Krimp en woningprijzen

Krimp en woningprijzen De invloed van demografische krimp op de woningprijs

Auteur:

Marc Francke, Ortec Finance

Rotterdam, augustus 2010

Dit is een publicatie van de SEV.

U kunt SEV-publicaties downloaden op www.sev.nl.

SEV Postbus 1878 3000 BW Rotterdam Telefoon 010 - 282 50 50 [email protected]

De SEV ontwikkelt innovatieve oplossingen voor maatschappelijke vraagstukken op het gebied van wonen. Wij zijn onafhankelijk, maar kunnen niet zonder initiatiefrijke netwerkpartners. Samen met hen beproeven we ideeën voor innovaties in de praktijk.

2

Krimp en woningprijzen

VOORWOORD

Het thema krimp blijft anno 2010 hot. Logisch ook, want het is een nieuw fenomeen voor Nederland, waarvan we de gevolgen nog niet goed in beeld hebben. Eén van die onzekere factoren is de prijs van (koop)woningen in krimpgebieden. Op een aantal plekken aan de rand van Nederland daalt die prijs. Maar gaat dat straks in de rest van Nederland ook gebeuren? Welke factoren beïnvloeden de woningprijzen in een krimpende markt?

Om antwoord te krijgen op deze vraag, liet de SEV een onderzoek verrichten door Ortec Finance. Professor Mark Francke, die tevens werkzaam is aan de Universiteit van Amsterdam, borduurde voort op een Amerikaans onderzoeksmodel van Glaeser en Gyourko uit 2005. Hij kwam op basis van een data-analyse van alle gemeenten en COROP-gebieden tot een aantal relevante conclusies.

Leegstand, inkomensontwikkeling en huishoudengrootte zijn van invloed zijn op de prijsontwikkeling van woningen. Een lage prijsontwikkeling van woningen in een bepaalde COROP-regio, laat vaak ook een lage inkomensontwikkeling zien, een daling van het aantal personen per huishouden en een toename van leegstand. Verandering in het aantal huishoudens en het aantal bewoners heeft echter geen invloed op de prijsontwikkeling van woningen. Veel partijen in krimpgebieden gaan daar – onterecht - vaak wel van uit. Een andere conclusie – die velen al vermoeden - is dat de drukverschillen in prijs zichtbaar zijn geworden de afgelopen 14 jaar. De prijsverschillen tussen COROP-gebieden zijn toegenomen.

De SEV is niet alleen geïnteresseerd in factoren die van invloed zijn op deze prijsontwikkeling, maar wil graag ook weten of en hoe het slopen van woningen effect kan hebben op de prijsontwikkeling. Ortec Finance heeft in deze studie een model ontwikkeld, waarmee het netto-effect berekend kan worden. Hieruit blijkt dat het mogelijk is om een positief financieel effect te bereiken met het slopen van een beperkt aantal woningen. De omliggende woningen zullen in waarde stijgen. Op grotere schaal woningen slopen leidt echter tot waardeverlies. Grote vraag is nog wel hoe de baten van individuele huiseigenaren ingezet kunnen worden voor de kosten van deze sloopopgave.

Tot slot, dit onderzoek heeft een wat zwaarder wetenschappelijk karakter dan andere SEV-krimppublicaties. Vooral de modelmatige aanpak vraagt wellicht iets meer van de lezer, maar het staat daarnaast ook vol interessante woningmarktcijfers van prijsontwikkelingen in verschillende regio’s. Ik hoop dat het een goede basis biedt voor gedegen krimpstrategieën en verwacht ook dat het een basis biedt voor financieel verantwoorde krimpexperimenten.

Anne-Jo Visser Programmaregisseur SEV

3

4


INHOUDSOPGAVE

Voorwoord ......................................................................................................................................................... 3 1.

Inleiding ...................................................................................................................................................... 7

2.

Het onderzoek en de conclusies ................................................................................................................. 9

3.

Literatuur................................................................................................................................................... 11

4.

5.

6.

3.1

Relatie bevolkingstoename en woningprijzen ..................................................................................... 11

3.2

Relatie leegstand en woningprijzen .................................................................................................... 11

3.3

Relatie aandeel hooggeschoolden en woningprijzen .......................................................................... 13

Data .......................................................................................................................................................... 15 4.1

Beschikbare data ............................................................................................................................ 15

4.2

Prijsontwikkeling en WOZ-waarde .................................................................................................. 17

4.3

Bevolking, huishoudens, woningen en inkomen ............................................................................. 18

Modelschattingen...................................................................................................................................... 21 5.1

Prijsveranderingen en bevolkingsmutaties ..................................................................................... 21

5.2

Prijsveranderingen en leegstand .................................................................................................... 21

5.3

Onttrekken van woningen aan de voorraad .................................................................................... 23

Aanbevelingen voor verder onderzoek ..................................................................................................... 27

Geraadpleegde literatuur ................................................................................................................................. 29 Figuren en tabellen .......................................................................................................................................... 31 Colofon .......................................................................................................................................................... 37

5

6


1. INLEIDING

De SEV (Stuurgroep Experimenten Volkshuisvesting) heeft Ortec Finance gevraagd om te onderzoeken wat de gevolgen zijn van demografische krimp op de markt voor koopwoningen. In dit onderzoek hebben we in kaart gebracht hoe de prijzen van koopwoningen zich ontwikkelen door het dalende aantal huishoudens en de daaruit volgende toename van leegstand. De prijsontwikkelingen van woningen en de leegstandspercentages in krimpgebieden, zoals de regio’s Parkstad, Zeeuws-Vlaanderen en Noordoost-Groningen, zijn vergeleken met de ontwikkelingen in andere regio’s.

In dit verslag geven we een kort overzicht van eerder verschenen vastgoedartikelen over demografische krimp en beschrijven we enkele aspecten van het Amerikaanse onderzoek van Glaeser en Gyourko uit 2005, dat het fundament heeft gelegd voor het dit onderzoek. In hoofdstuk 4 geven we een overzicht van de gegevens die we voor dit onderzoek hebben gebruikt. Hoofdstuk 5 beschrijft het gebruikte model en de bijbehorende schattingsresultaten. Tot slot doen we enkele aanbevelingen voor verder onderzoek.

7

8


2. HET ONDERZOEK EN DE CONCLUSIES

Het verband tussen woningprijzen en demografische ontwikkelingen is uiteraard al eerder onderzocht. In Amerika is een dergelijk onderzoek in 2005 uitgevoerd door Glaeser en Gyourko. Zij stelden vast dat de woningprijzen meer dalen bij een afname van de bevolking dan dat de prijzen stijgen bij een gelijke toename van de bevolking. Ook in Nederland zijn de laatste jaren veel rapporten en artikelen verschenen die een verband leggen tussen de omslag van demografische groei naar krimp en de hoogte en de ontwikkeling van de huizenprijzen.

Dit onderzoek is gebaseerd op de theoretische uitgangspunten van Glaeser en Gyourko. Anders dan het Amerikaanse onderzoek uitwijst, blijkt er in Nederland echter geen significante relatie te bestaan tussen prijsveranderingen en bevolkingsmutaties of mutaties in aantal huishoudens. Het aanbod in de Nederlandse woningmarkt verandert nauwelijks als de woningprijzen toenemen. Dat komt wellicht doordat, mede door overheidsingrijpen op de grond- en woningmarkt, het aanbod ook op de middellange termijn behoorlijk inelastisch is. Dat wil zeggen dat het aanbod min of meer vaststaat, ongeacht de hoogte en ontwikkeling van de prijs (de CPB-rapporten van Verbruggen e.a. (2005) en Vermeulen en Rouwendal (2007) wijzen in deze richting).

Daarom hebben we gekozen voor een alternatieve benadering, waarbij we de prijsverandering hebben gerelateerd aan de verandering van het inkomen en de leegstand. Een probleem bij deze benadering is wel dat er geen goede, landelijk dekkende gegevens over leegstand beschikbaar zijn. We hebben leegstand daarom gedefinieerd als het aantal woningen minus het aantal huishoudens. Dat is geen absolute maatstaf voor de werkelijke leegstand, omdat de gegevens geen rekening houden met onzelfstandige woningen (studentenhuizen) en met vakantiewoningen die ook buiten het seizoen bewoond zijn. Voor het huidige onderzoek is deze definitie echter wel bruikbaar.

Op basis van deze uitgangspunten hebben we de belangrijkste gegevens, namelijk veranderingen in koopprijzen, bevolking, huishoudens, huishoudgrootte, woningen, leegstand en inkomens en de niveaus van leegstand, inkomen en woningwaarde voor gemeenten en COROP-gebieden naast elkaar gezet.

Conclusies Uit de analyse blijkt dat er grote onderlinge verschillen zijn in prijsontwikkeling tussen de gemeenten en de COROP-gebieden. In de periode 1995-2009 is het verschil tussen de laagste en hoogste prijsstijging per COROP-gebied bijna een factor twee. In de vergelijkbare periode 1998-2009 is het verschil tussen de laagste en hoogste prijsstijging per gemeente een factor vier. Deze verschillen lijken samen te hangen met de demografische factoren (vooral leegstand) en het inkomen. In gebieden met de laagste prijsontwikkelingen neemt de leegstand relatief het meest toe, terwijl de inkomensontwikkeling laag is en het aantal personen per huishouden relatief het meest daalt. Gebieden met de hoogste prijsontwikkelingen hebben daarentegen een relatief grote afname van de leegstand, een hoge inkomensontwikkeling en een relatieve kleine daling van het aantal personen per huishouden.

9

Voor de COROP-gebieden is statistisch aangetoond dat de jaarlijkse mutaties in leegstand, inkomen en huishoudgrootte van significante invloed zijn op de jaarlijkse prijsveranderingen. Een verlaging van het leegstandspercentage met 1 procentpunt in een jaar geeft een extra stijging van de prijzen met 1,1 procentpunt voor dat jaar. Mutaties in het aantal huishoudens of het aantal inwoners zijn niet van invloed op de prijsveranderingen. Een sluitende verklaring voor die verschillen in prijsontwikkeling kan niet worden gegeven. Het verschil tussen de minimale en maximale prijsstijging in de periode 1999-2007 bedraagt 63%. Het model kan slechts 16% van dit verschil verklaren. Verder onderzoek zal moeten uitwijzen waar die verschillen in prijsstijgingen precies vandaan komen.

De belangrijkste conclusie die op basis van dit onderzoek kan worden getrokken, is dat er een verband lijkt te bestaan tussen het verminderen van leegstand in COROP-gebieden en het stijgen van de prijzen van de overige woningen in die gebieden. Het onttrekken van woningen aan de voorraad kan leiden tot een waardestijging van de resterende woningen die de kosten van het onttrekken van woningen overstijgt. De vraag blijft echter bestaan hoe (een deel van) deze extra waardestijging kan worden benut om de kosten van ‘slopen’ te financieren.

10


3. LITERATUUR

3.1 Relatie bevolkingstoename en woningprijzen Er is al gerefereerd aan het onderzoek van Glaeser en Gyourko (2005). Hun theorie gaat ervan uit dat de woningprijzen meer dalen bij een afname van de bevolking dan dat de prijzen stijgen bij een gelijke toename van de bevolking. De laatste jaren zijn er in Nederland veel rapporten en artikelen verschenen met als achtergrond de vergrijzing en de omslag van demografische groei naar krimp (de Jong en van Duin, 2010). Ook in deze publicaties wordt vaak het verband gelegd met de hoogte en de ontwikkeling van de huizenprijzen.

Rouwendal en Vermeulen (2007) geven echter aan dat het niet voor de hand ligt dat huizenprijzen in Nederland zullen dalen als gevolg van de demografische ontwikkelingen. Gegeven de trendmatige toename van de welvaart verwachten zij dat de reële prijzen zullen blijven stijgen, tenzij het ruimtelijke-ordeningsbeleid versoepeld wordt. De vergrijzing kan regionaal verschillende gevolgen hebben. Zo kan gebrek aan mobiliteit leiden tot kwalitatieve mismatch op de woningmarkt. Deze uitspraken worden verder niet gekwantificeerd. Verwest, Sorel en Buitelaar (2008) laten voor de periode 1999-2007 in de krimpregio’s Eemsdelta en Parkstad de ontwikkelingen zien van de gemiddelde huizenprijzen en de gemiddelde tijd dat een huis te koop staat, en vergelijken die met het gemiddelde voor Nederland. Duidelijk is dat Eemsdelta en Parkstad in dit opzicht achterlopen bij de rest van Nederland, maar een systematische kwantitatieve analyse van de verschillen in huizenprijzen en demografie hebben de onderzoekers niet uitgevoerd.

3.2 Relatie leegstand en woningprijzen Eichholtz en Lindenthal (2009a) onderzoeken voor de regio Parkstad expliciet de relatie tussen de leegstand en woningprijzen. Dat verband lijkt lineair. Er is geen kritische waarde van de leegstand waarboven de prijzen dramatisch dalen. Verder zetten ze de prijsontwikkelingen in Parkstad af tegen de prijsontwikkelingen voor heel Nederland. Parkstad heeft een lagere prijsstijging dan het gemiddelde voor Nederland. De auteurs schrijven dit toe aan demografische ontwikkelingen en de uitbreiding van de hypotheekrenteaftrek naar huishoudens die in het buitenland wonen, maar in Nederland inkomstenbelasting betalen. Dit zijn echter vermoedens die niet empirisch getoetst worden. De onderzoekers verwachten dat de prijzen in deze regio de komende jaren met 3 tot 7% zullen dalen.

De aangehaalde onderzoeken bevatten diverse lacunes die dit onderzoek tracht in te vullen. Ons doel is om prijsontwikkelingen en demografische ontwikkelingen (leegstand) expliciet aan elkaar te relateren voor alle COROP-gebieden en gemeenten in Nederland. Net als Eichholtz en Lindenthal grijpen we daarbij terug op het onderzoek dat Glaeser en Gyourko (2005) uitvoerden voor de Amerikaanse woningmarkt naar de relatie tussen demografische ontwikkelingen en prijsontwikkelingen.

11

Figuur 1 Vraag- en aanbod

Glaeser en Gyourko laten zien dat het aanbod sterk elastisch is als de prijzen boven de bouwkosten liggen en inelastisch als de prijzen onder de bouwkosten liggen. Een grafische weergave daarvan is te zien in Figuur 1. Op de horizontale as staat de hoeveelheid woningen (Q) en op de verticale as de woningprijs (P). De aanbodcurve wordt weergegeven door de geknikte lijn S en de vraagcurven door de krommen D, D 1 en D2. Als de vraag stijgt van D naar D2, bijvoorbeeld door een stijging van het aantal inwoners, dan stijgt zowel de prijs als de hoeveelheid woningen. Als echter de vraag daalt van D naar D 1, bijvoorbeeld door een daling van het aantal inwoners, dan kunnen de prijzen in een vrije val geraken. Op kortere termijn blijft het aantal woningen constant, tenzij woningen aan de woningvoorraad worden onttrokken. De vraagdaling wordt dan volledig geabsorbeerd in de prijs. Als de woningprijzen onder de bouwkosten liggen, worden er geen nieuwe woningen meer gebouwd. Dit kan leiden tot verval van een stad. De asymmetrische relatie tussen bevolkingsen prijsmutatie wordt ook empirisch getoetst en bevestigd in een analyse van 321 Amerikaanse steden in de jaren zeventig, tachtig en negentig. Eén van de uitkomsten is dat als de bevolking met 1% afneemt de prijzen met 1,8% afnemen, terwijl als de bevolking met 1% toeneemt, de prijzen met slechts 0,2% toenemen.

Voor Nederland bestaan er aanwijzingen dat, mede door overheidsingrijpen op de grond- en woningmarkt, het aanbod ook op middellange termijn behoorlijk inelastisch is. Dat wil zeggen dat het aanbod min of meer vaststaat, ongeacht de hoogte en ontwikkeling van de prijs. De CPB-rapporten van Verbruggen e.a. (2005) en Vermeulen en Rouwendal (2007) wijzen in deze richting. Dit zou tot gevolg kunnen hebben dat de asymmetrische relatie tussen prijs- en bevolkingsverandering niet of minder opgaat voor de Nederlandse situatie.

12


3.3 Relatie aandeel hooggeschoolden en woningprijzen Een tweede theoretische bijdrage van Glaeser en Gyourko is dat het aandeel hooggeschoolden van de beroepsbevolking minder toeneemt als de bevolking groeit dan dat dit aandeel daalt bij een gelijke afname van de bevolking. Dit sluit aan bij onderzoek van Green en Hendershott (1996), Neuteboom en Brounen (2007) en Eichholtz en Lindenthal (2009b). Deze onderzoeken geven aan dat menselijk kapitaal en aantal huishoudens de belangrijkste factoren zijn die de vraag naar woningen bepalen. Hoogopgeleide en gezonde mensen oefenen een relatief grote vraag uit naar woningen. In dit onderzoek zullen we daarom verschillen in prijsontwikkeling verklaren uit leegstand (aantal woningen minus aantal huishoudens) en het gemiddelde inkomen per huishouden. Dit laatste gegeven is een maatstaf voor het menselijk kapitaal.

Börsch-Supan (1986) laat zien dat de beslissing om een zelfstandig huishouden te vormen mede afhankelijk is van het inkomen en de woningprijzen. Als woningprijzen laag zijn ten opzichte van het inkomen, is het waarschijnlijker dat zich meer zelfstandige huishoudens vormen. Dit impliceert dat het aantal huishoudens niet als exogene variabele te gebruiken is voor de verklaring van de huizenprijzen. In dit onderzoek wordt leegstand (aantal woningen minus aantal huishoudens) toch als exogene variabele gebruikt voor de verklaring van prijsveranderingen. Onduidelijk is of veranderingen in de prijs ook van invloed zijn op de vorming van huishoudens. Naar verwachting is dit veel minder het geval. Echter, het beantwoorden van deze vraag vereist een simultane analyse van veranderingen van woningprijzen, inwoners en de grootte van huishoudens. Een dergelijke analyse valt buiten het bereik van dit onderzoek. Zoals gezegd behandelen we het aantal huishoudens toch als exogene variabele. Dat betekent dat de schattingsresultaten uit het model niet zonder meer als causale verbanden kunnen worden geïnterpreteerd.

13

14


4. DATA

4.1 Beschikbare data In dit onderzoek worden veranderingen van woningprijzen verklaard aan de hand van demografische variabelen en het inkomen. Tabel 1 geeft een overzicht van de gebruikte gegevens. Deze gegevens zijn 1

beschikbaar per gemeente en per COROP-gebied . Voor dit onderzoek is de gemeente-indeling van 2009 gebruikt. In 2009 bedroeg het aantal gemeenten 441. Figuur 2 geeft een overzicht van de 40 COROPgebieden in Nederland.

Tabel 1 Gebruikte gegevens Omschrijving

Gebied

Periode

ΔP

Prijsveranderingen

COROP, Gemeente

1993-2009

WOZ

Gemiddelde WOZ-waarde

COROP, Gemeente

1995, 1999, 2003, 2005, 2007, 2008

I

Inkomen

COROP, Gemeente

1999-2007

B

Aantal inwoners

COROP

1995-2009

Gemeente

1998-2009

COROP

1995-2009

Gemeente

1998-2009

COROP

1995-2009

Gemeente

1998-2009

COROP

1995-2009

Gemeente

1998-2009

H

G

W

Aantal huishoudens

Grootte van huishouden

Aantal woningen

De gegevens zijn afkomstig van de website http://statline.cbs.nl van het Centraal Bureau voor de Statistiek (CBS), met uitzondering van de prijsveranderingen. Het CBS publiceert weliswaar prijsveranderingen, maar voor de meeste gemeenten zijn deze niet beschikbaar. De prijsontwikkelingen zijn daarom door Ortec Finance berekend met behulp van een herhaalde-verkopenmodel, op basis van data van het Kadaster. Een beschrijving van het gebruikte model is te vinden in Francke (2010).

1

Een COROP-gebied is een regionaal gebied binnen Nederland dat deel uitmaakt van de COROP-indeling. Deze indeling wordt gebruikt voor analytische doeleinden. De naam COROP komt van Coördinatie Commissie Regionaal OnderzoeksProgramma. Dit was de naam van de commissie die in 1971 de indeling van Nederland in COROP-gebieden ontwierp. In totaal zijn er in Nederland 40 COROP-gebieden. Elk COROP-gebied is een samenvoeging van gemeenten.

15

Definities De gemiddelde WOZ-waarde van woningen is voor verschillende prijspeiljaren bekend. De meest recente WOZ-waarde heeft prijspeildatum januari 2008. Het inkomen is het gemiddeld gestandaardiseerd beschikbaar inkomen per huishouden met inkomen. De standaardisatie heeft betrekking op het vergelijkbaar maken van inkomens voor huishoudens met verschillende samenstelling en grootte. Het aantal huishoudens heeft 2.

betrekking op het aantal particuliere huishoudens Het aantal woningen is de woningvoorraad per 1 januari van het betreffende jaar. Een woning is een gebouw, of deel van een gebouw, dat bestemd is voor permanente bewoning door één particulier huishouden. Onzelfstandige woningen (studentenwoningen) en 3

recreatiewoningen maken geen deel uit van de woningvoorraad .

Leegstand Voor het uitvoeren van het onderzoek was het nodig te bepalen hoe groot de leegstand is per gemeente en per COROP-gebied. Landelijk dekkende cijfers over de mate van leegstand zijn echter niet beschikbaar. Wel zijn voor een aantal specifieke gemeenten de leegstandscijfers bekend voor het aantal onbewoonde woningen. De leegstand in Heerlen en Kerkrade bedraagt per 31 december 2007 bijvoorbeeld respectievelijk 4,1 en 5,8%. Renooij (2008) noemt als maatstaf voor de frictieleegstand het percentage 3,5%, maar verdere uitsplitsingen naar koop- en huursector ontbreken in het geheel.

Om toch een beeld te krijgen van de leegstand in een gebied zijn twee alternatieven bekeken. De eerste optie is om gebruik te maken van de statistieken die het CBS levert van het aantal woningen waarin niemand woont die is ingeschreven in het bevolkingsregister. Deze mogelijkheid hebben we verworpen, omdat deze statistiek ‘vervuild’ is met woningen die als vakantiehuis worden gebruikt. Dat maakt deze gegevens onbruikbaar voor dit onderzoek. Daar komt bij dat deze statistieken slechts voor een jaar (1 januari 2008) beschikbaar zijn. Een alternatief is om te kijken naar het verschil tussen het aantal woningen en het aantal particuliere huishoudens. Ook dit is geen zuivere indicatie van de leegstand, omdat niet iedereen in een zelfstandige woning woont en omdat niet iedereen deel uitmaakt van een particulier huishouden. Het aantal particuliere huishoudens in Nederland is hoger dan het aantal woningen, maar er zijn gebieden waarin dit niet het geval is.

Al is deze definitie van leegstand dus evenmin ideaal, toch hebben we ervoor gekozen om haar voor dit onderzoek te hanteren. Deels omdat de onzuiverheid binnen aanvaardbare grenzen bleef, deels omdat de gegevens over leegstand volgens deze definitie voor een langere periode (vanaf 1995) bekend zijn.

2

3

16

Het CBS verdeelt huishoudens onder in particuliere en institutionele huishoudens. Particuliere huishoudens bestaan uit één of meer personen die alleen of samen in een woonruimte zijn gehuisvest en zelf in hun dagelijks onderhoud voorzien. Institutionele huishoudens komen niet voor in deze publicatie. Zij bestaan uit één of meer personen die in een woonruimte wonen en daar bedrijfsmatig worden voorzien van huisvesting en dagelijkse levensbehoeften. Het betreft bewoners van instellingen zoals verpleeg-, verzorgings- en kindertehuizen, gezinsvervangende tehuizen, revalidatiecentra en gevangenissen, die daar in principe voor langere tijd (zullen) verblijven. Het CBS hanteert vier criteria om als woning geclassificeerd te worden: 1) Het tot bewoning bestemde gebouw dient zodanig te zijn gebouwd of verbouwd dat het voor particuliere bewoning geschikt is; 2) Het tot bewoning bestemde gebouw dient te zijn voorzien van een eigen toegangsdeur die hetzij direct vanaf de openbare weg, hetzij via een gemeenschappelijke ruimte (zoals portiek, galerij, trappenhuis of corridor) toegang biedt tot de woonruimte; 3) Het tot bewoning bestemde gebouw dient tenminste 14 m² aan verblijfsruimte te bevatten. De verblijfsruimte wordt tussen de muren gemeten en is de in de woning gelegen ruimte, bestemd voor het verblijven van mensen, zoals keuken, woonkamer(s), slaapkamer(s), werk- en hobbykamer(s) en dergelijke. Niet tot de verblijfsruimte behoren de verkeersruimte, toiletruimte, badruimte, bergruimte of technische ruimte; 4) Het tot bewoning bestemde gebouw dient te beschikken over een toilet en over een keukeninrichting die is bestemd voor bereiding van complete maaltijden.


Voor 1999 ontbreken de inkomensgegevens, maar voor de periode van 1999 tot en met 2009 zijn alle gegevens bekend. Opgemerkt zij dat niet voor alle gemeenten data beschikbaar zijn over de gehele periode. Dat is vaak het gevolg van gemeentelijke herindelingen. Voor 400 van de 441 gemeenten is de volledige 4

gegevensverzameling bekend over de periode van 1999 tot en met 2009 . Deze dataverzameling vormt dan ook de basis voor de verdere analyse in hoofdstuk 5.

4.2 Prijsontwikkeling en WOZ-waarde De woningprijzen zijn in de periode van 1995 tot en met 2009 flink gestegen. Gemiddeld genomen over Nederland stegen de prijzen met 7,5% per jaar. Dat levert in totaal een stijging op van 174%. Er is een grote variatie in prijsontwikkelingen over de verschillende COROP-gebieden. De gemiddelde WOZ-waarde in Nederland bedraagt € 241.000 voor het prijspeil 2008. Een samenvatting van WOZ-waarden en prijsveranderingen over de COROP-gebieden is te vinden in tabel 2. Een compleet overzicht van alle COROP-gebieden is te vinden in tabel 6. 

De gebieden Zuid-Limburg (120%), Flevoland (133%), Noord-Limburg (136%), Midden- Limburg (143%) en Oost-Zuid-Holland (149%) hebben de laagste prijsstijgingen.



De hoogste prijsstijgingen zijn te vinden in de regio’s Amsterdam (203%) en Haarlem (219%).



Krimpgebieden zoals Zeeuwsch-Vlaanderen (164%) en Delfzijl en omgeving (161%) hebben een gemiddelde prijsstijging.



De gebieden Delfzijl en omgeving (€ 155.000), Oost-Groningen (€ 165.000), Zeeuws-Vlaanderen (€ 172.000), Noord-Friesland (€ 182.000), Overig Groningen (€ 189.000) en Zuid-Limburg (€ 190.000) hebben de laagste gemiddelde WOZ-waarde.



De agglomeratie Haarlem (€ 316.000) en Gooi en Vechtstreek (€ 354.000) hebben de hoogste.

Op gemeentelijk niveau zijn de verschillen nog groter. Een samenvatting van de gegevens staat in tabel 3. Een overzicht voor een aantal gemeenten is te vinden in tabel 7. 

De gemeenten Kerkrade (43,7%), Heerlen (53,3%), Landgraaf (53,7%), Brunssum (55,8%) en Vaals (57,3%) hebben de laagste prijsstijgingen. De gemiddelde prijsstijging in Nederland in de periode 19982009 bedraagt 102,3%.



De gemeenten Heerlen (€ 138.000), Reiderland (€ 142.000), Pekela (€ 145.000), Leeuwarden (€ 149.000), Kerkrade (€ 150.000), Delfzijl (€ 150.000) en Appingedam (€ 150.000) hebben de laagste gemiddelde WOZ-waarde.



De gemeenten Blaricum (€ 635.000) en Bloemendaal (€ 662.000) hebben de hoogste gemiddelde WOZwaarde.

4

Er is sprake van gemeentelijke herindelingen. Gemeenten worden samengevoegd onder een nieuwe naam, of een bestaande gemeente wordt uitgebreid met omliggende gemeenten. Hierdoor zijn de CBS-gegevens in de loop der tijd niet altijd goed vergelijkbaar, omdat de gemeentegrenzen over de jaren gewijzigd kunnen zijn, en hiermee gegevens over aantallen woningen, huishoudens, enz. Hiervoor is in dit onderzoek niet gecorrigeerd. Bij COROP-gebieden is er slechts incidenteel sprake van grenswijzigingen.

17

Tabel 2 Overzicht van gegevens per COROP gebied over de periode 1995 – 2009 ΔB

ΔH

ΔW

W/H-1

Δ(W/H)

I

ΔI

WOZ

ΔP pj

Nederland

0,5%

0,9%

1,0%

-2,8%

1,5%

21,6

3,4%

241,0

7,5%

Gemiddelde

0,4%

0,9%

1,0%

-1,9%

0,9%

21,4

3,4%

234,6

7,4%

Mediaan

0,4%

0,9%

1,0%

-1,4%

0,7%

21,1

3,4%

228,0

7,4%

Sdev

0,6%

0,5%

0,5%

3,5%

1,7%

1,3

0,2%

42,0

0,6%

Minimum

-0,7%

-0,1%

-0,2%

-12,2%

-3,2%

18,6

2,9%

155,0

5,8%

Maximum

2,7%

3,2%

3,0%

9,4%

5,1%

25,5

4,0%

354,0

8,6%



De mutaties (Δ) zijn de gemiddelde veranderingen per jaar: bevolkingsgrootte (ΔB), aantal huishoudens (ΔH), aantal woningen (ΔW), leegstand (ΔW/H), inkomen (ΔI) en prijzen (ΔP).



De inkomensmutatie (ΔI) betreft de periode 1999 tot en met 2007. Het inkomensniveau (I) is per 2007.



De WOZ-waarde (WOZ) is per prijspeil 2008.



Het relatieve verschil tussen woningen en huishoudens (W/H-1) is per 2009.

Tabel 3 Overzicht van gegevens per gemeente over de periode 1998 – 2009 ΔB

ΔH

ΔW

W/H-1

Δ(W/H)

I

Nederland

0,5%

0,9%

0,9%

-2,8%

0,4%

21,6

Gemiddelde

0,7%

1,2%

1,1%

-0,7%

0,3%

22,2

Mediaan

0,3%

0,8%

0,8%

-0,2%

0,5%

Sdev

1,5%

1,4%

1,0%

4,0%

Minimum

-1,0%

-0,5%

-0,9%

Maximum

12,6%

12,4%

7,9%



ΔI

WOZ

ΔP pj

241,0

6,6%

3,5%

262,5

6,5%

21,9

3,5%

258,0

6,5%

2,3%

2,4

0,5%

68,6

0,8%

-37,0%

-15,6%

17,5

1,2%

138,0

3,4%

20,1%

9,9%

37,1

5,7%

662,0

10,4%

De mutaties (Δ) zijn de gemiddelde veranderingen per jaar: bevolkingsgrootte (ΔB), aantal huishoudens (ΔH), aantal woningen (ΔW), leegstand (ΔW/H), inkomen (ΔI) en prijzen (ΔP).










4.3 Bevolking, huishoudens, woningen en inkomen In deze paragraaf worden de variabelen beschreven die potentieel een rol spelen bij de verklaring van de hoogte van de gemiddelde prijzen en de prijsveranderingen. In de periode vanaf 1995 tot en met 2009 is de Nederlandse bevolking met 6,9% (0,5% per jaar) gestegen. Het aantal huishoudens is in dezelfde periode veel harder gestegen, namelijk met 13,0% (0,9% per jaar). Het gemiddeld aantal personen per huishouden is dus afgenomen. Het aantal woningen is nog meer toegenomen dan het aantal huishoudens, met 14,7% (1,0% per jaar). Op nationaal niveau is er dus geen sprake van demografische krimp.

18


Er zijn aanzienlijke verschillen in de demografische ontwikkelingen tussen de 40 COROP-gebieden. In 6 gebieden is de bevolking in dezelfde periode afgenomen, namelijk in Delfzijl en omgeving (-8,9%), in ZuidLimburg (-6,0%), in Delft en Westland (-3,1%), in Zuidoost-Zuid-Holland (-1,9%), in Oost-Zuid-Holland (-1,5%) en in Midden-Noord-Brabant (-0,3%). Een samenvatting van de gegevens is te vinden in tabel 2. Een 5

overzicht over alle COROP-gebieden is te vinden in tabel 6.

In slechts 1 COROP-gebied is het aantal huishoudens afgenomen: in Delfzijl en omgeving met 1,1%. Dit is tevens het enige gebied waarin het aantal woningen is gedaald, namelijk met 2,8%. Op jaarbasis zijn dit geringe percentages voor slechts 1 van de 40 COROP-gebieden. Op COROP-gebiedsniveau is er dus slechts in zeer beperkte mate sprake van demografische krimp.

Ongeveer een kwart van het aantal gemeenten (102 van de 441 gemeenten in 2009) heeft te maken met een 6

bevolkingsdaling . De gemeentelijke gegevens beslaan de periode 1998 tot en met 2009. De top-tien van dalers zijn: Delfzijl (-10,9%), Vaals (-9,6%), Rozenburg (-9,4%), Blaricum (-8,4%), Kerkrade (-7,8%), Landgraaf (-7,0%), Heerlen (-6,6%), Gulpen-Wittem (-6,1%), Nuth (-6,1%) en Schiermonnikoog (-5,7%). Daarnaast zijn er gemeenten met bevolkingsstijgingen van meer dan 100%, zoals Roerdalen (103,9%), Bergen (NH) (120,6%), Zaltbommel (136,5%), Nieuwkoop (142,1%), Maasdriel (153,0%), Buren (153,8%) en Medemblik (270,4%). Deze grote stijgingen zijn voornamelijk het gevolg van gemeentelijke herindelingen. Een samenvatting van de gegevens is te vinden in tabel 4. Een overzicht voor een aantal gemeenten is te vinden in tabel 7.

Ook op gemeentelijk niveau geldt dat er aanzienlijk minder gemeenten zijn waarin het aantal huishoudens is afgenomen. Dit geldt slechts voor 7 van de 441 gemeenten, te weten Delfzijl (-5,9%), Vaals (-4,6%), Rozenburg (-2,8%), Schiermonnikoog (-2,3%), Vlaardingen (-1,9%), Muiden (-0,7%) en Kerkrade (-0,1%). Ook op gemeentelijk niveau is er slechts in zeer beperkte mate sprake van demografische krimp.

Het aantal woningen minus het aantal huishoudens is een indicatie voor de leegstand. Er zijn in Nederland meer huishoudens dan woningen. In 2009 waren er in Nederland 2,8% minder woningen dan huishoudens. De COROP-gebieden Oost-Groningen (0,7%), Delfzijl en omgeving (1,3%), Zuidwest Friesland (2,9%), Overig Zeeland (3,0%) en Zeeuws-Vlaanderen (9,4%) hebben meer woningen dan huishoudens. Voor gemeenten varieert het percentage tussen de -37,0% en 20,1%. Studentensteden, zoals Groningen, Delft en Leiden (met veel onzelfstandige woonruimtes) hebben veel minder zelfstandige woningen dan particuliere huishoudens. Merk op dat bij deze definitie van leegstand in de absolute hoogte van de leegstand ‘vervuiling’ optreedt door particuliere huishoudens die niet in zelfstandige woningen wonen. De jaarlijkse mutatie van de leegstand is een betrouwbaarder gegeven. Zie ook de tabellen 3 en 4 voor een vergelijking van de extreme waarden van de leegstand en de mutaties in de leegstand.

5 6

Ook in Zuidwest-Drenthe neemt de bevolking af (-7,9%), maar dit is het gevolg van een wijziging van het COROP-gebied. Niet voor alle gemeenten is over de periode 1998 tot en met 2009 de bevolkingsmutatie bekend, vanwege gemeentelijke herindelingen.

19

Het aantal woningen is meer toegenomen dan het aantal huishoudens: voor Nederland in de periode 19952009 met 1,5%. Ook hier zijn er grote variaties over de gebieden, van -3,2% tot 5,1% voor COROP-gebieden en van -15,6% tot 9,9% voor gemeenten.

De gemiddelde grootte van de particuliere huishoudens is in de tijd gedaald. In Nederland is de grootte van het particuliere huishouden van 2,35 in 1995 afgenomen tot 2,23 in 2009, dat is een daling van 5,1%. Er zijn regionale variaties te zien. In Zuid-Limburg (-9,5%), Midden-Noord-Brabant (-9,2%), Oost-Zuid-Holland (-8,4%) en Midden-Limburg (-8,4%) is de grootte relatief veel afgenomen. In de regio’s Den Haag en Amsterdam is de grootte juist toegenomen met 0,5%.

De stijging van het inkomen in Nederland bedraagt 30,9% in de periode 1999-2007. De COROP-gebieden Zuid-Limburg (25,8%), Zaanstreek (26,3%) en Zeeuws-Vlaanderen (27,6%) hebben de laagste groei, Zuidwest-Friesland (35,3%) en Gooi en Vechtstreek (36,4%) de hoogste. Op gemeenteniveau zijn de verschillen nog groter. Vaals (10,3%), Kerkrade (19,4%), Kessel (20,5%), Simpelveld (22,2%), Haaksbergen (22,5%), Roerdalen (23,1%), Onderbanken (23,8%) en Heerlen (23,8%) hebben de laagste inkomensstijgingen. Wassenaar (52,0%), Blaricum (53,2%) en Bloemendaal (55,9%) hebben de hoogste stijgingen.

20


5. MODELSCHATTINGEN

5.1 Prijsveranderingen en bevolkingsmutaties De jaarlijkse procentuele prijsveranderingen (Δp) per gebied worden in dit model verklaard aan de hand van 7

de jaarlijkse procentuele bevolkingsmutaties per gebied . Het model houdt rekening met een algemene prijsontwikkeling (voor Nederland) door voor elk jaar een dummy variabele op te nemen met bijbehorende coëfficiënten αt. De variabele bevolkingsmutaties (Δb) is opgesplitst in een variabele met +

-

+

-

bevolkingstoenames (Δb ) en in een variabele met bevolkingsdalingen (Δb ), dus Δb = Δb + Δb . Dit is het model van Glaeser en Gyourko (2005). De wiskundige uitdrukking van het model is





 p jt   t   b jt  1   b jt  2   jt , waarbij ε de storingsterm is. Het subscript t geeft de tijd in jaren aan, het subscript j het gebied (gemeente of COROP).

Dit model is geschat voor alle COROP-gebieden (1996-2009) en voor vierhonderd gemeenten (1999-2009). Dit levert geen significante resultaten op: de coëfficiënten β1 en β2 zijn verwaarloosbaar klein en statistisch niet significant verschillend van 0. Zowel het vervangen van mutaties in de bevolking door mutaties in huishoudens als het vervangen van de aparte variabelen voor stijgingen en dalingen door slechts één variabele levert geen verbeteringen op.

5.2 Prijsveranderingen en leegstand Vervolgens zijn de jaarlijkse procentuele prijsveranderingen (Δp) verklaard uit de jaarlijkse veranderingen in de leegstand (Δ (w-h)), het inkomen (Δi) en de grootte van de huishoudens (Δg). Ook in dit model worden voor elk jaar dummyvariabelen opgenomen om de algemene prijsontwikkeling te modelleren. De leegstand is gedefinieerd als het aantal woningen gedeeld door het aantal huishoudens minus 1. Als het aantal woningen 1050 bedraagt en het aantal huishoudens 1000, dan is de leegstand 5%. Als in het volgende jaar het aantal woningen gestegen is naar 1060 en het aantal huishoudens gelijk is gebleven, dan bedraagt de leegstand 6%. De mutatie in de leegstand Δ(w-h) is dan 1%. De wiskundige uitdrukking van het model is

 p jt   t   ( w  h ) jt  1   i jt  2   g jt  3   jt .

7

Alle modellen zijn geformuleerd in natuurlijke logaritmen. Ze kunnen bij benadering geïnterpreteerd worden als modellen in procentuele verschillen.

21

Dit model is zowel geschat voor de COROP-gebieden als voor de gemeenten. Uit de schattingen op gemeenteniveau komen geen statistisch significante uitkomsten. Tabel 4 geeft de resultaten voor de COROPgebieden in 2000-2007, de periode waarvoor de inkomensgegevens beschikbaar zijn.

De geschatte coëfficiënten hebben een eenvoudige interpretatie: 

Coëfficiënt leegstand: -1,051 Een verhoging (verlaging) van de leegstand met 1 procentpunt in een jaar leidt tot een verlaging ( verhoging) van de woningprijsverandering van 1,1 procentpunt in dat jaar. In de periode 1999 - 2007 is in Flevoland de leegstand met 3,5 procentpunt afgenomen, terwijl het in Zuid-Limburg met bijna 3 procentpunt is toegenomen. Dat is een verschil van 6,5 procentpunt.



Coëfficiënt inkomen: 0,225 Een verhoging (verlaging) van het inkomen met 1% in een jaar leidt tot 0,23 procentpunt hogere (lagere) woningprijsverandering in dat jaar. In Zuid-Limburg is in de periode 1999-2007 het inkomen met 25,7% toegenomen, terwijl in de Gooi- en Vechtstreek het inkomen met 36,4% is toegenomen. Een verschil van ongeveer 11 procentpunt.



Coëfficiënt grootte huishouden: 0,822 Een verhoging (verlaging) van de gemiddelde grootte van het huishouden in een jaar met 1% leidt tot een 0,82 procentpunt hogere (lagere) woningprijsverandering in dat jaar. In Delft en Westland, Midden-NoordBrabant en Zuid-Limburg is in de periode 1999-2007 de gemiddelde grootte van het huishouden met ongeveer 5,5% afgenomen, in Groot-Amsterdam is die met 1% toegenomen. Een verschil van 6,5 procentpunt. Een grotere dan gemiddelde daling van de grootte van huishoudens zou kunnen wijzen op een relatief zeer ontspannen woningmarkt.

Tabel 4 Schattingsresultaten voor de prijsveranderingen per COROP-gebied in de periode 2000-2007 Coefficient

Std.Error

t-waarde

t-prob

-1,051

0,380

-2,77

0,006

Δi (β2)

0,225

0,083

2,71

0,007

Δg (β3)

0,822

0,299

2,75

0,006

α2000

0,139

0,005

29,30

0,000

α2001

0,096

0,005

17,60

0,000

α2002

0,064

0,007

9,26

0,000

α2003

0,040

0,004

8,91

0,000

α2004

0,042

0,002

17,00

0,000

α2005

0,047

0,003

17,10

0,000

α2006

0,040

0,004

9,86

0,000

α2007

0,035

0,004

8,09

0,000

σ

0,015

Δ(w-h) (β1)

2

R (adjusted) Nobs

22

0,862 320


Enkele verdere opmerkingen bij het gebruikte model: 

Het model is ook geschat op de gemeentedata, maar hieruit komen geen statistisch significante resultaten. Een mogelijke reden hiervoor is dat op gemeenteniveau in de jaarlijkse leegstandmutaties extreme waarden voorkomen, die het algemene beeld vertroebelen. Op COROP-niveau zijn deze mutaties veel gelijkmatiger.



Hetzelfde model is ook geschat op de prijsveranderingen zoals die door het CBS zijn berekend. De resultaten zijn in grote lijnen gelijk aan die voor de prijsveranderingen zoals die op basis van herhaalde verkopen door Ortec Finance zijn bepaald. Het laatste model levert een iets duidelijkere relatie op tussen prijsverandering en leegstand.



De variabele voor leegstand is gesplitst in aparte variabelen voor dalingen en stijgingen. Deze opsplitsing levert geen coëfficiënten op die wezenlijk van elkaar verschillen. Daarnaast is er geen kritische waarde gevonden van leegstand waarboven de prijzen dramatisch dalen.



Er zijn vele varianten op het in deze sectie geformuleerde model geschat, waarbij de variabelen inkomen en grootte van het huishouden zijn weggelaten. In een andere variant wordt de prijsverandering in de huidige periode mede verklaard uit de prijsverandering in de vorige periode. De conclusies over de invloed van de mutatie van de leegstand op de prijsverandering zijn in de verschillende specificaties niet wezenlijk verschillend van elkaar.



In de modellen speelt de hoogte van de variabelen, bijvoorbeeld de hoogte van de woningprijzen, het inkomen en de leegstand, geen rol. Alleen de procentuele veranderingen van deze variabelen worden gebruikt. Het niveau van de variabelen bevat in principe belangrijke informatie die nu wordt verwaarloosd. Echter, de huidige leegstandsgegevens – gedefinieerd als het aantal woningen minus het aantal huishoudens – zijn niet betrouwbaar genoeg om een model op te baseren. De mutaties in leegstand zijn beter bruikbaar.

De laagste en de hoogste prijsstijgingen in de periode 1999-2007 in de verschillende COROP-gebieden zijn achtereenvolgens 42 en 105%, een verschil van 63%. Het gebruikte model is slechts gedeeltelijk in staat om deze verschillen in prijsontwikkelingen tussen de COROP-gebieden te verklaren. Het verschil volgens het model op basis van mutaties in leegstand, inkomen en huishoudengrootte, tussen de laagste en hoogste stijging, is slechts 16%.

5.3 Onttrekken van woningen aan de voorraad Welke conclusies kunnen worden getrokken over de invloed van onttrekken van woningen van de woningvoorraad op de prijzen van de overige woningen? Allereerst moet opgemerkt worden dat in het model geen onderscheid wordt gemaakt tussen bijvoorbeeld goedkope en dure woningen in een bepaald gebied. Daarnaast worden voor alle woningen in een COROP-gebied dezelfde prijsontwikkeling en hetzelfde leegstandspercentage verondersteld. Het model impliceert dus dat de invloed van een verandering in de leegstand op de prijsstijging voor alle woningen gelijk is. Er wordt geen rekening gehouden met verschillen tussen woningen binnen een gebied. De werkelijkheid is echter ingewikkelder. Leegstandspercentages variëren binnen een COROP-gebied en prijsontwikkelingen variëren binnen een COROP-gebied over woningtypes en gebieden. Desalniettemin geeft het model een grove indicatie van wat er met de overige woningen gebeurt als woningen aan de woningvoorraad worden onttrokken door bijvoorbeeld sloop of bestemmingswijziging. Dit wordt in een voorbeeld nader uitgewerkt.

23

Voorbeeld Een gemeente heeft 26.000 woningen met een gemiddelde (WOZ)-waarde van € 150.000. De leegstand bedraagt 5%. Door het onttrekken van woningen aan de woningvoorraad kan dit leegstandpercentage worden beïnvloed, waarbij verondersteld wordt dat het aantal huishoudens ongewijzigd blijft. Om het leegstandspercentage met 1% te verlagen, moet 1% van de woningen aan de voorraad worden onttrokken. Dat komt overeen met 260 woningen. Deze woningen hoeven niet leeg te staan. Stel dat de gemiddelde waarde van deze woningen € 100.000 bedraagt. De gemiddelde waarde van de overige woningen is dan iets hoger dan € 150.000, namelijk € 150.505. Door het onttrekken van woningen aan de woningvoorraad, stijgt volgens de uitkomst in tabel 4 de waarde van de overige woningen met 1,1%. De extra prijsstijging bedraagt 1,1% van (26.000 – 260) woningen maal € 150.505. Dit vertegenwoordigt in totaal een waarde van € 42.614.000. De kosten voor het onttrekken van de woningen worden gelijkgesteld aan de waarde van deze 8

woningen . Dat komt neer op 260 maal € 100.000, dat is € 26.000.000. Het netto-effect is dus positief, namelijk € 16.614.000.

Bovenstaand voorbeeld is een ruwe indicatie van kosten en opbrengsten. Uiteraard kan met andere kosten rekening worden gehouden, zoals sloopkosten. In het algemeen geldt dat als een hoger percentage woningen aan de voorraad wordt onttrokken, het netto-effect per saldo negatief zal zijn. De formule om het netto-effect te berekenen is:

Opbrengst:

n * p * (1 - a * f) * s

Kosten:

n*p*a*f

Netto-effect:

n * p * ((1 - a * f) * s - a * f)

Hierbij is n gelijk aan het aantal woningen, p de gemiddelde waarde, a de fractie woningen die aan de voorraad wordt onttrokken, f de fractie van de waarde van de woningen die aan de voorraad worden onttrokken ten opzichte van de gemiddelde waarde, en s de extra prijsstijging in procenten die volgt uit het onttrekken van de woningen aan de voorraad. In bovenstaand voorbeeld geldt: n = 26.000, p = € 150.000, a = 0.01, f = € 100.000/€ 150.000 = 2/3 en s = 0.011.

De belangrijkste parameters zijn de fractie woningen die aan de voorraad wordt onttrokken (a) en de fractie van de waarde van de woningen die aan de voorraad worden onttrokken ten opzichte van de gemiddelde waarde (f). In tabel 5 staat het netto-effect voor verschillende waarden van a en f.

8

Er wordt dus afgezien van sloopkosten.

24


Tabel 5 Netto financieel effect bij percentage onttrekking woningvoorraad en sloopwaarde Slooppercentage (a) f

1%

2%

Sloopwaarde

1/2

€ 75.000

€ 23.185.500

€ 3.471.000

2/3

€ 100.000

€ 16.614.000

€ -9.672.000

Uit dit overzicht blijkt dat als de gemiddelde ‘sloopwaarde’ slechts € 75.000 bedraagt (f = 1/2) en de fractie woningen die aan de voorraad worden onttrokken gelijk is aan 1%, het netto-effect gelijk is aan ruim 23 miljoen euro, ruim 6 miljoen euro meer dan bij een gemiddelde ‘sloopwaarde’ van € 100.000 (f = 2/3). Het netto-effect bij een gemiddelde ‘sloopwaarde’ van € 100.000 en 2% woningen die aan de voorraad worden onttrokken is bijna 10 miljoen negatief.

Uit het bovenstaande voorbeeld blijkt dat het mogelijk is dat het netto-effect van het onttrekken van woningen aan de voorraad positief is; de waardestijging van de resterende woningen is groter dan de kosten van het onttrekken van woningen aan de voorraad. De eigenaren van de resterende woningen hebben er dus baat bij. De vraag is hoe de waardestijging van de resterende woningen benut kan worden. In een participatiefonds zouden deze eigenaren moeten afzien van (een deel van) deze extra waardestijging, zodat deze door een belegger gebruikt kan worden voor de kosten van het onttrekken van woningen aan de voorraad. Het probleem van een participatiefonds is echter dat eigenaren niet verplicht kunnen worden de extra waardestijging af te staan aan een belegger. Eigenaren die dit niet doen, profiteren immers wel van de waardestijging. Ook het verhogen van de onroerendzaakbelasting (OZB)-tarieven leidt niet tot een haalbare oplossing. De huidige tarieven zijn grofweg 0,1% van de waarde. De OZB-tarieven zouden in bovenstaande voorbeelden verhoogd moeten worden met 0,5 tot 1%, een onhaalbare zaak. De uitdaging blijft dus om een manier te vinden waarop een eventuele waardestijging als gevolg van het onttrekken van woningen aan de voorraad gebruikt kan worden voor de kosten die dat met zich mee brengt.

25

26


6. AANBEVELINGEN VOOR VERDER ONDERZOEK

De belangrijkste aanbeveling voor verder onderzoek is het verzamelen van betrouwbare cijfers over leegstand. Nu zijn deze gegevens slechts voor een beperkt aantal gemeenten bekend. Van belang is ook dat deze cijfers worden uitgesplitst naar woningtypen en wijken binnen gemeenten. Daarnaast is het verschil in leegstand tussen de huur- en koopwoningsector van belang.

De tweede aanbeveling betreft de modelspecificatie. In het huidige model zijn alleen de mutaties gemodelleerd, en niet de niveaus van de variabelen. De belangrijkste reden is dat de kwaliteit van de huidige leegstandscijfers het modelleren van de niveaus niet mogelijk maakt. De niveaus van de variabelen bevatten echter belangrijke informatie over de woningmarkt. Er zijn bijvoorbeeld grote verschillen in prijsniveaus tussen de verschillende gemeenten.

Het model zou ook zodanig moeten worden aangepast dat de woningprijzen en het vormen van een huishouden gelijktijdig gemodelleerd kunnen worden. Het vormen van een huishouden is namelijk mede afhankelijk van de woningprijzen en het inkomen. Met andere woorden, het aantal huishoudens en de grootte van de huishoudens mogen niet zonder meer als exogene variabelen worden opgenomen om de (veranderingen in de) woningprijzen te verklaren.

Tot slot zou onderzocht kunnen worden hoe de waarde van woningen zich verhoudt tot de bouwkosten. Als voor een groot aantal woningen de woningwaarde dicht bij de bouwkosten ligt, dan zijn grote prijsdalingen te verwachten bij een verdere vraaguitval. Voor deze analyse zijn gedetailleerde gegevens over de kenmerken en waarden van individuele woningen noodzakelijk.

27

28


GERAADPLEEGDE LITERATUUR

Börsch-Supan, A., 1986, ‘Household Formation, Housing Prices, and Public Policy Impacts’, Journal of Public Economics, 30, 145-164. Eichholtz, P. en T. Lindenthal, 2009a, ‘Demografische krimp en woningprijzen’, ESB, 94, 249-251. Eichholtz, P. en T. Lindenthal, 2009b, ‘Demographics, Human Capital and the Demand for Housing’, working paper.

E,til, 2008, Transformatieopgave Parkstad Limburg, 2008–2020, www.parkstad-limburg.nl. Francke, M.K., 2010, ‘Repeat Sales Index for Thin Markets: A Structural Time Series Approach’, Journal of Real Estate Finance and Economics, 41, 24-52. Glaeser, E.L. en J. Gyourko, 2005, ‘Urban Decline and Durable Housing’, Journal of Political Economy, 113(2), 345-375. Green, R. and H. Hendershott, 1996, ‘Age, Housing Demand, and Real House Prices’, Regional Science and Urban Economics, 26, 465-480.

Jong, A. de en C. van Duin, 2010, Regionale prognose 2009-2040: Vergrijzing en omslag van groei naar krimp, Planbureau voor de Leefomgeving & Centraal Bureau voor de Statistiek. Neuteboom, P. and D. Brounen, 2007, ‘Demography and Housing Demand. Dutch Cohort Evidence’, working paper. NVM, 2010, ‘Krimpgebied = Kansgebied. Visie Bevolkingskrimp’, NVM i.s.m. Bureau Stedelijke Planning bv. Renooij, P.H., 2008, Leegstand en Kraken, Regioplan Beleidsonderzoek, Amsterdam. Rouwendal, J. en W. Vermeulen, 2007, ‘Vormt vergrijzing een bedreiging voor de Nederlandse woningmarkt?’, Property Research Quarterly, 6(4), 20-15. Verbruggen, J.P., H.C. Kranendonk, M. van Leuvensteijn en M. Toet, 2005, ‘Welke factoren bepalen de ontwikkeling van de huizenprijs in Nederland?’ CPB Document, 81, CPB, Den Haag. Vermeulen, W., en J. Rouwendal, 2007, ‘Housing Supply in the Netherlands’, CPB Discussion Paper, 87, CPB, Den Haag.

29

Verwest, F., N. Sorel en E. Buitelaar, 2008, Regionale krimp en woningbouw. Omgaan met een transformatieopgave, Planbureau voor de Leefomgeving, NAI Uitgevers, Den Haag.

30


FIGUREN EN TABELLEN Figuur 2 COROP-gebieden in Nederland

31

32


Tabel 6 Overzicht COROP-gebieden COROP-gebieden

ΔB

ΔH

ΔW

W/H-1

Δ(W/H)

I

ΔI

WOZ

ΔP

ΔP pj

0,3%

7,2%

7,0%

0,7%

-0,2%

18,6

28,3%

165

167,3%

7,3%

-8,9%

-1,1%

-2,8%

1,3%

-1,7%

19,6

28,9%

155

161,1%

7,1%

1

Oost-Groningen

2

Delfzijl en omgeving

3

Overig Groningen

5,8%

11,1%

9,5%

-12,2%

-1,5%

20,1

33,1%

189

185,1%

7,8%

4

Noord-Friesland

3,8%

11,6%

11,8%

-0,3%

0,2%

19,6

31,5%

182

192,4%

8,0%

5

Zuidwest-Friesland

8,8%

15,5%

16,3%

2,9%

0,7%

20,3

35,3%

211

202,3%

8,2%

6

Zuidoost-Friesland

7,6%

11,9%

14,9%

0,3%

2,7%

20,2

32,9%

215

185,7%

7,8%

7

Noord-Drenthe

16,2%

23,3%

24,1%

0,0%

0,7%

21,4

30,5%

225

153,8%

6,9%

8

Zuidoost-Drenthe

13,1%

22,5%

20,6%

-1,6%

-1,6%

19,6

28,9%

194

150,9%

6,8%

9

Zuidwest-Drenthe

-7,9%

-1,3%

-2,0%

-0,9%

-0,6%

20,6

32,1%

227

171,2%

7,4%

10

Noord-Overijssel

5,9%

13,1%

15,3%

-2,0%

1,9%

20,9

32,3%

231

184,2%

7,7%

11

Zuidwest-Overijssel

16,0%

24,5%

22,9%

-4,5%

-1,3%

20,8

30,8%

225

164,8%

7,2%

12

Twente

5,9%

12,7%

15,9%

-2,6%

2,8%

20,3

30,1%

214

156,6%

7,0%

13

Veluwe

6,2%

14,5%

15,4%

-5,3%

0,8%

22

30,2%

282

164,8%

7,2%

14

Achterhoek

9,3%

17,7%

19,7%

-0,4%

1,7%

21,1

31,1%

248

161,1%

7,1%

15

Arnhem/Nijmegen

4,6%

11,1%

11,8%

-7,2%

0,7%

21,1

31,1%

239

178,9%

7,6%

16

Zuidwest-Gelderland

10,8%

17,6%

17,4%

-1,8%

-0,2%

22,2

32,9%

282

178,0%

7,6%

17

Utrecht

13,9%

19,5%

20,2%

-6,9%

0,7%

23,6

32,6%

286

180,8%

7,7%

18

Kop van NoordHolland

7,5%

17,4%

18,5%

0,0%

0,9%

21,4

32,1%

223

172,2%

7,4%

19

Alkmaar en omgeving

2,9%

11,2%

13,1%

-1,4%

1,7%

22,3

31,2%

259

181,4%

7,7%

20

IJmond

14,2%

19,2%

19,7%

-1,3%

0,5%

22,5

29,3%

249

178,5%

7,6%

21

Aggl. Haarlem

0,0%

2,5%

6,7%

-2,6%

4,1%

24

34,8%

316

219,4%

8,6%

22

Zaanstreek

8,1%

14,1%

15,2%

-1,7%

0,9%

21,1

26,3%

205

188,8%

7,9%

23

Groot-Amsterdam

9,4%

9,3%

14,3%

-4,8%

4,5%

22,1

33,9%

266

203,3%

8,2%

24

Het Gooi en Vechtstreek

3,9%

9,1%

11,7%

-0,9%

2,4%

25,5

36,4%

354

199,5%

8,2%

25

Aggl. Leiden en Bollenstreek

7,2%

13,1%

15,5%

-6,0%

2,1%

23,4

32,2%

286

165,8%

7,2%

26

Aggl. Den Haag

13,0%

13,1%

18,9%

-1,0%

5,1%

22,4

32,5%

229

178,9%

7,6%

27

Delft en Westland

-3,1%

4,8%

5,0%

-7,5%

0,2%

22,3

28,2%

242

159,6%

7,1%

28

Oost-Zuid-Holland

-1,5%

7,5%

7,6%

-1,1%

0,1%

23,2

30,3%

256

148,9%

6,7%

29

Groot-Rijnmond

4,4%

7,9%

10,9%

-0,6%

2,7%

21,1

31,1%

197

172,8%

7,4%

30

Zuidoost-ZuidHolland

-1,9%

4,6%

5,4%

0,6%

0,8%

21,5

29,5%

219

168,4%

7,3%

31

ZeeuwschVlaanderen

0,0%

8,5%

10,2%

9,4%

1,6%

20,8

27,6%

172

164,5%

7,2%

32

Overig Zeeland

5,8%

13,7%

13,3%

3,0%

-0,4%

20,9

29,0%

210

181,4%

7,7%

33

West-Noord-Brabant

5,6%

14,1%

14,3%

-2,2%

0,2%

21,7

29,9%

250

165,8%

7,2%

33

COROP-gebieden

ΔB

ΔH

ΔW

W/H-1

Δ(W/H)

I

ΔI

WOZ

ΔP

ΔP pj

34

Midden-NoordBrabant

-0,3%

10,3%

10,3%

-5,3%

0,0%

21,4

32,1%

257

172,8%

7,4%

35

Noordoost-NoordBrabant

12,6%

22,2%

22,8%

-1,9%

0,5%

22,2

33,7%

291

187,8%

7,8%

36

Zuidoost-NoordBrabant

8,3%

16,5%

16,6%

-3,7%

0,1%

21,9

32,7%

282

195,0%

8,0%

37

Noord-Lmburg

4,3%

14,2%

14,8%

0,0%

0,5%

20,9

29,0%

233

136,4%

6,3%

38

Midden-Limburg

9,2%

19,8%

21,0%

-0,3%

1,0%

20,9

29,0%

224

142,7%

6,5%

39

Zuid-Limburg

-6,0%

4,0%

7,6%

-0,4%

3,5%

20

25,8%

190

120,2%

5,8%

40

Flevoland

46,2%

55,6%

50,7%

-3,9%

-3,2%

21

31,3%

204

133,1%

6,2%

Nederland

6,9%

13,0%

14,7%

-2,8%

1,5%

21,6

30,9%

241

174,4%

7,5%

Gemiddelde

6,5%

13,6%

14,6%

-1,9%

0,9%

21,4

31,0%

235

171,9%

7,4%

Minimum

-8,9%

-1,3%

-2,8%

-12,2%

-3,2%

18,6

25,8%

155

120,2%

5,8%

Maximum

46,2%

55,6%

50,7%

9,4%

5,1%

25,5

36,4%

354

219,4%

8,6%



De mutaties in de bevolkingsgrootte (ΔB), aantal huishoudens (ΔH), aantal woningen (ΔW) en leegstand (ΔW/H) en prijzen (ΔP) hebben betrekking op de periode 1995 tot en met 2009.












ΔP pj geeft de gemiddelde jaarlijkse prijsstijging weer.



De cijfers voor Zuidwest-Drenthe zijn vertekend door een wijziging in de definitie van het COROP-gebied tussen de jaren 1997 en 1998.

34


Tabel 7 Overzicht voor een aantal gemeenten Corop

Gemeente

ΔB

ΔH

ΔW

ΔW pj

W/H-1

Δ(W/H)

I

ΔI

WOZ

ΔP

ΔP pj

39

Kerkrade

-7.8%

-0.1%

3.2%

0.3%

2.5%

3.4%

19

19.4%

150

43.7%

3.4%

39

Heerlen

-6.6%

0.9%

4.9%

0.4%

1.5%

4.1%

19

23.8%

138

53.3%

4.0%

39

Landgraaf

-7.0%

0.7%

2.4%

0.2%

2.6%

1.7%

20

25.5%

172

53.7%

4.0%

39

Brunssum

-2.4%

3.4%

6.3%

0.6%

4.0%

3.1%

19

27.0%

154

55.8%

4.1%

39

Vaals

-9.6%

-4.6%

3.3%

0.3%

-1.7%

8.3%

19

10.3%

163

57.3%

4.2%

39

Onderbanken

-4.6%

2.8%

4.4%

0.4%

3.7%

1.6%

20

23.8%

192

59.9%

4.4%

39

Schinnen

-3.9%

5.1%

6.8%

0.6%

0.0%

1.9%

22

26.2%

235

62.1%

4.5%

39

Beek (L.)

-3.9%

3.5%

4.8%

0.4%

1.2%

1.3%

22

27.1%

222

62.1%

4.5%

39

Stein (L.)

-2.0%

6.0%

8.2%

0.7%

1.5%

2.4%

21

29.2%

212

62.9%

4.5%

39

Voerendaal

-2.9%

6.7%

6.8%

0.6%

-0.2%

0.3%

23

30.5%

230

64.1%

4.6%

39

Simpelveld

-5.1%

1.8%

5.2%

0.5%

3.5%

3.5%

20

22.2%

185

70.4%

5.0%

14

Winterswijk

1.8%

6.9%

7.7%

0.7%

-0.8%

1.0%

20

30.3%

220

79.3%

5.5%

14

Aalten

46.1%

56.9%

47.5%

3.6%

0.1%

2.5%

20

29.2%

229

82.4%

5.6%

14

Doetinchem

23.9%

28.9%

25.3%

2.1%

-0.5%

-0.1%

21

28.4%

237

90.0%

6.0%

1

Menterwolde

1.2%

4.6%

4.0%

0.4%

1.6%

-0.5%

19

31.7%

176

93.0%

6.2%

1

Veendam

-1.7%

5.7%

5.8%

0.5%

1.5%

0.3%

19

30.4%

158

93.3%

6.2%

4

Leeuwarderadeel

1.1%

9.5%

9.7%

0.8%

2.3%

0.6%

21

30.0%

192

98.8%

6.4%

1

Pekela

-0.8%

5.0%

-0.1%

0.0%

-3.9%

-4.9%

18

28.6%

145

99.1%

6.5%

2

Delfzijl

-10.9%

-5.9%

-9.8%

0.9%

1.1%

-3.6%

20

27.3%

150

101.1%

6.6%

1

Stadskanaal

1.6%

6.0%

8.2%

0.7%

2.5%

2.4%

18

26.2%

165

101.2%

6.6%

14

Lochem

76.5%

85.4%

64.9%

4.7%

0.5%

3.2%

24

36.9%

319

102.6%

6.6%

31

Terneuzen

58.9%

68.7%

51.6%

3.9%

5.1%

-0.8%

21

26.8%

160

112.6%

7.1%

2

Appingedam

-1.2%

1.2%

1.8%

0.2%

1.4%

0.6%

19

30.6%

150

113.2%

7.1%

4

Franekeradeel

2.2%

7.6%

9.1%

0.8%

3.2%

1.7%

20

34.5%

174

114.2%

7.2%

1

Scheemda

-0.6%

4.3%

3.6%

0.3%

1.3%

-0.7%

19

29.7%

168

116.6%

7.3%

1

Bellingwedde

-2.4%

3.4%

2.0%

0.2%

0.9%

-1.4%

19

25.5%

189

117.4%

7.3%

4

Menaldumadeel

-0.4%

6.4%

6.7%

0.6%

2.1%

0.5%

21

31.2%

194

118.6%

7.4%

1

Winschoten

-2.4%

0.3%

-0.4%

0.0%

-1.3%

-0.7%

19

30.1%

157

120.3%

7.4%

1

Vlagtwedde

1.2%

5.8%

5.4%

0.5%

-0.4%

-0.2%

18

24.5%

191

122.7%

7.6%

42.9%

52.9%

45.5%

3.5%

4.4%

3.1%

21

29.4%

192

123.9%

7.6%

31

Hulst

26

's-Gravenhage

8.8%

6.0%

10.6%

0.9%

-2.5%

4.9%

21

32.5%

210

124.2%

7.6%

23

Amsterdam

5.2%

4.2%

7.1%

0.6%

-6.1%

3.0%

21

36.8%

257

124.4%

7.6%

3

Eemsmond

1.0%

5.1%

6.0%

0.5%

4.0%

1.0%

18

32.4%

159

126.1%

7.7%

1

Reiderland

1.5%

4.4%

-0.6%

-

1.7%

-4.8%

18

25.9%

142

130.1%

7.9%

35

Corop

Gemeente

ΔB

ΔH

ΔW

ΔW pj

W/H-1

Δ(W/H)

I

ΔI

WOZ

ΔP

ΔP pj

0.1% 4

Littenseradiel

3.5%

9.2%

8.3%

0.7%

2.0%

-0.5%

21

35.3%

211

132.0%

8.0%

21

Haarlem

0.2%

2.1%

4.7%

0.4%

-4.0%

2.7%

22

31.7%

253

132.4%

8.0%

4

het Bildt

8.0%

13.9%

7.5%

0.7%

-1.8%

-5.4%

19

32.6%

170

138.7%

8.2%

2

Loppersum

-4.5%

4.9%

4.2%

0.4%

1.9%

-0.6%

20

33.1%

177

139.7%

8.3%

3

Groningen (gem.)

9.2%

11.1%

3.7%

0.3%

22.0%

-6.7%

20

34.5%

177

143.0%

8.4%



De mutaties in de bevolkingsgrootte (ΔB), aantal huishoudens (ΔH), aantal woningen (ΔW) en leegstand (ΔW/H) en prijzen (ΔP) hebben betrekking op de periode 1998 tot en met 2009.












ΔP pj geeft de gemiddelde jaarlijkse prijsstijging weer.



De cijfers zijn niet gecorrigeerd voor gemeentelijke herindelingen.

36


COLOFON Een verkenning in opdracht van SEV

Uitgave

SEV

Auteurs

Marc Francke, Ortec Finance

Vormgeving omslag

Absoluut Design, Bergen op Zoom

Druk omslag

Drukkerij Goos, Ouderkerk aan den IJssel

Opmaak

FMZ Tekstverwerking, Vlaardingen

Hoewel grote zorgvuldigheid is betracht bij het samenstellen van dit rapport, aanvaarden SEV en de betrokkenen geen enkele aansprakelijkheid uit welke hoofde dan ook voor het gebruik van de in deze publicatie vermelde gegevens

Rotterdam, augustus 2010

37

Krimp en woningprijzen

Recommend Documents