Kwaliteitgericht Beleggen in Vastgoed

“Kwaliteitgericht Beleggen in Vastgoed” Een onderzoek naar de relatie van kwaliteit en economische performance van kantoorgebouwen

Afstudeeronderzoek --Technische Universiteit Delft - Faculteit Bouwkunde - Real Estate & Housing

--Marco Vermeer

Voorwoord Bij het kiezen van een studie na mijn middelbare schooltijd wist ik niet goed welke keuze ik moest maken. Je maakt immers een keuze die bepalend is voor de rest van je leven. Ik heb destijds voor Bouwkunde gekozen door de veelzijdigheid van de studie. In de jaren dat ik Bouwkunde heb gestudeerd ben ik het vakgebied steeds meer gaan waarderen. Zodanig dat ik zeker weet dat ik voor mijzelf de juiste keuze heb gemaakt. Na kennisgemaakt te hebben met verschillende vakgebieden die de bouwkundige wereld rijk is, heb ik uiteindelijk de beslissing genomen om de richting van bouwmanagement te kiezen. Ook die keuze is gemaakt door de veelzijdigheid van de differentiatie binnen het vakgebied bouwkunde en staat in mijn ogen het dichtst bij de samenleving daar waar bijvoorbeeld differentiaties als architectuur en stedenbouw vaak ver van de hedendaagse realiteit kunnen staan. Deze rapportage dient ter afsluiting van het Master programma Real Estate & Housing aan de faculteit Bouwkunde van de Technische Universiteit te Delft en heeft geresulteerd in het afstudeeronderzoek “Kwaliteit Gericht Beleggen in Vastgoed”. De aanleiding voor dit onderzoek is de leegstandsproblematiek op de kantorenmarkt. Het doel van onderzoek was het aantonen dat gebouwaspecten van invloed zijn op de financiële prestaties van een kantoorgebouw. Verder zou ik graag de ROZ-IPD Vastgoedindex willen bedanken, in het bijzonder Bert Teuben en Aart Hordijk, voor hun bijdrage aan de totstandkoming van dit onderzoek. Daarnaast wil ik ook mijn mentorenteam bestaande uit Monique Arkesteijn en Philip Koppels bedanken voor het geduld en de degelijke begeleidingssessies gedurende het afstudeertraject. Tenslotte zou ik dit eindrapport willen opdragen aan mijn opa Cent Vermeer aan wie ik vlak voor zijn overlijden in 2003 beloofd heb dat, wat er ook zou gebeuren, deze studie ten einde zou brengen. Delft, 26 februari 2007 Marco Vermeer

ii

Personalia

2 april 2007 Marco Vermeer

Domela Nieuwenhuisstraat 5 2805 GD Gouda +31624886712 [email protected] Studienummer: 1187473 Technische Universiteit Delft Faculteit Bouwkunde Real Estate & Housing Real Estate Management lab. Mentorenteam: Ir. M.H. Arkesteijn (hoofdmentor) Drs. P.W. Koppels (2e mentor) Ir. P. Barendse (gecommitteerde) iii

Samenvatting Het laatste decennium zijn talloze leegstaande kantoorgebouwen waar dan ook in Nederland een steeds vaker voorkomend verschijnsel. Deze leegstand is het gevolg van een groter aanbod dan vraag naar kantoorruimte. De leegstand op de Nederlandse kantorenmarkt is naar een recordhoogte van 12,5% gestegen terwijl een normaal leegstandsniveau 5% á 6% bedraagt. Het leegstandsniveau is het hoogste in de vier grootste Nederlandse steden met Amsterdam op kop. Ondanks deze leegstandsgroei beschrijven ondermeer jaarverslagen van institutionele beleggers in kantoren dat de laatste jaren goede resultaten geboekt zijn. Daarnaast wordt opgemerkt dat de kantorenmarkt signalen van verbetering laat zien. Al met al is men ondanks de hoge leegstand positief gestemd. Enerzijds is daarbij een grote vraag naar kantoorgebouwen als beleggingsobject, maar anderzijds is er geen grote vraag naar kantoorgebouwen voor huisvesting. Dit scherpe contrast vertelt ons dat de Nederlandse kantorenmarkt zich in een extreem tegenstrijdige situatie begeeft. Leegstaande kantoorgebouwen leveren immers geen geld op. Met andere woorden betekent dit dat beleggers hun rendementen op kantoorgebouwen door de leegstand zien dalen. Wat is dan de oorzaak dat die kantoorgebouwen leeg staan en hoe kan dat verminderd of voorkomen worden? Op basis van dit probleemveld is de volgende probleemstelling geformuleerd die centraal staat binnen dit afstudeeronderzoek: “Een aanzienlijk deel van de Amsterdamse kantorenmarkt staat leeg, omdat dat deel over een kwaliteitsniveau beschikt dat niet kan voldoen aan de steeds veranderende vraag naar kantoorhuisvesting. Dit veroorzaakt een daling van de beleggingsrendementen op investeringen in kantoorgebouwen door institutionele beleggers, ofwel een daling van de economische performance van de vastgoedportefeuille.” Dit onderzoek heeft de doelstelling aan te tonen of locatie-, perceel- en gebouwaspecten van kantoorgebouwen van invloed zijn op de economische performance en zo ja, welke aspecten zijn dat dan en in welke mate. Om dit te kunnen beantwoorden is vanuit het probleemveld de volgende vraagstelling geformuleerd: In welke mate beïnvloeden de locatie-, perceel- en gebouwaspecten van een kantoorgebouw de economische performance van een kantoorgebouw? Omdat deze vraag goed te kunnen beantwoorden is een verdeling gemaakt in drie deelvragen 1 2 3

Wat wordt er onder de kwaliteit van kantoorgebouwen verstaan en hoe wordt deze gemeten? Wat wordt er onder de economische performance van kantoorgebouwen verstaan en hoe wordt deze gemeten? Is er een verband tussen de kwaliteit en de economische performance van kantoorgebouwen? En zo ja, welk verband is dat?

Voor dat is begonnen met het beantwoorden van deze vragen is een onderzoeksopzet gemaakt. Zo is gekozen voor het beperken van het onderzoeksveld tot de Amsterdamse kantorenmarkt. Alle in het onderzoek gebruikte gegevens zijn afkomstig van iv

kantoorgebouwen die in eigendom zijn van bij de ROZ-IPD Vastgoedindex aangesloten beleggers. Op de Amsterdamse kantorenmarkt is een selectie gemaakt van 48 kantoorgebouwen in eigendom van vier verschillende beleggers. Van deze kantoorgebouwen zijn zowel de kwaliteit als de economische performance in kaart gebracht. Om de kwaliteit en economische performance van de geselecteerde kantoorgebouwen in kaart te brengen is allereerst is de kwaliteit van kantoorgebouwen beschreven. Kwaliteit van kantoorgebouwen wordt bepaald door de gebruiker ervan. Een kantoorgebouw heeft een hoge kwaliteit als het slaagt te voldoen aan zoveel mogelijk huisvestingseisen van een gebruiker. Prins omschreef dit als ‘quality is in the eye of the beholder’. De kwaliteit van kantoorgebouwen kan in hoofdlijnen gevonden worden in de vormgeving, duurzaamheid en courantheid en de aanpasbaarheid van het kantoorgebouw. Voor het onderzoek was het echter van belang de kwaliteit te meten. Daarvoor zijn verschillende meetmethoden in kaart gebracht en is gekozen voor het meten op basis van de REN 2003. Vanuit de REN 2003 is een selectie gemaakt van te meten kwaliteitseigenschappen. De geselecteerde eigenschappen vormden de basis voor de opgestelde checklist voor het meten van de kwaliteit van de geselecteerde kantoorgebouwen. Na de kwaliteit is de economische performance van de geselecteerde kantoorgebouwen in kaart gebracht. Met de economische performance van kantoorgebouwen wordt de prestatie van de belegging uitgedrukt in een beleggingsrendement bedoeld. Op basis van door de beleggers aan de ROZ-IPD verstrekte gegevens wordt de economische performance in kaart gebracht. De ROZ-IPD dient daarna voor beleggers als een soort ijkpunt om de gemaakte performance te vergelijken met het gemiddelde. Binnen dit onderzoek zijn drie parameters geselecteerd die economische performance hebben vertegenwoordigd:

Netto opbrengsten per m² b.v.o. Bruto open markthuurwaarde/m² b.v.o. Bruto exploitatie rendement (BER of Lopende BAR genoemd)

Met de in kaart gebrachte kwaliteit en economische performance van de geselecteerde kantoorgebouwen kon een begin gemaakt worden met het leggen van een verband tussen deze factoren. Echter, de theorie bracht een aantal verwachtingen in de vorm van hypothesen: 1. “De kwaliteit van een kantoorgebouw is hoger als het kantoorgebouw aan meer eisen van de gebruiker voldoet waardoor de leegstand lager is” 2. “De kwaliteit van de locatie- en perceelkenmerken geven een hogere mate van verklaring van de economische performance dan de gebouwkenmerken.” 3. “Van de locatie- en perceelkenmerken geven de variabelen parkeren, bereikbaarheid en ligging de hoogste verklaring van de economische performance.” 4. “Van de gebouwkenmerken geven de variabelen imago entree en bouwkundige flexibiliteit de hoogste verklaring van de economische performance.”

v

Op basis van de theorie is een model gemaakt dat weergeeft hoe de verschillende factoren elkaar verbonden zijn. De onderstaande figuur laat dat zien.

Na het theoretische gedeelte met de bijbehorende verwachtingen is een verband gelegd tussen de kwaliteit en economische performance van kantoorgebouwen met behulp van een lineaire regressieanalyse.

vi

Het doel van de lineaire regressieanalyse is het vinden van een verklaring, ofwel een lineair verband, voor de afhankelijke variabele door de onafhankelijke variabelen. In dit onderzoek is dat geweest het verklaren van de economische performance door de kwaliteitsaspecten van een kantoorgebouw. Voor dat er met de regressieanalyse begonnen kon worden, zijn alle verzamelde gegevens gecodeerd en is een database gemaakt met gelijkwaardige eenheden voor alle verzamelde gegevens. De regressieanalyse is in tweeën uitgevoerd. Er is begonnen met het uitvoeren van een enkelvoudige regressieanalyse, dat wil zeggen het verklaren van de economische performance door één kwaliteitsaspect. Vervolgens is een multipele regressieanalyse uitgevoerd waar gebouw-, perceel- en locatieaspecten los van elkaar de economische performance hebben verklaard. De uitkomsten van de regressieanalyse voldeden aan de verwachting dat de locatieaspecten voor het grootste deel de verklaring van economische performance op zich zouden nemen. Echter, toch bleken ook een aantal gebouwaspecten een sterke invloed te hebben op de economische performance. Netto opbrengsten/m²

Bruto open marktwaarde/m²

Lopende BAR

1 Imago entree

1 Typering terrein

1 Nabijheid autosnelweg

2 Typering terrein

2 Imago entree

2 Nabijheid NS-station

3 Bouwkundige flexibiliteit


3 Aantal richt. Veranderingen


4 Leeftijd/bouwperiode/bouwjaar

4 Typering terrein 5 Imago entree 6 Veroudering

Op basis van de invloed van de kwaliteitsvariabele per performance variabele is een rangorde opgesteld van de meest verklarende kwaliteitskenmerken voor de economische performance van kantoorgebouwen op de Amsterdamse kantorenmarkt. Daaruit blijkt dat de ligging van het object op het type terrein het belangrijkste is gebleken, maar de uitkomst laat tevens zien dat het imago van de entree en de bouwkundige flexibiliteit belangrijke factoren zijn voor de verhuur van een kantoorgebouw en dus een gunstige economische performance. Economische performance 1 Typering terrein 2 Imago entree 3 Bouwkundige flexibiliteit 4 Nabijheid autosnelweg 5 Aantal richtingveranderingen

Er kan dus geconcludeerd worden dat de economische performance wel degelijk beïnvloedt wordt door gebouw-, perceel- en locatieaspecten van kantoorgebouwen. Echter, de mate van invloed is moeilijk in te schatten. Hoewel de verschillende aspecten werkelijk financiële en procentuele gevolgen laten zien voor de onafhankelijke performancevariabelen, kunnen deze niet voor de economische performance in het algemeen gebruikt worden. Wel kan de richting van de invloed worden afgeleid. De variabelen in de bovenstaande tabel laten dan ook een betere economische performance zien als ze beschikken over een hoge score.

vii

Wat de hypothesen betreft bleek hypothese 1 niet te verklaren doordat geen significant verband gevonden kon worden tussen het leegstandspercentage en de kwaliteitsvariabelen. Hypothese 2 was gedeeltelijk juist, hypothese 3 volledig onjuist en hypothese 4 bleek de enige volledig juiste hypothese te zijn. Het vorenstaande onderbouwt dat beleggers in kantoorgebouwen niet alleen naar het risicoprofiel en de financiële gegevens van kantoorgebouwen dienen te kijken. Hoe beter een gebouw aansluit bij de wensen van een gebruiker, hoe lager de kans op leegstand en hoe hoger de kans op een stabiele economische performance. Daarom zullen in de toekomst door beleggers maatregelen getroffen en zonodig opgelegd moeten worden dat alleen opnieuw geïnvesteerd mag worden indien grondig onderzoek is verricht naar de vraag van de kantorenmarkt en een gebruiker voor huisvesting is gevonden hoe moeilijk dit ook mag zijn. Daarnaast dient een (nieuwe) bestemming gevonden te worden voor het verkochte, verouderde of leegstaande vastgoed. De overheid is daarbij de enige partij die deze verantwoordelijkheden op kan leggen.

viii

Inhoudsopgave VOORWOORD.................................................................................................................................................... II PERSONALIA ....................................................................................................................................................III SAMENVATTING.............................................................................................................................................. IV INHOUDSOPGAVE........................................................................................................................................... IX 1

INLEIDING ................................................................................................................................................. 1 1.1 1.2 1.3 1.5 1.6

2

ONDERZOEKSOPZET ............................................................................................................................. 8 2.1 2.2 2.3 2.4 2.5 2.6

3

ECONOMISCHE PERFORMANCE VAN KANTOREN .................................................................................. 29 HOE MEET MEN DE ECONOMISCHE PERFORMANCE? ............................................................................ 31 ECONOMISCHE PERFORMANCE IN ONDERZOEKSVERBAND .................................................................. 32 CONCLUSIE ......................................................................................................................................... 33

KENMERKEN VAN DE DATAVERZAMELING EN EEN EERSTE ANALYSE ........................... 36 5.1 5.2 5.3 5.4 5.5

6

KWALITEIT VAN KANTOREN ............................................................................................................... 16 HOE BRENGT MEN DEZE KWALITEIT IN KAART? .................................................................................. 19 MEETMETHODE ALS BASIS VOOR DE CHECKLIST ................................................................................. 21 CONCLUSIE ......................................................................................................................................... 26

KANTOORGEBOUWEN EN ECONOMISCHE PERFORMANCE .................................................. 29 4.1 4.2 4.3 4.4

5

AFBAKENING ........................................................................................................................................ 8 SELECTIE KANTOORGEBOUWEN ............................................................................................................ 8 VERZAMELING VAN DE DATA.............................................................................................................. 11 ANALYSE VAN DE VERZAMELDE DATA ............................................................................................... 13 REGRESSIEANALYSE ........................................................................................................................... 14 ONDERZOEKSDESIGN .......................................................................................................................... 14

KANTOORGEBOUWEN EN KWALITEIT ......................................................................................... 16 3.1 3.2 3.3 3.4

4

AANLEIDING ......................................................................................................................................... 1 PROBLEEMVELD ................................................................................................................................... 1 PROBLEEM- EN VRAAGSTELLING .......................................................................................................... 5 ONDERZOEKSRELEVANTIE .................................................................................................................... 6 LEESWIJZER .......................................................................................................................................... 7

CODEREN VAN DE DATAVERZAMELING............................................................................................... 36 STATISTIEKEN DATAVERZAMELING .................................................................................................... 39 CORRELATIE VAN DE ONAFHANKELIJKE VARIABELEN ........................................................................ 42 VAN KWALITEIT NAAR ECONOMISCHE PERFORMANCE ........................................................................ 43 HYPOTHESEN ...................................................................................................................................... 45

LINEAIRE REGRESSIEANALYSE VAN KWALITEITSASPECTEN EN ECONOMISCHE PERFORMANCE VAN KANTOORGEBOUWEN............................................................................... 51 6.1

AANPAK EN INTERPRETATIE VAN DE REGRESSIEANALYSE .................................................................. 51

7

ONDERZOEKSRESULTATEN .............................................................................................................. 54

8

CONCLUSIES EN AANBEVELINGEN ................................................................................................ 62

LITERATUURLIJST......................................................................................................................................... 69 EPILOOG............................................................................................................................................................ 71 BIJLAGEN .......................................................................................................................................................... 73 BIJLAGE A: BIVARIATE CORRELATIEANALYSE ................................................................................................. 74

ix

1

Inleiding Het begin van het nieuwe millennium zag er rooskleurig uit totdat verschillende ontwikkelingen in de wereld, zoals de aanslagen op het World Trade center in New York, een nieuwe economische recessie deed inzetten. Deze recessie heeft ook gevolgen gehad voor de Nederlandse kantorenmarkt. Het grootste probleem wat op deze kantorenmarkt door die recessie aan het licht kwam, is toch wel de grootschalige leegstandsproblematiek onder kantoorgebouwen. Dit probleem vormt dan ook de basis voor dit afstudeeronderzoek. In dit inleidende hoofdstuk zal begonnen worden met het beschrijven wat de aanleiding is geweest voor de keuze van het afstudeeronderwerp en welke probleemveld daarbij centraal staat binnen dit onderzoek. Daaruit zijn vervolgens een centrale probleemstelling en onderzoeksvragen uit geformuleerd.

1.1

Aanleiding

Toen ik na mijn middelbare schooltijd koos voor de studie Bouwkunde kwam dat mede omdat er overal in het land allerlei mooie (en minder mooie) gebouwen werden gerealiseerd. Tijdens mijn studie aan de HTS keerde het economische tij en viel mij op dat diezelfde gebouwen lang leeg bleven staan. Al rijdend over snelwegen wekte ‘leegstaande’ bedrijventerreinen mijn verbazing. Hoe kan het in vredesnaam zijn dat kantoorgebouwen zo lang leeg blijven staan en dat zo massaal? Iemand moet deze lasten opvangen. De overstap naar de faculteit Bouwkunde in Delft deed meer licht op die problematiek schijnen. Daar kwam ik erachter dat deze leegstaande gebouwen niet aan de vraag van de gebruiker voldoen. De ‘dynamische’ vraag en het ‘statische’ aanbod wisten elkaar onvoldoende te vinden. Dit is de basis geweest voor het komen tot de keuze voor dit afstudeeronderwerp. Ik wilde mij verdiepen in de aansluiting van de vraag naar en het aanbod van kantoren op de Nederlandse kantorenmarkt. Bij verdere toespitsing heeft dit geleid tot dit werk genaamd “Kwaliteitgericht beleggen in vastgoed”. Centraal daarbij staat welke kwaliteitsaspecten van kantoorgebouwen, los van de locatie, dominant zijn voor een goede verhuur van een kantoorgebouw.

1.2

Probleemveld

Uit verscheidene publicaties blijkt dat in 2005 de gemiddelde leegstand op de Nederlandse kantorenmarkt circa 12,5% (ca. 15,5 miljoen m²) bedroeg (DTZ Zadelhoff; 2006) terwijl dat bij een normaal leegstandsniveau circa 5% a 6% bedraagt (van Boom, 2005). Ondanks deze groei beschrijven onder meer jaarverslagen van beleggers dat de opname van kantoorruimte goed is geweest en dat (internationale) investeerders weer geïnteresseerd raken in de Nederlandse kantorenmarkt (Troostwijk, 2005). Tevens wordt opgemerkt dat de kantorenmarkt signalen van verbetering laat zien en uit het dal van de laatste jaren (20012004), als gevolg van de economische recessie, kruipt (Keeris, 2006). Het staafdiagram in figuur 1.1 laat zien het aanbod de laatste jaren toeneemt, maar dat tegelijkertijd de opname van de kantorenmarkt daalt.

1

Aanbod en opname van verhuurbare kantooroppervlakte op de Nederlandse kantorenmarkt 6000 5000

m² v.v.o.

4000 Opname (x1000 m² v.v.o.)

3000

Aanbod (x1000 m² v.v.o.)

2000 1000

19 95 19 96 19 97 19 98 19 99 20 00 20 01 20 02 20 03 20 04 20 05

0

jaren Figuur 1.1 Aanbod- en opnameniveau van de Nederlandse kantorenmarkt (bron: vastgoedmonitor, ASRE)

Dit scherpe contrast vertelt ons dat de Nederlandse kantorenmarkt zich in een extreem tegenstrijdige situatie bevindt. Op de beleggingsmarkt is enerzijds sprake van een grote vraag naar kantoorruimte, maar op de ruimtemarkt is sprake veel leegstand onder kantoorgebouwen (Keeris, 2005). Eén van de verklaringen die gevonden zou kunnen worden, is dat een stijgend aantal gebouwen leeg komt te staan die niet meer voldoen aan de huidige eisen van gebruikers en investeerders (Keeris, 2005). Uit eerder onderzoek van DTZ Research (2005) is gebleken dat omstreeks 1 miljoen m² leegstaande kantoorruimte geen kans maakt om opnieuw verhuurd te worden. In 2004 werd de totale voorraad kantoorruimte op de Nederlandse kantorenmarkt geschat op 44 miljoen m² (IVBN, 2005). Van 2000 tot 2004 is sprake geweest van een afname van de netto opname1 van kantoorruimte terwijl normaal gesproken sprake is van een jaarlijkse stijging van deze opname (DTZ Zadelhoff, 2005). Het aanbod op de Nederlandse kantorenmarkt blijft echter verder stijgen. Van 1995 tot 2004 is het totale aanbod ieder jaar gemiddeld gestegen met 0,7 miljoen m² (figuur 1.1). Verwacht wordt dat in de komende jaren het aanbod verder zal stijgen door ontwikkelingen van projectontwikkelaars. Daarbij zal de vraag naar kantoorruimte achter blijven bij het aanbod en het leegstandsprobleem blijven voortbestaan en mogelijk zelfs verergeren (Keeris, 2005).

1

Opname die een beeld geeft over de toe- of afname van het in gebruik zijnde kantoorvloeroppervlak ipv alleen het aantal opgenomen (bruto) m²’s.

2

Deze ontwikkeling heeft zijn uitwerking gehad op de rendementen van investeringen in kantoorgebouwen door institutionele beleggers. Figuur 1.2 laat het verloop zien over de laatste tien jaar van de directe en indirecte rendementen2. Daarbij valt op dat het directe rendement vanaf 1995 dalende is en dat het indirecte rendement het verloop van de economische recessie volgt. Het totale rendement3 volgt net als het indirecte rendement het verloop van de economische recessie, mede omdat dat wordt beïnvloedt door het verloop van het indirecte rendement. . Rendementen Nederlandse kantorensector 18 16 14 12

%

10

Indirect rendement

8

Direct rendement

6

TRR

4

BBP

2

05 20

04 20

03 20

02 20

01 20

00 20

99 19

98 19

97 19

19

19

95

-2

96

0

-4 jaren Figuur 1.2 Rendementen van institutionele beleggers op de Nederlandse kantorenmarkt (bron: ROZ-IPD, Den Haag)

Het leegstandsniveau is het hoogst in de kantoordistricten van de grootste Nederlandse steden (Amsterdam, Rotterdam, Utrecht en Den Haag). Omdat de Amsterdamse kantorenmarkt het best gedocumenteerd is, is dit onderzoek afgebakend tot die kantorenmarkt. Opvallend is dat de leegstand nogal verschilt per stadsdeel. Als men de kantoordistricten zoals de Amsterdamse Zuid as en Amsterdam Zuid-Oost in beschouwing neemt, dan is er sprake van een leegstandsrange van 17% tot 25%. Echter, in het centrum van Amsterdam is de gemiddelde leestand hooguit 5% (Keeris, 2005). Hieruit blijkt dat de kantorenmarkt in de binnenstad zich anders ‘gedraagt’.

2

Het directe rendement bestaat uit de feitelijke netto-opbrengsten gedurende een bepaalde periode, afgezet tegen het gemiddeld belegd vermogen/geïnvesteerd vermogen van de onderliggende vastgoed objecten (c.q. portefeuilles) over de meet periode. Het indirecte rendement geeft de waardeveranderingen weer gedurende een bepaalde periode van de onderliggende vastgoedobjecten c.q. portefeuilles in de ROZ-IPD Vastgoedindex, afgezet tegen het gemiddeld belegd vermogen/geïnvesteerd vermogen van de onderliggende vastgoedobjecten c.q. portefeuilles over de meet periode 3

Het totale rendement bestaat uit de sommatie van het directe en indirecte rendement.

3

Huurvoorraad en leegstand Amsterdam 8000

20 18

7000

16 6000 14 12

4000

10 8

3000

Voorraad (x1000m² b.v.o.) %

m² b.v.o.

5000

Leegstand (x1000m² b.v.o.) Leegstand (%)

6 2000 4 1000

2

0

0 1999

2000

2001

2002

2003

2004

2005

2006

jaren Figuur 1.3 Huurvoorraad en de leegstand op de Amsterdamse kantorenmarkt (bron: DTZ Zadelhoff, 2007)

Figuur 1.3 laat zien dat de Amsterdamse kantorenmarkt te maken heeft met een leegstand van ca. 18,5% in 2005. Dat ligt fors boven het Nederlandse gemiddelde van 12,5%. Geschat wordt dat circa 15% van de bestaande Amsterdamse kantorenvoorraad (ca. 1 miljoen m²(!)) niet meer kan voldoen aan de hedendaagse kwalitatieve vraag van de gebruikers op de kantorenmarkt. Deze objecten kunnen als onverhuurbaar bestempeld worden, zelfs in een opkomende markt (DTZ Zadelhoff, 2005). Experts hebben gesuggereerd om tot aan 2020 het verouderde vastgoed te slopen en te herontwikkelen om zo het evenwicht terug te brengen tussen vraag en aanbod (Keeris, 2005). Dit zou inderdaad een oplossing kunnen zijn, maar de verschillende stakeholders op de kantorenmarkt lijken nog weinig voor dergelijke oplossingen te voelen. Zij zien dit als kapitaalvernietiging of als een onrendabele investering (van Boom, 2005). Wel wordt getracht te ‘spelen’ met de huurprijzen of worden huurvrije periodes in overeenkomsten met de gebruiker opgenomen. De belegger zoekt immers naar degelijke huisvestingsoplossingen waarvoor de gebruiker bereid is (zoveel mogelijk) te betalen, ofwel “the willingness to pay” (Koppels, 2006) Ondanks het overschot aan verhuurbare kantooroppervlakte gaat het realiseren van nieuwe kantoren onverminderd door (FD, 2005). De orderportefeuilles van ontwikkelaars blijven goed gevuld omdat er vraag is naar nieuwe kantoorgebouwen met een kwaliteitsniveau waar bestaande kantoorgebouwen niet (meer) aan (kunnen) voldoen. Deze ontwikkeling zorgt voor een verdere groei van het aanbod en daarmee ook de leegstand. Gebruikers van nieuwe kantoren laten immers hun oude huisvesting leeg achter. Voornamelijk deze achtergelaten kantoorgebouwen zijn moeilijk verhuurbare objecten (van Boom, 2005). Daarnaast heeft de aanwezigheid van (verouderde) leegstaande kantoorgebouwen een negatief effect op de omgeving en bezetting van andere kantoorgebouwen (DTZ Zadelhoff, 2005). In dat geval wordt het probleem maatschappelijk en ondervindt niet alleen de eigenaar van het verouderde kantoorgebouw negatieve (financiële) gevolgen van de leegstand, maar ook stakeholders uit de omgeving zoals andere vastgoedeigenaren en gebruikers van omliggend vastgoed.

4

1.3

Probleem- en vraagstelling

Aan de hand van het in de vorige paragraaf beschreven probleemveld komt in deze paragraaf de probleemstelling van dit onderzoek aan de orde. Het probleemveld beschrijft dat leegstand ondermeer ontstaat doordat bestaande kantoorgebouwen niet meer kunnen voldoen aan de hedendaagse vraag van kantoorgebruikers op de kantorenmarkt (functionele veroudering). Bij sommige kantoorgebouwen zijn de problemen van dien aard dat ze onverhuurbaar raken en structureel4 leeg komen te staan, omdat de kwaliteit van de kantoorgebouwen niet meer voldoet aan de huisvestingswensen van de gebruikers van kantoorhuisvesting op de kantorenmarkt. Naast veroudering van kantoorgebouwen speelt ook de verandering van de vraag van gebruikers van kantoorhuisvesting op de kantorenmarkt een belangrijke rol. Het ligt voor de hand om te concluderen dat een gebouw beter te verhuren is als het keer op keer weer aan de vraag van de kantorenmarkt kan voldoen. Maar hoe weet men nu welke aspecten belangrijk zijn voor de vraagzijde van de kantorenmarkt? En hoe weet men nu welke aspecten überhaupt van invloed zijn op de economische performance5 van een kantoorgebouw op de kantorenmarkt? Voor een belegger is het wenselijk om zodanig te investeren dat hij kantorengebouwen in zijn portefeuille heeft die beschikken over dat ‘anticiperende vermogen’. Dat wil zeggen het vermogen van het gebouw om de veranderende vraag van kantoorgebruikers vrijwel altijd te kunnen voorzien van adequate huisvesting. Hoe langer en hoe duurder een gebouw verhuurd is des te hoger het beleggingsrendement zal uitvallen. Daarnaast stijgt ook de waarde van het kantoorgebouw wat het totale rendement (TRR) doet verhogen. Een in de vastgoedwereld veel gehoord standpunt is dat het huurniveau en de waardering van kantoorgebouwen voornamelijk wordt bepaald door de locatie van het gebouw. Dit doet de suggestie wekken dat het gebouwontwerp en het kwaliteitsniveau van een kantoorgebouw nauwelijks van invloed zijn op het huurprijsniveau en de waardeontwikkeling van een kantoorgebouw. Aan de andere kant wordt erkend dat in een ‘buyers’ market’ situatie6 het zeer belangrijk wordt gebouwen van elkaar te onderscheiden, los van de locatie (Koppels, 2006).

4

een kansarm segment van het kantorenaanbod, dat ingericht is voor een specifieke onderneming en niet bruikbaar is voor andere gebruikers. Ook oude panden vallen vaak in deze categorie, omdat deze gebouwen meestal duur zijn om op te knappen en het nieuwe aanbod van bedrijfsruimte relatief goedkoop is. 5

Performance wil zeggen de uitkomst van een vergelijking van de resultaten van bijvoorbeeld een vastgoedportefeuille van een bepaalde belegger met de Benchmark, oftewel een door beleggers algemeen geaccepteerd ijkpunt waar men de resultaten van de eigen portefeuille aan kan spiegelen. 6

Situatie waarin sprake is van meer aanbod dan vraag naar kantoorruimte zodat de gebruiker van huisvesting een grotere en bepalende rol speelt in de keuze voor huisvesting.

5

Aan de hand van het vorenstaande wordt voor dit onderzoek de volgende probleemstelling gehanteerd: Probleemstelling: Een aanzienlijk deel van de Amsterdamse kantorenmarkt staat leeg, omdat dat deel over een kwaliteitsniveau beschikt dat niet kan voldoen aan de steeds veranderende vraag naar kantoorhuisvesting. Dit veroorzaakt een daling van de beleggingsrendementen op investeringen in kantoorgebouwen door institutionele beleggers, oftewel een daling van de economische performance van de vastgoedportefeuille. Nu de probleemstelling wijst op één van de oorzaken van de leegstand kan men zich af vragen of dit daadwerkelijk zo is. Om daar achter te komen zal het onderzoek vanuit één onderzoeksvraag uitgestippeld worden. Omdat ook deze onderzoekvraag verdere vragen met zich meebrengt is hij opgedeeld in drie deelvragen. De volgende vraagstelling staat centraal: In welke mate beïnvloeden de locatie-, perceel- en gebouwaspecten van een kantoorgebouw de economische performance van een kantoorgebouw? Deze centrale onderzoeksvraag is opgedeeld in de volgende deelvragen: Deelvragen: 4 5 6

Wat wordt er onder de kwaliteit van kantoorgebouwen verstaan en hoe wordt deze gemeten? Wat wordt er onder de economische performance van kantoorgebouwen verstaan en hoe wordt deze gemeten? Is er een verband tussen de kwaliteit en de economische performance van kantoorgebouwen? En zo ja, welk verband is dat?

De antwoorden op de bovenstaande onderzoeksvragen worden in de verschillende hoofdstukken van dit onderzoek gegeven. In hoofdstuk 2 wordt een verdere toelichting van de aanpak van het onderzoek beschreven.

1.5

Onderzoeksrelevantie

De leegstandproblematiek is naast een probleem voor de investeerders in het leegstaande vastgoed ook een maatschappelijk probleem. Leegstaande gebouwen hebben een negatieve invloed op hun omgeving en bevorderen vertrek van huurders uit omliggende kantoorgebouwen met een groei van de leegstand op die locatie als gevolg. Onderzoek naar de relatie tussen gebouwkwaliteit en economische performance kan bijdragen aan het verminderen van de leegstand van kantoorgebouwen. Als aansluiting op dit onderzoek zou onderzoek verricht kunnen worden Als gebruikers geen adequate huisvesting kunnen vinden en vastgoedeigenaren hun vastgoed onvoldoende weg kunnen zetten op de kantorenmarkt, dan heeft voor beide partijen rendementsverlies tot gevolg. Het gevolg van het ontbreken van deze huisvesting kan indirect leiden tot het verminderen van de werkgelegenheid in de omgeving waar zich onvoldoende 6

adequate huisvesting met als gevolg dat de regionale (maatschappelijk) economie de nadelige gevolgen hiervan ondervindt. Uit voorafgaand aan dit onderzoek gehouden interviews is gebleken dat institutionele beleggers voorzichtig zijn, maar wel waarde hechten aan de uitkomsten van dit onderzoek. Alle vormen van onderzoek die ten goede komen aan het verbeteren van het beleggingsrendement van kantoorgebouwen en daarmee de economische performance van de vastgoedportefeuille van institutionele beleggers, worden vanuit de financiële vastgoedwereld gestimuleerd.

1.6

Leeswijzer

De structuur van dit rapport zit als volgt in elkaar. Na dit inleidende hoofdstuk wordt aandacht besteed aan de opzet van het onderzoek in hoofdstuk 2. In deze opzet wordt het werkveld van het onderzoek, de gebruikte data en de onderzoekmethodiek toegelicht. Het hoofdstuk wordt afgesloten met een visueel onderzoeksdesign waarin de verschillende onderdelen van het onderzoek gekoppeld worden aan de hoofdstukken in dit rapport. Hoofdstuk 3 en 4 beschrijven respectievelijk wat kwaliteit en economische performance van kantoorgebouwen betekenen en de gehanteerde meetmethoden. Kortom, de theoretische onderbouwing van het gebruikte datatype voor zowel de kwalitatieve als financiële zijde van het onderzoek. Aansluitend op de theorie worden in hoofdstuk 5 de verzamelde gegevens aan de hand van de beschrijvende statistiek gevisualiseerd. Hier worden enerzijds de kenmerken van de gebruikte dataset beschreven en anderzijds de eerste mogelijke verbanden tussen kwaliteit en economische performance getoond. Het onderzoeken van de data wordt afgesloten in hoofdstuk 6 met een regressieanalyse. Deze analyse zal op van statistische verbanden de mate van verklaring aantonen dat er bestaat tussen de kwaliteitsaspecten en economische performance van kantoorgebouwen. Ter afsluiting van dit rapport worden in hoofdstuk 7 de onderzoeksresultaten beschreven en in hoofdstuk 8 worden aan de van de uitkomsten van het onderzoek conclusies getrokken en aanbevelingen gegeven voor vervolgonderzoek.

7

2

Onderzoeksopzet In dit hoofdstuk staat de aanpak van het onderzoek centraal. Het samenstellen van de checklist van kwaliteitsaspecten tot aan de uitgevoerde regressieanalyse wordt in dit hoofdstuk beschreven. Naast de uitvoering wordt ook toegelicht hoe de afbakening tot stand is gekomen voor de kantoorgebouwen op de Amsterdamse kantorenmarkt en welke data van deze kantoorgebouwen er voor het verrichten van het onderzoek is verzameld.

2.1

Afbakening

Vanwege de hoeveelheid en veelzijdigheid van de waarnemingsuitkomsten wordt in deze paragraaf de afbakening van het onderzoek beschreven. Dat wil zeggen een toelichting tot op welk niveau de verzamelde data van toepassing is en welke analyse met behulp van die data verricht wordt. Allereerst richt dit onderzoek zich uitsluitend op kantoorgebouwen die behoren tot de Amsterdamse kantorenmarkt. In de volgende paragraaf wordt de selectie voor de kantoorgebouwen uitgebreid beschreven met een toelichting van de verschillende deelgebieden van de Amsterdamse kantorenmarkt. Ten tweede zijn alle onderzochte gebouwen in eigendom van beleggers die zijn aangesloten bij de ROZ-IPD Vastgoedindex (ROZ-IPD). De reden hiervoor is de nauwkeurig gedocumenteerde en betrouwbare dataverzameling waarover de ROZ-IPD beschikt. De bij de ROZ-IPD verzamelde data heeft voornamelijk betrekking op de economische performance. Ten derde beschrijft de data uitsluitend kantoorgebouwen die voor 100% de functie van kantoorruimte vervullen, dus geen van de in de dataverzameling voorkomende gebouwen is een combinatie van functies zoals een woon-werk of winkel-kantoor complex. Tenslotte is de kwaliteitsdata verzameld aan de hand van een specifiek voor dit onderzoek opgestelde checklist. Deze checklist bestaat uit aspecten afkomstig uit de Real Estate Norm 2003 (REN). De keuze voor de REN en de ROZIPD dataverzameling voor het verzamelen van de data die de kwaliteits- en economische performance aspecten vertegenwoordigen, komen uitgebreid aan de orde in hoofdstuk 3 en 4. De data is na verzameling gecodeerd voor het toepassen van enkelvoudige en multipele regressies. De uitwerking van deze regressies komt in hoofdstuk 5 en 6 aan de orde.

2.2

Selectie kantoorgebouwen

In totaal zijn 48 kantoorgebouwen op de Amsterdamse kantorenmarkt onderzocht. De onderzochte kantoorgebouwen zijn geselecteerd op basis van een willekeurige keuze voor vier, bij de ROZ-IPD aangesloten, institutionele beleggers in vastgoed. De gebouwen zijn eigendom van deze beleggers. Daarmee wordt ruim voldaan aan een voorwaarde die de ROZIPD stelt bij het verrichten van onderzoek waarbij gebruik wordt gemaakt van de gegevens uit de vastgoedindex. Deze voorwaarde stelt dat het onderzoek verricht dient te worden over minimaal 10 gebouwen die in eigendom zijn van 4 verschillende beleggers. De selectie van 48 kantoorgebouwen is circa 20% (in 2006) van de voorraad kantoorgebouwen waarvan de ROZ-IPD gegevens verzameld op de Amsterdamse kantorenmarkt. Omdat de gegevens die verkregen zijn bij de ROZ-IPD vertrouwelijk behandeld dienen te worden rust er een geheimhoudingsverklaring op die gegevens binnen dit onderzoek. Om die reden zullen geen namen van beleggers en/of adresgegevens van kantoorgebouwen worden vermeld.

8

Amsterdamse kantorenmarkt De geselecteerde kantoorgebouwen liggen verspreid over de Amsterdamse kantorenmarkt welke bestaat uit de in figuur 2.1 afgebeelde deelgebieden:

Figuur 2.1: Deelgebieden Amsterdamse kantorenmarkt bron (CBRE 2005 & Google Earth)

9

Bij de in figuur 2.1 in kaart gebrachte deelgebieden dient vermeld te worden dat de niet Amsterdamse gemeenten Amstelveen, Diemen, Hoofddorp en Schiphol (Haarlemmermeer) wel tot de Amsterdamse kantorenmarkt behoren ook wel aangeduid als ‘Groot Amsterdam’. Na het verrichten van de selectie van de kantoorgebouwen werd duidelijk hoe de verschillende kantoorgebouwen verspreid lagen over de deelgebieden van de Amsterdamse kantorenmarkt. In figuur 2.2 staat deze verdeling weergegeven in een staafdiagram. Omdat geen van de geselecteerde kantoorgebouwen in het deelgebied Diemen lag, is dat deelgebied in het diagram weggelaten. 14

13

12 10

10 8

Aantal kantoorgebouwen

6

Schiphol

2 Hoofddorp

West

Oost

Sloterdijk/Teleport

2

1 Zuid-Oost

1 Buitenveldert

Centrum

Zuid

2

2 0

5

4

4

Amstelveen

8

Figuur 2.2: Aantal kantoorgebouwen per deelgebied

De kantoorgebouwen liggen verdeeld over de verschillende deelgebieden maar vooral in de deelgebieden Amsterdam Centrum, Amsterdam Zuidoost en Hoofddorp. Naast het aantal kantoorgebouwen per deelgebied is ook aandacht geschonken aan het type terrein (industrieterrein, woonwijk, perifere omgeving, kantoordistrict en binnenstad). De ligging op de verschillende typen terreinen is afgebeeld in het staafdiagram in figuur 2.3 (pagina 10). Enerzijds laat het diagram zien dat de vier geselecteerde beleggers vooral geïnvesteerd hebben in kantoren gelegen in kantoordistricten. Anderzijds kan gezegd worden dat Amsterdam een stad is die haar kantoorhuisvesting voornamelijk in districten heeft gecentraliseerd.

10

30

30

25

20

Aantal kantoorgebouw en

15

10 7 5

5

4

Binnenstad

Kantoordistrict

Per. Omgeving

Woonwijk

0

Industrieterrein

2

Figuur 2.3: Aantal kantoorgebouwen per type terrein

De hierboven afgebeelde staafdiagrammen (figuur 2.2 en 2.3) hebben betrekking op de locatie van de kantoorgebouwen. Maar omdat juist de invloed van de gebouwkwaliteit centraal staat binnen dit onderzoek komen de locatieaspecten min of meer op de tweede plaats. Dat wil zeggen dat het onderzoek primair is verricht met de gebouwen perceelgebonden kwaliteitskenmerken van de kantoorgebouwen in plaats van de locatiegebonden kwaliteitskenmerken. Echter, in het probleemveld is beschreven dat de locatie door velen als belangrijkste performance factor wordt gezien. Daarom is het niet mogelijk de locatiegebonden kwaliteitsdata volledig te negeren. Dat wil zeggen dat naast de gebouwen perceelgebonden kwaliteit ook de locatiegebonden kwaliteit deel uitmaakt van de regressieanalyses in hoofdstuk 6 en 7. Aan de hand daarvan kan bepaald worden in welke mate de verschillende kwaliteitsaspecten de economische performance verklaren.

2.3

Verzameling van de data

Na het selecteren van de kantoorgebouwen in Amsterdam is de kwaliteit van alle gebouwen in kaart gebracht met behulp van een zelf opgestelde ‘checklist’ (figuur 2.4). Deze checklist is opgesteld uit drie rubrieken (locatie, perceel en gebouw) die vervolgens verdeeld zijn in verschillende aspecten. De lijst met kwaliteitsaspecten is geselecteerd op basis van de REN. Omdat sommige aspecten van de REN een onvoldoende objectieve maatstaf zijn voor gebruik in dit onderzoek, zijn deze achterwege gelaten. Getracht is om alle gebouwaspecten zo objectief mogelijk te beoordelen om per kantoorgebouw een zo neutraal mogelijk kwaliteitsbeeld te schetsen. Hoofdstuk 3 gaat verder in op het kwaliteitsvraagstuk, waarvan de checklist het resultaat is. Daarbij wordt ondermeer aandacht geschonken aan de keuze voor de REN en de daaruit geselecteerde de kwaliteitsaspecten voor toepassing in de checklist.

11

Figuur 2.4: Checklist met kwaliteitskenmerken ten behoeve van dataverzameling

12

Naast de kwaliteitaspecten zijn ook de gegevens voor het berekenen van de economische performance per kantoorgebouw verzameld. Allereerst is bepaald welke variabelen representatief zijn voor het bepalen van de economische performance van een kantoorgebouw met in het achterhoofd de wetenschap dat de variabelen in een regressieanalyse verklaard zullen moeten worden. Bij verrichten van een regressieanalyse is altijd sprake van het verklaren van een afhankelijke variabele, de economische performance, met behulp van een onafhankelijke variabele, de gebouwkwaliteit. Omdat de economische performance in hoofdlijnen wordt bepaald door de waardegroei en huuropbrengsten van een kantoorgebouw zijn als vertegenwoordigers voor de economische performance, ofwel afhankelijke variabelen, de volgende waarden geselecteerd:

Netto opbrengsten per m² b.v.o. Bruto open markthuurwaarde/m² b.v.o. Bruto exploitatie rendement (BER of Lopende BAR genoemd)

Om de invloed van de kwaliteit van een kantoorgebouw op de economische performance te onderzoeken, is het noodzakelijk deze twee begrippen meetbaar te maken. Zoals de checklist in figuur 2.4 laat zien, zijn niet alle variabelen kwantitatief van aard. Daarom zijn niet numerieke variabelen als klasse of dummy variabele gecodeerd. Zo zijn de kwaliteitaspecten die met “ja” of “nee” beantwoordt zijn omgezet tot dummy variabelen met de cijfers “0” en “1”. Aspecten als de bouwkundige flexibiliteit en de mate van veroudering zijn in een classificatie van 1 tot 3 of 5 opgesteld. Dit probleem werd niet aangetroffen bij de gegevens van de ROZ-IPD omdat daar alle variabelen reeds numeriek van aard waren. De gecodeerde dataverzameling is vervolgens in het data-analyse programma SPSS toegepast voor het verrichten van statistische analyses zoals het beschrijven van de eigenschappen van de dataverzameling en de verschillende regressieanalyses.

2.4

Analyse van de verzamelde data

Nadat de waarnemingen en verzamelde gegevens zijn opgeslagen in een dataverzameling, vindt de eerste stap in de analyse plaats met een beschrijving van de karakteristieken van de waarnemingsuitkomsten. Ook wel beschrijvende statistiek genoemd. Beschrijvende statistiek, bestaande uit grafieken, tabellen en numerieke maatstaven, heeft een beperkte reikwijdte tot die eigenschappen waarover informatie in de dataverzameling beschikbaar is. De grafieken zijn nuttig voor een globale indruk van de verdeling van de waarnemingsuitkomsten. Ze hebben het voordeel dat in één oogopslag een indruk van de eigenschappen en eigenaardigheden van de verzamelde gegevens weergegeven wordt. Tabellen creëren juist meer overzicht zodat de database beter ‘afgelezen’ kan worden. Met behulp van de beschrijvende statistische informatie zijn bijvoorbeeld zaken als leegstandpercentages als gevolg van gebouwkwaliteit te concluderen. Zo zijn er meerdere verbanden aan te tonen tussen verschillende variabelen die in het onderzoek zijn toegepast. De beschrijvende statistiek vormt in dat verband een zekere voorbereiding op de uitvoering van een enkelvoudige regressie. Daarbij dient opgemerkt te worden dat een enkelvoudige regressie alleen mogelijk is met numerieke variabelen terwijl de beschrijvende statistiek wel informatie kan weergeven over geclassificeerde of dummyvariabelen.

13

2.5

Regressieanalyse

Als aansluiting op de beschrijvende statistiek worden in hoofdstuk 6 enkelvoudige en lineaire regressies uitgevoerd. De uitkomsten uit deze regressies worden gebruikt om aan in hoofdstuk 3, 4 en 5 gestelde verwachtingen te voldoen. Een regressie wil zeggen dat het verband tussen een afhankelijke variabele door één (enkelvoudig) of meerdere (multipele) onafhankelijke variabelen wordt verklaard. In dit onderzoek wordt met behulp van de regressieanalyse de mate van verklaring van de kwaliteitsaspecten op de economische performance van kantoorgebouwen bepaald. Het regressiemodel is een formele weergave van de veronderstellingen over de relatie tussen de te verklaren (afhankelijk variabele) Y en de verschillende verklarende (onafhankelijke) variabelen, X1, X2,…., Xk. Hieronder is de algebraïsche weergave van de toe te passen multipele regressie afgebeeld:

Y = de dor het model voorspelde Y-waarde, afhankelijke variabel en dus economische performance Β = de partiële regressie-coëfficient; geeft de invloed van onafhankelijk op de afhankelijke variabele aan, waarbij gecorrigeerd wordt op het effect van alle andere onafhankelijke variabelen.. α = de intercept; oftewel het snijpunt met de Y-as ε = residu; de afwijking van de waargenomen Y-waarde van de door de lijn voorspelde Y-waarde

(Bron: Syllabus Statistiek, Goetgeluk 2005) Bij de opzet van de multipele regressie dient rekening gehouden te worden met een aantal zaken. Bij de analyse die voor dit onderzoek is uitgevoerd, is het belangrijk om aan te geven dat een verkregen model een significantiecoëfficiënt bevat van maximaal 0,1. Dit houdt in dat de resultaten verkregen uit het regressiemodel met een zekerheid van 90% aangenomen mogen worden. Daarnaast speelt ook de hoogte van de mate van verklaring (R²) een belangrijke rol. Deze maatstaf is de gekwadrateerde correlatiecoëfficiënt en kan worden beschouwd als het verklaarde deel van de variatie van Y. De R² ligt altijd tussen 0 en 1. Hoe dichter de R² bij 1 ligt, des te sterker de samenhang en des te hoger de mate van verklaring. Om dit te kunnen bewerkstelligen is gebruik gemaakt van het programma SPSS welke de complexiteit rondom uitvoering van de analyse en de opbouw van het regressiemodel voor zijn rekening neemt. In de regressiemodellen zijn de bovenstaande maatstaven terug te vinden in de ‘Model Summary’ en ‘ANOVA’ tabellen. Verder toelichting hiervan is terug te vinden in hoofdstuk 6 en 7 waar de methode en de resultaten van de regressieanalyse beschreven staan.

2.6

Onderzoeksdesign

In figuur 2.5 (volgende pagina) wordt de gehele onderzoeksaanpak schematisch weergegeven. Alle onderdelen in het onderzoekdesign worden toegekend aan een hoofdstuk zodat de onderzoekstructuur synchroon loopt met de documentstructuur.

14

Aanleiding Hoofdstuk 1 Probleem-, vraag- & doelstelling

Onderzoeksopzet

Hoofdstuk 2

Hoofdstuk 3

Kwaliteit kantoren (checklist)

Economische performance (ROZ-IPD)

Hoofdstuk 4

Beschrijvende statistiek

Dataverzameling 48 Amsterdamse kantoorgebouwen

Hoofdstuk 5

Enkelvoudige en multipele regressie analyse

Performance

Hoofdstuk 6

= α + βLocatie + βPerceel + βGebouw + ε

Kwaliteitsaspecten Locatie Economische performance

Perceel

Hoofdstuk 7 Gebouw

Onderzoeksresultaten

Conclusies & Aanbevelingen

Figuur 2.5 Onderzoeksdesign met onderzoeks- en documentstructuur

15

Hoofdstuk 8

3

Kantoorgebouwen en kwaliteit Hoewel kwaliteit een complex begrip is, speelt het in de vastgoedwereld een belangrijke rol. Een architect wil met het door hem gemaakte ontwerp kwaliteit uitstralen. Een gebruiker wil zich huisvesten in een gebouw met een hoge kwaliteit en een belegger wil investeren in een gebouw met een hoge kwaliteit om meer opbrengsten en een hogere marktwaarde te kunnen genereren. Maar wat is dan die kwaliteit waar men over spreekt? En hoe wordt deze kwaliteit gemeten en in kaart gebracht? Dit hoofdstuk geeft antwoord op die vragen.

3.1

Kwaliteit van kantoren

In deze paragraaf wordt getracht de betekenis van kwaliteit in relatie tot kantoorgebouwen te beschrijven. De letterlijke definitie van kwaliteit is: “De mate waarin iets geschikt is om voor een bepaald doel gebruikt te worden” (van Dale, 2007). In de vastgoedwereld is dat niet veel anders. Kantoorgebouwen worden ontworpen om te voorzien in de huisvesting van gebruikers en hun activiteiten. Om goed te kunnen functioneren vragen gebruikers praktische, veilige, gezonde, aantrekkelijke en flexibele gebouwen (Wijk, 2002). Anders gezegd stellen gebruikers eisen aan de huisvesting. Een kantoorgebouw heeft een hoge kwaliteit als het slaagt te voldoen aan zoveel mogelijk huisvestingseisen van een gebruiker (Gerritse, 2005). Een bekende uitspraak van Prins (2003): “Quality is in the eye of the beholder” beweert hetzelfde. Verschillende onderzoeken beschrijven kwaliteit op verschillende manieren. Zo onderscheidt Baum (1993) drie fundamentele determinanten die een goede analyse van de kwaliteit van kantoorgebouwen mogelijk maken:

Uitstraling naar buitenwereld: Hiermee wordt gedoeld op de visuele indruk dat een gebouw achterlaat. Hoe meer aandacht is geschonken aan de detaillering van het ontwerp, hoe beter de kwaliteit. Esthetica wordt gewaardeerd door gebruikers.

Interne specificaties: Hier gaat het vooral om de mate van afwerking en wat voor materialen daarbij zijn gebruikt. Daarmee sluiten de interne specificaties aan op de externe uitstraling naar de buitenwereld.

Technische flexibiliteit: Dit is de mate waarmee een gebouw in staat is technische ontwikkelingen in de toekomst op te kunnen vangen. Dat wil zeggen dat bijvoorbeeld nieuwe voorzieningen in de vloer of aan het plafond zonder al teveel problemen geïntegreerd kunnen worden in het gebouw. Dit laatste wordt bijvoorbeeld vooral bereikt door voldoende hoogte tussen de bovenkant van de vloer en de onderkant van de bovengelegen verdiepingsvloer.

Ook Duffy (1986) heeft uit zijn onderzoek naar de kwaliteit van kantoren geconcludeerd dat flexibiliteit en afwerkingsniveau de kwaliteit van kantoren bepaalt. Een gewaardeerd kantoorpand dat beschikt over een hoge kwaliteit vertaald zich in goed verhuurbaar object. Healey and Baker (1987) richtten zich op de ontwerpfactoren van kantoorgebouwen. Daarbij kwamen zij tot de ontdekking dat er een wegingsfactor te ontdekken is in de mate van

16

belangrijkheid van gebouwfactoren. Het kwam er op neer dat hoe meer aandacht aan details was geschonken hoe beter de kwaliteit van een kantoorgebouw was.

Figuur 3.1. Vergelijking van de drie onderzoeken Baum, Duffy en Haeley & Baker.

Op gebouwniveau mag geconcludeerd worden dat de verschillende onderzoeken beschrijven dat kwaliteit wordt gevonden in de vormgeving, duurzaamheid en courantheid en de aanpasbaarheid. Echter, de kwaliteit van gebouwen is meer dan alleen het gebouw. Ook de locatie en het perceel war het gebouw zich op bevind maken deel uit van het totaalbeeld van de huisvesting. Voor die huisvesting heeft onderzoek uitgewezen dat gebruikers vestigingsplaatscriteria stellen. Zo heeft Van Gool (2001) voor zowel de kantoren en bedrijfsruimten onderzocht welke vestigingsplaatscriteria van belang zijn:

Aanwezigheid hoogwaardige dienstverlening Aanwezige voorzieningen Goede bereikbaarheid Nabijheid afzetmarkten Huisvestingskosten Kwaliteit woon- en werkomgeving (representativiteit) Status v.d. locatie Parkeergelegenheid Ligging

Een onderzoek dat is ontstaan uit de samenwerking tussen DTZ Zadelhoff en Twijnstra en Gudde en uitgevoerd door de Universitiet van Amsterdam toont aan dat op de hedendaagse kantorenmarkt de parkeergelegenheid, bereikbaarheid en ligging als belangrijkste vestigingsplaatscriteria worden ervaren. Kwaliteit in relatie tot vastgoed kan grofweg over drie schijven worden ingedeeld (figuur 3.1). Namelijk de kwaliteit van de locatie, het perceel en het gebouw. De mate van de kwaliteit van de locatie wordt beïnvloedt door zaken als de stedenbouwkundige samenhang, de ligging nabij snelwegen, stations en vliegvelden, maar ook door het aantal aanwezige voorzieningen in de omgeving. De kwaliteit van het perceel wordt veelal bepaald door de parkeergelegenheid en de aanwezige groenvoorziening. De kwaliteit van het gebouw wordt in grote lijnen gevonden in de mate van afwerking, veroudering en flexibiliteit.

17

Kwaliteit van kantoren Locatie

Perceel

Gebouw

Imago omgeving Voorzieningenniveau Bereikbaarheid

Groenvoorziening op kavel Parkeeroplossing Parkeernorm

Architectuur Toegankelijkheid Indeelbaarheid Flexibiliteit Comfort Veiligheid Faciliteiten

Figuur 3.2 De drie schrijven van kwaliteit (gebaseerd op Gerritse, 2005)

Als we de kwaliteit aanschouwen vanuit het oogpunt van een vastgoedbelegger, dan beïnvloeden de huisvestingseisen en -wensen van de kantoorgebruiker de mate van de kwaliteit van een kantoorgebouw. De ‘fitness for use’, ofwel de match tussen de huisvestingseisen en –wensen van de kantoorgebruiker en het huisvestingsaanbod van het kantoorgebouw, beïnvloedt de ‘willingness to pay’, ofwel de bereidheid tot het betalen van de gevraagde huurprijs. Hoe beter een kantoorgebouw aansluit op huisvestingseisen van de gebruiker hoe eerder een gebruiker bereid is de vraaghuurprijs te betalen voor de te huren oppervlakte. Voor een belegger geldt dus: hoe hoger de ‘willingness to pay’, hoe beter de kwaliteit van een kantoorgebouw. In dat geval worden immers ‘duurdere’ huurovereenkomsten gesloten waarmee hogere huuropbrengsten behaald worden. Dat komt weer ten goede aan de economische performance van het kantoorgebouw. Figuur 3.3 geeft het bovenstaande visueel weer. Hoofdstuk 4 zal nog verder op dit proces ingaan, beschreven vanuit de economische performance.

Figuur 3.3 Fitness for use versus willingness to pay en kwaliteit versus economische performance

De kwaliteit van een kantoorgebouw is mede afhankelijk van de gebruiker die het meet en dus de vraag ernaar. Een gebruiker van een kantoorgebouw stelt eisen aan zijn huisvesting. Daarbij hebben deze verschillende eisen een verschillend belang. Afhankelijk van de organisatie wordt een mening gegeven over de mate van kwaliteit van een kantoorgebouw. De mate van kwaliteit is slechts een begrip. Daarom zijn er in het verleden verschillende instrumenten ontworpen die het mogelijk maken kwaliteit te meten. De volgende paragraaf 18

schenkt aandacht aan het meten van de kwaliteit middels verschillende methoden van kwaliteitsmeting.

3.2

Hoe brengt men deze kwaliteit in kaart?

Ook al hebben vele onderzoeken geleid tot het beschrijven van kwaliteit in relatie tot kantoren, voor kantoorgebruikers is het belangrijker hun huisvestingseisen en -wensen vertaald te zien in een passende huisvesting. Om dat optimaal te kunnen bewerkstelligen is het van belang deze eisen en wensen en het kantorenaanbod in kaart te brengen. Daarom is dient de kwaliteit van de vraag naar en het aanbod van kantoorgebouwen meetbaar gemaakt te worden. Zo kunnen de huisvestingsvraag en -aanbod van de gebruiker en het kantoorgebouw daadwerkelijkheid met elkaar geconfronteerd worden en de kans voor een optimale ‘fitness for use’ vergroot worden. Vijverberg (1997) heeft in zijn onderzoek naar de verschillende methoden van kwaliteitsmeting voor kantoorhuisvesting de volgende binnen- en buitenlandse methoden geanalyseerd: 1 2 3 4 5 6 7 8

Building-in-use methode (Jaqueline Vischer) Healthy Buidling Quality (Rijksgebouwendienst) ORBIT (Franklin Becker) Certificatiesysteem van kantoorgebouwen (Centraal Beheer) Real Estate Norm (Stichting REN) Vastgoed- en Kwaliteitsanalyse (Damen consultants) Serviceability Tools and Methods (ICF Canada) Building Quality Assessment (methode uit N-Zeeland en Australië)

Vijverberg (1997) heeft deze meetmethoden beoordeeld aan de hand van een aantal invalshoeken. Hij heeft daarbij het doel van de meetmethode bepaald en onderzocht welke beslissingen door de methoden ondersteund dienen te worden. Daarvoor heeft hij de methoden vergeleken naar doelgroep, de invalshoek, de opnamebreedte, voor welke bouwprocesfase het dient, voor welk beleidsniveau wordt gemeten, welke insteek de methode kent, hoe deskundig een gebruiker van de methode dient te zijn, hoe vaak gemeten dient te worden en hoe de methode van waarderen is. In figuur 3.4 wordt de gehele vergelijking van de verschillende meetmethoden in tabelvorm gepresenteerd. Voor een uitgebreide toelichting van alle bovengenoemde meetmethoden van kwaliteit verwijs ik u naar het onderzoek “Methoden voor kwaliteitsmeting” van Vijverberg (1997).

19

Figuur 3.4 Vergelijking van 8 methoden voor kwaliteitsmeting, (Vijverberg, 1997)

20

3.3

Meetmethode als basis voor de checklist

De in dit hoofdstuk gebruikte informatie dient ter verklaring van de keuze voor een meetmethode waarop de in dit onderzoek gebruikte checklist is gebaseerd. In hoofdstuk 2 is reeds aangekondigd dat de REN methode als meest geschikte methode is bevonden. De keuze voor de REN is gemaakt aan de hand van vooraf gestelde criteria (invalshoeken) die zijn geplaatst tegenover de eigenschappen van de verschillende meetmethoden zoals uiteengezet in figuur 3.4. De modellen zijn gerangschikt op de volgende invalshoeken:

Doelgroep: Is de meetmethode geschikt voor aanbieders of de gebruikers van kantoorhuisvesting? Invalshoek van het meetmodel: Richt de meetmethode zich op het huisvestingsaanbod of op de vraag naar huisvestingsvoorzieningen? Breedte: Hoe breed meet de meetmethode? (locatie- en/of gebouwen/of facilitaire kenmerken etc.) Procesfase: In welke fase van het bouwproces wordt de meetmethode gehanteerd? Insteek: Vanuit welk oogpunt meet de methode? Is dat financieel (rendement), uitstraling (imago/esthetica), functioneel of technisch? Benodigd deskundigheidsniveau: Bij de kwaliteitsmeting met een financiële of technische insteek is de mening van een expert vaak gewenst. Bij onderzoek naar uitstraling en functionaliteit kan ook gebruik worden gemaakt van een leek7 Frequentie van de meting: Wordt het meten van de kwaliteit permanent (meerjarig onderhoudsplan) of incidenteel (naar aanleiding van klachten) uitgevoerd Waarderingsmethodiek: Hoe wordt de uiteindelijke waardering gepresenteerd? In cijfers (waarderingsschalen) of in tekstuele onderbouwing?

Voor het meten van de kwaliteit in dit onderzoek was een meetmethode nodig die geschikt is voor vele verschillende soorten in gebruik zijnde kantoorgebouwen. De te meten kwaliteit diende vanuit het oogpunt van de gebruiker gemeten te worden, maar wel vanuit het beleggersperspectief. Daarnaast was het van belang vanuit de kwaliteitsvoorzieningen te meten op zowel locatie-, perceel- als gebouwniveau. Vanwege een snelle effectieve meetmethode was expertise geen vereiste voor het verrichten van de meting. Ten slotte moest het resultaat van de meting in cijfers gewaardeerd worden. Dit maakt het coderen van de uitkomsten voor toepassing in een statistische regressieanalyse eenvoudiger. Het matchen van bovenstaande criteria met de methoden leidt tot de conclusie dat de REN de best te hanteren methode is voor dit onderzoek. In figuur 3.5 is het bovenstaande in een tabel samengevat. De groene krullen laten zien de REN het beste scoort op de gestelde invalshoeken.

7

Iemand die niet beschikt over de vereiste vaktechnische achtergrond voor het verrichten van een kwaliteitsmeting op de huisvesting. Mogelijk de (toekomstige) gebruiker van kantoorhuisvesting

21

Figuur 3.5: Het matchen van de verschillende kwaliteitsmeetmethoden aan de onderzoekscriteria

Real Estate Norm De 'Real Estate Norm 2003' is een product van de Stichting REN. Met behulp van dit instrument kan door de gebruiker of eigenaar van een gebouw op duidelijke wijze de aan het gebouw te stellen kwaliteitseisen worden geformuleerd. Het resultaat uit de REN is een vraagof aanbodprofiel. Daarnaast kan met dezelfde methode de kwaliteit van bestaand of nieuw te bouwen vastgoed, in kaart worden gebracht. Met REN 2003 kan dan zowel een vraag- als een aanbodprofiel worden gemaakt. Door vraag- en aanbod te vergelijken kan de geschiktheid (fitness for use) van een specifiek gebouw worden beoordeeld. De REN 2003 is een checklist met kwaliteitsaspecten waaraan niveaus met gedefinieerde omschrijvingen gekoppeld zijn. De totale lijst met aspecten vormt het vraag- c.q. aanbodprofiel. Voor ieder aspect kan gekozen worden uit vijf kwaliteitseisen. Het vraagprofiel geeft de eisen, welke een gebruiker aan een te selecteren gebouw stelt, weer. Bij het opstellen van het vraagprofiel geeft de gebruiker aan welke aspecten van belang zijn en hoe zwaar dit belang weegt. Binnen dit onderzoek staat het meten van de locatie-, perceel- en gebouwkenmerken centraal. De REN heeft echter een verdeling gemaakt tussen locatie- en gebouwaspecten. Figuur 3.5 geeft het overzicht van de REN 2003 in tabelvorm weer. De REN 2003 is een gespecificeerde meetmethode. De verschillende aspecten zijn onderverdeeld naar imago, functionaliteit, flexibiliteit, logistiek, comfort, veiligheid, faciliteiten en milieu.

22

REN

Checklist

Locatieaspecten 1.01 Imago

locatie typering

1.02 Imago

aantrekkingskracht

1.03 Imago

omgevingskwaliteit

1.04 Imago

sociaal milieu

Typering terrein imago omgeving

1.05 Functionaliteit voorzieningen 1.06 Functionaliteit publiciteit 1.07 Flexibiliteit

data- en telecommunicatie

1.08 Flexibiliteit

uitbreidingsmogelijkheid

1.09 Logistiek

nabijheid autosnelweg

1.10 Logistiek

filegevoeligheid

nabijheid autosnelweg

1.11 Logistiek

bereikbaarheid openbaar vervoer

1.12 Logistiek

bereikbaarheid met vliegtuig

nabijheid NS station

1.13 Logistiek

routing, bereikbaarheid en ontsluiting

aantal richtingsveranderingen

1.14 Logistiek

openbaar parkeren voor bezoekers

aantal parkeerplaatsen

1.15 Logistiek

parkeren op eigen terrein

soort parkeervoorziening

1.16 Logistiek

capaciteit (parkeernorm)

parkeernorm

1.17 Logistiek

rijwielstalling

2.01 Imago

verschijningsvorm

Leeftijd

2.02 Imago

identiteit

Type gevel

2.03 Imago

algemene ruimte

Hoofdentree gebouw

2.04 Imago

hoofdentree gebouw

Gebouwaspecten

2.05 Flexibiliteit

indelingflexibiliteit verblijfsruimten

2.06 Flexibiliteit

verticale zone-indeling

Aantal bouwlagen

2.07 Flexibiliteit

ruimte met afwijkende vloerbelasting

Metrages

2.08 Flexibiliteit

data- en telecommunicatie

Grootte verdiepingsvloer

2.09 Flexibiliteit

te openen ramen

Bouwkundige flexibiliteit

2.10 Flexibiliteit

unitgrootte / onderverdeling

Kantoorconcepten

2.11 Flexibiliteit

Grootte verdiepingsvloer

Aantal huurders

2.12 Flexibiliteit

aanwezigheid groeimogelijkheden

2.13 Flexibiliteit

indelingsbelemmeringen

2.14 Logistiek

toegankelijkheid

2.15 Logistiek

aanvoer goederen

2.16 Logistiek

vuilafvoer

2.17 Comfort

thermisch comfort zomer

2.18 Comfort

thermisch comfort winter

2.19 Comfort

toelaatbare interne warmtelast

2.20 Comfort

reductie van zoninstraling

2.21 Comfort

luchtkwaliteit

2.22 Comfort

bedieningsmogelijkheden klimaatinstallaties bedieningsmogelijkheden verlichtingsinstallaties

2.23 Comfort 2.24 Veiligheid

beveiliging toegang gebouwen

2.25 Faciliteiten

restauratieve voorzieningen

2.26 Milieu

energie

Verhouding BVO/VVO

Figuur 3.6 De aspecten waarop de REN 2003 haar aanbod- cq. vraagprofiel baseert (Stichting REN)

Voor sommige aspecten worden zeer specifieke waarden gevraagd zoals het aantal overschrijdingsuren bij het thermische comfort in de zomer en de winter. Voor dit onderzoek zijn dergelijke gegevens niet relevant. Daarom zijn verschillende aspecten van de REN 2003 samengevoegd tot één aspect. De opgestelde checklist kan dus gezien worden als een 23

samenvatting van de REN 2003. Verder zijn de waarnemingen van de gebouwaspecten beperkt gebleven tot de imago-, flexibiliteits- en logistieke aspecten. Dat wil zeggen dat geen oordeel is gegeven over het comfort, de veiligheid, de faciliteiten en het milieu. Dit is mede veroorzaakt door beperkte toegankelijkheid van sommige kantoorgebouwen waardoor geen oordeel gegeven of waarneming verricht kon worden over de weggelaten aspecten. Daarom zijn de waarnemingen gebaseerd op de onderstaande kenmerken in figuur 3.7 uit de REN 2003 en gebruikt voor het samenstellen van de checklist zoals die staat afgebeeld in figuur 3.8. Naast de REN onderdelen is bij de gebouwaspecten nog een aantal aspecten toegevoegd zoals het aantal bouwlagen, de leeftijd en het aantal huurders.

Aspecten checklist Locatie Typering terrein Nabijheid autosnelweg Nabijheid NS-station Aantal richtingsveranderingen Imago omgeving

Perceel Aantal parkeerplaatsen Parkeernorm Soort parkeervoorziening

Gebouw Aantal bouwlagen Metrages Verhouding bvo/vvo Leeftijd Grootte verdiepingsvloer Aantal huurders Type gevel Hoofdentree gebouw Bouwkundige flexibiliteit Kantoorconcepten

Figuur 3.7De ‘vertaalde’ REN 2003 aspecten die zijn gebruikt voor de checklist.

24

Figuur 3.8 Checklist met kwaliteitskenmerken ten behoeve van dataverzameling

25

Aan de hand van de opgestelde checklist is per kantoorgebouw een waarnemingsuitkomst het resultaat. Omdat deze uitkomsten in het vervolg toegepast zijn in een regressieanalyse zijn de gegevens gecodeerd voor deze statistische toetsing. De uitwerking van deze codering en een uitgebreide beschrijving van de waargenomen data is terug te vinden in hoofdstuk 5.

3.4

Conclusie

Het antwoord op de vraag ‘wat is kwaliteit in relatie tot kantoren?’, is de mate waarin een kantoorgebouw in staat is te voldoen aan de eisen en wensen van een huisvestingzoekende gebruiker. Een bekende uitspraak van Prins (2003) bevestigd dit: “Quality is in the eye of the beholder” De vormgeving (imago), de afwerking (duurzaamheid/courantheid) en de bouwkundige en technische aanpasbaarheid (flexibiliteit) zijn in hoofdlijnen de conclusies van de verschillende in dit hoofdstuk aangehaalde onderzoeken die hebben onderzocht hoe kwaliteit van gebouwen vanuit het oogpunt van de gebruiker gedefinieerd kan worden. Figuur 3.9 zet deze onderzoen van Baum, Duffy en Healey & Baker naast elkaar.

Figuur 3.9. Vergelijking van de drie onderzoeken van Baum, Duffy en Healey & Baker

Aangezien verschillende gebruikers verschillende huisvestingseisen en –wensen hebben, wordt het beschrijven van kwaliteit van een kantoorgebouw aan de hand van al die eisen en wensen een complexe aangelegenheid. Daarom kan de kwaliteit van kantoorgebouwen worden beschreven op drie niveaus. Het locatie-, perceel- en gebouwniveau beschrijven verschillende kenmerken die te matchen zijn met de huisvestingseisen en -wensen van een huisvestingzoekende gebruiker. De match van huisvestingsvraag en –aanbod staat centraal op de kantorenmarkt. Hoe beter de kwaliteit van een kantoorgebouw is, hoe beter de ‘fitness for use', ofwel de match tussen vraag en aanbod zal zijn. De ‘fitness for use’ is dus medebepalend voor de mate van kwaliteit van een kantoorgebouw. Vanuit het beleggersperspectief speelt deze ‘fitness for use’ een hoofdrol binnen de portefeuille. Hoe beter vraag en aanbod matchen, hoe hoger de huuropbrengsten en marktwaarde van het kantoorgebouw zijn. Theoretisch heeft dit heeft een betere economische performance als resultaat. Figuur 3.10 geeft een overzicht van de kwaliteit van een kantoorgebouw, via de ‘fitness for use’, tot aan de economische performance.

26

Figuur 3.10: van vraag en aanbod naar economische performance.

De tweede vraag aan het begin van dit hoofdstuk was: “Hoe meet en brengt men de kwaliteit in kaart?”. Dit is noodzakelijk om de match tussen de huisvestingeisen en de kwaliteit van het kantoorgebouw uit te kunnen voeren. Voor het meten van kwaliteit zijn meerdere meetmethoden ontwikkeld. Hoewel zij allen de kwaliteit van gebouwen in kaart brengen, is hun methodiek verschillend. Vijverberg (1997) heeft in één van zijn onderzoeken meerdere methoden voor kwaliteitsmeting met elkaar vergeleken aan de hand van geselecteerde invalshoeken. Datzelfde is voor dit onderzoek gedaan en heeft geleid tot de keuze voor de REN als meetmethode. Figuur 3.11 laat de confrontatie tussen de selectiecriteria en de meetmethoden uit het onderzoek van Vijverberg (1997) zien. Daarbij is geconcludeerd dat de REN de geschiktste methode was voor toepassing binnen het kader van dit onderzoek.

27

Figuur 3.11: Selectiecriteria en kwaliteitsmeetmethoden, (gebaseerd op Vijverberg, 1997)

De REN is opgebouwd uit kwaliteitskenmerken die betrekking hebben op de locatie en het gebouw. De kenmerken voor het perceel zitten verwerkt in de locatiekenmerken. Op basis van de REN is op een snelle, effectieve en zo objectief mogelijk manier van de gebouwen uit de waarneming een aanbodprofiel met behulp van de checklist in figuur 3.9.

28

4

Kantoorgebouwen en economische performance Beleggers in vastgoed streven een optimale economische performance van hun vastgoedportefeuille na. Het ligt daarbij voor de hand dat de kantoorgebouwen in eigendom van belegger dienen te voldoen aan de vraag van de gebruikers. Gebruikers zoeken op hun beurt naar een gebouw dat het best bij de huisvestingwensen van de organisatie past, het zogenaamde ‘fitness for use’ principe dat in het vorige hoofdstuk uitgebreid aan de orde is geweest. Hoe beter deze ‘fitness for use’ is, hoe eerder gebruikers geneigd de vraaghuurprijs te betalen en hoe langer ze gehuisvest zullen blijven. Een goede ‘fitness for use’ heeft dus een grote invloed op de economische performance van een kantoorgebouw. Maar wat houdt deze economische performance nu precies in, waar is het van afhankelijk en hoe wordt het gemeten? Dit hoofdstuk tracht antwoord te geven op deze vragen.

4.1

Economische performance van kantoren

Institutionele vastgoedbeleggers trachten te investeren in kantoorgebouwen die goed aansluiten bij de huisvestingsvraag op de kantorenmarkt. Het behalen van een optimaal rendement met een zo hoog mogelijke bezettingsgraad van de vastgoedportefeuille is daarbij de doelstelling. Op die manier is de kans op een optimale economische performance het grootst omdat in dat geval gebouwen duurder getaxeerd worden en meer huuropbrengsten leveren. Letterlijk vertaald betekent economische performance van een kantoorgebouw niets meer dan de prestatie van de belegging in het kantoorgebouw, ook wel beleggingsrendement genoemd. Voor het behalen van een optimaal beleggingsrendement dient een belegger meer inkomsten te genereren dan kosten te maken uit de verhuur van een kantoorgebouw. Investeringen in kantoorgebouwen worden gedaan met het opgebouwde vermogen verkregen van derden. Dit vermogen in de tijd verkregen door middel van de verkoop van aandelen van het beursgenoteerde vastgoedfonds van de belegger, investeren van pensioenfondspremies etc. Op termijn wordt het vermogen uitgekeerd door middel van ontvangen huurinkomsten met daarop een vergoeding voor de investering, ofwel het behaalde rendement. Het belang van economische performance is groot door de verplichting die een belegger heeft richting haar aandeelhouders, die een positief rendement verwachten. Theoretisch gezien is het enige dat een belegger hoeft te doen, het aankopen van een kwalitatief hoogwaardig kantoor zodat dure en langdurige verhuur een grote kans heeft. Een kantoorgebouw zal beter presteren naarmate het meer voldoet aan de huisvestingsvraag van de gebruiker. Hoe beter aan de huisvestingsvraag van de markt wordt voldaan, hoe groter de kans op verhuur, hoe lager het risico op leegstand en hoe groter de kans op het behalen van het gewenste beleggingsrendement. De praktijk werkt echter anders. Het is een complexe opdracht een kantoorgebouw voor de portefeuille aan te kopen dat aansluit op de vraag van de markt als deze vraag per gebruiker verschilt en zich in de loop der jaren aanpast. In het vorige hoofdstuk is immers al geconcludeerd dat iedere gebruiker andere huisvestingswensen kent. Echter, een lang lopende huurovereenkomst en een solide huurder (of de mogelijkheden daartoe) zijn voor institutionele beleggers wel harde voorwaarden voor aankoop van een kantoorgebouw. Deze zaken vormen immers de basis voor een goed rendement. In een onderzoek van Troostwijk

29

(2004) vormen onderstaande criteria (figuur 4.1) de basis voor het aanen verkoopbeleid van institutionele beleggers in vastgoed. Aankoopcriteria

Verkoopcriteria

1 2 3

Locatie Solvabiliteit huurder Kwaliteit gebouw

4 5 6

Expiratiedatum huurcontract Huuropbrengst Parkeernorm

Locatie Ouderdom gebouw Geen potentie voor waardestijging Aflopende huurcontracten Leegstand Solvabiliteit huurder

Figuur 4.1 Criteria voor aanen verkoop van vastgoed (Troostwijk 2004)

Uit figuur 4.1 blijkt dat de locatieaspecten van een kantoorgebouw zowel bij de aan- als verkoopcriteria de eerste plaats bezetten. De vraag is echter of de locatie daadwerkelijk de grootste rol speelt bij het behalen van een optimale economische performance. Waar in het vorige hoofdstuk de relatie werd gelegd tussen gebouwkwaliteit en de ‘fitness for use’, wordt in de onderstaande figuur een conceptueel model getoond waarbij de relatie wordt gelegd tussen de gebouwkwaliteit en de economische performance.

Gebouwkwaliteit

Huurovereenkomst Huurprijs / m² (transactie)

Willingness to pay (gebruiker)

Vraaghuurprijs / m² (eigenaar)

Contract voorwaarden en bepalingen vraag vs aanbod

Figuur 4.2 Conceptueel model van het verband tussen de gebouwkwaliteit en de economische performance Bezettingsgraad / leegstand

Netto opbrengsten/m²

Ruimtemarkt

Huuropbrengsten/m²

Beleggingsmarkt Marktwaarde kantoorgebouw

Economische performance

30

Risicoprofiel ter bepaling van B.E.R.

Bruto open markthuurwaarde

In figuur 4.2 is te zien dat de gebouwkwaliteit (direct of indirect) 4 dingen beïnvloedt: de bezettingsgraad, de bereidbaarheid van de gebruiker om te betalen, de markthuurwaarde en daarmee de mogelijk vraaghuurprijs en de marktwaarde van het gebouw. De huurovereenkomst levert huuropbrengsten die samen met de bezettingsgraad de marktwaarde beïnvloeden. Deze drie samen vormen de basis van de economische performance van een kantoorgebouw. De bezettingsgraad en de huuropbrengsten zijn onderdeel van de ruimtemarkt en de marktwaarde van de beleggingsmarkt (of assetmarkt). De ruimtemarkt heeft betrekking op de vraag en het aanbod naar ruimte, de beleggingsmarkt heeft betrekking op de vraag en het aanbod naar vastgoedobjecten. Om de economische performance in kaart te kunnen brengen dient deze, net als kwaliteit, gemeten te worden. De economische performance wordt in verschillende indicatoren uitgedrukt welke in de volgende paragraaf aan de orde komen.

4.2

Hoe meet men de economische performance?

Om de economische performance in kaart te brengen zal deze eerst gemeten moeten worden. Omdat de economische performance geen direct te meten variabele is, dient een variabele geselecteerd te worden die de economische performance kan vertegenwoordigen. Beleggers in vastgoed drukken de economische performance van kantoorgebouwen uit in rendement. Deze rendementsvorm bestaat hoofdzakelijk uit twee componenten:

Het direct rendement Het indirect rendement.

De definities van deze componenten worden door Keeris (2001) als volgt omschreven: ‘direct rendement’: “Het rendement gedurende de beschouwde periode op basis van de feitelijk opbrengsten uit de exploitatie van een vastgoedobject, dan wel portefeuille, uitgedrukt als percentage van de aangehouden marktwaarde primo de beschouwde periode, vermeerderd met het gemiddelde van de waarde van de eventueel gedurende de periode aanvullend geïnvesteerde en/of gedesinvesteerde vermogen” Het direct rendement van een vastgoedbelegging omvat dus de netto inkomsten. Deze inkomsten worden berekend door de bruto huuropbrengsten gedurende het jaar te verminderen met de exploitatiekosten. De hoogte van exploitatiekosten is voor een deel beïnvloedbaar en daarmee dus ook het direct rendement. ‘indirect rendement’: “De aangenomen dan wel op taxaties gebaseerde marktwaardeontwikkeling van het geïnvesteerde kapitaal in een vastgoedobject dan wel portefeuille, gedurende de beschouwde periode, uitgedrukt als percentage van de aangehouden marktwaarde primo de beschouwde periode, vermeerderd met het gemiddelde van de waarde van het eventueel gedurende die periode aanvullend geïnvesteerd en of gedesinvesteerde vermogen” Het indirect rendement heeft betrekking op de netto (markt)waardegroei van vastgoed en dus het geïnvesteerd kapitaal.

31

Door het directe en indirecte rendement bij elkaar op te tellen wordt het totaal rendement (TRR) verkregen. Het TRR is een goede vertegenwoordiger van de economische performance.

ROZ-IPD Vastgoedindex In Nederland worden van een aantal institutionele beleggers financiële ontwikkelingen omtrent kantoren verwerkt door de ROZ-IPD Vastgoedindex in Den Haag. De ROZ-IPD Vastgoedindex (ROZ-IPD) is ontwikkeld door en gelieerd aan de Aedex Stichting en de Investment Property Databank en is gebaseerd op eerder ontwikkelde commerciële vastgoedindices. Het principe van deze indices is dat een groep investeerders informatie aanlevert over de jaarlijkse waarde- en rendementontwikkeling van hun beleggingen. Met deze informatie wordt een database gevuld waaruit gemiddelden worden berekend voor de financiële prestaties van het vastgoed in het betreffende jaar. Deze gemiddelden worden gepubliceerd en deelnemers krijgen overzichten waarin de prestaties van hun eigen vastgoed worden afgezet tegen deze gemiddelden. Ze kunnen dan controleren of ze het relatief goed of slecht doen, wat belangrijke managementinformatie biedt, ook voor het voorraadbeleid en dan met name in portefeuilleanalyses van financieel rendement. Als hulpmiddel bij investeringsafwegingen is de ROZ-IPD minder geschikt. De ROZ-IPD biedt informatie over het ‘gerealiseerde’ rendement terwijl voor investeringsafwegingen vooral de invloed van activiteiten op het ‘te realiseren’ rendement van belang is. Ook zijn er een aantal andere methodologische kanttekeningen die de bruikbaarheid van de ROZ-IPD beperken. (Gruis, 2003b). De geselecteerde beleggers in dit onderzoek laten hun performance analyseren en vergelijken door de ROZ-IPD. In Nederland fungeert de ROZ-IPD als een benchmark van de performance van alle kantoorgebouwen (in eigendom van aangesloten beleggers) in heel Nederland. Deze benchmark betreft het gemiddelde beleggingsresultaat van de deelnemers aan de performancemeting en is een door de beleggers algemeen geaccepteerd ijkpunt waar men de resultaten van de eigen portefeuille aan kan spiegelen. De ROZ-IPD heeft een belangrijk nadeel. In het voorgaande wordt beschreven dat beleggers zelfstandig informatie aanleveren over de jaarlijkse waarde- en rendementontwikkeling van hun portefeuille. Het probleem zit hem in de informatie die de waardeontwikkeling weergeeft. Keeris (2001) vermeld in zijn definitie van het indirecte rendement dat deze waardeontwikkeling zelfaangenomen is of gebaseerd wordt op de waardebepaling van taxateurs. Aan de hand van de waarde wordt tevens de huurprijs van het kantoorgebouw bepaald. Kortom, de uitvoering van de taxatie kan van grote invloed zijn op het uiteindelijke rendement dat een kantoorgebouw levert. Iedere belegger neemt een zelf geselecteerde taxateur in de hand welke volgens zijn eigen werkwijze de verzochte dienst zal leveren. Verschillende taxateurs taxeren verschillend Dit kan zorgen ervoor zorgen dat waardebepalingen hoger of later uitvallen dan zou moeten. Omdat het taxeren van kantoorgebouwen tot op heden nog steeds de enige mogelijkheid en meest zuivere waardebepaling is, worden deze gegevens ook in dit onderzoek toegepast.

4.3

Economische performance in onderzoeksverband

In de vorige paragraaf is beschreven dat de economische performance wordt gemeten aan de hand van het TRR. Het TRR staat echter niet als variabele in de database van de ROZ-IPD. 32

Dat wil dus zeggen dat het TRR aan de hand van variabelen, die het direct en indirect rendement bepalen of beïnvloeden, herleid dient te worden. Het direct rendement, ofwel het exploitatieresultaat gedurende de looptijd van de investering in een kantoorgebouw, kan zijn vertegenwoordiging vinden in de ROZ-IPD variabele ‘netto opbrengsten’. Daarbij zijn deze opbrengsten gedeeld door het aantal m² b.v.o. zodat de verschillende kantoorgebouwen te vergelijken zijn. Het indirecte rendement, ofwel het verkoopresultaat (en dus de waardegroei of –afname), vindt zijn vertegenwoordiging in de ROZ-IPD variabele ‘bruto open markthuurwaarde’. Als derde variabele is het bruto exploitatierendement gebruikt. Dit komt neer op de totale bruto huur gedeeld door den bruto openmarktwaarde. Het bruto exploitatierendement wordt ook wel de Lopende BAR genoemd en uitgedrukt in percentages. De onderstaande variabelen zijn dus toegepast als vertegenwoordigers voor de de economische performance:

Netto opbrengsten per m² b.v.o. (ruimtemarkt) Bruto open markthuurwaarde per m² b.v.o. (ruimtemarkt) Bruto exploitatie rendement (B.E.R. of Lopende BAR genoemd) (beleggingsmarkt)

De netto opbrengsten zijn daarbij de opbrengsten uit de verhuur te verminderen met de exploitatiekosten. De bruto open markthuurwaarde is de jaarhuur voor het gehele gebouw welke bepaald wordt door de taxateur en dus beïnvloed wordt door de afspraken in de huurovereenkomst. Het lopende BAR komt neer op de jaarhuur van het eerste jaar (na aankoop vastgoed) gedeeld door de totale investering. Het lopende BAR bepaalt het risicoprofiel en is daarmee bepalend voor de marktwaarde van het kantoorgebouw. Naar mate de bovenstaande lagere waarden vertonen betekent dit dat ook de economische performance lager uitvalt. Deze variabelen zijn in de regressieanalyse de afhankelijke variabelen. Zij zullen met behulp van de onafhankelijk variabelen, ofwel de kwaliteitsaspecten verklaard worden.

4.4

Conclusie

De economische performance van een kantoorgebouw mag gedefinieerd worden als de prestatie van een financiële belegging in een kantoorgebouw. Maar omdat economische performance geen eenheid kent wordt het beleggingsrendement als variabele gekozen als vertegenwoordiger van de economische performance. Het beleggingsrendement bestaat uit het direct rendement, ofwel de feitelijk netto-opbrengsten van een kantoorgebouw, en indirect rendement, ofwel de waardeveranderingen van een kantoorgebouw. Het meten van de economische performance gebeurd dan ook op basis van de ontvangen huuropbrengsten en de taxatiewaarde of waardegroei van het gebouw. De ROZ-IPD Vastgoedindex is een instelling die van verschillende aangesloten beleggers de economische performance in kaart brengt en vormt een benchmark voor de Nederlandse vastgoedmarkt, een soort marktgemiddelde. Beleggers kunnen hun performance vervolgens spiegelen aan deze benchmark zodat geconcludeerd kan worden of de prestatie boven of onder het marktgemiddelde ligt. In dit onderzoek worden voor de economische performance de volgende waarden gehanteerd

33

Netto opbrengsten per m² b.v.o. (ruimtemarkt) Bruto open markthuurwaarde per m² b.v.o. (ruimtemarkt) Bruto exploitatie rendement (B.E.R. of Lopende BAR genoemd) (beleggingsmarkt)

In relatie tot het conceptueel model komen de netto opbrengsten terug in de huuropbrengsten welke worden beïnvloedt door de afspraken in de huurovereenkomst met de gebruiker. De bruto openmarktwaarde wordt beïnvloedt door de interesse van de markt voor het gebouw en dus de kwaliteit ven het gebouw. De bruto open markthuurwaarde beïnvloedt op zijn beurt weer de vraaghuurprijs van het gebouw. Zowel de netto opbrengsten als de bruto open markthuurwaarde worden beïnvloedt door de ontwikkelingen op de ruimtemarkt. Het bruto exploitatierendement is terug te vinden in de marktwaarde van het gebouw op de beleggingsmarkt en wordt eveneens beïnvloedt door de kwaliteit van het gebouw. Samenvattend mag geconcludeerd worden dat de relatie tussen de kwaliteit uit en de economische performance van een kantoorgebouw door de gebruiker beïnvloedt wordt. Zijn match bepaalt de mate van bezetting, de hoogte van de huurprijs en de lengte van de huurovereenkomst. Daarmee indirect dus ook de marktwaarde van een kantoorgebouw die hoger naarmate een gebouw beter verhuurd is. In visualisatie in figuur 4.3 komt het neer op een combinatie van de modellen uit hoofdstuk 3 en 4. Hier wordt duidelijk hoe essentieel de rol van de match is voor de relatie tussen de kwaliteit en economische performance.

34

Vraag

Aanbod



Huisvestingseisen en wensen gebruiker


Match






Bezettingsgraad / leegstand


Ruimtemarkt

Huuropbrengsten/m²

Marktwaarde kantoorgebouw Beleggingsmarkt


Figuur 4.3: Conceptueel model van de match tussen vraag en aanbod tot aan de economische performance

35

5

Kenmerken van de dataverzameling en een eerste analyse Dit hoofdstuk staat in het teken van het beschrijven van de verzamelde data. Dat wil zeggen dat met behulp van tabellen en grafieken (histogrammen, staafdiagrammen etc) de eigenschappen van de dataverzameling gevisualiseerd worden. Daarnaast wordt ook getracht een eerste statistisch verband te leggen tussen kwaliteit en economische performance van kantoorgebouwen. Daarbij is het belangrijk zogemaande ‘outliers’8 te herkennen en uit te sluiten van verdere analyse. De dataverzameling vertegenwoordigt 48 kantoorgebouwen op de Amsterdamse kantorenmarkt.

5.1

Coderen van de dataverzameling

Alle verzamelende gegevens hebben betrekking op kantoorgebouwen die onderdeel zijn van de Amsterdamse kantorenmarkt zoals beschreven in paragraaf 2.2.1. De dataverzameling van dit onderzoek bestaat uit de gegevens van 48 kantoorgebouwen en bestaat uit waarnemingsuitkomsten verkregen via veldwerk en gegevens verkregen via de ROZ-IPD vastgoedindex. De waarnemingsuitkomsten hebben daarbij betrekking op de kwaliteitaspecten van de locatie, het perceel en het kantoorgebouw. De gegevens uit de ROZIPD database geven in hoofdlijnen informatie over de metrages en financiële prestaties van een kantoorgebouw. De 48 kantoorgebouwen vertegenwoordigen ca. 20% van de kantoorgebouwen op de Amsterdamse kantorenmarkt die zijn opgenomen in de database van de ROZ-IPD. Voor dat er iets in kaart gebracht kon worden zijn alle gegevens die zijn verkregen via waarnemingen met behulp van de checklist en uit de index van de ROZ-IPD verwerkt in een dataverzameling. Dit veroorzaakte echter een aantal problemen. Niet alle variabelen hadden dezelfde schaal. Dat wil zeggen dat bijvoorbeeld de variabele die de parkeergarage vertegenwoordigde, alleen ‘ja’ of ‘nee’ (dichotome variabele) als uitkomst had staan. Andere variabelen zoals het bruto vloeroppervlak (ratio variabele), verschilden per kantoorgebouw en gaven een kwantitatieve waarde als uitkomst. De database komt neer op een verzameling gegevens die via veldwerk verzameld zijn. De gegevens verkregen via veldwerk en de gegevens verkregen van de ROZ-IPD zijn gecodeerd voor de toepassing in een regressieanalyse. Voor de statistiek (vooral voor de regressieanalyse) is het noodzakelijk om alle variabelen geschikt te maken voor statistische berekeningen. Van alle kwalitatieve variabelen is daarom een dummy variabele gemaakt. Dat wil zeggen dat de variabelen die ‘ja’ en ‘nee’ als uitkomst hadden, nu ‘1’ en ‘0’ als uitkomst hebben gekregen (binaire eenheden). Andere variabelen zijn verdeeld in klassen tot geclassificeerde variabelen (vergelijkbaar met een vijfpuntsschaal). Daarbij is een onderscheid gemaakt in continue en discrete variabelen. Dat wil zeggen dat continue variabelen een rangorde kennen zoals de variabelen ‘metrageklasse’ en ‘bouwperiode’ en dat discrete variabelen wel geclassificeerd zijn, maar niet volgens een rangorde (dummyvariabele). Dit zijn variabelen zoals ‘typering van de gevel’ en ‘deelgebieden’. In het overzicht in figuur 5.1 (volgende pagina) zijn alle gebruikte variabelen met hun kenmerken verwerkt in een tabel. Alle kenmerken van de kantoorgebouwen zijn onderverdeeld in het type meetschaal en het type variabele voor

8

Casus die de uitkomst van de analyse dusdanig beïnvloeden dat ze uitgesloten dienen te worden van verdere analyse, mits daar een theoretische argumentatie voor aanwezig is.

36

toepassing in statistische berekeningen (met behulp van het programma SPSS). De figuren 5.1 t/m 5.3 laten zien hoe de variabelen zijn getransformeerd tot een binaire codering9. Imago entree Entree goed zichtbaar vanaf de weg Entree herkenbaar in gevel gebouw Entreehal groter dan 50 m2 Meer dan 2 voorzieningen aanwezig Balie voor portier of receptioniste

ja nee 0 1 0 1 0 1 0 1 0 1

Figuur 5.1 Binaire codering van het imago van de entree

Waardering Bouwperiode voor 1970 jaren 70 jaren 80 jaren 90 na 2000

1

2

3

4

0 1 0 0 0

0 0 1 0 0

0 0 0 1 0

0 0 0 0 1

Figuur 5.2 Binaire codering van de variabele ‘bouwperiode’, een continue klasse variabele

Waardering Deelgebieden Centrum Zuid Buitenveldert Zuid-Oost Oost West Sloterdijk Teleport Amstelveen Diemen Hoofddorp Schiphol

1

2

3

4

5

6

7

8

9 10

0 1 0 0 0 0 0 0 0 0 0

0 0 1 0 0 0 0 0 0 0 0

0 0 0 1 0 0 0 0 0 0 0

0 0 0 0 1 0 0 0 0 0 0

0 0 0 0 0 1 0 0 0 0 0

0 0 0 0 0 0 1 0 0 0 0

0 0 0 0 0 0 0 1 0 0 0

0 0 0 0 0 0 0 0 1 0 0

0 0 0 0 0 0 0 0 0 1 0

0 0 0 0 0 0 0 0 0 0 1

Figuur 5.3 Binaire codering van verschillende deelgebieden van de Amsterdamse kantorenmarkt, een discrete klasse variabele

9

Het binaire getalsysteem is een positiestelsel, waarin een getal wordt voorgesteld door een rijtje van de cijfers 0 en 1. Het Een dergelijk cijfer wordt in deze context een bit genoemd.

37

Figuur 5.1: Kenmerken van de kantoorgebouwen met meetschaal en statistische typering

38

5.2

Statistieken dataverzameling

In paragraaf 2.2 is kort beschreven in welke deelgebieden en op welk type terrein de verschillende kantoorgebouwen liggen (figuur 2.2 en 2.3). In deze paragraaf wordt een vervolg gegeven aan de beschrijving van de datakarakteristieken. Met behulp van tabellen en grafieken worden de eigenschappen van variabelen uit figuur 5.1 beschreven. De verdeling van de kantoorgebouwen over de deelgebieden en het type terrein is terug te vinden in figuur 2.2 en 2.3 en worden daarom hier achterwege gelaten.

Gebouwen met naamsbekendheid Woningen in topsegment Hoog architectonisch gehalte Internationale oriëntatie

43,1% 33,8%

28

25

Aantal gebouwen

22

30

7,7% 15,4%

20

30

15

10

5

14 5

10

1

0

Geen parkeervoorziening

parkeren maaiveld

parkeren garage/kelder

Soort parkeervoorziening

Figuur 5.2 Imago van de omgeving

Figuur 5.3: Soort parkeervoorziening

20

30

25

Aantal gebouwen

Aantal gebouwen

15 20

15

27

10

19

10

10

5

8

5

5

4

5

6

3

3

0

0 <2500

2501-5000

5001-7500

7501-10000

>10000

0-5

Metrages (m²)

Figuur 5.4: Gebouwen per metrageklasse

6-10

11-15

Leeftijdsklasse (jaren)

Figuur 5.5: Gebouwen per leeftijdsklasse

39

16-20

> 20

40

15

30

10

19

Aantal gebouwen

Aantal gebouwen

20

19

20

32

10

5

13 3 0

3

1

0

voor 1970

'70 jaren

'80 jaren

'90 jaren

Multi

na 2000

Bouwperiode

Single

Single of Multitenant

Figuur 5.6: Gebouwen per bouwperiode

Figuur 5.7: Gebouwen voor één of meerdere huurders

20

25

20

Aantal gebouwen

Aantal gebouwen

15

15

25 10

20

10

14 14

11

5

5

5 0

1

0

Organisch

Modernistisch

Composiet

High-tech

Sober

Geveltype

Standaard

Hoogwaardig

Kwaliteitsafwerking

Figuur 5.8: Gebouwen per geveltypering

Figuur 5.9: Gebouwen per type kwaliteitsafwerking

25

30

Aantal gebouwen

Aantal gebouwen

20

20

31

15

25 10

10

11

5

9

9 5 0

0 Ernstig

Matig

Geen

Slecht

Veroudering

Figuur 5.10: Gebouwen per type veroudering

Neutraal

Bouwkundige flexibiliteit

Figuur 5.11: Gebouwen per flexibiliteitsniveau

40

Goed

Entree goed zichtbaar vanaf de weg Entree herkenbaar in gevel gebouw Entreehal groter dan 50 m2 Meer dan 2 voorzieningen aanwezig Balie voor portier of receptioniste

23

26

16,7% 19,1%

Kamer/cellenkantoor Groepenkantoor Kantoortuin Coconkantoor

5

5%

45

17

44,5%

12,3% 33,5% 18,4%

44,5%

45

45

25

6% 6

Figuur 5.12: Gebouwen per entreekenmerk

Figuur 5.13: Gebouwen per kantoorinrichting

Statistieken Variabelen Nabijheid autosnelweg

Frequentie Gemiddelde Std. Deviatie Range 45 2,278 1,5890

9,5

Minimum Maximum 0,3 9,8

Aantal richt.veranderingen

45

nabijheid NS-station

45

2,207

Aantal parkeerplaatsen

45

98,87

Parkeernorm (m² b.v.o./pp)

45

117,42

206,606

Aantal bouwlagen

45

5,42

3,467

21

3

24

Leeftijd

45

16,64

7,309

37

4

41

Bouwjaar

45

1.989,36

7,309

37

1.965

2.002

Leegstandpercentage

45

17,361%

29,1963%

100,0%

0,0%

100,0%

Grondsituatie

45

1,98

1,340

3

1

4

Bruto Vloeroppervlak

45

6.258,96

6.557,301

33.700

836

34.536

Verhuurd vloeroppervlakte kantoren

45

4.511,09

4.726,462

19.133

0

19.133

Verhuurde parkeerplaatsen (of gratis)

45

84,07

90,205

455

0

455

Leegstaand vloeroppervlak kantoren

45

904,80

1.857,002

8.186

0

8.186

Units leegstaande parkeerplaatsen

45

14,80

41,721

213

0

213

Bruto open marktwaarde

45

11.856.854,93

13.184.047,799

63.456.350

1.027.200

64.483.550

Netto open marktwaarde

45

11.081.177,78

12.321.498,465

59.305.000

960.000

60.265.000


45

1.008.254,42

1.106.500,435

4.948.434

121.246

5.069.680

Totaal aantal huurders

45

6,18

9,116

47

0

47

Gem. looptijd huurcontracten

45

36,04

29,459

138

0

138

Totale actuele bruto huur

45

937.380,27

1.073.110,287

4.723.998

0

4.723.998

Servicekosten per m2

45

16,53

18,386

79

0

79

Bruto huuropbrengsten

45

898.961,07

1.005.215,159

4.635.143

7.500

4.642.643

Totaal opbrengsten

45

911.607,29

1.024.019,041

4.684.553

7.500

4.692.053

Netto opbrengsten

45

765.097,49

940.819,075

4.533.793

-153.702

4.380.091

Inkomsten/m2 b.v.o.

45

114,5595

66,76573

319,71

-56,68

263,03

Bruto markthuurwaarde per m2 v.v.o.

45

152,9111

42,10745

205,00

50,00

255,00

Bruto openmarktwaarde/m2 b.v.o.

45

1.859,5546

650,49296

2.988,49

698,30

3.686,79

Netto openmarktwaarde/m2 b.v.o.

45

1.737,9097

607,92936

2.792,98

652,62

3.445,60

Netto opbrengst/m2 bvo

45

114,5595

66,76573

319,71

-56,68

263,03

Lopende BAR

45

0,07858

0,023793

0,153

0,001

0,153

Br.open markthuurwaarde/m² b.v.o.

45

156,1927

39,50103

167,95

102,41

270,37

2,91

1,164

4

1

1,8260

9,8

0,1

9,9

96,449

455

0

455

999

0

999

Figuur 5.14: Aantal, gemiddelde , standaarddeviatie, range, minimum en maximum van de numerieke variabelen

41

5

In de grafieken, cirkeldiagrammen en tabellen op de vorige pagina’s (figuur 5.2 t/m 5.14) zijn van alle variabelen uit de dataverzameling de kenmerken getoond. Van de dichotome en geclassificeerde variabelen zijn dat het aantal gebouwen. De cirkeldiagrammen laten meer dan 45 gebouwen zien. Dit is te verklaren door het feit dat meerdere gebouwen over meerdere, in het cirkeldiagram afgebeelde kenmerken, beschikken. Een gebouw kan bijvoorbeeld zowel een goede zichtbaarheid van de entree in de gevel hebben, beschikken over een entreehal die groter is dan 50 m² en meer dan 2 voorzieningen in de entree hebben. Dat betekent dat het gebouw drie maal in het cirkeldiagram voorkomt. Aan het begin van het onderzoek is beschreven dat het onderzoek met 48 kantoorgebouwen verricht zou worden. Uit de beschrijvende statistiek blijkt dat 3 gebouwen zijn komen te vervallen. De reden hiervoor is het afwijkende karakter van deze gebouwen ten opzicht van de overige gebouwen. Het betreft historische grachtenpanden gelegen aan de grachtengordel in het centrum van Amsterdam. De hoge leeftijd, hoge waardering en hoge huuropbrengsten per m² b.v.o. zijn dusdanig afwijkend dat deze panden worden beschouwd als outliers in de analyse. De onderstaande scatterplots10 laten dit zien.

Figuur 5.15: Invloed van outliers op de uitkomst van de regressieanalyse

De eerste scatterplot (figuur 5.15) laat een puntenwolk zien met de drie historische panden, de tweede zonder. Aan de hand van de mate van verklaring (Rsq), respectievelijk 3,7% en 0,7%, blijkt het grote verschil veroorzaakt wordt door deze outliers. Dit zijn de enige gebouwen die een dergelijke invloed lieten zien en zijn daarom weggelaten uit de verdere analyse.

5.3

Correlatie van de onafhankelijke variabelen

Alvorens begonnen wordt met de modellering van een multipele regressie speelt de correlatie van de variabelen onderling een belangrijke rol. De correlatie toont de invloed aan die variabelen op elkaar uitoefenen. Voor variabelen die onderling teveel correleren is het uitgesloten om samen in één regressiemodel voor te komen, omdat ze door de onderlinge invloed de uitkomst van de regressie beïnvloeden. De correlatie is gebaseerd op van Pearson’s correlatiecoëfficiënt. Deze maatstaf kan variëren tussen 1 en -1. Variabelen beïnvloeden elkaar als de maatstaf boven 0,9 of -0,9 uitkomt. In dat geval is het uitgesloten dat beide variabelen samen in één model voor mogen komen.

10

Statistische puntenwolk vormgegeven in een normaal yx assenstelsel.

42

Voor dit onderzoek zijn de verschillende, in de regressieanalyse gebruikte, kwaliteitsaspecten ingevoerd als variabelen in een bivariate correlatieanalyse. Daaruit is gebleken dat de variabelen onderling weinig tot matig correleren. Hoe beperkter de correlatie van variabelen is, hoe zuiverder de uitkomst van de regressieanalyse zal zijn. De bivariate correlatieanalyse is terug te vinden in bijlage A achter in deze rapportage.

5.4

Van kwaliteit naar economische performance

In hoofdstuk 3 werd het verband gelegd tussen de gebouwkwaliteit en de ‘fitness for use’, ofwel de match tussen de vraag van de gebruiker en het aanbod van het kantoorgebouw. Tevens werd vanuit die match een eerste verband gelegd met de economische performance via de ‘willingness to pay’ van de gebruiker. In hoofdstuk 4 is na het beschrijven van de economische performance gebleken dat het verband tussen de kwaliteit en de economische performance uit hoofdstuk 3 uitgebreid kon worden met de kenmerken die bepalend zijn voor de economische performance. Zodoende is het conceptuele model ontstaan zoals in paragraaf 4.4 in figuur 4.3 is weergegeven. Het verband in dat conceptuele model tussen de verschillende parameters vormt de basis voor het opstellen van een aantal hypothesen. De match tussen vraag en aanbod, en daarmee indirect de kwaliteit, beïnvloedt vier aspecten:

Het leegstandspercentage; De marktwaarde; De huuropbrengsten (indirect); Bruto open markthuurwaarde.

Deze aspecten zijn allen van invloed op de economische performance van een kantoorgebouw. Het leegstandpercentage beïnvloedt de opbrengsten van het gebouw. Hoe meer m²’s er zijn verhuurd hoe hoger de opbrengsten. De marktwaarde geeft informatie over de waardegroei vanaf het begin van de exploitatieperiode en wordt bepaald door het risicoprofiel van de Lopende BAR. De huuropbrengsten zijn onderdeel van het directe rendement. De bruto open markthuurwaarde is bepalend voor de te vragen huurprijs op de markt.

43

Vraag

Aanbod



Huisvestingseisen en wensen gebruiker


Match






Bezettingsgraad / leegstand


Ruimtemarkt

Huuropbrengsten/m²

Marktwaarde kantoorgebouw Beleggingsmarkt


Figuur 5.16: Conceptueel model. De relatie tussen kwaliteit en economische performance

Werkend vanuit het probleemveld en het conceptueel model van de relatie tussen de kwaliteit en de economische performance, zijn vier hypothesen opgesteld welke in de volgende paragraf onderbouwd worden:

44

5.5

Hypothesen

Op basis van de bestudeerde verwachtingen en bestudeerde literatuur worden in deze paragraaf de hypothesen beschreven en onderbouwd. De hypothesen zullen getoetst worden aan d uitkomsten van de regressieanalyse in hoofdstuk 7. Hypothese 1: “De kwaliteit van een kantoorgebouw is hoger als het kantoorgebouw aan meer eisen van de gebruiker voldoet waardoor de leegstand lager is” Kwaliteit van een kantoorgebouw kan als volgt worden gedefinieerd: “Een kantoorgebouw heeft een hoge kwaliteit als het slaagt te voldoen aan zoveel mogelijk huisvestingseisen van een gebruiker.” (Gerritse, 2005) Hieruit kan worden geconcludeerd dat de gebruiker de mate van kwaliteit van een kantoorgebouw bepaalt. De verwachting is dat de kwaliteit van een kantoorgebouw het leegstandspercentage beïnvloedt. De kern van vastgoedmanagement is gelegen in het feit dat vastgoed statisch is ten opzicht van de dynamische behoefte van de gebruiker. Organisaties groeien waardoor gebouwen te klein worden en werkprocessen veranderen waardoor de ruimte in het gebouw de gevraagde ondersteuning in de vorm van adequate huisvesting niet meer kan aanbieden.

Dynamische behoefte

Statische voorraad

Figuur 5.17: Dynamische vraag vs statische aanbod (de Jonge, 2000)

Voor een belegger in vastgoed is vastgoedmanagement een belangrijk onderdeel voor de verhuur van de portefeuille. Daarbij draait het om het afstemmen van de dynamische vraag op de kantorenmarkt en de statische voorraad in de portefeuille. Omdat vastgoed veroudert en de huisvestingsbehoefte verandert, ontstaat er in de tijd een afstemmingsprobleem. De gebruiker van het vastgoed zal afwegen of het verschil tussen vraag en aanbod acceptabel is. Hij maakt die afweging op basis van de vergelijking tussen de kosten en de baten van de ontstane huisvestingssituatie enerzijds en de verandering in die situatie (verhuizen of verbouwen) anderzijds.

45

Figuur 5.18: vastgoedmanagement heeft als startpunt de afstemming tussen vraag en aanbod (afgeleide van Den Heijer, 2000)

Kantoorgebouwen beschermen gebruikers en hun activiteiten tegen weersinvloeden en bedreigingen van buitenaf, zoals inbraak, diefstal en vernielingen. Bovendien moeten kantoorgebouwen aan allerlei eisen voldoen. Daaronder vallen zaken als efficiency, toegankelijkheid, ruimtelijk oriëntatie, flexibiliteit en aanpasbaarheid op nieuwe ontwikkelingen en behoeften zoals de behoefte aan veiligheid, privacy en sociaal contact (van der Voordt en van Wegen, 2000). Naast deze ‘algemene’ eisen stellen gebruikers hedendaags ook eisen en wensen met betrekking op de eigen organisatie. Zij stemmen hun eisen af op de door het kantoorgebouw aangeboden huisvesting. Uit het voorgaande kan het volgende geconcludeerd worden. Voordat een gebruiker besluit de keuze voor huisvesting in een kantoorgebouw te maken, worden de huisvestingeisen van de gebruiker gematcht met de huisvesting dat een kantoorgebouw biedt. Hoe beter deze huisvesting aansluit op de wensen van één of meerdere gebruikers op de kantorenmarkt, hoe groter de verhuurkans van een kantoorgebouw. Op basis van het vorenstaande mag daarom geconcludeerd worden dat hoe beter de kwaliteit van een kantoorgebouw voldoet aan de huisvestingeisen van een gebruiker is, hoe lager het leegstandspercentage binnen een kantoorgebouw is. Dit wordt nogmaals gevisualiseerd in figuur 5.19. Een huisvestingzoekende gebruiker matcht het kantoorgebouw met zijn huisvestingseisen. Indien het kantoorgebouw voldoet dan wordt voor huisvesting gekozen en daalt het leegstandpercentage.

46

Huisvestingzoekende / zittende gebruiker

Match vraag en aanbod

Huisvestings eisen

Kwaliteit kantoorgebouw

Huisvesten?

NEE

JA

Leegstand blijft

Leegstand daalt

Figuur 5.19: de relatie tussen een huisvestingzoekende gebruiker en de leegstand

Om deze theoretische lijn der verwachting in de praktijk te kunnen toetsen is daarom de volgende hypothese opgezet: “De kwaliteit van een kantoorgebouw is hoger als het kantoorgebouw aan meer eisen van de gebruiker voldoet waardoor de leegstand lager is” Om deze hypothese te bevestigen zal op basis van de uit de dataverzameling afkomstige uitkomsten een conclusie worden getrokken. Hypothese 2: “De kwaliteit van de locatie- en perceelkenmerken geven een hogere mate van verklaring van de economische performance dan de gebouwkenmerken.” De verwachting is dat de kwaliteitskenmerken van een kantoorgebouw de economische performance van een kantoorgebouw beïnvloeden. Met andere woorden wil dat dus zeggen dat locatie-, perceel- en gebouwkenmerken van een kantoorgebouw de prestatie van de exploitatie beïnvloeden. Uit verscheidene onderzoeken is gebleken dat gebruikers van kantoorhuisvesting bij het maken van een huisvestingskeuze locatieaspecten belangrijker vinden dan gebouwaspecten. Zo blijkt uit het onderzoek van Korteweg (1993) dat de bereikbaarheid per auto en de aanwezigheid van parkeervoorzieningen dominante eisen van kantoorhoudende organisaties zijn ten opzichte van gebouwkenmerken. De bereikbaarheid per openbaar vervoer en de representativiteit van de omgeving zijn ook belangrijk. De snelweglocatie en de kantorenwijk zijn meer gewild dan het traditionele kantorenmilieu, het stadscentrum. (Korteweg 1993). In dit onderzoek wist Korteweg de onderstaande vestigingsplaatscriteria (figuur 5.20) te onderscheiden. In dat onderzoek is door gebruikers aangegeven welke kwaliteitskenmerken 47

zij belangrijk vonden met betrekking tot hun huisvesting. In de figuur 5.20 wordt het percentage organisaties weergegeven dat aangeeft dat de factor belangrijk is voor het functioneren van de organisatie. Vooral de kenmerken representativiteit, bereikbaarheid met de auto en de parkeergelegenheid zijn uitschieters. Dit geeft aan dat deze factoren door kantoorgebruikers belangrijk gevonden worden. Pandkenmerken Representativiteit Huur-/koopprijs Uiterlijk Beveiliging Grootte Herkenbaarheid Flexibel ruimtegebruik Service- en energiekosten Uitbreidingsmogelijkheden Faciliteiten automatisering Airconditioning Pand singletenant Hoogte

Survey 88 87 69 62 58 64 63 58 44 39 50 20 24 11

Survey 91 82 62 61 52 50 45 43 42 40 39 26 14 13

Locatiekenmerken Parkeergelegenheid Bereikbaarheid per auto representativiteit omgeving Bereikbaarheid OV Bij uitvals-/snelweg Nabijheid NS-station Nabijheid luchthaven Nabijheid cliënten Nabijheid stadscentrum Nabijheid andere kantoren Nabijheid horeca Nabijheid winkels Zichtbaarheid vanaf snelweg

Survey 88 95 94 70 68 76 44 49 31 13 19 21 20 20

Survey 91 88 85 72 69 65 46 33 28 25 18 17 16 12

Figuur 5.20: Belangrijke vestigingsplaatsfactoren van kantoorhoudende organisaties in Amsterdam. Het percentage organisaties dat aangeeft dat de factor belangrijk is voor het functioneren van het bedrijf. Bronnen: Korteweg 1989, 1992b

In het onderzoek van Louw (1996) is aan hand van een enquête het belang van verschillende vestigingsplaatsfactoren in kaart gebracht. Daaruit valt te concluderen dat de ligging de belangrijkste factor is gevolgd door het imago van het kantoorgebouw, de bereikbaarheid per openbaar vervoer, bouwkundige flexibiliteit en de parkeergelegenheid. Bij een verdere verwerking van de score komt Louw (1996) tot de conclusie dat circa 56% van de score betrekking heeft op de aspecten van locatie van het gebouw. Kwaliteitskenmerken Ligging Imago gebouw Bereikbaarheid OV Goede indeelbaarheid, flexibiliteit Parkeergelegenheid Binnenklimaat Bereikbaar (ontsluiting) Bereikbaarheid per auto Prijs/prestatieverhouding gebouw Typering terrein Kantoorconcept Toegankelijkheid gebouw Architectuur Looptijd huurcontract

categorie locatie gebouw locatie gebouw locatie gebouw locatie locatie gebouw locatie gebouw gebouw gebouw gebouw

aantal keren genoemd 20 14 14 12 12 9 7 6 6 5 5 3 3 2 118

% 16,95% 11,86% 11,86% 10,17% 10,17% 7,63% 5,93% 5,08% 5,08% 4,24% 4,24% 2,54% 2,54% 1,69%

Figuur 5.21: Enquête naar het belang van verschillende vestigingsplaatsfactoren (bron Louw 1996)

In een onderzoek van Troostwijk (2004) vormen onderstaande criteria de basis voor het aanen verkoopbeleid van institutionele beleggers in vastgoed.

48

1 2 3 4 5 6

Aankoopcriteria

Verkoopcriteria

Locatie Solvabiliteit huurder Kwaliteit gebouw Expiratiedatum huurcontract Huuropbrengst Parkeernorm

Locatie Ouderdom gebouw Geen potentie voor waardestijging Aflopende huurcontracten Leegstand Solvabiliteit huurder

Uit het voorgaande wordt geconcludeerd dat locatie aspecten voor het bepalen van de huisvestingsvraag op de kantorenmarkt dominant zijn over de gebouwkenmerken. Daarom is de volgende hypothese opgesteld. “De kwaliteit van de locatie- en perceelkenmerken geven een hogere mate van verklaring van de economische performance dan de gebouwkenmerken.” Hypothese 3 en 4: “Van de locatie- en perceelkenmerken geven de variabelen parkeren, bereikbaarheid en ligging de hoogste verklaring van de economische performance.” “Van de gebouwkenmerken geven de variabelen imago entree en bouwkundige flexibiliteit de hoogste verklaring van de economische performance.” Als aanvulling op de vorige hypothese wordt ingegaan op het belang van de locatiekenmerken onderling. Met andere woorden, welke locatiekenmerken vinden huisvestingzoekende gebruikers de belangrijkste? Een pilot-onderzoek van de stichting Economisch Onderzoek van de Universiteit van Amsterdam in samenwerking met Twynstra Gudde en DTZ Zadelhoff (1999) laat op basis van analyse van de vraagzijde van de kantorenmarkt zien dat onderstaande huisvestingscriteria van groot belang zijn:

Parkeergelegenheid en ligging. Deze kenmerken zijn, in de perceptie van kantoorgebruikers, onlosmakelijk aan elkaar verbonden zijn. Zo hoort een bedrijventerrein te beschikken over voldoende parkeergelegenheid en in het stadshart is de gebruiker gewend aan beperkte parkeergelegenheid; Bereikbaarheid van de het gebouw. Dit is voor een gebruiker van groot belang. De voorkeur gaat uit naar een goede bereikbaarheid voor zowel de auto als het openbaar vervoer.

Wat gebruikers wel heel belangrijk vinden aan de huisvesting is het prijsniveau. In hetzelfde onderzoek is te lezen dat met name de aspecten bereikbaarheid, parkeergelegenheid en ligging ten opzicht van snelwegen en stations de invloedrijkste huisvestingscriteria zijn

49

Louw (1996) heeft in één van zijn onderzoeken het belang van verschillende huisvestingskenmerken onder gebruikers van kantoorhuisvesting gemeten. Daarbij kwam hij tot de conclusie dat de volgende kenmerken het meeste belang kregen: Locatiekenmerken ¾ Nabijheid openbaar vervoer ¾ Nabijheid voorzieningen voor personeel ¾ Parkeergelegenheid ¾ Imago omgeving Gebouwkenmerken ¾ Imago gebouw ¾ Flexibiliteit gebouw Op basis van bovengenoemde onderzoeken en verwachtingen wordt de volgende twee hypothesen beschreven: “Van de locatie- en perceelkenmerken geven de variabelen parkeren, bereikbaarheid en ligging de hoogste verklaring van de economische performance.” “Van de gebouwkenmerken geven de variabelen imago entree en bouwkundige flexibiliteit de hoogste verklaring van de economische performance.” Deze hypothesen zullen aan de hand van de onderzoeksresultaten uit de regressieanalyse getoetst worden.

50

6

Lineaire regressieanalyse van kwaliteitsaspecten economische performance van kantoorgebouwen

en

In dit hoofdstuk wordt de aanpak en de interpretatie van de lineaire regressieanalyse beschreven. Aansluitend op dit hoofdstuk worden de onderzoeksresultaten in hoofdstuk 7 beschreven. Daar komen de uitkomsten van de regressieanalyses aan bod.

6.1

Aanpak en interpretatie van de regressieanalyse

Het doel van de lineaire regressieanalyse is het vinden van een verklaring, ofwel een lineair verband, voor de afhankelijke variabele door de onafhankelijke variabelen. In dit onderzoek is de doelstelling om de verklaring van de economische performance door gebouwgebonden kwaliteitsaspecten te vinden. Om dat te kunnen bewerkstelligen is een volgorde gehanteerd voor de uitvoering van de lineaire regressieanalyse. Om de causale relatie aan te kunnen tonen zijn allereerst variabelen voor de economische performance van kantoorgebouwen geselecteerd.

Netto opbrengsten/m² Bruto open markthuurwaarde/m² Lopende BAR

De netto opbrengsten/m² zijn daarbij de opbrengsten, voortvloeiend uit de afspraken in de met de gebruiker gesloten huurovereenkomst, te verminderen met de exploitatiekosten. De bruto open markthuurwaarde/m² is de (verwachte) jaarhuur per m² welke door de taxateur bepaald wordt. De vraaghuurprijs/m² wordt afgeleid van deze bruto open markthuurwaarde/m². Daarmee is de bruto open markthuurwaarde van invloed op de huuropbrengsten/m² van een kantoorgebouw. Het lopende BAR komt neer op de jaarhuur van het eerste jaar gedeeld door de totale investering. Het lopende BAR bepaald het risicoprofiel en oefent daarmee invloed uit op de marktwaarde van het gebouw. De drie geselecteerde variabelen ‘werken’ op twee verschillende markten, de ruimte- en beleggingsmarkt. De ‘netto opbrengsten/m²’ en ‘bruto open markthuurwaarde/m²’ zijn onderdeel van de ruimtemarkt. Omdat zij worden beïnvloedt door de keuze van de gebruiker laten de variabelen hun prestaties zien aan de hand van de match tussen vraag en aanbod. Een gebruiker zal eerder bereid zijn meer te betalen, langer te huren of de huurovereenkomst voor het gehuurde te verlengen wanneer de huisvesting goed aansluit op de huisvestingswensen. Het lopende BAR bepaalt het risicoprofiel van een belegging op de beleggingsmarkt en is medebepalend voor een belegger om over te gaan tot de aanschaf van een kantoorgebouw. Deze variabele bepaalt het risicoprofiel van een investering in een kantoorgebouw. Met andere woorden kan gezegd worden dat beleggers aan de hand van het risico tot het besluit komen om wel of niet te investeren in het kantoorgebouw. Het vorenstaande wordt samengevat in de onderstaande tabel:

51

Meet de Invloed op Beïnvloedt door

Netto opbrengsten/m² Inkomsten/m² Huuropbrengsten/m² Keuze gebruiker, hoeveelheid huurconcessies

Br.Op.Markthuurwaarde/m² Vraaghuurpijs/m² Huuropbrengsten/m² Keuze gebruiker, bereidheid vraaghuurprijs te betalen

Lopende BAR Risicoprofiel investering Marktwaarde/m² Keuze belegger

Als we de variabelen terugkoppelen naar het conceptuele model dan kan het volgende daar over worden geconcludeerd. De ‘netto opbrengsten/m²’ beïnvloeden, samen met het leegstandspercentage, de huuropbrengsten/m² van een kantoorgebouw. De bruto open markthuurwaarde/m² beïnvloedt de vraaghuurprijs/m² en zodoende de huuropbrengsten/m². Het lopende BAR vormt het risicoprofiel van een belegging in een kantoorgebouw. Daarmee is het van invloed op de marktwaarde (voor aan- of verkoop door een belegger) van een kantoorgebouw.

52

Alle performance variabelen worden op directe of indirecte wijze beïnvloedt door de match tussen vraag en aanbod. Anders gezegd zijn deze variabelen afhankelijk van de kwaliteit van een kantoorgebouw. Om dit aan de hand van de praktijk te toetsen is met behulp van de in het onderzoek samengestelde dataverzameling een multipele lineaire regressieanalyse verricht. Aan de hand van uitkomsten van de multipele lineaire regressie is te concluderen welke onafhankelijke variabele, ofwel kwaliteitskenmerken, de afhankelijke variabele(n), ofwel de economische performance, verklaren. Voor de multipele lineaire regressieanalyse is de volgende werkwijze gehanteerd. Allereerst zijn de gebouw-, perceel- en locatiekenmerken gescheiden van elkaar, ter verklaring van de economische performance, in drie regressieanalyses ingevoerd. Als vierde en laatste multipele regressieanalyse zijn alle kenmerken ingevoerd. De uitkomst ven de regressieanalyses wordt getoond aan de hand van regressiemodellen. Elk regressiemodel bestaat uit één of meerdere variabelen. De combinatie van deze variabelen laat een verklaring voor de afhankelijke performance variabele zien uitgedrukt in percentages. Hoe hoger deze verklaring hoe hoger de verklaring. Alle in dit document getoonde modellen beschikken over een significantie niveau van maximaal 0,1. Dat wil zeggen dat de uitkomst die de modellen weergeven met een zekerheid van 90% aangenomen mogen worden. Als derde en laatste resultaat laten de regressiemodellen de Bèta (B), ofwel de regressiecoëfficiënt zien. Deze geeft aan in welke mate een verandering in de significante kwaliteitsvariabele een verandering oplevert van de afhankelijke variabele ten opzichte van de constante. Bij de ‘netto opbrengsten/m²’ en ‘bruto open markthuurwaarde/m²’ wordt dit uitgedrukt in euro’s, ofwel een toe- of afname van de huuropbrengsten/m², en bij het ‘lopende BAR’ in percentages, ofwel stijging of daling van het bruto exploitatierendement. Voor het uitvoeren van de regressieanalyse is gebruik gemaakt van het programma SPSS. Daarbij zijn drie regressie methoden gehanteerd:

De ‘enter’ methode De standaard methode waarbij alle variabelen samen in één regressiemodel geplaatst worden. De ‘stepwise’ methode Deze methode verwijdert een variabele uit de analyse, onderzoekt of als gevolg daarvan een andere variabele in het model kan worden opgenomen en herhaald dat proces zonder de correlatiecoëfficiënten te sterk aan te tasten. (van Dalen, 2000) De ‘backward’ methode Alle variabelen worden ingevoerd in het model waarna variabelen uit het model verwijderd worden tot de verlaging van de correlatiecoëfficiënt (R²) te groot wordt.

53

7

Onderzoeksresultaten Allereerst is na het uitvoeren van de regressieanalyse gebleken dat via verschillende regressiemethoden geen verklarend en significant verband is aan te tonen tussen de kwaliteitskenmerken van de kantoorgebouwen en het leegstandspercentage. In dit hoofdstuk worden verder de verschillende regressiemodellen getoond per performance variabele. Aansluitend daarop worden de uitkomsten van de regressiemodellen toegelicht. In totaal hebben 19 regressiemodellen kunnen zorgen voor een significante verklaring van de afhankelijke variabelen, ofwel de economische performance. Per afhankelijke variabele zal een verklaring gegeven worden. Er wordt begonnen met de verklaring van de variabele netto opbrengsten/m². Multipele lineaire regressieanalyse Afhankelijke variabele - Netto opbrengsten/m² b.v.o. Rubriek Reg. methode Gebouwkwaliteit enter stepwise

backward

Kwaliteitskenmerk R² sign. Geen significante uitkomsten gevonden model 21,80% 0,006 (constant) - 0,000 Entree goed zichtbaar vanaf de weg - 0,016 Entreehal groter dan 50 m² - 0,016 model 36,90% 0,011 (constant) - 0,021 Metrageklasse - 0,211 Single of Multitenant - 0,196 Kwaliteitsafwerking - 0,153 Entree goed zichtbaar vanaf de weg - 0,057 Entreehal groter dan 50 m² - 0,019 Balie voor portier of receptioniste - 0,064 Bouwkundige flexibiliteit - 0,084

B 66,236 45,170 45,430 74,710 -10,990 -28,670 -25,096 37,116 53,339 39,901 28,611

Rubriek Perceelkwaliteit

Reg. methode enter stepwise backward

Kwaliteitskenmerk R² sign. B Geen significante uitkomsten gevonden Geen significante uitkomsten gevonden model 11,60% 0,075 (constant) - 0,000 107,004 Geen parkeervoorziening - 0,024 -200,217 Parkeernorm - 0,105 0,102

Rubriek Locatiekwaliteit


Kwaliteitskenmerk R² sign. B Geen significante uitkomsten gevonden Geen significante uitkomsten gevonden model 19,00% 0,033 (constant) - 0,005 76,170 Aantal richtingsveranderingen - 0,232 9,863 Woonwijk - 0,029 143,557 Binnenstad/centrum - 0,055 54,400

Rubriek Alle aspecten


Kwaliteitskenmerk R² sign. B Geen significante uitkomsten gevonden Geen significante uitkomsten gevonden model 53,80% 0,000 (constant) - 0,601 16,298 Kwaliteitsafwerking - 0,155 -21,201 Entree goed zichtbaar vanaf de weg - 0,000 64,304 Entreehal groter dan 50 m² - 0,001 71,304 Woonwijk - 0,000 205,862 Aantal richtingsveranderingen - 0,084 12,495 Aantal parkeerplaatsen - 0,103 -0,155 Parkeernorm - 0,320 -0,041 Bouwkundige flexibiliteit - 0,082 24,983

54

Uit de uitkomsten van de regressieanalyse voor de verklaring netto opbrengsten/m² blijkt dat met name de gebouwaspecten een hoge (en significante) mate van verklaring van de netto opbrengsten/m² laten zien. Dit voldoet aan de verwachting omdat de netto opbrengsten/m², als speler op de ruimtemarkt, voortkomen uit de gemaakte afspraken in de huurovereenkomst (willingness to pay vs. vraaghuurprijs) en dus de ‘taal’ van de gebruikers van de Amsterdamse kantorenmarkt spreekt. Gebruikers geven dus indirect aan dat ze gebouwkenmerken belangrijk vinden. Als we dieper op de resultaten van de regressie ingaan, valt het volgende over de verklarende en significante kwaliteitskenmerken te concluderen. Het regressiemodel tussen de netto opbrengsten/m² en de gebouwkenmerken leverden 2 significante regressiemodellen op met verklaringen van 21,8% en 36,9%. Binnen deze modellen zijn het voornamelijk de variabelen die de representativiteit van de entree vertegenwoordigen die de hoogste mate van verklaring laten zien gevolgd door de bouwkundige flexibiliteit. Bij de perceelkenmerken was één model voor 11,6% verklarend. Alleen de variabele ‘geen parkeervoorziening’ geeft daar een significante verklaring. Bij het regressiemodel met de locatiekenmerken, met een verklaring van 19%, zijn de ligging in de ‘woonwijk’ en de ‘binnenstad/centrum’ significant verklarend. Bij het laatste regressiemodel zijn alle kwaliteitskenmerken ingevoerd. Hier blijkt dat de gebouwkenmerken in de verklaring niet weggedrukt worden door de locatiekenmerken. van De variabele woonwijk laat een zeer hoge regressiecoëfficiënt zien. De verklaring hiervoor zijn twee dingen. Enerzijds zijn het slechts 2 van de 45 gebouwen die gelegen zijn in een woonwijk. Anderzijds betreft het gebouwen die langdurig verhuurd zijn aan de overheidsinstanties. Ook het niet hebben van een parkeervoorziening heeft, zoals verwacht, negatieve gevolgen voor de netto opbrengsten/m². Er was slechts één gebouw dat geen parkeervoorziening heeft. Omdat de significante variabelen voor het imago van de entree het meeste voorkomt weegt deze variabele het zwaarste mee voor de verklaring van de netto opbrengsten/m² De werkelijke gevolgen voor de netto opbrengsten/m² wordt in de onderstaande tabel getoond. Variabelen Entree goed zichtbaar vanaf de weg Entreehal groter dan 50 m² Balie voor portier of receptioniste Bouwkundige flexibiliteit Geen parkeervoorziening Woonwijk Binnenstad/centrum Aantal richtingsveranderingen

Range € 37,12 € 64,30 € 45,43 € 71,30 € 39,90 € 24,98 € 28,61 -€ 200,22 € 143,56 € 205,86 € 54,40 € 12,50

Als een kantoorgebouw beschikt over een goed zichtbare entree, dan levert dat tussen €37,12 en €64,30 meer op per m². Voor bijna dezelfde bedragen geldt dat voor het beschikken over een entreehal die groter is dan 50 m². Een verbetering van de bouwkundige flexibiliteit levert per stap (slechte, neutraal, goed) een verhoging van de netto opbrengsten/m² van €24,98 tot €28,61. De ligging in een woonwijk of de binnenstad levert respectievelijk een stijging van €143,56 t/m €205,86 en €54,40. Hoe meer richtingveranderingen hoe hoger de netto opbrengsten/m². Per richtingsverandering is dat €12,50.

55

Door het snelwegennetwerk rondom Amsterdam kan gesteld worden dat hoe meer richtingsveranderingen men moet verrichten om bij het gebouw te komen, hoe verder het gebouw van de snelweg is gelegen, maar hoe dichter bij het stadcentrum. Dit is een verklaring van de stijging van de netto opbrengsten/m² als het aantal richtingveranderingen stijgt. De volgende te verklaren variabele is de ‘Bruto open markthuurwaarde/m²’. De werkwijze bij het verklaren is exact hetzelfde geweest als bij de ‘netto opbrengsten/m²’ Multipele lineaire regressieanalyse Afhankelijke variabele - Bruto open markthuurwaarde/m² Rubriek Reg. methode Gebouwkwaliteit enter

stepwise

backward

Kwaliteitskenmerk model (constant) Aantal bouwlagen Metrageklasse Bouwjaar Bouwperiode Single of multitenant Kwaliteitsafwerking Entree goed zichtbaar vanaf de weg Entreehal groter dan 50 m² Meer dan 2 voorzieningen aanwezig balie voor portier of receptioniste Veroudering Bouwkundige flexibiliteit model (constant) Bouwkundige flexibiliteit Leeftijd Entreehal groter dan 50 m² model (constant) Metrageklasse Bouwjaar Single of multitenant Entree goed zichtbaar vanaf de weg Entreehal groter dan 50 m² Balie voor portier of receptioniste Bouwkundige flexibiliteit

R² 44,80% 30,20% 41,60% -

sign. 0,041 0,153 0,371 0,202 0,169 0,707 0,244 0,476 0,495 0,024 0,480 0,185 0,702 0,134 0,002 0,002 0,027 0,009 0,039 0,004 0,004 0,232 0,005 0,096 0,208 0,020 0,183 0,029

B 4615,686 1,836 -7,521 -2,263 -5,559 -17,954 -7,706 9,487 37,738 -15,917 25,820 7,265 21,335 72,789 18,822 2,007 23,744 4388,346 -5,916 -2,152 -20,375 13,809 28,442 16,063 18,919 B



Kwaliteitskenmerk R² sign. Geen significante uitkomsten gevonden Geen significante uitkomsten gevonden Geen significante uitkomsten gevonden


Reg. methode enter

Kwaliteitskenmerk model (constant) Nabijheid autosnelweg Aantal richtingveranderingen Nabijheid NS-station Woonwijk Perifere omgeving Kantoordistrict Binnenstad/centrum model (constant) Binnenstad/centrum Woonwijk Kantoordistrict model (constant) Nabijheid autosnelweg Woonwijk Kantoordistrict Binnenstad/centrum

stepwise

backward

56

R² 46,70% 42,20% 45,10% -

sign. 0,001 0,000 0,179 0,692 0,493 0,000 0,445 0,105 0,000 0,000 0,000 0,000 0,000 0,039 0,000 0,000 0,154 0,000 0,105 0,000

B 129,072 -6,300 1,931 1,962 134,857 17,340 25,592 90,938 129,339 75,669 125,097 24,309 142,846 -4,876 123,293 19,479 82,447


Reg. methode enter

stepwise

backward

Kwaliteitskenmerk model (constant) Aantal bouwlagen Metrageklasse Bouwjaar Bouwperiode Single of multitenant Kwaliteitsafwerking Entree goed zichtbaar vanaf de weg Entreehal griter dan 50 m² Meer dan 2 voorzienigen aanwezig Balie voor portier of receptioniste Veroudering Woonwijk Perifere omgeving Kantoordistrict Binnenstad/centrum Nabijheid autosnelweg Aantal richtingsveranderingen Nabijheid NS-station Parkeren op maaiveld Aantal parkeerplaatsen Parkeernorm Bouwkundige flexibiliteit model (constant) Binnenstad/centrum Woonwijk Bouwkundige flexibiliteit Parkeernorm Kantoordistrict model (constant) Bouwperiode Kwaliteitsafwerking Entree goed zichtbaar vanaf de weg Entreehal griter dan 50 m² Veroudering Woonwijk Perifere omgeving Kantoordistrict Binnenstad/centrum Parkeernorm

R² 82,50% 59,60% 80,70% -

sign. 0,000 0,483 0,655 0,742 0,505 0,858 0,514 0,374 0,265 0,007 0,504 0,560 0,098 0,000 0,672 0,057 0,009 0,659 0,784 0,672 0,646 0,928 0,205 0,594 0,000 0,000 0,000 0,000 0,010 0,016 0,036 0,000 0,000 0,009 0,042 0,002 0,000 0,000 0,000 0,335 0,006 0,000 0,005

B 1981,287 0,644 -1,994 -0,957 -7,415 -8,809 -9,008 14,627 39,040 -17,241 11,646 30,426 166,900 -9,345 28,069 77,403 -2,076 -1,481 1,102 5,661 0,007 -0,039 6,030 102,505 88,757 139,052 17,506 -0,062 21,347 104,514 -11,768 -11,389 22,342 36,239 28,803 160,222 -13,144 29,825 83,375 -0,056

Bij de verklaring van de bruto open markthuurwaarde/m² is ook aan de verwachting voldaan. Omdat de bruto open markthuurwaarde door een taxateur in kaart wordt gebracht wordt duidelijk dat taxateurs, ten opzichte van de gebruikers, aan andere kwaliteitskenmerken aandacht geven. Hoewel op gebouwkenmerk niveau ook hier de representativiteit van de entree een rol speelt in de verklaring van de bruto open markthuurwaarde/m², wordt deze bijgestaan door het bouwjaar, de bouwkundige flexibiliteit en het single of multitenant karakter. Voor de perceelaspecten is geen significant model uit de regressie ontstaan. Bij de locatieaspecten is het voornamelijk de typering van het terrein dat de boventoon voert. De in deze alinea genoemde kenmerken vormen dus de basis voor de verklaring van de bruto open markthuurwaarde/m² en dus de vraaghuurprijs/m² van een kantoorgebouw. Bij nadere inspectie valt het volgende uit de regressie-uitkomsten te concluderen. De regressie met behulp van de gebouwkenmerken leverde drie modellen op met verklaringen van 44,8%, 30,2% en 41,6%. De grootte van de entreehal komt als meeste voor en weegt dus als zwaarste mee voor de verklaring van de bruto open markthuurwaarde/m² gevolgd door de bouwkundige flexibiliteit en het single en multitenant karakter. Ook de leeftijd van het

57

gebouw laat een significante verklaring zien, maar de grootte van regressiecoëfficiënt laat zien dat die invloed laag is. Van de perceelkenmerken zijn geen significante modellen gevonden en bestaat er dus geen verklaring van deze kenmerken voor de bruto open markthuurwaarde/m². De locatiekenmerken laten wel drie significante regressiemodellen zien met verklaringen van 46,7%, 42,2% en 45,1%. De verklaring binnen deze modellen is te vinden in de typering van het terrein (woonwijk, binnenstad/centrum etc.). als laatste regressieanalyse zijn alles kwaliteitskenmerken samengevoegd. Dit heeft gelid tot wederom drie significante regressiemodellen met hoge verklaringen 82,5%, 59,6% en 80,7%. Deze verklaring wordt gevonden in de kwaliteitskenmerken ‘entreehal groter dan 50 m²’,’entreehal goed zichtbaar vanaf de weg’, ‘veroudering’, ‘bouwperiode’, ‘kwaliteitsafwerking’, ‘typering terrein’, ‘parkeernorm’. De kwaliteitskenmerken het meeste voorkomen in de verschillende regressiemodellen mogen worden gezien als de invloedrijkste kenmerken voor de verklaring van de bruto open markthuurwaarde/m². dat wil zeggen dat de bruto open markthuurwaarde/m² voornamelijk wordt verklaard door de typering van het terrein (6x), entreehal groter dan 50m² (imago entree/gebouw) (5x), de bouwkundige flexibiliteit (3x) en de leeftijd/bouwperiode/bouwjaar (3x). Vertaald naar werkelijke gevolgen houdt de verklaring door de kwaliteitsvariabelen van de bruto open markthuurwaarde/m² het volgende in: Variabelen Entreehal groter dan 50 m² Entree goed zichtbaar vanaf de weg Bouwkundige flexibiliteit Veroudering Kwaliteitsafwerking Bouwperiode Leeftijd Bouwjaar Single of multitenant Parkeernorm Woonwijk Binnenstad/centrum Kantoordistrict

Range € 23,74 € 39,04 € 22,34 € 17,51 € 21,34 € 28,80 € 30,43 -€ 11,39 -€ 11,77 -€ 2,01 -€ 2,15 -€ 20,38 -€ 0,06 -€ 0,05 € 123,29 € 166,90 € 75,67 € 90,94 € 21,35 € 29,83

Als een kantoorgebouw beschikt over een entreehal groter dan 50 m² dan levert dat een hogere bruto open markthuurwaarde/m² tussen €23,74 en €39,04 op. Voor goede zichtbaarheid van de entree komt dat neer op €22,34. Naar mate de bouwkundige flexibiliteit toeneemt, stijgt ook de bruto open markthuurwaarde/m² met €17,51 tot €21,34 per niveau (slecht, neutraal, goed). Ditzelfde geldt voor de mate van veroudering maar voor de bedragen van €28,80 tot €30,43. Opvallend is dat naar mate de kwaliteitsafwerking verbetert de bruto open markthuurwaarde/m² daalt. Dit zou verklaard kunnen worden door een lage vraag vanuit de markt waadoor de taxateur het kantoorgebouw lager waardeert. De kenmerken bouwperiode, leeftijd en bouwjaar laten alle drie een negatieve invloed zien op de bruto open markthuurwaarde/m² naarmate een gebouw ouder is. Een gebouw met één huurder wordt duurder getaxeerd dan een gebouw met eerdere huurders, namelijk €20,38/m² lager. Dit komt

58

omdat de kans op een hogere bezettingsgraad in het geval van één huurder hoger is dan bij meerdere huurders. De parkeernorm laat weliswaar een significante invloed zien maar in relatie tot de overige bedragen van verklarende kenmerken valt de invloed van 5 tot 6 eurocent in negatieve zin te verwaarlozen. De ligging is wel weer een invloedrijke factor. Ten opzicht van de ligging op een industrieterrein (in de regressieanalyse het minst gewaardeerde type terrein) laat de ligging in de woonwijk een verandering van de bruto open markthuurwaarde/m² zien van €123,29 tot € 166,90. Een binnenstad/centrum locatie laat een verandering zien van €75,67 tot €90,94 en een kantoorgebouw in een kantoordistrict laat een stijging van de bruto open markthuurwaarde/m² zien van €21,35 tot €29,83. De laatste te verklaren variabele is de ‘Lopende BAR’. Ook bij deze afhankelijke variabele is de werkwijze voor de uitvoering van de regressieanalyse identiek aan die van de ‘netto opbrengsten/m²’ en de ‘bruto open markthuurwaarde/m²’. Multipele lineaire regressieanalyse Afhankelijke variabele - Lopende BAR Rubriek Reg. methode Gebouwkwaliteit enter stepwise backward


B




B


Reg. methode enter

Kwaliteitskenmerk model (constant) Nabijheid autosnelweg Aantal richtingsveranderingen Nabijheid NS-station Woonwijk Perifere omgeving Kantoordistrict Binnenstad/centrum model (constant) Nabijheid autosnelweg model (constant) Nabijheid autosnelweg Aantal richtingsveranderingen Nabijheid NS-station Kantoordistrict Binnenstad/centrum

stepwise

backward


Reg. methode enter stepwise

backward

sign. 0,019 0,000 0,003 0,093 0,050 0,336 0,866 0,170 0,182 0,004 0,000 0,004 0,007 0,000 0,001 0,077 0,057 0,148 0,147

B 0,061 0,010 0,006 -0,004 -0,023 -0,003 -0,014 -0,021 0,064 0,006 0,057 0,010 0,006 -0,004 -0,011 -0,018

Kwaliteitskenmerk R² sign. Geen significante uitkomsten gevonden model 17,40% 0,004 (constant) - 0,000 Nabijheid autosnelweg - 0,004 model 49,00% 0,009 (constant) - 0,304 Metrageklasse - 0,168 Bouwjaar - 0,253 Entreehal groter dan 50 m² - 0,090 Veroudering - 0,019 Woonwijk - 0,030 Perifere omgeving - 0,263 Kantoordistrict - 0,065 Nabijheid autosnelweg - 0,015 Aantal richtingsveranderingen - 0,036 Nabijheid NS-station - 0,050

B

59

R² 34,60% 17,40% 32,90% -

0,064 0,006 -0,937 -0,004 0,001 -0,016 -0,019 -0,060 0,014 -0,016 0,006 0,007 -0,004

De lopende BAR is van invloed op de marktwaarde van een kantoorgebouw. Hoe lager de BAR is hoe lager een belegger het risico van de investering acht en hoe interessanter een object is om toe te voegen aan de portefeuille. Met andere woorden betekent dit dat een lagere lopende BAR zal zorgen voor een stijgende marktwaarde en dus een waardegroei van de investering in een kantoorgebouw, dus een stijgend indirect rendement. De uitkomsten van de regressieanalyse voldoen ook deze keer aan de gestelde verwachtingen. De lopende BAR wordt grotendeels verklaard door de locatiekenmerken. Een uitzondering daarop vormen de mate van veroudering en het imago van de entree die wordt vertegenwoordigd door de variabele ‘entreehal groter dan 50m²’. Beide kenmerken laten een significante verklaring van de lopende BAR zien en worden daarbij niet verdrongen door de locatieaspecten. Voor de verklaring van het ‘lopende BAR’ zijn vijf significante regressiemodellen gevonden. Directe regressieanalyse vanuit de gebouwen perceelkenmerken leverden geen significante regressiemodellen op. Vanuit de regressie van locatiekenmerken zijn drie significante regressiemodellen naar voren gekomen. Zij leverden een verklaring op van 34,6%, 17,4% en 32,9%. De verklaring van de locatiekenmerken werd vooral veroorzaakt door de kenmerken ‘nabijheid autosnelweg’, ‘nabijheid NS-station’ en ‘aantal richtingsveranderingen’. De regressieanalyse waarbij alle kwaliteitskenmerken zijn ingevoerd leverden een verklaring op van 17,4% en 49%. Naast de genoemde locatiekenmerken wordt deze verklaring uitgebreid met de ‘typering van het terrein‘ en de gebouwkenmerken ‘entreehal groter dan 50 m²’ en de ‘veroudering’. Met betrekking tot de gevolgen van de lopende BAR uiten de veranderingen in de kwaliteitskenmerken zich als volgt. Variabelen Entreehal groter dan 50 m² Veroudering Nabijheid autosnelweg Aantal richtingsveranderingen Nabijheid NS-station Woonwijk Kantoordistrict

Range -1,60% -1,90% 0,62% 0,97% 0,56% 0,66% -0,40% -6,00% -2,30% -1,60% -1,10%

Als een kantoorgebouw beschikt over een entreehal groter dan 50 m² dan levert dat een 1,6% lagere BAR op. Hoe beperkter de mate van veroudering is, hoe lager de lopende BAR. Per verouderingsklasse (ernstig-licht/matig-geen) daalt de lopende BAR met 1,9%. Elke kilometer verder van de snelweg levert en stijging van het lopende BAR op van 0,62% tot 0,97%. Ook een stijging van het aantal richtingsveranderingen doet de lopende BAR stijging. Dit is te verklaren doordat de ligging dicht bij de snelweg de laagste lopende BAR laat zien. Opvallend is dat hoe verder een gebouw is gelegen vanaf het NS-station, hoe lager de lopende BAR. Dit duidt op het feit dat de autobereikbaarheid belangrijker wordt gevonden dan bereikbaarheid met het openbaar vervoer. Tenslotte zorgen de ligging in een woonwijk en een kantoordistrict voor een daling van de lopende BAR ten opzichte van een industrieterrein respectievelijk daalt de lopende BAR met 2,3% tot 6% en 1,1% tot 1,6%.

60

Op basis van de uitkomsten van de regressieanalyse en het aantal keren dat de kwaliteitsvariabelen significant voorkomen in regressiemodellen kan de volgende rangorde van invloed aan de verschillende afhankelijke variabelen worden toegekend. Op basis van de invloed van de kwaliteitsvariabelen per afhankelijke variabele is rangrode opgesteld van de meest verklarende kwaliteitskenmerken voor de economische performance van een kantoorgebouw. Netto opbrengsten/m²


Lopende BAR

1 Imago entree

1 Typering terrein


2 Typering terrein

2 Imago entree








Economische performance 1 Typering terrein 2 Imago entree 3 Bouwkundige flexibiliteit 4 Nabijheid autosnelweg 5 Aantal richtingveranderingen

61

8

Conclusies en aanbevelingen Veel kantoorgebouwen lijken niet meer te kunnen voldoen aan de vraag van gebruiker van kantoorhuisvesting op de Nederlandse kantorenmarkt. Dit heeft geresulteerd in recordleegstand van 12,5%. De leegstand is daarbij het hoogste in de vier grootste steden van Nederland met Amsterdam op kop. De leegstand leidt tot het mislopen van huurinkomsten. Met andere woorden betekent dat, dat de economische performance van veel kantoorgebouwen afneemt. Beleggers zien daardoor hun beleggingsrendementen op investeringen in kantoorgebouwen in de vastgoedportefeuille dalen. Dit probleemveld heeft geleid tot de volgende probleemstelling: Een aanzienlijk deel van de Amsterdamse kantorenmarkt staat leeg, omdat dat deel over een kwaliteitsniveau beschikt dat niet kan voldoen aan de steeds veranderende vraag naar kantoorhuisvesting. Dit veroorzaakt een daling van de beleggingsrendementen op investeringen in kantoorgebouwen door institutionele beleggers, ofwel een daling van de economische performance van de vastgoedportefeuille. Aan de hand van het probleemveld rondom de leegstand op de kantorenmarkt en de daaruit opgestelde probleemstelling werd aan het begin van het onderzoek de volgende vraag gesteld: In welke mate beïnvloeden de locatie-, perceel- en gebouwaspecten van een kantoorgebouw de economische performance van een kantoorgebouw? Om deze vraag te kunnen beantwoorden is op de Amsterdamse kantorenmarkt van 48 kantoorgebouwen een aanbodprofiel opgesteld, ofwel de kwaliteit van de kantoorgebouwen in kaart gebracht. Daarnaast is van al deze gebouwen de economische performance achterhaald bij de ROZ-IPD Vastgoedindex. Middels een multipele lineaire regressieanalyse van de kwaliteit en de economische performance is mate van verklaring van de economische performance door de kwaliteit van kantoorgebouwen verklaard. Voor dat de hoofdvraag beantwoord kon worden is deze opgesplitst in drie deelvragen. De eerste vraag was: “Wat wordt er onder de kwaliteit van kantoorgebouwen verstaan en hoe wordt dat gemeten?”. Om deze vraag te kunnen beantwoorden zijn verschillende onderzoeken gericht op het kwaliteitsvraagstuk geanalyseerd. Daar is gebleken dat de kwaliteit van kantoorgebouwen gedefinieerd kan worden als de mate waarin een kantoorgebouw in staat is aan de huisvestingsvraag van een gebruiker te kunnen voldoen. Prins (2003) versterkt dit met de uitspraak: “Quality is in the eye of te beholder”. Met andere woorden bepaalt de waargenomen kwaliteit, welke wordt waargenomen door de gebruiker, de kwaliteit van een kantoorgebouw. Omdat de kwaliteit van een kantoorgebouw voor een gebruiker belangrijk is, is de kwaliteit iets waar een gebruiker zich aan moet kunnen matchen. Daarom wordt de kwaliteit in hoofdlijnen uitgedrukt in het imago, de huisvestingskosten, de kwaliteitsafwerking en de bouwkundige en technische flexibiliteit. Een combinatie van deze factoren laat zien dat kwaliteit valt in te delen over drie schijven. Kwaliteit van de locatie, van het perceel en van het gebouw. Figuur 8.1 laat deze indeling met bijbehorende aspecten zien.

62

Kwaliteit van kantoren Locatie

Perceel

Gebouw

Imago omgeving Voorzieningenniveau Bereikbaatheid



Omdat de huisvestingsvraag van de gebruiker op de kantorenmarkt zo divers kan zijn is het van belang de kwaliteit meetbaar te maken zodat het matchen van vraag en aanbod mogelijk is. Om kwaliteit te kunnen meten zijn verschillende meetmethoden voor kwaliteit van gebouwen gecreëerd. Vijverberg (1997) heeft in zijn onderzoek verschillende meetmethoden voor de kwaliteit met elkaar vergeleken. Daarbij kwam hij tot de conclusie dat het belangrijk is goed in te zien voor welk doel de meetmethode dient. Afhankelijk van dat doel dient een keuze gemaakt te worden voor een meetmethode voor het verkrijgen van een optimaal en gewenst meetresultaat. In relatie tot het onderzoek is het doel een aanbodprofiel van de geselecteerde kantoorgebouwen op te stellen. Daarom zijn een aantal invalshoeken geselecteerd die gematcht zijn met de kenmerken van de door Vijverberg (1997) onderzochte meetmethoden voor kwaliteit. Dit heeft geleid tot de keuze voor de REN. Figuur 8.2 laat deze selectie op basis van de invalshoeken zien

Figuur 8.2: Selectiecriteria en kwaliteitsmeetmethoden, (gebaseerd op Vijverberg, 1997)

63

Op basis van de REN is vervolgens een checklist opgesteld waarmee voor alle 48 kantoorgebouwen op de Amsterdamse kantorenmarkt een aanbodprofiel is gecreëerd. Dit aanbodprofiel bevat de onderstaande kwaliteitsaspecten: Aspecten checklist Locatie Typering terrein Nabijheid autosnelweg Nabijheid NS-station Aantal richtingsveranderingen Imago omgeving

Perceel Aantal parkeerplaatsen Parkeernorm Soort parkeervoorziening

Gebouw Aantal bouwlagen Metrages Verhouding bvo/vvo Leeftijd Grootte verdiepingsvloer Aantal huurders Type gevel Hoofdentree gebouw Bouwkundige flexibiliteit Kantoorconcepten

Omdat de match van huisvestingsvraag en –aanbod centraal staat op de kantorenmarkt. Kan geconcludeerd worden dat hoe beter de kwaliteit van een kantoorgebouw is, hoe beter de ‘fitness for use', ofwel de match tussen vraag en aanbod zal zijn. De ‘fitness for use’ is dus medebepalend voor de mate van kwaliteit van een kantoorgebouw. De tweede vraag luidde: “Wat wordt er onder de economische performance van kantoorgebouwen verstaan en hoe wordt deze gemeten?”. De economische performance van een kantoorgebouw kan gedefinieerd worden als de prestatie die een investering in een kantoorgebouw door een belegger levert en wordt uitgedrukt als het beleggingsrendement. Het beleggingsrendement wordt gemeten aan de hand van het Total Rate of Return. Dit is de som van het directe en directe rendement, ofwel de som van de huuropbrengsten en de waardegroei van een kantoorgebouw. De economische performance wordt in Nederland berekend door de ROZ-IPD Vastgoedindex. Aan de hand van die gegevens zijn voor dit onderzoek de volgende parameters gehanteerd voor het meten van de economische performance:

Netto opbrengsten/m² Bruto open markthuurwaarde Lopende BAR

De economische performance wordt beïnvloedt het percentage verhuurde m²’s. Dat wil zeggen dat hoe duurder en hoe langer een gebouw verhuurd is des te hoger de economische performance is. Een goede match van de huisvestingsvraag van de gebruiker met het aanbod van een kantoorgebouw leidt tot een hogere ‘willingness to pay’. Daarnaast zal een huurder zich langer in het kantoor huisvesten als de huisvesting voldoet aan de eisen en wensen. Hieruit kan geconcludeerd worden dat uit het voorgaande gecombineerd met de conclusie van de kwaliteit van kantoorgebouwen op theoretisch basis de relatie tussen de kwaliteit en economische performance kan worden gelegd. Op basis van de getrokken conclusie uit de kwaliteit en de economische performance is op theoretisch basis het verband tussen de kwaliteit en de economische performance in een conceptueel model (figuur 8.3) weergegeven. 64

Locatie Perceel

Risicoprofiel ter bepaling van B.E.R.

Gebouw

Fitness for use

Figuur 8.3: conceptueel model van de relatie tussen de kwaliteit en economische performance

65

De derde en laatste deelvraag luidde: ”Is er een verband tussen de kwaliteit en de economische performance van kantoorgebouwen? En zo ja, welk verband is dat?”. Om deze vraag te beantwoorden zijn van alle kantoorgebouwen de waarnemingen en ROZ-IPD gegevens verzameld in een dataverzameling. De gegevens in deze dataverzameling zijn gecodeerd tot variabelen zodat toepassing in een lineaire regressie analyse mogelijk werd. Deze regressieanalyse heeft het verband tussen de kwaliteit en de economische performance op basis van de waarnemingsuitkomsten bloot gelegd. Naar aanleiding van de onderzoeksresultaten kan geconcludeerd worden dat het niet waar is dat alleen de locatieaspecten van de van kantoorgebouwen de economische performance weten te verklaren. Voorafgaand aan de regressieanalyse zijn op basis van vroegere onderzoeken naar de huisvestingseisen van gebruikers de volgende hypothesen opgesteld: 1. “De kwaliteit van een kantoorgebouw is hoger als het kantoorgebouw aan meer eisen van de gebruiker voldoet waardoor de leegstand lager is” Op theoretisch basis is deze hypothese onderbouwd. Op basis van de gegevens uit de dataverzameling is het echter niet mogelijk gebleken een conclusie te trekken. De regressieanalyse gaf op geen enkele manier een verklaring van de kwaliteitsvariabelen voor het leegstandspercentage in de kantoorgebouwen. 2. “De kwaliteit van de locatie- en perceelkenmerken geven een hogere mate van verklaring van de economische performance dan de gebouwkenmerken.” Gedeeltelijk juist. Uit de regressieanalyse in dit onderzoek is gebleken dat wel locatiekenmerken, maar niet de perceelkenmerken zorgen voor een hogere mate van verklaring van de economische performance dan gebouwkenmerken. Integendeel, gebouwkenmerken geven een hogere mate van verklaring dan de perceelkenmerken en zelfs in een hogere mate van verklaring dan vele locatieaspecten. 3. “Van de locatie- en perceelkenmerken geven de variabelen parkeren, bereikbaarheid en ligging de hoogste verklaring van de economische performance.” Niet juist. Bereikbaarheid en ligging komen wel voor in de top 5 meest verklarende kwaliteitskenmerken ter verklaring van de economische performance, maar geven niet de hoogste verklaring. Dat is de typering van het terrein. Parkeergelegenheid komt niet voor in de verklarende factoren. 4. “Van de gebouwkenmerken geven de variabelen imago entree en bouwkundige flexibiliteit de hoogste verklaring van de economische performance.” Deze hypothese is juist. Deze twee gebouwkenmerken laten inderdaad de hoogste mate van verklaring zien. Als laatste rest nog het beantwoorden van de vraagstelling van het onderzoek: In welke mate beïnvloeden de locatie-, perceel- en gebouwkenmerken van een kantoorgebouw de economische performance van een kantoorgebouw?

66

Het is gebleken dat niet tot nauwelijks een kwantitatief oordeel gegeven kan worden over de exacte invloed van de locatie-, perceel- en gebouwkenmerken op de economische performance van een kantoorgebouw. Op verschillende wijze is wel een mate van verklaring aangetoond maar dit bleek enerzijds een combinatie van kenmerken en anderzijds slechts gedeeltelijk verklaarbaar voor de economische performance. Aan de hand van de onderzoeksresultaten kan wel een rangorde worden geconcludeerd aan de meest verklarende kenmerken. Daaruit is naar voren gekomen dat locatieaspecten weliswaar belangrijk zijn voor de invloed op de economische performance, maar in vergelijking met onderzoeken uit het verleden tegenwoordig worden ‘bijgestaan’ door gebouwkenmerken. Dit vertaald zich in de uitkomsten zoals zichtbaar in de onderstaande tabellen: Netto opbrengsten/m²


Lopende BAR

1 Imago entree

1 Typering terrein


2 Typering terrein

2 Imago entree








Economische performance 1 Typering terrein 2 Imago entree 3 Bouwkundige flexibiliteit 4 Nabijheid autosnelweg 5 Aantal richtingveranderingen

De drie afhankelijke variabelen werken op twee verschillende markten, de ruimte- en beleggingsmarkt (figuur 8.3). De resultaten van de regressieanalyse bevestigen dit verschil. Zoals gezegd oefent de gebruiker veel invloed uit op de opbrengsten uit de verhuur van een gebouw via de afspraken in het huurcontract. Voor een gebruiker zijn de gebouwaspecten belangrijk in huisvestingseisen volgens onderzoeken die zijn beschreven in hoofdstuk 3. De regressieanalyse laat zien dat veel gebouwaspecten een significante mate van verklaring van de afhankelijke variabelen ‘netto opbrengsten/m² en ‘bruto open markthuurwaarde/m²’ laten zien. Die mate van verklaring is veel minder voor de lopende BAR. Bij die variabele zijn het juist de locatieaspecten die de boventoon voeren. Dit is goed te verklaren omdat een belegger in kantoorgebouwen de locatieaspecten verkiest boven de gebouwaspecten. Hoewel ze de huuropbrengsten zeker als een belangrijke factor zien blijkt de marktwaarde van een kantoorgebouw belangrijker. De grootste verandering ten opzichte van het verleden is dat, zoals verwacht, de huisvestingseisen van de gebruiker een steeds belangrijkere rol gaan spelen. De match tussen vraag en aanbod, waar de vraag steeds dynamischer wordt dient door het aanbod goed gevolgd te worden. Met andere woorden zullen beleggers in de toekomst, in samenwerking met overheid en ontwikkelaars, een oplossing moeten vinden om beter op de (vaak onvoldoende bekende) vraag van de gebruiker in te kunnen spelen. Beleggers dienen daarom te investeren in flexibele gebouwen die in staat zijn veranderingen in de huisvestingsvraag van de markt zonder al te veel (vaak voor de gebruiker) kostbare ingrepen op te kunnen vangen. Gebouwen zijn flexibele als verschillende unit grootte gehuurd

67

kunnen worden binnen één gebouw. Op die manier wordt de doelgroep voor de verhuur vergroot. Dit kan bereikt worden door van verschillende beleggers de portefeuilles per kantorenmarkt te analyseren op goed verhuurde kantoorgebouwen. Voornamelijk kantoorgebouwen die in staat zijn geweest om gedurende 20 jaar een hoge bezettingsgraad te genereren komen daarvoor in aanmerking. Door vergelijking van het aanbodprofiel van deze kantoorgebouwen kunnen ‘kansloze’ kantoorgebouwen uit de portefeuille worden gehaald en aankoop van dergelijke objecten in de toekomst vermeden worden.

68

Literatuurlijst ▪ Arkesteijn e.a. (2003); Inleiding vastgoedmanagement, Delft ▪ ASRE (2007); www.vastgoedmonitor.nl, Amsterdam ▪ Atelier V. (2004) Nationaal onderzoek bedrijfsstijlen kantoren, Amersfoort ▪ Baum (1993); Quality, depreciation, and property performance. Reading, UK ▪ Boom e.a. (2005); Beleggen in vastgoed, alles over vastgoedfondsen, Laren ▪ CBRE (2005); Kantoren in cijfers 2005, Amsterdam ▪ Van Dale (2007); van Dale hedendaags Nederlands, Utrecht ▪ DTZ Zadelhoff (2005); Cijfers in perspectief 2005, Utrecht ▪ DTZ Zadelhoff (2006); Cijfers in perspectief 2006, Utrecht ▪ Duffy (1986); Quality and property performance, Reading ▪ Financieel Dagblad (2005); Ontwikkelaars bouwen voor de leegstand, Amsterdam ▪ Gerritse (2005); Kosten-kwaliteitsturing In de vroege fasen van het huisvestingsproces, Delft ▪ Goetgeluk (2005); Syllabus statistiek, Delft ▪ Van Gool e.a. (2001); Onroerend goed als belegging, Groningen ▪ Gruis, VH (2003b). Zin en onzin van samenwerking tussen corporaties en beleggers bij de verbetering van naoorlogse wijken. In Nieuwe coalities voor het wonen. Den Haag ▪ Haeley & Baker (1987); The workplace revolution, Newcastle ▪ Den Heijer, De Puy, Van der Schaaf (1999); Het managen van vastgoed binnen een publieke organisatie, Delft ▪ IVBN (2005), Jaarverslag 2005, Voorburg ▪ Keeris (2001); Vastgoedbeheer lexicon. Groningen ▪ Keeris (2005); Twee voor de prijs van één; een alternatieve benadering voor het rendement/risicoprofiel, als gevolg van problemen bij het construeren van een lange termijn benchmark index. Delft ▪ Keeris (2006); De achtergronden van het beleggen in vastgoed. Delft

69

▪ Keeris, W. G., Koppels, P.W. (2006). "Uncertainty about the vacancy rate in the Dutch office market, due to the different vacancy types and stratified structure", Weimar, Duitsland ▪ Koppels, P.W., Soeter, J.P. (2006), "The market value of office features", Weimar, Duitsland ▪ Koppels, P.W., Keeris, W. G. (2006), "Office vacancy types and lease incentives; exploration by means of the rental adjustment equation", Weimar, Duitsland ▪ Korteweg (2002); Veroudering van kantoorgebouwen probleem of uitdaging?, Utrecht ▪ Langens (2002); Het aanvangsrendement, Amsterdam ▪ Louw (1996); Kantoorgebouw en vestigingsplaats, Delft ▪ Le Loux (2000); Investeringsselectie, van onderzoek naar cash flow prognose, SBV, Amsterdam ▪ Nieuwenbroek (2003); Bereikbaarheid van bedrijventerreinen, Tilburg ▪ Overbeeke e.a. (2005); Multi Attribution Analysis, Den Haag ▪ Rust e.a. (1997); Vastgoed financieel, Delft ▪ Sala (2005); Risico en rendement van besloten vastgoedbeleggingen, Groningen ▪ Stichting REN (2003); Real Estate Norm 2003, Nieuwegein ▪ Troostwijk makelaars O.G (2005); Het vastgoedbeleggingsbeleid van de grote Nederlandse institutionele beleggers en vastgoedfondsen 2004, Amsterdam ▪ Troostwijk makelaars O.G. (2000); Nationale kantorenmarkt onderzoek 1999, Amsterdam ▪ Troostwijk makelaars O.G. (2004); Nationale kantorenmarkt onderzoek 2003, Amsterdam ▪ Troostwijk makelaars O.G. (2005); Nationale kantorenmarkt onderzoek,2004, Amsterdam ▪ Verwey (2000); Design and build voor de ontwikkelende belegger, Eindhoven ▪ Vijverberg (1997); Methoden voor kwaliteitsmeting, Delft ▪ Voskamp, Drs. Ing. R.L. (2005). Renderen door te segmenteren, Amsterdam ▪ Xu, Q. (2002). Risk analysis on real estate decision-making, Delft

70

Epiloog Locatie, locatie, locatie……Die uitdrukking is bij beleggers bekend en nog steeds van kracht. Tot mijn verbazing trof ik gedurende de gesprekken met de verschillende beleggers die zijn gevoerd in kader van dit onderzoek aan dat weinig belang wordt gehecht aan de kenmerken van kantoorgebouwen. Alle gesprekspartners waren uitstekend op de hoogte van de van de locatie van de kantoorgebouwen en bijbehorende performance cijfers. Vragen over gebouwkenmerken en de manier hoe daar mee omgegaan wordt bleven onbeantwoord. Geen van de beleggers wist belangrijke eigenschappen van in bezit zijnde gebouwen te benoemen. Dit laat eens te meer zien dat een beleger in vastgoed meer waarde hecht aan de financiële zijde dan aan wat men nu werkelijk bezit. Onder het motto: ‘Elk kantoorgebouw is er één, als het maar goed verhuurd is’. Dit heeft des te meer doen blijken hoe groot het belang is de leegstandsproblematiek. Hoewel beleggers niet aangewezen mogen worden als een schuldige partij van het escalerende leegstandsprobleem, is het toch zeker zorgwekkend dat de mate van verantwoordelijkheid die zij met hun in bezit zijnde kantoorgebouwen dragen vergeten lijkt worden. De uitkomsten van dit onderzoek tonen aan dat de gebruiker een steeds grotere zeggenschap op de kantorenmarkt krijgt. Zeker nu de laatste decennia meer en meer bedrijven hun huisvesting huren in plaats van kopen. Ook al is het moeilijk in te schatten hoe de vraag van de kantorenmarkt zal veranderen, toch is het van belang de gebruiker in de huisvestingswensen tegemoet te komen daar waar mogelijk. Aandacht wordt immers gewaardeerd en zo wordt beter inzicht verkregen in de vraag van de gebruiker. Hoewel de leegstandproblematiek aangepakt zal moeten worden, is dit wel zeer complex. Het probleem is zo veelzijdig dat van allerlei kanten oorzaken gevonden kunnen worden voor het ontstaan van de problematiek. Het is nauwelijks tot niet te hard te maken wat nu de daadwerkelijke oorzaak is van de leegstand Dit onderzoek levert een bijdrage aan het transparanter maken van de wens van de kantoorgebruiker. Toch is het moeilijk gebleken om een algemeen beeld te schetsen. De uitkomsten van dit onderzoek zijn gebaseerd op gegevens uit 2004. Ook al zou over meerdere jaren gegevens verzameld zijn dan komt het probleem boven dat niet alle gebouwen even lang bij de ROZ-IPD in database verwerkt zijn. Een instantie als de ROZ-IPD is een zeer goed initiatief omdat concurrerende partijen op die manier goed met elkaar vergeleken worden en in de toekomst wellicht beter aangestuurd kunnen worden. Omdat beleggen in vastgoed en kantoorgebouwen decennia meegaan is de levensduur van de ROZ-IPD eigenlijk iets te kort om daadwerkelijk algemene uitspraken over de kantorenmarkt te doen. Beleggers kunnen dit wel voor hun eigen portefeuille doen, maar tonen weinig tot geen interesse. De manier waarop ik het onderzoek heb verricht is arbeidsintensief geweest. Het verzamelen van de grote hoeveelheid data nam veel tijd in beslag. Voornamelijk door het lang wachten op het verkrijgen van toestemming van derden en het grote aantal kantoorgebouwen dat in kaart gebracht moest worden. Ook de onderzoeksmethode, in het bijzonder het toepassen van een regressieanalyse, was compleet nieuw voor mij. In een relatief kort tijdsbestek heb ik, met veel ondersteuning van mijn mentorenteam, mezelf deze methode machtig gemaakt. Hoewel 71

ik halverwege het onderzoek de motivatie volledig kwijt was, zou ik wederom hetzelfde onderwerp hebben gekozen. Het blijft verbazingwekkend dat het verzamelen heeft geleid tot daadwerkelijke invloeden van gebouwkenmerken tot op de euro nauwkeurig. Delft, 2 april 2007 Marco Vermeer

72

Bijlagen

73

Bijlage A: Bivariate Correlatieanalyse

74

Kwaliteitgericht Beleggen in Vastgoed

Recommend Documents