De invloed van hypotheekvoorwaarden op de prijsontwikkeling van koopwoningen

“De invloed van hypotheekvoorwaarden op de prijsontwikkeling van koopwoningen”

Robert-Jan van Duijn ovu58786 4 maart 2013 Scriptie MRE Jaargang 2010 - 2012 Begeleider: Prof. dr. Johan Conijn Tweede begeleider : drs. Arthur Marquard

Inhoudsopgave Samenvatting ........................................................................................................................................ 3 1

2

Inleiding .......................................................................................................................................... 4 1.1

Aanleiding .............................................................................................................................. 4

1.2

Probleemstelling ................................................................................................................... 5

1.3

Onderzoeksmethode ............................................................................................................ 6

1.4

Leeswijzer .............................................................................................................................. 6

Beschrijving woningmarkt ............................................................................................................ 7 2.1.1

Voorraad......................................................................................................................... 7

2.1.2

Twee deelmarkten ........................................................................................................ 8

2.1.3

Huurwoningenmarkt ..................................................................................................... 8

2.1.4

Koopwoningenmarkt................................................................................................... 10

2.2

Nederlandse woningenhypotheekmarkt .......................................................................... 12

2.2.1

Structuur ....................................................................................................................... 12

2.2.2

Hypotheekvormen en voorwaarden ......................................................................... 13

2.2.3

Nationale Hypotheek Garantie.................................................................................. 16

3

Theoretisch kader ....................................................................................................................... 18

4

Literatuuroverzicht ...................................................................................................................... 20

5

6

4.1

Invloed van factoren op de prijsontwikkeling van koopwoningen ............................... 20

4.2

Invloed van hypotheekvoorwaarden op de prijsontwikkeling ....................................... 22

Onderzoeksopzet ........................................................................................................................ 24 5.1

Data ...................................................................................................................................... 24

5.2

Methodologie ....................................................................................................................... 27

5.3

Validiteitstoetsen ................................................................................................................. 27

Resultaten onderzoek ................................................................................................................ 30 6.1

Lange termijn vergelijking .................................................................................................. 30

6.2

Model op de korte termijn .................................................................................................. 32

6.3

Resultaten ............................................................................................................................ 33

7

Conclusie ..................................................................................................................................... 35

8

Bibliografie ................................................................................................................................... 37

Appendix A ADF uitkomsten ............................................................................................................. 40 Appendix B Correlaties ...................................................................................................................... 59 Appendix C Collineariteit long term model...................................................................................... 60 Appendix D Collineariteit short term model .................................................................................... 61

2

Samenvatting In verschillende media wordt de slechte staat van de Nederlandse woningmarkt toegeschreven aan het feit dat de voorwaarden van hypothecaire financiering voor koopwoningen de laatste jaren in Nederland zijn aangescherpt. In deze scriptie wordt onderzocht wat de invloed is van hypotheekvoorwaarden op de prijsontwikkeling van koopwoningen. De beschrijving van de woning- en hypotheekmarkt laat de hoge mate van regulering op de woningmarkt en de ontwikkeling van de prijzen zien. Daarnaast wordt de enorme stijging van de totale hypotheekschuld en de versoepeling van hypotheekvoorwaarden in de afgelopen 20 jaar beschreven. De prijsontwikkeling van koopwoningen wordt in een theoretisch kader geplaatst waarbij zes factoren worden gevonden die invloed hebben op de prijsontwikkeling. Macro economische factoren (i), demografische factoren (ii), aanbod factoren (iii), karakteristieken financiële markten (iv), belastingen, subsidies en overig woningmarktbeleid (v), psychologische factoren (vi). Het literatuuroverzicht beschrijft een aantal relevante studies over factoren en datareeksen die invloed hebben op de prijsontwikkeling van koopwoningen in Nederland. In het bijzonder worden studies beschreven die de invloed van hypotheekvoorwaarden op de prijsontwikkeling onderzoeken. Met een error correctie model wordt geschat welke factoren invloed hebben op de prijsontwikkeling van koopwoningen. Er wordt een significant verband gevonden van 1,3 % tussen de LTV en de prijsontwikkeling van koopwoningen en van 0,12 % tussen het percentage aflossingvrije hypotheken en de prijsontwikkeling van koopwoningen. Voor de rente opslag en de LTI wordt geen significant verband gevonden.

3

1 Inleiding 1.1 Aanleiding De prijsontwikkeling van koopwoningen in Nederland staat onder druk. Volgens de NVM is de gemiddelde woningprijs in Nederland in het eerste kwartaal van 2012 met 2,8 % gedaald ten opzichte van het kwartaal daarvoor. De prijs van een gemiddelde woning komt daarmee op EUR 214.000,- (NVM, 2012). Deze daling van de prijs van koopwoningen is begonnen vanaf het hoogtepunt van de prijsontwikkeling in augustus 2008. De gemiddelde woningprijs van een koopwoning in Nederland was toen EUR 261.948,- (CBS, 2012). De Rijksoverheid schrijft in haar begroting over 2012: “De woningmarkt beleeft moeilijke tijden. Sinds de kredietcrisis staan de huizenprijzen onder druk en is het aantal verhuizingen laag. Ook het vertrouwen in de woningmarkt heeft een dreun gekregen. Hierdoor is het vraagstuk van de noodzaak tot schuldreductie, zowel op marco- (overheidsfinanciën) als op meso-(financiële instellingen) als op microniveau (consumenten) nadrukkelijk naar voren gekomen”. Op macroniveau is het op orde brengen van de overheidsfinanciën mogelijk door te bezuinigen. De belangrijkste maatregel op het gebied van de woningmarkt is dat vanaf 1 januari 2013 voor nieuwe hypotheken de betaalde rente alleen aftrekbaar is als het een lening betreft die gedurende de looptijd volledig en ten minste annuïtair wordt afgelost. Deze wijziging zal samen met een aantal andere kleinere wijzigingen structureel EUR 5,4 miljard moeten besparen voor de rijksoverheid (Ministerie van Financiën, 2012, p.23). Daarnaast zal voor bestaande en nieuwe hypotheken vanaf 2014 het maximale aftrektarief in de 4e schijf van box 1, in stappen van een half procent per jaar, worden teruggebracht naar het tarief van de 3e schijf (Rijksbegroting, 2012). Op microniveau is het leengedrag van consumenten bekeken. Onder invloed van de AFM en DNB is op 1 augustus 2011 de vernieuwde Gedragscode Hypothecaire Financieringen van de Nederlandse Vereniging van Banken en het Verbond van Verzekeraars in werking getreden. In deze gedragscode is als belangrijkste wijziging opgenomen dat: “de hypothecair financier met de consument voor een bedrag van ten hoogste 50 % van de marktwaarde van de woning op het moment van verstrekking van de hypothecaire financiering geen schema voor aflossing van de hypothecaire financiering of vermogensopbouw bestemd voor aflossing van de hypothecaire financiering hoeft overeen te komen. Dit dient te worden bezien over een periode van maximaal 30 jaar” (NVB, 2011, p.7). Het bovenstaande heeft tot gevolg dat de 100 % aflossingsvrije hypotheek in zijn zuivere vorm verdwijnt. Op mesoniveau moet worden gekeken naar de consequenties van de hypotheekschuld voor financiële instellingen. In het Overzicht Financiële Stabiliteit Voorjaar 2012 van DNB is opgenomen: “Als de huizenprijzen fors verder dalen dan raakt dit ook financiële instellingen, zeker in combinatie met een inzakkende economie en hogere werkloosheid. De afnemende woningwaarde verlaagt de kwaliteit van de hypotheekportefeuille. Omdat hypotheken vaak als onderpand worden gebruikt door banken om financiering te verkrijgen, zal een neergang in eerste instantie tot uiting komen in de vorm van verder verkrappende financieringsmogelijkheden” (DNB, 2012, p.26). Cijfers van DNB en het CBS laten zien dat er ultimo 2011 een bruto hypotheekschuld uitstaat aan Nederlandse huishoudens van afgerond EUR 640 miljard. In 1999 bedroeg dit bedrag afgerond EUR 200 miljard. Dit is een verdrievoudiging. Uitgedrukt in % van het Bruto Binnenlands Product (‘BBP’) is de hypotheekschuld op koopwoningen in Nederland gestegen van ruim 60 % van het BBP in 1999 naar 107 % van het BBP in 2010. Deze verhouding is het hoogste van alle 27 EU landen (EMF, 2010). De genoemde hypotheekschuld in Nederland van EUR 640 miljard is voor driekwart in handen van drie Nederlandse financiële instellingen. Rabobank EUR 200 miljard (27% balanstotaal), ABN Amro 150 miljard (37% balanstotaal) en ING eveneens EUR 150 miljard (12 % balanstotaal) (Rabobank, ABNAMRO, ING, 2011).

4

Belangrijke reden voor de groei van de hypotheekschuld vanaf 1990 in Nederland zijn de veranderingen in de hypotheekvoorwaarden en financiële innovatie. Een belangrijke verandering van de hypotheekvoorwaarden was dat niet langer uitstuitend het inkomen van de kostwinner werd meegenomen maar ook dat van andere leden van het huishouden. Dit heeft de leencapaciteit van huishoudens verhoogd. Bij financiële innovatie dient gedacht te worden aan de introductie van nieuwe hypotheekvormen die gericht waren op het verminderen of zelfs volledig niet aflossen van de lening tijdens de looptijd (spaar-, beleggings- en aflossingsvrije hypotheken) (Schilder, 2012). Naast het feit dat hypotheken met Nederlandse koopwoningen als onderpand voor Nederlandse banken een belangrijk deel van hun bezit is, is de wijze waarop de Nederlandse banken zijn gefinancierd relevant voor de achtergrond van het hierna te beschrijven onderzoek. Ruim 50 % van de uitstaande leningen van Nederlandse financiële instellingen zijn niet gefinancierd met deposito’s (depositiefinancieringsgat). Dit is internationaal gezien een van de hoogste percentages (DNB, 2012). Hierdoor zijn Nederlandse financiële instellingen extra afhankelijk van de kapitaalmarkt. Dit gaat goed zolang de beleggers op deze kapitaalmarkten vertrouwen hebben in de kredieten (voornamelijk hypotheken) die banken in Nederland hebben uitstaan. Tot nu toe zijn de wanbetalingen op Nederlandse woninghypotheken erg laag, als dit zou wijzigen door bijvoorbeeld een oplopende werkloosheid kan dit het sentiment op de kapitaalmarkten snel en nadelig beïnvloeden (Horde de, 2012). Er is dus een enorm belang voor de genoemde financiële instellingen dat de prijzen van koopwoningen in Nederland niet verder dalen. Ook voor de huizenbezitters in Nederland en woningbeleggers is de prijsontwikkeling van de koopwoningen van groot belang. De ontwikkeling van de huizenprijzen in Nederland is afhankelijk van vele factoren waar financiële instellingen geen invloed op hebben. De NVM houdt de bancaire sector echter mede verantwoordelijk voor de huidige situatie op de woningmarkt. Veel potentiële kopers krijgen volgens de NVM door kieskeurig gedrag van banken hun financiering niet rond. De banken zouden zijn doorgeschoten in hun risicomijdend gedrag (NVM, 2011). In een persbericht van de NVM in april 2012 wordt deze stelling herhaald (NVM, 2012). Het gedrag van banken beïnvloedt dus volgens de NVM de situatie op de woningmarkt. Tegelijkertijd vormt een verdere daling van de huizenprijzen een gevaar voor de banken. Voor financiële instellingen in Nederland is het dus van groot belang om te weten welk onderdeel van hun ‘gedrag’ in welke mate invloed uitoefent op de ontwikkeling van de huizenprijzen en dus op de situatie op de woningmarkt. Met gedrag van banken wordt in dit onderzoek gedoeld op de voorwaarden die banken stellen bij het verstrekken van de hypothecaire lening.

1.2 Probleemstelling In dit onderzoek zal worden gezocht naar het antwoord op de vraag: Welke invloed hebben hypotheekvoorwaarden op de prijsontwikkeling van koopwoningen in Nederland? De navolgende sub vragen vloeien voort uit de centrale vraag in dit onderzoek: 1. Wat is de aanleiding van dit onderzoek? 2. Wat is de structuur van de Nederlandse woningmarkt en hoe heeft de woninghypotheekmarkt in Nederland zich ontwikkeld? 3. Binnen welk theoretisch kader ontwikkelt de prijs van koopwoningen zich? 4. Welk eerder onderzoek is uitgevoerd naar verklarende variabelen voor de ontwikkeling van de prijs van koopwoningen en van hypotheekvoorwaarden op de ontwikkeling van de prijzen van koopwoningen in het bijzonder?

5

5. Welke datareeksen en onderzoeksmethode kunnen het beste worden gehanteerd? 6. Welke factoren worden in dit onderzoek gevonden als bepalend voor de huizenprijzen in Nederland? Is er significant verband met hypotheek voorwaarden?

1.3 Onderzoeksmethode Om tot een antwoord te komen op de centrale vraagstelling zal allereerst op hoofdlijnen de structuur van de Nederlandse woningmarkt worden beschreven. Daarnaast wordt beschreven hoe de woninghypotheek markt zich in Nederland heeft ontwikkeld. Vervolgens zal het theoretisch kader worden beschreven waarbinnen de prijsontwikkeling van koopwoningen zich bevindt en wordt onderzocht of er in eerdere onderzoeken een relatie is gevonden tussen verschillende factoren en de ontwikkeling van de prijs van koopwoningen. In het bijzonder zal de relatie tussen financieringsfactoren en de prijsontwikkeling van koopwoningen worden beschreven. Aan de hand van het theoretisch kader en het literatuuroverzicht zal worden bepaald welke datareeksen en statistische onderzoeksmethode het beste kunnen worden gehanteerd. De uitkomsten van het statistische onderzoek zullen worden geanalyseerd met als doel om de centrale vraag te beantwoorden.

1.4 Leeswijzer In deze inleiding wordt de aanleiding voor dit onderzoek en de probleemstelling beschreven. In hoofdstuk 2 wordt beschreven wat de relevante karakteristieken zijn van de Nederlandse woning- en hypotheekmarkt. Vervolgens wordt in hoofdstuk 3 het theoretisch kader gegeven waarbinnen de prijsontwikkeling van koopwoningen zich bevindt. Hoofdstuk 4 is het literatuuroverzicht waarin wordt onderzocht voor welke factoren uit eerder onderzoek is gebleken dat ze invloed hebben op de ontwikkeling van de prijs van koopwoningen. In het bijzonder zal worden ingegaan op de invloed van hypotheekvoorwaarden op de prijsontwikkeling van koopwoningen. Hoofdstuk 5 onderbouwt de keuze voor de verschillende datareeksen die worden gebruikt, daarnaast wordt de methodologie van het onderzoek beschreven. In het zesde hoofdstuk worden de resultaten van het statistische onderzoek gepresenteerd en geanalyseerd. Hoofdstuk 7 is de conclusie.

6

2 Beschrijving woningmarkt In dit hoofdstuk zullen de relevante karakteristieken van de Nederlandse woning- en hypotheekmarkt worden beschreven. 2.1.1 Voorraad Nederland kent volgens het CBS in 2011 7.217.803 woningen. In figuur 1 is te zien hoe de totale woningvoorraad zich de vanaf 1980 heeft ontwikkeld. In 2011 zijn afgerond 55 % van de voorraad koopwoningen en 45 % huurwoningen. De huurwoningenmarkt in Nederland wordt gedomineerd door woningcorporaties, deze bezitten gezamenlijk 2.248.595 woningen in Nederland. Dit komt neer op ruim 31% van alle woningen en op bijna 80% van alle huurwoningen. De kwaliteit van de Nederlandse woningvoorraad is naar internationale maatstaven technisch goed mede als gevolg van de inspanningen van de woningcorporaties. Er zijn op kwalitatief en kwantitatief gebied echter wel tekorten in de Nederlandse woningen voorraad (SER, 2010).

8.000.000

7.000.000

6.000.000

5.000.000

4.000.000

Corporaties Commerciele verhuur Koopwoningen

3.000.000

2.000.000

1.000.000

0

Figuur 1. Totale woningvoorraad en uitsplitsing in huur- en koopwoningen, 1985 – 2011. (CBS, Syswov)

Nieuwbouwwoningen De ontwikkeling van de woningvoorraad in Nederland wordt in hoge mate bepaald door regelgeving en instituties. De SER geeft in haar rapport “Naar een integrale hervorming van de woningmarkt” een opsomming van de belangrijkste elementen. Dit zijn (i) overheidsbemoeienis bij de woningproductie (ii) woningcorporaties, (iii) ruimtelijkeordeningsen milieubeleid, (vi) grondbeleid (v) minimum kwaliteitseisen (vi) stedelijke vernieuwing. Het voert buiten de reikwijdte van deze scriptie om deze zaken uitvoerig te behandelen. Het feit

7

Duizenden

dat de overheid zich nadrukkelijk bemoeit met de Nederlandse woningmarkt is volgens het SER rapport één van de oorzaken dat de aanbodelasticiteit van de Nederlandse woningmarkt zo laag is. Een verdere uitwerking van de lage aanbodelasticiteit van de Nederlandse woningmarkt wordt later in dit onderzoek beschreven. In figuur 2 zijn het aantal gereedgekomen nieuwbouwwoningen in Nederland weergegeven. 180 160 140 120 100 80 60 40 20 2010

2008

2006

2004

2002

2000

1998

1996

1994

1992

1990

1988

1986

1984

1982

1980

1978

1976

1974

1972

1970

1968

1966

1964

1962

1960

0

Figuur 2. Totaal gereed gekomen nieuwbouwwoningen, 1960 – 2011. (CBS)

2.1.2 Twee deelmarkten De Nederlandse woningmarkt is op te delen in twee gescheiden markten: de koopwoningen markt en de huurwoningen markt. Er zijn verschillen tussen de kwaliteit van de gemiddelde huurwoning en ook het inkomen en vermogen verschilt tussen de bewoners. Het doorstromen van een huur- naar een koopwoning is de laatste jaren afgenomen. De verschillen in de sectoren vinden in belangrijke mate hun oorsprong in een uiteenlopend woningmarktbeleid. In de huurwoningenmarkt zijn de huurprijzen gereguleerd (WWSpunten), is er huurtoeslag voor huurders met een laag inkomen en voldoen woningcorporaties aan hun doelstelling door huurwoningen goedkoop aan te bieden. In de koopwoningenmarkt subsidieert het overheidbeleid de kopers door de hypotheekrenteaftrek en de vermogensvrijstelling eigen woning (Conijn, 2006). In de navolgende twee paragrafen zal de prijsontwikkeling op beide markten en de belangrijkste beleidselementen worden besproken. 2.1.3 Huurwoningenmarkt In deze paragraaf zal worden ingegaan op de prijsontwikkeling van huren in Nederland, het WWS - puntenstelsel, de huurtoeslag, scheefwonen en de woningcorporaties. Prijsontwikkeling huren Het overgrote deel van de huurwoningen (94%) behoort tot de “gereguleerde’ voorraad (SER, 2010). Dit betekent dat 94 % van de huurwoningen in Nederland een maandhuur hebben die lager is dan afgerond EUR 665,- per maand. Huren van woningen die onder dit gereguleerde systeem vallen kunnen slecht jaarlijks worden verhoogd met de inflatie. De reële prijsontwikkeling van de huren van woningen in Nederland is in figuur 3 weergegeven:

8

170 160 150 140 130 120 110 100 2011

2009

2007

2005

2003

2001

1999

1997

1995

1993

1991

1989

1987

1985

1983

1981

1979

1977

1975

1973

1971

1969

1967

1965

1963

90

Figuur 3. Huurprijsontwikkeling gecorrigeerd voor inflatie 1963 – 2011 (Index 1963 = 100) (CBS, eigen bewerking)

De ontwikkeling van de huurprijzen in Nederland is nadat gecorrigeerd wordt voor inflatie vanaf 1963 bijna 65 % gestegen. Later in dit onderzoek zal worden aangeven wat de reële prijsstijgingen van koopwoningen in Nederland is geweest. WWS-Punten stelsel In Nederland is de huur die een eigenaar van een woning mag vragen gereguleerd door een puntensysteem. Het puntensysteem heet ook wel het woningwaarderingsstelsel. De punten geven de kwaliteit van een huurwoning weer. Elk onderdeel, zoals oppervlakte en isolatie, krijgt punten op basis van een aantal criteria. Bij elk aantal punten hoort een maximum huurprijs. Tot aan een bepaald aantal punten (in 2012 is dit 140 punten) is een verhuurder gebonden aan deze maximale huurprijs (in 2012 EUR 664,66 per maand).Indien een woning van een dusdanige kwaliteit is dat deze meer dan 140 punten heeft (huurliberalisatie grens), dan is de verhuurder vrij om een hogere huur te vragen. In het regeerakkoord van 29 oktober 2012 is opgenomen dat het systeem voor woningwaardering sterk zal worden vereenvoudigd door de maximale huurprijs te berekenen door 4,5 % van de WOZ waarde te nemen. Er blijft wel een huurliberalisatie grens. (Rijksoverheid, 2012). Huurtoeslag Het is in Nederland voor elke Nederlander mogelijk om huurtoeslag aan te vragen. Om in aanmerking te komen voor huurtoeslag, mag de huur niet hoger zijn dan € 664,66 per maand. Of een huurder recht heeft op huurtoeslag, hangt verder af van de woning, het inkomen en de persoonlijke situatie. Huurtoeslag wordt in principe aan de huurder zelf betaald tenzij de huurder ervoor kiest de toeslag rechtstreeks aan de verhuurder te laten overmaken. Indien aan de voorwaarden wordt voldaan ontvangt elke Nederlander huurtoeslag. Het is goed mogelijk om van een corporatie te huren en eveneens huurtoeslag te ontvangen (Belastingdienst, 2012). Scheefwonen Nadat de woning eenmaal is verhuurd in Nederland wordt er niet meer gekeken naar het inkomen van de huurder en kan deze blijven huren zolang men dat wil. Het kan echter zo zijn dat een stijging van het inkomen van een huurder deze huurder geen ‘subsidie’ meer nodig heeft in de vorm van een (lage) gereguleerde huur. Als een dergelijke huurder toch besluit te blijven wonen in de huurwoning, wordt dit scheefwonen genoemd. In 2006 bedroeg het aantal goedkope scheefwoners volgens RIGO Research en Advies 720.000 huishoudens (SER, 2010). Het WWS systeem wordt in het regeerakkoord van 29 oktober 2012 tijdelijk los gelaten voor huurders met een jaarinkomen boven de EUR 43.000. Verhuurders kunnen dus bij huurders in deze inkomenscategorie de huur verhogen zoals ook bij woningen die boven de huurliberalisatie grens vallen mogelijk is. Daarnaast wordt een inkomensafhankelijke

9

opslag op de inflatie voorgesteld om de jaarlijkse huurverhoging te bepalen. Het nieuwe kabinet hoopt op deze wijze het scheefwonen aan te pakken. (Regeerakkoord, 2012). Corporaties Woningcorporaties zijn stichtingen of verenigingen. Zij zijn op afstand van de overheid geplaatst en zij hebben door het Besluit Beheer Sociale Huursector (BBSH) de taak gekregen om betaalbare woningen van acceptabele kwaliteit aan te bieden aan huishoudens met lage inkomens en hulpbehoevende huishoudens (Besseling, 2007). Nederland kent momenteel 408 woningcorporaties (CFV, 2012). De woningcorporaties in Nederland geven onder andere invulling aan hun doelstelling door de woningen die ze in bezit hebben aan te bieden tegen maximaal EUR 664,66 per maand terwijl de maximale huur op basis van het aantal punten van deze woning stukken hoger kan zijn. In feite worden de woningen dus onder de maximale WWS huur aangeboden. Woningen met een huur tot EUR 664,66 per maand worden door woningcorporaties voor tenminste 90 % toegekend aan huurders met een huishoudinkomen tot een maximaal bedrag van bijna EUR 35.000 op jaarbasis in 2012 (Aedes, 2012). De laatste jaren komen steeds meer woningcorporaties negatief in het nieuws, veelal omdat ze activiteiten hebben ontplooid zoals het speculeren met derivaten, het zeer speculatief aankopen van (her) ontwikkelingsprojecten of een oud passagiersschip. In het regeerakkoord van 29 oktober jl. wordt opgemerkt dat woningcorporaties weer terug moeten keren naar hun kerntaak van het bouwen, verhuren en beheren van sociale huurwoningen en het daaraan direct verbonden maatschappelijke vastgoed (Regeerakkoord, 2012). 2.1.4 Koopwoningenmarkt In deze paragraaf zal worden ingegaan op de prijsontwikkeling van koopwoningen in Nederland. Daarnaast kent de Nederlandse koopwoningmarkt een groot aantal fiscale regelingen die van belang zijn. De belangrijkste zijn de hypotheekrenteaftrek en vermogensvrijstelling eigenwoning en de overdrachtsbelasting. Prijsontwikkeling koopwoningen De prijzen voor koopwoningen zijn in reële termen (na correctie voor inflatie) in de periode van 1973 t/m 2010 gestegen met in het totaal bijna 100 % (zie figuur 3). In diezelfde periode zijn de reële huren met 65 % gestegen. Aan de stijging van de prijs van koopwoningen kwam een einde in 2007. De gemiddelde reële woningprijs in Nederland is sinds 2007 met 20 % gezakt. De Rabobank verwacht dat de prijzen van bestaande koopwoningen in 2012 met gemiddeld 6% zullen dalen. Ook in 2013 zullen de prijzen van bestaande koopwoningen blijven dalen, naar verwachting met 7%. Hierbij kan de prijsontwikkeling per segment en per regio wel aanzienlijk verschillen (Rabobank, 2012).

10

240 220 200 180 160 140 120 100

2011

2009

2007

2005

2003

2001

1999

1997

1995

1993

1991

1989

1987

1985

1983

1981

1979

1977

1975

1973

80

Figuur 4. Koopprijsontwikkeling gecorrigeerd voor inflatie 1973 – 2011 (Index 1973 = 100) (NVM, Brussel e.a. eigen bewerking)

Hypotheekrenteaftrek en vermogensvrijstelling eigenwoning Inkomen wordt in Nederland belast in drie “boxen”. Box 1 belast het inkomen uit werk en woning. Box 2 belast de inkomsten uit een aanmerkelijk belang in een onderneming en Box 3 belast inkomen uit sparen en beleggen. De eigenwoning in Nederland valt in Box 1 en wordt fiscaal dus niet beschouwd als een belegging. Er wordt over een eigenwoning geen vermogensbelasting (box 3) geheven. In box 1 wordt het eigendom van een eigenwoning belast door middel van het eigenwoningforfait, daarnaast is de rente die wordt betaald op een hypothecaire lening ten behoeve van de eigen woning aftrekbaar is van de inkomsten die in box 1 vallen (Schilder, 2012). De eerste vorm van hypotheekrente aftrek in Nederland is ontstaan in 1893 bij de invoer van de eerste vorm van inkomsten belasting. Het bezitten van een eigenwoning werd destijds als een bron van inkomen gezien, en dus belast. In ruil daarvoor mochten huizenbezitters de kosten die verband hielden met het bezitten van een eigenwoning van de inkomsten belasting aftrekken. De fiscale behandeling van de eigen woning is in Nederland al tijden onderwerp van discussie. Vanaf 1995 is de hypotheekrente aftrek langzaam steeds verder ingeperkt. Belangrijke wijzigingen zijn: consumptieve rente niet meer aftrekbaar, rente op een lening voor een tweede woning niet meer aftrekbaar, hypotheekrente maximaal 30 jaar aftrekbaar, het invoeren van de bijleenregeling en het verhogen van het eigenwoningforfait (Homefinance, 2012). In het regeerakkoord wordt de hypotheekrente aftrek verder beperkt door annuïtair aflossen als voorwaarden te stellen voor belastingaftrek bij nieuwe hypotheken. Daarnaast zal voor bestaande en nieuwe hypotheken vanaf 2014 het maximale aftrektarief in de 4e schijf van box 1, in stappen van een half procent per jaar worden teruggebracht naar het tarief van de 3e schijf. Het huidige tarief in de 4e schijf is 52 % en in de 3e schijf 42%. In 20 jaar is dus het maximale tarief waartegen rente kan worden afgetrokken 42%. Deze maatregel zou budgetneutraal worden ingevoerd. (Regeerakkoord 2012) Overdrachtsbelasting In Nederland wordt overdrachtsbelasting geheven bij de overdracht van een onroerende zaak. Deze bedraagt 6 procent van de koopsom. Bij aankoop van een nieuwbouwwoning wordt geen overdrachtsbelasting geheven, maar BTW (SER, 2010). Naast de hypotheekrenteaftrek heeft ook de overdrachtsbelasting forse consequenties voor de woningmarkt. Door de hoge kosten die de overdrachtsbelasting met zich meebrengt worden gewenste verhuizingen uit- of afgesteld. Het gevolg hiervan is dat huishoudens niet tot de

11

optimale woningkeuze kunnen komen en er een misallocatie van woningen over huishoudens ontstaat (Vrom-raad, 2007). Sinds 15 juni 2011 is het tarief uitsluitend voor woningen verlaagd tot 2%. De verlaging gold aanvankelijk voor een jaar tot 1 juli 2012. Bij besluit van 25 mei 2012 is de tijdelijke verlaging van de overdrachtsbelasting voor woningen van 6% naar 2% omgezet in een permanente verlaging. Dit besluit wordt in het regeerakkoord bevestigd (Rijksoverheid, 2012).

2.2 Nederlandse woningenhypotheekmarkt 2.2.1 Structuur De belangrijkste hypotheekverstrekkers in Nederland zijn banken. De vier grootste banken hadden in 2010 een marktaandeel (gemeten op basis van nieuw ingeschreven Hypotheken) van ruim 78 %. Belangrijke buitenlandse aanbieders in de Nederlandse markt zijn het Franse BNP Paribas, Bank of Scotland en Argenta uit België. Naast banken bieden ook pensioenfondsen en verzekeraars hypotheken aan. De grootse partijen in deze markt zijn het ABP (via een samenwerking met de Rabobank, genaamd Obvion), AEGON, Delta Lloyd en ASR (NMA, 2011). Aanbieder Rabobank ING ABN Amro SNS Fortis AEGON BNP Paribas Overig Concentratiegraad C4

2004 2010 25,70% 30,20% 21,70% 20,20% 14,30% 20,00% 11,20% 6,70% 8,40% 1,30% 5,60% 0,50% 7,70% 16,80% 9,60% 72,80% 78,50%

Tabel 1. Marktaandelen Nederlandse Hypotheekmarkt in 2004 en 2010 op basis van nieuw ingeschreven Hypotheken (NMA,2011)

Totale woninghypotheekschuld Cijfers van DNB en het CBS laten zien dat er ultimo 2011 een bruto hypotheekschuld uitstaat aan Nederlandse huishoudens van afgerond EUR 640 miljard. In 1999 bedroeg dit bedrag afgerond EUR 200 miljard. Dit is een verdrievoudiging. Uitgedrukt in % van het Bruto Binnenlands Product (BBP) is de hypotheekschuld op koopwoningen in Nederland gestegen van ruim 60 % van het BBP in 1999 naar 107 % van het BBP in 2010. Dit percentage is in geen van de andere 27 EU landen hoger (EMF, 2010).

12

700 600 500 400 300 200 100

1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011

0

Figuur 5. Woninghypotheken totale uitstaande schuld in miljarden euro’s (Bron: CBS t/m 2003 vanaf 2004 DNB)

De stijging van de absolute hypotheekschuld die in figuur 4 wordt getoond kan slechts voor een deel worden toegeschreven aan de toename van de koopwoningenvoorraad en de stijging van de gemiddelde prijs van de koopwoningen. Het percentage hypotheekschuld ten opzichte van de onderliggende waarde van de woning is sinds 1990 gestegen van circa 47 % tot bijna 65 % in 2011. Als belangrijke reden voor de groei van de hypotheekschuld vanaf 1990 in Nederland, wordt door Schilder aangedragen de veranderingen in de hypotheekvoorwaarden en financiële innovatie. Een belangrijke verandering van de hypotheekvoorwaarden was dat niet langer uitsluitend het inkomen van de kostwinner werd meegenomen, maar ook dat van andere leden van het huishouden. Dit heeft de leencapaciteit van huishoudens verhoogd. Bij financiële innovatie dient gedacht te worden aan de introductie van nieuwe hypotheekvormen die gericht waren op het verminderen of zelfs volledig niet aflossen van de lening tijdens de looptijd. Voorbeelden hiervan zijn spaar-, beleggings- en aflossingsvrije hypotheken (Schilder, 2012). 2.2.2 Hypotheekvormen en voorwaarden Hypotheeksoorten In Nederland is de typische looptijd van een woninghypotheek 30 jaar. De hypotheekgever betaalt rente over de lening en in 30 jaar moet de hele lening zijn terugbetaald. Er worden veel verschillende hypotheeksoorten en – combinaties aangeboden. De NMA deelt deze in haar Sectorstudie hypotheekmarkt als volgt in: (i)

(ii)

(iii)

(iv)

Klassieke hypotheekproducten, waarbij tijdens de looptijd van de hypotheek wordt afgelost. De belangrijkste vormen hiervan zijn lineaire aflossing en annuïteitenlening. Aflossingsvrije hypotheekproducten, waarbij niet wordt afgelost tijdens de looptijd van de lening. Aan het einde van de looptijd dient de hele lening te worden afgelost. Hypotheken met vermogensopbouw. Aan het einde van de looptijd wordt de lening (deels) afgelost met het opgebouwde vermogen. Voorbeelden van deze hypotheken zijn Spaar-, beleggings- of levenhypotheken. Combinatie hypotheken. Dit zijn combinaties van de bovengenoemde hypotheekvormen.

Het relatieve aandeel van verschillende hypotheeksoorten is de afgelopen 20 jaar drastisch gewijzigd. In 1990 was circa 70 % van de afgesloten leningen een klassiek

13

hypotheekproduct waarbij werd afgelost tijdens de looptijd, de overige 30 % was een hypotheek met vermogensopbouw. Van aflossingsvrije hypotheken was nagenoeg geen sprake. In 2009 was 50 % van alle hypotheken aflossingsvrij en was circa 40 % een hypotheek met vermogensopbouw. De klassieke hypotheekproducten hadden samen nog slechts een marktaandeel van 8%. 100,0%

Anders

90,0%

Aflossingsvrij

80,0%

Spaar, beleggings en leven Annuiteit

70,0% 60,0% 50,0%

Lineair

40,0% 30,0% 20,0% 10,0% 0,0% 1990

1994

1998

2002

2006

2009

Figuur 6. Ontwikkeling Hypotheeksoorten (Bron: Schilder, WBO en WoOn)

Rente vaste periode Naast de wijze van aflossing zijn er ook verschillen in de rentevaste perioden die worden afgesproken tussen hypotheekgever en hypotheeknemer. Een onderscheid kan gemaakt worden tussen variabele rente en hypotheekleningen waarbij een vast rentepercentage over een bepaalde periode wordt afgesproken. Typische rentevaste perioden in Nederland bedragen 5 en 10 jaar (NMA, 2011). In onderstaande figuur is de ontwikkeling van het aandeel van de verschillende rentevaste perioden voor nieuw afgesloten hypotheken weergegeven: 50% 45%

Percentage variabele (< 1 jaar) Hypotheek rente bij nieuw afgesloten hypotheken

40% 35%

Percentage vast ( 1t/m 5 jaar) Hypotheek rente bij nieuw afgesloten hypotheken

30% 25% 20%

Percentage vast (5 t/m 10 jaar) Hypotheek rente bij nieuw afgesloten hypotheken

15% 10% 5% 0% 2004

2005

2006

2007

2008

2009

2010

2011

Percentage vast (> 10 jaar) Hypotheek rente bij nieuw afgesloten hypotheken

Figuur 7. Ontwikkeling Rente vaste periode (BRON NMA, DNB)

Hoogte bevoorschotting De hoogte van het hypotheekbedrag dat wordt verstrekt wordt in de regel uitgedrukt met een tweetal verhoudingsgetallen. LTV en LTI. LTV staat voor Loan-to-Value. LTI is de afkorting voor Loan-to-Income. Deze ratio’s geven respectievelijk weer welk deel van de waarde van een woning wordt geleend en hoe de

14

hoogte van het geleende bedrag zich verhoudt tot het inkomen van het huishouden dat de lening aangaat. In de onderstaande figuur zijn de LTV en LTI ratio’s vanaf 1973 weergeven. 110% 105% 100% 95% 90% 85% 80%

LTV bij aankoop

75% 70% 65% 60%

250% 200% 150% 100%

LTI

50% 0%

Figuur 8. Ontwikkeling LTV, LTI (BRON CPB, DHS, Eigen bewerking)

Voor het bepalen van de LTV is gebruik gemaakt van de gegevens uit het DNB Household Survey (‘DHS’). Hierover volgt verder in deze scriptie meer informatie. Als LTI ratio wordt de door het CPB geregistreerde totale hypotheekschulden als % van het totale beschikbare gezinsinkomen genomen. Het berekenen van de LTV en LTI op deze wijze maakt uitsluitend inzichtelijk wat de situatie is op nationaal niveau. De LTV en LTI verschillen namelijk aanzienlijk als wordt gedifferentieerd naar leeftijdscategorie van de kopers. Zo hebben huizenbezitters in 2009 met een leeftijd tot 25 jaar een LTV van 100 %. Huizenbezitters onder dan 65 jaar hebben gemiddeld een LTV van 23 %. Eenzelfde beeld ontstaat bij de LTI. (Conijn, Schilder, 2012). Renteopslag De rente opslag is het verschil tussen de rente die moet worden betaald op een hypothecaire lening en de relevante marktrente. Deze opslag is mede afhankelijk van overige leningvoorwaarden (soort hypotheek, rente vaste periode en LTV). Door gebruik te maken van de rente op 10 jaar staatsobligaties in Nederland en de door het CBS en DNB gepubliceerde gemiddelde hypotheekrente is inzichtelijk te maken hoe de renteopslag zich de afgelopen 35 jaar heeft ontwikkeld.

15

14,00% 12,00% 10,00%

Rente opslag (verschil staatsobligatie & gem. Hypo rente

8,00% 6,00%

Rente 10 jaars Nederlandse staatsobligaties

4,00% 2,00%

Figuur 9. Ontwikkeling Renteopslag (BRON DNB, CBS)

2.2.3 Nationale Hypotheek Garantie Bij de aankoop van een woning kan de Stichting Waarborgfonds Eigen Woningen (‘WEW’) onder bepaalde voorwaarden een Nationale Hypotheek Garantie (‘NHG’) verstrekken. Het Waarborgfonds staat garant voor de terugbetaling van het hypotheekbedrag aan de geldverstrekker. De hieruit voortvloeiende rentekorting kan oplopen tot 0,6 procentpunt. (SER, 2010). De belangrijkste voorwaarde voor woningkopers die in aanmerking willen komen voor een hypotheek met NHG is dat de totale kosten (met inbegrip van notariskosten, afsluitprovisie, eventuele verbouwingskosten) maximaal EUR 320.000,- mogen bedragen. Het grensbedrag van de NHG is in 2011 tijdelijk verhoogd van EUR 265.000,- naar EUR 350.000,- De verhoging gold tot 1 juli 2012. De verhoging wordt de komende jaren weer geleidelijk afgebouwd volgens het volgende schema: 1 juli 2012: EUR 320.000,- 1 juli 2013: EUR 290.000,- per 1 juli 2014 EUR 265.000,- (Rijksoverheid, 2012). Het WEW heeft als doel het bevorderen van het eigenwoningbezit en is verantwoordelijk voor het beleid en de uitvoering van de NHG. Het WEW is een private instelling met achtervangovereenkomsten met Rijk en gemeenten. Dit betekent dat het WEW te allen tijde aan haar betalingsverplichtingen kan voldoen. Als gevolg hiervan beschouwt DNB de Nationale Hypotheek Garantie als een overheidsgarantie. Hieruit vloeit voort dat leningen met NHG voor de geldverstrekker solvabiliteitsvrij zijn. Dit voordeel voor geldverstrekkers wordt aan consumenten "teruggegeven" door de lagere hypotheekrente op een hypotheek met NHG. Per 31 december 2011 heeft de stichting € 136 miljard aan leningen gewaarborgd en bedraagt het fondsvermogen circa € 741 miljoen (NHG, 2012). Dit betekent dat ruim 20 % van het uitstaande bedrag aan woninghypotheken in Nederland worden geborgd door het WEW.

16

In dit hoofdstuk is de Nederlandse woningvoorraad beschreven. Doordat de ontwikkeling van de woningvoorraad in hoge mate wordt bepaald door regelgeving regelgeving en instituties is de aanbodelasticiteit op de woningmarkt laag. De woningmarkt in Nederland valt uiteen in twee deelmarkten. De huurwoningenmarkt (circa 45 % van de voorraad) en de koopwoningenmarkt (circa 55% van de voorraad). De huurwoningenmarkt is zwaar gereguleerd door het WWS stelsel en de huurtoeslag, woningcorporaties spelen een dominante rol. De koopwoningenmarkt koopwoningenmarkt kent eveneens veel regulering, de belangrijkste is de hypotheekrenteaftrek. Over de periode 1973 t/m 2011 zijn de reële huren met circa ca 65 % gestegen, de prijs van koopwoningen met bijna 100 % gestegen. Het feit dat de beide markten zo zijn gescheiden zorgt ervoor dat het doorstromen van een huur- naar een koopwoning laag is en de afgelopen jaren is afgenomen. De markt voor woninghypotheken eken wordt in Nederland gedomineerd door 4 partijen die samen een marktaandeel van 78 % hebben. Het totale bedrag dat uitstaat aan hypotheekschuld in Nederland is gestegen van 60 % van het BBP in 1999 tot 107 % van het BBP in 2010. De hypotheek vormen en voorwaarden voorwaarden zijn de afgelopen 20 jaar in Nederland ingrijpend gewijzigd. De marktkarakteristieken die worden beschreven in dit hoofdstuk dienen als uitgangspunt voor het verdere verloop van dit onderzoek. Dit is schematisch weergeven in figuur 10. De lage aanbodelasticiteit, de scheiding tussen de huur en de koopwoningenmark en de ingrijpende wijzingen van de hypotheekvormen en -voorwaarden voorwaarden zijn bijzondere elementen in de Nederlandse woningmarkt. Met deze elementen element zal in dit onderzoek naar de prijsontwikkeling eling van koopwoningen in Nederland rekening worden gehouden.

Figuur 10. Schema vervolg stappen

17

3 Theoretisch kader In dit hoofdstuk zal het theoretisch kader worden geschetst van de prijsontwikkeling van koopwoningen. In het onderzoek “Structural factors in the EU housing markets” van de ECB worden de volgende zes factoren genoemd als belangrijkste resultaten factoren die invloed hebben op huizenprijzen. Huishoudinkomen (i), rente (ii), demografische factoren(iii), aanbod variabelen (iv), karakteristieken financiële markten (v) en belastingen, subsidies en overig woningmarktbeleid (vi). De eerste twee factoren zijn macro economische factoren. Uit de meeste onderzoeken naar verklarende factoren voor de prijsontwikkeling van koopwoningen komt naar voren dat het huishoudinkomen de meest verklarende factor is voor de ontwikkeling van de huizenprijs. Naast het huishoudinkomen is de rente een belangrijke factor. Ondanks het feit dat de verschillende onderzoeken tegenstrijdige resultaten over de invloed van rente op de huizenprijzen geven, heeft in de meeste onderzoeken een stijging van de rente een negatieve invloed op de huizenprijzen. Demografische factoren zijn ook van belang voor de huizenprijzen. Vooral de ontwikkeling van het aantal huishoudens en de leeftijdsopbouw van de bevolking zijn van belang. De laatste drie factoren zijn micro-economische factoren. De factor ‘aanbod variabelen’ zijn het aanbod van nieuwbouwwoningen en de snelheid waarmee het aanbod reageert op de ontwikkeling van de huizenprijzen. Een andere micro-economische factor zijn de karakteristieken van de financiële markten, waarmee vooral op de voorwaarden voor het afsluiten van een hypotheek wordt gedoeld. De afgelopen 20 jaar zijn de voorwaarden voor het krijgen van een hypotheek versoepeld, zo is de loan-to-value omhoog gegaan en is het ook mogelijk om een dubbel inkomen op te geven bij het aanvragen van een hypotheek. Eerder is de opkomst van de aflossingsvrije hypotheken al beschreven. Hierdoor stijgt de koopkracht op de huizenmarkt van een huishouden. De laatste factoren zijn belastingen, subsidies en het overige woningmarktbeleid. Zoals al beschreven in hoofdstuk 2 heeft de overheid in Nederland invloed op de woningmarkt, door bijvoorbeeld hypotheekrenteaftrek of huursubsidies. Al deze regelingen hebben invloed op de huizenprijzen (ECB, 2003). Naast deze structurele factoren wordt er in veel studies ook een speculatief of psychologisch effect gevonden voor de prijsontwikkeling van koopwoningen. Dit effect komt erop neer dat kopers van woningen in een opgaande markt eerder geneigd zijn om een woning te kopen. Er wordt door de woningkopers in een opgaande markt vaak verwacht dat de prijzen verder zullen stijgen. In een dalende markt wordt vaak het omgekeerde effect waargenomen. Kopers stellen hun aankoopbeslissing uit, omdat ze bang zijn dat de prijzen verder zullen dalen. Om dit effect te onderzoeken wordt in veel onderzoeken de prijsontwikkeling van koopwoningen in het verleden meegenomen als verklarende factor voor de prijsontwikkeling van koopwoningen nu. (Boelhouwer e.a., 2001)

18

Figuur 11. Conceptueel model

eel model weergegeven dat kan worden opgesteld naar In figuur 11 is het conceptueel aanleiding van het beschreven theoretische the kader. Dit conceptueel model geeft grafisch weer welke factoren wordt naar verwachting invloed hebben op de prijsontwikkeling ontwikkeling van koopwoningen. Het onderzoeken van de d relatie die de factor ‘karakteristieken istieken financiële markten’ met de prijsontwikkeling van koopwoningen heeft, heeft is het einddoel van deze scriptie. de prijsontwikkeling van In dit hoofdstuk wordt het kader beschreven waarbinnen de koopwoningen zich bevindt. Er E worden zes factoren genoemd die invloed hebben op de prijsontwikkeling. Macro economische factoren (i), demografische factoren (ii), aanbod factoren (iii), karakteristieken financiële markten (iv), belastingen, belastingen, subsidies en overig woningmarktbeleid (v), psychologische factoren (vi). (vi)

19

4 Literatuuroverzicht In dit hoofdstuk wordt onderzocht voor welke factoren uit eerder onderzoek is gebleken dat ze invloed hebben op de ontwikkeling van de prijs van koopwoningen. In het bijzonder zal worden ingegaan op de onderzochte relatie tussen hypotheekvoorwaarden en de prijsontwikkeling van koopwoningen.

4.1 Invloed van factoren op de prijsontwikkeling van koopwoningen Het economisch kader van een koopwoningenmarkt kan worden getypeerd als neoklassiek. Neoklassieke economische theorieën gaan uit van het economisch nut van een product. In een concurrerende markt zou dat betekenen dat de huizenprijzen tot stand komen door vraag en aanbod (Vries de, 2010). De Nederlandse woningmarkt is echter een complexe markt (zie hiervoor ook hoofdstuk 2). De markt wordt aan de ene kant bepaald door economische en demografische factoren (inkomensontwikkeling, rente, ontwikkeling van het aantal huishoudens). Aan de andere kant wordt de woningmarkt ook in hoge mate beïnvloed door de overheid. Hierdoor is er geen sprake van vrije marktwerking (Vrom-raad, 2007). Daarnaast kent een woning een relatief lange levensduur. Een woning in Nederland kent een gemiddelde levensduur van 110 jaar. Dit betekent dat de huizenmarkt, net als de markten voor andere segmenten van de markt voor onroerend goed, een typisch voorbeeld is van een zogenoemde voorraadmarkt. Er wordt in Nederland niet meer dan anderhalf procent per jaar aan de woningvoorraad toegevoegd door vertragende wet en regelgeving daarnaast is de bouwtijd van woningen lang. Hierdoor kan het aanbod zich op korte termijn niet direct aanpassen aan de vraag (Verbruggen e.a., 2005). De relatie tussen woningvraag en woningaanbod wordt vaak uitgedrukt in de prijselasticiteit van het aanbod ofwel de aanbodelasticiteit. Een aanbodelasticiteit van 1 betekent dat wanneer de woningprijzen met 1% stijgen, het woningaanbod ook met 1% toeneemt. In woningmarkten met een hoge aanbodelasticiteit is de nieuwbouwproductie leidend voor de prijsvorming van koopwoningen. Immers als de vraag naar woningen stijgt, zal de prijs in deze markten op korte termijn ook stijgen. Echter doordat de nieuwbouwproductie zal stijgen, zal de prijs van koopwoningen zich weer naar een prijsniveau begeven dat overeenkomt met de productiekosten van nieuwbouwwoningen. (Vrom-raad, 2007). In paragraaf 2.2.1 van deze scriptie is te zien dat het aantal gereed gekomen nieuwbouwwoningen in Nederland over de periode 1995 tot 2011 schommelt tussen de 60.000 en 90.000 per jaar. Het aantal gereedgekomen nieuwbouwwoningen is ondanks de sterke prijsstijging in de jaren 2000 t/m 2007 niet meer boven het niveau van eind jaren negentig uitgekomen. Dit is een indicatie van een lage aanbodelasticiteit op de Nederlandse woningmarkt. Aanbod Er is een beperkt aantal studies naar de aanbodelasticiteit van de Nederlandse woningmarkt. Swank e.a. berekenen de elasticiteit door een regressie model te hanteren waarbij het aantal nieuw afgegeven woningbouwvergunningen de te verklaren variabele is en de prijs van koopwoningen een van de verklarende variabelen. Op basis hiervan komt de aanbodelasticiteit in de Nederlandse koopwoningenmarkt uit op 0,3. Dit is de laagste uitkomst vergeleken met Denemarken (0,66), Frankrijk (1,09), Duitsland (2,05), het VK (0,45) en de VS (1,4) (Swank e.a. 2002). In een OESO onderzoek (2004) wordt eveneens gevonden dat Nederland in vergelijking met andere Westerse landen één van de laagste aanbodelasticiteitcijfers heeft. In een recentere studie van Vermeulen en Rouwendal uit 2007 concluderen de auteurs dat het aanbod van woningen op de korte termijn bijna volledig inelastisch is. Op de lange termijn wordt een aanbodelasticiteit van 0,1 gevonden (Vermeulen, Rouwendal, 2007). Vraag Het aanbod in de Nederlandse woningmarkt staat dus (op de korte termijn) min of meer vast. In een voorraadmarkt wordt de prijs, gegeven dit min of meer vaste aanbod, dan ook voornamelijk bepaald door de vraag (Verbruggen e.a., 2005). In de recente onderzoeken

20

naar verklarende variabelen voor de prijsontwikkeling van koopwoningen in Nederland worden dan ook voornamelijk significante relaties gevonden voor “vraag” variabelen. Er zijn legio onderzoeken naar de verklarende variabelen voor de prijs ontwikkeling van koopwoningen in Nederland. In dit onderzoek zullen twee belangrijke en recente studies worden besproken. CPB Onderzoek Het CPB heeft in april 2005 een uitgebreide studie gepubliceerd waarin wordt getracht beter inzicht te krijgen in de verklarende factoren van de huizenprijsontwikkeling in Nederland. Nadat eerdere onderzoeken zijn beschouwd, kiezen de auteurs voor een foutcorrectiemodel (Error-correction model). Er wordt in dit model geschat in twee stappen. Eerst wordt getracht de reële huizenprijsontwikkeling op de lange termijn te verklaren. Vervolgens wordt de afwijking tussen het feitelijke niveau van de reële huizenprijs en de lange-termijnwaarde (een jaar vertraagd) als verklarende variabele genomen in de korte-termijnvergelijking. In de lange termijn vergelijking worden de navolgende factoren meegenomen (i) reëel beschikbaar looninkomen per huishouden (ii) reële rente, (iii) aantal huishoudens (iv) reële huurprijs reëel financieel gezinsvermogen per huishouden (v) totale woningvoorraad. Bouwkosten worden niet als verklarende variabelen in het model meegenomen, immers uitsluitend in een efficiënt werkende markt waarbij het aanbod zich snel aanpast aan de vraag, wordt de prijs op lange termijn bepaald door de productiekosten. De factoren reëel beschikbaar looninkomen (totaal), reële rente, overig financieel vermogen (totaal) en woningvoorraad geven op de lange termijn de beste verklaring voor de prijsontwikkeling van de koopwoningen. Zie hiervoor tabel 2. Uitgangspunt voor het model op de korte-termijn is dus de error correctie term van het lange termijn model (verschil afwijking tussen het feitelijke niveau van de reële huizenprijs en de lange-termijnwaarde). Daarnaast worden enkele korte termijn factoren aan het model toegevoegd (werkloosheidpercentage en aandelenvermogen), dit resulteert echter niet in een beter model. Ook op de korte termijn zijn de belangrijkste factoren, die de prijsontwikkeling van koopwoningen bepalen, het looninkomen, de rente, het overige financiële vermogen en de woningvoorraad (Verbruggen e.a., 2005). In een reactie op een onderzoek van het IMF heeft het CPB in 2008 haar onderzoek uit 2005 geactualiseerd met cijfers t/m 2007. Uit dit onderzoek blijkt dat de variabelen die in het model worden gehanteerd ook voor de periode t/m 2007 een goede ‘fit’ hebben met de werkelijke ontwikkeling van de prijs voor koopwoningen (Verbruggen, Kranendonk, 2008). Evaluation of House Prices Using an ECM Approach: The Case of the Netherlands In dit onderzoek uit 2009 wordt allereerst het model dat door het CPB is gebruikt geanalyseerd. Daarnaast wordt het model dat is ontwikkeld door Onderzoeksinstituut OTB (Boelhouwer e.a., 2001) geanalyseerd. Vervolgens wordt een eigen model ontwikkeld. De modellen verschillen op het gebied van de gebruikte (verklarende) variabelen, de onderzoeksperiode en de gekozen methodiek. In tabel 2 zijn de gevonden significante variabelen per onderzoek weergegeven.

CPB 1 LN reële huizenprijs 2 LN reële beschikbaar loon inkomen 3 Reële Rente (10 jaars staats oblig.) 4 LN netto overige financiële bezittingen huishoudens (jaar gemiddelde)

OTB % verandering reële huizenprijs % verandering reële huishoud inkomen rente/inkomen ratio na belastingen dummy variabel voor seizoenseffecten

Francke e.a. LN reële huizenprijs LN reële modaal inkomen per werknemer Reële Rente (hypotheekrente)

21

5 LN woningvoorraad (jaar gemiddelde) Onderzoek 1981 - 2007 Periode

Log % verandering huizenprijzen 1978 - 2000

1965 – 2009

Tabel 2. Gevonden significante variabelen (CPB, Boelhouwer e.a, Francke e.a)

In alle onderzoeken wordt een relatie gevonden tussen de ontwikkeling van het inkomen en de rente (de gekozen reeksen verschillen) en de ontwikkeling van de huizenprijzen in Nederland. Het CPB vindt aanvullend een significant verband tussen de ontwikkeling van de huizenprijzen en van het vermogen van huishoudens en de woningvoorraad. De ontwikkeling van de woningvoorraad is de enige aanbodvariabele. In alle onderzoeken wordt gebruik gemaakt van een error-correctie-model. Het verschil is gelegen in de wijze waarop de error correctie term (ECT) wordt bepaald. Het CPB berekent de ECT door het verschil te nemen tussen het feitelijke niveau van de reële huizenprijs en de lange termijn waarde die volgt uit in het lange termijn model. Het OTB model berekent de ECT door eerst een lange termijn waarde voor de ‘netto rente quote’ te berekenen (rente X gemiddelde koopprijs woningen X (1-0,405)) / (Reëel beschikbaar inkomen) deze lange termijn waarde wordt vervolgens van de werkelijke netto rente quote afgetrokken om te komen tot de ECT. Het model van Francke maakt gebruik van een ECT die wordt berekend door twee lag’s (t-1 en t-2) van de afhankelijke variabele (huizenprijsontwikkeling) en exogeen verklarende variabelen (Francke e.a., 2009).

4.2 Invloed van hypotheekvoorwaarden op de prijsontwikkeling Het CPB schrijft in haar onderzoek dat voor de mogelijk verklarende variabelen: consumenten vertrouwen, huizenprijsverwachting, hypotheekvoorwaarden, transactiekosten en demografische ontwikkeling geen significant verband kan worden gevonden met de prijsontwikkeling van koopwoningen in Nederland. Voor de laatste drie variabelen wordt dit waarschijnlijk veroorzaak door beperkte databeschikbaarheid en geringe variante in tijd. (Verbruggen e.a., 2005). Internationaal zijn er al eerder studies uitgevoerd over de invloed van hypotheek / kredietvoorwaarden op de prijsontwikkeling van koopwoningen. In Nederland is er 2012 een onderzoek verschenen naar de invloed van loan-to-value ratio’s op de prijsontwikkeling. Meen schrijft in zijn boek “Modelling spatial housing markets” dat het toevoegen van hypotheekvoorwaarden de kwaliteit van een model, dat de prijsontwikkeling van koopwoningen in het Verenigd Koninkrijk schat, verbetert. In het model wordt als een van de verklarende variabelen de reële gebruikers kosten van koopwoningen gebruikt. De kosten worden in dit geval berekend door rekening te houden met de rente en afschrijving en met beperkingen aan de LTV. Daarnaast wordt aangetoond dat de volatiliteit van huizenprijzen toeneemt als er aflossingsverplichtingen worden opgelegd (door financiers of door huishoudens zelf) ten opzichte van veranderingen in het inkomen van huishoudens (Meen, 2001). In het onderzoek van Cameron e.a. wordt onderzocht of er sprake was van een ‘bubble’ in de Engelse huizenmarkt. In het model wordt gebruik gemaakt van de Credit Conditions Index (CCI). Het gebruik van deze variabele verbetert de kwaliteit van het model. Gevonden wordt dat het verruimen van kredietvoorwaarden een directe invloed hebben op de prijsontwikkeling van koopwoningen in het Verenigd Koninkrijk maar ook tot gevolg hebben dat de reële rente een belangrijkere verklarende relatie krijgt met de prijsontwikkeling van koopwoningen dan de nominale rente (Cameron e.a., 2006). Deze CCI is voor het Verenigd Koninkrijk berekend door Fernandez-Corugedo en Muellbauer. De index is geconstrueerd door gebruik te maken van een 26 jaar lange reeks van kwartaaldata, verzameld door enquêtes van Engelse hypotheekverstrekkers. In totaal worden tien indicatoren voor kredietbeschikbaarheid gebruikt om de index samen te stellen. De belangrijkste hiervan zijn

22

LTV, LTI en totale uitstaande consumenten en hypotheekschuld (Fernandez-Corugedo e.a., 2006). Duca e.a. hebben onderzocht wat de invloed kredietbeperkingen is op de prijsontwikkeling van koopwoningen in de Verenigde Staten. Er wordt een error-correctie model (op lange en kort termijn) geschat om de prijsontwikkeling van koopwoningen in de VS te verklaren. Als variabele voor kredietvoorwaarden is in dit onderzoek gebruik gemaakt van de gemiddelde LTV ratio van starters op de woningmarkt in de VS. De reeks is afkomstig uit het American Housing Survey dat LTV data heeft vanaf 1979. De LTV reeks wordt gecorrigeerd voor de leeftijd van de leningnemer, seizoen effecten, regionale samenstelling en uitzonderlijke uitslagen (uitbijters). Daarnaast wordt de reeks geëgaliseerd door het voortschrijdend gemiddelde te nemen van drie kwartalen. Het toevoegen van de LTVt-2 reeks aan het model maakt dat het model een grotere verklarende waarde heeft en dus verbetert (Duca e.a. 2010). Timmermans heeft een scriptie geschreven over de effecten van het aanscherpen van de LTV ratio op de prijsontwikkeling van koopwoningen in Nederland. Ook in dit onderzoek wordt gebruik gemaakt van een (lange en korte termijn) error-correctie model om de prijsontwikkeling van koopwoningen te verklaren. Het model heeft als verklarende variabelen de reele rente, het reele BBP, de bouwkosten, de ontwikkeling van de koopwoningen voorraad en de lag (t-1) van de LTV van starters. De onderzoekperiode is 1970 t/m 2011. De LTV gegevens voor starters zijn verkregen door een extra aantal vragen toe te voegen aan het DNB Household Survey 2012. De LTV reeks wordt geëgaliseerd door het voortschrijdend gemiddelde te nemen van drie jaar. In het lange termijn model heeft de variabele LTVt-1 een significante relatie met de prijsontwikkeling van koopwoningen in Nederland. De gevonden coëfficiënt bedraagt afgerond 1,4. Het totale model verbetert iets door het toevoegen van de LTV variabele (Timmermans, 2012) In dit hoofdstuk wordt beschreven dat de Nederlandse woningmarkt wordt gekenmerkt door een hoge mate van regulering en het karakter heeft van een voorraadmarkt. Dit maakt dat er een zeer lage aanbodelasticiteit in de Nederlandse woningmarkt is. In veel onderzoeken naar verklarende variabelen voor de prijsontwikkeling van koopwoningen in Nederland worden daarom ook vaak vraagvariabelen zoals inkomen, rente en overige bezittingen gevonden. Slechts in één onderzoek wordt de ontwikkeling van de woningvoorraad als verklarende factor gevonden. De invloed van hypotheekvoorwaarden op de prijsontwikkeling van koopwoningen is in het Verenigd Koningkrijk gevonden door een kredietvoorwaardenindex op te stellen en deze mee te nemen in een statistisch model. In de Verenigde Staten en recent ook in Nederland wordt een significant verband gevonden tussen de prijsontwikkeling van koopwoningen en de LTV voor starters.

23

5 Onderzoeksopzet In dit hoofdstuk wordt beschreven welke datareeksen worden gebruikt voor het uitvoeren van het onderzoek. De keuze van deze reeksen wordt beargumenteerd. Daarnaast zal de methodologie van het uit te voeren onderzoek worden toegelicht.

5.1 Data Het uitgangspunt bij het kiezen van de datareeksen is het conceptuele model in hoofdstuk 3 en de beschreven literatuur in hoofdstuk 4. Huizenprijzen Voor de ontwikkeling van de huizenprijzen wordt voor de periode 1973 t/m 1995 gebruik gemaakt van de ‘repeat index’ cijfers zoals berekend door Bussel, Kerkhoffs en Mahieu (Bussel e.a, 1996). Vanaf 1995 publiceert het CBS een dergelijke index. Macro economische factoren De macro economische factoren zijn rente en inkomen. In de geraadpleegde onderzoeken worden verschillende reeksen gekozen voor rente en inkomen. In dit onderzoek wordt voor rente gebruik gemaakt van het rendement op staatobligaties en de gemiddelde hypotheekrente. Het rendement op Nederlandse staatsobligaties wordt voor de periode 1973 t/m 1986 ontleend aan de CBS reeks 5 langstlopende staatsobligaties. Voor de periode 1987 t/m 1998 wordt het rendement op 10 jaar staatsobligaties gebruikt van het CBS. Voor de overige jaren wordt het rendement op 10 jaar staatobligaties genomen zoals gepubliceerd door DNB. De gemiddelde hypotheekrente is voor de periode 1973 t/m 1992 afkomstig uit Datastream. Over de periode 1993 t/m 2003 wordt de reeks van het CBS gebruikt, vanaf 2004 wordt de gemiddelde hypotheekrente in Nederland gepubliceerd door DNB. Voor inkomen wordt gebruik gemaakt van de reeksen beschikbaar gezinsinkomen en Bruto Binnenlands product welke beide door het CPB worden gepubliceerd. Er is in navolging van de keuze van het CPB in haar onderzoek naar de prijsontwikkeling van koopwoningen gekozen voor het meenemen van het overige vermogen van huishoudens als verklarende variabele. De gedachte hierachter is dat als huishoudens hun vermogen zien stijgen, er een grotere bereidheid zou zijn om over te gaan tot het kopen van een woning, waardoor de vraag stijgt. Bij een dalend vermogen zijn huishoudens naar verwachting minder geneigd om over te gaan tot de aankoop van een woning, waardoor de vraag daalt. Demografische factoren De demografische ontwikkeling laat zich goed weergeven door de ontwikkeling van het aantal huishoudens in Nederland. Theoretisch zal elk huishouden immers een woning nodig hebben. In geen van de beschreven onderzoeken in hoofdstuk 4 wordt een significante relatie gevonden tussen de ontwikkeling van het aantal huishoudens in Nederlands en de prijsontwikkeling van koopwoningen. Dit ondanks het feit dat in het CPB onderzoek uitdrukkelijk wordt getest op deze relatie. In dit onderzoek zal de ontwikkeling van het aantal huishoudens desondanks toch worden getest. Aanbod factoren De ontwikkeling van het aanbod op de woningmarkt kan worden weergegeven door het aantal gereedgekomen nieuwbouwwoningen of de ontwikkeling van de woningvoorraad. Als het aantal woningen stijgt heeft dit in theorie een prijsdrukkend effect. De ontwikkeling van de totale woningvoorraad in Nederland wordt door het CBS bijeengehouden vanaf 1947. In de Syswov database van ABF research en de Nederlandse overheid wordt vanaf 1985 bijgehouden welke % van de totale woningvoorraad koop- of huurwoningen zijn. Over de periode 1973 t/m 1985 wordt de ontwikkeling van de totale woningvoorraad gebruikt. Vanaf 1985 wordt gebruikt gemaakt van de ontwikkeling van de koopwoningen voorraad. Voor dit onderzoek is van deze woningvoorraad cijfers (absolute aantallen) een indexcijfer van de groei gemaakt. Daarnaast publiceert het CBS een langjarige reeks van het totaal aantal

24

gereedgekomen nieuwbouwwoningen in Nederland. Dit betreft zowel huur- als koopwoningen. Deze reeks zal ook worden getest. Verschillende eerdere onderzoeken vinden een significant verband tussen de prijsontwikkeling van koopwoningen en de ontwikkeling van de woningvoorraad. Een andere factor die als aanbodfactor kan worden beschouwd is de ontwikkeling van de bouwkosten. Een stijging van de bouwkosten zal in theorie een daling van het aantal nieuwbouwwoningen met zich meebrengen of in ieder geval de prijzen van koopwoningen doen stijgen. Er zou dus een positieve relatie tussen de ontwikkeling van de bouwkosten en de prijzen van koopwoningen moeten zijn. De bouwkostenindex komt van het CBS. Ook deze reeks wordt meegenomen in dit onderzoek. Belastingen subsidies en overig woningmarktbeleid In hoofdstuk 4 wordt beschreven hoe in het onderzoek van het OTB de ‘netto rente quote’ wordt berekend door gebruik te maken van de navolgende formule: (rente X gemiddelde koopprijs woningen X (1-0,405)) / (Reëel beschikbaar inkomen). De rentelasten worden gecorrigeerd voor de renteaftrek die in Nederland van toepassing is. Door de hypotheekrenteaftrek op deze statische wijze mee te nemen, verandert er echter niets aan de ontwikkeling van de netto rente quote. In de andere onderzoeken wordt dan ook geconcludeerd dat belastingen subsidies en overig woningmarktbeleid zeker een rol spelen in de prijsontwikkeling van koopwoningen, maar dat het lastig is hiervoor een aparte variabele op te nemen. In dit onderzoek wordt er dan ook voor gekozen om geen aparte variabele op te nemen voor deze factoren. Eerder in deze scriptie is al beschreven dat bijvoorbeeld het woningmarktbeleid met zich meebrengt dat de aanbodelasticiteit van de woningmarkt in Nederland erg laag is. Dit zal zijn doorwerking hebben in de relatie die gevonden wordt tussen de aanbodfactoren en de prijsontwikkeling van koopwoningen. Psychologische factoren Met psychologische factoren wordt gedoeld op de veronderstelling dat huizenkopers hun koopbeslissing laten beïnvloeden door de prijsontwikkeling van koopwoningen in het (recente) verleden. Voor dit effect zal getest worden door in het onderzoek een zogenaamde lag variabele van de huizenprijs mee te nemen. Dit is de waarde van een bepaalde variabele één (t-1) of meerdere perioden terug. Karakteristieken financiële markten Als laatste factor wordt onderzocht op de karakteristieken van de financiële markten. Hiermee wordt gedoeld op de toegang tot en de voorwaarden waaronder huishoudens hypothecaire leningen kunnen aangaan voor het kopen van een eigen huis. Er is in eerder onderzoek een relatie gevonden tussen de LTV ratio en de prijsontwikkeling van koopwoningen in Nederland. In paragraaf 2.2.2. worden de belangrijkste hypotheekvoorwaarden beschreven. In dit onderzoek zal een viertal hypotheekvoorwaarden worden meegenomen. Dit zijn de LTI, LTV, rente opslag en het percentage aflossingsvrije hypotheken. De rente looptijd zal niet worden onderzocht omdat de data daar slecht vanaf 2004 over beschikbaar zijn. Als LTI ratio wordt de door het CPB geregistreerde totale hypotheekschulden als % van het totale beschikbare gezinsinkomen genomen. In figuur 8 is de ontwikkeling van deze ratio in Nederland grafisch weergegeven. De renteopslag wordt berekend door het verschil tussen de gemiddelde hypotheekrente en het rendement op staatsobligaties te nemen. Voor het bepalen van de LTV en het aantal aflossingsvrije hypotheken wordt gebruik gemaakt van de gegevens uit het DNB Household Survey (‘DHS’). Dit panelonderzoek wordt sinds 1993 jaarlijks uitgevoerd en bevat vragen op het gebied van de kenmerken van het huishouden, werk, wonen en hypotheken, gezondheid en inkomen, bezit en lenen en op het gebied van economische en psychologische concepten. Door gebruik te maken van de antwoorden uit de sectie wonen en hypotheken van de enquêtes die zijn uitgevoerd in de periode 1993 t/m 2011 is voor de periode 1973 t/m 2011 een gemiddelde LTV en het % aflossingsvrije hypotheken bepaald.

25

Uitsluitend de LTV ratio bij aankoop van een woning wordt berekend. Deze LTV ratio betreft dus de LTV van alle aankopen in een bepaald jaar, niet alleen van starters. De LTV wordt alleen berekend als het jaartal waarin de respondent zijn of haar woning heeft gekocht gelijk is aan de afsluitdatum van de hypotheek. Door het antwoord op de vraag wat de hoogte van de hypotheek bij aanvang was te delen door het antwoord op de vraag wat de koopsom vermeerderd met overdrachtsbelasting was, wordt de LTV bepaald. Uitbijters zijn uit de reeks verwijderd. Het gemiddeld aantal waarnemingen per jaar is 215. Jaarlijks wordt ook de vraag gesteld welke soort hypotheek men heeft. Echter voor de jaren 1995 t/m 2000 is er geen aparte keuzemogelijkheid om aflossingsvrije hypotheek te kiezen. Deze jaren kunnen dus niet worden meegenomen bij het bepalen van het aantal aflossingsvrije hypotheken. Er is ook voor gekozen om uitsluitend de hypotheeksoort op het moment van aankoop van een huis mee te laten wegen. Uitsluitend indien het jaartal waarin de respondent zijn of haar woning heeft gekocht gelijk is aan de afsluitdatum van de hypotheek wordt de hypotheeksoort meegenomen. Als extra controle worden alleen de hypotheken meegenomen van de respondenten die hetzelfde bedrag invullen bij de vraag wat de hoofdsom van de hypotheek was bij aanvang en bij de vraag wat die hoofdsom nu is. Uitbijters zijn uit de reeks verwijderd. Het gemiddeld aantal waarnemingen per jaar is 53. In tabel 3 zijn alle variabelen die in het onderzoek worden gebruikt weergegeven. Soort Omschrijving Bewerking Bron Afhankelijke variabele Macro economische factoren

Demografische factoren Aanbod variabelen

Hypotheek voorwaarden

Huizenprijzen index

LN in reële termen

ESB, CBS

Rendement NL staatsobligaties Gemiddelde hypotheekrente Beschikbaar gezinsinkomen BBP Vermogen huishoudens Ontwikkeling aantal huishoudens Ontwikkeling woningvoorraad Bouwkosten index Aantal nieuwbouw woningen LTV bij aankoop woning

Rs - inflatie

CBS, DNB

Rh - inflatie LN in reële termen

Datastream, CBS, DNB CPB

LN in reële termen LN in reële termen

CPB CPB

LN

CBS

LN

CBS, Syswov

LN in reële termen LN

CBS CBS

LN, Voortschrijdend gemiddelde LN Voortschrijdend gemiddelde Rh – Rs LN Voortschrijdend gemiddelde

DHS

LTI

Rente opslag % aflossingsvrije hypotheken Inflatie

CPB

eigen berekening DHS

CBS

Tabel 3. Overzicht te gebruiken datareeksen

26

Een aantal variabelen dient te worden gecorrigeerd voor inflatie. De inflatie zal niet direct in het model worden meegenomen, maar wordt gebruikt om daar waar nodig de variabelen in reële termen weer te geven. De inflatieontwikkeling komt van de CBS Statline databank Er zal gebruik worden gemaakt van tijd reeksen over de periode 1973 t/m 2011. Deze periode is gekozen omdat de uitkomsten van de data uit DHS in het begin van de jaren 70 gebaseerd zijn op slechts enkele antwoorden (minder dan 10).

5.2 Methodologie Om de prijsontwikkeling van koopwoningen in Nederland te onderzoeken dient gekozen te worden voor een model dat het beste aansluit bij de marktkarakteristieken van de Nederlandse woningmarkt. De prijs van koopwoningen komt zoals elke prijs tot stand door vraag en aanbod, echter wordt de Nederlandse koopwoningmarkt gekenmerkt door een lage aanbodelasticiteit. Een verandering in de vraag heeft dus een zeer trage verandering van het aanbod tot gevolg. Hierdoor duurt het relatief lang voordat de prijzen van koopwoningen bij een verandering in vraag en/ of aanbod weer in evenwicht zijn. Op de korte termijn ontstaat er dus een afwijking van de evenwichtswaarde. Er wordt in dit onderzoek daarom gekozen voor een error correctie model. Dit model zal eerst de woningprijsontwikkeling op de lange termijn schatten. Vervolgens zal het verschil tussen de werkelijke ontwikkeling van de prijzen van koopwoningen en de uitkomst van het model op de lange termijn als error correctie term dienen in het model op de korte termijn. Het korte termijn model beschrijft de jaarlijkse verandering van de woningprijzen. Er wordt in beide modellen gekozen voor een lineair regressie model. Uit het literatuur onderzoek komt naar voren dat het error correctie model vaak wordt gekozen om de prijsontwikkeling van koopwoningen te bepalen. De datareeksen die in tabel 3 zijn beschreven, dienen te worden bewerkt om het model goed te laten functioneren. De reden hiervoor is dat de verschillende datareeksen in verschillende grootheden beschikbaar zijn (bijvoorbeeld indexcijfers of in euro’s). Van alle datareeksen (met uitzondering van de reeksen die in percentages zijn uitgedrukt) is daarom het natuurlijke logaritme genomen. Daarnaast is ervoor gekozen om van de reeksen LTV, LTI en % aflossingsvrije hypotheken het voortschrijdend 3-jaars gemiddelde te nemen. Dit is gedaan om van deze reeksen de langere termijn trend te gebruiken. In het bijzonder voor de reeksen die afkomstig zijn van een enquête is dit van belang.

5.3 Validiteitstoetsen De datareeksen en uitkomsten van het model dienen te worden gecontroleerd op validiteit. In dit onderzoek zal worden gecontroleerd voor co-integratie, autocorrelatie, correlatie en mulitcollineariteit. Co-integratie Co-integratie treedt op als er sprake is van twee niet stationaire tijdreeksen die stationair worden doordat beide reeksen samen worden gecombineerd in een model. Dit verslechtert de kwaliteit van het model. Een tijdreeks wordt stationair genoemd wanneer er geen positieve of negatieve trend aanwezig is. Om te onderzoeken of dit risico in dit onderzoek aanwezig is voor alle tijdreeksen wordt de Agumented Dickey-Fuller (‘ADF’) test uitgevoerd. In Appendix A is de uitkomst te zien van de ADF-tests voor de datareeksen, de ECT en de ∆ van de datareeksen. De reeksen zelf dienen bij voorkeur niet stationair te zijn en dus wel een unit root te bevatten. De ECT en de ∆ van de datareeksen dienen bij voorkeur wel stationair te zijn en dus geen unit root te bevatten. Autocorrelatie In hoofdstuk vijf zal bij het geven van de onderzoeksuitkomsten per model steeds de DW waarde staan. Dit is de Durbin-Watson-toetsgrootheid. Deze toets kijkt of het residu van het regressiemodel (ε) voor periode t samenhangt met het residu van een periode eerder (t-1). Als dit het geval is wordt dit autocorrelatie genoemd. De waarde van de Durbin-Watson-

27

toetsgrootheid ligt altijd tussen 0 en 4. Ligt de waarde tussen de 0 en de 1,56 dan is er sprake van positieve autocorrelatie. Tussen de 1,72 en 2,28 is er geen sprake van autocorrelatie. Ligt de waarde tussen 2,64 en 4 dan is er negatieve autocorrelatie. Indien er een autocorrelatie wordt gevonden, is een goede oplossing om te proberen de aangetroffen systematiek binnen het model te brengen. Correlatie en multicollineariteit Vervolgens moet ook getest worden op multicollineariteit. Multicollineariteit treedt op als twee of meer variabelen zo sterk gecorreleerd zijn dat hun gezamenlijk verklaarde variantie niet kan worden toegeschreven aan de afzonderlijke verklarende variabelen. In Appendix B staan alle correlaties tussen de variabelen die zijn beschreven in tabel 3. Omdat er een aantal hoge significante relaties tussen zitten, wordt in Appendix C en D op multicollineariteit getest voor het gekozen model op lange en korte termijn. Dit wordt gedaan door de verklarende variabelen te regresseren op alle andere verklarende variabelen in het regressiemodel. Als deze zogenaamde hulpregressies zeer hoge correlatiecoëfficiënten opleveren, weten we dat er sprake is van een hoge mate van multicollineariteit. Dit wordt uitgedrukt in tolerantie en staat in de voorlaatste kolom van de tabel. Deze tollerantie wordt gedefinieerd als Toli = 1 Ri2. Ri2 is het gekwadrateerde correlatiecoëfficiënt van Xi op alle andere verklarende variabelen. Bij een tolerantie van 1 is er dus geen enkele correlatie, is de tolerantie bijna 0 dan is er wel sprake van muliticollineariteit. In de laatste kolom wordt de Variance Inflationary Factor gegeven:VIFi = 1/ Toli. In tabel 4 zijn de in dit onderzoek gebruikte toetsen, de interpretatie en de uitkomsten schematisch weergegeven. Controle voor

Toets

Gewenste uitkomsten

Co-integratie

Argumented Dickey-Fuller

Niet stationair

Auto correlatie

Durbin-Watson

1,72 en 2,28

Correlatie en Multicollineariteit

Tollerantie = 1

BBP & Woningvoorraad dichtbij 0

Uitkomsten korte termijn model Alle variabelen stationair behalve ∆ woningprijs & ECT. 2,128

Controle voor

Toets

Gewenste uitkomsten

Co-integratie

Argumented Dickey-Fuller

Wel stationair

Auto correlatie

Durbin-Watson

1,72 en 2,28

Correlatie en Multicollineariteit

Uitkomsten lange termijn model Alle variabelen niet stationair behalve hypotheekrente 1,325

Tollerantie = 1

Aandachtspunten

Hypotheekrente stationair.

Positieve autocorrelatie Voor BBP & Woningvooraad sprake van multicollineariteit Aandachtspunten

∆ woningprijs & ECT niet stationair

Geen autocorrelatie

Alle waarden boven 0,5

Tabel 4. Validiteitstoetsen

Er wordt co-integratie gevonden voor de datareeksen hypotheekrente en ∆ woningprijs. Dit is is acceptabel. De ECT is niet stationair, hierdoor wordt formeel niet aan de voorwaarden van

28

error-correctie voldaan. Hierbij dient wel opgemerkt te worden dat bij het interpreteren van de ADF test voor de ECT gebruik is gemaakt van de strengere kritische waarden dan bij de overige reeksen. De autocorrelatie die in het lange termijnmodel nog aanwezig is, verdwijnt in het korte termijn model. Dit komt zeer waarschijnlijk omdat in het korte termijn model de lag van de woningprijs is meegenomen. Er is sprake van multicollineariteit in het model. Dit komt veel voor bij regressie analyses. Het is lastig om het model zodanig aan te passen dat er helemaal geen multicollineariteit meer is. In dit hoofdstuk worden voor alle factoren die in het theoretisch kader worden gevonden gepresenteerd inclusief redenen en de gekozen datareeksen per factor. Deze datareeksen zijn opgesomd in tabel 3 inclusief de bewerking die de reeksen zijn ondergaan om ze geschikt te maken voor statistisch onderzoek. Daarnaast wordt beargumenteerd waarom wordt gekozen voor een error correctie model. Verschillende analyse methoden worden beschreven om de validiteit van het onderzoek te controleren. De uitkomsten en de interpretatie van deze toetsen in dit onderzoek worden gepresenteerd.

29

6 Resultaten onderzoek 6.1 Lange termijn vergelijking De verschillende variabelen worden stuk voor stuk getest op hun invloed op de prijsontwikkeling van koopwoningen. Er wordt gebruik gemaakt van een lineair regressie model. Twee belangrijke zaken bij regressiemodellen zijn de significantie van de gevonden coëfficiënten en de verklarende kracht van het gehele model. Om te kijken of de gevonden coëfficiënten wel significant zijn moeten we gebruik maken van de waarde die in tabel 5 onder de coëfficiënten tussen haakjes staat, dit zijn de t-waarden. Deze t-waarden kunnen worden geïnterpreteerd door de kritische waarde bij een 5% significantie niveau en het aantal vrijheidsgraden (n-K-1) te nemen. Afgerond komt deze kritische waarde voor alle in tabel 5 gepresenteerde modellen uit op -2,0 en 2,0. Alle t-waarden die kleiner zijn dan -2,0 of groter dan 2,0 zijn dus significant. Tot slot wordt per model in tabel 5 de R2 gegeven. Deze R2 geeft aan in hoeverre het model in zijn geheel de werkelijkheid beschrijft. De waarde van R2 ligt altijd tussen 0 en 1. Bij 0 is het model waardeloos en bij 1 beschrijft het de werkelijkheid perfect. Model

I

II

III

Hypotheekrente

-2,918

-2,265

-2,154

BBP Ontwikkeling woningvoorraad

IV -2,283

-5,748

-5,724

-6,108

-6,365

4,699

3,590

3,622

3,551

12,974

10,589

10,906

10,367

-3,209

-2,535

-2,606

-2,778

-9,075

-10,217

-11,300

LTV lag, voortschrijdend

-9,988

1,465

1,524

1,312

4,508

4,942

4,420

LTI lag , voortschrijdend

-0,130

-0,117

-1,924

-1,832

Rente opslag

0,010 0,647

% aflossingsvrije hypotheken lag , voortschrijdend Constante

Gecorrigeerde R2 Standard Error of the Estimate Durbin-Watson Statistic Schattingsperiode

0,120

0,119

0,118

4,913

4,928

4,732

-2,669

0,099

0,256

1,516

-8,295

0,092

0,246

1,879

0,952 0,981 0,982 0,980 0,0756 0,0476 0,0471 0,0490 1,528 1,515 1,529 1,325 1973 - 2011 1976 - 2011 1976 - 2011 1976 - 2011

Tabel 5. Beta’s model op de lange termijn, de t-waarden zijn cursief weergegeven.

Eerst is een model geschat zonder hypotheekvoorwaarden. Er wordt gevonden dat de rente op staatobligaties en de hypotheekrente beide een vergelijkbare relatie hebben, de correlatie van beide reeksen is dan ook erg hoog (zie Appendix B). Er wordt voor gekozen om in het model gebruik te maken van de hypotheek rente. De ontwikkeling van het looninkomen geeft een significant verband met de prijsontwikkeling van koopwoningen echter als het looninkomen wordt vervangen door de ontwikkeling van het Bruto Binnenlands Product verbetert het model. De relatie tussen het BBP en de prijsontwikkeling van koopwoningen is eveneens beter. In het model wordt het BBP dus meegenomen. De ontwikkeling van het vermogen van huishoudens geeft geen significante relatie. De ontwikkeling van het aantal

30

huishoudens in Nederland laat het verkeerde teken zien, namelijk negatief. Dit zou betekenen dat de woningprijzen in Nederland zouden dalen als het aantal huishoudens toeneemt. Van de aanbodvariabelen is het aantal nieuwbouwwoningen niet significant. De bouwkosten en de ontwikkeling van de woningvoorraad zijn dat wel. Omdat de invloed van de bouwkosten kleiner en minder significant is, wordt ervoor gekozen om de ontwikkeling van de woningvoorraad te nemen als aanbodvariabele. Het model zonder hypotheekvoorwaarden is weergegeven onder I in tabel 5. Vervolgens zijn aan het basismodel allereerst alle variabelen die zien op hypotheekvoorwaarden toegevoegd. Voor wat betreft de LTV, LTI en het percentage aflossingsvrije hypotheken geldt dat als van de reeksen het 3-jaars voortschrijdende gemiddelde wordt genomen dit een aanzienlijk beter resultaat oplevert. Daarnaast geldt voor deze variabelen dat de lag een beter resultaat oplevert. In tabel 5 zijn de beta’s en t-waarden van model II te zien waarbij alle hypotheekvoorwaarden worden meegenomen. De rente opslag heeft geen significant verband. Dit is ook goed te verklaren omdat de correlatie tussen het rendement op staatobligaties en de hypotheekrente een hoge correlatie hebben. In model III wordt de rente opslag weggelaten. Voor de LTI wordt geen significant verband gevonden en dus wordt gekozen voor model IV. Dit model kan als volgt worden opgeschreven:

= 1,516 – 2,283Hypotheekrente + 3,551BBP – 2,778 woningvoorraad + 1,312 + 0,118 Aflossingsvrije hypotheken

Huizenprijs LTV

De uitkomst van de bovenstaande vergelijking wordt in figuur 12 grafisch vergeleken met de werkelijke prijsontwikkeling van koopwoningen in Nederland. 5,6 5,4 5,2 5 Werkelijk

4,8 4,6

Model 4,4 4,2 4 1976 1978 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010

Figuur 12. Werkelijke koopprijsontwikkeling en uitkomst model op de lange termijn (in LN-termen)

Het model volgt de werkelijke prijsontwikkeling van koopwoningen goed, echter in 2007 (op het toppunt van de markt) is de uitkomst van het model hoger dan de werkelijke prijsontwikkeling. Dit zou impliceren dat de prijs van koopwoningen in 2007 was ondergewaardeerd.

31

6.2 Model op de korte termijn In het korte termijn model zal van alle reeksen het jaarlijks verschil (∆) worden genomen, daarnaast wordt er een error correct term (‘ECT’) in het model verwerkt. De ECT voor het model op de korte termijn wordt bepaald door het verschil tussen de werkelijke prijsontwikkeling van koopwoningen en de uitkomst van de bovenstaande vergelijking. In figuur 12 zijn beide reeksen grafisch weergegeven. De ECT geeft dus het verschil tussen de lange termijn waarde (uitkomst van het model) en de werkelijke prijs weer. Dit verschil tussen de lange termijn evenwichtswaarde en de prijs kan theoretisch worden opgevat als een marktimperfectie tussen waarde en prijs. Huizenprijzen zullen dus in theorie een negatieve relatie hebben met de ECT, immers huizenkopers zullen bij een overwaardering van de huizenprijzen hun biedingen verlagen om weer tot de lange termijn evenwichtsprijs te komen. Bij een onderwaardering van de huizenprijzen zullen verkopers de vraagprijzen verhogen. Omdat dit effect niet direct kan optreden zal van de ECT de eerste lag worden meegenomen in de analyse. Voor het model op de korte termijn wordt dezelfde wijze van testen gehanteerd als bij het model op de lange termijn. De uitkomsten van het model op de korte termijn zijn opgenomen in tabel 6. I

∆ Hypotheekrente ∆ BBP ∆ Woningprijs lag ECT lag

II

III

-1,364

-1,201

-1,411

-4,220

-2.893

-3,958

1,023

1,121

1,126

3,020

3,144

3,223

0,692

0,659

0,635

6,880

5,297

5,427

-0,086

-0,070

-0,074

-2,899

-2,150

-2,315

0,307

0,365

1,095

1,358

∆ LTV lag, voortschrijdend ∆ LTI lag , voortschrijdend

-0,169 -0,998

∆ Rente opslag

-0,006 -0,486

∆% aflossingsvrije hypotheken lag , voortschrijdend Constante

Gecorrigeerde R2 Standard Error of the Estimate Durbin-Watson Statistic Schattingsperiode

0,009

0,013

0,284

0,452

0,014

0,007

0,018

1,739

0,531

2,059

0,794 0,0329 2,128 1976 - 2011

0,786 0,0335 2,111 1976 - 2011

0,793 0,0330 2,120 1976-2011

Tabel 6. Beta’s model op de korte termijn, de t-waarden zijn cursief weergegeven.

Naast de ECT is een belangrijke variabele voor het korte termijn model de lag van de huizenprijzen. Deze variabele dient ertoe de psychologische effecten die meespelen bij de prijsontwikkeling van koopwoningen te laten meewegen. Voor de macro economische

32

factoren geeft net als in het lange termijn model, de hypotheekrente en het BBP de meest significante uitkomst. De demografische en aanbod factoren zijn geen van alle significant met uitzondering van de ontwikkeling van de woningvoorraad. De beta van de woningvoorraad ontwikkeling heeft echter het theoretisch verkeerde teken. In Tabel 6 zijn de resultaten te zien van het model zonder financieringsvoorwaarden (model I). In model II en III zijn de financieringsvoorwaarden meegenomen. Dit leidt echter niet tot significante relaties. Er wordt gekozen voor model I. De vergelijking van het model op de korte termijn is dan als volgt:

∆ Huizenprijs

– 0,086

= 0,014 – 1,364∆Hypotheekrente + 1,023∆ BBP + 0,692∆ Woningprijs lag

ECT lag

De uitkomst van de bovenstaande vergelijking wordt in figuur 13 grafisch vergeleken met de werkelijke prijsontwikkeling van koopwoningen in Nederland. 0,2 0,15 0,1 0,05 0 1976 1978 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 -0,05 -0,1 -0,15 Werkelijk -0,2 Model -0,25

Figuur 13. Werkelijke koopprijsontwikkeling en uitkomst model op de korte termijn (in ∆ LN-termen)

6.3 Resultaten Om de resultaten van het Error corretie model goed te kunnen interpreteren, dient eerst te worden gecontroleerd op co-integratie, autocorrelatie, correlatie en mulitcollineariteit. De uitkomsten van de Unit-root testen zijn bevredigend. Alle variabelen in het lange termijn model hebben een unit-root behalve de hypotheekrente. De ECT heeft wel een unit root. Dit maakt dat de reeks niet stationair is en dat er formeel niet aan de voorwaarden van errorcorrectie wordt voldaan. Met uitzondering van de ∆ huizenprijs hebben alle variabelen in de korte termijn vergelijking geen unit root. De uitkomsten van de unit-root testen staan in appendix A. De Durbin Watson statistic test op autocorrelatie en heeft in het model op de lange termijn een waarde van 1,325. Er is dus sprake van licht positieve autocorrelatie. In het model op de korte termijn is de Durbin Watson statistic 2,128. In dit model is er dus geen sprake van autocorrelatie. In appendix B is correlatie tussen de verschillende tijdreeksen weergegeven. Er is bij het uitvoeren van het onderzoek rekening gehouden met reeksen die een hoge correlatie kennen, bijvoorbeeld tussen het rendement op staatsobligaties en de hypotheekrente.

33

In appendix C en D zijn de tolerantie en de Variance Inflationary Factor gegeven. Er is bij een aantal variabelen zeker sprake van multicollineariteit. Doordat gebruik wordt gemaakt van een aantal macro economische datareeksen is dit moeilijk te voorkomen. Het model op de lange termijn vindt een significante relatie met de prijsontwikkeling van koopwoningen voor hypotheekrente (i), het BBP (ii), de ontwikkeling van de woningvoorraad (iii), de LTV (iv) en het % aflossingsvrije hypotheken (v). De tekens van de gevonden relaties zijn theoretisch correct en alle relaties zijn significant. De fit van model is zeer bevredigend. Er wordt gevonden dat de LTV een beta van 1,312 en het % aflossingsvrije hypotheken een beta van 0,118 heeft met prijsontwikkeling van koopwoningen. De lange termijn vergelijking is geschat in natuurlijke logaritmes (ln). De beta’s luiden daarom in ln, wat een benadering is voor percentages. Bij kleinere getallen zijn de ln uitkomsten nagenoeg gelijk aan percentages. De genoemde beta’s kunnen dus worden geïnterpreteerd als een relatie van 1,3 % voor de LTV en 0,12 % voor het percentage aflossingvrije hypotheken. Met andere woorden: als de LTV met 1 % stijgt, zal de prijs voor koopwoningen met 1,3 % stijgen en als het percentage aflossingsvrije hypotheken stijgt, zal de prijs voor koopwoningen met 0,12 % stijgen. Bij een daling van de LTV of het % aflossingsvrije hypotheken zal de prijs van koopwoningen met eenzelfde percentage dalen. Voor de rente opslag en de LTI wordt geen significant verband gevonden. Voor wat betreft de LTI kan dit veroorzaakt zijn door de gekozen datareeks. Deze reeks is op nationaal niveau, hij wordt berekend door de het totale inkomen te delen door de totale hypotheek schuld. Een datareeks over de LTI bij het aangaan van een hypotheek zou de kwaliteit van het model waarschijnlijk verbeteren, maar was helaas niet beschikbaar. Het model op de korte termijn vindt een significante relatie voor hypotheekrente (i), het BBP (ii), en de lag van de woningprijzen (iii) de lag van de ECT (iv) wordt ook meegenomen echter is deze relatie niet significant. Er wordt geen relevante relatie gevonden voor aanbod factoren. Dit kan veroorzaakt worden door de lage aanbodelasticiteit in de Nederlandse woningmarkt. Voor geen van de hypotheek voorwaarden wordt een significant verband gevonden. Een wijziging in de hypotheekvoorwaarden heeft blijkbaar geen significant effect op de prijsontwikkeling van koopwoningen op de korte termijn.

34

7 Conclusie Om de centrale probleemstelling te beantwoorden zijn in de inleiding zes deelvragen opgesteld. Deze worden eerst afzonderlijk beantwoord. Vervolgens wordt een antwoord gegeven op de centrale probleemstelling. Wat is de aanleiding van dit onderzoek? De prijs van koopwoningen in Nederland staat onder druk. In de media wordt dit voor een deel gewijd aan het feit dat de voorwaarden van hypothecaire financiering voor koopwoningen de laatste jaren in Nederland zijn aangescherpt. In deze scriptie zal worden onderzocht of hypotheekvoorwaarden daadwerkelijk invloed hebben op de prijs van koopwoningen. Wat is de structuur van de Nederlandse woningmarkt en hoe heeft de woning hypotheekmarkt in Nederland zich ontwikkeld? De Nederlandse woningmarkt valt uiteen in twee deelmarkten. De huurwoningenmarkt (circa 45 % van de voorraad) en de koopwoningenmarkt (circa 55% van de voorraad). De huurwoningenmarkt is zwaar gereguleerd door het WWS stelsel en de huurtoeslag, woningcorporaties spelen een zeer dominante rol. De koopwoningenmarkt kent eveneens veel regulering, de belangrijkste is de hypotheekrenteaftrek. Over de periode 1973 t/m 2011 zijn de reële huren met circa 65 % gestegen, de prijs van koopwoningen is met bijna 100 % gestegen. De markt voor woninghypotheken wordt in Nederland gedomineerd door 4 partijen die samen een marktaandeel van 78 % hebben. Het totale bedrag dat uitstaat aan hypotheekschuld in Nederland is gestegen van 60 % van het BBP in 1999 tot 107 % van het BBP in 2010. De hypotheek vormen en voorwaarden zijn de afgelopen 20 jaar in Nederland ingrijpend gewijzigd. Binnen welk theoretisch kader ontwikkelt de prijs van koopwoningen zich? In dit onderzoek wordt het kader gegeven door zes factoren die invloed hebben op de prijsontwikkeling van koopwoningen. Macro economische factoren (i), demografische factoren (ii), aanbod factoren (iii), karakteristieken financiële markten (iv), belastingen, subsidies en overig woningmarktbeleid (v), psychologische factoren (vi). Welk eerder onderzoek is uitgevoerd naar verklarende variabelen voor de ontwikkeling van de prijs van koopwoningen en van hypotheekvoorwaarden op de ontwikkeling van de prijzen van koopwoningen in het bijzonder? De Nederlandse woningmarkt wordt gekenmerkt door een hoge mate van regulering. Daarnaast is de woningmarkt een voorraadmarkt. Dit maakt dat er een zeer lage aanbodelasticiteit in de Nederlandse woningmarkt is. In veel onderzoeken naar verklarende variabelen voor de prijsontwikkeling van koopwoningen in Nederland worden daarom ook vaak vraagvariabelen zoals inkomen, rente en overige bezittingen gevonden. Slecht in een onderzoek wordt de ontwikkeling van de woningvoorraad als verklarende factor gevonden. De invloed van hypotheekvoorwaarden op de prijsontwikkeling van koopwoningen is in het Verenigd Koninkrijk gevonden door een kredietvoorwaarden index op te stellen en deze mee te nemen in een statistisch model. In de Verenigde Staten en recent ook in Nederland wordt een significant verband gevonden tussen de prijsontwikkeling van koopwoningen en de LTV voor starters. Welke datareeksen en onderzoeksmethode kunnen het beste worden gehanteerd? Voor alle factoren die in het theoretisch kader worden gevonden, is gepresenteerd waarom en welke datareeksen per factor worden gekozen. Deze datareeksen zijn opgesomd in tabel 3 inclusief de bewerking die de reeksen zijn ondergaan om ze geschikt te maken voor statistisch onderzoek. Daarnaast wordt voor het statistische onderzoek gekozen voor een error correctie model, omdat dit aansluit bij eerder onderzoek en bij de karakteristieken van

35

de woningmarkt. Verschillende analyse methoden worden beschreven om de validiteit van het onderzoek te controleren. Welke factoren worden in dit onderzoek gevonden als bepalend voor de huizenprijzen in Nederland? Is er significant verband met hypotheek voorwaarden? De uitkomsten van het statistische onderzoek zijn op het gebied van validiteit bevredigend. Er wordt in het lange termijn model een significante relatie gevonden tussen de prijsontwikkeling van koopwoningen voor hypotheekrente (i), het BBP (ii), de ontwikkeling van de woningvoorraad (iii), de LTV (iv) en het aantal aflossingsvrije hypotheken (v). In het model op de korte termijn wordt een significante relatie voor hypotheekrente (i), het BBP (ii), en de lag van de woningprijzen (iii). De lag van de ECT (iv) wordt ook meegenomen, echter deze relatie is niet significant. Er wordt geen significante relatie gevonden voor hypotheekvoorwaarden. De gevonden relatie in het lange termijn model voor de LTV is 1,3 % en voor het percentage aflossingsvrije hypotheken 0,12 %. De centrale probleemstelling in deze scriptie luidt: Welke invloed hebben hypotheekvoorwaarden op de prijsontwikkeling van koopwoningen in Nederland? Er wordt in het lange termijn model een significant verband gevonden van 1,3 % tussen de LTV en de prijsontwikkeling van koopwoningen en van 0,12 % tussen het percentage aflossingvrije hypotheken en de prijsontwikkeling van koopwoningen. Voor de rente opslag en de LTI wordt geen significant verband gevonden.

36

8 Bibliografie •

ABNAMRO (2011). Jaarverslag ABNAMRO 2011. www.abnamro.nl

•

Besseling, P., Romijn, G., (2007). Economisch effecten van regulering en subsidiering van de huurwoningmarkt. CPB Document 165.

•

Boelhouwer,

P.J.,

Haffner,

Koopprijsontwikkeling

en

M.E.A., de

fiscal

Neuteboom,

P.,

behandeling

Vries, van

P.

het

de

(2001).

eigen

huis.

Onderzoeksinstituut OTB. •

Bussel, A.P.J.M. van, Kerkhoffs, P.W.M., Mahieu, R.H. (1996). Een nieuwe index voor de huizenmarkt. ESB, 81e jaargang, nr. 4079, pagina 897, 30 oktober 1996.

•

Cameron, G., Muellbauer, J., Murphy, A., (2006). Was there a British house price bubble? Evidence from a regional panel. Department of Economics, University of Oxford.

•

Conijn, J.B.S. (2006). Woningen op een stuurloze markt; in Kraan, D.J., Lever, C. In Holland staat een huis, Den Haag: Wim Drees Stichting voor Openbare Financiën.

•

Conijn, J.B.S., Schilder, F.P.W. (2012). Restschuld in Nederland: Omvang en consequenties. ASRE Research Paper, ASRE.

•

DNB (2012). Overzicht Financiële Stabiliteit Voorjaar 2012. www.dnb.nl

•

Duca, J. V., Muellbauer, J., & Murphy, A. (2011). House prices and credit constraints: making sense of the US experience. The Economic Journal, 121 (522), 533-331

•

ECB (2003). Structural factors in the EU housing markets, ECB rapport

•

EMF (2010). Hypostat 2010 a review of europa’s mortgage and housing markets. www.hypo.org

•

Fernandez-Corugedo, E., Muellbauer, J., (2006). Consumer credit conditions in the United Kingdom. Bank of England Working Paper no.314

•

Francke, M., Vujic, S., Vos, G. (2009). Evaluation of House Price Models Using an ECM Approach: The Case of the Netherlands. OFRC Working Paper, 5.

•

HomeFinance (2012). Hypotheekrenteaftrek, http://www.homefinance.nl/hypotheek/informatie/hypotheekrenteaftrek/hypotheekrenteaftrek.asp

•

Horde, C. de (2012). Grote banken met magere spaarvarkens. Het Financieele Dagblad 14-01-2012

•

ING (2011). Jaarverslag ING 2011.www.ing.nl

•

Meen, G.P. (2001). Modelling Spatial Housing Markets. Theory, Analysis and Policy. Boston / Dordrecht / Londen: Kluwer Academic Publishers.

•

Ministerie van Financiën (2012). Voorjaarsnota 2012. www.mimfim.nl

•

NMA (2011). Sectorstudie Hypotheekmarkt mei 2011, www.nma.nl

37

•

NVB (2011). Gedragscode hypothecaire financieringen,NVB

•

NVM (2011).Woningmarkt in eerste kwartaal verder onder druk door scherpe financieringseisen. Persbericht NVM 7 april 2011.

•

NVM (2012). Zwak consumenten vertrouwen druk stempel op woningmarkt. Persbericht NVM 12 april 2012.

•

Rabobank (2011). Jaarverslag Rabobank 2011. www.rabobank.nl

•

Rabobank (2012). Kwartaalbericht Woningmarkt november 2012. www.rabobank.nl

•

Regeerakkoord (2012). Bruggen slaan regeerakkoord VVD - PvdA. (www.rijksoverheid.nl)

•

Schilder F.P.W. (2012). Essays on the economics of housing subsidies. Academisch proefschrift. Universiteit Amsterdam.

•

SER (2010). Naar een intergrale hervorming van de woningmarkt. www.ser.nl

•

Swank, J., Kakes, J., Tieman, A.F. (2002). The housing ladder, taxation, and borrowing constraints. Research Memorandum 0209, OCFEB

•

Timmermans, M. (2012). The Effects of tightening the mortgage loan-to-value ratio in the Netherlands. Master Thesis. Universiteit van Amsterdam

•

Verbruggen, J., Kranendonk, H., Leuvensteijn, M. van, Toet, M. (2005). Welke factoren bepalen de ontwikkeling van de huizenprijzen in Nederland. CPB Document No 81.

•

Verbruggen, J., Kranendonk, H., (2008). Is de huizenprijs in Nederland overgewaardeerd? CPB Memorandum 18 april 2008.

•

Vermeulen, W., Rouwendal, J. (2007). On the Price (in)elasticity of Dutch housing supply. Paper submitted to the annual conference of the European Network for Housing Research, June 2007, Rotterdam.

•

Vries, P. de (2010). Measuring and explaining house price developments, TU Delft.

•

Vrom-raad (2007). Tijd voor keuzes. Perspectief op een woningmarkt in balans. www.vrom.nl

•

http://www.aedes.nl

•

http://www.belastingdienst.nl

•

http://www.cbs.nl

•

http://www.centerdata.nl/nl/TopMenu/Projecten/DNB_household_study/

•

http://www.cfv.nl

•

http://www.cpb.nl

•

http://www.dnb.nl

•

http://www.nhg.nl

38

•

http://www.nvm.nl

•

http://www.rijksoverheid.nl

39

Appendix A ADF uitkomsten

Null Hypothesis: HUIZENPRIJS has a unit root Exogenous: Constant Lag Length: 1 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-2.044945 -3.621023 -2.943427 -2.610263

0.2673

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(HUIZENPRIJS) Method: Least Squares Date: 11/24/12 Time: 11:18 Sample (adjusted): 1975 2011 Included observations: 37 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

HUIZENPRIJS(-1) D(HUIZENPRIJS(-1)) C

-0.053047 0.732198 0.263896

0.025941 0.114580 0.125602

-2.044945 6.390253 2.101053

0.0487 0.0000 0.0431

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.549094 0.522570 0.052816 0.094842 57.87871 20.70188 0.000001

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

0.020918 0.076438 -2.966417 -2.835802 -2.920369 0.969678

Nul hypothese wordt geaccepteerd (5 % level) er is een unit root de reeks is dus niet stationair. Null Hypothesis: STAATOBLIGATIES has a unit root Exogenous: Constant Lag Length: 1 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-3.731393 -3.621023 -2.943427 -2.610263

0.0075

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(STAATOBLIGATIES)

40

Method: Least Squares Date: 11/24/12 Time: 11:27 Sample (adjusted): 1975 2011 Included observations: 37 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

STAATOBLIGATIES(-1) D(STAATOBLIGATIES(-1)) C

-0.362120 0.577570 0.010384

0.097047 0.141164 0.003649

-3.731393 4.091486 2.845666

0.0007 0.0002 0.0075

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.401007 0.365772 0.013869 0.006540 107.3531 11.38098 0.000165

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

-0.000470 0.017415 -5.640707 -5.510092 -5.594659 1.841942

Nul hypothese wordt verworpen (5 % level) er is geen unit root de reeks is dus stationair.

Null Hypothesis: HYPOTHEEKRENTE has a unit root Exogenous: Constant Lag Length: 1 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-3.999716 -3.621023 -2.943427 -2.610263

0.0037

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(HYPOTHEEKRENTE) Method: Least Squares Date: 11/24/12 Time: 11:29 Sample (adjusted): 1975 2011 Included observations: 37 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

HYPOTHEEKRENTE(-1) D(HYPOTHEEKRENTE(-1)) C

-0.372184 0.613464 0.013602

0.093053 0.136062 0.004139

-3.999716 4.508699 3.286064

0.0003 0.0001 0.0024

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.444207 0.411513 0.013806 0.006481 107.5218 13.58692 0.000046

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

-0.000419 0.017997 -5.649828 -5.519213 -5.603780 1.797914

Nul hypothese wordt verworpen (5 % level) er is geen unit root de reeks is dus stationair.

41

Null Hypothesis: GEZINSINKOMEN has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-0.540367 -3.615588 -2.941145 -2.609066

0.8719

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(GEZINSINKOMEN) Method: Least Squares Date: 11/24/12 Time: 11:24 Sample (adjusted): 1974 2011 Included observations: 38 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

GEZINSINKOMEN(-1) C

-0.018384 0.098708

0.034022 0.165161

-0.540367 0.597645

0.5923 0.5538

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.008046 -0.019509 0.037445 0.050476 71.93325 0.291996 0.592272

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

0.009521 0.037085 -3.680697 -3.594509 -3.650032 1.616495

Nul hypothese wordt geaccepteerd (5 % level) er is een unit root de reeks is dus niet stationair. Null Hypothesis: BBP has a unit root Exogenous: Constant Lag Length: 1 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-0.077228 -3.621023 -2.943427 -2.610263

0.9446

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(BBP) Method: Least Squares Date: 11/24/12 Time: 11:54 Sample (adjusted): 1975 2011 Included observations: 37 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

42

BBP(-1) D(BBP(-1)) C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

-0.001173 0.173285 0.021356 0.032889 -0.024000 0.022056 0.016540 90.18755 0.578119 0.566371

0.015195 0.161258 0.078236

-0.077228 1.074585 0.272967

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

0.9389 0.2901 0.7865 0.018871 0.021796 -4.712841 -4.582226 -4.666793 1.664424

Nul hypothese wordt geaccepteerd (5 % level) er is een unit root de reeks is dus niet stationair. Null Hypothesis: VERMOGENHH has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

0.716298 -3.615588 -2.941145 -2.609066

0.9910

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(VERMOGENHH) Method: Least Squares Date: 11/24/12 Time: 11:55 Sample (adjusted): 1974 2011 Included observations: 38 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

VERMOGENHH(-1) C

0.019137 -0.086043

0.026717 0.140040

0.716298 -0.614413

0.4784 0.5428

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.014052 -0.013335 0.036441 0.047806 72.96602 0.513082 0.478429

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

0.014178 0.036200 -3.735054 -3.648865 -3.704389 1.820781

Nul hypothese wordt geaccepteerd (5 % level) er is een unit root de reeks is dus niet stationair. Null Hypothesis: HUISHOUDENS has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic

t-Statistic

Prob.*

-10.15112

0.0000

43

Test critical values:

1% level 5% level 10% level

-3.615588 -2.941145 -2.609066

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(HUISHOUDENS) Method: Least Squares Date: 11/24/12 Time: 11:55 Sample (adjusted): 1974 2011 Included observations: 38 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

HUISHOUDENS(-1) C

-0.035700 0.571127

0.003517 0.054718

-10.15112 10.43764

0.0000 0.0000

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.741092 0.733900 0.003818 0.000525 158.6957 103.0453 0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

0.015713 0.007401 -8.247141 -8.160953 -8.216476 1.235005

Nul hypothese wordt verworpen (5 % level) er is geen unit root de reeks is dus stationair. Null Hypothesis: WONINGVOORRAAD has a unit root Exogenous: Constant Lag Length: 1 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-0.479751 -3.621023 -2.943427 -2.610263

0.8840

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(WONINGVOORRAAD) Method: Least Squares Date: 11/24/12 Time: 11:57 Sample (adjusted): 1975 2011 Included observations: 37 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

WONINGVOORRAAD(-1) D(WONINGVOORRAAD(-1)) C

-0.001109 0.672700 0.013014

0.002312 0.132536 0.012549

-0.479751 5.075596 1.037058

0.6345 0.0000 0.3070

R-squared Adjusted R-squared S.E. of regression

0.437452 0.404361 0.003739

Mean dependent var S.D. dependent var Akaike info criterion

0.023225 0.004845 -8.262151

44

Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.000475 155.8498 13.21963 0.000057

Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

-8.131536 -8.216103 1.717282

Nul hypothese wordt geaccepteerd (5 % level) er is een unit root de reeks is dus niet stationair. Null Hypothesis: BOUWKOSTEN has a unit root Exogenous: Constant Lag Length: 1 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-1.668263 -3.621023 -2.943427 -2.610263

0.4386

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(BOUWKOSTEN) Method: Least Squares Date: 11/24/12 Time: 11:57 Sample (adjusted): 1975 2011 Included observations: 37 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

BOUWKOSTEN(-1) D(BOUWKOSTEN(-1)) C

-0.077822 0.536904 0.260007

0.046649 0.146734 0.155429

-1.668263 3.659037 1.672841

0.1044 0.0009 0.1035

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.297789 0.256483 0.028147 0.026937 81.16520 7.209249 0.002454

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

0.003246 0.032643 -4.225146 -4.094531 -4.179098 1.684691

Nul hypothese wordt geaccepteerd (5 % level) er is een unit root de reeks is dus niet stationair. Null Hypothesis: NIEUWBOUW has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-1.725391 -3.615588 -2.941145 -2.609066

0.4108

*MacKinnon (1996) one-sided p-values.

45

Augmented Dickey-Fuller Test Equation Dependent Variable: D(NIEUWBOUW) Method: Least Squares Date: 11/24/12 Time: 11:58 Sample (adjusted): 1974 2011 Included observations: 38 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

NIEUWBOUW(-1) C

-0.132059 1.483816

0.076539 0.875285

-1.725391 1.695237

0.0930 0.0987

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.076378 0.050722 0.111108 0.444416 30.60335 2.976975 0.093033

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

-0.026073 0.114037 -1.505439 -1.419251 -1.474774 2.013587

Nul hypothese wordt geaccepteerd (5 % level) er is een unit root de reeks is dus niet stationair. Null Hypothesis: VOORTSCHRIJDEND_LTV has a unit root Exogenous: Constant Lag Length: 6 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

1.904365 -3.670170 -2.963972 -2.621007

0.9997

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(VOORTSCHRIJDEND_LTV) Method: Least Squares Date: 11/24/12 Time: 12:00 Sample (adjusted): 1982 2011 Included observations: 30 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

VOORTSCHRIJDEND_LTV(-1) D(VOORTSCHRIJDEND_LTV(-1)) D(VOORTSCHRIJDEND_LTV(-2)) D(VOORTSCHRIJDEND_LTV(-3)) D(VOORTSCHRIJDEND_LTV(-4)) D(VOORTSCHRIJDEND_LTV(-5)) D(VOORTSCHRIJDEND_LTV(-6)) C

0.125208 0.142350 -0.230949 -0.651772 0.150637 0.017575 -0.592033 0.037901

0.065748 0.175363 0.176597 0.174346 0.156472 0.145150 0.139748 0.014878

1.904365 0.811744 -1.307771 -3.738371 0.962708 0.121079 -4.236441 2.547455

0.0700 0.4256 0.2045 0.0011 0.3462 0.9047 0.0003 0.0184

R-squared Adjusted R-squared S.E. of regression Sum squared resid

0.541505 0.395620 0.015286 0.005140

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion

0.008468 0.019662 -5.300630 -4.926977

46

Log likelihood F-statistic Prob(F-statistic)

87.50945 3.711868 0.008443

Hannan-Quinn criter. Durbin-Watson stat

-5.181095 2.155827

Nul hypothese wordt geaccepteerd (5 % level) er is een unit root de reeks is dus niet stationair. Null Hypothesis: VOORTSCHRIJDEND_LTI has a unit root Exogenous: Constant Lag Length: 8 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-0.599160 -3.689194 -2.971853 -2.625121

0.8555

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(VOORTSCHRIJDEND_LTI) Method: Least Squares Date: 11/24/12 Time: 12:00 Sample (adjusted): 1984 2011 Included observations: 28 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

VOORTSCHRIJDEND_LTI(-1) D(VOORTSCHRIJDEND_LTI(-1)) D(VOORTSCHRIJDEND_LTI(-2)) D(VOORTSCHRIJDEND_LTI(-3)) D(VOORTSCHRIJDEND_LTI(-4)) D(VOORTSCHRIJDEND_LTI(-5)) D(VOORTSCHRIJDEND_LTI(-6)) D(VOORTSCHRIJDEND_LTI(-7)) D(VOORTSCHRIJDEND_LTI(-8)) C

-0.003602 1.661562 -0.933624 -0.371415 0.828331 0.151755 -1.054556 0.901590 -0.351187 0.009730

0.006012 0.197372 0.328364 0.301269 0.317736 0.301736 0.299697 0.302326 0.165539 0.009126

-0.599160 8.418429 -2.843261 -1.232834 2.606977 0.502938 -3.518742 2.982178 -2.121484 1.066198

0.5565 0.0000 0.0108 0.2335 0.0178 0.6211 0.0025 0.0080 0.0480 0.3004

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.913907 0.870861 0.012312 0.002728 89.57710 21.23080 0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

0.055606 0.034260 -5.684078 -5.208291 -5.538625 2.059011

Nul hypothese wordt geaccepteerd (5 % level) er is een unit root de reeks is dus niet stationair. Null Hypothesis: RENTEOPSLAG has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level

t-Statistic

Prob.*

-2.810355 -3.615588

0.0663

47

5% level 10% level

-2.941145 -2.609066

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(RENTEOPSLAG) Method: Least Squares Date: 11/24/12 Time: 12:01 Sample (adjusted): 1974 2011 Included observations: 38 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

RENTEOPSLAG(-1) C

-0.378946 -1.872993

0.134839 0.676052

-2.810355 -2.770486

0.0080 0.0088

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.179919 0.157139 0.509191 9.333907 -27.24495 7.898096 0.007954

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

0.012718 0.554629 1.539208 1.625396 1.569873 1.776739

Nul hypothese wordt geaccepteerd (5 % level) er is een unit root de reeks is dus niet stationair. Null Hypothesis: VOORTSCHRIJDEND_AFLOSSIN has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values:

1% level 5% level 10% level

t-Statistic

Prob.*

-0.673238 -3.626784 -2.945842 -2.611531

0.8409

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(VOORTSCHRIJDEND_AFLOSSIN) Method: Least Squares Date: 11/24/12 Time: 12:02 Sample (adjusted): 1976 2011 Included observations: 36 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

VOORTSCHRIJDEND_AFLOSSIN(-1) C

-0.031395 -0.016652

0.046633 0.103568

-0.673238 -0.160784

0.5053 0.8732

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood

0.013155 -0.015869 0.249647 2.119008 -0.095509

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter.

0.047199 0.247690 0.116417 0.204390 0.147122

48

F-statistic Prob(F-statistic)

0.453249 0.505347

Durbin-Watson stat

1.018175

Nul hypothese wordt geaccepteerd (5 % level) er is een unit root de reeks is dus niet stationair. Null Hypothesis: ∆HUIZENPRIJS has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-2.626864 -3.632900 -2.948404 -2.612874

0.0973

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(∆HUIZENPRIJS) Method: Least Squares Date: 11/24/12 Time: 12:30 Sample (adjusted): 2 36 Included observations: 35 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

∆HUIZENPRIJS(-1) C

-0.264252 0.001052

0.100596 0.007982

-2.626864 0.131800

0.0130 0.8959

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.172941 0.147879 0.045434 0.068121 59.56905 6.900416 0.012969

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

0.006770 0.049219 -3.289660 -3.200783 -3.258980 1.331756

Nul hypothese wordt geaccepteerd (5 % level) er is een unit root de reeks is dus niet stationair. Null Hypothesis: ∆STAATOBLIGATIES has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-3.788654 -3.632900 -2.948404 -2.612874

0.0067

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(∆STAATOBLIGATIES) Method: Least Squares

49

Date: 11/24/12 Time: 12:40 Sample (adjusted): 2 36 Included observations: 35 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

∆STAATOBLIGATIES(-1) C

-0.609987 0.000178

0.161004 0.002814

-3.788654 0.063157

0.0006 0.9500

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.303120 0.282002 0.016649 0.009148 94.70516 14.35390 0.000610

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

0.000246 0.019649 -5.297438 -5.208561 -5.266758 1.605173

Nul hypothese wordt verworpen (5 % level) er is geen unit root de reeks is dus stationair. Null Hypothesis: ∆HYPOTHEEKRENTE has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-3.677312 -3.632900 -2.948404 -2.612874

0.0089

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(∆HYPOTHEEKRENTE) Method: Least Squares Date: 11/24/12 Time: 12:41 Sample (adjusted): 2 36 Included observations: 35 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

∆HYPOTHEEKRENTE(-1) C

-0.582420 -0.000102

0.158382 0.002853

-3.677312 -0.035650

0.0008 0.9718

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.290668 0.269173 0.016877 0.009399 94.23087 13.52262 0.000832

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

4.18E-05 0.019741 -5.270336 -5.181459 -5.239655 1.607782

Nul hypothese wordt verworpen (5 % level) er is geen unit root de reeks is dus stationair.

Null Hypothesis: ∆GEZINSINKOMEN has a unit root Exogenous: Constant

50

Lag Length: 0 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-4.796913 -3.632900 -2.948404 -2.612874

0.0004

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(∆GEZINSINKOMEN) Method: Least Squares Date: 11/24/12 Time: 12:42 Sample (adjusted): 2 36 Included observations: 35 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

∆GEZINSINKOMEN(-1) C

-0.818479 -0.007802

0.170626 0.006687

-4.796913 -1.166756

0.0000 0.2517

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.410823 0.392970 0.037814 0.047186 65.99482 23.01037 0.000034

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

0.001625 0.048534 -3.656847 -3.567970 -3.626166 2.059244

Nul hypothese wordt verworpen (5 % level) er is geen unit root de reeks is dus stationair. Null Hypothesis: ∆BBP has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-3.871911 -3.632900 -2.948404 -2.612874

0.0054

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(∆BBP) Method: Least Squares Date: 11/24/12 Time: 12:42 Sample (adjusted): 2 36 Included observations: 35 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

∆BBP(-1) C

-0.612618 -0.011293

0.158221 0.004624

-3.871911 -2.442005

0.0005 0.0201

51

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.312381 0.291544 0.019575 0.012645 89.03901 14.99170 0.000483

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

0.001216 0.023257 -4.973658 -4.884781 -4.942977 1.846596

Nul hypothese wordt verworpen (5 % level) er is geen unit root de reeks is dus stationair. Null Hypothesis: ∆VERMOGENHH has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-6.396455 -3.632900 -2.948404 -2.612874

0.0000

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(∆VERMOGENHH) Method: Least Squares Date: 11/24/12 Time: 12:42 Sample (adjusted): 2 36 Included observations: 35 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

∆VERMOGENHH(-1) C

-1.014226 -0.019244

0.158561 0.006256

-6.396455 -3.076102

0.0000 0.0042

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.553539 0.540010 0.033389 0.036789 70.35053 40.91464 0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

-0.001978 0.049230 -3.905744 -3.816867 -3.875064 1.959984

Nul hypothese wordt verworpen (5 % level) er is geen unit root de reeks is dus stationair. Null Hypothesis: ∆HUISHOUDENS has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-2.401464 -3.632900 -2.948404 -2.612874

0.1486

52

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(∆HUISHOUDENS) Method: Least Squares Date: 11/24/12 Time: 12:44 Sample (adjusted): 2 36 Included observations: 35 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

∆HUISHOUDENS(-1) C

-0.243197 -0.003078

0.101270 0.001699

-2.401464 -1.811660

0.0221 0.0791

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.148761 0.122966 0.004137 0.000565 143.4405 5.767030 0.022121

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

0.000640 0.004417 -8.082313 -7.993436 -8.051632 2.285600

Nul hypothese wordt geaccepteerd (5 % level) er is een unit root de reeks is dus niet stationair. Null Hypothesis: ∆WONINGVOORRAAD has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-1.654335 -3.632900 -2.948404 -2.612874

0.4450

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(∆WONINGVOORRAAD) Method: Least Squares Date: 11/24/12 Time: 12:45 Sample (adjusted): 2 36 Included observations: 35 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

∆WONINGVOORRAAD(-1) C

-0.201751 -0.004572

0.121953 0.002938

-1.654335 -1.555902

0.1075 0.1293

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.076583 0.048600 0.003250 0.000349 151.8843 2.736825 0.107542

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

0.000204 0.003332 -8.564815 -8.475938 -8.534135 2.147539

53

Nul hypothese wordt geaccepteerd (5 % level) er is een unit root de reeks is dus niet stationair. Null Hypothesis: ∆BOUWKOSTEN has a unit root Exogenous: Constant Lag Length: 1 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-3.604737 -3.639407 -2.951125 -2.614300

0.0109

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(∆BOUWKOSTEN) Method: Least Squares Date: 11/24/12 Time: 12:46 Sample (adjusted): 3 36 Included observations: 34 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

∆BOUWKOSTEN(-1) D(∆BOUWKOSTEN(-1)) C

-0.645784 0.313808 -0.002658

0.179149 0.183176 0.005020

-3.604737 1.713145 -0.529585

0.0011 0.0967 0.6002

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.297221 0.251881 0.028533 0.025239 74.25360 6.555310 0.004224

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

0.001185 0.032989 -4.191388 -4.056710 -4.145459 1.985306

Nul hypothese wordt verworpen (5 % level) er is geen unit root de reeks is dus stationair. Null Hypothesis: ∆NIEUWBOUW has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-6.552461 -3.632900 -2.948404 -2.612874

0.0000

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(∆NIEUWBOUW) Method: Least Squares Date: 11/24/12 Time: 12:46

54

Sample (adjusted): 2 36 Included observations: 35 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

∆NIEUWBOUW(-1) C

-1.121687 0.020266

0.171186 0.019751

-6.552461 1.026067

0.0000 0.3123

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.565416 0.552247 0.114711 0.434237 27.15363 42.93475 0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

-0.004366 0.171430 -1.437350 -1.348473 -1.406670 1.978487

Nul hypothese wordt verworpen (5 % level) er is geen unit root de reeks is dus stationair.

Null Hypothesis: ∆VOORTSCHRIJDEND_LTV has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-6.600580 -3.632900 -2.948404 -2.612874

0.0000

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(∆VOORTSCHRIJDEND_LTV) Method: Least Squares Date: 11/24/12 Time: 12:47 Sample (adjusted): 2 36 Included observations: 35 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

∆VOORTSCHRIJDEND_LTV(-1) C

-1.106554 -0.005170

0.167645 0.004081

-6.600580 -1.266929

0.0000 0.2140

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.569009 0.555948 0.023625 0.018419 82.45770 43.56766 0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

0.000380 0.035453 -4.597583 -4.508706 -4.566903 1.392885

Nul hypothese wordt verworpen (5 % level) er is geen unit root de reeks is dus stationair. Null Hypothesis: ∆VOORTSCHRIJDEND_LTI has a unit root Exogenous: Constant Lag Length: 9 (Automatic - based on SIC, maxlag=9)

55

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-3.084296 -3.711457 -2.981038 -2.629906

0.0403

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(∆VOORTSCHRIJDEND_LTI) Method: Least Squares Date: 11/24/12 Time: 12:47 Sample (adjusted): 11 36 Included observations: 26 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

∆VOORTSCHRIJDEND_LTI(-1) D(∆VOORTSCHRIJDEND_LTI(-1)) D(∆VOORTSCHRIJDEND_LTI(-2)) D(∆VOORTSCHRIJDEND_LTI(-3)) D(∆VOORTSCHRIJDEND_LTI(-4)) D(∆VOORTSCHRIJDEND_LTI(-5)) D(∆VOORTSCHRIJDEND_LTI(-6)) D(∆VOORTSCHRIJDEND_LTI(-7)) D(∆VOORTSCHRIJDEND_LTI(-8)) D(∆VOORTSCHRIJDEND_LTI(-9)) C

-0.409623 0.874483 -0.069160 0.003748 0.152924 0.455011 -0.112951 0.470519 -0.234016 0.436210 -0.025043

0.132809 0.208466 0.277587 0.269995 0.221359 0.218344 0.249087 0.221325 0.217120 0.178193 0.008376

-3.084296 4.194856 -0.249146 0.013883 0.690841 2.083923 -0.453461 2.125923 -1.077819 2.447964 -2.989792

0.0076 0.0008 0.8066 0.9891 0.5002 0.0547 0.6567 0.0505 0.2981 0.0271 0.0092

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.788519 0.647532 0.011429 0.001959 86.52084 5.592836 0.001554

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

-0.000870 0.019250 -5.809295 -5.277024 -5.656020 1.999101

Nul hypothese wordt verworpen (5 % level) er is geen unit root de reeks is dus stationair. Null Hypothesis: ∆RENTEOPSLAG has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-6.543518 -3.632900 -2.948404 -2.612874

0.0000

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(∆RENTEOPSLAG)

56

Method: Least Squares Date: 11/24/12 Time: 12:48 Sample (adjusted): 2 36 Included observations: 35 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

∆RENTEOPSLAG(-1) C

-1.081069 -0.039391

0.165212 0.093496

-6.543518 -0.421313

0.0000 0.6763

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.564745 0.551555 0.553040 10.09315 -27.90176 42.81763 0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

-0.028539 0.825852 1.708672 1.797549 1.739352 1.882864

Nul hypothese wordt verworpen (5 % level) er is geen unit root de reeks is dus stationair. Null Hypothesis: ∆AFLOSSINGSVRIJ has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level

t-Statistic

Prob.*

-7.746522 -3.632900 -2.948404 -2.612874

0.0000

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(∆AFLOSSINGSVRIJ) Method: Least Squares Date: 11/24/12 Time: 12:49 Sample (adjusted): 2 36 Included observations: 35 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

∆AFLOSSINGSVRIJ(-1) C

-1.134368 -0.043891

0.146436 0.085655

-7.746522 -0.512422

0.0000 0.6118

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.645194 0.634442 0.499547 8.235052 -24.34125 60.00860 0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

0.067508 0.826225 1.505214 1.594091 1.535895 2.192928

Nul hypothese wordt verworpen (5 % level) er is geen unit root de reeks is dus stationair.

57

Null Hypothesis: ERROR_CORRECTIE_TERM has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=9)

Augmented Dickey-Fuller test statistic Test critical values: 5% level 10% level

t-Statistic

Prob.*

-3.241260

0.0252

-5.16316 -4.77508

Augmented Dickey-Fuller Test Equation Dependent Variable: D(ERROR_CORRECTIE_TERM) Method: Least Squares Date: 11/24/12 Time: 12:19 Sample (adjusted): 2 39 Included observations: 38 after adjustments Variable

Coefficient

Std. Error

t-Statistic

Prob.

ERROR_CORRECTIE_TERM(-1) C

-0.309437 -0.002999

0.095468 0.020712

-3.241260 -0.144805

0.0026 0.8857

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.225902 0.204400 0.122876 0.543547 26.77762 10.50576 0.002565

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

0.015242 0.137759 -1.304085 -1.217896 -1.273420 1.540796

Nul hypothese wordt geaccepteerd (5 % level) er is een unit root de reeks is dus niet stationair.

58

Appendix B Correlaties

59

Appendix C Collineariteit long term model

Coefficients

a

Standardized Unstandardized Coefficients

Model

1

(Constant)

Hypotheekrente

BBP

Woningvoorraad

Afllossingsvrij_lag1

LTV_lag1

B

Std. Error

1,516

,807

-2,283

,359

3,551

Coefficients

Beta

Collinearity Statistics

t

Sig.

Tolerance

VIF

1,879

,070

-,174

-6,365

,000

,749

1,336

,343

2,420

10,367

,000

,010

96,979

-2,778

,246

-2,095

-11,300

,000

,016

61,143

,118

,025

,306

4,732

,000

,134

7,440

1,312

,297

,233

4,420

,000

,203

4,928

a. Dependent Variable: Huizenprijs

60

Appendix D Collineariteit short term model Coefficients Model

Unstandardized

Standardized

Coefficients

Coefficients

B

Std.

t

a

Sig.

Collinearity Statistics

Tolerance

Beta

VIF

Error (Constant)

,014

,008

1,023

,339

∆Woningprijs_lag

,692

∆Hypotheekrente

∆BBP

ECT lag

1,739

,092

,296

3,020

,005

,631

1,585

,101

,739

6,880

,000

,525

1,905

-1,364

,323

-,344

-4,220

,000

,909

1,100

-,086

,030

-,260

-2,899

,007

,751

1,332

a. Dependent Variable: ∆Huizenprijs

61