STRUCTURELE LEEGSTAND VOORKOMEN IS BETER DAN GENEZEN
Een onderzoek naar indicatoren van structurele leegstand in de kantorenmarkt van Amsterdam Mees Besselaar Amsterdam School of Real Estate MRE 2009 | 2011
Voorwoord Voor u ligt mijn scriptie Structurele leegstand, voorkomen is beter dan genezen. Met het afronden van deze scriptie komt er een einde aan de ruim twee jaar durende Master of Real Estate opleiding aan de Amsterdam School of Real Estate. Ik heb deze intensieve opleiding met veel plezier gevolgd en zou het een ieder die zich in het onroerend goed beweegt aanraden. De toegevoegde waarde is groot.
Het onderwerp dat ik heb gekozen te onderzoeken in deze scriptie is actueel. In mijn werk heb ik er dagelijks mee te maken en het houdt mij bezig. Hoe kan het zo zijn dat we in Nederland, specifiek in Amsterdam, te maken hebben met zoveel overaanbod? Wat is de oorzaak van deze structurele leegstand? Is het voorspelbaar welke kantoren in de toekomst tot deze structurele leegstand gaan behoren? Het onderzoek was interessant om te doen! Ik hoop met dit onderzoek een bijdrage te hebben geleverd aan de inzichten met betrekking tot structurele leegstand op de kantorenmarkt.
Ik ben veel dank verschuldigd aan mijn werkgever DTZ Zadelhoff. DTZ heeft mij in de mogelijkheid gesteld om deze opleiding te volgen en altijd positief gestimuleerd. Uiteraard ben ik ook veel dank verschuldigd aan Boris van der Gijp. Ik heb veel gehad aan zijn uitgebreide en duidelijke feedback. Ik kijk terug op een zeer prettige samenwerking. Ook ben ik veel dank verschuldigd aan Arthur Marquard. Hij heeft mij geholpen bij het uitvoeren van de statistische analyses en de interpretatie daarvan. Tenslotte wil ik mijn lieve Pander bedanken. Wat een geduld!
Mees Besselaar
Amsterdam, oktober 2011
1
Samenvatting Structurele leegstand van kantoren is een actueel thema in Nederland. Van de totale voorraad van circa 47 miljoen vierkante meter is slechts circa 40,5 miljoen vierkante meter in gebruik. Dat komt neer op een percentage van 14% van de totale voorraad aan kantoorruimte die niet in gebruik is. Van deze leegstand kenmerkte zich in 2010 1,9 miljoen meter als structureel aanbod. Structureel aanbod is het deel van het aanbod dat drie jaar of langer als aanbod staat geregistreerd. De verwachting is dat dit kan oplopen naar 3 miljoen vierkante meter.
Het is echter nog niet duidelijk met welke objecten de structurele leegstand nog zal groeien. Om te achterhalen welke objecten tot de toekomstige structurele leegstand zullen gaan behoren, dient inzicht verkregen te worden in de factoren die bepalend zijn voor de structurele leegstand van kantoren. Inzicht in de indicatoren van structurele leegstand kan een leereffect en een sturingsinstrument genereren voor de toekomst. De belanghebbende actoren zijn voornamelijk de overheid, beleggers en ontwikkelaars. De centrale vraag van dit onderzoek luidt als volgt:
Wat zijn de determinanten van structurele leegstand in de kantorenmarkt en in hoeverre verklaren deze determinanten de structurele leegstand?
Door beantwoording van de centrale vraag worden de determinanten van structurele leegstand in kantoorgebouwen in kaart gebracht. Beoordeeld zal worden of deze determinanten gekenmerkt kunnen worden als indicatoren. Dat betekent dat er sprake zou zijn van een signalerende functie.
Het ontstaan van het overaanbod en daarmee ook van de structurele leegstand, is veroorzaakt door een combinatie van markt- en overheidsfalen. In dit onderzoek is getracht het segment van de incourante niet-concurrerende kantoren te identificeren. Dat zou mogelijk moeten zijn aangezien verondersteld wordt dat de oorzaken van structurele leegstand per object verschillen. Door middel van literatuuronderzoek is de hypothese gesteld welke variabelen relevant zijn voor structurele leegstand.
Uit de data-analyse blijkt dat vier van de onderzochte variabelen een significante relatie hebben met structurele leegstand. Het betreft afstand tot de snelweg, locatietype, bouwjaar en huurprijs. Leegstand in de nabijheid van de snelweg heeft een vergrootte kans om structureel van aard te worden. Objecten op locatietypen kantorenpark en randgemeenten lopen meer kans op structurele leegstand dan centrumlocaties. Kantoren uit de bouwperioden 1960 tot en met 1979 en 1980 tot en met 1999, lopen een verhoogde kans op structurele leegstand. De correlatie tussen huurprijs en structurele leegstand is negatief. Echter, er is bij alle variabelen sprake van lage waarden van de verklaarde varianties. Een meervoudige regressie geeft een functie waarmee 15% van de variantie in structurele leegstand verklaard wordt. De variabelen in deze functie zijn bouwjaar (bouwperioden 1960 tot en met 1979 en 1980 tot en met 1999) en huurprijs. Deze combinatie levert de hoogst verklaarde variantie op.
2
Aangetoond is dus dat de kans op structurele leegstand deels te voorspellen is. Deze conclusie lijkt weinig significant aangezien 85% van de kans op structurele leegstand verklaard wordt door variabelen die niet in deze functie verwerkt zijn. Echter, aangetoond is desalniettemin welke variabelen wel een relatie hebben met structurele leegstand. Wegens de lage waarden van de verklaarde variantie kan niet overtuigend gesteld worden dat deze variabelen te kenmerken zijn als indicatoren. De voorspellende waarde is immers klein. Er zou eerder gesproken kunnen worden van determinanten. De significante variabelen zijn immers te kenmerken als factoren die de kans op structurele leegstand mede bepalen.
Anderzijds is aangetoond dat een aantal variabelen welke in de literatuur als bepalend beschouwd worden, geen relatie met structurele leegstand hebben. De afstand tot het dichtstbijzijnde station, het metrage van de leegstand en de parkeerratio hebben geen significante correlatie met structurele leegstand. Dit is een opmerkelijke conclusie. Op basis van de literatuur was immers een andere hypothese gesteld.
Hoewel de formule niet volledig is en de verklaarde variantie door de determinanten slechts beperkt is, kunnen de eerder genoemde actoren toch hun voordeel doen met de bevindingen uit dit onderzoek. Gesteld kan worden dat indien één of meerdere van de geïdentificeerde determinanten bij een object geconstateerd worden, de kans op structurele leegstand (licht) toeneemt. Het blijkt immers dat nabijheid van de snelweg, de bouwperiode 1960 tot 1999, locatietypen kantorenpark en randgemeente en huurprijs (in negatieve zin), als determinanten van structurele leegstand aan te merken zijn.
Concluderend kan worden gesteld dat is aangetoond dat de kans op structurele leegstand deels kan worden voorspeld, maar dat er sprake is van een zeer beperkte voorspellende waarde. Ook is aangetoond dat een aantal variabelen welke in de literatuur als bepalend voor structurele leegstand gekenmerkt worden, geen correlatie met structurele leegstand hebben. De verzameling variabelen is echter niet limitatief. Het is aannemelijk om te veronderstellen dat de verklaring van structurele leegstand ligt in macro economische ontwikkelingen, het niet-transparante karakter van de markt en een combinatie van onderling afhankelijke, gebouw – en gebiedsgebonden, variabelen. Bovendien is het aannemelijk dat de variabelen die moeilijk te meten zijn, zoals imago en uitstraling, van significante invloed zijn op structurele leegstand.
3
Inhoudsopgave Voorwoord .............................................................................................................................................. 1 Samenvatting ......................................................................................................................................... 2 1 Inleiding .......................................................................................................................................... 6 1.1 Aanleiding .................................................................................................................................... 6 1.2 Onderzoeksvragen ...................................................................................................................... 7 1.3 Onderzoeksmethode ................................................................................................................... 9 1.4 Leeswijzer .................................................................................................................................. 10 2 Marktwerking, dynamiek en leegstand ...................................................................................... 12 2.1 Inleiding ..................................................................................................................................... 12 2.2 De dynamiek en marktwerking van de kantorenmarkt .............................................................. 12 2.3 Begripsbepaling ......................................................................................................................... 16 2.4 Oorzaken van het ontstaan van structurele leegstand .............................................................. 18 2.4.1 Vraagzijde van de kantorenmarkt ...................................................................................... 18 2.4.2 Aanbodzijde van de kantorenmarkt ................................................................................... 20 2.4.3 Conclusie oorzaken van het ontstaan van structurele leegstand ...................................... 22 2.5 Conclusie ................................................................................................................................... 22 3 Praktijk: structurele leegstand op de kantorenmarkt .............................................................. 24 3.1 Inleiding ..................................................................................................................................... 24 3.2 De Nederlandse kantorenmarkt................................................................................................. 24 3.3 Structurele leegstand in de Nederlandse kantorenmarkt .......................................................... 26 3.4 Structurele leegstand in de Amsterdamse kantorenmarkt ........................................................ 27 3.5 Conclusie ................................................................................................................................... 28 4 Analyse: determinanten van structurele leegstand ................................................................. 30 4.1 Inleiding ..................................................................................................................................... 30 4.2 Literatuuronderzoek variabelen ................................................................................................. 30 4.2.1 Verantwoording en onderverdeling.................................................................................... 30 4.2.2 Overzicht variabelen .......................................................................................................... 31 4.3 Locatiegebonden variabelen ..................................................................................................... 37 4.3.1 Bereikbaarheid................................................................................................................... 37 4.3.2 Locatietype ........................................................................................................................ 38 4.3.3 Functionaliteit / voorzieningenniveau ................................................................................ 39 4.3.4 Uitstraling omgeving .......................................................................................................... 40 4.4 Gebouwgebonden variabelen .................................................................................................... 40 4.4.1 Bouwjaar ............................................................................................................................ 40 4.4.2 Metrage .............................................................................................................................. 41 4.4.3 Parkeren ............................................................................................................................ 41 4.4.4 Duurzaamheid / energielabel ............................................................................................. 42 4.4.5 Huurprijs ............................................................................................................................ 42 4.4.6 Technische kwaliteit........................................................................................................... 43 4.4.7 Indeling, efficiëntie en flexibiliteit ....................................................................................... 44 4.4.8 Makelaar(s) ........................................................................................................................ 44 4.4.9 Type eigenaar .................................................................................................................... 45 4.5 Conclusie ................................................................................................................................... 45 5 Data-analyse................................................................................................................................. 47 5.1 Inleiding ..................................................................................................................................... 47 5.2 Database en onderzoeksmethodiek .......................................................................................... 47 5.3 Kerngegevens database ............................................................................................................ 49 5.4 Onderzoeksresultaten en analyse locatiegebonden variabelen ................................................ 50
4
5.4.1 Afstand tot de snelweg ...................................................................................................... 50 5.4.2 Afstand tot station .............................................................................................................. 52 5.4.3 Locatietype ........................................................................................................................ 52 5.5 Onderzoeksresultaten en analyse gebouwgebonden variabelen ............................................. 55 5.5.1 Bouwjaar ............................................................................................................................ 55 5.5.2 Metrage .............................................................................................................................. 58 5.5.3 Parkeren ............................................................................................................................ 61 5.5.4 Huurprijs ............................................................................................................................ 62 5.5.5 Makelaar(s) ........................................................................................................................ 63 5.6 Structurele leegstand als functie ............................................................................................... 64 5.7 Onderlinge afhankelijkheid variabelen ...................................................................................... 66 5.8 Conclusie ................................................................................................................................... 67 6 Toets ............................................................................................................................................. 69 6.1 Inleiding ..................................................................................................................................... 69 6.2 Database en onderzoeksmethodiek .......................................................................................... 69 6.3 Kerngegevens database ............................................................................................................ 70 6.4 Onderzoeksresultaten en analyse variabelen ........................................................................... 71 6.4.1 Afstand tot de snelweg ...................................................................................................... 71 6.4.2 Locatietype ........................................................................................................................ 72 6.4.3 Bouwjaar ............................................................................................................................ 73 6.4.4 Huurprijs ............................................................................................................................ 74 6.4 Conclusie ................................................................................................................................... 75 7 Conclusies en aanbevelingen .................................................................................................... 77 7.1 Conclusie en antwoord op de centrale vraagstelling ................................................................. 77 7.2 Sturingsinstrument voor actoren? .............................................................................................. 79 7.3 Aanbevelingen voor verder onderzoek ...................................................................................... 80 7.4 Visie ........................................................................................................................................... 81 Literatuurlijst / bronvermelding ......................................................................................................... 82 Bijlage 1
Definities gehanteerde begrippen .............................................................................. 84
5
1
Inleiding
1.1
Aanleiding
Structurele leegstand van kantoren is een actueel thema in Nederland. Van de totale voorraad van circa 47 miljoen vierkante meter is slechts circa 40,5 miljoen vierkante meter in gebruik. Dat komt neer op een percentage van 14% van de totale voorraad aan kantoorruimte die niet in gebruik is. De Nederlandse kantorenmarkt is niet in balans. Deze onbalans is verklaarbaar indien men zich bedenkt 1
dat de beroepsbevolking niet meer groeit, het “nieuwe werken” aan populariteit wint en het metrage per werkplek afneemt (Steinmaier, 2011). Indien er gebouwd blijft worden en transformaties en onttrekkingen van kantoren slechts marginaal plaatsvinden, zal de leegstand naar verwachting verder toenemen.
Het beschikbare aanbod op de kantorenmarkt bestaat uit circa 6,5 miljoen vierkante meter kantoorruimte. Om een goed beeld te krijgen van de marktsituatie zou hier de verborgen leegstand bij opgeteld moeten worden. Deze verborgen leegstand bestaat uit onbezette werkplekken bij bedrijven en wordt geschat op circa 2 miljoen vierkante meter (DTZ, 2011b). De totale leegstand bedraagt dus 8,5 miljoen vierkante meter. Dit is ruim 18% van de totale kantorenvoorraad in Nederland. Van deze leegstand kenmerkte zich in 2010 1,9 miljoen meter als structureel aanbod (DTZ, 2011b). Structureel 2
aanbod is het deel van het aanbod dat drie jaar of langer als aanbod staat geregistreerd. Bijna een kwart van het totale aanbod in Nederland staat al drie jaar of langer leeg. De verwachting is bovendien uitgesproken door DTZ Zadelhoff dat dit kan oplopen naar 3 miljoen vierkante meter als er geen actie wordt ondernomen (DTZ, 2011b).
3
Over dit overschot op de Nederlandse kantorenmarkt is al veel geschreven en gepubliceerd. Veelal ligt de nadruk op hoe dit opgelost kan worden: transformatie van oude gebouwen, sloop, herbestemming, bouwverbod, stop van gronduitgifte, etc. Het probleem kent meerdere facetten en actoren. Het thema heeft directe raakvlakken met ruimtelijke ordening, politiek en uiteraard ook met ontwikkelaars, beleggers en gebruikers. Het groeiende probleem van structurele leegstand lijkt ruimschoots benoemd en geïdentificeerd. Het is echter nog niet duidelijk met welke objecten de structurele leegstand nog zal groeien.
1
Zie voor begripsbepaling Het Nieuwe Werken bijlage 1 (Begripsbepaling) en tevens de volgende toelichting die is geciteerd uit XR Magazine (Hinds, 2010): “Het Nieuwe Werken is niet alleen het aanleggen van flexibele werkplekken, in combinatie met kantoortuinen en de verruiming van de start- en eindwerktijden. Het Nieuwe Werken is ook de vraag naar een gedragsverandering, zowel van werknemer als van werkgever. De werknemer zal eraan moeten wennen dat er in principe geen vaste werkplekken en werktijden meer zijn. Het is vaak de bedoeling dat men op het kantoor de collega‟s opzoekt die men op dat moment nodig heeft om vervolgens aan het werk te gaan. Dit hoeft niet per definitie steeds op dezelfde plek te zijn. De aard van het werk kan per dag verschillen waardoor er ook steeds behoefte is aan een ander soort werkplek. 2 Zie bijlage 1 voor definities van de gehanteerde begrippen.” 3 Deze verwachting van DTZ Zadelhoff Research is gebaseerd op een inschatting van de impact van het nieuwe werken en de toekomstige afname van de beroepsbevolking.
6
Deze vraag is relevant aangezien de diverse actoren in de kantorenmarkt in beweging blijven. Ondanks de financiële crisis en grote afwaarderingen van vastgoed, blijven gemeenten grond uitgeven, investeerders op zoek naar vastgoedbeleggingen, ontwikkelaars op zoek naar nieuwe projecten en gebruikers op zoek naar nieuwe locaties. Rendementen veranderen, populariteit van diverse sectoren en regio‟s eveneens, maar vastgoedtransacties blijven plaatsvinden.
Voornamelijk ontwikkelaars en beleggers, maar ook gemeenten, lijken geen baat te hebben bij een situatie van overaanbod. Gemeenten zien hun kantorenlocaties in verval raken en lopen het gevaar dat hun concurrentiepositie als vestigingslocatie verslechtert. Ontwikkelaars lopen meer risico en hebben minder winstgevende projecten. Beleggers, en hun geldverstrekkers, hebben te maken met zowel het directe als het indirecte rendement dat onder druk komt te staan. Gebruikers kunnen financieel voordeel behalen in deze periode van overaanbod, maar indien de nieuwbouwproductie stagneert, zal de kwaliteit van de huisvesting op langere termijn wellicht achteruit gaan. Bovendien is het aannemelijk om te veronderstellen dat een gebruiker niet als enige huurder in een overwegend leeg gebouw gehuisvest wil zijn. Het huidige overaanbod op de kantorenmarkt lijkt een ongewenste ontwikkeling.
Zolang leegstand beperkt blijft tot frictieleegstand is het een acceptabel en onvermijdelijk onderdeel van de dynamiek van de kantorenmarkt. Leegstand wordt problematisch als het de fase van frictieleegstand overschrijdt. Om te achterhalen welke objecten tot de toekomstige structurele leegstand zullen gaan behoren, dient inzicht verkregen te worden in de factoren die bepalend zijn voor de structurele leegstand van kantoren. Wat is de reden dat een object niet meer wordt opgenomen in de markt en vervalt van leegstand naar structurele leegstand? Wat zijn de verschillen tussen objecten die behoren tot niet-structurele leegstand en structurele leegstand? Welke specifieke kenmerken van de kantoorobjecten zijn hierbij van belang?
Inzicht in de indicatoren van structurele leegstand kan een leereffect en een sturingsinstrument genereren voor de toekomst. De overheid zou het ruimtelijke ordeningsbeleid waar nodig kunnen aanpassen en sturen op richtlijnen voor kantoren die minder kans maken op structurele leegstand. Ontwikkelaars zouden betere kantoren kunnen realiseren. Beleggers zouden kunnen investeren in objecten die meer zekerheid bieden. Gebruikers zouden kwalitatief goede huisvesting behouden. Alle betrokken actoren zijn gebaat bij meer inzicht in de indicatoren van structurele leegstand.
1.2
Onderzoeksvragen
Uit bovenstaande blijkt dat structurele leegstand op de Nederlandse kantorenmarkt serieuze vormen heeft aangenomen en naar verwachting zal toenemen. Het is voornamelijk voor vastgoedbeleggers, ontwikkelaars en gemeenten van belang om inzicht te hebben in de toekomstverwachting van de kantorenmarkt. Het gaat in deze scriptie om de determinanten en indicatoren van structurele leegstand. Ter afbakening: deze scriptie richt zich op de kantorenmarkt in de regio Amsterdam.
7
De centrale vraag van dit onderzoek luidt als volgt: Wat zijn de determinanten van structurele leegstand in de kantorenmarkt en in hoeverre verklaren deze determinanten de structurele leegstand?
Door beantwoording van de centrale vraag worden de determinanten van structurele leegstand in kantoorgebouwen in kaart gebracht. Beoordeeld zal worden of deze determinanten gekenmerkt kunnen worden als indicatoren. Dat betekent dat er sprake zou zijn van een signalerende functie.
Het eindproduct dient een overzicht te zijn van indicatoren waarmee beoordeeld kan worden wat de kans is op structurele leegstand in een kantoorobject. Deze indicatoren kunnen in de praktijk worden ingezet ten behoeve van de beoordeling en analyse van objecten (zowel door beleggers als door ontwikkelaars) en dienen ter ondersteuning van acquisitie- en dispositiebeslissingen. Op deze wijze kunnen beleggers voorkomen om toekomstige structurele leegstand op te nemen in hun portefeuille. Kennis van deze indicatoren kan ook gebruikt worden als sturingsinstrument voor het ruimtelijke ordeningsbeleid en zou onder meer ingezet kunnen worden voor de invulling of wijzigingen van bestemmingsplannen. Zo kan toekomstige structurele leegstand waar mogelijk voorkomen worden.
Om de centrale vraag te beantwoorden zijn er diverse subvragen die bijdragen aan een verdere uitwerking van dit onderzoek:
-
Wat zijn de kenmerken en oorzaken van structurele leegstand?
-
Hoe groot is het probleem van leegstand en structurele leegstand en is het een probleem van voorbijgaande aard?
-
Hoe hebben de kantorenmarkt en de (structurele) leegstand zich in Nederland in de recente historie ontwikkeld?
-
Wat zijn de variabelen van structurele leegstand (zowel op objectniveau als op locatieniveau)?
-
Welke variabelen zijn mede bepalend (determinanten) voor structurele leegstand?
-
Zijn er op basis van deze determinanten significante verschillen tussen niet structurele leegstand en structurele leegstand?
-
Wat is de samenhang tussen de determinanten en structurele leegstand?
-
Kunnen deze determinanten beschouwd worden als indicatoren voor structurele leegstand?
-
In welke mate kunnen deze indicatoren een betrouwbare inschatting geven van de kans op toekomstige structurele leegstand in een kantoorobject?
8
1.3
Onderzoeksmethode
Voor dit onderzoek is gebruik gemaakt van literatuuronderzoek en data-analyse.
Literatuuronderzoek Door middel van een literatuuronderzoek is onderzocht wat de heersende opvattingen zijn aangaande de onderzoeksvragen. Op basis van dit literatuuronderzoek is een hypothese gesteld van de determinanten die structurele leegstand mede beïnvloeden. Deze determinanten zijn op basis van het literatuuronderzoek geïdentificeerd en onderbouwd.
Data-analyse Met behulp van bronnen van DTZ Research is een database van aanbod, waaronder het structurele aanbod, geanalyseerd. De database bestaat uit een overzicht van leegstand op objectniveau, welke tweemaal per jaar wordt vastgesteld. Deze data geven onder meer inzicht in de huidige leegstand in de regio Amsterdam (peildatum 1 januari 2011) op objectniveau. Ook wordt inzichtelijk gemaakt wat de exacte structurele leegstand is, inclusief aantal jaren dat een object leegstaat. De data zijn beschikbaar vanaf 1995. Hoe recenter de data, des te vollediger en betrouwbaarder deze zijn. Daarom is gekozen voor peildatum 1 januari 2011. De data bestaan uit variabelen zoals adres, metrage gebouw, metrage leegstand, parkeernorm en de vraagprijs. Deze data zijn aangevuld met de variabelen die op basis van het literatuuronderzoek relevant bleken te zijn en bovendien meetbaar. Het object staat centraal in dit onderzoek. De variabelen worden dus op objectniveau gekwantificeerd of gekwalificeerd.
Door middel van kwantitatieve data-analyse zal worden aangetoond of er sprake is van significante verschillen tussen niet-structurele – en structurele leegstand. Vervolgens wordt aangetoond of er sprake is van significante correlatie van de gesignaleerde determinanten en structurele leegstand. De conclusies hiervan worden geconfronteerd met de resultaten uit het literatuuronderzoek. Het doel van de data-analyse is om indicatoren voor structurele leegstand te identificeren en op basis daarvan uitspraken te doen over de kans op structurele leegstand.
Naast de dataset van aanbod zal ook een dataset van transacties in de periode 2010 tot en met medio 2011 geanalyseerd worden. De opbouw van deze dataset is identiek aan de dataset van het aanbod, inclusief de vastgestelde variabelen. Doel van deze data-analyse is om te toetsen of in de objecten met de grootste kans op leegstand ook daadwerkelijk weinig opname voorkomt. Per determinant zal worden onderzocht in hoeverre transacties een beeld geven dat overeenkomt met de conclusies van de kwantitatieve analyse.
9
1.4
Leeswijzer
De opbouw van dit rapport is opeenvolgend: theorie (literatuur), praktijk (markt), analyse (literatuur), data onderzoek, toets en uiteindelijk de conclusie. Onderstaand figuur geeft de opbouw en onderzoeksmethode gecombineerd in één figuur schematisch weer.
Figuur 1: Schematische weergave onderzoeksopzet en leeswijzer
In hoofdstuk 2 wordt de theorie behandeld. In dit hoofdstuk wordt op basis van literatuuronderzoek een theoretisch kader geschapen over het thema structurele leegstand. De dynamiek en de marktwerking van de kantorenmarkt worden behandeld. Ook de verschillende vormen van leegstand en de relevante definities komen aan bod. Centraal staat het beantwoorden van de kernvragen van dit hoofdstuk. Wat zijn de oorzaken van structurele leegstand op macro niveau (dus niet op objectniveau)? Is het een probleem van voorbijgaande aard en lost de markt het op? Hoofdstuk 3 is gericht op de praktijk. In dit hoofdstuk wordt een beeld geschetst van de historische ontwikkeling en actuele status van de Nederlandse kantorenmarkt en de aanwezige structurele leegstand. Kernvragen van dit hoofdstuk zijn hoe groot het probleem leegstand in Nederland is en wat de relatie is met structurele leegstand. Hoofdstuk 2 en hoofdstuk 3 richten zich op het macro niveau (marktdynamiek, kantorencyclus en marktontwikkelingen).
De kern van deze scriptie is gelegen in hoofdstukken 4 en 5. In deze hoofdstukken komt het micro niveau aan de orde. Micro niveau betekent een benadering vanuit object- en locatieniveau. In hoofdstuk 4 wordt door middel van literatuuronderzoek en analyse een hypothese gesteld welke variabelen relevant zijn met betrekking tot structurele leegstand. Bovendien wordt in dit hoofdstuk vastgesteld welke variabelen daadwerkelijk te gebruiken zijn voor het onderzoek. De uitkomsten van
10
dit hoofdstuk worden als input gebruikt voor de data-analyse in hoofdstuk 5. Hier wordt bepaald of de variabelen een bepalende invloed hebben op structurele leegstand en daardoor als determinanten of indicatoren te kenmerken zijn. Een antwoord wordt gegeven op de vraag of er met betrekking tot de geïdentificeerde determinanten significante verschillen aantoonbaar zijn tussen niet-structurele leegstand en structurele leegstand en of er sprake is van een significante correlatie met structurele leegstand.
In hoofdstuk 6 worden de conclusies van hoofdstuk 5 getoetst. Deze toets bestaat uit een confrontatie van de determinanten (op basis van de uitkomsten van hoofdstuk 5) met een transactiedatabase. In dit hoofdstuk wordt getoetst op basis van de vraag of in de objecten met een grotere kans op structurele leegstand ook weinig opname (transacties) plaatsvindt. Hoofdstuk 7 bevat de conclusies, enkele aanbevelingen voor verder onderzoek en eigen visie.
11
2
Marktwerking, dynamiek en leegstand
2.1
Inleiding
In dit hoofdstuk wordt op basis van literatuur een theoretisch kader geschapen met betrekking tot structurele leegstand. De dynamiek en de marktwerking van de kantorenmarkt, de verschillende vormen van leegstand en de relevante definities worden behandeld. Centraal staat de beantwoording van de kernvraag van dit hoofdstuk: wat zijn de oorzaken van leegstand en specifiek van structurele leegstand? Het is van belang om inzicht te hebben in het marktmechanisme van vraag en aanbod op de kantorenmarkt zodat de diverse vormen van leegstand, en daarmee ook structurele leegstand, verklaard kunnen worden. Dit hoofdstuk richt zich op het macro niveau. Het micro niveau (object- en locatieniveau) wordt vanaf hoofdstuk 4 behandeld.
2.2
De dynamiek en marktwerking van de kantorenmarkt
Het marktmechanisme en de dynamiek van de kantorenmarkt is net zoals de economie onderhevig aan golfbewegingen en draait om vraag, aanbod en evenwicht. De dynamiek en marktwerking van de kantorenmarkt (niet alleen de Nederlandse) heeft duidelijke kenmerken van de varkenscyclus (Van Gool, Brounen, Jager, 2007). Deze cyclus kenmerkt zich door een vicieuze cirkel van een tekort aan kantoorruimte, stijging van de prijzen, meer nieuwbouw, vergroting (overschot) van het aanbod, toename van de risico‟s, daling van de productie om weer te belanden bij een tekort aan kantoorruimte (zie figuur 2). De hoofdoorzaken van de varkenscyclus zijn de lange bouwtijd van kantoren en macro-economische schommelingen. Het aanbod van kantoorruimte is relatief inelastisch (Van Gool, Brounen, Jager, 2007). De varkenscyclus verklaart waarom er een groot overaanbod kan ontstaan. De huidige markt in relatie tot de varkenscyclus laat zien dat de kantorenmarkt in Nederland nu in de fase van „vergroting aanbod‟ (overschot) zit. Volgens het verloop van de varkenscyclus zou na een periode van overaanbod weer een tekort aan kantoorruimte ontstaan. De verwachting is echter niet dat dit overaanbod op korte termijn wordt opgenomen (Steinmaier, 2011; DTZ, 2011b). In hoofdstuk 2.4 wordt een uitgebreide onderbouwing van deze verwachting gegeven. De varkenscyclus lijkt te stagneren. De cyclus geeft een verklaring voor het ontstaan van tijdelijk overaanbod. De praktijk duidt echter op een permanente situatie van overaanbod. Daling productie
Tekort kantoorruimte Stijging opbrengs t
Toename risico's
Vergroting aanbod
Meer nieuw bouw
Figuur 2: Varkenscyclus kantorenmarkt (Van der Gijp, 2009)
12
Een andere manier (en tevens een verdieping) om de dynamiek en marktwerking van de kantorenmarkt in kaart te brengen is door middel van het vierkwadranten model van DiPasquale en Wheaton (1992) (zie figuur 3).
Figuur 3: Vierkwadrantenmodel, lange termijn evenwichtssituatie (DiPasquale, Wheaton, 1992)
De kwadranten zijn een weergave van de gebruikersmarkt, de beleggingsmarkt, de ontwikkelmarkt en de ruimtemarkt (bouwproductie gekoppeld aan aanbod). Het model brengt in beeld waar verschuivingen in de vastgoedmarkt door veroorzaakt worden en welke invloed verschillende deelmarkten op elkaar hebben. De
gebruikersmarkt
bevat
de
huurmarkt
en
de
aanpassingen
van
de
voorraad
(evenwichtsmechanisme). Tot de beleggingsmarkt behoren de beleggersmarkt en de bouwmarkt. In het eerste kwadrant, rechtsboven, staat de vraag naar vastgoed centraal. Aan de hand van voorraad komen de huren tot stand op basis van vraag en aanbod. In het tweede kwadrant wordt de relatie tussen de huur en de beleggingswaarde voor vastgoed uitgedrukt. De helling van de lijn staat gelijk aan de kapitalisatievoet. Dit impliceert dat de beleggingswaarde in direct verband staat met het huurniveau. De helling staat gelijk aan het quotiënt van huur en beleggingswaarde. Dit is het aanvangsrendement. Het aanvangsrendement heeft een positieve relatie met rente. In een periode dat de kapitaalmarktrente daalt, zou ook het aanvangsrendement moeten dalen. In het model wordt dit zichtbaar door een afvlakkende lijn in het tweede kwadrant. Dezelfde huur resulteert dan in een hogere beleggingswaarde. In het derde kwadrant is weergegeven dat de bouwproductie toeneemt naar gelang de beleggingswaarde stijgt. Omdat er een minimale waarde bereikt moet worden om tot de compensatie van de bouwkosten te komen, begint de lijn niet in de oorsprong. Het vierde kwadrant geeft de koppeling weer tussen de bouwproductie en de voorraad. Een grote bouwproductie resulteert in een stijging van de voorraad. Dit heeft vervolgens weer effect op het huurniveau. Het model is voortdurend op zoek naar evenwicht. De bovenste twee kwadranten geven de korte termijn dynamiek weer, de onderste twee kwadranten de lange termijn dynamiek. De bovenste twee verklaren gezamenlijk de
13
relatie die bestaat tussen de financiële- en vastgoedmarkten; de onderste twee laten de relatie tussen de waarde en de fysieke oppervlakte zien. De kracht van het Vierkwadranten model is dat het op eenvoudige wijze inzicht geeft in de aanpassingsmechanismen van de markt. Het model laat zien hoe als gevolg van krapte op de markt een sterke toename van de vraag naar kantoorruimte leidt tot zowel een hogere huurprijs als een toegenomen beleggingswaarde. Hierdoor wordt het zeer aantrekkelijk om te ontwikkelen en neemt de bouwproductie toe. Aangezien de voorraad door de lange bouwtijd langzaam reageert, blijft de voorraad eerst achter, maar kan het niet meer aangepast worden op een (eventueel) dalende vraag. Een nieuwbouwontwikkeling die in gang is gezet kan immers niet meer geannuleerd worden. In het geval de vraag gedurende die realisatieperiode afneemt, zal de nieuwbouwontwikkeling niet verhuurd worden. Gevolg is een onevenwichtige markt die zich kenmerkt door overaanbod. Overaanbod wordt in het model gecorrigeerd door een toename van de vraag als reactie op een daling van de prijzen (huur en beleggingswaarde). Deze prijsdaling houdt aan totdat een nieuwe evenwichtssituatie is ontstaan.
Figuur 4: Vierkwadrantenmodel, toegenomen vraag gebruikersmarkt (DiPasquale, Wheaton, 1992)
Het model van DiPasquale en Wheaton geeft een duidelijke verklaring voor de ontwikkelingen van de Nederlandse kantorenmarkt na 2000. Niet lang na de grote nieuwbouwproductie rond 2000 (een gevolg van groeiende vraag), was er sprake van een economische terugval waardoor de vraag voor een groot gedeelte afnam of zelfs wegviel. De vraagcurve bewoog zich naar links. Tegelijkertijd werd als reactie op de economische crisis de rente naar beneden bijgesteld. De kosten voor kapitaal gingen omlaag. Financiering voor kantoorbeleggers werd aantrekkelijker (zie figuur 5). De markt richtte zich naar een nieuw evenwicht en hierdoor groeide de bouwproductie. Aangezien de vraag stagneerde resulteerde dit in overaanbod (Zuidema, 2010b). Het model van DiPasquale en Wheaton benoemt echter geen structurele leegstand. De markt zou het evenwicht op termijn moeten herstellen.
14
Figuur 5: Vierkwadrantenmodel, groeiende beleggingsvraag en lagere gebruikersvraag (DiPasquale, Wheaton, 1992)
In 2002 heeft Colwell de factor leegstand aan het model toegevoegd (Colwell, 2002) en dit als variabele toegevoegd in het vierde kwadrant. Aangenomen wordt dat in de evenwichtssituatie sprake is van natuurlijke leegstand en dat afwijkingen hierop van tijdelijke aard zijn. Het evenwicht zou zich weer moeten herstellen doordat (in geval van hogere leegstand) de prijzen dalen en vervolgens de leegstand weer geleidelijk wordt opgenomen. Wat gebeurt er dan met de additionele leegstand waar nu sprake van is? Colwell heeft als uitgangspunt dat de leegstand moet kunnen concurreren als kantoor. Incourante lege kantoren zijn niet concurrerend en vallen buiten het model. Deze kantoren beschouwt hij als afgeschreven (Colwell, 2002). Volgens dit uitgebalanceerde model, dat onder meer in het boek Onroerend goed als belegging wordt beschreven als de meest intuïtieve benadering van het onroerendgoedsysteem (Van Gool, Brounen, Jager, 2007) vallen deze incourante kantoren buiten de markt. Blijkbaar verschuift een gedeelte van de voorraad van courant naar incourant. Objecten degraderen van een A-categorie (courant) naar een C-categorie (incourant). Er is sprake van een tweedeling in de markt. Binnen de markt is er vraag naar het segment van de courante kantoren. Het segment van incourante kantoren valt buiten de markt (en buiten het vierkwadrantenmodel). Deze incourante kantoren zijn afgeschreven. Een gebouw kan zowel economisch als technisch worden afgeschreven. Technische afschrijving heeft betrekking op de functionaliteit van een gebouw. Economische afschrijving (of veroudering) betekent dat de opbrengsten uit de exploitatie van het gebouw niet meer opwegen tegen de kosten van het in stand houden daarvan. Oorzaken hiervan zijn veranderende wensen van de gebruikers met betrekking tot bijvoorbeeld locatie, grootte en hoeveelheid van de werkplekken, vloergrootte, etc. Volgens Zuidema (Zuidema, 2010a) kunnen 4
trends zoals „het nieuwe werken‟ leiden tot een versnelde economische veroudering van kantoren en is het gevolg hiervan dat dit verouderde gedeelte van de kantorenvoorraad niet meer kwalificeert als concurrerend aanbod.
5
De incourante kantorenvoorraad zal (in de toekomst) tot de structurele
leegstand behoren.
4 5
Zie voetnoot 1 en bijlage 2 voor begripsomschrijving. Concurrerend aanbod betekent dat het object als alternatief wordt beschouwd in een besluitvormingsproces.
15
De vraag is of het vierkwadranten model structurele leegstand verklaart. Het model zoals het door DiPasquale en Wheaton is ontwikkeld doet dat niet. De aanvulling van Colwell doet dat wel. Immers, het model geeft weer en verklaart waarom er gebouwd wordt (op basis van de besproken deelmarkten), ook in geval van afnemende vraag. In het model, met de toevoeging van Colwell, wordt alle leegstand die de natuurlijke leegstand overstijgt ofwel alsnog in evenwicht gebracht, ofwel kwalificeert het niet meer als een element dat binnen het model past aangezien het uit de markt geprijsd is. Vervolgens kan de vraag gesteld worden of de markt weer in evenwicht komt. Door een dalende vraag is overaanbod ontstaan. Volgens het vierkwadrantenmodel zal de markt na verloop van tijd weer een evenwichtssituatie bereiken. Het model kent immers een aantal stappen. Door het overaanbod daalt de prijs. Gevolg is dat het minder aantrekkelijk wordt om te ontwikkelen en tegelijkertijd de opname zal toenemen. Het effect hiervan is volgens dit model een afname van het aanbod. Een gedeelte van het huidige overaanbod in de Nederlandse kantorenmarkt zou op basis van de veronderstelling van Colwell met betrekking tot afgeschreven objecten kunnen worden gekwalificeerd als niet concurrerend aanbod. Uit het model blijkt dat aanbod en leegstand in de kantorenmarkt gangbaar zijn. De structurele leegstand behoort niet meer tot een categorie die zich in de functionerende markt bevindt. Het model zoals ontwikkeld door DiPasquale en Wheaton toont geen structurele leegstand en is niet volledig genoeg om de huidige markt in beeld te brengen. De kantorenmarkt is meer heterogeen dan het model toont en de markt functioneert niet perfect. Ten behoeve van dit onderzoek moet dus gezocht worden naar de determinanten van de objecten die tot de afgeschreven categorie behoren. Kantoren die tot de afgeschreven categorie behoren en gaan behoren kunnen volgens Colwell niet meer concurreren met het overige aanbod en vallen buiten het model van DiPasquale en Wheaton. Deze gediskwalificeerde categorie betreft de structurele leegstand.
2.3
Begripsbepaling
De definitie van leegstand is „aangeboden ruimte in opgeleverde gebouwen die op het moment van inventarisatie niet (meer) in gebruik is‟ (DTZ 2011b; Van der Voordt, 2007) of „in het algemeen nietverhuurd zijn van (een gedeelte van) een vastgoedobject‟ (Dynamis, 2011). Zoals hier omschreven is het een duidelijk en helder afgebakend begrip, maar leegstand kent meerdere gezichten en kan worden onderverdeeld in diverse vormen. Dit is relevant aangezien niet alle vormen van leegstand problematisch zijn en aangezien sommige vormen van leegstand wenselijk zijn of het gevolg van een (administratieve) keuze. Keeris onderscheidt vier categorieën binnen het begrip leegstand, te weten (A) geaccepteerde leegstand, (B) problematische leegstand, (C) dramatische leegstand en (D) administratieve leegstand.
16
Beoordeling van verschillende vormen van leegstand A. Geaccepteerde leegstand 1. Aanvangs- of aanloopleegstand Leegstand na oplevering van nieuwbouw of renovatie tot aan eind eerste aansluitend volledig jaar van exploitatie 2. Natuurlijke, of normale leegstand Als normaal aangehouden gemiddelde leegstand voor die categorie en type vastgoed binnen die lokale submarkt 3. Mutatieleegstand Leegstand bij wisseling huurder bij min/meer aansluitende wederverhuur voor gereed maken van gehuurde voor nieuwe huurder 4. Frictieleegstand Leegstand na vertrek huurder als op korte termijn geen aansluitende verhuur plaatsvindt, tot maximaal 1 jaar na expiratie overeenkomst B. Problematische leegstand 5. Langdurige leegstand Leegstandssituatie waarin frictieleegstand in overgaat, tot maximaal 2 jaar na expiratie van laatste huurovereenkomst 6. Operationele leegstand Langdurige leegstand ten gevolge van een te laag prestatieniveau (uitstraling, structuur, maatvoering, geleding, voorz.) C. Dramatische leegstand 7. Structurele leegstand – kansarm Leegstand na 3 jaar frictie- en langdurige leegstand, zonder enig perspectief op verhuur op korte termijn 8. Structurele leegstand – kansloos Leegstand na 2 jaar langdurige leegstand indien elk perspectief op verdere verhuur ontbreekt; object voldoet niet aan marktvraag 9. Locationele leegstand Structurele kansloze leegstand door het niet kunnen beantwoorden op locatieniveau aan algemeen gestelde eisen ten aanzien van de vestigingsplaatsfactoren D. Administratieve leegstand 10. Economische leegstand Als leegstand aangemerkte consequenties van gederfd rendement door verleende concessies als gevolg van een aanbodsituatie onder het vraagniveau in de markt 11. Excess-leegstand Duur van structurele leegstand als verschil tussen de daadwerkelijke en natuurlijke leegstand, in het geval van ontbreken van elk perspectief op aanvaardbaar rendement 12. Financiële leegstand Administratieve aanduiding van de financiële consequenties van leegstand aan gederfde inkomsten 13. Zuivere leegstand Administratieve aanduiding van de feitelijke duur, c.q. de financiële consequenties van een leegstandsperiode, afgezien van leegstand door bouwtechnische activiteiten Figuur 6: Verschillende vormen van leegstand (Van der Voordt, 2007)
Leegstand duidt altijd op een situatie van verlies of verloren inkomsten. Er zijn echter meerdere situaties waarbij op leegstand geanticipeerd wordt omdat het een natuurlijk onderdeel uitmaakt van het verhuur- / huurproces in de kantorenmarkt. Tussen de diverse vormen van leegstand in de vier categorieën zit weliswaar overlap, maar dit overzicht brengt een helder onderscheid aan tussen de verschillende categorieën van leegstand. De problematische leegstand bestaat uit de langdurige leegstand die de fase van frictieleegstand overschrijdt. Dit betreft de categorieën B en C.
De definities van structurele leegstand zijn redelijk eenduidig in de literatuur (DTZ, 2011a; Dynamis, 2011; Van Gool, Brounen, Jager, 2007). In dit onderzoek wordt gehanteerd dat een object binnen de categorie structurele leegstand valt in het geval van bestaand aanbod dat langer dan drie jaar niet in gebruik is bij huurders. Sommige literatuur (Van der Voordt, 2007) schaart een object onder
17
structurele leegstand indien het langer dan tweejaar niet in gebruik is en perspectief hiervoor ontbreekt. Gezien het arbitraire karakter hiervan wordt ten behoeve van dit onderzoek de eerste definitie gehanteerd. Opvallend is dat de gehanteerde duur van leegstandsperiode (twee of drie jaar) nergens beargumenteerd wordt.
2.4
Oorzaken van het ontstaan van structurele leegstand
Structurele leegstand is een vorm van leegstand (zie figuur 6). Leegstand is een gevolg van de wisselwerking tussen vraag en aanbod. Het is relevant om te identificeren wat de determinanten zijn van vraag en aanbod in de kantorenmarkt en om aan de hand daarvan de kantorenmarkt en het ontstaan van structurele leegstand te verklaren. In aansluiting op de behandelde dynamiek en marktwerking van de kantorenmarkt, zullen in deze paragraaf de karakteristieke aspecten van de kantorenmarkt aan de orde komen die ten grondslag liggen aan structurele leegstand.
Bepalende factoren van vraag naar kantoorruimte zijn de demografie (beroepsbevolking), de ontwikkeling van kantoorgebonden werkgelegenheid, het ondernemersvertrouwen, prijsniveaus, de (regionale) politiek, kwaliteit van de kantoorruimte, locationele aspecten en de hoeveelheid benodigde vierkante meters per persoon (Van Gool, Brounen, Jager, 2007). Aanbod van kantoorruimte wordt bepaald door onder meer de marktvraag, verwachtingen van verhuur- en verkoopmogelijkheden, inschatting van de huur- en waardeontwikkeling, beschikbaarheid en kosten van bouwlocaties, financieringskosten, bouwkosten en onttrekkingen (sloop en transformatie) (Van Gool, Brounen, Jager, 2007).
In de volgende paragraven zullen eerst de relevante determinanten van de vraagzijde en hieropvolgend de relevante determinanten van de aanbodzijde behandeld worden. Het doel van deze analyse is om inzicht te verkrijgen in het ontstaan en de oorzaken van structurele leegstand.
2.4.1 Vraagzijde van de kantorenmarkt 1. Ontwikkeling werkgelegenheid De werkgelegenheid is van invloed op de vraag naar kantoorruimte (Van Gool, Brounen, Jager, 2007). Tussen 1995 en 2002 groeide de werkgelegenheid als gevolg van economische groei fors. Tussen 2002 en 2005 was er sprake van een laagconjunctuur die gevolgd werd door een groei van de werkgelegenheid tussen 2005 en 2008. Opvallende ontwikkeling is dat het aantal kantoorbanen toeneemt (relatief meer mensen in Nederland krijgen en kantoorbaan). De recente economische crisis zorgt echter voor een daling van de kantoorwerkgelegenheid die naar verwachting de komende jaren zal aanhouden (Steinmaier, 2011). Deze terugval heeft een negatief effect op de vraag.
18
2. Vertraagde reactie van vraag op economische schommelingen De economie is continu in beweging. De vraag naar kantoorruimte reageert vertraagd op de economische schommelingen (Ter Horst, 2010). Van der Gijp concludeert (op basis van o.a. NYFER en CPB) dat de Nederlandse vastgoedmarkt in goede tijden twee tot drie jaar achterloopt op de conjunctuur. Een negatieve economische ontwikkeling vertaalt zich veel sneller in een afname van de vraag naar kantoren (Van der Gijp, 2009). Als bedrijven groeien wordt dat eerst binnen de huidige locatie opgelost en pas na verloop van tijd wordt er verhuisd naar een ander (groter) kantoor. Als vervolgens de economie weer krimpt, zoals dit rond 2001 gebeurde, zitten veel bedrijven te ruim in hun huisvesting. De economische neergang zorgt voor een dalende werkgelegenheid en een afname van de vraag naar kantoorruimte. De huurovereenkomsten zijn echter gesloten voor een meerjarige termijn (veelal 5 jaar). Dit is de reden dat de verhuurde leegstand in de periode na 2001 sterk toenam.
3. Beroepsbevolking Separaat van de hoeveelheid werkgelegenheid is ook de grootte en ontwikkeling van de beroepsbevolking, specifiek in de dienstensector (kantoorgebruikers), een graadmeter voor de vraag (Steinmaier, 2011; DTZ, 2011b). Gezien de vergrijzing is de verwachting dat de beroepsbevolking in Nederland in de toekomst zal afnemen (DTZ, 2011b). Deze afname heeft een negatief effect op de vraag naar kantoren. De nuancering die hierbij gemaakt dient te worden is dat dit per stad en regio zal verschillen. In de Amsterdamse regio wordt tot en met 2030 een groei van de beroepsbevolking geprognosticeerd (DTZ, 2011b).
4. Locationele aspecten Oorzaken van structurele leegstand kunnen per object verschillen. Indien structurele leegstand mede wordt veroorzaakt door locationele aspecten, wordt dit als zeer problematisch beschouwd (Bak, 2010a en Van der Voordt, 2007). Locationele aspecten hebben betrekking op de locatie van een object, toegespitst op bereikbaarheid en imago. In geval van locationele leegstand voldoet het object op locatieniveau niet aan algemeen gestelde eisen ten aanzien van de vestigingsplaatsfactoren (Van der Voordt, 2007). Deze factoren zijn voor een gebouweigenaar moeilijk te beïnvloeden of te verbeteren. Het imago of de bereikbaarheid van een locatie zijn niet verbonden aan kenmerken van één object. Locationele aspecten dienen daarom collectief (of vanuit de gemeentelijke overheid) benaderd te worden. Het is zeer aannemelijk dat structurele leegstand die (mede) veroorzaakt wordt door locationele aspecten zeer problematisch is.
5. Hoeveelheid benodigde vierkante meters Kantoorgebruikers gaan steeds efficiënter met hun ruimte om. Deze trendbreuk in het kantoorgebruik heeft als gevolg dat de hoeveelheid ruimte per werkplek afneemt. Het aantal vierkante meter per werkplek is afgenomen van circa 22 m² (v.v.o.) in 2003 tot circa 18 m² in 2010 (Steinmaier, 2011). Het Nieuwe Werken heeft als gevolg dat het aantal werkplekken zal afnemen. Waar traditioneel iedere werknemer een eigen werkplek had (ongeacht aanwezigheid op kantoor) zal in toenemende mate een
19
6
flexfactor toegepast worden. De verwachting is dat de komende jaren een ruimtebesparing van circa 10% gerealiseerd wordt (Steinmaier, Bak, 2011). Deze ruimtebesparing heeft een structurele negatieve invloed op de vraag naar kantoorruimte.
6. Kwaliteit objecten De hoeveelheid aanbod is ruimschoots voldoende om aan de kwantitatieve vraag naar kantoorruimte te voldoen. Het is echter ook van belang dat de kwaliteit van het aanbod aansluit op de vraag. Ondanks het ruime aanbod constateert DTZ dat kwalitatief goed vastgoed schaars is (DTZ, 2010b). Het begrip kwaliteit is zeer breed. Het zou nader onderzocht moeten worden wat gebruikers van kantoren als kwaliteit aanmerken. Indien de constatering van DTZ juist is, dan zou een vraag naar nieuwbouwkantoren een logisch gevolg zijn. De kwaliteit van het bestaande aanbod zou dan immers niet volstaan. Overigens dient opgemerkt te worden dat ook door middel van renovatie van bestaande objecten aan de vraag naar kwalitatief goede objecten voldaan zou kunnen worden.
2.4.2 Aanbodzijde van de kantorenmarkt 1. Nieuwbouwproductie Nieuwbouw blijft een reële optie voor gebruikers (NVB, 2009). Ook in de huidige markt van 2011 wordt dit bewezen. Voorbeelden hiervan zijn de nieuwbouwontwikkelingen voor Deloitte aan de Amsterdamse Zuid-as en het Gerechtshof Amsterdam aan het IJ. Redenen voor gebruikers om voor nieuwbouw te kiezen zijn onder meer de beperkte mogelijkheden tot aanpassing van bestaande bouw, kwalitatieve aspecten (waaronder installaties en uitstraling / architectuur), aansluiting op veranderde gebruikersvoorkeuren en het realiseren van besparingen (kosten en/of ruimte). Nieuwbouw zou ook gestimuleerd kunnen worden door de economische groei van één specifieke regio waardoor lokaal een tekort ontstaat aan aanbod. Momenteel is er voornamelijk sprake van vervangingsvraag en in mindere mate van uitbreidingsvraag (Steinmaier, 2011). Het lijkt daarom dat door realisatie van nieuwbouw de totale leegstand toeneemt.
De gemeente is een belangrijke actor in het proces van nieuwbouw. Voor gemeenten is er sprake van 7
een prisoner‟s dilemma met betrekking tot het ruimtelijke ordeningsbeleid. Gemeenten zijn bereid (decentraal) grond uit te geven om hiermee te profiteren van gerealiseerde grondopbrengst en tevens aantrekkelijk te blijven als vestigingslocatie voor bedrijven. De keerzijde is echter dat de kantorenvoorraad en de leegstand toeneemt. Indien de overheid een centraal beleid met betrekking tot gronduitgifte zou hanteren, dan zou dit een drukkend effect kunnen hebben gehad op de ontwikkeling van de kantorenvoorraad. Zuidema concludeert dat gemeenten doorgaans een zeer
6
Een flexfactor houdt in dat niet iedere werknemer een vaste werkplek heeft en dat het totaal aantal werkplekken een percentage is van het totaal aantal werknemers. De flexfactor varieert per sector. Gemeenten hanteren een flexfactor van circa 70-80%. In de zakelijke dienstverlening is dit circa 50-70% (Steinmaier, 2011). 7 Het prisoner's dilemma is een begrip dat doelt op situaties waarin diverse actoren zich laten leiden door hun individuele belang waarbij de effecten op het gezamenlijke belang (op langere termijn) negatief is.
20
faciliterend en soms zelfs stimulerend beleid hebben gevoerd voor de nieuwbouw en dat de bovenregionale afstemming zeer beperkt was (Zuidema, 2010b). De gemeenten hebben echter conflicterende belangen. De concurrentiepositie ten opzichte van andere gemeenten dient gewaarborgd te worden, maar tegelijkertijd hebben gemeenten geen belang bij overaanbod en structurele leegstand. Het is een complex krachtenveld. Ook de ontwikkelaars hebben te maken met het prisoner‟s dilemma. Van Gool benadrukt de werkwijze van ontwikkelaars in de cyclus evenals de rol van „verkeerde incentives‟ (Van Gool, Brounen, Jager, 2007). In een economisch goede tijd is er veel winst te behalen met kantorenontwikkeling. Door het afgeven van huurgaranties worden de ontwikkelrisico‟s verkleind en door het verstrekken van hoge incentives worden huurders gecontracteerd en de contracthuren hoog gehouden. De waarde van een object is voor een groot deel afhankelijk van de huur. Mede door het verstrekken van incentives is de markt niet transparant. De potentiële winst maakt het mogelijk meer risico te nemen. Ontwikkelaars voorzien weliswaar dat de markt zou kunnen veranderen, maar zullen ongeacht de marktsituatie doorgaan met bouwen (Van Gool, Brounen, Jager, 2007). Het individuele belang komt niet overeen met het collectieve belang. De potentiële winst die behaald kan worden door de ontwikkelaar prevaleert boven het risico van het ontstaan van overaanbod. Bovendien betaalt de vervuiler niet: de maatschappelijke
kosten
komen
niet
terug
in
de
kosten
van
het
product.
Courtages,
grondopbrengsten, managementfees en acquisitiedoelstellingen worden vaak belangrijker geacht dan de verhuur en het rendement voor de eindbelegger (Van Gool en Vos, 2002; Van Gool 2003). Het gevolg is dat ontwikkelaars blijven bouwen.
De hoeveelheid nieuwbouw is overigens in de periode 2001 tot en met 2010 fors afgenomen. In 2001 werd circa 1,9 miljoen vierkante meter nieuwbouwkantoren opgeleverd. In 2009 was dit circa 600.000 vierkante meter. Ondanks een afname van de nieuwbouwproductie blijft de voorraad van kantoren toenemen.
2. Vertraagde reactie van nieuwbouw op fluctuatie vraag De kantorenmarkt is cyclisch. Dit is aan de orde gekomen bij het bespreken van de varkenscyclus en betekent onder meer dat er wisselend sprake is van een tekort gevolgd door een overschot aan kantoorruimte. Hoewel de varkenscyclus nu lijkt te stagneren, geeft deze cyclus een duidelijke verklaring voor het ontstaan van overaanbod. Aangezien de ontwikkeling- en bouwtijd van kantoren relatief lang is reageert het aanbod van kantoorruimte traag op de vraag. Dit wordt ook wel „time lag‟ genoemd. Een voorbeeld hiervan is dat de vraag naar kantoorruimte rond 2000 erg hoog was. Gevolg van deze hoge vraag was dat veel nieuwe kantoorontwikkelingen werden begonnen. De economische crisis die volgde zorgde voor een afname van de vraag. Desondanks werden er nog veel nieuwbouwontwikkelingen opgeleverd. Dit resulteerde in een toename van de voorraad.
21
3. Onttrekkingen Een manier om de kantorenvoorraad te verkleinen is door overaanbod te onttrekken aan de kantorenmarkt. Onttrekking vindt plaats door herontwikkeling (of sloop) van een kantoorgebouw in combinatie met een nieuwe bestemming. Dit gebeurt echter op een relatief beperkte schaal. Oude kantoorgebouwen worden slechts marginaal getransformeerd naar (studenten-)woningen of hotels. Uit de cijfers van Bak blijkt dat in de periode 2001 tot en met 2010 gemiddeld 100.000 vierkante meter per jaar onttrokken is aan de voorraad (Bak, 2011b). Vooralsnog is het aantal vierkante meters kantoorruimte dat aan de voorraad wordt toegevoegd door middel van nieuwbouw groter dan het metrage onttrekkingen.
2.4.3 Conclusie oorzaken van het ontstaan van structurele leegstand Het ontstaan van structurele leegstand is te verklaren door een combinatie van factoren. Concluderend kan gesteld worden dat de structurele leegstand veroorzaakt wordt door een afnemende vraag in een markt met overaanbod. De afname van de vraag wordt veroorzaakt door demografische ontwikkelingen (krimp beroepsbevolking), economische stagnatie en een daling van het benodigde aantal vierkante meters per werknemer. De belangrijkste oorzaken van het ontstaan van het overaanbod zijn de realisatie van nieuwbouwontwikkelingen, de vertraagde reactie van nieuwbouw op de afname van de vraag en de vertraagde reactie van vraag naar kantoorruimte op economische schommelingen. Onderliggende factoren van dit samenspel zijn marktimperfecties (een niet-transparante markt), overheidsbeleid (decentraal beleid met betrekking tot gronduitgifte) en het relatief beperkte aantal onttrekkingen uit de kantorenmarkt. Het ontstaan van structurele leegstand is niet toe te wijzen aan één actor. Het is een combinatie van markt- en overheidsfalen. Het gevolg is dat er geen marktevenwicht tot stand lijkt te komen.
2.5
Conclusie
Concluderend kan gesteld worden dat de kantorenmarkt traditioneel een cyclische dynamiek kent die zich kenmerkt door een vicieuze cirkel van een tekort aan kantoren afgewisseld met een overaanbod. De kantorenmarkt functioneert niet perfect. Kantoren zijn heterogene producten, de prijsontwikkeling is slechts beperkt transparant en de markt kenmerkt zich door een trage reactie op de economische schommelingen en een trage reactie op de vraag naar kantoorruimte. Deze bewegingen en ontwikkelingen zouden in theorie gecorrigeerd moeten worden binnen de marktcyclus. Er is echter sprake van een vervangingsmarkt in plaats van een uitbreidingsmarkt en bovendien een trendbreuk in de kantorenmarkt die zich vooral na het jaar 2000 duidelijk heeft gemanifesteerd. Efficiënter gebruik van kantoren in combinatie met de nieuwbouwproductie die op een relatief hoog niveau is gebleven hebben gezorgd voor een oplopende leegstand. Deze leegstand lijkt niet vanuit de vraag opgelost te worden en is daarom deels structureel. De cyclus lijkt te stagneren.
22
De diverse markten zoals weergegeven in het model van DiPasquale en Wheaton, staan in relatie tot elkaar en zoeken op termijn naar evenwicht. In dit model is met de aanpassingen door Colwell ruimte voor leegstand. Niet alle vormen van leegstand zijn problematisch. Leegstand maakt een natuurlijk onderdeel uit van de kantorenmarkt. Leegstand is pas een probleem als het de fase van frictieleegstand voorbij is. Het huidige overaanbod duidt echter op een tweedeling in de kantorenmarkt. Aan de ene zijde bevindt zich een segment van courante concurrerende kantoren. Aan de andere zijde bevindt zich een segment van incourante afgeschreven kantoren. Dit laatste segment valt buiten de markt.
Aangezien kantoren slechts beperkt worden onttrokken aan de markt, is het aannemelijk dat het overaanbod niet op korte termijn zal afnemen. Het lijkt onvermijdelijk dat een groeiend gedeelte van het aanbod een structureel karakter krijgt. De eerder genoemde tweedeling lijkt in de komende tijd nog meer tot uiting te zullen komen.
23
3
Praktijk: structurele leegstand op de kantorenmarkt
3.1
Inleiding
In het vorige hoofdstuk is de dynamiek van de kantorenmarkt beschreven, zijn de diverse leegstandsbegrippen benoemd en zijn de oorzaken van structurele leegstand geïdentificeerd. Duidelijk is dat structurele leegstand een probleem is dat nog niet door de markt is opgelost en naar verwachting nog zal toenemen. In dit hoofdstuk wordt op basis van literatuuronderzoek de ontwikkeling van leegstand op de Nederlandse kantorenmarkt beschreven. De volgende vraag wordt beantwoord: hoe hebben de kantorenmarkt en de (structurele) leegstand zich in Nederland in de recente historie ontwikkeld? Het doel van dit hoofdstuk is om een beknopt inzicht te bieden in de Nederlandse kantorenmarkt en een referentiekader te scheppen van de onderzoeksregio.
3.2
De Nederlandse kantorenmarkt
Zoals al gesteld in hoofdstuk 1 staat op een totale voorraad van circa 47 miljoen vierkante meter kantoorruimte ruim 6,5 miljoen meter leeg (bijna 14%). Men spreekt van een structurele mismatch tussen vraag en aanbod en een tweedeling in de kantorenmarkt (DTZ, 2011b). Deze paragraaf behandelt hoe de kantorenmarkt in Nederland zich heeft ontwikkeld tot deze situatie.
In de jaren zestig van de vorige eeuw nam de vraag naar het huren van kantoren aanzienlijk toe. Bedrijven waren niet meer bereid hun eigen middelen in het eigendom van een gebouw vast te leggen. Flexibiliteit, zowel financieel als ruimtelijk, kreeg hogere prioriteit. De vraag naar huurobjecten zorgde voor het ontstaan van een beleggingsmarkt van kantoorobjecten. Het ontstaan van deze beleggingsmarkt sloot aan op de investeringsdruk van collectieve pensioenverzekeraars die producten nodig hadden. In de jaren zeventig kreeg de beleggingsmarkt nog een impuls doordat Engelse beleggers op de Nederlandse kantorenmarkt actief werden. Er kwam in deze tijd veel kwalitatief goede kantoorruimte op de markt (Van Gool, Brounen, Jager, 2007). De oliecrisis van 1973 maakte een einde aan deze opwaartse ontwikkelingen. Zowel vraag als prijs daalde en institutionele beleggers kregen meer interesse voor buitenlandse projecten.
De Nederlandse economie herstelde zich in de eerste helft van de jaren tachtig traag. Dit trage herstel werd gevolgd door een forse impuls van de economie in de tweede helft jaren tachtig. Hierdoor stegen de huren weer en werd de vraag van beleggers naar onroerend goed groter. Dit eindigde abrupt in 1990. De crisis die de twee jaar daarvoor was ontstaan in de Verenigde Staten sloeg over naar Nederland. De vraag naar kantoren nam af maar er bleef nieuwbouw op de markt komen. Gevolg was grote leegstand en overaanbod op de Nederlandse kantorenmarkt. Bronnen noemen zelfs dat in veel gevallen de marktwaarde van commercieel vastgoed halveerde (Van Gool, Brounen, Jager, 2007).
24
Metrage kantoorruimte
8.000.000 7.000.000 6.000.000 5.000.000 4.000.000 3.000.000 2.000.000 1.000.000
Gerealiseerde opname
Aanbod
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
2000
1999
1998
1997
1996
1995
1994
1993
1992
1991
1990
1989
1988
1987
1986
1985
1984
1983
1982
0
Evenwicht
Figuur 7: Opname en aanbod van kantoorruimte in Nederland vanaf 1982 op basis van cijfers DTZ (eigen bewerking)
In 1994 ging het weer beter met de Nederlandse economie. De vraag naar kantoorruimte nam toe en de leegstand nam af. Nu ontstond er ook een tekort aan op te leveren nieuwbouwontwikkelingen. Dit was het gevolg van terughoudendheid van geldverstrekkers en ontwikkelaars die een paar eerder forse verliezen hadden geleden en ook van een stringenter beleid van bijvoorbeeld de Gemeente Amsterdam. De leegstand was gedaald van 10% in de begin jaren negentig tot circa 2% in het jaar 2000. De kantoorhuren stegen en de nieuwbouwproductie steeg (Van Gool, Brounen, Jager, 2007).
De historische marktbeschrijving zoals hierboven beschreven geeft een marktdynamiek weer die als gezond beschouwd kan worden en zich beweegt zoals geschetst in het eerder aangehaalde model van DiPasquale en Wheaton. Overaanbod en krapte wisselen elkaar af en zorgen voor prijsdalingen en –stijgingen. De markt is continu op zoek naar evenwicht en vindt dit ook. Vanaf 2001 neemt de ontwikkeling van leegstand een vlucht. Bovenstaand figuur geeft dit duidelijk weer. Mede door een crisis in de ICT-sector nam de vraag naar kantoorruimte plotseling drastisch af. Veel bedrijven werden kleiner en probeerden de overtollige kantoorruimte te verhuren (onderverhuur). Tegelijkertijd bleef er nieuwbouw opgeleverd worden. Opvallend van deze nieuwbouwontwikkelingen is dat deze veelal zijn gerealiseerd op relatief monofunctionele locaties en satellietlocaties zoals Diemen, Nieuwegein, Leidsche Rijn en Zoetermeer (DTZ, 2010b). Het lijkt dat dit de oorsprong is van het verschijnsel structurele leegstand.
In 2005 trok de economie enigszins aan, maar ondanks een relatief grote vraag blijven het aanbod en het leegstandspercentage op een hoog niveau.
25
Figuur 8: Voorraad kantoorruimte Nederland (in gebruik) (DTZ, 2011a)
Zoals uit bovenstaande figuren blijkt heeft het leegstandspercentage zich niet meer hersteld en is er sprake van overaanbod. Dit heeft geleid tot de eerder genoemde tweedeling in de kantorenmarkt. Het lijkt dat dit de oorsprong is van het verschijnsel van structurele leegstand. De oorzaken hiervan zijn in het vorige hoofdstuk geïdentificeerd. Zorgwekkend is dat een gedeelte van dit overaanbod niet voldoet aan de voorwaarden en de eisen die de huidige kantoorgebruiker stelt (DTZ, 2010b). Dit gedeelte valt dus, zoals benoemd in hoofdstuk 2, op basis van de bevindingen van Colwell (2002), buiten de markt en zal niet meer hersteld worden binnen de marktdynamiek. In dit onderzoek wordt onderzocht welk gedeelte van het overaanbod dit betreft en welke variabelen hieraan ten grondslag liggen.
3.3
Structurele leegstand in de Nederlandse kantorenmarkt
In een onderzoek uit 1994, uitgevoerd door de TU Delft, werd de conclusie getrokken dat „in de Randstad, voornamelijk in Amsterdam en Den Haag, de leegstand drastisch zal toenemen‟. Het onderzoek noemt als oorzaken van de groeiende leegstand een dalende ruimtebehoefte per persoon (minder vierkante meters), het dubbelgebruik van werkplekken en de vraag naar hogere kwaliteit (Dewulf, De Jonge, 1994). In het onderzoek wordt geen significante aandacht besteed aan de cyclische werking en de dynamiek van de kantorenmarkt. Structurele leegstand komt in het onderzoek niet ter sprake. Blijkbaar was structurele leegstand op dat moment geen actueel thema.
De verwachting van een drastische toename van de leegstand werd uitgesproken met betrekking tot het jaar 2000 en blijkt (met enige vertraging) juist te zijn. De achterliggende redenen die werden benoemd zijn niet volledig en uitputtend, maar waren wel degelijk een juiste benadering. Blijkbaar was toen al te voorspellen wat de problemen van de toekomst zouden zijn. Aanbevelingen waren onder andere meer sturing van de overheid, selectievere ontwikkeling van kantoorlocaties, meer flexibiliteit binnen bestemmingsplannen en meer aandacht voor kwaliteit van nieuwe kantoorpanden (Dewulf, De Jonge, 1994). Oplossingen werden dus hoofdzakelijk gezocht bij de overheid en in mindere mate bij de marktpartijen.
Een gezonde leegstand zou circa 5% tot 7 % van de voorraad bedragen. Dit staat niet in verhouding tot de huidige totale leegstand. Er is sprake van een evenwichtige kantorenmarkt indien de verhouding
26
tussen het aangeboden aantal vierkante meters circa 1,5 keer de gevraagde vierkante meters bedraagt (Neprom, 2003). Uit onderstaande figuur blijkt wederom dat de kantorenmarkt in Nederland al geruime tijd niet in evenwicht is.
Figuur 9: Opname en aanbod kantoorruimte Nederland (DTZ, 2011a)
Indien deze ratio in lijn met de actuele markt was zou het aanbod in 2010 circa 2 miljoen vierkante meter bedragen in plaats van de daadwerkelijke circa 7 miljoen vierkante meter. Op basis van de ratio leegstand ten opzichte van voorraad zou de voorraad bijna 120 miljoen vierkante meter bedragen.
Voor het verkrijgen van een volledig beeld van de markt is het interessant om te bezien waar de leegstand in Nederland voorkomt. Opmerkelijk is dat 45% van de gemeenten in Nederland geen leegstand kent (Bak, 2010a). Hierbij dient opgemerkt te worden dat in deze gemeenten nauwelijks sprake is van een kantorenmarkt. Circa 10% van de gemeenten in Nederland heeft zeer beperkte leegstand, te kenmerken als frictieleegstand. Het grootste deel van de leegstand concentreert zich in 20 gebieden met een relatief grote kantorenvoorraad. De NVM geeft aan dat van de 4 miljoen vierkante meter die in de 20 belangrijkste kantoorgebieden te huur of te koop staan 35% structureel van aard is (als criterium wordt een leegstandsperiode van 3 jaar of langer gehanteerd). DTZ verwacht op basis van macro-economische ontwikkelingen en de impact van Het Nieuwe Werken dat het structurele aanbod in 2011 kan oplopen naar 3 miljoen vierkante meter (DTZ, 2011b en 2010b).
3.4
Structurele leegstand in de Amsterdamse kantorenmarkt
De Amsterdamse kantorenmarkt bestaat uit 14 deelgebieden, inclusief Amstelveen en Diemen. Het aanbod op de Amsterdamse kantorenmarkt bedraagt momenteel circa 1,4 miljoen vierkante meter op een totale voorraad van circa 7 miljoen vierkante meter (bijna 20% leegstand). Van deze leegstand staat circa 525.000 m² 3 jaar of langer leeg. Dit betekent dat circa 40% van de leegstand als structurele leegstand gekwalificeerd kan worden (Bron: Database aanbod Amsterdam, peildatum 1 januari 2011). Figuur 10 geeft een duidelijk beeld.
27
Figuur 10: Voorraad (in gebruik), opname en aanbod Amsterdam (DTZ, 2011a)
De afgelopen drie jaar kenmerkt zich door het gelijktijdig plaatsvinden van een historisch lage opname, een historisch hoog aanbod en een historisch hoge voorraad. Onderstaand figuur toont de gemeenten met het grootste metrage structurele leegstand. Amsterdam is de gemeente met de grootste structurele leegstand in Nederland.
Figuur 11: Gemeenten met de meeste structurele leegstand (Bak, 2010a)
Bak kwalificeert een gedeelte van de structurele leegstand als niet-problematisch. De leegstand zou in deze gevallen bijvoorbeeld een klein deel van een gebouw betreffen of voorkomen in gebouwen die mede door hun omvang en prijsstelling nog niet verhuurd zijn (Bak, 2010a). Het blijft echter een gegeven dat het structurele leegstand betreft. De reden dat in Amsterdam de grootste structurele leegstand voorkomt kan zijn dat in voorliggende perioden van economische groei in Amsterdam de grootste toename van voorraad heeft plaatsgevonden. Gezien de hoge structurele leegstand is de regio Amsterdam een interessante onderzoeksregio.
3.5
Conclusie
De Nederlandse kantorenmarkt is vanaf 2001 niet meer in evenwicht geweest. De huidige leegstand lijkt niet meer door een toenemende vraag opgenomen te worden. De totale leegstand in Nederland is 6,5 miljoen vierkante meter. Een metrage van 2 miljoen zou een gezond marktbeeld zijn. De leegstand
28
in Amsterdam bedraagt bijna 1,4 miljoen vierkante meter. Een metrage van circa 400.000 m² zou gezond zijn. Van de leegstand in Amsterdam kan circa 40% als structureel gekwalificeerd worden. Aangenomen zou kunnen worden dat alles meer dan frictieleegstand op termijn tot de structurele leegstand zou gaan behoren. Dat hoeft natuurlijk niet. Dat is ook afhankelijk van de „verhuisbereidheid‟ van bedrijven. Het ondersteunt echter wel de verwachting dat de structurele leegstand nog fors zal toenemen.
De Amsterdamse markt is niet specifiek typerend voor de Nederlandse kantorenmarkt. In 55% van de gemeenten is geen structurele leegstand gesignaleerd. Gezien de hoge mate van aanwezige structurele leegstand in Amsterdam is de Amsterdamse regio een relevante onderzoeksregio om de onderliggende variabelen van structurele leegstand vast te stellen en nader te onderzoeken.
Door middel van dit hoofdstuk is inzicht verkregen in de ontwikkeling van de Nederlandse kantorenmarkt en de structurele leegstand waar deze kantorenmarkt mee te kampen heeft. Om een referentiekader te scheppen is beknopt ingezoomd op de onderzoeksregio, de regio Amsterdam. Het volgende hoofdstuk zal ingaan op de onderliggende variabelen van objecten die relevant zijn voor structurele leegstand.
29
4
Analyse: determinanten van structurele leegstand
4.1
Inleiding
Variabele:
aanduiding voor een willekeurig element van een verzameling
Determinant:
één factor die een ontwikkeling of een toestand (mede) bepaalt
Indicator:
een meetbaar fenomeen dat een signalerende functie heeft
Kantoren verschillen van elkaar. Hoewel het model van DiPasquale en Wheaton uitgaat van één verzameling voorraad kantoren is de werkelijkheid anders. Kantoren staan op verschillende locaties en wijken duidelijk van elkaar af. Uiteraard is er sprake van standaardisatie, maar er blijven veel verschillen. In dit hoofdstuk wordt ingegaan op de onderliggende variabelen van de incourante en niet concurrerende kantoren die volgens Colwell (zie hoofdstuk 2.2) geen deel meer uitmaken van de markt.
In de voorliggende hoofdstukken heeft de nadruk gelegen op het macro niveau. In dit hoofdstuk zal de nadruk liggen op het micro niveau. Micro niveau betekent inzake dit onderzoek object- en locatie niveau. De aanleiding van structurele leegstand kan immers per object verschillen (Bak, 2010a). In dit hoofdstuk wordt door middel van literatuuronderzoek en analyse de hypothese gesteld welke variabelen relevant zijn met betrekking tot leegstand en specifiek met betrekking tot structurele leegstand. Het doel is om in het volgende hoofdstuk te identificeren welke variabelen (mede) bepalend zijn (determinanten) voor de structurele leegstand en bij voorkeur zelfs te ontdekken welke variabele een signalerende functie heeft (indicator). Het onderzoek beoogt een logisch verband vast te stellen en op deze wijze mogelijke indicatoren voor structurele leegstand te identificeren.
In dit hoofdstuk wordt tevens vastgesteld welke variabelen daadwerkelijk te gebruiken zijn voor het onderzoek, afhankelijk van de beschikbaarheid van (betrouwbare) data. De uitkomst van dit hoofdstuk vormt de input voor de data-analyse in het volgende hoofdstuk.
4.2
Literatuuronderzoek variabelen
4.2.1 Verantwoording en onderverdeling Ter identificatie en vaststelling van de variabelen die leegstand en structurele leegstand mogelijk verklaren is literatuuronderzoek gedaan op basis van onderzoeken die zich richten op de Nederlandse kantorenmarkt. Meerdere studies zijn uitgevoerd met de onderzoeksvraag welke variabelen leegstand, maar ook bijvoorbeeld de huurprijs, van een kantoorpand bepalen. In paragraaf 4.2.2 wordt een selectie van deze studies behandeld. Huizinga stelt in zijn onderzoek dat de variabelen kunnen worden onderverdeeld in vier clusters: gebied, gebouw, gebruiker en markt (Huizinga, 2010). Deze
30
onderverdeling is een combinatie van het 3G-model met de factor „markt‟. Het 3G model gaat er van uit dat huisvesting optimaal is bij een stabiel evenwicht tussen de 3 G‟s: gebiedsinvloeden, gebouwinvloeden en gebruikersinvloeden (Kohnstamm, 1994). Ten behoeve van dit onderzoek wordt verondersteld dat factoren die van invloed zijn op de huurprijs van een object, ook van invloed kunnen zijn (niet uitputtend) op de leegstandstatus van een object. Immers, in het geval dat gebruikers niet bereid zijn een huurprijs te betalen die de verhuurder als minimum hanteert, zal het object niet verhuurd worden. In dit kader is dus ook gekeken naar de wensen van kantoorgebruikers. Een bruikbaar onderzoek hiervoor is onder meer Kantoorgebruikers in profiel (NVB, 2009).
Voor dit onderzoek naar de indicatoren van structurele leegstand is het van belang de variabelen van leegstand op objectniveau en locatieniveau vast te stellen. De keuze is daarom gemaakt om de variabelen van de clusters gebouw en gebied te onderzoeken. Deze clusters bevatten immers alle factoren die relevant zijn voor dit onderzoek. De geïdentificeerde variabelen worden aangevuld met een aantal additionele factoren die niet of nauwelijks in de literatuur aan de orde komen, maar toch relevant zouden kunnen zijn. Het daadwerkelijk onderzoek wordt uitgevoerd door de individuele objecten te beoordelen ten opzichte van de variabelen, ongeacht of de variabelen locatiegebonden of objectgebonden zijn. Het object staat in het onderzoek centraal.
De clusters gebruiker en markt hebben veel invloed op leegstand, maar worden niet gebruikt in dit onderzoek. In de leegstand die onderzocht wordt is immers vanzelfsprekend geen gebruiker aanwezig. De markt is al impliciet besproken in de voorgaande hoofdstukken en is te veelomvattend om als variabele mee te nemen in het onderzoek. Bovendien geeft de markt en de specifieke dynamiek van de kantorenmarkt (macro niveau) een verklaring voor het verschijnsel van structurele leegstand. Welke specifieke objecten daadwerkelijk tot de structurele leegstand (zullen) behoren is afhankelijk van variabelen op object- en locatieniveau (micro niveau).
Een andere interessante mogelijke variabele is het gemeentelijk ruimtelijke ordeningsbeleid. Dit beleid zou als overkoepelende variabele kunnen worden meegenomen in een onderzoek. Aangezien in deze onderzoeksopzet is gekozen om één regio te onderzoeken (regio Amsterdam) en gezien de moeilijke meetbaarheid van beleid, is deze variabele niet verwerkt in dit onderzoek.
4.2.2 Overzicht variabelen Hoewel veel kantoren, voornamelijk van de binnenzijde, een uniform en gestandaardiseerd karakter hebben, is een kantoor een heterogeen product. Elk object heeft unieke kenmerken zoals onder meer grootte, hoogte, bouwstijl, kleurstelling, gebruikte materialen, maar ook bouwjaar, parkeernorm en duurzaamheidaspecten. Verondersteld wordt dat elk van deze specifieke kenmerken invloed kan hebben op de aantrekkelijkheid van een kantoorgebouw voor een gebruiker. Zoals al gesteld zijn hier meerdere onderzoeken naar gedaan. Ten behoeve van deze literatuurstudie is gebruik gemaakt van onderzoeken en rapporten die zich richten op de Nederlandse kantorenmarkt en zijn verschenen in de
31
laatste tien jaar. In deze paragraaf wordt een overzicht gegeven van de variabelen die in de diverse studies geïdentificeerd worden. In de opvolgende paragraven wordt dieper ingegaan op de variabelen.
In een onderzoek naar de waarde die kantoorgebruikers hechten aan diverse aspecten van kantoorruimte, in opdracht van DTZ Zadelhoff en Twynstra Gudde uit 2002, wordt met behulp van een vignettenanalyse een selectie van variabelen onderzocht (SEO, 2002). Een vignettenanalyse is een methode die gebruikt wordt om te onderzoeken wat het relatieve belang is van diverse aspecten bij het maken van keuzes. Respondenten worden gevraagd om hun waardering uit te spreken over een set van fictieve producten of situaties. Een vignet beschrijft een fictief product of een fictieve situatie. Vignetten worden gekenmerkt door een beperkt aantal attributen waarin variatie is aangebracht. Aan de waardering die respondenten aan de vignetten toekennen kan worden afgeleid welke attributen de respondent belangrijk vindt.
In de vignetten analyse uitgevoerd door SEO worden kantoorgebouwen beschreven door middel van zeven attributen: -
Locatie (centrum, kantorenpark, gemengd terrein, randgemeente);
-
Bereikbaarheid (auto en OV);
-
Parkeergelegenheid (hoeveelheid parkeerplaatsen per aantal werknemers);
-
Uitstraling van het gebouw (op basis van gevel);
-
Gebouwtype (single tenant / multi tenant);
-
Gebouwindeling (maatvoering naar keuze / standaard maatvoering);
-
Prijs (variatie van EUR 100 tot EUR 250 per m² per jaar).
Het onderzoek concludeert dat gebruikers de variabelen parkeergelegenheid, bereikbaarheid (zowel auto als OV) en locatie (centrum van de stad) het hoogst waarderen (SEO, 2002).
De Nederlandse Vereniging van Bouwondernemers (NVB) doet om het jaar een herhalingsonderzoek naar de huisvestingswensen van kantoorgebruikers. In dit onderzoek worden de huisvestingswensen met betrekking tot het kantoorobject getoetst op de volgende variabelen: -
Nieuwbouw of bestaande bouw;
-
Huur of koop;
-
Huurprijs (tot EUR 125, EUR 125 – EUR 175, EUR 175 - EUR 350, vanaf EUR 350);
-
Metrage per werknemer;
-
Parkeernorm (aantal parkeerplaatsen per 100 vierkante meter kantoorruimte);
-
Locatietype (binnenstad, rand binnenstad, langs snelweg, overig);
-
Kantoorconcept (flexibele versus vaste werkplekken);
-
Faciliteiten in gebouw (kinderopvang, lounges, fitnessruimte, etc.).
De conclusies van het onderzoek zijn dat nieuwbouw relatief populair is. De meeste bedrijven hebben voorkeur voor huur. Het prijssegment ligt tussen de EUR 175 en EUR 350 per m² per jaar. Het gewenste metrage per werknemer is met 30 m² opvallend hoog, evenals het gewenste aantal
32
parkeerplaatsen (één per werknemer). Locatietype „langs snelweg‟ heeft volgens dit onderzoek de voorkeur. Het kantoorconcept met vaste werkplekken geniet bij de meeste respondenten de voorkeur en faciliteiten in het gebouw worden niet als belangrijk ervaren.
Geraedts en Van der Voordt definiëren in een onderzoek naar de kans op leegstand de volgende risicovolle kenmerken (Van der Voordt, 2007): Gebouw
Locatie
- Bouwjaar tussen 1960 en 1980
- Ligging in een risicovol gebied (leegstand)
- Gedateerde ruimtelijke visuele kwaliteit
- Gemeentelijke beleid
- Negatieve uitstraling / identiteit
- Monofunctionaliteit
- Slechte staat van onderhoud buitenschil
- Slechte Bereikbaarheid met auto en OV
- Slechte staat inbouwpakket
- Onvoldoende parkeernorm
- Verouderde installaties
- Afstand tot voorzieningen te groot
- Slechte energieprestaties
- Beperkte openbare veiligheid
- Gebrek aan flexibiliteit indeling
- Hinder omgeving - Ruimtelijk en visuele kwaliteit omgeving
Geconcludeerd wordt in dit onderzoek dat de variabelen gemeentelijk beleid, parkeren (minder dan 1 plaats per 200 m² b.v.o.) en huurprijs (lager dan EUR 80,- per m² per jaar) doorslaggevend zijn voor de beoordeling van een object. Met gemeentelijk beleid wordt bedoeld dat een gebied aangewezen kan worden als prioriteitsgebied voor woningbouw. Indien een object aan één van deze kenmerken voldoet wordt het als een kansloos object beschouwd dat tot de onderkant van de kantorenmarkt behoort (Van der Voordt, 2007).
Bovenstaande studies zijn gebaseerd op interviews en enquêtes en niet op data-analyse. Het zijn kwalitatieve onderzoeken die gebaseerd zijn op de vraagzijde. Onderstaand onderzoeken kiezen een benadering vanuit de aanbodzijde.
Van Dijk heeft onderzocht of er sprake is van een duidelijke tweedeling in de kantorenmarkt en hoe deze zich voordoet. Met deze tweedeling wordt gedoeld op een onderscheid tussen goede locaties met een gezonde marktsituatie en slechte locaties met grote leegstand. Hij richt zich in het onderzoek op combinaties van object- en locatiespecifieke variabelen op een geaggregeerd niveau. In het onderzoek worden elf variabelen geïdentificeerd die op gebouwniveau invloed kunnen hebben op leegstand. Zeven van deze variabelen gebruikt hij voor zijn onderzoek: -
Omvang kantorenmarkt van de stad
-
Positionering binnen de stedelijke regio
-
Locatietype
-
OV-bereikbaarheid
-
Imago
-
Omvang kantoor
-
Bouwjaar
33
De variabelen voorzieningenniveau, autobereikbaarheid, parkeersituatie en duurzaamheid worden niet in het onderzoek betrokken. De redenen hiervoor zijn divers. De variabele voorzieningniveau correleert met het locatietype centrum en wordt daarom niet apart toegevoegd. De variabelen parkeervoorziening en duurzaamheid worden als relevant beschouwd, maar volledige data ontbreken. Autobereikbaarheid beschouwt hij als niet relevant voor zijn onderzoek. Naar verwachting is de reden 8
hiervoor de mogelijke sterke relatie met de locatietypen. Hij concludeert, op basis van een analyse 9
van data afkomstig van Dataland , dat de tweedeling zich alleen voordoet in de grootstedelijke regio‟s, waarbij de centrumgebieden nog relatief gezond zijn en de randgebieden uiterst ongezond (Van Dijk, 2011).
Het volgende wordt geconcludeerd met betrekking tot de afzonderlijke variabelen: -
Steden met een kleine kantorenmarkt kennen een relatief laag aanbodniveau;
-
De satellietsteden kennen een aanzienlijk hoger leegstandsniveau dan het landelijk gemiddelde;
-
Locatietype centrum heeft het laagste leegstandsniveau;
-
Gebieden zonder station kennen een bovengemiddelde leegstand;
-
Het onderzoek signaleert geen relatie tussen huurprijsniveau (imago) en leegstand;
-
Kantoren tussen 4.000 en 5.000 m² hebben een bovengemiddelde leegstand;
-
De leegstand concentreert zich in gebouwen met een bouwjaar tussen 1980 en 2005.
Remøy doet in haar proefschrift Out of Office onderzoek naar de oorzaken van structurele leegstand en zoekt naar oplossingen door de mogelijkheden en haalbaarheid van transformatie in kaart te brengen (Remøy, 2010). Ten behoeve van haar onderzoek gebruikt ze een database van 200 objecten in Amsterdam. Als variabelen gebruikt ze 6 locatiekarakteristieken en 15 gebouwkenmerken: Gebouw
Locatie
- Fietsstalling
- Bereikbaarheid per auto
- Gebouwfaciliteiten
- Bereikbaarheid per openbaar vervoer
- Bouwjaar
- Clustering (dichtheid van verwante organisaties in de omgeving)
- Parkeren
- Faciliteiten
- Comfort
- Veiligheid
- Goederen logistiek
- Status
- Energieverbruik - Uitstraling buitenzijde - Uitstraling binnenzijde - Indelingsflexibiliteit - Gebruikersherkenbaarheid - Routing - Veiligheid - Ruimte efficiëntie - Technische staat
8 9
Een specifieke onderbouwing waarom deze variabele niet wordt gebruikt in zijn onderzoek ontbreekt. Zie www.dataland.nl
34
Remøy concludeert, deels op de resultaten van een Delphi studie en deels op basis van data-analyse, dat aangaande de locatie de variabelen bereikbaarheid en status het meest van belang zijn en wat betreft gebouw de variabelen parkeren en uitstraling buitenzijde (Remøy, 2010).
Ook Buts maakt in haar onderzoek Anticiperen op langdurige leegstand gebruik van gebiedsgebonden en gebouwgebonden variabelen. Als gebiedsgebonden variabelen identificeert zij locatietype, functionaliteit en bereikbaarheidsprofiel. Als gebouwgebonden variabelen gebruikt zij bouwjaar en metrage. Zij concludeert dat stadscentra en locaties met een intercitystation een beperkter risico op langdurige leegstand hebben. Monofunctionaliteit van een locatie lijkt een bepalende factor te zijn voor leegstand. Het leegstandspercentage in kantoren uit de bouwperiode 1940 – 1979 is relatief hoog en panden in een grootteklasse vanaf 2.500 m² hebben een verhoogd risico op leegstand (Buts, 2009). Dit onderzoek is niet gebaseerd op data-analyse op objectniveau, maar op een analyse van gecategoriseerde data op geaggregeerd niveau. De conclusies kunnen daarom niet toegespitst worden.
Zuidema heeft diverse rapporten gepubliceerd over de problematiek van de Nederlandse kantorenleegstand (Zuidema, 2010a; Zuidema, 2010b). Deze rapporten gaan voornamelijk in op het macro niveau van de leegstandsproblematiek. In het rapport Kantorenleegstand, probleemanalyse en oplossingsrichtingen (Zuidema, 210a) signaleert Zuidema dat de kantorenleegstand in Nederland niet evenredig verdeeld is over het type beleggers. Het eigendom van de Nederlandse kantorenleegstand is voor het grootste gedeelte in handen van particuliere beleggers en vastgoedfondsen. Zuidema maakt ook een onderverdeling in deelgebieden en in bouwjaar. Hij concludeert dat 51% van de van de leegstaande kantoren na 1990 is gebouwd. De reden hiervoor is dat deze „nieuwere‟ gebouwen vaak in „overloop‟ regio‟s zijn gebouwd waar de vraag nu grotendeels is weggevallen (Zuidema, 2010a). Voor het overige behandelt Zuidema geen specifieke gebouw- of locatiekenmerken.
De onderzoeken van het SEO en de NVB gaan uit van de gebruikerszijde van de markt en bieden daarmee inzicht in factoren die de concurrentiepositie van een object kunnen bepalen. Immers, in een markt waar sprake is van overaanbod wordt op basis van de voorkeurswensen van de gebruiker bepaald waar de transacties plaatsvinden. Deze vraaggestuurde benadering is daarom relevant. Andere onderzoeken die behandeld zijn nemen de aanbodzijde van de markt als uitgangspositie. De onderzoeksopzet van Remøy is zeer compleet. De variabelen die in dit onderzoek worden gebruikt zijn gedetailleerder en ook technischer dan in de andere onderzoeksrapporten. De reden hiervoor is dat Remøy in vervolg op haar deelonderzoek naar structurele leegstand toetst in hoeverre deze gebouwen succesvol getransformeerd kunnen worden tot andere functies.
35
Onderstaand figuur geeft een overzicht van de variabelen die in de besproken onderzoeken zijn behandeld. Per onderzoek is aangegeven welke variabelen door de auteurs als belangrijkste werden gewogen (vetgedrukte „x‟).
Variabelen / Onderzoek
V. d. Van SEO NVB Voordt Dijk
Remøy Buts Zuidema
Locatiegebonden variabelen Bereikbaarheid per auto Bereikbaarheid per OV Locatietype Functionaliteit / voorzieningenniveau Uitstraling omgeving / status Deelgebied / positionering binnen regio Leegstand in gebied Gemeentelijk beleid Openbare veiligheid Ruimtelijke en visuele kwaliteit omgeving Omvang kantorenmarkt van de stad Clustering Hinder omgeving (belendende gebouwen)
4.3 x x x x
x x x
x x
x
x x x x
x x x x
x x x x
4.3.1 4.3.1 4.3.2 4.3.3 4.3.4 x
x
x x x x
Gebouwgebonden variabelen Bouwjaar Metrage Parkeren Duurzaamheid / energielabel / energieverbruik Huurprijs Technische kwaliteit Indeling, efficiëntie, flexibiliteit Makelaar(s) Type eigenaar Uitstraling gebouw Gebouwtype (multi tenant / single tenant) Nieuwbouw / bestaande bouw Huur / koop Aanvullende faciliteiten Staat van onderhoud buitenzijde Kwaliteit inbouwpakket Ruimtelijke visuele kwaliteit Metrage per werknemer Flexwerken / traditioneel Fietsenstalling Comfort Goederen logistiek Gebruikersherkenbaarheid Routing Veiligheid
Besselaar
4.4 x x
x
x
x
x x
x
x
x x x x
x
x
x
x x
x
x x x x x x x
4.4.1 4.4.2 4.4.3 4.4.4 4.4.5 4.4.6 4.4.7 4.4.8 4.4.9
x
x x x x
x x x x
x
x x x x x x x x
Figuur 12: Overzicht variabelen
36
Gebaseerd op literatuur zoals hierboven besproken worden in het vervolg van dit hoofdstuk de variabelen per stuk toegelicht. Figuur 12 geeft hiervan een overzicht. Niet alle variabelen worden behandeld. De keuze voor de te behandelen variabelen is gebaseerd op haalbaarheid en relevantie. Bovendien is er rekening gehouden met het onderzoeksgebied en met de weging van de variabelen door de auteurs. Met betrekking tot de locatiegebonden variabelen is aangenomen dat „deelgebied‟ overlapt met „locatietype‟. „Gemeentelijk beleid‟ zou erg relevant kunnen zijn, maar het onderzoeksgebied beperkt zich tot één regio waardoor geen verschillen gesignaleerd zouden kunnen worden. Voor de variabele „omvang kantorenmarkt van de stad‟ geldt deze argumentatie ook. De overige locatiegebonden variabelen zijn door de auteurs niet als „belangrijkste‟ gewogen. Met betrekking tot de gebouwgebonden variabelen valt „uitstraling gebouw‟ onder de locatiegebonden variabele „uitstraling omgeving / status‟. De variabele „nieuwbouw / bestaande bouw‟ valt onder de variabele „bouwjaar‟. De variabelen „metrage per werknemer‟ en „flexwerken‟ zijn voor dit onderzoek niet relevant aangezien deze betrekking hebben op het gebruik van de objecten. Aan de overige gebouwgebonden variabelen wordt door de auteurs minder belang gehecht.
De volgorde van de te behandelen variabelen is willekeurig. Het onderzoek zal worden uitgevoerd op basis van objectkenmerken. Een locatiegebonden variabele zoals bereikbaarheid zal dus op individueel objectniveau worden onderzocht. In hoofdstuk 5.2 zal nog worden ingegaan op het mogelijke verband tussen de variabelen en op de vraag of de variabelen voldoende onderscheidend zijn. Het is immers aannemelijk dat bereikbaarheidsprofiel ook gerelateerd is aan locatietype, functionaliteit en parkeren. Een centrumlocatie is waarschijnlijk beter bereikbaar per trein dan per auto.
4.3
Locatiegebonden variabelen
4.3.1 Bereikbaarheid Ondanks het gegeven dat de bereikbaarheid van gebouwen op één deellocatie kan verschillen (achteraf of naast afrit / station), valt bereikbaarheid in dit onderzoek onder de locatiegebonden variabelen. De bereikbaarheid wordt onderverdeeld in bereikbaarheid per auto en bereikbaarheid per openbaar vervoer. Bereikbaarheid is voor gebruikers veelal een basale voorwaarde en daardoor een factor die mede de aantrekkelijkheid van een locatie en gebouw bepaalt. Zoals eerder al aangegeven valt de bereikbaarheid onder locationele aspecten; één van de meest cruciale invloeden (Bak, 2010a).
In de studie Een prijskaartje aan kwaliteitskenmerken van kantoren van SEO (2002) is de invloed van bereikbaarheid op de prijsvorming van kantoren onderzocht. Uitkomst was dat de voorkeur uitgaat naar een kantoor dat zowel per openbaar vervoer (OV) als per auto goed bereikbaar is. Een opmerkelijke uitkomst is dat indien het object slechts via één van deze vervoersvormen goed bereikbaar is, het kantoorgebruikers om het even is welke (SEO, 2002). Een onderzoek van de NVB
37
naar de huisvestingswensen van kantoorgebruikers toont eveneens aan dat de bereikbaarheid zeer belangrijk is; goede autobereikbaarheid scoort het hoogst (NVB, 2009).
Met betrekking tot bereikbaarheid dient opgemerkt te worden dat het aannemelijk is dat bereikbaarheidsprofiel grote invloed heeft op het locatietype. Echter, de variabelen worden geïsoleerd van elkaar onderzocht.
Per auto Uit het onderzoek van Buts blijkt dat de meeste leegstand voorkomt op locaties die te typeren zijn als „snelweglocaties‟ en „overige ontsluiting‟ (Buts, 2009). Snelweglocatie wordt ten behoeve van haar onderzoek getypeerd als een postcodegebied in de directe nabijheid van een autosnelweg. Overige ontsluiting wordt getypeerd door de nabijheid van gemeentelijke of provinciale wegen. Deze typeringen zijn enigszins ruim omschreven, maar de variabele op zich lijkt relevant.
De conclusie van Buts komt ook overeen met de bevindingen van Remøy die in haar onderzoek concludeert dat structurele leegstand relatief veel voorkomt in de nabijheid van de snelweg (Remøy, 2010). De verklaring hiervoor is dat deze plekken vaak gekenmerkt worden door een industrieel karakter met weinig voorzieningen. Opvallend is overigens dat Korteweg eerder concludeerde dat driekwart van kansloze objecten (kantoren die volgens hem niet meer verhuurd gaan worden) op slecht bereikbare plaatsen liggen, ver weg van onder meer de snelweg (Korteweg e.a., 2006). De conclusies zijn dus niet eenduidig en bieden voldoende aanleiding om deze variabele te gebruiken voor de analyse.
Per openbaar vervoer Buts concludeert in haar onderzoek dat kantoorruimte op locaties in de nabijheid van intercitystations slechts beperkte langdurige leegstand kent (Buts, 2009). Er is sprake van een dergelijke locatie indien het object in een postcodegebied ligt direct grenzend aan of voorzien van een intercitystation. Objecten op overige stationslocaties hebben volgens de studie van Buts een zelfde percentage langdurige leegstand als de hierboven genoemde snelweglocaties.
Uit de studie van Remøy blijkt dat indien de afstand tot het intercitystation groter wordt de kans op structurele leegstand toeneemt. Korteweg concludeert dat een grote afstand tot NS-stations vaker als probleem ervaren wordt dan de afstand tot een halte van andere soorten OV (Korteweg e.a., 2006). In dit onderzoek zal de afstand naar treinstations worden opgenomen in de data-analyse.
4.3.2 Locatietype SEO concludeert in een onderzoek naar voorkeuren van kantoorgebruikers, op basis van de regio Rotterdam, dat locatie een belangrijk element is in relatie tot de waardering van een object (SEO, 2002). Locatie is in hun onderzoek direct verbonden aan parkeernorm. De onderscheiden locatietypen
38
zijn: (1) centrum, (2) kantorenparken in de stadsrand, (3) bedrijventerreinen in de stadsrand en (4) bandgemeenten. Het onderzoek concludeert dat kantoorgebruikers het centrum (in dit geval van Rotterdam) ongeacht de parkeergelegenheid, het hoogst waarderen.
Buts houdt in haar onderzoek een andere onderverdeling aan, te weten: (1) stadscentrum, (2) woonwijk, (3) bedrijventerrein, (4) kantorenpark en (5) buitengebied. Buts concludeert dat het percentage langdurige leegstand in stadscentra relatief laag is. De leegstand is relatief hoog in de categorieën kantorenpark en bedrijventerrein (Buts, 2009).
De variabele deelgebied is een specificatie van locatietype. Locatietype is immers een clustering van diverse deelgebieden. Een reden om de specificatie in deelgebieden op te nemen in het onderzoek zou zijn dat de diverse deelgebieden duidelijk een verschillend imago hebben. De onderverdeling van locatietype in deelgebieden is voor dit onderzoek echter niet relevant aangezien op basis van een dergelijke analyse geen uitspraken gedaan kunnen worden buiten de onderzoeksregio. Concluderend lijkt de variabele locatietype relevant te zijn en wordt deze meegenomen in dit onderzoek. Er is overlap tussen locatietype en bereikbaarheid, maar aangezien bereikbaarheid in afstand per individueel object wordt onderzocht zijn de variabelen voldoende onderscheidend.
4.3.3 Functionaliteit / voorzieningenniveau Functionaliteit en voorzieningniveau zou beoordeeld kunnen worden als afstand tot de dichtstbijzijnde publieke voorzieningen (winkels, horeca, dienstverlening) of op basis van de kwalificatie monofunctioneel versus multifunctioneel. De auteurs trekken geen eenduidige conclusies over de invloed van het voorzieningenniveau in de directe omgeving op leegstand. Uit het onderzoek van Buts komt naar voren dat functionaliteit niet nadrukkelijk een factor is die in relatie gebracht kan worden met leegstand (Buts, 2009). Het onderzoek van Remøy concludeert in tegenstelling tot Buts een significante relatie tussen (het ontbreken van) faciliteiten in de directe omgeving, zoals winkels en horeca, en structurele leegstand (Remøy, 2010).
Functionaliteit is een variabele die een sterke overlap heeft met de variabele locatietype. Het is aannemelijk om te veronderstellen dat locatietype centrumlocatie een multifunctioneel karakter heeft in tegenstelling tot locatietype kantorenpark. Data die de afstand tot de dichtstbijzijnde voorzieningen per object vaststellen zijn voor dit onderzoek niet beschikbaar. Enerzijds wegens de geconstateerde overlap en anderzijds wegens het ontbreken van data op objectniveau, is de variabele functionaliteit niet meegenomen in het onderzoek.
39
4.3.4 Uitstraling omgeving De uitstraling van de omgeving en het imago van een object vallen onder de eerder besproken locationele aspecten. In geval van locationele leegstand voldoet het object onder meer op basis van de uitstraling van het gebied en het imago van het gebouw niet aan algemeen gestelde voorwaarden (Van der Voordt, 2007; Bak, 2010a). Zoals gesteld in hoofdstuk 2 zijn deze factoren voor een gebouweigenaar moeilijk te beïnvloeden of te verbeteren. Uitstraling en imago worden individueel gevormd op basis van perceptie. Van Dijk neemt in zijn onderzoek huurprijs als indicator voor imago (Van Dijk, 2011). De variabele huurprijs zal worden meegenomen in dit onderzoek, maar niet als pijler voor het imago. Imago en uitstraling zijn factoren die moeilijk te kwantificeren zijn. Zoals uit het 10
onderzoek van SEO op basis van een vignettenanalyse blijkt , is uitstraling een vrijwel ongrijpbaar begrip dat zich moeilijk laat meten (SEO, 2002). Remøy concludeert op basis van haar Delphi onderzoek dat status na bereikbaarheid per auto als belangrijkste aspect beschouwd wordt (Remøy, 2010). Ook uit het onderzoek van de NVB blijkt dat uitstraling van de omgeving en het gebouw tot de belangrijkste keuzecriteria van de eindgebruikers behoort (NVB, 2011). Op basis van deze studies blijkt dat dit een belangrijke variabele is. Echter, het gaat om een variabele die zeer subjectief is.
Concluderend kan onderkend worden dat de variabele uitstraling omgeving en imago object een belangrijke factor is. Desalniettemin wordt deze variabele niet meegenomen in dit onderzoek. De reden hiervoor is dat in dit onderzoek „harde‟ data worden opgenomen. Uitstraling en imago zijn niet op dergelijke wijze te incorporeren. Bij de conclusies van dit onderzoek zal rekening gehouden moeten worden met het ontbreken van deze variabele. Overigens kan wel gesteld worden dat imago en uitstraling overlap kunnen hebben met de variabelen bouwjaar en locatietype. De uitstraling van de omgeving of het imago van een object worden echter niet per definitie door de bouwperiode of het locatietype bepaald.
4.4
Gebouwgebonden variabelen
4.4.1 Bouwjaar Een van de onderzoeksresultaten van Remøy is dat het bouwjaar van een kantoor significant correleert met structurele leegstand in een object (Remøy, 2010). Hierbij dient overigens opgemerkt te worden dat de variabele bouwjaar correleert met een groot aantal variabelen zoals flexibiliteit, efficiëntie, uitstraling, hoogte, totaal metrage, afstand tot de snelweg, etc. Het is aannemelijk dat er ook een sterke relatie is tussen bouwjaar (categorie) en locatietype. In locatietype centrumlocatie (van de grotere steden) zullen de gebouwen naar verwachting ouder zijn dan in locatietype kantorenpark.
Volgens het onderzoek van Remøy zijn de meeste objecten die structureel leeg staan zijn gebouwd in de periode 1980 – 1995. De studie van Van der Gijp wijst uit dat oude kantoren (vooroorlogs) relatief 10
Zie voor een verder toelichting op deze vignettenanalyse hoofdstuk 4.2 van dit onderzoek.
40
weinig leeg staan en dat kantoren die tussen 1940 en 1980 gebouwd zijn de meeste leegstand kennen, met een zwaartepunt op de kantoren gebouwd tussen 1960 en 1980 (Van der Gijp, 2008). Van der Gijp concludeert dat kantoren gebouwd tussen 1971 en 1980 en in de jaren negentig tijdens de opkomst van de IT-sector, het meest te leiden hebben van economische veroudering en dat de vooroorlogse bouw courant gehouden wordt door verbouw en renovatie (Van der Gijp, 2008). Buts concludeert in haar onderzoek dat de bouwperiode 1940 – 1979 het meest te lijden heeft onder langdurige leegstand (Buts, 2009). Zuidema concludeert dat 51% van de van de leegstaande kantoren na 1990 is gebouwd en geeft als reden hiervoor dat deze gebouwen veelal op overlooplocaties zijn gebouwd (Zuidema, 2010a). Met deze overlooplocaties doelt Zuidema op locatietype kantorenlocatie.
Het is helder dat er een verband is tussen bouwjaar en leegstand. De conclusies met betrekking tot deze variabele zijn echter niet eenduidig wat betreft de periode. De variabele bouwjaar zal worden meegenomen in dit onderzoek.
4.4.2 Metrage In het onderzoek van Van Dijk wordt geconcludeerd dat de omvang van kantoren een bepalende factor is voor leegstand en dat diverse indicatoren er op wijzen dat grootschalige kantoren het moeilijk hebben (Van Dijk, 2011). Uit het onderzoek van Buts blijkt dat objecten tussen de 2.500 m² en 10.000 m² relatief het meest te kampen hebben met langdurige leegstand (Buts, 2009). De variabele metrage lijkt relevant.
In dit onderzoek wordt ingegaan op het metrage van de leegstand in relatie tot structurele leegstand, ongeacht de grootte van het volledige object. Tevens zal worden onderzocht of er een relatie is tussen structurele leegstand en de leegstandsratio van een gebouw (of het volledige gebouw leeg staat of een gedeelte). De mate van leegstand in een gebouw zorgt immers voor een bepaalde uitstraling en imago.
4.4.3 Parkeren Uit het onderzoek van SEO blijkt dat parkeergelegenheid een uitermate belangrijk aspect is voor de kwaliteitsbeleving van kantoorruimte (SEO, 2002). Een nuancering die aan de conclusie wordt toegevoegd is dat de „parkeerruimtegevoeligheid‟ afhankelijk is van het locatietype. Een centrumlocatie wordt met betrekking tot kwaliteitsbeleving minder negatief beïnvloed door een beperkte beschikbaarheid van parkeerplaatsen dan een kantorenpark aan de stadsrand. Remøy constateert in haar onderzoek dat de hoeveelheid beschikbare parkeerplaatsen per m² negatief correleert met leegstand (Remøy, 2010).
41
De variabele parkeren lijkt relevant en wordt in de vorm van een parkeerratio opgenomen in het onderzoek. Het type parkeerplaats (publiek, buitenterrein of garage) zou ook van invloed kunnen zijn op de structurele leegstand, maar wordt in dit onderzoek niet meegenomen.
4.4.4 Duurzaamheid / energielabel Een actueel thema, ook in de kantorenmarkt, is duurzaamheid. Een groeiend aantal bedrijven richt zich in de volledige breedte van de bedrijfsvoering op duurzaamheidaspecten. Huisvesting dient hier dus ook aan te voldoen. Zowel Van der Voordt als Remøy benoemen energieverbruik en duurzaamheid in hun onderzoek, maar beiden gaan niet uitgebreid op dit onderwerp in.
Duurzaamheid kan gemeten worden op diverse manieren. De meest voor de hand liggende mogelijkheid is om te kijken naar het energielabel. Voor nieuwbouwontwikkelingen is wegens het bouwbesluit een A-label een vereiste. Met betrekking tot de bestaande bouw variëren de energielabels. Het is aannemelijk te veronderstellen dat het energielabel van belang is voor de bezettingsgraad van een gebouw. De Rijksgebouwendienst (RGD) heeft bijvoorbeeld als beleid niet meer te huren in gebouwen met een lagere classificatie dan een C-label. Ook zijn er studies gedaan naar de relatie tussen prijsvorming (zowel huurwaarde als beleggingswaarde) en de mate van courantheid van kantoorgebouwen met duurzaamheidaspecten. Uit onderzoek bleek dat een C-label of hoger een positief effect heeft op de waarde van kantoorgebouwen (Broumels en Den Hartogh, 2010).
Per 1 januari 2008 is een energielabel voor elk gebouw verplicht, maar in de praktijk voldoen niet alle eigenaren aan die vereiste. Aanwezigheid van energielabels staat geregistreerd. Energielabels zijn vrij opvraagbaar
11
maar de beschikbaarheid is verre van compleet. Het is aannemelijk te veronderstellen
dat duurzaamheidaspecten correleren met structurele leegstand, maar de beschikbaarheid van data is te minimaal om deze variabele mee te nemen in het onderzoek.
4.4.5 Huurprijs Huurprijs is een variabele die op verschillende manieren benaderd kan worden. Er is een vraagprijs per vierkante meter per jaar die bepaald wordt door de verhuurder, eventueel na advies van een makelaar. Maar, in hoeverre zegt een vraagprijs iets over de courantheid van een gebouw? Voor dit onderzoek is aangenomen dat een verhuurder een professionele partij is die zich voldoende laat adviseren en er geen belang bij heeft om zich bewust uit de markt te prijzen. In geval een transactie wordt gesloten is er sprake van een contracthuur (bruto huur) die veelal wordt gecombineerd met bijdragen van de verhuurder. Deze bruto huur zou kunnen worden teruggerekend naar een netto (effectieve) huur waarbij de huur die betaald wordt gecorrigeerd is met de verstrekte incentives. De 11
Bijvoorbeeld op www.ep-online.nl.
42
incentives die verhuurders bereid zijn te verstrekken verschillen per regio. De contractwaarde is dus niet alleen afhankelijk van het huurniveau, maar ook van de incentives.
Opvallend is de conclusie die Korteweg stelt dat het huurprijsniveau een zeer geringe rol speelt in de kansrijkheid van verhuur van een object voor (Korteweg e.a., 2006). Met deze conclusie stelt hij het eerder besproken model van DiPasquale en Wheaton ter discussie. De conclusie van Korteweg is ook niet in lijn met de constateringen van Zuidema. In zijn onderzoek geeft Zuidema aan dat weinig bekend is van het effect van huurprijs op de opname van kantoorruimte. Zuidema spreekt wel de verwachting uit dat een lagere huurprijs een hogere opname als gevolg zou hebben (Zuidema, 2010b). Van Dijk neemt het huurniveau in zijn onderzoek mee als indicator voor status met als motivatie dat in gebieden met een sterk imago huurders bereid zijn een hogere meterprijs te betalen dan in andere gebieden (Van Dijk, 2011). Echter, huurniveaus verschillen niet alleen aanzienlijk per deelgebied maar ook binnen een deelgebied.
Concluderend wordt voor dit onderzoek de vraaghuur als een relevante variabele beschouwd en opgenomen in de data-analyse. Er zou gekozen kunnen worden om per deelgebied een gebiedsgemiddelde op te nemen van de verstrekte incentives en om op die wijze de vraaghuur te corrigeren, maar deze data zijn niet voorhanden.
4.4.6 Technische kwaliteit Zowel Van der Voordt als Remøy gaan in hun onderzoek in op de variabele technische kwaliteit. De kwaliteit van gebouwen en het comfort dat ze een huurder bieden is een aspect dat bij de belegger meestal niet vooraan staat (Huizinga, 2010). De belegger stelt de onderliggende huurovereenkomst en locatie centraal (Huizinga, 2010). Het spreekt voor zich dat de technische staat van een gebouw voor de huurder wel degelijk van belang is. Huurders leggen veelal nadruk op de kwaliteit van de klimaatinstallatie. Andere aspecten zijn de algemene staat van onderhoud, liftsnelheid, verwarming, aanwezigheid van een sprinklerinstallatie en de aanwezigheid van verhoogde vloeren (Huizinga, 2010). Aangenomen kan worden dat nagenoeg alle gebouwen een vorm van klimaatbehandeling hebben. Het is aannemelijk dat het functioneren daarvan per object kan verschillen, evenals de perceptie die de huurder van het functioneren heeft.
De technische kwaliteit van een object zou een relevante aparte variabele kunnen zijn, maar in dit onderzoek is deze niet meegenomen wegens het ontbreken van data. Overigens kan gesteld worden dat deze variabele impliciet wordt vertaald in de variabele bouwjaar. Volledig is dat echter niet aangezien hiermee bijvoorbeeld grootschalige renovaties of upgrading van de installaties over het hoofd worden gezien.
43
4.4.7 Indeling, efficiëntie en flexibiliteit Volgens een onderzoek van de NVB staat flexibiliteit van de indeling op nummer drie van de belangrijkste keuzecriteria van een kantoorgebouw (NVB, 2011). SEO concludeert dat het behoort tot de minder belangrijke kantoorkenmerken (SEO, 2002). In de studie van Remøy wordt op verschillende onderliggende facetten wel een samenhang aangetoond met leegstand (Remøy, 2010). Er is derhalve geen eenduidige conclusie te trekken.
Reden hiervoor kan zijn dat deze variabele veelomvattend, multi-interpretabel en moeilijk te clusteren is. De meeste kantoorgebouwen kennen een redelijke mate van standaardisatie en zijn uitgelegd op een stramienmaat van 1,8 meter. De verhouding verhuurbaar vloeroppervlakte ten opzichte van bruto vloeroppervlakte beweegt zich in Nederland in een bandbreedte van 85% tot 90%. Wat echter significant per object verschilt zijn eigenschappen als vloergrootte, wel of geen kerngebouw, daglichttoetreding, vloerdiepte en het aantal kolommen. Dit kunnen wel degelijk relevante aspecten van kantoorgebouwen zijn omdat deze ook bepalen of een object geschikt zou kunnen zijn voor Het Nieuwe Werken. Aangezien echter gegevens en betrouwbare data ontbreken, wordt deze variabele niet meegenomen in het onderzoek.
4.4.8 Makelaar(s) Opvallend is dat één zeer typerend en beeldvormend aspect voor leegstaande kantoren niet in de literatuur aan de orde komt: de verhurend(e) makelaar(s). Veel kantoorgebieden staan vol met verhuurborden van makelaars. Het zou interessant kunnen zijn om na te gaan of de variabele „makelaar‟ invloed heeft op de structurele leegstand. Welke makelaar of type makelaar heeft absoluut gezien het meeste structurele aanbod in portefeuille?
Op de Amsterdamse kantorenmarkt zijn in totaal circa 30 makelaars actief.
12
Er is een duidelijke
onderverdeling te maken tussen de internationale en de nationale / regionale makelaars. De internationale makelaars die in Amsterdam actief zijn bestaan uit DTZ Zadelhoff, CBRE, Jones Lang LaSalle, Cushman & Wakefield, Savills en Colliers. De lokaal georiënteerde makelaars bestaan uit onder meer Van Dijk & Ten Cate, Van Gool Elburg en DRS Makelaars.
De verhuurder van een leegstaand object maakt de keuze welke makelaar of makelaars hij (exclusieve) opdracht verstrekt voor bemiddeling bij de verhuur. Er is slechts een beperkt aantal verhuurders die er voor kiest geen makelaar te instrueren (een zogeheten „free fight‟ opdracht). Het is voor een eigenaar interessant om inzichtelijk te hebben welke makelaar de meeste transacties tot stand brengt maar ook welke makelaar het meest betrokken is bij structurele leegstand. De variabele „makelaar‟ wordt daarom, ondanks het ontbreken van een verantwoording vanuit de literatuur, meegenomen in het onderzoek. 12
Dit blijkt uit de database leegstand Amsterdam.
44
4.4.9 Type eigenaar Zoals in hoofdstuk 4.2.2 besproken stelt Zuidema in zijn rapport over kantorenleegstand dat de leegstand niet evenredig per type belegger verdeeld is (Zuidema, 2010a). Volgens zijn onderzoek hebben institutionele beleggers (risicomijdend) relatief minder leegstand in portefeuille dan indirecte vastgoedfondsen (opportunistisch). Ook constateert hij dat buitenlandse beleggers relatief meer leegstand hebben dan Nederlandse beleggers. Lokale marktkennis speelt hierbij een rol. Niet alleen de risicoperceptie maar ook slagvaardigheid en liquiditeit bepaalt hoe op leegstand gereageerd kan worden (Zuidema 2010a). Te denken valt hierbij bijvoorbeeld aan de keuze om een object te renoveren om het op die wijze aantrekkelijker te maken voor de markt.
Zuidema maakt onderscheid tussen particuliere beleggers, vastgoedfondsen, institutionele beleggers en de categorie overig / onbekend. Behalve in de studie van Zuidema wordt deze variabele niet behandeld in de onderzochte literatuur. Doelstelling van dit onderzoek was om deze variabele wel mee te nemen door te onderzoeken wat het aandeel is in de structurele leegstand per type belegger / verhuurder. Echter, uit de praktijk blijkt dat het niet goed mogelijk is de diverse type eigenaren te categoriseren. Kantoren zijn in eigendom als belegging van fondsen waarvan de constructie niet volledig transparant is. Aandeelhouders van de fondsen kunnen divers zijn en variëren van pensioenfondsen tot welgestelde particuliere beleggers. Er is uitgebreid onderzoek gedaan naar deze variabele en uiteindelijk besloten deze niet te gebruiken in het onderzoek wegens het arbitraire karakter.
4.5
Conclusie
Op basis van het literatuuronderzoek en de analyse is in voorgaande paragraven een hypothese gesteld welke variabelen relevant zijn. Opvallend is dat de resultaten van eerdere onderzoeken niet eenduidig zijn. Reden hiervoor kan zijn dat de onderzoeksopzet en beschikbare gegevens per onderzoek verschillen. In dit hoofdstuk is duidelijk gemaakt en beargumenteerd welke variabelen meegenomen worden in dit onderzoek. Zoals beschreven is de reden om een variabele te gebruiken in het onderzoek omdat een variabele relevant lijkt te zijn. Anderzijds is de reden om een variabele niet te gebruiken, dat deze niet relevant is of omdat er geen (betrouwbare) data beschikbaar zijn.
Onderstaand figuur geeft een overzicht van de onderzochte variabelen met de vermelding of deze wel of niet zijn opgenomen in dit onderzoek.
45
4.3 4.3.1 4.3.2 4.3.3 4.3.4 4.4 4.4.1 4.4.2 4.4.3 4.4.4 4.4.5 4.4.6 4.4.7 4.4.8 4.4.9
Locatiegebonden variabelen Bereikbaarheid per auto Bereikbaarheid per OV Locatietype Functionaliteit / voorzieningenniveau Uitstraling omgeving Gebouwgebonden variabelen Bouwjaar Metrage Parkeren Duurzaamheid / energielabel Huurprijs Technische kwaliteit Indeling, efficiëntie, flexibiliteit Makelaar(s) Type eigenaar
Opgenomen in onderzoek X X X
Opgenomen in onderzoek X X X
Niet opgenomen in onderzoek
X X Niet opgenomen in onderzoek
X X X X X X
Figuur 13: Overzicht onderzoeksvariabelen
De variabelen die nader onderzocht zullen worden betreffen drie locatiegebonden en vijf gebouwgebonden variabelen. De kwalificatie locatiegebonden of gebouwgebonden heeft gediend als een kapstok om de verschillende variabelen te kunnen plaatsen. Het onderzoek wordt uitgevoerd op objectniveau. Dat wil zeggen dat de variabelen zoveel mogelijk worden gemeten ten opzichte van het individuele object. Door te zoeken naar een relatie tussen de variabelen met structurele en nietstructurele leegstand wordt duidelijk of deze variabelen als indicatoren aangemerkt kunnen worden. Dit wordt in het volgende hoofdstuk verder toegelicht.
In dit hoofdstuk is meerdere malen aan de orde gekomen dat de variabelen ook een onderlinge relatie kunnen hebben. Locatietype, afstand tot de snelweg en station, parkeerratio en bouwjaar kunnen op diverse manieren aan elkaar gerelateerd zijn. De variabelen zullen echter geïsoleerd van elkaar onderzocht worden. Op deze manier zal per variabele de mate van relatie met structurele leegstand of het ontbreken van een relatie, aangetoond worden. Gezien de overlap tussen diverse variabelen kan het echter wel voorkomen dat verschillende variabelen hetzelfde verschijnsel verklaren.
46
5
Data-analyse
5.1
Inleiding
De variabelen die op basis van voorgaand hoofdstuk relevant lijken te zijn en waarvan ook betrouwbare data beschikbaar zijn, zijn onderzocht door middel van kwantitatieve data-analyse. De analyse is vanuit twee invalshoeken uitgevoerd. Eerst is onderzoek gedaan naar verschillen met betrekking tot de categorieën niet-structurele en structurele leegstand. Vervolgens is onderzocht, voor zover mogelijk en relevant, in hoeverre er sprake is van samenhang tussen de variabele en structurele leegstand. Dit hoofdstuk geeft antwoord op de vraag of de testvariabelen significante verschillen aantonen voor de categorieën niet-structurele leegstand en structurele leegstand danwel of de geïdentificeerde variabelen samenhang vertonen met structurele leegstand (afhankelijke variabele). Het doel van dit hoofdstuk is om te identificeren welke variabelen (mede)bepalend zijn voor structurele leegstand en te onderzoeken of deze variabelen een signalerende functie hebben en als indicator gekenmerkt kunnen worden. Om als indicator gekenmerkt te kunnen worden dient een variabele significante samenhang te vertonen met structurele leegstand en dient de verklaarde variantie sterk te zijn.
Dit hoofdstuk begint met een omschrijving van de database en de onderzoeksmethodiek. Vervolgens wordt een overzicht gegeven van de kerngegevens. Daarna zal per variabele het onderzoeksresultaat en de analyse besproken worden. In de afsluitende paragraaf van dit hoofdstuk wordt geconcludeerd of de onderzoeksresultaten overeenkomen met de conclusies van het literatuuronderzoek.
5.2
Database en onderzoeksmethodiek
De onderzochte data, de populatie, omvat het volledige aanbod van leegstaande kantoorruimte in de Amsterdamse regio. De basis van dit databestand is afkomstig van DTZ Zadelhoff Research en wordt twee keer per jaar volledig gecontroleerd en geactualiseerd. Het aanbod is onder te verdelen in een categorie niet-structurele leegstand en een categorie structurele leegstand.
De afbakening van de Amsterdamse regio bestaat uit alle deelgebieden in Amsterdam inclusief Amstelveen en Diemen. In het bestand zijn de gebouwen opgenomen waarin minimaal 500 m² kantoorruimte voor de verhuur of verkoop beschikbaar is. Het databestand bevat uitsluitend het aanbod in opgeleverde of in aanbouw zijnde ontwikkelingen. Indien het complex ook bedrijfsruimte bevat, is het aanbod alleen opgenomen in het bestand als het complex voor meer dan 50% uit kantoorruimte bestaat en bovendien een leegstand heeft van meer dan 500 m² kantoorruimte. Het databestand heeft als peildatum 1 januari 2011.
47
Omdat dit bestand het volledige aanbod van kantoorruimte bevat en niet een selectie is, kan een valide analyse gemaakt worden van de relatie van de diverse variabelen tot de structurele leegstand en tot de niet-structurele leegstand. Er kan dus gekeken worden naar directe verbanden. De eventuele verschillen en ook de indicatoren kunnen hiermee geïdentificeerd worden. Uit het databestand blijkt per object hoeveel jaar het als aanbod geregistreerd staat en of het object behoort tot de structurele leegstand.
Op basis van de variabelen (testvariabelen) is een verschillenanalyse gedaan tussen de verzamelingen niet-structurele leegstand en structurele leegstand. Deze categorisering is gemaakt op basis van de gehanteerde definitie voor structurele leegstand, te weten kantoorruimte die meer dan drie jaar niet in gebruik is (splitsingsvariabele). Waar mogelijk en relevant is de samenhang (correlatie) tussen de variabelen met structurele leegstand getoetst. Op deze manier is onderzocht welke invloed de variabelen hebben op structurele leegstand en in hoeverre deze variabelen als indicator kunnen worden aangemerkt. Tot slot zijn de uitkomsten van de analyse gevat in een formule die structurele leegstand deels verklaart.
Voor de verschillenanalyse is gebruik gemaakt van de T-toets, de Chi-kwadraattoets en de variantie analyse. De T-toets toont aan of de gemiddelden van twee groepen op een testvariabele significant van elkaar verschillen. De testvariabele geeft aan waarop de verschillende categorieën worden onderscheiden. Voorwaarde voor het uitvoeren van de T-toets is dat de testvariabele gemeten is op een intervalschaal of ratioschaal. Wanneer sprake is van een testvariabele die gemeten is op nominaal meetniveau wordt gebruik gemaakt van de Chi-kwadraattoets. Om na te gaan of de gemiddelden van drie of meer categorieën significant van elkaar verschillen wordt gebruik gemaakt van de variantie analyse.
13
Indien uit de verschillenanalyse geen significantie blijkt kan een correlatie analyse achterwege blijven omdat deze dan per definitie niet significant kan zijn. Met andere woorden: als er geen significant verschil is tussen niet-structurele en structurele leegstand op de testvariabele, heeft het geen zin om een lineair verband te zoeken tussen structurele leegstand en de verklarende variabele. Wanneer uit de verschillenanalyse een significantie blijkt, is getracht de correlatie te bepalen tussen aantal jaren leegstand en de betreffende verklarende variabele. Correlatie kan worden weergegeven door de rkwadraat. R-kwadraat is een ratiogetal dat aangeeft welk gedeelte van de variantie in de een variabele door een andere variabele wordt verklaard (verklaarde variantie). Het betreft een statistische kwantitatieve verklaring. Hoe dichter r-kwadraat het getal 1 benadert, hoe groter de verklaarde variantie. Ten slotte wordt door middel van meervoudige regressie bepaald in welke mate structurele leegstand verklaard kan worden door de significant gebleken variabelen. Dit wordt gevat in één formule.
13
Voor een verdere toelichting op de methoden en technieken wordt verwezen naar de syllabi van Arthur Marquard (Marquard, 2011) en Basisboek, Statistiek met SPSS (Baarda, 2011).
48
Zoals ook gesteld in hoofdstuk 4 dient vermeld te worden dat de variabelen niet alleen een relatie hebben met de structurele leegstand, maar ook mogelijk correleren met elkaar. Zo kan gesteld worden dat aanbod in het Centrum van Amsterdam per definitie over minder parkeerplaatsen beschikt dan een locatie in Diemen. Aangezien alle variabelen echter geïsoleerd worden getoetst door middel van de verschillenanalyse en opvolgend door een enkelvoudige regressie, is er in dit onderzoek geen sprake van autocorrelatie. Indien verschillende variabelen dezelfde kenmerken hebben zal dit zichtbaar zijn in de onderzoeksresultaten. In het cijfermatig onderzoek hoeft daarom geen rekening gehouden te worden met autocorrelatie.
5.3
Kerngegevens database
Op basis van de database kunnen de onderstaande kerngegevens geïdentificeerd worden. De database bestaat uit 375 meldingen van aanbod van kantoorruimte. Het totale metrage van dit aanbod bestaat uit 1.358.664 m². Dit komt uiteraard overeen met de bevindingen in hoofdstuk 3.4. De onderverdeling van het aantal meldingen over de Amsterdamse regio is in onderstaand figuur opgenomen.
Aanbod
Metrage
329
1.179.936
Diemen
16
46.315
Amstelveen
30
132.413
375
1.358.664
Amsterdam
Totaal
Figuur 14: Overzicht totaal meldingen en metrage
Het niet-structurele aanbod bestaat uit 245 meldingen en beslaat een totaal metrage van 855.056 m².
Amsterdam Diemen Amstelveen Totaal
Aanbod
Metrage
223
745.551
5
16.035
17
93.470
245
855.056
Figuur 15: Overzicht niet structureel aanbod
Het structurele aanbod bestaat uit 130 meldingen en beslaat een totaal metrage van 503.608 m². Aanbod
Metrage
106
434.385
Diemen
11
30.280
Amstelveen
13
38.943
130
503.608
Amsterdam
Totaal
Figuur 16: Overzicht structureel aanbod
49
In de database is tevens het aantal jaren verwerkt hoe lang de leegstand al daadwerkelijk wordt aangeboden op de markt. Onderstaand is dit in een grafiek weergegeven. De structurele leegstand
600.000
160 140 120 100 80 60 40 20 0
Metrage in m²
Aantal objecten
bedraagt in de regio Amsterdam circa 37% van het totale aanbod.
500.000 400.000 300.000 200.000 100.000
1
2
3
4
5
6
7
8
0
9 10
1
Jaren in aanbod
2
3
4
5
6
7
8
9
10
Jaren in aanbod
Figuur 17: Objecten t.o.v. jaren actief aanbod
Figuur 18: Metrage t.o.v. actief aanbod
Uit bovenstaande figuren blijkt dat het aanbod het grootst is in de categorieën nul tot één jaar (circa 40%) en één tot twee jaar (circa 16%). Op basis hiervan kan gesteld worden dat uit de verzameling „aanbod tot 2 jaar‟ relatief het meeste lijkt te worden opgenomen door de markt in vergelijking tot aanbod dat al langer beschikbaar is. Dit is een opmerkelijke constatering die erop duidt dat objecten die langer leegstaan dan twee jaar moeilijker worden opgenomen door de markt. Dit zal in hoofdstuk 6 getoetst worden op basis van transacties.
5.4
Onderzoeksresultaten en analyse locatiegebonden variabelen
5.4.1 Afstand tot de snelweg Bereikbaarheid per auto wordt ten behoeve van deze data-analyse weergegeven in afstand tot de dichtstbijzijnde afrit van de snelweg. Er wordt dus geen rekening gehouden met filegevoeligheid van de betreffende snelweg of congestie in het specifieke deelgebied. Deze variabele is niet gecategoriseerd, maar zo exact mogelijk weergegeven. Per aanbodmelding is het exacte aantal meters opgenomen naar de afrit (ratioschaal).
Om een uitspraak te kunnen doen over de significantie van deze variabele ten opzichte van structurele leegstand is eerst een T-toets uitgevoerd. Hierbij zijn de verzamelingen niet-structurele leegstand en structurele leegstand (splitsingsvariabele) getoetst aan de hand van de testvariabele afstand tot de afrit (gemeten op ratioschaal). Onderstaande tabellen tonen de resultaten. Std. Error Mean Niet-structureel (1) / Structureel (2) Afstand tot de afrit
N
Mean
Std. Deviation
1
244
1.340,83
1.038,180
66,463
2
131
948,27
750,044
65,532
Figuur 19: Output SPSS T-toets afstand tot afrit
Het blijkt dat de gemiddelde afstand tot de snelweg van groep 1 (niet-structurele leegstand) hoger is dan die van groep 2. Objecten met structurele leegstand liggen dus dichter bij de snelweg. Aan de 50
standaarddeviatie kan afgelezen worden dat de groep met structurele leegstand ook een meer homogene afstand tot de afrit kent dan de groep met niet structurele leegstand. Independent Samples Test Levene's Test for Equality of Variances
F Afstand tot snelweg Equal variances assumed Equal variances not assumed
Sig.
26,077
t-test for Equality of Means
t
,000
df
Mean Sig. (2-tailed) Difference
Std. Error Difference
95% Confidence Interval of the Difference Lower Upper
3,824
373
,000
392,561
102,655
190,705
594,416
4,206
341,619
,000
392,561
93,336
208,974
576,147
Figuur 20: Output SPSS T-toets afstand tot afrit
Bovenstaand figuur toont de uitkomsten van de T-toets. Op basis van de Levene‟s F-test moet uitgegaan worden van “equal variances not assumed”. De t-waarde is 4,206 en de kans op toeval is 0% (sig. = ,000). Het verschil in gemiddelde afstand is 392,6 meter. Uit deze verschillenanalyse blijkt dat afstand tot de afrit significant is.
Een enkelvoudige regressie geeft vervolgens een r-kwadraat van 0,046. Er is sprake van een significante correlatie tussen afstand en structurele leegstand hoewel benadrukt moet worden dat de verklaarde variantie klein is. y = -76,203x + 1452,8 R² = 0,0469
4.000
Afstandtot afrit in meters
3.500 3.000 2.500 2.000 1.500 1.000 500 0 3
4
5
6
7
8
9
10
Jaren in aanbod
Figuur 21: Afstand tot afrit in relatie tot structurele leegstand
Structurele leegstand wordt voor 4,7% verklaard door de afstand tot de afrit. De nabijheid van de snelweg heeft een negatief effect op structurele leegstand. Deze conclusie komt overeen met het onderzoeksresultaat van Remøy (Remøy, 2010), maar niet met de bevindingen van Korteweg (Korteweg, 2006). Leegstand in de nabijheid van de snelweg heeft een vergrootte kans op een structureel karakter. Op basis van het literatuuronderzoek lijkt de verklaring te zijn dat deze locaties vaak gekenmerkt worden door een industrieel karakter met relatief weinig voorzieningen.
51
5.4.2 Afstand tot station Bereikbaarheid per openbaar vervoer wordt ten behoeve van deze data-analyse weergegeven in afstand tot het dichtstbijzijnde treinstation in meters. In de database zijn 13 treinstations opgenomen, waarvan 8 intercity stations. Ook deze variabele is niet gecategoriseerd, maar zo exact mogelijk weergegeven (ratioschaal). Niet-structureel (1) /
Afstand tot station
Std. Error
Structureel (2)
N
Mean
Std. Deviation
Mean
1
244
1.342,64
1.059,915
67,854
2
131
1.235,74
1.247,310
108,978
Figuur 22: Output SPSS T-toets afstand tot station
Er is sprake van een verschil in de gemiddelde afstand naar het station, maar uit de T-test blijkt dat de kans op toeval van een t-waarde van 0,874 gelijk is aan 38,3%. Aangezien pas van significantie uitgegaan mag worden bij een overschrijdingskans van maximaal 2,5%, moet de hypothese worden verworpen dat afstand naar station significant zou zijn voor structurele leegstand. Independent Samples Test Levene's Test for Equality of Variances
F Afstand tot station Equal variances assumed Equal variances not assumed
Sig.
,073
,787
t-test for Equality of Means
t
df
Sig. (2-tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the Difference Lower Upper
,874
373
,383
106,895
122,261
-133,513
347,302
,833
231,705
,406
106,895
128,376
-146,039
359,828
Figuur 23: Output SPSS T-toets afstand tot station
Een regressieanalyse uitvoeren en een r-kwadraat berekenen heeft geen toegevoegde waarde. De berekende r-kwadraat zou immers niet significant zijn. Concluderend kan gesteld worden dat afstand tot een station geen significante relatie heeft met structurele leegstand. Afstand tot een station kan niet als indicator voor structurele leegstand aangemerkt worden.
5.4.3 Locatietype Zoals behandeld in hoofdstuk 4.3.2 zijn locatietypen op diverse manieren van elkaar te onderscheiden.
Gezien
de
specifieke
onderzoeksregio
Amsterdam
is
gekozen
voor
een
onderverdeling in de categorieën (1) centrumlocatie, (2) woonwijk, (3) kantorenpark en (4) randgemeente. Bedrijventerrein is in de onderzoeksregio geen relevante categorie. Op de bedrijventerreinen wordt enkel kantoorruimte in combinatie met bedrijfsruimte (meer meters bedrijfsdan kantoorruimte) aangeboden. Dit betreft een ander vastgoedcategorie. Voor de clustering is de volgende onderverdeling gehanteerd met betrekking tot de deelgebieden:
52
Centrumlocatie
Woonwijk
Kantorenpark
Randgemeente
Centrum
Buitenveldert
Amstel Business Park / Omval
Amstelveen
Zuidelijke IJ-oevers
IJ-burg
Noord
Diemen
Zuid
Riekerpolder Teleport / Sloterdijk Westas Zuidas
Metrage in m²
Zuidoost 1.000.000 900.000 800.000 700.000 600.000 500.000 totale leegstand
400.000
struct. leegstand
300.000 200.000 100.000 0 Centrumlocatie
Woonwijk
Kantorenpark
Randgemeente Locatietype
Figuur 24: Overzicht leegstand en structurele leegstand per locatietype
Uit de analyse blijkt dat de structurele leegstand in locatietype Kantorenpark het grootst is; niet alleen absoluut, maar ook relatief. In het locatietype centrumlocatie is 14% van de leegstand structureel van aard, in de woonwijk 26%, in de randgemeente 39% en in het locatietype kantorenpark 43%. Uit de data blijkt dat in locatietype Kantorenpark 76% van de totale structurele leegstand staat. Dit is een zeer hoog percentage, maar hierbij dient opgemerkt te worden dat in dit locatietype ook het hoogste aanbodmetrage aanwezig is en tevens 59% van de totale kantorenvoorraad (zie onderstaand figuur). 13%
18%
9%
Centrumlocatie Woonwijk Kantorenpark Randgemeente
59%
Figuur 25: Opbouw van de kantorenvoorraad van de Amsterdamse regio op basis van locatietypen (op basis van cijfers DTZ Zadelhoff Research, eigen bewerking)
Echter, het gegeven dat 59% van de kantorenvoorraad uit locatietype kantorenpark bestaat, lijkt desalniettemin niet in een proportionele verhouding te staan met een percentage van 76% van de totale structurele leegstand.
53
De variabele locatietype is getoetst door middel van een variantie analyse. Hiermee is onderzocht of de varianties tussen de locatietypen significant verschillen op basis van het aantal jaren dat een object leeg staat. Uit de variantie analyse blijkt een F-waarde van 7,890 en een sig. van 0,000 (zie onderstaand figuur). Dit toont aan dat er significante verschillen zijn per type. Het aantal jaren leegstand is in dit geval de testvariabele (ratio) en locatietype is de splitsingsvariabele (nominaal).
Sum of Squares Between Groups
df
Mean Square
168,291
3
56,097
Within Groups
2637,619
371
7,109
Total
2805,909
374
F
Sig.
7,890
,000
Figuur 26: Output SPSS variantie analyse F-waarde
Vervolgens is bekeken wat de oorsprong is van deze verschillen. Onderstaande tabel laat zien dat locatietype 1 (Centrumlocatie) afwijkt van de overige locatietypen en voornamelijk significant afwijkt ten opzichte van locatietype 3 (Kantorenpark) en locatietype 4 (Randgemeente). M ultiple Comparisons Dependent Variable: aantal jaar aanbod Tukey HSD
(I) Locatietype (J) Locatietype 1 2 3 4 2 1 3 4 3 1 2 4 4 1 2 3
M ean Difference (I-J) -,853 -1,669* -1,991* ,853 -,816 -1,138 1,669* ,816 -,322 1,991* 1,138 ,322
Std. Error ,537 ,378 ,515 ,537 ,458 ,576 ,378 ,458 ,431 ,515 ,576 ,431
Sig. ,387 ,000 ,001 ,387 ,283 ,200 ,000 ,283 ,878 ,001 ,200 ,878
95% Confidence Interval Lower Bound Upper Bound -2,24 ,53 -2,64 -,69 -3,32 -,66 -,53 2,24 -2,00 ,36 -2,63 ,35 ,69 2,64 -,36 2,00 -1,44 ,79 ,66 3,32 -,35 2,63 -,79 1,44
*. The m ean difference is significant at the .05 level.
Figuur 27: Output SPSS variantie analyse locatietype
Naar aanleiding van deze significante afwijking is vervolgens door middel van een Chi-kwadraattoets een verschillenanalyse gemaakt op basis van de verzamelingen niet-structurele leegstand en structurele leegstand ten opzichte van centrumlocaties en niet-centrumlocaties. Gezien de hoge waarde van de Pearson chi-square en de lage waarde van sig. (0,000) wordt een significante afwijking aangetoond (zie onderstaande tabel). Value Pearson Chi-Square
19,185(b)
Asymp. Sig. (2sided)
df 1
Exact Sig. (2sided)
Exact Sig. (1sided)
,000
Figuur 28: Output SPSS Chi-kwadraattoets locatietype
54
Omdat dit een niet-parametrische toets is wordt er geen r-kwadraat gegeven. Door de Phi en Cramer‟s V te berekenen wordt echter ook aangetoond hoe sterk het verband is. Met een waarde van 0,226 op een schaal van 0 tot 1 en een sig. van 0,000 is aangetoond dat er een significante correlatie is tussen niet-centrumlocaties en structurele leegstand.
Value Nominal by Nominal
Approx. Sig.
Phi
,226
,000
Cramer's V
,226
,000
N of Valid Cases
375
Figuur 29: Output SPSS Phi en Cramers V locatietype
Geconcludeerd kan worden dat objecten met leegstand in locatietype centrumlocatie een kleinere kans hebben op structurele leegstand dan objecten in de overige locatietypen. Deze afwijking is voornamelijk geconstateerd ten opzichte van de locatietypen kantorenpark en randgemeente, waar de kans op structurele leegstand groter is.
5.5
Onderzoeksresultaten en analyse gebouwgebonden variabelen
5.5.1 Bouwjaar De database voorziet in data van bouwjaren, maar is hierin niet compleet. Circa 80% van de bouwjaren is bekend. Onderstaand figuur geeft het percentage structurele leegstand van objecten in een bouwjaarcategorie weer ten opzichte van de totale leegstand in diezelfde categorie.
Percentage structurele leegstand
80% 70% 60% 50% 40% 30% 20% 10% 0% Categorie 1: Categorie 2: Categorie 3: Categorie 4: Categorie 5: < 1940 1940 - 1959 1960 - 1979 1980 - 1999 2000 - 2011 Figuur 30: Percentage structurele leegstand t.o.v. totale leegstand afgezet tegen bouwperiode
Van de leegstand die gebouwd is in de periode 1940 tot en met 1959 heeft circa 75% een structureel karakter. In de bouwjaarcategorieën 1960 tot en met 1979 en 1980 tot en met 1999 ligt het percentage structurele leegstand ook boven het gemiddelde van 37%. Alleen in de categorieën 1 en 5 is het percentage structurele leegstand lager dan het gemiddelde. Uit onderstaand figuur blijkt dat de absolute leegstand en de absolute structurele leegstand zich concentreert in categorieën 3, 4 en 5.
55
Metrage in m²
500.000 450.000 400.000 350.000 300.000 250.000 200.000 150.000 100.000 50.000 0
Metrage totale leegstand Metrage structurele leegstand
Categorie 1: < Categorie 2: 1940 1940 - 1959
Categorie 3: 1960 - 1979
Categorie 4: 1980 - 1999
Categorie 5: 2000 - 2011
Figuur 31: Metrage totale leegstand en structurele leegstand afgezet tegen bouwperiode
Echter, de kantorenproductie was vanaf 1960 ook relatief hoog. Een overzicht van de opbouw van de Nederlandse kantorenvoorraad (zie onderstaand figuur) toont aan dat 66% van de kantorenvoorraad afkomstig is uit de periode 1960 tot en met 1999. Dat zou betekenen dat de structurele leegstand in relatie tot de voorraad van kantoren uit de betreffende bouwjaarcategorieën relatief beperkt is. 10%
17% 7%
Categorie 1: < 1940 Categorie 2: 1940 - 1959 Categorie 3: 1960 - 1979 Categorie 4: 1980 - 1999
42% 24%
Categorie 5: 2000 - 2011
Figuur 32: Opbouw van de Nederlandse kantorenvoorraad, aandeel in totaal volume per bouwjaarcategorie (Van der Gijp, 2008)
Het hoge percentage structurele leegstand in relatie tot de totale leegstand in bouwjaarcategorieën 2, 3 en 4 kan desalniettemin veelzeggend zijn. Dit percentage zou immers kunnen impliceren dat indien een object uit die categorieën leeg komt te staan, deze objecten minder kans hebben om weer door de markt te worden opgenomen. Deze mogelijke implicatie wordt nader onderzocht in een verschillenanalyse.
De verschillenanalyse wordt uitgevoerd door middel van een T-toets met als testvariabele de leeftijd van het object (intervalschaal).
56
Independent Samples Test Levene's Test for Equality of Variances
F Leeftijd gebouw obv 2011 Equal variances assumed Equal variances not assumed
t-test for Equality of Means
Sig.
17,232
t
,000
df
Sig. (2-tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the Difference Lower Upper
1,383
279
,168
8,683
6,279
-3,677
21,043
1,655
261,105
,099
8,683
5,246
-1,646
19,012
Figuur 33: Output SPSS T-toets bouwjaar
Er wordt een verschil waargenomen in de gemiddelde leeftijd van de leegstaande objecten van 8,683 jaar. Objecten zonder structurele leegstand zijn gemiddeld 8,683 jaar ouder. Deze constatering is met een sig. van 0,099 echter niet significant (9,9% kans op toeval). Een regressie analyse is daarom niet zinvol. Door het gemiddelde van alle bouwjaren te nemen worden de perioden afgevlakt. Daarom is gekozen om de categorieën, zoals hierboven al gespecificeerd, verder te analyseren door middel van een Chi-kwadraattoets.
Uit de Chi-kwadraattoets blijkt dat in bouwjaarcategorie 3 en 4 een hogere structurele leegstand is dan de verwachtingswaarde zou voorspellen. Bouwjaarcategorie 2 bestaat uit te weinig waarnemingen om daar op basis van deze toets uitspraken aan te verbinden.
categorie bouwjaar 1 Niet-structureel (1) / structureel (2)
1
Count Expected Count
2
Count Expected Count
Total
Count Expected Count
2
3
Total 4
5
1
23
2
16
48
88
177
17,6
1,9
20,2
64,9
72,4
177,0
5
1
16
55
27
104
10,4
1,1
11,8
38,1
42,6
104,0
28
3
32
103
115
281
28,0
3,0
32,0
103,0
115,0
281,0
Figuur 34: Output SPSS Chi-kwadraattoets bouwjaar
Door de waarde van 27,638 van Pearson Chi-kwadraat en een sig. van 0,000 kan gesteld worden dat de bouwperiode significant is.
Value Pearson Chi-Square
Asymp. Sig. (2sided)
df
27,638(a)
4
,000
Figuur 35: Output SPSS Pearson Chi-kwadraat
Evenals de analyse van de variabele locatietype betreft dit een niet-parametrische toets en wordt er daarom geen r-kwadraat gegeven. Door berekening van de Phi en Cramer‟s V wordt de mate van
57
correlatie aangetoond. Met een waarde van 0,314 op een schaal van 0 tot 1 en een sig. van 0,000 is aangetoond dat er een aanzienlijke correlatie is. Value Nominal by Nominal
Approx. Sig.
Phi
,314
,000
Cramer's V
,314
,000
N of Valid Cases
281
Figuur 36: Output SPSS Phi en Cramer’s V
Er bestaat een significante correlatie tussen bouwperiode en structurele leegstand. Objecten uit bouwjaarcategorieën 3 en 4 hebben meer structurele leegstand dan de andere categorieën. Leegstand in objecten uit de periode 1960 tot en met 1979 en de periode 1980 tot en met 1999 lopen een verhoogde kans op structurele leegstand.
5.5.2 Metrage De analyse van de variabele metrage kan op een aantal manieren uitgevoerd worden. In dit onderzoek is gekozen voor een analyse van het metrage als leegstandspercentage en een analyse van het absolute leegstandsmetrage.
Onderstaand figuur laat zien dat het grootste deel van de onderzochte leegstand (circa 60%) voorkomt in gebouwen die voor meer dan 80% leeg staan. Van deze leegstand heeft circa 35% een structureel karakter. Dit komt neer op bijna 55% van de totale structurele leegstand. Deze constatering lijkt er op te duiden dat een leegstaand gebouw bestemd voor één gebruiker of voor één gebruiker die meer dan 80% van het gebouw huurt een grotere kans op structurele leegstand heeft dan gebouwen
Metrage in m²
met meerdere huurders. 900.000 800.000 700.000 600.000 500.000 400.000 300.000 200.000 100.000 0
Metrage leegstand totaal Metrage structurele leegstand
Leegstandsratio
Figuur 37: Leegstand en structurele leegstand verdeeld per leegstandsratio
Een T-toets met leegstandspercentage als testvariabele (ratiovariabele) toont echter geen significant verschil tussen de categorieën niet-structurele en structurele leegstand. Onderstaande figuur geeft aan dat er wel een verschil in gemiddeld leegstandspercentage is in de verzameling niet-structurele
58
leegstand ten opzichte van de structurele leegstand. De kans op toeval is echter 21% (sig. 0,214). Er is daarom geen sprake van een significante relatie. Independent Samples Test Levene's Test for Equality of Variances
F Leegstandsratio als getal Equal variances assumed Equal variances not assumed
t-test for Equality of Means
Sig.
5,345
t
,021
df
Sig. (2-tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the Difference Lower Upper
1,216
364
,225
,04786222
,03934443
-,029509 ,12523315
1,245
280,854
,214
,04786222
,03845504
-,027834 ,12355890
Figuur 38: Output SPSS T-toets leegstandspercentage
Aangezien het mogelijk zou zijn dat, net zoals bij de analyse van de variabele bouwjaar, de onderverdeling in categorieën een ander resultaat zou opleveren is gekozen voor een nadere analyse door middel van een Chi-kwadraattoets. Ni et-structureel (1) / structureel (2) * categorie leegstandsratio Crosstabulation
1 Niet-structureel (1) / structureel (2)
1 2
Total
Count Expected Count Count Expected Count Count Expected Count
2 51 50,3 26 26,7 77 77,0
40 47,0 32 25,0 72 72,0
categorie leegstandsrat io 3 4 32 12 30,1 17,6 14 15 15,9 9, 4 46 27 46,0 27,0
5 102 94,1 42 49,9 144 144,0
6 8 5, 9 1 3, 1 9 9, 0
Total 245 245,0 130 130,0 375 375,0
Figuur 39: Output SPSS Chi-kwadraattoets leegstandsratio
De grootste afwijkingen tussen de geobserveerde waarde en verwachtingswaarde worden gevonden in categorie 2 en categorie 4. In groep 2 (leegstandsratio 21% tot 40%) en in groep 4 (61% tot 80%) is de geobserveerde structurele leegstand hoger dan de verwachtingswaarde.
Value Pearson Chi-Square
Asymp. Sig. (2sided)
df
12,760(a)
5
,026
Figuur 40: Output SPSS Pearson Chi-kwadraat
Bovenstaand figuur toont echter een kans van toeval van 2,6%. Omdat dit percentage wordt beschouwd als een relatief hoge kans op toeval, op basis van een overschrijdingskans van 2,5%, kunnen aan de waarde van Pearson Chi-kwadraat geen conclusies verbonden worden. Er is geen significante relatie tussen leegstandspercentage en structurele leegstand. De hypothese dat leegstandsratio invloed heft op structurele leegstand dient dus verworpen te worden.
Vervolgens is het absolute metrage geanalyseerd. Uit onderstaand figuur blijkt dat de meeste leegstand en tevens de meeste structurele leegstand voorkomt in de categorieën „leegstand 2.501 m² - 5.000 m²‟ en „ leegstand 5.001 m² - 10.000 m²‟. Van de leegstand tussen de 5.001 m² en 10.000 m² behoort 50% tot de structurele leegstand. Dit lijkt te duiden op een relatie tussen metrage van de leegstand en structurele leegstand.
59
Metrage in m²
350.000 300.000 250.000 200.000 150.000 100.000 50.000 0
Metrage leegstand totaal Metrage structurele leegstand
Metrage leegstand per object
Figuur 41: Leegstand en structurele leegstand onderverdeeld per metrage categorie
Uit de T-toets met leegstandsmetrage als testvariabele (ratiovariabele) blijkt echter dat er geen sprake is van een significant verschil tussen de categorieën niet-structurele en structurele leegstand. Onderstaande figuur geeft aan dat er een verschil in gemiddeld leegstandsmetrage is, maar met een kans op toeval van bijna 47% (sig. 0,469). Independent Samples Test Levene's Test for Equality of Variances
F metrage leegstand Equal variances assumed Equal variances not assumed
Sig.
,106
,745
t-test for Equality of Means
t
df
Sig. (2-tailed)
Mean Difference
95% Confidence Interval of the Difference Lower Upper
Std. Error Difference
-,704
373
,482
-383,883
545,108 -1455,753
687,986
-,725
285,139
,469
-383,883
529,704 -1426,510
658,744
Figuur 42: Output SPSS T-toets leegstandsmetrage
Ook in dit geval is weer gekozen om tevens de onderverdeling in categorieën te analyseren door middel van een Chi-kwadraattoets. Niet-structureel (1) / structureel (2) * categorie grootte leegstand Crosstabulation
1 Niet-st ructureel (1) / structureel (2)
1 2
Total
Count Expect ed Count Count Expect ed Count Count Expect ed Count
108 96,0 39 51,0 147 147, 0
2 46 49,0 29 26,0 75 75,0
categorie groot te leegstand 3 4 5 52 22 7 54,2 29,4 7, 2 31 23 4 28,8 15,6 3, 8 83 45 11 83,0 45,0 11,0
6
7 6 5, 2 2 2, 8 8 8, 0
4 3, 9 2 2, 1 6 6, 0
Total 245 245, 0 130 130, 0 375 375, 0
Figuur 43: Output SPSS Chi-kwadraattoets leegstandsratio
Categorieën 1 en 4 vertonen de grootste afwijkingen tussen de geobserveerde waarde en verwachtingswaarde. Echter, zoals onderstaand figuur tot wordt de Pearson Chi-kwadraat van 10,812 gecombineerd door een kans op toeval van 9,4% (sig. waarde 0,094).
60
Value Pearson Chi-Square
Asymp. Sig. (2sided)
df
10,812ª
6
,094
Figuur 44: Output SPSS Pearson Chi-kwadraat
Op basis van bovenstaande analyse kan geconcludeerd worden dat leegstandspercentage en leegstandsmetrage niet significant correleren met structurele leegstand. De variabele metrage kan niet als indicator voor structurele leegstand gekenmerkt worden.
5.5.3 Parkeren De variabele parkeren is in het onderzoek opgenomen door de relatie te onderzoeken tussen de parkeerratio (het aantal vierkante meters per beschikbare parkeerplaats) met structurele leegstand. De analyse is uitgevoerd op basis van zowel absolute getallen als een onderverdeling in categorieën. De T-toets met „metrage per parkeerplaats‟ als testvariabele toont een klein verschil in het gemiddelde tussen niet-structurele en structurele leegstand. Gezien de hoge waarde van sig. 0,657 is overtuigend gesteld dat er geen sprake is van significantie. Onderstaand figuur geeft een duidelijk overzicht. Independent Samples Test Levene's Test for Equality of Variances
F Parkeerratio: aantal Equal variances vierkante meter per assumed parkeerplaats Equal variances not assumed
Sig.
1,496
,222
t-test for Equality of Means
t
df
Sig. (2-tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the Difference Lower Upper
,444
373
,657
2,710
6,102
-9,287
14,708
,458
286,165
,647
2,710
5,922
-8,945
14,366
Figuur 45: Output SPSS T-toets parkeerratio
Vervolgens is een analyse uitgevoerd voor middel van een Chi-kwadraattoets op basis van 6 categorieën. De onderverdeling in categorieën is als volgt: Metrage per parkeerplaats in m² Categorie 1
1
tot
40
Categorie 2
41
tot
75
Categorie 3
76
tot
125
Categorie 4
126
tot
250
Categorie 5
251
tot
350
Categorie 6
0
(geen parkeerplaatsen)
De Chi-kwadraattoets levert een relatief lage Pearson Chi-kwadraat op van 6,543 met een hoge kans op toeval (25,7%). Deze uitkomst toont aan dat er geen sprake is van een significant verschil tussen de diverse categorieën en de verzamelingen niet-structurele en structurele leegstand.
61
Value Pearson Chi-Square
Asymp. Sig. (2sided)
df
6,543(a)
5
,257
Figuur 46: Output SPSS Chi-kwadraattoets categorieën parkeerratio
Concluderend kan gesteld worden dat er geen sprake is van een significante correlatie tussen de parkeerratio en structurele leegstand.
5.5.4 Huurprijs Het databestand geeft de vraaghuurprijs per vierkante per jaar. De vraaghuurprijs van de parkeerplaatsen is ook deels opgenomen in het databestand, maar buiten de analyse gehouden. Deze data zijn niet volledig genoeg. Oorzaak hiervan is dat de eigenaar van de kantoorruimte in veel gevallen niet de eigenaar van de parkeerplaatsen is en dat veel parkeerplaatsen enkel gedurende kantoortijden verhuurd worden.
Om een uitspraak te kunnen doen over de significantie van huurprijs ten opzichte van structurele leegstand is wederom een T-toets uitgevoerd. In dit geval is huurprijs de testvariabele (ratiovariabele). Onderstaande tabellen tonen de resultaten.
Std. Error Mean Niet-structureel (1) / Structureel (2) Huurprijs kantoor
N
Mean
Std. Deviation
1
245
191,77
61,186
3,909
2
130
163,75
47,549
4,170
Figuur 47: Output SPSS T-toets huurprijs
De gemiddelde prijs van de verzameling niet-structurele leegstand (EUR 191,77 per m² per jaar) is aanzienlijk hoger dan de gemiddelde prijs van de structurele leegstand (EUR 163,75 per m² per jaar). De standaarddeviatie duidt op een meer homogene prijs in het geval van structurele leegstand. Independent Samples Test Levene's Test for Equality of Variances
F huurprijs_kantoor
Equal variances assumed Equal variances not assumed
11,771
Sig. ,001
t-test for Equality of Means
t
df
Sig. (2-tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the Difference Lower Upper
4,543
373
,000
28,021
6,168
15,893
40,149
4,902
323,312
,000
28,021
5,716
16,776
39,266
Figuur 48: Output SPSS T-toets huurprijs
De relatief hoge t-waarde (4,902) en de sig. van 0,000 toont aan dat er sprake is van significantie. Een enkelvoudige regressie analyse leidt tot een r-kwadraat van 0,061.
62
$400
y = -5,247x + 199,1 R² = 0,061
$350 $300 $250 $200 $150 $100 $50 $0 3
4
5
6
7
8
9
10
Figuur 49: Huurprijs in relatie tot structurele leegstand
Geconcludeerd kan worden dat de variabele huurprijs een significante correlatie heeft met structurele leegstand. Hierbij dient opgemerkt te worden dat de verklaarde variantie klein is. Structurele leegstand wordt voor 6,1% verklaard door de huurprijs. Het verband tussen huurprijs en structurele leegstand is negatief.
5.5.5 Makelaar(s) De database geeft inzicht in alle makelaars die actief zijn op de kantorenmarkt in de Amsterdamse regio. Het totale aantal van circa 30 makelaars is onderverdeeld in de internationale makelaars en de nationale makelaars. De makelaars die minder dan 10 objecten in aanbod hebben zijn geschaard onder de categorie overig (OVE). Deze categorie valt volledig onder de nationale makelaars.
Veel eigenaren hebben meerdere makelaars geïnstrueerd (maximaal 4). In geval van een dergelijke collegiale verhuuropdracht is ten behoeve van het bepalen van de diverse marktaandelen het
Metrage in m²
beschikbare metrage gedeeld door de betrokken makelaars. Dit levert het volgende overzicht op. 350.000 300.000 250.000 200.000 150.000 100.000 Metrage aanbod
50.000 0
Marktaandeel Metrage struct. aanbod
Makelaars
Figuur 50: Marktaandelen leegstand totaal en structurele leegstand per makelaar
63
DTZ Zadelhoff heeft het grootste metrage in portefeuille en tevens het grootste aantal vierkante meters structurele leegstand. De portefeuille van Patricia van den Bosch heeft relatief het hoogste percentage structurele leegstand. Circa 60% van haar verhuurportefeuille bestaat uit structurele leegstand. DTZ Zadelhoff volgt met circa 45%. Bij CBRE, Savills, Cushman en Jones Lang LaSalle ligt dit percentage rond 40%. De nationale makelaars hebben portefeuilles met relatief minder structurele
Metrage in m²
leegstand. Dit blijkt ook uit onderstaand figuur. 1.000.000 900.000 800.000 700.000 600.000 500.000 400.000 300.000 200.000 100.000 0
Metrage aanbod Metrage struct. aanbod
Internationale makelaars
Nationale makelaars
Figuur 51: Marktaandelen leegstand totaal en structurele leegstand
De portefeuilles van de internationale makelaars bestaan voor circa 40% uit structurele leegstand ten opzichte van circa 30% in geval van de nationale makelaars.
Door middel van een variantie analyse is getoetst of de hierboven gesignaleerde verschillen significant zijn. Deze analyse toont echter aan dat de verschillen niet significant zijn. De F-waarde is relatief laag en bovendien is de kans op toeval meer dan 55% (sig. = 0,551). Sum of Squares Between Groups
df
Mean Square
73,617
11
6,692
Within Groups
2732,293
363
7,527
Total
2805,909
374
F
Sig. ,889
,551
Figuur 52: Output SPSS variantie analyse makelaars
Een regressie analyse is wegens het ontbreken van significantie irrelevant en is daarom niet uitgevoerd. Er kan geconcludeerd worden dat de variabele makelaar geen significante relatie heeft met structurele leegstand. De geïnstrueerde makelaar kan niet als indicator beschouwd kan worden voor structurele leegstand.
5.6
Structurele leegstand als functie
In de voorliggende paragraven zijn alle variabelen die op basis van hoofdstuk 4 relevant leken te zijn onderzocht door middel van data-analyse. Per variabele is aangetoond of er significante verschillen zijn met betrekking tot de categorieën niet-structurele en structurele leegstand. In geval er sprake is van significante verschillen is aansluitend de samenhang onderzocht met structurele leegstand. In
64
deze paragraaf zal door middel van meervoudige regressie vastgesteld worden in hoeverre structurele leegstand bepaald wordt door de significant gebleken variabelen.
De variabelen die zijn meegenomen in de meervoudige regressie zijn: afstand tot de snelweg, locatietype, de bouwjaarcategorieën en huurprijs.
14
Uit onderstaand figuur blijkt dat bouwjaarcategorie
4, huurprijs kantoor en bouwjaarcategorie 3 gezamenlijk voor 15% de variantie in structurele leegstand verklaren. Deze combinatie van variabelen levert de hoogste verklaarde variantie op. Een combinatie met de variabelen afstand tot de snelweg en locatietype levert geen hogere verklaarde variantie op. R Square
Adjusted R Square
Std. Error of the Estimate
Model
R
1
,283(a)
,080
,077
2,745
2
,349(b)
,122
,115
2,688
3
,387(c)
,150
,141
2,648
Figuur 53: Output SPSS Meervoudige regressie Unstandardized Coefficients Model 1
2
3
B
Standardized Coefficients
t
Sig.
Beta
B
Std. Error
Std. Error
(Constant)
2,798
,206
13,598
,000
Bouwjaar dummy 4
1,678
,340
4,937
,000
(Constant)
4,933
,624
7,899
,000
Bouwjaar dummy 4
1,282
,350
,217
3,659
,000
huurprijs_kantoor
-,011
,003
-,214
-3,612
,000
(Constant)
4,416
,638
6,918
,000
Bouwjaar dummy 4
1,611
,362
,272
4,454
,000
huurprijs_kantoor
-,010
,003
-,191
-3,241
,001
Bouwjaar dummy 3
1,591
,521
,177
3,051
,002
,283
Figuur 54: Output SPSS Meervoudige regressie
Uit bovenstaand figuur volgt de regressievergelijking die er als volgt uit ziet:
Structurele leegstand =
4,416 + (1,611 * bouwjaarcategorie 4) - (0,010 * huurprijs kantoor) + (1,591 * bouwjaarcategorie 3)
14
Ten behoeve van de variabelen locatietype en bouwjaar zijn zogeheten dummy‟s aangemaakt. Voor een nadere toelichting wordt verwezen naar Basisboek, Statistiek met SPSS (Baarda, 2011).
65
Met deze formule wordt 15% van de variantie in structurele leegstand verklaard. Hierbij dient vermeld te worden dat dit een relatief weinig significante conclusie is. Structurele leegstand wordt immers voor 85% door variabelen bepaald die niet in deze formule zijn verwerkt (en ruis).
Met betrekking tot de onderzochte variabelen kan geconcludeerd worden dat huurprijs en bouwperiodecategorieën 3 en 4 het meest invloed hebben op structurele leegstand.
5.7
Onderlinge afhankelijkheid variabelen
In paragraaf 2 van dit hoofdstuk is aangegeven dat de variabelen die getoetst zijn niet alleen een relatie kunnen hebben met structurele leegstand, maar ook onderling afhankelijk kunnen zijn. Het is aannemelijk
dat
locatietype
kantorenpark
een
hogere
parkeerratio
heeft
dan
locatietype
centrumlocatie. Ook is het aannemelijk dat de bouwjaarcategorie < 1940 meer voorkomt in de centrumlocatie dan op het kantorenpark. Een kantorenpark zal ook over het algemeen beter te bereiken zijn met de auto dan een centrumlocatie. De verschillende variabelen hebben onderlinge relaties.
Ten behoeve van dit onderzoek zijn de geïdentificeerde variabelen echter eerst geïsoleerd van elkaar getoetst. De eventuele onderlinge relatie tussen variabelen hebben de resultaten van dit onderzoek daarom niet beïnvloed en van autocorrelatie is daarom geen sprake. Door het isoleren van de variabelen heeft een valide beoordeling plaatsgevonden van de significantie van de specifieke variabele ten opzichte van structurele leegstand.
De meervoudige regressievergelijking van de significant gebleken variabelen geeft aan welke combinatie van variabelen de hoogste verklaarde variantie heeft. Hierbij kan de relatie tussen de variabelen wel een rol spelen. Het is immers opvallend dat de een combinatie met de variabelen afstand tot de snelweg en locatietype geen hogere verklaarde variantie oplevert. Klaarblijkelijk bepalen afstand tot de snelweg, locatietype en de variabelen die onderdeel uitmaken van het model met de hoogste verklaarde variantie, voor een groot deel dezelfde variantie in structurele leegstand. Hierdoor spelen de variabelen afstand tot de snelweg en locatietype geen rol meer in deze functie. Deze hoge correlatie tussen de variabelen wordt multicollineariteit genoemd. Deze multicollineariteit doet geen afbreuk aan de geïsoleerde onderzoeksresultaten, maar ondersteunt de aanname dat er sprake is van onderlinge afhankelijkheid tussen de variabelen.
66
5.8
Conclusie
De onderzoeksvraag van dit hoofdstuk was of de testvariabelen, zoals geïdentificeerd in hoofdstuk 4, significante verschillen aantonen voor de categorieën niet-structurele leegstand en structurele leegstand danwel of de geïdentificeerde variabelen samenhang vertonen met structurele leegstand. Concluderend kan gesteld worden dat dit slechts deels het geval is. Onderstaande tabel geeft een overzicht per onderzochte variabele. Locatiegebonden variabelen Afstand snelweg
Resultaat verschillenanalyse significant
R-kwadraat / * Phi en Cramer’s V 0,047
Afstand station
niet-significant
n.v.t.
Locatietype
significant
0,226*
Gebouwgebonden variabelen Bouwjaar
significant
0,314*
Conclusie Significante correlatie tussen nabijheid snelweg (negatief) en structurele leegstand Geen significante relatie tussen afstand tot station en structurele leegstand Leegstand in centrumlocatie heeft verkleinde kans op structurele leegstand; kantorenpark en randgemeente hebben een verhoogde kans
Leegstanden objecten uit bouwcategorieën 3 en 4 lopen een verhoogde kans op structurele leegstand Metrage niet-significant n.v.t. Geen significante relatie tussen leegstandspercentage of leegstandsmetrage en structurele leegstand Parkeren niet-significant n.v.t. Geen significante relatie tussen parkeerratio en structurele leegstand Huurprijs significant 0,061 Negatieve significante correlatie tussen huurprijs en structurele leegstand Makelaar(s) niet-significant n.v.t. Geen significante relatie tussen makelaar(s) en structurele leegstand * Aangezien m.b.t. deze variabele een niet-parametrische toets is uitgevoerd wordt de mate van verklaring in dit geval weergegeven door Phi en Cramer‟s V. Figuur 55: Conclusie onderzoeksvariabelen
Structurele leegstand wordt voor 4,7% verklaard door afstand tot de snelweg. Leegstand in de nabijheid van de snelweg heeft een vergrootte kans om structureel van aard te worden. Dit komt overeen met de conclusies uit het literatuuronderzoek. De verklaarde variantie is echter zeer zwak. De afstand tot het station blijkt geen significante relatie te hebben met structurele leegstand. Dit komt niet overeen met het literatuuronderzoek. Een verklaring zou kunnen zijn dat in de Amsterdamse regio nagenoeg alle objecten op afzienbare afstand van een station liggen en daarom geen verschillen of samenhang aangetoond kunnen worden.
Uit de analyse van locatietype blijkt dat centrumlocatie significant afwijkt van kantorenpark en randgemeente. Er is een significante correlatie tussen niet-centrumlocaties en structurele leegstand met een waarde van 0,226 (op een schaal van 0 tot 1). Leegstand op locatietype centrumlocatie heeft een kleinere kans op structurele leegstand dan objecten in de overige locatietypen. De kans op structurele leegstand is het grootst op locatietypen kantorenpark en randgemeenten. Dit komt overeen met de uitkomsten van het literatuuronderzoek.
67
De relatie tussen bouwjaar en structurele leegstand is significant. Bouwjaar is ten behoeve van deze analyse gecategoriseerd. Leegstand in objecten uit de periode 1960 tot en met 1979 en de periode 1980 tot en met 1999 lopen een verhoogde kans op structurele leegstand. Deze correlatie is significant en kent een waarde van 0,314 (op een schaal van 0 tot 1). Deze constatering komt overeen met de conclusies uit het literatuuronderzoek.
Met betrekking tot zowel locatietype als bouwjaar is ook gekeken naar de opbouw van de kantorenvoorraad. Hieruit blijkt dat in de categorieën waar de kans op structurele leegstand het grootst is tevens de kantorenvoorraad het grootst is. Voor dit onderzoek is echter voornamelijk relevant wat de verschillen zijn tussen de verzamelingen niet-structurele leegstand en structurele leegstand en indien sprake is van significantie, de correlatie met structurele leegstand. Gedetailleerde voorraadcijfers zijn niet beschikbaar. Een verdere analyse op basis van de voorraad was daarom niet mogelijk.
De variabele huurprijs blijkt significant te correleren met structurele leegstand. Het literatuuronderzoek gaf geen eenduidig beeld hierover. Uit dit onderzoek blijkt dat structurele leegstand voor 6,1% verklaard wordt door de huurprijs. Het verband tussen huurprijs en structurele leegstand is negatief. Wederom dient opgemerkt te worden dat de verklaarde variantie klein is.
De variabelen metrage en parkeren hebben geen significante correlatie met structurele leegstand. Dit komt niet overeen met de gestelde hypotheses op basis van het literatuuronderzoek. Metrage tussen 2.500 tot en met 10.000 m² zou immers een vergrootte kans op structurele leegstand hebben. Ook de parkeerratio zou van invloed zijn op de kans op structurele leegstand. Deze beweringen komen niet overeen met de resultaten van dit onderzoek. De variabele makelaar, die op basis van eigen analyse is betrokken bij het onderzoek, heeft eveneens geen significante correlatie met structurele leegstand.
De meervoudige regressie analyse laat vervolgens zien dat de variantie in structurele leegstand voor 15% verkaard wordt door bouwjaarcategorie 4 (bouwjaar 1980 tot 1999), huurprijs kantoor en bouwjaarcategorie 3 (bouwjaar 1960 tot 1979). Deze combinatie van variabelen heeft, van de onderzochte variabelen, het meeste invloed op structurele leegstand. Echter, gezien de lage waarden van de verklaarde varianties kan niet overtuigend gesteld worden dat deze variabelen te kenmerken zijn als indicatoren. Er kan eerder gesproken worden over determinanten. De significante variabelen zijn immers te kenmerken als factoren die de kans op structurele leegstand mede bepalen.
In het volgende hoofdstuk zal een databestand van transacties geanalyseerd worden op basis van de determinanten waarvan is aangetoond dat er een relatie is met structurele leegstand, evenals het aantal jaar dat het object voorafgaand aan de verhuur heeft leeg gestaan. De overige variabelen zullen niet worden behandeld in deze analyse.
68
6
Toets
6.1
Inleiding
In dit hoofdstuk worden de conclusies van hoofdstuk 5 getoetst. Deze toets bestaat uit een vergelijkende analyse van een transactiedatabase aan de hand van de geïdentificeerde variabelen die op basis van de analyses uit hoofdstuk 5 significant blijken te zijn; de determinanten. De overige variabelen komen in dit hoofdstuk niet aan de orde. Getoetst zal worden op basis van de vraag of in de objecten met een grotere kans op structurele leegstand ook beperkte opname plaatsvindt. Uitgangspunt is dat de opname beperkt is indien het aantal transacties negatief afwijkt van het gemiddelde in relatie tot de opbouw van de kantorenvoorraad. Gezien het ontbreken van gedetailleerde cijfers van de voorraad heeft deze analyse een signalerend karakter. Het doel van deze analyse is niet om de determinanten te verklaren, dat is immers al gedaan in hoofdstuk 5. In dit hoofdstuk wordt onderzocht hoeveel van de transacties plaatsvinden in objecten die volgens de determinanten een verhoogde kans hebben op structurele leegstand. Hierbij is echter de expliciete nuancering op zijn plaats dat uit de analyses van hoofdstuk 5 blijkt dat er met betrekking tot de geïdentificeerde determinanten sprake is van een lage waarde van de verklaarde varianties.
6.2
Database en onderzoeksmethodiek
De database bestaat uit alle geregistreerde kantorentransacties in de Amsterdamse regio van 1 januari 2010 tot en met 30 juni 2011. De basis van dit databestand is afkomstig van DTZ Zadelhoff Research. In het bestand zijn de transacties opgenomen waarvan het metrage minimaal 500 m² kantoorruimte betreft.
De database betreft de volledige verzameling van transacties van kantoorruimte in de genoemde periode en niet een selectie. Met behulp van deze data kan een vergelijkende analyse gemaakt worden van de diverse determinanten en de structurele leegstand. Op basis van de bevindingen van hoofdstuk 5 zullen de onderstaande determinanten onderzocht worden (zie figuur 56). De variabelen waar geen significante relatie aantoonbaar bleek met structurele leegstand zijn in deze analyse achterwege gelaten.
Locatiegebonden variabelen Bereikbaarheid per auto Locatietype Gebouwgebonden variabelen Bouwjaar Huurprijs Figuur 56: Overzicht onderzoeksvariabelen
69
Per determinant zal worden onderzocht in hoeverre de transacties een beeld geven dat overeenkomt met de analyseresultaten van hoofdstuk 5. Waar mogelijk zullen bevindingen in relatie tot de kantorenvoorraad gewogen worden.
6.3
Kerngegevens database
De transactiedatabase bestaat in totaal uit 181 transacties. Het totale metrage van deze transacties betreft 303.175 m² kantoorruimte. De onderverdeling van de transacties in de Amsterdamse regio is in onderstaand figuur opgenomen.
Transacties
Metrage
168
277.655
1
2.296
12
23.224
181
303.175
Amsterdam Diemen Amstelveen Totaal
Figuur 57: Overzicht transactie Amsterdamse regio (1 januari 2010 – 30 juni 2011)
Van het niet-structurele aanbod zijn er 141 objecten verhuurd, met een totaal metrage van 243.501 m². In de periode 1 januari 2010 tot en met medio 2011 zijn van het structurele aanbod 40 objecten verhuurd met een totaal metrage van 59.674 m².
Transacties
Metrage
133
255.655
Diemen
0
0
Amstelveen
8
17.846
141
243.501
Amsterdam
Totaal
Figuur 58: Overzicht transacties niet-structureel aanbod
Transacties
Metrage
35
52.000
Diemen
1
2.296
Amstelveen
4
5.378
40
59.674
Amsterdam
Totaal
Figuur 59: Overzicht structureel aanbod
Onderstaand is in een grafiek weergegeven hoe lang de objecten die verhuurd zijn daarvoor werden
100 80 60 40 20 0 1 2 3 4 5 6 7 8 9 10 Jaren in aanbod
Figuur 60: Aantal transacties t.o.v. jaren actief aanbod
Metrage transacties in m²
Aantal transacties
aangeboden op de markt.
160.000 140.000 120.000 100.000 80.000 60.000 40.000 20.000 0 1
3
5
7
9
Jaren in aanbod Figuur 61: Metrage transacties t.o.v. actief aanbod
70
In hoofdstuk 5 werd geconcludeerd dat het aanbod met circa 40% (op basis van metrage) relatief het hoogst is in de categorie tot één jaar, gevolgd door de categorie één tot twee jaar met circa 16%. Uit de analyse van de transacties blijkt dat circa 46% van het aantal transacties (circa 50% van het totale metrage) heeft plaatsgevonden in objecten die slechts één jaar als aanbod aangemeld waren. Circa 18% van het aantal transacties (circa 15% van het metrage) vond plaats in de categorie één tot twee jaar. Slechts 22% van het aantal transacties (circa 20% van het totale metrage) betrof objecten die voorheen tot het structurele aanbod behoorden (categorie vier tot tien jaar). De voorzichtige conclusie uit hoofdstuk 5 dat objecten die langer dan twee jaar leegstaan moeilijker worden opgenomen door de markt, lijkt correct. Dit is een interessante constatering die er op duidt dat in geval van leegstand direct al het mogelijke gedaan zou moeten worden om het object weer te verhuren. De eerste twee jaar lijken hierin bepalend te zijn.
6.4
Onderzoeksresultaten en analyse variabelen
6.4.1 Afstand tot de snelweg Uit het onderzoek van de aanboddatabase blijkt dat er sprake is van een significante relatie is tussen structurele leegstand en de nabijheid van de snelweg. De nabijheid van de snelweg correleert negatief met structurele leegstand. Objecten met structurele leegstand liggen dichter bij de snelweg. Bij nietstructurele leegstand is de gemiddelde afstand naar de snelweg 1.341 meter en bij structurele leegstand is deze afstand gemiddeld 948 meter (zie ook 5.4.1).
Uit de analyse van de transactiedatabase blijkt dat de gemiddelde afstand tot de snelweg, van de objecten waar de transacties hebben plaatsgevonden, 1.375 meter is. Dit is aanzienlijk verder (ruim 30%) dan het gemiddelde van de structurele leegstand. Het is opvallend dat de transacties hebben plaatsgevonden in objecten die relatief ver van de snelweg liggen. Dit beeld komt overeen met de conclusie dat leegstand in de nabijheid van de snelweg een vergrootte kans op structurele leegstand heeft.
Aantal transacties
De transactiedatabase is vervolgens onderverdeeld in categorieën. 60 50 40 30 20 10 0
Voormalig structureel aanbod 32 tot 500
62
25
20
7
14
15
6
Voormalig niet-structureel aanbod
tot tot tot tot tot tot tot 1.000 1.500 2.000 2.500 3.000 3.500 4.000 Afstand tot snelweg in meters
Figuur 62: Transacties op basis van afstand tot de snelweg (in categorieën)
71
De onderverdeling in categorieën leidt tot de volgende observatie. Van de 181 transacties hebben er 92 plaatsgevonden in objecten die op een afstand van minder dan 1.000 meter van de snelweg liggen. Meer dan 50% van de transacties heeft dus plaatsgevonden in objecten die een grotere kans lijken te hebben op structurele leegstand. Dit komt niet overeen met de verwachting. Een verklaring hiervoor zou gevonden kunnen worden in de voorraadcijfers. Het is immers aannemelijk dat een relatief groot gedeelte van de kantorenvoorraad nabij de snelweg ligt. Kantorenparken zullen waarschijnlijk veelal op snelweglocaties liggen. Kantorenlocaties maken 59% uit van de totale kantorenparken. In relatie tot de voorraad zou het percentage van 50% derhalve kunnen meevallen. Voorraadcijfers op basis van afstand tot de snelweg zijn echter niet beschikbaar. Ook dient opgemerkt te worden dat de analyse in hoofdstuk 5 is uitgevoerd op basis van exacte afstand tot de snelweg en niet in categorieën. Gezien de bevonden significante relatie met structurele leegstand had een verdere onderverdeling in categorieën geen meerwaarde.
Van de hierboven genoemde 92 transacties, voltrokken zich 27 hiervan in objecten die tot de voormalige structurele leegstand behoorden. Dit komt overeen met 68% van de totale voormalige structurele leegstand in de onderzochte database. Hieruit kan dus worden opgemaakt dat 68% van de structurele leegstand in de transactiedatabase zich bevond op een afstand van minder dan 1.000 meter van de snelweg. Deze percentages hebben geen verklarende waarde, maar dit beeld komt wel overeen met de conclusie dat objecten met structurele leegstand dichter bij de snelweg liggen (met een gemiddelde van 948 meter).
6.4.2 Locatietype Het onderzoek van de aanboddatabase toont aan dat er sprake is van significante verschillen tussen de locatietypen op basis van het aantal jaren leegstand. De oorsprong van de geconstateerde verschillen is een significante afwijking van de centrumlocatie met de locatietypen kantorenpark en randgemeente. Locatietypen kantorenpark en randgemeente lopen een vergrootte kans op structurele leegstand. Objecten in centrumlocatie hebben een kleinere kans op structurele leegstand
Uit de transactiedatabase blijkt dat 113 van de 181 transacties hebben plaatsgevonden in locatietype kantorenpark en 13 in locatietype randgemeente. In totaal heeft dus 69% van de onderzochte transacties plaatsgevonden in objecten die een vergroot risico lopen op structurele leegstand. Deze constatering komt niet overeen met de veronderstelling dat in de objecten met de grootste kans op structurele leegstand slechts een beperkt aantal transacties plaatsvindt. Het aantal transacties staat echter wel in proportie tot de voorraad (zie 5.4.3, figuur 25). Immers, 72% van de voorraad kantoorruimte bestaat uit de locatietypen kantorenpark en randgemeente.
72
Aantal transacties
90 80 70 60 50 40 30 20 10 0
Voormalig structureel aanbod Voormalig niet-structureel aanbod 43
12
113
13
Centrumlocatie
Woonwijk
Kantorenpark
Randgemeente Locatietypen
Figuur 63: Transacties op basis van locatietype
Circa
24%
van
de
transacties
heeft
plaatsgevonden
in
locatietype
centrumlocatie.
De
kantorenvoorraad bestaat voor circa 18% uit centrumlocatie. Het percentage transacties blijkt in relatie tot de voorraad relatief hoog (circa 30% hoger). In locatietype centrumlocatie bestaat 5% van de transacties uit voormalige structurele leegstand. In locatietypen kantorenpark en randgemeenten is het percentage voormalige structurele leegstand respectievelijk 27% en 38% van het aantal transacties in deze locatietypen. De voormalige structurele leegstand in kantorenpark en randgemeenten vormen 92% van de volledige voormalige structurele leegstand in deze database. Wederom kan hier geen verklarende waarde aan gekoppeld worden, maar het beeld op basis van de onderverdeling per locatietype van de voormalige structurele leegstand komt overeen met de constatering dat objecten in een centrumlocatie een kleinere kans op hebben op structurele leegstand en dat de locatietypen kantorenpark en randgemeenten een grotere kans op structurele leegstand hebben.
6.4.3 Bouwjaar In hoofdstuk 5 is een significante correlatie aangetoond tussen bouwperiode en structurele leegstand. Objecten uit de periode 1960 tot en met 1999 (bouwjaarcategorieën 3 en 4) lopen een verhoogde kans op structurele leegstand.
Circa 88% van de bouwjaren van de objecten uit de transactiedatabase zijn bekend. De bouwjaren uit de transactiedatabase zijn op dezelfde wijze gecategoriseerd als in de aanboddatabase, om te observeren of in de objecten met een grotere kans op structurele leegstand ook daadwerkelijk beperkte opname plaatsvindt. De bevindingen worden ook in relatie tot de kantorenvoorraad beoordeeld.
73
Aantal transacties
70 60 50 40 30 20
Voormalig structureel aanbod
10
Voormalig niet-structureel aanbod
0 29
0
Categorie 1: < Categorie 2: 1940 1940 - 1959
16
46
68
Categorie 3: 1960 - 1979
Categorie 4: 1980 - 1999
Categorie 5: 2000 - 2011
Bouwjaarcategorieën Figuur 64: Transacties op basis van categorie bouwjaar
Uit de analyse van de onderverdeling van de transacties blijkt dat 10% van de transacties heeft plaatsgevonden in categorie 3 (1960 tot 1979) en 29% in categorie 4. De kantorenvoorraad bestaat voor 24% uit objecten uit bouwjaarcategorie 3 en voor 42% uit bouwjaarcategorie 4 (zie 5.5.1, figuur 35). Het percentage transacties in deze categorieën lijkt dus achter te blijven in relatie tot de verhouding met de voorraadcijfers. De constatering dat er in deze categorieën minder transacties voorkomen, komt overeen met veronderstelling dat in de objecten met de grootste kans op structurele leegstand sprake is van beperkte opname.
Opvallend is overigens dat ruim 40% van de transacties in categorie 4 voormalig structureel aanbod betreft. Dit percentage staat gelijk aan circa 50% van het totale voormalig structureel aanbod. Het beeld dat op basis van een analyse van de transactiedatabase ontstaat, is derhalve in lijn met de eerdere analyseresultaten aangaande de correlatie tussen bouwperiode en structurele leegstand.
6.4.4 Huurprijs Uit de analyse van hoofdstuk 5 blijkt dat huurprijs significant correleert met structurele leegstand. Structurele leegstand wordt voor 6,1% verklaard door huurprijs. Het verband tussen huurprijs en structurele leegstand is negatief. Bij niet-structurele leegstand is de huurprijs gemiddeld EUR 191,77 per m² per jaar. De gemiddelde huurprijs van structurele leegstand bedraagt EUR 163,75 per m² per jaar.
Uit de transactiedatabase blijkt dat de gemiddelde huurprijs EUR 212,53 per m² per jaar bedraagt. De huurprijs van de voormalige niet-structurele leegstand is gemiddeld EUR 221,03 per m² per jaar en van de voormalige structurele leegstand EUR 184,21 per m² per jaar. Het is opvallend dat de gemiddelden op basis van de transactiedatabase hoger zijn dan de aanboddatabase. Het lijkt dat de
74
transacties hebben plaatsgevonden in het hogere segment. Deze constatering zou aansluiten op de negatieve correlatie tussen huurprijs en structurele leegstand. Immers, blijkbaar vindt in de objecten
Aantal transacties
met een lagere huur, die een grotere kans hebben op structurele leegstand, beperkte opname plaats. 60 50 40 30 20 10
Voormalig structureel aanbod
0 5
23
69
24
15
33
Voormalig niet-structureel aanbod
Categorie 1: Categorie 2: Categorie 3: Categorie 4: Categorie 5: Categorie 6: tot EUR 100 EUR 100 - EUR 150 - EUR 200 - EUR 250 - vanaf EUR EUR 149 EUR 199 EUR 249 EUR 299 300 Huurprijzen in EUR per m² per jaar Figuur 65: Transacties op basis van categorie huurprijs
De transactiedatabase is op basis van huurprijs per categorie onderverdeeld. Deze onderverdeling in categorieën geeft een genuanceerder beeld. Van de onderzochte transactiedatabase hebben 69 transacties plaatsgevonden in de categorie tussen EUR 150 en EUR 199. Circa 41% van de transacties vond dus plaats in objecten met een relatief grotere kans op structurele leegstand. Overigens wordt dan verondersteld dat de gemiddelde prijs van de voormalige structurele leegstand (EUR 184,21), inclusief de afwijkingen van het gemiddelde, zich voornamelijk manifesteert in categorie 3. Dit is een aanname die niet getoetst is, maar gebaseerd op gemiddelde prijzen.
Het valt op dat de voormalige structurele leegstand hoofdzakelijk in categorieën 2 en 3 voorkomt. Samen bevatten deze categorieën 74% van de totale voormalige structurele leegstand in de onderzochte database. De voormalige structurele leegstand komt dus voornamelijk voor in het lagere segment. Categorieën 4, 5 en 6 kennen nauwelijks voormalige structurele leegstand. Wederom dient gesteld te worden dat de percentages geen verklarende waarde hebben. Deze observatie komt echter wel overeen met de conclusie dat huurprijs negatief correleert met structurele leegstand.
6.4
Conclusie
De conclusies van hoofdstuk 5 zijn getoetst op basis van de vraag of in de objecten met een grotere kans op structurele leegstand de opname beperkt is. Het is een subjectieve analyse. Gegronde conclusies kunnen enkel worden getrokken op basis van een correcte statistische analyse (zoals in hoofdstuk 5). Het doel was echter om per determinant te onderzoeken in hoeverre de transacties een beeld geven dat aansluit bij de analyseresultaten van hoofdstuk 5. Het doel van de analyse was niet om de determinanten te verklaren.
75
De analyse levert een wisselend resultaat op. Deels sluit de analyse aan op de bevindingen van hoofdstuk 5, maar wegens het ontbreken van een gedetailleerd inzicht in de kantorenvoorraad kunnen hier geen harde conclusies uit getrokken worden. Inzicht in de opbouw van de kantorenvoorraad is een vereiste om de uitkomsten van een analyse zoals in dit hoofdstuk uitgevoerd, op een juiste wijze te kunnen wegen.
Een opvallende constatering is dat het aanbod dat langer dan twee jaar leegstaat, moeilijker lijkt te worden opgenomen door de markt. Deze constatering vereist nog nader onderzoek, maar is wel degelijk belangwekkend.
76
7
Conclusies en aanbevelingen
7.1
Conclusie en antwoord op de centrale vraagstelling
De centrale onderzoeksvraag van dit onderzoek luidde als volgt:
Wat zijn de determinanten van structurele leegstand in de kantorenmarkt en in hoeverre verklaren deze determinanten de structurele leegstand?
Het doel was om door beantwoording van deze centrale vraag de indicatoren van structurele leegstand van kantoorgebouwen in kaart te brengen en om op basis daarvan te kunnen beoordelen wat de kans is op structurele leegstand in een kantoorobject. Op basis van dit onderzoek kan de centrale vraag deels beantwoord worden.
Het onderzoek begint met een analyse van de kantorenmarkt op macro niveau om inzicht te verkrijgen in de oorzaken van structurele leegstand. Leegstand in de kantorenmarkt hoeft niet bezwaarlijk te zijn. Leegstand wordt pas problematisch als het de fase van frictieleegstand voorbij is. Op basis van de analyse van de marktwerking en de dynamiek van de kantorenmarkt is het aannemelijk om te veronderstellen dat het huidige overaanbod niet vanuit de vraag opgelost zal worden. De cyclus lijkt te stagneren. Er is sprake van een afnemende vraag in een markt met overaanbod. De onderliggende factoren bestaan uit een samenspel van marktimperfecties, een niet-transparante markt, overheidsbeleid en het beperkte aantal onttrekkingen uit de kantorenmarkt. Het ontstaan van het overaanbod en daarmee ook van de structurele leegstand, is veroorzaakt door een combinatie van markt- en overheidsfalen.
De structurele leegstand duidt op een tweedeling in de kantorenmarkt tussen een segment van courante concurrerende kantoren en een segment van incourante niet-concurrerende kantoren. In dit onderzoek is getracht het segment van de incourante niet-concurrerende kantoren, welke volgens Colwell geen deel meer uitmaakt van de markt, te identificeren. Dat zou mogelijk moeten zijn aangezien verondersteld wordt dat de aanleiding van structurele leegstand per object verschillen. Door middel van literatuuronderzoek is de hypothese gesteld welke variabelen relevant zijn voor structurele leegstand (zie onderstaand figuur). Locatiegebonden variabelen Afstand tot de snelweg Afstand tot station Locatietype Functionaliteit / voorzieningenniveau Uitstraling omgeving en imago
Gebouwgebonden variabelen Bouwjaar Metrage Parkeren Duurzaamheid / energielabel Huurprijs Technische kwaliteit Indeling, efficiëntie, flexibiliteit Makelaar(s) Type eigenaar
Figuur 66: Mogelijk relevante variabelen structurele leegstand
77
Hier ontstaat een lacune. Een deel van de variabelen die in de hypothese als relevant beschouwd zijn, kunnen niet worden meegenomen in dit onderzoek wegens het ontbreken van data. Het voornaamste gemis bestaat uit het ontbreken van de variabele „uitstraling omgeving en imago‟. Op basis van het literatuuronderzoek is het aannemelijk gebleken dat uitstraling en imago wel degelijk een significante correlatie met structurele leegstand zouden kunnen hebben.
Andere variabelen die gesignaleerd zijn, maar niet in het onderzoek opgenomen, zijn het gemeentelijk ruimtelijke ordeningsbeleid en de markt. Beide variabelen zijn moeilijk te meten, maar zouden significant kunnen zijn in relatie tot structurele leegstand. Gemeentelijk ruimtelijk ordeningsbeleid zou verschillen of relaties kunnen aanduiden tussen diverse regio‟s. De markt is te veel omvattend om als variabele mee te nemen, maar mede gezien het niet-transparante karakter van de kantorenmarkt mogelijk zeer relevant.
Uit de data-analyse blijkt dat vier van de onderzochte variabelen een significante relatie hebben met structurele leegstand. Het betreft afstand tot de snelweg, locatietype, bouwjaar en huurprijs. Leegstand in de nabijheid van de snelweg heeft een vergrootte kans om structureel van aard te worden. Objecten op locatietypen kantorenpark en randgemeenten lopen meer kans op structurele leegstand dan centrumlocaties. Kantoren uit de bouwperioden 1960 tot en met 1979 en 1980 tot en met 1999, lopen een verhoogde kans op structurele leegstand. De correlatie tussen huurprijs en structurele leegstand is negatief. Echter, er is bij alle variabelen sprake van lage waarden van de verklaarde varianties. Een meervoudige regressie geeft een functie waarmee 15% van de variantie in structurele leegstand verklaard wordt. De variabelen in deze functie zijn bouwjaar (bouwperioden 1960 tot en met 1979 en 1980 tot en met 1999) en huurprijs. Deze combinatie levert de hoogst verklaarde variantie op.
Aangetoond is dus dat de kans op structurele leegstand deels te voorspellen is. Deze conclusie lijkt weinig significant aangezien 85% van de kans op structurele leegstand verklaard wordt door variabelen die niet in deze functie verwerkt zijn. Echter, aangetoond is desalniettemin welke variabelen wel een relatie hebben met structurele leegstand. Wegens de lage waarden van de verklaarde variantie kan niet overtuigend gesteld worden dat deze variabelen te kenmerken zijn als indicatoren. De voorspellende waarde is immers klein. Er zou eerder gesproken kunnen worden van determinanten. De significante variabelen zijn immers te kenmerken als factoren die de kans op structurele leegstand mede bepalen. Een formule die de kans op structurele leegstand met grote nauwkeurigheid voorspelt, is helaas niet gevonden. Het doel was een voorspellende waarde te vinden, echter gezien het beperkte causale verband is er eerder sprake van een waarneming.
Anderzijds is aangetoond dat een aantal variabelen welke in de literatuur als bepalend beschouwd worden, geen relatie met structurele leegstand hebben. De afstand tot het dichtstbijzijnde station, het metrage van de leegstand en de parkeerratio hebben geen significante correlatie met structurele
78
leegstand. Dit is een opmerkelijke conclusie. Op basis van de literatuur was immers een andere hypothese gesteld.
Zowel bij de variabelen die geen significante correlatie met structurele leegstand blijken te hebben als bij de geïdentificeerde determinanten, is sprake van onderlinge afhankelijkheid. Uit de opbouw van de functie die structurele leegstand deels verklaart, werd duidelijk dat een specifieke combinatie van de determinanten de hoogst verklaarde variantie opleverde. Klaarblijkelijk wordt door verschillende determinanten voor een groot deel dezelfde variantie in structurele leegstand bepaald. In deze functie vielen afstand tot de snelweg en locatietype weg en resteerde de determinanten bouwjaarcategorie en huurprijs. Verondersteld zou kunnen worden dat voornamelijk bouwjaarcategorie sterk correleert met de determinanten die niet in de functie werden opgenomen (locatietype en afstand tot de snelweg). De mogelijke onderlinge relaties zijn talrijk: huurprijs zou gekoppeld kunnen worden aan imago van het gebouw; locatietype aan uitstraling gebied en afstand tot de snelweg; bouwperiode aan technische kwaliteit en flexibiliteit van het object. Echter, door variabelen geïsoleerd van elkaar te onderzoeken, kan worden aangetoond welke variabele doorslaggevend is. Dat is in dit onderzoek gebeurd.
Concluderend kan worden gesteld dat is aangetoond dat de kans op structurele leegstand deels kan worden voorspeld, maar dat er sprake is van een zeer beperkte voorspellende waarde. Ook is aangetoond dat een aantal variabelen welke in de literatuur als bepalend voor structurele leegstand gekenmerkt worden, geen correlatie met structurele leegstand hebben. De verzameling variabelen is echter niet limitatief. Het is aannemelijk om te veronderstellen dat de verklaring van structurele leegstand ligt in macro economische ontwikkelingen, het niet-transparante karakter van de markt en een combinatie van onderling afhankelijke, gebouw – en gebiedsgebonden, variabelen. Bovendien is het aannemelijk dat de variabelen die moeilijk te meten zijn, zoals imago en uitstraling, van significante invloed zijn op structurele leegstand.
7.2
Sturingsinstrument voor actoren?
Hoewel de formule niet volledig is en de verklaarde variantie door de determinanten slechts beperkt is, kunnen de eerder genoemde actoren toch hun voordeel doen met de bevindingen uit dit onderzoek. Gesteld kan worden dat indien één of meerdere van de geïdentificeerde determinanten bij een object geconstateerd worden, de kans op structurele leegstand (licht) toeneemt. Het blijkt immers dat nabijheid van de snelweg, de bouwperiode 1960 tot 1999, locatietypen kantorenpark en randgemeente en huurprijs (in negatieve zin), als determinanten van structurele leegstand aan te merken zijn.
Op basis hiervan zou bijvoorbeeld geconstateerd kunnen worden dat het ruimtelijk ordeningsbeleid in deze periode (bouwperiode 1960 tot 1999) gefaald heeft. Er is in een opgaande markt te snel gebouwd in gebieden die in een krimpende markt weer worden verlaten. In deze overloopgebieden staan nu kantoren waar weinig vraag naar is. Het is waarschijnlijk dat deze gebieden dicht bij de
79
snelweg liggen (kantorenparken) en een relatief laag huurniveau hebben. Deze waarneming zou kunnen dienen als sturingsinstrument ten behoeve van toekomstig ruimtelijke ordeningsbeleid, waarbij geen kantoren meer zouden moeten worden gebouwd op locaties die voldoen aan deze criteria.
Voor beleggers en ontwikkelaars geldt hetzelfde. Beleggers kunnen op basis van deze determinanten veronderstellen dat een portefeuille met objecten op kantorenparken een grotere kans loopt om in de toekomst met structurele leegstand geconfronteerd te worden. Dit zou een reden kunnen zijn om de spreiding van de portefeuille over locatietypen aan te passen. Ontwikkelaars zouden dezelfde redenering kunnen volgen en geen risico‟s meer aangaan op kantorenparken door zich meer te richten op hoogwaardige locaties met een hoger huurniveau, bijvoorbeeld centrumlocaties.
Echter, benadrukt moet blijven worden dat de formule slechts 15% van de variantie in structurele leegstand verklaart. Wellicht kunnen de geïdentificeerde determinanten eerder dienen als richtinggevend, dan doorslaggevend.
7.3
Aanbevelingen voor verder onderzoek
Een van de variabelen die gesignaleerd is, maar niet nader onderzocht, is de invloed van het ruimtelijke ordeningsbeleid. Het zou relevant zijn om inzichtelijk te maken hoe het ruimtelijke ordeningsbeleid in verschillende gemeenten zich verhoudt tot de leegstand (en specifiek de structurele leegstand) in de betreffende gemeenten. Hier kan vervolgens lering uit getrokken worden.
Uit de literatuur blijkt dat uitstraling en imago als zeer bepalend worden verondersteld voor de kans op leegstand. Het verdient de aanbeveling om hier uitgebreid onderzoek naar te doen om vast te stellen hoeveel invloed deze factor heeft. Een andere variabele die niet nader is onderzocht is duurzaamheid. Duurzaamheid wordt steeds belangrijker. Het is daarom aannemelijk dat de duurzaamheidaspecten van een object niet alleen significante invloed hebben op het huurniveau en de beleggingswaarde maar ook op de bezettingsgraad van objecten.
De variabele huurprijs is onderzocht, maar in aansluiting hierop is het een aanbeveling om de prijselasticiteit van de kantorenmarkt te onderzoeken. Wat is het gevolg van prijsdifferentiatie in kantoren. Kan hiermee een significant verschil gemaakt worden met betrekking tot
de
leegstandstatus? Hetzelfde geldt voor de rol van asset management. Het is evident dat het van groot belang is om zittend huurders te behouden. Wat is de rol van het asset management met betrekking tot leegstand en structurele leegstand. Hoe kan de asset manager structurele leegstand in een vroegtijdig stadium voorkomen?
In dit onderzoek zijn diverse onderzoeksresultaten waar mogelijk gerelateerd aan de opbouw van de kantorenvoorraad. Gedetailleerde en betrouwbare data over de opbouw van de Nederlandse kantorenvoorraad zijn echter beperkt voorhanden. Het zou zeer relevant zijn om een vergelijkbaar
80
onderzoek uit te voeren op basis van een database waar ook de kantorenvoorraad in is opgenomen. Op deze wijze zou leegstand versus voorraad onderzocht kunnen worden. De beschikbaarheid en, voor zover beschikbaar, de betrouwbaarheid en gedetailleerdheid van deze data is echter problematisch.
In dit onderzoek werd gesignaleerd dat objecten die langer dan twee jaar leegstaan moeilijker worden opgenomen door de markt. Uit de transactiedatabase blijkt dat 46% van de transacties plaatsvond in objecten die slechts één jaar als aanbod aangemeld waren. Dit is een opmerkelijke constatering die nader onderzoek vereist alvorens hier conclusies aan te verbinden.
Meer onderzoek naar de determinanten en indicatoren van structurele leegstand kan beleggers, ontwikkelaars en de overheid helpen bij het maken van de juiste investering- en beleidsbeslissingen.
7.4
Visie
De data-analyse van dit onderzoek is gedaan op basis gegevens afkomstig met betrekking tot de Amsterdamse regio. De Amsterdamse kantorenmarkt is niet specifiek typerend voor de volledige Nederlandse kantorenmarkt. Immers, in 55% van de gemeenten is geen structurele leegstand gesignaleerd. Echter, niet in elke gemeente is sprake van een kantorenmarkt. Gezien de hoge mate van aanwezige structurele leegstand in Amsterdam is de Amsterdamse regio een relevante onderzoeksregio om de onderliggende variabelen van structurele leegstand nader te onderzoeken.
De huidige situatie van overaanbod op de kantorenmarkt (niet alleen in Amsterdamse regio) is zorgwekkend. Dat er leegstand is spreekt voor zich, maar de huidige leegstand op de Nederlandse kantorenmarkt staat niet meer in proportie tot de voorraad. Gesteld zou kunnen worden dat het niet (meer) verstandig is om kantoren toe te voegen aan deze voorraad. Eerst moet er een oplossing komen voor het huidige overschot. Anderzijds kan gebruikers niet het recht ontzegd worden op nieuwe kantoren. Bovendien zijn er specifieke locaties, zoals de Amsterdamse Zuidas, die van belang zijn om Nederland te positioneren als aantrekkelijke internationale vestigingslocatie.
Naar verwachting zal de structurele leegstand de komende jaren nog groeien. Mede vanuit die veronderstelling is getracht de determinanten te traceren op basis waarvan de kans op structurele leegstand in een kantoorobject beoordeeld kan worden. Hoewel dit deels geslaagd is, moet wellicht geconstateerd worden dat dit op objectniveau moeilijk te voorspellen is. De kantorenmarkt is immers niet-transparant. Dit betekent dat het nadeel van specifieke objectkenmerken die de kans op structurele leegstand vergroten, vereffend kunnen worden door het verstrekken van incentives. Het is moeilijk te zeggen in een niet-transparante markt.
81
Literatuurlijst / bronvermelding -
Baarda, B., M. de Goede, C. van Dijkum (2011), Basisboek Statistiek met SPSS, Groningen
-
Bak, R.L. (2011a), Kantorenmarkt Regio’s 2010, Nieuwegein, NVM
-
Bak, R.L. (2011b), Kantorenmarkt in cijfers 2010, Nieuwegein, NVM
-
Bak, R.L. (2011c), Stand van zaken, Nederlandse kantorenmarkt, Nieuwegein, NVM
-
Bak, R.L.(2010a), Structurele leegstand van kantoren, een analyse van het probleem en mogelijke oplossingen, Nieuwegein, NVM
-
Bak, R.L. (2010b), Stand van zaken, Nederlandse kantorenmarkt,Nieuwegein, NVM
-
Buts, C. (2009), Anticiperen op langdurige leegstand, Eindhoven, afstudeerscriptie Vastgoed en Makelaardij
-
Broumels, P., P. den Hartogh (2010), Duurzame energiezuinige kantoren zijn meer waard, Vastgoedmarkt, december 2010, p. 59
-
Colwell, P.F. (2002), Tweaking the DiPasquale-Wheaton Model, Journal of Housing Economics 11, p. 24 - 39
-
Dewulf, G., H. de Jonge (1994), Toekomst van de kantorenmarkt 1994 – 2015, Delft
-
Dijk, B.P. (2011), Tweedeling in de kantorenmarkt, Amsterdam, afstudeerscriptie MSRE
-
DiPasquale, D., W.C. Wheaton (1992), The market for real estate assets and space: a conceptual framework, Englewood Cliffs
-
DTZ Zadelhoff en NEPROM (2003), Aanbodmonitor Kantoren 2003, een kwantitatieve en kwalitatieve aanbodanalyse, Utrecht
-
DTZ (2011a), Factsheet 2011, Utrecht, afdeling Research
-
DTZ (2011b), Van veel te veel, Utrecht, afdeling Research
-
DTZ (2010a), Vertrouwen golft, Utrecht, afdeling Research
-
DTZ (2010b), Het aanbod veroudert, Utrecht, afdeling Research
-
DTZ (2009), Zonder financiering geen markt, Utrecht, afdeling Research
-
DTZ (2008), History repeats, Utrecht, afdeling Research
-
Dynamis (2009), Sprekende cijfers: kantorenmarkten 2009, Amersfoort
-
Dynamis (2011), Sprekende cijfers : kantorenmarkten 2011, Amersfoort
-
Fokkema, J., B. van der Gijp, A.J. Tammes, K. van Dullemen (2003), Conjunctuurtest projectontwikkeling 2003, Utrecht, Neprom
-
Gerritsen, S. (2009), Schrijfgids voor economen, Bussum
-
Gijp, B. van der (2008), De veroudering van de Nederlandse kantorenvoorraad, Property Research Quarterly jaargang 7, nummer 2, Amsterdam, p. 28-34
-
Gijp, B. van der (2009), Syllabus Kantorenmarkt in Nederland, Amsterdam, Amsterdam School of Real Estate
-
Gool, P. van, G.J. Vos (2002), Netto-opname kan varkenscyclus voorkomen. Vastgoedmarkt, april 2002
82
-
Gool, P. van (2003), Minder kantoren en meer betaalbare huurwoningen (oratie UvA). Amsterdam, Vossiuspers
-
Gool, P. van, D. Brounen, P. Jager, R.M. Weisz (2007), Onroerend goed als belegging, Groningen/Houten
-
Gemeente Amsterdam (2009), Beleggers met leegstaand kantoorvastgoed in kaart, Amsterdam
-
Gunst, D.D. de en De Jong, T.D. (1989), Typologie van gebouwen; planning en ontwerp van kantoorgebouwen, Delft, Universitaire Pers
-
Hinds, L. (2010), Het Nieuwe Werken, wat is dat?, XR Magazine, 16 december 2010
-
Horst, M.F.U. ter (2010), Kantorenleegstand in de Metropoolregio, afstudeerscriptie MSRE, Amsterdam, Amsterdam School of Real Estate
-
Huizinga,
J.T.
(2006),
Leegstand
op
kantoorlocaties:
veel
aanbod,
weinig
aandacht,
afstudeerscriptie MRE, Amsterdam, Amsterdam School of Real Estate -
Huizinga, V. (2010), De slechtste referentie is nog een referentie, afstudeerscriptie MRE, Amsterdam, Amsterdam School of Real Estate
-
IVBN (2010), Visie op een duurzaam kantorenbeleid. Doorgaan of duurzaam?, Voorburg
-
Kohnstamm, P.P. en L.J. Regterschot (1994), De manager als bouwheer, Den Haag
-
Korteweg, P.J. (2006), Leegstand van kantoorruimte, Geografie, september 2006, p.15-19
-
Korteweg, P.J., e.a. (2006), Kansloze kantoren, PropertyNL Research Quarterly, maart 2006
-
Lorist, M.H. (2010), Integraal anticiperen ter voorkoming van structurele leegstand van vastgoedobjecten, afstudeerscriptie MRE, Amsterdam, Amsterdam School of Real Estate
-
Marquard, A. (2011), Basissyllabus Methoden en Technieken, deel 1 en deel 2, Amsterdam
-
Muller, R., H. Remøy, J. Soeter (2009), Structurele leegstand 4% lager, Real Estate Research Quarterly, april 2009, p. 52 – 59
-
NVB, (2009), Kantoorgebruikers in profiel 2009, Voorburg
-
NVB, (2011), Thermometer kantoren 2011, Voorburg
-
Remøy H.T., (2010), Out of office, Technische Universiteit Delft, Delft
-
Sijm, S., P.J. Korteweg, G.G.M. ten Have, R. Das (2003), Huidige leegstand kantoorruimte was voorspelbaar, PropertyNL Research Quarterly, oktober 2003, p.18-23
-
Steinmaier, E., (2011), Kansen voor kwaliteit: de Nederlandse kantorenmarkt in beeld, Amsterdam, ABN-AMRO
-
Stichting voor Economisch Onderzoek der Universiteit van Amsterdam (SEO) (2002), Een prijskaartje aan kwaliteitskenmerken van kantoren. Onderzoek naar de preferenties van kantoorgebruikers, Amsterdam
-
Twynstra Gudde (2010), Nationaal Kantorenmarktonderzoek 2009, Amersfoort
-
Voordt, D.J.M. van der, e.a. (2007), Transformatie van kantoorgebouwen: thema’s, actoren, instrumenten en projecten, Rotterdam, Uitgeverij 010
-
Zuidema, M. en M. van Elp (2010a), Kantorenleegstand. Probleemanalyse en oplossingrichtingen, Amsterdam, Economisch Instituut voor de Bouwnijverheid
-
Zuidema, M. en M. van Elp (2010b), Kantorenleegstand. Analyse van de marktwerking, Amsterdam, Economisch Instituut voor de Bouwnijverheid
83
Bijlage 1 Definities gehanteerde begrippen Aanbod Gebouwen waarin per ultimo van elk kalenderjaar minimaal 500 m² kantoorruimte, 750 m² bedrijfsruimte (inclusief de bijbehorende kantoorruimte) dan wel 200 m² winkelruimte voor de verhuur of verkoop beschikbaar is. Het aanbod heeft uitsluitend betrekking op reeds opgeleverde of nog in aanbouw zijnde complexen. Projecten in voorbereiding worden niet meegeteld. Bedrijfsruimte Ruimte bestemd voor productie, opslag en distributie van goederen. Ook bedrijfspaviljoens met een verhoogde kantoorcomponent – soms oplopend tot 50 procent van het totale vloeroppervlak – vallen hieronder. Beroepsbevolking Tot de beroepsbevolking 15-65 jaar worden gerekend: - Personen die ten minste 12 uur of meer per week betaalde arbeid verrichten - Personen die ten minste 12 uur per week gaan werken of willen werken. Bestaande bouw Kantoor- of bedrijfsgebouwen ouder dan twee jaar. Bezettingsgraad Het FTE's per werkplek.
aantal
Bruto-aanvangsrendement De bruto huurinkomsten vóór afschrijvingen en eigenaarslasten, als percentage van de totale verwervingsprijs vrij op naam. Brownfields Gebied met verlaten industriële bebouwing geschikt voor herontwikkeling. Eersteklas vastgoed Modern, courant onroerend goed dat tegemoetkomt aan de hedendaagse wensen en eisen van het bedrijfsleven en zich op een goede locatie bevindt. Kantooren bedrijfsruimte jonger dan vijf jaar op de beste (werk-) locaties wordt in het
algemeen gezien als eersteklas vastgoed. In de winkelruimtemarkt wordt ruimte met een courante frontbreedte en een gangbaar oppervlakte in het A-winkel-gebied als eersteklas aangemerkt. Eigenbouw Kantoorof bedrijfsgebouwen die voor rekening van de gebruiker worden gerealiseerd. Het Nieuwe Werken Het tijden plaats –onafhankelijk uitvoeren van werkzaamheden, gebruikmakend van nieuwe mobiele technologie. Kantoren verworden tot ontmoetingsplaatsen. Huurprijzen kantoren en bedrijfsruimten Prijzen per vierkante meter verhuurbaar oppervlak per jaar exclusief BTW, servicekosten en huurderspecifieke inrichtingskosten. Greenfields Projecten die op locatie worden gerealiseerd, waar nog geen andere objecten of belemmeringen bestaan. Kantoorruimte Ruimte bestemd voor de uitoefening van een bedrijf, beroep of dienst waarin geen product wordt vervaardigd, maar van waaruit uitsluitend dienstverlening wordt bedreven. Leegstand Aangeboden ruimte in opgeleverde gebouwen die op het moment van inventarisatie niet (meer) in gebruik is. Nieuwbouw Kantoor- en/of bedrijfsgebouwen jonger dan twee jaar. Ook bestaande bouw, welke zeer ingrijpend is gerenoveerd, wordt als nieuwbouw aangemerkt. Opname Kantooren/of bedrijfsruimte die op de „vrije markt‟ is verhuurd en verkocht met een metrage van minimaal
500 m² v.v.o. (kantoorruimte) met uitzondering van sale and lease back transacties, huurverlengingen en nieuwbouw ten behoeve van eigenaar-gebruikers (de zogenoemde eigenbouw). Opnamecijfers worden geregistreerd op het moment dat tussen betrokken partijen wilsovereenstemming is bereikt. Structureel aanbod Het deel van het aanbod dat drie jaar of langer als aanbod staat geregistreerd. Structurele leegstand Bestaand aanbod, langer dan drie jaar niet in gebruik bij huurders. Verhuurbaar vloeroppervlak (v.v.o.) De oppervlakte, gemeten op vloerniveau, tussen de opgaande scheidingsconstructies die de betreffende ruimte omhullen, inclusief de zogenaamde glaslijncorrectie. Bij de bepaling van de verhuurbare oppervlakte worden de volgende elementen niet meegenomen: technische ruimtes, stijgpunten en dragende binnenwanden (NEN 2580). Voorraad kantoorruimte Bestaande of in aanbouw zijnde kantoorruimte met een oppervlakte van 500 m² v.v.o. of meer. De kantorenvoorraad gegevens zijn afkomstig van Bak. Voorraad in gebruik Het deel van de kantorenvoorraad dat op het moment van inventarisatie niet als aanbod staat geregistreerd. Het betreft hier dus een combinatie van gegevens van Bak (kantorenvoorraad) en DTZ Zadelhoff (aanbod). Vrije markt De huur- en/of koopmarkt waarin projectontwikkelaars en beleggers kantoor-, bedrijfs- en/of winkelgebouwen aanbieden voor nog onbekende gebruiker.
