Stedelijke Netwerken en het belang van internationaal verbonden zijn
Een onderzoek naar de invloed van Luchthaven Schiphol op de waarde van kantoorlocaties in de Randstad
Drs J. Braam
[email protected] Scriptie in het kader van de opleiding MSRE Amsterdam School of Real Estate 25 augustus 2014 Begeleider en eerste beoordelaar: Dr. F. de Vor Tweede beoordelaar: Prof. dr. O.A.l.C. Atzema
I
“..Now, in the age of global air travel, like the ports and railway terminals that came before it, the airport is increasingly the principal economic gateway for a city's trade and exchange. Once banished to the peripheral limits of the city - like London's railway stations in 1830 airports are now becoming increasingly centralised both in a city's commercial patterns and absorbed within the form of the city itself. High-value activities that are part of time-sensitive global supply chains are drawn to the airport; the airport city consolidates peripheral development into a coherent urban core adjacent to the airport limits, and occasionally into the very centre of the airport. The presence of these activities creates demand for additional aviation movements, which in turn stimulates additional high-value activity. Virtually every land use that can be found in a traditional downtown has a counterpart in the airport city. The growth rate of real estate values in the airport city is greater than in most traditional downtowns. In some cases, for example Amsterdam, the absolute values of airport city real estate is equivalent to or greater than rents in the traditional downtown. The city airport becomes the airport city...” “The Rice of the Aerotroplis”, Choa (2012, p. 16)
“…Vanuit de lucht is het dezelfde regio. Vanaf Schiphol is er geen verschil…” Woordvoerder Ahold, naar aanleiding van de verhuizing van het hoofdkantoor van Amsterdam naar Zaandam (www.fd.nl, 28 september 2012)
II
VOORWOORD Op de voorzijde van deze scriptie zijn drie overvliegende zwanen afgebeeld. Dit is niet toevallig. Werkend thuis aan mijn scriptie keek ik geregeld even uit het raam dat uitzicht biedt over een mooie natuurplas. Hier zijn diverse watervogels te bewonderen, waaronder een grote groep zwanen, die naast witte, ook bestaat uit een aantal zwarte zwanen. Deze groep zwanen is uiteindelijk symbool geworden voor de tijd die ik gewerkt heb aan het schrijven van mijn scriptie. Maar niet alleen voor de totstandkoming, zij blijken ook symbool te staan voor het onderwerp en inhoud van dit onderzoek. Zo is de zwaan het boegbeeld van KLM, die onlosmakelijk verbonden is met Schiphol, de thuishaven van KLM (beide hebben ook dezelfde oprichter; Albert Plesman) en vormt zij welllicht de toekomst van de kantorenmarkt in Nederland, die nu niet meer is dan een lelijk eendje. De aanwezigheid van de zwarte zwaan in Nederland is trouwens ook een voorbeeld van toenemende globalisering: zij wordt in Europa beschouwd als een exoot, die oorspronkelijk alleen voorkwam in Australië en omstreken, maar nu ook hier in de natuur haar habitat heeft gevonden. In ieder geval is het waarschijnlijk dat de zwarte zwanen hier nog niet in het wild aanwezig waren, toen de bekende wetenschapsfilosoof Karl Popper (1902-1994) ze als metafoor aanhaalde ter onderbouwing van zijn falsificatiebeginsel; door één zwarte zwaan te vinden, bewijst men dat de algemene stelling 'alle zwanen zijn wit' onwaar is. Daarmee gelijk de relativiteit van de uitkomsten van mijn eigen empirisch onderzoek aangevend. Maar dat terzijde. Ik ben in ieder geval trots op het eindresultaat en wil daarvoor graag bedanken: - mijn werkgever FGH Bank, die het mogelijk heeft gemaakt deze studie te volgen, en mijn collega’s, in het bijzonder Maarten Donkers en Jacob Velleman van de afdeling Research, voor hun adviezen en de toegang tot de databestanden, die ik voor deze scriptie nodig had; - mijn medestudenten en iedereen verbonden aan de ASRE, in het bijzonder Friso de Vor die, als begeleider en eerste beoordelaar, mij voorzag van waardevolle adviezen, ondersteuning en tips; - mijn familie en vrienden, in het bijzonder Marije en de kinderen, omdat zij er voor gezorgd hebben dat het schrijven van deze scriptie geen zwanenzang is geworden! Veel leesplezier! Justin Braam
III
SAMENVATTING In deze studie is internationale verbondenheid als uitgangspunt genomen en dan specifiek haar invloed op de waarde van kantoorlocaties. Hiervoor is aansluiting gezocht bij de actuele theorieën over Ruimtelijke Netwerken, waarbij geldt dat, ook bij toenemende globalisering, face-to-face contact van essentieel belang blijft, ondanks of misschien wel juist door de opkomst van internet. Luchtvaart biedt daarbij veruit de snelste manier om wereldwijd face-to-face contact te hebben. De plek in Nederland die zich hierbij het meest manifesteert als het epicentrum naar de rest van de wereld is Luchthaven Schiphol. Dit heeft geresulteerd in de volgende centrale vraagstelling: “In hoeverre wordt de waarde van een kantoorlocatie bepaald door haar ligging ten opzichte van Schiphol?”. Als theoretisch raamwerk is bij dit onderzoek gebruik gemaakt van de uitgangspunten van de “traditionele” (Neo-)klassieke locatietheorie, waarbij Luchthaven Schiphol wordt beschouwd als (internationaal) verbindingsknooppunt en de verwachting is uitgesproken dat kantoren dichter bij Schiphol gelegen een hogere prijs zullen hebben dan kantoren die verder weg gelegen zijn. Dit uitgangspunt is in onderhavig onderzoek nader uitgewerkt. Hierbij is een literatuurstudie uitgevoerd, waarna een hypothese is geformuleerd, die vervolgens middels empirisch onderzoek is getoetst. Uit de literatuurstudie blijkt dat er, voor zover bekend, weinig empirische onderzoeken gepubliceerd zijn die het effect van een (internationale) luchthaven mee hebben genomen als verklarende variabele van de waarde van kantoren. Dit is des te meer opvallend omdat uit de onderzoeken, die dit effect wel hebben meegewogen, er een duidelijk significant verband blijkt te bestaan tussen de afstand tot een luchthaven en de kantoorprijzen in het onderzochte gebied. Uit internationale onderzoeken naar kantoorprijzen blijkt verder dat de mogelijkheid van face-to-face contact een belangrijke factor is voor het verklaren van kantoorprijzen. De meest logische plek hiervoor is het CBD, maar dat is geen voorwaarde. Ook subcentra kunnen door bijvoorbeeld lagere kosten aan lonen of transport de rol vervullen van een belangrijke persoonlijke ontmoetingsplaats. Er blijkt dat in subcentra soms hogere prijzen worden betaald dan in het traditionele centrum van een stadsagglomeratie. Uit Nederlands onderzoek komt naar voren dat bereikbaarheid een belangrijke factor is voor het verklaren van kantoorprijzen. Ook het type bedrijvigheid of de mate van clustering lijkt van redelijke grote invloed te zijn. De conclusies uit deze literatuurstudie hebben geresulteerd in de volgende hypothese: ‘Een dichter bij Luchthaven Schiphol gelegen kantoorpand heeft een hogere gemiddelde huurprijs per vierkante meter dan een kantoorpand verder weg gelegen van Luchthaven Schiphol, rekening houdend met overige relevante factoren’. Deze hypothese is vervolgens middels een hedonische prijsanalyse getoetst. In een hedonische prijsanalyse wordt een consumptiegoed beschouwd als een bundeling van kenmerken. Hierbij wordt gebruik gemaakt van een meervoudige regressieanalyse, waarbij voor elk kenmerk van het consumptiegoed de impliciete waarde kan worden bepaald, alsmede het relatieve belang dat elk van die kenmerken heeft bij het bepalen van de totaalprijs van het consumptiegoed. Bij een meervoudige regressieanalyse wordt het verband geschat tussen een afhankelijke variabele en meerdere onafhankelijke variabelen. In deze analyse is de afhankelijke variabele de huurprijs per vierkante meter gerealiseerd op een kantoorlocatie. Deze gegevens zijn afkomstig uit een database van Strabo VTIS over een periode van 2009 tot maart 2014. Dit heeft
IV
uiteindelijk geresulteerd in een dataset van 954 huurtransacties van in totaal 646.342 m2 verhuurd kantoorvloeroppervlak en een gemiddelde oppervlakte per transactie van 677 m2, wat neerkomt op EUR 110,7 miljoen aan totaal gerealiseerde huur op 71 verschillende kantoorlocaties verspreid over 16 gemeentes, allen gelegen in de Randstad. De ligging vanaf Schiphol is de verklarende variabele van dit onderzoek en is gedefinieerd als reisafstand met openbaar vervoer en als reisafstand per auto in minuten. Deze verklarende variabele is vervolgens gecorrigeerd met de (overige) bereikbaarheidsfactoren en daarna met de factoren die de ‘kenmerken van de kantoorlocatie’ weergeven. De resultaten uit dit onderzoek geven het empirisch bewijs dat, ook indien gecorrigeerd met andere relevante (locatie-)factoren, er sprake is van een sterk aanwezig “Schiphol-effect”. Dit effect is groter bij reistijd met Openbaar Vervoer, maar ook bij reistijd met de auto is sprake van een significant verschil in huurprijs. Voor ruim een derde van de onderzochte kantoren is een positief Schipholeffect van toepassing, waardoor haar huurprijzen significant hoger liggen dan de kantoren waarbij het langer duurt dan 36 minuten (per Openbaar Vervoer) om vanaf Luchthaven Schiphol er te komen. Tevens blijkt dat in de loop der jaren de invloed van het Schiphol-effect toeneemt, niet door haar bereik, deze blijft constant op ruim een half uur reisafstand, maar wel voor de verklaring van een hogere huurprijs. In dit onderzoek is daarnaast getracht ‘bereikbaarheid’ te benaderen vanuit een dynamische invalshoek. Dit komt onder andere tot uiting door de keuze voor ‘reisafstand’ in plaats van ‘meters’. Hiermee wordt de relatieve afstand getoond. Om de verbondenheid van een locatie te illustreren, is deze reisafstand in samenhang beschouwd met de vraag of de locatie een plek is waar men graag wil komen en of de verbindingen naar andere locaties goed zijn. Uit deze studie blijkt dat het voorzieningenniveau van een locatie en of de locatie gelegen is in Amsterdam een belangrijk deel van de gerealiseerde huurprijs verklaren. Dit is nog sterker het geval bij de ouderdom van een kantoorlocatie, waarbij op Klassieke locaties aanzienlijk hogere huurprijzen worden gerealiseerd dan op Oudere en Verouderde locaties. Ook de kwaliteit van een treinstation blijkt een belangrijk verschil te maken voor de huurprijs in tegenstelling tot bijvoorbeeld de afstand tot een treinstation. De resultaten uit deze studie bieden vastgoedpartijen en overheden een extra handvat bij het nemen van vastgoed- en infrastructuurbeslissingen. Zo heeft een derde van de kantoorpanden uit deze dataset te maken met een (positief) “Schiphol-effect”. Indien een dergelijk kantoorpand ligt op een klassieke (of nieuwe) locatie, met een hoog voorzieningenniveau en eveneens zeer goed bereikbaar is per OV dan zal het maximaal profiteren van het “Schiphol-effect”. Dit zijn locaties, waar men graag komt en veel bedrijven zich graag willen vestigen, maar die ook goed verbonden zijn, niet alleen nationaal, maar juist ook internationaal. Het voordeel van het “Schiphol-effect” wordt echter grotendeels tenietgedaan indien de locatie van lage kwaliteit is: een verouderde en monofunctionele locatie, met een slechte uitstraling (bijvoorbeeld Amsterdam Teleport) kan wellicht dichtbij Schiphol gelegen zijn en goed bereikbaar, maar het is niet de plek waar men zich graag wil vestigen of wil komen. Toch profiteert ook een dergelijke locatie van het “Schiphol-effect”: andere kantoorlocaties, die verder of zelfs buiten de invloedsfeer van Schiphol liggen, laten (nog) lagere huurprijzen zien. De kwaliteit en verbondenheid van een locatie lijken derhalve hiermee, naast het aangetoonde Schipholeffect, van doorslaggevend belang te zijn voor de waarde van een kantoorpand op een kantoorlocatie in de Randstad.
V
INHOUDSOPGAVE Voorwoord
III
Samenvatting
IV
Hoofdstuk 1. Inleiding 1.1. Aanleiding 1.2. Onderwerp 1.3. Vraagstelling 1.4. Wetenschappelijke positionering en onderzoeksopzet 1.5. Afbakening, begrippen en definities 1.6. Leeswijzer
1 2 3 4 5 7
Hoofdstuk 2. Literatuurstudie 2.1. Inleiding 2.2. Empirisch onderzoek naar effect luchthaven op kantoorprijzen 2.3. Overig empirisch onderzoek naar effecten op kantoorprijzen 2.4. Nederland 2.5. Resumé
8 8 10 11 12
Hoofdstuk 3. Data – Beschrijvende statistiek 3.1. Inleiding 3.2. Dataset 3.3. Methode 3.4. Verklarende variabelen 3.5. Resumé
13 13 15 16 22
Hoofdstuk 4. Empirische resultaten 4.1. Inleiding 4.2. Modelspecificatie 4.3. Resultaten basismodel 4.4. Het effect Schiphol nader beschouwd: ‘distance decay’ 4.5. Resumé
23 23 24 28 31
Hoofdstuk 5. Conclusie 5.1. Conclusie 5.2. Reflectie
32 33
Literatuurlijst
34
Bijlagen
i
VI
Hoofdstuk 1 Inleiding 1.1.
Aanleiding
Er is op de kantorenmarkt van Nederland een ware revolutie aan de gang. Na een periode van gestage groei door de sterk toenemende dienstverlening en langdurige economische voorspoed is nu reeds een aantal jaren een neergaande trend in gezet, waarvan het einde nog niet in zicht lijkt te zijn. Naast de huidige crisis, die tot een afnemende vraag naar kantoorruimte leidt, wordt ook steeds duidelijker de scheidslijn tussen goede kantoorlocaties en slechte kantoorlocaties (DTZ, 2012). Tegelijkertijd zorgden en zorgen mondialisering, de opkomst van internet, maar ook het exponentieel toegenomen vliegverkeer voor een ontwikkeling, die overal ter wereld in meer of minder mate leiden tot een geheel nieuwe dynamiek. Zeker Nederland met haar zeer open economie en haar grote belang aan export ondervindt hiervan de directe gevolgen. Het is dan ook van belang de kantorenmarkt van Nederland in internationaal perspectief te plaatsen. Door de toenemende mondialisering hebben meer en meer ondernemingen diverse hoofdkantoren op meerdere continenten, maar ook aparte verkoopkantoren, productiefaciliteiten en R&D-centra verspreid over vele landen en regio’s (Bleumink e.a., 2006). Dit wordt ook beschreven door Taylor (2001), de bedenker van de term World City Networks: “Major global service firms operate through numerous offices in cities across the world to provide a ‘seamless’ service for their clients. Through this practice, they create a network of global service centres that we term the world city network. This specification treats the world city network as an ‘interlocking network’ with a three-level structure: nodal level (cities), internodal level (network) and subnodal level (business service firms). It is the latter that ‘interlock’ the cities through their myriad networks of offices to create the World City Network” (Taylor e.a., 2002, p. 2367). De razendsnelle opkomst van internet bracht velen de overtuiging dat afstanden er niet meer toededen en locatie niet langer meer een factor van betekenis zou zijn. We konden immers, als we maar een computer met internet bezaten, overal ter wereld met elkaar in contact treden, handel drijven en kennis uitwisselen. Het ontlokte zelfs de uitspraken van gezaghebbende economen als ‘The Dead of Distance’ (Cairncross, 1997) en ‘The World is Flat’ (Friedman, 2005). Ontegenzeggelijk heeft de opkomst van internet voor een versnelling van de huidige mondialisering gezorgd en zijn er vele nieuwe activiteiten ontstaan. Er zal echter altijd behoefte blijven bestaan aan face-to-face contact (o.a. Lambooy, 1998). In hun bekende artikel “The Economic Geography of the Internet Age” betogen Leamer en Storper (2001, p. 641) dan ook dat de economie steeds meer afhankelijk is van ‘the transmission of complex uncodifiable messages, which require understanding and trust that historically have come from faceto-face contact´. Internet zal hier geen verandering in brengen, aangezien zij wel lange afstand ‘conversation’ mogelijk maakt, maar geen ‘handshakes’ (Leamer en Storper, 2001, p. 641). Overigens concludeerden Bollinger e.a. reeds in 1998 al dat ‘no evidence is found in support of the hypothesis that technological advances in telecommunications have diminished the role played by face-to -face agglomeration economies in determining the intra-metropolitan location of office firms.’ (Bollinger e.a., 1998, p. 1097).
1
Volgens Glaeser (2011) werkt internet het beste gecombineerd met kennis opgedaan door face-toface contact. Hij stelt dan ook in zijn boek “Triumph of the City” (2011, p. 248) dat ‘the declining cost of connecting over long distances has only increased the returns to clustering close together’. Dit komt ook overeen met Castells’ theorie (2010) van ’spaces of flows’ en ‘spaces of places’, waarbij besluitvorming en innovatie nog steeds plaatsvindt door face-to-face communicatie en zich concentreert op bepaalde plekken (‘spaces of places’). Deze concentraties zijn in feite te vergelijken met Clusters. Clusters, door Porter (1990) weer op de kaart gezet, zijn ‘ruimtelijke concentraties van gerelateerde bedrijven die mogelijk, maar niet noodzakelijk met elkaar samenwerken’ (Atzema e.a., 2012, p. 162). Netwerken daarentegen behoeven geen ruimtelijke concentraties. Het gaat bij netwerken ‘primair om bedrijven die met elkaar samenwerken’ (Atzema e.a., 2012, p. 163). Bij zowel Clusters als Netwerken is en blijft face-to-face contact derhalve van essentieel belang. Luchtvaart biedt daarbij veruit de snelste manier om wereldwijd face-to-face contact te hebben, waardoor zij een bepalende rol vervullen in de hedendaagse internationale economie. Het is in dit kader van belang rekening te houden met de opkomst van de luchtvaart zoals we dat vandaag de dag kennen. Een nog maar vrij jonge ontwikkeling, die de afgelopen decennia een exponentiële groei in het aantal vervoerde passagiers heeft laten zien1(www.schiphol.nl). Het vervoer met vliegtuigen is nu in principe voor iedereen weggelegd, wat belangrijke gevolgen heeft voor hoe men zaken doet en waar men zich gaat vestigen. Zo vinden wereldwijd zakelijke interacties tussen personen steeds meer plaats tussen diverse lagen van een bedrijf en is het niet meer alleen de directievoorzitter die het vliegtuig neemt om een contract uit te onderhandelen. Dit geldt des te meer voor bedrijven die innovatief en kennisintensief opereren. Deze bedrijven zullen zich zo dicht mogelijk bij goed bereikbare internationale knooppunten willen vestigen. Ook ziet men steeds vaker dat personen “een dag op en neer” vliegen en daarom, omwille van de efficiency, zo min mogelijk tijd kwijt willen zijn om van de luchthaven naar de afgesproken werkplek of bijeenkomst te komen (Braam, 2013).
1.2.
Onderwerp
Op dit moment is in veel (praktijk)onderzoeken naar de kantorenmarkt, bereikbaarheid een belangrijke factor (Geurs e.a. 2013). Bereikbaarheid kan daarbij op diverse manieren bezien worden. Naast (fysieke) bereikbaarheid met vervoersmiddelen kan ook gedacht worden aan bereikbaarheid van banen en bijvoorbeeld voorzieningen. Lambooy (1998) noemt in dit kader ook de nabijheid (bereikbaarheid) van de productie van kennis. Tordoir (2012, p. 8) stelt overigens dat ‘bereikbaarheid’ allerminst als een afzonderlijk locatiekenmerk moet worden gezien, maar ‘een fundamentele eigenschap van alle relevante locatiekenmerken’. In veel van deze onderzoeken is bereikbaarheid een statisch gegeven. Er wordt bijvoorbeeld aangegeven of de locatie bij een afslag van de snelweg ligt of dichtbij een treinstation. Er wordt echter niet vermeld of deze bereikbaarheid ergens naar toe leidt. Volgens Jacobs (1969) kan het succes van een agglomeratie misschien wel juist niet alleen worden verklaard door haar ligging of aanwezigheid van natuurlijke hulpbronnen. Zij refereert hier aan het boek van Mark Twain, “In Life on the Mississippi”, waarin beschreven staat hoe de inwoners van Hannibal na de komst van de spoorlijn hadden verwacht dat hun plaats automatisch zou doorgroeien naar een grote stad en dat ze 1
Zo is op Schiphol het aantal passagiers van 1970 met circa 5 miljoen naar ruim 10 keer zo veel gestegen in 2012 met 51 miljoen passagiers: http://www.schiphol.nl/SchipholGroup1/Onderneming/Statistieken/FeitenEnCijfers.htm.
2
zeer verbaasd waren dat de meeste treinen gewoon doorreden, net als hiervoor ook de rivierboten hadden gedaan (Jacobs, 1969, p. 137). Een goed bereikbare, maar kwalitatief slechte locatie heeft derhalve weinig aan een goede bereikbaarheid als niemand er wil komen. Dit geldt ook andersom: wat en hoeveel kun je vanuit de locatie eigenlijk “bereiken”? Het gaat om connecties naar andere (goede) locaties en plaatsen. Zo is volgens Weterings e.a. (2009) de kwaliteit van een treinstation, uitgedrukt in aantal en kwaliteit van verbindingen, belangrijker dan alleen de aanwezigheid. Dit alles kan worden gedefinieerd als de verbondenheid van een locatie: welke rol speelt de locatie in een netwerk van locaties. Dit begrip sluit ook aan bij de theorie van Ruimtelijke Netwerken. Daarnaast wordt in diverse studies de Nederlandse kantorenmarkt wel vergeleken in internationaal verband, maar nauwelijks haar verbondenheid mét die internationale markt. Terwijl deze niet los kan worden gezien van haar positie in het wereldwijde speelveld. Dit aspect lijkt derhalve nog in onderbelicht te zijn. In deze scriptie zal daarom internationale verbondenheid als uitgangspunt worden genomen en dan specifiek haar invloed op de waarde van kantoorlocaties. De plek in Nederland die zich veruit het meest manifesteert als de navelstreng naar rest van de wereld is Luchthaven Schiphol. Indien Luchthaven Schiphol wordt beschouwd als hét internationaal epicentrum van de Nederlandse kantorenmarkt, is de verwachting dat de bereikbaarheid en ligging van een kantorenlocatie ten opzichte van Luchthaven Schiphol van belangrijke invloed zou kunnen zijn op haar concurrentiekracht en daarmee haar waarde.
1.3.
Vraagstelling
Dit leidt tot de volgende centrale vraagstelling van dit onderzoek. In hoeverre wordt de waarde van een kantoorlocatie bepaald door haar ligging ten opzichte van Schiphol? Om tot beantwoording te kunnen komen van de centrale vraagstelling zijn de volgende subvragen geformuleerd: - Welke theoretisch modellen bieden een kader om de waarde van kantoorlocaties te verklaren? - Welke relevante locatiefactoren en -kenmerken worden er in de literatuur onderscheiden die van invloed kunnen zijn op de waarde van kantoorlocaties? - Wat is het effect van de ligging ten opzichte van Schiphol op de waarde van kantoorlocaties en hoe verhoudt deze zich tot andere waardebepalende factoren op kantoorlocaties? Antwoorden op bovenstaande vragen kunnen vastgoedpartijen, waaronder (institutionele) vastgoedbeleggers en projectontwikkelaars, maar ook banken en taxateurs, ondersteunen bij het nemen van beslissingen, waaronder het aankopen, ontwikkelen en financieren van kantorenvastgoed. Ook voor (regionale) overheden kan het hulp bieden bij het formuleren van beleid en het nemen van beslissingen over investeringen in infrastructuur. De huidige crisis heeft immers duidelijk gemaakt dat het meer dan ooit van wezenlijk belang is te bepalen welke locaties toekomstbestendig zijn of niet. Trends van nu geven een beeld hoe een dergelijke toekomst er uit kan komen te zien. Onderhavig onderzoek wil hieraan “een steentje” bijdragen door het aspect van internationale verbondenheid nader te belichten en een handvat te bieden om de invloed van stedelijke netwerken in een globaliserende wereld op de kantorenmarkt te doorgronden.
3
1.4.
Wetenschappelijke positionering en onderzoeksopzet
De theorie van internationale ruimtelijke netwerken is op dit moment zeer actueel. De empirische onderbouwing hiervan was echter tot voor kort, door gebrek aan goede data, zeer beperkt (Derudder e.a., 2003, p. 876). Recent zijn er inmiddels wel diverse empirische studies naar het bestaan van wereldwijde stedelijke netwerken uitgevoerd (o.a. van Derudder e.a., 2003 en Taylor e.a., 2002 en 2008). Deze studies zien daarbij vooral toe op onderlinge relaties en connecties tussen ‘world cities’ en de ondernemingen die zich in deze steden gevestigd hebben (o.a. Taylor e.a., 2002). Er is echter voor zover bekend nog weinig empirisch onderzoek verricht naar de geografische gevolgen die de opkomst van grootstedelijke netwerken (JLL, 2013) wereldwijd kan hebben op waarde van vastgoed(-locaties). Onderhavig onderzoek tracht hier invulling aan te geven. Als theoretisch raamwerk zal gebruik worden gemaakt van de uitgangspunten van de “traditionele” (Neo-)klassieke locatietheorie, die, ondanks dat de naam anders doet vermoeden, nog steeds actueel is (Atzema e.a., 2012, p. 61). Als grondlegger van de klassieke locatietheorie kan het werk van Von Thünen (1863) worden beschouwd (o.a. Atzema e.a., 2012 en Debrezion e.a., 2007). Volgens Von Thünen worden variaties in grondprijzen verklaard door haar ligging ten opzichte van een centrale marktplaats (voor een uitgebreide beschrijving zie o.a. Atzema e.a., 2012, pagina 30-34). De klassieke locatietheorie is daarna verder verfijnd door onder meer Alonso (1964) aan de hand van de “bidrent”-theorie. Volgens deze analyse is de prijs die men bereid is te betalen afhankelijk van de ligging van een bepaalde locatie, waarbij de waarde van een locatie afneemt gelijk aan de afstand die het heeft tot een Central Business District (CBD). Debrezion e.a. (2007, p. 163) geven aanvullend hierop het volgende aan: ‘As a location becomes more attractive, due to certain characteristics, demand increases and thus the bidding process pushes prices up. In most cases CBDs are the centres of many activities. Therefore, closeness to the CBD is considered as an attractive quality that increases property prices. However, investments in transport infrastructure reduce this demand friction around the CBD to some degree’. Uit dit principe volgt dat gebouwen, in dit geval kantoren, die dichtbij een verbindingsknooppunt liggen, bijvoorbeeld een treinstation, profiteren van kortere reisafstanden en lagere kosten. De verwachting is derhalve dat wanneer kantoren verder gelegen zijn van een dergelijk verbindingsknooppunt de prijzen van deze kantoren zullen afnemen (Debrezion e.a, 2007, p. 163). Dit uitgangspunt vormt de theoretische basis van onderhavig onderzoek, waarbij luchthaven Schiphol wordt beschouwd als (internationaal) verbindingsknooppunt en de verwachting is dat kantoren verder gelegen van Schiphol een lagere prijs zullen hebben dan kantoren die dichterbij gelegen zijn, al de overige factoren, die de prijs kunnen beïnvloeden, ceteris paribus verondersteld. Om deze theorie te toetsen aan de praktijk zal gebruik worden gemaakt van een hedonische prijsanalyse. De hedonische prijsanalyse gaat in zijn benadering uit van de (neo-)klassieke economische uitgangspunten (Weterings e.a., 2009) en is een veel gebruikt model om de waarde van verschillende type individuele vastgoedobjecten te verklaren, maar kan ook bijvoorbeeld worden toegepast op (stedelijke) gebieden (Beekmans en Beckers, 2013). In hoofdstuk 3 zal deze methode nader worden toegelicht.
4
Dit onderzoek betreft derhalve een kwantitatief, verklarend onderzoek en valt in twee delen uiteen: een literatuurstudie van reeds uitgevoerde empirische onderzoeken naar factoren die bepalend zijn voor waarde van kantoor(-locaties), waarbij wordt ingezoomd op (internationale) bereikbaarheid, specifiek het effect van de nabijheid van een internationale luchthaven; een statistisch onderzoek, waarbij zal worden getoetst met behulp van een hedonische prijsanalyse wat het effect is van de afstand tot Schiphol en andere kenmerken op de waarde van kantoor(-locaties). Aan de hand van deze uitkomsten zal de centrale vraag worden beantwoord.
1.5.
Afbakening, begrippen en definities
Hieronder zullen de belangrijkste begrippen nader worden gedefinieerd. Tevens vindt hier een eerste afbakening plaats. Kantoren en kantoorlocaties Kantoren kunnen worden gedefinieerd als ‘ruimtelijke zelfstandige eenheden die grotendeels in gebruik is of te gebruiken is voor bureaugebonden activiteiten of ondersteunde activiteiten’ (Beukering e.a., 2010, p. 275). Het definiëren van kantoorlocaties blijkt aanzienlijk moeilijker te zijn. Hierover is weinig te vinden in de literatuur. Door IBIS (2012) worden kantorenlocaties gedefinieerd als terreinen waarvan het merendeel van de terreinoppervlakte bestemd en geschikt is voor kantoren2. Overigens blijkt ook de begrenzing van kantoorlocaties als gebied geen sinecure. Dunse en Jones (2002, p. 160) geven bijvoorbeeld aan dat “even the most researched UK office markets, for example Central London, are often criticized for not having well defined, consistent and precise boundaries (Hendershott et al., 1999)”. Waarde van kantoorlocaties De waarde van kantoorlocaties wordt in dit onderzoek gedefinieerd als de gemiddelde huurprijs per vierkante meter gerealiseerd op een kantoorlocatie. Er zijn een aantal redenen om huurprijs als waardebegrip te nemen. Weterings e.a. (2009) noemen in dit kader dat ten eerste over huurtransacties veel meer gegevens beschikbaar zijn dan over transacties op de gebouwen- en beleggingsmarkt en ten tweede dat de koopmarkt van kantoorpanden te ondoorzichtig is. Beukering e.a. (2010) geven daarbij ook aan dat gebieden in Nederland met veel voorraad ook de hoogste huurprijzen worden gerealiseerd ondanks de grote leegstand. Zij concluderen dat huurprijzen een ander karakter geven aan de markt en zij ‘de belangrijkste indicator voor de sterkte van een lokale markt zijn’ (Beukering e.a., 2010, p. 299). Kantoren en steden Kantoren kunnen worden beschouwd als “productieruimtes” van kennis en informatie (Lambooy, 1998). Kantoren zijn daarmee onlosmakelijk verbonden met steden: ‘In steden worden activiteiten gebundeld en georganiseerd en ontstaat nieuwe economische dynamiek’ (Beukering e.a., 2010, p. 278). Men spreekt bij steden ook wel van Daily Urban Systems (Tordoir, 2005). Bij een Daily Urban 2
Kantoorlocaties worden overigens sinds 2005 niet meer in IBIS geregistreerd.
5
System (DUS) draait het volgens Tordoir (2005, p. 6) “om de dagelijkse interacties in de samenleving: de pendel naar het werk, de dagelijkse boodschappen, de dagelijkse toeleveringstromen binnen de economie. Burgers en ondernemers kiezen hun vestigingsplaats mede op grond van de uitvalsposities voor die frequente interacties, waardoor de markten voor woningen, bedrijfshuisvesting en voorzieningen eerst en vooral begrensd worden door het DUS”. Volgens Jennen en Brounen (2009, p. 187) wordt over het algemeen de basisvorm van een stad als mono-centrisch beschouwd, waarbij de locatiewaarde afneemt als de afstand tot het centrum toeneemt. Zij stellen echter dat deze vorm in de praktijk weinig voorkomt. Een meerderheid van steden combineert een dominant centrum met stedelijke subcentra, waar het grootste deel van de werkgelegenheid is te vinden (Jennen en Brounen, 2009, p. 187). Men spreekt wel van multi- of polynucleare steden (o.a. Clapp, 1993 en Lambooy, 1998). Volgens Clapp (1993, p. 76) kunnen sommige subcentra hierbij als substituut van een CBD fungeren indien er voldoende onderlinge interactie is binnen en tussen deze subcentra. Stock (2011, p. 967) gaat daarbij zelfs verder door te stellen dat de term ‘stad’ niets van doen heeft met administratieve grenzen. Hij citeert hierbij Friedmann (1995, p.23), die ‘world cities’ definieert als “large, urbanized regions that are defined by dense patterns of interactions rather than by political-administrative boundaries” (Stock, 2011, p. 967). Dit sluit aan bij de definitie die Van Susteren (2005, p. 7) aan een metropoolregio geeft: “A metropolitan area can be considered as an urban region or conurbation with a global range of influence”. Stock (2011) stelt daarnaast dat er soms ook geen dominante centra zijn aan te wijzen in ‘world cities’. Het gebied ‘San Francisco Bay Area’ is hiervan een treffend voorbeeld als ‘mega city’ regio. Volgens Stock (2011) kan ook de Randstad hiertoe gerekend worden. De Randstad wordt ook wel een poly-centrische Daily Urban System genoemd (o.a. Lambooy, 1998 en Tordoir, 2012). Metropoolregio Randstad Dit onderzoek beperkt zich tot de kantoorlocaties gelegen in de Randstad. Dit heeft twee belangrijke redenen. Ten eerste liggen kantoorlocaties buiten de Randstad naar verhouding veel verder weg van Schiphol, waardoor een eventueel effect minder goed meetbaar zal zijn. De veronderstelling hierbij is dat op een bepaald moment bij een langere reisafstand de verschillen niet meer zo groot zullen zijn en andere effecten een belangrijkere rol gaan spelen. De tweede reden is dat de gemiddelde huurprijzen in de Randstad veel hoger zijn dan in de rest van Nederland (o.a. Beukering e.a., 2010), maar deze voldoende variëren in hoogte (o.a. FGH Vastgoedbericht, 2013) om onderzoek te kunnen doen. De Randstad, een term bedacht door notabene KLM-oprichter Albert Plesman toen hij op zoek was naar een plek voor een nationale luchthaven (Bal, 2007), kan worden beschouwd als één grote metropool, die met 6,6 miljoen inwoners (2000), tot de grootste in de wereld (nummer 38) behoort (Van Susteren, 2005). De Randstad strekt zich uit tot drie provincies, Noord-Holland, Zuid-Holland en Utrecht, en centreert zich rond de vier grote steden van Nederland: Amsterdam, Utrecht, Rotterdam en Den Haag (o.a. De Vor, 2011).
6
Luchthaven Schiphol Luchthaven Schiphol behoort met 39,5 miljoen vervoerde passagiers per jaar (2000) tot de grootste luchthavens (nummer 9) van de wereld (Van Susteren, 2005). Luchthaven Schiphol verbindt de Randstad met 273 bestemmingen in de wereld, waarvan 111 intercontinentaal (Krul, 2012). Zij beschikt daarbij volgens Krul (2012, p. 35) over een ‘zeer fijnmazig Europees netwerk, waardoor het meerdere keren per dag verbonden is met meer dan 160 steden in Europa’. De metropoolregio Randstad behoort hiermee ‘tot een van de best verbonden regio's met Europa en de rest van de wereld’ (Krul, 2012, p. 35). Luchthavens als Schiphol beginnen daarbij volgens Kasarda (2006) overigens zelf steeds meer op metropolische CBD’s te lijken door het toenemend aantal van commerciële functies in de terminals, zoals winkels, restaurants en culturele voorzieningen en de hoge dichtheid aan snelwegen en spoorwegconnecties. N.B. In dit onderzoek worden bewust andere (regionale) luchthavens, zoals Airport Rotterdam-The Hague en Airport Eindhoven, niet meegenomen in de analyse. De belangrijkste redenen hiervoor zijn dat deze luchthavens slechts een beperkt aantal zakelijke bestemmingen kent en het aantal passagiers op deze luchthavens enkel een paar procent vormt van het aantal dat Schiphol jaarlijks vervoert3 (bron: www.jaarverslagschiphol.nl). Daarnaast ligt Airport Eindhoven te ver van de Randstad om een eventueel effect nog te kunnen meten.
1.6.
Leeswijzer
Dit onderzoek is als volgt opgebouwd. In Hoofdstuk 2 wordt op basis van een literatuurstudie onderzocht welke factoren van invloed zijn op kantoorprijzen. Hierbij wordt ten eerste ingezoomd op studies die het effect van een (internationale) luchthaven hebben meegenomen in hun analyse, vervolgens worden andere belangwekkende onderzoeken tegen het licht gehouden die de relevante factoren hebben beschreven en hun effect op kantoorprijzen, zowel internationaal als nationaal. Vervolgens worden in Hoofdstuk 3 de variabelen uit de dataset nader omschreven en verantwoord en de gebruikte methodiek toegelicht. Dit alles dient als operationeel kader voor het uitvoeren van het empirisch onderzoek in Hoofdstuk 4. Dit hoofdstuk vormt de kern van deze studie. Waarbij aan de hand van de geselecteerde dataset primair het effect van Schiphol op kantoorprijzen in de Randstad wordt gemeten. Deze empirische resultaten worden daarbij getoetst aan de uitkomsten van de literatuurstudie. Hoofdstuk 5 bevat tenslotte de conclusie en reflectie van het uitgevoerde onderzoek.
3
Volgens www.jaarverslagschiphol.nl vervoerde in 2013 Airport Rotterdam-The Hague 1,6 miljoen passagiers en Airport Eindhoven 3,4 miljoen.
7
Hoofdstuk 2 Literatuurstudie 2.1.
Inleiding
De kenmerken die van invloed zijn op wat een huurder bereid is voor een kantoor te betalen, kunnen worden ingedeeld in vier groepen: de kenmerken van het huurcontract en de huurder, de kenmerken van het pand, de kenmerken van de locatie van het pand, alsmede de (regionale) marktomstandigheden (Weterings e.a., 2009). Onderhavig onderzoek ziet toe op de waarde van locaties, waardoor de specifieke kenmerken van een huurcontract niet worden meegenomen in deze studie (een kantoorlocatie is in feite een optelsom van panden, huurcontracten en huurders). Daarnaast worden (regionale) marktomstandigheden in dit onderzoek beschouwd als een gegeven en gelijk voor alle kantoorlocaties die in dit onderzoek zijn betrokken. Derhalve beperkt deze literatuurstudie zich vooral tot de empirische onderzoeken gericht op de invloed van kenmerken van een locatie (van het pand) op kantoorprijzen. Dit hoofdstuk heeft de volgende indeling. Ten eerste worden de empirische studies, waarvan het effect van een luchthaven is meegenomen ter verklaring van verschillen in kantoorprijzen, besproken. Vervolgens wordt nader ingezoomd op bekende studies die zijn gepubliceerd over (locatie-)kenmerken die van invloed zijn op kantoorprijzen. Eerst worden hierbij de internationale onderzoeken behandeld en vervolgens de hedonische prijsanalyses, die specifiek betrekking hebben op de Nederlandse markt.
2.2.
Empirisch onderzoek naar effect luchthaven op kantoorprijzen
Er is, voor zover bekend, geen empirisch onderzoek verricht naar de invloed van een internationale luchthaven op de waarde van kantoorlocaties in Nederland. Ook internationale empirische onderzoeken naar de invloed van een luchthaven op de waarde van kantoren zijn schaars. Waarschijnlijk de eerste onderzoeker, die de afstand van een luchthaven als verklarende variabele voor de waarde van een kantoor gebruikte, is Sivitanidou (1995). Haar empirisch model was gebaseerd op circa 1500 kantoren, verdeeld over 36 kantoorlocaties (‘commercial nodes’) in “Greater Los Angeles”. In deze veel geciteerde studie werd, naast locatievariabelen als afstand tot het centrum van Los Angeles en nabijheid van (snel-)wegen, ook de locatievariabele ‘afstand vanaf de dichtstbijzijnde luchthaven’ meegenomen ter verklaring van de verschillen in hoogte van kantoorhuurprijzen. De te verklaren huurprijs betrof de gevraagde huurprijs per vierkante meter uit 1990. De afstand van de dichtstbijzijnde luchthaven tot een kantorenlocatie werd gemeten in mijlen. De waarschijnlijkheid werd uitgesproken dat een goede toegankelijkheid tot één van de vier grotere luchthavens, waaronder één van de grootste internationale luchthavens ter wereld, Los Angeles International (Van Susteren, 2005), een productiviteitsvoordeel met zich meebracht, omdat dit de kosten verlaagde van “business trips” ten behoeve van “face-to-face contact” naar gebieden buiten de metropool Los Angeles. Derhalve werd een negatieve correlatie voorspeld. Dit bleek inderdaad het geval: de uitkomst was een duidelijk significant verband tussen de nabijheid van een luchthaven
8
en de gevraagde huurprijs. Overigens gold dit ook voor andere locatievariabelen, zoals de nabijheid van snelwegen en de afstand tot het CBD (Sivitanidou, 1995). Een andere belangwekkende studie, die de nabijheid van een luchthaven mee had genomen ter verklaring van kantoorprijzen is van Colwell e.a. (1998). Dit betrof een onderzoek naar de kantorenmarkt van Cook County, Illinois, beter bekend als het metropoolgebied van Chicago, inclusief haar suburbanisaties. Chicago kan worden gezien als één van de grootste kantorenmarkten van de Verenigde Staten (Collwell e.a., 1998) en haar metropool behoort, gerekend naar inwoneraantal, tot de grootste ter wereld (Van Susteren, 2005). In tegenstelling tot veel andere onderzoeken werd hier door Colwell e.a. de verkoopprijs als de te verklaren variabele gebruikt in plaats van de huurprijs. De dataset voor het onderzoek bevatte 427 transacties over een tijdsperiode van 1986 tot 1993. Eén van de verklarende variabele voor de waarde van een kantoorgebouw in dit onderzoek was ‘de afstand tot de internationale luchthaven O’Hare Airport in mijlen’. O’Hare Airport behoort volgens Van Susteren (2005) tot de grootste luchthavens ter wereld, zowel gerekend op basis van het aantal passagiers (de één na grootste), als op basis van het aantal vliegbewegingen (de grootste). Naast ‘de afstand tot de internationale luchthaven O’Hare Airport in mijlen’ was een andere belangrijke locatievariabele ‘de afstand tot het CBD in mijlen’. Een opvallende uitkomst bleek echter te zijn dat er geen significante relatie werd ontdekt tussen de waarde van een kantoor en haar afstand tot het CBD. Daarentegen bleek er wel een (negatieve) significante relatie te bestaan tussen de waarde van een kantoorgebouw en haar afstand tot luchthaven O’Hare Airport. Hoe verder een kantoor zich bevond van de luchthaven, hoe lager haar verkoopprijs. Dit effect werd door de onderzoekers toegewezen aan het feit dat O’Hare zich laat gelden als een “employment center”. Een “employment center” is hier gedefinieerd als een gebied met “high office employment activity” (Collwell e.a. 1998). Een meer recent onderzoek, waarbij het effect van een internationale luchthaven op kantoorwaardes is gemeten, is een casestudy van Nitsch (2006) naar de kantorenmarkt van München. Nitsch onderzocht hier, middels een hedonische prijsanalyse, het effect van een locatie op de (gevraagde) huurprijs van een kantoor aan de hand van drie parameters, waarbij één van de variabelen ‘de afstand tot de luchthaven van München in kilometers’ was, naast ‘de afstand tot het centrum in kilometers’ en ‘de toegankelijkheid tot openbaar vervoer’. Om uit deze casestudy ook algemene conclusies te kunnen trekken, koos Nitsch (2006) bewust voor München, die hij omschreef als een “sufficiently typical city”, vooral omdat München, ondanks haar relatieve grootte, nog steeds een mono-centrische structuur heeft met haar CBD in het midden van de stad, terwijl zij tegelijk groot genoeg is voor meerdere vormen van openbaar vervoer (waaronder een metro). Als dataset werd gebruik gemaakt van het relatief lage aantal van 46 observaties, gebaseerd op de vraaghuurprijs van kantoorruimtes in 2001. De uitkomst van dit onderzoek was dat de variatie in huurprijzen voor 79% (R²) kon worden verklaard door locatie. Alle drie de variabelen die werden gebruikt voor het begrip locatie bleken hierbij hoog significant. Naast bereikbaarheid met openbaar vervoer en de afstand tot het centrum bleek ook hier de afstand tot de luchthaven van belangrijke invloed te zijn op de huurprijs van kantoren. Een mogelijk verdere verbetering van het model zou daarbij de toevoeging van de variabele “kwaliteit van de omgeving” kunnen zijn (Nitsch, 2006).
9
2.3.
Overig empirisch onderzoek naar effecten op kantoorprijzen
Naast de hiervoor genoemde studies, die het effect van een luchthaven hebben mee genomen in een hedonische prijsanalyse, worden in deze paragraaf andere belangwekkende studies naar effecten op kantoorprijzen behandeld. Daarbij blijkt overigens dat er weliswaar veel hedonische prijsanalyses zijn uitgevoerd naar de woningmarkt en commercieel vastgoed, maar dat empirisch onderzoek naar kantoorprijzen relatief beperkt in aantal zijn (Nitsch, 2006). De studies die zich wel richten op de invloed van locatie op kantoorprijzen hebben vaak betrekking op (metropolische) steden of stadsgewesten. Dit is niet verrassend. Kantoren zijn immers onlosmakelijk verbonden met (grote) steden (Beukering e.a., 2010) en metropolen hebben als grote stad of stadsgewest in de regel de meeste kantoren en daarmee voldoende data – indien beschikbaar – om naar wetenschappelijke maatstaven goed empirisch onderzoek te kunnen verrichten. Ook is de kans groot dat in grote(re) steden diverse submarkten (o.a. Dunse en Jones, 2002) aanwezig zijn, waardoor ook verschillen in locatiekenmerken en kantoorprijzen nadrukkelijker in beeld komen. Bekende hedonische analyses, die onderzoek doen naar kantoorprijzen, zijn dan ook, naast de hiervoor genoemde studies van Sivitanidou (over Los Angeles) en Colwell e.a. (over Chicago), de empirische onderzoeken van Clapp (1980) naar kantoren in Los Angeles, van Bollinger e.a. (1998) over de kantorenmarkt van Atlanta en haar regio, alsmede van Nagai e.a. (2000), met een onderzoek naar de kantorenmarkt van Tokyo en meer recent, de studie van Nappi-Choulet e.a. (2007) over de kantorenmarkt in Parijs. Opvallend hierbij is dat de onderzochte steden weliswaar gelegen zijn bij luchthavens, die behoren tot de grootste ter wereld4 (Van Susteren, 2005), maar dat er in de hiervoor genoemde studies, met uitzondering van Sivitanidou en Colwell e.a., geen enkele verwijzing naar wordt gedaan. Clapp (1980) was één van de eerste onderzoekers die een hedonisch prijsmodel toepaste ter verklaring van kantoorprijzen. Bollinger e.a. (1998) gaven hierbij aan, dat weliswaar verscheidene onderzoekers concludeerden dat locatie er toe doet voor kantoorprijzen, zij geen verklaring boden wélke factoren daadwerkelijk de geconstateerde prijsverschillen veroorzaakten van locaties. Het onderzoek van Clapp (1980) was zover bekend het eerste onderzoek, waarbij wel locatievariabelen aan het model waren toegevoegd in een poging de verschillen in kantoorprijzen te verklaren (Bollinger e.a., 1998). Clapp (1980) gebruikte hiervoor de opgegeven huurprijs per vierkante meter van 105 kantoren in Los Angeles, waarbij, naast pandkenmerken, er drie locatievariabelen werden meegenomen in de analyse: ‘de afstand tot het CBD’, ‘de pendeltijd van de werknemer naar kantoor’ en ‘het aantal vierkante meters van nabijgelegen kantoorruimte’. Deze variabelen bleken alle drie statistisch significant met de verwachte richting. Volgens Clapp (1980) ondersteunden deze resultaten de visie dat bedrijven bereid zijn meer te betalen voor kantoorruimtes die toegang bieden tot de mogelijkheid van face-to-face contact, vooral in het CBD. Ook de studie van Bollinger e.a. (1998) benadrukte het belang van face-to-face contact. Zij maakten gebruik van afgegeven huurprijzen in de regio Atlanta uit drie tijdsperiodes (1990, 1994 en 1996), waarbij het aantal kantoren varieerde van 658 tot 907. Bollinger e.a. (1998) ontdekten dat locatieverschillen in loonkosten, vervoerskosten, alsmede concentraties van ondersteunende 4
De internationale luchthaven van Atlanta is zelfs de grootste ter wereld met 75,8 miljoen vervoerde passagiers in 2000, Tokyo is nummer 5 én nummer 30 en Parijs nummer 8 (CDG)
10
diensten en kantoorwerknemers, een significante invloed hadden op kantoorprijzen (overigens bij vervoerskosten werd alleen een positief effect op basis van de nabijheid van snelweg gesignaleerd, de afstand tot een treinstation had hier zelfs een negatief effect). Maar bovenal bleek uit de resultaten van het onderzoek dat, naar eigen zeggen, voor het eerst duidelijk bewijs is geleverd dat de belangrijkste voorspeller van prijsverschillen de toegang tot het hebben van “face-to-face”contact blijkt te zijn. Paradoxaal genoeg kwam daarbij ook naar voren dat de huren in het CBD van Atlanta lager bleken te zijn dan in de subcentra. Bollinger e.a. (1998) zochten hiervoor als mogelijke verklaring dat dit te maken had met de nadelen van het centrum van Atlanta, zoals hogere lonen die betaald moeten worden en de hoge criminaliteit. Waardoor ondanks de voordelen die het centrum van een stad ontegenzeggelijk heeft, zoals de nabijheid van veel partijen en de mogelijkheden tot face-to-face contact, deze niet opwegen tegen de nadelen. In het onderzoek van Nagai e.a. (2000), kwam men op basis van de gegevens van 1985-1994 voor de metropool Tokyo, tot ongeveer dezelfde conclusies als Bollinger e.a. (1998). De uitkomst was dat kenmerken gerelateerd aan vervoersvoordelen, in dit geval de nabijheid van onder andere een station en de afstand tot het centrum, hier van minder belang bleken voor de verklaring van kantoorprijzen, dan de agglomeratievoordelen van een kantorenlocatie, zoals een hoge mate van clustering van kantoren en de mogelijkheid tot het hebben van ‘face-to-face’-contact. Opvallend was ook hier dat de huren in het centrum van Tokyo niet hoger bleken te zijn dan in andere vergelijkbare locaties. Dit in tegenstelling tot het onderzoek van Nappi-Choulet e.a. (2007) naar de kantorenmarkt van Parijs, waaruit bleek dat in het centrum wel significant hogere prijzen werden betaald dan de andere gelegen kantoorgebieden in metropool Parijs (waaronder La Defense). Er kwam hier een duidelijke hiërarchie naar voren van de verschillende kantoorgebieden. Overigens was in dit geval de enige gebruikte locatievariabele het gebied waar een kantoor zich bevond. De achterliggende locatiefactoren werden in deze studie niet nader onderzocht.
2.4.
Nederland
Ook voor de Nederlandse kantorenmarkt zijn empirische studies, die de effecten op kantoorprijzen meten, beperkt in aantal. Een zeer uitvoerige en recente hedonische prijsanalyse naar de kantorenmarkt in Nederland is de studie van Weterings e.a. (2009). In dit onderzoek werden de effecten van omgevingskenmerken op kantoorhuurprijzen onderzocht. Een andere recente hedonische prijsanalyse betreft de studie van en Jennen en Brounen (2009), waarin het effect van clustering op kantoorhuurprijzen in de regio Amsterdam werd gemeten. Het onderzoek van Weterings e.a. (2009) maakte gebruik van een zeer uitgebreid databestand van 18.460 transacties, die hebben plaatsgevonden in 9.075 kantoorpanden, over een lange tijdsperiode van 1995 tot en met 2007. De locatiekenmerken werden hierbij opgesplitst in variabelen, die de ‘omgevingskenmerken’ weergaven en de variabelen die stonden voor ‘bereikbaarheid’ van een locatie (als controlevariabele). Voor ‘bereikbaarheid’ werden vervolgens acht deelvariabelen onderscheiden, waaronder ‘Reistijd dichtstbijzijnde snelwegoprit en -afrit in minuten’, ‘Afstand dichtstbijzijnde treinstation in kilometers’, ‘Kwaliteitsscore treinstation’ en ‘Afstand tot het stadscentrum in kilometers’.
11
Het onderzoek van Weterings e.a. (2009) leidde samenvattend tot de conclusie dat de volgende drie locatiekenmerken het meest bepalend zijn voor de hoogte van de huurprijs van een kantoor in Nederland: de regio waar het kantoor ligt, het type bedrijvigheid dat in de buurt is gevestigd, én de bereikbaarheid van de locatie. Alle indicatoren die de variabele ‘bereikbaarheid van de locatie’ weergaven, bleken hierbij een statistisch significant effect te hebben op de huurprijs en de effecten wezen hierbij allemaal in de verwachte richting. In de studie van Jennen en Brounen (2009) werd het effect van clustering onderzocht op kantoorprijzen in de regio Groot Amsterdam in twee tijdsperiodes van 2000-2001 en van 2004-2005. De dataset betrof 1.465 vraaghuurprijzen. Naast ‘Clustering’ werd hier ook gebruik gemaakt van twee locatievariabelen die de bereikbaarheid van een locatie weergeven; ‘de afstand tot de snelweg in kilometers’ en ‘de afstand tot een treinstation in kilometers’. Eén van de uitkomsten was dat kantoren, die dichter bij een treinstation zijn gelegen over het algemeen hogere huurprijzen behalen, terwijl de nabijheid van een snelweg de huurprijs juist doet verminderen. Jennen en Brounen hadden daarbij ook nog onderzocht of de kwaliteit van een treinstation van invloed was (conform het onderzoek van Debrezion e.a., 2007), maar dat bleek hier niet het geval. De eindconclusie van deze studie was dat clustering leidt tot hogere huurprijzen, onafhankelijk van economische omstandigheden en dat dit effect wordt gedomineerd door locatie-externaliteiten (Jennen en Brounen, 2009). Locatie-externaliteiten zijn bijvoorbeeld positieve externe effecten, zoals kennisspillovers (Louw en De Vor, 2008).
2.5.
Resumé
Er zijn voor zover bekend weinig empirische onderzoeken gepubliceerd die het effect van een (internationale) luchthaven mee hebben genomen als verklarende variabele van de waarde van kantoren. Dit is des te meer opvallend omdat uit de onderzoeken, die dit effect wel hebben meegewogen, er een duidelijk significant verband blijkt te bestaan tussen de afstand tot een luchthaven en de kantoorprijzen in het onderzochte gebied. Uit internationale onderzoeken naar kantoorprijzen blijkt verder dat de mogelijkheid van face-to-face contact een belangrijke factor is voor het verklaren van kantoorprijzen. De meest logische plek hiervoor is het CBD, maar dat is geen voorwaarde. Ook subcentra kunnen door bijvoorbeeld lagere kosten aan lonen of transport de rol vervullen van een belangrijke persoonlijke ontmoetingsplaats. Er blijkt dat in subcentra soms hogere prijzen worden betaald dan in het traditionele centrum van een stadsagglomeratie. Uit Nederlands onderzoek komt naar voren dat bereikbaarheid een belangrijke factor is voor het verklaren van kantoorprijzen. Ook het type bedrijvigheid of de mate van clustering lijkt van redelijke grote invloed te zijn. De conclusies uit deze literatuurstudie leidt tot de volgende hypothese, die in de navolgende hoofstukken zal worden getoetst: Ho: Een dichter bij Luchthaven Schiphol gelegen kantoorpand heeft een hogere gemiddelde huurprijs per vierkante meter dan een kantoorpand verder weg gelegen van Luchthaven Schiphol, rekening houdend met overige relevante factoren.
12
Hoofdstuk 3 – Data – beschrijvende statistiek 3.1.
Inleiding
In dit hoofdstuk zal een start worden gemaakt met het empirisch onderzoek naar het effect van Luchthaven Schiphol op de kantoorprijzen gerealiseerd op kantoorlocaties. Hiervoor zal ten eerste de geselecteerde dataset worden beschreven en de te gebruiken methode; de hedonische prijsanalyse, worden toegelicht. Vervolgens wordt de verklarende variabele van dit onderzoek, de afstand vanaf Schiphol, uitgewerkt en tenslotte de controlevariabelen die gebruikt zullen worden in de prijsanalyse.
3.2.
Dataset
In dit onderzoek wordt de vastgoedwaarde van kantoorlocaties gemeten op basis van gegevens over de huurprijs per vierkante meter van kantoorpanden op de desbetreffende kantoorlocatie. Het gaat hierbij om de huurprijs die tot stand is gekomen tijdens transacties op de kantorenmarkt in de Randstad. Volgens Weterings e.a. (2009) weerspiegelt de gerealiseerde huurprijs de daadwerkelijke prijs beter dan de vraagprijs en geeft deze het best inzicht in wat huurders bereid zijn te betalen voor het pand. De gegevens zijn afkomstig uit het bestand van VTIS van Strabo. Uit dit bestand is een dataset opgesteld. De beperking van deze database is dat er geen incentives of huurkortingen specifiek benoemd zijn (in de regel ook niet worden opgegeven door marktpartijen). Er bestaat derhalve enige onzekerheid of de opgegeven ‘huurprijs per vierkante meter’ een juiste weergave betreft. Ondanks deze beperking wordt de ‘huurprijs per vierkante meter’ als meest geschikt beschouwd voor de weergave van een kantoorprijs. Daarbij geldt ook dat in meer of mindere mate bij alle huurtransacties bepaalde afspraken worden gemaakt die van invloed zijn op de gerealiseerde huurprijs, waardoor het vergelijken van huurprijzen in principe voldoende mogelijk wordt geacht. Daarnaast wordt de gemiddelde huurprijs per vierkante meter per transactie geselecteerd. Dit betekent dat een transactie van bijvoorbeeld 1.000 m2 even zwaar meetelt als een kleinere transactie van bijvoorbeeld 200 m2. Hier is voor gekozen om te voorkomen dat een aantal grotere transacties alsdan de overhand krijgen in deze dataset. Het heeft wel tot gevolg dat een kleinere transactie relatief gezien een groter gewicht krijgt. De gekozen periode is van januari 2009 tot maart 2014. Dit is de periode na de val van Lehman Brothers (in 2008) en daarmee het begin markerend van de huidige krediet- en vastgoedcrisis. Hierbij zijn alleen de transacties meegenomen die onderdeel zijn van een kantoorlocatie, zoals vastgesteld door JonesLangLasalle (2013) in haar Ranking Kantoorlocaties 2013. Daarbij is gebruik gemaakt van onder meer Geodan en Google om de juiste postcodes van een kantoorlocatie te achterhalen. De dataset is verder gecorrigeerd door alleen volledig ingevulde transacties mee te nemen met een minimum van 100 m2 per verhuurd vloeroppervlak. Een transactie is niet meegenomen indien er slechts één transactie per kantoorlocatie op één postcode, danwel één adres op deze kantoorlocatie gerealiseerd is. Als Randstad wordt beschouwd de provincies Zuid-Holland, Utrecht en Noord-Holland, met uitzondering van Alkmaar en omgeving en de Kop van Noord-Holland (De Vor, 2011). Voor
13
kantoorlocaties wordt, zoals hiervoor gemeld, aangesloten bij de locaties die JLL (2013) gebruikt voor haar Ranking Kantoorlocaties 2013, waarbij in dit onderzoek alleen de steden worden meegenomen, die FGH (2014) noemt in haar Vastgoedbericht5. Daarnaast ligt de focus op de vier belangrijke steden van de Randstad; Amsterdam, Den Haag, Rotterdam en Utrecht. Kantoorlocaties in steden die ten opzichte van Schiphol achter deze vier steden gelegen zijn, worden ook niet meegenomen. Dit betreft onder meer kantoorlocaties gelegen in Amersfoort, Zeist, Zaandam, Dordrecht en Houten.6 Dit heeft uiteindelijk geresulteerd in een dataset van 954 huurtransacties van in totaal 646.342 m2 verhuurd kantoorvloeroppervlak en een gemiddelde oppervlakte per transactie van 677 m2, wat neerkomt op EUR 110,7 miljoen aan totaal gerealiseerde huur op 71 verschillende kantoorlocaties verspreid over zestien gemeentes. Hieronder wordt een overzicht weergegeven van de gemiddelde gerealiseerde huurprijs per gemeente en een overzicht van de gemiddelde huurprijs en aantal transacties per jaar. In Bijlage A is een totaaloverzicht opgenomen van de gemiddelden en gebruikte bronnen, in Bijlage B een overzicht van de gemiddelde huurprijs per kantoorlocatie. Tabel 1: Prijs/m2 kantoor per Gemeente Gemeente Gemiddelde Amstelveen Amsterdam Capelle aan den IJssel Delft Gouda Haarlem Haarlemmermeer Hilversum Leiden Nieuwegein Rijswijk Rotterdam 's-Gravenhage Utrecht Woerden Zoetermeer Totaal
165,00 208,10 124,13 133,89 114,29 146,65 197,81 133,04 158,25 112,64 115,58 152,52 158,46 149,10 107,78 130,03 159,15
N 13 235 31 18 28 17 27 25 28 55 26 113 80 182 18 58 954
Std. Deviation 32,26 67,52 30,31 25,11 28,23 57,52 70,20 37,24 52,22 25,79 46,52 42,17 43,22 48,39 27,52 38,01 59,74
Minimum 85 75 58 75 52 74 92 56 84 56 58 68 76 40 58 60 40
Maximum 217 428 173 165 169 276 375 198 300 203 265 289 323 294 158 213 428
Mediaan 175 195 125 140 120 135 180 149 148 115 114 150 156 145 118 125 150
Uit tabel 1 blijkt dat de hoogste gemiddelde huurprijs in deze dataset is gerealiseerd in Amsterdam met een gemiddelde huurprijs van EUR 208 per vierkante meter op basis van 235 transacties. Dit is conform verwachting. De kantoorlocaties die gelegen zijn in Amsterdam met de hoogste gemiddelde huurprijs per vierkante meter zijn Amsterdam Zuidas met een gemiddelde huurprijs van EUR 288 op basis van 22 transacties (en 35.490 m2 aan totaal verhuurd oppervlak) en Amsterdam Zuid met een huurprijs van EUR 253 op basis van 51 transacties (en 26.593 m2 aan verhuurd oppervlak). 5
Zo wordt in JLL Ranking 2013 steden meegenomen als Schiedam en Alphen aan den Rijn, maar deze steden zijn bij FGH Vastgoedbericht niet opgenomen bij haar verdeling in kantoorlocaties. 6 Nieuwegein is nog wel opgenomen in de geselecteerde dataset. De reden hiervoor is dat deze stad vanuit Schiphol gezien meer onder Utrecht is gelegen dan er achter en dat de kantorenmarkt van Nieuwegein als nauw verbonden met de kantorenmarkt van Utrecht wordt beschouwd.
14
Amsterdam wordt gevolgd door Haarlemmermeer met een gemiddelde huurprijs van EUR 198 per vierkante meter op basis van 27 transacties. Haarlemmermeer herbergt tevens de kantoorlocatie met de hoogste gemiddelde huuropbrengst van deze database. Dat betreft Schiphol Centrum met een gemiddelde huurprijs van EUR 328 op basis van vijf transacties (en 12.172 m2 aan verhuurd oppervlak). Daarnaast vallen de relatief hoge gemiddelde huurprijzen op van de gemeentes Amstelveen en Leiden. Beide steden hebben een hogere (of minimaal gelijke) gemiddelde huurprijs dan de grotere steden Rotterdam, Utrecht en ´s-Gravenhage. De laagste gemiddelde huurprijzen worden gerealiseerd in Woerden, Nieuwegein, Gouda en Rijswijk. Dit is conform verwachting. De kantoorlocatie met de laagste gemiddelde huurprijs van deze geselecteerde dataset is Nieuwegein Laagraven met EUR 87. Tabel 2: Huurprijs per vierkante meter per jaar Jaar
Gemiddelde
157,97 162,09 159,02 168,53 135,10 117,00 159,15
2009 2010 2011 2012 2013 2014 Totaal
N
Std. Deviation Minimum
293 190 177 209 79 6 954
55,28 58,96 56,23 68,93 53,88 26,53 59,74
56 40 50 52 40 92 40
Maximum
360 375 428 375 295 146 428
Mediaan
150 156,5 150 154 130 114,5 150
Tabel 2 laat zien dat, na een opleving in 2012, er een duidelijk negatieve trend waarneembaar is, zowel gezien de gemiddelde huurprijs als het aantal transacties die gerealiseerd zijn. De gerealiseerde gemiddelde huurprijs in 2013 en 2014 zijn met 15%, respectievelijk met 26% gedaald ten opzichte van 2009. Ten opzichte van 2012 is de daling nog groter met 20% (2013) en 30% (2014). Ook het aantal transacties zijn in 2013 aanzienlijk teruggelopen ten opzichte van eerdere jaren en die trend lijkt zich in 2014 door te zetten met gemiddeld slechts drie transacties per maand (al kan dit ook veroorzaakt zijn dat nog niet alle transacties van 2014 zijn opgenomen in de dataset van VTIS).
3.3.
Methode
Er zal bij het bepalen van het effect van de aanwezigheid van Schiphol op de prijzen van kantoorpanden gebruik worden gemaakt van de hedonische prijsanalyse. In een hedonische prijsanalyse wordt een consumptiegoed beschouwd als een bundeling van kenmerken. Hierbij wordt gebruik gemaakt van een meervoudige regressieanalyse, waarbij voor elk kenmerk van het consumptiegoed de impliciete waarde kan worden bepaald, alsmede het relatieve belang dat elk van die kenmerken heeft bij het bepalen van de totaalprijs van het consumptiegoed (o.a. Beekmans en Beckers, 2013 en Weterings e.a., 2009, beide verwijzend naar Rosen (1974)). Een hedonische prijsanalyse heeft overigens haar beperkingen (De Vor, 2011). Bij deze analyse wordt onder andere verondersteld dat de markt in evenwicht is en voor een ieder transparant (Weterings e.a., 2009). Dit is in de praktijk niet het geval. Om het model hierop aan te passen is het volgens Weterings e.a. (2009), onder verwijzing naar Malpezzi (2003), onder andere van belang duidelijke geografische gebieden en tijdsperiodes af te bakenen. In deze studie is dat gedaan door specifiek de Randstad te nemen (met voldoende variatie in prijzen) in een bepaalde tijdsperiode (2009-2014).
15
Middels een meervoudige regressieanalyse wordt aan de hand van diverse kenmerken het verband geschat tussen een afhankelijke variabele en meerdere onafhankelijke variabelen. Dit houdt in dat in dit onderzoek de relatie wordt geschat tussen kantoorprijs (afhankelijke variabele) en verschillende onafhankelijke (verklarende en controle) variabelen. Een meervoudig regressiemodel kan als volgt worden weergegeven:
Y = β 0 + β 1 * X 1 ………+ β m * X m Hierbij is: - Y de afhankelijke variabele (= de kantoorprijs uitgedrukt in huurprijs per vierkante meter). - X1 de verklarende variabele. -
Xm de controle variabelen
De controle-variabelen kunnen hierbij ook als Dummy worden opgenomen. In dat geval is de keuze wel of niet, weergegeven in 1 of 0 in de dataset. Functionele vorm. De functionele vorm kan onder meer lineair, semi-logaritmisch en dubbel-logaritmisch zijn. In dit onderzoek wordt gekozen voor de dubbel-logaritmische vorm, waarin de beide variabelen als logaritmes worden gespecificeerd met uitzondering van de dummy variabelen. De formule hiervan is:
LnY = β 0 + Ln β 1 * X 1 + ... + Ln β m * X m Het resultaat van de regressiecoëfficiënten geeft bij deze vorm weer wat de procentuele verandering is in de afhankelijke variabele voor elke procentuele verandering in de onafhankelijke variabelen. Middels een dubbel-logaritmische functie kunnen de coëfficiënten van deze hedonische formule worden beschouwd als elasticiteiten (De Vor, 2011). In de volgende paragraaf zullen de onafhankelijke variabelen nader worden toegelicht en uitgewerkt.
3.4.
Onafhankelijke variabelen
3.4.1. Reisafstand Schiphol als verklarende variabele Dit onderzoek spitst zich toe op de vraag of de ligging ten opzichte van Schiphol effect heeft op kantoorprijzen van een kantoorlocatie. Uit voorgaande literatuurstudie bleek dat de analyses, die de afstand van een luchthaven meenamen, de afstand werd weergegeven in mijlen of kilometers. Dit kan worden gezien als de absolute afstand. In deze analyse zal echter worden gekeken naar de relatieve afstand en zal de ligging worden bepaald op basis van haar reisafstand vanaf Schiphol. Immers ook in het midden van netwerken kunnen plekken slecht “aangetakt” zijn op de bestaande infrastructuur (Tordoir, 2005, p. 10), waardoor de absolute afstand vaak weinig zegt over de relatieve afstand die een locatie heeft ten opzichte van een andere locatie. In deze studie wordt dan ook de ligging ten opzichte van Schiphol gedefinieerd als de reisafstand vanaf de vertrek- en aankomsthal van Schiphol tot een kantoorpand (door middel van de bijbehorende postcode) gelegen op een kantoorlocatie.
16
Dit zal op twee manieren worden gedaan: - De reisafstand per openbaar vervoer (zie ook figuur 1); - De reisafstand per auto. Figuur 1: reisafstanden van Schiphol (postcode 1118) met openbaar vervoer, bron: bereikbaarheidskaart.nl
Er wordt een negatief teken verwacht ten opzichte van de huurprijs van een kantoor: een langere reisafstand vanaf Schiphol zal naar verwachting een lagere huurprijs tot gevolg hebben. De verwachting is tevens dat de reisafstand per openbaar vervoer van grotere invloed is dan de reisafstand per auto. Immers voor vluchten naar Schiphol zal over het algemeen gelden dat er bij aankomst niet een eigen auto ter beschikking staat en dat de kosten van openbaar vervoer in de meeste gevallen lager zullen liggen dan het vervoer met bijvoorbeeld een taxi of huurauto. De reistijd per openbaar vervoer vanaf Schiphol wordt bepaald in minuten. Gebruikte bronnen zijn www.google.maps.nl en www.ns.nl. De gekozen datum is vrijdag 14 maart 2013, waarbij de kortste tijd die benodigd is tussen 9.00 tot maximaal 11.00 in de ochtend is gebruikt voor de dataset. De gemiddelde reistijd met openbaar vervoer vanaf Schiphol tot een kantoorpand bedraagt in dit onderzoek 45 minuten met een minimum van 5 en een maximum van 82 minuten. De reistijd per auto vanaf Schiphol wordt bepaald in minuten. Gebruikte bron is www.google.maps.nl. De gekozen datum is vrijdag 14 maart 2013. Hierbij wordt geen rekening gehouden met files en/of vertragingen. De gemiddelde reistijd vanaf Schiphol met de auto tot een kantoorpand bedraagt in dit onderzoek 29 minuten met een minimum van 2 en een maximum van 48 minuten. Zie ook Bijlage A en Bijlage B waarin de gemiddelde reistijd, alsmede de minimale en maximale reistijd (per kantoorlocatie) zijn opgenomen.
17
Figuur 2 toont een grafische weergave de relatie tussen gerealiseerde huurprijs per vierkante meter en de bijbehorende reisafstand vanaf Schiphol per openbaar vervoer7. Figuur 2: Grafische weergave van de relatie tussen huurprijs en reisafstand OV Schiphol
Aangezien de bereikbaarheid met Schiphol als de verklarende variabele in dit onderzoek wordt beschouwd - de andere variabelen ceteris paribus verondersteld - is het van belang deze te “corrigeren” met andere bereikbaarheidsfactoren. Immers een korte reisafstand met Schiphol zal hoogstwaarschijnlijk in de praktijk ook betekenen dat een kantoorlocatie per definitie goed bereikbaar is en dat er daarom relatief weinig tijd hoeft te worden besteed om bij een kantoorpand aan te komen. Hieronder zullen daarom deze bereikbaarheidsfactoren nader worden uitgewerkt.
3.4.2. Controle-variabelen: Bereikbaarheid Uit verschillende onderzoeken naar de locatievoorkeuren van bedrijven blijkt volgens Weterings e.a. (2009, p. 27) dat bereikbaarheid “de belangrijkste locatiefactor van bedrijven is (Atzema, 2001; Van Oort e.a. 2007)”. Zij stellen dan ook: “De bereikbaarheid van het pand per auto of per openbaar vervoer beïnvloedt de huurprijs. Hoe dichter bij een op- of afrit van de snelweg, een bushalte of een treinstation, hoe hoger de huurprijs.” (Weterings e.a., 2009, p. 9). De volgende controlevariabelen voor bereikbaarheid zullen daarom worden meegenomen (tabel 3): - De afstand tot meest naastgelegen treinstation ten opzichte van het kantoorpand in meters (bron: google.maps.nl); - Of er een directe verbinding is met Schiphol via dit treinstation (dummy, 1=ja, ns.nl); - Of het meest naastgelegen treinstation van hoge kwaliteit is (dummy, 1=ja, ns.nl); - Of een snelwegafrit dichtbij gelegen is (dummy, 1=ja, google.maps.nl). 7
Voor Reisafstand per auto komt een vergelijkbare scatterplot naar voren.
18
De reden om de ‘afstand tot meest naastgelegen treinstation in meters’ als controle-variabele mee te nemen is dat een kantoorpand wellicht per bus goed bereikbaar is vanaf Schiphol, maar per trein wellicht niet. Een spoorlijn is in ieder geval voor de middellange termijn een vast gegeven. Een buslijn kan ieder moment worden opgeheven. Uit voorgaande literatuurstudie blijk dat een station verder af gelegen een negatieve invloed heeft op de huurprijs (o.a. Debrezion e.a., 2007 en Engelman, 2013), wel blijkt dat huurders alleen bereid zijn een hogere huurprijs te betalen voor de nabijheid tot een treinstation als het station zich binnen loopafstand bevindt (Weterings e.a., 2009). Hetzelfde geldt voor de controle-variabele ‘directe verbinding per spoor met Schiphol’. Indien er geen sprake is van een directe verbinding met Schiphol zal dit naar verwachting een negatieve invloed hebben op de bereikbaarheid met Schiphol en daarmee een lagere prijs tot gevolg hebben. Tevens komt uit empirische onderzoeken naar voren dat de kwaliteit van een treinstation van belang is en een positieve invloed heeft op de kantoorprijs (o.a. Weterings e.a., 2009). In dit onderzoek heeft een treinstation een hoge kwaliteit als het een intercity-station betreft, die fungeert als knooppunt naar andere belangrijke bestemmingen (intercity-knooppunten). Tevens heeft het station veel extra voorzieningen, zoals winkels en horeca. In dit onderzoek betreft dit de Centraal Stations van Amsterdam, Schiphol, Leiden, Den Haag, Rotterdam, Utrecht en Hilversum, alsmede WTC Zuid Amsterdam, Bijlmer Arena en Den Haag HS. Voor de variabele ‘dichtbij een snelwegafrit gelegen’ geldt dat een kantoorpand maximaal 1,5 kilometer van een oprit van de snelweg afligt. Hierbij is de verwachting is dat een kantoorlocatie dichter bij de snelweg gelegen een positieve invloed heeft op de huurprijs (o.a. Weterings e.a., 2009), al blijkt uit ander onderzoek van Jennen en Brounen (2009) en Engelman (2013) dat dit effect er niet is, zelfs een positief teken heeft en derhalve van negatieve invloed is. Tabel 3: overzicht Bereikbaarheid (totaal N=954) Bereikbaarheid Minimum Maximum
Dichtstbijzijnde station in meters Directe verbinding Schiphol, 1=ja Hoge kwaliteit station, 1=ja Dichtbij afrit snelweg, 1=ja
10 0 0 0
8100 1 1 1
N
nvt 554 397 317
Gemiddelde
1851 0,58 0,42 0,33
Std. Deviation
1587,33 0,49 0,49 0,47
Bron Google.maps ns.nl ns.nl Google.maps
3.4.3. Controle-variabelen: Overige kenmerken van een kantoorlocatie Naast bereikbaarheid zijn er ook andere locatiekenmerken aanwezig die de hoogte van kantoorprijzen op een kantoorlocatie kunnen verklaren. Hierbij worden de volgende controlevariabelen onderscheiden: - Het voorzieningenniveau van een kantoorlocatie - De stad waar een kantoorlocatie zich bevindt - De ouderdom van een kantoorlocatie - De omvang van een kantoorlocatie - De leegstand op een kantoorlocatie Deze kenmerken worden hieronder toegelicht. Zie hiervoor ook Bijlage A (een overzicht van de gebruikte variabelen in dit onderzoek) en Bijlage B (een overzicht van alle geselecteerde kantoorlocaties met haar kenmerken).
19
Voorzieningenniveau van een kantoorlocatie Zoals uit voorgaande literatuurstudie is gebleken, is het voorzieningenniveau van een locatie van belang ter verklaring van de hoogte van de huurprijs. De aanwezigheid van horeca, winkels en cultuur heeft een positief effect. In dit onderzoek wordt de volgende onderverdeling, conform Ranking Kantoorlocaties JLL 2013, gemaakt van het voorzieningenniveau per kantoorlocatie (dummy, 1=ja): - Multifunctionele kantoorlocatie (hoog voorzieningenniveau); - Centrummilieu, (centraal) stationslocatie (hoog voorzieningenniveau); - Monofunctioneel (laag voorzieningenniveau). De verwachting hierbij is dat een kantoorlocatie met een laag voorzieningengehalte, in dit geval de Monofunctionele kantorenlocatie, leidt tot lagere prijzen dan gerealiseerd op een locatie met een hoog voorzieningenniveau. De stad waar een kantoorlocatie zich bevindt In Nederland zijn volgens DTZ (2014) een aantal kernsteden te onderscheiden, die naast een nationale ook een internationale invloedsfeer hebben. Zoals Rotterdam met haar haven, Den Haag als politiek centrum en Utrecht met het grootste openbaarvervoersknooppunt van Nederland. Amsterdam is hierbij echter in Nederland de kernstad voor de kantorenmarkt, die acteert in het speelveld van Europese hoofdsteden (DTZ, 2014). Zo werd in 2012 22% van de totale opname van Nederland in Amsterdam gerealiseerd (DTZ, 2014). Ook de gemiddelde huurprijzen liggen ruim boven het gemiddelde van andere steden (o.a. FGH 2014 en DTZ 2013). De verwachting is derhalve dat op een kantorenlocatie in Amsterdam gemiddeld hogere huurprijzen worden gerealiseerd dan andere kantoorlocaties. Tevens is de verwachting is dat in de overige grote steden, Rotterdam, Den Haag en Utrecht, als kernsteden in de Randstad, een gemiddeld hogere huurprijs wordt betaald dan in de kleinere steden van de Randstad. De volgende onderverdeling is hierbij gemaakt (dummy, 1 =ja): - Amsterdam; - G3: Rotterdam, Utrecht, ’s-Gravenhage; - Overige steden. Ouderdom van een kantoorlocatie Uit diverse onderzoeken (o.a. Dunse en Jones, 2002 en Nagai e.a., 2000) is gebleken dat de bouwjaar van een kantoor van belang is voor het verklaren van de hoogte van kantoorprijzen. Volgens Weterings e.a. (2009) is een huurder bereid als eerste gebruiker een hogere huurprijs te betalen. Ook voldoen nieuwe kantoren beter aan de eisen van de huidige tijd. Op kantoorlocaties met overwegend kantoren van voor 1940 speelt echter status een belangrijke rol: prestige compenseert daarmee ruim eventuele technologische tekortkomingen (Jennen en Brounen, 2009). Tevens liggen deze klassieke locaties van oudsher in een CBD, waar veelal hogere prijzen worden betaald. Bij ‘Ouderdom van een kantoorlocatie’ wordt in deze analyse onderscheid gemaakt in (dummy, 1=ja): - Nieuwe kantoorlocatie: overwegend kantoren gebouwd na jaar 2000; - Oudere kantoorlocatie: overwegend kantoren gebouwd tussen jaren 1950 en 2000, wel met nieuwbouw (na jaar 2000) en renovatie;
20
-
Verouderde kantoorlocatie: overwegend kantoren gebouwd tussen jaren 1950 en 2000. Nauwelijks tot geen nieuwbouw en renovatie; Klassieke kantoorlocatie in historische omgeving: overwegend voor jaar 1940 gebouwd.
Voor het bepalen van de ouderdom van een kantoorlocatie is gebruik gemaakt van het databestand “Voorraad en Aanbod” van Bak (2014). Hierbij is gekeken naar de bouwjaren van panden gelegen op een kantoorlocatie. De verwachting is dat op Nieuwe en Klassieke kantoorlocaties hogere huurprijzen worden gerealiseerd dan op de Oudere en Verouderde locaties, waarbij op de Veroudere locaties naar verwachting gemiddeld de laagste huurprijzen worden gerealiseerd. Totale voorraad per kantoorlocatie De omvang van een kantorenlocatie kan van invloed zijn op de prijzen die gerealiseerd worden op deze locatie. Door schaalvoordelen zullen grotere locaties meer aantrekkingskracht hebben ten koste van andere locaties. Deze agglomeratie-effecten zijn onder andere beschreven door Lambooy (1998) en Tordoir (2013), beide refererend aan het werk van Krugman. Tegelijkertijd kunnen kleinere gespecialiseerde locaties meer een niche markt bedienen wat tot meer concurrentiekracht kan leiden voor een bedrijf op een dergelijke locatie, waardoor deze bereid is meer te betalen (Porter, 1998). Voor het bepalen van de omvang van een kantoorlocatie wordt gebruik gemaakt van Ranking Kantoorlocaties JLL 2013, waarbij de voorraad in vierkante meters per kantoorlocatie (in 2012) is weergegeven. De volgende onderverdeling is hierop gemaakt (dummy, 1=ja): - Kantoorlocaties omvang Klein: tot 100.000 m2 voorraad kantoorruimte; - Kantoorlocaties omvang Midden: vanaf 100.000 tot 500.000 m2 voorraad kantoorruimte; - Kantoorlocaties omvang Groot: vanaf 500.000 m2 voorraad kantoorruimte. Leegstandspercentage per kantoorlocatie Volgens de klassieke economische theorie leidt veel aanbod tot lagere prijzen en vice versa. Voor de kantorenmarkt is dit zeer uitvoerig door DiPasquale en Wheaton (1996) beschreven en onderbouwd middels hun bekende vier-kwadrantenmodel. De verwachting is dan ook dat een lage leegstand op een kantoorlocatie leidt tot hogere huurprijzen. Hierbij moet vermeld dat er in de literatuur discussie is over de toegevoegde waarde van “leegstand” in een hedonisch model (Dunse en Jones, 2002). Dit hangt volgens Sivitanidou (1995) onder meer samen met de opzet van een hedonisch basismodel, waarbij in veel studies vaak alleen de variabelen, die de vraagzijde weergeven, worden gebruikt. Om ook de “aanbod”-factoren, waartoe ook de factor ‘leegstandpercentage’ gerekend kan worden, mee te nemen in het onderzoek dient het model te worden aangepast. Aangezien het voor deze analyse te ver voert om een aanpassing door te voeren op het model en zo de aanbodzijde nadrukkelijk een rol te geven, is er in dit geval voor gekozen alleen de variabele ‘weinig leegstand’ als dummy op te nemen. Hierbij geldt dat onder de 5% er sprake is van een laag leegstandsniveau op een kantoorlocatie (1=ja). Voor het bepalen van de leegstand van een kantoorlocatie wordt gebruik gemaakt van Ranking Kantoorlocaties JLL 2013, waarbij de leegstandpercentages per kantoorlocatie (in 2012) is weergegeven.
21
3.5.
Resumé
De hypothese geformuleerd in Hoofdstuk 2 luidde als volgt: ‘een dichter bij Luchthaven Schiphol gelegen kantoorpand heeft een hogere gemiddelde huurprijs per vierkante meter dan een kantoorpand verder weg gelegen van Luchthaven Schiphol, rekening houdend met overige relevante factoren’. Deze hypothese is in dit hoofdstuk nader uitgewerkt. De afhankelijke variabele is de huurprijs per vierkante meter gerealiseerd op een kantoorlocatie. Deze gegevens zijn afkomstig uit een database van Strabo VTIS. Dit heeft uiteindelijk geresulteerd in een dataset van 954 huurtransacties van in totaal 646.342 m2 verhuurd kantoorvloeroppervlak en een gemiddelde oppervlakte per transactie van 677 m2, wat neerkomt op EUR 110,7 miljoen aan totaal gerealiseerde huur op 71 verschillende kantoorlocaties verspreid over 16 gemeentes, allen gelegen in de Randstad. De ligging vanaf Schiphol is de verklarende variabele van dit onderzoek en wordt gedefinieerd als reisafstand met openbaar vervoer en als reisafstand per auto in minuten. De gemiddelde reistijd met openbaar vervoer vanaf Schiphol tot een kantoorpand bedraagt in dit onderzoek 45 minuten met een minimum van 5 en een maximum van 82 minuten. De gemiddelde reistijd vanaf Schiphol met de auto tot een kantoorpand bedraagt in dit onderzoek 29 minuten met een minimum van 2 en een maximum van 48 minuten. Deze verklarende variabele dient vervolgens gecorrigeerd te worden met de (overige) bereikbaarheidsfactoren en daarna met de factoren die de ‘kenmerken van de kantoorlocatie’ weergeven. Hierbij zijn de volgende controlevariabelen voor ‘bereikbaarheid’ opgenomen: - De afstand tot meest naastgelegen treinstation ten opzichte van het kantoorpand in meters; - Of er een directe verbinding is met Schiphol via dit treinstation; - Of het meest naastgelegen treinstation van hoge kwaliteit is; - Of een snelwegafrit dichtbij gelegen is. En zijn de volgende controlevariabelen voor de ‘kenmerken van een kantoorlocatie’ bepaald: - Het voorzieningenniveau van een kantoorlocatie; - De stad waar een kantoorlocatie zich bevindt; - De ouderdom van een kantoorlocatie; - De omvang van een kantoorlocatie; - De leegstand op een kantoorlocatie. In het volgende hoofdstuk zal vervolgens aan de hand van de geselecteerde dataset een hedonische prijsanalyse worden uitgevoerd, waarbij de hiervoor genoemde hypothese getoetst zal worden.
22
Hoofdstuk 4 Empirische resultaten 4.1.
Inleiding
In dit hoofdstuk zullen twee basismodellen worden uitgewerkt, waarbij een onderverdeling wordt gemaakt in de modellen tussen Reistijd Openbaar Vervoer en Reistijd per auto, zijnde de twee verklarende variabelen in het onderzoek. Beide basismodellen zullen in drie stappen worden opgebouwd. Daarna worden de resultaten van beide basismodellen (met de stapsgewijze uitbreiding) getoond en wordt er een interpretatie van de uitkomsten gegeven. Vervolgens vindt er een verdieping plaats van de analyse. Er zal worden nader ingezoomd in hoeverre nu het effect van Schiphol van toepassing is, middels ‘distance decay’ en getoetst of er verschillen in uitkomsten zijn bij meerdere tijdsperiodes. Tenslotte volgt de conclusie en wordt beoordeeld of de hypothese zoals geformuleerd in hoofdstuk 2 onderschreven, danwel verworpen dient te worden.
4.2.
Modelspecificatie
In het basismodel wordt het effect van Schiphol op de gerealiseerde huurprijs van kantoorgebouwen geanalyseerd. De gekozen vorm van de hedonische regressieanalyse voor dit onderzoek is, zoals hiervoor in hoofdstuk 3 beschreven, dubbel-logaritmisch, wat resulteert in de volgende twee vergelijkingsformules:
LnH k = β 0 + Ln β 1 OV k + β 2 Y 2009- 2014 (Hk) + ετ
(1A)
LnH k = β 0 + Ln β 1 AUTO k + β 2 Y 2009- 2014 ( H k ) + ετ
(1B)
In deze formuleringen is de afhankelijke variabele de natuurlijke logaritme van de gerealiseerde huurprijs per vierkante meter (H) in kantoorgebouw k. De verklarende variabele in model 1A is de natuurlijke logaritme van de Reistijd vanaf Schiphol in minuten per Openbaar Vervoer (OV) en in model 1B de natuurlijke logaritme van de Reistijd vanaf Schiphol in minuten per auto (AUTO). Als enige andere controlevariabele is het jaartal (Y ) van de gerealiseerde huurtransactie als Dummy opgenomen. β 0 is de constante en ετ de error coëfficiënt (foutterm). Vervolgens worden beide basismodellen uitgebreid met de controlevariabelen ‘Bereikbaarheid’ (zie ook paragraaf 3.4.2):
LnH k = β 0 + Ln β 1 OV k + β 2 Y (Hk) + Ʃ 4 β 3 BR k + ετ
(2A)
LnH k = β 0 + Ln β 1 AUTO k + β 2 Y (Hk) + Ʃ 4 β 3 BR k + ετ
(2B)
Hierbij zijn de vier controle-variabelen voor ‘Bereikbaarheid’ (BR) opgenomen als dummy variabelen met uitzondering van ‘Afstand in meters naar het dichtstbijzijnde treinstation’. Deze variabele wordt in beide modellen weergegeven als een natuurlijke logaritme.
23
Tenslotte worden bovenstaande modellen uitgebreid met overige kenmerken kantoorlocaties (zie ook paragraaf 3.4.3.):
LnH k = β 0 + Ln β 1 OV k + β 2 Y (Hk) + Ʃ 4 β 3 BR k + Ʃ 5 β 4 KM lo ca t i e + ετ
(3A)
LnH k = β 0 + Ln β 1 AUTO k + β 2 Y (Hk) + Ʃ 4 β 3 BR k + Ʃ 5 β 4 KM l oc a t i e + ετ
(3B)
Hierbij zijn de vijf controle-variabelen voor ‘Kenmerken Kantoorlocaties’ (KM loc a t i e ) opgenomen als dummy variabelen.
4.3.
Resultaten basismodel
In onderstaande tabel (tabel 4) worden de uitgevoerde regressies van bovenstaande formules getoond. Onderaan de modellen worden de referentie categorieën weergegeven. Deze referentie categorieën zijn in het model de uitgesloten variabelen waaraan per categorie de verschillen met de andere variabelen worden getoetst. Daarnaast wordt de ‘R-squared’ en de ‘adjusted R-squared’ getoond. De ‘R-squared’ geeft aan wat de verklarende kracht is van het regressiemodel: in hoeverre verklaren de geselecteerde onafhankelijke variabelen daadwerkelijk de variantie van de te verklaren variabele. Aangezien het toevoegen van variabelen enkel een positief effect kan hebben op de verklaringskracht van het model wordt ook de verklaringskrachtmaatstaf adjusted R-squared weergegeven. Deze maatstaf corrigeert de ‘R-squared’ voor het aantal opgenomen variabelen (o.a. Engelman, 2013). Interpretatie uitkomsten Basismodel Primair wordt in deze studie onderzocht of er sprake is van een nabijheidseffect van Schiphol. Uit tabel 4 blijkt dat hier duidelijk sprake van is. De reistijd vanaf Schiphol naar een kantoorpand per OV, respectievelijk per auto, is in alle drie de basismodellen significant op 1% niveau met het verwachte teken (negatief). En ongeacht het model en de toegevoegde controlevariabelen blijven de coëfficiënten van reistijd OV en per auto vanaf Schiphol redelijk constant. Zo daalt weliswaar de coëfficiënt van Reistijd per OV (zonder controlevariabelen) van -0,407 met toevoegen van de (overige) bereikbaarheidsfactoren naar -0,335 en vervolgens bij de laatste uitbreiding naar -0,214, maar de coëfficiënt blijft relatief hoog. Bij Reistijd met auto blijkt het verloop van de coëfficiënt, weliswaar op een lager niveau, nog meer constant te zijn. In het volledige model komt de coëfficiënt van de variabele ‘Reistijd OV’ zoals gezegd uit op 0,214 negatief. Aangezien er sprake is van een dubbel-logaritmische functie en de coëfficiënt daarom als een elasticiteit kan worden beschouwd (zie hoofdstuk 3), houdt dit in dat bij iedere verdubbeling van de reisafstand met openbaar vervoer vanaf Schiphol tot een kantoorpand, de huurprijs 21,4% lager uitkomt. Voor de reistijd per auto is dit percentage 15,7%.
24
Tabel 4: Uitkomsten Regressieanalyse basismodel Model 1 A Constant
6,503*** (72,382)
Reistijd OV vanaf Schiphol (min., log)
Model 2 B 5,907*** (79,795)
-0,407***
A 6,027*** (47,667)
-0,280***
0,064** (2,109)
y2011
0,037
y2012
0,027
y2013
-0,086**
y2014
-0,279**
(1,203) (0,925) (-2,077) (-2,086)
(48,326)
0,039 (1,234)
0,024 (0,730)
0,026 (0,852)
-0,116*** (-2,655)
-0,307** (-2,169)
A
B
5,768*** (40,268)
-0,157***
(-9,334)
(1,006)
0,015 (0,492)
-0,019 (-0,681)
-0,111*** (-2,798)
-0,319** (-2,509)
(39,742)
(-5,694)
-0,204***
0,029
5,751***
-0,214***
(-10,096)
(-12,659)
y2010
5,890***
-0,335***
(-17,067)
Reistijd auto vanaf Schiphol (min., log)
Model 3 B
0,026 (0,895)
0,013 (0,440)
-0,024 (-0,832)
-0,120*** (-3,019)
-0,308** (-2,402)
(-5,449)
0,016 (0,613)
-0,007 (-0,259)
-0,052** (-2,063)
-0,134*** (-3,804)
-0,387*** (-3,436)
0,012 (0,481)
-0,007 (-0,258)
-0,056** (-2,216)
-0,142*** (-4,042)
-0,376*** (-3,334)
Bereikbaarheid Treinstation in meters (log)
0,021 (1,540)
Directe verbinding (1=ja)
-0,020
Hoge kwaliteit station (1=ja)
0,231***
Dichtbij afrit snelweg (1=ja)
-0,016
(-0,581) (7,779) (-0,734)
-0,046*** (-3,768)
0,069** (2,174)
0,215*** (7,184)
-0,039* (-1,682)
0,028* (1,980)
-0,061* (-1,755)
0,153*** (5,391)
0,074*** (3,188)
-0,007 (-0,530)
-0,021 (-0,655)
0,136*** (4,820)
0,061** (2,584)
Kenmerken Kantoorlocatie Multifunctioneel (1=ja)
0,032 (0,778)
Monofunctioneel (1=ja)
-0,118*** (-3,935)
Amsterdam (1=ja)
0,050 (1,302)
Overige steden (1=ja)
-0,046* (-1,861)
Nieuwe locatie (1=ja)
0,046 (1,064)
Oudere locatie (1=ja)
-0,221***
Veroudere locatie (1=ja)
-0,350***
(-7,770) (-9,675)
Voorraad_klein (1=ja)
0,024 (0,544)
Voorraad_midden (1=ja)
0,040 (1,271)
Leegstand_laag (1=ja)
-0,077** (-2,118)
R-squared
0,254
0,328 0,166
Adjusted R-squared
0,249
(0,818)
-0,155*** (-5,065)
0,006 (0,131)
-0,051** (-2,036)
0,070 (1,601)
-0,204*** (-7,174)
-0,353*** (-9,756)
-0,011 (-0,247)
0,030 (0,947)
-0,077** (-2,133)
0,482 0,318
0,321 0,160
0,034
0,481 0,471
0,311
0,470
Opmerkingen: t-waarde tussen ( ); *** significantie op 1% niveau; ** significantie op 5% niveau; * significantie op 10% niveau. Referentie categorieën: y2009, Centrummilieu/ Station Centraal, G3 (RDAM, UTR, DH), Klassieke locatie en Voorraad_groot
25
De verklarende kracht van het model is hierbij redelijk. Het basismodel met verklarende variabele ‘Reistijd OV vanaf Schiphol’ heeft een ‘adjusted R-squared’ die oploopt van 0,249, via 0,321 naar 0,471. Dit houdt in dat, bij de laatste uitbreiding van het model van de meervoudige regressieanalyse, 47% van de variantie in de afhankelijke variabele kan worden uitgelegd met behulp van de onafhankelijke variabelen: iets minder dan de helft van de variantie in de gerealiseerde huurprijzen op de geselecteerde kantoorlocaties in de Randstad kan derhalve worden verklaard met de in de tabel opgenomen set aan verklarende en controlevariabelen. Dit geldt ook voor het basismodel met verklarende variabele ‘Reistijd per auto vanaf Schiphol’ met een ‘adjusted R-squared’ die oploopt van 0,160, via 0,311 naar 0,470. Waarbij de verklarende kracht van deze variabele wel lager uitkomt dan de variabele ‘Reistijd OV vanaf Schiphol’, zeker indien er niet gecorrigeerd is voor Bereikbaarheid en (overige) Kenmerken van kantoorlocaties: de verklarende kracht is dan met 16% aanzienlijk lager dan de bij Reistijd met Openbaar Vervoer behaalde percentage van 25%. Uit deze regressieanalyse komt derhalve naar voren dat de reisafstand vanaf Schiphol, ongeacht het toevoegen van andere (locatie-)factoren, een belangrijke variabele is voor het verklaren van de kantoorprijzen gerealiseerd op een kantoorlocatie in de Randstad. Er kan dus worden gesproken over een aantoonbaar “Schiphol-effect”. Voor de meeste controlevariabelen geldt daarbij dat deze het verwachte teken laten zien, maar niet alle variabelen zijn significant. Een aantal opvallende zaken worden hieronder nog nader uitgelicht.
Bereikbaarheid De variabele ‘Hoge kwaliteit van het meest dichtbij gelegen treinstation’ is in alle gevallen significant (met 99% betrouwbaarheid) en heeft ook een relatief grote positieve invloed op de afhankelijke variabele van 15% bij model 3A (OV) en 14% bij model 3B (Auto). Een kantoorpand gelegen bij een treinstation van hoge kwaliteit heeft in dit geval derhalve een significant hogere huurprijs tot gevolg dan een kantoorpand bij een treinstation waarvoor dit niet geldt. Dit sluit aan bij de uitkomsten van eerder empirische onderzoek van Weterings e.a. (2009), die stellen dat de kwaliteit van een treinstation, uitgedrukt in aantal en kwaliteit van verbindingen, belangrijker is dan alleen de aanwezigheid. Opvallend is dat het teken bij ‘afstand treinstation’ in model 3A en ‘directe verbinding met Schiphol’ in beide modellen een tegengestelde richting laten zien dan verwacht (o.a. Debrezion e.a., 2007). Bij ‘Afstand treinstation’ komt uit de regressie dat een verdubbeling van de afstand in meters tot het station de huurprijs met 2,8% omhoog gaat (significant met 10%). Aangezien dit alleen van toepassing is bij het model die de verklarende variabele ‘Reistijd OV’ weergeeft, heeft dit mogelijk te maken met een overlap van deze variabele met ‘Reistijd OV’. Het positieve van de nabijheid van een station, zoals een kortere reistijd, zit wellicht al opgesloten in de verklarende variabele ‘Reistijd OV’, waardoor vooral de negatieve zaken, zoals bijvoorbeeld overlast, lawaai en drukte, van een treinstation de overhand krijgen en bij de ‘afstand treinstation’ tot uiting komt middels een positief teken. Een verklaring voor het negatieve teken van de variabele ‘directe verbinding Schiphol’ is niet
26
direct voor handen, wellicht zit ook hier de positieve verwachting reeds in de verklarende variabele ‘Reistijd’ opgesloten. De variabele ‘dichtbij afrit snelweg’ heeft een significant positieve coëfficiënt en is conform verwachting. Hieruit volgt dat in een kantoorpand (uit de geselecteerde dataset), die nabij een afrit van de snelweg is gelegen, gemiddeld een 7,4% (model 3A ‘OV reistijd’), respectievelijk 6,1% (model 3B ‘auto reistijd’) hogere huurprijs realiseert dan een kantoorpand die verder is gelegen. Kenmerken Kantoorlocaties Met het toevoegen van de controle-variabelen ‘Kenmerken Kantoorlocaties’ neemt de verklaringskracht van het model sterk toe. De meeste tekens laten hierbij de verwachte richting zien, waarbij vooral het voorzieningenniveau en de ouderdom van een locatie een belangrijke verklaring geven voor verschillen in de huurprijzen. Zo heeft een kantoorpand op een kantoorlocatie met een laag voorzieningenniveau, in deze studie de Monofunctionele locatie, een significant lagere huurprijs (met 99% betrouwbaarheid) dan een kantoorlocatie die gekwalificeerd wordt als een locatie met een hoog voorzieningenniveau. De huurprijs ligt op een Monofunctionele locatie 11,8% (bij ‘OV reistijd’), respectievelijk 15,5%, (bij ‘auto reistijd’), lager dan referentievariabele ‘Centrummilieu en/of Centraal station’- locatie. Ook een oudere of verouderde locatie laten een significant lagere huurprijs zien. De huurprijs op een ‘Oudere locatie’ ligt in dit model 22,1%, respectievelijk 20,4% lager, dan de huurprijs op een ‘Klassieke locatie’ gerealiseerd. Voor een ‘Verouderde locatie’ ligt dit percentage zelfs nog hoger met 35%, respectievelijk 35,3%. Dit is een aanzienlijk verschil. De variabele ‘Amsterdam’ laat weliswaar de verwachte uitkomt zien (5%, respectievelijk 0,6% hoger dan de steden aangemerkt als de G3), maar deze uitkomst is niet significant. Dit in tegenstelling tot de variabele ‘overige steden’, waar de huurprijs met circa 5% significant lager ligt dan de G3-steden. De verwachting is wel dat indien alleen Amsterdam wordt opgenomen als dummy-variabele (en G3 tot de overige steden behoort) er wel een significant verschil in huurprijs zal optreden. De variabele ‘omvang kantoorlocatie’ is in beide modellen niet significant. De variabele ‘Leegstand’ is wel significant, maar opvallend genoeg met een tegengestelde richting, waarbij een locatie met weinig leegstand een 8% lagere huurprijs realiseert dan een locatie met meer leegstand. Dit lijkt niet te stroken met de werkelijkheid. Wellicht heeft dit te maken met het relatief lage aantal transacties (N=79), die gekwalificeerd zijn als weinig leegstand. Ook zou hier nog kunnen worden gerefereerd aan de discussie in de literatuur (Dunse en Jones, 2002 en Sivitanidou, 1995), over het opnemen van ‘leegstand’ als aanbodfactor in een hedonisch basismodel (zie ook paragraaf 3.4.3). Misschien dat hier de variabele ‘leegstand’ conflicteert met de in deze studie gebruikte ‘vraag’-factoren.
27
4.4.
Het effect Schiphol nader beschouwd: ‘distance decay’
De reisafstand vanaf Schiphol heeft, zoals uit voortgaande regressieanalyse is gebleken, een aantoonbaar effect op de huurprijs van een kantoor. De vraag is echter tot waar dit effect reikt: bij welke reisafstand is dit effect nog voldoende aanwezig om van invloed te zijn? De verwachting hierbij is dat hoe verder een kantoorpand ligt van Schiphol hoe minder er een significant effect van Schiphol te onderkennen is en geleidelijk andere factoren de overhand zullen krijgen. De vraag of er nog een “Schiphol-effect” aanwezig is, kan worden onderzocht door de reistijd te verdelen in reisafstandeenheden, ook wel ‘distance decay’ genoemd (De Vor, 2011). Op een bepaald moment is er bij een afstandsklasse geen significantie meer. Dit markeert alsdan het keerpunt waarbij het gesignaleerde effect onvoldoende invloed heeft op de te verklaren variabele. Voor Reistijd Openbaar Vervoer zijn in totaal zes afstandsklassen geformeerd (dummy, ja=1): 0 - 12 minuten 12 - 24 minuten 24 - 36 minuten 36 - 48 minuten 48 - 60 minuten > 60 minuten (referentiecategorie) Daarnaast is het bestaande basismodel vereenvoudigd naar aanleiding van de uitkomsten uit de eerste analyses. Deze aanpassingen hebben betrekking op de variabelen ‘Kenmerken Kantoorlocaties’: - Bij ‘Voorzieningenniveau’ wordt nu alleen voor de variabele ‘Monofunctionele locatie’ gecontroleerd en wordt er geen onderscheid meer gemaakt tussen een Multifunctionele locatie en ‘Centrummilieu en/of Centraal station’- locatie. Beide soort locaties geven een hoog voorzieningenniveau weer en hadden in dit model geen significant verschil met elkaar. - Er zal geen onderscheid meer worden gemaakt tussen Amsterdam en de G3. Alleen Amsterdam zal als Dummy-variabele worden meegenomen in het model. - De omvang van een locatie zal buiten beschouwing worden gelaten, aangezien de invloed van deze variabele niet aanwezig lijkt te zijn. Ook leegstand zal uit dit model worden gehaald. Aan de dalende gemiddelde huurprijs per jaar is op te maken dat er sprake is van een negatieve trend. Ook signaleert JJL (2013) een steeds grotere kloof tussen kantoren op toplocaties en kantoorlocaties in de periferie. Bekend is ook dat medio 2011, mede door een escalatie van de Eurocrisis, de vastgoedmarkt in Nederland, na een kleine opleving, verder onder druk kwam te staan. Om te toetsen of de gevolgen hiervan effect hebben op de uitkomsten van deze analyse wordt de dataset achtereenvolgens opgedeeld in de volgende tijdsperiodes: periode van Y2009 - Y2014 (referentiecategorie Y2009) periode van Y2010 - Y2014 (referentiecategorie Y2010) periode van Y2011 - Y2014 (referentiecategorie Y2011) periode van Y2012 - Y2014 (referentiecategorie Y2012) In tabel 5 zijn de resultaten weergegeven.
28
Tabel 5: Regressie-analyse ‘distance decay’ en tijdsperiodes
Periode Y2009-2014 Y2010-2014 Constant
Periode Y2011-2014 Y2012-2014
4,967***
4,921***
4,723***
4,776***
(45,827)
(34,766)
(27,593)
(22,081)
0,507***
0,589***
(5,605)
(5,034)
Reistijd OV vanaf Schiphol (dummy): OV - > 0 - 12 minuten (1=ja) OV - > 12 - 24 minuten (1=ja)
0,105*
OV - > 24 - 36 minuten (1=ja)
0,098**
OV - > 36 - 48 minuten (1=ja)
0,005
OV - > 48 - 60 minuten (1=ja)
0,045
(1,867) (2,223) (0,139) (1,488)
y2010 (1=ja)
0,014
0,153** (2,055)
0,126** (2,172)
0,032 (0,625)
0,062* (1,713)
0,633*** (4,605)
0,179** (2,017)
0,171** (2,453)
0,046 (0,734)
0,054 (1,236)
0,770*** (4,544)
0,201* (1,868)
0,174* (1,937)
0,061 (0,776)
0,018 (0,322)
Referentie
(0,557)
y2011 (1=ja)
-0,007 (-0,268)
y2012 (1=ja) y2013 (1=ja) y2014 (1=ja)
Treinstation in meters (log)
-0,052**
-0,054*
Referentie
(-1,857)
-0,138***
-0,144***
-0,113***
(-3,927)
(-3,825)
(-2,939)
(-1,032)
-0,393***
-0,417***
-0,411***
-0,349***
(-3,489)
(-3,594)
(-3,537)
(-2,989)
0,018 0,020
Hoge kwaliteit station (1=ja)
0,105***
Dichtbij afrit snelweg (1=ja)
0,076***
(0,593) (3,719)
Nieuwe locatie (1=ja)
-0,075*** (-2,630)
Directe verbinding (1=ja)
Amsterdam (1=ja)
Referentie
(-0,796)
(-2,071)
(1,338)
Monofunctioneel (1=ja)
-0,023
0,020 (1,148)
0,073 (1,549)
0,078** (2,118)
0,073**
0,038* (1,756)
0,085 (1,521)
0,078* (1,811)
0,056
(3,418)
(2,558)
-0,145***
-0,132***
(-5,367)
(-3,756)
(-2,528)
0,096***
0,106***
0,119***
(3,160)
(2,824)
(2,724)
0,071*
0,068
(1,591)
-0,107**
0,068
-0,041
0,020 (0,747)
0,096 (1,284)
0,101* (4,969)
0,052 (1,163)
-0,106** (-1,976)
0,121** (2,170)
0,054
(1,664)
(1,346)
(1,168)
(0,777)
Oudere locatie (1=ja)
-0,200***
-0,212***
-0,185***
-0,204***
Veroudere locatie (1=ja)
-0,356***
(7,526)
(-6,441)
-0,331***
(-4,775)
(-3,973)
-0,307***
-0,297***
(-10,323)
(-7,565)
(-5,857)
(-4,122)
R-squared
0,482
0,498
0,515
0,569
Adjusted R-squared
0,471
0,484
0,497
0,544
954
661
471
294
Aantal
t-waarde tussen ( ); *** significantie op 1% niveau; ** significantie op 5% niveau; * significantie op 10% niveau. Referentie categorieën: OVReistijd > 60 minuten, Y2009, Klassieke locatie
29
Interpretatie uitkomsten ‘distance decay’ en tijdsperiodes Uit tabel 5 komt naar voren dat de eerste drie afstandsklassen (tot en met 36 minuten reistijd) een significant verschil hebben met de gekozen referentiecategorie (> 60 minuten). Dit geldt voor alle geselecteerde tijdsperiodes. Na deze drie afstandsklassen is dit niet meer het geval. De conclusie die derhalve getrokken kan worden is dat het “Schiphol-effect” van toepassing is indien een kantoorpand op een kantoorlocatie zich binnen ruim een half uur reisafstand met Openbaar Vervoer bevindt. In dit onderzoek geldt dit voor 326 transacties (34% van het totaal in de geselecteerde dataset) op 31 kantoorlocaties (van de 71 in totaal). Dit is een niet te verwaarlozen effect. Hiervan liggen drie locaties8 binnen de eerste 12 minuten. Deze locaties hebben, gecorrigeerd met de controle variabelen, een aanzienlijk hogere huuropbrengst ten opzichte van de referentiecategorie, met gemiddeld meer dan 50% (in de periode 2012-2014 zelfs oplopend naar 77%). Kantoorlocaties die te maken hebben met het “Schiphol-effect” zijn gelegen in Amsterdam (bijna alle locaties), Haarlemmermeer, Amstelveen en Leiden, maar het effect is ook nog van toepassing bij de kantoorlocaties gelegen nabij het Centraal Station van Den Haag, Rotterdam, Utrecht, Haarlem en Hilversum. Zie ook bijlage B voor de reistijden per kantoorlocatie. Verder valt op dat in de loop van deze tijdsperiode de verklaringskracht van het gebruikte model sterk toeneemt van 47% - in de periode 2009 tot en met 2014 - tot 54% - in de periode van 2012 tot en met 2014 -. Dit lijkt vooral veroorzaakt door het toenemend effect van de reistijd OV vanaf Schiphol en deels door het grotere belang van ‘Amsterdam’. Zo stijgt het procentuele verschil met de referentiecategorie (> 60 minuten) van afstandsklasse ‘24 - 36 minuten’ van 9,8% verschil in de periode ‘2009 - 2014’ naar 17,4% in de periode ‘2012 - 2014’ (voor de andere twee afstandsklassen is dit verschil nog groter) en de variabele ‘Amsterdam’ van 9,6% naar 12,1%. Hieruit kan geconcludeerd worden dat het effect van Schiphol met de jaren steeds groter wordt. En omdat het gebied waarvoor het “Schiphol-effect” geldt, niet groter is geworden, kan ook geconcludeerd worden dat de verschillen in huurprijs tussen locaties die wel en locaties die niet binnen het bereik van het “Schiphol-effect” vallen ook steeds groter worden. Tevens valt het toenemend belang van Amsterdam op: dit sluit aan bij de conclusie van DTZ (2014) dat in Nederland Amsterdam op de kantorenmarkt steeds meer als kopman fungeert. De overige controle-variabelen, die in het basismodel reeds een significante verklaring gaven voor het verschil in huurprijs, zoals ‘Hoge kwaliteit station’, ‘Monofunctionele’ en ‘Oudere’ en ‘Verouderde’ locatie blijken ook nu, in alle tijdsperiodes, significant van invloed te zijn. Zo blijft het verschil ‘Verouderde locatie’ ten opzichte van referentie categorie ‘Klassieke locatie’ aanzienlijk groot met een negatief verschil van 30% of meer. Het verschil met een ‘Monofunctionele locatie’ en andere locaties met een hoog voorzieningenniveau loopt wel iets af, maar is ook in de periode ‘2012 - 2014’ nog boven de 10%. Daarnaast laten van alle gebruikte variabelen in dit model de tekens de verwachte richting zien.
8
Schiphol Centrum, Beukenhorst Zuid en Zuidas
30
4.5.
Resumé
Uit de empirische resultaten van dit onderzoek blijkt dat er sprake is van een “Schiphol-effect”. Dit effect is groter bij reistijd met Openbaar Vervoer, maar ook bij reistijd met de auto is sprake van een significant verschil in huurprijs. Dit effect reikt tot ruim een half uur reistijd met Openbaar Vervoer. Ruim een derde van de onderzochte kantoren heeft derhalve te maken met een positief Schipholeffect, waardoor haar huurprijzen significant hoger liggen dan de kantoren waarbij het langer duurt dan 36 minuten (per Openbaar Vervoer), om vanaf Luchthaven Schiphol er te komen. De hypothese uit hoofdstuk 2; Een dichter bij Luchthaven Schiphol gelegen kantoorpand een hogere gemiddelde huurprijs per vierkante meter heeft dan een kantoorpand verder weg gelegen van Luchthaven Schiphol, rekening houdend met overige relevante factoren, kan derhalve worden aangenomen. Daarnaast blijkt uit de analyse van dit onderzoek dat andere belangrijke (locatie-)factoren die de hoogte van de huurprijs verklaren zijn: - een treinstation van hoge kwaliteit; - het voorzieningenniveau van een locatie; - de ouderdom van een locatie. Ook blijkt dat in de loop der jaren de invloed van het Schiphol-effect toeneemt, niet door haar bereik, deze blijft constant op maximaal 36 minuten, maar wel voor de verklaring van een hogere huurprijs. Dit geldt ook voor de variabele “Amsterdam”. Vergeleken met de overige steden (inclusief de G3) van dit onderzoek worden in Amsterdam significant hogere huurprijzen betaald en de verschillen lijken de afgelopen jaren alleen maar verder te zijn toegenomen.
31
Hoofdstuk 5 – Conclusie en Reflectie 5.1.
Conclusie
In deze studie is internationale verbondenheid als uitgangspunt genomen en dan specifiek haar invloed op de waarde van kantoorlocaties. Hiervoor is aansluiting gezocht bij de actuele theorieën over Ruimtelijke Netwerken, waarbij geldt dat, ook bij toenemende globalisering, face-to-face contact van essentieel belang blijft, ondanks of misschien wel juist door de opkomst van internet. Luchtvaart biedt daarbij veruit de snelste manier om wereldwijd face-to-face contact te hebben. De plek in Nederland die zich hierbij het meest manifesteert als het epicentrum naar de rest van de wereld is Luchthaven Schiphol. Dit heeft geresulteerd in de volgende centrale vraagstelling: “In hoeverre wordt de waarde van een kantoorlocatie bepaald door haar ligging ten opzichte van Schiphol?”. Als theoretisch raamwerk is hierbij gebruik gemaakt van de uitgangspunten van de “traditionele” (Neo-)klassieke locatietheorie, waarbij Luchthaven Schiphol wordt beschouwd als (internationaal) verbindingsknooppunt en de verwachting is uitgesproken dat kantoren dichter bij Schiphol gelegen een hogere prijs zullen hebben dan kantoren die verder weg gelegen zijn. De resultaten uit dit onderzoek geven hierbij het empirisch bewijs dat dit inderdaad het geval is. Ook indien gecorrigeerd met andere relevante (locatie-)factoren kan geconcludeerd worden dat er sprake is van een sterk aanwezig “Schiphol-effect”. Dit effect is groter bij reistijd met Openbaar Vervoer, maar ook bij reistijd met de auto is sprake van een significant verschil in huurprijs. Voor ruim een derde van de onderzochte kantoren is een positief Schiphol-effect van toepassing, waardoor haar huurprijzen significant hoger liggen dan de kantoren waarbij het langer duurt dan 36 minuten (per Openbaar Vervoer) om vanaf Luchthaven Schiphol er te komen. Tevens blijkt dat in de loop der jaren de invloed van het Schiphol-effect toeneemt, niet door haar bereik, deze blijft constant op ruim een half uur reisafstand, maar wel voor de verklaring van een hogere huurprijs. In dit onderzoek is daarnaast getracht ‘bereikbaarheid’ te benaderen vanuit een dynamische invalshoek. Dit komt onder andere tot uiting door de keuze voor ‘reisafstand’ in plaats van ‘meters’. Hiermee wordt de relatieve afstand getoond. Om de verbondenheid van een locatie te illustreren, is deze reisafstand in samenhang beschouwd met de vraag of de locatie een plek is waar men graag wil komen en of de verbindingen naar andere locaties goed zijn. Uit deze studie blijkt dat het voorzieningenniveau van een locatie en of de locatie gelegen is in Amsterdam een belangrijk deel van de gerealiseerde huurprijs verklaren. Dit is nog sterker het geval bij de ouderdom van een kantoorlocatie, waarbij op Klassieke locaties aanzienlijk hogere huurprijzen worden gerealiseerd dan op Oudere en Verouderde locaties. Ook de kwaliteit van een treinstation blijkt een belangrijk verschil te maken voor de huurprijs in tegenstelling tot bijvoorbeeld de afstand tot een treinstation. We kunnen derhalve concluderen dat vanuit de lucht de Randstad weliswaar dezelfde regio lijkt, maar op locatieniveau het tegendeel waar is: vanaf de grond zijn de verschillen groot en afhankelijk van veel (locatie-)factoren, waaronder het in deze studie aangetoonde “Schiphol-effect”.
32
5.2.
Reflectie
Een belangrijke beperking van deze studie is dat enkel gekeken is naar de verklarende kracht van locatie-variabelen. Dat is een bewuste keuze geweest voor dit onderzoek, maar hierdoor zijn specifieke pandkenmerken, waaronder bouwjaar, grootte en soort gebruik en kenmerken van de huurovereenkomst, zoals inclusief of exclusief extra voorzieningen, incentives, looptijd en speciale afspraken niet meegenomen in de hedonische prijsanalyse. Uit de literatuurstudie blijkt dat deze variabelen wel degelijk effect hebben. Het is hierbij overigens wel de verwachting dat ook indien deze kenmerken aan het model waren toegevoegd, dit niet direct een verschil had gegeven voor het aangetoonde “Schiphol-effect”. De verklarende kracht van het gebruikte model was alsdan waarschijnlijk wel groter geweest. Gezien de uitkomsten is het tevens aan te bevelen voor onderzoeken, waarin bereikbaarheid een rol speelt, de relatieve afstand en de samenhang met de ligging en kwaliteit van de locatie te gebruiken. Dat geldt in bepaalde mate ook voor deze studie: het was wellicht beter geweest om voor alle bereikbaarheidsvariabelen uit te gaan van de relatieve afstand (zoals de afstand tot een treinstation). Andere (mogelijk) interessante uitbreidingen van dit onderzoek hadden kunnen zijn: - twee verschillende tijdsperiodes met elkaar te vergelijken, bijvoorbeeld de periode na en vóór de huidige krediet- en vastgoedcrisis; - nader onderzoek te doen of dit nabijheidseffect ook optreedt bij andere stedelijke agglomeraties met een internationale luchthaven en deze te vergelijken met onderhavig onderzoek; - dieper in te gaan op de effecten van clustering en specialisaties van kantoorlocaties. Dit alles neemt echter niet weg dat de uitkomst van deze studie - het aantonen van een “Schipholeffect” en daarbij het belang van internationaal verbonden zijn - een waardevolle verdieping geeft in het verklaren van verschillen in kantoorprijzen. Het biedt vastgoedpartijen en overheden een extra handvat bij het nemen van vastgoed- en infrastructuurbeslissingen. Zo heeft een derde van de kantoorpanden uit deze dataset te maken met een (positief) “Schiphol-effect”. Indien een dergelijk kantoorpand ligt op een klassieke (of nieuwe) locatie, met een hoog voorzieningenniveau en eveneens zeer goed bereikbaar is per OV dan zal het maximaal profiteren van het “Schiphol-effect”. Dit zijn locaties, waar men graag komt en veel bedrijven zich graag willen vestigen, maar die ook goed verbonden zijn, niet alleen nationaal, maar juist ook internationaal. Het voordeel van het “Schiphol-effect” wordt echter grotendeels tenietgedaan indien de locatie van lage kwaliteit is: een verouderde en monofunctionele locatie, met een slechte uitstraling (bijvoorbeeld Amsterdam Teleport) kan wellicht dichtbij Schiphol gelegen zijn en goed bereikbaar, maar het is niet de plek waar men zich graag wil vestigen of wil komen. Toch profiteert ook een dergelijke locatie van het “Schiphol-effect”: andere kantoorlocaties, die verder of zelfs buiten de invloedsfeer van Schiphol liggen, laten (nog) lagere huurprijzen zien. De kwaliteit en verbondenheid van een locatie lijken derhalve hiermee, naast het aangetoonde Schiphol-effect, van doorslaggevend belang te zijn voor de waarde van een kantoorpand op een kantoorlocatie in de Randstad.
33
Literatuurlijst Alonso, W. (1964), Location and Land Use: Toward a General Theory of Land Rent, Harvard, Cambridge Atzema, O., Rietbergen, T. van, Lambooy, J.G., Hoof, S. van (2012), Ruimtelijke Economische Dynamiek, Uitgeverij Coutinho, Bussum Bal, G.J. (2007), De Randstad, Rabobank Kennis en Economisch Onderzoek, Utrecht Beekmans, J. en Beckers, P. (2013), A Hedonic Price Analysis of the Value of Industrial Sites, PBL working paper 10, Den Haag Beukering, C.A.J. van, Donkers, M.M.H.M., Oevering, F.J. (2010), Vastgoed, Markt en Ruimte, Sdu uitgevers BV, Den Haag Bleumink, P., Zanden, van der F., Manshanden, W., Koops, O., Snelder, M., Veldhuis, J., Koopmans, C., Rosenberg, F., Lieshout, R. (2006), Economische Effecten Schiphol, SEO-rapport nr. 897, Amsterdam Bollinger, C.R., Ihlanfeldt, K.R., Bowes, D.R. (1998), Spatial Variation in Office Rents within the Atlanta Region, Urban Studies, Vol. 35, No. 7, 1097-1118 Braam, J. (2013), Schiphol Geeft Je Vleugels!, Essay in het kader van het vak Marktanalyse MSRE, Amsterdam School of Real Estate, geen publicatie Castells, M. (2010), Globalisation, Networking, Urbanisation: Reflections on the Spatial Dynamics of the Information Age, Urban Studies Journal Foundation, 47: 2737-2745, Sage Chao, C. (2010), The Rise of the Aerotropolis, Modus, RICS, 14-19 Clapp, J.M. (1980), The Intrametropolitan Location of Office Activities, Journal of Regional Science, 20.3: 387-399 Clapp, J.M. (1993), Dynamics of Office Markets; Empirical Findings and Research Issues, The Urban Institute Press, Washington, D.C. Colwell, P.F., Munneke, H.J., Trefzger, J.W. (1998), Chicago’s Office Market: Price Indices, Location and Time, Real Estate Economics, 26: 83-106 Debrezion, G., Pels, E., Rietveld, P. (2007), The Impact of Railway Stations on Residential and Commercial Property Value: A Meta-analysis, Journal of Real Estate Finance & Economics, 35: 161-180 Derudder, B, Taylor, P. J., Witlox, F., Catalano, G. (2003), Hierarchical Tendencies and Regional Patterns in the World City Network, Regional Studies, Vol. 37.9: 875–886 DiPasquale, D. en Wheaton, W.C. (1996), Urban Economics and Real Estate Markets, Prentice Hall, New Jersey
34
DTZ Vastgoedvisie rapport 2012 (2012), Utrecht DTZ Factsheet (2013), Nederland Compleet, Amsterdam DTZ (2014), Kiezen voor Kernsteden, Amsterdam als Kopman Dunse, N. en Jones, C. (2002), The Existence of Office Submarkets in Cities, Journal of Property Research, 19: 159-182 Engelman, K. (2013), Kantoorvastgoed dat loopt als een trein, afstudeerscriptie MRE, Amsterdam School of Real Estate FGH Vastgoedbericht 2013 (2013), Orde op Zaken, Utrecht FGH Vastgoedbericht 2014 (2014), Focus op Flexibiliteit, Utrecht Geurs, K., Koster, H., Visser, G. de (2013), Kantorenleegstand en OV-Knooppuntontwikkeling in de Zuidelijke Randstad, Duurzame Bereikbaarheid Randstad – Notities door wetenschap en praktijk Glaeser, E. (2011), Triumph of the City, Macmillan, Londen Jacobs, J. (1969), The Economy of Cities, Penguin Books, Harmondsworth Jennen, M.G.J. en Brounen, D. (2009), The Effect of Clustering on Office Rents: Evidence from the Amsterdam Market, Real Estate Economics, 37: 185-208 JJL Ranking Kantoorlocaties (2013), Amsterdam Kasarda, J.D. (2006), Airport Cities and the Aerotropolis, Kenan-Flagler Business School, University of North Carolina Krul, J. (2012), Global Connectivity, Thema Metropoolregio Amsterdam, S+RO, 6: 35-37 Lambooy, J.G. (1998), Economies of agglomeration and spatial development: Cities in the era of the knowledge economy, Inaugural lecture, University of Utrecht Leamer, E. en Storper, M. (2001). The Economic Geography of the Internet Age, Journal of International Business Studies, vol. 32, no. 4, 641-665 Louw, E. en Vor, F. de (2008). De economische betekenis van bedrijventerreinen, ESB, 93 (4541), 506-509 Nappi-Choulet, I., Maleyre, I., Maury, T.P. (2007), A Hedonic Model of Office Prices in Paris and its Immediate Suburbs, Journal of Property Research, 24(3), 241–263 Nagai, K., Kondo, Y., Ohta, M. (2000), An Hedonic Analysis of the Rental Office Market in the Tokyo Central Business District: 1985-1994 Fiscal Years, The Japanese Economic Review, 51(1), 130–154 Nitsch, H. (2006), Pricing Location: A Case Study of the Munich Office Market, Journal of Property Research, 23(2), 93-107
35
Porter, M.E. (1998), Clusters and the new Economics of Competition, Harvard Business Review, 77-90 Porter, M.E. (1990), The Competitive Advantage of Nations. The Free Press, New York Sivitanidou, R. (1995), Urban spatial variations in office-commercial rents: the role of spatial amenities and commercial zoning, Journal of Urban Economics, 38, 23-49 Stock, W.G. (2011), Informational Cities: Analysis and Construction of Cities in the Knowledge Society, Journal of the American Society for Information Science & Technology, 62(5): 963-986 Susteren, A. van (2005), Metropolitan World Atlas, 010 Publishers, Rotterdam Taylor, P.J., Catalano, G., Walker, D. R. F. (2002), Measurement of the World City Network, Urban Studies, Vol. 39, No. 13, 2367-2376 Taylor, P.J., Evans, D.M., Pain, K. (2008), Application of the Interlocking Network Model to Mega-CityRegions: Measuring Polycentricity Within and Beyond City-Regions, Regional Studies, Vol. 42.8, 1079-1093 Tordoir, P.P. (2005), Stad en welvaart, NICIS, Den Haag Tordoir, P.P. (2012), Waarde van vastgoedlocatie en ruimtelijke samenhang, Amsterdam School of Real Estate. ASRE researchpaper, Amsterdam Vor, F. de (2011), The Impact and Performance of Industrial Sites: Evidence from the Netherlands, Tinbergen Institute Research Series, Amsterdam Weterings, A., Dammers, E., Breedijk, M., Boschman, S., Wijngaarden, P. (2009), De waarde van de kantooromgeving. Effecten van omgevingskenmerken op de huurprijzen van kantoorpanden, Planbureau voor de Leefomgeving (PBL), Den Haag/ Bilthoven
36
BIJLAGE A
i
BIJLAGE B Kantoorlocatie
Amstelveen A9 Zuid
prijs/m2 kantoor
Aantal Gemiddelde
Amstelveen Centrum
Amstelveen Kroonenburg
Amsterdam Zuidoost Centrum
Amsterdam Zuidoost Zuid
Centrum Delft
Centrum Den Haag
6
6
1417
26
11 Oudere locatie
6 Monofunctioneel
200
20
10 voorraad_midden
3547
31
12
5
5
5
5 Centrum/CS
Gemiddelde
173
810
26
13 Oudere locatie
Minimum
145
367
23
12 voorraad_midden
Maximum
190
1650
28
13
Aantal
Aantal
2
2
2
Gemiddelde
199
468
32
16 Oudere locatie
Minimum
180
310
32
16 voorraad_midden
Maximum
217
625
32
16
19
19
19
19 Multifunctioneel
Gemiddelde
178
3496
22
14 Oudere locatie
Minimum
145
278
15
12 voorraad_groot
Maximum
195
26000
33
15
Aantal
Aantal
2 Monofunctioneel
15
15
15
15 Monofunctioneel
137
870
28
15 Oudere locatie
Minimum
76
112
22
15 voorraad_groot
Maximum
185
4600
38
16
10
10
10
10 Monofunctioneel
100
728
60
45 Verouderde locatie
Minimum
58
195
57
43 voorraad_midden
Maximum
133
1331
62
46
Aantal
Aantal
2
2
2
Gemiddelde
144
1024
62
44 Oudere locatie
Minimum
140
618
61
43 voorraad_klein
Maximum
147
1429
62
44
5
5
5
Gemiddelde
139
162
53
34 Klassieke locatie
Minimum
109
110
51
32 voorraad_klein
Maximum
165
200
55
35
30
30
30
30 Centrum/CS
170
287
44
33 Klassieke locatie
Minimum
98
110
41
31 voorraad_midden
Maximum
228
773
49
37 leegstand_laag
16
16
16
16 Centrum/CS
113
495
63
42 Oudere locatie
Aantal
Aantal
Aantal
2 Monofunctioneel
5 Centrum/CS
Minimum
67
125
55
39 voorraad_klein
Maximum
146
1740
74
44
9
9
9
173
218
34
19 Klassieke locatie
Minimum
94
100
30
18 voorraad_midden
Maximum
276
562
44
21
17
17
17
17 Centrum/CS
Aantal Gemiddelde
Centrum Hilversum
6 148 85
Gemiddelde
Centrum Haarlem
Kenmerken kantoorlocatie
180
Gemiddelde
Centrum Gouda
Reistijd auto in min.
Maximum
Gemiddelde
Capelle Office Park
Reistijd OV in min.
Minimum
Gemiddelde
Capelle Hoofdweggebied
m2 kantoor
Aantal Gemiddelde
9 Centrum/CS
127
666
39
33 Oudere locatie
Minimum
56
190
32
32 voorraad_midden
Maximum
198
3090
44
35
ii
Vervolg
Centrum Leiden
Centrum Nieuwegein
Centrum Rotterdam
prijs/m2 kantoor
Aantal
Delft Tanthof-Oost
Delftechpark Delft
Delftse Poort Delft
19
19
19 Centrum/CS
374
30
24 Klassieke locatie
Minimum
101
110
21
22 voorraad_midden
Maximum
300
1900
38
26
Aantal
7
7
7
Gemiddelde
118
637
71
35 Verouderde locatie
Minimum
106
127
68
35 voorraad_klein
Maximum
129
2659
73
36
53
53
53
53 Centrum/CS
141
597
37
43 Oudere locatie
Minimum
81
100
28
40 voorraad_midden
Maximum
289
3300
40
46
Aantal
Aantal
Den Haag Binckhorst
40
40
40
40 Centrum/CS
573
44
39 Oudere locatie
Minimum
78
100
37
35 voorraad_midden
Maximum
230
9169
49
41 leegstand_laag
23
23
23
23 Centrum/CS
130
425
55
31 Verouderde locatie
Minimum
75
100
52
29 voorraad_midden
Maximum
208
3497
61
33
Aantal
Aantal
10
10
10
10 Centrum/CS
Gemiddelde
159
410
61
34 Oudere locatie
Minimum
130
100
56
33 voorraad_midden
Maximum
216
701
66
35
3
3
3
3 Monofunctioneel
Gemiddelde
135
457
48
34 Verouderde locatie
Minimum
115
200
46
34 voorraad_klein
Maximum
153
660
50
34
6
6
6
Gemiddelde
150
715
62
32 Nieuwe locatie
Minimum
141
200
61
32 voorraad_klein
Maximum
165
1446
62
33
4
4
4
4 Monofunctioneel
102
385
66
30 Verouderde locatie
Minimum
75
102
59
30 voorraad_klein
Maximum
132
812
71
31
4
4
4
Gemiddelde
217
264
39
30 Oudere locatie
Minimum
145
186
36
29 voorraad_groot
Maximum
323
346
42
30
3
3
3
140
527
53
28 Oudere locatie
Minimum
90
481
50
28 voorraad_midden
Maximum
165
600
55
29
14
14
14
14 Centrum/CS
Gemiddelde
182
817
39
31 Oudere locatie
Minimum
147
129
31
30 voorraad_groot
Maximum
225
3500
46
32
8
8
8
Gemiddelde
139
613
47
27 Oudere locatie
Minimum
114
364
46
26 voorraad_klein
Maximum
162
1080
51
28
Aantal
Aantal
Aantal
Aantal
Aantal Gemiddelde
Den Haag Nieuw Centrum
Forepark Den Haag
7 Centrum/CS
167
Gemiddelde
Den Haag Beatrixkwartier
Kenmerken kantoorlocatie
19
Gemiddelde
Congresgebied Den Haag
Reistijd auto in min.
174
Gemiddelde
Centrum Zoetermeer
Reistijd OV in min.
Gemiddelde
Gemiddelde
Centrum Utrecht
m2 kantoor
Aantal
Aantal
6 Monofunctioneel
4 Multifunctioneel
3 Monofunctioneel
8 Monofunctioneel
iii
Vervolg
Goudse Poort Gouda
prijs/m2 kantoor
Aantal
Haarlem Schalkwijk/ Zuid
Hilversum Arenapark
H'meer Beukenhorst Oost
H'meer Beukenhorst West
IJ-oevers Amsterdam
12
12
12 Monofunctioneel
73
39 Oudere locatie
Minimum
52
168
69
38 voorraad_midden
Maximum
169
1161
81
39
Aantal
79
79
79
79 Centrum/CS
Gemiddelde
214
606
33
18 Klassieke locatie
Minimum
120
100
18
14 voorraad_groot
Maximum
356
7300
43
21
5
5
5
108
870
46
15 Oudere locatie
Aantal
74
125
33
15 voorraad_midden
Maximum
165
2700
68
16 leegstand_laag
Aantal Gemiddelde
Laagraven Nieuwegein
3
3
1361
44
18 Oudere locatie
3 Monofunctioneel
97
300
43
16 voorraad_klein
Maximum
150
2677
44
19
5
5
5
Gemiddelde
148
889
46
32 Oudere locatie
Minimum
124
533
45
31 voorraad_midden
Maximum
169
1529
46
32
Aantal
Aantal
5 Monofunctioneel
9
9
9
Gemiddelde
179
1405
19
7 Oudere locatie
Minimum
145
125
14
7 voorraad_midden
Maximum
192
7000
21
8
4
4
4
144
1036
17
9 Oudere locatie
Minimum
92
195
16
9 voorraad_midden
Maximum
167
3165
19
9
2
2
2
2 Monofunctioneel
Gemiddelde
188
741
9
8 Nieuwe locatie
Minimum
180
581
9
8 voorraad_midden
Maximum
195
900
9
8
7
7
7
7 Centrum/CS
198
734
41
20 Nieuwe locatie
Aantal
Aantal
Aantal
9 Monofunctioneel
4 Monofunctioneel
Minimum
94
103
36
19 voorraad_midden
Maximum
312
2800
49
21
15
15
15
15 Monofunctioneel
117
490
57
34 Verouderde locatie
Minimum
50
125
50
32 voorraad_midden
Maximum
147
1070
59
36
5
5
5
5 Centrum/CS
Gemiddelde
164
470
40
47 Nieuwe locatie
Minimum
127
112
38
46 voorraad_midden
Maximum
189
1472
42
48
3
3
3
3 Monofunctioneel
87
242
75
34 Verouderde locatie
Minimum
68
165
73
34 voorraad_klein
Maximum
110
370
76
34
Aantal
11
11
11
11 Centrum/CS
Gemiddelde
95
775
42
32 Verouderde locatie
Minimum
76
185
36
31 voorraad_midden
Maximum
135
3661
46
34
Aantal
Aantal
Aantal Gemiddelde
Laakkwartier en Spoorwijk Den Haag
3 132
Minimum
Gemiddelde
Kop van Zuid Rotterdam
5 Monofunctioneel
Minimum
Gemiddelde
Kanaleneiland Utrecht
Kenmerken kantoorlocatie
553
Gemiddelde
H'meer Beukenhorst Zuid
Reistijd auto in min.
12
Gemiddelde
Haarlemmerhoutkwartier Haarlem
Reistijd OV in min.
116
Gemiddelde
Grachtengordel Amsterdam
m2 kantoor
iv
Vervolg
Lage Weide Utrecht
prijs/m2 kantoor
Aantal
Lijnden en omgeving Haarlemmermeer
Lunetten/stadion Utrecht
Maliebaan Utrecht
Nieuwegein Merwestein
Nieuwegein Plettenburg
39
39
39 Monofunctioneel
70
28 Verouderde locatie
Minimum
68
118
62
27 voorraad_midden
Maximum
151
2518
74
29
Aantal
23 Oudere locatie
7 Monofunctioneel
84
240
32
22 voorraad_klein
2330
42
24
2
2
2
Gemiddelde
152
1177
30
21 Oudere locatie
Minimum
130
565
30
20 voorraad_midden
Maximum
173
1788
30
21
Aantal
Aantal
3
3
3
Gemiddelde
163
2130
39
Minimum
125
120
38
Maximum
206
6100
40
Aantal
2 Monofunctioneel
3 Monofunctioneel 9 Nieuwe locatie 9 voorraad_klein 10
9
9
9
Gemiddelde
163
932
55
36 oudere locatie
Minimum
135
150
46
34 voorraad_midden
Maximum
255
4606
58
38
Aantal
9 Multifunctioneel
23
23
23
23 Centrum/CS
190
273
52
40 Klassieke locatie
Minimum
92
100
48
39 voorraad_klein
Maximum
294
742
60
41
3
3
3
Gemiddelde
145
1014
45
33 Oudere locatie
Minimum
135
615
45
33 voorraad_midden
Maximum
150
1688
45
33
11
11
11
11 Centrum/CS
Gemiddelde
124
303
75
36 Verouderde locatie
Minimum
102
100
73
36 voorraad_klein
Maximum
140
533
76
36
34
34
34
34 Monofunctioneel
110
477
74
36 Verouderde locatie
Aantal
Aantal
Aantal
3 Monofunctioneel
Minimum
56
100
68
36 voorraad_midden
Maximum
203
1827
79
38
12
12
12
12 Monofunctioneel
126
877
21
11 Oudere locatie
Minimum
85
106
17
10 voorraad_groot
Maximum
195
2000
25
12
4
4
4
147
1164
22
13 Oudere locatie
Aantal
Aantal
4 Multifunctioneel
Minimum
94
910
19
13 voorraad_midden
Maximum
184
1400
23
14 leegstand_laag
13
13
13
13 Multifunctioneel
116
336
63
32 Verouderde locatie
Minimum
40
110
49
30 voorraad_klein
Maximum
268
715
78
34
14
14
14
14 Monofunctioneel
Aantal Gemiddelde
Papendorp Utrecht
7 36
152
Gemiddelde
Overvecht Utrecht
7 791
Maximum
Gemiddelde
Omval Amsterdam
7 117
Minimum
Gemiddelde
Nieuw-West Amsterdam
Kenmerken kantoorlocatie
577
Gemiddelde
Mediapark Hilversum
Reistijd auto in min.
39
Gemiddelde
Leiden Bioscience
Reistijd OV in min.
115
Gemiddelde
Lammerschans Leiden
m2 kantoor
Aantal Gemiddelde
194
637
63
31 Nieuwe locatie
Minimum
93
140
61
30 voorraad_midden
Maximum
253
1594
67
33
v
Vervolg
Plaspoelpolder Rijswijk
Prins Alexander Rotterdam
prijs/m2 kantoor
Rijswijk Hoornwijck
Rivium Capelle
Rotterdam Central District
Schiphol Centrum H'meer
Schiphol-Rijk H'meer
Sloterdijk/ Teleport
Utrecht Stationsgebied
Vleuten-De Meern Utrecht
Kenmerken kantoorlocatie
20
20
20
20 Monofunctioneel
99
548
54
28 Verouderde locatie
Minimum
58
119
50
28 voorraad_groot
Maximum
147
1750
56
30
Aantal
8
8
8
137
485
51
45 Oudere locatie
8 Multifunctioneel
Minimum
90
100
43
44 voorraad_midden
Maximum
166
1147
63
47
5
5
5
Gemiddelde
180
1084
59
37 Oudere locatie
Minimum
165
200
58
37 voorraad_midden
Maximum
205
2239
61
37
Aantal
Aantal
5 Monofunctioneel
6
6
6
Gemiddelde
172
509
53
28 Oudere locatie
Minimum
125
135
52
28 voorraad_midden
Maximum
265
783
56
29
19
19
19
19 Monofunctioneel
135
762
60
46 Oudere locatie
Minimum
59
106
55
45 voorraad_midden
Maximum
173
4680
62
46
Aantal
Aantal
6 Monofunctioneel
5
5
5
5 Centrum/CS
115
276
37
41 Oudere locatie
Minimum
92
130
31
40 voorraad_midden
Maximum
138
714
40
42
18
18
18
18 Centrum/CS
163
532
30
40 Oudere locatie
Minimum
68
111
26
39 voorraad_midden
Maximum
202
2000
34
41
24
24
24
24 Centrum/CS
181
242
42
44 Klassieke locatie
Minimum
85
100
40
43 voorraad_midden
Maximum
247
680
47
45
5
5
5
5 Centrum/CS
Gemiddelde
328
2434
5
3 Oudere locatie
Minimum
250
500
5
2 voorraad_midden
Maximum
375
5100
6
3
4
4
4
4 Monofunctioneel
Gemiddelde
162
640
30
9 Oudere locatie
Minimum
150
493
27
8 voorraad_midden
Maximum
175
832
34
18
18
18
18 Monofunctioneel
Gemiddelde
151
758
24
12 Oudere locatie
Minimum
100
150
16
11 voorraad_groot
Maximum
185
3810
30
14
10
10
10
10 Centrum/CS
Gemiddelde
181
1056
36
36 Oudere locatie
Minimum
150
264
35
36 voorraad_groot
Maximum
227
2288
38
37
14
14
14
14 Monofunctioneel
Gemiddelde
Aantal Gemiddelde
Rotterdam Scheepvaartskwartier
Reistijd auto in min.
Gemiddelde
Gemiddelde
Rotterdam aangrenzend centrum
Reistijd OV in min.
Aantal
Gemiddelde
Rijnsweerd/ Uithof Utrecht
m2 kantoor
Aantal Gemiddelde
Aantal
Aantal
Aantal
Aantal
Aantal Gemiddelde
9
105
306
74
32 Oudere locatie
Minimum
40
125
59
31 voorraad_midden
Maximum
180
830
78
33
vi
prijs/m2 kantoor
Vervolg
Woerden-Midden
Aantal
Zoetermeer Afrikaweg
Zoetermeer Zuidas
Zuidas Amsterdam
Zuidwest Amsterdam
Kenmerken kantoorlocatie
18
18
18 Monofunctioneel
812
56
37 Verouderde locatie
Minimum
58
176
51
36 voorraad_midden
Maximum
158
4254
60
38
Aantal
9
9
9
132
321
63
33 Nieuwe locatie
Minimum
93
120
59
32 voorraad_midden
Maximum
163
900
64
33
5
5
5
5 Monofunctioneel
Gemiddelde
126
425
65
32 Verouderde locatie
Minimum
105
100
60
32 voorraad_midden
Maximum
152
1060
66
32
Gemiddelde
Aantal
Aantal
9 Monofunctioneel
21
21
21
21 Monofunctioneel
130
543
72
33 Oudere locatie
Minimum
60
103
62
31 voorraad_midden
Maximum
213
4222
82
34
51
51
51
51 Centrum/CS
Gemiddelde
253
521
29
13 Klassieke locatie
Minimum
146
108
20
Maximum
428
4500
39
15
Aantal
Aantal
8 voorraad_midden
22
22
22
22 Multifunctioneel
Gemiddelde
288
1613
14
10 Nieuwe locatie
Minimum
182
161
11
10 voorraad_groot
Maximum
360
8905
18
11
8
8
8
136
513
32
Minimum
75
107
31
Maximum
215
2600
36
11
Aantal
954
954
954
954
Gemiddelde
159
677
45
29
Minimum
40
100
5
2
Maximum
428
26000
82
48
Aantal Gemiddelde
Totaal
Reistijd auto in min.
18
Gemiddelde
Zuid Amsterdam
Reistijd OV in min.
108
Gemiddelde
Zoetermeer Oostelijke bedrijventerrein
m2 kantoor
8 Monofunctioneel 11 Oudere locatie 7 voorraad_midden
vii
