedmarkten, alsmede een uitbreiding van de kennis in het domein van de vastgoedkunde.


1.2 Het onderwerp van het onderzoek Als onderwerp van dit onderzoek staat het verband tussen de huurprijs van kantoorgebouwen en de kenmerken van de betreffende kantoorlocaties centraal. Dit onderzoek is gericht op de goed presterende zijde van de kantorenmarkt waarbij geanalyseerd wordt welke relatie er bestaat tussen locatiekenmerken en de locatiewaarde. Deze goed presterende deelmarkten staan binnen de literatuur bekend als de Core locaties en zullen derhalve in deze context binnen dit onderzoek worden toegepast. Binnen de literatuur bestaan er echter geen harde criteria omtrent deze locaties. Binnen dit onderzoek is daarom de volgende definitie vastgesteld van een Core locatie. Definitie Core locatie: “een kantorenlocatie, gelegen in één van de G4- agglomeraties welke op basis van huurprijs, leegstandspercentage en opname outperformed ten opzichte van het landelijke gemiddelde”. De keuze voor een afbakening naar de vier grote steden (G4) alsmede de data selectie van individuele objecten is nader toegelicht in hoofdstuk 3 en 4. De beschreven polarisatie tussen de diverse kantorenlocaties roept de vraag op welke locatiekenmerken ten grondslag liggen aan de succes- , dan wel faalfactoren van een bepaalde locatie. Voor de actoren op de kantorenmarkt is inzicht in de stuurbaarheid van het succes van een locatie van essentieel belang. Toevoegen of uitbreiden van specifieke voorzieningen kan in belangrijke mate bijdragen aan het vergroten van het succes.

1.3 Centrale vraag en eindproduct De centrale vraag van dit onderzoek gaat in op het verband tussen de huurprijs en locatiekenmerken en is als volgt geformuleerd: ‘ Wat is de aard van het verband tussen de huurprijs van kantoorgebouwen en de aanwezige locatiekenmerken op een Core locatie?’ Uit de centrale vraag volgen de volgende subvragen: 1 2 3 4 5

‘Welke stromingen bestaan binnen de algemene locatie theorieën?’ ‘Op welke wijze functioneren vastgoedmarkten?’ ‘Wat is de huidige stand van zaken op de Nederlandse kantorenmarkt?’ ‘Welke locatiekenmerken bepalen de waarde van een Core kantorenlocatie?’ ‘Welke huidige ontwikkelingen kunnen van invloed zijn op de toekomstige locatiewaarde?

Het einddoel dat het onderzoek beoogt is het vinden van een antwoord op de centrale vraag. Met de antwoorden op bovenstaande subvragen kunnen toekomstige beslissingen met betrekking tot vastgoedbeleggingen, -ontwikkelingen en -revitalisatie effectiever worden uitgevoerd. Daarnaast zal stelselmatig onderzoek naar succes- en faalfactoren in belangrijke mate bijdragen aan professionalisering van de vastgoedmarkten. Naast professionalisering van de vastgoedmarkten kan dit onderzoek relevant zijn voor de selectie van vastgoedobjecten als investeringsproduct. Een meer transparante vastgoedmarkt zal de liquiditeit van vastgoed verbeteren en, wellicht, de allocatie naar vastgoed binnen de beleggingsportefeuille.


In afwijking van eerder uitgevoerde onderzoeken (Vos et. Al, 2011), betreft dit een onderzoek binnen enkel goed presterende kantoorgebieden (beter dan het landelijk gemiddelde), ofwel Core kantorenlocaties in Nederland. Bestaande onderzoeken (o.a. Engelman 2013) hebben betrekking op een selectie van locaties in Nederland. In deze selectie worden zowel kantoorlocaties onderzocht die substantieel slechter scoren dan het Nederlands gemiddelde als locaties die beter scoren. Gezien de, uit onderzoek aangetoonde (JLL, 2014, Van Dijk, 2011, Et. Al.) polarisatie op de kantorenmarkt lijken gemeten relaties voor de hand liggend, namelijk de waarde van een locatie neemt toe naarmate (in algemene zin) de bereikbaarheid en de belevingswaarde van een locatie toeneemt. Er werd gemeten tussen uitersten: locaties met slechte bereikbaarheid en een laag voorzieningenniveau versus goed bereikbare locaties met een hoog voorzieningenniveau. Treden deze effecten ook op binnen de goed presterende kantoorgebieden; de Core locaties? Het einddoel dat dit onderzoek dan ook beoogt is een mogelijk verband aan te tonen tussen locatiekenmerken en de huurprijs van een kantoorgebouw binnen een Core locatie. Met andere woorden bestaan er binnen deze, in dit onderzoek Core locaties, goed presterende gebieden verbanden tussen specifieke locatiekenmerken en de huurprijs van een individueel kantoorgebouw?

1.4 De onderzoeksmethoden en het onderzoeksmodel Om tot gefundeerde conclusies en aanbevelingen te komen inzake deze mogelijke relatie is ten eerste een literatuuronderzoek uitgevoerd. Uit deze analyse volgt een beschrijving van de verschillende stromingen binnen de algemene locatie theorieën. Ten tweede volgt een analyse van de werking van vastgoedmarkten in het algemeen, waartoe het vierkwadrantenmodel van Wheaton and DiPasquale wordt beschreven. Vervolgens zal er, na een markt inventarisatie, een samenvattende beschrijving plaats vinden van de huidige situatie op de Nederlandse kantorenmarkt, waarbij een afbakening volgt naar 16 (Core) deelgebieden in de vier grote steden van Nederland. Vanuit dit theoretisch kader zal het empirisch onderzoek gestart worden, deze scriptie betreft een beoordelend kwantitatief onderzoek. Voor het uitvoeren van de data analyse is voor 16 kantoordeelgebieden in Amsterdam, Utrecht, Rotterdam en Den Haag data verzameld. Deze data bestaan uit het huurprijsniveau van 100 individuele kantoorobjecten, uitgedrukt in een bruto huurprijs per vierkante meter, alsmede een inventarisatie van de aanwezige locatiekenmerken van de betreffende locatie. Deze locatiekenmerken bestaan uit respectievelijk de afstand tot de snelweg, de afstand tot een spoorwegstation en de Walk Score. Voorts zal er een regressie analyse uitgevoerd worden op de onderzochte data met als hoofddoel het verband aan te tonen tussen de huurprijs van een kantoorgebouw en de aanwezige locatiekenmerken. De bruto huurprijs per vierkante meter van een kantoorgebouw is in de regressie de afhankelijke variabele, waarbij de locatiekenmerken als onafhankelijke variabelen gelden. Uiteindelijk worden op basis van de theorie in combinatie met de data analyse en de regressiesanalyses conclusies getrokken en aansluitend aanbevelingen gegeven. Tevens zal er een reflectie volgen van de gevonden resultaten.


Schematisch ziet het onderzoek er als volgt uit:

Figuur 2: schematische weergave onderzoeksmodel Bron: eigen bewerking

1.5 Opbouw van het onderzoek Ter verduidelijking van de relevantie en verbinding van en tussen de diverse hoofdstukken de volgende toelichting. In hoofdstuk 2 (het theoretisch kader) worden de diverse stromingen binnen de algemene locatie theorieën beschreven. Er wordt een toelichting gegeven op gedragingen van bedrijven en welke locatiefactoren, binnen de bestaande stromingen, van belang zijn in de keuze van een locatie. Tevens wordt er een parallel getrokken naar de huidige praktijk. Dit raamwerk is de basis van het onderzoek en verantwoord de keuze van de kernvariabelen. In hoofdstuk 3 volgt een beschrijving van de Nederlandse kantorenmarkt waarna er een afbakening plaats volgt naar de 4 grote steden in Nederland, de keuze voor deze afbakening wordt hierin tevens toegelicht. Na de analyse van de kantorenmarkt binnen de 4 grote steden start de data analyse. Hoofdstuk 4 betreft het feitelijk onderzoek en geeft allereerst een toelichting op de data selectie. Na de beschrijvende statistiek volgen de regressies welke vervolgens worden geïnterpreteerd en toegelicht. Afsluitend volgt in hoofdstuk 5 de beantwoording van de centrale vraag. Tevens zijn hier de uiteindelijke conclusies en aanbevelingen van dit onderzoek opgenomen.


2. Theoretisch kader 2.1 Introductie Om te bepalen welke factoren bepalend zijn voor de waarde van een locatie, is het van belang te putten uit bestaande kennis. Er is veel literatuur beschikbaar aangaande de keuze van een vestigingsplaats van bedrijven, de algemene locatietheorieën. Omtrent deze algemene locatietheorieën zijn de afgelopen eeuwen diverse stromingen ontstaan. Naar aanleiding van een literatuurstudie zal dit hoofdstuk een korte chronologische beschrijving geven van de bestaande stromingen en als basis gelden voor het uitvoeren van dit onderzoek. Verder zijn bestaande onderzoeken (McCann, 2010) (Pellenbarg, 2006) (Atzema, 2002) en (Parr, 2000), welke tevens zijn gefundeerd op de diverse algemene locatietheorieën, bestudeerd ten einde tot een gedegen theoretische basis voor dit onderzoek te komen. Voor een historisch overzicht van locatietheorieën wordt verwezen naar een onderzoek van Van Dijk 2009, Locatietheorieën: een historisch overzicht. Als definitie van een locatietheorie wordt gesteld: het geheel van samenhangende uitspraken dat een verklaring geeft voor de vestigingskeuze van bedrijven (Atzema et. Al 2002). In de navolgende hoofdstukken wordt een beschrijving gegeven van de hoofdstromingen binnen de algemene locatietheorieën, te weten:   

De Klassieken De Neoklassieken De Neo- Institutionele theorie

Daarna wordt ook de theorie van de werking van de vastgoedmarkt in het algemeen beschreven. Hiertoe is gekozen voor een beschrijving van het wiskundige vierkwadrantenmodel van Wheaton and DiPasquale. (DiPasquale and Wheaton, 1996). Dit model geeft een inzicht in de werking van de afzonderlijke deelmarkten (de kwadranten) binnen de vastgoedmarkt alsmede de samenhang tussen deze kwadranten. Aan het einde van dit hoofdstuk volgt een conclusie.

2.2 De Klassieken De klassieke stroming ontstaat begin van de vorige eeuw met analyses van Johann Heinrich von Thünen. Econoom Von Thünen gebruikt als eerste het begrip “locatie”, iets waar voordien geen rekening mee werd gehouden. De eerste klassieke theorieën zijn die van Weber, Hotelling, Christaller en Lösch. De klassieke theorie is hoofdzakelijk gericht op de afstand tot de markt en de transportkosten om deze afstand te overbruggen. Deze harde locatiefactoren zijn gebaseerd op economische redeneringen. Von Thünen (1826), de grondlegger van de klassieke theorie, introduceert het minimaliseren van transportkosten. Latere klassieken zoals Weber (1909) en Alonso (1964) bouwde de theorie verder uit door tevens de componenten grondprijs en kosten voor arbeid mee te nemen in hun theorieën. Er bestaat onder wetenschappers algemene consensus dat het primaire uitgangspunt van de klassieke theorie het minimaliseren van kosten betreft. Als basis voor de klassieke theorie geldt dat de beschikbaarheid van de productiefactoren doorslaggevend is voor de productiemogelijkheden van een bedrijf en daardoor indirect voor de welvaart van landen (Lambooy, 1997). De klassieke theorie gaat uit van volledige mededinging op de markt. Het marktmechanisme functioneert, onder volledig vrije mededinging, evenwichtig en doelmatig. Overheidsingrijpen is niet wenselijk. “Core kantorenlocaties: wat bepaalt de huurprijs van een kantoorgebouw?”

2.3 De Neoklassieken Als voortgang op de klassieke theorie ontstaat de neoklassieke locatietheorie. Deze nieuwe stroming ontstaat vanuit een gezamenlijke kritiek op de bestaande theorie. Economen (Keynes, Wittman, Stiglitz, et. Al) gaan uit van markt falen, er is geen sprake van Pareto-optimaliteit. Centraal in de neoklassieke locatietheorie staat de relatie tussen de markt en de locatie van het bedrijf. De voornaamste theorie hierbij is de Centrale Plaatsen Theorie van Christaller (1933). Een belangrijk inzicht ten opzichte van de klassieke stroming is dat er naast kostenminimalisatie, tevens winstmaximalisatie beoordeeld wordt. Er kwam meer aandacht voor agglomeratievoordelen en clustervorming (Atzema, 2002). Economen Alfred Marshall (1920) en Michael Porter (1990) ontwikkelen de agglomeratie- en clustertheorieën. Lambooy (1997) beschrijft vijf belangrijke verschillen ten opzichte van de klassieke locatietheorie:     

er is in de neoklassieke locatietheorie meer aandacht voor de markt er wordt rekening gehouden met andere marktvormen naast volledige mededinging niet alleen kostenminimalisatie wordt in de beschouwing betrokken, ook de opbrengsten worden betrokken in de analyse schaalvoordelen worden onderkend en toegepast in de analyses er wordt niet uitgegaan van een identieke productiefunctie

Als beperking van de klassieke en neoklassieke locatietheorie stelt Lambooy dat er wordt uitgegaan van een ‘economic man’. Hierbij wordt verondersteld dat er altijd rationeel gehandeld wordt en dat marktpartijen over alle en gelijke informatie beschikken. De inzichten die de neoklassieken opdoen ten aanzien van markten overheidsfalen heeft een verdieping van de economische theorie tot gevolg gehad. “Het ontkennen van de te abstracte economische wetmatigheden voortkomend uit de door Smith gestelde assumpties vormt (ook) het methodologisch vertrekpunt voor de institutionele economie”(Marquard en van der Post, 2013).

2.4 Neo-Institutionele theorie De inzichten vanuit de klassieke en neoklassiek theorieën leiden tot de, huidige, stroming van de Neoinstitutionele theorie. Vanuit de acceptatie dat markt en overheid beide kunnen falen wordt in deze stroming de focus gelegd op zgn. zachte locatiefactoren. Sociale wetenschappen doen hun intrede. De meest prominente stroming uit de moderne locatietheorie is de New Economic Geography (Paul Krugman). Vanuit de sociale wetenschap werden nieuwe locatiefactoren geïntroduceerd en onderzocht. Er zijn studies verricht naar normen en waarden en nabijheid van kennis. In deze studies staan gedragingen van bedrijven en belevingswaarde van een locatie centraal. Deze stroming is de behaviourale benadering (Alan Pred, 1967). Een andere stroming binnen de Neo- institutionele theorie is die van de institutionele benadering (North & Fogel, 1992). Deze stroming onderzoekt de invloed van wetten en regelgeving. De neo-institutionele theorie is onder economen niet algemeen aanvaard. Een consistente en modelmatige aanpak ontbreekt. Het neoklassieke gedachtegoed geniet de voorkeur (Marquard en van der Post, 2013).


2.5 Werking van de vastgoedmarkt Een veelgebruikt model om relaties tussen verschillende deelmarkten te beschrijven en analyseren is het vierkwadrantenmodel van Wheaton and DiPasquale1 (zie figuur 3). Aan de hand van dit model kunnen krachten die de vastgoedmarkt beïnvloeden beschreven worden en wordt duidelijk hoe markten op elkaar reageren. Het kwadrantenmodel geeft de volgende deelmarkten weer:   

verhuurmarkt (property market) beleggersmarkt (asset market: valuation) nieuwbouwmarkt (asset market: construction)

Figuur 3: Vierkwadrantenmodel, basis situatie Bron: Wheaton and DiPasquale: The Property and Asset Markets


De vier kwadranten dienen als volgt te worden geïnterpreteerd. Kwadrant 1 In kwadrant 1 rechtsboven wordt de verhuurmarkt beschreven. Hierin is te zien hoe de vraag naar kantoorruimte samenhangt met het niveau van huurprijzen. De vraag naar kantoorruimte is meetbaar aan de hand van het aantal vierkante meters kantoorruimte dat op enig moment in gebruik is. Kwadrant 2 De lijn in de grafiek van de beleggersmarkt geeft de kapitalisatiefactor weer: de verhouding tussen huurniveau en prijsniveau. Deze wordt gevormd door de lange termijn rentevoet, verwachte huurstijging, risico en belastingen. Kwadrant 3 In dit kwadrant wordt de bouwmarkt beschreven. De curve in het kwadrant vertegenwoordigt de vervangingswaarde van onroerend goed. Het exacte bouwaantal op niveau C wordt bereikt als de prijs van onroerend goed, P, gelijk zou zijn aan de vervangingswaarde f (C). Kwadrant 4 In het vierde kwadrant wordt het bouwniveau, C afgezet tegen de voorraad in vierkante meters. De verandering in de voorraad is gelijk aan de jaarlijkse bouw minus de onttrekkingen aan de voorraad. Het vierkwadrantenmodel, figuur 3, gaat ervan uit dat de vastgoedmarkt op lange termijn in evenwicht is. Hierbij kunnen we volgens Van der Gijp uitgaan van een frictie leegstand van 5% van het totale aanbod. Voor verouderde locaties zal dit percentage iets hoger liggen. In een evenwichtssituatie bedraagt het beschikbare aanbod ongeveer 1,5 a 2 x de totale opname per jaar. (Van der Gijp, 2009)

2.6 Het vastgoedontwikkelproces Het vastgoedontwikkelproces is een kapitaal- en tijdsintensief proces dat een lange doorlooptijd kent. Van de initiatiefase tot realisatie van een kantoorgebouw gaan vaak vele jaren “verloren”. In het boek “Handboek Projectontwikkeling” van Nozeman (Nozeman, 2011) worden de verschillende fases van het vastgoedontwikkelproces inzichtelijk gemaakt. Nozeman beschrijft de volgende fases:    

de initiatiefase de ontwikkelingsfase de realisatiefase de exploitatiefase

Door de complexiteit en de lange doorlooptijden van de initiatiefase tot en met de exploitatiefase is het onmogelijk om, bij toenemende vraag naar kantoorruimte, hierin op korte termijn te voorzien. Bij toenemende vraag kan het aanbod niet direct in de vraag voorzien en zullen de prijzen op de beleggersmarkt stijgen. Bij stijgende prijzen op de beleggersmarkt zullen ontwikkelaars geneigd zijn meer te ontwikkelen. Op het moment dat de kantoren gerealiseerd zijn kan de vraag naar kantoorruimte sterk zijn afgenomen, de zogenaamde “varkenscyclus”.


Varkenscyclus is het verschijnsel in de economie dat overschotten en tekorten van een bepaald product elkaar afwisselen, doordat aanbieders massaal reageren op de hoogte van de prijzen, maar tegen de tijd dat deze reactie doorwerkt op het aanbod, is de prijs alweer omgeslagen. De term 'varkenscyclus' is afgeleid van de varkenscyclus die optreedt in de varkenssector. Het aanbod en de prijs van varkens wisselt namelijk sterk in de loop der jaren, doordat varkensfokkers massaal gaan uitbreiden op het moment dat de prijzen hoog zijn, met als gevolg dat er in volgende jaren een overschot ontstaat. Vanwege de lage prijzen worden dan veel varkensfokkerijen gesloten of ingekrompen, zodat het aanbod daalt en de prijzen weer stijgen. Waarna de cyclus opnieuw begint. In wezen wordt een varkenscyclus veroorzaakt doordat er altijd enige tijd verloopt tussen het moment waarop tot een bepaalde investering wordt besloten en het moment waarop die investering het aanbod gaat beïnvloeden. In de tussentijd kan de prijs al sterk gewijzigd zijn.

2.6 Conclusie Locatie theorieën De drie beschreven stromingen van algemene locatietheorieën vormen een bestaand wetenschappelijk kader; afzonderlijke stromingen blijven naast elkaar bestaan. Waar de (neo)klassieke locatietheorieën het belang van harde locatiefactoren benadrukken, onderzoeken de modernen in de laatste decennia voornamelijk zachte locatiefactoren. Als belangrijkste ontwikkeling op de eerste theorieën geldt dat zowel de markt als de overheid kan falen, er bestaat geen Pareto Optimum. Tevens geldt dat keuzes beïnvloed kunnen worden door wetten en regelgeving. Sociale Wetenschappen leren dat gedragingen van bedrijven beïnvloed kunnen worden door normen en waarden. Er bestaat belevingswaarde van een locatie. De theorieën zijn beter in staat gedrag te verklaren, dit komt doordat veel verschillende locatiefactoren worden gecombineerd. In de huidige praktijk lijkt het een trend om locaties te centraliseren, oorzaak van deze trend ligt in uiteenlopende zaken voortvloeiend uit bedrijfsbeleid. Hierbij valt bijvoorbeeld te denken aan het nieuwe werken of de digitalisering van data. Deze trend sluit het meest aan bij de behaviourale benadering van Pred. Keuze Kernvariabelen Binnen het bestaand wetenschappelijk kader bestaan er afzonderlijke stromingen naast elkaar, waarbij zowel harde als zachte locatiefactoren bepalend zijn voor de waarde. Op basis van deze uitkomsten is het van belang een combinatie van harde en zachte locatiefactoren als kernvariabelen te onderzoeken: - Hard; bereikbaarheid (het minimaliseren van kosten) - Zacht; gedragingen van bedrijven (belevingswaarde) Kwadrantenmodel De werking van de vastgoedmarkt is beschreven aan de hand van het model van Wheaton en Dipasquale. Tevens zijn beperkingen van dit model benoemd. Het model beschrijft een lange termijn evenwicht. Het vastgoedontwikkelproces kent lange doorlooptijden, het aanbod kan niet direct voorzien in toenemende vraag; de varkenscyclus. Om te beoordelen wat de huidige stand van zaken op de Nederlandse vastgoedmarkt is volgt in het volgende hoofdstuk een analyse van de kantorenmarkt.


3. De Praktijk 3.1 Introductie In hoofdstuk 2 is een beschrijving gegeven van algemene locatietheorieën en de verschillende stromingen hierin. Tevens is er een beschrijving gegeven van de werking van de vastgoedmarkt volgens Wheaton en Dipasquale. Zoals beschreven gaat het vierkwadrantenmodel uit van een vastgoedmarkt welke op lange termijn in evenwicht is met een beschikbaar aanbod van circa 1,5 a 2 x de totale opname per jaar. De praktijk binnen de Nederlandse kantorenmarkt wijst echter al jaren uit dat er van dit modelmatige evenwicht geen sprake is. De leegstand neemt nog altijd toe. Wel is er sprake van een licht verbeterend beeld: in 2013 is een afname te zien van het totaal aantal vierkante meters voorraad, hetgeen met name wordt veroorzaakt door onttrekking. Dit hoofdstuk geeft een analyse van de Nederlandse kantorenmarkt, in het bijzonder voor de onderzochte steden: Amsterdam, Den Haag, Rotterdam en Utrecht. Aan de hand van een selectie van marktrapportages zijn hiertoe gegevens verzameld over het jaar 2013. Er zijn uit verschillende sectoren data verzameld teneinde een goed marktbeeld te kunnen schetsen, te weten:   

vastgoedadviseurs: Colliers, Dynamisch, DTZ, Knight Frank, CBRE bankensector: FGH Bank, ABN Amro gemeenten: Amsterdam, Den Haag, Rotterdam en Utrecht

De bronvermelding staat vernoemd per figuur, de verwijzingen naar de betreffende rapportage staan vermeld in de bibiliografie.

3.2 Kantorenmarkt Nederland In 2013 worden opnieuw kansarme kantoren getransformeerd en onttrokken aan de voorraad. Deze transformaties lossen het probleem niet wezenlijk op; de mogelijkheden binnen het kansarme aanbod zijn zeer beperkt. Toch blijk uit rapportages van o.a. DTZ Zadelhoff, JLL et. Al, dat de totale voorraad van kantoorruimte voor het eerst is afgenomen ten opzichte van het jaar daarvoor, zie hiertoe tevens onderstaand figuur 4.

Figuur 4: Kerngegevens Nederlandse Kantorenmarkt Bron: DTZ Zadelhoff, Factsheets Kantorenmarkt 2013

Volgens de marktrapportage van Dynamis (Dynamis, Sprekende Cijfers 2014) zijn in 2013 veel verouderde kantoren verruild voor nieuwere duurzamere en veelal kleinere objecten. Daarnaast sluit de vraag die de markt kent niet altijd aan op het aanbod. De kantorenmarkt heeft enerzijds te maken met de noodzaak tot kostenbesparingen en anderzijds met innovatieve ontwikkelingen op het gebied van het nieuwe werken. Het hoge aanbodpercentage wordt veroorzaakt door de discrepantie tussen vraag en aanbod. “Core kantorenlocaties: wat bepaalt de huurprijs van een kantoorgebouw?”

Deze trendmatige verandering is ingezet in 2007, onderstaand figuur 5 respectievelijk figuur 6 geeft een goede illustratie van de lange termijn trend vanaf 1985 respectievelijk 1974.

Figuur 5: Langjarige trend kantorenmarkt Nederland Bron: DTZ Zadelhoff, Factsheets Kantorenmarkt 2013

Figuur 6: Langjarige trend kantorenmarkt Nederland Bron: PropertyNL

De opname in 2013 bedroeg circa 1 miljoen m², lager dan in 2012 toen er nog 1,1 miljoen m² opgenomen werd. Het aantal transacties van boven de 10.000 m² was zeer gering. Een trend bij verplaatsing was inkrimping waardoor de netto opname negatief is. e

Uit de analyse van o.a. Dynamis blijkt dat het al het 6 opeenvolgende jaar is dat de opname daalt in Nederland. Vooral in de steden Amsterdam en Rotterdam viel de opname in 2013 tegen, terwijl Den Haag in 2013 goed presteerde met een hogere opname. Circa 60% van de totale opname vond plaats in de agglomeraties van de vier grote steden. Andere gebieden met veel activiteit waren Almere, Amersfoort, Arnhem en Den Bosch. In de markrapportages van o.a. DTZ Zadelhoff (DTZ Zadelhoff, Nederland Compleet, januari 2014) wordt een toelichting gegeven op het huidige overaanbod op de kantorenmarkt. Niet de economische crisis is volgens DTZ de oorzaak maar de trend, ingezet in 2001, van disbalans tussen vraag en aanbod. DTZ concludeert: Er is teveel gebouwd in relatie tot de ontwikkeling van de vraag. De conclusie is dat een gedeelte van het aanbod nooit meer als kantoorruimte zal worden gebruikt. Dat betekent ook dat voor een gedeelte van het aanbod geen andere optie zal zijn dan sloop. Voor sommige kanshebbende gebouwen in de kernsteden zijn er mogelijkheden tot vermindering van het overschot aan kantoorgebouwen door deze te transformeren naar een andere functie. “Core kantorenlocaties: wat bepaalt de huurprijs van een kantoorgebouw?”

Dat zijn dan wel functies waarvoor dezelfde stedelijke voorzieningen een voorwaarde zijn. Niemand wil bijvoorbeeld wonen op een industrieterrein. Twee jaar geleden heeft DTZ Zadelhoff een verdeling gemaakt van aanbod dat kansrijk, kanshebbend en kansarm is. Voor de stand van zaken op De Nederlandse markt voor kantoorruimte trekt Colliers de parallel naar de economische ontwikkelingen. Ondanks het licht verbeterde economische sentiment, heeft de kantorenmarkt volgens Colliers niet kunnen profiteren van de verbeterde omstandigheden. Gepubliceerde cijfers van het CPB tonen dat het derde kwartaal van 2013 een einde van vier kwartalen recessie inzette. Ondanks deze positieve ontwikkelingen stijgt de werkloosheid nog steeds door in Nederland. Totaal is het aantal mensen zonder baan meer dan verdubbeld ten opzichte van het begin van de crisis.

Figuur 7: BBP, inflatie en lange rente Bron: Centraal Plan Bureau

Figuur 8: Werkloosheid Bron: Centraal Plan Bureau

Belangrijke indicatoren voor de Nederlandse kantorenmarkt zijn het Bruto Binnenlands Product (BBP), de inflatie, de lange termijn rente en de werkloosheid, welke geïllustreerd zijn in bovenstaande figuren 7 en 8. Allocatie van aanbod in Nederland In 2013 is circa 60% van het beschikbare aanbod van Nederlandse kantoorruimten gelegen in de G4. Dit is iets lager, maar relatief in lijn, met het 5-jarige gemiddelde. Opvallend is dat Amsterdam haar aanbod de afgelopen vijf jaar terug ziet lopen van bijna 30% naar net boven de 20%. Ondanks het verbeteren van dit percentage blijft het aanbod in Amsterdam, zowel relatief als cumulatief het grootst binnen Nederland. Verder is het relatief, vlakke en lage aanbodpercentage in Utrecht opvallend.

Aanbod van kantoorruimte (x1000m²) Regio Amsterdam Rotterdam Den Haag Utrecht Totaal 4G Totaal overig Totaal Nederland

2009 % 1327 29% 593 13% 599 13% 503 11% 3022 65% 1625 35% 4647 100%

2010 % 1516 27% 656 12% 629 11% 615 11% 3416 62% 2114 38% 5530 100%

2011 % 1643 26% 815 13% 863 13% 649 10% 3970 62% 2427 38% 6397 100%

2012 % 1604 25% 862 14% 895 14% 690 11% 4051 64% 2309 36% 6360 100%

2013 % 1350 22% 913 15% 817 13% 640 10% 3720 60% 2447 40% 6167 100%

5jr gem % 1488 26% 768 13% 761 13% 619 11% 3636 62% 2184 38% 5820 100%

Tabel 1: Allocatie van aanbod Nederland Bron: Eigen bewerking van data Dynamis


Ter interpretatie van tabel 1 geldt de volgende definitie van aanbod: De aanbodcijfers, zoals die per 1 januari van een jaar worden geregistreerd, vormen een momentopname. In het rapport wordt als aanbod kantoorruimte opgenomen met een aaneengesloten ruimte van ten minste 500 vierkante meter verhuurbaar vloeroppervlak in de vier grote steden. In het aanbod worden uitsluitend bestaande objecten (gereed of in aanbouw/renovatie en daadwerkelijk binnen twaalf maanden beschikbaar komend en niet reeds uit de markt genomen) geregistreerd. Dit kan inhouden dat kantoorruimte in het aanbod wordt meegenomen zonder dat er sprake is van leegstand; de ruimte kan nog in gebruik of in aanbouw zijn. Aldus Dynamis. Allocatie van opname binnen Nederland Op de gebruikersmarkt zijn de 4G in 2013 verantwoordelijk voor 63% van de opname. Dit is in lijn, met het 5jarig gemiddelde. Opvallend is dat Rotterdam een minder interessante locaties lijkt te worden voor bedrijven, afgezet tegen het 5-jarig gemiddeld is 2013 teleurstellend verlopen en heeft er in Rotterdam slechts 10% van de totale opname in Nederland plaats gevonden.

Opname van kantoorruimte (x1000m²) Regio Amsterdam Rotterdam Den Haag Utrecht Totaal 4G Totaal overig Totaal Nederland

5jr 2009 % 2010 % 2011 % 2012 % 2013 % gem % 396 31% 280 27% 189 18% 253 25% 246 31% 273 27% 257 20% 129 12% 150 15% 123 12% 81 10% 148 14% 118 9% 123 12% 111 11% 69 7% 96 12% 103 10% 202 16% 84 8% 119 12% 138 14% 80 10% 125 12% 973 77% 616 58% 569 55% 583 58% 503 63% 649 63% 291 23% 439 42% 461 45% 420 42% 291 37% 380 37% 1264 100% 1055 100% 1030 100% 1003 100% 794 100% 1029 100%

Tabel 2: Allocatie van opname Nederland Bron: Eigen bewerking van data Dynamis

Ter interpretatie van tabel 2 geldt de volgende definitie van opname: een transactie met een volume van minimaal 500 vierkante meter verhuurbaar vloeroppervlak in de vier grote steden. De opnames moeten op de ‘vrije’ markt zijn verhuurd of verkocht. Beleggingstransacties, zoals bijvoorbeeld sale-and-leaseback, blijven buiten beschouwing wanneer de feitelijke opname door de gebruiker reeds eerder is geregistreerd. Kantoorruimte die opgenomen wordt ten behoeve van een bestemmingswijziging, zoals bijvoorbeeld woningbouw, wordt niet als opname van kantoorruimte berekend. De transacties worden geregistreerd in het jaar waarin tussen partijen wilsovereenstemming is bereikt. Aldus Dynamis.


3.3 Allocatie binnen de vier grote steden Op de Nederlandse Kantorenmarkt is zowel het aanbod als de opnameactiviteit rond de agglomeraties van Amsterdam, Den Haag, Rotterdam en Utrecht het grootst. In de literatuur wordt de verzameling van deze steden ook wel aangeduid als DE vier grote steden (G4). Binnen dit onderzoek dient de term G4 dan ook geïnterpreteerd te worden als de verzameling van de vier grote steden, inclusief haar agglomeratie. Deze paragraaf beschrijft de allocatie binnen de vier grote steden gevolgd door de activiteiten per stad. De allocatie van aanbod en opname is gebaseerd op het marktonderzoek van Dynamis (Dynamis, Sprekende Cijfers 2014.) Dit onderzoek, geeft naar interpretatie van de onderzoeker, het beste beeld over het historisch verloop van aanbod en opname. Allocatie van aanbod binnen de G4 Ook binnen de G4 is het geen verrassing dat Amsterdam het grootste aanbod heeft, in 2013 36%. Wanneer 2013 afgezet wordt tegen het 5 jarig gemiddelde valt op dat er een verschuiving plaats heeft gevonden in de allocatie van aanbod binnen de G4. Rotterdam stijgt naar 25% terwijl Amsterdam terug zakt naar 36%. Den Haag en Utrecht zijn in de onderlinge verdeling redelijk stabiel gebleven. Verdeling G4 (2013)

Verdeling G4 (5jr gem) Amsterdam

17% 36% 22%

Rotterdam Den Haag

25%

41% 21%

Rotterdam Den Haag

21%

Utrecht

Figuur 9: Allocatie aanbod G4 2013 Bron: Eigen bewerking data Dynamis

Amsterdam

17%

Utrecht

Figuur 10: Allocatie aanbod G4 (5-jarige gemiddelde) Bron: Eigen bewerking data Dynamis

Allocatie van opname binnen de G4 Bijna 50% van alle opnames heeft in 2013 plaatsgevonden in Amsterdam. Veel bedrijven (hierbij valt te denken aan Deloitte, Accenture en JLL) kiezen ervoor hun activiteiten te centraliseren, waarbij in toenemende mate Amsterdam als uitvalsbasis wordt gekozen. Verdeling G4 (2013)

Verdeling G4 (5jr gem) Amsterdam

16% 19%

49%

16%

Figuur 11: Allocatie opname G4 2013 Bron: Eigen bewerking data Dynamis

Rotterdam Den Haag Utrecht

Amsterdam

19% 42%

16%

Rotterdam Den Haag

23%

Utrecht

Figuur 12: Allocatie opname G4 (5-jarige gemiddelde) Bron: Eigen bewerking data Dynamis


3.4 Activiteiten per stad Binnen de allocatie is het interessant te analyseren wat de activiteiten per stad zijn. Het betreft de agglomeraties van de steden met de daarbij behorende deelgebieden. Voor de activiteiten per stad en deelgebied zijn hoofdzakelijk de marktrapportages gebruikt van DTZ Zadelhoff. Ten opzichte van de andere rapportages (o.a. Dynamis) geeft DTZ meer inzicht in de activiteiten per deelgebied binnen de vier grote steden. Amsterdam De opname van kantoorruimte in Amsterdam is in 2013 met circa 223.000 m² 21% lager dan de opname in 2012. Dit werd met name veroorzaakt door het uitblijven van opname door grote eindgebruikers. Het opname niveau kwam hiermee op het niveau van 2009. De meest omvangrijke transactie was de opname van Spaces. Ondanks het feit dat de opname lager is uitgevallen dan de voorgaande jaren is het aanbod, evenals de totale voorraad gedaald. Dit heeft met name te maken met diverse onttrekkingen als gevolg van transformaties.

Figuur 13: Kerngegevens Amsterdamse Kantorenmarkt Bron: DTZ Zadelhoff, Factsheets Kantorenmarkt 2013

Deelgebieden In 2013 heeft de meeste activiteit plaatsgevonden op de Zuidas, naast veel opname op Zuidas Centrum gingen in 2013 de nieuwbouwontwikkelingen Beethovenpark en 400 Beethoven van start. In Amsterdam Zuidoost, in 2012 nog goed voor bijna 100.000 m², viel de opname tegen. Rondom station Bijlmer Arena is nauwelijks leegstand, het contrast is echter groot met het zuidelijk stuk van Zuidoost waar weinig beweging is en er nog steeds veel in aanbod staat. Dynamis concludeert in haar marktrapportage: “De verwachting is dat het aanbod verder zal stijgen, veel grote kantoorgebruikers zitten momenteel te ruim in hun huisvesting vanwege zowel de economische omstandigheden als efficiëntere manieren van werken. Bij contractverlenging nemen partijen in veel gevallen minder ruimte op dan ze voorheen in gebruik hadden. Daarnaast hebben diverse juridische of zakelijke adviesbureaus al kantoorruimte in de (onder)verhuur staan” (Bron Dynamis, 2014 Sprekende cijfers).


Figuur 14: Deelgebieden Amsterdam Bron: DTZ Zadelhoff, Factsheets Kantorenmarkt 2013

Stad

Markthuur 2013 (€ / m²)

Deelgebied

Van

Tot

1 Amsterdam

Centre (Centrum, Zuid)

160

350

2 Amsterdam

North

135

195

3 Amsterdam

East (Omval, Amstel Business Park)

100

350

4 Amsterdam

West (Sloterdijk/Teleport, Riekerpolder, Westas)

80

165

5 Amsterdam

South East

80

150

6 Amsterdam

South East Centre

150

195

7 Amsterdam

Zuidelijke IJ-oevers/Houthavens

180

275

8 Amsterdam

Zuidas (Zuidas, Buitenveldert)

230

385

75

195

9 Amsterdam Agglomeration (Amstelveen, Diemen) Tabel 3: Range markthuur deelgebieden Amsterdam Bron: Eigen bewerking

Bovenstaand figuur 14 geeft een geografische spreiding van de verschillende deelgebieden in Amsterdam weer. Tabel 3 toont per deelgebied de spreiding van de markthuurprijzen. De range van markthuurprijzen loopt van EUR 75,- per vierkante meter per jaar tot EUR 385,- per m² per jaar. De gemiddelde huurprijs per jaar bedraagt EUR 192,- per vierkante meter.


Den Haag In de regio Den Haag heeft er in 2013 de hoogste opname van kantoorruimte plaatsgevonden sinds 2007, in totaal werd er circa 158.000 m² opgenomen. Met de transactie van 18.000 m² kantoorruimte door ingenieursbureau CB&I in het Beatrixkwartier vond tevens de grootste transactie in Nederland plaats in Den Haag. Het totale aanbod nam dientengevolge af met 2,3%.

Figuur 15: Kerngegevens Haagse Kantorenmarkt Bron: DTZ Zadelhoff, Factsheets Kantorenmarkt 2013

Deelgebieden In het Beatrixkwartier en het centrum van Den Haag was in 2013 de meeste activiteit, hier vonden diverse transacties van semipublieke organisaties plaats. Grote opname transacties werden gedaan door de Universiteit Leiden en TNO die nabij het Centraal Station grote volumes opnamen. In het Haagse centrum daarentegen steeg het aanbod, diverse panden die voorheen in gebruik waren door overheidsonderdelen kwamen hier in aanbod. De verwachting is dat het aanbodpercentage is Den Haag de komende periode. In en rondom Den Haag blijft de angst aanwezig voor stijging van het aanbodpercentage vanwege een inkrimping van benodigde meters door overheid gerelateerde partijen.

Figuur 16: Deelgebieden Den Haag Bron: DTZ Zadelhoff, Factsheets Kantorenmarkt 2013


Stad


Deelgebied

Van

Tot

10 Den Haag

CS / New Centre / Beatrixkwartier / Schenkstroop

130

190

11 Den Haag

Old Centre

160

200

12 Den Haag

West (Congress area)

80

125

13 Den Haag

East (Laakhaven, Binckhorst, Forepark)

80

125

14 Den Haag

Agglomeration (Leidschendam, Voorburg, Delft, etc).

80

150

Tabel 4: Range markthuur deelgebieden Den Haag Bron: Eigen bewerking

Bovenstaand figuur 16 geeft een geografische spreiding van de verschillende deelgebieden in Den Haag weer. Tabel 4 toont per deelgebied de spreiding van de markthuurprijzen. De range van markthuurprijzen loopt van EUR 80,- per vierkante meter per jaar tot EUR 200,- per m² per jaar. De gemiddelde huurprijs per jaar bedraagt EUR 124,- per vierkante meter. Rotterdam Ondanks veel publiciteit omtrent Rotterdam als primaire kantorenmarkt vallen de opname cijfers over 2013 tegen. Het opnameniveau kende een 6-jarig dieptepunt, met name de gebieden buiten het CBD presteren slecht. De voorraad nam wel iets af, wat met name veroorzaakt werd door onttrekking door transformaties. De transformatie van de Admiraliteit is hier een goed voorbeeld van.

Figuur 17: Kerngegevens Rotterdamse Kantorenmarkt Bron: DTZ Zadelhoff, Factsheets Kantorenmarkt 2013

Deelgebieden: Rotterdam De opname concentreert zich grotendeels rondom het CBD. In 2008 vond nog slechts 32% van de opname hier plaats, sindsdien is dit percentage elk jaar opgelopen tot 60% van de totale opname in 2013. Desondanks heeft ook het centrum te lijden onder de sterk verminderde vraag naar kantoorruimte. Door de transformatie van 150.000 m² kantoorruimte is de totale voorraad met 0.1% teruggelopen. Door nieuwbouwontwikkelingen en centralisatie van de grote partijen (bijv. Nationale Nederlanden, die 40.000 m² minder huurt in Delftse Poort). De gemeente Rotterdam huurt 40.000 m² in het nieuwe gebouw de Rotterdam op de Kop van Zuid en laat hiermee 63.000 m² kantoorruimte achter in Rotterdam West.


Figuur 18: Deelgebieden Rotterdam Bron: DTZ Zadelhoff, Factsheets Kantorenmarkt 2013

Stad


Deelgebied

Van

Tot

15 Rotterdam

Centre / CS / Blaak / Scheepvaartkwartier

100

225

16 Rotterdam

East (Oosterhof, Erasmuspark, Alexandrium)

110

140

17 Rotterdam

West

135

165

18 Rotterdam

South (Zuidplein, Kop van Zuid)

145

225

90

140

19 Rotterdam Agglomeration (Capelle, Harbour, Schiedam, etc.) Tabel 5: Range markthuur deelgebieden Rotterdam Bron: Eigen bewerking

Bovenstaand figuur 18 geeft een geografische spreiding van de verschillende deelgebieden in Rotterdam weer. Tabel 5 toont per deelgebied de spreiding van de markthuurprijzen. De range van markthuurprijzen loopt van EUR 90,- per vierkante meter per jaar tot EUR 225,- per m² per jaar. De gemiddelde huurprijs per jaar bedraagt EUR 130,- per vierkante meter. Utrecht In 2013 is de opname in Utrecht redelijk gelijk aan het niveau van 2012, 85.000 m². Er hebben geen opvallend grote transacties plaatsgevonden. De opname over de verschillende deelgebieden is redelijk gelijk verdeeld. De totale voorraad is gelijk gebleven ten opzichte van 2012.

Figuur 19: Kerngegevens Utrechtse Kantorenmarkt Bron: DTZ Zadelhoff, Factsheets Kantorenmarkt 2013


Deelgebieden: Utrecht Nieuwegein blijft voortdurend het minst succesvolle deelgebied van de regio Utrecht, Dynamis rapporteert een opname-aanbodratio van slechts 4%. Afgezet tegen een ratio van 44% in het deelgebied Rijnsweerd- De Uithof. Bijna een kwart van het totale aanbod van de regio Utrecht bevindt zich namelijk nog steeds in Nieuwegein. In 2013 opent het WTC Utrecht haar deuren (voormalig Capgemini gebouw), waarbij over het gehele jaar circa 10.000 m² van de 33.000 m² is opgenomen.

Figuur 20: Deelgebieden Utrecht Bron: DTZ Zadelhoff, Factsheets Kantorenmarkt 2013

Stad


Deelgebied

Van

Tot

20 Utrecht

Centre / CS

165

195

21 Utrecht

East (Rijnsweerd/De Uithof)

125

160

22 Utrecht

South (Lunetten/Stadion/Kanaleneiland)

110

150

23 Utrecht

Papendorp

145

175

24 Utrecht

North (Overvecht)

80

145

25 Utrecht

West (Lage Weide/Cartesiusweg)

85

130

26 Utrecht

Maliebaan

155

195

80

130

27 Utrecht Agglomeration (Bunnik, Bilt, Houten, Nieuwegein, etc) Tabel 6: Range markthuur deelgebieden Utrecht Bron: Eigen bewerking

Bovenstaand figuur 20 geeft een geografische spreiding van de verschillende deelgebieden in Utrecht weer. Tabel 6 toont per deelgebied de spreiding van de markthuurprijzen. De range van markthuurprijzen loopt van EUR 80,- per vierkante meter per jaar tot EUR 195,- per m² per jaar. De gemiddelde huurprijs per jaar bedraagt EUR 130,- per vierkante meter.


3.5 Conclusie Ondanks het feit dat de totale voorraad in 2013 is afgenomen ten opzichte van het jaar daarvoor blijft de kantorenmarkt onverminderd onder druk staan. De discrepantie tussen vraag en aanbod loopt nog steeds op (negatieve absorptie). De gebruikersmarkt blijft onveranderd slecht, er is een polarisatie gaande op zowel de gebruikers- als beleggingsmarkt. Het onder druk staan van de kantorenmarkt kent diverse oorzaken; economische crisis, het nieuwe werken, digitalisering en een structureel overaanbod. De economische crisis heeft tot gevolg dat er een vraaguitval is van gebruikers van kantoorruimte. Tevens centraliseren veel grotere bedrijven waardoor veelal oudere locaties worden ingeruild voor 1 locaties. De uitval van vraag wordt verstrekt door het fenomeen het nieuwe werken. Bedrijven zijn niet langer ingericht op 100% van de werknemers maar richten in op een bezettingsgraad van circa 80%. Daarbij is de ruimtebehoefte per werknemer, door digitalisering, sterk afgenomen. De oplopende leegstand is niet alleen voor ontwikkelaars en beleggers een slechte ontwikkeling. Leegstaande gebouwen hebben een negatief effect op het investeringsklimaat in een gebied. Het schaadt het imago van een locatie en daarmee de waarde van omliggende kantoorobjecten. Transparantie op de kantorenmarkt is de afgelopen jaren verbeterd; marktrapportages worden in toenemende mate uitgevoerd, data is eenvoudiger benaderbaar. Toch blijkt er geen overeenstemming te bestaan over te rapporteren cijfers. Zo bestaan er verschillen tussen rapportages, welke tevens blijken uit de gebruikte analyses van o.a. Dynamis en DTZ Zadelhoff, deze verschillen worden met name veroorzaakt door afwijkingen in definities. Harde locatiefactoren, zoals de bereikbaarheid van een individueel kantoorgebouw zijn op relatief eenvoudige wijze te verkrijgen. Met betrekking tot de zachtere locatiefactoren heeft er de afgelopen jaren een ontwikkeling plaats gevonden, getuige de introductie van bijvoorbeeld de Walk Score. Transparantie omtrent bruto markthuren is eveneens relatief eenvoudig benaderbaar, echter de slag naar netto huren (gebaseerd op huurovereenkomsten) is nog niet gemaakt. Met name de in transparantie van incentives vormt een probleem. Daarnaast bestaat er ook geen eenduidige definitie van de term incentive. Zo rekent de ene belegger alleen huurkortingen en huurvrij periode toe tot de incentive, waar een ander tevens de verhuur gereed kosten daartoe rekent.


4 Data analyse 4.1 Introductie In hoofdstuk 2 is een beschrijving gegeven van de verschillende stromingen binnen de economische scholen, hierbij is geconcludeerd dat de diverse stromingen naast elkaar kunnen blijven bestaan. De(neo)klassieke locatietheorieën met de harde locatietheorieën en de modernen met de meer zachte locatietheorieën, verschillende locatiefactoren worden gecombineerd. Deze combinatie van locatiefactoren is tevens verwerkt in de keuze van de variabelen binnen dit onderzoek. Op basis van deze uitkomsten is het van belang een combinatie van harde en zachte locatiefactoren als kernvariabelen te onderzoeken. Harde locatiefactoren hebben betrekking op de afstand tot de markt en in de keuze van variabelen betreft dat binnen dit onderzoek de afstand van een locatie tot het openbaar vervoer en de openbare (Rijksweg). De zachte locatiefactoren hebben betrekking op belevingswaarde en het voorzieningenniveau.

4.2 Data Selectie In het vorige hoofdstuk is een beschrijvende analyse gegeven op de belangrijkste gebieden van de Nederlandse Kantorenmarkt, de agglomeraties van de vier grote steden. De keuze voor de afbakening naar de regio’s van de vier grote steden komt voort uit de hoge activiteit (opname en aanbod) binnen deze regio’s zoals beschreven in hoofdstuk 3. Voor het onderzoek is binnen de regio’s van de vier grote steden een selectie gemaakt van 16 deelgebieden, welke behoren tot de relatief goed presterende kantoorgebieden (Core) binnen de G4. Voor de selectie is gebruik gemaakt van “Ranking Kantoorlocaties 2014, JLL” alsmede “Factsheets Kantorenmarkt 2014, DTZ Zadelhoff’. Binnen de literatuur bestaat geen overeenstemming omtrent harde criteria van een Core locatie, derhalve geldt binnen de selectie van data binnen dit onderzoek de volgende definitie van een Core locatie: “een kantorenlocatie, gelegen binnen in één van de G4- agglomeraties welke op basis van huurprijs, leegstandspercentage en opname outperformed ten opzichte van het landelijke gemiddelde” Om, binnen dit onderzoek, binnen de definitie van een Core kantorenlocatie (Bijlage I, overzicht selectie Core locaties) te vallen zijn de volgende criteria gesteld:   

ranking binnen de top-50 van Ranking Kantoorlocaties 2014 van JLL leegstandpercentage in het betreffende deelgebied niet hoger dan het landelijk gemiddelde van 16% minimale bruto markthuurprijs boven het landelijk gemiddelde van €133,- per m² exclusief BTW

In enkele gevallen is ervoor gekozen om een centrum deelgebied binnen een deelgebied toe te voegen aan het onderzoek, zie hiertoe tevens bijlage I. Dit kan in afwijking zijn van de selectie conform bijlage II. Afwijking betreft dan enkel het leegstandpercentage voor het gehele deelgebied, terwijl het centrum gebied van de betreffende locatie wel voldoet aan de criteria.


Binnen de geselecteerde Core locaties zijn voor 100 individuele kantoorobjecten data verzameld teneinde enkelvoudige en meervoudige regressies uit te kunnen voeren. De markthuurprijzen zijn verzameld middels de database van officerank (www.officerank.nl). De markthuurprijzen uit de database van officerank zijn vergeleken en gecontroleerd met vermelde markthuurprijzen uit de volgende rapportages en internetsites: DTZ Zadelhoff Factsheet Kantorenmarkt Nederland, Dynamisch Big Data 2014, www.realnext.nl en www.funda.nl. Bij een discrepantie tussen huurprijzen in officerank en de vergeleken bronnen is er, na overleg met het Expert Panel, gekozen voor een consensus. Dit Expert Panel bestaat uit een 3 bedrijfsmakelaars werkzaam bij DTZ Zadelhoff, JLL en Statement Real Estate. (voor details zie bijlage V) Vervolgens zijn voor de individuele objecten de data van de volgende locatie kenmerken geanalyseerd:   

afstand tot een afrit van de snelweg afstand tot een spoorwegstation voorzieningenniveau (Walk Score)

De verzamelde data, de variabelen, zijn als volgt onderverdeeld. Variabelen (Bijlage II) De onafhankelijke variabele: De bruto markthuurprijs per m² exclusief BTW per jaar, gepeild in Q1 van 2014. Hierbij is geen rekening gehouden met eventuele huurkortingen (incentives) die bij het afsluiten van een huurovereenkomst gebruikelijk zijn. De reden hiertoe ligt in het feit dat de data hiertoe in transparant, en mits voorhanden onbetrouwbaar, zoals geconcludeerd in hoofdstuk 3. De eerste (harde) verklarende variabele: de afstand tot de snelweg gemeten in kilometers. De afstand is gemeten via Google Maps en meet de afstand tussen het specifieke adres en de afrit van de (A) snelweg. De tweede (harde) verklarende variabele: de afstand tot een spoorwegstation gemeten in kilometers. De afstand is gemeten via Google Maps en meet de afstand tussen een specifiek adres en een intercity spoorwegstation. De derde (zachte) verklarende variabele: Walk Score. De Walk Score, geïntroduceerd in 2007, is een ‘webbased’algoritme om de relatieve walkability van locaties te bepalen. Walk Score waardeert walkability van een adres c.q. postcode door de afstand te meten naar educatie-(school), retail- (levensmiddelenwinkel, boekwinkel, kledingwinkel, gereedschapswinkel, drogisterij, muziekwinkel), horeca- (restaurant, bar), recreatie-(park, bibliotheek, fitnesscentrum) en entertainment- (bioscopen) voorzieningen. Het algoritme geeft vervolgens punten op een schaal van nul tot honderd gebaseerd op de afstand naar de dichtstbijzijnde type voorziening door gebruik te maken van ‘Google Maps’ (Pivo en Fischer, 2011). http://www.walkscore.com/methodology.shtml (zie voor een verder toelichting bijlage III)


4.3 Beschrijvende Statistiek Ter inleiding van de navolgende regressie analyse volgt hieronder een toelichting op de statistiek van de, in de vorige paragraaf beschreven variabelen, de beschrijvende statistiek. Onderstaande tabel 7 geeft een weergave van de spreiding van de geanalyseerde variabelen. Statistiek

Gemiddelde

Mediaan

Variantie

St Dev

OV Auto Walkscore Markthuur

1,18 2,42 86,43 195,55

0,9 2,6 90 180

0,89 2,62 183,64 1699,44

0,94 1,62 13,55 41,22

Tabel 7: Spreiding variabelen Bron: Eigen bewerking

Het gemiddelde van de markthuren bedraagt EUR 195,55 per vierkante meter op jaarbasis. Dit is substantieel hoger (23%) dan het gemiddelde voor heel Nederland dat een niveau kent van EUR 133,per vierkante meter op jaarbasis. De keuze voor Core kantoorlocaties als te onderzoeken gebied is gedeeltelijk terug te zien in de relatief geringe mate van spreiding. De gemiddelde Walkscore bedraagt 86, met een mediaan van 90 en een Standaard Deviatie van 13.55. De gemiddelden en spreiding per stad zijn weergegeven in tabel 8 en 9. Gemiddelde

OV

Auto

Walkscore

Markthuur

Amsterdam

0,96

2,06

82

220

Den Haag

1,69

1,27

91

177

Rotterdam

1,07

3,36

92

177

Utrecht

1,46

3,27

82

185

Tabel 8: Gemiddelden per stad Bron: Eigen bewerking

St. Dev

OV

Auto

Walkscore

Markthuur

Amsterdam

0,71

1,66

14

51

Den Haag Rotterdam Utrecht

1,23 0,70 1,36

1,41 0,86 1,68

8 6 24

24 16 23

Tabel 9: Spreiding variabelen per stad Bron: Eigen bewerking

De gemiddelde markthuren in Amsterdam liggen substantieel (23%) hoger dan in Den Haag, Rotterdam en Utrecht. Tevens vallen de relatief hoge Walk Scores voor Den Haag en Rotterdam op.

4.4 Regressie analyse De regressie zijn uitgevoerd met het behulp van het programma E Views. Er zijn hierbij 3 enkelvoudige regressies uitgevoerd voor respectievelijk de afstand tot de snelweg, de afstand tot een spoorwegstation en de Walk Score. De meervoudige regressie combineert de onafhankelijke variabelen. Vanwege de discrepantie tussenen huren in Amsterdam en de overige steden is ervoor gekozen de effecten tevens per stad te meten. De effecten per stad (fixed effects) zijn gemeten middels regressie in een totaalmodel. Om een goed inzicht te verschaffen in de relaties tussen verklarende variabelen en de afhankelijke variabele zijn de data met behulp van een scatterplot uitgebeeld, zie hiertoe figuur 21. Onderstaande scatterplots geven een goed inzicht in een eventueel verband tussen de markthuur en respectievelijk afstand tot de snelweg, afstand tot openbaar vervoer en de Walk Score.


De punten in de scatterplot zijn onderverdeeld in observatie per stad. Afstand tot de snelweg

Figuur 21: Scatterplot afstand tot snelweg Bron: E Views

In Amsterdam zijn er zowel lage als hoge markthuren die corresponderen met een kleine afstand tot de snelweg. Er zijn zelfs iets meer kantoren met een lage markthuur die ver van de snelweg afliggen dan dichtbij een snelweg. In Den Haag liggen alle kantoren dichtbij de snelweg, met uitzondering van twee kantoren. Daarbij is de markthuur voor elk kantoor ongeveer gelijk, er lijkt een sterk negatieve relatie te bestaan. In Rotterdam liggen de kantoren gemiddeld een stuk verder van de snelweg af. Maar ook hier liggen de huurprijzen niet ver uit elkaar waardoor er geen verband lijkt te bestaan. Als laatste lijkt er in Utrecht een zwak positief verband te zijn: de markthuur neemt licht toe als de afstand tot de snelweg toeneemt. Daartoe is het volgende model geschat middels een eenvoudige regressie. In dit model wordt de markthuur verklaard door de afstand tot de snelweg.

Afhankelijke variabele: Markthuur Constante Afstand tot snelweg

Coëfficiënt 203.9564 -3.4752

p-waarde 0.0000 0.1762

Tabel 10: Output regressie Afstand tot snelweg Bron: E Views


De p-waarde is groter dan het significantieniveau van 5% (tabel 10), dus er kan niet geconcludeerd worden dat de afstand tot de snelweg een significant effect heeft op de markthuur. Echter de scatterplot (figuur 21) geeft een implicatie dat er verschillende effecten per stad bestaan. Daarom worden in het volgende model de effecten voor elke stad afzonderlijk geschat (Fixed Effects).

Afhankelijke variabele: Markthuur Constante Afstand snelweg Amsterdam Afstand snelweg Den Haag Afstand snelweg Rotterdam Afstand snelweg Utrecht

Coëfficiënt 204.7816 3.7653 -15.5306 -7.1263 -4.7702

P-waarde 0.0000 0.2179 0.0040 0.0126 0.1835

Tabel 11: Fixed Effects afstand tot snelweg Bron: E Views

Tabel 11 geeft de schattingen die gevonden zijn met behulp van de kleinste kwadraten methode. In Den Haag en Rotterdam is er een significante relatie met p-waarden van 0.0040 en 0.0126 zijn lager dan 5% significantie niveau. Het effect van de afstand tot de snelweg is in den haag -15.53 en in Rotterdam -7.126. Dus als de afstand tot de snelweg met 1 km stijgt zal de markthuur met EUR 15.53 dalen in Den Haag en EUR 7.13 dalen in Rotterdam. Deze resultaten zijn in de lijn der verwachting met de scatterplot. Afstand tot een spoorwegstation

Figuur 22: Scatterplot afstand tot OV Bron: E Views “Core kantorenlocaties: wat bepaalt de huurprijs van een kantoorgebouw?”

De kantoren in Amsterdam hebben vaak een hogere huur dan die in andere steden, het gemiddelde huurprijsniveau van de geselecteerde kantoorruimte in Amsterdam ligt 23% boven het gemiddelde van de 3 overige steden. Er zijn kantoren in Amsterdam met een korte afstand tot het OV die zowel hoge als lage huurprijzen hebben. Dus in Amsterdam lijkt er geen effect te zijn. In Den Haag lijkt er wel een zwakke negatieve relatie te bestaan. In Rotterdam wordt een zelfde soort patroon als in Utrecht herkend: dus ook een zwak negatieve relatie. In Utrecht lijkt er geen verband te bestaan, de data geven geen eenduidige relatie aan. Daartoe wordt het volgende mode geschat waarbij de markthuur wordt verklaard door de afstand tot een spoorwegstation.

Afhankelijke variabele: Markthuur Constante Afstand tot OV

Coëfficiënt 204.3817 -7.4592

p-waarde 0.0000 0.0899

Tabel 12: Output regressie Afstand tot OV Bron: E Views

De schattingen van dit model wijzen uit dat de afstand tot het OV een negatief effect heeft op de markthuur. Echter is de geschatte coëfficiënt niet significant, maar het impliceert wel dat er een verband bestaat. Daarom worden in het volgende model de effecten per stad afzonderlijk geschat (Fixed Effects).

Afhankelijke variabele: Markthuur Constante Afstand OV Amsterdam Afstand OV Den Haag Afstand OV Rotterdam Afstand OV Utrecht

Coëfficiënt 200.2147 10.9520 -11.9118 -13.9827 -4.9788

P-waarde 0.0000 0.1113 0.0193 0.0535 0.4431

Tabel 13: Fixed Effects afstand tot OV Bron: E Views

Het effect van de afstand tot het OV is significant in Den Haag. In Den Haag zal de markthuur met EUR 11.91 dalen als de afstand tot het OV met 1 kilometer stijgt. De geschatte coëfficiënt voor Rotterdam behaalt net niet de significantiegrens, dus er kan niet geconcludeerd worden dat er in Rotterdam een significante relatie bestaat. In Amsterdam schat het model zelfs een positief effect, dus hoe verder van het OV hoe hoger de huurprijs. Echter zijn de effecten in zowel Amsterdam als Utrecht niet significant.


Voorzieningenniveau (Walkscore)

Figuur 23: Scatterplot Walkscore Bron: eigen bewerking

In Amsterdam verschillen de kantoren wat meer van elkaar qua Walk Score. Er lijkt een licht positief effect te bestaan op de markthuur. Maar er zijn ook meerdere kantoren in Amsterdam met een hoge Walk Score en een lagere markthuur. De kantoren in Den Haag lijken veel op elkaar in de zin dat ze vergelijkbare Walk Scores en markthuren hebben. In Rotterdam lijkt er ook een licht positieve relatie te ontstaan. In Utrecht lijkt er wel een positief verband te bestaan. De uitschieters (met een lagere walkscore) maken het lastig om een eenduidig effect aan te tonen. Om de effecten van de walkscore op de markthuur te onderzoeken wordt de enkelvoudige regressie gebruikt. Afhankelijke variabele: Markthuur Constante Walkscore

Coëfficiënt 222.4749 -0.3115

p-waarde 0.0000 0.3107

Tabel 14: Output regressie Walkscore Bron: E Views

De bovenstaande tabel 14 geeft de schattingen weer van het model. De p-waarde is te hoog dus er bestaat geen significante relatie met de Walk Score. Ook in dit geval is het redelijk om de effecten per stad te schatten. Daarvoor wordt het volgende model gebruikt:

Afhankelijke variabele: Markthuur Constante Walkscore Amsterdam Walkscore Den Haag Walkscore Rotterdam Walkscore Utrecht

Coëfficiënt 184.3390 0.4360 -0.0771 -0.0745 -0.0050

P-waarde 0.0000 0.1504 0.7846 0.7884 0.9868

Tabel 15: Fixed Effects Walkscore Bron: E Views “Core kantorenlocaties: wat bepaalt de huurprijs van een kantoorgebouw?”

Zelfs wanneer de effecten per stad worden gemodelleerd , bestaat er geen significante relatie. De geschatte coëfficiënten zijn daarnaast minimaal. Er kan geconcludeerd worden dat de Walk Score, zelfs per stad, geen significant effect heeft op de markthuur.

4.5 Conclusie De onderzochte factoren hebben geen aanwijsbaar effect op de keuze van een bepaalde stad. Andere factoren spelen vermoedelijk een rol, te denken valt aan; ligging nabij Schiphol of aan de overheid gerelateerde argumenten (Den Haag). Tevens kan hierbij gedacht worden aan de behaviourale benadering van Pred. Bewegingen (gedragingen van bedrijven) kunnen beïnvloed worden door trends. De huren in Amsterdam liggen substansieel hoger dan de huren in Den Haag, Rotterdam en Utrecht. Ook verschillen de effecten van de afstand tot het openbaar vervoer en tot een snelweg op de markthuur zodanig per stad dat het beter is om de effecten afzonderlijk te modelleren, de zgn. Fixed Effects. Binnen de keuze voor een stad gelden er significante verbanden tussen de markthuur en de afstand tot de snelweg en het openbaar vervoer. In Den Haag hebben beide afstanden een significant negatief effect op de markthuur. Daarnaast geldt er in Rotterdam ook een negatief effect van de afstand tot de snelweg op de markthuur. Het effect is in Den Haag ruim twee keer zo sterk (-15.53) ten opzicht van Rotterdam (-7.13). De resultaten sluiten gedeeltelijk aan bij bestaand onderzoek. Zo geldt er een binnen de geselecteerde deelgebieden voor met name Den Haag, en in iets mindere mate voor Rotterdam, een verband tussen de waarde van een locatie en de afstand tot een Spoorwegstation, de waarde van een locatie neemt af naarmate het station verder gelegen is. In afwijking van bestaand onderzoek bestaat er, binnen de onderzochte (Core) deelgebieden geen significant effect van de Walkscore op de markthuur. Zelfs niet wanneer de verschillende steden apart worden gemodelleerd. Dit is een interessante uitkomst. Concluderend kan er gesteld worden dat de huurprijs van een kantoorgebouw, binnen een Core locatie, afhankelijk is van de bereikbaarheid. Zowel per auto als openbaar vervoer. In de centrum gebieden, waar de bereikbaarheid per auto relatief minder is, bestaat er een relatie tussen de afstand van een station en de huurprijs van een kantoorgebouw. De harde locatiefactoren, passend binnen de traditionele stroming van locatietheorieën, hebben een effect op de huurprijs van een kantoorgebouw. Met betrekking het huidige gedachtegoed binnen de locatietheorieën, valt er binnen de Core locaties het volgende te concluderen. Binnen de Core locaties is er geen verband aangetoond tussen de Walk Score en de huurprijs van een kantoorgebouw. Een verklaring hiervoor zou gezocht kunnen worden in het feit dat deze locaties al over een relatief hoog voorzieningsniveau beschikken (gemiddelde Walk Score van 86). Het toevoegen van extra voorzieningen in de nabije omgeving van een individueel kantoorgebouw zal geen directe invloed hebben op de huurprijs van dat gebouw.


5. Conclusies en aanbevelingen 5.1 Conclusies en antwoord op de centrale vraag Dit onderzoek is gestoeld op economische scholen van de algemene locatietheorieën, waarbij in het algemeen geconcludeerd is dat gedragingen te verklaren zijn door het combineren van verschillende zgn. harde en zachte locatiefactoren. Minimalisatie van kosten gecombineerd met belevingswaarde van een locatie bepalen mede de huurprijs van een kantoorgebouw. De praktijk wijst uit dat huurprijzen van kantoorgebouwen zwaar onder druk staan. Het onder druk staan van de kantorenmarkt kent diverse oorzaken; economische crisis, het nieuwe werken, digitalisering en een structureel overaanbod. De economische crisis heeft tot gevolg dat er een vraaguitval is van gebruikers van kantoorruimte. Tevens centraliseren veel grotere bedrijven waardoor veelal oudere locaties worden ingeruild voor 1 locatie. De uitval van vraag wordt verstrekt door het fenomeen het nieuwe werken. Bedrijven zijn niet langer ingericht op 100% van de werknemers maar richten in op een bezettingsgraad van circa 80%. Daarbij is de ruimtebehoefte per werknemer, door digitalisering, sterk afgenomen. Uit onderzoek naar de beste kantoorlocaties blijkt dat openbaar vervoer, omgeving, kwaliteit en management van het gebouw in toenemende mate van belang zijn. Ondanks het oplopende leegstandpercentage in Nederland, is er momenteel schaarste op de populaire locaties. Met het toenemende verschil tussen locaties neemt ook de differentiatie in huurniveaus toe. De polarisatie tussen primaire en secundaire deelgebieden neemt toe, centrumlocaties en clusters met een hoog voorzieningenniveau presteren substantieel beter dan secundaire gebieden in termen van leegstand, opnamen en huurprijzen. Dit sluit aan bij het huidige raamwerk van bestaande economische scholen welke klassieke en moderne theorieën combineert. De waarde van een locatie is niet enkel afhankelijk van de afstand tot de markt, ook het voorzieningen niveau heeft een effect op de waarde van een locatie. Dit onderzoek tracht een inzicht te geven in de relatie tussen de huurprijs en de aanwezige locatiekenmerken op de Core locaties, waarbij als centrale vraag geldt: ‘ Wat is de aard van het verband tussen de huurprijs van kantoorgebouwen en de aanwezige locatiekenmerken op een Core locatie?’ Het antwoord hierop luidt: binnen de Core locaties van de agglomeraties van de vier grote steden Amsterdam, Den Haag, Rotterdam en Utrecht geldt dat er relaties bestaan tussen de huurprijs van een kantoorgebouw en de bereikbaarheid. Voor deze locaties wordt het effect van harde locatiekenmerken gemeten; binnen de keuze voor een stad gelden er significante verbanden tussen de markthuur en de afstand tot de snelweg en het openbaar vervoer. Met name het effect van een spoorwegstation wordt gemeten in de deelgebieden van Rotterdam en Den Haag. De waarde van de locatie neemt af naarmate de afstand tot een spoorwegstation toeneemt.


Het effect van zachte locatiekenmerken op de waarde van een locatie wordt binnen de Core gebieden niet gemeten. Dit wijkt af van bestaand onderzoek waaruit geconcludeerd wordt dat bedrijven bereid zijn meer te betalen naarmate het voorzieningenniveau toeneemt. Binnen de Core locaties is er geen verband aangetoond tussen de Walk Score en de huurprijs van een kantoorgebouw. Een verklaring hiervoor zou gezocht kunnen worden in het feit dat deze locaties al over een relatief hoog voorzieningsniveau beschikken. Het toevoegen van extra voorzieningen in de nabije omgeving van een individueel kantoorgebouw zal geen directe invloed hebben op de huurprijs van dat gebouw. Dit is een uitkomst die een selectie van individuele kantoorgebouwen ondersteunt waardoor allocatie naar bepaalde gebouwen beter gefundeerd kan worden.

5.2 Reflectie Zoals eerder binnen dit onderzoek vermeld is de betrouwbaarheid van data een heikel punt binnen de vastgoedmarkt. In de keuze van kernvariabelen binnen dit onderzoek leek de markthuur van een kantoorgebouw, in eerste instantie, een sub-optimale keuze. Echter het ontbreekt in de markt aan geschoonde markthuurgegevens. Tevens ontbreekt er nog immer een definitie van het begrip incentive. Hierdoor is de keuze van bruto markthuren onvermijdelijk. Tevens bestaat er in de markt meer overeenstemming over bruto markthuren dan de hoogte en het begrip incentive. Bruto markt huren worden dan ook gepubliceerd. Bovenstaande in ogenschouw nemend is de keuze voor bruto markthuren wellicht minder sub-optimaal dan in eerste instantie verondersteld. Er worden immers dezelfde parameters vergeleken.

5.3 Aanbevelingen Om meer inzicht te verkrijgen in de stuurbaarheid van dergelijke Core kantorenlocaties worden de volgende aanbevelingen gedaan die in tot verbetering van de transparantie van de vastgoedmarkten zullen leiden:  

het verplicht registreren van huurtransacties inclusief transactiedetails het standaardiseren van het begrippen omtrent incentives

Bij opvolging van bovenstaande aanbevelingen zal er meer gestandaardiseerd onderzoek uitgevoerd kunnen worden, iets wat bij zal dragen een efficiëntere markt. Daarnaast verdient het aanbeveling vervolgonderzoek te doen binnen Core locaties waarbij de volgende, te onderzoeken, kernvariabelen worden toegevoegd:   

bouwjaar dan wel renovatie jaar van het individuele kantoorgebouw flexibiliteit ten aanzien van de indelingsmogelijkheden van een kantoorgebouw belevingswaarde van het individuele kantoorgebouw

Onderzoek naar object specifieke kenmerken zal in combinatie met bestaand onderzoek naar het effect van locatiekenmerken meer stuurbaarheid geven aan succes van een kantoorgebouw.


6.0 Bibliografie

  

                        

Atzema, A., Lambooij, J, van Rietbergen, T and E. Wever (2002), Ruimtelijke economische dynamiek, kijk op bedrijfslocaties en regionale ontwikkeling, Coutinho, Bussum. Baarda, D.B., de Goede, M.P.M. and J. Teunissen (2001), Basisboek kwalitatief onderzoek, Wolters Noordhoff, Groningen/Houten. Brounen, D and P.M.A. Eichholtz (2004), Demographic contraction and European property markets, consequences for the demand for office, retail and residential space, European Public Real Estate Association (EPRA). Brown, G. R. and G.A. Matysiak (2000), Real estate investment, a capital market approach, Financial Times Prentice Hall, Essex. e Buijs, A. (2012). Statistiek om mee te werken. Groningen: Wolters-Noordhoff (9 druk) C.W., (1966). Prentice-Hall, Englewood Cliffs, NJ. Christaller, W., (1933). Die Zentralen Orte in Süddeutschland. Fischer. Vertaald door Baskin, Colliers (2013), Nederland kantorenmarkt 2013, Colliers Amsterdam. Dijk van, M. (2009) Locatietheorieën: een historisch overzicht. Bachelor scriptie Faculteit der Economische Wetenschappen: Erasmus Universiteit Rotterdam DiPasquale, D. and W.C. Wheaton (1996), Urban economics and real estate markets, Prentice Hall, Englewood Cliffs, New Jersey. Doorewaard, J.A.C.M. and P.J.M. Verschuren (2007), Het ontwerpen van een onderzoek, Lemma, The Hague. Dynamis (2014), Sprekende cijfers 2014, Dynamis Utrecht Geltner, D.M, Miller,N.G., Clayton, J. and P. Eichholtz(2007), Commercial real estate analysis and investments, 2nd edition, Thomson South-Western, Mason. Gerritsen, S. (2009), Schrijfgids voor economen, Uitgeverij Coutinho, Bussum. Gool, P. van, Brounen, D., Jager P. and R. Weisz (eds.)(2007), Onroerend goed als belegging, Noordhoff Uitgeverij, Groningen/Houten. Hoover, E.M., (1937). Location Theory and the Shoe and Leather Industries. Harvard Hurst, M.E.E., (1972). A geography of economic behavior. Duxbury Press, 387-393 IPD (2014), IPD Nederlandse kwartaal vastgoedindex Q4, IPD Almere. Jones Lang Lasalle (2013), Ranking kantoorlocaties, Jones Lang Lasalle Amsterdam Kantorenmonitor BV (2013), Kantorenmonitor metropoolregio Amsterdam Krugman, O., (1991). Increasing Returns and Economic Geography. Journal of Political Economy, 99 (3), 483-499. Krugman, P., (1991). Geography and Trade, MIT Press, Cambridge, Massachusetts. Kurzrock, B.M., Tottke, N.B. and D. Schiereck (2009), Factors that influence the performance of office properties, Journal of real estate portfolio management, 2009, Vol.15, No.1 Leinberger, C.B. (2005). Turning Around Downtown: Twelve Steps To Revitalization. Metropolitan Policy Program at The Brookings Institution. Leinberger, C.B. (2010). A Model for Growth: Walkable Urbanism. Leinberger, C.B. (2012). DC: The WalkUP Wake-Up Call. The Nation’s Capital as a National Model for Leinberger, C.B. en Alfonzo, M. (2012). Walk this Way: The Economic Promise of Walkable Places in M.P.M. de Goede (2012). Basisboek methoden en technieken: kwantitatief onderzoek Marquard A.R. en van der Post (2013). Basissyllabus Marktanalyse


   

Marquard, A.R. (2009), Basissyllabus Module 1, inleiding beleggingsanalyse, Amsterdam School of Real Estate, Amsterdam. Schrader- van Meel (2012), City factors explaining retail real estate market rents in Europe, Masterthesis MSRE, Amsterdam School of Real Estate, Amsterdam. U.S. Metropolitan Areas. Metropolitan Policy Program at The Brookings Institution. University School of Business. Van Gool Elburg (2012), Kantorenvisie deelgebieden Amsterdam, Van Gool Elburg Amsterdam Walkable Urban Places. The Center for Real Estate and Urban Analysis at The George Washington

Internet Bronnen:     

www.officerank.nl www.vastgoedkennis.nl www.propertynl.com www.cbs.nl www.google/walkscore


Bijlagen


I: Overzicht selectie Core locaties Stad

Deelgebied

Amsterdam

Core Locatie

Centrum gebied

Voorraad

Leegstand

(J/N)

deelgebied Core

(m²)

indicator (%)

Markthuur 2013 (€ / m²) van

tot

1 Amsterdam

Centre (Centrum, Zuid)

J

1.580.000

10

160

350

2 Amsterdam

North

N

188.000

10

135

195

3 Amsterdam

East (Omval, Amstel Business Park)

J

639.000

12

100

350

4 Amsterdam

West (Sloterdijk/Teleport, Riekerpolder, Westas)

N

J

1.733.000

18

80

165

5 Amsterdam

South East

N

J

781.000

20

80

150

6 Amsterdam

South East Centre

440.000

<10

150

195

7 Amsterdam

Zuidelijke IJ-oevers/Houthavens

N

241.000

25

180

275

8 Amsterdam

Zuidas (Zuidas, Buitenveldert)

J

835.000

10

230

385

9 Amsterdam

Agglomeration (Amstelveen, Diemen)

N

627.000

>20

75

195

15

200

355

J

Amsterdam totaal (excl Schiphol)

7.064.000

Schiphol 10 Schiphol

Schiphol

J

624.000

Amsterdam totaal (incl Schiphol)

7.688.000

Den Haag 11 Den Haag

CS / New Centre / Beatrixkwartier / Schenkstroop

J

1.738.000

<10

130

190

12 Den Haag

Old Centre

J

438.000

<5

160

200

13 Den Haag

West (Congress area)

J

313.000

10

80

125

14 Den Haag

East (Laakhaven, Binckhorst, Forepark)

N

784.000

20

80

125

15 Den Haag

Agglomeration (Leidschendam, Voorburg, Delft, etc). N

2.913.000

18

80

150

Den Haag totaal

6.186.000

Rotterdam 16 Rotterdam

Centre / CS / Blaak / Scheepvaartkwartier

J

1.868.000

15

100

225

17 Rotterdam

East (Oosterhof, Erasmuspark, Alexandrium)

N

236.000

>30

110

140

18 Rotterdam

West

N

195.000

>20

135

165

19 Rotterdam

South (Zuidplein, Kop van Zuid)

J

307.000

6

145

225

20 Rotterdam

Agglomeration (Capelle, Harbour, Schiedam, etc.)

N

1.615.000

25

90

140

Rotterdam totaal

4.221.000

Utrecht 21 Utrecht

Centre / CS

J

889.000

<10

165

195

22 Utrecht

East (Rijnsweerd/De Uithof)

N

J

280.000

18

125

160

23 Utrecht

South (Lunetten/Stadion/Kanaleneiland)

N

J

581.000

15

110

150

24 Utrecht

Papendorp

N

J

256.000

18

145

175

25 Utrecht

North (Overvecht)

N

82.000

13

80

145

26 Utrecht

West (Lage Weide/Cartesiusweg)

N

150.000

>25

85

130

27 Utrecht

Maliebaan

N

62.000

17

155

195

28 Utrecht

Agglomeration (Bunnik, Bilt, Houten, Nieuwegein, etc)N

1.291.000

20

80

130

Utrecht totaal

3.591.000

Totaal G4

21.686.000


II: Variabelen #

Stad

Deelgebied

Adres

Markthuur (€ / m²)

Bereikbaarheid OV (km)

Data OV

Bereikbaarheid Auto

Data Auto

Walkscore

1

Amsterdam

Amstel

Prins Bernhardplein 200

190

IC 0.3 km

0,3

A10 2.4 km

2,4

90

2

Amsterdam

Centre

Rhijnspoorplein 10 -38

180

CS 2.4 km

2,4

A10 3.6 km

3,6

95

3

Amsterdam

Centre

Stadhouderskade 85

165

CS 2.7 km

2,7

A10 3.5 km

3,5

100

4

Amsterdam

Centre

Keizersgracht 271-287

300

CS 1.5 km

1,5

A10 3.9 km

3,9

93

5

Amsterdam

Centre

Stadhouderskade 1

320

CS 2.5 km

2,5

A10 3.9 km

3,9

93

6

Amsterdam

Centre

Weesperstraat 111-117

200

CS 2.1 km

2,1

A10 4 km

4

97

7

Amsterdam

IJ oevers

Piet Heinkade 55

200

CS 1.5 km

1,5

A10 6.1 km

6,1

82

8

Amsterdam

Omval

Amstelplein 1

300

IC 0.2 km

0,2

A10 3.3 km

3,3

92

9

Amsterdam

Omval

Amstelplein 2

300

IC 0.2 km

0,2

A10 3.3 km

3,3

88

10

Amsterdam

Omval

Amstelplein 6

300

IC 0.2 km

0,2

A10 3.3 km

3,3

88

11

Amsterdam

Schiphol

Evert van de Beekstraat 1

230

IC 0.9 km

0,9

A4 0.3 km

0,3

42

12

Amsterdam

Schiphol

Evert van de Beekstraat 310 320

180

IC 1.1 km

1,1

A4 0.3 km

0,3

35

13

Amsterdam

Sloterdijk

La Guardiaweg 94-162

165

IC 0.2 km

0,2

A10 0.5 km

0,5

60

14

Amsterdam

Zuid

Fred. Roeskestraat 123

225

IC 1.2 km

1,2

A10 0.5 km

0,5

72

15

Amsterdam

Zuid

Fred. Roeskestraat 100

250

IC 1.2 km

1,2

A10 0.6 km

0,6

72

16

Amsterdam

Zuid (Vivaldi)

De Boelelaan 7

210

IC 0.7 km

0,7

A10 0.3 km

0,3

88

17

Amsterdam

Zuid (Vivaldi)

Barbara Strozzilaan 336-388

210

IC 0.5 km

0,5

A10 0.5 km

0,5

75

18

Amsterdam

Zuidas

Strawinskylaan 2501

300

IC 0.4 km

0,4

A10 0.5 km

0,5

90

19

Amsterdam

Zuidas

Gustav Mahlerlaan 4

320

IC 0.5 km

0,5

A10 0.5 km

0,5

95

20

Amsterdam

Zuid (Zuiderhof)

Amstelveenseweg 628-710

200

IC 1.9 km

1,9

A10 0.5 km

0,5

80

21

Amsterdam

Zuid (Vivaldi)

B. Strozzilaan 101

250

IC 0.4 km

0,4

A10 0.5 km

0,5

85

22

Amsterdam

Zuid (Vivaldi)

B. Strozzilaan 201

250

IC 0.3 km

0,3

A10 0.5 km

0,5

85

23

Amsterdam

Zuid (Vivaldi)

A. Vivaldistraat 150

250

IC 0.5 km

0,5

A10 1 km

1

65

24

Amsterdam

Zuidas

Strawinskylaan 2001

300

IC 0 km

0

A10 1.9 km

1,9

80

25

Amsterdam

Zuid (Zuiderhof)

Jachthavenweg 121

200

IC 2 km

2

A10 0.2 km

0,2

72

26

Amsterdam

Zuid (Zuiderhof)

Jachthavenweg 112, 118,124

275

IC 1.9 km

1,9

A10 0.3 km

0,3

60

27

Amsterdam

Zuidoost

De Entree 201

190

IC 0.8 km

0,8

A2 1.4 km

1,4

78

28

Amsterdam

Zuidoost

De Entrée 222

180

IC 0.8 km

0,8

A2 1.4 km

1,4

82

29

Amsterdam

Zuidoost

De Entrée 99-197

205

IC 0.7 km

0,7

A2 1.6 km

1,6

73

30

Amsterdam

Zuidoost

De Entrée 11-97

180

IC 0.7 km

0,7

A2 1.7 km

1,7

83

31

Amsterdam

Zuidoost

Hoogoorddreef 60

175

IC 0.7 km

0,7

A2 1.8 km

1,8

83

32

Amsterdam

Zuidoost

Haaksbergweg 4

180

IC 0.8 km

0,8

A2 1.7 km

1,7

83

33

Amsterdam

Zuidoost

De Entrée 230-260

165

IC 0.7 km

0,7

A2 1.7 km

1,7

77

34

Amsterdam

Zuidoost

Haaksbergweg 75

170

IC 0.7 km

0,7

A2 1.8 km

1,8

82

35

Amsterdam

Zuidoost

Haaksbergweg 3-73

170

IC 0.7 km

0,7

A2 1.8 km

1,8

83


#

Stad

Deelgebied

Adres



Data OV

Bereikbaarheid Auto

Data Auto

Walkscore

36

Amsterdam

Zuidoost

Bijlmerdreef 24-74

190

IC 0.2 km

0,2

A2 1.8 km

1,8

80

37

Den Haag

Beatrix Kwartier

Schenkkade 50

200

CS 1.7 km

1,7

A12 0.1 km

0,1

80

38

Den Haag

Beatrix Kwartier

Prinses Beatrixlaan 23

200

CS 2.1 km

2,1

A12 0.8 km

0,8

78

39

Den Haag

Beatrix Kwartier


200

CS 1.4 km

1,4

A12 0.8 km

0,8

87

40

Den Haag

Beatrix Kwartier


200

CS 1.2 km

1,2

A12 0.8 km

0,8

85

41

Den Haag

Beatrix Kwartier


175

IC 1.6 km

1,6

A12 0.8 km

0,8

78

42

Den Haag

Centre

Stationsplein 75

140

IC 0 km

0

A12 1.4 km

1,4

92

43

Den Haag West (congres)

Johan de Wittlaan 32

150

CS 4.5 km

4,5

A12 4.3 km

4,3

83

44


Churchillplein 1

150

CS 4.3 km

4,3

A12 4.4 km

4,4

80

45

Den Haag

CS

Muzenstraat 61

200

CS 0,8 km

0,8

A12 1.4 km

1,4

100

46

Den Haag

CS

Bezuidenhoutseweg 12

180

CS 1.4 km

1,4

A12 0.1 km

0,1

98

47

Den Haag

CS

Parnassusplein 5

210

CS 1 km

1

A12 0.8 km

0,8

100

48

Den Haag

CS

Anna van Buerenstraat 48

200

CS 0.6 km

0,6

A12 0.3 km

0,3

98

49

Den Haag

CS

Rijnstraat 50

200

CS 1.1 km

1,1

A12 0.6 km

0,6

100

50

Den Haag

CS

Fluwelen Burgwal 58

160

CS 1.1 km

1,1

A12 0.9 km

0,9

98

51

Den Haag

CS

Kalvermarkt 53

160

CS 1.4 km

1,4

A12 0.9 km

0,9

98

52

Den Haag

CS

Turfmarkt 104

150

CS 1.1 km

1,1

A12 0.8 km

0,8

100

53

Den Haag

Maliehof

Zuid Hollandplein 22

180

CS 1 km

1

A12 0.6 km

0,6

97

54

Den Haag

Maliehof

Zuidhollandlaan 7

170

CS 2 km

2

A12 0.1 km

0,1

97

55


Johan de Wittlaan 3-7

140

CS 3.9 km

3,9

A12 4.3 km

4,3

88

56

Rotterdam

Centre

Coolsingel 139

180

CS 1.3 km

1,3

A13 3.2 km

3,2

95

57

Rotterdam

Centre

Stadthuisplein 16-38

200

CS 1.3 km

1,3

A13 3.2 km

3,2

92

58

Rotterdam

Centre

Weena 70

180

CS 0.5 km

0,5

A13 2.6 km

2,6

92

59

Rotterdam

Centre

Weena 686-694

180

CS 0.4 km

0,4

A13 2.7 km

2,7

93

60

Rotterdam

Centre

Coolsingel 93

160

CS 1.2 km

1,2

A13 3.1 km

3,1

98

61

Rotterdam

Centre

Coolsingel 120

170

CS 1.2 km

1,2

A13 3.1 km

3,1

97

62

Rotterdam

Centre

Blaak 31

200

IC 0 km

0

A13 4.4 km

4,4

98

63

Rotterdam

Centre

Blaak 555

170

IC 0.1 km

0,1

A13 4.4 km

4,4

100

64

Rotterdam

Centre

Hofplein 19

150

CS 0.7 km

0,7

A13 2.7 km

2,7

88

65

Rotterdam

Centre

Delftseplein 27

180

CS 0.1 km

0,1

A13 2.6 km

2,6

93

66

Rotterdam

Centre

Weena 580-684

180

CS 0.4 km

0,4

A13 2.7 km

2,7

93

67

Rotterdam

Centre

Hofplein 20

150

CS 0.7 km

0,7

A13 2.7 km

2,7

88

68

Rotterdam

Centre

Weena 200

170

CS 0.3 km

0,3

A13 2.7 km

2,7

93

69

Rotterdam

Centre

Weena 325

170

CS 0.3 km

0,3

A13 2.7 km

2,7

93

70

Rotterdam

Scheepvaartkwartier

Veerkade 8

200

IC 1.9 km

1,9

A16 4.3 km

4,3

78


#

Stad

Deelgebied

Adres



Data OV

Bereikbaarheid Auto

Data Auto

Walkscore

71

Rotterdam

Scheepvaartkwartier

Zalmstraat 1

200

IC 1.5 km

1,5

A16 4.4 km

4,4

90

72

Rotterdam

Centre

Beursplein 37

200

CS 1.7 km

1,7

A20 4.2 km

4,2

98

73

Utrecht

Centre

Leidseveer 2-10

180

CS 0.4 km

0,4

A2 4.1 km

4,1

95

74

Utrecht

Centre

Croeselaan 15

180

CS 0.9 km

0,9

A2 2.6 km

2,6

93

75

Utrecht

Centre

Neude 4

225

CS 0.9 km

0,9

A2 5.2 km

5,2

98

76

Utrecht

Kanaleneiland

Europalaan 40

160

CS 3.4 km

3,4

A12 0.6 km

0,6

75

77

Utrecht

Papendorp

Orteliuslaan 1-27

225

CS 4 km

4

A12 0.5 km

0,5

35

78

Utrecht

Centre

Moreelsepark 1

200

CS 0.4 km

0,4

A2 4.2 km

4,2

97

79

Utrecht

Centre

Laan van Puntenburg 100

180

CS 0.3 km

0,3

A2 4.1 km

4,1

95

80

Utrecht

Centre

Arthur van Schendelstraat 650-698

160

CS 1.1 km

1,1

A2 3.8 km

3,8

87

81

Utrecht

Centre

Daalseplein 100

170

CS 0.7 km

0,7

A2 4.9 km

4,9

97

82

Utrecht

Centre

Lange Viestraat 1

180

CS 0.8 km

0,8

A2 4.4 km

4,4

98

83

Rotterdam

Riverside

Oostmaaslaan 71

150

IC 2 km

2

A16 1.2 km

1,2

77

84

Rotterdam

Riverside

Boompjes 200

165

IC 0.7 km

0,7

A16 3.7 km

3,7

92

85

Amsterdam

Zuidoost

Hoogoorddreef 54-56

170

IC 0.5 km

0,5

A2 1.8 km

1,8

90

86

Amsterdam

Centre

Keizersgracht 617-629

250

CS 1.9 km

1,9

A10 3.9 km

3,9

95

87

Rotterdam

Centre

Weena 455

180

CS 0.5 km

0,5

A20 2.7 km

2,7

92

88

Rotterdam

Centre

Coolsingel 65

170

CS 1.3 km

1,3

A20 2.8 km

2,8

95

89

Rotterdam

Zuid

Wilhelminakade 1

170

IC 2 km

2

A16 4.3 km

4,3

90

90

Rotterdam

Zuid

Wilhelminakade 123

170

IC 2.1 km

2,1

A16 4.6 km

4,6

83

91

Rotterdam

Zuid

Wilhelminakade 901-967

180

IC 2.4 km

2,4

A16 4.8 km

4,8

83

92

Rotterdam

Riverside

Boompjes 40

170

IC 0.7 km

0,7

A16 3.3 km

3,3

80

93

Rotterdam

Centre

Aert van Nesstraat 25

160

CS 1 km

1

A20 3 km

3

97

94

Amsterdam

IJ oevers

Oosterdoksstraat 67

170

CS 1 km

1

A10 5.3 km

5,3

90

95

Amsterdam

IJ oevers

Oosterdoksstraat 114

170

CS 0.9 km

0,9

A10 5.3 km

5,3

92

96

Amsterdam

IJ oevers

Simon Carmiggelstraat 6-50

180

CS 0.8 km

0,8

A10 5.2 km

5,2

98

97

Utrecht

Papendorp

Janssoniuslaan 80

175

IC 3,2 km

3,2

A2 1.6 km

1,6

37

98

Rotterdam

Centre

Blaak 6

200

CS 1.9 km

1,9

A16 4.2 km

4,2

98

99

Rotterdam

Centre

Blaak 8

200

CS 1.9 km

1,9

A16 4.2 km

4,2

98

100

Rotterdam

Centre

Weena-zuid 108-178

185

CS 0.8 km

0,8

A13 2.8 km

2,8

92


III: Data Regressies Stad Markthuur (€ / m²) Data Ov

Ovams

Ovdenhaa Ovrotterd Ovutrecht Data Auto AutoAMS g am

AutoDEN

AutoROT

AutoUTR Walkscor WalkAMS WALKDEN WalkROT WalkUTR e

Amsterdam

190

0,3

0,3

0

0

0

2,4

2,4

0

0

0

90

90

0

0

0

Amsterdam

180

2,4

2,4

0

0

0

3,6

3,6

0

0

0

95

95

0

0

0

Amsterdam

165

2,7

2,7

0

0

0

3,5

3,5

0

0

0

100

100

0

0

0

Amsterdam

300

1,5

1,5

0

0

0

3,9

3,9

0

0

0

93

93

0

0

0

Amsterdam

320

2,5

2,5

0

0

0

3,9

3,9

0

0

0

93

93

0

0

0

Amsterdam

200

2,1

2,1

0

0

0

4

4

0

0

0

97

97

0

0

0

Amsterdam

200

1,5

1,5

0

0

0

6,1

6,1

0

0

0

82

82

0

0

0

Amsterdam

300

Amsterdam

300

Amsterdam

300

Amsterdam

230

Amsterdam

180

0,2 0,2 0,2 0,9 1,1

0,2 0,2 0,2 0,9 1,1

0 0 0 0 0

0 0 0 0 0

0 0 0 0 0

3,3 3,3 3,3 0,3 0,3

3,3 3,3 3,3 0,3 0,3

0 0 0 0 0

0 0 0 0 0

0 0 0 0 0

92 88 88 42 35

92 88 88 42 35

0 0 0 0 0

0 0 0 0 0

0 0 0 0 0

Amsterdam

165

0,2

0,2

0

0

0

0,5

0,5

0

0

0

60

60

0

0

0

Amsterdam

225

1,2

1,2

0

0

0

0,5

0,5

0

0

0

72

72

0

0

0

Amsterdam

250

1,2

1,2

0

0

0

0,6

0,6

0

0

0

72

72

0

0

0

Amsterdam

210

0,7

0,7

0

0

0

0,3

0,3

0

0

0

88

88

0

0

0

Amsterdam

210

0,5

0,5

0

0

0

0,5

0,5

0

0

0

75

75

0

0

0

Amsterdam

300

0,4

0,4

0

0

0

0,5

0,5

0

0

0

90

90

0

0

0

Amsterdam

320

0,5

0,5

0

0

0

0,5

0,5

0

0

0

95

95

0

0

0

Amsterdam

200

1,9

1,9

0

0

0

0,5

0,5

0

0

0

80

80

0

0

0

Amsterdam

250

0,4

0,4

0

0

0

0,5

0,5

0

0

0

85

85

0

0

0

Amsterdam

250

0,3

0,3

0

0

0

0,5

0,5

0

0

0

85

85

0

0

0

Amsterdam

250

0,5

0,5

0

0

0

1

1

0

0

0

65

65

0

0

0

Amsterdam

300

0

0

0

0

0

1,9

1,9

0

0

0

80

80

0

0

0

Amsterdam

200

2

2

0

0

0

0,2

0,2

0

0

0

72

72

0

0

0

Amsterdam

275

1,9

1,9

0

0

0

0,3

0,3

0

0

0

60

60

0

0

0

Amsterdam

190

0,8

0,8

0

0

0

1,4

1,4

0

0

0

78

78

0

0

0

Amsterdam

180

0,8

0,8

0

0

0

1,4

1,4

0

0

0

82

82

0

0

0

Amsterdam

205

0,7

0,7

0

0

0

1,6

1,6

0

0

0

73

73

0

0

0

Amsterdam

180

0,7

0,7

0

0

0

1,7

1,7

0

0

0

83

83

0

0

0

Amsterdam

175

0,7

0,7

0

0

0

1,8

1,8

0

0

0

83

83

0

0

0

Amsterdam

180

0,8

0,8

0

0

0

1,7

1,7

0

0

0

83

83

0

0

0

Amsterdam

165

0,7

0,7

0

0

0

1,7

1,7

0

0

0

77

77

0

0

0

Amsterdam

170

0,7

0,7

0

0

0

1,8

1,8

0

0

0

82

82

0

0

0

Amsterdam

170

0,7

0,7

0

0

0

1,8

1,8

0

0

0

83

83

0

0

0

Amsterdam

190

0,2

0,2

0

0

0

1,8

1,8

0

0

0

80

80

0

0

0

Amsterdam

170

0,5

0,5

0

0

0

1,8

1,8

0

0

0

90

90

0

0

0

Amsterdam

250

1,9

1,9

0

0

0

3,9

3,9

0

0

0

95

95

0

0

0

Amsterdam

170

1

1

0

0

0

5,3

5,3

0

0

0

90

90

0

0

0


Stad Markthuur (€ / m²) Data Ov

Ovams

Ovdenhaa Ovrotterd Ovutrecht Data Auto AutoAMS g am

AutoDEN

AutoROT

AutoUTR Walkscor WalkAMS WALKDEN WalkROT WalkUTR e

Amsterdam

170

0,9

0,9

0

0

0

5,3

5,3

0

0

0

92

92

0

0

0

Amsterdam

180

0,8

0,8

0

0

0

5,2

5,2

0

0

0

98

98

0

0

0

Den Haag

200

Den Haag

200

Den Haag

200

Den Haag

200

Den Haag

175

Den Haag

140

Den Haag

150

Den Haag

150

Den Haag

200

Den Haag

180

Den Haag

210

Den Haag

200

Den Haag

200

Den Haag

160

Den Haag

160

Den Haag

150

Den Haag

180

Den Haag

170

Den Haag

140 180

Rotterdam

200

Rotterdam

180

Rotterdam

180

Rotterdam

160

Rotterdam

170

Rotterdam

200

Rotterdam

170

Rotterdam

150

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

1,7 2,1 1,4 1,2 1,6 0 4,5 4,3 0,8 1,4 1 0,6 1,1 1,1 1,4 1,1 1 2 3,9

Rotterdam

1,7 2,1 1,4 1,2 1,6 0 4,5 4,3 0,8 1,4 1 0,6 1,1 1,1 1,4 1,1 1 2 3,9 1,3 1,3 0,5 0,4 1,2 1,2 0 0,1 0,7

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1,3 1,3 0,5 0,4 1,2 1,2 0 0,1 0,7

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0,1 0,8 0,8 0,8 0,8 1,4 4,3 4,4 1,4 0,1 0,8 0,3 0,6 0,9 0,9 0,8 0,6 0,1 4,3 3,2 3,2 2,6 2,7 3,1 3,1 4,4 4,4 2,7

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0,1 0,8 0,8 0,8 0,8 1,4 4,3 4,4 1,4 0,1 0,8 0,3 0,6 0,9 0,9 0,8 0,6 0,1 4,3 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 3,2 3,2 2,6 2,7 3,1 3,1 4,4 4,4 2,7

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

80 78 87 85 78 92 83 80 100 98 100 98 100 98 98 100 97 97 88 95 92 92 93 98 97 98 100 88

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

80 78 87 85 78 92 83 80 100 98 100 98 100 98 98 100 97 97 88 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 95 92 92 93 98 97 98 100 88

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Rotterdam

180

0,1

2,6

0

0

2,6

0

93

0

0

93

0

Rotterdam

150

0,4 0,7

0 0 0

0

180

0 0 0

0,1

Rotterdam

0,4 0,7

0 0

2,7 2,7

0 0

0 0

2,7 2,7

0 0

93 88

0 0

0 0

93 88

0 0

Rotterdam

170

0,3

0

0

0,3

0

2,7

0

0

2,7

0

93

0

0

93

0

Rotterdam

170

0,3

0

0

0,3

0

2,7

0

0

2,7

0

93

0

0

93

0

Rotterdam

200

1,9

0

0

1,9

0

4,3

0

0

4,3

0

78

0

0

78

0

Rotterdam

200

1,5

0

1,5

0

4,4

0

0

4,4

0

90

0

0

90

0

Rotterdam

150

2

0

2

0

1,2

0

0

1,2

0

77

0

0

77

0

Rotterdam

165

0,7

0

0

0,7

0

3,7

0

0

3,7

0

92

0

0

92

0

Rotterdam

180

0,5

0

0

0,5

0

2,7

0

0

2,7

0

92

0

0

92

0

Rotterdam

170

1,3

0

1,3

0

2,8

0

0

2,8

0

95

0

0

95

0

Rotterdam

170

2

0

0

2

0

4,3

0

0

4,3

0

90

0

0

90

0

Rotterdam

170

2,1

0

0

2,1

0

4,6

0

0

4,6

0

83

0

0

83

0

Rotterdam

180

2,4

0

2,4

0

4,8

0

0

4,8

0

83

0

0

83

0

Rotterdam

170

0,7

0

0,7

0

3,3

0

0

3,3

0

80

0

0

80

0

Rotterdam

160

1

0

0

1

0

3

0

0

3

0

97

0

0

97

0

Rotterdam

200

1,9

0

0

1,9

0

4,2

0

0

4,2

0

98

0

0

98

0

Rotterdam

200

1,9

0

1,9

0

4,2

0

0

4,2

0

98

0

0

98

0

Rotterdam

185

0,8

0

2,8

0

0

2,8

0

92

0

0

92

0

Rotterdam

200

Utrecht

180

Utrecht

180

Utrecht

225

Utrecht

160

Utrecht

225

Utrecht

200

Utrecht

180

Utrecht

160

Utrecht

175

Utrecht

170

Utrecht

180

1,7 0,4 0,9 0,9 3,4 4 0,4 0,3 1,1 3,2 0,7 0,8

0 0

0,8 1,7 0 0 0 0 0 0 0 0 0 0 0

0 0,4 0,9 0,9 3,4 4 0,4 0,3 1,1 3,2 0,7 0,8

4,2 4,1 2,6 5,2 0,6 0,5 4,2 4,1 3,8 1,6 4,9 4,4

0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0

4,2 0 0 0 0 0 0 0 0 0 0 0

0 4,1 2,6 5,2 0,6 0,5 4,2 4,1 3,8 1,6 4,9 4,4

98 95 93 98 75 35 97 95 87 37 97 98

0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0

98 0 0 0 0 0 0 0 0 0 0 0

0 95 93 98 75 35 97 95 87 37 97 98

0 0 0 0 0 0 0 0 0

0 0

0

0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0


IV: Toelichting Walkscore Walkability – Walk Score Walkability wordt uitgedrukt door middel van ‘Walk Score’. Walk Score, geïntroduceerd in 2007, is een ‘webbased’ algoritme om de relatieve walkability van locaties te bepalen. Walk Score waardeert walkability van een adres c.q. postcode door de afstand te meten naar educatie-(school), retail- (levensmiddelenwinkel, boekwinkel,kledingwinkel, gereedschapswinkel, drogisterij, muziekwinkel), horeca- (koffietent, restaurant, bar), recreatie-(park, bibliotheek, fitnesscentrum) en entertainment- (bioscopen) voorzieningen. Het algoritme geeft vervolgens punten gebaseerd op de afstand naar de dichtstbijzijnde type voorziening door gebruik te maken van ‘Google Maps’ (Pivo en Fischer, 2011). In totaal zijn er dertien voorzieningentypes die worden gemeten. Indien het dichtstbijzijnde type voorziening zich binnen 400 meter van het puntadres bevindt, dan waardeert Walk Score dit met het maximum aantal te bepalen punten. Het gegeven aantal punten wordt minder al naar gelang het de grens van 1.600 meter nadert. Wordt deze afstand overschreden dan worden er geen punten toegekend. Alleen de dichtstbijzijnde voorziening per type wordt meegenomen (extra voorzieningen per type geven geen extra score). Iedere type voorziening weegt even zwaar mee in de waardering en alle gehaalde punten worden bij elkaar opgeteld en genormaliseerd tot een score van minimaal nul en maximaal honderd punten (Cortright, 2009). Op deze manier rangschikt Walk Score adressen (buurten c.q. gebieden) om zo onderlinge vergelijkingen mogelijk te maken en ranglijsten bij te houden. Walk Score wordt als volgt gecategoriseerd: 0-24 punten - Car-dependent: (bijna) alle genoemde voorzieningen vereisen gebruik auto 25-49 punten - Car-dependent: meeste genoemde voorzieningen vereisen gebruik auto 50-69 punten - Somewhat Walkable: sommige genoemde voorzieningen te voet bereikbaar 70-89 punten - Very Walkable: meeste genoemde voorzieningen te voet bereikbaar 90-100 punten - Walker’s Paradise: (bijna) alle genoemde voorzieningen te voet bereikbaar Walk Score maakt de toegankelijkheid en mate van het voorzieningenniveau aldus kwantificeerbaar, maar het systeem kent wel enkele beperkingen die bij de interpretatie van de uitkomsten in het achterhoofd dienen te worden gehouden:  Walk Score maakt geen onderscheid in het belang van een type voorziening en waardeert ze daardoor  allemaal hetzelfde;  Walk Score gebruikt algemene definities van een type voorziening zonder rekening te houden met kwaliteit  van die voorziening, en;  Walk Score houdt geen rekening met barrières in de route en rekent de afstand tussen het ingevoerde adres  en de voorziening uit door middel van een rechte lijn. Bron: www.google/walscore


V: Expertpanel

Details Expertpanel Expert

Regio

De heer J. Verhoeven Amsterdam De heer N.P. Poppelaars Utrecht De heer A. Postema Rotterdam/ Den Haag De heer M.E. van Engelen Utrecht

Kantoor

Contactgegevens

JLL DTZ Zadelhoff JLL Statement Real Estate

Strawinskylaan 3103, 1077 ZX Amsterdam Oorsprongpark 12, 3581 ET Utrecht Weena 270, 3012 NJ Rotterdam Maliebaan 89, 3581 CG Utrecht

020-540 5405 030-233 2552 010-411 0440 030-267 0602



Core kantorenlocaties: wat bepaalt de huurprijs van een kantoorgebouw?

Recommend Documents