HUURPRIJSONTWIKKELING VAN KANTOORRUIMTE

HUURPRIJSONTWIKKELING VAN KANTOORRUIMTE

In hoeverre is de economische activiteit van invloed op de huurprijsontwikkeling van eersteklas kantoorruimte in Den Haag en Amsterdam?

Den Haag, 31 augustus 2011 Scriptie MSRE Ir. E.W. de Jong

Scriptie MSRE - E.W. de Jong

Management Summary In eerdere onderzoeken en vanuit de literatuur is reeds een verband gelegd tussen de economische activiteit en de vraag naar kantoorruimte en daarmee tevens met de huurprijsontwikkeling van vastgoed in de kantorenbranche. Daarbij is echter steeds gekeken naar de ontwikkelingen op nationale niveaus en een beperkt aantal grotere steden. Het centrale thema van deze scriptie betreft de relatie tussen de economische activiteit en de huurprijsontwikkeling van eersteklas kantoorruimte in Den Haag en Amsterdam. De resultaten van het uitgevoerde onderzoek zijn in deze scriptie verwoord. Daarbij wordt tevens antwoord gegeven op de vraag of de huurprijsontwikkeling in Den Haag, waar de Nederlandse overheid zetelt en waar de overheid via de Rijksgebouwendienst veel eersteklas kantoorruimte in eigendom heeft, in een hogere of lagere mate afhankelijk is van de economische activiteit ten opzichte van de huurprijsontwikkeling in Amsterdam. Amsterdam heeft een substantiële aantrekkingskracht op het internationale bedrijfsleven, huisvest belangrijke hoofdkantoren en veel eersteklas kantoorruimte is in handen van private partijen. De ontwikkeling van de huurprijs heeft grote gevolgen voor marktpartijen zoals beleggers, ontwikkelaars, makelaars en kantoorgebruikers en wordt dan ook door deze partijen op de voet gevolgd. Inzicht in de onderliggende indicatoren en de mate waarop de huurprijs beweegt, is dan ook voor al deze partijen relevant. Daarnaast heeft het onderzoek wetenschappelijke waarde. Uit de theorie komt naar voren dat de huurprijs afhankelijk is van vraag- en aanbodindicatoren. Economische factoren zoals bruto binnenlands product, werkgelegenheid, korte rente, toegevoegde waarde en werkloosheid worden gebruikt als vraagindicatoren. Daarnaast is de huurprijs nog afhankelijk van aanbodindicatoren zoals beschikbare kantoorruimte, kwaliteit van het object en leegstand. Na een literatuurstudie is het ’lange termijn evenwichtsmodel’ en het ‘korte termijn huurprijsaanpassingsmodel’ van Brounen & Jennen geselecteerd als basis om het onderzoek uit te voeren. Met enige aanpassing en een beperkt aantal indicatoren voor de economische activiteit van de diensten-

en

de

productiesector

zijn

diverse

berekeningen

gemaakt

voor

de

huurprijsontwikkeling. Deze berekeningen zijn gemaakt voor Amsterdam en voor Den Haag op basis van zowel nationale als regionale datasets.

1


De belangrijkste resultaten en conclusies zijn: 

Voor de economische activiteit zijn de variabelen werkzame beroepsbevolking en voltijdbanen beide significant en valide voor zowel Amsterdam als Den Haag op het betrouwbaarheidsniveau p > 0,01;



Voor de economische activiteit zijn de nationale variabelen bruto binnenlands product en toegevoegde waarde beide significant en valide voor alleen Amsterdam op het betrouwbaarheidsniveau p > 0,05;



De modellen zijn significant meer betrouwbaar indien de leegstand niet als variabele wordt meegenomen. De huurprijs is in dat geval afhankelijk van de beschikbare kantoorruimte en economische activiteit.

De in dit onderzoek beantwoorde hypotheses en onderzoeksconclusies leiden ertoe dat de centrale vraag bevestigend kan worden beantwoord: de huurprijs van kantoorruimte reageert in Amsterdam in sterkere mate op veranderingen in de economie dan in Den Haag. Deze conclusie wordt zowel vanuit financieel opzicht (bruto binnenlands product en toegevoegde waarde van het bedrijfsleven) als vanuit de menselijke kant (werkzame beroepsbevolking en voltijdbanen) gestaafd. Gedurende de studie zijn uitvoerige analyses gemaakt die tot een goed beeld leiden met een valide antwoord op de centrale vraag. Met name bleek dat een hogere betrouwbaarheid wordt verkregen door het hanteren van nationale datasets en datasets van de productie- en de dienstensector tezamen. Tenslotte wordt nog een aantal aanbevelingen gedaan voor toekomstig onderzoek teneinde de gehanteerde modellen te verdiepen. Enerzijds betreft dit het gebruik van uitgebreidere en kwalitatief betere datasets alsmede de toevoeging van variabelen als korte rente, beroepsbevolking en werkloosheid. Anderzijds betreft dit het meenemen van toekomstige trends

op

het

gebied

arbeidsbeschikbaarheid

van en

bijvoorbeeld het

gebruik

duurzaamheidseisen, van

oude-

ten

nieuwe

opzichte

werkwijzen, van

nieuwe

kantoorgebouwen.

2


Voorwoord Deze scriptie is uitgevoerd ter afsluiting van de opleiding Master of Studies in Real Estate (“MSRE”) aan de Amsterdam School of Real Estate (“ASRE”). Bij deze opleiding is gekozen voor de specialisaties: assetmanagement, projectontwikkeling en investeringsanalyse. De opleiding ben ik begonnen in februari 2009, midden in de mondiale economische crisis, waarvan de kernoorzaak lag in de vastgoed- en financieringssector. En dat is precies de sector waar ik werkzaam ben. Het waren spannende tijden waarbij ING Real Estate een hele andere gedaante kreeg. Het waren ook tijden dat ik op het puntje van mijn stoel zat, aandachtig te luisteren, in de collegebanken van de ASRE. Wat me altijd zal bijblijven zijn: de stevige discussies en groepsdynamiek, de stroopwafels in de pauze en de buitenlandexcursies naar Dublin en Valencia. Mijn dank gaat dan ook uit naar ING die mij deze kans heeft gegeven. Persoonlijk was het afgelopen jaar ook hectisch. Om te beginnen ben ik in het huwelijk getreden en hebben we mogen genieten van de geboortes van onze eerste drie nichtjes. Mijn vrouw is zeer recent bevallen van onze eerste zoon. Begin dit jaar heb ik promotie gemaakt binnen ING en als relationship manager ben ik betrokken bij internationale vastgoedfinancieringen. Op sportief terrein is een knappe prestatie neergezet door ongeslagen kampioen te worden met ons hockeyteam. En op sociaal gebied is het druk geweest met vele partijen en huwelijken in mijn omgeving. Ondanks al deze afleidingen heb ik kans gezien om in de weekenden en gedurende vele avonden en nachtelijke uurtjes deze scriptie op te stellen. Velen in mijn directe omgeving ben ik veel dank verschuldigd. Zij zagen mij af en toe piekeren en hebben mij steeds weer aangemoedigd. In het bijzonder wil ik hiervoor mijn vrouw Ellen, zoon Justin en mijn ouders Ton en Tineke bedanken. De directe begeleiders bij het onderzoek waren Wim van der Post van de ASRE en Maarten Jennen van ING Real Estate Investment Management (binnenkort onderdeel van CBRE). Voor de door hen geboden ondersteuning en suggesties bij definiëring, uitvoering en evaluatie van het onderzoek en bij de nadere analyse van de resultaten waren zij voor mij onmisbaar en ben ik hen veel dank verschuldigd. Den Haag, 31 augustus 2011 Erik de Jong [email protected]

3


4


Inhoudsopgave 1

INLEIDING ........................................................................................................................9 1.1

AANLEIDING .................................................................................................................9

1.2

BETROKKEN PARTIJEN ...............................................................................................10

1.2.1

Maatschappelijke relevantie .............................................................................11

1.2.2

Bedrijfseconomische relevantie ........................................................................11

1.2.3

Wetenschappelijke relevantie ...........................................................................12

1.3 2

3

LEESWIJZER ..............................................................................................................13

ONDERZOEKSOPZET...................................................................................................15 2.1

DOELSTELLING EN CENTRALE VRAAG ..........................................................................15

2.2

SUBVRAGEN ..............................................................................................................15

2.3

AFBAKENING..............................................................................................................16

2.4

ONDERZOEKSMETHODIEK ..........................................................................................16

ONTWIKKELINGEN ROND DE KANTORENMARKT ...................................................19 3.1

NEDERLANDSE KANTORENCYCLUS .............................................................................19

3.2

KANTOORGEBOUWEN.................................................................................................19

3.2.1

Automatisch marktherstel .................................................................................19

3.2.2

Nieuwe kantoorruimte.......................................................................................20

3.2.3

Oude kantoorruimte ..........................................................................................21

3.3

DUURZAAMHEID .........................................................................................................21

3.4

DE POLITIEK ..............................................................................................................22

3.4.1

Taken overheid .................................................................................................22

3.4.2

Boete leegstand................................................................................................23

3.4.3

Kabinetsbeleid ..................................................................................................23

3.4.4

Rijksgebouwendienst........................................................................................24

3.5

KAPITAALMARKT ........................................................................................................25

3.5.1

Financiers .........................................................................................................25

3.5.2

Investeerders ....................................................................................................25

3.6

HUURINCENTIVES ......................................................................................................26

3.7

MAATSCHAPPELIJKE INVLOEDEN.................................................................................26

3.7.1

Werkgelegenheid..............................................................................................26

3.7.2

Beroepsbevolking .............................................................................................27

3.7.3

Het Nieuwe Werken..........................................................................................27

3.8

SAMENVATTING .........................................................................................................28

5


4

PROCESSEN IN DE KANTORENMARKT.....................................................................31 4.1

MECHANISME VASTGOEDMARKTEN .............................................................................31

4.2

HET VIERKWADRANTEN MODEL ...................................................................................33

4.3

DE VARKENSCYCLUS ..................................................................................................35

4.4

FUNDAMENTELE ANALYSE ..........................................................................................37

4.4.1

Buitengewoon optimisme door marktpartijen....................................................37

4.4.2

Vertragingen in het aanbod en nieuwe constructies.........................................38

4.4.3

De perceptie van banken op het risico .............................................................39

4.5

4.5.1

Natuurlijke leegstand ........................................................................................42

4.5.2

Long run equilibrium model ..............................................................................42

4.5.3

Short run rent adjustment model ......................................................................44

4.5.4

Economische activiteit ......................................................................................45

4.6

5

SAMENVATTING .........................................................................................................45

4.6.1

Vastgoedmechanisme ......................................................................................45

4.6.2

Theoretisch model ............................................................................................46

4.6.3

Hypotheses.......................................................................................................47

MODEL IN DE PRAKTIJK..............................................................................................49 5.1

DATA .........................................................................................................................49

5.1.1

Benodigde data.................................................................................................49

5.1.2

Verkregen data .................................................................................................49

5.1.3

Data analyse en selectie...................................................................................50

5.1.4

Correlatie variabelen.........................................................................................53

5.2

MODEL ......................................................................................................................55

5.2.1

Type modellen ..................................................................................................55

5.2.2

LINEST model ..................................................................................................55

5.3

6

THEORETISCH MODEL ................................................................................................41

RESULTATEN .............................................................................................................56

5.3.1

Validiteit van het model.....................................................................................57

5.3.2

Uitkomsten en conclusies .................................................................................58

CASUÏSTIEK EN EVALUATIE .......................................................................................61 6.1

CASUÏSTIEK ...............................................................................................................61

6.1.1

Amsterdamse vastgoedmarkt ...........................................................................61

6.1.2

Haagse vastgoedmarkt.....................................................................................62

6.2

KRITISCHE KANTTEKENINGEN .....................................................................................62

6.2.1

Model ................................................................................................................62

6.2.2

Trends op de kantorenmarkt.............................................................................63 6


6.2.3 6.3 7

Overige tekortkomingen....................................................................................64

EVALUATIE ONDERZOEKSMETHODIEK .........................................................................65

CONCLUSIE EN AANBEVELINGEN.............................................................................67 7.1

CONCLUSIE ...............................................................................................................67

7.2

AANBEVELINGEN ........................................................................................................68

7.2.1

Aanbevelingen ten aanzien van het gebruik.....................................................68

7.2.2

Aanbevelingen ten aanzien van verdieping ......................................................68

BIJLAGEN .............................................................................................................................71 A

BIBLIOGRAFIE ..............................................................................................................73

B

AFKORTINGEN..............................................................................................................77

C

DEFINITIES ....................................................................................................................79

D

DATA ..............................................................................................................................81

E

NATUURLIJKE LEEGSTAND........................................................................................93

F

CORRELATIE HUURPRIJS EN ECONOMISCHE ACTIVITEIT ....................................95

G

CORRELATIEMATRIX LONG-RUN EQUILIBRIUM MODEL ......................................101

H

CORRELATIEMATRIX SHORT-RUN RENT ADJUSTMENT MODEL ........................105

I

CODERING MODELLEN..............................................................................................109

J

INPUT MODELLEN ......................................................................................................111

K

OUTPUT MODELLEN ..................................................................................................113

L

CONSTANTEN, COËFFICIËNTEN EN BETROUWBAARHEIDSNIVEAU..................129

M

RELATIE ECONOMISCHE ACTIVITEIT EN HUURPRIJSONTWIKKELING ..............137

N

HUURPRIJSVERANDERING.......................................................................................145

O

KANTORENLOCATIES AMSTERDAM EN DEN HAAG .............................................147

7


8


1 Inleiding Deze scriptie richt zich op de huurprijsontwikkeling van onroerend goed in de kantorenmarkt. Er wordt specifiek ingezoomd op de relatie tussen de economische activiteit1 en de huurprijsontwikkeling van eersteklas kantoorruimte2 in Den Haag en Amsterdam. De intentie is om het verband tussen deze variabelen te onderzoeken, evenals regionale discrepanties in de relatie tussen de economische activiteit en de huurprijsontwikkeling. Het onderzoek gaat vervolgens in op de vraag of de huurprijs van kantoorruimte in Den Haag in een hogere of lagere mate afhankelijk is van de economische activiteit ten opzichte van de huurprijs van kantoorruimte in Amsterdam. In dit hoofdstuk wordt de aanleiding voor dit onderzoek en het belang ervan voor de verschillende actoren op dit marktterrein beschreven. Aan het eind van het hoofdstuk is de leeswijzer gegeven.

1.1 Aanleiding Het is alom bekend – in ieder geval in de vastgoedwereld – dat de kantorenmarkt bij uitstek cyclisch van aard is3. Vraag en aanbod sluiten zelden goed aan op elkaar waardoor er van tijd tot tijd tekorten of overschotten ontstaan. Dit is niet vaak zonder consequenties. In een periode van hoogconjunctuur ontstaat er meer vraag dan normaal naar kantoorruimte. Dit komt omdat de bedrijvigheid toeneemt in een opgaande economie (of omgekeerd: de economie opbloeit omdat er meer bedrijvigheid komt). Indien het aanbod de vraag niet kan matchen, wordt verwacht dat de huurprijs aanzienlijk stijgt in deze periode. Een hogere huurprijs leidt in de regel tot hogere marktwaarden van onroerend goed. En dit geeft op zijn beurt een impuls aan diverse sectoren, zoals de investeringsmarkt, financieringsbranche, bouwen ontwikkelingsbedrijven, makelaardij, adviseurs, taxateurs, architectenbureaus, juristen- en notariskantoren, overheden en de kantoorgebruiker. Gebaseerd op optimisme, of misschien het gebrek aan harde maatstaven om toekomstige ontwikkelingen in te schatten, ontstaat de neiging teveel meters kantoorruimte bij te bouwen. Een hoogconjunctuur biedt nu eenmaal de kans en ruimte om projecten op stapel te zetten die soms al lange tijd in de pen zaten. Overheden zien, nu er voldoende middelen beschikbaar zijn, de kans om projecten op te pakken. Niemand wil de opgaande markt missen. En dus staan beleggers en financiers in de rij om te investeren in bestaande en

1

Het begrip ‘economische activiteit’ wordt besproken in §4.5 ‘Eersteklas kantoorruimte’ is de hoogste kwaliteit beschikbare kantoorruimte in Den Haag en Amsterdam 3 Een korte terugblik van de cyclische aard van de Nederlandse kantorenmarkt wordt besproken in §3.1 2

9


nieuwe kantoorprojecten. Ook makelaars en adviseurs merken de gevolgen van deze schommelingen in vraag en aanbod. Bij veel vraag hebben zij immers meer werk. De kantoorgebruikers hebben meer behoefte aan additionele kantoorruimte, willen verhuizen naar een locatie die beter op hun business aansluit of zijn ontvankelijk voor advies. Door het verhoogde

aantal

transacties

in

de

markt

zien

architectenbureaus,

juristen-

en

notariskantoren eveneens meer verkeer. Het is niet alleen de kantoorgebruiker die floreert, maar de hele vastgoedwereld. Het is tevens opmerkelijk dat in tijden van hoogconjunctuur blijkbaar vanzelfsprekend veel vertrouwen in een langdurig opgaande markt ontstaat. Aangenomen dat de vraag constant blijft, kan het evenwicht tussen vraag en aanbod van kantoorruimte pas na enkele jaren worden hersteld. Dat komt omdat de diverse spelers in de vastgoedwereld vertraagd reageren op wijzigingen in vraag en aanbod. Een kantoorpand kan simpelweg niet in één dag worden opgeleverd. Maar na enkele jaren kunnen wel heel veel kantoorobjecten worden

opgeleverd. Dit wordt ook wel aangeduid als de

varkenscyclus4. Als het aanbod de vraag overstijgt wordt aangenomen dat de huurprijs stabiliseert of daalt. In een laagconjunctuur neemt de vraag af naar kantoorruimte. Het gevolg is goed merkbaar vandaag de dag. In Nederland staat circa 7 miljoen vierkante meter kantoorruimte leeg. Op de totale kantorenvoorraad van bijna 49 miljoen vierkante meter staat daarmee circa 14% leeg. Verwacht wordt dat dit percentage zelfs zal stijgen in de nabije toekomst (VROM, 28 april 2010). Het kan bijna niet anders of dit zal ook zijn weerslag hebben op de huurprijs van kantoorruimte. De huurprijs komt dus tot stand door vraag en aanbod. En vraag en aanbod is in grote mate afhankelijk van de economische conjunctuur waarin een regio zich bevindt. Uit dit oogpunt is het van belang om te onderzoeken wat het verband is tussen de economische activiteit en de huurprijsontwikkeling en of dit verband in alle regio’s even sterk is. De vergelijking wordt getrokken tussen Den Haag als overheidsstad en Amsterdam als vestigingsplaats voor veel internationale bedrijven. Zou de economische activiteit in hogere of lagere mate van invloed zijn op de huurprijsontwikkeling in deze steden? Deze scriptie geeft antwoord op deze vraag.

1.2 Betrokken partijen Het veronderstelde verband tussen de economische activiteit en de huurprijsontwikkeling van kantoorruimte kan leiden tot inzichten waar veel partijen baat bij hebben. Bij een sterk verband kunnen partijen rekening houdend met de economische activiteit een voorspelling maken van de toekomstige huurprijs van kantoorruimte. De economische activiteit fungeert dan immers als een sterke indicator. Het omgekeerde is ook relevant. Indien er een zwak 4

Het begrip ‘varkenscyclus’ wordt besproken in §4.3 10


verband is, ligt het voor de hand dat partijen andere indicatoren hoger in acht nemen. Tenslotte is het relevant om te weten of er een generiek (lees: nationaal) of specifiek (lees: regionaal) instrument toepasbaar is voor de raming van de huurprijsontwikkeling. Hieronder zijn de rollen en de belangen van de verschillende marktpartijen uitgewerkt met betrekking tot de maatschappelijke, bedrijfseconomische en wetenschappelijke aspecten. Voor al deze marktpartijen is het relevant om inzicht te hebben in de toekomstige huurprijs. 1.2.1 Maatschappelijke relevantie De maatschappelijke relevantie heeft betrekking op de verschillende overheden. De economische activiteit c.q. huurprijsontwikkeling kunnen indicatoren zijn voor toekomstige tekorten of overschotten op de kantorenmarkt. Overheden hebben als taak om deze balans te bewaken. Grote tekorten kunnen werken als een rem op de economie, terwijl grote overschotten leegstand en verpaupering tot gevolg hebben. Overheden ontwikkelen daarvoor beleid5. Tenslotte is het relevant voor overheden om eventuele regionale discrepanties te onderkennen. 1.2.2 Bedrijfseconomische relevantie De bedrijfseconomische relevantie heeft betrekking op veel sectoren. Hieronder worden de volgende partijen besproken: ontwikkelaars, beleggers, financiers, makelaars, adviseurs, taxateurs en de kantoorgebruiker zelf. Eerder opgesomde partijen zoals bouwbedrijven, architectbureaus, juristen- en notariskantoren hebben niet direct baat bij het onderzoek, maar merken wel de effecten van de huurprijsontwikkeling in hun dagelijkse activiteiten. Ontwikkelaars Indien de relatie tussen economische activiteit en huurprijsontwikkeling inzicht verschaft in de toekomstige vraag naar kantoorruimte en de verkoopprijs van kantoorruimte kunnen ontwikkelaars aanbod en vraag beter op elkaar afstemmen. Ontwikkelaars kunnen dan een analyse maken op basis van duidelijke indicatoren en krijgen inzicht in de verkoopprijs. Het beantwoordt het vraagstuk of er gebouwd kan worden op risico of dat er vooraf overeenstemming moet zijn met een huurder of koper. Ook is het van belang om te weten in welke mate bepaalde regio’s afhankelijk zijn van de nationale economische conjunctuur. Beleggers en financiers Beleggers en financiers investeren in onroerend goed. Als met behulp van een model de vraag naar kantoorruimte op de langere termijn kan worden voorspeld, kan het investerings 5

Het beleid van de overheid wordt besproken in §3.4 11


en financieringsbeleid hierop worden afgestemd. De in het verleden veel gedane aanname dat vastgoed alleen maar meer waard wordt, kan hierbij misschien in een ander daglicht worden gesteld. De volatiliteit van de huurprijs en verwevenheid van de huurprijs met de economie is in het bijzonder voor verzekeringen pensioenmaatschappijen van belang, omdat zij in verschillende risicomandjes beleggen. Makelaars, adviseurs en taxateurs Inzicht in de relatie economische activiteit en huurprijsontwikkeling kan een hulpmiddel zijn voor makelaars en adviseurs. Immers, indien bekend is hoe de markt zich ontwikkelt, kunnen zij de verschillende partijen beter adviseren en interesseren. Het laat de commerciële kansen en risico’s zien voor de partijen, zodat deze hierop kunnen anticiperen. Het verband kan in een hogere mate en op een meer objectieve wijze antwoord geven op de vraag wat de risico’s zijn van een ontwikkelingsplan, financiering en exploitatie. Taxateurs zijn met deze kennis in staat om nauwkeuriger te waarderen. Kantoorgebruikers De huurprijsontwikkeling is van belang voor kantoorgebruikers. In de eerste plaats omdat zij hiermee direct worden geconfronteerd. En in de tweede plaats omdat ze hiermee haar interne vastgoedbeleid op de huurprijsontwikkeling kan afstemmen. 1.2.3 Wetenschappelijke relevantie In de literatuur is al het een en ander bekend over de relatie tussen de economische activiteit en huurprijsontwikkeling6. Echter er is minder bekend of deze relatie in alle regio’s even sterk is. Het verband is ook niet getest in alle regio’s. Maar slechts voor de grote steden, waaronder Amsterdam en Rotterdam in Nederland. Dit onderzoek richt zich daarom op een andere regio in Nederland, namelijk Den Haag. Den Haag zal worden vergeleken met Amsterdam. In deze steden is de mix van kantoorgebruikers verschillend vanwege de verschillende aard van bedrijvigheid in die steden, namelijk de overheidsfunctie van Den Haag en de aantrekkingskracht van Amsterdam op internationale bedrijven. Verwacht wordt dat Den Haag door haar overheidsfunctie, minder gevoelig is voor veranderingen in de economische activiteit. Het is dus van belang om te onderzoeken in welke mate de huurprijsontwikkeling afhankelijk is van de economische activiteit in genoemde steden. Tenslotte kan deze kennis gebruikt worden om regionaal vraag en aanbod beter in te schatten.

6

De theorie wordt besproken in hoofdstuk 4 12


1.3 Leeswijzer Na de Inleiding wordt in hoofdstuk 2 de onderzoeksopzet besproken met de doelstelling, de onderzoeksafbakening en de gevolgde methodiek. Hoofdstuk 3 gaat in op de vraag naar kantoorruimte voortkomend uit endogene factoren binnen de kantorenmarkt zelf en vanuit exogene factoren zoals politiek, maatschappelijke en demografische aspecten. In hoofdstuk 4 worden de uit de literatuur naar voren gekomen en voor deze scriptie interessante modellen en indicatoren beschreven. Hoofdstuk 5 volgt met de bespreking van het toegepaste model, de wijze van toepassing van het model en de uitkomsten hiervan. In hoofdstuk 6 volgt een nadere analyse van de resultaten met een evaluatie van de onderzoeksmethodiek. Hoofdstuk 7 besluit met de conclusies en aanbevelingen.

13


14


2 Onderzoeksopzet Allereerst worden de doelstelling en centrale vraag van het onderzoek besproken. Daarna worden achtereenvolgens de achterliggende subvragen en de onderzoeksafbakening aangegeven. Afsluitend wordt de onderzoeksmethodiek toegelicht.

2.1 Doelstelling en centrale vraag Deze scriptie richt zich op de relatie tussen de huurprijsontwikkeling van kantoorruimte en de economische activiteit. De doelstelling van het onderzoek is om beter inzicht te verkrijgen in de regionale verschillen tussen Den Haag en Amsterdam. Verondersteld wordt dat Den Haag minder gevoelig is voor de grillen van de economie. Immers, de regering en alles wat daar bij komt kijken zetelt in Den Haag. Amsterdam daarentegen richt zich meer op het nationale en internationale bedrijfsleven en is mogelijk gevoeliger voor schommelingen in de economische conjunctuur. De centrale vraag voor deze scriptie luidt: ‘In hoeverre is de economische activiteit van invloed op de huurprijsontwikkeling van eersteklas kantoorruimte in Den Haag en Amsterdam?’

2.2 Subvragen De volgende onderzoeksvragen zijn geformuleerd om de doelstelling te halen: 

Wat zijn de indicatoren die bepalend zijn om de huurprijsontwikkeling van kantoorruimte in te schatten? Wat is de onderlinge samenhang? Zijn deze indicatoren even sterk in Den Haag als in Amsterdam?



Hoe werkt het vraag en aanbod mechanisme in de kantorenmarkt? Hoe is dit gerelateerd aan de huurprijsontwikkeling?



Wat zijn de huidige ontwikkelingen en trends in de kantorenmarkt? Wat zijn de ontwikkelingen op politiek, maatschappelijk en demografisch terrein? Zijn deze van invloed op de huurprijsontwikkeling?



Wat is de impact van de leegstand op de huurprijsontwikkeling?



Welke sectoren zijn actief in de regio’s Den Haag en Amsterdam? Welke sectoren hebben behoefte aan kantoorruimte?



Welke data is beschikbaar? Kan het verband worden getest? Wat zijn de uitkomsten? Wat is de betrouwbaarheid?



Welke elementen vallen buiten het bereik van dit onderzoek? Welke elementen zijn het waard om nader te onderzoeken?

15




Welke variabelen kunnen worden gebruikt voor de indicator economische activiteit? Welke variabelen voldoen in Den Haag en/of Amsterdam?



In welke mate is de economische activiteit van invloed op de huurprijsontwikkeling?

2.3 Afbakening Het onderzoek is op de volgende gebieden afgebakend: de regio’s die tot het onderzoek behoren, het type kantoorruimte, het model dat toegepast wordt, de data die gebruikt kan worden, de kwaliteit van de data, onderzoeksmethodiek, budget, capaciteit en tijd. Hieronder worden deze gebieden nader toegelicht. 

Regio: Het onderzoek beperkt zich tot de kantorenmarkt in Nederland en specifiek tot de regio’s Den Haag en Amsterdam.



Type kantoorruimte: Het verband wordt alleen onderzocht voor eersteklas kantoorruimte.



Model: Het onderzoek maakt gebruik van een bestaand model vanuit de literatuur. Deze scriptie tracht niet zelf een model te ontwikkelen.



Data: Het onderzoek beperkt zich tot de data die beschikbaar is. De data dient publiekelijk beschikbaar te zijn of relatief eenvoudig aan te komen. In die zin is er geen budget beschikbaar om data aan te kopen.



Kwaliteit: De data wordt verkregen van een gespecialiseerd bedrijf op dit gebied of is publiekelijk verkrijgbaar en kan worden gevalideerd door diverse bronnen.



Onderzoeksmethodiek (zie ook §2.4): Het literatuuronderzoek en bespreking van de resultaten is kwalitatief van aard. Het onderzoek – de relatie tussen de economische activiteit en huurprijsontwikkeling – betreft een kwantitatief onderzoek.



Budget: Er is geen budget beschikbaar voor dit onderzoek. Dit betekent dat de verkregen data wellicht minder volledig is dan als er data wordt ingekocht.



Capaciteit: De scriptie wordt zelfstandig uitgevoerd. Echter er kan van tijd tot tijd advies worden ingewonnen bij de scriptiebegeleiders. Naast de beide begeleiders worden geen andere experts geraadpleegd.



Tijd: De scriptie moet kunnen worden afgerond in een tijdsbestek van zes maanden. Hierbij moet rekening worden gehouden dat alleen tijd beschikbaar is buiten de kantooruren.

2.4 Onderzoeksmethodiek Om de centrale vraag te beantwoorden, is de aanpak van het onderzoek in volgtijdelijke facetten opgedeeld: aanleiding, literatuuronderzoek, praktijkonderzoek, analyse en discussie en conclusie en aanbevelingen. Deze facetten worden hieronder beschreven. Figuur 1 geeft

16


schematisch de structuur van de onderzoeksmethodiek weer. Het schema is zo opgebouwd dat het tevens als leeswijzer kan dienen.

Aanleiding

Theoretisch onderzoek

Praktijkonderzoek

Analyse

Conclusie en aanbevelingen

Model in de praktijk

Casuïstiek en evaluatie onderzoek

Beantwoorden centrale vraag

Ontwikkelingen kantorenmarkt

Relatie EA en R? Regionale Δ?

Indicatoren, Model en hypotheses

Figuur 1: Onderzoeksmodel (bron: eigen bewerking)



Aanleiding: De aanleiding is aan bod gekomen in hoofdstuk 1. Het betreft de vraag of de huurprijsontwikkeling (“R”) (rent) in Den Haag in hogere of lagere mate afhankelijk is van de economische activiteit (“EA”) (economic activity) ten opzichte van de huurprijsontwikkeling in Amsterdam.



Theoretisch onderzoek: Het doel van het literatuuronderzoek is om de ontwikkelingen op de kantorenmarkt te beschrijven en om een theoretisch model te selecteren dat de relatie tussen de economische activiteit en huurprijsontwikkeling beschrijft. De ontwikkeling op de kantorenmarkt geeft achtergrondinformatie op landelijk niveau. Deze kennis wordt gebruikt om de te verzamelen relevante modellen te evalueren. Hieruit volgt het theoretisch model dat wordt toegepast in het praktijkonderzoek. Het literatuuronderzoek is kwalitatief van aard.



Praktijkonderzoek: Het praktijkonderzoek bestaat uit het verzamelen van beschikbare data om zodoende het theoretisch model toe te passen op Den Haag en Amsterdam. Het model in de praktijk krijgt zo gestalte. Dit onderzoek is kwantitatief. Een aparte sectie zal besteed worden aan de casuïstiek van de Haagse en Amsterdamse kantorenmarkt. Deze informatie is relevant voor de evaluatie van het model en geeft achtergrondinformatie over deze regio’s. De casuïstiek is kwalitatief van aard.



Analyse en discussie: Aan de hand van de resultaten uit het kwantitatieve en kwalitatieve onderzoek wordt het model geëvalueerd en worden suggesties voor aanpassingen en/of aanvullingen gedaan. Tenslotte wordt de onderzoeksmethodiek geëvalueerd met suggesties voor verbetering, dan wel uitbreiding.



Conclusie en aanbevelingen: De centrale vraag wordt beantwoord.

17


18


3 Ontwikkelingen rond de kantorenmarkt In dit hoofdstuk wordt ingegaan op recente ontwikkelingen die van invloed zijn op de kantorenmarkt. Dit betreft ontwikkelingen rond de kantoren zelf, politieke factoren, demografische aspecten en de financieringsmarkt. Aan het eind van het hoofdstuk wordt een samenvatting met de meest relevante invloeden gegeven.

3.1 Nederlandse kantorencyclus De vraag vanuit de markt naar kantoorruimte is afhankelijk van vele, zeer uiteenlopende factoren. Zo is de vraag ten dele conjunctureel van aard, maar bijvoorbeeld ook de aard van de bedrijvigheid en de vorm van werkgelegenheid hebben een zekere invloed (Van Gool e.a., 2007, p. 68). Van Gool schrijft verder dat er voldoende aanwijzingen zijn dat de kantorenmarkt bij uitstek cyclisch is. Alleen al in de afgelopen twee decennia heeft de kantorenmarkt al drie keer een periode gekend met hoogoplopende leegstand en minder projectontwikkelingen. Hier volgt een korte opsomming afkomstig van Van Gool (2007). Vanaf halverwege de jaren tachtig herstelde de economie zich fors in Nederland waardoor huurprijzen en marktwaarden weer gingen stijgen. In de jaren negentig na het uitbreken van de Golfoorlog, stagneerde de expansie door een vastgoedcrisis die was ontstaan in de Verenigde Staten. Halverwege de jaren negentig nam het kantoorgebondenwerk weer toe door de opkomst van de kenniseconomie en de economische hoogtijdagen. In deze jaren werd er weinig bijgebouwd, waardoor de leegstand terugliep van 10% in 1993 naar 2% in 2000. De huurprijzen stegen dan ook in deze periode. Echter, begin deze eeuw spatte de internetbubbel uit elkaar en mede door de gevolgen van de aanslag op 11 september 2001 kreeg de economie en de kantorenmarkt een zware terugslag. Gedreven door de ‘wall of money’ begin deze eeuw kwam de vastgoedmarkt weer uit de dip. Recent als gevolg van de wereldwijde economische crisis werd de economie wederom hard getroffen. De gevolgen zijn vandaag goed merkbaar, de leegstand is wederom toegenomen.

3.2 Kantoorgebouwen Leegstand van kantoren is een dagelijks onderwerp van gesprek voor allerlei actoren zoals beleggers, projectontwikkelaars, financiers, makelaars en overheden. Er is momenteel bijna geen vastgoedblad dat geen artikel aan dit fenomeen wijdt. 3.2.1 Automatisch marktherstel Sommige deskundigen zien in de huidige leegstand geen aanleiding om bijzondere maatregelen te treffen (Van der Voordt, 2007). Zij vertrouwen op de zogenaamde varkenscyclus 19


waarbij het aanbod wegens de lange ontwikkelings- en realisatietijd (tijdelijk) niet goed aansluit op de marktvraag. Veel bouwprojecten worden dan stopgezet of vooruitgeschoven en als de markt weer aantrekt, neemt de leegstand weer af. Na verloop van tijd als de vraag het aanbod weer overstijgt, wordt de ontwikkelmarkt weer geprikkeld. In het verleden is dit cyclische verschijnsel immers vaker waargenomen. Toch zijn er veel deskundigen die overtuigd zijn dat er structurele problemen zijn op de kantorenmarkt. 3.2.2 Nieuwe kantoorruimte Een groot deel van de huidige leegstand bevindt zich op B en C locaties met oudere kantoorgebouwen die niet of slechts beperkt voldoen aan de duurzaamheidscriteria en aan de wensen en behoeften van gebruikers. Internationaal vastgoedadviseur Jones Lang LaSalle deed op een expertmeeting in Amsterdam de suggestie tot het treffen van een regeling om bij nieuwbouwplannen voor kantoorruimten, oude kantoorgebouwen te onttrekken aan de voorraad via sloop of herbestemming (Vastgoedmarkt.nl, 26 oktober 2009). Met deze maatregel moet het evenwicht worden hersteld tussen nieuwbouw en bestaande kantoren met een lager kwaliteitsniveau. Momenteel wordt inderdaad nog steeds veel nieuwe kantoorruimte gebouwd. Terwijl veel oude kantoorruimten leeg staan, is er toch voldoende vraag naar nieuw gebouwde kantoren. Voor gebruikers die momenteel een incourant pand huren, is de drempel om te verhuizen naar bestaand vastgoed beperkt. De huurprijs van bestaande kantoorpanden ligt dicht bij die van duurzame nieuwbouw (Vastgoed Journaal, 26 september 2010). Een bedrijf krijgt in feite een nieuw kantoor dat voldoet aan de moderne maatstaven voor min of meer dezelfde prijs. De verwachting voor de komende jaren is dat de economie niet in die mate zal aantrekken, dat leegkomende ruimtes in oudere panden weer zijn op te vullen. Dit wordt bevestigd door het adviesbureau Twynstra Gudde dat stelt dat de gebruiker van kantoorruimte een voorkeur heeft voor nieuwbouw boven renovatie van bestaande kantoorpanden, omdat oude kantoorruimte op technisch en functioneel gebied vaak niet meer voldoet (Cobouw, 11 juni 2010). Daarbij komt dat een nieuw kantoorpand tevens kan worden ingericht met het oog op de ontwikkeling van ‘Het Nieuwe Werken’ (zie §3.7.3). Overigens doet het adviesbureau Twijnstra Gudde de opmerkelijke uitspraak dat de leegstand van kantoren de komende jaren zal verdubbelen van 7,3 tot 15 miljoen vierkante meter. Het valt te bezien wat van deze voorspelling uitkomt, maar dit maakt de zorgen over de huidige ontwikkelingen groter en de noodzaak voor het afstemmen van vraag en aanbod op elkaar des te actueler.

20


3.2.3 Oude kantoorruimte In lijn met Jones Lang LaSalle concluderen meer critici dat het noodzakelijk is om een substantieel deel van het incourante aanbod van de markt te halen om langdurige leegstand en verpaupering tegen te gaan (Vastgoedmarkt.nl, 26 oktober 2009). Velen, ook vanuit de overheid, propageren daarbij dat naast sloop herbestemming en transformatie van leegstaande kantoren naar nieuwe functies een aantrekkelijke optie is (SenterNovem, 1 april 2008). Dit geldt zowel vanuit commercieel als vanuit maatschappelijk perspectief. De opbrengsten bij herbestemming kunnen zelfs hoger zijn dan bij sloop en nieuwbouw. Zeker bij unieke of onder monumentenzorg vallende panden ligt herbestemming een stuk eenvoudiger en blijft cultureel erfgoed behouden. Het mes kan zelfs aan twee kanten snijden indien daarbij ruimtebehoeften vanuit een andere optiek worden bediend, zoals beperking van het structurele tekort op de woningmarkt. Het is dan ook niet verbazingwekkend dat hier tal van succesvolle voorbeelden van zijn (Van de Voordt, 2007). Het herbestemmingspotentieel is voor de Nederlandse markt nog nooit volledig in kaart gebracht. Toch zijn politici nogal eens genegen om herbestemming te benadrukken als oplossing voor de leegstandsproblematiek. Ook de literatuur heeft al veel aandacht besteed aan leegstand, de actoren en de verschillende belangen. Vooralsnog ontbreekt echter een koppeling tussen vraag en aanbod. Dit neemt niet weg dat herbestemming van oude kantoorpanden op zijn minst een interessante optie kan zijn. In de Herbestemmingswijzer geven de auteurs een aanzet tot een instrument om de vraag en aanbod op elkaar af te stemmen waarbij de mogelijkheden tot herbestemming of herontwikkeling van een gebouw worden gespecificeerd (Hek e.a., 2004).

3.3 Duurzaamheid De ongekend snelle groei van de wereldbevolking (tussen 1950 en 2005 is zij met 160 procent gegroeid van 2,5 naar ca. 6,5 miljard mensen en naar verwachting wordt dat in 2050 ruim 9 miljard) heeft een reeks van negatieve effecten, zoals aantasting van het leefmilieu en de kwaliteit van leven en uitputting van de aardse hulpbronnen die ons ter beschikking staan (Civis Mundi, 2008). Dit noopt tot het zetten van duurzaamheid als thema op de mondiale agenda. Hiervoor is onder meer de internationale klimaatconferentie in het leven geroepen. In 1992 vond de eerste internationale conferentie over milieu en ontwikkeling plaats in Rio de Janeiro. De conferentie leverde het Klimaatverdrag (United Nations Framework Convention on Climate Change) op dat door 186 landen, is ondertekend. Tijdens de derde VN klimaatconferentie in

21


1997 in Kyoto is de weinig concrete doelstelling van stabilisatie uit 1992 vertaald naar afspraken over uitstoot van broeikasgassen. De geïndustrialiseerde landen hebben afgesproken dat in de periode 2008-2012 de uitstoot van broeikasgassen 5,2 procent minder moet zijn dan de uitstoot in 1990. Een meer recent breed initiatief betreft het platform Global Compact LEAD dat door de Verenigde Naties begin 2011 is gestart om bedrijven ertoe te bewegen duurzamer te worden (UN Global Compact Office, juni 2010). Heineken, Shell en Unilever zijn grote Nederlandse deelnemers aan dit initiatief. De vastgoedwereld heeft op het gebied van duurzaamheid wat dat betreft nog een inhaalslag te maken. Een handjevol innovatieve projectontwikkelaars, investeerders, bestuurders van woningcorporaties en individuele opdrachtgevers kiezen bewust voor duurzame ontwikkeling van vastgoedprojecten. Rakhorst bewijst in haar boek dat duurzame kantoorgebouwen de toekomst zijn (Rakhorst, 2008). Dat duurzaamheid de laatste jaren aan draagvlak wint, blijkt ook uit een aantal initiatieven uit de vastgoedwereld om duurzaamheid te ondersteunen. Zo lanceerde de Dutch Green Building Council (“DGBC”) op 8 juni 2011 officieel haar tweede duurzaamheidskeurmerk: ‘BREEAM-NL

Bestaande

Bouw

en

Gebruik’.

Met

dit

nieuwe

keurmerk

kunnen

vastgoedeigenaren de duurzaamheidsprestatie van bestaande kantoorgebouwen bepalen én steeds weer bijstellen. Ook reikte DGBC de eerste 'Verklaringen van Commitment' met het oog op het nieuwe keurmerk uit (PropertyNL, 9 juni 2011). Zowel overheden als bedrijven hechten steeds meer waarde aan een kantoorpand dat voldoet aan de duurzaamheidscriteria. Zo hebben de grote Nederlandse vastgoedfinanciers donderdag 9 juni 2011 een duurzaamheidsconvenant getekend op de vastgoedbeurs Provada. Hiermee willen zij laten zien dat ze belang hechten aan duurzaamheid in de vastgoedsector en dat ze daaraan vanuit hun rol als vastgoedfinanciers een stimulans willen geven (PropertyNL, 6 juni 2011). Voor vele kantoorgebruikers geldt dit als extra argument om te kiezen voor nieuwbouw waarmee tevens de effecten, die leiden tot de enorme leegstand bij oudere gebouwen, worden versterkt.

3.4 De politiek 3.4.1 Taken overheid De rijksoverheid heeft het onderwerp ruimtelijke ordening belegd bij het Ministerie van Infrastructuur en Milieu, voorheen het Ministerie van Volkshuisvesting, Ruimtelijke Ordening en Milieubeheer (“VROM"). Een deel van de taken van VROM, beleid wat betreft wonen,

22


wijken en integratie, valt nu onder het Ministerie van Binnenlandse Zaken en Koninkrijksrelaties7. De Rijksoverheid kiest voor ontwikkeling van stedelijke gebieden die belangrijk zijn voor de economische groei. Meer dan voorheen beslissen provincies en gemeenten daarbij zelf over de inrichting van hun regio. Het beleid voor ruimtelijke ordening is beschreven in de Structuurvisie Infrastructuur en Ruimte (Kamerstukken II, 32 660, nr. 17). Overheden hebben dus invloed op de planologie van stad en land en bepalen mede de ruimte voor toekomstige uitbreidingslocaties. Ingegeven door de Vijfde Nota Ruimtelijke Ordening (VROM, 2001) is die ruimte in grotere steden vooral gericht op binnenstedelijke herontwikkeling. Kleinere gemeenten werken veelal samen aan het vormgeven van bedrijven- en kantoorterreinen. Tenslotte maakt de overheid beleid met betrekking tot leegstaande terreinen. Recente voorbeelden hiervan zijn het stellen van voorwaarden bij de vergunningverlening, zoals het verplicht slopen van een deel van de bestaande voorraad, of het nader onderzoeken van de mogelijkheden voor transformatie van bestaand vastgoed. 3.4.2 Boete leegstand In Amsterdam is de wethouder voor Ruimtelijke Ordening met een innovatieve maatregel tegen leegstand gekomen. Hij is van mening dat de eigenaren van leegstaande kantoorruimte zich moeten verantwoorden. Als een kantoorpand langer dan een half jaar leeg staat, moet de eigenaar zich melden bij de gemeente. Bij gebrek aan een concreet plan van de eigenaar om de leegstand tegen te gaan, kan de gemeente zelf een huurder voor de kantoorruimte voordragen. Nu de nieuwe kraak- en leegstandswet daartoe de mogelijkheid biedt, wil de gemeente een boete invoeren als sanctie voor eigenaren die verzuimen het gesprek aan te gaan met de gemeente Amsterdam (PropertyNL, 1 oktober 2010). De maatregel van de gemeente Amsterdam moet nog worden ingevoerd. Maar de gedachte die aan deze maatregel ten grondslag ligt, namelijk het stimuleren van eigenaren tot het ondernemen van actie en het bestraffen van stilzitten, lijkt op het eerste gezicht kansrijk om de problematiek van leegstaande kantoorruimte, althans gedeeltelijk, aan te pakken. 3.4.3 Kabinetsbeleid Niet alleen Amsterdam neemt zijn toevlucht tot innovatieve maatregelen. Uit de Miljoenennota voor 2011 blijkt dat het toenmalige (demissionaire) kabinet de leegstand van kantoorruimte hard wil aanpakken. De specifieke maatregelen moeten nog nader worden

7

Zie voor een beter begrip van de taakverdeling binnen de rijksoverheid www.rijksoverheid.nl 23


uitgewerkt. Enerzijds kan gedacht worden aan belastingmaatregelen om de leegstand te bestrijden, anderzijds aan de bereidheid van het Rijk om te investeren in (een 25-tal) projecten. Dat het kabinet actie onderneemt om te voorkomen dat leegstand verder toeneemt, is volgens DTZ Zadelhoff geen overbodige luxe. DTZ Zadelhoff ziet een belangrijke regierol voor de rijksoverheid om de ontwikkelingen te sturen. DTZ Zadelhoff stelt voor dat de overheid het de gemeenten makkelijker maakt om kantoren te herbestemmen, gemeenten moet aansturen om terughoudend te zijn bij de uitgifte van grond en alternatieven voor de huidige voorraad moet onderzoeken, er alleen nog kwalitatief hoogwaardige kantoren gebouwd mogen worden en eigenaren sneller moeten afschrijven (DTZ Zadelhoff, januari 2011). Op 7 maart 2011 heeft de Minister van Infrastructuur en Milieu het Actieprogramma Aanpak Leegstand Kantoren aan de Tweede Kamer aangeboden (Kamerstukken II, 32 500-XII, nr. 66). Het Actieprogramma is een uitwerking van de op de Kantorentop van 25 mei 2010 gemaakte afspraak, dat alle betrokken partijen gezamenlijk het probleem van de groeiende leegstand aan zullen pakken. De betrokken partijen zijn van beleggers (IVBN, VastgoedBelang), projectontwikkelaars (NEPROM), gemeenten (VNG) en provincies (IPO). Het actieprogramma wordt ook gesteund door een gebruikersorganisatie (CoreNet) en een bank (ING Real Estate Finance). De partijen hebben zich inmiddels gecommitteerd aan de voorgenomen acties. Het actieprogramma pakt de leegstand op drie manieren aan: 1. Herontwikkeling, transformatie en sloop; 2. Maatregelen om het functioneren van de kantorenmarkt op lange termijn te verbeteren; 3. Betere regionale ruimtelijke planning, programmering en afstemming. Bovengenoemde punten worden momenteel verder onderzocht en uitgewerkt in concrete maatregelen door de verschillende partijen. 3.4.4 Rijksgebouwendienst De directeur-generaal van de Rijksgebouwendienst Peter Jägers uit de verwachting dat het verplichte inkrimpen van de overheid, zowel wat betreft aantal ambtenaren als aantal werkplekken, ook gevolgen heeft voor de rijkshuisvesting. Jägers verwacht dat het Rijk 1 tot 1,5 miljoen vierkante meters zou kunnen inleveren. Dit zou met name gevolgen hebben voor de gebouwen die door de Rijksgebouwendienst worden gehuurd. De Rijksgebouwendienst zal inzetten op het afstoten van huurpanden op minder strategische plekken en panden in

24


eigen bezit zoveel mogelijk behouden (Jägers, 2011). Een voorbeeld hiervan is de verhuizing in 2012 van de ministeries van Binnenlandse Zaken en Koninkrijksrelaties en Veiligheid en Justitie naar de Kroon, waardoor diverse huurlocaties van die ministeries zullen worden opgezegd.

3.5 Kapitaalmarkt 3.5.1 Financiers Vooral de banken hebben met de kredietcrisis forse klappen opgelopen. Afgezien van de imagoschade en het verlies van vertrouwen bij het publiek, zag de financiële balans er veelal niet rooskleurig uit. De banken werden bijna allergisch voor het nemen van risico en hadden een fors (onderling) wantrouwen. Het animo om te investeren, ook in vastgoed was duidelijk sterk tanende. Vastgoedondernemingen werden onwillekeurig enigszins meegezogen door de ontwikkelingen in de bankwereld, de lagere bereidheid van investeerders om in vastgoed te beleggen, maar ook door het inzakken van de verkoop- en verhuurmarkt. Daarnaast hebben diverse buitenlandse vastgoedfinanciers de Nederlandse markt weer verlaten. Het netto resultaat is een sterk verminderd animo om vastgoed te financieren, hogere marges en additionele condities (FGH Vastgoedbericht, 2008). Dit betekent dus dat investeerders meer eigen vermogen in moeten brengen, hetgeen alleen kapitaalkrachtige investeerders kunnen. 3.5.2 Investeerders Grote institutionele investeerders zijn in het bijzonder de verzekeringsmaatschappijen en pensioenfondsen. Sinds het uitbreken van de kredietcrisis staan ook deze bedrijven nogal in de schijnwerpers wegens afgenomen solvabiliteit en/of dekkingsgraad. De overheid stelt in het kader van het toezicht op de pensioenfondsen eisen aan de solvabiliteit. Dit vindt zijn uitwerking in een minimum dekkingsgraad. Een pensioenfonds dat onder de minimale dekkingsgraad komt van 105% moet een herstelplan afspreken met de toezichthouder, waarin binnen een beperkte termijn de onderdekking wordt weggewerkt (Pensioen.com, 13 oktober 2008). Dit leidt tot een significant lager animo om risico’s te lopen. Daarmee is het animo om nog eens extra te investeren in vastgoed ook afgenomen (Boon, 2010). Er zijn zelfs voorbeelden van gedeeltelijk afgebouwde investeringen. De particuliere investeerder of belegger heeft mogelijk een nog grotere aversie opgelopen tegen nieuwe investeringen in vastgoed en laten activiteiten op dit gebied vooralsnog liggen. Deze trends leiden tot minder investeringen, hetgeen hogere kapitalisatiefactoren tot gevolg heeft en dus lagere beleggingswaarden. Voor

25


zover nog wel bereidheid bestaat voor het doen van investeringen worden er op zijn minst hogere rendementseisen gesteld door de kapitaalmarkt.

3.6 Huurincentives De kantorenmarkt zet in op innovatieve maatregelen om huurders aan te trekken of huidige huurders ertoe te bewegen hun huurcontract te verlengen. Verhuurders zijn bereid een stap te zetten in de vorm van huurvrije periodes en een bijdrage in de inrichtingskosten. Verhuurders en andere marktpartijen staan echter aarzelend tegenover huurverlagingen, omdat dit raadpleegbare data is en huurprijzen gebruikt worden als referentie naar andere huurprijzen en om de waarde van een pand te bepalen. De oplettende taxateur neemt verhuurincentives mee in het bepalen van de waarde van het pand. Door de intransparantie van de verhuurincentives bestaat het gevaar dat zij niet volledig worden verdisconteerd. Verhuurders geven liever verhuurincentives weg dan dat zij de daadwerkelijke norm verlagen. Van Gool constateert dat deze situatie niet bevorderlijk is voor herstel van de vastgoedmarkt en pleit ervoor verhuurincentives restrictief toe te passen. Daarbij zouden er volgens hem meer gegevens over gerealiseerde huurprijzen en incentives moeten worden gepubliceerd (Vastgoedmarkt, 18 februari 2011).

3.7 Maatschappelijke invloeden De beroepsbevolking vergrijst, immigratie neemt af, arbeid verhuist naar lagelonenlanden en werkplekken worden steeds flexibeler ingezet. Dit brengt eerder een daling dan een stijging van de vraag naar kantoorruimte teweeg. Daarbij geldt overigens wel als aandachtspunt dat er grote regionale verschillen zijn. Ontwikkelingen in werkgelegenheid, beroepsbevolking en werkwijzen passeren hierna de revue. 3.7.1 Werkgelegenheid In de literatuur wordt vaak gesproken over de relatie tussen werkgelegenheid en kantoorruimte. Een goed voorbeeld hiervan is de auteur P. Eichholtz, verbonden aan de Universiteit Maastricht en de Universiteit van Amsterdam, die in zijn artikel de relatie beschrijft tussen de vraag naar kantoorruimte en de ontwikkelingen op de arbeidsmarkt (Eichholtz, 2002, p. 899). Zo stelt hij dat de werkgelegenheid in de dienstensector de belangrijkste lange termijn indicator is, omdat banen in de dienstensector leiden tot extra werkplekken in een kantoor. De crisis van de jaren ’90 wordt in dit artikel als voorbeeld genomen. Er kwamen in de laatste tien jaar van de vorige eeuw zo’n anderhalf miljoen banen bij, wat tot gevolg had dat de leegstaande kantoorruimte weer werd gevuld.

26


3.7.2 Beroepsbevolking In §3.7.1 Eichholtz geparafraseerd waar het ging om de relatie tussen kantoorruimte en werkgelegenheid als lange termijn indicator. Een tweede element dat volgens de auteur een belangrijke rol speelde in de herstellende economie was dat, behalve de werkgelegenheid, ook de beroepsbevolking toenam. Met andere woorden, er waren in Nederland voldoende werknemers om te voldoen aan de werkgelegenheidsvraag. Dit zal de komende jaren anders zijn. De politiek probeert al jaren te komen met een oplossing voor de vergrijzing. Tot op heden is het niet gelukt om het percentage werknemers dat werkt na hun 62ste noemenswaardig te doen stijgen. De vraag is of de inzet van het huidige kabinet dat wederom doorwerken na het 65ste levensjaar op de politieke agenda heeft staan, nu wel effect zal hebben. Het is op dit moment niet te voorspellen wat de invloed van de verhoging van de AOW-leeftijd naar 66 en 67 jaar daarbij is. Dit effect zal zonder andere treffende maatregelen waarschijnlijk verwaarloosbaar zijn. Eichholtz stelt dat de beroepsbevolking nog wel enige groei zal kennen, maar niet zo explosief als eind jaren ’90. In het licht van de vorige alinea valt dit te begrijpen. Daarbij komt nog dat, zoals het ernaar uitziet, het aantal vrouwen dat inmiddels aan de beroepsbevolking is toegevoegd, zijn hoogtepunt heeft bereikt. De vele stimulerende maatregelen van de afgelopen jaren hebben veel vrouwen naar de arbeidsmarkt gehaald. Zowel de maatregelen als het effect daarvan zijn momenteel grotendeels tot stilstand gekomen. De conclusie die Eichholtz aan het voorgaande verbindt, is dat de crisis op de kantorenmarkt niet zal worden opgelost door een explosie in de vraag naar werkruimte. De beroepsbevolking neemt immers niet meer (aanzienlijk) toe. Hij vindt het tijd voor bezinning in de vastgoedwereld. 3.7.3 Het Nieuwe Werken Gestimuleerd door het fileprobleem op de weg en gefaciliteerd door de technische voorruitgang op internetgebied neemt het flexibel werken of nieuwe werken de laatste jaren steeds verder toe. Ook in de nabije toekomst zou hier nog een aanzienlijke groei in kunnen zitten. Hoewel ‘Het Nieuwe Werken’ niet direct de beroepsbevolking beïnvloedt, heeft deze trend wel degelijk invloed op de kantorenmarkt. Deze trend houdt in dat werknemers flexibel kunnen omgaan met hun werktijden en vaker vanuit huis kunnen werken. Tevens zetten bedrijven steeds meer zzp’ers in die niet altijd vanuit een kantoor werkzaam zijn. Dit draagt bij aan een oplossing voor het fileprobleem, het beter combineren van zorg en arbeid, een

27


grotere arbeidstevredenheid onder werknemers en kostenreducties voor het bedrijf. Hoewel werkgevers nog aarzelend staan ten opzichte van het idee van ‘Het Nieuwe Werken’, is deze trend naar verwachting niet meer te keren. Uit onderzoek naar de samenhang van ‘Het Nieuwe Werken’ en de kantorenmarkt door Twynstra Gudde (2010, Nationaal Kantorenmarkt Onderzoek 2010) valt af te leiden dat de vraag naar kantoorruimte zal afnemen als gevolg van ‘Het Nieuwe Werken’. Immers, als werknemers flexibel kunnen omgaan met hun werktijden en ook vaker thuis zullen werken, zal dit tot effect hebben dat een bedrijf minder kantoorruimte nodig heeft. Een werkplek op kantoor zal dan door twee of drie personen worden gedeeld.

3.8 Samenvatting De kantorenmarkt is bij uitstek cyclisch van aard en afhankelijk van de economische toestand waarin Nederland zich bevindt. Momenteel zit de kantorenmarkt in het slop met als resultaat een gigantische leegstand. Er zijn verschillende tendensen die elkaar versterken. Waarschijnlijk zijn niet alle tendensen conjunctureel van aard en daarmee zijn ze structureel. Al deze elementen zijn van invloed op de kantorenmarkt, vraag en aanbod en dus ook de huurprijsontwikkeling. Hieronder volgt een beknopte samenvatting van deze ontwikkelingen. 1. Er is een dalende vraag naar kantoorruimte: 

Momenteel een periode van afnemende economische activiteit;



Verhuizing van werk naar lagelonenlanden;



Vergrijzing van de beroepsbevolking;



Immigratie neemt af;



Geen toevloed meer van werkende vrouwen;



Flexwerken neemt toe;



Hogere pensioenleeftijd stabiliseert de vraag naar kantoorruimte op de korte termijn.

2. Huurders hebben een voorkeur voor nieuwere kantoorruimten: 

Betere voorzieningen;



Voldoet aan de tegenwoordige duurzaamheidseisen;



Betere bereikbaarheid met auto en/of openbaar vervoer;



Indeling eenvoudiger aan te passen t.b.v. bijvoorbeeld flexplekken.

3. De kosten: 

De kosten (huurprijzen) van oudere en nieuwere kantoren liggen niet ver uiteen;

28




Eigenaren van kantoorruimte willen geen verlies nemen op hun sterk afgewaardeerde objecten, waardoor een padstelling ontstaat;



De feitelijke huuropbrengsten zijn minder inzichtelijk door huurincentives.

4. De kapitaalmarkt: 

De ‘wall of money’ is verdwenen door het terugtrekken van buitenlandse banken en investeerders;



Investeerders en financiers accepteren lagere risico’s, voor hogere marges en aanvullende condities.

5. Maatschappelijke draagvlak: 

Vanuit de politiek ontstaat druk om leegkomende kantoren weer snel in gebruik te nemen;



De Rijksgebouwendienst gaat inzetten op het afstoten van huurpanden op minder strategische plekken en panden in eigen bezit worden zoveel mogelijk behouden;



Gelijke geluiden ontstaan vanuit de vastgoedadvieswereld;



Herbestemming van oudere kantoorruimten kan ook andere problemen oplossen, zoals de woningnood;



Duurzaamheid is een thema dat brede aandacht heeft in de ontwikkelde landen.

29


30


4 Processen in de kantorenmarkt In dit hoofdstuk komen vanuit diverse gezichtshoeken vraag- en aanbod mechanismen aan bod. Vervolgens wordt uit de literatuur het model en de daarbij te hanteren indicatoren besproken om de huurprijsontwikkeling in te kunnen schatten. Het hoofdstuk sluit af met een samenvatting.

4.1 Mechanisme vastgoedmarkten De vastgoedmarkt bestaat niet echt, maar is een verzameling van verschillende deelmarkten (Vlek e.a., 2009). Figuur 2 laat de samenhang tussen deze deelmarkten zien. De deelmarkten zijn: de activamarkt, de ruimtemarkt, de ontwikkelmarkt en de kapitaalmarkt.

Ruimtemarkt Toevoeging aan voorraad

Aanbod (verhuurders)

Lokale en nationale economie

Vraag (Huurders)

Huur & bezetting Toekomst verwachting

Activamarkt

Ontwikkelmarkt

Indien ja

Cash flow

Aanbod (eigenaren die verkopen)

Marktwaarde vastgoed

Geëiste BAR of NAR

Kapitaal markt

Is ontwikkeling winstgevend?

Stichtingskosten Incl. grond Vraag (investeerders die kopen)

Figuur 2: De vastgoedmarkt als een verzameling van meerdere deelmarkten (bron: Kools, 2010)

Activamarkt Op de activamarkt komt de verkoopprijs tot stand als een functie van de kapitalisatiefactor en de bruto of netto huuropbrengst. De kapitalisatiefactor is het omgekeerd evenredige geëiste bruto of netto aanvangsrendement (“BAR”) (“NAR”). Het geëiste rendement wordt enerzijds bepaald door het aanbod, eigenaren die willen verkopen, en anderzijds door de vraag, 31


investeerders die willen kopen. Een belangrijke factor is dan ook de kwaliteit van vastgoed, de markthuur versus de actuele huurprijs, de duur van het huurcontract, de kwaliteit van de huurstroom en de risicoperceptie die de spelers op deze markt hebben ten aanzien van het object en economische verwachtingen. Op de activamarkt begeven zich dan ook de eigenaren van vastgoed en de investeerders in vastgoed die zich bezighouden met de aankoop, exploitatie en verkoop van vastgoed. Ruimtemarkt Op de ruimtemarkt ontmoeten de gebruikers en de eigenaren van vastgoed elkaar. De vraag naar en het aanbod van ruimte bepalen de bezettingsgraad en de condities in een eventueel daaropvolgend huurcontract. Enkele condities zijn de hoogte van de huurprijs, de duur van het huurcontract, de verdeling van exploitatiekosten en additionele voorwaarden. Al deze unieke factoren zijn van invloed op het waarderingsvraagstuk dat besproken is in de activamarkt. De economische activiteit en toekomst verwachtingen hebben invloed op de vraag naar kantoorruimte. Het aanbod van vastgoed wordt bepaald door de bestaande voorraad onroerend goed en toevoegingen van nieuwe objecten aan deze voorraad. Ontwikkelmarkt De ontwikkeling van nieuwe ruimte, uitbreiding van bestaand vastgoed en het transformeren naar een andere functie geschiedt op de ontwikkelmarkt. De ontwikkelmarkt wordt geprikkeld door ontwikkelingen op de activa- en ruimtemarkt evenals door verwachtingen ten aanzien van verwachte bouwkosten of economische groei. Indien de beoogde verkoopprijs hoger is dan de stichtingskosten kan een project winstgevend zijn. Aangezien projectontwikkelingen vaak worden gefinancierd met vreemd vermogen, is deze markt ook nauw verbonden met de geld- en kapitaalmarkt. Kapitaalmarkt Op de kapitaalmarkt bevindt zich de productiefactor kapitaal. Partijen die beschikking hebben tot grote hoeveelheden kapitaal zijn banken, institutionele partijen zoals verzekeringen pensioenfondsen, vermogende particulieren en buitenlandse investeerders. De spelers op de kapitaalmarkt maken altijd een afweging of ze bereid zijn te investeren. Hierbij is het van belang welke partij het vastgoed bezit en beheert, het object, het rendement en risico’s. In paragraaf §3.5 is besproken dat sinds de recessie minder kapitaal beschikbaar is voor de financiering en belegging in vastgoed. Dit is het gevolg van de aangetaste economie en de sombere voorspellingen. Tevens is hier van invloed dat de regelgeving aangescherpt is en dat de kapitaalkrachtige partijen minder solvabel en gezond zijn dan voorheen.

32


4.2 Het vierkwadranten model In 1992 publiceerden Fischer, DiPasquale en Wheaton het FDW model (Achour-Fischer, 1999). Dit model laat op een elegante manier zien hoe de ruimte, activa en ontwikkelmarkt met elkaar verbonden zijn. Het model is in de literatuur ook wel bekend als het vierkwadranten model (Vlek e.a., 2009, p 19-21 ). Figuur 3 geeft het model in het Engels weer zoals het uit de literatuur komt. Hieronder wordt het model uitgelegd.

Quadrant 2 Asset Market: Valuation

Rent (€)

P=R i

Quadrant 1 Property Market: Rent Determination

D (R,EA) = S

Price (€)

Stock (m2)

S=C δ (Δ S = C – δ S)

P = f (C)

Quadrant 3 Asset Market: Construction

Construction (m2)

Quadrant 4 Property Market Stock Adjustment

Figuur 3: Het Fischer-DiPasquale-Wheaton model (bron: Achour-Fischer)

Principes van het FDW model Het model is zowel illustratief voor de kantorenmarkt als voor andere vastgoedmarkten. De indicatoren in het model zijn onderling afhankelijk. De indicatoren zijn: vraag (“D”) (demand), huurprijs (“R”) (rent), economische activiteit8 (“EA”) (economic activity), aanbod (“S”) (stock), waarde (“P”) (price), kapitalisatiefactor (“i”) (capitalization rate), kostprijs (“f(C)”) (replacement costs), afschrijving (“δ”) (depreciation rate) en de constructie (“C”) (construction). Doel van het model is om het marktevenwicht te bepalen waarbij aangenomen wordt dat de vraag en het aanbod van kantoorruimte gelijk is aan elkaar bij een bepaalde huurprijs en economische activiteit (Achour-Fischer, 1999).

8

Het FDW model noemt deze indicator ‘Economy’. 33


Samenhang kwadranten Hieronder worden de vier kwadranten en de samenhang tussen de kwadranten toegelicht: 

Kwadrant 1 geeft de formule: D (R, EA) = S. De vraag (D) is afhankelijk van de huur (R) en condities in de economie (EA). De vraag (D) is per definitie gelijk aan de (verhuurde) voorraad (S). Kortom de vraag naar kantoorruimte is gelijk aan het aanbod voor een specifieke huurprijs en economische activiteit. DiPasquale en Wheaton (1995) noemen het aantal bedrijven, de grootte van de bedrijven en het aantal kantoorwerknemers als indicator van de condities in de economie.



Kwadrant 2 geeft de formule: P = R / i. De waarde van vastgoed (P) wordt bepaald door de huur gedeeld door de kapitalisatiefactor (i). Deze relatie laat zien de marktprijs een functie is van de huur en het geëiste rendement.



Kwadrant 3 geeft de formule: P = f(C). Deze functie laat zien dat ontwikkelaars geprikkeld worden om nieuwe kantoorobjecten te vervaardigen indien de waarde (P) hoger is dan de kostprijs f(C). Er is een minimale kostprijs, waardoor de functie niet in de oorsprong begint.



Kwadrant 4 geeft de formule: ΔS = C - δ S. De verandering in de voorraad (ΔS) is gelijk aan de nieuwe ontwikkelingen (C) minus verliezen van de bestaande voorraad als gevolg van afschrijvingen (δ). Een deel van de kantorenvoorraad gaat immers verloren door sloop, stopzetten van bestaande projecten en veroudering. Bovendien geeft δ de langetermijn groei trend weer. Type vastgoed dat erg duurzaam is en een lage vraaggroei hebben een δ-waarde van 0,01 tot 0,02. Terwijl gebouwen die sneller verouderen in een snel opgaande markt een δ-waarde van wel 0,10 kunnen hebben (Wheaton, 1999, p 223). De formule: S = C / δ, geldt alleen als de afschrijvingen nul zijn. De verandering in de voorraad bepaalt de nieuwe hoeveelheid kantoorruimte (S0 + ΔS = S1). In kwadrant 1 komen vraag en aanbod weer bij elkaar en wordt de nieuwe evenwichtshuurprijs bepaald (Du Toit & Cloete, 2003, p 2-3).

Veranderingen in de markt Het marktevenwicht kan worden verstoord bij veranderingen in de markt (DiPasquale en Wheaton, 1995). Het model zal op de langere termijn een nieuw evenwicht vinden. Hieronder volgen enkele voorbeelden ter verduidelijk. 

Economische activiteit: De stippellijn in Figuur 3 laat een nieuwe evenwichtssituatie zien bij economische groei waarbij alle variabelen op de assen (huurprijs, waarde, ontwikkeling en voorraad) uiteindelijk zijn toegenomen. Een toename van de vraag leidt initieel tot een hogere huurprijs. De hogere huurprijs leidt tot een hogere waarde. Dit geeft ontwikkelaars de prikkel om meer te gaan ontwikkelen. Na verloop van tijd komt er meer vastgoed op de markt. Dit proces kan zich enkele keren herhalen, 34


voordat een nieuw evenwicht ontstaat. Omgekeerd zullen, bij een stagnerende economie, alle evenwichtsvariabelen krimpen. 

Kapitaalmarkt: In de kapitaalmarkt kunnen veranderingen in de rente, inflatie of risicoperceptie leiden tot een andere kapitalisatiefactor voor vastgoed. Een lagere kapitalisatiefactor geeft een hogere waarde. Dit geeft ontwikkelaars een prikkel om meer te ontwikkelen waardoor de voorraad beschikbare ruimte zal toenemen. Zonder economische groei leidt dit tot een lagere huurprijs. Door de lagere huurprijs daalt de waarde

en

ontstaat

een

nieuw

evenwicht.

Omgekeerd

leidt

een

hogere

kapitalisatiefactor tot een lagere waarde, minder ontwikkelingen, krimpende voorraad vastgoed en hogere huurprijzen. Uiteindelijk komt een nieuw evenwicht tot stand. 

Ontwikkelmarkt: In de ontwikkelmarkt leiden veranderingen in de productiekosten van vastgoed tot meer of minder ontwikkelingen. Immers een ontwikkelaar wordt pas geprikkeld als de uiteindelijke opbrengsten hoger zijn dan de kosten. Ontwikkelkosten zijn onder andere afhankelijk van de grondkosten, lonen en salarissen, grondstoffen, financieringskosten, weten regelgeving, belastingen en specifieke risicokosten ten aanzien van een project. Hogere kosten leiden tot minder ontwikkelingen, een kleinere voorraad, hogere huurprijzen en een hogere waarde. Dit geeft een prikkel om weer te ontwikkelen en dat resulteert in een nieuw evenwicht. Indien de kosten dalen dan zal dit leiden tot een hogere vervaardiging van vastgoed, grotere voorraad, lagere huurprijzen en een lagere waarde. Dit leidt vervolgens tot een lagere ontwikkeling waarbij tenslotte ook weer een nieuw evenwicht ontstaat.

Een verandering in de markt leidt vaak tot meer veranderingen in de markt (Du Toit & Cloete, 2003, p. 5). Bijvoorbeeld als de economie krimpt, dan is het zeer waarschijnlijk dat de werkgelegenheid wordt afgeremd en de rente op de geldmarkt stijgt. Het is daarom zeer aannemelijk dat meer veranderingen zich tegelijkertijd zullen aandoen. Dit kan leiden tot een complexe analyse in het model, maar het netto resultaat is gelijk aan de som van alle individuele veranderingen. Uiteindelijk zal een shock ook leiden tot een nieuw marktevenwicht9.

4.3 De varkenscyclus De varkenscyclus werd in de jaren ‘30 van de twintigste eeuw theoretisch beschreven door middel van het Cobweb-model ofwel het spinnenwebtheorema (Kaldor, 1934; Ezekiel, 1938). Het Cobweb-model is een economisch model van de cyclische dynamiek in vraag en aanbod als gevolg van de vertraging waarmee de producenten reageren op een prijswijziging. Dit model werd in eerste instantie gebaseerd op onderzoek naar vraag en aanbod in de varkenshouderij. Daaruit komt de meer populaire naam van varkenscyclus voort. Verder 9

Het ontstaan van vastgoedbubbels wordt besproken in §4.4 35


onderzoek wees uit dat het model ook van toepassing is in andere sectoren mits vraag en aanbod aan vaste cycli gebonden zijn. Dat is het geval in de kantorenmarkt. De vereniging voor projectontwikkelaars, de NVB, doet onderzoek naar de vastgoedmarkt en waarschuwt al jaren voor een onhoudbare situatie in relatie tot de varkenscyclus (Trouw, 29 augustus 2001). De NVB legt uit dat de vicieuze cirkel in de vastgoedmarkt ontstaat doordat projectontwikkelaars te lang doorgaan met nieuwe ontwikkelplannen. Zo komen zij pas in actie nadat het personeelsbestand van bedrijven is toegenomen. Omdat het enige jaren duurt voordat een kantoorpand volledig is ontwikkeld, lopen projectontwikkelaars het risico altijd vijf jaar achter de feiten aan te lopen. Figuur 4 geeft de varkenscyclus weer in een grafiek. In de grafiek ligt het evenwicht op het snijpunt van de vraag- en aanbodcurve (D- en S curve) bij een hoeveelheid (“Q”; Quantity) en prijs (“P”; Price). Bij weinig nieuwbouw in periode 1 (fase1 in de grafiek), zakt het aanbod naar Q1, en stijgen de prijzen naar P1 (fase 2 in de grafiek). De hoge prijs zet de producenten aan om meer te produceren waardoor het aanbod stijgt naar Q2 (fase 3 in de grafiek). Maar om de volledige productie verkocht te krijgen moet de prijs zakken naar P2 (fase 4). Dit proces herhaalt zich zelf tot uiteindelijk een evenwicht wordt bereikt bij Q0.

Price S

2

P1

3

6 P3 Q0 P

P2 5

4 D

1

Q1

Q3

Q

Q2

Quantity

Figuur 4: The Cobweb model (bron: Kaldor & Ezekiel)

36


4.4 Fundamentele analyse Indien de marktwaarde van vastgoed gedurende een langere periode veel hoger is dan de fundamentele prijs10 (lees: vervangingswaarde) dan is dat een indicatie dat er sprake is van een bubbel (Herring en Wachter, 2001). Herring en Wachter hebben onderzoek gedaan naar de relatie tussen het ontstaan van vastgoedbubbels en bankencrises. Zij beschrijven dat landen voorafgaand aan een valutacrises vaak eerst werden geconfronteerd met de ineenstorting van vastgoedprijzen en vervolgens met een bankencrises. Al hoeft er geen causaal verband te zijn. Toch werd dit fenomeen vaak waargenomen, zowel in ontwikkelde als in onderontwikkelde landen. Dit komt voornamelijk omdat de reële economie afhankelijk is van de rol van banken die de beschikking hebben over financiële middelen. Vooral in landen waar banken een groot deel van de totale assets financieren, zoals in Japan waar de banken 79% van de totale assets financieren, bestaat deze afhankelijkheid. Hieronder wordt kort uiteengezet welke drie oorzaken Herring en Wachter geven voor het stijgen van vastgoedprijzen tot extreme hoogten. 4.4.1 Buitengewoon optimisme door marktpartijen De volgende theorie is gebaseerd op het model van grondprijzen ontwikkeld door Carey (1990). De vastgoedmarkt is kwetsbaar voor de ‘reservation price’; oftewel de maximale prijs die een individu bereid is te betalen. Voornamelijk als de prijs boven het long-term equilibrium ligt, omdat prijzen als oneindig duurzaam worden gezien zonder rekening te houden met toekomstige schokken in de markt. Als gevolg van deze zienswijze kan de prijs die voor vastgoed wordt betaald veel sneller stijgen dan de ontwikkelingskosten. De prijs kan om twee redenen hoger zijn. Allereerst kunnen investeerders verkeerde aannames maken ten aanzien van de fundamentele prijs. Ten tweede kunnen investeerders uiteenlopende informatie gebruiken ten aanzien van de verwachte inkomsten en de kapitalisatiefactor. Als de visie homogeen is omtrent de waarde en is gecentreerd op de fundamentele prijs, dan is de marktprijs per definitie gelijk aan de fundamentele prijs. Voor markten in het algemeen geldt dat een prijs onder de fundamentele prijs onwaarschijnlijk is, omdat geraffineerde investeerders de fundamentele prijs weten en net zo lang grond, vastgoed of aandelen zullen aankopen totdat de fundamentele prijs wordt betaald. Boven de fundamentele prijs kan gedurende een lange periode echter wel grond of vastgoed worden aangekocht, omdat twee belangrijke mechanismen ontbreken in de gronden vastgoedmarkt.

10

De fundamentele prijs is gelijk aan de netto contante waarde van de toekomstige opbrengsten en hangt samen met het long term equilibrium. Voor commercieel vastgoed geldt dat de waarde van de bestaande voorraad gelijk is aan de vervangingsprijs. 37


Allereerst ontbreekt het mechanisme om ‘short te gaan’; dat wil zeggen verkoop van bezittingen die je niet bezit! Zo kunnen investeerders in de aandelen- en valutamarkten wel profiteren van een marktprijs boven de fundamentele prijs door short te gaan. Dat gaat niet op in de grondmarkt. Ten tweede is het aanbod van grond en vastgoed in grote mate gefixeerd, althans op de korte termijn. De grondprijs zal dan ook niet dalen omdat er meer aanbod op de markt komt. Samengevat wordt de prijs, in een markt waar niet short kan worden gegaan en waarbij het aanbod min of meer is gefixeerd, in grote mate bepaald door optimisten. Al wordt de prijs ontkracht door fundamentele analyse, optimisten zullen er zijn, zolang de opgaande trend aanblijft. Ook banken doen daar aan mee door de waardestijging te financieren in de gronden vastgoedmarkt. Zolang banken daar bereid toe zijn, kunnen investeerders behoorlijke rendementen maken met aankopen boven de fundamentele prijs. Andere factoren die een prijsstijging veroorzaken zijn een toename van het aantal vastgoedinvesteerders, een toename van de financiële middelen die beschikbaar zijn voor vastgoedinvesteerders en een toename van de fundamentele prijs. 4.4.2 Vertragingen in het aanbod en nieuwe constructies De vraag naar bezit van commercieel vastgoed is afhankelijk van de prijs en de netto contante waarde van de toekomstige huuropbrengsten. Dat laatste hangt samen met demografische factoren, de verwachte groei in opbrengsten, de verwachte reële rente, belasting en de structuur van de economie. De waarde van vastgoed brengt de vraag en aanbod van eigendom in evenwicht. Terwijl de huurprijs de vraag en aanbod van gebruik in evenwicht brengt. De waarde van vastgoed heeft de neiging om zich snel aan ontwikkelingen aan te passen, terwijl de huurprijs de neiging heeft om zich traag aan te passen. Zo komt het nog wel eens voor dat de leegstand gedurende lange tijd boven de frictieleegstand verkeerd. Als de waarde van bestaand vastgoed de vervangskosten overstijgt, dan geeft dit een prikkel aan ontwikkelaars. Het evenwicht wordt pas weer hersteld als de waarde van bestaand vastgoed gelijk is aan de vervangskosten (fundamentele prijs). Echter nieuwe vastgoedontwikkelingen duren behoorlijk lang en het aanpassingsproces is dus erg traag. Mede door imperfecte informatie kan de markt enkele jaren later overspoeld worden door nieuwe vastgoedprojecten. In tijden van hoge bezetting en vooruitzichten dat de waardes verder zullen stijgen is de markt heterogeen ten aanzien van maximale prijs die een individu bereid is te betalen. Terwijl de homogeniteit toeneemt als de leegstand toeneemt en marktwaarden dalen, mede omdat de meest optimistische investeerders failliet gaan en de markt zullen verlaten.

38


Het aantal potentiële vastgoedinvesteerders zal in principe geen grote invloed op de waarde hebben, omdat het aantal investeerders nauw samenhangt met de bevolkingsgroei. Echter door de liberalisering van bedrijven, deregulering van bankentoezicht en het openen van de markt voor buitenlandse investeerders kwam eind vorige eeuw een grote stroom nieuw kapitaal op de markten. Deze grote stortvloed van kapitaal, heeft impact gehad op prijzen. Tenslotte heeft de financieringsmarkt ook een grote invloed gehad op vastgoedprijzen, omdat banken geleidelijk aan grote concentraties vastgoed gingen financieren. Kortom veranderingen in de kapitaalmarkt hebben een impact op toekomstige ontwikkelingen. 4.4.3 De perceptie van banken op het risico Stijgende vastgoedprijzen leiden in de regel tot een hoge economische waarde van vastgoedinvesteringen. Hierdoor worden gedekte leningen meer waard en dit kan leiden tot een lager opgemerkt risico van verstrekte vastgoedleningen. Door deze reden, kan de stijging van de vastgoedprijzen leiden tot meer financiering in de vastgoedsector. Op zijn beurt veroorzaakt dit een verdere stijging van vastgoedprijzen. Als vastgoedprijzen dalen wordt het omgekeerde effect waargenomen. De economische waarde van vastgoedleningen verminderd en de bank moet meer kapitaal aanhouden. Hierdoor neemt het opgemerkte risico toe en zal minder vastgoedfinancieringen verstrekt worden in de vastgoedmarkt. Dit effect wordt versterkt door het bankentoezicht en de overheid die stringentere regels ten aanzien van de kapitaalseisen en voorzieningen kunnen opleggen. Als resultaat zullen vastgoedprijzen nog verder onder druk komen te staan. Herring en Wachter (2001) geven drie hypotheses waarom banken in de eerste plaats het risico onderschat hebben. Deze verklaringen worden in onderstaande paragrafen toegelicht. Disaster myopic Letterlijk betekent disaster myopic ‘ramp bijziend’. Binnen de context van het verstrekken van bankfinancieringen, betekent het dat beslissers de neiging hebben om na verloop van tijd de kans op grote schokken die met lage frequentie optreden te onderschatten. Omdat grote economische schokken ook onregelmatig voorkomen, kunnen banken hier onvoldoende rekening mee houden. De mogelijkheid om de kans op een schok in te schatten, zoals de ineenstorting van de vastgoedprijzen, hangt af van twee factoren. De eerste is de frequentie waarmee de schok optreedt ten opzichte van de frequentie van veranderingen in de onderliggende causale structuur. Als de structuur elke keer verandert als er een schok optreedt, dan leiden gebeurtenissen niet tot nuttige gegevens over waarschijnlijkheden.

39


Aan de andere kant, als de schok vele malen voorkomt, terwijl de structuur stabiel is, kunnen waarschijnlijkheden nauwkeurig worden geschat. Hoogfrequente schokken hebben invloed op diverse bankactiviteiten, zoals het percentage wanbetalingen op credit card vorderingen, autoleningen of routine borg opnames. Hoge frequentie schokken leiden tot nauwkeurige risicomodellen en zijn derhalve geen belangrijke bron van insolvabiliteit. In tegenstelling tot hoge frequentie schokken verandert de causale structuur die ten grondslag ligt aan lage frequentie economische schokken wel. Zodoende kunnen er geen nauwkeurige risicomodellen worden ontwikkeld. De volgende schok is dus zeer lastig te voorspellen. Als een schok een hele tijd niet heeft plaatsgevonden, worden risicomodellen fragiel en geven een te lage risicoclassificatie aan. Maar ook het management van financiële instellingen en toezichthouders verliezen het zicht op een volgende schok en lopen het risico dat leningen lange tijd te laag worden geprijsd. Bovendien zullen banken te weinig kapitaal en voorzieningen reserveren voor leningen die onderhevig zijn aan een lage schok frequentie. Inadequate data analyse In de beste omstandigheden is het voorspellen van toekomstige prijzen onderhevig aan een foutmarge. Omdat het afhankelijk is van diverse factoren, zoals de inflatie, de rente, toekomstige huurprijzen, condities in de economie, de verdisconteringsvoet. Bovendien is de informatie die je zou willen weten om het risico in te schatten niet altijd even transparant in de vastgoedmarkt. Gedetailleerde informatie inzake verstrekte bouwvergunningen, nieuwe ontwikkelingscontracten, huren, incentives, marktprijzen en leegstand is niet publiekelijk verkrijgbaar. De analyse kan dan ook fout worden uitgevoerd. Zo wordt bij de prijsbepaling van land niet alleen gekeken naar de toekomstige netto contante waarde van de opbrengsten, maar zullen investeerders ook rekening houden met prijsstijgingen van het land op de korte termijn. Verkeerde inschattingen die worden geëxtrapoleerd leiden tot foutieve waardes. Tenslotte is er geen liquide markt waarop vastgoed van minuut tot minuut kan worden verhandeld. Prikkels en beloningen Perverse prikkels ontstaan door een combinatie van hoge hefboomwerking (lees: hoge financiering) en asymmetrische informatie. Vastgoedprojecten zijn in de regel risicovoller als deze grotendeels met vreemd vermogen zijn gefinancierd in plaats van met kapitaal. Ontwikkelaars zijn dan bereid om meer risico aan te gaan omdat ze weten dat het risico verlegd kan worden naar de financier. Aan de andere kant, nemen banken ogenschijnlijk veel risico door hoge financieringen te verstrekken aan partijen in ondoorzichtige markten. In

40


eerste instantie leidt dit tot hoge winsten die gedeeltelijk op de korte termijn als bonussen kunnen worden uitgekeerd. Maar als het echt mis gaat kunnen banken niet meer op hun kapitaalreserves leunen. Impliciet leunen banken op de overheid, die het bankenstelsel en spaartegoeden overeind zal willen houden als het echt verkeerd gaat. Deze impliciete dekking geeft de ruimte om risicovolle (en winstgevende) projecten te blijven financieren. En dat is natuurlijk weer goed voor de beloning.

4.5 Theoretisch model De laatste decennia is literatuur en onderzoek beschikbaar gekomen op het gebied van de huurprijsontwikkeling van kantoorruimte. Daarbij is met name onderzoek gedaan naar steden in de Verenigde Staten en Londen, omdat in deze regio’s al langer aanbod en vraag data wordt opgeslagen dan bijvoorbeeld in continentaal Europa. Brounen & Jennen (2008) geven in het artikel ‘Local Office Rent Dynamics’ een veelomvattende beschrijving van gehanteerde huurprijsmodellen. Andere bestudeerde modellen zijn ondermeer van Hekman (1984), Wheaton (1987), Wheaton & Torto (1988), Hendershott (1996) (1999), McDonald (2000) (2002), Giussani, Hsia & Tsolacos (1992), De Wit & Van Dijk (2003), D’Archy, MsGough & Tsolacos (1997) (1999) en Gordon, Mosbaugh & Canter (1996). Voor het in dit onderzoek toe te passen model is al snel gekozen voor het model van Brounen & Jennen. Dit model is het meest compleet voor het beoogde toepassingsgebied aangezien een aantal elementen uit de andere beschouwde modellen hierin zijn meegenomen. Bovendien biedt het Brounen & Jennen model relatief betrouwbare uitkomsten terwijl toch met een zeer beperkt aantal indicatoren kan worden gewerkt. Ook heeft dit model een zekere invariantie voor het hanteren van nationale dan wel regionale indicatoren (zie verder in §4.5.4). Het model van Brounen & Jennen is een error correction model dat bestaat uit twee vergelijkingen: het long-run equilibrium model (“lange termijn evenwichtsmodel”) en short-run rent adjustment model (“korte termijn huuraanpassingsmodel”). Het model is eerder gebruikt door Hendershott, MacGregor & White (2002) in het onderzoek naar de winkel- en kantorenmarkt in het Verenigd Koninkrijk. In dit model is de huurprijsontwikkeling een functie van de economische activiteit, beschikbare kantoorruimte, natuurlijke leegstand11, de error correction term van voorgaande periode en huurprijs van voorgaande periode. In de volgende paragraven wordt dieper ingegaan op de natuurlijke leegstand, het long run equilibrium model, short run rent adjustment model en economische activiteit. 11

Het begrip ‘natuurlijke leegstand’ staat in de Engelse literatuur bekend als natural vacancy rate (“NVR”) 41


4.5.1 Natuurlijke leegstand Op het gebied van de natuurlijke leegstand en het voorspellen van het omslagpunt van de huurprijsontwikkeling heeft McCartney (2010) onderzoek verricht naar de kantorenmarkt in Dublin. McCartney geeft een uitvoerige analyse van de natuurlijke leegstand. Bestudeerde literatuur is ondermeer Grenadier (1995), McDonald (2000), Sanderson, Farrely & Thoday (2006) en Voith and Crone (1988). De natuurlijke leegstand is opgebouwd uit twee componenten: frictie leegstand omdat gebruikers verhuizen en nieuwe kantoren worden opgeleverd en leegstand omdat eigenaren de huurprijs te laag vinden en wachten op een huurder die bereid is een hogere huurprijs te betalen. Indien de actuele leegstand (“VR”) (vacancy rate) hoger is dan de natuurlijke leegstand (“NVR”) (natural vacancy rate), dan heeft de leegstand een negatief effect heeft op de huurprijsontwikkeling. Omgekeerd heeft de leegstand een positief effect. Terwijl er geen invloed is als de actuele en natuurlijke leegstand gelijk zijn aan elkaar. Functie (1a) geeft deze relatie weer. Hierbij is r een coëfficiënt. ΔR = r (VR - NVR)

(1a)

Deze relatie wordt vaak gemodelleerd als Functie (1b). ΔR = α + β1VR

(1b)

Van deze functie kan eenvoudig de natuurlijke leegstand worden bepaald. Indien ΔR gelijk is aan nul, dan is VR gelijk aan NVR. Zie Functie (1c). VR = NVR = - α/β1

(1c)

4.5.2 Long run equilibrium model Hendershott, MacGregor & White (2002) geven voor de vraag naar vastgoed een functie voor het langere termijn evenwicht. De vraag naar kantoorruimte is een functie van de huurprijs en economische activiteit. Zie Functie (2): D = λ0Rλ1EAλ2

(2)

Hierbij is D de vraag naar kantoorruimte, R de reële effectieve huurprijs, EA de economische activiteit gerelateerd aan de (gebruikers)vraag naar kantoorruimte, λ0 is een constante, λ1 < 0 is de constante voor de prijselasticiteit en λ2 > 0 is de constante voor de inkomenselasticiteit. De negatieve prijselasticiteit impliceert dat een huurstijging leidt tot minder vraag (en visa 42


versa). De positieve inkomenselasticiteit impliceert dat economische groei leidt tot een meervraag (en visa versa). Per definitie is de vraag naar kantoorruimte (D) gelijk aan de bezette kantoorruimte (“OS”) (occupied stock). De bezette kantoorruimte is de beschikbare kantoorruimte (“S”) (stock) vermenigvuldigt met de bezettingsgraad (1 - v). Hierbij is v de heersende of waargenomen leegstand van kantoorruimte (“v”) (vacancy rate). Dit leidt tot Functie (3): D (R, EA) ≡ OS ≡ (1 - v) S

(3)

De vergelijking laat zien dat in de kantorenmarkt een evenwicht tot stand komt door veranderingen in de huurprijs en in de leegstand. Echter het is niet nauwkeurig om gelijktijdig zowel de huurprijs als de leegstand in één vergelijking te plaatsen, omdat er dan twee endogene variabelen in één vergelijking staan. Omdat zowel de leegstand als de huurprijs ‘van binnen uit’ bepaald worden (beide door vraag en aanbod). Terwijl vraag en aanbod exogene variabelen zijn: ‘van buiten af’. Het is daarom gebruik om de leegstand van de voorgaande periode te gebruiken in een evenwichtfunctie (McCartney, 2010). De methode die Brounen & Jennen (2009) hebben toegepast, is om de natuurlijke leegstand te bepalen aan de hand van het autoregressieve (“AR”) model van Grenadier (1995). De variabele leegstand kan ook simpel worden weggelaten. De impact van de natuurlijke/actuele leegstand wordt dan als het ware ingebed in de error correction term (Hendershott, MacGregor & White, 2002). Kortom er zijn drie methodieken om de leegstand en de huurprijs in één vergelijking te plaatsen. Ten grondslag aan het long run equilibrium model liggen de Functies (2) en (3). In de volgende stappen wordt het long run equilibrium model aan de hand van deze twee functies verder uitgewerkt. Zie Functie (4). De vraag naar kantoorruimte (D) wordt vervangen voor de bezette kantoorruimte (1 - v )S: (1 - v) S = λ0Rλ1EAλ2

(4a)

De actuele leegstand (1 – v) wordt vervangen voor de natuurlijke leegstand (1 - v’): (1 - v’) S = λ0Rλ1EAλ2

(4b)

De machtfunctie wordt genoteerd als functie van een natuurlijke logaritme:

43


ln[ (1 - v’) S ] = lnλ0 + λ1lnR + λ2lnEA

(4c)

De vergelijking wordt opgelost voor lnRt: lnRt = - ln(λ0)/λ1 - λ2/λ1lnEAt + 1/λ1ln[ (1 - v’t) St ]

(4d)

Na vervanging van γ0 voor - ln(λ0)/λ1, γ1 voor - λ2/λ1, γ2 voor 1/λ1 en toevoeging van de error correction term μt ontstaat Functie (5a). Functie (5b) geeft de vergelijking weer indien de natuurlijke leegstand is vervangen door de actuele leegstand van voorgaande periode. Figuur (5c) geeft de vergelijking weer indien de natuurlijke leegstand is ingebed in de error correction term. lnRt = γ0 + γ1lnEAt + γ2ln[ (1 - v’t) St ] + μt

(5a)

lnRt = γ0 + γ1lnEAt + γ2ln[ (1 - v(t-1)) St ] + μt

(5b)

lnRt = γ0 + γ α1lnEAt + γ2lnSt + μt

(5c)

Hierbij is γ0 een constante en μt is de error correction term. Merk op dat λ0 gelijk is aan exponent(-γ0/γ2), λ1 gelijk is aan 1/γ2 en λ2 gelijk is aan -λ1/λ2. Na vervanging van (1 - v’t), (1 - v(t-1)) en v = 0 voor v*t ontstaat de Functie 6. lnRt = γ0 + γ1lnEAt + γ2ln[ (1 - v*t) St ] + μt

(6)

4.5.3 Short run rent adjustment model Omdat de kantorenmarkt niet snel in een evenwichtssituatie komt (Wheaton, 1999) wordt het long run equilibrium model aangepast op de huurprijsontwikkeling van de voorgaande periode R(t-1) en de error correction term van voorgaande periode μ(t-1) om zodoende korte termijn veranderingen in te bedden. Zie Functie (7a). Zoals besproken kan de actuele leegstand van de voorgaande periode ook worden genomen. Zie Figuur (7b). Alternatief is om (1 - v’t) te onttrekken uit de functie. De impact van de natuurlijke leegstand zit dan verscholen in de error correction term. Zie Figuur (7c). ΔlnRt = α0 + α1ΔlnEAt + α2Δln[ (1 - v’t) St ] + α4μ(t-1) + α5ΔlnR(t-1) + ε

(7a)

ΔlnRt = α0 + α1ΔlnEAt + α2Δln[ (1 - v(t-1)) St ] + α4μ(t-1) + α5ΔlnR(t-1) + ε

(7b)

44


ΔlnRt = α0 + α1ΔlnEAt + α2ΔlnSt + α4μ(t-1) + α5ΔlnR(t-1) + ε

(7c)

Hierbij is α0 een constante en zijn μt en ε beide een error correction term. Toepassen van deze functies op de kantorenmarkt verschaft inzicht in de coëfficiënt α1 van de economische activiteit en hierdoor de relatie tussen de economische activiteit en huurprijsontwikkeling. Na vervanging van (1 - v’t), (1 - v(t-1)) en v = 0 voor v*t ontstaat Functie 8. ΔlnRt = α0 + α1ΔlnEAt + α2Δln[ (1 – v*t) St ] + α4μ(t-1) + α5ΔlnR(t-1) + ε

(8)

4.5.4 Economische activiteit In de literatuur komen meer variabelen voor die zich kwalificeren als indicator van economische activiteit. Brounen & Jennen (2008) hebben onderzocht of de indicatoren werkgelegenheid en bruto binnenlands product voldoen en concludeerden dat dit het geval is, terwijl de één niet significant beter is dan de ander. Ook onderzochten zij of de indicatoren gebaseerd op lokale data nauwkeuriger zijn ten opzichte van nationale data: dit bleek niet het geval te zijn. In het artikel ‘Local Office Rent Dynamics’ worden tevens werkloosheidscijfers, korte rente en toegevoegde waarde (“VA”) (value added) voor kantoorgerelateerde industrieën zoals de financieringsbranche, het verzekeringswezen en de vastgoedsector als indicatoren genoemd voor de economische activiteit. Het type werkgelegenheid is bepalend voor het kantoorgebruik. Immers niet al het werk wordt bedreven in een kantoorruimte. Wheaton, Torto & Evans (1997) beschrijven in het artikel ‘The Cylic Behavior of the London Office Market’ dat meer dan 75% van de ruimte in grotere kantoorgebouwen in de Verenigde Staten worden gebruikt door bedrijven die actief zijn in het banken verzekeringswezen, vastgoed, en dienstverlenging. Het overige deel van de kantoorruimte wordt gebruikt voor ondersteunende activiteiten van nutsbedrijven en bedrijven die zich primair richten op de handel of het produceren van goederen.

4.6 Samenvatting 4.6.1 Vastgoedmechanisme De vastgoedmarkt is opgebouwd uit: 1) activamarkt, 2) ruimtemarkt, 3) ontwikkelmarkt en 4) kapitaalmarkt. Vraag, aanbod, kwaliteit, locatie, waarde, huurprijs en de kapitaalmarkt bepalen de ontwikkeling van de aan- en verkoopprijs. De huurontwikkeling wordt bepaald door: aanbod van ruimte, nieuwe constructies, bouwkosten en grondprijzen, vraag van

45


huurders, condities in de economie en de verwachting ten aanzien van de condities in de economie. Het vierkwadranten model illustreert modelmatig de samenhang tussen deze factoren. Bovendien wordt het element afschrijving toegevoegd, dat tevens de maat is voor de lange termijn groei van de vraag naar kantoorgebruik. Het model laat zien dat veranderingen in de economie, kapitaalmarkt of ontwikkelmarkt zal leiden tot een nieuw marktevenwicht. Het Cobweb model of de varkenscyclus laat zien dat veranderingen in vraag en aanbod van vastgoed slechts vertraagd en zeker niet exact tot een nieuw prijsevenwichtspunt leiden. Dit resulteert in periodes van onder- en overproductie en heeft gevolgen voor de huurprijs en de waarde van vastgoed. De waarde van vastgoed heeft de neiging om zich snel aan ontwikkelingen aan te passen, terwijl de huurprijs de neiging heeft om zich traag aan te passen. De fundamentele analyse toont dat het gedrag op de kapitaal- en ontwikkelmarkt, niet homogeen is en gecentreerd is op de fundamentele prijs. Hierdoor kunnen vastgoedbubbels ontstaan. Hoge prijzen ontstaan door: 1) een buitengewoon optimisme van marktpartijen, 2) vertragingen in het aanbod en nieuwe constructies en 3) de perceptie van banken op het risico. Het systeem is kwetsbaar als aan- en verkoopprijzen zich boven het long term equilibrium bevinden – dat wil zeggen de fundamentele prijs – omdat het aanbod op de korte termijn gefixeerd is en short gaan niet kan in de vastgoedmarkt. De vastgoedmarkt heeft dus geen mechanisme om zichzelf van minuut tot minuut te corrigeren. Gedreven door perserve prikkels in de markt, inadequate data analyse en disaster myopic ontstaan extreme hoge marktwaarden. Vastgoedbubbels kunnen behoorlijk negatieve gevolgen hebben voor de reële economie indien de vastgoedbubbel barst en banken grote concentraties vastgoed aanhouden. Zoals gesteld in het vierkwadranten model zal een schok uiteindelijk leiden tot een nieuw marktevenwicht. Maar dat kan bij een schok wel even duren. 4.6.2 Theoretisch model Het theoretische model dat de relatie tussen de economische activiteit en huurprijswikkeling beschrijft is een error correction model dat bestaand uit twee functies: 1) long run equilibrium model en 2) short run rent adjustment model. Hieronder worden deze functies gegeven: lnRt = γ0 + γ1lnEAt + γ2ln[ (1 - v*t) St ] + μt ΔlnRt = α0 + α1ΔlnEAt + α2Δln[ (1 - v*t) St ] + α4μ(t-1) + α5ΔlnR(t-1) + ε

46


Met:

R de reële effectieve huurprijs, EA de economische activiteit; S de beschikbare kantoorruimte; v* de leegstand, γ0 en α0 de constanten; γ1, γ2, α1, α2, α4 en α5 de coëfficiënten; μt en ε de error correction terms.

Met:

v*t kan worden vervangen door de natuurlijke leegstand v’t, de waargenomen leegstand van voorgaande periode v(t-1) of geen leegstand waardoor de leegstand feitelijk is ingebed in de error correction term v* = ‘nul’.

De natuurlijke leegstand wordt bepaald door de volgende functie op te lossen voor ΔR is nul. De leegstand VR is dan gelijk aan de natuurlijke leegstand NVR. ΔR = α + β1VR Voor de determinant economische activiteit voldoen de indicatoren werkgelegenheid en bruto binnenlands product beiden en beiden zijn evengoed met lokale of nationale data (Brounen & Jennen, 2008). Andere mogelijke indicatoren zijn: toegevoegde waarde, korte rente en werkloosheidscijfers. Voor de werkgelegenheid is tevens van belang om te weten welke sectoren gebruik maken van kantoorruimte. Wheaton, Torto & Evans (1997) hebben onderzoek gedaan in de Verenigde Staten en hieruit kwam naar voren dat ongeveer 75% van de kantoorruimte gebruikt wordt door banken verzekeringswezen, vastgoed, en dienstverlenging en ongeveer 25% van de kantoorruimte door nutsbedrijven, handels- en productiebedrijven. 4.6.3 Hypotheses Het theoretisch model zal worden toegepast op de regio’s Amsterdam en Den Haag om de onderzoeksvraag te beantwoorden: ‘in welke mate heeft de economische activiteit invloed op de huurprijsontwikkeling’. Indien de economische activiteit in hoge mate van invloed is op de huurprijsontwikkeling, dan wordt verwacht dat de coëfficiënten γ1 en α1 significant en valide zijn voor respectievelijk het lange termijn evenwichtsmodel en korte termijn huuraanpassingsmodel. Als de coëfficiënten γ1 en α1 niet significant zijn, dan is de economische activiteit in mindere mate van invloed op de huurprijsontwikkeling. Mocht het model of de coëfficiënten niet valide zijn voor een gegeven betrouwbaarheidsniveau, dan volgt hieruit dat één of meer indicatoren in het model geen betrouwbare voorspeller is/zijn voor de huurprijs. Nadere analyse is dan nodig om vast te kunnen stellen welke indicatoren valide en niet valide zijn. Komt hieruit naar voren dat de indicator economische activiteit niet valide is, dan kan de conclusie worden getrokken dat de

47


economische activiteit geen betrouwbare indicator is voor de ontwikkeling van de huurprijs. De invloed van de economische activiteit op de huurprijsontwikkeling is dan dus beperkt. Als de constanten en coëfficiënten gedefinieerd zijn voor de desbetreffende modellen, dan wordt vervolgens de invloed van de economische activiteit op de huurprijsontwikkeling bepaald door de verandering van de economische activiteit en huurprijsontwikkeling vast te stellen. Hieruit volgen de volgende hypotheses: 

De coëfficiënt γ1 is groter voor de regio Amsterdam dan voor de regio Den Haag: de verandering in de economische activiteit leidt op de lange termijn tot een grotere huurprijsverandering voor de regio Amsterdam dan voor de regio Den Haag;



De coëfficiënt α1 is groter voor de regio Amsterdam dan voor de regio Den Haag: de een verandering in economische activiteit leidt op de korte termijn tot een grotere huurprijsverandering voor de regio Amsterdam dan voor de regio Den Haag.

Terzijde wordt opgemerkt dat in plaats van de coëfficiënt γ1 ook de inkomenselasticiteit λ2 kan worden gekozen.

48


5 Model in de praktijk In dit hoofdstuk wordt ingegaan op de toepassing van het model voor de kantorenregio’s Amsterdam en Den Haag. Allereerst wordt ingezoomd op de benodigde en verkregen data. Vervolgens worden de variabelen nader onderzocht voor de invoer van het lange termijn evenwichtsmodel en het korte termijn huuraanpassingsmodel. Dit hoofdstuk sluit af met de resultaten, bestaande uit uitkomsten en conclusies.

5.1 Data 5.1.1 Benodigde data De volgende data is vereist om het model toe te passen op de regio’s Den Haag en Amsterdam: 

Reële effectieve huurprijs van kantoorruimte (R) in Den Haag en Amsterdam;



Beschikbare kantoorruimte (S) in Den Haag en Amsterdam;



Leegstand van kantoorruimte (v*) in Den Haag en Amsterdam:  Natuurlijke leegstand (v’) (“NVR”); of  Actuele leegstand (v) (“NR”).



Economische activiteit (EA) op lokaal niveau (Den Haag en Amsterdam) en nationaal niveau (Nederland);  Bruto binnenlands product (GDP) of  Toegevoegde waarde in de kantoorgerelateerde sectoren (VA); of  Werkgelegenheid in de kantoorgerelateerde sectoren; of  Werkloosheidcijfers; of  Korte rente.

5.1.2 Verkregen data De data is verkregen van Experian en Property Market Analysis, hierin gespecialiseerde bedrijven. Experian heeft sociaal- en economische data aangeleverd zoals bevolkingsgroei, werkzame beroepsbevolking, bruto binnenlands product, werkgelegenheid, werkloosheid- en inflatie cijfers. De werkgelegenheid is aangeleverd in de drie hoofdsectoren: landbouw, productie en dienstverlening. Vervolgens is er een onderverdeling aangeleverd in diverse subsectoren. PMA heeft data aangeleverd met betrekking tot de kantorenmarkt zoals huurprijzen, beschikbare kantoorruimte, leegstand en de bezettingsgraad. Voor de regio Den Haag is de minste data bekend en verkregen. De kantoorgerelateerde gegevens zijn verkregen voor de regio Groot ’s Gravenhage (inclusief de steden Rijswijk,

49


Voorburg en Delft). Sociaal- en economische data is verkregen voor Agglomeratie ’s Gravenhage. Deze agglomeratie bestaat uit de gemeenten Den Haag, Delft, Wassenaar, Leidschendam-Vooburg, Rijswijk, Pijnacker, Nooddorp, Westland, Midden-Delfland en Zoetermeer. De gebieden Groot ’s Gravenhage en Agglomeratie ’s Gravenhage (hierna: Den Haag) wijken niet substantieel van elkaar af. De datareeks voor Den Haag is compleet van eind 1995 tot en met eind 2010. Voor de regio Amsterdam is een veel langere periode beschikbaar van eind 1980 tot en met eind 2010. Kantoorgerelateerde data is verkregen voor het gebied Amsterdam en omgeving. Sociaal- en economische data is verkregen voor het gebied Groot-Amsterdam. GrootAmsterdam bestaat naast de stad Amsterdam uit de omliggende gemeenten Amstelveen, Ouder-Amstel, Diemen, Weesp, Zaanstad en Haarlemmermeer (Schiphol). Aangenomen is dat de gebieden Amsterdam en omgeving en Groot-Amsterdam (hierna: Amsterdam) niet substantieel van elkaar verschillen. De datasets zijn verkregen per einde van elk jaar. Voor het onderzoek is er dus een datarset beschikbaar van 16 jaar; van eind 1995 tot en met eind 2010. In deze periode heeft de Nederlandse kantorenmarkt een volledige cyclus doorlopen (zie §3.1). De definities van de verkregen variabelen en de datasets staan in respectievelijk Bijlage C en Bijlage D. 5.1.3 Data analyse en selectie De volgende data is geselecteerd als input voor het model: 

R: de reële effectieve rente voor Amsterdam en Den Haag. De nominale rente is gecorrigeerd met de Consumer Price Index (“CPI”) price deflator om de reële effectieve rente te verkrijgen;



S: de beschikbare kantoorruimte voor Amsterdam en Den Haag;



VR: de actuele leegstand voor Amsterdam en Den Haag. De actuele leegstand van de voorgaande periode dient als input voor de Functies 5b en 7b (zie §4.5). Dit wordt ‘model b’ genoemd. Omdat steeds de leegstand van de voorgaande periode wordt genomen, zijn voor model b dus 15 periodes beschikbaar;



NVR: de natuurlijke leegstand voor Amsterdam en Den Haag. De natuurlijke leegstand is berekend met een autoregressie model. Input voor dit model is de huurprijsontwikkeling en actuele leegstand. De natuurlijke leegstand is gevonden door de constante - α te delen door β1. Hiervoor is het LINEST12 autoregressie model gebruikt van Excel. De hoogste betrouwbaarheid wordt gevonden als de datareeks in

12

Voor de beknopte beschrijving van de LINEST functie wordt verwezen naar §5.2.2. Voor de gedetailleerde beschrijving wordt verwezen naar de helpfunctie van Excel. 50


de volgende twee periodes wordt opgesplitst: van 1996 tot en met 2004 en van 2005 tot en 2010. Dit is op een ‘try and error’ wijze uitgevoerd. Tabel 1 laat de natuurlijke leegstand percentages zien bij een optimaal betrouwbaarheidsniveau. In Bijlage E is het bijbehorende model opgenomen.

periode 1996-2004 2005-2010

NVR 7,76% 17,72%

A'DAM R2-stat 0,872 0,586

F-stat 0,000 0,076

NVR 8,61% 10,46%

DH R2-stat 0,252 0,168

F-stat 0,254 0,308

Tabel 1: Natuurlijke leegstand (NVR) (bron: eigen bewerking)

De natuurlijke leegstand heeft een hogere betrouwbaarheid voor Amsterdam dan voor Den Haag. De natuurlijke leegstand is input voor de Functies 5a en 7a (zie §4.5). Dit wordt ‘model a’ genoemd. Voor model a zijn ook 15 periodes beschikbaar; 

GDP: het reële bruto binnenlands product gegeven voor Nederland, Amsterdam en Den Haag. De nominale GDP is gecorrigeerd met de GDP price deflator om het reële bruto binnenlands product te verkrijgen;



VA: de reële toegevoegde waarde per sector voor Nederland, Amsterdam en Den Haag. De data is aangeleverd voor de sectoren landbouw, productie en dienstverlening en diverse subsectoren. Uit de theorie komt naar voren dat in de Verenigde Staten ongeveer 75% van de kantoorruimte in gebruik is door de dienstensector en ongeveer 25% door nuts-, handels- en productiebedrijven. In Bijlage D staan deze tabellen met de kantoorgerelateerde sectoren cursief dik gedrukt. Dit zijn de sectoren: ‘wholesale & retail trade’, ‘transport & communications’, ‘financial services’, ‘business & other services’ en ‘public administration’. De volgende dienstensectoren zijn uitgesloten: ‘hotels & catering’, ‘education’ en ‘health’. Deze bedrijven zijn in het algemeen in een ander type object gehuisvest. De vraag is of de productiesector moet worden meegenomen in de invoer van het model. Om deze vraag te kunnen beantwoorden, is de correlatie berekend tussen de huurprijs en respectievelijk de kantoorgerelateerde dienstensector, productiesector en een combinatie van deze sectoren. Tevens is de correlatie tussen de huurprijs en de totale toegevoegde waarde van alle sectoren (inclusief landbouw en niet kantoor gerelateerde dienstensector) berekend. Tabel 2a geeft de correlatietabel. In Bijlage F is het volledige correlatiemodel opgenomen. Value added Rent A'DAM Rent DH

Total 0,240,15

Services 0,250,12

Productie 0,16 0,57

Combi S&P 0,230,17

Tabel 2a: Correlatie huurprijs en toegevoegde waarde (bron: eigen bewerking)

51


Een positieve correlatie duidt op een relevante indicator voor het lang termijn evenwichtsmodel. Immers als bedrijven meer waarde creëren, dan wordt verwacht dat het kantoorgebruik tevens toeneemt. Opvallend is dat alleen de productiesector een positieve correlatie laat zien met de huurprijs voor Amsterdam en Den Haag. Terwijl de dienstensector juist een grootgebruiker is van kantoorruimte. Hiermee lijkt aangetoond dat toevoeging van de productiesector een meerwaarde oplevert voor het lange termijn evenwichtsmodel. De volgende subsectoren worden daarom toegevoegd in een apart model (zie §5.2.1): ‘mining & utilities’, ‘manufacturing’ en ‘construction’. De sector ‘agriculture, forestry & fishing’ is volledig uitgesloten. De correlatie is ook berekend voor de correlatie van de veranderingen van de huurprijs en de onderzochte variabelen. Tabel 2b geeft de correlatietabel voor de veranderingen in de huurprijs en onderzochte variabelen. Bijlage F geeft het volledige correlatiemodel. Value added ΔRent A'DAM ΔRent DH

ΔTotal 0.36 0.40

ΔServices 0.31 0.35

ΔProductie 0.42 0.35

ΔCombi S&P 0.38 0.42

Tabel 2b: Correlatie veranderingen in huurprijs en toegevoegde waarde (bron: eigen bewerking)

Er is een positieve correlatie tussen de veranderingen in de huurprijs en de toegevoegde waarde. De correlatie tussen de diensten en productiesector en de correlatie tussen Amsterdam en Den Haag is in dezelfde orde van grootte; 

HC (headcount): de werkzame beroepsbevolking per sector voor Nederland, Amsterdam en Den Haag. De data is aangeleverd voor dezelfde sectoren. In Tabel 3a staat de correlatietabel. In Bijlage F is het bijbehorende correlatiemodel opgenomen. Headcount Rent A'DAM Rent DH

Total 0,06 0,44

Services 0,14 0,61

Productie 0,54 0,49

Combi S&P 0,19 0,66

Tabel 3a: Correlatie huurprijs en werkzame beroepsbevolking (bron: eigen bewerking)

Ook uit deze tabel blijkt de grote samenhang tussen de productiesector en de huurprijs. Wel blijkt een significant verschil tussen Amsterdam en Den Haag met betrekking tot de samenhang tussen de dienstensector en de huurprijs. Toch laat deze tabel voor alle sectoren een positieve correlatie zien. Net als bij variabele ‘toegevoegde waarde’ wordt een model voor de dienstensector en een model voor de dienstenen productiesector ontwikkeld.

52


Tabel 3b geeft de correlatietabel voor de veranderingen in de huurprijs en werkzame beroepsbevolking. Bijlage F geeft het volledige correlatiemodel. De correlatie is positief. De samenhang is groter bij de dienstensector en de productie- en dienstensector tezamen. Headcount ΔRent A'DAM ΔRent DH

ΔTotal 0,83 0,73

ΔServices 0,79 0,73

ΔProductie 0,52 0,26

ΔCombi S&P 0,82 0,74

Tabel 3b: Correlatie veranderingen huurprijs en werkzame beroepsbevolking (bron: eigen bewerking)



FTE (full time equivalent): de voltijdbanen per sector voor Nederland, Amsterdam en Den Haag. De data is tevens aangeleverd voor de sectoren landbouw, productie, dienstverlening en diverse subsectoren. In Tabel 4a staat de correlatietabel. In Bijlage F is het bijbehorende correlatiemodel opgenomen. FTE Rent A'DAM Rent DH

Total 0,29 0,75

Services 0,33 0,82

Productie 0,54 0,35

Combi S&P 0,43 0,87

Tabel 4a: Correlatie huurprijs en voltijdbanen (bron: eigen bewerking)

Uit Tabel 4a kan worden afgeleid dat de correlatie bij de voltijdbanen sterker is dan de correlatie bij de werkzame beroepsbevolking en toegevoegde waarde. Naar alle waarschijnlijkheid levert voltijdbanen een sterkere indicator op dan de werkzame beroepsbevolking en toegevoegde waarde. Het verband wordt versterkt door toevoeging van de productiesector. Tabel 4b geeft de correlatietabel voor de veranderingen van de huurprijs en voltijdbanen weer. FTE ΔRent A'DAM ΔRent DH

ΔTotal 0,79 0,67

ΔServices 0,76 0,66

ΔProductie 0,60 0,29

ΔCombi S&P 0,79 0,67

Tabel 4b: Correlatie veranderingen huurprijs en voltijdbanen (FTE) (bron: eigen bewerking)

De correlatie is positief. De samenhang is het grootst bij de combinatie van de productie- en dienstensector. Om aan te tonen dat deze conclusie ook geldt voor het lange termijn evenwichtsmodel en het korte termijn huuraanpassingsmodel, wordt één model geladen met data van de dienstensector en één met data van de dienstenen productiesector tezamen. 5.1.4 Correlatie variabelen De correlatie tussen de variabelen is uitgevoerd om inzicht te verkrijgen in de mate waarin de geselecteerde variabelen geschikt zijn voor het lange termijn evenwichtsmodel en voor het

53


korte termijn huuraanpassingsmodel. De correlatiematrices zijn opgenomen in Bijlage G en Bijlage H. De belangrijkste resultaten worden hieronder beschreven. In het lange termijn evenwichtsmodel is verondersteld dat de economische activiteit een sterk positieve correlatie heeft met de huurprijs, een zwakke correlatie met de beschikbare kantoorruimte en een negatieve correlatie met de leegstand. Uit de correlatiematrices blijkt dat de economische variabelen GDP en VA hierin matig presteren. Voor de regio Amsterdam is de correlatie tussen de huurprijs en respectievelijk GDP en VA zelfs negatief. De variabelen HC en FTE voldoen beide en hebben een positieve correlatie met de huurprijs. De variabele FTE is hierbij meer dominant dan de variabele HC. De correlatie tussen de economische activiteit en kantoorruimte is sterk positief met de variabelen GDP, VA en HC en gemiddeld positief met de variabele FTE. De variabele FTE is derhalve marginaal beter voor Amsterdam. Voor Den Haag scoort de variabele HC gemiddeld en FTE goed. Tenslotte heeft de economische activiteit op nationaal niveau een iets sterkere correlatie dan de economische activiteit op lokaal niveau. In het lange termijn evenwichtsmodel is verder verondersteld dat de correlatie tussen de huurprijs en respectievelijk de kantoorruimte en de leegstand negatief is. Voor de regio Amsterdam is dit het geval. Echter voor Den Haag is de correlatie tussen de huurprijs en de kantoorruimte bijna nul. De variabelen (1-v’t)S en S presteren nog wel net iets beter dan de variabele (1-v(t-1))S. Dit kan een signaal zijn dat de modellen gebaseerd op de natuurlijke leegstand of geen leegstand beter voldoen dan een model gebaseerd op de leegstand van de voorgaande periode. Voor het korte termijn huuraanpassingsmodel, is naast de positieve correlatie tussen de verandering van de huurprijs en de verandering van de economische activiteit een positieve correlatie verondersteld tussen de verandering van de huurprijs en de verandering van de huurprijs van de voorgaande periode. Uit het overzicht blijkt dat dit voor Amsterdam en Den Haag ook het geval is. Dit beeld is hetzelfde voor economische activiteit gebaseerd op nationale data als die gebaseerd op lokale data. Echter, de correlatie is ook positief bij de verandering van de huurprijs en de verandering van de kantoorruimte voor Den Haag. Dit in tegenstelling tot Amsterdam. De variabele (1-v(t-1))S laat voor beide regio’s positieve correlaties zien. Deze positieve correlatie is niet gewenst. Resumerend, de correlatiematrices laten zien dat het lange termijn evenwichtsmodel gebaseerd op de variabelen FTE, HC, (1-v’t)S en S de beste resultaten zullen opleveren. Voor het korte termijn huuraanpassingsmodel voldoen naar alle waarschijnlijk alle

54


economische activiteit variabelen. De variabele (1-v(t-1))S voldoet naar alle waarschijnlijkheid niet voor zowel Amsterdam als Den Haag. Echter, daarbij voldoen voor Den Haag de variabelen (1-v’t)S en S ook niet. Dit levert zeer waarschijnlijk een niet representatief en onbetrouwbaar korte termijn huuraanpassingsmodel op voor Den Haag.

5.2 Model 5.2.1 Type modellen Op basis van de geselecteerde data kunnen 42 lange termijn evenwichtsmodellen en 42 korte termijn huuraanpassingsmodellen worden geproduceerd voor zowel Amsterdam als Den Haag. Bijlage I geeft schematisch de codering weer bij deze modellen. In Bijlage J is de input voor deze modellen opgenomen. Hieronder volgt een korte toelichting op de modelvarianten: 

Op basis van de leegstand kunnen de modellen a, b en c worden geproduceerd.  Model a: gebaseerd op NVR;  Model b: gebaseerd op VR;  Model c: geen leegstand.



Op basis van de economische activiteit kunnen de modellen 1, 2, 3 en 4 worden geproduceerd:  Model 1: gebaseerd op GDP;  Model 2: gebaseerd op VA;  Model 3: gebaseerd op HC;  Model 4; gebaseerd op FTE.



Op basis van de sector kunnen de modellen 2’, 3’ en 4’ worden geproduceerd:  Model 2, 3 en 4: EA gebaseerd op dienstensector;  Model 2’, 3’ en 4’: EA gebaseerd op combinatie dienstenen productiesector.



Op basis van het gebiedsniveau kunnen de modellen L en N worden geproduceerd:  Lokaal Model L1, L2, L3, L4, L2’, L3’ en L4’: EA gebaseerd op regionaal niveau;  Nationaal Model N1, N2, N3, N4, N2’, N3’ en N4’: EA gebaseerd op landelijk niveau.

5.2.2 LINEST model Op basis van de LINEST functie in Excel worden de constanten en coëfficiënten geschat van de modellen en worden ze getest op de betrouwbaarheid door middel van de T-statistiek, R2statistiek en F-statistiek. In Tabel 5 is de output van het LINEST model geprojecteerd. Vervolgens wordt het LINEST model en de betrouwbaarheidsstatistieken beschreven.

55


mn sen r2 F ssreg

m n-1 sen-1

… …

m2 se2

m1 se1

b seb

sev df ssresid

Tabel 5: LINEST model (bron: Helpfunctie Excel)

b

Constante;

m1, m2,… mn

Coëfficiënten;

seb

Standaard afwijking van de constante;

se1, se2,…sen

Standaard afwijking van de coëfficiënten;

r

2

R2-statistiek oftewel de betrouwbaarheid van het model weergegeven als een waarde tussen de 0 en 1. Als de uitkomst dicht bij de 1 zit dan is er een perfecte correlatie; d.w.z. er is geen afwijking tussen de geschatte y-waarde en de actuele y-waarde. Omgekeerd indien de uitkomst dicht bij 0 zit dan is de regressie vergelijking geen goede voorspeller van de y-waarde;

sey

Standaard afwijking van de geschatte y-waarde;

F

F-statistiek geeft aan of de waargenomen relatie tussen de afhankelijke en onafhankelijke variabelen bij toeval zijn waargenomen. Een waarde dicht bij 0 geeft aan dat het onwaarschijnlijk is dat de relatie bij toeval is waargenomen. Terwijl een waarde dicht bij 1 aangeeft dat het zeer waarschijnlijk is dat de relatie bij toeval is waargenomen;

df

Het aantal vrijheidsgraden om de F-statistiek te berekenen;

ssreg

De som van de kleinste kwadranten;

ssresid

De residuele som van de kleinste kwadranten;

T

T-statistiek geeft aan of de waargenomen constanten en coëfficiënten betrouwbaar zijn voor een gegeven betrouwbaarheidsniveau (****p= 0,01, ***p=0,05, **p=0,10 en *p=0,25). Indien de waargenomen waarde hoger is dan de T-waarde, dan is de constante of coëfficiënt betrouwbaar voor dat betrouwbaarheidsinterval en visa versa. De waarde wordt berekend door de constante of coëfficiënt te delen door de afwijking van de constante of coëfficiënt.

5.3 Resultaten Van de onderzochte modellen staat de output, idioom aan het LINEST model, geprojecteerd in Bijlage K. Nadere overzichtstabellen van de constanten en coëfficiënten zijn weergegeven in Bijlage L. Met behulp van deze tabellen wordt de beoordeling van de betrouwbaarheid vereenvoudigd. Bijlage M geeft de geschatte waarden voor de huurprijs, vraag en aanbod op

56


basis van de berekende constanten, coëfficiënten en de gemiddelde economische activiteit, kantoorruimte en leegstand van het desbetreffende model. Aan de hand van veranderingen in de economische activiteit wordt het effect op de huurprijs bepaald voor respectievelijk het long-run equilibrium en short-run rent adjustment model. Hieronder wordt allereerst de validiteit van de modellen besproken. Hieruit volgen logischerwijze op grond van betrouwbaarheid de geselecteerde modellen. Tot slot worden de uitkomsten van deze modellen gepresenteerd. 5.3.1 Validiteit van het model Op basis van onderstaande criteria volgt een selectie van de modellen die valide is teneinde de invloed van de economische activiteit op de huurprijsontwikkeling te bepalen. Criteria long-run equilibrium model: 

R2-statistiek ligt bij 1, maar is tenminste groter dan 0,70;



F-statistiek ligt bij 0, maar is tenminste kleiner dan 0,10;



Inkomenselasticiteit is positief; λ2 > 0 en γ1 > 0;



Prijselasticiteit is negatief; λ1 < 0 en γ2 < 0;



Zacht criterium: T-statistiek is significant op p > 0,10.

Criteria short-run rent adjustment model: 

R2-statistiek ligt bij 1, maar is tenminste groter dan 0,70;



F-statistiek ligt bij 0, maar is tenminste kleiner dan 0,10;



Economische activiteit coëfficiënt α1 > 0;



Kantoorruimte coëfficiënt α2 < 0;



Zacht criterium: error correction term coefficient α4 < 0;



Zacht criterium: huurprijs voorgaande periode coëfficiënt α5 > 0;



Zacht criterium: T-statistiek is significant op p > 0,10.

Op basis van de economische activiteit op lokaal niveau voldoen de modellen L3c, L3’c, L3’d en L3d voor zowel Amsterdam als Den Haag. Voor Den Haag voldoen zelfs alle modellen L3, L3’, L4’ en L4. Echter de kantoorruimte coëfficiënt α2 is groter dan 0 in de short-run rent adjustment modellen. En de huurprijs coëfficiënt α5 ligt dicht bij 0, waardoor de huurprijs van de voorgaande periode niet significant is voor Den Haag. Op nationaal niveau voldoen de modellen Nc, N4’ en N4 voor Amsterdam. Voor Den Haag voldoet

deze

modellen

niet

bij

een

R2-statistiek

groter

dan

0,70.

Indien

het

57


betrouwbaarheidsniveau naar 0,55 wordt verlaagd, dan voldoen ook de modellen N3c, N3’c en de modellen N4 en N4’ voor Den Haag. De coëfficiënten γ1 en γ2 zijn voor alle modellen 3c en 3’c betrouwbaar op p > 0,01. Voor de modellen 4 en 4’ is de economische activiteit coëfficiënt γ1 tevens betrouwbaar op p > 0,01. De kantoorruimte coëfficiënt γ2 is alleen betrouwbaar op p > 0,01 voor Amsterdam. De coëfficiënten in het short-run rent adjustment model zijn betrouwbaar op p > 0,10 voor Amsterdam. Voor Den Haag wijkt deze betrouwbaarheid met name af voor de coëfficiënten kantoorruimte α2 en huurprijs van voorgaande periode α5. Uit bovenstaande volgt dat het model waarbij de economische activiteit (EA) is gebaseerd op de werkzame beroepsbevolking (HC) het meest valide is; gevolgd door het model gebaseerd op de voltijdbanen (FTE). Daarnaast geeft het model met de beschikbare kantoorruimte (S) zonder correctie voor de actuele of natuurlijke leegstand de hoogste betrouwbaarheid. De modellen gebaseerd op actuele en natuurlijke leegstand volstaan wel voor Den Haag, indien de economische activiteit gebaseerd is op HC of FTE. In Amsterdam volstaan tevens de economische variabelen nationale GDP en nationale VA, indien de leegstand variabele is ingebed in de error correction term. 5.3.2 Uitkomsten en conclusies In Tabel 6 en Tabel 7 staan de uitkomsten van de modellen gebaseerd op de variabelen ‘werkzame beroepsbevolking’, ‘voltijdbanen’ en ‘kantoorruimte’. De variabele leegstand is ingebed in de error correction term. In dit model is er voor gekozen om alleen de economische activiteit met 10% te laten toenemen. De beschikbare kantoorruimte is buiten beschouwing gelaten. Dit laat onverlet dat een toename van de beschikbare kantoorruimte op de lange termijn kan worden verwacht indien de economische activiteit zal toenemen. Dit heeft ongetwijfeld zijn weerslag op de huurprijsontwikkeling. In Bijlage N zijn berekeningen opgenomen die deze aanname staven.

58


L3c

N3c

L3'c

N3'c

0,842 0,000 3,117 1,841 1,415-

0,880 0,000 11,0212,683 1,581-

0,868 0,000 2,1112,154 1,363-

0,905 0,000 24,0793,183 1,291-

0,834 0,000 1,6151,847 1,080-

0,869 0,000 20,6252,854 1,076-

0,864 0,000 8,2172,203 0,973-

0,899 0,000 36,8543,441 0,670-

ΔR -> 10%EA

19,18%

29,13%

22,79%

35,44%

19,24%

31,25%

23,37%

38,81%

λ0: constant λ1 < 0: price elasticity λ2 > 0: income elasticity ΔD -> 10%EA

9,059 0,7071,301 13,21%

0,001 0,6331,697 17,56%

0,212 0,7341,581 16,26%

0,000 0,7752,466 26,49%

0,224 0,9261,710 17,70%

0,000 0,9292,652 28,75%

0,000 1,0272,263 24,08%

0,000 1,4935,137 63,16%

R -statistic F-statistic α0: constant α1 > 0 α2 < 0 α4 < 0 α5 > 0

0,930 0,000 0,001 0,826 0,9090,6430,366

0,955 0,000 0,0031,559 0,9470,6400,303

0,939 0,000 0,003 1,001 0,9870,6590,345

0,957 0,000 0,003 1,773 1,0270,6580,302

0,928 0,000 0,004 0,639 0,7430,7270,350

0,953 0,000 0,0021,502 0,6730,6660,303

0,939 0,000 0,005 0,850 0,7820,7610,320

0,954 0,000 0,004 1,823 0,7190,6610,307

ΔR -> 10%EA

8,33%

15,61%

10,38%

18,74%

6,67%

15,17%

8,95%

19,45%

AMSTERDAM Long-run model 2

R -statistic F-statistic γ0: constant γ1 > 0 γ2 < 0

L4c

N4c

L4'c

N4'c

Rent Demand

Short-run model 2

Rent

Tabel 6: Overzicht valide modellen voor de regio Amsterdam (bron: eigen bewerking)

Op basis van de resultaten voor Amsterdam worden de volgende conclusies getrokken: 

Op de lange termijn verdubbelt de ontwikkeling van de huurprijs ongeveer ten opzichte van de korte termijn;



Het model gebaseerd op de voltijdbanen (FTE) leidt tot marginaal hogere uitkomsten dan het model gebaseerd op de werkzame beroepsbevolking (HC);



De werkgelegenheid bestaande uit zowel de kantoorgerelateerde dienstensector als de productiesector heeft een sterker veranderende huurprijsontwikkeling tot gevolg, dan de werkgelegenheid die bestaat uit sec de kantoorgerelateerde dienstensector;



De verandering van de economische activiteit op nationaal niveau heeft een groter effect dan de verandering van de economische activiteit op lokaal niveau. Hierbij is het effect sterker op de korte termijn (circa 200%) dan op de lange termijn (circa 150%);



Een verandering in het aantal voltijdbanen en toegevoegde waarde van het bedrijfsleven hebben de grootste huurprijsverandering tot gevolg.

59


DEN HAAG Long-run model

L3c 2

R -statistic F-statistic γ0: constant γ1 > 0 γ2 < 0

N3c

L3'c

N3'c

L4c

N4c

L4'c

N4'c

0,790 0,000 3,3521,297 0,501-

0,582 0,003 2,6621,303 0,783-

0,817 0,000 5,5641,394 0,447-

0,656 0,001 8,6641,447 0,563-

0,733 0,000 7,3371,186 0,131-

0,595 0,003 6,5721,196 0,400-

0,757 0,000 9,6711,272 0,060-

0,674 0,001 12,5931,329 0,167-

ΔR -> 10%EA

13,16%

13,22%

14,21%

14,79%

11,97%

12,08%

12,89%

13,51%

λ0: constant λ1 < 0: price elasticity λ2 > 0: income elasticity ΔD -> 10%EA

0,001 1,9962,589 27,98%

0,033 1,2771,664 17,19%

0,000 2,2383,120 34,63%

0,000 1,7752,569 27,74%

0,000 7,6059,019 136,23%

0,000 2,4982,988 32,95%

0,000 16,73421,293 660,96%

0,000 5,9867,957 113,48%

0,791 0,004 0,0171,221 0,387 0,7800,022

0,764 0,007 0,0180,398 0,734 0,9030,221

0,797 0,004 0,0151,371 0,278 0,8820,014

0,769 0,006 0,0160,533 0,634 0,9960,208

0,714 0,015 0,0151,071 0,613 0,7360,075

0,775 0,005 0,0180,370 0,871 0,9040,201

0,710 0,016 0,0121,217 0,559 0,7750,059

0,785 0,005 0,0170,495 0,802 1,0070,191

10,42%

2,06%

12,29%

3,55%

9,14%

1,71%

10,91%

3,08%

Rent Demand

Short-run model

2

R -statistic F-statistic α0: constant α1 > 0 α2 < 0 α4 < 0 α5 > 0 Rent ΔR -> 10%EA

Tabel 7: Overzicht valide modellen voor de regio Den Haag (bron: eigen bewerking)

Op basis van de resultaten voor Den Haag worden de volgende conclusies getrokken: 

Het model is betrouwbaar gebleken op de lange termijn. Echter, het model is niet betrouwbaar voor de berekeningen op de korte termijn;



Op de lange termijn is er in Den Haag een lagere huurprijsontwikkeling waarneembaar dan in Amsterdam. Afhankelijk van het type model kan dit verschil zelfs oplopen van circa 50% tot ruim 175%;



In

tegenstelling

tot

Amsterdam,

geldt

dat

in

Den

Haag

de

werkzame

beroepsbevolking (HC) leidt tot marginaal hogere uitkomsten dan het model gebaseerd op voltijdbanen (FTE); 

De werkgelegenheid bestaande uit zowel de kantoorgerelateerde dienstensector als de productiesector heeft een sterker veranderende huurprijsontwikkeling tot gevolg, dan de werkgelegenheid die bestaat uit sec de kantoorgerelateerde dienstensector. Dit is feitelijk dezelfde conclusie als voor Amsterdam;



De verandering van de economische activiteit op nationaal niveau heeft een groter effect dan de verandering van de economische activiteit op lokaal niveau. Dit is wederom dezelfde conclusie als voor Amsterdam, met uitzondering van het versterkte effect op de korte termijn. Immers dit is niet betrouwbaar gebleken.

60


6 Casuïstiek en evaluatie In dit hoofdstuk wordt de casuïstiek beschreven voor Amsterdam en Den Haag. Vervolgens worden kanttekeningen geplaatst bij het model en de trends op de kantorenmarkt en overige tekortkomingen

gekenschetst.

Dit

hoofdstuk

sluit

af met

een

evaluatie

van

de

onderzoeksmethodiek.

6.1 Casuïstiek 6.1.1 Amsterdamse vastgoedmarkt De Amsterdamse vastgoedmarkt is in velerlei opzicht niet anders dan de vastgoedmarkt van Nederland. Het is niet meer dan logisch dat de Amsterdamse vastgoedmarkt evenzeer afhankelijk is van indicatoren als werkgelegenheid, consumentenvertrouwen en de omvang van de kantorenvoorraad. Een figuur van de kantorenlocaties van Amsterdam is opgenomen in Bijlage O. Uiteraard is er een verschil met andere plaatsen in Nederland. Zo hebben veel grote bedrijven hun hoofdkantoor gevestigd in Amsterdam. De verschillen drukken zich onder meer uit in het type gebruikers van de panden. Zo is Amsterdam vooral afhankelijk van het aantal banen uit de zakelijke dienstverlening (24,2%), industrie, handel en transport (23,9%) en banken en verzekeringen (9,6%). Dat betekent dat bijna 60% van het aantal banen voortvloeit uit de commerciële sector. De overheid is slechts verantwoordelijk voor het in gebruik nemen van 6,0% van het aantal banen. Tot slot resteert de categorie ‘overig’ voor 36,3% (FGH Vastgoedbericht 2010). Het percentage ‘overig’ wordt in het FGH Vastgoedbericht niet verder uitgesplitst. Uit de verkregen data van Experian komt naar voren dat deze categorie hoogstwaarschijnlijk bestaat uit de gezondheidszorg, opleidingsinstituten, horeca en het midden- en kleinbedrijf. Uit het FGH Vastgoedbericht 2010 komt ook de huurprijs per vierkante meter naar voren. Het is geenszins verbazingwekkend dat de hoogste huurprijzen worden geregistreerd op de Amsterdamse Zuidas (€225-325 per m2) en Amsterdam Centrum/Binnenstad (€175-300 per m2). De ontwikkeling in het eerste kwartaal van 2011 laat zien dat de Amsterdamse vastgoedmarkt nog niet reageert op het afgelopen jaar waarin weer economische groei heeft plaatsgevonden. Huurprijzen in het hoogste segment lijken stabiel. Huurstijgingen worden vooralsnog niet verwacht. Het aanbod in de regio Amsterdam telt op 31 maart 2011 1.688.500 m2 (ca 18% leegstand). Dat is het hoogste niveau ooit (Property NL, 4 april 2011). 61


6.1.2 Haagse vastgoedmarkt De Haagse vastgoedmarkt kent een andere structuur dan die van Amsterdam. In deze paragraaf wordt daarom kort ingegaan op de cijfers van de Haagse vastgoedmarkt. Een figuur van de kantorenlocaties van Den Haag is opgenomen in Bijlage O. Den Haag kenmerkt zich door een substantieel hoger percentage aantal banen in de overheidssector (19,1%) ten opzichte van Amsterdam (6,0%). Verder is Den Haag afhankelijk van banen in de zakelijke dienstverlening (16,9%), industrie, handel en transport (23,0%) en banken en verzekeringen (3,7%). Dit maakt een totaal van 43,6%. De categorie ‘overig’ bestaat uit gezondheidszorg, opleidingsinstituten, horeca en midden- en kleinbedrijf (Experian) en vertegenwoordigt 37,3% van het totaal aantal banen in Den Haag. De overheidssector in Den Haag is dus veel groter dan in Amsterdam waarbij de overheid vaak eigen gebouwen heeft (eigendom van de Rijksgebouwendienst). Uit het FGH Vastgoedbericht 2010 komt de huurprijs per vierkante meter naar voren. In Den Haag worden de hoogste huurprijzen geregistreerd op de Lange Voorhout (€170-250 per m2), Nieuw Centrum/Stationsgebied (€150-190 per m2) en Beatrixkwartier (€130-190 per m2). Het aanbod in Den Haag is 650.000m2 (ca 11% leegstand). Ook in Den Haag staan de huurprijzen nog altijd onder druk. Hoewel de huurprijzen op dit moment stabiel lijken te zijn, worden voor het komend jaar geen stijgingen verwacht (FGH Vastgoedbericht 2010).

6.2 Kritische kanttekeningen 6.2.1 Model Op een aantal aspecten scoort het model anders dan verwacht. Redenen hiervoor kunnen uiteenlopend van aard zijn en worden hieronder per aspect aangedragen. 

GDP/VA: de modellen zijn grotendeels niet valide gebleken als gebruik wordt gemaakt van de economische variabelen bruto binnenlands product (GDP) en toegevoegde waarde (VA). Alleen voor Amsterdam werken deze variabelen als deze op nationaal niveau worden genomen voor R2-statistiek groter dan 0,70. Op lokaal niveau voldoen deze variabelen bij een betrouwbaarheidsniveau van 0,60. Wat Den Haag betreft ligt de validiteit aanmerkelijk lager. De vraag is waaraan dit resultaat te wijten is. Een mogelijke verklaring is het zo goed als ontbreken van een correlatie tussen de huurprijs en GDP/VA. De effectieve huurprijs is de eerste jaren slechts licht gestegen, maar vervolgens weer gedaald. In diezelfde periode is het bruto binnenlands product en de toegevoegde waarde van de bedrijven wel steeds 62


gestegen. Een veronderstelling zou kunnen zijn dat dit een stijging van de effectieve huurprijs tot gevolg heeft. Het uitblijven van een stijging van de effectieve huurprijs kan mogelijk worden verklaard door de toename van het aanbod in kantoorruimte. 

Kantoorruimte: in het korte termijn huuraanpassingsmodel is de coëfficiënt van kantoorruimte positief. Logisch zou zijn geweest als de uitkomst negatief zou zijn geweest, zoals dit wel het geval is bij de overige modellen. Een mogelijke verklaring is het bestaan van een positieve correlatie tussen de verandering van de effectieve huurprijs en de kantoorruimte, zoals dit tevens te zien is bij de correlatiematrix. De kantoorruimte is in de periode 1995 tot en met 2010 altijd gestegen, terwijl de effectieve huurprijs in deze periode fluctueert. In 2003, 2004, 2005, 2007 en 2008 is de kantoorruimte onveranderd. Dit kan hebben geleid tot de foutieve correlatie.



Leegstand: de natuurlijke leegstand is geen toevoeging geweest voor het model. Een mogelijke verklaring hiervoor is dat de berekende natuurlijke leegstand niet heel betrouwbaar is. De actuele leegstand van de voorgaande periode blijkt ook geen toevoeging voor het model. Mogelijk dat dit voortvloeit uit een verschil in kwaliteit van kantoorruimte tussen Amsterdam en Den Haag. Den Haag wordt mogelijk ‘vervuild’ door minder courante locaties als Zoetermeer en Rijswijk. Dit betekent mogelijk dat een leegstand van 10% misschien minder effect heeft op de huurprijs in Den Haag.



Nationaal: de modellen voor Amsterdam zijn betrouwbaarder gebleken als economische variabelen op nationaal niveau worden meegenomen. Nog veel opmerkelijker is dat het effect op de huurprijs vele malen sterker is. De huurprijs volgt hier kennelijk meer de nationale trend dan de locale trend. In Den Haag zijn de modellen gebaseerd op nationale data minder betrouwbaar, al neemt de huurprijs wel marginaal toe op basis van nationale economische data. Hoewel in mindere mate, volgt Den Haag ook de nationale trend.



Productiesector: de toevoeging van de productiesector aan de kantoorgerelateerde dienstensector leidt voor zowel Amsterdam als Den Haag tot een betrouwbaarder model en tot een groter effect op de huurprijs.

6.2.2 Trends op de kantorenmarkt De kantorenmarkt is in beweging. Hieronder worden de belangrijkste trends geschetst op de verder veelal stilstaande kantorenmarkt. 

Het nieuwe werken: algemeen wordt aangenomen dat het nieuwe werken leidt tot minder gebruik van kantoorruimte en daardoor op de lange termijn een verminderde vraag naar kantoorruimte. Een afname in de vraag veronderstelt een verlaging van de huurprijs als gevolg. Dit is een element dat nu niet is meegenomen in de modellen. Met name voor de lange termijn geldt dat dit mogelijk van grote invloed is 63


op de variabelen voltijdbanen en werkzame beroepsbevolking. Een stijging van de werkgelegenheid biedt in de toekomst dus niet zonder meer de garantie dat de vraag naar kantoorruimte en daarmee de huurprijs toeneemt. Dit heeft tot gevolg dat het meest valide model, gebaseerd op voltijdbanen en werkzame beroepsbevolking, in een volgende periode van 15 jaar wel eens aanmerkelijk minder betrouwbaar zou kunnen zijn. 

Huurincentives: de effectieve huurprijs is niet gecorrigeerd voor huurincentives. Naar verwachting zullen bij toename van de vraag naar kantoorruimte in eerste instantie de huurincentives verminderen. Omgekeerd geldt dat bij een afname van de vraag naar kantoorruimte de huurincentives in eerste instantie vaker de kop zullen opduiken. Voor een toekomstig model zou het een toegevoegde waarde hebben om te bezien in hoeverre een correctie met huurincentives andere uitkomsten tot gevolg heeft.



Duurzaamheid: gebruikers geven meer dan ooit de voorkeur aan kantoorruimte dat voldoet aan duurzaamheidscriteria. In de praktijk betekent dit vaak nieuwbouw of volledige renovatie. Niet is onderzocht in hoeverre duurzaamheid van invloed is op de gegenereerde uitkomsten. Dit biedt toekomstige onderzoekers een mooie uitdaging.

6.2.3 Overige tekortkomingen Afgezien van aspecten die niet voldoen aan de verwachting en trends op de kantorenmarkt, is er nog een aantal kanttekeningen te plaatsen bij de uitgevoerde analyse. Deze specifieke tekortkomingen worden hieronder geschetst. 

Beperkte data: in tegenstelling tot Amsterdam geldt dat er voor Den Haag weinig beschikbare data, zoals beschikbare kantoorruimte en huurprijzen, voorhanden is. Tevens is de data weinig specifiek te noemen. Er is namelijk geen onderverdeling gegeven naar type locatie en kwaliteit. Er is niet voor gekozen om gebruik te maken van de langere datahistorie van Amsterdam. Het onderzoek betreft immers een vergelijking tussen Amsterdam en Den Haag. Een dergelijke vergelijking komt het best tot zijn recht als deze wordt gemeten over eenzelfde periode.



Kwaliteit van data: het lijkt erop dat de kantorenmarkt in Den Haag minder goed is gemonitord dan die in Amsterdam. Bij bestudering van de data valt op dat er gelijke data voor opvolgende jaren wordt gehanteerd. Dit lijkt vrijwel onmogelijk.



Naast de in dit onderzoek veel behandelde dwarsdoorsneden om de relatie tussen de huurprijsontwikkeling en de economische activiteit vast te stellen, zijn er uiteraard nog veel meer modellen mogelijk. Zo kan de economische activiteit ook worden gebaseerd op werkloosheidscijfers en korte rente. Daarnaast had de variabele leegstand een dominantere rol kunnen spelen in het model.

64


6.3 Evaluatie onderzoeksmethodiek In dit onderzoek is een model gebruikt dat de relatie tussen huurprijzen en vraag en aanbod weergeeft. Naast de eerder benoemde specifieke tekortkomingen, is het van belang te bezien in hoeverre het gebruik van modellen in zijn algemeenheid valide is. Het artikel van Louw (2010) bespreekt de methoden en technieken van ramingen gericht op commercieel vastgoed. Uit dit artikel komt een aantal randvoorwaarden naar voren die tegen het in dit onderzoek gebruikte model worden gehouden. 

Modellen kunnen alleen worden gebruikt voor relatief homogene typen vastgoed en op een ruimtelijk schaalniveau waarop de markt werkt. De conclusie dat er hierdoor vooral veel onderzoek is gedaan naar de kantorenmarkt op zowel stedelijk als op nationaal schaalniveau is ook voor dit onderzoek van toepassing. Al kan de vraag worden gesteld hoe homogeen de kantorenmarkt daadwerkelijk is.



Er is minder onderzoek gedaan naar ontwikkelingen op de lange termijn (5 jaar en meer) dan naar de ontwikkelingen op de korte termijn (1 tot 3 jaar). Hiermee zijn structurele ontwikkelingen die van belang zijn voor de lange termijn, onderbelicht. Ook in dit onderzoek is geen rekening gehouden met structurele ontwikkelingen; wel is er gebruik gemaakt van een bestaand model dat tot stand is gekomen op een historie van 15 jaar.

65


66


7 Conclusie en aanbevelingen In dit hoofdstuk komt de kern van het onderzoek aan bod. Uit de uitgevoerde analyse worden conclusies getrokken die op hun beurt weer leiden tot het doen van aanbevelingen. Allereerst zal worden ingegaan op de beantwoording van de centrale vraag: ‘In hoeverre is de economische activiteit van invloed op de huurprijsontwikkeling van eersteklas kantoorruimte in Den Haag en Amsterdam?’ Vervolgens wordt ingegaan op de vanuit de theorie geformuleerde hypotheses. Tot slot worden op basis van de conclusies en hypotheses aanbevelingen gedaan.

7.1 Conclusie Het onderzoek is gericht op de relatie tussen de huurprijsontwikkeling van kantoorruimte en de economische activiteit in de regio’s Amsterdam en Den Haag. Verondersteld werd dat Den Haag in mindere mate afhankelijk zou zijn van economische tendensen dan Amsterdam. Dit vertaalde zich in de centrale vraagstelling. De centrale vraagstelling is getest aan de hand van hypotheses. Deze leiden tot de volgende conclusies: 

De economische activiteitscoëfficiënt γ1 is significant groter voor het lange termijn evenwichtsmodel

met

de

inputvariabelen

‘werkzame

beroepsbevolking’

en

‘voltijdbanen’ voor Amsterdam, dan voor Den Haag. Dit komt overeen met de gemaakte hypothese. 

De economische activiteitscoëfficiënt α1 is significant groter voor het korte termijn huuraanpassingsmodel met de inputvariabelen ‘werkzame beroepsbevolking’ en ‘voltijdbanen’ op nationaal niveau voor Amsterdam dan voor Den Haag. Ook op lokaal niveau is de coëfficiënt α1 significant groter voor Den Haag dan voor Amsterdam. Dit komt eveneens overeen met de gestelde hypothese.

De volgende conclusies van het onderzoek zijn het meest van belang voor de beantwoording van de centrale vraag: 

In Den Haag is er geen directe link tussen de huurprijsontwikkeling en de economische variabelen ‘bruto binnenlands product’ en ‘toegevoegde waarde’ van bedrijven. Dit terwijl de huurprijsontwikkeling in Amsterdam wel afhankelijk is van deze variabelen. Dit effect is zelfs groter als deze variabelen op nationaal niveau worden meegenomen in zowel het lange termijn als het korte termijn model.

67




De modellen zijn betrouwbaar gebleken indien de actuele en natuurlijke leegstand niet worden meegenomen. De huurprijs is in dat geval alleen afhankelijk van de beschikbare kantoorruimte en de economische activiteit.



De

variabelen

‘werkzame

beroepsbevolking’

en

‘voltijdbanen’

geven

een

betrouwbaarder resultaat als deze zijn gebaseerd op de productie- en dienstensector tezamen dan indien ze worden gebaseerd op sec de dienstensector. Bovenstaande beantwoording van de hypotheses en de belangrijkste onderzoeksconclusies leiden ertoe dat de centrale vraag bevestigend kan worden beantwoord. De huurprijs van kantoorruimte reageert in Amsterdam in sterkere mate op veranderingen in de economie dan in Den Haag. Deze conclusie kan zowel vanuit financieel opzicht (bruto binnenlands product en toegevoegde waarde van het bedrijfsleven) als vanuit de menselijke kant (werkzame beroepsbevolking en voltijdbanen) worden gestaafd.

7.2 Aanbevelingen 7.2.1 Aanbevelingen ten aanzien van het gebruik Uit de belangrijkste conclusies kunnen de volgende aanbevelingen worden afgeleid ten aanzien van het gebruik van het model in Amsterdam en Den Haag: 

De economische variabelen op nationaal niveau bieden een hogere betrouwbaarheid dan economische variabelen op lokaal niveau. Dit ondanks het gegeven dat vastgoedmarkten lokaal gedreven zijn. Wellicht komt dit voort uit het feit dat de Nederlandse steden relatief dicht bij elkaar liggen en er een goede infrastructuur is wat het dagelijkse woon- en werkverkeer mogelijk maakt. Niet tegenstaande dit discussiepunt, kan voor dit model in feite worden volstaan met data op nationaal niveau.



Het model gebaseerd op de beschikbare kantoorruimte volstaat. Leegstand hoeft niet te worden meegenomen om een valide model te verkrijgen.



Zorg ervoor dat de variabelen werkzame beroepsbevolking en voltijdbanen zijn gebaseerd op de productie- en dienstensector tezamen.

7.2.2 Aanbevelingen ten aanzien van verdieping In het vorige hoofdstuk zijn reeds de belangrijkste kanttekeningen geplaatst bij het onderzoek. Hoewel het gehanteerde onderzoeksmodel een goed beeld geeft en de uitvoerige analyse een valide antwoord biedt op de centrale vraag, kan het model verder worden geoptimaliseerd. Dit leidt tot de volgende aanbevelingen voor toekomstig onderzoek: 

Het gebruik van zowel uitgebreidere als kwalitatief betere data op het gebied van de huurprijs en beschikbare kantoorruimte zal het onderzoek verdere diepgang en een 68


hogere betrouwbaarheid geven. Er kan worden bezien in hoeverre gebruikmaking van de langere datahistorie van Amsterdam invloed heeft op het model. Tevens ligt een vervolgslag naar meer dwarsdoorsneden gebaseerd op aanbodvariabelen en de gedifferentieerde huurprijs daarbij voor de hand. 

Voor de economische activiteit kan ook de vraagvariabele ‘korte rente’ worden meegenomen in het model. Dit zou vanuit een investeringsperspectief interessant kunnen zijn, omdat dit een brug slaat naar de geld- en kapitaalmarkt.



Voor de economische activiteit kunnen ook de variabelen ‘beroepsbevolking’ en ‘werkloosheid’ worden meegenomen in het model. Deze combinatie fungeren mogelijk hetzelfde als kantoorruimte en leegstand. Bij werkloosheid is immers ook sprake van frictie werkloosheid.



Het meenemen van toekomstige trends ofwel structurele ontwikkelingen op de kantorenmarkt levert een meerwaarde op voor de voorspellende waarde van het model. Hierbij kan worden gedacht aan het nieuwe werken, maar ook aan de trend die de Rijksgebouwendienst heeft ingezet met het afstoten van huurpanden.



De natuurlijke leegstand moet op andere indicatoren worden gebaseerd dan sec de verandering van de huurprijs.

69


70


Bijlagen

71


72


A Bibliografie 

Achour-Fischer, D. (1999), ‘An Integrated Property Market Model: A Pedagogical Tool’, Journal of Real Estate and Education, Volume 2, Number 1, 33-43



Boon, V. van der (2010), ‘Grote beleggers voorzien vlucht van Nederlands pensioengeld uit binnenlands vastgoed’, FD Selections, 18 oktober 2010



Bos, F. (2010), ‘Fiscal decentralisation in the Netherlands; history, current practice and economic theory’, CPB, December 2010



Brounen, D., Jennen, M. (2008), ‘Local Office Rent Dynamics. A Tale of Ten Cities’, Journal of Real Estate Finance and Economics, 39, 385-402



Carey, M.S. (1990), ‘Feeding the Fad: the Federal Land Banks, Land Market Efficiency, and the Farm Credit Crisis’, Ph.D. dissertation, University of California at Berkeley



Cobouw (2010), ‘Leegstand kantoren zal dubbelen’, Cobouw, 11 juni 2010



Couwenberg, S.W. (2008), ‘Duurzame ontwikkeling en bevolkingsgroei als mondiaal probleem, Civis Mundi, april 2008



Colliers (2011), ‘Aanbod kantoorruimte regio Amsterdam op recordhoogte’, PropertyNL, 4 april 2011



DiPasquale, D., Wheaton, W.C. (1995), ‘Urban Economics and Real Estate Markets’



DTZ Zadelhoff (2011), ‘Van veel te veel. De markt voor Nederlands commercieel onroerend goed’, DTZ Zadelhoff v.o.f., januari 2011



Du Toit, H., Cloete, C.E. (2003), ‘Appraisal of the Fischer-DiPasquale-Wheaton (FDW) real estate model and development of an integrated property and asset market model’, Department of Construction Economics, University of Pretoria, Australia



Eichholtz, P. (2002), ‘Meer kantoren dan banen’, ESB, 87e jaargang, 4389, 899



Ezekiel, M. (1938), ‘The cobweb theorem’, The quarterly journal of economics, deel 52, 255-280



FGH Vastgoedbericht (2008), ‘Met het oog op de stenen’, FGH Bank



FGH Vastgoedbericht (2010), ‘ Focus op een nieuwe realiteit’, FGH Bank



Geraedts, R.P., Voordt, D.J.M. van der (2005), ‘Van leegstand tot herbestemming’, Real Estate Magazine, 39, 12-17



Gool. P. van e.a. (2007), ‘Onroerend goed als belegging’, 4e druk Wolters-Noordhoff



Hek, M. e.a. (2004), ‘Herbestemmingswijzer: herbestemming van bestaand vastgoed’, Publikatieburo Bouwkunde Technische Uiversiteit Delft

73




Hendershott, P. McGregor, B., White, M. (2002), ‘Explaining Real Commercial Rents Using an Error Correction Model with Panel Data’, Journal of Real Estate Finance and Economics, 24:1/2, 59-87



Herring, R.J., Wachter, S.M. (1999), ‘Real Estate Booms and Banking Busts – An International Perspective’, Group of Thirty, 1-21



Jägers, P. (2011), ‘Crisis 'in volle omvang' bij Rijk’, Rijksgebouwendienst actueel, 19 juli 2011



Kaldor, N. (1934), ‘A classificatory note on the determinateness of equilibrium’, Review of Economics Studies, 1, 122-136



Kools, J.A.T. (2010), ‘Financial Engineering. Investeringsanalyse voorjaar 2010’, Studiemateriaal ASRE, Fakton, 26 april 2010



Louw, E. (2010), ‘Wat zegt de literatuur over methoden en technieken’, Real Estate Research Quarterly, Jaargang 9, nr. 4, December 2010



McCartney, J. (2010), ‘Predicting Turning Points in the Rent Cycle Using the Natural Vacancy Rate, An Applied Study of the Dublin Office Market’, Paper read before the Statistical and Social Inquiry Society of Ireland, 2 November 2010



Ministerie van Infrastructuur en Milieu (2011), ‘Structuurvisie Infrastructuur en Ruimte’, Kamerstukken II, 2010-2011, nr. 32 500-XII, nr. 66



Ministerie van Infrastructuur en Milieu (2011), ‘Actieprogramma Aanpak Leegstand Kantoren’, Kamerstukken II, 2010-2011, 32 660, nr. 17



Ministerie van Volkshuisvesting, Ruimtelijke Ordening en Milieu (2001), ‘Vijfde Nota Ruimtelijke Ordening. Ruimte maken, Ruimte delen’, Kamerstukken II, 2000-2001, nr. 27 578, nr. 1



Ministerie van Volkshuisvesting, Ruimtelijke Ordening en Milieu (2010), ‘Huizinga onderzoekt leegstand kantoren’, VROM actueel, 28 april 2010



Pensioen.com (2008), ‘Pensioenfondsen onder minimum dekkingsgraad’, 13 oktober 2008



PropertyNL (2010), ‘Van Poelgeest wil leegstand aanpakken met boetes voor eigenaren’, 1 oktober 2010



PropertyNL (2011), ‘Vastgoedfinanciers tekenen convenant duurzaamheid’, 6 juni 2011



PropertyNL (2011), ‘Provada: Duurzaamheidskeurmerk bestaande gebouwen’, 9 juni 2011



Rakhorst, A. (2008), ‘De winst van duurzaam bouwen’, Scriptum, 1e druk, 2008



SenterNovem (2008), ‘Infobladen: Herbestemming van gebouwen’, SenterNovem, 1 april 2008

74




Trouw (2001), ‘Varkenscyclus op markt van kantoren: na euforie dreigt leegstand’, 29 augustus 2001



Twynstra Gudde Adviseurs en Managers (2010), ‘Nationaal Kantorenmarkt Onderzoek 2010. De economische crisis voorbij?’, Twynstra Gudde, 16-25



UN Global Compact Office ( 2010), ‘Blueprint for Corporate Sustainability Leadership’, July 2010



Vastgoed Journaal (2010), ‘Twente geplaagd door oude kantoren’, 26 september 2010



Vastgoedmarkt.nl (2011), ‘Incentives houden intransparantie in stand’, 18 februari 2011



Vastgoedmarkt.nl (2009), ‘Koppeling nieuwbouw en bestaande kantoorpanden’, 26 oktober 2009



Vlek, P.J. e.a. (2009), ‘Investeren in vastgoed, grond en gebieden. Financiële theorie en praktijkvraagstukken’, Vlaardingen: Management Producties, 18-21



Voordt, D.J.M. van der (2007), ‘Kansen en risico’s bij herbestemming’, Real Estate Magazine, 52, 28-33



Voordt, T. van der (2007), ‘Transformatie van gebouwen’, Thema’s, actoren, instrumenten en projecten, Uitgeverij 010, Rotterdam 2007



Wheaton, Torto and Evans (1997), ‘The Cyclic Behavior of the Greater London Office Market’, Journal of Real Estate Finance and Economics, 15:1, 77-92



Wheaton, W.C. (1999), ‘Real Estate “Cycles”: Some Fundamentals’, Real Estate Economics, 209-230

75


76


B Afkortingen AR:

Autoregressie

ASRE:

Amsterdam School of Real Estate

BAR:

Bruto Aanvangsrendement

C:

Construction of constructie

CPI:

Consumer Price Index

DGBC:

Dutch Green Building Council

f(C):

Replacement Costs of vervangingskosten

δ:

Depreciation of afschrijving/groeifactor

D:

Demand of Vraag naar Kantoorruimte

EA:

Economic Activity of Economische Activiteit

HC:

Headcount employment

MSRE:

Master of Studies in Real Estate

FDW:

Fischer, DiPasquale en Wheaton

GDP:

Gross Domestic Product of Bruto Binnenlands Product

i:

Capitalisation rate of kapitalisatiefactor

NAR:

Netto Aanvangsrendement

NVR:

Natural Vacancy Rate of natuurlijke leegstand ratio

OS:

Occupied Stock of Bezette Kantoorruimte

P:

Price of prijs/waarde

R:

Rent of Huurprijs(ontwikkeling)

S:

Office Stock of Beschikbare Kantoorruimte

v:

Actual vacancy of actuele leegstand

v’:

Natural vacancy of natuurlijke leegstand

v*:

Vacancy of leegstand

Q:

Quantity of kwantiteit

VA:

Value Added of toegevoegde waarde

VR:

Vacancy rate of leegstand ratio 77


78


C Definities Stock:

Het geschatte totale volume van bestaande kantoorruimte binnen een stad of deelmarkt gemeten aan het einde van het gegeven jaar. Ceremoniële

overheidsgebouwen

zijn

buitengesloten.

Alleen

kantoorruimte uit de moderne tijd is weergegeven d.w.z. ontwikkelde gebouwen na circa 1990. Alle kantoorruimte is weergegeven in verhuurbare vloer oppervlak (net sq meters). Occupied Stock:

De

bestaande

voorraad

kantoorruimte

minus

de

leegstaande

kantoorruimte. Available Stock:

De leegstaande kantoorruimte.

Rent:

Een schatting van de eersteklas huurprijzen benchmark in de sterkste kantorenlocaties in de stad gemeten aan het einde van het jaar. De huurprijzen zijn zowel weergegeven in nominale als in reële huurprijzen per vierkante meter per jaar. Voor zover mogelijk moet er sprake zijn van tenminste 5 transacties of 5.000 vierkante meter kantoorruimte met huurprijzen op of rond de huurprijzen benchmark. Exceptionele huurprijzen zijn buitengesloten.

GDP:

Het nominale en reële bruto binnenlands product gespecificeerd per regio Groot-Amsterdam en Agglomeratie 's-Gravenhageen en op landelijk niveau.

Value Added:

Toegevoegde waarde per sector per jaar.

Headcount:

De werkzame beroepsbevolking per sector aan het einde van het gegeven jaar.

FTE:

Full Time Equivalent. De voltijdbanen per sector aan het einde van het gegeven jaar.

79


80

266,21 186,30

106,49% 103,50%

Real rent Amsterdam Den Haag*

Real rent (%) Amsterdam Den Haag*

109,46% 102,04%

273,65 183,67

116,35% 107,89%

290,88 194,19

1,86% 81,92%

238,30 159,09

1997

130,64% 106,01%

326,59 190,81

1,77% 83,38%

272,30 159,09

1998

Bron: PMA European Office Occupier Forecast Data Main (2010)

Correlatie nominal rent Correlatie real rent

0,742 0,851

1,38% 79,30%

Real CPI change (NL) CPI Price Deflator (2005=100)

* inclusief Delft, Rijswijk en Voorburg

220,10 147,73

211,10 147,73

1,43% 80,43%

1996

1995

RENT euro sqm per annum Year Nominal rent Amsterdam Den Haag*

Reële effectieve huurprijs

D Data

144,06% 112,80%

360,16 203,03

2,03% 85,07%

306,40 172,73

1999

145,96% 116,13%

364,90 209,04

2,34% 87,06%

317,70 182,00

2000

148,78% 118,38%

371,96 213,08

5,11% 91,51%

340,40 195,00

2001

132,98% 113,97%

332,45 205,15

3,87% 95,05%

316,00 195,00

2002


120,19% 111,48%

300,48 200,66

2,24% 97,18%

292,00 195,00

2003

81

106,78% 107,14%

266,95 192,85

1,38% 98,52%

263,00 190,00

2004

100,00% 100,00%

250,00 180,00

1,50% 100,00%

250,00 180,00

2005

102,31% 103,84%

255,78 186,91

1,65% 101,65%

260,00 190,00

2006

111,56% 110,29%

278,91 198,53

1,58% 103,26%

288,00 205,00

2007

122,79% 107,91%

306,99 194,23

2,21% 105,54%

324,00 205,00

2008

117,11% 109,47%

292,76 197,05

0,97% 106,57%

312,00 210,00

2009

111,49% 108,39%

278,72 195,10

1,00% 107,64%

300,00 210,00

2010

4.007,00 3.659,25

403,00 391,00

9,14% 9,65%

Occupied Stock Amsterdam Den Haag*

Available Stock Amsterdam Den Haag*

Vacancy rate (%) Amsterdam Den Haag*

0,975 0,903

6,20% 7,91%

275,00 331,50

3,92% 7,46%

171,00 318,75

4.195,00 3.952,50

4.366,00 4.271,25

1997

2,66% 6,81%

117,00 293,25

4.278,00 4.014,55

4.395,00 4.307,80

1998

1999

2,12% 8,22%

94,00 365,50

4.349,00 4.082,55

4.443,00 4.448,05

Bron: PMA European Office Occupier Forecast Data Main (2010)

Correlatie stock Correlatie vacancy

* inclusief Delft, Rijswijk en Voorburg

4.436,00 4.189,65

4.410,00 4.050,25

4.161,00 3.858,15

1996

1995

STOCK & VACANCY 1.000 sqm net Year Stock Amsterdam Den Haag*

Beschikbare kantoorruimte en leegstand

5,32% 7,58%

245,00 345,95

4.358,00 4.215,15

4.603,00 4.561,10

2000

6,84% 6,71%

328,00 314,50

4.469,00 4.371,55

4.797,00 4.686,05

2001

10,70% 8,60%

557,00 416,50

4.648,00 4.428,50

5.205,00 4.845,00

2002

12,59% 10,08%

674,00 510,00

4.679,00 4.550,05

5.353,00 5.060,05

2003


82

17,40% 11,09%

967,59 561,00

4.594,82 4.499,05

5.562,40 5.060,05

2004

20,72% 11,42%

1.185,00 578,00

4.534,40 4.482,05

5.719,40 5.060,05

2005

17,65% 9,89%

1.020,00 518,50

4.758,40 4.726,00

5.778,40 5.244,50

2006

16,00% 10,27%

932,96 549,10

4.898,04 4.797,40

5.831,00 5.346,50

2007

15,38% 9,53%

904,88 509,41

4.980,09 4.837,10

5.884,97 5.346,50

2008

16,70% 9,90%

1.003,61 534,57

5.007,56 4.862,94

6.011,18 5.397,50

2009

18,00% 10,93%

1.100,00 595,00

5.012,78 4.850,95

6.112,78 5.445,95

2010

371,33 38,88 19,34

GDP constant price Netherlands Groot-Amsterdam Agglomeratie 's-Gravenhage

383,98 40,70 19,83

Bron: Experian, NUTS3 Database (December 2010)

0,991 0,994 0,984

82,21% 84,69% 81,57%

Real GDP change (NL) Real GDP change (A'dam) Real GDP change (DH) GDP Price Deflator (2005=100) GDP Price Deflator (2005=100) GDP Price Deflator (2005=100)

Correlatie (NL-A'dam) Correlatie (NL-DH) Correlatie (A'dam-DH)

319,76 34,67 16,46

305,26 32,93 15,78

1,30% 0,59% 1,74% 83,27% 85,19% 82,99%

1996

1995

GDP billions euros Year GDP current price Netherlands Groot-Amsterdam Agglomeratie 's-Gravenhage

Bruto Binnenlands Product

400,41 42,81 20,91

2,64% 2,40% 2,20% 85,47% 87,24% 84,82%

342,24 37,35 17,73

1997

416,12 45,61 21,98

1,91% 1,29% 1,62% 87,11% 88,36% 86,19%

362,46 40,30 18,95

1998

435,61 47,95 22,99

1,78% 2,18% 1,31% 88,66% 90,29% 87,32%

386,19 43,29 20,07

1999

452,78 49,39 24,04

4,12% 3,55% 3,78% 92,31% 93,50% 90,62%

417,96 46,18 21,78

2000

461,50 49,62 24,47

5,10% 5,17% 4,95% 97,02% 98,33% 95,11%

447,73 48,79 23,27

2001

461,85 51,37 24,85

3,83% 6,31% 3,78% 100,73% 104,54% 98,71%

465,21 53,70 24,53

2002


463,40 52,41 25,10

2,18% 0,58% 3,73% 102,92% 105,14% 102,38%

476,95 55,10 25,70

2003

83

473,76 55,22 25,62

0,73% -0,25% 0,94% 103,68% 104,88% 103,34%

491,18 57,92 26,48

2004

483,46 56,92 26,11

2,43% 1,25% 2,76% 106,19% 106,19% 106,19%

513,41 60,45 27,72

2005

499,87 59,07 26,43

1,77% -0,32% 1,37% 108,07% 105,86% 107,65%

540,22 62,52 28,45

2006

519,47 61,59 27,57

1,85% -0,03% 1,64% 110,07% 105,83% 109,42%

571,77 65,18 30,17

2007

529,24 63,58 27,69

2,35% 0,75% 0,64% 112,66% 106,62% 110,11%

596,23 67,79 30,49

2008

508,52 61,08 27,13

-0,16% 1,43% -0,12% 112,48% 108,14% 109,99%

571,98 66,05 29,84

2009

517,44 62,20 27,71

1,11% 1,25% 1,18% 113,72% 109,49% 111,29%

588,46 68,10 30,84

2010

179,2 270,1 0,999 0,999 0,999

Services Services & Production Correlatie (services vs total) Correlatie (services & production vs total) Correlatie (services vs services & production)


1995 8,1 90,9 19,1 50,0 21,8 235,4 43,8 36,8 7,1 17,5 22,9 75,0 63,2 11,8 76,1 27,0 19,7 29,4 334,4

Netherlands billions euros, pps 2005 Value added by sector Agriculture, forestry & fishing Production & construction Mining & utilities Manufacturing Construction Services Wholesale & retail trade, hotels & catering Wholesale & retail trade Hotels & catering Transport & communications Financial services Business & other services Business services Other services Public services Public administration Education Health Total 187,5 280,0

1996 7,9 92,5 20,3 50,8 21,5 244,2 45,5 38,3 7,2 18,1 24,0 80,3 68,1 12,2 76,3 26,7 19,7 29,9 344,7 199,5 291,8

1997 8,5 92,3 18,9 51,5 21,9 257,4 49,2 41,5 7,8 19,7 25,9 85,3 72,5 12,8 77,3 27,2 19,6 30,5 358,2

Toegevoegde waarde per sector voor Nederland

210,1 304,0

1998 8,1 94,0 18,1 53,2 22,7 269,2 52,5 44,2 8,3 21,6 27,5 89,2 76,0 13,2 78,4 27,6 19,6 31,3 371,2 221,7 319,0

1999 8,5 97,3 18,2 55,2 23,9 281,4 56,2 47,6 8,6 23,4 28,5 94,1 80,4 13,7 79,2 28,1 19,7 31,4 387,2 230,4 331,9

2000 8,7 101,5 17,8 58,9 24,8 291,1 59,1 50,0 9,0 26,0 27,8 97,9 83,6 14,3 80,4 28,7 19,7 32,0 401,3 236,1 339,0

2001 8,3 102,9 18,9 58,8 25,2 297,8 58,8 50,0 8,8 27,4 27,9 101,3 86,5 14,8 82,4 29,4 19,8 33,1 409,1


235,8 338,8

2002 8,2 102,9 19,7 58,8 24,4 299,0 58,1 49,6 8,5 28,3 28,4 99,3 84,0 15,3 85,0 30,3 19,9 34,8 410,1

84

238,7 339,1

2003 8,5 100,4 19,2 58,2 23,1 302,8 59,2 51,2 8,0 29,1 29,8 97,6 82,5 15,1 87,1 31,0 20,1 36,0 411,7 244,2 347,4

2004 9,0 103,1 20,5 60,2 22,4 309,1 61,2 53,3 7,9 30,1 32,1 97,8 82,9 15,0 87,8 30,9 20,1 36,9 421,2 251,1 354,9

2005 9,0 103,8 19,3 61,4 23,2 316,8 63,7 55,7 8,0 31,3 33,0 100,4 85,4 15,0 88,4 30,6 20,1 37,7 429,6 262,4 368,3

2006 8,9 105,9 18,7 63,4 23,7 329,1 68,2 60,0 8,2 32,3 34,8 104,6 89,1 15,5 89,2 30,7 20,0 38,5 443,9 273,9 384,6

2007 9,3 110,7 18,6 67,1 25,1 341,8 72,1 63,7 8,4 34,0 36,4 108,8 93,0 15,8 90,6 31,1 20,0 39,5 461,8 280,5 392,4

2008 9,4 111,9 19,8 65,8 26,3 350,0 72,8 64,7 8,0 34,3 38,9 111,1 95,2 15,8 93,0 31,5 20,2 41,3 471,3 271,0 375,2

2009 9,6 104,2 19,0 60,0 25,1 341,4 67,8 60,4 7,4 32,4 38,2 107,7 91,9 15,8 95,3 32,3 20,1 43,0 455,3

275,5 381,9

2010 9,9 106,4 19,2 64,3 22,9 347,0 69,9 62,7 7,2 33,2 38,6 108,0 92,3 15,7 97,3 33,0 20,5 43,9 463,3

24,41 29,20 0,999 1,000 0,999



1995 0,30 4,79 0,67 2,81 1,31 30,08 5,24 4,03 1,22 3,31 5,49 9,36 8,09 1,27 6,67 2,22 1,90 2,56 35,17

Groot-Amsterdam billions euros, pps 2005 Value added by sector Agriculture, forestry & fishing Production & construction Mining & utilities Manufacturing Construction Services Wholesale & retail trade, hotels & catering Wholesale & retail trade Hotels & catering Transport & communications Financial services Business & other services Business services Other services Public services Public administration Education Health Total 25,96 30,74

1996 0,29 4,79 0,62 2,86 1,30 31,66 5,42 4,19 1,23 3,40 5,98 10,19 8,85 1,33 6,67 2,20 1,90 2,57 36,74 27,65 32,39

1997 0,30 4,74 0,49 2,91 1,34 33,44 5,97 4,66 1,32 3,78 6,26 10,76 9,35 1,41 6,66 2,19 1,82 2,64 38,47 29,67 34,64

1998 0,33 4,97 0,54 3,09 1,34 35,58 6,24 4,83 1,41 3,89 7,01 11,73 10,23 1,49 6,71 2,21 1,80 2,70 40,88 31,17 36,48

1999 0,32 5,31 0,61 3,27 1,43 37,17 6,91 5,41 1,50 4,12 6,95 12,38 10,85 1,53 6,82 2,32 1,82 2,68 42,79

Toegevoegde waarde per sector voor regio Groot-Amsterdam

32,03 37,23

2000 0,31 5,20 0,46 3,24 1,50 38,16 7,27 5,69 1,57 4,39 6,60 12,93 11,27 1,66 6,96 2,41 1,81 2,74 43,67 32,19 37,55

2001 0,30 5,36 0,38 3,40 1,58 38,32 7,10 5,63 1,47 4,32 6,60 13,21 11,58 1,63 7,10 2,44 1,77 2,90 43,98


33,72 39,36

2002 0,31 5,64 0,67 3,48 1,49 40,00 7,42 6,01 1,41 5,05 6,98 13,20 11,53 1,67 7,35 2,48 1,82 3,05 45,94

85

34,86 40,24

2003 0,32 5,38 0,64 3,39 1,36 41,16 7,72 6,35 1,37 5,33 7,78 12,85 11,22 1,64 7,48 2,55 1,81 3,12 46,86 37,11 42,27

2004 0,33 5,17 0,61 3,21 1,34 43,64 8,35 6,91 1,44 5,58 9,03 13,01 11,40 1,61 7,67 2,57 1,81 3,29 49,14 38,67 43,78

2005 0,33 5,11 0,59 3,16 1,36 45,13 9,05 7,70 1,35 5,92 9,15 13,35 11,71 1,64 7,67 2,55 1,80 3,31 50,58 40,16 45,63

2006 0,36 5,48 0,57 3,52 1,39 46,70 9,55 8,18 1,37 6,36 9,26 13,80 12,10 1,70 7,73 2,56 1,80 3,38 52,54 41,90 47,77

2007 0,35 5,86 0,62 3,82 1,43 48,58 10,13 8,74 1,40 6,50 10,13 13,99 12,29 1,71 7,83 2,55 1,82 3,47 54,80 44,06 49,69

2008 0,36 5,63 0,59 3,56 1,47 50,71 10,70 9,35 1,35 6,47 11,14 14,55 12,85 1,70 7,86 2,56 1,84 3,46 56,70 42,81 48,11

2009 0,37 5,30 0,57 3,26 1,46 49,51 10,11 8,86 1,25 6,12 11,15 14,07 12,37 1,70 8,06 2,60 1,81 3,64 55,17

43,64 49,04

2010 0,38 5,40 0,58 3,49 1,33 50,49 10,49 9,29 1,20 6,26 11,35 14,06 12,37 1,69 8,33 2,68 1,86 3,79 56,27

12,68 14,83 0,998 0,998 0,997



1995 0,22 2,15 0,45 0,84 0,85 15,39 1,86 1,48 0,38 1,12 1,83 5,04 4,22 0,82 5,55 3,22 0,91 1,42 17,76

Agglomeratie 's-Gravenhage billions euros, pps 2005 Value added by sector Agriculture, forestry & fishing Production & construction Mining & utilities Manufacturing Construction Services Wholesale & retail trade, hotels & catering Wholesale & retail trade Hotels & catering Transport & communications Financial services Business & other services Business services Other services Public services Public administration Education Health Total 13,04 15,22

1996 0,21 2,17 0,57 0,80 0,81 15,78 1,95 1,54 0,40 1,16 1,83 5,32 4,45 0,87 5,52 3,19 0,91 1,42 18,16 13,91 16,16

1997 0,22 2,25 0,71 0,75 0,79 16,56 1,97 1,63 0,34 1,28 1,81 5,78 4,82 0,96 5,72 3,41 0,88 1,43 19,03 14,51 16,81

1998 0,23 2,30 0,67 0,75 0,88 17,21 2,13 1,76 0,37 1,47 1,88 5,87 4,86 1,01 5,87 3,54 0,89 1,44 19,75 14,95 17,51

1999 0,24 2,56 0,71 0,85 1,00 17,66 2,28 1,87 0,41 1,53 1,87 6,07 5,09 0,99 5,91 3,60 0,89 1,41 20,46 15,56 18,31

2000 0,23 2,75 0,94 0,83 0,98 18,30 2,40 1,97 0,43 1,83 1,72 6,30 5,28 1,03 6,04 3,74 0,87 1,43 21,28 16,00 18,63

2001 0,24 2,63 0,84 0,75 1,04 18,73 2,34 1,93 0,42 2,04 1,74 6,43 5,42 1,01 6,18 3,86 0,89 1,43 21,60

Toegevoegde waarde per sector voor regio Agglomaratie ’s Gravenhage


16,14 18,82

2002 0,32 2,68 0,85 0,85 0,98 18,94 2,30 1,90 0,40 2,34 1,78 6,07 5,04 1,03 6,44 4,05 0,89 1,50 21,94

86

16,48 19,25

2003 0,29 2,77 0,83 0,93 1,00 19,31 2,26 1,88 0,38 2,75 2,01 6,01 4,99 1,01 6,28 3,84 0,88 1,57 22,37 16,86 19,64

2004 0,30 2,78 0,94 0,96 0,88 19,69 2,36 1,98 0,37 2,97 2,13 5,97 4,96 1,01 6,27 3,80 0,88 1,58 22,78 17,46 20,03

2005 0,28 2,56 0,68 0,89 0,99 20,35 2,37 1,99 0,38 3,23 2,27 6,24 5,23 1,01 6,24 3,74 0,87 1,64 23,19 17,87 20,33

2006 0,28 2,46 0,64 0,89 0,93 20,79 2,43 2,05 0,38 3,24 2,50 6,32 5,27 1,05 6,30 3,75 0,87 1,68 23,53 18,73 21,24

2007 0,28 2,50 0,67 0,92 0,92 21,72 2,61 2,20 0,41 3,57 2,53 6,59 5,53 1,06 6,42 3,85 0,86 1,72 24,51 18,36 20,99

2008 0,28 2,62 0,66 0,99 0,98 21,50 2,59 2,18 0,41 3,58 2,24 6,62 5,59 1,03 6,47 3,74 0,86 1,87 24,41 17,92 20,38

2009 0,30 2,45 0,64 0,89 0,93 21,13 2,41 2,03 0,38 3,39 2,17 6,40 5,38 1,02 6,75 3,93 0,87 1,96 23,87

18,30 20,82

2010 0,31 2,51 0,67 0,99 0,86 21,58 2,50 2,13 0,37 3,53 2,18 6,42 5,40 1,02 6,95 4,05 0,89 2,01 24,41

3.928,7 5.433,4 0,996 0,974 0,985


4.077,5 5.570,6

1996 286,7 1.493,1 47,4 1.012,5 433,2 5.535,1 1.480,1 1.217,0 263,1 415,7 239,6 1.738,2 1.120,3 617,9 1.661,6 467,1 358,1 836,4 7.314,9


1995 283,1 1.504,7 48,6 1.029,8 426,3 5.367,3 1.459,8 1.195,5 264,3 411,4 234,2 1.610,2 1.014,5 595,7 1.651,7 477,4 359,7 814,6 7.155,1

Netherlands thousands Headcount employment by sector Agriculture, forestry & fishing Production & construction Mining & utilities Manufacturing Construction Services Wholesale & retail trade, hotels & catering Wholesale & retail trade Hotels & catering Transport & communications Financial services Business & other services Business services Other services Public services Public administration Education Health Total 4.229,4 5.752,0

1997 291,3 1.522,6 45,8 1.025,9 450,9 5.727,5 1.516,6 1.249,9 266,7 425,5 252,8 1.836,0 1.204,3 631,7 1.696,5 465,1 364,5 866,9 7.541,4 4.379,8 5.919,3

1998 279,2 1.539,5 45,7 1.032,1 461,7 5.919,6 1.550,8 1.278,7 272,1 441,2 265,6 1.926,0 1.282,7 643,3 1.735,9 468,2 367,0 900,7 7.738,3

Werkzame beroepsbevolking per sector in Nederland

4.511,9 6.067,5

1999 280,1 1.555,6 44,3 1.035,1 476,2 6.101,3 1.618,4 1.335,7 282,7 460,2 278,5 1.959,3 1.333,2 626,1 1.785,0 478,3 381,8 924,9 7.937,0 4.628,0 6.202,7

2000 279,9 1.574,7 42,9 1.038,9 492,9 6.260,8 1.669,1 1.372,0 297,1 484,0 287,9 1.999,1 1.369,7 629,4 1.820,8 485,1 390,8 944,9 8.115,4 4.707,0 6.284,4

2001 283,0 1.577,4 41,7 1.031,6 504,1 6.422,0 1.702,0 1.396,5 305,5 497,8 291,6 2.024,4 1.400,7 623,7 1.906,2 496,7 415,1 994,4 8.282,4 4.698,4 6.250,6

2002 283,0 1.552,2 42,5 1.007,7 502,0 6.488,7 1.706,0 1.397,2 308,8 491,5 290,0 2.010,4 1.387,5 622,9 1.990,7 509,2 430,2 1.051,3 8.323,9


87

4.654,6 6.153,5

2003 278,4 1.498,8 41,5 975,0 482,4 6.505,9 1.693,5 1.390,9 302,6 483,3 284,0 1.978,3 1.356,0 622,4 2.066,7 518,1 443,2 1.105,5 8.283,1 4.611,3 6.073,1

2004 271,0 1.461,8 40,2 947,8 473,8 6.478,5 1.677,1 1.378,9 298,2 477,4 277,2 1.973,3 1.351,9 621,4 2.073,6 504,6 440,2 1.128,9 8.211,3 4.652,6 6.094,1

2005 265,9 1.441,5 38,7 928,5 474,3 6.544,2 1.668,2 1.368,2 300,0 471,4 278,5 2.040,5 1.412,8 627,7 2.085,5 493,9 440,3 1.151,3 8.251,6 4.762,0 6.208,1

2006 261,6 1.446,1 37,6 925,4 483,1 6.684,6 1.691,9 1.385,9 306,0 468,8 287,2 2.134,3 1.503,4 630,9 2.102,5 485,9 441,6 1.175,0 8.392,3 4.920,5 6.377,2

2007 258,8 1.456,7 38,2 929,6 488,9 6.891,1 1.749,7 1.429,9 319,8 477,2 288,3 2.240,0 1.599,2 640,8 2.136,0 485,2 453,2 1.197,6 8.606,6 5.004,1 6.480,1

2008 255,2 1.476,0 39,5 938,1 498,4 6.999,6 1.760,0 1.444,7 315,3 481,6 283,7 2.310,1 1.650,2 659,9 2.164,2 484,0 461,7 1.218,5 8.730,8 4.914,9 6.354,5

2009 243,7 1.439,6 41,7 908,6 489,3 6.947,2 1.740,2 1.431,4 308,8 467,6 278,4 2.241,5 1.571,3 670,2 2.219,5 496,0 468,7 1.254,8 8.630,5

4.885,6 6.289,1

2010 244,2 1.403,4 41,2 882,9 479,4 6.948,3 1.741,9 1.434,5 307,3 464,9 274,7 2.208,2 1.540,9 667,3 2.258,6 503,3 474,6 1.280,7 8.596,0

471,21 555,47 0,994 0,989 0,998


496,47 575,66

1996 11,44 79,18 3,19 51,08 24,91 631,49 147,30 111,92 35,38 78,11 56,87 208,93 142,34 66,59 140,29 40,65 32,88 66,76 722,12


1995 11,19 84,25 3,45 56,27 24,53 604,64 146,65 111,25 35,41 75,54 54,13 189,20 126,42 62,78 139,10 41,08 33,35 64,67 700,08

Groot-Amsterdam thousands Headcount employment by sector Agriculture, forestry & fishing Production & construction Mining & utilities Manufacturing Construction Services Wholesale & retail trade, hotels & catering Wholesale & retail trade Hotels & catering Transport & communications Financial services Business & other services Business services Other services Public services Public administration Education Health Total 525,58 603,52

1997 10,39 77,94 3,13 49,43 25,38 663,55 153,25 115,94 37,32 80,41 60,50 228,82 160,05 68,77 140,57 39,92 32,35 68,30 751,87 560,88 640,56

1998 10,47 79,67 3,14 51,05 25,48 701,28 158,43 120,38 38,05 85,11 63,30 252,45 180,30 72,14 141,99 39,64 32,08 70,27 791,42 577,41 657,99

1999 10,02 80,58 3,21 50,87 26,51 722,80 163,79 124,03 39,75 88,38 65,61 257,09 187,54 69,55 147,93 42,29 33,67 71,97 813,41 596,81 677,75

2000 9,08 80,94 3,11 50,08 27,74 747,19 168,61 127,24 41,36 92,27 68,72 264,33 192,14 72,20 153,25 44,24 34,26 74,75 837,21

Werkzame beroepsbevolking per sector in regio Groot-Amsterdam

604,71 686,38

2001 8,58 81,67 3,06 49,75 28,85 762,11 170,86 130,22 40,64 93,28 69,46 266,85 197,00 69,85 161,66 44,90 35,79 80,97 852,36 599,42 679,48

2002 8,57 80,06 2,90 48,03 29,14 762,30 167,64 127,66 39,97 95,22 67,49 264,69 195,47 69,22 167,26 44,36 37,56 85,35 850,93


88

588,43 665,55

2003 8,16 77,11 2,85 46,87 27,39 757,61 169,42 129,59 39,83 92,55 67,38 254,90 186,21 68,69 173,37 44,03 38,30 91,04 842,88 591,75 666,96

2004 7,77 75,21 2,70 45,72 26,79 765,49 169,43 128,21 41,22 90,16 68,09 261,63 192,33 69,30 176,18 43,65 37,72 94,80 848,47 596,07 669,34

2005 7,67 73,27 2,80 43,90 26,57 769,11 167,46 127,94 39,52 87,77 67,59 270,08 199,07 71,02 176,21 42,70 37,63 95,88 850,05 614,88 689,85

2006 7,56 74,97 2,55 45,27 27,15 791,28 169,37 128,69 40,68 88,07 69,39 286,74 215,18 71,56 177,71 41,99 37,79 97,93 873,81 628,27 702,75

2007 7,42 74,48 2,59 45,39 26,50 809,49 173,53 131,16 42,37 90,12 69,89 296,20 224,38 71,83 179,74 40,89 38,82 100,03 891,38 648,46 722,43

2008 7,23 73,97 2,66 44,69 26,62 830,63 181,19 138,43 42,76 90,52 70,08 309,23 235,16 74,07 179,60 40,20 39,84 99,57 911,83 637,13 710,27

2009 6,92 73,13 2,80 43,45 26,89 824,85 180,34 138,42 41,92 88,01 69,88 299,60 223,85 75,75 187,03 41,22 40,49 105,32 904,91

633,90 705,34

2010 7,02 71,44 2,77 42,14 26,54 825,52 181,13 139,44 41,69 87,60 69,48 295,36 219,40 75,96 191,95 42,02 41,00 108,93 903,98

261,26 298,58 0,965 0,951 0,996


266,60 301,32

1996 5,32 34,72 2,28 17,57 14,87 340,68 59,55 46,66 12,89 18,93 15,51 124,00 80,82 43,18 122,69 61,51 16,80 44,39 380,71


1995 5,45 37,32 2,26 19,38 15,67 333,99 59,11 46,55 12,56 18,51 16,11 117,13 75,51 41,62 123,12 62,95 16,93 43,24 376,76

Agglomeratie 's-Gravenhage thousands Headcount employment by sector Agriculture, forestry & fishing Production & construction Mining & utilities Manufacturing Construction Services Wholesale & retail trade, hotels & catering Wholesale & retail trade Hotels & catering Transport & communications Financial services Business & other services Business services Other services Public services Public administration Education Health Total 279,30 313,54

1997 5,48 34,24 2,02 17,30 14,92 352,47 58,85 47,38 11,47 19,18 15,11 135,05 89,19 45,87 124,28 62,58 17,20 44,50 392,19 287,27 322,63

1998 5,22 35,36 1,94 17,20 16,21 361,60 58,09 46,31 11,78 21,19 15,56 139,55 92,78 46,78 127,21 64,66 17,22 45,33 402,18 293,70 330,57

1999 5,21 36,87 1,78 17,44 17,64 369,49 61,15 48,50 12,65 24,02 16,12 139,70 95,69 44,02 128,50 65,36 17,69 45,45 411,58 303,30 340,12

2000 5,24 36,81 1,68 17,46 17,67 380,76 62,90 49,47 13,42 27,10 16,08 142,63 98,72 43,91 132,05 68,02 17,89 46,14 422,81 309,56 346,04

2001 5,51 36,48 1,57 16,36 18,55 391,06 63,04 49,43 13,60 28,37 16,45 144,45 102,60 41,85 138,75 70,86 19,45 48,44 433,05 308,26 344,49

2002 6,94 36,24 1,60 16,57 18,06 394,25 65,77 51,71 14,06 27,23 17,01 137,28 95,40 41,87 146,97 75,04 20,35 51,58 437,43

Werkzame beroepsbevolking per sector in regio Agglomaratie ’s Gravenhage


89

301,26 337,55

2003 6,12 36,29 1,38 17,17 17,74 390,51 64,08 50,31 13,76 27,02 16,94 130,95 89,40 41,55 151,51 76,03 20,56 54,92 432,92 295,88 330,68

2004 5,48 34,80 1,37 16,56 16,87 384,89 62,78 49,50 13,28 26,71 16,52 129,55 88,44 41,10 149,34 73,60 20,41 55,32 425,17 294,73 329,11

2005 5,28 34,38 1,38 15,77 17,23 384,38 61,39 48,22 13,17 26,53 16,41 132,19 90,91 41,28 147,86 71,39 20,15 56,32 424,03 296,61 329,67

2006 5,17 33,06 1,50 14,85 16,71 387,74 62,40 48,97 13,43 24,88 17,41 135,07 93,35 41,72 147,99 70,29 20,29 57,41 425,97 308,81 342,50

2007 5,20 33,70 1,49 15,40 16,81 402,20 65,12 50,87 14,25 25,22 17,41 144,18 102,19 41,99 150,28 71,13 20,52 58,62 441,09 306,71 341,37

2008 5,21 34,65 1,43 15,65 17,57 401,19 65,89 51,24 14,64 25,27 16,03 146,48 103,73 42,75 147,52 67,69 20,66 59,17 441,05 307,97 342,48

2009 5,12 34,51 1,52 15,50 17,50 406,67 66,63 51,87 14,76 24,51 15,84 143,67 99,73 43,94 156,01 72,08 21,67 62,27 446,30

307,64 341,51

2010 5,24 33,87 1,48 15,21 17,18 408,57 67,34 52,57 14,77 24,34 15,57 141,16 97,48 43,68 160,16 74,01 22,10 64,05 447,68

3.062,1 4.405,5 0,995 0,930 0,916


3.168,9 4.504,7

1996 235,0 1.335,8 43,6 886,4 405,9 4.075,5 1.097,1 927,2 170,0 352,5 203,9 1.290,7 883,5 407,2 1.131,3 394,6 253,1 483,6 5.646,3


1995 231,9 1.343,4 45,1 896,6 401,7 3.973,6 1.079,7 912,7 166,9 347,1 203,5 1.194,8 798,0 396,8 1.148,5 404,0 258,1 486,4 5.548,9

Netherlands thousands FTE employment by sector Agriculture, forestry & fishing Production & construction Mining & utilities Manufacturing Construction Services Wholesale & retail trade, hotels & catering Wholesale & retail trade Hotels & catering Transport & communications Financial services Business & other services Business services Other services Public services Public administration Education Health Total

Voltijdbanen (FTE) per sector in Nederland

3.294,4 4.659,5

1997 233,8 1.365,1 42,4 899,8 422,9 4.226,8 1.112,9 945,8 167,0 361,6 213,2 1.378,4 954,4 424,0 1.160,7 395,3 261,9 503,5 5.825,8 3.402,5 4.781,2

1998 221,3 1.378,7 41,0 904,3 433,4 4.332,1 1.119,2 953,9 165,3 368,0 223,5 1.461,5 1.018,6 442,9 1.159,9 395,6 257,9 506,4 5.932,0 3.473,9 4.859,6

1999 226,1 1.385,7 39,4 902,7 443,6 4.434,5 1.156,3 981,7 174,6 381,2 233,8 1.475,2 1.061,7 413,5 1.187,9 402,0 264,8 521,2 6.046,3 3.535,8 4.931,8

2000 213,4 1.396,0 37,0 903,3 455,7 4.485,1 1.172,2 999,2 173,0 399,0 242,2 1.488,6 1.074,5 414,0 1.183,1 406,8 263,1 513,2 6.094,4 3.571,8 4.965,3

2001 218,3 1.393,5 37,7 883,5 472,3 4.573,6 1.194,0 1.008,8 185,2 403,2 239,5 1.506,8 1.095,8 411,0 1.230,1 413,6 271,7 544,8 6.185,3 3.524,1 4.877,4

2002 215,0 1.353,3 38,0 853,7 461,6 4.562,9 1.177,2 991,3 185,9 393,7 238,4 1.478,0 1.077,0 401,0 1.275,6 422,7 281,1 571,9 6.131,3


90

3.459,9 4.766,8

2003 209,7 1.306,9 37,5 824,9 444,5 4.530,1 1.159,3 980,2 179,1 385,4 229,2 1.435,1 1.041,3 393,8 1.321,0 430,0 293,8 597,3 6.046,8 3.410,7 4.679,7

2004 204,6 1.269,0 36,2 798,1 434,7 4.496,0 1.138,2 959,8 178,5 377,7 224,0 1.429,5 1.029,5 400,0 1.326,5 419,6 291,4 615,4 5.969,6 3.428,6 4.673,8

2005 200,9 1.245,1 33,3 777,8 434,0 4.522,2 1.122,0 942,4 179,6 378,4 224,4 1.480,6 1.079,3 401,3 1.316,8 402,8 284,7 629,3 5.968,3 3.500,1 4.747,8

2006 197,2 1.247,7 32,3 773,6 441,7 4.605,3 1.133,6 950,9 182,7 375,5 230,9 1.547,5 1.143,2 404,2 1.317,8 395,3 284,5 638,0 6.050,2 3.606,1 4.861,2

2007 194,6 1.255,1 32,8 775,7 446,7 4.733,5 1.167,9 977,4 190,5 381,5 231,2 1.622,1 1.210,7 411,4 1.330,8 393,9 290,9 646,1 6.183,3 3.655,6 4.925,8

2008 191,4 1.270,2 33,9 781,3 455,1 4.791,5 1.171,2 983,8 187,4 384,3 227,0 1.668,5 1.243,9 424,6 1.340,5 392,0 295,4 653,2 6.253,0 3.578,1 4.815,6

2009 182,3 1.237,4 35,7 755,3 446,4 4.728,5 1.154,3 971,2 183,1 372,4 222,2 1.611,4 1.179,4 432,1 1.368,1 400,8 298,8 668,4 6.148,2

3.546,9 4.751,7

2010 182,4 1.204,8 35,2 732,6 437,0 4.708,3 1.151,7 969,9 181,8 369,6 218,8 1.582,8 1.151,7 431,0 1.385,5 405,8 301,6 678,1 6.095,6

368,90 443,94 0,996 0,985 0,993


385,79 456,43

1996 9,28 70,64 2,92 44,44 23,27 468,44 106,41 84,08 22,33 65,69 48,06 153,92 110,95 42,96 94,36 34,04 22,85 37,47 548,36


1995 9,09 75,04 3,19 48,77 23,07 452,55 106,14 84,14 22,00 63,36 46,85 139,98 98,72 41,26 96,21 34,56 23,69 37,96 536,68

Groot-Amsterdam thousands FTE employment by sector Agriculture, forestry & fishing Production & construction Mining & utilities Manufacturing Construction Services Wholesale & retail trade, hotels & catering Wholesale & retail trade Hotels & catering Transport & communications Financial services Business & other services Business services Other services Public services Public administration Education Health Total 413,57 483,62

1997 8,32 70,04 2,90 43,34 23,79 499,86 110,94 87,60 23,34 68,25 51,02 172,82 126,73 46,09 96,82 33,89 23,25 39,68 578,22 439,71 511,13

1998 8,28 71,42 2,82 44,70 23,90 524,67 112,62 89,61 23,01 70,85 53,25 192,55 143,00 49,55 95,39 33,44 22,52 39,43 604,36

Voltijdbanen (FTE) per sector in regio Groot-Amsterdam

446,38 518,03

1999 8,03 71,65 2,84 44,17 24,64 533,18 114,26 90,15 24,11 72,74 54,79 193,37 148,14 45,23 98,02 35,32 23,04 39,65 612,87 461,34 533,20

2000 6,91 71,86 2,68 43,54 25,64 548,96 116,56 92,53 24,03 75,98 57,80 197,98 150,57 47,41 100,65 37,06 23,05 40,55 627,74 463,44 535,83

2001 6,62 72,39 2,77 42,60 27,02 555,73 118,48 93,90 24,58 75,45 56,99 199,76 153,83 45,93 105,05 37,35 23,41 44,30 634,74 453,73 523,71

2002 6,49 69,98 2,59 40,63 26,77 548,13 114,07 90,16 23,91 76,01 55,38 195,47 151,18 44,29 107,21 36,71 24,43 46,07 624,61


91

439,49 506,80

2003 6,10 67,31 2,57 39,54 25,20 536,33 113,83 90,55 23,27 73,37 54,16 185,06 142,09 42,97 109,91 36,35 25,15 48,41 609,74 439,68 505,02

2004 5,83 65,33 2,43 38,38 24,53 539,57 112,74 88,40 24,34 70,89 54,78 189,50 145,42 44,08 111,66 36,12 24,72 50,83 610,74 442,05 505,33

2005 5,75 63,27 2,41 36,62 24,25 540,96 110,52 87,22 23,31 69,91 54,22 196,07 151,12 44,95 110,24 34,64 24,09 51,51 609,99 456,80 521,54

2006 5,68 64,74 2,19 37,77 24,78 558,05 112,03 87,91 24,13 70,22 55,67 208,93 163,22 45,71 111,20 34,08 24,28 52,85 628,47 464,14 528,24

2007 5,54 64,09 2,22 37,73 24,14 567,08 113,89 88,94 24,95 71,57 55,83 214,79 169,01 45,78 110,99 33,01 24,73 53,25 636,71 480,24 544,39

2008 5,43 64,14 2,30 37,39 24,46 583,76 119,26 94,04 25,22 72,27 56,17 225,14 177,59 47,55 110,91 32,62 25,42 52,88 653,33 472,35 536,02

2009 5,21 63,66 2,42 36,46 24,79 578,86 118,92 94,15 24,77 70,51 56,05 218,03 169,10 48,93 115,35 33,61 25,88 55,86 647,73

468,58 530,70

2010 5,27 62,13 2,39 35,29 24,45 576,74 119,08 94,50 24,58 70,06 55,60 214,22 165,05 49,17 117,78 34,20 26,13 57,45 644,13

210,52 244,58 0,951 0,906 0,983


214,04 245,74

1996 4,44 31,70 2,12 15,58 14,01 262,46 45,25 36,52 8,73 16,30 13,41 95,04 65,25 29,79 92,46 52,78 12,32 27,37 298,60


1995 4,55 34,06 2,11 17,10 14,85 258,88 44,86 36,51 8,35 15,87 14,19 89,84 60,86 28,98 94,12 54,10 12,59 27,43 297,49

Agglomeratie 's-Gravenhage thousands FTE employment by sector Agriculture, forestry & fishing Production & construction Mining & utilities Manufacturing Construction Services Wholesale & retail trade, hotels & catering Wholesale & retail trade Hotels & catering Transport & communications Financial services Business & other services Business services Other services Public services Public administration Education Health Total 223,72 255,00

1997 4,47 31,27 1,88 15,33 14,06 271,17 44,14 36,65 7,49 16,49 12,91 103,85 71,99 31,85 93,77 53,82 12,72 27,23 306,91 230,11 262,38

1998 4,21 32,27 1,75 15,22 15,29 277,00 42,84 35,37 7,48 17,91 13,27 108,26 75,03 33,23 94,72 55,31 12,47 26,93 313,47 232,34 265,75

1999 4,26 33,41 1,60 15,32 16,49 279,53 44,32 36,26 8,05 20,09 13,67 106,91 77,11 29,80 94,54 55,41 12,53 26,60 317,19

Voltijdbanen (FTE) per sector in Agglomaratie ’s Gravenhage

237,60 270,70

2000 4,03 33,11 1,46 15,27 16,39 283,70 44,50 36,49 8,01 22,50 13,62 107,59 78,18 29,41 95,50 57,41 12,26 25,83 320,84 241,03 273,96

2001 4,29 32,93 1,42 14,09 17,42 289,62 44,51 36,10 8,41 23,13 13,60 108,86 80,87 27,99 99,52 59,34 12,95 27,24 326,84 239,42 271,72

2002 5,36 32,30 1,44 14,18 16,68 291,16 46,21 37,45 8,76 22,08 14,14 102,84 75,12 27,72 105,89 62,90 13,67 29,31 328,82


92

233,52 265,93

2003 4,71 32,41 1,26 14,71 16,44 287,55 44,98 36,45 8,53 21,90 13,91 97,35 70,03 27,32 109,41 63,91 14,10 31,40 324,68 227,82 258,72

2004 4,21 30,90 1,24 14,10 15,56 281,54 43,52 35,28 8,25 21,43 13,53 95,74 68,48 27,26 107,32 61,85 13,90 31,57 316,65 225,26 255,73

2005 4,06 30,46 1,19 13,37 15,90 278,57 41,92 33,82 8,10 21,61 13,41 97,55 70,54 27,01 104,08 58,87 13,31 31,89 313,10 225,40 254,64

2006 3,96 29,25 1,29 12,55 15,40 278,95 42,28 34,09 8,19 20,19 14,17 99,20 71,96 27,24 103,11 57,74 13,30 32,07 312,16 234,30 264,08

2007 3,97 29,78 1,29 13,00 15,49 289,03 44,01 35,32 8,69 20,45 14,15 106,04 78,52 27,52 104,38 58,34 13,43 32,61 322,77 230,73 260,98

2008 3,95 30,26 1,22 13,07 15,97 286,49 44,45 35,47 8,98 20,29 12,88 107,14 78,96 28,17 101,73 54,95 13,53 33,25 320,69 227,70 257,35

2009 3,82 29,65 1,27 12,72 15,66 284,71 44,17 35,27 8,90 19,38 12,49 103,04 74,46 28,57 105,65 57,53 13,91 34,20 318,18

226,94 256,00

2010 3,90 29,06 1,24 12,46 15,36 284,93 44,50 35,61 8,89 19,21 12,25 100,94 72,48 28,46 108,04 58,94 14,14 34,97 317,89

6,000**** 6,000 **** 0,872 0,000

Bron: Eigen bewerking

T-statistic: 6,893**** 6,893 **** R2-statistic: F-statistic:

NRV -> -α/β1

7,76%

α 0,127 0,021 0,034 7,000 0,008

ß1

1,6420,238 0,872 47,520 0,056

6,20% 3,92% 2,66% 2,12% 5,32% 6,84% 10,70% 12,59% 17,40% 20,72% 17,65% 16,00% 15,38% 16,70% 18,00%

ß1 vt

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

AMSTERDAM Period

alpha**** alpha*** alpha** alpha*

2,79% 6,29% 12,28% 10,28% 1,32% 1,94% -10,62% -9,62% -11,16% -6,35% 2,31% 9,04% 10,07% -4,63% -4,80%

Y ΔRt

0,01 0,05 0,10 0,25

n k 1 df v1 v2

2,57% 6,32% 8,38% 9,27% 4,01% 1,52% -4,82% -7,93% -15,81% -21,27% -16,24% -13,52% -12,50% -14,67% -16,80%

Est lnRt

3,499 2,365 1,895 1,254

9 1 1 7 1 7

0,23% -0,02% 3,90% 1,01% -2,69% 0,41% -5,80% -1,69% 4,66% 14,92% 18,55% 22,57% 22,57% 10,03% 12,00%

μt

2,9561,241 0,586 5,669 0,016

T-statistic: 2,381** 2,381 ** R2-statistic: F-statistic:

NRV -> -α/β1

ß1

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

AMSTERDAM Period

Berekende natuurlijke leegstand in regio Amsterdam

E Natuurlijke leegstand

2,412** 2,412 ** 0,586 0,076

17,72%

α 0,524 0,217 0,053 4,000 0,011

6,20% 3,92% 2,66% 2,12% 5,32% 6,84% 10,70% 12,59% 17,40% 20,72% 17,65% 16,00% 15,38% 16,70% 18,00%

ß1 vt


2,79% 6,29% 12,28% 10,28% 1,32% 1,94% -10,62% -9,62% -11,16% -6,35% 2,31% 9,04% 10,07% -4,63% -4,80%

Y ΔRt

0,01 0,05 0,10 0,25

n k 1 df v1 v2

34,06% 40,81% 44,52% 46,13% 36,65% 32,18% 20,76% 15,17% 0,97% -8,85% 0,21% 5,10% 6,94% 3,04% -0,80%

Est lnRt


93

4,604 2,776 2,132 1,344

6 1 1 4 1 4

-31,27% -34,52% -32,24% -35,85% -35,34% -30,24% -31,38% -24,79% -12,13% 2,50% 2,10% 3,95% 3,13% -7,67% -4,00%

μt 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Year 7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 17,72% 17,72% 17,72% 17,72% 17,72% 17,72%

v't

1,578* 1,578 * 0,252 0,168

T-statistic: 1,538* 1,538 * R2-statistic: F-statistic:


8,61%

NRV -> -α/β1

α 0,116 0,074 0,036 7,000 0,009

ß1

1,3480,877 0,252 2,364 0,003

7,91% 7,46% 6,81% 8,22% 7,58% 6,71% 8,60% 10,08% 11,09% 11,42% 9,89% 10,27% 9,53% 9,90% 10,93%

ß1 vt

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

DEN HAAG Period


-1,41% 5,73% -1,74% 6,41% 2,96% 1,93% -3,72% -2,19% -3,89% -6,67% 3,84% 6,21% -2,16% 1,45%

Y ΔRt

0,01 0,05 0,10 0,25

n k 1 df v1 v2

-0,24% 0,49% 1,57% -0,74% 0,29% 1,73% -1,37% -3,80% -5,46% -6,01% -3,49% -4,12% -2,90% -3,51% -5,19%

Est lnRt

3,499 2,365 1,895 1,254

9 1 1 7 1 7

-1,16% 5,23% -3,31% 7,15% 2,66% 0,21% -2,35% 1,61% 1,57% -0,66% 7,33% 10,33% 0,73% 4,96% 5,19%

μt

3,1952,737 0,254 1,363 0,003

R2-statistic: F-statistic:

T-statistic: 1,167 1,167

NRV -> -α/β1

ß1

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

DEN HAAG Period

0,254 0,308

1,181 1,181

10,46%

α 0,334 0,283 0,044 4,000 0,008

7,91% 7,46% 6,81% 8,22% 7,58% 6,71% 8,60% 10,08% 11,09% 11,42% 9,89% 10,27% 9,53% 9,90% 10,93%

ß1 vt

Berekende natuurlijke leegstand in regio Groot ‘s Gravenhage


-1,41% 5,73% -1,74% 6,41% 2,96% 1,93% -3,72% -2,19% -3,89% -6,67% 3,84% 6,21% -2,16% 1,45% 0,00%

Y ΔRt

0,01 0,05 0,10 0,25

n k 1 df v1 v2

29,00% 30,33% 32,27% 28,10% 29,97% 32,55% 26,98% 22,60% 19,62% 18,62% 23,17% 22,03% 24,23% 23,11% 20,09%

Est lnRt


94

4,604 2,776 2,132 1,344

6 1 1 4 1 4

-30,41% -24,60% -34,01% -21,69% -27,01% -30,62% -30,70% -24,78% -23,51% -25,29% -19,32% -15,82% -26,39% -21,66% -20,09%

μt 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Year 8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 10,46% 10,46% 10,46% 10,46% 10,46% 10,46%

v't


correlatie (rent A'DAM) correlatie (rent DH)

Value added billions euros 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

1,00 0,85

Rent A'DAM 266,21 273,65 290,88 326,59 360,16 364,90 371,96 332,45 300,48 266,95 250,00 255,78 278,91 306,99 292,76 278,72

0,85 1,00

Rent DH 186,30 183,67 194,19 190,81 203,03 209,04 213,08 205,15 200,66 192,85 180,00 186,91 198,53 194,23 197,05 195,10 0,130,16

NL 334,42 344,73 358,19 371,21 387,24 401,35 409,10 410,13 411,75 421,25 429,57 443,88 461,80 471,29 455,27 463,26

Correlatie huurprijs en toegevoegde waarde

0,24-

Total A'DAM 35,17 36,74 38,47 40,88 42,79 43,67 43,98 45,94 46,86 49,14 50,58 52,54 54,80 56,70 55,17 56,27

0,15

DH 17,76 18,16 19,03 19,75 20,46 21,28 21,60 21,94 22,37 22,78 23,19 23,53 24,51 24,41 23,87 24,41 0,120,16

NL 179,19 187,46 199,50 210,06 221,72 230,42 236,11 235,82 238,67 244,23 251,08 262,37 273,89 280,50 271,04 275,47

F Correlatie huurprijs en economische activiteit

0,25-

Services A'DAM 24,41 25,96 27,65 29,67 31,17 32,03 32,19 33,72 34,86 37,11 38,67 40,16 41,90 44,06 42,81 43,64

0,12

DH 12,68 13,04 13,91 14,51 14,95 15,56 16,00 16,14 16,48 16,86 17,46 17,87 18,73 18,36 17,92 18,30


95

0,060,22

0,16

Production NL A'DAM 90,90 4,79 92,54 4,79 92,26 4,74 93,97 4,97 97,32 5,31 101,51 5,20 5,36 102,94 102,93 5,64 100,44 5,38 103,14 5,17 103,82 5,11 105,90 5,48 110,70 5,86 111,87 5,63 104,20 5,30 106,39 5,40

0,57

DH 2,15 2,17 2,25 2,30 2,56 2,75 2,63 2,68 2,77 2,78 2,56 2,46 2,50 2,62 2,45 2,51 0,110,17

0,230,17

Services & Production NL A'DAM DH 270,09 29,20 14,83 280,00 30,74 15,22 291,77 32,39 16,16 304,02 34,64 16,81 319,04 36,48 17,51 331,93 37,23 18,31 339,05 37,55 18,63 338,75 39,36 18,82 339,11 40,24 19,25 347,37 42,27 19,64 354,90 43,78 20,03 368,27 45,63 20,33 384,60 47,77 21,24 392,37 49,69 20,99 375,25 48,11 20,38 381,85 49,04 20,82



1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Value added billions euros

1,00 0,59

0,03 0,06 0,12 0,10 0,01 0,02 0,110,100,110,060,02 0,09 0,10 0,050,05-

Rent A'DAM

0,59 1,00

0,010,06 0,020,06 0,03 0,02 0,040,020,040,070,04 0,06 0,020,01 0,01-

Rent DH

0,61 0,39

0,03 0,04 0,04 0,04 0,04 0,02 0,00 0,00 0,02 0,02 0,03 0,04 0,02 0,030,02

NL

0,36

0,04 0,05 0,06 0,05 0,02 0,01 0,04 0,02 0,05 0,03 0,04 0,04 0,03 0,030,02

Total A'DAM

0,40

0,02 0,05 0,04 0,04 0,04 0,02 0,02 0,02 0,02 0,02 0,01 0,04 0,000,020,02

DH

Correlatie veranderingen huurprijs en toegevoegde waarde

0,66 0,42

0,05 0,06 0,05 0,06 0,04 0,02 0,000,01 0,02 0,03 0,04 0,04 0,02 0,030,02

NL

0,31

0,06 0,07 0,07 0,05 0,03 0,01 0,05 0,03 0,06 0,04 0,04 0,04 0,05 0,030,02

Services A'DAM

0,35

0,03 0,07 0,04 0,03 0,04 0,03 0,01 0,02 0,02 0,04 0,02 0,05 0,020,020,02

DH


0,42

0,000,010,05 0,07 0,020,03 0,05 0,040,040,010,07 0,07 0,040,060,02

Production A'DAM

96

0,40 0,23

0,02 0,000,02 0,04 0,04 0,01 0,000,020,03 0,01 0,02 0,05 0,01 0,070,02

NL

0,35

0,01 0,03 0,02 0,11 0,07 0,040,02 0,03 0,01 0,080,040,02 0,05 0,070,03

DH

0,62 0,38

0,04 0,04 0,04 0,05 0,04 0,02 0,000,00 0,02 0,02 0,04 0,04 0,02 0,040,02 0,38

0,05 0,05 0,07 0,05 0,02 0,01 0,05 0,02 0,05 0,04 0,04 0,05 0,04 0,030,02

0,42

0,03 0,06 0,04 0,04 0,05 0,02 0,01 0,02 0,02 0,02 0,01 0,04 0,010,030,02

Services & Production NL A'DAM DH



Headcount thousands 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

1,00 0,85

Rent A'DAM 266,21 273,65 290,88 326,59 360,16 364,90 371,96 332,45 300,48 266,95 250,00 255,78 278,91 306,99 292,76 278,72

0,85 1,00

Rent DH 186,30 183,67 194,19 190,81 203,03 209,04 213,08 205,15 200,66 192,85 180,00 186,91 198,53 194,23 197,05 195,10 0,05 0,34

NL 7.155,10 7.314,90 7.541,40 7.738,30 7.937,00 8.115,40 8.282,40 8.323,90 8.283,10 8.211,30 8.251,60 8.392,30 8.606,60 8.730,80 8.630,50 8.595,97 0,06

Total A'DAM 700,08 722,12 751,87 791,42 813,41 837,21 852,36 850,93 842,88 848,47 850,05 873,81 891,38 911,83 904,91 903,98

Correlatie huurprijs en werkzame beroepsbevolking

0,44

DH 376,76 380,71 392,19 402,18 411,58 422,81 433,05 437,43 432,92 425,17 424,03 425,97 441,09 441,05 446,30 447,68 0,10 0,36

NL 3.928,70 4.077,54 4.229,36 4.379,76 4.511,94 4.628,04 4.707,00 4.698,36 4.654,63 4.611,29 4.652,56 4.762,04 4.920,54 5.004,10 4.914,90 4.885,64 0,14

Services A'DAM 471,21 496,47 525,58 560,88 577,41 596,81 604,71 599,42 588,43 591,75 596,07 614,88 628,27 648,46 637,13 633,90

0,61

DH 261,26 266,60 279,30 287,27 293,70 303,30 309,56 308,26 301,26 295,88 294,73 296,61 308,81 306,71 307,97 307,64


97

0,83 0,61

0,54

Production NL A'DAM 1.504,70 84,25 1.493,08 79,18 1.522,62 77,94 1.539,52 79,67 1.555,58 80,58 1.574,68 80,94 1.577,40 81,67 1.552,22 80,06 1.498,85 77,11 1.461,76 75,21 1.441,52 73,27 1.446,08 74,97 1.456,68 74,48 1.476,00 73,97 1.439,60 73,13 1.403,41 71,44

0,49

DH 37,32 34,72 34,24 35,36 36,87 36,81 36,48 36,24 36,29 34,80 34,38 33,06 33,70 34,65 34,51 33,87 0,26 0,49

0,19 0,66

Services & Production NL A'DAM DH 5.433,40 555,47 298,58 5.570,62 575,66 301,32 5.751,98 603,52 313,54 5.919,28 640,56 322,63 6.067,52 657,99 330,57 6.202,72 677,75 340,12 6.284,40 686,38 346,04 6.250,58 679,48 344,49 6.153,48 665,55 337,55 6.073,05 666,96 330,68 6.094,07 669,34 329,11 6.208,13 689,85 329,67 6.377,23 702,75 342,50 6.480,10 722,43 341,37 6.354,50 710,27 342,48 6.289,05 705,34 341,51



1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Headcount thousands

1,00 0,59

0,03 0,06 0,12 0,10 0,01 0,02 0,110,100,110,060,02 0,09 0,10 0,050,05-

Rent A'DAM

0,59 1,00

0,010,06 0,020,06 0,03 0,02 0,040,020,040,070,04 0,06 0,020,01 0,01-

Rent DH

0,83 0,58

0,02 0,03 0,03 0,03 0,02 0,02 0,01 0,000,010,00 0,02 0,03 0,01 0,010,00-

NL

0,83

0,03 0,04 0,05 0,03 0,03 0,02 0,000,010,01 0,00 0,03 0,02 0,02 0,010,00-

Total A'DAM

0,73

0,01 0,03 0,03 0,02 0,03 0,02 0,01 0,010,020,000,00 0,04 0,000,01 0,00

DH

0,83 0,51

0,04 0,04 0,04 0,03 0,03 0,02 0,000,010,010,01 0,02 0,03 0,02 0,020,01-

NL

0,79

0,05 0,06 0,07 0,03 0,03 0,01 0,010,020,01 0,01 0,03 0,02 0,03 0,020,01-

Services A'DAM

Correlatie veranderingen huurprijs en werkzame beroepsbevolking

0,73

0,02 0,05 0,03 0,02 0,03 0,02 0,000,020,020,000,01 0,04 0,010,00 0,00-

DH


0,52

0,060,020,02 0,01 0,00 0,01 0,020,040,020,030,02 0,010,010,010,02-

Production A'DAM

98

0,87 0,59

0,010,02 0,01 0,01 0,01 0,00 0,020,030,020,010,00 0,01 0,01 0,020,03-

NL

0,26

0,070,010,03 0,04 0,000,010,010,00 0,040,010,040,02 0,03 0,000,02-

DH

0,87 0,55

0,03 0,03 0,03 0,03 0,02 0,01 0,010,020,010,00 0,02 0,03 0,02 0,020,010,82

0,04 0,05 0,06 0,03 0,03 0,01 0,010,020,00 0,00 0,03 0,02 0,03 0,020,01-

0,74

0,01 0,04 0,03 0,02 0,03 0,02 0,000,020,020,000,00 0,04 0,000,00 0,00-


1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010



FTE thousands

1,00 0,85

Rent A'DAM 266,21 273,65 290,88 326,59 360,16 364,90 371,96 332,45 300,48 266,95 250,00 255,78 278,91 306,99 292,76 278,72

0,85 1,00

Rent DH 186,30 183,67 194,19 190,81 203,03 209,04 213,08 205,15 200,66 192,85 180,00 186,91 198,53 194,23 197,05 195,10

Correlatie huurprijs en voltijdbanen

0,40 0,60

NL 5.548,86 5.646,33 5.825,78 5.932,03 6.046,25 6.094,43 6.185,32 6.131,26 6.046,77 5.969,60 5.968,27 6.050,17 6.183,26 6.253,05 6.148,24 6.095,56 0,29

Total A'DAM 536,68 548,36 578,22 604,36 612,87 627,74 634,74 624,61 609,74 610,74 609,99 628,47 636,71 653,33 647,73 644,13

0,75

DH 297,49 298,60 306,91 313,47 317,19 320,84 326,84 328,82 324,68 316,65 313,10 312,16 322,77 320,69 318,18 317,89 0,36 0,55

NL 3.062,15 3.168,85 3.294,35 3.402,51 3.473,88 3.535,79 3.571,84 3.524,07 3.459,88 3.410,66 3.428,64 3.500,11 3.606,07 3.655,57 3.578,14 3.546,85 0,33

Services A'DAM 368,90 385,79 413,57 439,71 446,38 461,34 463,44 453,73 439,49 439,68 442,05 456,80 464,14 480,24 472,35 468,58

0,82

DH 210,52 214,04 223,72 230,11 232,34 237,60 241,03 239,42 233,52 227,82 225,26 225,40 234,30 230,73 227,70 226,94


99

0,74 0,46

0,54

Production NL A'DAM 1.343,37 75,04 1.335,85 70,64 1.365,14 70,04 1.378,68 71,42 1.385,68 71,65 1.396,01 71,86 1.393,46 72,39 1.353,31 69,98 1.306,95 67,31 1.269,04 65,33 1.245,14 63,27 1.247,70 64,74 1.255,14 64,09 1.270,18 64,14 1.237,42 63,66 1.204,84 62,13

0,35

DH 34,06 31,70 31,27 32,27 33,41 33,11 32,93 32,30 32,41 30,90 30,46 29,25 29,78 30,26 29,65 29,06 0,69 0,76

0,43 0,87

Services & Production NL A'DAM DH 4.405,52 443,94 244,58 4.504,70 456,43 245,74 4.659,49 483,62 255,00 4.781,18 511,13 262,38 4.859,56 518,03 265,75 4.931,80 533,20 270,70 4.965,29 535,83 273,96 4.877,37 523,71 271,72 4.766,82 506,80 265,93 4.679,71 505,02 258,72 4.673,78 505,33 255,73 4.747,80 521,54 254,64 4.861,21 528,24 264,08 4.925,75 544,39 260,98 4.815,56 536,02 257,35 4.751,69 530,70 256,00

1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010



FTE thousands

1,00 0,59

0,03 0,06 0,12 0,10 0,01 0,02 0,110,100,110,060,02 0,09 0,10 0,050,05-

Rent A'DAM

0,59 1,00

0,010,06 0,020,06 0,03 0,02 0,040,020,040,070,04 0,06 0,020,01 0,01-

Rent DH

0,86 0,61

0,02 0,03 0,02 0,02 0,01 0,01 0,010,010,010,000,01 0,02 0,01 0,020,01-

NL

0,79

0,02 0,05 0,05 0,01 0,02 0,01 0,020,020,00 0,000,03 0,01 0,03 0,010,01-

Total A'DAM

Correlatie veranderingen huurprijs en voltijdbanen

0,67

0,00 0,03 0,02 0,01 0,01 0,02 0,01 0,010,020,010,000,03 0,010,010,00-

DH

0,84 0,51

0,03 0,04 0,03 0,02 0,02 0,01 0,010,020,010,01 0,02 0,03 0,01 0,020,01-

NL

0,76

0,05 0,07 0,06 0,02 0,03 0,00 0,020,030,00 0,01 0,03 0,02 0,03 0,020,01-

Services A'DAM

0,66

0,02 0,05 0,03 0,01 0,02 0,01 0,010,020,020,010,00 0,04 0,020,010,00-

DH


0,60

0,060,010,02 0,00 0,00 0,01 0,030,040,030,030,02 0,010,00 0,010,02-

Production A'DAM

100

0,91 0,61

0,010,02 0,01 0,01 0,01 0,000,030,030,030,020,00 0,01 0,01 0,030,03-

NL

0,29

0,070,010,03 0,04 0,010,010,020,00 0,050,010,040,02 0,02 0,020,02-

DH

0,88 0,55

0,02 0,03 0,03 0,02 0,01 0,01 0,020,020,020,000,02 0,02 0,01 0,020,010,79

0,03 0,06 0,06 0,01 0,03 0,00 0,020,030,000,00 0,03 0,01 0,03 0,020,01-

0,67

0,00 0,04 0,03 0,01 0,02 0,01 0,010,020,030,010,000,04 0,010,010,01-



Real rent (1) Real GDP (2) Value added - services (3) Value added - services & production (4) Headcount - services (5) Headcount - services & production (6) FTE - services (7) FTE - services & production (8) Natural Stock (9) Occupied Stock (10) Stock (11) Natural vacancy rate (12) Vacancy rate (13) One period lagged vacancy rate (14) Two periods lagged vacancy rate (15)

AMSTERDAM (local) Year 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

2 GDP 38,88 40,70 42,81 45,61 47,95 49,39 49,62 51,37 52,41 55,22 56,92 59,07 61,59 63,58 61,08 62,20 2 0,2191 0,998 0,999 0,926 0,907 0,829 0,764 0,831 0,889 0,950 0,857 0,800 0,805 0,835

1 R 266,21 273,65 290,88 326,59 360,16 364,90 371,96 332,45 300,48 266,95 250,00 255,78 278,91 306,99 292,76 278,72

1 1 0,2190,2500,2330,144 0,193 0,332 0,434 0,4520,2160,4470,5600,6650,8110,775-

3 0,2500,998 1 0,999 0,910 0,889 0,810 0,741 0,828 0,887 0,957 0,873 0,809 0,818 0,847

3 VA 24,41 25,96 27,65 29,67 31,17 32,03 32,19 33,72 34,86 37,11 38,67 40,16 41,90 44,06 42,81 43,64 4 0,2330,999 0,999 1 0,917 0,897 0,819 0,752 0,829 0,890 0,955 0,865 0,802 0,810 0,841

4 VA' 29,20 30,74 32,39 34,64 36,48 37,23 37,55 39,36 40,24 42,27 43,78 45,63 47,77 49,69 48,11 49,04 5 0,144 0,926 0,910 0,917 1 0,998 0,975 0,947 0,730 0,880 0,794 0,679 0,567 0,535 0,592

5 HC 471,21 496,47 525,58 560,88 577,41 596,81 604,71 599,42 588,43 591,75 596,07 614,88 628,27 648,46 637,13 633,90 6 0,193 0,907 0,889 0,897 0,998 1 0,982 0,960 0,701 0,862 0,766 0,636 0,534 0,482 0,529

6 HC' 555,47 575,66 603,52 640,56 657,99 677,75 686,38 679,48 665,55 666,96 669,34 689,85 702,75 722,43 710,27 705,34 7 0,332 0,829 0,810 0,819 0,975 0,982 1 0,993 0,543 0,760 0,647 0,545 0,383 0,313 0,385

7 FTE 368,90 385,79 413,57 439,71 446,38 461,34 463,44 453,73 439,49 439,68 442,05 456,80 464,14 480,24 472,35 468,58 8 0,434 0,764 0,741 0,752 0,947 0,960 0,993 1 0,444 0,681 0,563 0,433 0,287 0,178 0,204

8 FTE' 443,94 456,43 483,62 511,13 518,03 533,20 535,83 523,71 506,80 505,02 505,33 521,54 528,24 544,39 536,02 530,70

101

10 0,2160,889 0,887 0,890 0,880 0,862 0,760 0,681 0,927 1 0,897 0,603 0,793 0,600 0,534

4.030,62 4.095,34 4.222,86 4.324,72 4.505,61 4.541,67 4.849,10 4.780,16 4.862,03 4.724,50 4.581,18 4.801,72 4.943,38 5.086,89 5.092,20

4.091,61 4.027,04 4.053,79 4.098,07 4.245,64 4.424,58 4.800,91 4.937,42 5.130,56 4.705,67 4.754,22 4.797,49 4.841,90 4.945,73 5.029,33 9 0,4520,831 0,828 0,829 0,730 0,701 0,543 0,444 1 0,927 0,913 0,545 0,885 0,719 0,572

10 (1-v(t-1))S

9 (1-v')S

Correlatiematrix voor de regio Amsterdam gebaseerd op economische activiteit op lokaal niveau

G Correlatiematrix long-run equilibrium model


11 0,4470,950 0,957 0,955 0,794 0,766 0,647 0,563 0,913 0,897 1 0,839 0,930 0,891 0,817

11 S 4.410,00 4.436,00 4.366,00 4.395,00 4.443,00 4.603,00 4.797,00 5.205,00 5.353,00 5.562,40 5.719,40 5.778,40 5.831,00 5.884,97 6.011,18 6.112,78 12 0,5600,857 0,873 0,865 0,679 0,636 0,545 0,433 0,545 0,603 0,839 1 0,781 0,879 0,894

7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 17,72% 17,72% 17,72% 17,72% 17,72% 17,72%

12 NVR

13 0,6650,800 0,809 0,802 0,567 0,534 0,383 0,287 0,885 0,793 0,930 0,781 1 0,918 0,758

13 VR 9,14% 6,20% 3,92% 2,66% 2,12% 5,32% 6,84% 10,70% 12,59% 17,40% 20,72% 17,65% 16,00% 15,38% 16,70% 18,00% 14 0,8110,805 0,818 0,810 0,535 0,482 0,313 0,178 0,719 0,600 0,891 0,879 0,918 1 0,912

9,14% 6,20% 3,92% 2,66% 2,12% 5,32% 6,84% 10,70% 12,59% 17,40% 20,72% 17,65% 16,00% 15,38% 16,70%

14 VR(t-1)

15 0,7750,835 0,847 0,841 0,592 0,529 0,385 0,204 0,572 0,534 0,817 0,894 0,758 0,912 1

9,14% 6,20% 3,92% 2,66% 2,12% 5,32% 6,84% 10,70% 12,59% 17,40% 20,72% 17,65% 16,00% 15,38%

15 VR(t-2)



DEN HAAG (local) Year 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

2 GDP 19,34 19,83 20,91 21,98 22,99 24,04 24,47 24,85 25,10 25,62 26,11 26,43 27,57 27,69 27,13 27,71 2 0,188 1 0,994 0,997 0,874 0,841 0,514 0,367 0,970 0,974 0,976 0,773 0,586 0,527 0,535

1 R 186,30 183,67 194,19 190,81 203,03 209,04 213,08 205,15 200,66 192,85 180,00 186,91 198,53 194,23 197,05 195,10

1 1 0,188 0,118 0,168 0,606 0,656 0,825 0,868 0,0230,063 0,062 0,4010,4370,6780,576-

3 0,118 0,994 1 0,997 0,836 0,796 0,462 0,308 0,967 0,965 0,979 0,822 0,609 0,590 0,635

3 VA 12,68 13,04 13,91 14,51 14,95 15,56 16,00 16,14 16,48 16,86 17,46 17,87 18,73 18,36 17,92 18,30 4 0,168 0,997 0,997 1 0,862 0,827 0,510 0,362 0,967 0,966 0,974 0,775 0,597 0,556 0,567

4 VA' 14,83 15,22 16,16 16,81 17,51 18,31 18,63 18,82 19,25 19,64 20,03 20,33 21,24 20,99 20,38 20,82 5 0,606 0,874 0,836 0,862 1 0,996 0,848 0,750 0,744 0,802 0,782 0,403 0,198 0,010 0,060

5 HC 261,26 266,60 279,30 287,27 293,70 303,30 309,56 308,26 301,26 295,88 294,73 296,61 308,81 306,71 307,97 307,64 6 0,656 0,841 0,796 0,827 0,996 1 0,874 0,790 0,690 0,753 0,741 0,327 0,163 0,0650,062-

6 HC' 298,58 301,32 313,54 322,63 330,57 340,12 346,04 344,49 337,55 330,68 329,11 329,67 342,50 341,37 342,48 341,51 7 0,825 0,514 0,462 0,510 0,848 0,874 1 0,983 0,181 0,262 0,361 0,1980,2300,5250,556-

7 FTE 210,52 214,04 223,72 230,11 232,34 237,60 241,03 239,42 233,52 227,82 225,26 225,40 234,30 230,73 227,70 226,94 8 0,868 0,367 0,308 0,362 0,750 0,790 0,983 1 0,028 0,109 0,203 0,3450,3320,6290,667-

8 FTE' 244,58 245,74 255,00 262,38 265,75 270,70 273,96 271,72 265,93 258,72 255,73 254,64 264,08 260,98 257,35 256,00

102

10 0,063 0,974 0,965 0,966 0,802 0,753 0,262 0,109 0,991 1 0,987 0,741 0,752 0,491 0,498

3.785,19 3.933,29 3.986,32 4.145,25 4.186,31 4.330,62 4.519,83 4.625,06 4.550,05 4.499,05 4.645,43 4.817,92 4.797,40 4.883,24 4.906,59

3.828,96 3.903,54 3.936,94 4.065,12 4.168,44 4.282,63 4.427,90 4.624,43 4.624,43 4.533,56 4.698,82 4.790,20 4.790,20 4.835,90 4.879,31 9 0,0230,970 0,967 0,967 0,744 0,690 0,181 0,028 1 0,991 0,997 0,756 0,805 0,588 0,524

10 (1-v(t-1))S

9 (1-v')S

Correlatiematrix voor de regio Den Haag gebaseerd op economische activiteit op lokaal niveau


11 0,062 0,976 0,979 0,974 0,782 0,741 0,361 0,203 0,997 0,987 1 0,804 0,683 0,622 0,578

11 S 4.050,25 4.189,65 4.271,25 4.307,80 4.448,05 4.561,10 4.686,05 4.845,00 5.060,05 5.060,05 5.060,05 5.244,50 5.346,50 5.346,50 5.397,50 5.445,95 12 0,4010,773 0,822 0,775 0,403 0,327 0,1980,3450,756 0,741 0,804 1 0,659 0,754 0,837

8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 10,40% 10,40% 10,40% 10,40% 10,40% 10,40%

12 NVR

13 0,4370,586 0,609 0,597 0,198 0,163 0,2300,3320,805 0,752 0,683 0,659 1 0,733 0,470

13 VR 9,65% 7,91% 7,46% 6,81% 8,22% 7,58% 6,71% 8,60% 10,08% 11,09% 11,42% 9,89% 10,27% 9,53% 9,90% 10,93% 14 0,6780,527 0,590 0,556 0,010 0,0650,5250,6290,588 0,491 0,622 0,754 0,733 1 0,728

9,65% 7,91% 7,46% 6,81% 8,22% 7,58% 6,71% 8,60% 10,08% 11,09% 11,42% 9,89% 10,27% 9,53% 9,90%

14 VR(t-1)

15 0,5760,535 0,635 0,567 0,060 0,0620,5560,6670,524 0,498 0,578 0,837 0,470 0,728 1

9,65% 7,91% 7,46% 6,81% 8,22% 7,58% 6,71% 8,60% 10,08% 11,09% 11,42% 9,89% 10,27% 9,53%

15 VR(t-2)



AMSTERDAM (national) Year 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

2 GDP 371,33 383,98 400,41 416,12 435,61 452,78 461,50 461,85 463,40 473,76 483,46 499,87 519,47 529,24 508,52 517,44 2 0,1091 0,999 1,000 0,973 0,924 0,874 0,611 0,818 0,896 0,918 0,811 0,749 0,742 0,771

1 R 266,21 273,65 290,88 326,59 360,16 364,90 371,96 332,45 300,48 266,95 250,00 255,78 278,91 306,99 292,76 278,72

1 1 0,1090,1170,1080,105 0,262 0,363 0,688 0,4520,2160,4470,5600,6650,8110,775-

3 0,1170,999 1 0,999 0,971 0,919 0,871 0,603 0,813 0,896 0,921 0,825 0,747 0,749 0,787

3 VA 179,19 187,46 199,50 210,06 221,72 230,42 236,11 235,82 238,67 244,23 251,08 262,37 273,89 280,50 271,04 275,47 4 0,1081,000 0,999 1 0,972 0,923 0,874 0,611 0,811 0,891 0,916 0,815 0,746 0,742 0,774

4 VA' 270,09 280,00 291,77 304,02 319,04 331,93 339,05 338,75 339,11 347,37 354,90 368,27 384,60 392,37 375,25 381,85 5 0,105 0,973 0,971 0,972 1 0,985 0,958 0,766 0,761 0,895 0,824 0,698 0,603 0,577 0,624

5 HC 3.928,70 4.077,54 4.229,36 4.379,76 4.511,94 4.628,04 4.707,00 4.698,36 4.654,63 4.611,29 4.652,56 4.762,04 4.920,54 5.004,10 4.914,90 4.885,64 6 0,262 0,924 0,919 0,923 0,985 1 0,988 0,861 0,666 0,834 0,722 0,567 0,479 0,411 0,442

6 HC' 5.433,40 5.570,62 5.751,98 5.919,28 6.067,52 6.202,72 6.284,40 6.250,58 6.153,48 6.073,05 6.094,07 6.208,13 6.377,23 6.480,10 6.354,50 6.289,05 7 0,363 0,874 0,871 0,874 0,958 0,988 1 0,916 0,532 0,741 0,628 0,509 0,357 0,291 0,352

7 FTE 3.062,15 3.168,85 3.294,35 3.402,51 3.473,88 3.535,79 3.571,84 3.524,07 3.459,88 3.410,66 3.428,64 3.500,11 3.606,07 3.655,57 3.578,14 3.546,85 8 0,688 0,611 0,603 0,611 0,766 0,861 0,916 1 0,117 0,373 0,271 0,063 0,0190,2110,260-

8 FTE' 4.405,52 4.504,70 4.659,49 4.781,18 4.859,56 4.931,80 4.965,29 4.877,37 4.766,82 4.679,71 4.673,78 4.747,80 4.861,21 4.925,75 4.815,56 4.751,69

103

10 0,2160,896 0,896 0,891 0,895 0,834 0,741 0,373 0,927 1 0,897 0,603 0,793 0,600 0,534

4.030,62 4.095,34 4.222,86 4.324,72 4.505,61 4.541,67 4.849,10 4.780,16 4.862,03 4.724,50 4.581,18 4.801,72 4.943,38 5.086,89 5.092,20

4.091,61 4.027,04 4.053,79 4.098,07 4.245,64 4.424,58 4.800,91 4.937,42 5.130,56 4.705,67 4.754,22 4.797,49 4.841,90 4.945,73 5.029,33 9 0,4520,818 0,813 0,811 0,761 0,666 0,532 0,117 1 0,927 0,913 0,545 0,885 0,719 0,572

10 (1-v(t-1))S

9 (1-v')S

11 0,4470,918 0,921 0,916 0,824 0,722 0,628 0,271 0,913 0,897 1 0,839 0,930 0,891 0,817

11 S 4.410,00 4.436,00 4.366,00 4.395,00 4.443,00 4.603,00 4.797,00 5.205,00 5.353,00 5.562,40 5.719,40 5.778,40 5.831,00 5.884,97 6.011,18 6.112,78

Correlatiematrix voor de regio Amsterdam gebaseerd op economische activiteit op nationaal niveau


12 0,5600,811 0,825 0,815 0,698 0,567 0,509 0,063 0,545 0,603 0,839 1 0,781 0,879 0,894

7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 17,72% 17,72% 17,72% 17,72% 17,72% 17,72%

12 NVR

13 0,6650,749 0,747 0,746 0,603 0,479 0,357 0,0190,885 0,793 0,930 0,781 1 0,918 0,758

13 VR 9,14% 6,20% 3,92% 2,66% 2,12% 5,32% 6,84% 10,70% 12,59% 17,40% 20,72% 17,65% 16,00% 15,38% 16,70% 18,00% 14 0,8110,742 0,749 0,742 0,577 0,411 0,291 0,2110,719 0,600 0,891 0,879 0,918 1 0,912

9,14% 6,20% 3,92% 2,66% 2,12% 5,32% 6,84% 10,70% 12,59% 17,40% 20,72% 17,65% 16,00% 15,38% 16,70%

14 VR(t-1)

15 0,7750,771 0,787 0,774 0,624 0,442 0,352 0,2600,572 0,534 0,817 0,894 0,758 0,912 1

9,14% 6,20% 3,92% 2,66% 2,12% 5,32% 6,84% 10,70% 12,59% 17,40% 20,72% 17,65% 16,00% 15,38%

15 VR(t-2)



DEN HAAG (national) Year 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

2 GDP 371,33 383,98 400,41 416,12 435,61 452,78 461,50 461,85 463,40 473,76 483,46 499,87 519,47 529,24 508,52 517,44 2 0,175 1 0,999 1,000 0,973 0,924 0,874 0,611 0,957 0,962 0,971 0,811 0,556 0,549 0,587

1 R 186,30 183,67 194,19 190,81 203,03 209,04 213,08 205,15 200,66 192,85 180,00 186,91 198,53 194,23 197,05 195,10

1 1 0,175 0,164 0,174 0,363 0,493 0,547 0,763 0,0230,063 0,062 0,4010,4370,6780,576-

3 0,164 0,999 1 0,999 0,971 0,919 0,871 0,603 0,958 0,964 0,973 0,825 0,557 0,550 0,602

3 VA 179,19 187,46 199,50 210,06 221,72 230,42 236,11 235,82 238,67 244,23 251,08 262,37 273,89 280,50 271,04 275,47 4 0,174 1,000 0,999 1 0,972 0,923 0,874 0,611 0,954 0,959 0,969 0,815 0,552 0,548 0,592

4 VA' 270,09 280,00 291,77 304,02 319,04 331,93 339,05 338,75 339,11 347,37 354,90 368,27 384,60 392,37 375,25 381,85 5 0,363 0,973 0,971 0,972 1 0,985 0,958 0,766 0,906 0,936 0,917 0,698 0,388 0,349 0,434

5 HC 3.928,70 4.077,54 4.229,36 4.379,76 4.511,94 4.628,04 4.707,00 4.698,36 4.654,63 4.611,29 4.652,56 4.762,04 4.920,54 5.004,10 4.914,90 4.885,64 6 0,493 0,924 0,919 0,923 0,985 1 0,988 0,861 0,812 0,857 0,841 0,567 0,255 0,181 0,272

6 HC' 5.433,40 5.570,62 5.751,98 5.919,28 6.067,52 6.202,72 6.284,40 6.250,58 6.153,48 6.073,05 6.094,07 6.208,13 6.377,23 6.480,10 6.354,50 6.289,05 7 0,547 0,874 0,871 0,874 0,958 0,988 1 0,916 0,711 0,769 0,767 0,509 0,130 0,068 0,216

7 FTE 3.062,15 3.168,85 3.294,35 3.402,51 3.473,88 3.535,79 3.571,84 3.524,07 3.459,88 3.410,66 3.428,64 3.500,11 3.606,07 3.655,57 3.578,14 3.546,85 8 0,763 0,611 0,603 0,611 0,766 0,861 0,916 1 0,273 0,358 0,453 0,063 0,2330,3760,276-

8 FTE' 4.405,52 4.504,70 4.659,49 4.781,18 4.859,56 4.931,80 4.965,29 4.877,37 4.766,82 4.679,71 4.673,78 4.747,80 4.861,21 4.925,75 4.815,56 4.751,69

104

10 0,063 0,962 0,964 0,959 0,936 0,857 0,769 0,358 0,991 1 0,987 0,741 0,752 0,491 0,498

3.785,19 3.933,29 3.986,32 4.145,25 4.186,31 4.330,62 4.519,83 4.625,06 4.550,05 4.499,05 4.645,43 4.817,92 4.797,40 4.883,24 4.906,59

3.828,96 3.903,54 3.936,94 4.065,12 4.168,44 4.282,63 4.427,90 4.624,43 4.624,43 4.533,56 4.698,82 4.790,20 4.790,20 4.835,90 4.879,31 9 0,0230,957 0,958 0,954 0,906 0,812 0,711 0,273 1 0,991 0,997 0,756 0,805 0,588 0,524

10 (1-v(t-1))S

9 (1-v')S

Correlatiematrix voor de regio Den Haag gebaseerd op economische activiteit op nationaal niveau


11 0,062 0,971 0,973 0,969 0,917 0,841 0,767 0,453 0,997 0,987 1 0,804 0,683 0,622 0,578

11 S 4.050,25 4.189,65 4.271,25 4.307,80 4.448,05 4.561,10 4.686,05 4.845,00 5.060,05 5.060,05 5.060,05 5.244,50 5.346,50 5.346,50 5.397,50 5.445,95 12 0,4010,811 0,825 0,815 0,698 0,567 0,509 0,063 0,756 0,741 0,804 1 0,659 0,754 0,837

8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 10,40% 10,40% 10,40% 10,40% 10,40% 10,40%

12 NVR

13 0,4370,556 0,557 0,552 0,388 0,255 0,130 0,2330,805 0,752 0,683 0,659 1 0,733 0,470

13 VR 9,65% 7,91% 7,46% 6,81% 8,22% 7,58% 6,71% 8,60% 10,08% 11,09% 11,42% 9,89% 10,27% 9,53% 9,90% 10,93% 14 0,6780,549 0,550 0,548 0,349 0,181 0,068 0,3760,588 0,491 0,622 0,754 0,733 1 0,728

9,65% 7,91% 7,46% 6,81% 8,22% 7,58% 6,71% 8,60% 10,08% 11,09% 11,42% 9,89% 10,27% 9,53% 9,90%

14 VR(t-1)

15 0,5760,587 0,602 0,592 0,434 0,272 0,216 0,2760,524 0,498 0,578 0,837 0,470 0,728 1

9,65% 7,91% 7,46% 6,81% 8,22% 7,58% 6,71% 8,60% 10,08% 11,09% 11,42% 9,89% 10,27% 9,53%

15 VR(t-2)


Δ Real rent (1) Δ Real GDP (2) Δ Value added - services (3) Δ Value added - services & production (4) Δ Headcount - services (5) Δ Headcount - services & production (6) Δ FTE - services (7) Δ FTE - services & production (8) Δ Natural Stock (9) Δ Occupied Stock (10) Δ Stock (11) Δ Natural vacancy rate (12) Δ Vacancy rate (13) Δ One period lagged vacancy rate (14) Δ Two periods lagged vacancy rate (15)

AMSTERDAM (local) Year 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 0,05 0,05 0,07 0,05 0,03 0,00 0,04 0,02 0,05 0,03 0,04 0,04 0,03 0,040,02 2 0,377 1 0,963 0,979 0,668 0,652 0,583 0,555 0,1300,085 0,2340,0040,2330,3990,097-

1 1 0,377 0,306 0,382 0,788 0,824 0,755 0,791 0,2370,204 0,6670,2350,4380,4310,634

2 GDP

0,03 0,06 0,12 0,10 0,01 0,02 0,110,100,110,060,02 0,09 0,10 0,050,05-

1 R

3 0,306 0,963 1 0,970 0,639 0,602 0,568 0,521 0,1610,087 0,2340,045 0,3040,4030,138-

0,06 0,07 0,07 0,05 0,03 0,01 0,05 0,03 0,06 0,04 0,04 0,04 0,05 0,030,02

3 VA

4 0,382 0,979 0,970 1 0,647 0,629 0,557 0,526 0,1230,113 0,2030,017 0,3390,3740,093-

0,05 0,05 0,07 0,05 0,02 0,01 0,05 0,02 0,05 0,04 0,04 0,05 0,04 0,030,02

4 VA'

5 0,788 0,668 0,639 0,647 1 0,990 0,976 0,963 0,2840,107 0,6110,1160,3500,4750,390

0,05 0,06 0,07 0,03 0,03 0,01 0,010,020,01 0,01 0,03 0,02 0,03 0,020,01-

5 HC

6 0,824 0,652 0,602 0,629 0,990 1 0,969 0,974 0,2610,108 0,5950,1330,3240,4580,413

0,04 0,05 0,06 0,03 0,03 0,01 0,010,020,00 0,00 0,03 0,02 0,03 0,020,01-

6 HC'

7 0,755 0,583 0,568 0,557 0,976 0,969 1 0,991 0,3480,058 0,6680,0850,3380,4990,362

0,05 0,07 0,06 0,02 0,03 0,00 0,020,030,00 0,01 0,03 0,02 0,03 0,020,01-

7 FTE

8 0,791 0,555 0,521 0,526 0,963 0,974 0,991 1 0,3280,055 0,6600,1090,3160,4830,390

0,03 0,06 0,06 0,01 0,03 0,00 0,020,030,000,00 0,03 0,01 0,03 0,020,01-

8 FTE'

105

9 0,2370,1300,1610,1230,2840,2610,3480,3281 0,575 0,592 0,7690,389 0,193 0,237

0,020,01 0,01 0,04 0,04 0,09 0,03 0,04 0,080,01 0,01 0,01 0,02 0,02

9 (1-v')S

10 0,204 0,085 0,087 0,113 0,107 0,108 0,058 0,055 0,575 1 0,312 0,4650,270 0,3530,675

0,02 0,03 0,02 0,04 0,01 0,07 0,010,02 0,030,030,05 0,03 0,03 0,00

10 (1-v(t-1))S

Correlatiematrix voor de regio Amsterdam gebaseerd op economische activiteit op lokaal niveau

H Correlatiematrix short-run rent adjustment model


11 0,6670,2340,2340,2030,6110,5950,6680,6600,592 0,312 1 0,059 0,655 0,493 0,168-

0,01 0,020,01 0,01 0,04 0,04 0,09 0,03 0,04 0,03 0,01 0,01 0,01 0,02 0,02

11 S

12 0,2350,0040,045 0,017 0,1160,1330,0850,1090,7690,4650,059 1 0,025 0,152 0,426-

1,28 -

12 NVR

13 0,4380,2330,3040,3390,3500,3240,3380,3160,389 0,270 0,655 0,025 1 0,185 0,051

0,320,370,320,211,52 0,28 0,57 0,18 0,38 0,19 0,150,090,040,09 0,08

13 VR

14 0,4310,3990,4030,3740,4750,4580,4990,4830,193 0,3530,493 0,152 0,185 1 0,450-

0,320,370,320,211,52 0,28 0,57 0,18 0,38 0,19 0,150,090,040,09

14 VR(t-1)

15 0,634 0,0970,1380,0930,390 0,413 0,362 0,390 0,237 0,675 0,1680,4260,051 0,4501

0,03 0,06 0,12 0,10 0,01 0,02 0,110,100,110,060,02 0,09 0,10 0,05-

15 R(t-1)



DEN HAAG (local) Year 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 0,03 0,05 0,05 0,05 0,05 0,02 0,02 0,01 0,02 0,02 0,01 0,04 0,00 0,020,02 2 0,415 1 0,878 0,954 0,720 0,727 0,780 0,795 0,108 0,246 0,101 0,0740,1160,2270,328

1 1 0,415 0,346 0,422 0,728 0,741 0,658 0,675 0,509 0,670 0,372 0,4970,1710,4770,034

2 GDP

0,010,06 0,020,06 0,03 0,02 0,040,020,040,070,04 0,06 0,020,01 0,01-

1 R

3 0,346 0,878 1 0,954 0,644 0,607 0,728 0,704 0,115 0,258 0,188 0,134 0,1800,1370,015

0,03 0,07 0,04 0,03 0,04 0,03 0,01 0,02 0,02 0,04 0,02 0,05 0,020,020,02

3 VA

4 0,422 0,954 0,954 1 0,649 0,634 0,726 0,722 0,224 0,295 0,252 0,0390,0740,1080,130

0,03 0,06 0,04 0,04 0,05 0,02 0,01 0,02 0,02 0,02 0,01 0,04 0,010,030,02

4 VA'

5 0,728 0,720 0,644 0,649 1 0,985 0,977 0,966 0,141 0,501 0,127 0,1890,4380,6050,380

0,02 0,05 0,03 0,02 0,03 0,02 0,000,020,020,000,01 0,04 0,010,00 0,00-

5 HC

6 0,741 0,727 0,607 0,634 0,985 1 0,957 0,975 0,142 0,505 0,095 0,1960,3590,6120,428

0,01 0,04 0,03 0,02 0,03 0,02 0,000,020,020,000,00 0,04 0,000,00 0,00-

6 HC'

7 0,658 0,780 0,728 0,726 0,977 0,957 1 0,984 0,165 0,513 0,157 0,1980,4270,5910,399

0,02 0,05 0,03 0,01 0,02 0,01 0,010,020,020,010,00 0,04 0,020,010,00-

7 FTE

8 0,675 0,795 0,704 0,722 0,966 0,975 0,984 1 0,170 0,517 0,130 0,1980,3520,5910,442

0,00 0,04 0,03 0,01 0,02 0,01 0,010,020,030,010,000,04 0,010,010,01-

8 FTE'

106

9 0,509 0,108 0,115 0,224 0,141 0,142 0,165 0,170 1 0,786 0,960 0,6150,204 0,0480,115-

0,02 0,01 0,03 0,03 0,03 0,03 0,04 0,020,04 0,02 0,01 0,01

9 (1-v')S

10 0,670 0,246 0,258 0,295 0,501 0,505 0,513 0,517 0,786 1 0,772 0,4320,146 0,6180,060-

0,04 0,01 0,04 0,01 0,03 0,04 0,02 0,020,010,03 0,04 0,000,02 0,00

10 (1-v(t-1))S

Correlatiematrix voor de regio Den Haag gebaseerd op economische activiteit op lokaal niveau


11 0,372 0,101 0,188 0,252 0,127 0,095 0,157 0,130 0,960 0,772 1 0,3700,104 0,009 0,243-

0,03 0,02 0,01 0,03 0,03 0,03 0,03 0,04 0,04 0,02 0,01 0,01

11 S

12 0,4970,0740,134 0,0390,1890,1960,1980,1980,6150,4320,3701 0,0010,186 0,302-

0,21 -

12 NVR

13 0,1710,1160,1800,0740,4380,3590,4270,3520,204 0,146 0,104 0,0011 0,047 0,228-

0,180,060,090,21 0,080,120,28 0,17 0,10 0,03 0,130,04 0,070,04 0,10

13 VR

14 0,4770,2270,1370,1080,6050,6120,5910,5910,0480,6180,009 0,186 0,047 1 0,158-

0,180,060,090,21 0,080,120,28 0,17 0,10 0,03 0,130,04 0,070,04

14 VR(t-1)

15 0,034 0,328 0,015 0,130 0,380 0,428 0,399 0,442 0,1150,0600,2430,3020,2280,1581

0,010,06 0,020,06 0,03 0,02 0,040,020,040,070,04 0,06 0,020,01

15 R(t-1)



AMSTERDAM (national) Year 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 0,03 0,04 0,04 0,05 0,04 0,02 0,00 0,00 0,02 0,02 0,03 0,04 0,02 0,040,02 2 0,608 1 0,972 0,998 0,835 0,824 0,812 0,799 0,2510,0360,4290,0170,1500,3010,067

1 1 0,608 0,662 0,615 0,833 0,865 0,839 0,875 0,2370,204 0,6670,2350,4380,4310,634

2 GDP

0,03 0,06 0,12 0,10 0,01 0,02 0,110,100,110,060,02 0,09 0,10 0,050,05-

1 R

3 0,662 0,972 1 0,966 0,881 0,866 0,877 0,862 0,3480,1150,5620,0010,3040,3250,069

0,05 0,06 0,05 0,06 0,04 0,02 0,000,01 0,02 0,03 0,04 0,04 0,02 0,030,02

3 VA

4 0,615 0,998 0,966 1 0,835 0,824 0,812 0,799 0,2500,0400,4220,0120,1590,2820,058

0,04 0,04 0,04 0,05 0,04 0,02 0,000,00 0,02 0,02 0,04 0,04 0,02 0,040,02

4 VA'

5 0,833 0,835 0,881 0,835 1 0,992 0,987 0,979 0,2800,135 0,5450,0640,3110,3520,405

0,04 0,04 0,04 0,03 0,03 0,02 0,000,010,010,01 0,02 0,03 0,02 0,020,01-

5 HC

6 0,865 0,824 0,866 0,824 0,992 1 0,980 0,987 0,2620,166 0,5380,0850,2760,3610,453

0,03 0,03 0,03 0,03 0,02 0,01 0,010,020,010,00 0,02 0,03 0,02 0,020,01-

6 HC'

7 0,839 0,812 0,877 0,812 0,987 0,980 1 0,993 0,3640,076 0,6410,0430,3850,3880,365

0,03 0,04 0,03 0,02 0,02 0,01 0,010,020,010,01 0,02 0,03 0,01 0,020,01-

7 FTE

8 0,875 0,799 0,862 0,799 0,979 0,987 0,993 1 0,3400,100 0,6460,0770,3540,3920,418

0,02 0,03 0,03 0,02 0,01 0,01 0,020,020,020,000,02 0,02 0,01 0,020,01-

8 FTE'

107

9 0,2370,2510,3480,2500,2800,2620,3640,3401 0,575 0,592 0,7690,389 0,193 0,237

0,020,01 0,01 0,04 0,04 0,09 0,03 0,04 0,080,01 0,01 0,01 0,02 0,02

9 (1-v')S

10 0,204 0,0360,1150,0400,135 0,166 0,076 0,100 0,575 1 0,312 0,4650,270 0,3530,675

0,02 0,03 0,02 0,04 0,01 0,07 0,010,02 0,030,030,05 0,03 0,03 0,00

10 (1-v(t-1))S

Correlatiematrix voor de regio Amsterdam gebaseerd op economische activiteit op nationaal niveau


11 0,6670,4290,5620,4220,5450,5380,6410,6460,592 0,312 1 0,059 0,655 0,493 0,168-

0,01 0,020,01 0,01 0,04 0,04 0,09 0,03 0,04 0,03 0,01 0,01 0,01 0,02 0,02

11 S

12 0,2350,0170,0010,0120,0640,0850,0430,0770,7690,4650,059 1 0,025 0,152 0,426-

1,28 -

12 NVR

13 0,4380,1500,3040,1590,3110,2760,3850,3540,389 0,270 0,655 0,025 1 0,185 0,051

0,320,370,320,211,52 0,28 0,57 0,18 0,38 0,19 0,150,090,040,09 0,08

13 VR

14 0,4310,3010,3250,2820,3520,3610,3880,3920,193 0,3530,493 0,152 0,185 1 0,450-

0,320,370,320,211,52 0,28 0,57 0,18 0,38 0,19 0,150,090,040,09

14 VR(t-1)

15 0,634 0,067 0,069 0,058 0,405 0,453 0,365 0,418 0,237 0,675 0,1680,4260,051 0,4501

0,03 0,06 0,12 0,10 0,01 0,02 0,110,100,110,060,02 0,09 0,10 0,05-

15 R(t-1)



DEN HAAG (national) Year 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 0,03 0,04 0,04 0,05 0,04 0,02 0,00 0,00 0,02 0,02 0,03 0,04 0,02 0,040,02 2 0,383 1 0,972 0,998 0,835 0,824 0,812 0,799 0,080 0,127 0,123 0,0170,3260,0920,209

1 1 0,383 0,417 0,378 0,512 0,548 0,508 0,551 0,509 0,670 0,372 0,4970,1710,4770,034

2 GDP

0,010,06 0,020,06 0,03 0,02 0,040,020,040,070,04 0,06 0,020,01 0,01-

1 R

3 0,417 0,972 1 0,966 0,881 0,866 0,877 0,862 0,087 0,185 0,146 0,0010,4020,1630,114

0,05 0,06 0,05 0,06 0,04 0,02 0,000,01 0,02 0,03 0,04 0,04 0,02 0,030,02

3 VA

4 0,378 0,998 0,966 1 0,835 0,824 0,812 0,799 0,067 0,117 0,112 0,0120,3410,0970,213

0,04 0,04 0,04 0,05 0,04 0,02 0,000,00 0,02 0,02 0,04 0,04 0,02 0,040,02

4 VA'

5 0,512 0,835 0,881 0,835 1 0,992 0,987 0,979 0,121 0,372 0,198 0,0640,5630,4240,339

0,04 0,04 0,04 0,03 0,03 0,02 0,000,010,010,01 0,02 0,03 0,02 0,020,01-

5 HC

6 0,548 0,824 0,866 0,824 0,992 1 0,980 0,987 0,105 0,361 0,150 0,0850,5580,4390,370

0,03 0,03 0,03 0,03 0,02 0,01 0,010,020,010,00 0,02 0,03 0,02 0,020,01-

6 HC'

7 0,508 0,812 0,877 0,812 0,987 0,980 1 0,993 0,028 0,313 0,106 0,0430,6250,4470,302

0,03 0,04 0,03 0,02 0,02 0,01 0,010,020,010,01 0,02 0,03 0,01 0,020,01-

7 FTE

8 0,551 0,799 0,862 0,799 0,979 0,987 0,993 1 0,030 0,306 0,073 0,0770,6280,4490,332

0,02 0,03 0,03 0,02 0,01 0,01 0,020,020,020,000,02 0,02 0,01 0,020,01-

8 FTE'

108

9 0,509 0,080 0,087 0,067 0,121 0,105 0,028 0,030 1 0,786 0,960 0,6150,204 0,0480,115-

0,02 0,01 0,03 0,03 0,03 0,03 0,04 0,020,04 0,02 0,01 0,01

9 (1-v')S

10 0,670 0,127 0,185 0,117 0,372 0,361 0,313 0,306 0,786 1 0,772 0,4320,146 0,6180,060-

0,04 0,01 0,04 0,01 0,03 0,04 0,02 0,020,010,03 0,04 0,000,02 0,00

10 (1-v(t-1))S

Correlatiematrix voor de regio Den Haag gebaseerd op economische activiteit op nationaal niveau


11 0,372 0,123 0,146 0,112 0,198 0,150 0,106 0,073 0,960 0,772 1 0,3700,104 0,009 0,243-

0,03 0,02 0,01 0,03 0,03 0,03 0,03 0,04 0,04 0,02 0,01 0,01

11 S

12 0,4970,0170,0010,0120,0640,0850,0430,0770,6150,4320,3701 0,0010,186 0,302-

0,21 -

12 NVR

13 0,1710,3260,4020,3410,5630,5580,6250,6280,204 0,146 0,104 0,0011 0,047 0,228-

0,180,060,090,21 0,080,120,28 0,17 0,10 0,03 0,130,04 0,070,04 0,10

13 VR

14 0,4770,0920,1630,0970,4240,4390,4470,4490,0480,6180,009 0,186 0,047 1 0,158-

0,180,060,090,21 0,080,120,28 0,17 0,10 0,03 0,130,04 0,070,04

14 VR(t-1)

15 0,034 0,209 0,114 0,213 0,339 0,370 0,302 0,332 0,1150,0600,2430,3020,2280,1581

0,010,06 0,020,06 0,03 0,02 0,040,020,040,070,04 0,06 0,020,01

15 R(t-1)

Codering modellen


R, S, v* level Local - Amsterdam Local - Amsterdam Local - Amsterdam Local - Amsterdam Local - Amsterdam Local - Amsterdam Local - Den Haag Local - Den Haag Local - Den Haag Local - Den Haag Local - Den Haag Local - Den Haag

v* v* = v' v* = v(t-1) v* = 0 v* = v' v* = v(t-1) v* = 0 v* = v' v* = v(t-1) v* = 0 v* = v' v* = v(t-1) v* = 0

EA level Local - Amsterdam Local - Amsterdam Local - Amsterdam National - Netherlands National - Netherlands National - Netherlands Local - Den Haag Local - Den Haag Local - Den Haag National - Netherlands National - Netherlands National - Netherlands

GDP L1a L1b L1c N1a N1b N1c L1a L1b L1c N1a N1b N1c

VA(S) L2a L2b L2c N2a N2b N2c L2a L2b L2c N2a N2b N2c

HC(S) L3a L3b L3c N3a N3b N3c L3a L3b L3c N3a N3b N3c

109

MODEL CODES FTE(S) VA(S&P) L4a L2'a L4b L2'b L4c L2'c N4a N2'a N4b N2'b N4c N2'c L4a L2'a L4b L2'b L4c L2'c N4a N2'a N4b N2'b N4c N2'c

Overzicht van het aantal modellen en codering voor Amsterdam en Den Haag

I


HC(S&P) L3'a L3'b L3'c N3'a N3'b N3'c L3'a L3'b L3'c N3'a N3'b N3'c

FTE(S&P) L4'a L4'b L4'c N4'a N4'b N4'c L4'a L4'b L4'c N4'a N4'b N4'c


110

S Stock thousands sqm net A'DAM DH 4.410,00 4.050,25 4.436,00 4.189,65 4.366,00 4.271,25 4.395,00 4.307,80 4.443,00 4.448,05 4.603,00 4.561,10 4.797,00 4.686,05 5.205,00 4.845,00 5.353,00 5.060,05 5.562,40 5.060,05 5.719,40 5.060,05 5.778,40 5.244,50 5.831,00 5.346,50 5.884,97 5.346,50 6.011,18 5.397,50 6.112,78 5.445,95

R Real rent euros psm pa A'DAM DH 266,21 186,30 273,65 183,67 290,88 194,19 326,59 190,81 360,16 203,03 364,90 209,04 371,96 213,08 332,45 205,15 300,48 200,66 266,95 192,85 250,00 180,00 255,78 186,91 278,91 198,53 306,99 194,23 292,76 197,05 278,72 195,10

Year 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Year 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010



R Real rent euros psm pa A'DAM DH 266,21 186,30 273,65 183,67 290,88 194,19 326,59 190,81 360,16 203,03 364,90 209,04 371,96 213,08 332,45 205,15 300,48 200,66 266,95 192,85 250,00 180,00 255,78 186,91 278,91 198,53 306,99 194,23 292,76 197,05 278,72 195,10 v Vacancy rate % pa A'DAM DH 9,14% 9,65% 6,20% 7,91% 3,92% 7,46% 2,66% 6,81% 2,12% 8,22% 5,32% 7,58% 6,84% 6,71% 10,70% 8,60% 12,59% 10,08% 17,40% 11,09% 20,72% 11,42% 17,65% 9,89% 16,00% 10,27% 15,38% 9,53% 16,70% 9,90% 18,00% 10,93%

v Vacancy rate % pa A'DAM DH 9,14% 9,65% 6,20% 7,91% 3,92% 7,46% 2,66% 6,81% 2,12% 8,22% 5,32% 7,58% 6,84% 6,71% 10,70% 8,60% 12,59% 10,08% 17,40% 11,09% 20,72% 11,42% 17,65% 9,89% 16,00% 10,27% 15,38% 9,53% 16,70% 9,90% 18,00% 10,93% 8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 10,40% 10,40% 10,40% 10,40% 10,40% 10,40%

7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 17,72% 17,72% 17,72% 17,72% 17,72% 17,72%

8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 10,40% 10,40% 10,40% 10,40% 10,40% 10,40%

v' Natural vacancy rate % pa A'DAM DH

7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 17,72% 17,72% 17,72% 17,72% 17,72% 17,72%


GDP constant price billions euros NL 371,33 383,98 400,41 416,12 435,61 452,78 461,50 461,85 463,40 473,76 483,46 499,87 519,47 529,24 508,52 517,44

111

GDP constant price billions euros A'DAM DH 38,88 19,34 40,70 19,83 42,81 20,91 45,61 21,98 47,95 22,99 49,39 24,04 49,62 24,47 51,37 24,85 52,41 25,10 55,22 25,62 56,92 26,11 59,07 26,43 61,59 27,57 63,58 27,69 61,08 27,13 62,20 27,71

Economische activiteit gebaseerd op de dienstensector op lokaal en nationaal niveau

J Input modellen


EA (national, services sector) Value added HC office employment billions euros thousands NL NL 179,19 3.928,70 187,46 4.077,54 199,50 4.229,36 210,06 4.379,76 221,72 4.511,94 230,42 4.628,04 236,11 4.707,00 235,82 4.698,36 238,67 4.654,63 244,23 4.611,29 251,08 4.652,56 262,37 4.762,04 273,89 4.920,54 280,50 5.004,10 271,04 4.914,90 275,47 4.885,64

EA (local, services sector) Value added HC office employment billions euros thousands A'DAM DH A'DAM DH 24,41 12,68 471,21 261,26 25,96 13,04 496,47 266,60 27,65 13,91 525,58 279,30 29,67 14,51 560,88 287,27 31,17 14,95 577,41 293,70 32,03 15,56 596,81 303,30 32,19 16,00 604,71 309,56 33,72 16,14 599,42 308,26 34,86 16,48 588,43 301,26 37,11 16,86 591,75 295,88 38,67 17,46 596,07 294,73 40,16 17,87 614,88 296,61 41,90 18,73 628,27 308,81 44,06 18,36 648,46 306,71 42,81 17,92 637,13 307,97 43,64 18,30 633,90 307,64

FTE office employment thousands NL 3.062,15 3.168,85 3.294,35 3.402,51 3.473,88 3.535,79 3.571,84 3.524,07 3.459,88 3.410,66 3.428,64 3.500,11 3.606,07 3.655,57 3.578,14 3.546,85

FTE office employment thousands A'DAM DH 368,90 210,52 385,79 214,04 413,57 223,72 439,71 230,11 446,38 232,34 461,34 237,60 463,44 241,03 453,73 239,42 439,49 233,52 439,68 227,82 442,05 225,26 456,80 225,40 464,14 234,30 480,24 230,73 472,35 227,70 468,58 226,94


R Real rent euros psm pa A'DAM DH 266,21 186,30 273,65 183,67 290,88 194,19 326,59 190,81 360,16 203,03 364,90 209,04 371,96 213,08 332,45 205,15 300,48 200,66 266,95 192,85 250,00 180,00 255,78 186,91 278,91 198,53 306,99 194,23 292,76 197,05 278,72 195,10

Year 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Year 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010



R Real rent euros psm pa A'DAM DH 266,21 186,30 273,65 183,67 290,88 194,19 326,59 190,81 360,16 203,03 364,90 209,04 371,96 213,08 332,45 205,15 300,48 200,66 266,95 192,85 250,00 180,00 255,78 186,91 278,91 198,53 306,99 194,23 292,76 197,05 278,72 195,10 v Vacancy rate % pa A'DAM DH 9,14% 9,65% 6,20% 7,91% 3,92% 7,46% 2,66% 6,81% 2,12% 8,22% 5,32% 7,58% 6,84% 6,71% 10,70% 8,60% 12,59% 10,08% 17,40% 11,09% 20,72% 11,42% 17,65% 9,89% 16,00% 10,27% 15,38% 9,53% 16,70% 9,90% 18,00% 10,93%

v Vacancy rate % pa A'DAM DH 9,14% 9,65% 6,20% 7,91% 3,92% 7,46% 2,66% 6,81% 2,12% 8,22% 5,32% 7,58% 6,84% 6,71% 10,70% 8,60% 12,59% 10,08% 17,40% 11,09% 20,72% 11,42% 17,65% 9,89% 16,00% 10,27% 15,38% 9,53% 16,70% 9,90% 18,00% 10,93% 8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 10,40% 10,40% 10,40% 10,40% 10,40% 10,40%

7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 17,72% 17,72% 17,72% 17,72% 17,72% 17,72%

8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 8,61% 10,40% 10,40% 10,40% 10,40% 10,40% 10,40%


7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 7,76% 17,72% 17,72% 17,72% 17,72% 17,72% 17,72%


GDP constant price billions euros NL 371,33 383,98 400,41 416,12 435,61 452,78 461,50 461,85 463,40 473,76 483,46 499,87 519,47 529,24 508,52 517,44

112

GDP constant price billions euros A'DAM DH 38,88 19,34 40,70 19,83 42,81 20,91 45,61 21,98 47,95 22,99 49,39 24,04 49,62 24,47 51,37 24,85 52,41 25,10 55,22 25,62 56,92 26,11 59,07 26,43 61,59 27,57 63,58 27,69 61,08 27,13 62,20 27,71 EA (national, services and production sectors) Value added HC office employment billions euros thousands NL NL 270,09 5.433,40 280,00 5.570,62 291,77 5.751,98 304,02 5.919,28 319,04 6.067,52 331,93 6.202,72 339,05 6.284,40 338,75 6.250,58 339,11 6.153,48 347,37 6.073,05 354,90 6.094,07 6.208,13 368,27 384,60 6.377,23 392,37 6.480,10 375,25 6.354,50 381,85 6.289,05

EA (local, services and production sectors) Value added HC office employment billions euros thousands A'DAM DH A'DAM DH 29,20 14,83 555,47 298,58 30,74 15,22 575,66 301,32 32,39 16,16 603,52 313,54 34,64 16,81 640,56 322,63 36,48 17,51 657,99 330,57 37,23 18,31 677,75 340,12 37,55 18,63 686,38 346,04 39,36 18,82 679,48 344,49 40,24 19,25 665,55 337,55 42,27 19,64 666,96 330,68 43,78 20,03 669,34 329,11 45,63 20,33 689,85 329,67 47,77 21,24 702,75 342,50 49,69 20,99 722,43 341,37 48,11 20,38 710,27 342,48 49,04 20,82 705,34 341,51

Economische activiteit gebaseerd op de dienstenen productiesector op lokaal en nationaal niveau


FTE office employment thousands NL 4.405,52 4.504,70 4.659,49 4.781,18 4.859,56 4.931,80 4.965,29 4.877,37 4.766,82 4.679,71 4.673,78 4.747,80 4.861,21 4.925,75 4.815,56 4.751,69

FTE office employment thousands A'DAM DH 443,94 244,58 456,43 245,74 483,62 255,00 511,13 262,38 518,03 265,75 533,20 270,70 535,83 273,96 523,71 271,72 506,80 265,93 505,02 258,72 505,33 255,73 521,54 254,64 528,24 264,08 544,39 260,98 536,02 257,35 530,70 256,00

T-statistic: 0,212

T-statistic: 6,482****

0,064 0,674

0,562

0,765 0,000

5,655****


R -statistic: F-statistic:

2

0,966

1,433*

3,311****

AMSTERDAM N1c γ2 γ1 γ0 2,0512,139 20,0340,316 0,378 6,051 0,765 0,066 21,183 13,000 0,186 0,057


2

0,240 0,192

0,860

AMSTERDAM N1b γ1 γ0 γ2 0,242 0,49215,213 1,139 0,875 10,617 0,064 0,134 0,408 12,000 0,015 0,215


T-statistic: 1,686*

AMSTERDAM N1a γ2 γ1 γ0 1,1210,513 9,122 0,665 0,596 9,439 0,240 0,120 1,897 12,000 0,055 0,174


2


α5 0,413 0,098 0,935 32,197 0,084


2


α5 0,887 0,163 0,879 16,393 0,079



α5 0,578 0,125 0,887 17,654 0,080

0,935 0,000

3,100***

α4 0,4560,147 0,026 9,000 0,006

0,879 0,000

2,503***

α4 0,2320,093 0,035 9,000 0,011

0,887 0,000

2,783***

α4 0,2990,107 0,034 9,000 0,010

2,893***

α2 1,0890,376

1,385*

α2 0,7090,512

0,528

α2 0,1690,319

3,070***

α1 1,111 0,362

3,038***

α1 1,450 0,477

2,877***

α1 1,332 0,463

Amsterdam, lokaal model, GDP, dienstensector, L1a – L2c

K Output modellen

0,127

α0 0,0020,015

1,477*

α0 0,0230,016

1,975**

α0 0,0280,014


T-statistic: 6,341**** 2

1,780*

0,066 0,662

0,592

1,598*

113

0,757 0,000

5,523****

1,675*

AMSTERDAM N2c γ2 γ1 γ0 2,0221,667 6,6880,319 0,302 3,994 0,757 0,067 20,272 13,000 0,184 0,059


T-statistic: 0,239 2

0,235 0,200

0,807

AMSTERDAM N2b γ2 γ1 γ0 0,272 0,41312,355 1,137 0,697 7,732 0,066 0,134 0,427 12,000 0,015 0,214


T-statistic: 1,648*

AMSTERDAM N2a γ2 γ1 γ0 1,0860,381 12,379 0,659 0,472 6,956 0,235 0,121 1,843 12,000 0,054 0,175



2


α5 0,412 0,102 0,933 31,355 0,084


2


α5 0,839 0,163 0,882 16,892 0,080



α5 0,576 0,120 0,895 19,271 0,081

0,933 0,000

2,948***

α4 0,4630,157 0,026 9,000 0,006

0,882 0,000

2,069**

α4 0,1990,096 0,034 9,000 0,011

0,895 0,000

2,515***

α4 0,2690,107 0,032 9,000 0,009

2,123**

α2 0,8600,405

1,121

α2 0,5660,505

0,332

α2 0,1030,309

2,757***

α1 1,016 0,368

3,131***

α1 1,416 0,452

3,089***

α1 1,323 0,428

0,647

α0 0,0110,017

1,904**

α0 0,0330,017

2,377***

α0 0,0370,016

T-statistic: 1,500*


0,159 0,355

1,306*

0,245

0,880 0,000

8,660**** 3,615****



2

0,341

AMSTERDAM N2c γ1 γ0 γ2 1,5812,683 11,0210,163 0,310 3,049 0,880 0,047 47,651 13,000 0,214 0,029


2

0,430 0,034

2,232***

AMSTERDAM N3b γ1 γ0 γ2 1,5801,799 2,346 1,053 1,378 9,565 0,159 0,127 1,131 12,000 0,036 0,193


2

T-statistic: 3,006***

AMSTERDAM N3a γ2 γ1 γ0 1,5111,712 2,601 0,503 0,767 7,622 0,430 0,104 4,526 12,000 0,099 0,131


2


α5 0,303 0,082 0,955 48,191 0,086


2


α5 0,568 0,143 0,924 27,415 0,083


2


α5 0,337 0,120 0,919 25,510 0,083

0,955 0,000

2,781***

α4 0,6400,230 0,021 9,000 0,004

0,924 0,000

2,435***

α4 0,1750,072 0,028 9,000 0,007

0,919 0,000

2,655***

α4 0,2660,100 0,029 9,000 0,007

2,980***

α2 0,9470,318

1,817*

α2 0,7120,392

0,626

α2 0,1600,255

3,132***

α1 1,559 0,498

4,724****

α1 2,424 0,513

4,253****

α1 2,343 0,551


0,295

α0 0,0030,012

1,830*

α0 0,0220,012

2,475***

α0 0,0280,011



1,468*

0,475 0,021

3,159****

1,865**

114

0,869 0,000

8,239**** 4,839****

AMSTERDAM N4c γ2 γ1 γ0 1,0762,854 20,6250,126 0,346 4,262 0,869 0,049 43,270 13,000 0,212 0,032


T-statistic: 3,002*** 2

0,586 0,005

3,374****

AMSTERDAM N4b γ2 γ1 γ0 1,6373,502 21,9220,545 1,109 11,757 0,475 0,100 5,437 12,000 0,109 0,120


2


AMSTERDAM N4a γ2 γ1 γ0 1,2452,606 14,4440,325 0,772 9,842 0,586 0,089 8,495 12,000 0,134 0,095



2


α5 0,303 0,085 0,953 45,264 0,086


2


α5 0,510 0,137 0,931 30,406 0,084


2


α5 0,316 0,119 0,924 27,205 0,083

0,953 0,000

2,894***

α4 0,6660,230 0,022 9,000 0,004

0,931 0,000

2,197**

α4 0,1940,088 0,026 9,000 0,006

0,924 0,000

2,406***

α4 0,2750,114 0,028 9,000 0,007

1,903**

α2 0,6730,354

1,785*

α2 0,6700,376

0,420

α2 0,1060,251

2,997***

α1 1,502 0,501

5,457****

α1 2,425 0,444

4,718****

α1 2,398 0,508

0,162

α0 0,0020,012

1,051

α0 0,0110,010

1,896**

α0 0,0180,010

T-statistic: 0,126

T-statistic: 1,983**

0,265 0,135

2,133**



2

0,007 0,956

0,050

DEN HAAG N1c γ1 γ2 0,9150,902 0,461 0,423 0,265 0,043 2,341 13,000 0,009 0,024


2

0,080 0,608

1,018

DEN HAAG N1b γ1 γ2 0,077 0,0260,610 0,523 0,007 0,050 0,045 12,000 0,000 0,030


2

T-statistic: 0,978

DEN HAAG N1a γ2 γ1 0,5230,474 0,535 0,466 0,080 0,048 0,519 12,000 0,002 0,028

1,019

γ0 4,8674,776

0,857

γ0 4,804 5,603

0,103

γ0 0,538 5,215


2

T-statistic: 1,471*

α5 0,291 0,198 0,716 5,679 0,016


2

T-statistic: 1,220

α5 0,260 0,213 0,713 5,600 0,016


2

T-statistic: 1,713*

α5 0,303 0,177 0,776 7,815 0,017

α2 1,323 0,386

0,716 0,015

3,567****

α4 0,6640,186 0,027 9,000 0,006

0,713 0,015

2,274***

α4 0,4390,193 0,027 9,000 0,006

0,776 0,005

2,283***

α2 1,205 0,528

3,514****

α2 1,329 0,378

3,924**** 3,432****

α4 0,6390,163 0,024 9,000 0,005

0,772

α1 0,272 0,352

0,393

α1 0,152 0,387

0,364

α1 0,119 0,326

Den Haag, lokaal model, GDP, dienstensector, L1a – L2c

1,815*

α0 0,0250,014

1,975**

α0 0,0240,012

2,036**

α0 0,0220,011


T-statistic: 1,906** 2

0,009 0,945

0,162

115

0,250 0,154

2,052**

DEN HAAG N2c γ2 γ1 0,8920,697 0,468 0,340 0,250 0,043 2,172 13,000 0,008 0,024



0,065 0,667

0,915

DEN HAAG N2b γ2 γ1 0,146 0,0700,628 0,429 0,009 0,050 0,057 12,000 0,000 0,030


2

T-statistic: 0,879

DEN HAAG N2a γ2 γ1 0,4760,344 0,541 0,376 0,065 0,048 0,419 12,000 0,002 0,028


0,294

γ0 0,753 2,560

1,552*

γ0 4,869 3,137

1,172

γ0 3,543 3,023


2

T-statistic: 1,569*

α5 0,297 0,189 0,727 6,001 0,016


2

T-statistic: 1,316*

α5 0,281 0,214 0,707 5,430 0,016


2

T-statistic: 1,810*

α5 0,314 0,173 0,778 7,878 0,017

α2 1,356 0,385

0,727 0,012

3,538****

α4 0,6620,187 0,026 9,000 0,006

0,707 0,017

2,161**

α4 0,4500,208 0,027 9,000 0,007

0,778 0,005

2,407***

α2 1,245 0,517

3,492****

α2 1,349 0,386

3,775**** 3,519****

α4 0,6430,170 0,023 9,000 0,005

0,599

α1 0,190 0,317

0,214

α1 0,079 0,370

0,199

α1 0,060 0,304

1,769*

α0 0,0250,014

1,786*

α0 0,0240,013

1,870**

α0 0,0220,012



0,582 0,003

4,227****



2

0,335 0,086

2,434***

DEN HAAG N3c γ1 γ2 0,7831,303 0,212 0,308 0,582 0,032 9,053 13,000 0,019 0,014


2

0,444 0,029

3,097****

DEN HAAG N3b γ1 γ2 0,8231,351 0,381 0,555 0,335 0,041 3,029 12,000 0,010 0,020


2


DEN HAAG N3a γ2 γ1 0,7941,294 0,282 0,418 0,444 0,037 4,796 12,000 0,013 0,017

1,237*

γ0 2,6622,153

0,787

γ0 2,8733,650

0,790

γ0 2,4313,079


2

T-statistic: 1,110

α5 0,221 0,199 0,764 7,284 0,017


R2-statistic: 0,705

α5 0,142 0,201 0,747 6,657 0,017


2

T-statistic: 0,641

α5 0,114 0,178 0,786 8,286 0,018

0,764 0,007

3,333****

α4 0,9030,271 0,024 9,000 0,005

0,747 0,009

2,415***

α4 0,5410,224 0,025 9,000 0,006

0,786 0,004

3,147***

α4 0,6740,214 0,023 9,000 0,005

1,484*

α2 0,734 0,494

2,143**

α2 0,851 0,397

2,156**

α2 0,831 0,386

0,856

α1 0,398 0,465

0,858

α1 0,413 0,481

1,494*

α1 0,623 0,417


1,455*

α0 0,0180,012

1,693*

α0 0,0180,010

1,855**

α0 0,0190,010



0,510 0,014

3,507****

γ0 8,4803,998

2,286***

γ0 6,5722,874

2,172**

γ0 9,4434,347

2,121**

116

0,595 0,003

4,345****

DEN HAAG N4c γ2 γ1 0,4001,196 0,130 0,275 0,595 0,032 9,561 13,000 0,019 0,013



0,543 0,009

3,776****

DEN HAAG N4b γ2 γ1 0,4431,428 0,180 0,407 0,510 0,035 6,238 12,000 0,015 0,015


2


DEN HAAG N4a γ2 γ1 0,4191,339 0,154 0,355 0,543 0,034 7,127 12,000 0,016 0,014



2

T-statistic: 1,086

α5 0,201 0,186 0,775 7,759 0,017


2

T-statistic: 0,447

α5 0,080 0,179 0,768 7,436 0,017


2

T-statistic: 0,402

α5 0,066 0,165 0,798 8,882 0,018

0,775 0,005

3,251****

α4 0,9040,278 0,024 9,000 0,005

0,768 0,006

2,505***

α4 0,6040,241 0,024 9,000 0,005

0,798 0,003

3,013***

α4 0,6790,225 0,022 9,000 0,005

1,829*

α2 0,871 0,476

2,151**

α2 0,815 0,379

2,378***

α2 0,896 0,377

0,869

α1 0,370 0,426

1,291*

α1 0,513 0,397

1,985**

α1 0,719 0,362

1,612*

α0 0,0180,011

1,654*

α0 0,0160,010

1,895**

α0 0,0180,009

T-statistic: 0,212


0,064 0,674

0,562

1,433*

0,765 0,000

5,655**** 3,311****



2

0,966

AMSTERDAM N1c γ1 γ0 γ2 2,0512,139 20,0340,316 0,378 6,051 0,765 0,066 21,183 13,000 0,186 0,057


2

0,240 0,192

0,860

AMSTERDAM N1b γ1 γ0 γ2 0,242 0,49215,213 1,139 0,875 10,617 0,064 0,134 0,408 12,000 0,015 0,215


2

T-statistic: 1,686*

AMSTERDAM N1a γ2 γ1 γ0 1,1210,513 9,122 0,665 0,596 9,439 0,240 0,120 1,897 12,000 0,055 0,174


2


α5 0,413 0,098 0,935 32,197 0,084


2


α5 0,887 0,163 0,879 16,393 0,079


2


α5 0,578 0,125 0,887 17,654 0,080

0,935 0,000

3,100***

α4 0,4560,147 0,026 9,000 0,006

0,879 0,000

2,503***

α4 0,2320,093 0,035 9,000 0,011

0,887 0,000

2,783***

α4 0,2990,107 0,034 9,000 0,010

2,893***

α2 1,0890,376

1,385*

α2 0,7090,512

0,528

α2 0,1690,319

3,070***

α1 1,111 0,362

3,038***

α1 1,450 0,477

2,877***

α1 1,332 0,463

α0 0,0280,014

0,127

α0 0,0020,015

1,477*

α0 0,0230,016

1,975**

Amsterdam, nationaal model, GDP, dienstensector, N1a – N2c



1,780*

0,066 0,662

0,592

1,598*

117

0,757 0,000

5,523****

1,675*

AMSTERDAM N2c γ2 γ1 γ0 2,0221,667 6,6880,319 0,302 3,994 0,757 0,067 20,272 13,000 0,184 0,059



0,235 0,200

0,807

AMSTERDAM N2b γ2 γ1 γ0 0,272 0,41312,355 1,137 0,697 7,732 0,066 0,134 0,427 12,000 0,015 0,214


2

T-statistic: 1,648*

AMSTERDAM N2a γ2 γ1 γ0 1,0860,381 12,379 0,659 0,472 6,956 0,235 0,121 1,843 12,000 0,054 0,175



2


α5 0,412 0,102 0,933 31,355 0,084


2


α5 0,839 0,163 0,882 16,892 0,080


2


α5 0,576 0,120 0,895 19,271 0,081

0,933 0,000

2,948***

α4 0,4630,157 0,026 9,000 0,006

0,882 0,000

2,069**

α4 0,1990,096 0,034 9,000 0,011

0,895 0,000

2,515***

α4 0,2690,107 0,032 9,000 0,009

2,123**

α2 0,8600,405

1,121

α2 0,5660,505

0,332

α2 0,1030,309

2,757***

α1 1,016 0,368

3,131***

α1 1,416 0,452

3,089***

α1 1,323 0,428

0,647

α0 0,0110,017

1,904**

α0 0,0330,017

2,377***

α0 0,0370,016

T-statistic: 1,500*


0,159 0,355

1,306*

0,245

0,880 0,000

8,660**** 3,615****



2

0,341

AMSTERDAM N2c γ1 γ0 γ2 1,5812,683 11,0210,163 0,310 3,049 0,880 0,047 47,651 13,000 0,214 0,029


2

0,430 0,034

2,232***

AMSTERDAM N3b γ1 γ0 γ2 1,5801,799 2,346 1,053 1,378 9,565 0,159 0,127 1,131 12,000 0,036 0,193


2


AMSTERDAM N3a γ2 γ1 γ0 1,5111,712 2,601 0,503 0,767 7,622 0,430 0,104 4,526 12,000 0,099 0,131


2


α5 0,303 0,082 0,955 48,191 0,086


2


α5 0,568 0,143 0,924 27,415 0,083


2


α5 0,337 0,120 0,919 25,510 0,083

0,955 0,000

2,781***

α4 0,6400,230 0,021 9,000 0,004

0,924 0,000

2,435***

α4 0,1750,072 0,028 9,000 0,007

0,919 0,000

2,655***

α4 0,2660,100 0,029 9,000 0,007

2,980***

α2 0,9470,318

1,817*

α2 0,7120,392

0,626

α2 0,1600,255

3,132***

α1 1,559 0,498

4,724****

α1 2,424 0,513

4,253****

α1 2,343 0,551

α0 0,0280,011

0,295

α0 0,0030,012

1,830*

α0 0,0220,012

2,475***




1,468*

0,475 0,021

3,159****

1,865**

118

0,869 0,000

8,239**** 4,839****

AMSTERDAM N4c γ2 γ1 γ0 1,0762,854 20,6250,126 0,346 4,262 0,869 0,049 43,270 13,000 0,212 0,032



0,586 0,005

3,374****

AMSTERDAM N4b γ2 γ1 γ0 1,6373,502 21,9220,545 1,109 11,757 0,475 0,100 5,437 12,000 0,109 0,120


2


AMSTERDAM N4a γ2 γ1 γ0 1,2452,606 14,4440,325 0,772 9,842 0,586 0,089 8,495 12,000 0,134 0,095



2


α5 0,303 0,085 0,953 45,264 0,086


2


α5 0,510 0,137 0,931 30,406 0,084


2


α5 0,316 0,119 0,924 27,205 0,083

0,953 0,000

2,894***

α4 0,6660,230 0,022 9,000 0,004

0,931 0,000

2,197**

α4 0,1940,088 0,026 9,000 0,006

0,924 0,000

2,406***

α4 0,2750,114 0,028 9,000 0,007

1,903**

α2 0,6730,354

1,785*

α2 0,6700,376

0,420

α2 0,1060,251

2,997***

α1 1,502 0,501

5,457****

α1 2,425 0,444

4,718****

α1 2,398 0,508

0,162

α0 0,0020,012

1,051

α0 0,0110,010

1,896**

α0 0,0180,010

T-statistic: 0,126


0,265 0,135

2,133**



2

0,007 0,956

0,050

DEN HAAG N1c γ1 γ2 0,9150,902 0,461 0,423 0,265 0,043 2,341 13,000 0,009 0,024


2

0,080 0,608

1,018

DEN HAAG N1b γ1 γ2 0,077 0,0260,610 0,523 0,007 0,050 0,045 12,000 0,000 0,030


2

T-statistic: 0,978

DEN HAAG N1a γ2 γ1 0,5230,474 0,535 0,466 0,080 0,048 0,519 12,000 0,002 0,028

1,019

γ0 4,8674,776

0,857

γ0 4,804 5,603

0,103

γ0 0,538 5,215


2

T-statistic: 1,471*

α5 0,291 0,198 0,716 5,679 0,016


2

T-statistic: 1,220

α5 0,260 0,213 0,713 5,600 0,016


2

T-statistic: 1,713*

α5 0,303 0,177 0,776 7,815 0,017

α2 1,323 0,386

0,716 0,015

3,567****

α4 0,6640,186 0,027 9,000 0,006

0,713 0,015

2,274***

α4 0,4390,193 0,027 9,000 0,006

0,776 0,005

2,283***

α2 1,205 0,528

3,514****

α2 1,329 0,378

3,924**** 3,432****

α4 0,6390,163 0,024 9,000 0,005

0,772

α1 0,272 0,352

0,393

α1 0,152 0,387

0,364

α1 0,119 0,326

Den Haag, nationaal model, GDP, dienstensector, N1a – N2c

1,815*

α0 0,0250,014

1,975**

α0 0,0240,012

2,036**

α0 0,0220,011



0,009 0,945

0,162

119

0,250 0,154

2,052**

DEN HAAG N2c γ2 γ1 0,8920,697 0,468 0,340 0,250 0,043 2,172 13,000 0,008 0,024



0,065 0,667

0,915

DEN HAAG N2b γ2 γ1 0,146 0,0700,628 0,429 0,009 0,050 0,057 12,000 0,000 0,030


2

T-statistic: 0,879

DEN HAAG N2a γ2 γ1 0,4760,344 0,541 0,376 0,065 0,048 0,419 12,000 0,002 0,028


0,294

γ0 0,753 2,560

1,552*

γ0 4,869 3,137

1,172

γ0 3,543 3,023


2

T-statistic: 1,569*

α5 0,297 0,189 0,727 6,001 0,016


2

T-statistic: 1,316*

α5 0,281 0,214 0,707 5,430 0,016


2

T-statistic: 1,810*

α5 0,314 0,173 0,778 7,878 0,017

α2 1,356 0,385

0,727 0,012

3,538****

α4 0,6620,187 0,026 9,000 0,006

0,707 0,017

2,161**

α4 0,4500,208 0,027 9,000 0,007

0,778 0,005

2,407***

α2 1,245 0,517

3,492****

α2 1,349 0,386

3,775**** 3,519****

α4 0,6430,170 0,023 9,000 0,005

0,599

α1 0,190 0,317

0,214

α1 0,079 0,370

0,199

α1 0,060 0,304

1,769*

α0 0,0250,014

1,786*

α0 0,0240,013

1,870**

α0 0,0220,012



0,582 0,003

4,227****



2

0,335 0,086

2,434***

DEN HAAG N3c γ1 γ2 0,7831,303 0,212 0,308 0,582 0,032 9,053 13,000 0,019 0,014


2

0,444 0,029

3,097****

DEN HAAG N3b γ1 γ2 0,8231,351 0,381 0,555 0,335 0,041 3,029 12,000 0,010 0,020


2


DEN HAAG N3a γ2 γ1 0,7941,294 0,282 0,418 0,444 0,037 4,796 12,000 0,013 0,017

1,237*

γ0 2,6622,153

0,787

γ0 2,8733,650

0,790

γ0 2,4313,079


2

T-statistic: 1,110

α5 0,221 0,199 0,764 7,284 0,017


R2-statistic: 0,705

α5 0,142 0,201 0,747 6,657 0,017


2

T-statistic: 0,641

α5 0,114 0,178 0,786 8,286 0,018

0,764 0,007

3,333****

α4 0,9030,271 0,024 9,000 0,005

0,747 0,009

2,415***

α4 0,5410,224 0,025 9,000 0,006

0,786 0,004

3,147***

α4 0,6740,214 0,023 9,000 0,005

1,484*

α2 0,734 0,494

2,143**

α2 0,851 0,397

2,156**

α2 0,831 0,386

0,856

α1 0,398 0,465

0,858

α1 0,413 0,481

1,494*

α1 0,623 0,417


1,455*

α0 0,0180,012

1,693*

α0 0,0180,010

1,855**

α0 0,0190,010



0,510 0,014

3,507****

γ0 8,4803,998

2,286***

γ0 6,5722,874

2,172**

γ0 9,4434,347

2,121**

120

0,595 0,003

4,345****

DEN HAAG N4c γ2 γ1 0,4001,196 0,130 0,275 0,595 0,032 9,561 13,000 0,019 0,013



0,543 0,009

3,776****

DEN HAAG N4b γ2 γ1 0,4431,428 0,180 0,407 0,510 0,035 6,238 12,000 0,015 0,015


2


DEN HAAG N4a γ2 γ1 0,4191,339 0,154 0,355 0,543 0,034 7,127 12,000 0,016 0,014



2

T-statistic: 1,086

α5 0,201 0,186 0,775 7,759 0,017


2

T-statistic: 0,447

α5 0,080 0,179 0,768 7,436 0,017


2

T-statistic: 0,402

α5 0,066 0,165 0,798 8,882 0,018

0,775 0,005

3,251****

α4 0,9040,278 0,024 9,000 0,005

0,768 0,006

2,505***

α4 0,6040,241 0,024 9,000 0,005

0,798 0,003

3,013***

α4 0,6790,225 0,022 9,000 0,005

1,829*

α2 0,871 0,476

2,151**

α2 0,815 0,379

2,378***

α2 0,896 0,377

0,869

α1 0,370 0,426

1,291*

α1 0,513 0,397

1,985**

α1 0,719 0,362

1,612*

α0 0,0180,011

1,654*

α0 0,0160,010

1,895**

α0 0,0180,009

T-statistic: 1,191


0,223 0,221

1,683*

0,636 0,001

4,004****



2

2,653***

1,053

1,191

AMSTERDAM L2'c γ1 γ0 γ2 2,3101,537 3,890 0,499 0,384 3,266 0,636 0,083 11,369 13,000 0,155 0,089


2

0,194 0,274

0,083

AMSTERDAM L2'b γ1 γ0 γ2 1,219 0,8347,385 1,023 0,496 7,014 0,223 0,122 1,718 12,000 0,051 0,178


2

T-statistic: 0,970

AMSTERDAM L2'a γ2 γ1 γ0 0,6960,034 15,565 0,718 0,406 5,866 0,194 0,124 1,443 12,000 0,044 0,185


2


α5 0,451 0,134 0,887 17,726 0,080


2


α5 1,143 0,202 0,822 10,384 0,074


2


α5 0,677 0,157 0,817 10,034 0,074

0,887 0,000

2,060**

α4 0,3930,191 0,034 9,000 0,010

0,822 0,002

1,442*

α4 0,2330,162 0,042 9,000 0,016

0,817 0,002

2,263***

α4 0,3340,148 0,043 9,000 0,017

1,660*

α2 1,0070,607

1,776*

α2 1,2950,729

0,445

α2 0,1960,441

2,076**

α1 0,836 0,403

1,826*

α1 1,175 0,644

1,161

α1 0,650 0,560

0,332

α0 0,0070,021

1,086

α0 0,0230,022

1,003

α0 0,0220,022

Amsterdam, lokaal model, dienstenen productiesector, L2’a – L2’c


121



0,284 0,134

2,027**

0,868 0,000

8,173****



2

1,060

0,811

0,910

AMSTERDAM L2'c γ1 γ0 γ2 1,3632,154 2,1110,151 0,264 2,320 0,868 0,050 42,605 13,000 0,211 0,032


2

0,493 0,017

2,661***

AMSTERDAM L3'b γ1 γ0 γ2 1,8232,091 5,624 0,843 1,032 6,931 0,284 0,117 2,383 12,000 0,065 0,164


2


AMSTERDAM L3'a γ2 γ1 γ0 1,4531,626 6,180 0,428 0,611 5,832 0,493 0,098 5,829 12,000 0,113 0,116


2


α5 0,345 0,093 0,939 34,619 0,085


2


α5 0,537 0,171 0,896 19,307 0,081


2


α5 0,341 0,137 0,896 19,333 0,081

0,939 0,000

3,294****

α4 0,6590,200 0,025 9,000 0,006

0,896 0,000

2,496***

α4 0,2220,089 0,032 9,000 0,009

0,896 0,000

2,552***

α4 0,3050,119 0,032 9,000 0,009

2,609***

α2 0,9870,378

1,402*

α2 0,6500,464

0,714

α2 0,2050,288

2,318***

α1 1,001 0,432

3,767****

α1 1,743 0,463

3,513****

α1 1,680 0,478

0,235

α0 0,003 0,014

1,224

α0 0,0170,014

1,782*

α0 0,0220,012




0,553

0,541 0,009

3,624****

1,036

2,770***

122

0,864 0,000

8,054****

AMSTERDAM L4'c γ2 γ1 γ0 0,9732,203 8,2170,121 0,274 2,967 0,864 0,050 41,416 13,000 0,210 0,033



0,611 0,003

3,587****

AMSTERDAM L4'b γ2 γ1 γ0 1,5102,765 7,4840,466 0,763 7,224 0,541 0,094 7,079 12,000 0,124 0,105


2


AMSTERDAM L4'a γ2 γ1 γ0 1,1352,041 3,7340,298 0,569 6,748 0,611 0,086 9,417 12,000 0,140 0,089



2


α5 0,320 0,095 0,939 34,423 0,085


2


α5 0,470 0,190 0,879 16,338 0,079


2


α5 0,325 0,155 0,873 15,474 0,079

0,939 0,000

4,172****

α4 0,7610,182 0,025 9,000 0,006

0,879 0,000

2,712***

α4 0,3240,120 0,035 9,000 0,011

0,873 0,000

2,610***

α4 0,3810,146 0,036 9,000 0,011

1,875**

α2 0,7820,417

1,124

α2 0,5710,508

0,540

α2 0,1750,323

2,294***

α1 0,850 0,370

3,487****

α1 1,467 0,421

3,058***

α1 1,403 0,459

0,339

α0 0,005 0,014

0,586

α0 0,0080,014

1,036

α0 0,0130,012

T-statistic: 0,260

0,010 0,940

0,192

0,254 0,148



2,074**


DEN HAAG L2'c γ2 γ1 0,9230,869 0,478 0,419 0,254 0,043 2,218 13,000 0,008 0,024


2

0,076 0,623

0,992

DEN HAAG L2'b γ2 γ1 0,166 0,1010,638 0,526 0,010 0,050 0,062 12,000 0,000 0,030


T-statistic: 0,961

DEN HAAG L2'a γ2 γ1 0,5730,496 0,596 0,500 0,076 0,048 0,492 12,000 0,002 0,028

0,328

γ0 1,0633,243

1,321*

γ0 5,129 3,882

0,604

γ0 2,300 3,810


T-statistic: 1,475*

α5 0,335 0,227 0,637 3,941 0,014


2

T-statistic: 1,359*

α5 0,274 0,202 0,714 5,606 0,016


T-statistic: 1,715*

α5 0,316 0,184 0,749 6,709 0,017

0,637 0,041

2,917***

α4 0,6130,210 0,030 9,000 0,008

0,714 0,015

2,556***

α4 0,4560,179 0,027 9,000 0,006

0,749 0,009

3,700****

α4 0,6110,165 0,025 9,000 0,006

1,864**

α2 1,156 0,620

3,344****

α2 1,315 0,393

3,062***

α2 1,287 0,420

0,995

α1 0,379 0,381

0,364

α1 0,128 0,353

0,774

α1 0,246 0,318

1,859**

α0 0,0270,015

2,067**

α0 0,0240,011

2,268***

α0 0,0250,011

Den Haag, lokaal model, dienstenen productiesector, L2’a – L2’c


123


γ0 7,3782,139

0,785 0,000

0,817 0,000

7,584**** 3,495****

γ0 5,5641,592

6,594**** 3,450****



2

0,792 0,000

DEN HAAG L3'c γ1 γ2 0,4471,394 0,085 0,184 0,817 0,021 29,027 13,000 0,027 0,006


2


γ0 6,3652,050

6,754**** 3,106****

DEN HAAG L3'b γ1 γ2 0,5431,649 0,116 0,250 0,785 0,023 21,940 12,000 0,024 0,006


2


DEN HAAG L3'a γ2 γ1 0,4861,500 0,102 0,222 0,792 0,023 22,806 12,000 0,024 0,006


2

T-statistic: 0,062

α5 0,014 0,224 0,797 8,807 0,018


2

T-statistic: 0,067

α5 0,0140,209 0,800 8,977 0,018


2

T-statistic: 0,402

α5 0,0720,180 0,842 12,007 0,019

0,797 0,004

1,816*

α4 0,8820,486 0,022 9,000 0,005

0,800 0,003

1,998**

α4 0,7950,398 0,022 9,000 0,004

0,842 0,001

1,891**

α4 0,6930,366 0,020 9,000 0,004

0,511

α2 0,278 0,544

0,568

α2 0,248 0,436

1,205

α2 0,478 0,397

3,544****

α1 1,371 0,387

3,265****

α1 1,364 0,418

4,648****

α1 1,479 0,318

1,244*

α0 0,0150,012

1,426*

α0 0,0130,009

1,940**

α0 0,0170,009




0,758 0,000

124

0,757 0,000

6,335**** 3,927****

γ0 9,6712,463

6,094**** 3,992****

DEN HAAG L4'c γ2 γ1 0,0601,272 0,065 0,201 0,757 0,025 20,273 13,000 0,025 0,008



0,759 0,000

6,144**** 3,862****

DEN HAAG L4'b γ2 γ1 γ0 0,0221,387 11,6820,080 0,228 2,926 0,758 0,025 18,751 12,000 0,023 0,007


2

T-statistic: 0,370

DEN HAAG L4'a γ2 γ1 γ0 0,0291,383 11,5270,078 0,225 2,985 0,759 0,025 18,877 12,000 0,023 0,007



2

T-statistic: 0,222

α5 0,059 0,268 0,710 5,519 0,016


2

T-statistic: 0,240

α5 0,057 0,240 0,743 6,498 0,017


2

T-statistic: 0,029

α5 0,0070,227 0,759 7,074 0,017

0,710 0,016

1,731*

α4 0,7750,448 0,027 9,000 0,006

0,743 0,010

2,000**

α4 0,7960,398 0,025 9,000 0,006

0,759 0,007

1,795*

α4 0,7150,398 0,024 9,000 0,005

0,989

α2 0,559 0,565

1,289*

α2 0,586 0,454

1,528*

α2 0,655 0,429

2,834***

α1 1,217 0,430

2,438***

α1 1,133 0,465

3,648****

α1 1,353 0,371

0,992

α0 0,0120,013

1,112

α0 0,0110,010

1,267*

α0 0,0120,010

T-statistic: 0,174

1,156

0,061 0,686

0,528

1,473*

0,761 0,000



5,590****


2,985***

AMSTERDAM N2'c γ2 γ1 γ0 2,0322,019 16,4990,317 0,361 5,528 0,761 0,067 20,728 13,000 0,185 0,058


2

0,239 0,194

0,850

AMSTERDAM N2'b γ2 γ1 γ0 0,194 0,43214,203 1,117 0,818 9,644 0,061 0,134 0,389 12,000 0,014 0,215


T-statistic: 1,688*

AMSTERDAM N2'a γ2 γ1 γ0 1,1050,476 10,029 0,655 0,559 8,678 0,239 0,121 1,887 12,000 0,055 0,174



α5 0,412 0,099 0,937 33,257 0,085


2


α5 0,889 0,157 0,888 17,872 0,080



α5 0,584 0,123 0,891 18,385 0,080

0,937 0,000

2,912***

α4 0,4340,149 0,025 9,000 0,006

0,888 0,000

2,520***

α4 0,2250,089 0,033 9,000 0,010

0,891 0,000

2,701***

α4 0,2880,107 0,033 9,000 0,010

2,883***

α2 1,0780,374

1,474*

α2 0,7250,492

0,580

α2 0,1820,314

3,301****

α1 1,080 0,327

3,251****

α1 1,374 0,423

3,001***

α1 1,260 0,420

0,153

α0 0,0020,014

1,518*

α0 0,0220,015

2,013**

α0 0,0270,014

Amsterdam, nationaal model, dienstenen productiesector, N2’a – N2’c


125



0,406 0,044

2,725***

1,580*

0,905 0,000

9,914**** 6,205****



2

1,381*

AMSTERDAM N2'c γ1 γ0 γ2 1,2913,183 24,0790,121 0,321 3,881 0,905 0,042 61,986 13,000 0,220 0,023


2

0,577 0,006

3,302****

AMSTERDAM N3'b γ1 γ0 γ2 1,9783,608 20,3310,712 1,324 12,868 0,406 0,106 4,109 12,000 0,093 0,136


2


AMSTERDAM N3'a γ2 γ1 γ0 1,4852,686 13,4980,375 0,813 9,776 0,577 0,090 8,200 12,000 0,132 0,097


2


α5 0,302 0,080 0,957 49,654 0,086


2


α5 0,503 0,147 0,924 27,343 0,083


2


α5 0,283 0,125 0,920 25,742 0,083

0,957 0,000

2,869***

α4 0,6580,229 0,021 9,000 0,004

0,924 0,000

2,471***

α4 0,2050,083 0,028 9,000 0,007

0,920 0,000

2,688***

α4 0,2970,111 0,028 9,000 0,007

α1 1,773 0,487

5,101****

α1 2,660 0,522

4,568****

α1 2,578 0,564

3,359**** 3,638****

α2 1,0270,306

2,024**

α2 0,7910,391

0,906

α2 0,2250,248

0,258

α0 0,003 0,011

1,137

α0 0,0120,011

1,936**

α0 0,0200,010



0,767 0,000

6,119**** 4,699****

126

0,899 0,000

9,555**** 6,947****

AMSTERDAM N4'c γ2 γ1 γ0 0,6703,441 36,8540,090 0,360 5,305 0,899 0,044 57,682 13,000 0,219 0,025



0,791 0,000

AMSTERDAM N4'b γ2 γ1 γ0 0,9704,553 49,4430,260 0,744 10,522 0,767 0,067 19,726 12,000 0,176 0,053


2

5,850**** 4,042****

AMSTERDAM N4'a γ2 γ1 γ0 0,8043,823 40,7780,196 0,654 10,088 0,791 0,063 22,657 12,000 0,181 0,048 T-statistic: 4,103****




2


α5 0,307 0,082 0,954 47,174 0,086


2


α5 0,430 0,133 0,940 35,130 0,085


2


α5 0,257 0,114 0,935 32,257 0,084

0,954 0,000

2,978***

α4 0,6610,222 0,021 9,000 0,004

0,940 0,000

2,597***

α4 0,3160,122 0,025 9,000 0,005

0,935 0,000

2,752***

α4 0,3840,139 0,026 9,000 0,006

2,088**

α2 0,7190,344

1,834**

α2 0,6490,354

0,688

α2 0,1580,230

3,744****

α1 1,823 0,487

6,591****

α1 2,738 0,415

5,742****

α1 2,725 0,475

0,369

α0 0,004 0,011

0,264

α0 0,0020,009

1,149

α0 0,0090,008

T-statistic: 0,118

0,007 0,956

0,039

0,252 0,152



2,060**


DEN HAAG N2'c γ2 γ1 0,8650,817 0,454 0,397 0,252 0,043 2,187 13,000 0,008 0,024


2

0,075 0,625

0,989

DEN HAAG N2'b γ2 γ1 0,070 0,0190,590 0,482 0,007 0,050 0,045 12,000 0,000 0,030


T-statistic: 0,947

DEN HAAG N2'a γ2 γ1 0,4910,425 0,519 0,430 0,075 0,048 0,489 12,000 0,002 0,028

0,750

γ0 3,1014,136

0,987

γ0 4,711 4,776

0,334

γ0 1,497 4,488


T-statistic: 1,483*

α5 0,290 0,196 0,721 5,824 0,016


2

T-statistic: 1,218

α5 0,260 0,214 0,713 5,591 0,016


T-statistic: 1,720*

α5 0,304 0,177 0,778 7,868 0,017

α2 1,338 0,384

0,721 0,014

3,620****

α4 0,6630,183 0,026 9,000 0,006

0,713 0,015

2,265***

α4 0,4400,194 0,027 9,000 0,006

0,778 0,005

2,379***

α2 1,243 0,522

3,518****

α2 1,329 0,378

3,935**** 3,483****

α4 0,6390,162 0,023 9,000 0,005

0,757

α1 0,242 0,320

0,375

α1 0,134 0,357

0,338

α1 0,101 0,299

1,857**

α0 0,0250,013

1,977**

α0 0,0240,012

2,062**

α0 0,0220,011

Den Haag, nationaal model, dienstenen productiesector, N2’a – N2’c


127



0,524 0,012

3,611****

0,656 0,001

4,955****



2

2,388***

2,959***

γ0 8,6642,928

2,355***

DEN HAAG N3'c γ1 γ2 0,5631,447 0,143 0,292 0,656 0,029 12,420 13,000 0,021 0,011


2

0,577 0,006

4,047****

γ0 9,5073,982

DEN HAAG N3'b γ1 γ0 γ2 0,6431,655 10,7440,221 0,458 4,563 0,524 0,035 6,613 12,000 0,016 0,014


2


DEN HAAG N3'a γ2 γ1 0,5951,529 0,179 0,378 0,577 0,033 8,188 12,000 0,017 0,013


2

T-statistic: 1,032

α5 0,208 0,202 0,769 7,476 0,017


R2-statistic: 0,520

α5 0,103 0,198 0,757 6,995 0,017


2

T-statistic: 0,445

α5 0,081 0,181 0,785 8,222 0,018

0,769 0,006

3,258****

α4 0,9960,306 0,024 9,000 0,005

0,757 0,008

2,422***

α4 0,6340,262 0,025 9,000 0,005

0,785 0,004

2,979***

α4 0,7400,248 0,023 9,000 0,005

1,281*

α2 0,634 0,495

1,801*

α2 0,726 0,403

1,854**

α2 0,733 0,395

1,135

α1 0,533 0,469

1,335*

α1 0,622 0,466

1,946**

α1 0,816 0,419

1,378*

α0 0,0160,012

1,617*

α0 0,0160,010

1,721*

α0 0,0170,010



0,669 0,001

4,899**** 3,655****

128

0,674 0,001

5,150**** 3,563****

DEN HAAG N4'c γ2 γ1 γ0 0,1671,329 12,5930,084 0,258 3,535 0,674 0,029 13,412 13,000 0,022 0,011


T-statistic: 1,394* 2

0,675 0,001

DEN HAAG N4'b γ2 γ1 γ0 0,1391,563 16,6270,100 0,319 4,549 0,669 0,029 12,132 12,000 0,020 0,010


2

4,989**** 3,572****

DEN HAAG N4'a γ2 γ1 γ0 0,1401,527 16,0650,094 0,306 4,498 0,675 0,029 12,447 12,000 0,020 0,010 T-statistic: 1,478*




2

T-statistic: 1,023

α5 0,191 0,187 0,785 8,203 0,018


2

T-statistic: 0,284

α5 0,049 0,173 0,785 8,231 0,018


2

T-statistic: 0,241

α5 0,040 0,165 0,803 9,186 0,018

0,785 0,005

3,196***

α4 1,0070,315 0,023 9,000 0,005

0,785 0,004

2,572***

α4 0,7240,281 0,023 9,000 0,005

0,803 0,003

2,904***

α4 0,7700,265 0,022 9,000 0,004

1,703*

α2 0,802 0,471

2,018**

α2 0,749 0,371

2,208**

α2 0,835 0,378

1,152

α1 0,495 0,429

1,899**

α1 0,725 0,382

2,557***

α1 0,916 0,358

1,554*

α0 0,0170,011

1,506*

α0 0,0140,009

1,676*

α0 0,0150,009


N R2-statistic F-statistic

Δln(R)(t-1)

Error correction term(t-1)

Δln(Stock)

Δln(1-vacancy rate)(t-1) x Stock)

Δln(1-fitted vacancy rate) x Stock)

Δln(FTE)

Δln(HC)

Δln(VA)

Δln(GDP)

Short-run model Constant


ln(Stock)

ln(1-vacancy rate)(t-1) x Stock)

ln(1-fitted vacancy rate) x Stock)

ln(FTE)

ln(HC)

ln(VA)

ln(GDP)

AMSTERDAM Long-run model Constant

-0,334*** (0,142) 0,672**** (0,155) 14 0,822 0,002

-0,195 (0,430)

-0,020 (0,019) 0,674* (0,523)

15 0,195 0,272

-0,240* (0,150) 1,121**** (0,203) 14 0,819 0,002

-1,218* (0,705)

-0,018 (0,020) 1,096** (0,594)

15 0,198 0,266

1,095 (1,031)

9,667* (6,847) -0,841* (0,546)

15,346*** (6,054) 0,073 (0,442)

-0,746 (0,715)

L1b

L1a

-1,032** (0,553) -0,399*** (0,170) 0,464**** (0,127) 14 0,891 0,000

-0,002 (0,020) 0,767** (0,384)

-2,217**** (0,475) 16 0,638 0,001

0,514 (3,846) 1,599**** (0,398)

L1c

L2a

-0,366*** (0,151) 0,681**** (0,163) 14 0,803 0,003

-0,129 (0,455)

0,427 (0,549)

-0,017 (0,023)

15 0,194 0,275

-0,618 (0,717) 0.000

-0,017 (0,366)

15,593*** (5,854)


-0,275* (0,191) 1,156**** (0,223) 14 0,788 0,004

-1,183* (0,813)

0,871* (0,707)

-0,018 (0,025)

15 0,255 0,171

1,322* (0,988)

-0,805** (0,432)

4,975 (7,286)

L2b

L Constanten, coëfficiënten en betrouwbaarheidsniveau

-0,900* (0,655) -0,408** (0,186) 0,467**** (0,139) 14 0,868 0,001

0,655* (0,411)

-0,006 (0,024)

-2,247**** (0,533) 16 0,595 0,003

1,336**** (0,369)

8,011*** (2,899)

L2c


129

-0,307*** (0,119) 0,362*** (0,140) 14 0,888 0,000

-0,163 (0,302)

1,480*** (0,461)

-0,024* (0,013)

15 0,443 0,030

-1,443**** (0,468)

1,309*** (0,565)

10,448** (5,342)

L3a

-0,211*** (0,090) 0,582**** (0,175) 14 0,887 0,000

-0,673* (0,482)

1,537**** (0,450)

-0,018* (0,015)

15 0,204 0,254

-1,664* (0,949)

1,550* (0,982)

10,642* (6,775)

L3b

-0,909** (0,417) -0,643*** (0,205) 0,366**** (0,099) 14 0,930 0,000

0,826** (0,436)

0,001 (0,016)

-1,415**** (0,173) 16 0,842 0,000

1,841**** (0,251)

3,117* (2,074)

L3c

-0,368*** (0,142) 0,355** (0,159) 14 0,862 0,001

1,171*** (0,442) -0,143 (0,343)

-0,014 (0,013)

15 0,534 0,010

1,610*** (0,543) -1,216**** (0,347)

3,406 (6,054)

L4a

-0,287*** (0,113) 0,533*** (0,194) 14 0,865 0,001

-0,620 (0,531)

1,224*** (0,408)

-0,009 (0,015)

15 0,419 0,038

-1,606*** (0,589)

2,211*** (0,789)

1,591 (6,674)

L4b

-0,743* (0,459) -0,727**** (0,188) 0,350**** (0,101) 14 0,928 0,000

0,639* (0,369)

0,004 (0,016)

-1,080**** (0,144) 16 0,834 0,000

1,847**** (0,260)

-1,615 (2,584)

L4c



Δln(R)(t-1)


Δln(Stock)



Δln(FTE)

Δln(HC)

Δln(VA)

Δln(GDP)



ln(Stock)



ln(FTE)

ln(HC)

ln(VA)

ln(GDP)

DEN HAAG Long-run model Constant

-0,627**** (0,170) 0,272* (0,193) 14 0,759 0,007

1,158*** (0,402)

-0,025** (0,012) 0,340 (0,367)

15 0,145

-0,455*** (0,182) 0,257 (0,219) 14 0,714 0,015

1,277**** (0,389)

-0,024** (0,013) 0,148 (0,422)

15 0,010

-0,069 (0,710)

4,049 (3,857) 0,096 (0,567)

1,467 (3,495) 0,674* (0,473)

-0,805* (0,583)

L1b

L1a

0,966* (0,593) -0,666*** (0,227) 0,292* (0,236) 14 0,652 0,034

-0,026* (0,016) 0,474 (0,434)

-1,125*** (0,452) 16 0,356

-1,780 (2,903) 1,019*** (0,384)

L1c


-0,628**** (0,166) 0,374** (0,183) 14 0,751 0,008

1,501**** (0,414)

0,079 (0,309)

-0,025** (0,012)

15 0,006

-0,159 (0,631) 0.000

0,126 (0,486)

4,755* (3,188)

L2a

-0,523*** (0,201) 0,334* (0,207) 14 0,707 0,017

1,494**** (0,398)

-0,092 (0,359)

-0,022* (0,012)

15 0,076

0,613 (0,618)

-0,443 (0,468)

6,306** (3,008)

L2b

1,406*** (0,585) -0,603*** (0,187) 0,374* (0,213) 14 0,662 0,030

0,222 (0,350)

-0,028** (0,015)

-0,692 (0,584) 16 0,119

0,609* (0,475)

1,624 (3,005)

L2c


130

-0,643** (0,322) -0,063 (0,163) 14 0,843 0,001

0,512* (0,387)

1,360**** (0,288)

-0,018** (0,009)

15 0,772

-0,556**** (0,115)

1,454**** (0,228)

-4,550*** (1,931)

L3a

-0,690** (0,374) -0,028 (0,195) 14 0,788 0,004

0,273 (0,452)

1,257*** (0,387)

-0,014* (0,009)

15 0,763

-0,631**** (0,135)

1,624**** (0,262)

-5,535*** (2,022)

L3b

0,387 (0,533) -0,780* (0,439) 0,022 (0,209) 14 0,791 0,004

1,221**** (0,366)

-0,017* (0,012)

-0,501**** (0,098) 16 0,790

1,297**** (0,187)

-3,352*** (1,467)

L3c

-0,700** (0,362) -0,004 (0,205) 14 0,766 0,006

1,261**** (0,332) 0,646* (0,425)

-0,013* (0,010)

15 0,753

1,367**** (0,226) -0,104* (0,080)

-10,008**** (2,799)

L4a

-0,735** (0,376) 0,036 (0,221) 14 0,739 0,010

0,545 (0,459)

1,084*** (0,422)

-0,012 (0,010)

15 0,749

-0,101 (0,084)

1,387**** (0,233)

-10,308**** (2,785)

L4b

0,613 (0,557) -0,736* (0,411) 0,075 (0,249) 14 0,714 0,015

1,071*** (0,394)

-0,015 (0,012)

-0,131** (0,073) 16 0,733

1,186**** (0,199)

-7,337**** (2,261)

L4c



Δln(R)(t-1)


Δln(Stock)



Δln(FTE)

Δln(HC)

Δln(VA)

Δln(GDP)



ln(Stock)



ln(FTE)

ln(HC)

ln(VA)

ln(GDP)


-0,299*** (0,107) 0,578**** (0,125) 14 0,887 0,000

-0,169 (0,319)

-0,028** (0,014) 1,332*** (0,463)

15 0,240 0,192

-0,232*** (0,093) 0,887**** (0,163) 14 0,879 0,000

-0,709* (0,512)

-0,023* (0,016) 1,450*** (0,477)

15 0,064 0,674

0,242 (1,139)

15,213* (10,617) -0,492 (0,875)

9,122 (9,439) 0,513 (0,596)

-1,121* (0,665)

N1b

N1a

-1,089*** (0,376) -0,456*** (0,147) 0,413**** (0,098) 14 0,935 0,000

-0,002 (0,015) 1,111*** (0,362)

-2,051**** (0,316) 16 0,765 0,000

-20,034**** (6,051) 2,139**** (0,378)

N1c

-0,269*** (0,107) 0,576**** (0,120) 14 0,895 0,000

-0,103 (0,309)

1,323*** (0,428)

-0,037*** (0,016)

15 0,235 0,200

-1,086* (0,659) 0.000

0,381 (0,472)

12,379* (6,956)

N2a


-0,199** (0,096) 0,839**** (0,163) 14 0,882 0,000

-0,566 (0,505)

1,416*** (0,452)

-0,033** (0,017)

15 0,066 0,662

0,272 (1,137)

-0,413 (0,697)

12,355* (7,732)

N2b

-0,860** (0,405) -0,463*** (0,157) 0,412**** (0,102) 14 0,933 0,000

1,016*** (0,368)

-0,011 (0,017)

-2,022**** (0,319) 16 0,757 0,000

1,667**** (0,302)

-6,688* (3,994)

N2c


131

-0,266*** (0,100) 0,337*** (0,120) 14 0,919 0,000

-0,160 (0,255)

2,343**** (0,551)

-0,028*** (0,011)

15 0,430 0,034

-1,511*** (0,503)

1,712*** (0,767)

2,601 (7,622)

N3a

-0,175*** (0,072) 0,568**** (0,143) 14 0,924 0,000

-0,712* (0,392)

2,424**** (0,513)

-0,022* (0,012)

15 0,159 0,355

-1,580* (1,053)

1,799* (1,378)

2,346 (9,565)

N3b

-0,947*** (0,318) -0,640*** (0,230) 0,303**** (0,082) 14 0,955 0,000

1,559*** (0,498)

-0,003 (0,012)

-1,581**** (0,163) 16 0,880 0,000

2,683**** (0,310)

-11,021**** (3,049)

N3c

-0,275*** (0,114) 0,316*** (0,119) 14 0,924 0,000

2,398**** (0,508) -0,106 (0,251)

-0,018** (0,010)

15 0,586 0,005

2,606**** (0,772) -1,245**** (0,325)

-14,444* (9,842)

N4a

-0,194** (0,088) 0,510**** (0,137) 14 0,931 0,000

-0,670* (0,376)

2,425**** (0,444)

-0,011 (0,010)

15 0,475 0,021

-1,637*** (0,545)

3,502**** (1,109)

-21,922** (11,757)

N4b

-0,673** (0,354) -0,666*** (0,230) 0,303**** (0,085) 14 0,953 0,000

1,502*** (0,501)

-0,002 (0,012)

-1,076**** (0,126) 16 0,869 0,000

2,854**** (0,346)

-20,625**** (4,262)

N4c



Δln(R)(t-1)


Δln(Stock)



Δln(FTE)

Δln(HC)

Δln(VA)

Δln(GDP)



ln(Stock)



ln(FTE)

ln(HC)

ln(VA)

ln(GDP)


-0,639**** (0,163) 0,303* (0,177) 14 0,776 0,005

1,323**** (0,386)

-0,022** (0,011) 0,119 (0,326)

15 0,080 0,608

-0,439*** (0,193) 0,260 (0,213) 14 0,713 0,015

1,329**** (0,378)

-0,024** (0,012) 0,152 (0,387)

15 0,007 0,956

0,077 (0,610)

4,804 (5,603) -0,026 (0,523)

0,538 (5,215) 0,474 (0,466)

-0,523 (0,535)

N1b

N1a

1,205*** (0,528) -0,664**** (0,186) 0,291* (0,198) 14 0,716 0,015

-0,025* (0,014) 0,272 (0,352)

-0,915** (0,461) 16 0,265 0,135

-4,867 (4,776) 0,902** (0,423)

N1c

-0,643**** (0,170) 0,314* (0,173) 14 0,778 0,005

1,356**** (0,385)

0,060 (0,304)

-0,022** (0,012)

15 0,065 0,667

-0,476 (0,541) 0.000

0,344 (0,376)

3,543 (3,023)

N2a


-0,450** (0,208) 0,281* (0,214) 14 0,707 0,017

1,349**** (0,386)

0,079 (0,370)

-0,024* (0,013)

15 0,009 0,945

0,146 (0,628)

-0,070 (0,429)

4,869* (3,137)

N2b

1,245*** (0,517) -0,662**** (0,187) 0,297* (0,189) 14 0,727 0,012

0,190 (0,317)

-0,025* (0,014)

-0,892** (0,468) 16 0,250 0,154

0,697** (0,340)

0,753 (2,560)

N2c


132

-0,674*** (0,214) 0,114 (0,178) 14 0,786 0,004

0,831** (0,386)

0,623* (0,417)

-0,019** (0,010)

15 0,444 0,029

-0,794*** (0,282)

1,294**** (0,418)

-2,431 (3,079)

N3a

-0,541*** (0,224) 0,142 (0,201) 14 0,747 0,009

0,851** (0,397)

0,413 (0,481)

-0,018* (0,010)

15 0,335 0,086

-0,823** (0,381)

1,351*** (0,555)

-2,873 (3,650)

N3b

0,734* (0,494) -0,903**** (0,271) 0,221 (0,199) 14 0,764 0,007

0,398 (0,465)

-0,018* (0,012)

-0,783**** (0,212) 16 0,582 0,003

1,303**** (0,308)

-2,662* (2,153)

N3c

-0,679*** (0,225) 0,066 (0,165) 14 0,798 0,003

0,719** (0,362) 0,896*** (0,377)

-0,018** (0,009)

15 0,543 0,009

1,339**** (0,355) -0,419*** (0,154)

-8,480** (3,998)

N4a

-0,604*** (0,241) 0,080 (0,179) 14 0,768 0,006

0,815** (0,379)

0,513* (0,397)

-0,016* (0,010)

15 0,510 0,014

-0,443*** (0,180)

1,428**** (0,407)

-9,443** (4,347)

N4b

0,871* (0,476) -0,904**** (0,278) 0,201 (0,186) 14 0,775 0,005

0,370 (0,426)

-0,018* (0,011)

-0,400**** (0,130) 16 0,595 0,003

1,196**** (0,275)

-6,572*** (2,874)

N4c



Δln(R)(t-1)


Δln(Stock)



Δln(FTE)

Δln(HC)

Δln(VA)

Δln(GDP)



ln(Stock)



ln(FTE)

ln(HC)

ln(VA)

ln(GDP)


-0,334*** (0,148) 0,677**** (0,157) 14 0,817 0,002

-0,196 (0,441)

0,650 (0,560)

-0,022 (0,022)

15 0,194 0,274

-0,696 (0,718) 0.000

-0,233* (0,162) 1,143**** (0,202) 14 0,822 0,002

-1,295* (0,729)

1,175* (0,644)

-0,023 (0,022)

15 0,223 0,221

1,219 (1,023)

-0,834* (0,496)

7,385 (7,014)

15,565*** (5,866) 0,034 (0,406)

L2'b

L2'a


-1,007* (0,607) -0,393** (0,191) 0,451**** (0,134) 14 0,887 0,000

0,836** (0,403)

-0,007 (0,021)

-2,310**** (0,499) 16 0,636 0,001

1,537**** (0,384)

3,890 (3,266)

L2'c


133

-0,305*** (0,119) 0,341*** (0,137) 14 0,896 0,000

-0,205 (0,288)

1,680**** (0,478)

-0,022* (0,012)

15 0,493 0,017

-1,453**** (0,428)

1,626*** (0,611)

6,180 (5,832)

L3'a

-0,222*** (0,089) 0,537*** (0,171) 14 0,896 0,000

-0,650* (0,464)

1,743**** (0,463)

-0,017 (0,014)

15 0,284 0,134

-1,823** (0,843)

2,091** (1,032)

5,624 (6,931)

L3'b

-0,987*** (0,378) -0,659**** (0,200) 0,345**** (0,093) 14 0,939 0,000

1,001*** (0,432)

0,003 (0,014)

-1,363**** (0,151) 16 0,868 0,000

2,154**** (0,264)

-2,111 (2,320)

L3'c

-0,381*** (0,146) 0,325** (0,155) 14 0,873 0,000

1,403*** (0,459) -0,175 (0,323)

-0,013 (0,012)

15 0,611 0,003

2,041**** (0,569) -1,135**** (0,298)

-3,734 (6,748)

L4'a

-0,324*** (0,120) 0,470*** (0,190) 14 0,879 0,000

-0,571 (0,508)

1,467**** (0,421)

-0,008 (0,014)

15 0,541 0,009

-1,510**** (0,466)

2,765**** (0,763)

-7,484 (7,224)

L4'b

-0,782** (0,417) -0,761**** (0,182) 0,320**** (0,095) 14 0,939 0,000

0,850*** (0,370)

0,005 (0,014)

-0,973**** (0,121) 16 0,864 0,000

2,203**** (0,274)

-8,217*** (2,967)

L4'c



Δln(R)(t-1)


Δln(Stock)



Δln(FTE)

Δln(HC)

Δln(VA)

Δln(GDP)



ln(Stock)



ln(FTE)

ln(HC)

ln(VA)

ln(GDP)


-0,611**** (0,165) 0,316* (0,184) 14 0,749 0,009

1,287*** (0,420)

0,246 (0,318)

-0,025*** (0,011)

15 0,076 0,623

-0,573 (0,596) 0.000

-0,456*** (0,179) 0,274* (0,202) 14 0,714 0,015

1,315**** (0,393)

0,128 (0,353)

-0,024** (0,011)

15 0,010 0,940

0,166 (0,638)

-0,101 (0,526)

5,129* (3,882)

2,300 (3,810) 0,496 (0,500)

L2'b

L2'a


1,156** (0,620) -0,613*** (0,210) 0,335* (0,227) 14 0,637 0,041

0,379 (0,381)

-0,027** (0,015)

-0,923** (0,478) 16 0,254 0,148

0,869** (0,419)

-1,063 (3,243)

L2'c


134

-0,693** (0,366) -0,072 (0,180) 14 0,842 0,001

0,478 (0,397)

1,479**** (0,318)

-0,017** (0,009)

15 0,792 0,000

-0,486**** (0,102)

1,500**** (0,222)

-6,365**** (2,050)

L3'a

-0,795** (0,398) -0,014 (0,209) 14 0,800 0,003

0,248 (0,436)

1,364**** (0,418)

-0,013* (0,009)

15 0,785 0,000

-0,543**** (0,116)

1,649**** (0,250)

-7,378**** (2,139)

L3'b

0,278 (0,544) -0,882* (0,486) 0,014 (0,224) 14 0,797 0,004

1,371**** (0,387)

-0,015* (0,012)

-0,447**** (0,085) 16 0,817 0,000

1,394**** (0,184)

-5,564**** (1,592)

L3'c

-0,715* (0,398) -0,007 (0,227) 14 0,759 0,007

1,353**** (0,371) 0,655* (0,429)

-0,012* (0,010)

15 0,759 0,000

1,383**** (0,225) -0,029 (0,078)

-11,527**** (2,985)

L4'a

-0,796** (0,398) 0,057 (0,240) 14 0,743 0,010

0,586* (0,454)

1,133*** (0,465)

-0,011 (0,010)

15 0,758 0,000

-0,022 (0,080)

1,387**** (0,228)

-11,682**** (2,926)

L4'b

0,559 (0,565) -0,775* (0,448) 0,059 (0,268) 14 0,710 0,016

1,217*** (0,430)

-0,012 (0,013)

-0,060 (0,065) 16 0,757 0,000

1,272**** (0,201)

-9,671**** (2,463)

L4'c



Δln(R)(t-1)


Δln(Stock)



Δln(FTE)

Δln(HC)

Δln(VA)

Δln(GDP)



ln(Stock)



ln(FTE)

ln(HC)

ln(VA)

ln(GDP)


-0,288*** (0,107) 0,584**** (0,123) 14 0,891 0,000

-0,182 (0,314)

1,260*** (0,420)

-0,027** (0,014)

15 0,239 0,194

-1,105* (0,655) 0.000

-0,225*** (0,089) 0,889**** (0,157) 14 0,888 0,000

-0,725* (0,492)

1,374**** (0,423)

-0,022* (0,015)

15 0,061 0,686

0,194 (1,117)

-0,432 (0,818)

14,203* (9,644)

10,029 (8,678) 0,476 (0,559)

N2'b

N2'a


-1,078*** (0,374) -0,434*** (0,149) 0,412**** (0,099) 14 0,937 0,000

1,080**** (0,327)

-0,002 (0,014)

-2,032**** (0,317) 16 0,761 0,000

2,019**** (0,361)

-16,499*** (5,528)

N2'c


135

-0,297*** (0,111) 0,283*** (0,125) 14 0,920 0,000

-0,225 (0,248)

2,578**** (0,564)

-0,020** (0,010)

15 0,577 0,006

-1,485**** (0,375)

2,686**** (0,813)

-13,498* (9,776)

N3'a

-0,205*** (0,083) 0,503**** (0,147) 14 0,924 0,000

-0,791** (0,391)

2,660**** (0,522)

-0,012 (0,011)

15 0,406 0,044

-1,978*** (0,712)

3,608*** (1,324)

-20,331* (12,868)

N3'b

N4'a

-1,027**** (0,306) -0,658*** (0,229) 0,302**** (0,080) 14 0,957 0,000

1,773**** (0,487)

0,003 (0,011)

-1,291**** (0,121) 16 0,905 0,000

3,183**** (0,321)

-0,384*** (0,139) 0,257** (0,114) 14 0,935 0,000

2,725**** (0,475) -0,158 (0,230)

-0,009 (0,008)

15 0,791 0,000

3,823**** (0,654) -0,804**** (0,196)

-24,079**** -40,778**** (3,881) (10,088)

N3'c

-0,316*** (0,122) 0,430*** (0,133) 14 0,940 0,000

-0,649** (0,354)

2,738**** (0,415)

-0,002 (0,009)

15 0,767 0,000

-0,970**** (0,260)

4,553**** (0,744)

-49,443**** (10,522)

N4'b

-0,719** (0,344) -0,661*** (0,222) 0,307**** (0,082) 14 0,954 0,000

1,823**** (0,487)

0,004 (0,011)

-0,670**** (0,090) 16 0,899 0,000

3,441**** (0,360)

-36,854**** (5,305)

N4'c



Δln(R)(t-1)


Δln(Stock)



Δln(FTE)

Δln(HC)

Δln(VA)

Δln(GDP)



ln(Stock)



ln(FTE)

ln(HC)

ln(VA)

ln(GDP)


-0,639**** (0,162) 0,304* (0,177) 14 0,778 0,005

1,338**** (0,384)

0,101 (0,299)

-0,022** (0,011)

15 0,075 0,625

-0,491 (0,519) 0.000

-0,440*** (0,194) 0,260 (0,214) 14 0,713 0,015

1,329**** (0,378)

0,134 (0,357)

-0,024** (0,012)

15 0,007 0,956

0,070 (0,590)

-0,019 (0,482)

4,711 (4,776)

1,497 (4,488) 0,425 (0,430)

N2'b

N2'a


1,243*** (0,522) -0,663**** (0,183) 0,290* (0,196) 14 0,721 0,014

0,242 (0,320)

-0,025** (0,013)

-0,865** (0,454) 16 0,252 0,152

0,817** (0,397)

-3,101 (4,136)

N2'c


136

-0,740*** (0,248) 0,081 (0,181) 14 0,785 0,004

0,733** (0,395)

0,816** (0,419)

-0,017* (0,010)

15 0,577 0,006

-0,595**** (0,179)

1,529**** (0,378)

-9,507*** (3,982)

N3'a

-0,634*** (0,262) 0,103 (0,198) 14 0,757 0,008

0,726* (0,403)

0,622* (0,466)

-0,016* (0,010)

15 0,524 0,012

-0,643*** (0,221)

1,655**** (0,458)

-10,744*** (4,563)

N3'b

0,634* (0,495) -0,996**** (0,306) 0,208 (0,202) 14 0,769 0,006

0,533 (0,469)

-0,016* (0,012)

-0,563**** (0,143) 16 0,656 0,001

1,447**** (0,292)

-8,664*** (2,928)

N3'c

-0,770*** (0,265) 0,040 (0,165) 14 0,803 0,003

0,916*** (0,358) 0,835** (0,378)

-0,015* (0,009)

15 0,675 0,001

1,527**** (0,306) -0,140* (0,094)

-16,065**** (4,498)

N4'a

-0,724*** (0,281) 0,049 (0,173) 14 0,785 0,004

0,749** (0,371)

0,725** (0,382)

-0,014* (0,009)

15 0,669 0,001

-0,139* (0,100)

1,563**** (0,319)

-16,627**** (4,549)

N4'b

0,802* (0,471) -1,007*** (0,315) 0,191 (0,187) 14 0,785 0,005

0,495 (0,429)

-0,017* (0,011)

-0,167** (0,084) 16 0,674 0,001

1,329**** (0,258)

-12,593**** (3,535)

N4'c


AMSTERDAM L1a Input Mean S 5.233,21 Mean v* 11,75% Mean D ≡ OS ≡ (1 - v*)S 4.618,42 Mean R 303,41 Mean EA 53,30 Long-run model: lnRt = γ0 + γ1lnEAt + γ2ln[(1-v*)St] + ut 2 R -statistic 0,195 F-statistic 0,272 γ0: constant 15,346 γ1 > 0 0,073 γ2 < 0 0,746Rent Estimated R -> exp[γ0 + γ1lnEA + γ2ln[(1-v*)S]] 299,22 Estimated R -> ΔS 10% 278,69 Estimated R -> ΔEA 10% 301,30 ΔR -> ΔS -6,86% ΔR -> ΔEA 0,70% Supply Estimated S -> exp[(γ0 + γ1lnEA -lnR)/-γ2] 4.533,06 Estimated S -> ΔR 10% 3.989,23 Estimated S -> ΔEA 10% 4.575,47 ΔS -> ΔR -12,00% ΔS -> ΔEA 0,94% Long-run model: D = λ0Rλ1EAλ2 λ0: constant -> exp(-γ0/γ2) 8,64E+08 λ1 < 0: price elasticity -> 1/γ2 1,341λ2 > 0: income elasticity -> -γ1/γ2 0,098 Rent -λ2 Estimated R -> exp[(ln(1/λ0) + lnD + lnEA )/-λ1] 299,22 Estimated R -> ΔS 10% 278,69 Estimated R -> ΔEA 10% 301,30 ΔR -> ΔS -6,86% ΔR -> ΔEA 0,70% Demand λ1 λ2 Estimated D -> λ0R EA 4.533,06 Estimated D -> ΔR 10% 3.989,23 Estimated D -> ΔEA 10% 4.575,47 ΔD -> ΔR -12,00% ΔD -> ΔEA 0,94% Short-run model: ΔlnRt = α0 + α1ΔlnEAt + α2Δln[(1-v*)St]+ α4u(t-1) + α5ΔlnR(t-1) + ε 2 R -statistic 0,822 F-statistic 0,002 α0: constant 0,020α1 > 0 0,674 α2 < 0 0,195α4 < 0 0,334α5 > 0 0,672 Rent 10% 4,49% ΔR -> exp[α0 + α1ln(1+ΔEA)]-1 L1c 5.181,76 0,00% 5.181,76 301,09 52,40 0,638 0,001 0,514 1,599 2,217298,85 241,92 348,05 -19,05% 16,46% 5.164,36 4.947,09 5.531,79 -4,21% 7,11% 1,261 0,4510,721 298,85 241,92 348,05 -19,05% 16,46% 5.164,36 4.947,09 5.531,79 -4,21% 7,11% 0,891 0,000 0,0020,767 1,0320,3990,464 7,35%

L1b 5.233,21 10,89% 4.663,41 303,41 53,30 0,198 0,266 9,667 0,8411,095 302,02 335,26 278,75 11,00% -7,70% 4.682,99 5.108,72 5.038,59 9,09% 7,59% 1,47E-04 0,913 0,768 302,02 335,26 278,75 11,00% -7,70% 4.682,99 5.108,72 5.038,59 9,09% 7,59% 0,819 0,002 0,0181,096 1,2180,2401,121 8,99%


2,41%

0,803 0,003 0,0170,427 0,1290,3660,681

4.517,65 3.871,89 4.505,91 -14,29% -0,26%

299,30 282,19 298,82 -5,72% -0,16%

9,12E+10 1,6180,027-

4.517,65 3.871,89 4.505,91 -14,29% -0,26%

299,30 282,19 298,82 -5,72% -0,16%

0,194 0,275 15,593 0,0170,618-

5.233,21 11,75% 4.618,42 303,41 35,71

L2a

6,67%

0,788 0,004 0,0180,871 1,1830,2751,156

4.682,74 5.032,69 4.962,63 7,47% 5,98%

301,76 342,29 279,46 13,43% -7,39%

0,023 0,756 0,609

4.682,74 5.032,69 4.962,63 7,47% 5,98%

301,76 342,29 279,46 13,43% -7,39%

0,255 0,171 4,975 0,8051,322

5.233,21 10,89% 4.663,41 303,41 35,71

L2b

M Relatie economische activiteit en huurprijsontwikkeling


5,84%

0,868 0,001 0,0060,655 0,9000,4080,467

5.173,09 4.958,28 5.474,68 -4,15% 5,83%

299,96 242,12 340,69 -19,28% 13,58%

35,332 0,4450,595

5.173,09 4.958,28 5.474,68 -4,15% 5,83%

299,96 242,12 340,69 -19,28% 13,58%

0,595 0,003 8,011 1,336 2,247-

5.181,76 0,00% 5.181,76 301,09 35,00

L2c

137

12,43%

0,888 0,000 0,0241,480 0,1630,3070,362

4.561,53 4.270,01 4.973,29 -6,39% 9,03%

298,03 259,73 337,62 -12,85% 13,28%

1,39E+03 0,6930,907

4.561,53 4.270,01 4.973,29 -6,39% 9,03%

298,03 259,73 337,62 -12,85% 13,28%

0,443 0,030 10,448 1,309 1,443-

5.233,21 11,75% 4.618,42 303,41 593,35

L3a

13,72%

0,887 0,000 0,0181,537 0,6730,2110,582

4.606,32 4.349,91 5.033,95 -5,57% 9,28%

297,26 253,66 344,58 -14,67% 15,92%

599,044 0,6010,931

4.606,32 4.349,91 5.033,95 -5,57% 9,28%

297,26 253,66 344,58 -14,67% 15,92%

0,204 0,254 10,642 1,550 1,664-

5.233,21 10,89% 4.663,41 303,41 593,35

L3b

8,33%

0,930 0,000 0,001 0,826 0,9090,6430,366

5.137,12 4.802,40 5.815,50 -6,52% 13,21%

297,42 259,91 354,47 -12,61% 19,18%

9,059 0,7071,301

5.137,12 4.802,40 5.815,50 -6,52% 13,21%

297,42 259,91 354,47 -12,61% 19,18%

0,842 0,000 3,117 1,841 1,415-

5.181,76 0,00% 5.181,76 301,09 585,71

L3c

10,22%

0,862 0,001 0,0141,171 0,1430,3680,355

4.555,72 4.212,17 5.168,50 -7,54% 13,45%

298,41 265,77 347,89 -10,94% 16,58%

16,483 0,8231,324

4.555,72 4.212,17 5.168,50 -7,54% 13,45%

298,41 265,77 347,89 -10,94% 16,58%

0,534 0,010 3,406 1,610 1,216-

5.233,21 11,75% 4.618,42 303,41 448,49

L4a

11,41%

0,865 0,001 0,0091,224 0,6200,2870,533

4.604,37 4.339,09 5.249,74 -5,76% 14,02%

297,27 255,07 366,98 -14,19% 23,45%

2,692 0,6231,376

4.604,37 4.339,09 5.249,74 -5,76% 14,02%

297,27 255,07 366,98 -14,19% 23,45%

0,419 0,038 1,591 2,211 1,606-

5.233,21 10,89% 4.663,41 303,41 448,49

L4b

6,67%

0,928 0,000 0,004 0,639 0,7430,7270,350

5.124,81 4.691,97 6.031,72 -8,45% 17,70%

297,51 268,41 354,76 -9,78% 19,24%

0,224 0,9261,710

5.124,81 4.691,97 6.031,72 -8,45% 17,70%

297,51 268,41 354,76 -9,78% 19,24%

0,834 0,000 1,6151,847 1,080-

5.181,76 0,00% 5.181,76 301,09 443,51

L4c


DEN HAAG L1a Input Mean S 4.884,67 Mean v* 9,33% Mean D ≡ OS ≡ (1 - v*)S 4.429,06 Mean R 196,29 Mean EA 24,83 Long-run model: lnRt = γ0 + γ1lnEAt + γ2ln[(1-v*)St] + ut 2 R -statistic 0,145 F-statistic 0,391 γ0: constant 1,467 γ1 > 0 0,674 γ2 < 0 0,805Rent Estimated R -> exp[γ0 + γ1lnEA + γ2ln[(1-v*)S]] 196,12 Estimated R -> ΔS 10% 181,63 Estimated R -> ΔEA 10% 209,13 ΔR -> ΔS -7,39% ΔR -> ΔEA 6,63% Supply Estimated S -> exp[(γ0 + γ1lnEA -lnR)/-γ2] 4.424,23 Estimated S -> ΔR 10% 3.930,23 Estimated S -> ΔEA 10% 4.791,72 ΔS -> ΔR -11,17% ΔS -> ΔEA 8,31% Long-run model: D = λ0Rλ1EAλ2 λ0: constant -> exp(-γ0/γ2) 6,188 λ1 < 0: price elasticity -> 1/γ2 1,242λ2 > 0: income elasticity -> -γ1/γ2 0,837 Rent -λ2 Estimated R -> exp[(ln(1/λ0) + lnD + lnEA )/-λ1] 196,12 Estimated R -> ΔS 10% 181,63 Estimated R -> ΔEA 10% 209,13 ΔR -> ΔS -7,39% ΔR -> ΔEA 6,63% Demand λ1 λ2 Estimated D -> λ0R EA 4.424,23 Estimated D -> ΔR 10% 3.930,23 Estimated D -> ΔEA 10% 4.791,72 ΔD -> ΔR -11,17% ΔD -> ΔEA 8,31% Short-run model: ΔlnRt = α0 + α1ΔlnEAt + α2Δln[(1-v*)St]+ α4u(t-1) + α5ΔlnR(t-1) + ε 2 R -statistic 0,759 F-statistic 0,007 α0: constant 0,025α1 > 0 0,340 α2 < 0 1,158 α4 < 0 0,627α5 > 0 0,272 Rent 10% 0,76% ΔR -> exp[α0 + α1ln(1+ΔEA)]-1 L1c 4.832,52 0,00% 4.832,52 195,66 24,49 0,356 0,058 1,7801,019 1,125195,70 175,81 215,65 -10,16% 10,19% 4.833,32 4.440,59 5.269,08 -8,13% 9,02% 0,205 0,8890,906 195,70 175,81 215,65 -10,16% 10,19% 4.833,32 4.440,59 5.269,08 -8,13% 9,02% 0,652 0,034 0,0260,474 0,966 0,6660,292 1,92%

L1b 4.884,67 9,01% 4.444,65 196,29 24,83 0,010 0,944 4,049 0,096 0,069196,13 194,84 197,93 -0,66% 0,92% 4.392,88 1.108,42 5.011,35 -74,77% 14,08% 2,54E+25 14,4481,382 196,13 194,84 197,93 -0,66% 0,92% 4.392,88 1.108,42 5.011,35 -74,77% 14,08% 0,714 0,015 0,0240,148 1,277 0,4550,257 -0,95%


-1,72%

0,751 0,008 0,0250,079 1,501 0,6280,374

4.402,86 2.415,77 4.747,59 -45,13% 7,83%

196,10 193,16 198,46 -1,50% 1,20%

1,01E+13 6,2980,791

4.402,86 2.415,77 4.747,59 -45,13% 7,83%

196,10 193,16 198,46 -1,50% 1,20%

0,006 0,967 4,755 0,126 0,159-

4.884,67 9,33% 4.429,06 196,29 16,41

L2a

-3,02%

0,707 0,017 0,0220,0921,494 0,5230,334

4.451,56 5.200,55 4.768,70 16,83% 7,12%

196,10 207,90 188,00 6,02% -4,13%

3,40E-05 1,632 0,722

4.451,56 5.200,55 4.768,70 16,83% 7,12%

196,10 207,90 188,00 6,02% -4,13%

0,076 0,622 6,306 0,4430,613

4.884,67 9,01% 4.444,65 196,29 16,41

L2b


-0,70%

0,662 0,030 0,0280,222 1,406 0,6030,374

4.832,52 4.210,94 5.254,92 -12,86% 8,74%

195,66 183,17 207,35 -6,38% 5,97%

10,440 1,4450,879

4.832,52 4.210,94 5.254,92 -12,86% 8,74%

195,66 183,17 207,35 -6,38% 5,97%

0,119 0,439 1,624 0,609 0,692-

4.832,52 0,00% 4.832,52 195,66 16,17

L2c

138

11,77%

0,843 0,001 0,0181,360 0,512 0,6430,063-

4.413,16 3.717,42 5.663,72 -15,77% 28,34%

195,90 185,79 225,02 -5,16% 14,87%

2,77E-04 1,8002,618

4.413,16 3.717,42 5.663,72 -15,77% 28,34%

195,90 185,79 225,02 -5,16% 14,87%

0,772 0,000 4,5501,454 0,556-

4.884,67 9,33% 4.429,06 196,29 297,84

L3a

11,18%

0,788 0,004 0,0141,257 0,273 0,6900,028-

4.429,13 3.808,04 5.660,77 -14,02% 27,81%

195,86 184,43 228,64 -5,84% 16,74%

1,55E-04 1,5852,574

4.429,13 3.808,04 5.660,77 -14,02% 27,81%

195,86 184,43 228,64 -5,84% 16,74%

0,763 0,000 5,5351,624 0,631-

4.884,67 9,01% 4.444,65 196,29 297,84

L3b

10,42%

0,791 0,004 0,0171,221 0,387 0,7800,022

4.816,06 3.981,76 6.163,76 -17,32% 27,98%

195,33 186,22 221,03 -4,66% 13,16%

1,24E-03 1,9962,589

4.816,06 3.981,76 6.163,76 -17,32% 27,98%

195,33 186,22 221,03 -4,66% 13,16%

0,790 0,000 3,3521,297 0,501-

4.832,52 0,00% 4.832,52 195,66 295,55

L3c

11,28%

0,766 0,006 0,0131,261 0,646 0,7000,004-

4.393,39 1.755,03 1,54E+04 -60,05% 250,55%

196,12 194,19 223,41 -0,99% 13,92%

1,43E-42 9,62813,161

4.393,39 1.755,03 1,54E+04 -60,05% 250,55%

196,12 194,19 223,41 -0,99% 13,92%

0,753 0,000 10,0081,367 0,104-

4.884,67 9,33% 4.429,06 196,29 230,00

L4a

9,60%

0,739 0,010 0,0121,084 0,545 0,7350,036

4.408,30 1.710,81 16.390,33 -61,19% 271,81%

196,13 194,25 223,85 -0,96% 14,14%

3,47E-45 9,93113,778

4.408,30 1.710,81 1,64E+04 -61,19% 271,81%

196,13 194,25 223,85 -0,96% 14,14%

0,749 0,000 10,3081,387 0,101-

4.884,67 9,01% 4.444,65 196,29 230,00

L4b

9,14%

0,714 0,015 0,0151,071 0,613 0,7360,075

4.799,63 2.325,02 11.338,22 -51,56% 136,23%

195,49 193,05 218,88 -1,25% 11,97%

5,87E-25 7,6059,019

4.799,63 2.325,02 11.338,22 -51,56% 136,23%

195,49 193,05 218,88 -1,25% 11,97%

0,733 0,000 7,3371,186 0,131-

4.832,52 0,00% 4.832,52 195,66 228,78

L4c


AMSTERDAM N1a Input Mean S 5.233,21 Mean v* 11,75% Mean D ≡ OS ≡ (1 - v*)S 4.618,42 Mean R 303,41 Mean EA 467,16 Long-run model: lnRt = γ0 + γ1lnEAt + γ2ln[(1-v*)St] + ut 2 R -statistic 0,240 F-statistic 0,192 γ0: constant 9,122 γ1 > 0 0,513 γ2 < 0 1,121Rent Estimated R -> exp[γ0 + γ1lnEA + γ2ln[(1-v*)S]] 298,65 Estimated R -> ΔS 10% 268,39 Estimated R -> ΔEA 10% 313,61 ΔR -> ΔS -10,13% ΔR -> ΔEA 5,01% Supply Estimated S -> exp[(γ0 + γ1lnEA -lnR)/-γ2] 4.553,77 Estimated S -> ΔR 10% 4.182,62 Estimated S -> ΔEA 10% 4.756,71 ΔS -> ΔR -8,15% ΔS -> ΔEA 4,46% Long-run model: D = λ0Rλ1EAλ2 λ0: constant -> exp(-γ0/γ2) 3,42E+03 λ1 < 0: price elasticity -> 1/γ2 0,892λ2 > 0: income elasticity -> -γ1/γ2 0,457 Rent -λ2 Estimated R -> exp[(ln(1/λ0) + lnD + lnEA )/-λ1] 298,65 Estimated R -> ΔS 10% 268,39 Estimated R -> ΔEA 10% 313,61 ΔR -> ΔS -10,13% ΔR -> ΔEA 5,01% Demand λ1 λ2 Estimated D -> λ0R EA 4.553,77 Estimated D -> ΔR 10% 4.182,62 Estimated D -> ΔEA 10% 4.756,71 ΔD -> ΔR -8,15% ΔD -> ΔEA 4,46% Short-run model: ΔlnRt = α0 + α1ΔlnEAt + α2Δln[(1-v*)St]+ α4u(t-1) + α5ΔlnR(t-1) + ε 2 R -statistic 0,887 F-statistic 0,000 α0: constant 0,028α1 > 0 1,332 α2 < 0 0,169α4 < 0 0,299α5 > 0 0,578 Rent 10% 10,41% ΔR -> exp[α0 + α1ln(1+ΔEA)]-1 N1c 5.181,76 0,00% 5.181,76 301,09 461,17 0,765 0,000 20,0342,139 2,051297,41 244,60 364,65 -17,76% 22,61% 5.150,77 4.916,89 5.688,99 -4,54% 10,45% 5,73E-05 0,4881,043 297,41 244,60 364,65 -17,76% 22,61% 5.150,77 4.916,89 5.688,99 -4,54% 10,45% 0,935 0,000 0,0021,111 1,0890,4560,413 10,97%

N1b 5.233,21 10,89% 4.663,41 303,41 467,16 0,064 0,674 15,213 0,4920,242 301,15 308,16 287,36 2,33% -4,58% 4.809,99 7.136,97 5.840,12 48,38% 21,42% 4,43E-28 4,140 2,036 301,15 308,16 287,36 2,33% -4,58% 4.809,99 7.136,97 5.840,12 48,38% 21,42% 0,879 0,000 0,0231,450 0,7090,2320,887 12,21%


9,33%

0,895 0,000 0,0371,323 0,1030,2690,576

4.554,55 4.171,75 4.709,39 -8,40% 3,40%

298,86 269,48 309,91 -9,83% 3,70%

8,95E+04 0,9210,351

4.554,55 4.171,75 4.709,39 -8,40% 3,40%

298,86 269,48 309,91 -9,83% 3,70%

0,235 0,200 12,379 0,381 1,086-

5.233,21 11,75% 4.618,42 303,41 241,22

N2a

10,71%

0,882 0,000 0,0331,416 0,5660,1990,839

4.799,84 6.814,14 5.547,24 41,97% 15,57%

301,04 308,95 289,42 2,63% -3,86%

1,87E-20 3,677 1,518

4.799,84 6.814,14 5.547,24 41,97% 15,57%

301,04 308,95 289,42 2,63% -3,86%

0,066 0,662 12,355 0,4130,272

5.233,21 10,89% 4.663,41 303,41 241,22

N2b


8,94%

0,933 0,000 0,0111,016 0,8600,4630,412

5.157,99 4.920,55 5.579,45 -4,60% 8,17%

298,30 246,00 349,66 -17,53% 17,22%

0,037 0,4940,824

5.157,99 4.920,55 5.579,45 -4,60% 8,17%

298,30 246,00 349,66 -17,53% 17,22%

0,757 0,000 6,6881,667 2,022-

5.181,76 0,00% 5.181,76 301,09 237,35

N2c

139

21,52%

0,919 0,000 0,0282,343 0,1600,2660,337

4.560,59 4.281,77 5.080,69 -6,11% 11,40%

297,69 257,77 350,45 -13,41% 17,72%

5,594 0,6621,133

4.560,59 4.281,77 5.080,69 -6,11% 11,40%

297,69 257,77 350,45 -13,41% 17,72%

0,430 0,034 2,601 1,712 1,511-

5.233,21 11,75% 4.618,42 303,41 4.642,51

N3a

23,28%

0,924 0,000 0,0222,424 0,7120,1750,568

4.602,89 4.333,48 5.130,38 -5,85% 11,46%

297,21 255,66 352,80 -13,98% 18,70%

4,413 0,6331,138

4.602,89 4.333,48 5.130,38 -5,85% 11,46%

297,21 255,66 352,80 -13,98% 18,70%

0,159 0,355 2,346 1,799 1,580-

5.233,21 10,89% 4.663,41 303,41 4.642,51

N3b

15,61%

0,955 0,000 0,0031,559 0,9470,6400,303

5.134,54 4.834,10 6.035,97 -5,85% 17,56%

296,76 255,26 383,22 -13,99% 29,13%

9,37E-04 0,6331,697

5.134,54 4.834,10 6.035,97 -5,85% 17,56%

296,76 255,26 383,22 -13,99% 29,13%

0,880 0,000 11,0212,683 1,581-

5.181,76 0,00% 5.181,76 301,09 4.597,90

N3c

23,39%

0,924 0,000 0,0182,398 0,1060,2750,316

4.553,80 4.218,21 5.559,11 -7,37% 22,08%

298,13 264,78 382,18 -11,19% 28,19%

9,16E-06 0,8032,093

4.553,80 4.218,21 5.559,11 -7,37% 22,08%

298,13 264,78 382,18 -11,19% 28,19%

0,586 0,005 14,4442,606 1,245-

5.233,21 11,75% 4.618,42 303,41 3.477,15

N4a

24,67%

0,931 0,000 0,0112,425 0,6700,1940,510

4.601,94 4.341,66 5.642,88 -5,66% 22,62%

296,89 254,00 414,54 -14,45% 39,63%

1,53E-06 0,6112,139

4.601,94 4.341,66 5.642,88 -5,66% 22,62%

296,89 254,00 414,54 -14,45% 39,63%

0,475 0,021 21,9223,502 1,637-

5.233,21 10,89% 4.663,41 303,41 3.477,15

N4b

15,17%

0,953 0,000 0,0021,502 0,6730,6660,303

5.117,92 4.684,16 6.589,41 -8,48% 28,75%

297,10 268,13 389,95 -9,75% 31,25%

4,75E-09 0,9292,652

5.117,92 4.684,16 6.589,41 -8,48% 28,75%

297,10 268,13 389,95 -9,75% 31,25%

0,869 0,000 20,6252,854 1,076-

5.181,76 0,00% 5.181,76 301,09 3.451,21

N4c


DEN HAAG N1a Input Mean S 4.884,67 Mean v* 9,33% Mean D ≡ OS ≡ (1 - v*)S 4.429,06 Mean R 196,29 Mean EA 467,16 Long-run model: lnRt = γ0 + γ1lnEAt + γ2ln[(1-v*)St] + ut 2 R -statistic 0,080 F-statistic 0,608 γ0: constant 0,538 γ1 > 0 0,474 γ2 < 0 0,523Rent Estimated R -> exp[γ0 + γ1lnEA + γ2ln[(1-v*)S]] 196,09 Estimated R -> ΔS 10% 186,55 Estimated R -> ΔEA 10% 205,16 ΔR -> ΔS -4,87% ΔR -> ΔEA 4,63% Supply Estimated S -> exp[(γ0 + γ1lnEA -lnR)/-γ2] 4.420,33 Estimated S -> ΔR 10% 3.684,31 Estimated S -> ΔEA 10% 4.819,32 ΔS -> ΔR -16,65% ΔS -> ΔEA 9,03% Long-run model: D = λ0Rλ1EAλ2 λ0: constant -> exp(-γ0/γ2) 2,794 λ1 < 0: price elasticity -> 1/γ2 1,911λ2 > 0: income elasticity -> -γ1/γ2 0,907 Rent -λ2 Estimated R -> exp[(ln(1/λ0) + lnD + lnEA )/-λ1] 196,09 Estimated R -> ΔS 10% 186,55 Estimated R -> ΔEA 10% 205,16 ΔR -> ΔS -4,87% ΔR -> ΔEA 4,63% Demand λ1 λ2 Estimated D -> λ0R EA 4.420,33 Estimated D -> ΔR 10% 3.684,31 Estimated D -> ΔEA 10% 4.819,32 ΔD -> ΔR -16,65% ΔD -> ΔEA 9,03% Short-run model: ΔlnRt = α0 + α1ΔlnEAt + α2Δln[(1-v*)St]+ α4u(t-1) + α5ΔlnR(t-1) + ε 2 R -statistic 0,776 F-statistic 0,005 α0: constant 0,022α1 > 0 0,119 α2 < 0 1,323 α4 < 0 0,639α5 > 0 0,303 Rent 10% -1,08% ΔR -> exp[α0 + α1ln(1+ΔEA)]-1 N1c 4.832,52 0,00% 4.832,52 195,66 461,17 0,265 0,135 4,8670,902 0,915195,60 179,27 213,16 -8,35% 8,98% 4.830,83 4.352,90 5.306,76 -9,89% 9,85% 0,005 1,0930,986 195,60 179,27 213,16 -8,35% 8,98% 4.830,83 4.352,90 5.306,76 -9,89% 9,85% 0,716 0,015 0,0250,272 1,205 0,6640,291 0,13%

N1b 4.884,67 9,01% 4.444,65 196,29 467,16 0,007 0,956 4,804 0,0260,077 196,13 197,58 195,64 0,74% -0,25% 4.491,19 15.466,42 4.639,39 244,37% 3,30% 8,50E-28 12,974 0,341 196,13 197,58 195,64 0,74% -0,25% 4.491,19 15.466,42 4.639,39 244,37% 3,30% 0,713 0,015 0,0240,152 1,329 0,4390,260 -0,97%


-1,60%

0,778 0,005 0,0220,060 1,356 0,6430,314

4.423,79 3.621,03 4.739,41 -18,15% 7,13%

196,18 187,48 202,72 -4,44% 3,33%

1,71E+03 2,1010,723

4.423,79 3.621,03 4.739,41 -18,15% 7,13%

196,18 187,48 202,72 -4,44% 3,33%

0,065 0,667 3,543 0,344 0,476-

4.884,67 9,33% 4.429,06 196,29 241,22

N2a

-1,60%

0,707 0,017 0,0240,079 1,349 0,4500,281

4.471,58 8.596,11 4.679,44 92,24% 4,65%

196,12 198,86 194,82 1,40% -0,66%

3,17E-15 6,857 0,477

4.471,58 8.596,11 4.679,44 92,24% 4,65%

196,12 198,86 194,82 1,40% -0,66%

0,009 0,945 4,869 0,0700,146

4.884,67 9,01% 4.444,65 196,29 241,22

N2b


-0,67%

0,727 0,012 0,0250,190 1,245 0,6620,297

4.837,42 4.347,38 5.211,32 -10,13% 7,73%

195,84 179,87 209,29 -8,15% 6,87%

2,326 1,1210,781

4.837,42 4.347,38 5.211,32 -10,13% 7,73%

195,84 179,87 209,29 -8,15% 6,87%

0,250 0,154 0,753 0,697 0,892-

4.832,52 0,00% 4.832,52 195,66 237,35

N2c

140

4,13%

0,786 0,004 0,0190,623 0,831 0,6740,114

4.416,66 3.917,25 5.158,57 -11,31% 16,80%

195,85 181,57 221,56 -7,29% 13,13%

0,047 1,2591,629

4.416,66 3.917,25 5.158,57 -11,31% 16,80%

195,85 181,57 221,56 -7,29% 13,13%

0,444 0,029 2,4311,294 0,794-

4.884,67 9,33% 4.429,06 196,29 4.642,51

N3a

2,19%

0,747 0,009 0,0180,413 0,851 0,5410,142

4.432,13 3.947,28 5.183,23 -10,94% 16,95%

195,83 181,06 222,75 -7,54% 13,74%

0,030 1,2161,643

4.432,13 3.947,28 5.183,23 -10,94% 16,95%

195,83 181,06 222,75 -7,54% 13,74%

0,335 0,086 2,8731,351 0,823-

4.884,67 9,01% 4.444,65 196,29 4.642,51

N3b

2,06%

0,764 0,007 0,0180,398 0,734 0,9030,221

4.821,26 4.268,63 5.649,92 -11,46% 17,19%

195,31 181,26 221,13 -7,19% 13,22%

0,033 1,2771,664

4.821,26 4.268,63 5.649,92 -11,46% 17,19%

195,31 181,26 221,13 -7,19% 13,22%

0,582 0,003 2,6621,303 0,783-

4.832,52 0,00% 4.832,52 195,66 4.597,90

N3c

5,21%

0,798 0,003 0,0180,719 0,896 0,6790,066

4.409,67 3.512,20 5.980,46 -20,35% 35,62%

195,93 188,26 222,60 -3,91% 13,61%

1,61E-09 2,3883,197

4.409,67 3.512,20 5.980,46 -20,35% 35,62%

195,93 188,26 222,60 -3,91% 13,61%

0,543 0,009 8,4801,339 0,419-

4.884,67 9,33% 4.429,06 196,29 3.477,15

N4a

3,37%

0,768 0,006 0,0160,513 0,815 0,6040,080

4.425,48 3.568,86 6.016,45 -19,36% 35,95%

195,91 187,81 224,47 -4,13% 14,58%

5,54E-10 2,2573,222

4.425,48 3.568,86 6.016,45 -19,36% 35,95%

195,91 187,81 224,47 -4,13% 14,58%

0,510 0,014 9,4431,428 0,443-

4.884,67 9,01% 4.444,65 196,29 3.477,15

N4b

1,71%

0,775 0,005 0,0180,370 0,871 0,9040,201

4.812,73 3.793,07 6.398,47 -21,19% 32,95%

195,34 188,03 218,93 -3,74% 12,08%

7,42E-08 2,4982,988

4.812,73 3.793,07 6.398,47 -21,19% 32,95%

195,34 188,03 218,93 -3,74% 12,08%

0,595 0,003 6,5721,196 0,400-

4.832,52 0,00% 4.832,52 195,66 3.451,21

N4c


AMSTERDAM Input Mean S Mean v* Mean D ≡ OS ≡ (1 - v*)S Mean R Mean EA Long-run model: lnRt = γ0 + γ1lnEAt + γ2ln[(1-v*)St] + ut R2-statistic F-statistic γ0: constant γ1 > 0 γ2 < 0 Rent Estimated R -> exp[γ0 + γ1lnEA + γ2ln[(1-v*)S]] Estimated R -> ΔS 10% Estimated R -> ΔEA 10% ΔR -> ΔS ΔR -> ΔEA Supply Estimated S -> exp[(γ0 + γ1lnEA -lnR)/-γ2] Estimated S -> ΔR 10% Estimated S -> ΔEA 10% ΔS -> ΔR ΔS -> ΔEA Long-run model: D = λ0Rλ1EAλ2 λ0: constant -> exp(-γ0/γ2) λ1 < 0: price elasticity -> 1/γ2 λ2 > 0: income elasticity -> -γ1/γ2 Rent Estimated R -> exp[(ln(1/λ0) + lnD + lnEA-λ2)/-λ1] Estimated R -> ΔS 10% Estimated R -> ΔEA 10% ΔR -> ΔS ΔR -> ΔEA Demand Estimated D -> λ0Rλ1EAλ2 Estimated D -> ΔR 10% Estimated D -> ΔEA 10% ΔD -> ΔR ΔD -> ΔEA Short-run model: ΔlnRt = α0 + α1ΔlnEAt + α2Δln[(1-v*)St]+ α4u(t-1) + α5ΔlnR(t-1) + ε R2-statistic F-statistic α0: constant α1 > 0 α2 < 0 α4 < 0 α5 > 0 Rent 10% ΔR -> exp[α0 + α1ln(1+ΔEA)]-1 L2'b 5.233,21 10,89% 4.663,41 303,41 41,00 0,223 0,221 7,385 0,8341,219 301,96 339,15 278,87 12,32% -7,64% 4.681,85 5.062,72 4.997,53 8,13% 6,74% 0,002 0,821 0,685 301,96 339,15 278,87 12,32% -7,64% 4.681,85 5.062,72 4.997,53 8,13% 6,74% 0,822 0,002 0,0231,175 1,2950,2331,143 9,27%

L2'a 5.233,21 11,75% 4.618,42 303,41 41,00 0,194 0,274 15,565 0,034 0,696299,27 280,05 300,22 -6,42% 0,32% 4.528,06 3.948,76 4.548,92 -12,79% 0,46% 5,12E+09 1,4360,048 299,27 280,05 300,22 -6,42% 0,32% 4.528,06 3.948,76 4.548,92 -12,79% 0,46% 0,817 0,002 0,0220,650 0,1960,3340,677 4,12%



7,55%

0,887 0,000 0,0070,836 1,0070,3930,451

5.169,00 4.960,05 5.507,36 -4,04% 6,55%

299,38 240,22 346,60 -19,76% 15,77%

5,387 0,4330,665

5.169,00 4.960,05 5.507,36 -4,04% 6,55%

299,38 240,22 346,60 -19,76% 15,77%

0,636 0,001 3,890 1,537 2,310-

5.181,76 0,00% 5.181,76 301,09 40,26

L2'c

141

14,84%

0,896 0,000 0,0221,680 0,2050,3050,341

4.560,59 4.271,08 5.073,92 -6,35% 11,26%

297,91 259,37 347,85 -12,93% 16,77%

7,03E+01 0,6881,119

4.560,59 4.271,08 5.073,92 -6,35% 11,26%

297,91 259,37 347,85 -12,93% 16,77%

0,493 0,017 6,180 1,626 1,453-

5.233,21 11,75% 4.618,42 303,41 670,26

L3'a

16,13%

0,896 0,000 0,0171,743 0,6500,2220,537

4.607,01 4.372,31 5.139,40 -5,09% 11,56%

296,76 249,43 362,22 -15,95% 22,06%

21,880 0,5491,147

4.607,01 4.372,31 5.139,40 -5,09% 11,56%

296,76 249,43 362,22 -15,95% 22,06%

0,284 0,134 5,624 2,091 1,823-

5.233,21 10,89% 4.663,41 303,41 670,26

L3'b

10,38%

0,939 0,000 0,003 1,001 0,9870,6590,345

5.132,37 4.785,65 5.966,88 -6,76% 16,26%

297,18 260,99 364,90 -12,18% 22,79%

0,212 0,7341,581

5.132,37 4.785,65 5.966,88 -6,76% 16,26%

297,18 260,99 364,90 -12,18% 22,79%

0,868 0,000 2,1112,154 1,363-

5.181,76 0,00% 5.181,76 301,09 663,08

L3'c

12,88%

0,873 0,000 0,0131,403 0,1750,3810,325

4.552,91 4.186,14 5.404,26 -8,06% 18,70%

298,53 267,93 362,64 -10,25% 21,47%

0,037 0,8811,799

4.552,91 4.186,14 5.404,26 -8,06% 18,70%

298,53 267,93 362,64 -10,25% 21,47%

0,611 0,003 3,7342,041 1,135-

5.233,21 11,75% 4.618,42 303,41 516,00

L4'a

14,10%

0,879 0,000 0,0081,467 0,5710,3240,470

4.602,00 4.320,55 5.479,32 -6,12% 19,06%

297,40 257,53 387,07 -13,41% 30,15%

0,007 0,6621,831

4.602,00 4.320,55 5.479,32 -6,12% 19,06%

297,40 257,53 387,07 -13,41% 30,15%

0,541 0,009 7,4842,765 1,510-

5.233,21 10,89% 4.663,41 303,41 516,00

L4'b

8,95%

0,939 0,000 0,005 0,850 0,7820,7610,320

5.117,61 4.640,30 6.349,73 -9,33% 24,08%

297,46 271,10 366,97 -8,86% 23,37%

2,16E-04 1,0272,263

5.117,61 4.640,30 6.349,73 -9,33% 24,08%

297,46 271,10 366,97 -8,86% 23,37%

0,864 0,000 8,2172,203 0,973-

5.181,76 0,00% 5.181,76 301,09 511,49

L4'c


DEN HAAG Input Mean S Mean v* Mean D ≡ OS ≡ (1 - v*)S Mean R Mean EA Long-run model: lnRt = γ0 + γ1lnEAt + γ2ln[(1-v*)St] + ut R2-statistic F-statistic γ0: constant γ1 > 0 γ2 < 0 Rent Estimated R -> exp[γ0 + γ1lnEA + γ2ln[(1-v*)S]] Estimated R -> ΔS 10% Estimated R -> ΔEA 10% ΔR -> ΔS ΔR -> ΔEA Supply Estimated S -> exp[(γ0 + γ1lnEA -lnR)/-γ2] Estimated S -> ΔR 10% Estimated S -> ΔEA 10% ΔS -> ΔR ΔS -> ΔEA Long-run model: D = λ0Rλ1EAλ2 λ0: constant -> exp(-γ0/γ2) λ1 < 0: price elasticity -> 1/γ2 λ2 > 0: income elasticity -> -γ1/γ2 Rent Estimated R -> exp[(ln(1/λ0) + lnD + lnEA-λ2)/-λ1] Estimated R -> ΔS 10% Estimated R -> ΔEA 10% ΔR -> ΔS ΔR -> ΔEA Demand Estimated D -> λ0Rλ1EAλ2 Estimated D -> ΔR 10% Estimated D -> ΔEA 10% ΔD -> ΔR ΔD -> ΔEA Short-run model: ΔlnRt = α0 + α1ΔlnEAt + α2Δln[(1-v*)St]+ α4u(t-1) + α5ΔlnR(t-1) + ε R2-statistic F-statistic α0: constant α1 > 0 α2 < 0 α4 < 0 α5 > 0 Rent 10% ΔR -> exp[α0 + α1ln(1+ΔEA)]-1 L2'b 4.884,67 9,01% 4.444,65 196,29 18,94 0,010 0,940 5,129 0,1010,166 196,13 199,26 194,26 1,59% -0,96% 4.466,02 7.935,95 4.732,72 77,70% 5,97% 3,67E-14 6,032 0,609 196,13 199,26 194,26 1,59% -0,96% 4.466,02 7.935,95 4.732,72 77,70% 5,97% 0,714 0,015 0,0240,128 1,315 0,4560,274 -1,13%

L2'a 4.884,67 9,33% 4.429,06 196,29 18,94 0,076 0,623 2,300 0,496 0,573196,09 185,68 205,59 -5,31% 4,84% 4.421,42 3.743,41 4.802,09 -15,33% 8,61% 55,528 1,7470,867 196,09 185,68 205,59 -5,31% 4,84% 4.421,42 3.743,41 4.802,09 -15,33% 8,61% 0,749 0,009 0,0250,246 1,287 0,6110,316 -0,14%



0,89%

0,637 0,041 0,0270,379 1,156 0,6130,335

4.831,81 4.357,98 5.285,19 -9,81% 9,38%

195,64 179,15 212,53 -8,43% 8,63%

0,316 1,0830,941

4.831,81 4.357,98 5.285,19 -9,81% 9,38%

195,64 179,15 212,53 -8,43% 8,63%

0,254 0,148 1,0630,869 0,923-

4.832,52 0,00% 4.832,52 195,66 18,68

L2'c

142

13,18%

0,842 0,001 0,0171,479 0,478 0,6930,072-

4.411,77 3.625,86 5.921,69 -17,81% 34,22%

195,92 187,05 226,03 -4,52% 15,37%

2,04E-06 2,0583,088

4.411,77 3.625,86 5.921,69 -17,81% 34,22%

195,92 187,05 226,03 -4,52% 15,37%

0,792 0,000 6,3651,500 0,486-

4.884,67 9,33% 4.429,06 196,29 332,91

L3'a

12,43%

0,800 0,003 0,0131,364 0,248 0,7950,014-

4.427,74 3.714,61 5.914,50 -16,11% 33,58%

195,88 186,01 229,21 -5,04% 17,01%

1,25E-06 1,8433,038

4.427,74 3.714,61 5.914,50 -16,11% 33,58%

195,88 186,01 229,21 -5,04% 17,01%

0,785 0,000 7,3781,649 0,543-

4.884,67 9,01% 4.444,65 196,29 332,91

L3'b

12,29%

0,797 0,004 0,0151,371 0,278 0,8820,014

4.813,84 3.889,06 6.480,76 -19,21% 34,63%

195,33 187,18 223,08 -4,17% 14,21%

3,91E-06 2,2383,120

4.813,84 3.889,06 6.480,76 -19,21% 34,63%

195,33 187,18 223,08 -4,17% 14,21%

0,817 0,000 5,5641,394 0,447-

4.832,52 0,00% 4.832,52 195,66 330,76

L3'c

12,38%

0,759 0,007 0,0121,353 0,655 0,7150,007-

4.342,96 158,53 4,22E+05 -96,35% 9624,29%

196,18 195,64 223,81 -0,27% 14,09%

1,34E-174 34,73348,024

4.342,96 158,53 4,22E+05 -96,35% 9624,29%

196,18 195,64 223,81 -0,27% 14,09%

0,759 0,000 11,5271,383 0,029-

4.884,67 9,33% 4.429,06 196,29 261,24

L4'a

10,13%

0,743 0,010 0,0111,133 0,586 0,7960,057

3,87E-232 45,61263,251

4.336,90 56,13 1,80E+06 -98,71% 41406,76%

196,18 195,77 223,90 -0,21% 14,13%

0,758 0,000 11,6821,387 0,022-

4.884,67 9,01% 4.444,65 196,29 261,24

L4'b

10,91%

0,710 0,016 0,0121,217 0,559 0,7750,059

4.779,27 969,83 36.368,15 -79,71% 660,96%

195,53 194,42 220,75 -0,57% 12,89%

5,24E-71 16,73421,293

4.779,27 969,83 36.368,15 -79,71% 660,96%

195,53 194,42 220,75 -0,57% 12,89%

0,757 0,000 9,6711,272 0,060-

4.832,52 0,00% 4.832,52 195,66 260,20

L4'c


AMSTERDAM Input Mean S Mean v* Mean D ≡ OS ≡ (1 - v*)S Mean R Mean EA Long-run model: lnRt = γ0 + γ1lnEAt + γ2ln[(1-v*)St] + ut R2-statistic F-statistic γ0: constant γ1 > 0 γ2 < 0 Rent Estimated R -> exp[γ0 + γ1lnEA + γ2ln[(1-v*)S]] Estimated R -> ΔS 10% Estimated R -> ΔEA 10% ΔR -> ΔS ΔR -> ΔEA Supply Estimated S -> exp[(γ0 + γ1lnEA -lnR)/-γ2] Estimated S -> ΔR 10% Estimated S -> ΔEA 10% ΔS -> ΔR ΔS -> ΔEA Long-run model: D = λ0Rλ1EAλ2 λ0: constant -> exp(-γ0/γ2) λ1 < 0: price elasticity -> 1/γ2 λ2 > 0: income elasticity -> -γ1/γ2 Rent Estimated R -> exp[(ln(1/λ0) + lnD + lnEA-λ2)/-λ1] Estimated R -> ΔS 10% Estimated R -> ΔEA 10% ΔR -> ΔS ΔR -> ΔEA Demand Estimated D -> λ0Rλ1EAλ2 Estimated D -> ΔR 10% Estimated D -> ΔEA 10% ΔD -> ΔR ΔD -> ΔEA Short-run model: ΔlnRt = α0 + α1ΔlnEAt + α2Δln[(1-v*)St]+ α4u(t-1) + α5ΔlnR(t-1) + ε R2-statistic F-statistic α0: constant α1 > 0 α2 < 0 α4 < 0 α5 > 0 Rent 10% ΔR -> exp[α0 + α1ln(1+ΔEA)]-1 N2'b 5.233,21 10,89% 4.663,41 303,41 343,22 0,061 0,686 14,203 0,4320,194 301,03 306,66 288,88 1,87% -4,04% 4.856,31 7.930,68 6.002,91 63,31% 23,61% 1,82E-32 5,146 2,224 301,03 306,66 288,88 1,87% -4,04% 4.856,31 7.930,68 6.002,91 63,31% 23,61% 0,888 0,000 0,0221,374 0,7250,2250,889 11,48%

N2'a 5.233,21 11,75% 4.618,42 303,41 343,22 0,239 0,194 10,029 0,476 1,105298,71 268,85 312,56 -10,00% 4,64% 4.553,66 4.177,42 4.744,28 -8,26% 4,19% 8,72E+03 0,9050,430 298,71 268,85 312,56 -10,00% 4,64% 4.553,66 4.177,42 4.744,28 -8,26% 4,19% 0,891 0,000 0,0271,260 0,1820,2880,584 9,71%



10,61%

0,937 0,000 0,0021,080 1,0780,4340,412

5.151,99 4.915,88 5.663,87 -4,58% 9,94%

297,58 245,19 360,73 -17,60% 21,22%

2,97E-04 0,4920,994

5.151,99 4.915,88 5.663,87 -4,58% 9,94%

297,58 245,19 360,73 -17,60% 21,22%

0,761 0,000 16,4992,019 2,032-

5.181,76 0,00% 5.181,76 301,09 338,65

N2'c

143

25,38%

0,920 0,000 0,0202,578 0,2250,2970,283

4.558,56 4.275,15 5.416,25 -6,22% 18,81%

297,59 258,32 384,41 -13,20% 29,17%

1,13E-04 0,6731,809

4.558,56 4.275,15 5.416,25 -6,22% 18,81%

297,59 258,32 384,41 -13,20% 29,17%

0,577 0,006 13,4982,686 1,485-

5.233,21 11,75% 4.618,42 303,41 6.138,45

N3'a

27,28%

0,924 0,000 0,0122,660 0,7910,2050,503

4.605,81 4.389,11 5.480,41 -4,70% 18,99%

296,04 245,18 417,54 -17,18% 41,04%

3,43E-05 0,5061,824

4.605,81 4.389,11 5.480,41 -4,70% 18,99%

296,04 245,18 417,54 -17,18% 41,04%

0,406 0,044 20,3313,608 1,978-

5.233,21 10,89% 4.663,41 303,41 6.138,45

N3'b

18,74%

0,957 0,000 0,003 1,773 1,0270,6580,302

5.124,04 4.759,37 6.481,53 -7,12% 26,49%

296,76 262,41 401,95 -11,58% 35,44%

7,94E-09 0,7752,466

5.124,04 4.759,37 6.481,53 -7,12% 26,49%

296,76 262,41 401,95 -11,58% 35,44%

0,905 0,000 24,0793,183 1,291-

5.181,76 0,00% 5.181,76 301,09 6.094,38

N3'c

28,47%

0,935 0,000 0,0092,725 0,1580,3840,257

4.539,22 4.031,51 7.143,97 -11,18% 57,38%

299,22 277,16 430,78 -7,37% 43,97%

9,13E-23 1,2454,758

4.539,22 4.031,51 7.143,97 -11,18% 57,38%

299,22 277,16 430,78 -7,37% 43,97%

0,791 0,000 40,7783,823 0,804-

5.233,21 11,75% 4.618,42 303,41 4.786,78

N4'a

29,52%

0,940 0,000 0,0022,738 0,6490,3160,430

4.587,73 4.158,25 7.177,14 -9,36% 56,44%

298,64 272,27 460,90 -8,83% 54,33%

7,18E-23 1,0314,695

4.587,73 4.158,25 7.177,14 -9,36% 56,44%

298,64 272,27 460,90 -8,83% 54,33%

0,767 0,000 49,4434,553 0,970-

5.233,21 10,89% 4.663,41 303,41 4.786,78

N4'b

19,45%

0,954 0,000 0,004 1,823 0,7190,6610,307

5.094,56 4.418,87 8.312,38 -13,26% 63,16%

297,68 279,27 413,21 -6,18% 38,81%

1,28E-24 1,4935,137

5.094,56 4.418,87 8.312,38 -13,26% 63,16%

297,68 279,27 413,21 -6,18% 38,81%

0,899 0,000 36,8543,441 0,670-

5.181,76 0,00% 5.181,76 301,09 4.762,95

N4'c


DEN HAAG Input Mean S Mean v* Mean D ≡ OS ≡ (1 - v*)S Mean R Mean EA Long-run model: lnRt = γ0 + γ1lnEAt + γ2ln[(1-v*)St] + ut R2-statistic F-statistic γ0: constant γ1 > 0 γ2 < 0 Rent Estimated R -> exp[γ0 + γ1lnEA + γ2ln[(1-v*)S]] Estimated R -> ΔS 10% Estimated R -> ΔEA 10% ΔR -> ΔS ΔR -> ΔEA Supply Estimated S -> exp[(γ0 + γ1lnEA -lnR)/-γ2] Estimated S -> ΔR 10% Estimated S -> ΔEA 10% ΔS -> ΔR ΔS -> ΔEA Long-run model: D = λ0Rλ1EAλ2 λ0: constant -> exp(-γ0/γ2) λ1 < 0: price elasticity -> 1/γ2 λ2 > 0: income elasticity -> -γ1/γ2 Rent Estimated R -> exp[(ln(1/λ0) + lnD + lnEA-λ2)/-λ1] Estimated R -> ΔS 10% Estimated R -> ΔEA 10% ΔR -> ΔS ΔR -> ΔEA Demand Estimated D -> λ0Rλ1EAλ2 Estimated D -> ΔR 10% Estimated D -> ΔEA 10% ΔD -> ΔR ΔD -> ΔEA Short-run model: ΔlnRt = α0 + α1ΔlnEAt + α2Δln[(1-v*)St]+ α4u(t-1) + α5ΔlnR(t-1) + ε R2-statistic F-statistic α0: constant α1 > 0 α2 < 0 α4 < 0 α5 > 0 Rent 10% ΔR -> exp[α0 + α1ln(1+ΔEA)]-1 N2'b 4.884,67 9,01% 4.444,65 196,29 343,22 0,007 0,956 4,711 0,0190,070 196,13 197,44 195,78 0,67% -0,18% 4.496,55 17.657,76 4.613,63 292,70% 2,60% 4,31E-30 14,352 0,270 196,13 197,44 195,78 0,67% -0,18% 4.496,55 17.657,76 4.613,63 292,70% 2,60% 0,713 0,015 0,0240,134 1,329 0,4400,260 -1,12%

N2'a 4.884,67 9,33% 4.429,06 196,29 343,22 0,075 0,625 1,497 0,425 0,491196,11 187,13 204,22 -4,57% 4,14% 4.420,71 3.641,19 4.801,04 -17,63% 8,60% 2,11E+01 2,0350,866 196,11 187,13 204,22 -4,57% 4,14% 4.420,71 3.641,19 4.801,04 -17,63% 8,60% 0,778 0,005 0,0220,101 1,338 0,6390,304 -1,24%



-0,18%

0,721 0,014 0,0250,242 1,243 0,6630,290

4.831,90 4.327,99 5.286,98 -10,43% 9,42%

195,64 180,15 211,49 -7,92% 8,10%

0,028 1,1560,944

4.831,90 4.327,99 5.286,98 -10,43% 9,42%

195,64 180,15 211,49 -7,92% 8,10%

0,252 0,152 3,1010,817 0,865-

4.832,52 0,00% 4.832,52 195,66 338,65

N2'c

144

6,30%

0,785 0,004 0,0170,816 0,733 0,7400,081

4.412,44 3.759,63 5.636,11 -14,79% 27,73%

195,85 185,05 226,57 -5,52% 15,69%

1,16E-07 1,6802,568

4.412,44 3.759,63 5.636,11 -14,79% 27,73%

195,85 185,05 226,57 -5,52% 15,69%

0,577 0,006 9,5071,529 0,595-

4.884,67 9,33% 4.429,06 196,29 6.138,45

N3'a

4,44%

0,757 0,008 0,0160,622 0,726 0,6340,103

4.428,19 3.818,12 5.659,13 -13,78% 27,80%

195,82 184,18 229,27 -5,94% 17,08%

5,54E-08 1,5552,573

4.428,19 3.818,12 5.659,13 -13,78% 27,80%

195,82 184,18 229,27 -5,94% 17,08%

0,524 0,012 10,7441,655 0,643-

4.884,67 9,01% 4.444,65 196,29 6.138,45

N3'b

3,55%

0,769 0,006 0,0160,533 0,634 0,9960,208

4.815,15 4.065,58 6.151,09 -15,57% 27,74%

195,27 185,06 224,14 -5,23% 14,79%

2,09E-07 1,7752,569

4.815,15 4.065,58 6.151,09 -15,57% 27,74%

195,27 185,06 224,14 -5,23% 14,79%

0,656 0,001 8,6641,447 0,563-

4.832,52 0,00% 4.832,52 195,66 6.094,38

N3'c

7,51%

0,803 0,003 0,0150,916 0,835 0,7700,040

4.395,08 2.220,71 12.460,72 -49,47% 183,52%

196,08 193,49 226,78 -1,32% 15,66%

1,07E-50 7,16210,934

4.395,08 2.220,71 12.460,72 -49,47% 183,52%

196,08 193,49 226,78 -1,32% 15,66%

0,675 0,001 16,0651,527 0,140-

4.884,67 9,33% 4.429,06 196,29 4.786,78

N4'a

5,71%

0,785 0,004 0,0140,725 0,749 0,7240,049

4.410,55 2.227,23 12.831,59 -49,50% 190,93%

196,08 193,49 227,57 -1,32% 16,06%

1,72E-52 7,16911,205

4.410,55 2.227,23 12.831,59 -49,50% 190,93%

196,08 193,49 227,57 -1,32% 16,06%

0,669 0,001 16,6271,563 0,139-

4.884,67 9,01% 4.444,65 196,29 4.786,78

N4'b

3,08%

0,785 0,005 0,0170,495 0,802 1,0070,191

4.799,62 2.712,91 10.246,19 -43,48% 113,48%

195,44 192,35 221,84 -1,58% 13,51%

1,83E-33 5,9867,957

4.799,62 2.712,91 10.246,19 -43,48% 113,48%

195,44 192,35 221,84 -1,58% 13,51%

0,674 0,001 12,5931,329 0,167-

4.832,52 0,00% 4.832,52 195,66 4.762,95

N4'c


N Huurprijsverandering Amsterdam L3c-N4’c AMSTERDAM %EA %S

L3c 10,00% 10,00%

N3c 10,00% 10,00%

L3'c 10,00% 10,00%

N3'c 10,00% 10,00%

L4c 10,00% 10,00%

N4c 10,00% 10,00%

L4'c 10,00% 10,00%

N4'c 10,00% 10,00%

Estimated R New R ΔR

429,3 447,1 4,15%

0,0 0,0 11,07%

28,6 30,9 7,83%

0,0 0,0 19,76%

39,6 42,6 7,58%

0,0 0,0 18,46%

1,3 1,5 12,44%

0,0 0,0 30,23%

Estimated D New D ΔD

72,6 76,9 5,83%

0,1 0,1 10,68%

11,7 12,7 8,41%

0,0 0,0 17,49%

30,2 32,5 7,76%

0,0 0,0 17,84%

1,3 1,5 12,50%

0,0 0,0 41,52%

%EA %S %μ(t-1) %R(t-1)

10,00% 10,00% 0,00% 0,00%

10,00% 10,00% 0,00% 0,00%

10,00% 10,00% 0,00% 0,00%

10,00% 10,00% 0,00% 0,00%

10,00% 10,00% 0,00% 0,00%

10,00% 10,00% 0,00% 0,00%

10,00% 10,00% 0,00% 0,00%

10,00% 10,00% 0,00% 0,00%

ΔR

-0,66%

5,63%

0,46%

7,67%

-0,63%

8,01%

1,13%

11,53%

DEN HAAG %EA %S

L3c 10,00% 10,00%

N3c 10,00% 10,00%

L3'c 10,00% 10,00%

N3'c 10,00% 10,00%

L4c 10,00% 10,00%

N4c 10,00% 10,00%

L4'c 10,00% 10,00%

N4'c 10,00% 10,00%

Estimated R New R ΔR

8,6 9,2 7,88%

2,5 2,7 5,08%

2,7 2,9 9,45%

0,1 0,1 8,79%

0,9 1,0 10,57%

0,3 0,4 7,88%

0,3 0,3 12,25%

0,0 0,0 11,71%

Estimated D New D ΔD

72,5 76,8 5,81%

3,3 3,4 3,76%

8,9 9,7 8,76%

0,0 0,0 7,86%

0,7 0,8 14,43%

0,1 0,1 4,78%

0,0 0,0 54,42%

0,0 0,0 20,67%

%EA %S %μ(t-1) %R(t-1)

10,00% 10,00% 0,00% 0,00%

10,00% 10,00% 0,00% 0,00%

10,00% 10,00% 0,00% 0,00%

10,00% 10,00% 0,00% 0,00%

10,00% 10,00% 0,00% 0,00%

10,00% 10,00% 0,00% 0,00%

10,00% 10,00% 0,00% 0,00%

10,00% 10,00% 0,00% 0,00%

ΔR

14,57%

9,45%

15,31%

10,00%

15,71%

10,51%

16,98%

11,27%


Den Haag, L3c-N4’c


145


146


O Kantorenlocaties Amsterdam en Den Haag

Bron: Jones Lang LaSalle, Office Market Update Quarterly, Amsterdam Q2 2010.

Bron: Jones Lang LaSalle, Office Market Update Quarterly, The Hague Q2 2010.

147

HUURPRIJSONTWIKKELING VAN KANTOORRUIMTE

Recommend Documents