Voorwoord In september 2006 begon ik aan de module beleggingsanalyse. Op dat moment nog niet met de insteek de hele MSRE opleiding te volgen. De module was echter zo interessant dat ik met medewerking van mijn toenmalige werkgever (DTZ Zadelhoff) de volgende twee modules investeringsanalyse en waarderen heb afgerond. Ter afronding is deze master thesis geschreven en komt daarmee een einde aan een leuke en leerzame periode. Deze master thesis is tot stand gekomen mede dankzij de waardevolle opmerkingen/ berekeningen van mijn begeleider Nils Kok, waarvoor dank! Met betrekking tot het onderzoek wil ik de eigenaren bedanken die hebben meegewerkt aan het onderzoek met name mijn huidige werkgever Bouwfonds real estate investment management. Zonder het beschikbaar stellen van de data was dit onderzoek niet mogelijk geweest. Mijn dank gaat tevens uit naar mijn familie, met name mijn vader. Hij heeft een belangrijke rol gespeeld als onvermoeibare sparringpartner. Voor de grammatica- en spellingscontrole door mijn schoonvader en de lay-out van mijn zus ben ik ook zeer dankbaar. Deze opleiding had ik niet kunnen afronden zonder de steun en toeverlaat van mijn man Dirk. Hij heeft mij de nodige motivatie en ruimte gegeven om deze opleiding, en met name deze thesis binnen zo’n korte termijn succesvol af te ronden. Nu is de tijd aangebroken om samen een nieuwe uitdaging aan te gaan!
Management samenvatting Een aanzienlijk deel van de CO2 uitstoot komt voor rekening van de gebouwde omgeving. Nationale en internationale overheden zijn zich hiervan bewust en scherpen de regelgeving aan. De vraag naar duurzame huisvesting wordt ook steeds groter gegeven het toenemende belang van Maatschappelijk Verantwoord Ondernemen. De financiële crisis dwingt organisaties te kijken naar kostenbesparingen die door de verwachte stijging van de energieprijzen te behalen zijn in het gebruik van de kantoren. Duurzaam bouwen is echter niet vanzelfsprekend. Investeren in duurzame kantoren is in de regel kostenverhogend voor de belegger terwijl de besparing bij de huurder terecht komt. Dit onderzoek probeert aan te tonen dat er voor private beleggers meerwaarde te vinden is in duurzame Nederlandse kantoorgebouwen. Middels een kwantitatief onderzoek wordt gekeken naar de invloed van duurzaamheid op het rendement. Voor het onderzoek is een datasample samengesteld van 18 duurzame kantoorgebouwen en 63 niet duurzame, zo vergelijkbaar mogelijke kantoorgebouwen. De definitie van een duurzaam kantoorgebouw wordt in deze studie bepaald door een minimale score op één van de toetsinstrumenten: GreenCalc score van minimaal 150 GPR Gebouw score minimaal 6 Energielabel minimaal B EPC minimaal 25% beter dan de tijdens de bouw geldende norm Uit de nationale en internationale literatuurstudie blijkt dat de belangrijkste voordelen van duurzame gebouwen zijn: lagere onderhouds- en operationele kosten, een hogere eindwaarde van het vastgoed, premie op de markthuur, een lager leegstandsrisico, voordelen voor gebruikers in het klimaat en de arbeidsproductiviteit, imagovoordelen en bescherming tegen extra milieumaatregelen. Deze studie legt zich toe op twee van de voordelen: premie op de markthuur en het lagere leegstandsrisico, gezien de hoge mate waarin deze factoren het direct rendement beïnvloeden. De eindwaarde wordt in deze studie niet onderzocht omdat hier nog niet voldoende gegevens over bekend zijn. De literatuur studie geeft als nadeel aan dat de gebruikte data voor de onderzoeken van recente datum is en beperkt is in omvang. Dit is in deze studie helaas ook nog het geval. Vervolgens wordt gezocht naar de gegevens van duurzame kantoorgebouwen via internet, de overheid, mijn bedrijf en studie. Er blijken gegevens beschikbaar te zijn van 18 duurzame panden. Aan de hand van vastgestelde vergelijkingscriteria wordt in de database van Bouwfonds REIM en CBRE gezocht naar niet duurzame panden. Dit blijken 63 kantoorgebouwen te zijn. De samples worden met elkaar vergeleken aan de hand van beschrijvende statistiek. Uit het onderzoek blijkt dat duurzame gebouwen beter verhuurbaar zijn dan niet-duurzame gebouwen. Ze beschikken over meer faciliteiten in de omgeving, de gebouwen uit beide samples zijn goed bereikbaar maar de parkeernorm bij de niet-duurzame sample is beter. De duurzame kantoorgebouwen zijn gemiddeld 6 jaar jonger, substantieel groter, van betere kwaliteit, flexibeler en vaker in gebruik door een huurder. Financieel leveren de groene panden 3,7% meer huur op en netto zelfs 7,8%. De bezettingsgraad van de duurzame panden is licht beter maar de standaarddeviatie is substantieel beter waardoor het risico op leegstand kleiner is voor duurzame panden. Om de exacte invloed van duurzaamheid op de huurprijs te bepalen wordt een standaard hedonische regressie toegepast op het natuurlijke logaritme van de afhankelijke variabelen huur, netto huur, BAR Aankoop en BAR Waardering. Vervolgens worden de onafhankelijke variabelen gekozen waarmee getracht wordt de afhankelijke variabele te verklaren, bijvoorbeeld bouwjaar (leeftijd), omvang (m2) of kwaliteit van het gebouw. Duurzaamheid is een dummy variabele die nul is voor een duurzaam kantoorpand en anders één. De invloed van de variabele locatie wordt beperkt door de vergelijking te laten plaatsvinden in dezelfde of vergelijkbare locaties. Hiervoor zijn clusters samengesteld die bestaan uit één duurzaam pand en drie, vier, vijf, zes of zeven vergelijkbare panden. Elk cluster heeft een unieke binaire variabele die één is voor de panden in het betreffende cluster en anders 0. Uit de regressie op de huurprijs blijkt geen dat premie voor duurzame gebouwen wordt betaald. Betere kwaliteit gebouwen genereren circa 8 tot 9% meer huur. De invloed van het metrage is zeer beperkt. Opmerkelijk is de negatieve relatie tussen de huurprijs en de bezettingsgraad. Hoe hoger de
bezettingsgraad, hoe lager de huurprijs per m2 en hoe hoger de huurprijs, hoe meer leegstand. Dit zou impliceren dat huurders een kantoorpand eerder beoordelen op huurprijs dan op duurzaamheid. De kans op leegstand is echter kleiner voor duurzame kantoorgebouwen. Kantoorpanden waar meerdere huurders in zijn gehuisvest leveren circa 8% significant meer huur op. De resterende looptijd van de huurovereenkomst zou een positieve invloed op de huurprijs hebben. Wanneer het gebouw kan worden omgezet naar een andere bestemming, zou een premie op de huurprijs worden betaald van circa 17% en faciliteiten in de omgeving genereren circa 13% premie met een significantieniveau van 1%. Opvallend is dat het effect van het duurzaamheidslabel op de netto huurprijs positief is: de premie op de huur bedraagt tussen de 1,5 en 18%. De uitkomsten zijn echter niet significant. Het metrage en de leeftijd van het gebouw hebben wederom weinig invloed. Een duidelijke significante variabele is de aanwezigheid van faciliteiten met een premie van circa 5% op de netto huur. Dit geldt ook voor de resterende looptijd van de huurovereenkomst met circa 30% premie. De locatieclusters lijken daar ook geen invloed op te hebben. De invloed van de kwaliteit van het gebouw en het aantal huurders in het gebouw zijn sterk maar weinig tot niet significant. De uitkomsten van de regressie voor de BAR A en BAR W zijn te beperkt om interpretatie mogelijk te maken. Hieruit kan worden geconcludeerd dat in tegenstelling tot de beschrijvende statistiek de regressie geen duidelijke premie op de huurprijs voor duurzame panden laat zien. De negatieve invloed op de huurprijs is beduidend beperkter dan de positieve invloed op de netto huurprijs. Duurzaamheid komt dus wel tot uitdrukking in de bezettingsgraad maar de gehanteerde database is te beperkt om de relatie aantoonbaar te maken. De invloed van duurzaamheid op de (netto)huurprijs kan explicieter worden aangetoond wanneer de database substantieel wordt vergroot en alle panden beschikken over hetzelfde duurzaamheidslabel.
Duurzame kantoorgebouwen
1
Inhoudsopgave Voorwoord Management samenvatting Inhoudsopgave __________________________________________________________________ 1 Lijst met Figuren _________________________________________________________________ 2 Hoofdstuk 1
Introductie ________________________________________________________ 3
1.1
Aanleiding _______________________________________________________________ 3
1.2
Vraagstelling _____________________________________________________________ 3
1.3
Onderzoek _______________________________________________________________ 4
1.4
Leeswijzer _______________________________________________________________ 5
Hoofdstuk 2 2.1
Theoretisch kader__________________________________________________ 7
Inleiding _________________________________________________________________ 7
2.2 Duurzame kantoorgebouwen________________________________________________ 7 2.2.1 Algemene ontwikkelingen ________________________________________________ 7 2.2.2 Definitie van duurzaamheid _______________________________________________ 8 2.2.3 Literatuuronderzoek____________________________________________________ 11 2.3
Rendement ______________________________________________________________ 14
2.4 Variabelen voor het onderzoek _____________________________________________ 16 2.4.1. Indicator voor duurzaamheid _____________________________________________ 16 2.4.2. Vergelijkingscriteria ____________________________________________________ 17 2.5
Conclusie _______________________________________________________________ 19
Hoofdstuk 3
Statistisch onderzoek en presentatie resultaten________________________ 21
3.1
Inleiding ________________________________________________________________ 21
3.2
Voorbereiding van de onderzoeksgegevens __________________________________ 21
3.3 Resultaten van het onderzoek ______________________________________________ 24 3.3.1 Presentatie resultaten van de beschrijvende statistiek _________________________ 24 3.4
Conclusie _______________________________________________________________ 29
Hoofdstuk 4
Analyse & Discussie van de resultaten _______________________________ 30
4.1
Inleiding ________________________________________________________________ 30
4.2
Hedonische Regressie ____________________________________________________ 30
4.3 Analyse van de invloed van duurzaamheid op het rendement ___________________ 36 4.3.1 Data van de kantoorgebouwen ___________________________________________ 36 4.3.2 Analyse van de data ___________________________________________________ 36 4.4
Bespreking resultaten met het theoretisch kader ______________________________ 39
4.5
Kanttekeningen bij het onderzoek __________________________________________ 40
4.6
Conclusie _______________________________________________________________ 41
Hoofdstuk 5
Conclusies & Aanbevelingen _______________________________________ 42
5.1
Conclusies ______________________________________________________________ 42
5.2
Aanbevelingen___________________________________________________________ 45
Bibliografie_____________________________________________________________________ 46 Bijlagen________________________________________________________________________ 48
Duurzame kantoorgebouwen
Lijst met Figuren Hoofdstuk 1 1.4 Figuur 1.1
Onderzoeksopzet
Hoofdstuk 2 2.2 Figuur 2.1 Figuur 2.2
People, Planet, Proft Circle of Blame +
2.2.2
Figuur 2.3 Figuur 2.4 Figuur 2.5
GreenCalc Labeling Energieprestatiecertificaat Weergave van beoordeling vastgoedlabels
2.4
Figuur 2.6
Onderzoeksvariabelen
Hoofdstuk 4 4.3.1 Figuur 4.1 Figuur 4.2 4.3.2. Figuur 4.3 Figuur 4.4
Verdeling Sample Duurzaam naar provincie Verdeling Sample Niet Duurzaam naar provincie Histogram huurprijs Sample Duurzaam Histogram huurprijs Sample Niet Duurzaam
Lijst met tabellen Hoofdstuk 2 2.2.2 Tabel 2.1 2.3 Tabel 2.2
EPC norm kantoorfunctie 1996 t/m 2009 Invloeden op het direct rendement
Hoofdstuk 3 3.2 Tabel Tabel 3.3.1 Tabel Tabel Tabel
3.1 3.2 3.3 3.4 3.5
Outliers Sample Duurzaam Outliers Sample Niet Duurzaam Beschrijvende Statistiek Sample Duurzaam Beschrijvende Statistiek Sample Niet Duurzaam Sample T-test
Hoofdstuk 4 4.2 Tabel Tabel 4.3.2 Tabel Tabel
4.1 4.2 4.3 4.4
Resultaat regressie huurprijs Resultaat regressie netto huurprijs Resultaat regressie bezettingsgraad Resultaat regressie gewijzigd
Hoofdstuk 5 5.1 Tabel 5.1
Beschrijvende statistiek Sample Duurzaam versus Sample Niet Duurzaam
Lijst met grafieken 4.2 Grafiek 4.1
Regressie resterende lengte huurovereenkomst
2
Duurzame kantoorgebouwen
3
Hoofdstuk 1 Introductie 1.1
Aanleiding
Een aanzienlijk deel van het wereldwijde energieverbruik en de daarmee samenhangende CO2 uitstoot komt voor rekening van de gebouwde omgeving. Beleidmakers zijn zich hiervan bewust. Bij de VN- klimaattop in november 2008 in het Poolse Poznan is geprobeerd een milieuverdrag op te stellen dat eind 2009 zou moeten worden ondertekend. Het verdrag moet de opvolger worden van het Kyoto1 protocol . In Poznan zijn nog geen concrete afspraken over aanscherping van de CO2 uitstoot gemaakt. Genoemde oorzaken hiervoor zijn de financiële crisis waardoor landen zich niet vast willen leggen, de beperkte steun voor ontwikkelingslanden en de beperkte inzet van de Verenigde Staten. Verwacht wordt dat met Al Gore als adviseur van de nieuwe Amerikaanse president Barack Obama veel gaat veranderen op milieugebied. De EU landen werden het wel eens over een pakket maatregelen. De kern van het akkoord is dat de uitstoot van CO2 in 2020 met 20% moet zijn teruggedrongen. Vanuit de Nederlandse overheid wordt ook gewerkt aan duurzaamheid. Samen met marktpartijen is bijvoorbeeld het convenant ‘Meer met Minder’ opgesteld2. Tevens worden stimulerende maatregelen en belastingvoordelen beloofd (VGM Real Estate, 2008). De regelgeving over energiezuinigheid en duurzaam bouwen zal daarom worden aangescherpt. De vraag naar duurzame huisvesting komt echter ook steeds vaker voor in het internationale en nationale bedrijfsleven. Bedrijven zoals TNT, Rabobank, De Rijksgebouwendienst en KPMG3 hebben Maatschappelijk Verantwoord Ondernemen (MVO) opgenomen in de bedrijfsstrategie. Uit onderzoek van Jones Lang Lasalle (2008) blijkt dat bijna 50% van de 135 geïnterviewde organisaties aangeeft binnen vijf jaar duurzaam gehuisvest te willen zijn. Dat bedrijven door de huidige financiële malaise grote investeringsbeslissingen uitstellen, wordt tegengesproken. De kredietcrisis zou juist leiden tot forse besparingen op korte termijn door duurzaamheid te integreren in het huisvestingsprogramma. De stijgende energieprijzen zijn hier onderdeel van. Voldoende reden voor beleggers om te investeren in duurzame kantoorgebouwen. Duurzaamheid is echter meestal nog geen onderdeel van het investeringsproces. Het begrip duurzaamheid wordt nog vaak geassocieerd met hogere bouwkosten waarbij het niet duidelijk is of dit kan worden terug verdiend. De eerste Amerikaanse onderzoeken naar de invloed van duurzaamheid op het rendement van Eichholtz (2008) en Fuerst (2008) tonen juist een hoger direct rendement aan. Er zou meer huur worden betaald voor duurzame kantoorgebouwen, het kantoorgebouw zou aantrekkelijker zijn voor gebruikers waardoor er minder leegstand is en het indirect rendement zou hoger liggen. Of deze resultaten ook gelden voor de Nederlandse kantorenmarkt wordt onderzocht in deze scriptie.
1.2
Vraagstelling
De term duurzaamheid is alom vertegenwoordigd in de vastgoedmarkt. Veranderingen in regelgeving en/of de vraag naar kantoren kunnen invloed hebben op de inkomsten en uitgaven van een belegger. Dit wordt aangetoond door een aantal internationale studies waaronder Kats (2003), Sayce (2004), Lorentz (2006), Eichholtz (2008) en Fuerst (2008). In Nederland zijn de effecten van duurzaamheid op het rendement van een kantoorgebouw nog niet onderzocht. Uitgangspunt in deze Master Thesis is dat de kantoorgebouwen zijn gelegen in Nederland en dat deze commercieel worden geëxploiteerd door een private belegger. Het onderzoek beperkt zich tot gebouwen met een kantoorfunctie om de vergelijking zo optimaal mogelijk te houden. Specifieke marktomstandigheden voor andere functies, regelgeving en of locatie kunnen de huurwaarde beïnvloeden. De kantoorpanden dienen commercieel te worden geëxploiteerd zodat de cash flows met elkaar kunnen worden vergeleken en zo weinig mogelijk bedrijfsspecifieke waardering bevatten. 1
www.nu.nl/algemeen/1882151/vn-klimaattop-poznan-levert-weinig-op.html www.vrom.nl/docs/200706-meer-met-minder.pdf, 19 oktober 2008 3 Op de websites van de bedrijven wordt de invulling van duurzaam ondernemen besproken: www.tntpost.nl/downloads/pdf/TNT_Verant_Ondern.pdf, 26 september 2008, www.rabobankgroep.nl/asp/default.asp?node_id=10214&version_id=1, 26 september 2008, www.vrom.nl/rijksgebouwendienst/, 26 september 2008 www.kpmg.nl/site.asp?id=39150, 26 september 2008 2
Duurzame kantoorgebouwen
4
Om inzicht te krijgen in de beschreven effecten, is de volgende probleemstelling gedefinieerd: Wat is de invloed van duurzaamheid op het rendement van een kantoorgebouw? De doelstelling is als volgt gedefinieerd: Dit onderzoek heeft tot doel de financiële invloed van duurzaamheid op het rendement van een kantoorgebouw inzichtelijk te maken. Hierbij wordt alleen rekening gehouden met private Nederlandse beleggers en kantoorgebouwen die in Nederland zijn gelegen. Om de probleemstelling te kunnen uiteenzetten en de doelstelling van het onderzoek te realiseren, dienen de volgende deelvragen te worden behandeld: Deelvragen A. Welke criteria bepalen de duurzaamheid van een kantoorgebouw? o Wat is de definitie van duurzaam beleggen (in deze Master Thesis)? o Wat zijn de algemene ontwikkelingen met betrekking tot duurzame kantoorgebouwen? o Welk toetsinstrument voor duurzaamheid zal worden gehanteerd (in deze Master Thesis)? o Welke indicatoren/criteria spelen een rol bij duurzaam beleggen? B.
Welke criteria bepalen het rendement van een kantoorgebouw? o Welke rendementen zijn te onderscheiden? o Welke vergelijkende items van het rendement kunnen worden gehanteerd (in deze Master thesis)?
C.
Op welke randvoorwaarden (vastgestelde criteria) worden de ‘ niet-duurzame’ gebouwen ‘gematched’ met de ‘duurzame’ kantoorgebouwen?
D.
Wat zijn de financiële conclusies van de probleemstelling die kunnen worden getrokken uit het onderzoek?
1.3
Onderzoek
Dit onderzoek richt zich op de invloed die duurzaamheid heeft op het rendement. Ten eerste zal een theoretisch kader worden opgesteld. Om het kader te kunnen samenstellen wordt een literatuuronderzoek gedaan naar de kernbegrippen in de probleem/doelstelling: duurzaamheid en rendement. Vervolgens worden de begrippen en definities geoperationaliseerd zodat een dataonderzoek kan gaan plaatsvinden. Uit het theoretisch kader volgt de empirische studie. Aan de hand van de eerder geformuleerde definities en criteria zal een bestand van tenminste 15 ‘duurzame’ kantoorgebouwen in Nederland worden geselecteerd, welke geëxploiteerd worden door beleggers. Elk ‘duurzaam’ gebouw wordt vergeleken met minimaal 3 ‘niet duurzame’ kantoorgebouwen. Deze referentiegebouwen zullen zo veel mogelijk dezelfde randvoorwaarden kennen als de ‘ duurzame’ gebouwen. Totaal bestaat dit bestand derhalve uit circa 45 gebouwen. De omvang van de ‘ duurzame’ en ‘ niet duurzame’ sample is bepaald aan de hand van een combinatie van de volgende factoren: hoeveel informatie van kantoorpanden welke kan worden achterhaald gegeven de beschikbaarheid van informatie, medewerking van beleggers, tijd voor de afstudeerscriptie en minimale input voor statistische bewerking van de gegevens. Door middel van een data-analyse zal statistisch worden bekeken welke verschillen tussen ‘duurzame’ en ‘niet duurzame’ kantoorgebouwen naar voren komen. Een standaard hedonische regressie 4 wordt uitgevoerd om exact vast te stellen hoe duurzaamheid de huur en de waarde van bestaande kantoorpanden beïnvloedt. 4
Analyse waarmee wordt onderzocht of en hoe een bepaalde eigenschap (de afhankelijke variabele) door een andere eigenschap (de onafhankelijke variabelen) wordt verklaard of voorspeld.
Duurzame kantoorgebouwen
5
Vervolgens worden het theoretisch kader en de resultaten van het empirisch onderzoek samen geanalyseerd waaruit stellingen over de invloed van duurzaamheid op het rendement in Nederland aannemelijk zouden kunnen worden gemaakt. Hierbij is ruimte voor kritische noten over de beperkingen en de resultaten van het onderzoek. Ten slotte zullen samenvattend de conclusies en aanbevelingen worden gegeven.
Onderzoeksopzet
H1
Literatuur duurzaamheid
Literatuur rendement
H2 Selectiecriteria en randvoorwaarden
Data ‘niet duurzame’ kantoorgebouwen
Data ’duurzame’ kantoorgebouwen H3 Vergelijking
H4
Analyse duurzaamheid en rendement
H5
Conclusies & aanbevelingen Figuur 1.1: Onderzoeksopzet
1.4
Leeswijzer
Deze master thesis is opgebouwd uit 5 hoofdstukken, waarin de volgende onderwerpen worden besproken: Hoofdstuk 1 Introductie In dit eerste hoofdstuk is een inleiding tot het onderwerp gegeven en zijn de probleemstelling, de doelstelling en deelvragen benoemd. Vervolgens worden de onderzoeksmethoden besproken. Hoofdstuk 2 Theoretisch kader In dit hoofdstuk wordt aan de hand van verschillende theorieën uit de literatuur gezocht naar een passend theoretisch kader. Er wordt stilgestaan bij de algemene ontwikkelingen op het gebied van duurzame kantoorgebouwen. De definitie van duurzaamheid wordt bepaald aan de hand van toetsinstrumenten en er wordt gekeken naar bestaande nationale en internationale studies. Vervolgens wordt het begrip rendement nader toegelicht en de invloedsfactoren bepaald. Tot slot worden de begrippen en definities die nodig zijn voor de empirische studie geoperationaliseerd. Hoofdstuk 3 Statistisch onderzoek en presentatie van de resultaten Hierin wordt het dataonderzoek uitgevoerd. Een bestand van ‘duurzame’ kantoorgebouwen zal worden vergeleken met ‘niet duurzame’ kantoorgebouwen. Er is aandacht voor de voorbereiding van
Duurzame kantoorgebouwen
6
de onderzoeksgegevens waaronder de verantwoording van het onderzoek valt. Vervolgens worden de data samples nader bestudeerd aan de hand van de statische vergelijking. Hoofdstuk 4 Analyse & discussie van de resultaten In dit hoofdstuk worden de resultaten uit de voorgaande hoofdstukken gebruikt om de exacte invloed van duurzaamheid op het rendement van een kantoorgebouw te kunnen bepalen. Hiertoe wordt een standaard hedonische regressie uitgevoerd op de huurprijs, netto huurprijs, BAR Aankoop en BAR waardering. De resultaten zullen bestaan uit een combinatie van het theoretisch kader en het uitgevoerde empirische onderzoek. Tevens is er aandacht voor de beperkingen en kanttekeningen van de uitgevoerde studie. De probleemstelling: “ Wat is de invloed van duurzaamheid op het rendement van een kantoorgebouw?” kan na de beantwoording van de vier deelvragen in de vorige hoofdstukken worden beantwoord. Hoofdstuk 5 Conclusies & Aanbevelingen Ten slotte worden in dit hoofdstuk de belangrijkste conclusies en aanbevelingen op een rij gezet. De antwoorden op de hoofd- en subvragen zullen worden besproken.
Duurzame kantoorgebouwen
7
Hoofdstuk 2 Theoretisch kader 2.1
Inleiding
In dit hoofdstuk wordt het theoretisch kader neergezet. Het kader wordt vormgegeven door eerst de twee centrale begrippen duurzaamheid en rendement te definiëren. Dit gebeurt aan de hand van een korte weergave van de algemene ontwikkelingen. Daarna volgt een beschouwing van de literatuur, waarbij de bevindingen van toonaangevende onderzoeken naar de invloed van duurzaamheid op het rendement worden bekeken. Vervolgens richt het onderzoek zich op de volgende deelvraag: ‘’Welke criteria bepalen het rendement van een kantoorgebouw?”. Tot slot worden de variabelen voor het statisch onderzoek gedefinieerd aan de hand van de bevindingen uit de literatuur. In de conclusie zal blijken dat de deelvragen A,B en C zijn beantwoord en als input dienen voor het empirische deel van deze studie.
2.2
Duurzame kantoorgebouwen
Uit de definitie van duurzaamheid volgens Brundtland (1987) van de Wereldcommissie voor Milieu en Ontwikkeling van de Verenigde Naties, de Triple P van Elinkington (1998) en de ‘Circle of Blame’ van de Engelse milieuactivist Jonathan Porrit blijkt dat duurzaamheid nog een ruim begrip is. Er is nog geen algemene definitie voor bepaald. Het kwantificeren van duurzaamheid is minstens zo lastig. Door het beschouwen van de literatuur wordt voor deze studie de theoretische basis gelegd en antwoord gegeven op de eerste deelvraag: Welke criteria bepalen de duurzaamheid van een kantoorgebouw? “die ontwikkeling die gericht is op de noden van het heden zonder deze van de komende generaties in het gedrang te brengen, en waarvan de realisatie een veranderingsproces vergt waarin het gebruik van hulpbronnen, de bestemming van investeringen, de gerichtheid van technologische ontwikkeling en institutionele verandering worden afgestemd op zowel toekomstige als huidige behoeften” (Brundtland, e.a., 1987) Definitie van Brundtland
People (mensen): de sociale consequenties van haar handelen Planet (milieu): de ecologisch gevolgen Profit (winst): de economische rentabiliteit Figuur 2.1: People, Profit, Planet
Figuur 2.2: “Circle of Blame”
2.2.1 Algemene ontwikkelingen De toenemende interesse voor duurzaamheid wordt ingegeven door een aantal wereldwijde ontwikkelingen. De bebouwde omgeving is verantwoordelijk voor een groot aandeel in de uitstoot van CO2, verbruikt veel energie en grondstoffen. Om dit te verminderen hebben overheden zowel op nationaal als Europees niveau richtlijnen opgesteld om deze vervuiling te verminderen. De Nederlandse overheid heeft een convenant samengesteld, [de Wit (2008)]: Meer met Minder (2008) om voor 2011 woningen en andere gebouwen veel energiezuiniger te maken en de richtlijn van 2% per jaar energiebesparing en 20% verhoging van het aandeel duurzame energie te behalen. Deze regel is ingegeven vanuit de door de EU opgestelde doelstellingen om in 2020 te voldoen aan 20% minder uitstoot van broeikasgassen, 20% duurzame energie en 20% energiebesparing. Aanscherpende milieumaatregelen leiden volgens Porter (1998) tot innovatie bij bedrijven.
Duurzame kantoorgebouwen
8
Aangezien vastgoed veel energie verbruikt zijn de stijgende energieprijzen tevens een oorzaak van de toenemende interesse voor duurzame huisvesting. Tevens wordt Maatschapelijk Verantwoord Ondernemen (MVO) steeds meer geïntegreerd in investeringsbeslissingen. Volgens Reeven (2007) kijkt MVO naar wat het oplevert voor een bedrijf in brede zin en niet alleen financieel. Bedrijven zoals TNT, de Rabobank, De Rijksgebouwendienst en KPMG5 hebben Duurzaam Ondernemerschap opgenomen in de bedrijfsstrategie. Huisvesting in een energie-efficiënt gebouw kan een rol spelen voor deze organisaties. Dit wordt mede ondersteund door het onderzoek van Ellison, Sayce en Smith (2007) die naast een economische analyse ook een milieu en sociale performance meenemen.
2.2.2 Definitie van duurzaamheid Om te kunnen bepalen of een kantoorgebouw duurzaam is, wordt in Nederland gebruik gemaakt van verschillende toetsingsinstrumenten. De toetsingsinstrumenten bestaan uit labels. In deze studie wordt gekeken naar het rendement van kantoorgebouwen. Daarom zullen alleen de labels voor kantoorgebouwen nationaal en internationaal worden besproken. De toegevoegde waarde van groene vastgoedlabels is gelegen in de herkenbaarheid, meetbaarheid en vergelijkbaarheid van groene kantoorgebouwen. De herkenbaarheid van de markt- en marketingvoordelen van groene kantoorgebouwen wordt volgens Verschoor (2008) pas bereikt op het moment dat het gebouw gecertificeerd is met een internationaal bekend duurzaamheidlabel. Door de toepassing van labels kunnen kantoorgebouwen makkelijk en eenduidig met elkaar worden vergeleken. De situatie wordt echter lastiger doordat er niet één maar een veelvoud van labels in omloop is. Bovendien zijn labels internationaal slecht met elkaar te vergelijken door de verschillen per land. Voor deze studie worden de kantoorgebouwen getoetst aan de verschillende labels om te kunnen bepalen of het pand in de duurzame categorie of de niet- duurzame categorie valt. De bekendste internationale labels zijn LEED uit de Verenigde Staten, BREEAM uit het Verenigd Koninkrijk, Green Star uit Australië en CASBEE uit Japan. Fowler & Rauch (2006) hebben een overzicht gemaakt van bestaande labels. Aangezien de vraag naar labels mede door multinationals wordt bepaald en sommige Nederlandse labels hiervan afgeleid zijn worden BREEAM en LEED beknopt besproken. BREEAM De British Research Establishment (BRE) en het Centre for Sustainable Contruction (CSC) hebben de Building Research Establishment Environmental Assessment Method (BREEAM) ontwikkeld. In 1990 is deze methode geïntroduceerd om duurzaam bouwen te stimuleren. Het bevat een standaard voor een duurzaam gebouw en het geeft aan welk prestatieniveau een gebouw heeft. BREEAM wordt gebruikt om gebouwen te analyseren en te verbeteren en kan zowel voor het ontwerpen van nieuwe gebouwen als voor het beoordelen van bestaande gebouwen worden gebruikt. Ze maakt gebruik van een kwalitatieve weging; als totaalscore krijgt een gebouw een waardering als pass, good, very good, excellent of outstanding. Op dit moment wordt BREEAM in Nederland geïntroduceerd door de stichting Dutch Green Building Council. De verwachting is dat de gecertificeerde assessors in 2009 pilot-projecten zullen gaan beoordelen. Gezien de internationale bekendheid van het label alsmede de integratie en de harmonisatie van andere Nederlandse labels zou dit het beste label zijn om de vergelijking in dit onderzoek mee te doen plaatsvinden. Dit is echter nog niet mogelijk. LEED Het LEED (Leadership in Energy and Environmental Design) Rating Systeem werd door de United States Green Building Council ontwikkeld en kan worden beschouwd als de Amerikaanse equivalent 5
Op de websites van de bedrijven wordt de invulling van duurzaam ondernemen besproken: www.tntpost.nl/downloads/pdf/TNT_Verant_Ondern.pdf, 26 september 2008, www.rabobankgroep.nl/asp/default.asp?node_id=10214&version_id=1, 26 september 2008, www.vrom.nl/rijksgebouwendienst/, 26 september 2008 www.kpmg.nl/site.asp?id=39150, 26 september 2008
Duurzame kantoorgebouwen
9
van BREEAM. Het is in eerste instantie gericht op het ontwerpen van nieuwbouw en renovaties, maar ook bestaande gebouwen kunnen ermee beoordeeld worden. Er bestaan modules voor alle typen vastgoed. In LEED worden de aspecten ruimtelijke ontwikkeling, waterbesparing, energiezuinigheid, materiaalkeuze en binnenklimaat beoordeeld. Afhankelijk van de score wordt een certified, silver, gold of platinum behaald. GreenCalc+ + GreenCalc is ontwikkeld door de stichting Sureac. Sureac is opgericht door VROM, RGD, TU Delft, Universiteit van Twente, DGMR, Nibe en NUON. Deze methode informeert voor alle fases, van initiatief tot uiteindelijke bouw en het gebruik van het gebouw. Doordat de resultaten gebaseerd zijn op meetbare gegevens, wordt het mogelijk de negatieve milieu-effecten die door een gebouw worden veroorzaakt in één getal uit te drukken en te vergelijken met alternatieve oplossingen. De resultaten worden uitgedrukt in een index, waarmee onderlinge vergelijking van de milieukwaliteit van gebouwen of bouwdelen mogelijk wordt. Vergelijkbaar met de beursindex geeft deze index aan hoe het staat met de milieukwaliteit van een gebouw.
+
Figuur 2.3: GreenCalc Labeling
Het computerprogramma is voor iedereen beschikbaar, inclusief de training. Er zijn voldoende adviseurs met kennis en ervaring van de GreenCalc+ methodiek. Volgens GreenCalc is een gebouw duurzaam met een Milieu Index tussen de 150 en 200. In deze studie wordt een kantoorgebouw ingedeeld in de categorie duurzaam indien de Milieu Index minimaal 150 bedraagt. GPR Gebouw De tool GPR Gebouw is in 2006 ontwikkeld door de gemeente Tilburg om de gemeentelijke duurzame ambities te objectiveren en deze eenduidig te communiceren met onder andere projectontwikkelaars. In eerste instantie is GPR Gebouw ontwikkeld voor woningen en is daarmee minder geschikt voor utiliteitsgebouwen. De duurzaamheid van een project wordt gewaardeerd ten aanzien van: water, afval, energie, woonkwaliteit en gezondheid. Een score van 5 staat gelijk aan de eisen binnen het vigerende bouwbesluit, een score van 10 is het hoogst haalbaar. De GPR methodiek is weinig complex en goed te hanteren. Het kan worden toegepast op bestaande en nieuwbouw. Volgens GPR Gebouw is een project duurzaam wanneer het rapportcijfer minimaal een 6 bedraagt. Om in de categorie duurzame kantoorgebouwen van deze studie te vallen is bepaald dat er beter gebouwd moet zijn dan het destijds vigerende bouwbesluit. Het rapportcijfer dient minimaal een 6 te zijn.
Duurzame kantoorgebouwen
10
Het Energielabel Vanaf 1 januari 2008 zijn gebouweigenaren in Nederland verplicht om bij nieuwbouw, verkoop of verhuur over een energielabel te beschikken. Het energielabel is gebouwgebonden en geeft, op basis van een berekening, informatie over de hoeveelheid energie die bij gestandaardiseerd gebruik van dat gebouw nodig is. Het betreft gebouwgebonden energiegebruik voor verwarming, warmwatervoorziening, verlichting, ventilatie en koeling. Het energielabel wordt samengesteld door een gecertificeerd adviesbedrijf. De energieprestatie van het gebouw wordt weergegeven in een energie-index en in een gestandaardiseerde energieklasse (A t/m G en kleuren). Zeer energiezuinige gebouwen hebben een A en zijn heldergroen, zeer onzuinige panden hebben een G en zijn felrood. Daarnaast geeft het energielabel bij bestaande bouw een lijstje met mogelijke maatregelen die de energieprestatie van het gebouw kunnen verbeteren. Het energielabel is 10 jaar geldig. Figuur 2.4: Energieprestatiecertificaat
Het berekenen en bepalen van het label wordt uitgevoerd door gecertificeerde organisaties. De nationale beoordelingsrichtlijn (BRL 9500 serie) voorziet zowel in de kwaliteitseisen die worden gesteld aan deze organisaties, als in de kwaliteitsborging van het proces. Toch blijkt uit de praktijk dat verschillende organisaties tot verschillende labels komen. Ook de verplichting aan gebouweigenaren om bij een transactie over een energielabel te beschikken wordt niet altijd nageleefd. Hierdoor zijn de energielabels bij kantoren wel in opkomst maar nog niet alom vertegenwoordigd. In deze studie wordt een kantoorgebouw ingedeeld in de categorie duurzaam indien het energielabel minimaal een B behaalt. De energieprestatiecoefficient (EPC) Sinds 1996 dient alle nieuwbouw in Nederland te beschikken over een minimum aan energetische kwaliteiten vastgelegd in het bouwbesluit en uitgedrukt in een energieprestatiecoëfficiënt (EPC). Deze norm is de afgelopen jaren steeds aangescherpt. JAAR 2009 2008 2007 2006 2005 2004 2003 2002 2001 2000 1999 1998 1997 1996
EPC NORM KANTOORFUNCTIE 1,1 1,5 1,5 1,5 1,5 1,5 1,5 1,6 1,6 1,6 1,9 1,9 1,9 1,9
Bron: www2.nen.nl/cmsprod/groups/public/documents/bestand/201135.pdf Tabel 2.1: EPC norm kantoorfunctie 1996 t/m 2009
De EPC is een getal dat de belangrijkste energetische eigenschappen van een gebruiksfunctie waardeert, met inbegrip van de daarin aanwezige installaties. Elke aanvraag voor een bouwvergunning dient gepaard te gaan met een energieprestatieberekening, waarbij geldt dat het resultaat van deze berekening eind 2008 is gemaximeerd op 1,5 voor gebouwen met een kantoorfunctie. De verplichte berekening van de EPC bij de aanvraag van een bouwvergunning garandeert enigszins de energiezuinigheid van gebouwen vanaf 1996. Door aanscherping van de norm zal de EPC norm deze functie in de toekomst nog meer gaan vervullen.
Om voor dit onderzoek te kwalificeren als duurzaam gebouw dient er beter gebouwd te zijn dan de tijdens de bouw geldende eisen. Er wordt bepaald dat deze grens op ligt op een EPC welke 25% beter is dan de norm.
Duurzame kantoorgebouwen
11
Overige instrumenten Momenteel zijn er nog meer toetsinstrumenten op de markt. Zoals de Triodos toets voor bestaande bouw (niet duurzaam gebouwd) en monumenten. De totaalscore wordt opgebouwd uit de scores op de vier P-factoren, die ieder bestaan uit een aantal aspecten die gewogen meetellen (Jaarverslag Triodos 2007, p 70). De factoren zijn onderverdeeld naar People, Planet, Project en Profit. Deze toets is speciaal voor Triodos ontwikkeld. Daar het geen nationaal ingevoerde toets is, zal deze niet gebruikt worden in deze studie. Groenverklaring Om in aanmerking te kunnen komen voor een groenfinanciering dient de groenverklaring. De bank verstrekt gunstige voorwaarden aan de investeerders indien zij voldoen aan de door de overheid gestelde eisen. Deze gunstige vorm van financiering is onder andere te verkrijgen bij nog te realiseren projecten in de utiliteitsbouw. Aangezien er in deze studie wordt gekeken naar kantoorgebouwen in exploitatie, kan deze definitie van duurzaamheid voor deze studie niet worden gehanteerd. Samenvatting In verband met de vergelijkbaarheid van het begrip ‘duurzaam’ kantoorgebouw zou het beste zijn voor het onderzoek dat er 1 toetsinstrument zou kunnen worden gehanteerd dat bij voorkeur internationaal bekend is. In Nederland is het nog niet zo ver. Het meest internationale systeem: BREEAM begint in 2009 met pilotprojecten. Om toch tot een definitie van duurzaamheid te komen zijn alle gangbare toetsinstrumenten in de Nederlandse markt behandeld. Vervolgens is voor elk toetsinstrument bepaald wanneer een kantoorgebouw duurzaam is. Per label is bepaald wanneer het kantoorgebouw in de categorie duurzaam van deze studie valt. Het onderstaande model is hiervan de grafische weergave. Beoordeling toetsinstrument GreenCalc
+
Definitie Duurzaamheid
Data selectie
MIG minimaal 150
GPR Gebouw
Score minimaal 6
Energielabel
Label minmaal B
EPC
Minmaal 25% beter als geldende norm
Data selectie methode voor groene kantoorgebouwen.
Figuur 2.5: Weergave van beoordeling vastgoedlabels
2.2.3 Literatuuronderzoek De literatuur over duurzaamheid omvat veel studies naar de invloed van duurzaamheid op de waarde van het vastgoed. In eerste instantie werd dit aangewakkerd door de op korte termijn verhoogde initiële investeringskosten. De met name internationaal georiënteerde studies geven een beeld van de invloed van duurzaamheid op het rendement van de afgelopen 5 jaar. Ze beschrijven de impact van duurzaamheid op de kosten en de opbrengsten, waarbij sommige voordelen kunnen worden gekwantificeerd en andere nog niet. In 2003 is het de U.S. Green Building Council (2003) die aangeeft dat de bouwkosten voor veel duurzame gebouwen vergelijkbaar of zelfs lager kunnen zijn dan voor conventionele gebouwen door efficiënte strategieën en ontwerp. Het toevoegen van duurzaamheidaspecten kan echter ook leiden tot kostenverhogende bouw of extra ontwerpkosten. Kats (2003) onderzoekt de kosten en opbrengsten van groene gebouwen in Californië. Drieëndertig groene gebouwen (LEED gecertificeerd) werden
Duurzame kantoorgebouwen
12
vergeleken met conventionele ontwerpen voor deze gebouwen Een extra investering in duurzame technologie van 2% van de bouwkosten leidt tot een besparing van 10 keer de initiële investering over een periode van 20 jaar. De financiële voordelen bestaan uit: lagere energiekosten, waterkosten, milieu en emissie kosten, lagere operationele en onderhoudskosten, besparingen op productiviteit en gezondheid. De energie-, afval- en waterbesparingen zijn redelijk precies te bepalen. De gezondheids- en productiviteitsvoordelen nog niet. Nader onderzoek is nodig gezien de gedane aannames en de beperkte datagegevens. De studie van Matthiessen en Morris (2004) onder 45 LEED gecertificeerde en 93 niet-LEED gecertificeerde gebouwen geeft aan dat er geen significant verschil is in bouwkosten. De kosten variëren van gebouw tot gebouw en worden beïnvloed door verschillende factoren zoals locatie, klimaat, omvang van het gebouw en ontwerp standaarden. Als de duurzaamheidsaspecten worden gezien als extra dan zullen de kosten hiervoor ook als extra worden beschouwd. In 2007 is een vervolgstudie gedaan door Langdon (2007) waaruit blijkt dat veel projecten de duurzaamheidsaspecten bij de bouw kunnen integreren tegen weinig of geen meerkosten. In Engeland doet Sayce (2004) onderzoek hoe negen duurzaamheidscriteria kunnen worden vertaald naar de impact op de waarde van het vastgoed zoals op risico, huurgroei, afwaardering en cashflow door middel van de ontwikkeling van een model en vervolgens een pilotstudie (drie retailprojecten en één kantoor) om te uitkomsten te testen. De indicatoren worden gelinkt aan de vier karakteristieken met wegingsfactor. Uitkomsten zijn beperkt. Er wordt een kleine invloed waargenomen op de yield, huurgroei en afwaardering. Echter, verschillende gebruikers van vastgoed (retailer/ kantoor) reageren verschillend op sommige duurzaamheidscriteria zoals energiezuinigheid en flexibiliteit van het gebouw. Kantoorgebruikers blijken volgens deze studie meer waarde te hechten aan Corporate Social Responsibility en imago. The Royal Institution of Charted Surveyors (RICS) (2005) kan in haar onderzoek in 2005 meer resultaten laten zien. Duurzame gebouwen verhuren sneller, leveren meer huur op, verwisselen minder snel van huurder, hebben lagere onderhouds- en operatiekosten, generen subsidies, extra leningzekerheid en hebben veel voordelen voor de gebruiker zoals een hogere arbeidsproductiviteit. Er is onderzoek gedaan naar gebouwen in Canada, Amerika en Engeland op basis van literatuur en case studies. In 2006 heeft de Australische Green Building Council (GBCA) een onderzoek laten verrichten via Australische en internationale case studies naar de economische voordelen van groene gebouwen. De voordelen bestaan uit lagere operationele kosten (60% minder water en energieverbruik), verhoogde productiviteit en gezondheid, hogere return on investment, marketing voordelen, 10% hogere marktwaarde van het vastgoed en 5-10% hogere huren. Internationale studies leveren nog extra voordelen op zoals ethische investeringsmogelijkheden, lager risico en verzekeringskosten, verminderde investeringskosten zoals bouwtijd. De extra kosten voor het bouwen van duurzame gebouwen bedragen gemiddeld 3%. In 2008 heeft een update plaatsgevonden van deze studie. Er wordt bekeken wat geleerd is van de case studies, verbeterde rating tools (Energy Star), verbeterd kennisniveau en nieuwe kosten benchmarks, bussiness en economische voordelen van groene gebouwen. De Australische mentaliteit tegenover ‘groene’ gebouwen is veranderd. Groen is tegenwoordig de standaard. De GBCA definieert groene gebouwen die in hun ontwerp, constructie en operatie de negatieve gevolgen van energie, CO2 emissie, watergebruik, afval, vervuiling, natuurlijke bronnen, productiviteit en gezondheid van medewerkers en flexibiliteit van het gebouw significant verminderen. Daarnaast heeft Lorentz (2006) een Duits onderzoek verricht, gericht op de invloed van duurzaamheid op de waardering van vastgoed. De uitkomst is drieledig: Ten eerste toont het onderzoek aan dat mens en natuur beter moeten leren samenleven, Ten tweede dat er een groot marktpotentieel is voor duurzame investeringen, en ten derde dat duurzame gebouwen beter presteren dan de concurrentie op milieu, sociaal en financieel gebied. Ten slotte leidt het negeren van de voordelen van duurzame ontwerpen tot onjuiste prijsverwachtingen. Het tweede gedeelte zou een model worden waarin duurzaamheid zou worden geïntegreerd voor taxateurs om een betere marktwaarde te kunnen bepalen. Dit is slechts gedeeltelijk gelukt aangezien vastgoedwaarderingen subjectief zijn en afhankelijk van vergelijkbare transacties. De taxateur zou transacties uit de wijdere omgeving kunnen nemen om de aannames aannemelijker te maken.
Duurzame kantoorgebouwen
13
In 2008 zijn verschillende studies uitgebracht die steeds concreter in resultaat worden. Fuerst (2008) doet in Amerika onderzoek onder 110 LEED en 433 Energy Star gecertificeerde gebouwen. Gekeken wordt naar de prijseffecten van certificering van commercieel vastgoed. Er zijn 3 belangrijke verschillen tussen gecertificeerde en niet- gecertificeerde gebouwen: 1. Gecertificeerde gebouwen bieden voordelen voor gebruikers zoals productiviteit, imago en gebruikerskosten. 2. Gecertificeerde gebouwen kunnen door deze gebruikersvoordelen hogere huren en lagere onderhoudskosten realiseren voor beleggers. 3. Gecertificeerde gebouwen hebben een lagere risico premie. Hoe beter de rating van het gebouw, hoe groter de huur premie die kan worden gerealiseerd. Tevens is een prijs premie gevonden van 10% en 31%. Tevens is in Amerika onderzoek gedaan door Eichholtz, Kok en Quigley (2008). De resultaten van dit onderzoek naar de economische meerwaarde van duurzame kantoorgebouwen suggereren dat de huurinkomsten voor duurzame gebouwen circa 2% hoger liggen dan bij de vergelijkbare gebouwen. Voor de effectieve huur zou dit zelfs 6% zijn. De bezettingsgraad zou 7% hoger zijn bij groene gebouwen en minder variatie hebben waardoor het risico op leegstand in een duurzaam pand lager ligt. Dit zou een lagere risicopremie rechtvaardigen. Daarnaast ligt het indirect rendement 16% hoger voor de duurzame kantoorgebouwen. Voor het onderzoek zijn 694 Amerikaanse kantoorgebouwen geselecteerd met een LEED of ENERGY Star label. Deze zijn vergeleken met 7.488 nabij gelegen gebouwen. De vraag is echter welk deel van deze groene premie is toe te rekenen aan de duurzaamheid van het gebouw en welk deel aan het imago-effect. Volgens het onderzoek is de toenemende mate van interesse voor duurzaamheid het gevolg van drie ontwikkelingen: 1. De bebouwde omgeving is verantwoordelijk voor 30% van de totale CO2 emissie wat leidt tot aangescherpte regelgeving, nationaal en internationaal. 2. Door sterk stijgende energieprijzen neemt het belang van energiezuinige techniek toe, tevens neemt het belang van een hoogwaardiger arbeidsklimaat toe. 3. Corporate-governance en MVO worden meegenomen in investeringsbeslissingen. De hogere initiële investeringskosten voor duurzaamheid worden geschat op 3% tot 5%. Deze investeringen leiden tot besparingen op: (1) servicekosten (energie, water, afval) en onderhoudskosten (2) bescherming tegen toekomstige energieprijsstijgingen en CO2-uitstoot. (3) het superieure arbeidsklimaat en de reputatie-effecten zorgen voor een premie op de markthuur. (4) Gezien de betere verhuurbaarheid neemt het risico op leegstand af. (5) Ten slotte heeft een duurzaam kantoorgebouw een langere levensduur hetgeen kan resulteren in een hogere eindwaarde. In Nederland worden eveneens onderzoeken gedaan naar duurzame huisvesting. Deze onderzoeken richten zich met name op de definitie van duurzaamheid zoals het Duurzaam vastgoedfonds (2005) Duurzaam vastgoed in Nederland (2006), Duurzaam vastgoed en de praktijk (2008), allen van SenterNovem. Het Nationaal Dubo Centrum heeft in 2004 een literatuurstudie laten verrichten naar het financieel rendement van duurzaam bouwen. Er blijkt significant bewijs te zijn van de financiële meerwaarde voor vastgoed die echter niet lijkt te worden meegenomen in de waardebepalingen. Recent onderzoek van VROM Rijksgebouwendienst (2008) naar de financiële consequenties van de realisatie en exploitatie van meer duurzame rijkskantoren toont aan dat de stijging van de realisatiekosten wordt gecompenseerd door de besparing op levensduurkosten. De ontwikkeling van de energieprijs blijkt grote invloed te hebben op de levensduurkosten. De vraag naar duurzame huisvesting staat volgens Jones Lang Lasalle (2008) hoog op de agenda bij grote corporates. Bijna 50% van de 135 geïnterviewde organisaties geeft aan binnen vijf jaar duurzaam gehuisvest te willen zijn. Samenvatting De belangrijkste onderzoeken naar de invloed van duurzaamheid op het rendement komen uit het buitenland. Het aantal onderzoeken daarnaar in Nederland is beperkt. Vrijwel alle studies geven aan dat er financieel voordeel te behalen is op het rendement van duurzame kantoren. De initiële bouwkosten inclusief de aspecten voor duurzaamheid zijn niet tot licht kostenverhogend. Deze kosten
Duurzame kantoorgebouwen
14
kunnen worden terugverdiend gedurende de levensloop van de kantoren. De belangrijkste voordelen die worden genoemd zijn: Lagere onderhouds- en operationele kosten (energie, water, afval) Een hogere eindwaarde van het vastgoed Premie op de markthuur Lager leegstandsrisico Voordelen voor gebruikers in het klimaat en de arbeidsproductiviteit Imagovoordelen Beschermen tegen extra milieumaatregelen Deze voordelen zijn veelal in het buitenland onderzocht. Of deze voordelen ook voor de Nederlandse marktsituatie gelden is wel aannemelijk maar nog niet onderzocht. Tevens zijn er kanttekeningen te plaatsen bij de gebruikte data voor de onderzoeken. Deze zijn vaak nog redelijk beperkt en van recente datum. Deze studie zal de invloed van duurzaamheid in Nederland gaan onderzoeken. Van de genoemde voordelen in de literatuurstudie zal nader ingegaan worden op de premie van de markthuur en het leegstandsrisico gezien de hoge mate waarin deze factoren het direct rendement beïnvloeden. De eindwaarde wordt in deze studie niet onderzocht omdat hier nog niet voldoende gegevens van bekend zijn. Helaas zijn de gehanteerde data voor dit onderzoek ook van recente datum en beperkt in omvang.
2.3
Rendement
In deze paragraaf wordt deelvraag B nader bekeken. Welke criteria bepalen het rendement van een kantoorgebouw zodat vanuit de waarderingsliteratuur tevens kan worden gekeken op welke variabelen duurzaamheid invloed zou kunnen hebben. Volgens Van Gool (2007) kunnen in hoofdlijnen drie waarderingsbenaderingen worden onderscheiden:
de comperatieve benadering (voor marktwaardebegrippen)
de interne benadering (voor interne begrippen, niet relevant voor deze studie)
de kostenbenadering (voor vervangingswaarden, niet relevant voor deze studie)
De comperatieve benadering De waarde van het object wordt bepaald door het vergelijken van het object met een of meer soortgelijke objecten in een vergelijkbare markt. Deze methode gaat uit van het bepalen van de marktwaarde: Marktwaarde is het geschatte bedrag waarvan een activum op de taxatiedatum na passende marketing door een willige verkoper zou kunnen worden verkocht aan een willige koper door middel van een zakelijke transactie waarbij de bij de transactie betrokken partijen goed geïnformeerd zijn en zorgvuldig en zonder dwang handelen. (Gool, 2007, p. 191)
De procedure voor het toepassen van de comperatieve benadering bestaat volgens Jaffe & Sirmans (1995) uit de volgende vijf stappen: 1. onderzoek de markt naar vergelijkbare objecten waarvan bruikbare data beschikbaar is; 2. kwalificeer de vergelijkbare data naar bruikbaarheid, verkoopcondities en voorwaarden; 3. vergelijk de omstandigheden in relatie tot locatie, fysieke karakteristieken, tijd en andere factoren; 4. er dient rekening gehouden te worden met de verschillen tussen de referentieobjecten en het te waarderen object. Elk verschil heeft effect op de verkoopprijs en dient nauwkeurig te worden vastgelegd; 5. bepaal aan de hand van de analyse een mening over de marktwaarde van het object. Het bepalen van referentieprojecten dient zorgvuldig plaats te vinden. Naast fysieke karakteristieken van het kantoorgebouw zijn de marktsituatie en de onderhandelingspositie van partijen van invloed op de vergelijkbaarheid. Het maken van een passende vergelijking wordt vaak moeilijker door de beperkt beschikbare informatie. Wanneer verschillen bekend zijn kunnen deze worden gecorrigeerd om de vergelijking alsnog te doen plaatsvinden.
Duurzame kantoorgebouwen
15
De belangrijkste voorbeelden van de comperatieve benadering zijn: Bruto Aanvangs Rendement (BAR)-methode Netto Aanvangs Rendement (NAR)-methode Discounted Cash Flow (DCF)-methode Internal Rate of Return (IRR)-methode BAR-methode De minst complexe en veel voorkomende methode is de kapitalisatie van de bruto huur eventueel gecorrigeerd met de contante waarde van het verschil in markthuur en contracthuur, achterstallig onderhoud en overige correcties. Tot slot wordt de waarde gecorrigeerd voor de kosten koper. W
markt
=
Bruto Huur BAR markt
markt
-/- CW (markthuur –contracthuur) – CW (achterstallig onderhoud) – overige correcties / (1+ kosten koper)
De BAR hangt af van een aantal factoren zoals marktsituatie, kwaliteit van locatie en gebouw, mogelijke huur en waardegroei, lengte en inhoud van de huurcontracten en kwaliteit van de huurders, kans op leegstand, hoogte van onderhoudskosten, belastingen, beheerderkosten e.d. en tot slot de eigendomssituatie (eigen grond of erfpacht). Een nadeel van deze methode is dat voor alle bovenstaande factoren één kapitalisatiefactor wordt gehanteerd. De verschillen tussen panden zijn moeilijker aan te duiden. Tevens zijn grote verschillen in de cashflow en de eindwaarde lastig aan te geven. De methode wordt vaak gebruikt omdat het relatief eenvoudig is, in de markt meestal vergelijkbare gegevens bekend zijn en makkelijk te communiceren is. NAR-methode Bij de NAR-methode worden de exploitatiekosten van het gebouw meegenomen. Dit is het nadeel van deze methode. Onder de exploitatiekosten vallen onder andere: onderhoud, belastingen, beheer en verzekeringskosten. W
markt
=
Bruto Huur NAR markt
markt-
exploitatiekosten
-/- CW (markthuur –contracthuur) – CW (achterstallig onderhoud) – overige correcties / (1+ kosten koper)
DCF en IRR-methode De waarde van het kantoorgebouw wordt bepaald door het contant maken van de toekomstige kasstromen (cashflows), waarna de initiële investering ervan afgetrokken wordt. Indien de netto contante waarde leidt tot een positief resultaat, dan is de investering rendabel. Een afgeleide methode is het gebruik van de Internal Rate of Return (IRR). Hierbij wordt de disconteringsvoet gehanteerd bij de DCF-methode waarbij de netto contante waarde van het project gelijk moet zijn aan de ingevoerde investering. Het looptijdrendement is hiermee inzichtelijk. W=
n Σ
Netto Huur Eindwaarde (1+i)t + (1+i)n
De DCF en IRR methode houden rekening met de hoogte van de toekomstige kasstromen. De waarde van de kasstromen wordt contant gemaakt waardoor de disconteringsvoet een belangrijke rol speelt. Deze wordt bepaald aan de hand van vergelijkbare transactiegegevens of het stellen van een minimale rendementseis. Een derde methode is boven het risico vrije rendement opslagen te hanteren voor onder andere het marktrisico, object en specifieke risico. Deze methode vraagt om meer input gegevens dan de BAR/ NAR methode. De voordelen van de DCF en IRR methoden zijn het goed inzichtelijk hebben van de kasstromen (en verschillen), de risico’s zijn goed te kwantificeren en er zijn weinig verborgen aannames mogelijk. Echter deze methode vereist meer input waardoor er meer veronderstellingen worden gedaan. De kans op verschillende meningen en waarderingen is hiermee groter. Tevens is het bepalen van de disconteringsvoet en eindwaarde erg lastig. De BAR/NAR methode en de DCF/IRR methode hebben beide voor- en nadelen. Zoals eerder besproken zal deze studie zich beperken tot de invloed op het direct rendement. Het direct rendement wordt bepaald door één van deze methoden. De invloedsfactoren van beide methoden spelen derhalve een rol en zullen worden meegenomen bij het bepalen van de indicatoren van duurzaamheid, de vergelijkingscriteria en de aannames:
Duurzame kantoorgebouwen
FACTOREN 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19.
Marktsituatie Kwaliteit locatie en gebouw Huurgroei Lengte huurcontracten Kwaliteit huurder Leegstand Onderhoudskosten Exploitatiekosten Eigendomssituatie Disconteringsvoet Markthuurprijsstijging Contracthuurstijging Oninbare debiteuren Mutatie en leegstandkosten Makelaarskosten Renovatiekosten Stijging diverse kosten BTW compensatie Eindwaarde
INVLOED OP DIRECT RENDEMENT Ja Ja Ja Nee Ja Ja Ja Ja Nee Nee Ja Ja Ja Ja Ja Ja Ja Ja Nee
16
MEENEMEN IN THEORETISCH MODEL Ja Ja Ja Nee Nee Ja Ja Ja, als percentage van de huur Nee Nee Nee, in verband met aanname Ja Nee, in verband met aanname Nee, in verband met aanname Nee, in verband met aanname Nee, in verband met aanname Ja Nee, in verband met aanname Nee Tabel 2.2: Invloeden op het direct rendement
2.4
Variabelen voor het onderzoek
In deze paragraaf zullen de variabelen ten behoeve van het statistisch onderzoek worden besproken. Aan de hand van de literatuur en de praktijk worden de uitgangspunten bepaald. Vervolgens kan het onderzoek naar de invloed van duurzaamheid op het rendement plaatsvinden.
Definitie Duurzaamheid
Indicator Duurzaamheid
Data Groene Kantoorgebouwen
Vergelijkingscritria
Data Niet- Groene kantoorgebouwen
Data analyse Figuur 2.6: Onderzoeksvariabelen
2.4.1. Indicator voor duurzaamheid In paragraaf 2.2.2 is bepaald welke definitie wordt gehanteerd voor het selecteren van de kantoorgebouwen in dit onderzoek. In deze paragraaf zal verder worden ingegaan op de vraag welke indicatoren een rol spelen bij de waardering van duurzaam vastgoed. Zoals in paragraaf 2.2.3. is beschreven zijn er verschillende studies gedaan naar de invloed van duurzaamheid op het rendement. De vier belangrijkste Eichholtz (2008), Fuerst (2008), Lorentz (2006) en Sayce (2004), waarin deze criteria worden onderzocht zullen hieronder worden besproken. De indicatoren van deze onderzoekers zijn te vinden in bijlage 2.1. De studie van Sayce (2004) werd in 2003 voorafgegaan door een studie naar indicatoren om te kunnen verwerken in de waardering van vastgoed. Het betreft een literatuur studie in de Engelse
Duurzame kantoorgebouwen
17
markt voor zowel bestaand als nieuwbouw commercieel vastgoed. De acht gevonden indicatoren zijn: gebouw flexibiliteit, energie efficiëntie, bereikbaarheid, vervuiling, locatie, gebruiker, ecologie en ontwerp. Voor de indicatoren wordt bepaald of ze invloed hebben op de waarde van vastgoed door Corporate Social Responsibility, Corporate Image of de kosten. Vervolgens wordt gekeken of dit voor de eigenaar, huurder of beiden invloed heeft. In het vervolg onderzoek van 2004 wordt de vertaalslag gemaakt naar de vier karakteristieken van vastgoedinvesteringen: huurgroei, waardevermindering, risico premie en cash flow. Deze indicatoren zijn bepaald voor de Engelse markt, welke door economische vraag wordt gestuurd en niet door ecologische economie. De indicatoren van Lorentz (2006) zijn afgeleid van de Duitse rating systemen en gekozen om (1) hun publieke toegankelijkheid van de informatie, (2) ecologie was reeds opgenomen als criterium en (3) de ratings zijn gebaseerd door een expert en vervolgens getest. Het gekozen systeem werd ontwikkeld door TEGoVA en verder ontwikkeld door VÖB en bevat vier hoofdklassen met maximaal vier subklassen en een wegingsfactor. De criteria worden gezien als risicofactoren en geven inzicht in het risico profiel van het gebouw. Het betreft een uitgebreide lijst met criteria die soms wat typisch zijn beschreven (zoals Acts of God). De onderzoeken van Fuerst (2008) en Eichholtz (2008) sluiten het beste aan op het doel van dit onderzoek. Met extra aandacht worden de gehanteerde criteria bekeken. Alhoewel Fuerst geen theorie beschrijft over de verkregen criteria, kan uit de regressie worden bepaald dat de criteria bestaand uit: Label, bouwjaar, percentage verhuurd, verdiepingen, land area, typische vloer, markt, verkoopjaar afgezet tegen de huurprijs of verkoopprijs. Voor de criteria van Eichholtz geldt min of meer hetzelfde. Er wordt geen theorie beschreven over specifieke criteria, wel wordt in de literatuurstudie de mogelijke impact bekeken. De gegevens die hieruit kunnen worden verkregen zijn in paragraaf 2.2.2. beschreven: Lagere onderhouds- en operationele kosten (energie, water, afval) Een hogere eindwaarde van het vastgoed Premie op de markthuur Lager leegstandsrisico Voordelen voor gebruikers in het klimaat en de arbeidsproductiviteit Imagovoordelen Beschermen tegen extra milieumaatregelen Eichholtz hanteert de volgende criteria: huur, effectieve huur, netto huur, pandgrootte, bezettingsgraad, leeftijd, gebouwkwaliteit, on site services, werkgelegenheidsgroei, gerenoveerd gebouw, verkoopprijs. Voor de vertaalslag naar de Nederlandse markt is gelet op welke indicatoren van duurzaamheid invloed hebben op de karakteristieken van de waardebepaling bij Nederlands commercieel vastgoed. Uit de verschillende studies blijkt dat er een aantal hoofdcriteria kunnen worden bepaald welke elke onderzoeker heeft gehanteerd: markt, locatie, gebouw en financieel. Deze hoofdcriteria zijn uitgewerkt in de specifieke vragen. Aangezien dit onderzoek zich richt op kwantitatieve gegevens worden de factoren die niet objectief zijn te bepalen, zoals invloed op het imago van de gebruiker van het pand, niet meegenomen. Tevens worden criteria gericht op vervuiling uitgesloten. De energiezuinigheid van de gebouwen wordt genoemd onder punt vier financieel. Of deze gegevens voldoende blijken te zijn om hiervan een goed oordeel te kunnen geven zal moeten blijken. Typisch Amerikaanse factoren zoals aantal verdiepingen en markt op staatniveau zijn niet opgenomen aangezien deze factoren in Nederland de waarde nauwelijks beïnvloeden. Dit geldt ook voor de netto huur: in Amerika betaalt de huurder de huur en servicekosten in één. Tevens zijn er in Nederland nauwelijks kantorenparken met eigen services die de waarde van het vastgoed zouden beïnvloeden. De voor dit onderzoek gehanteerde indicatoren of criteria zijn opgenomen in bijlage 2.2. 2.4.2. Vergelijkingscriteria Verschillende studies hebben de prijseffecten van de locatie willen uitsluiten. Zo hebben Eichholtz et al. (2008) gebruik gemaakt van het Geografische Informatie Systeem (GIS). De controle sample wordt opgebouwd uit panden die in een straal van 0,25 mijl zijn gelegen van de gecertificeerde panden. Fuerst (2008) selecteert op basis van gebouwtype (commercieel) en markt (alleen metropolen), waarbij de verschillen op micro niveau niet worden uitgesloten. Deze studie gaat de financiële gegevens van 18 ‘duurzame’ kantoorgebouwen vergelijken met 63 ‘niet-duurzame’ kantoorgebouwen. Zodoende wordt getracht te bekijken of duurzaamheid invloed
Duurzame kantoorgebouwen
18
heeft op het rendement. Bij de vergelijking worden per duurzaam kantoorgebouw minimaal drie vergelijkbare objecten gezocht. Het type vastgoed: kantoren is hierbij uitgangspunt. De juiste vergelijking maken is belangrijk voor de validiteit van de uitkomst van het onderzoek. Om de vergelijking zo zorgvuldig mogelijk te laten plaatsvinden worden de vijf stappen van Jaffe & Sirmans (1995) gehanteerd. De stappen zijn voor deze studie vertaald. STAP 1. Onderzoek de markt naar vergelijkbare objecten waarvan bruikbare data beschikbaar zijn.
ONDERZOEK De assets onder management van Bouwfonds REIM per 31 december 2008 zijn betrokken alsmede de assets onder management in de periode 2006/2007. Tevens zijn vergelijkbare panden gezocht in de waarderingsdatabase van CB Richard Ellis in Nederland.
STAP 2. Kwalificeer de vergelijkbare data naar bruikbaarheid, verkoopcondities en voorwaarden
ONDERZOEK Er wordt bekeken of de gegevens van minimaal de huurinkomsten, leegstand, onderhoudskosten, het adres en het bouwjaar beschikbaar zijn. Bij voorkeur over een periode van drie jaar, zijnde 2008, 2007 en 2006. Aangezien het assets onder management en/of waarderingen betreft en geen transacties, worden condities en voorwaarden buiten beschouwing gelaten. Bij het bepalen van de submarkt is gekeken naar de indeling bepaald op de vragenlijst: Kantorenpark, centrumlocatie, bedrijventerrein,in woonwijk of overig.
STAP 3. Vergelijk de omstandigheden in relatie tot locatie, fysieke karakteristieken, tijd en andere factoren;
ONDERZOEK Aangezien de voornaamste invloed op de huurprijs/ verkoopprijs de locatie is, wordt in dit onderzoek eerst deze selectie gemaakt.
Bij het bepalen van een vergelijkbare plaats is gekeken naar de ligging in 2 Nederland, het inwoneraantal en aantal m kantooroppervlakte per inwoner (Bak, 2007) Plaats ++ Dezelfde plaats + Vergelijkbare plaats op maximaal 25 km afstand □ Vergelijkbare plaats op maximaal 50 km afstand Vergelijkbare plaats op meer dan 50 km afstand -Geen vergelijk Vervolgens zijn de specificaties van de omgeving, de bereikbaarheid en de parkeersituatie in kaart gebracht Omgeving ++ Dezelfde + Kantorenpark versus Centrumlocatie + Kantorenpark versus Bedrijventerrein □ Kantorenpark versus Woonwijk + Kantorenpark versus Overig Centrumlocatie versus Bedrijventerrein □ Centrumlocatie versus Woonwijk Centrumlocatie versus Overig -Bedrijventerrein versus Woonwijk □ Bedrijventerrein versus Overig Woonwijk versus Overig Bereikbaarheid (openbaar vervoer/ eigen vervoer) ++ Dezelfde o.v. en e.v. + 1 anders bij o.v. en/ of e.v. □ 2 anders bij o.v. en/of e.v. 1 anders met een verschil van 2 bij o.v. en/of e.v. -2 anders met een verschil van 2 bij o.v. en/of e.v. Parkeernorm ++ Afwijking < 10 + Afwijking kleiner dan 25 □ Afwijking kleiner dan 50 Afwijking kleiner dan 75 -Afwijking groter dan 75 STAP 4. Er dient rekening gehouden te worden met de verschillen tussen de referentieobjecten en het te waarderen object. Elk verschil heeft effect op de verkoopprijs en dient nauwkeurig te worden vastgelegd.
ONDERZOEK Correcties op de gegevens worden in dit onderzoek niet gemaakt. Indien niet alle gegevens aanwezig of bruikbaar zijn dan zullen van te voren afgewogen aannames worden gemaakt die in het volgende hoofdstuk worden beschreven.
Duurzame kantoorgebouwen
19
De verschillen worden bepaald en weergegeven in de vergelijkingstabel in bijlage 2.3 (anoniem) STAP 5. Bepaal aan de hand van de analyse een mening over de marktwaarde van het object
ONDERZOEK Bepaal aan de hand van bovenstaande stappen of het object kan worden opgenomen in de database voor ‘niet-duurzame’ kantoorgebouwen.
Op bovenstaande wijze is geprobeerd de verschillen in locatie en daarmee de effecten op de huurprijs/waarde te minimaliseren. De samenstelling van de totale datasample wordt toegelicht in paragraaf 3.2.1 van hoofdstuk 3. De validiteit van het onderzoek zou verder kunnen worden verbeterd door grotere clusters samen te stellen van enkel kantoorpanden direct naast en om het duurzame gebouw gelegen kantoorpand. In Nederland is een dergelijke database vooralsnog niet beschikbaar.
2.5
Conclusie
Om tot de beantwoording van de centrale vraag te komen: ‘Wat is de invloed van duurzaamheid op het rendement van een kantoorgebouw, bekeken vanuit een belegger?’ werden in dit hoofdstuk de eerste drie deelvragen beantwoord. Hieruit is het theoretisch model ontstaan dat de basis vormt van de verdere studie. A. Welke criteria bepalen de duurzaamheid van een kantoorgebouw? Eerst is naar de definitie van duurzaam vastgoed gekeken en zijn de bekendste nationale en internationale toetsinstrumenten besproken. Het gebruik van een, internationaal bekend toetsinstrument in Nederland is nog niet mogelijk. Derhalve zijn voor de vier belangrijkste instrumenten de waarden bepaald: GreenCalc score minimaal 150 GPR Gebouw score minimaal 6 Energielabel minimaal B EPC minimaal 25% beter dan de tijdens de bouw geldende norm Op basis van de literatuurstudie kan worden gesteld dat de invloed van duurzaamheid op het rendement is onderzocht. Echter, deze onderzoeken betreffen voornamelijk internationale onderzoeken. De gevonden voordelen dienen te worden vertaald naar de Nederlandse situatie. Uit de onderzoeken blijkt dat de belangrijkste voordelen van duurzame kantoorgebouwen zijn: Lagere onderhouds- en operationele kosten (energie, water, afval) Hogere eindwaarde van het vastgoed Premie op de markthuur Lager leegstandrisico Voordelen voor gebruikers in het klimaat en de arbeidsproductiviteit Imagovoordelen Beschermen tegen extra milieumaatregelen De indicatoren oftewel criteria waarop dit onderzoek wordt uitgevoerd, zijn bepaald aan de hand van de literatuurstudie met een vertaling naar de Nederlandse markt. De criteria bestaan uit vier hoofdcriteria: markt, locatie, gebouw en financieel en deze zijn als volgt onderverdeeld: Markt: Locatie: Gebouw: Financiële gegevens:
Adres en verhuurbaarheid Omgeving, bereikbaarheid, parkeersituatie, faciliteiten in de omgeving Energielabel, groenlabel, bouwjaar, omvang, gebouwkwaliteit, gerenoveerd, jaar van renovatie, flexibiliteit gebouw en multi of single tenant. Jaarhuur, huur parkeren, leegstand, onderhouds en servicekosten, energiekosten, aankoopwaarde, verkoopwaarde/taxatie, stichtingskosten en ten slotte lengte van de resterende huurtermijn.
B. Welke criteria bepalen het rendement van een kantoorgebouw? Het rendement van een kantoorgebouw kan worden bepaald aan de hand van de BAR/NAR methoden en/of de DCF/IRR methoden. Door middel van de literatuur zijn de belangrijkste factoren geïdentificeerd. De hoogte van de huurprijs speelt bij alle methoden een dominante rol. Andere
Duurzame kantoorgebouwen
20
factoren zijn: kwaliteit locatie en gebouw, huurgroei, leegstand, onderhoudskosten, exploitatiekosten en contracthuurstijging. Het maatschappelijk rendement wordt in deze studie niet nader onderzocht. C.
Op welke randvoorwaarden (vastgestelde criteria) worden de ‘niet-duurzame’ gebouwen ‘gematched’ met de ‘duurzame’ kantoorgebouwen? Hiertoe zijn vergelijkingscriteria opgesteld en verwerkt in de tabel. Het hoofdcriterium betreft de locatie/ plaats van het kantoorpand. Daarna zijn de specificaties van de locatie bekeken zoals de omgeving, bereikbaarheid en parkeernorm. Voor 14 van de samengestelde clusters bevat de ‘niet duurzame’ sample minimaal één pand in dezelfde plaats en op een vergelijkbare locatie. De validiteit van het onderzoek zou verder kunnen worden verbeterd door grotere clusters samen te stellen van enkel kantoorpanden direct naast en om het ‘duurzame’ gebouw gelegen kantoorpand. In Nederland is een dergelijke database vooralsnog niet beschikbaar.
Duurzame kantoorgebouwen
21
Hoofdstuk 3 Statistisch onderzoek en presentatie resultaten 3.1
Inleiding
Eerdere studies naar de invloed van duurzaamheid op het rendement maken gebruik van beschrijvende statistieken en een standaard hedonisch regressiemodel. Dit onderzoek zal deze technieken tevens toepassen om de invloed van duurzaamheid op het rendement te kunnen bepalen. Eerst worden de voorbereidingen van de onderzoeksgegevens omschreven, zoals dataverzameling, dataverwerking en betrouwbaarheid ervan. Vervolgens wordt de theorie rond de beschrijvende statistiek besproken. Tenslotte worden de resultaten gepresenteerd en wordt gedeeltelijk antwoord gegeven op de laatste deelvraag: ‘Wat zijn de financiële conclusies van de probleemstelling die kunnen worden getrokken uit het onderzoek?’ In het volgende hoofdstuk zal het volgende deel van deze deelvraag worden beantwoord aan de hand van de resultaten van de hedonische regressie.
3.2
Voorbereiding van de onderzoeksgegevens
Alvorens de statistische analyses te kunnen uitvoeren en vervolgens op een juiste wijze te interpreteren (hoofdstuk 4) zal in deze paragraaf aandacht worden besteed aan de verzameling, verwerking en betrouwbaarheid van de gegevens. In hoofdstuk 2 zijn de begrippen die benodigd zijn in het onderzoek gedefinieerd en vervolgens geoperationaliseerd. Er is gekozen voor een kwantitatief onderzoek. Doordat er voldoende literatuur over het onderwerp beschikbaar is, konden de data gestructureerd worden verzameld. Het begrip duurzaamheid is vertaald naar een minimale score van de meest voorkomende vastgoedlabels in Nederland. Deze variabele is leidend geweest in het zoeken naar kantoorpanden die in deze studie konden worden opgenomen. Er is geen administratief kader op landelijk niveau waarin alle duurzame kantoorgebouwen zijn geïnventariseerd. Via het internet, de overheid, mijn bedrijf en mijn studie zijn de kantoorgebouwen met het juiste duurzaamheidlabel (zie hoofdstuk 2, paragraaf 2.2.2) willekeurig opgezocht. Vervolgens is aan de eigenaren en de gebruikers van het vastgoed gevraagd of zij mee wilden werken aan het onderzoek. De gegevens van de kantoorgebouwen met een positieve respons zijn opgenomen in het onderzoek. Voor dit onderzoek zijn circa 50 gebouwen bekeken. Circa 15 gebouwen zijn afgevallen aangezien zij niet commercieel worden geëxploiteerd: de eigenaar en de gebruiker van het vastgoed zijn dezelfde. Deze panden zijn niet opgenomen in deze studie aangezien er geen objectieve huurstroom is. Een aantal bekende ‘groene’ kantoorpanden zoals het pand van het Wereld Natuur Fonds in Zeist, Cisco Systems in Amsterdam en het pand van BEAR Architecten in Gouda doen daarom niet mee. Duurzaamheid lijkt nog vaak een item voor specifieke organisaties en eigenaar/gebruikers. De genoemde kostenvoordelen uit hoofdstuk 2 op de energiebesparing, exploitatie van het gebouw en langere terugverdienperiode zullen hier zeker een rol in spelen. De overheid is eveneens benaderd om medewerking te verlenen aan dit onderzoek. De Rijksgebouwendienst is momenteel bezig de energielabels van alle panden te berekenen c.q. te verzamelen. Dit project wordt in 2009 afgerond. Ten tijde van de dataverzameling (eind 2008) was een aantal energielabels beschikbaar. De Rijksgebouwendienst heeft zowel kantoorpanden in eigendom als huurpanden. Slechts die panden die op de markt ingehuurd worden komen in aanmerking voor dit onderzoek in verband met de objectieve huurstroom. Tevens hanteert de Rijksgebouwendienst een andere definitie van huur dan de markt. Zij verwerken namelijk een aantal services die de Rijksgebouwendienst levert aan de gebruiker van het onroerend goed in de huurprijs. Desalniettemin wordt tegenwoordig een behoorlijk aantal kantoorpanden commercieel geëxploiteerd. Het verkrijgen van de data was niet eenvoudig aangezien het onder andere gevoelige, niet openbare rendementsgegevens betrof, zoals huurprijs en leegstand. Daarom zijn de gegevens geanonimiseerd. Van de circa 35 commercieel geëxploiteerde gebouwen zijn er circa 12 eigenaren die meewerken aan dit onderzoek. In totaal bestaat de sample duurzame kantoorgebouwen uit 18 stuks.
Duurzame kantoorgebouwen
22
De eigenaren hiervan zijn gevraagd naar de variabelen die in paragraaf 2.4.1 zijn bepaald. Vervolgens heeft de vergelijking plaatsgevonden aan de hand van paragraaf 2.4.2. Aan de eigenaren is dezelfde informatie gevraagd als voor de ‘duurzame’ panden. Het onderzoek is ingestoken op informatie uit vijf opeenvolgende jaren: van 2004 tot en met 2008. Tijdens de gegevensverzameling bleek de historie beperkt beschikbaar. Alle gegevens over 2008 zijn verzameld. Het aantal gegevens van de jaren hiervoor bleek zo beperkt dat deze jaren niet zullen worden betrokken in het onderzoek. Voor de verwerking en de analyse van de gegevens is gekozen voor het programma Excel. De verzamelde gegevens worden eerst in een datamatrix geplaatst. De datamatrixen voor de groene en voor de niet-groene sample zijn geanonimiseerd opgenomen in bijlage 3.1. Het bijbehorende coderingsschema is opgesteld en opgenomen in bijlage 3.2. Zodoende worden de waarden van elke variabele voorzien van een code of codegetal. Indien er geen antwoord beschikbaar is wordt een blanco ingevuld. Hiernaast zijn voor een aantal variabelen dezelfde aannames gedaan. De gehanteerde aannames staan hieronder vermeld: Aannames Indien een gebouw is gerenoveerd geldt het jaar waarin het pand is gerenoveerd als bouwjaar. Alle panden waarvan geen van de mogelijke duurzaamheidslabels beschikbaar is worden gezien als niet-duurzame panden. De BAR wordt berekend door de volledige jaarhuur te delen door de investering (aankoop) dan wel waardering of het transactiebedrag. Correcties op de BAR vinden niet plaats. De gegevens hiervoor zijn te beperkt. Tevens wordt de BAR gehanteerd in deze studie als vergelijkende factor en niet vergeleken met Bruto Aanvangsrendementen in de markt. De correctie kosten koper vindt derhalve ook niet plaats. Voor het berekenen en analyseren van de data wordt ervan uitgegaan dat de gegevens normaal verdeeld zijn. De gegevens zijn waarheidsgetrouw. Voordat de gegevens worden verwerkt, is een frequentieberekening uitgevoerd. Per variabele wordt bekeken hoe vaak de waarden of categorieën voorkomen. Eventuele outliers worden bestudeerd en indien noodzakelijk gecorrigeerd. In deze studie zijn outliers gedefinieerd als meer dan drie keer de standaarddeviatie boven het 3e kwartiel of meer dan 3 keer de standaarddeviatie onder het 1e kwartiel. De outlier kan worden verwijderd (fout in data), afgezwakt of er wordt niets aan gedaan aangezien er een verklaring is voor de extreme waarde. Frequenties Er zijn alleen voldoende gegevens over de onderhoudskosten beschikbaar in 2008 voor de groene en de niet-groene sample. Er zijn te weinig gegevens over de servicekosten beschikbaar voor alle jaren en voor beide samples. Er zijn te weinig gegevens over de energiekosten beschikbaar voor alle jaren en voor beide samples. De stichtingskosten in de niet-groene sample zijn onvoldoende beschikbaar waardoor een vergelijking met de groene sample niet kan plaatsvinden. Outliers Parkeer Bouw VVO Norm
Huur
jaar
Netto
Onderh Service Energie BAR
Huur
Kosten
11.713 35,55 41,90
kosten
kosten
BAR
Stichtings Lengte
Aankoop Waarde kosten
Ovk
SD
34,63
4,16
9,17
8,47
6,20
1,31%
1,45%
711
38
Gem
71,50
2000
8.807
151
142
10,05
17,86
13,39
8,17%
8,11%
1.840
70
1e
52,25
1997
1.797
137
110
4,21
12,41
8,55
7,30%
7,21%
1.353
44
2e
65,00
2000
5.410
145
145
5,02
19,20
14,49
8,20%
8,30%
1.651
67
3e
83,50
2004
8.723
177
170
16,65
23,20
18,05
8,49%
8,57%
2.006
90
4e
170,00
2008
45.664
208
208
26,66
30,00
20,63
10,72%
10,65%
3.136
156
Outlier >
187,83
2016
284
295
44,17
48,59
36,66
12,43%
12,93%
4.138
204
Outlier <
-51,63
1985
43.863 33.343
30
-16
-23,31
-12,98
-10,06
3,36% 2,85% -779 -70 Tabel 3.1: Outliers Sample Duurzaam
Duurzame kantoorgebouwen
23
De tabel laat zien dat er minimaal 1 outlier in de data zit. Het betreft het metrage van een kantoorpand, dat nogmaals is gecontroleerd. Deze extreme waarde wordt niet gecorrigeerd, het betreft geen fout in de data. Vervolgens is bekeken of er meerdere outliers voorkomen, maar dat is niet het geval. Parkeer Bouw VVO norm
Huur
Jaar
Netto
Onderh Service BAR
Huur
kosten
kosten
BAR
Lengte
Aankoop Waarde Ovk
SD
48,54
6,83
3.863 37,60
42,26
10,57
8,11
2,22%
1,68%
33
Gem
68,80
1994
5.023
148
137
18,17
12,12
9,12%
8,59%
50
1e
43,50
1989
2.519
132
114
10,06
5,38
7,66%
7,44%
25
2e
52,00
1991
3.997
144
141
17,75
8,34
8,47%
8,20%
41
3e
81,00
2000
5.526
164
154
24,19
18,29
9,88%
9,36%
72
4e
350,00
2008 17.913
329
329
49,96
25,40
16,48% 15,04%
123
Outlier >
226,60
2020 17.116
276
280
55,91
42,63
16,53% 14,41%
170
Outlier <
-102,10
1969 -9.072 19,20 -12,80
-21,66 -18,96 1,01% 2,39% -73 Tabel 3.2 : Outliers Sample Niet Duurzaam
In de tabel van de sample niet duurzame kantoorgebouwen is te lezen dat er minimaal vijf outliers zijn geconstateerd. Onderstaand wordt per outlier bekeken welke acties dienen te worden ondernomen: Parkeernorm De invoer van de parkeernorm blijkt correct. Het getal wijkt echter dusdanig veel af van de gestelde norm dat deze ene waarde het gemiddelde en de standaarddeviatie te veel beïnvloedt. De waarde wordt gewijzigd naar het afgeronde gemiddelde: 69. Het nieuwe gemiddelde is dan 64,03 en de standaarddeviatie 31,14. Metrage Uit deze controle blijkt dat de invoer correct is en niet zal worden gewijzigd aangezien het verschil met de gestelde norm beperkt is. Het gemiddelde, de standaarddeviatie en dergelijke worden marginaal beïnvloed. Huur De huurprijs van een locatie is substantieel hoger dan van de andere panden. Het gemiddelde, de standaarddeviatie en dergelijke worden substantieel beïnvloed door deze extreme waarde. De waarde wordt derhalve gecorrigeerd naar het gemiddelde: 148. De nieuwe standaarddeviatie bedraagt 29,65 en het gemiddelde 145. Nettohuur Er is geen leegstand in het bovenstaande pand. De huur wordt dienovereenkomstig aangepast naar het gemiddelde: 137. De nieuwe standaarddeviatie bedraagt 34,40 en het gemiddelde 134. BAR Waarde De waarde van 15,04% ligt marginaal boven de gestelde norm. De invoer blijkt correct te zijn; de slechte verhuurbaarheid van het pand verklaart de hoge BAR. De waarde zal niet worden gecorrigeerd. Voor niet-categorische variabelen zoals parkeernorm, bouwjaar, metrage, huurprijs, netto huurprijs, onderhoudskosten, servicekosten, energiekosten, de rendementen en de lengte van de resterende huurtermijn, wordt aan de hand van een histogram gecontroleerd of er spreiding is en hoe de verdeling van de waarden is. Als er geen spreiding is, zal de variabele niet in de analyse worden betrokken. De histogrammen zijn opgenomen in bijlage 3.3.. Hieruit blijkt dat de gegevens voldoende verspreid zijn om meegenomen te worden. De onderzoeksresultaten dienen zo min mogelijk afhankelijk te zijn van toeval. Het verzamelen van de concrete gegevens zoals de huurprijs is niet onderhevig aan toeval. De gehanteerde definities in dit onderzoek komen voort uit de literatuur waardoor deze volledig valide zijn. Minder betrouwbaar zijn de verzamelde gegevens welke zijn gemeten op schaalniveau zoals verhuurbaarheid, bereikbaarheid, gebouwkwaliteit en flexibiliteit gebouw. De definitie van deze begrippen is aan de desbetreffende personen mondeling toegelicht.
Duurzame kantoorgebouwen
24
Hiernaast zijn de data goed gecontroleerd op juiste aannames en definities, outliers en spreiding waardoor de kwaliteit kan worden gewaarborgd.
3.3
Resultaten van het onderzoek
Eerdere kwantitatieve studies naar de invloed van duurzaamheid op het rendement hanteren beschrijvende statistiek alsmede een regressiemodel voor het bepalen van de effecten. Mijn studie zal deze methoden ook toepassen. In deze paragraaf worden de resultaten gepresenteerd van de beschrijvende statistiek. De Sample Duurzame kantoorgebouwen wordt vergeleken met de Sample Niet Duurzame gebouwen. Hiervoor worden de begrippen gemiddelde (het rekenkundig gemiddelde), mediaan (de middelste waarde) en modus (de meest voorkomende waarde in een verzameling) gehanteerd. Vervolgens wordt aan de hand van de standaarddeviatie (gemiddelde afwijking van het gemiddelde) bepaald of de spreiding rond het gemiddelde niet te groot is. Met het aantal waarnemingen, de minimum- en maximumwaarden worden percentages berekend waardoor de data makkelijker te analyseren zijn. Tenslotte wordt bekeken of de gegevens met minstens 95% zekerheid voor de totale populatie kunnen gelden. Hiervoor worden de standaardfout en het betrouwbaarheidsniveau (ongeveer 2 keer de standaardfout) nader bestudeerd. De standaardfout zal groter zijn bij een steekproef met beperkte waarnemingen. Voor deze studie geldt dat het aantal waarnemingen in de Sample Duurzaam beperkt zijn (18 stuks). De resultaten zijn daarmee beperkt toepasbaar op de totale populatie.
3.3.1 Presentatie resultaten van de beschrijvende statistiek Dit onderzoek is gebaseerd op een gedeelte van de onderzoekspopulatie. Het betrekken van alle kantoorgebouwen, die commercieel worden geëxploiteerd in Nederland en voldoen aan de duurzaamheidsdefinitie van dit onderzoek, is helaas niet mogelijk. Er is geen administratief kader op landelijk niveau waarin alle duurzame kantoorgebouwen zijn geïnventariseerd. Via het internet, de overheid, mijn bedrijf en mijn studie zijn de kantoorgebouwen met het juiste duurzaamheidslabel (zie hoofdstuk 2, paragraaf 2.2.2) willekeurig opgezocht. Vervolgens is aan de eigenaren en gebruikers van het vastgoed gevraagd of zij mee wilden werken aan het onderzoek. De gegevens van de kantoorgebouwen met een positieve respons zijn opgenomen in het onderzoek. In dit geval spreken we van een aselecte steekproef met een kleine populatie. Bij de analyse van de onderzoeksgegevens kunnen de resultaten van de steekproef met een zekere foutenmarge ook gelden voor de gehele onderzoekspopulatie. De nauwkeurigheid van de resultaten staat door de beperkte omvang onder druk. Doordat niet bekend is hoe groot de totale populatie is of wat de spreiding van de variabelen in de populatie is, kan niet via een poweranalyse worden bepaald wat de minimale omvang zou moeten zijn. Sample Duurzaam
Gemiddelde Mediaan Standaard Min
Max
deviatie Parkeernorm (1:m²)
71,50
65,00
34,63 30,00 170,00
Bouwjaar (jaar)
2000
2000
4,16
Metrage (m²)
8.807
5.409
11.713
1995
Huur (€ per m²)
151,06
Netto huur (€ per m²)
142,39
Bezettinggraad (%)
94,00
Onderhoudskosten (€ per m²)
10,05
5,02
9,17
1,50
Servicekosten (€ per m²)
17,86
19,20
8,47
4,35
Energiekosten (€ per m²)
13,39
14,49
6,20
BAR Aankoop (%)
7,93
8,00
BAR Waarde (%)
7,50
8,00
Stichtingskosten (€)
1.840
1.651
Lengte contracten (in mnd)
70,17
67,00
Aantal Standaard Betrouw niveau fout 95% 16
8,66
18,45
2008
18
0,98
2,07
915 45.664
18
2.760
5.825
144,50
35,55 80,00 208,00
18
8,38
17,68
144,50
41,92 72,00 208,00
18
9,88
20,85
100,00
14,00 50,00 100,00
18
3,30
6,96
26,66
12
2,65
5,83
30,00
8
2,99
7,08
2,18
20,63
10
1,96
4,44
1,24
6,50
10,00
7
0,46
1,15
1,20
5,00
9,00
8
0,46
1,00
711,00 1.222
3.136
6
290
746
BAR Transactie (%) 38,08 6,00 156,00 18 8,98 18,94 Tabel 3.3 : Beschrijvende Statistiek Sample Duurzaam
Duurzame kantoorgebouwen
25
Van de duurzame sample kan tevens worden gezegd dat negen panden beschikken over een A energielabel en één pand een B label heeft. Op basis van de EPC norm zijn drie panden geselecteerd. Een uit 1997 heeft een EPC van 1 (ten opzichte van 1,5), een uit 1999 (1,25 versus 1,9) en een uit 2000 (1,1 versus 1,6). De laagste GreenCalc score van de 5 opgenomen panden is 162 en de hoogste 217. Sample Niet Duurzaam
Gemiddelde Mediaan Standaard Min
Max
deviatie
Aantal Standaard Betrouw niveau fout 95%
Parkeernorm (1:m²)
64,03
52
31,14
20
180
59
4,05
8,12
Bouwjaar (jaar)
1994
1991
6,83
1984
2008
63
0,86
1,72
Metrage (m²)
5.023
3.997
3.863 1.034 17.039
63
487
973
Huur (€ per m²)
145,49
144,00
29,65
75
225
63
3,74
7,47
Netto huur (€ per m²)
131,35
139,00
37,91
0
219
63
4,33
9,55
Bezettinggraad (%)
91,01
100,00
19,24
0
100
63
1,93
4,84
Onderhoudskosten (€ per m²)
18,17
17,75
10,57
2,82
49,96
52
1,47
2,94
Servicekosten (€ per m²)
12,12
8,34
8,11
4,83
25,40
9
2,70
6,24
BAR Aankoop (%)
9,12
8,47
2,22
6,25
16,48
38
0,36
0,73
BAR Waarde (%)
8,59
8,20
1,68
6,41
15,04
51
0,24
0,47
BAR Transactie (%)
8,17
7,72
1,58
6,94
12,13
9
0,53
1,21
50,14
41
Energiekosten (€ per m²)
Stichtingskosten (€) Lengte contracten (in mnd)
32,66 0 123 63 4,11 8,22 Tabel 3.4: Beschrijvende Statistiek Sample Niet Duurzaam
Uit deze sample beschikt slechts 17,5% over een duurzaamheidslabel waarvan tien panden met een energielabel en een pand een EPC score. De energielabels zijn verdeeld over de categorieën: drie hebben een C label, D en E allebei één, twee hebben een F label en drie een G. In bovenstaande tabellen zijn de uitkomsten weergegeven van de beschrijvende statistiek voor het gehele gegevensbereik, de sample duurzaam en de sample niet duurzaam. Vervolgens is in bijlage 3.4 een overzicht opgenomen met percentages en categorieën om de uitkomsten eenvoudig te kunnen weergeven. Hieronder worden de bevindingen besproken. Markt Verhuurbaarheid
Locatie Omgeving Bereikbaarheid
De verhuurbaarheid van de sample duurzaam is voor circa 85% van de panden goed. Voor de sample niet duurzaam is het merendeel van de panden met circa 75% voldoende verhuurbaar.
Het merendeel van alle panden is gelegen in een kantorenpark. Hiernaast is circa 25% van de duurzame panden gelegen op een centrumlocatie. De bereikbaarheid wordt bepaald door het openbaar vervoer en het eigen vervoer. Een pand is goed bereikbaar met het openbaar vervoer indien een station of tramhalte op loopafstand is gelegen. Voldoende bereikbaar zijn de panden met een bushalte op loopafstand en onvoldoende waar de halte niet op loopafstand is gelegen. Voor het eigen vervoer geldt dat de afslag van een rijksweg binnen 5 autominuten moet zijn gelegen, voor voldoende bereikbaarheid binnen circa 10 autominuten en onvoldoende langer dan 10 minuten. Het merendeel van alle kantoorpanden is voldoende bereikbaar met het openbaar vervoer. Circa 25% van beide samples zijn goed bereikbaar. Ruim 50% van de panden in de duurzame sample zijn goed bereikbaar met het eigen vervoer en voor de niet duurzame sample is ruim 50% voldoende bereikbaar.
Duurzame kantoorgebouwen
Parkeernorm
Niet duurzame panden hebben gemiddeld een betere parkeernorm: gemiddeld 1 per 64 m² VVO ten opzichte van 1 per 72 m². Zowel het gemiddelde, de mediaan als de modus zijn lager dan bij de duurzame sample. Doordat de groene sample slechts uit 18 panden bestaat, zijn de resultaten minder betrouwbaar (met minstens 95% zekerheid) om zonder meer naar de populatie te generaliseren. Het gemiddelde ligt tussen de 1 per 53 m² en 1 per 90 m². Bij de niet duurzame sample is deze marge al een stuk kleiner: tussen de 1 per 56 m² en 1 per 72 m². In totaal ontbreken de gegevens van de parkeernorm bij 6 van de 81 panden. Circa 11% in de duurzame sample is onbekend en circa 6,5% in de sample niet duurzaam. Ruim 40% van de kantoorpanden in de niet duurzame sample beschikt over een zeer goede parkeernorm: minder dan 1 parkeerplaats per 50 m² VVO. Het merendeel van alle panden beschikt niet over faciliteiten (zoals winkels, restaurants e.d.) in de omgeving. Faciliteiten in de omgeving van duurzame panden zijn met circa 45% meer vertegenwoordigd dan in de vergelijkende sample met 30%.
Faciliteiten
Gebouw Groenlabel
Bouwjaar
Metrage
26
Gebouwkwaliteit
Flexibiliteit gebouw
Alle duurzame panden beschikken over een Groenlabel, waarvan ruim 55% is gescoord aan de hand van het energielabel. Geen van de gehanteerde gebouwen beschikt over een score aan de hand van de GPR Gebouw systematiek. Van de niet duurzame panden beschikt 17,5% over een label en 90% daarvan betreft het energielabel. De scores zijn redelijk gelijkelijk verdeeld over de mogelijkheden van C tot en met G. De kantoorpanden uit de duurzame Sample zijn gemiddeld 6 jaar jonger dan uit de vergelijkende niet duurzame Sample. De spreiding rond het gemiddelde van de duurzame sample is kleiner: 4,16 ten opzichte van 6,83. Dit betekent dat de bouwjaren van de duurzame sample dichter bij elkaar liggen. Dit wordt ondersteund door het minimum van 1995 in de duurzame sample versus 1984 uit de niet duurzame sample. Men zou verwachten dat de meeste kantoorpanden uit de duurzame panden jonger dan 5 jaar zouden zijn. Het blijkt echter dat de 50% van de panden in het jaar 2000 of eerder zijn gebouwd. Voor de niet duurzame panden is dat ruim 75% van de panden. De resultaten van deze berekening zijn goed te generaliseren naar de totale populatie gezien het betrouwbaarheidsniveau (95%) van 2,07 voor de sample duurzaam en 1,72 voor de andere sample. De kantoorpanden uit de duurzame sample zijn met gemiddeld 8.807 m² substantieel groter dan de kantoorpanden in de niet duurzame sample van 5.023 m². De spreiding rond het gemiddelde in de groene sample is echter groot: de kleinste waarde is 915 m² en de grootste waarde 45.664 m². Toch blijkt dat de sample gelijkelijk is opgebouwd; elke categorie panden is met circa 25% vertegenwoordigd. De standaardfout van de duurzame sample is dusdanig groot (2.760 m2) dat deze gegevens weinig betrouwbaar zijn voor de gehele populatie. Met de vergelijkende sample zou dit wel kunnen. Ruim de helft van de panden uit de sample niet duurzaam zijn tussen de 2.000 m² en 5.000 m² groot. De gebouwkwaliteit van de duurzame gebouwen is beduidend beter dan de kwaliteit van de niet duurzame gebouwen. Circa 85% van de duurzame gebouwen is van goede kwaliteit ten opzichte van 25% van de niet duurzame panden. Slechts 3% van de niet duurzame panden is onvoldoende van kwaliteit. Uit de gegevens blijkt dat circa 55% van de groene gebouwen flexibel is, of te wel er zou een andere functie aan het gebouw kunnen worden gegeven. De niet duurzame panden lijken voornamelijk een kantoorfunctie te kunnen bekleden. Circa 87,5% is niet flexibel.
Duurzame kantoorgebouwen
Multi of Single tenant
Financieel Huurprijs
Circa 78% van de sample duurzaam is Single tenant ten opzichte van 60% van de panden in de sample niet duurzaam.
Netto huurprijs
Bezettingsgraad
Onderhouds kosten
Servicekosten
27
De gemiddelde huurprijs van de sample duurzaam is circa 3,7% hoger dan de gemiddelde huurprijs van de niet duurzame kantoren. De mediaan en modus verschillen niet veel van elkaar. De standaarddeviatie van de sample duurzaam is hoger met 35,55 ten opzichte van 29,65. Dit betekent dat de spreiding rond het gemiddelde van de duurzame sample groter is en dus de betrouwbaarheid lager. De gemiddelde huurprijs van alle panden bedraagt EUR 146,73 per m² VVO per jaar. De hoogst gemeten huurprijs van alle panden bedraagt EUR 225,- per m² en behoort tot de categorie niet duurzaam. Hier speelt tevens de beperkte omvang van de steekproef een rol waardoor de resultaten beperkt toepasbaar zijn op de gehele populatie. Een kleine 40% van de duurzame panden en een ruime 40% van de niet duurzame panden hebben een huurprijs tussen de EUR 125,- en EUR 150,per m² per jaar. Het verschil voor de netto huurprijzen is groter. De gemiddelde huurprijs in de duurzame sample bedraagt EUR 142,39 ten opzichte van EUR 131,35 in de niet duurzame sample. Of te wel 7,8%. In dit geval verschilt de mediaan sterker. De helft van de waarden in de sample duurzaam ligt boven de 144,50 ten opzichte van 139 uit de niet duurzame sample. De standaarddeviatie (41,92/ 37,91) van de duurzame sample is wederom groter dan van de niet duurzame sample. De standaardfout voor de netto huurprijs is circa 15% groter dan voor de huurprijs. De verdeling van de huurprijzen over de categorieën is bij de duurzame sample gelijkelijk. Voor de niet duurzame panden ligt het zwaartepunt met 43% nog steeds in de categorie EUR 125,- en EUR 150,- per m². De bezettingsgraad van de duurzame panden is 3,2% beter dan van de vergelijkende panden. Circa 73% van de groene panden en circa 68% van de niet groene panden hebben een bezettingsgraad van 100%. Het verschil in bezettingsgraad is met name gelegen in de bezetting tot 75%. Van de duurzame panden ligt circa 10% in deze categorie en van de niet duurzame panden is dat circa 15%. De standaarddeviatie van de sample duurzaam is met 15% beter dan voor de vergelijkende sample (21%). Met een standaardfout van 3,30 en 1,93 zijn de resultaten informatief voor de gehele populatie. De gegevens over de onderhoudskosten zijn van circa 65% van de sample duurzaam en 82,5% van de sample niet duurzaam bekend. De onderhoudskosten van de duurzame panden zijn circa 45% lager dan van de niet duurzame panden. De standaarddeviatie en variantie verschillen niet veel van elkaar. Het betrouwbaarheidsniveau is te laag om waardevolle informatie te leveren over de gehele populatie. De gegevens van de servicekosten zijn slechts bij circa 14% van de sample niet duurzaam en 55% van de sample duurzaam bekend. De servicekosten van niet duurzame panden zouden 32,5% lager zijn. Er is reeds geconstateerd dat de hoeveelheid gegevens te beperkt is om conclusies te kunnen trekken. De hoogte van de standaardfout onderschrijft deze bevindingen tevens voor de gehele populatie. Bovendien is er geen duidelijk overzicht welke kosten worden verstaan onder de servicekosten.
Duurzame kantoorgebouwen
Energiekosten
BAR Aankoop
BAR Waardering
BAR Transactie
Stichtingskosten
Lengte resterende huurtermijn
28
De gegevens van de energiekosten zijn niet beschikbaar voor de niet duurzame sample. Er is reeds geconstateerd dat de hoeveelheid gegevens te beperkt is om conclusies te kunnen trekken. De gegevens over het rendement bij aankoop zijn bij circa 60% van de sample niet duurzaam en circa 45% van de sample duurzaam bekend. Het gemiddelde bruto aanvangsrendement op de investering ligt circa 13% lager bij duurzame panden ten opzichte van niet duurzame panden. De spreiding rond het gemiddelde ligt bij duurzame panden tevens lager. Het betrouwbaarheidsniveau is met 1,15 voor de duurzame sample en 0,73 voor de niet duurzame sample redelijk te noemen. De gegevens over het rendement bij de waardering zijn bij circa 81% van de sample niet duurzaam en circa 55% van de sample duurzaam bekend. Het gemiddelde bruto aanvangsrendement op de investering ligt circa 12,5% lager bij duurzame panden ten opzichte van niet duurzame panden. De spreiding rond het gemiddelde ligt bij duurzame panden tevens lager. Deze gegevens leveren waardevolle informatie op voor de totale steekproef gezien het betrouwbaarheidsniveau van 1,00 en 0,47. De gegevens over het rendement bij een transactie zijn bij circa 14% van de sample niet duurzaam en circa 0% van de sample duurzaam bekend. Een vergelijking kan derhalve niet plaatsvinden. De gegevens over de stichtingskosten zijn niet bekend van de sample niet duurzaam en bij circa 33% van de sample duurzaam bekend. Een vergelijking kan derhalve niet plaatsvinden. de gemiddelde lengte van de resterende huurtermijn is bij de sample duurzaam circa 27,5% langer dan voor de sample niet duurzaam Circa 60% van de huurovereenkomsten in de sample niet duurzaam lopen nog 1 tot 5 jaar ten opzichte van 39% uit de sample duurzaam. Het grootste verschil is gelegen in de lengte van de huurovereenkomsten langer dan 10 jaar. Circa 11% van de duurzame panden beschikt over een dergelijk contract ten opzichte van 3% van de niet duurzame panden. Voor het gemiddelde voor de totale populatie kan met 95% zekerheid worden gesteld dat het gemiddelde beweegt rond de 4,25 jaar en 7,4 jaar voor duurzame panden en rond de 3,5 jaar en 4,9 jaar voor niet duurzame panden.
Sample T-test Deze test wordt gebruikt voor samples met een kleine omvang en waarvan de populatie standaard deviatie niet bekend is. Hierbij wordt ervan uitgegaan dat de samples willekeurig zijn getrokken uit een populatie die normaal verdeeld is en waarvan de variantie gelijk is. De t-test probeert vast te stellen of het verschil tussen de 2 samples is gebaseerd op kans of juist significant is. De formule is: t=
X1 – X2 Sx
Sx = √
(n1 -1)S1 + (n2 – 1)S2 n1 + n2 – 2
1 1 n 1 + n2
X1 = gemideelde van Sample 1 X2 = gemiddelde van Sample 2 Sx = gepaarde standaarderror van de verschillen tussen de gemiddelden S1 = Variantie van sample 1 S2 = Variantie van Sample 2 n1 = nummer in de sample 1 n2 = nummer in de sample 2
Om te bepalen of er sprake is van een significant verschil dienen de vrijheidsgraden (df = degrees of freedom) te worden berekend. De formule luidt: df = (r – 1) (k – 1)x
df = degrees of freedom r = aantal rijen k = aantal kolommen
Het verschil is significant wanneer de waarschijnlijkheid dat de verdeling op toeval berust kleiner is dan 5% of 0,05.
Duurzame kantoorgebouwen
Parkeernorm
Sample Duurzaam
Sample Niet Duurzaam
Vrijheids
Gemiddelde (SD)
Gemiddelde (SD)
graden
T-waarde
Kritiek gebied
71,5 (34,63)
64,03 (31,14)
22
-1,5657
2,0739
8 (4,16)
14 (6,83)
46
0,4015
2,0129
Metrage
8,807 (11,713)
5,023 (3,863)
18
-2,6996
2,1009
Huur
151,06 (144,5)
145,49 (29,65)
24
-1,2605
2,0639
Netto huur
142,39(41,92)
131,35 (37,91)
25
-2,0081
2,0595
0,94 (14)
0,91 (19,24)
37
-1,4602
2,0262
Leeftijd
Bezettingsgraad Onderhoudskosten BAR Aankoop BAR Waardering Resterende lengte contract
29
10,05 (9,17)
18,17 (10,57)
23
0,5441
2,0687
0,0793 (1,24)
0,0912 (2,22)
17
-0,4097
2,1098
0,075 (1,2)
0,0859 (1,68)
14
-1,1787
2,1448
70,17(38,08)
50,14 (32,66)
14
-4,0536 2,0595 Tabel 3.5: T-test
Aangezien er geen bepaalde verwachting is, wordt tweezijdig getoetst. Het gevonden verschil is significant als de kritische waarde hoger is dan de gevonden t-waarde. De gevonden verschillen bij de parkeernorm, bouwjaar (leeftijd van het gebouw), de huurprijs, de netto huurprijs, bezettingsgraad, onderhoudskosten, BAR Aankoop en BAR Waardering zijn significant. Het metrage en de lengte van de resterende huurovereenkomst in maanden zijn niet significant. Naarmate de steekproef groter wordt, zal de toevalskans kleiner worden. Bij een groter aantal vrijheidsgraden wordt de kritieke waarde van t kleiner.
3.4
Conclusie
In dit hoofdstuk zijn de onderzoeksgegevens bestudeerd. Eerst worden de begrippen en definities uit de literatuur geoperationaliseerd waardoor de data zorgvuldig konden worden gezocht. Vervolgens zijn de data gecontroleerd op frequentie, outliers en spreiding, waarbij de gedane aannames worden beschreven. Daarna worden de resultaten van de beschrijvende statistiek gepresenteerd: Uit het onderzoek blijkt dat ‘duurzame’ gebouwen beter verhuurbaar zijn dan ‘niet duurzame’ gebouwen. Ze beschikken over meer faciliteiten in de omgeving, de gebouwen uit beide samples zijn goed bereikbaar maar de parkeernorm bij de Niet Duurzame Sample is beter. De duurzame kantoorgebouwen zijn gemiddeld 6 jaar jonger, substantieel groter, van betere kwaliteit, flexibeler en vaker in gebruik door een huurder. Financieel leveren de groene panden 3,7% meer huur op en netto zelfs 7,8%. De bezettingsgraad van de duurzame panden is licht beter maar de standaarddeviatie is substantieel beter waardoor het risico op leegstand kleiner is voor duurzame panden. Enerzijds zijn de kosten van onderhoud voor de duurzame gebouwen lager, anderzijds zijn de servicekosten substantieel hoger. De betrouwbaarheid van deze uitkomsten is beperkt mede gezien de definitieproblemen van de kosten. Opvallend is dat duurzame panden duurder zijn in aanschaf maar ook hoger worden gewaardeerd. De resterende lengte van de huurovereenkomsten is circa 27,5% langer voor de Sample Duurzaam. De standaarddeviatie, de spreiding rond het gemiddelde, van alle factoren is groot. De standaardfout en het betrouwbaarheidsniveau van de Sample Duurzame gebouwen zijn van de meeste gegevens beperkt door het beperkte aantal waarnemingen van de steekproef.
Duurzame kantoorgebouwen
30
Hoofdstuk 4 Analyse & Discussie van de resultaten 4.1
Inleiding
In dit onderzoek wordt gezocht naar de invloed van duurzaamheid op het rendement van een kantoorgebouw. Met behulp van vier deelvragen wordt stapsgewijs het antwoord op deze vraag gegeven. In het vorige hoofdstuk zijn de resultaten van de beschrijvende statistiek beschreven. In dit hoofdstuk wordt de probleemstelling beantwoord: Wat is de invloed van duurzaamheid op het rendement van een kantoorgebouw? Het hoofdstuk begint met de nadere bestudering van de data middels een regressieanalyse, gevolgd door de analyse van alle resultaten. Vervolgens worden de bevindingen uit de literatuur vergeleken met de resultaten uit deze studie. In paragraaf 4.5 worden de kritische op- en aanmerkingen over het onderzoek behandeld. Ten slotte wordt aan het einde van het hoofdstuk een korte conclusie van de analyse van de resultaten gegeven.
4.2
Hedonische Regressie
Hedonische modellen worden regelmatig gebruikt voor het waarderen van onroerend goed op basis van karakteristieken. De basis wordt gevormd door een lineaire regressie analyse: deze evalueert de relatie tussen een gegeven variabele (afhankelijke variabele) en één of meer andere variabelen (onafhankelijke variabelen). Onderzoeken naar de invloeden op huurprijzen van kantoorgebouwen maken gebruik van onafhankelijke variabelen zoals de karakteristieken van het gebouw, de locatie en de huurovereenkomst. Fuerst (2008) stelt twee modellen samen, één om de invloed van het duurzaamheidslabel op de huurprijs (het logaritme hiervan) te bepalen, en één voor de transactieprijs. De onafhankelijke variabelen bestaan uit bouwjaar (of renovatiejaar), bezettingsgraad, aantal verdiepingen, omgeving en oppervlakte van een vloer. Om het verschil in markten (locatie) te ondervangen, wordt de Least Squares Dummy Variable (LSDV) methode toegepast. Deze methode maakt het mogelijk het raakpunt van de regressie (de intercepts of the regression) te laten verschillen voor de verschillende markten terwijl een constante variabele coëfficiënt wordt aangenomen. Deze methode vergelijkt gecertificeerde gebouwen met willekeurige niet-gecertificeerde gebouwen in dezelfde omgeving gecorrigeerd op leeftijd, hoogte, kwaliteit en omgeving. Echter de verschillen van de locatie worden niet meegenomen. Eichholtz (2008) maakt gebruik van dezelfde twee modellen om exact vast te stellen hoe een duurzaam label de huurprijs en de waarde van bestaande kantoorpanden beïnvloedt. Het natuurlijke logaritme van huurprijs/transactieprijs wordt verklaard door middel van een Ordinary Least Squares (OLS) regressie. De invloed van de locatie wordt echter zo veel mogelijk beperkt door het maken van clusters met een unieke binaire variabele. De clusters bestaan uit één duurzaam pand en een set reguliere panden in een straal van 0.25 mijl. Om de invloed van duurzaamheid op de huurprijs (direct rendement) of transactieprijs (totaal rendement) te bepalen wordt een standaard hedonisch model gehanteerd. Eerst worden de afhankelijke variabelen gekozen. In dit onderzoek is dat het natuurlijke logaritme van (netto) huurprijs of het Bruto Aanvangsrendement bij Aankoop/Waardering (R). Vervolgens worden de onafhankelijke variabelen, de kwaliteitskarakteristieken (X) gekozen waarmee getracht wordt de afhankelijke variabele te verklaren, bijvoorbeeld bouwjaar (leeftijd), omvang (m2) of kwaliteit van het gebouw. De (gi) staat voor een dummy variabele die nul is voor een duurzaam kantoorpand en anders één. De invloed van de variabele locatie wordt beperkt door de vergelijking te laten plaatsvinden in dezelfde of vergelijkbare locaties. Hiervoor zijn clusters (c) samengesteld die bestaan uit één duurzaam pand en drie, vier, vijf, zes of zeven vergelijkbare panden zoals omschreven in hoofdstuk 2 paragraaf 4.4 en opgenomen in bijlage 2.3. Elk cluster heeft een unieke binaire variabele die één is voor de panden in het betreffende cluster en anders 0. Een andere manier om de locatie-invloed zoveel mogelijk te beperken is het gebruik van submarkten welke min of meer vergelijkbaar zijn zoals kantorenpark, bedrijventerrein, centrum e.d. Echter een stationslocatie in Roermond heeft niet dezelfde huurprijs/ waarde als een stationslocatie in Amsterdam. Voor deze studie wordt de volgende formule toegepast:
Duurzame kantoorgebouwen
31
n
lnRin = α + βiXi +
ncn + gi + in
n 1
Waarbij α , βi,
,
de geschatte coëfficiënten zijn en de storingsterm.
Afhankelijke variabele Deze variabele wordt gekozen om de invloed op het direct rendement (huurprijs) en indirect rendement (BAR) te bepalen. Er wordt voor gekozen het natuurlijk logaritme te hanteren zodat de coëfficiënten kunnen worden geïnterpreteerd als percentages. Onafhankelijke variabele Om te bepalen welke variabelen worden gebruikt om de huurprijs of BAR te verklaren wordt eerst de correlatie tussen de variabelen bekeken. Bij een sterke correlatie tussen twee variabelen wordt een variabele niet meegenomen. Uit de tabel in bijlage 4.1 blijkt dat alle variabelen een beperkte positieve of negatieve correlatie hebben met de huurprijs, netto huurprijs, BAR Aankoop of BAR waardering. De regressie wordt uitgevoerd in Excel. Dit programma wordt beperkt door een maximale invoer van 16 variabelen. Dit betekent dat maximaal 15 afhankelijke variabelen kunnen worden ingevoerd waarbij de variabele duurzaamheidslabel essentieel is. De 18 locatieclusters worden samengevoegd naar maximaal 10 clusters. De eerder besproken submarkten methode levert minder variabelen op (vijf) maar beperkt de belangrijkste invloed van locatie (plaats) juist niet. In de tien clusters worden de grote en kleine steden apart gehouden. Vergelijkbare provinciesteden gelegen in dezelfde provincie worden bij elkaar gevoegd. De invloed van de variabelen bezettingsgraad, label, metrage, leeftijd, flexibiliteit, faciliteit, kwaliteit van het gebouw, multi/single tenant en de resterende looptijd van de huurovereenkomst worden bekeken. Gezien de beperkte invoer worden verschillende variabelen tegen elkaar uitgezet. Ten behoeve van de regressie is de datamatrix aangepast. De uitkomsten zijn zo klein mogelijk gemaakt om de resultaten van de regressie zo gevoelig mogelijk te maken. Het aangepaste coderingsschema is opgenomen in bijlage 4.2. De codering heeft over het algemeen als volgt plaatsgevonden. Voor variabelen met een ordinaal meetniveau is nul goed, 1 voldoende en 2 onvoldoende. De schaalvariabelen zijn van klein naar groot ingedeeld. Bijvoorbeeld de lengte van de resterende huurtermijn. Tot 12 maanden is de code 0, tussen de 12 en 60 maanden is de code 1, code 2 loopt van 60 tot 75 maanden en langer dan 75 maanden is code 3. De laatste betreft de binaire variabele, waarbij 0 ja is en 1 nee. In tabel 4.1 staan de resultaten van de effecten op het natuurlijk logaritme van huurprijs. Model 1 bestaat uit een basismodel waarbij de verschillende variabelen worden gerelateerd aan de huurprijs zonder dat voor locatie wordt gecorrigeerd. Via dit model kan worden bepaald welke variabelen de sterkste invloed hebben. Vervolgens worden deze variabelen in model 2 tegen elkaar uitgezet in samenhang met de tien clusters. Model 3 tot en met 6 varieert in de gebruikte variabelen om te bekijken welke gevolgen dit heeft. De regressie, gebaseerd op 81 kantoorgebouwen (waarvan 18 duurzame panden) verdeeld over 10 clusters, verklaart gemiddeld 38,64% van de huur. Voor de netto huur geldt een lager percentage van 26%. Deze percentages zijn beperkt door de beperkte omvang van de gehele datamatrix.
Duurzame kantoorgebouwen
32
Tabel Huur Model 1 Coef
Model 2 T stat
Coef
Model 3 T stat
Coef
Model 4 T stat
Coef
T stat
Cluster 1
0,0203
0,0971
-0,0503
-0,2396
-0,0576
Cluster 2
0,0886
0,4293
-0,0038
-0,0179
0,0114
-0,2692 0,0541
Cluster 3
-0,1010
-0,4509
-0,0950
-0,4243
-0,0798
-0,3554
Cluster 4
0,0492
0,2305
-0,0580
-0,2703
-0,0664
-0,3051
Cluster 5
0,1519
0,6985
0,1565
0,7017
0,1940
0,8791
Cluster 6
-0,1195
-0,5314
-0,2125
-0,9428
-0,2278
-0,9949
Cluster 7
0,1246
0,5903
0,0811
0,3769
0,0905
0,4182
Cluster 8
0,1613
0,7295
0,0709
0,3083
0,1107
0,4893
Cluster 9
-0,2037
-0,9167
-0,1367
-0,6002
-0,1216
-0,5326
Cluster 10 Bezetgraad
-0,1925
0,2524
1,1428
0,1694
0,7419
0,1689
0,7274
-1,4925
-0,0999
-0,7708
-0,1957
-1,4630
-0,1665
-1,2318
0,0655
0,9890
0,0402
0,6086
0,0150
0,2380
0,0052
1,3088 -0,0332
-0,9955
Label
0,1210 **
1,8507
Metrage
0,0102 ***
2,8824
Leeftijd
-0,0315
-1,0485
Flexibilteit
-0,1111 *
-1,7057
-0,1449 **
-1,9283
Faciliteiten
-0,0925 *
-1,7042
-0,0655
-1,1909
Kwaliteit
-0,0825
-1,3962
-0,0934 **
-1,8923
0,0857 *
1,8002
Multi/Single
0,0890 **
1,9443
Looptijd
0,0374
1,1053
R
2
0,3253
0,4119
Model 5 Coef
-0,1087 **
Coef
T stat
Cluster 1
0,0945
0,4572
-0,0497
-0,2456
Cluster 2
0,1515
0,7414
0,0191
0,0953
Cluster 3
-0,0364
-0,1680
-0,1894
-0,8531
Cluster 4
0,0643
0,3050
-0,0988
-0,4722
Cluster 5
0,2221
1,0490
0,1097
0,5068
Cluster 6
-0,0724
-0,3245
-0,2009
-0,9210
Cluster 7
0,2007
0,9617
0,0802
0,3871
Cluster 8
0,2456
1,1370
0,0854
0,3963
Cluster 9
-0,1097
-0,5022
-0,1863
-0,8394
Cluster 10
0,2880
1,3105
0,2103
Bezetgraad
-0,1203
-0,9120
0,0746
1,1329
Label
-0,2544 ** 0,0219
0,9636 -1,9165 0,3588
Metrage Leeftijd Flexibilteit
-0,1738 ***
-2,4332 -0,1335 ***
-2,4134
-0,0811 *
-1,6141
-0,0801 *
-1,5902
Multi/Single
0,0794 *
1,6778
0,0798 *
1,6837
Looptijd
0,0505
1,3677
0,0790 **
2,0233
Faciliteiten Kwaliteit
R
2
0,4159
-0,0586
-0,9145
1,5097
0,0663
1,3532
0,0344
0,8694
0,0477
1,2461
0,3785
Model 6 T stat
-2,0781
0,0736
0,3716
Opmerking: * is significantie niveau van 1% ** is significantie niveau van 5% *** is significantie niveau van 10% Tabel 4.1: Resultaat regressie huurprijs
Per variabele zal de invloed worden besproken, te beginnen met de bezettingsgraad. Deze variabele geeft gelijk een opmerkelijk beeld. Naarmate de bezettingsgraad toeneemt, neemt de huurprijs af. Het beeld verandert niet wanneer de locatieclusters worden toegevoegd; de invloed blijft sterk tussen de 10 en 25%. De significantie is echter beperkt. Alleen model 6 geeft een 5% significantieniveau aan. De gehanteerde sample geeft wellicht een vertekend beeld. Hierop wordt later teruggekomen.
0,4151
Uit deze regressie blijkt dat juist geen premie wordt betaald voor een duurzaamheidslabel. De invloed is juist negatief. Zonder correctie voor locatie blijkt de discount 12% negatief met een significantieniveau van 5%. Echter zodra de locatieclusters worden toegevoegd vervalt dit percentage naar 7,5 tot 1,5% zonder significantie. Nadere studie met een ander rekenprogramma heeft de locatievariabelen per pand ingevoerd om te kijken of de invloed negatief blijft (bijlage 4.3). De codering
Duurzame kantoorgebouwen
33
in dit programma is andersom maar het resultaat hetzelfde. Percentages vallen nog verder weg tot onder de 1%. Het hebben van een duurzaamheidslabel in deze database leidt niet tot een zichtbare premie op de huurprijs. Reeds eerder is geconstateerd dat de gehanteerde database beperkt is. Dit zou een reden kunnen zijn waarom het duurzaamheidslabel geen zichtbare positieve invloed op de huurprijs laat zien. Bovendien zijn verschillende labels (GreenCalc, energielabel enz.) gehanteerd en kan de aanname dat bij een gebrek aan een label het pand niet duurzaam is tevens leiden tot verstoring in de data. Locatie blijkt een grote invloed te hebben. Dit zou kunnen worden opgelost door de database substantieel te vergroten, 1 label te hanteren voor beide samples en de locatiefactor volledig uit te schakelen door precies vergelijkbare panden op te nemen. De invloed van het metrage is zeer beperkt. Hoe groter een kantoorgebouw, hoe meer huur, waarbij zonder locatiecorrectie wel een 1% significantieniveau wordt aangetroffen. De resultaten van de uitgebreidere datasheet ondersteunen deze uitkomsten. De volgende variabele heeft een negatieve invloed. Hetgeen wil zeggen dat meer huur wordt betaald voor jongere gebouwen. De uitkomsten zijn beperkt en niet significant. De significantie van de flexibiliteit van een gebouw is in de verschillende modellen redelijk aanwezig. De negatieve invloed wil zeggen dat een flexibel gebouw circa 11% meer huur oplevert en zelfs meer als voor locatie wordt gecorrigeerd. Blijkbaar zijn duurzame gebouwen flexibeler dan niet-duurzame gebouwen afgaande op de gemiddelde huurprijs van een duurzaam gebouw ten opzichte van een niet duurzaam gebouw. Een interessante vraag zou zijn waar dit door wordt veroorzaakt. Locatie lijkt niet de bepalende factor te zijn, wellicht wordt bij de bouw al rekening gehouden met andere gebruiksmogelijkheden. Deze vraag voert te ver voor deze studie om hier te beantwoorden. Voor het hebben van faciliteiten in de omgeving geldt ook een duidelijke negatieve invloed. De locatieclusters hebben geen invloed hierop, in model 6 wordt juist circa 13% meer huurprijs gevonden bij het hoogste significantieniveau. Faciliteiten zijn derhalve belangrijk. Het lijkt voor de hand te liggen dat locatie hier wel degelijk invloed op heeft. Een centrumlocatie zal eerder voorzien in winkels, restaurants en dergelijke dan een bedrijventerrein. De vergelijkbare objecten zijn echter hierop geselecteerd waardoor deze invloed zou moeten worden geëlimineerd. Dit is ook zien in de tabel van bijlage 3.4 waarin de locatietypen van de samples zijn opgenomen. De meeste panden (50% voor beide samples) staan op een kantorenpark. Blijkbaar zijn kantorenparken waar duurzame gebouwen zijn gevestigd beter voorzien van faciliteiten in de omgeving. De kwaliteit van een gebouw levert duidelijk 8 tot 9% meer huur op. De invloed van de locatieclusters is beperkt en de significantie van de uitkomsten is redelijk. De volgende variabele geeft aan dat kantoorgebouwen waar één gebruiker in is gehuisvest minder huur opleveren dan een gebouw met meerdere huurders. Locatie heeft hierop geen invloed. De premie bedraagt ongeveer 8% en is in 4 van de 6 modellen significant aanwezig. De bezettingsgraad zou hier van invloed kunnen zijn. Meer huurders geeft wellicht een hogere bezettingsgraad. Uit bijlage 3.4 blijkt dat circa 78% van de duurzame sample single tenant gebouwen betreft en 60% bij de nietduurzame sample. Hierop wordt later teruggekomen.
Lengte re st ovk Grafiek voor regres sielijn
6,000 5,000 Log Huur
Tot slot geeft de resterende looptijd een positief beeld. Of te wel langere huurovereenkomsten leveren meer huur op. De puntenwolk van deze regressie wordt nader bestudeerd om dit antwoord te analyseren. Hieruit blijkt dat de langste en kortste contracten weinig huurprijsverschillen kennen en de twee tussenliggende waardes juist meer. Een regressielijn uit deze sample kan derhalve een vertekend beeld geven. De resultaten zijn ook weinig significant behalve in model 6.
Log Huur
4,000 3,000
Voorspeld Log Huur
2,000 1,000 0,000 0
1
2
3
4
Lengte rest ovk
Grafiek 4.1: regressie resterende lengte huurovereenkomst
Duurzame kantoorgebouwen
34
De relatie tussen de leeftijd van het gebouw en de looptijd is interessant. Jonge gebouwen hebben vaak nog lange huurcontracten. Uit bijlage 3.4 blijkt dat de 50% van de duurzame sample jonger is dan 9 jaar ten opzichte van 23% uit de niet-duurzame sample. De beperkte omvang van de totale sample kan derhalve hier een rol spelen. Samenvattend kan worden gesteld dat geen premie voor duurzame gebouwen wordt betaald. Betere kwaliteit gebouwen, gemeten in de drie klassen waarbij 0 de hoogste kwaliteit is, genereren circa 8 tot 9% meer huur. De invloed van het metrage is zeer beperkt. Opmerkelijk geeft het eerste model een negatieve relatie tussen de huurprijs en de bezettingsgraad. Kantoorpanden waar meerdere huurders in zijn gehuisvest leveren circa 8% significant meer huur op. De resterende looptijd van de huurovereenkomst zou een positieve invloed op de huurprijs hebben. In model 2 worden de variabelen met de meeste invloed verwerkt in combinatie met de tien clusters. De significantie van het duurzaamheidslabel vervalt substantieel. De invloed van meerdere huurders valt weg in dit model. De overige gehanteerde variabelen laten een redelijk constant beeld zien. Model 3 geeft de sterke negatieve invloed van de bezettingsgraad weer. Ook in model 4 valt de invloed van het duurzaamheidslabel weg. Wanneer het gebouw kan worden omgezet naar een andere bestemming, zou een premie op de huurprijs worden betaald van circa 17%. De resultaten van het laatste model suggereren een hogere huurprijs voor gebouwen met faciliteiten in de omgeving, welke van goede kwaliteit zijn, door meerdere huurders worden bewoond en een lange resterende huurovereenkomst hebben. In dit model is geen sprake van invloed van het duurzaamheidslabel. In de beschrijvende statistiek werd een grotere premie op de netto huurprijs waargenomen. Derhalve is ook een regressie uitgevoerd op de netto huurprijs. Hieronder is de tabel met de rsultaten weergegeven. Tabel Netto huur Model 1 Coef
Model 2 T stat
Coef
Model 3 T stat
Coef
Model 4 T stat
Coef
-0,5065
-0,7751
-0,0129
-0,0201
Cluster 2
-0,4283
-0,6648
-0,0458
-0,0715
0,1508
0,2344
Cluster 3
-0,6270
-0,8950
-0,2090
-0,3061
-0,1319
-0,1922
Cluster 4
-0,4958
-0,7478
-0,3224
-0,4957
-0,1952
-0,2946
Cluster 5
-1,0101
-1,4949
-0,6831
-1,0094
-0,4923
-0,7324
Cluster 6
-0,5729
-0,8166
-0,1957
-0,2847
-0,0761
-0,1087
Cluster 7
-0,2508
-0,3791
0,2065
0,3142
0,3726
0,5634
Cluster 8
-0,3150
-0,4540
0,0941
0,1340
0,4060
0,5880
Cluster 9
-0,4885
-0,6996
-0,0218
-0,0314
0,1410
0,2022
Cluster 10
-0,0514
-0,0740
0,1124
0,1612
0,3378
0,4762
-0,1821
-0,8860
0,0118
0,0588
-0,0591
-0,3066
0,0135
1,1033 0,0583
0,5752
Label Metrage Leeftijd
-0,1630 0,0186 * -0,0021
-0,8687 1,8311 -0,0246
0,1614
T stat
Cluster 1
0,2466
Flexibilteit
0,4926 ***
2,7019
0,3810 *
1,6682
Faciliteiten
-0,4998 ***
-3,2856
-0,4460 ***
-2,6271
Kwaliteit
-0,1050
-0,6126
-0,1322
-0,8527
-0,0802
-0,5059
-0,1144
-0,5843
1,6791
0,2317
1,5578
0,2258
1,5089
0,2548 **
2,1821
0,2927 ***
2,6115
Multi/Single
0,2324 *
1,7552
Looptijd
0,2415 ***
2,5043
R
2
0,2607
0,2512 *
0,2416
0,2442
0,2340
Duurzame kantoorgebouwen
Model 5 Coef
Model 6 T stat
Coef
Model 7 T stat
Coef
T stat
Cluster 1
-0,0256
-0,0392
-0,0582
-0,0978
-0,3060
-0,5088
Cluster 2
-0,0169
-0,0261
-0,0154
-0,0262
-0,2453
-0,4139
Cluster 3
-0,1799
-0,2626
-0,5949
-0,9162
-0,7198
-1,1202
Cluster 4
-0,3470
-0,5259
-0,4727
-0,7773
-0,6829
-1,1199
Cluster 5
-0,5313
-0,7973
-0,9084
-1,4437
-0,9505
-1,5344
Cluster 6
-0,2585
-0,3673
-0,1605
-0,2509
-0,4069
-0,6314
Cluster 7
0,2353
0,3564
0,1367
0,2246
-0,0584
-0,0959
Cluster 8
0,2312
0,3383
0,0148
0,0233
-0,2210
-0,3473
Cluster 9
0,1057
0,1529
-0,2926
-0,4487
-0,3177
-0,4951
Cluster 10
0,1776
0,2555
0,1981
0,3090
0,0464
0,0730
-0,1174
-0,5690
-0,0163
-0,0913
-0,1375
-0,7288
0,1766
0,7969
-0,0655
-0,4145
Multi/Single
0,2099
Looptijd
0,2864 ***
Label
35
* is significantie niveau van 1% ** is significantie niveau van 5% *** is significantie niveau van 10% Tabel 4.2: Resultaat regressie netto huurprijs
Metrage Leeftijd Flexibilteit Faciliteiten Kwaliteit
R
2
-0,5263 ***
0,2375
-3,3214
0,3728 *
1,7812
-0,5987 ***
-3,7165
-0,0294
-0,2027
0,0031
0,0212
1,4016
0,2588 *
1,8623
0,2405 *
1,7543
2,5533
0,3905 ***
3,6197
0,3885 ***
3,6604
0,3418
0,3729
Deze tabel laat de resultaten zien van het logaritme van netto huur tegen dezelfde afhankelijke variabelen als de vorige regressie. Aangezien de variabele bezettingsgraad niet van toepassing is op deze regressie kan een extra variabele worden toegevoegd. Hiertoe geeft model 7 de resultaten. De netto huur wordt berekend door de huurprijs te vermenigvuldigen met de bezettingsgraad. De resultaten van deze regressie verklaren een kleiner gedeelte van de netto huurprijs, gemiddeld circa 26% (R2 van model 1 t/m 6). Model 7 verklaart met circa 37% een substantieel groter gedeelte van de netto huurprijs. Opvallend is dat het effect van het duurzaamheidslabel hier positief is: de premie op de huur bedraagt tussen de 1,5 en 18%. De uitkomsten zijn echter niet significant. Het metrage en de leeftijd van het gebouw hebben wederom weinig invloed. De flexibiliteit laat een significante invloed zien maar wel positief deze keer: hoe flexibeler een gebouw hoe minder huur. De coëfficiënt varieert nogal. Een duidelijke significante variabele is de aanwezigheid van faciliteiten met een premie van circa 5% op de netto huur. Dit geldt ook voor de resterende looptijd van de huurovereenkomst met circa 30% premie. De locatieclusters lijken daar ook geen invloed op te hebben. De invloed van de kwaliteit van het gebouw en het aantal huurders in het gebouw zijn bij alle 6 regressies sterk maar weinig tot niet significant. In bijlage 4.4 zijn de regressieresultaten voor de log Bar Aankoop en log BAR Waardering opgenomen. De BAR A is bij 56% van de panden bekend en Bar W voor 75%. Om de regressie te kunnen uitvoeren dienen de gegevens van de kantoorpanden waarvan de BAR niet bekend is te worden verwijderd. De variabelen worden op dezelfde wijze als bij de huur en netto huur getoetst. Het eerste model geeft alle mogelijkheden waarbij niet wordt gecorrigeerd voor locatie en in de volgende modellen worden eerst de sterkste variabelen en vervolgens verschillende combinaties uitgezet met de tien locatie clusters. De uitkomsten van de log BAR Aankoop laten weinig afhankelijkheid zien. Het duurzaamheidslabel heeft een zekere ondergeschikte positieve invloed. De sterkste invloed (negatief) is afkomstig van de bezettingsgraad met 10,27% (model 1). Er wordt geen significantie aangetroffen bij de variabelen waardoor de uitkomsten weinig expressief zijn. De Bar Aankoop is samengesteld uit de huurprijs gedeeld door de investering. De variabelen die invloed op de huurprijs hebben worden in deze regressie tevens getoetst. Deze invloeden kunnen wegvallen in de deelsom van de BAR. De aankoopwaarde wordt immers afgestemd op de huurprijs.
Duurzame kantoorgebouwen
36
De resultaten van de regressie log BAR Waardering geven ook een beperkte afhankelijkheid weer, al is deze wel groter dan bij de BAR Aankoop. Opvallend is dat de invloed van het duurzaamheidlabel negatief is, maar bepaald niet significant. De resterende looptijd van de huurovereenkomst en de kwaliteit van het gebouw geven de grootste afhankelijkheid en in de meeste modellen significant.
4.3
Analyse van de invloed van duurzaamheid op het rendement
Om de invloed van duurzaamheid op het rendement van een kantoor te bepalen worden in deze paragraaf de resultaten uit het onderzoek geanalyseerd. Er is informatie verzameld van duurzame kantoorpanden en vergelijkbare niet-duurzame kantoorpanden. Vervolgens is deze informatie verwerkt met behulp van beschrijvende statistiek en om de exacte invloed te bepalen is gebruik gemaakt van een standaard hedonisch regressiemodel. De resultaten van beide methoden worden hieronder besproken.
4.3.1 Data van de kantoorgebouwen In Nederland is het gebruik van vastgoedlabels voor de bestaande bouw nog geen algemeen goed. De invoering van een verplicht energielabel bij een transactie geeft al wel richting aan de tot standkoming van een vergelijking op het energieverbruikniveau van het kantoorpand. De toepassing van het internationaal bekend BREEAM komt hopelijk dit jaar op gang. Dit label verwerkt circa acht duurzaamheidaspecten waardoor de invloed van het kantoorpand op het milieu en haar omgeving beter tot uitdrukking komt dan bij het op energiegerichte energielabel. Dit heeft het definiëren van wat groene bestaande kantoorgebouwen in Nederland zijn ten opzichte van niet-duurzame panden bemoeilijkt. Uiteindelijk zijn er vier labels geselecteerd welke in Nederland het begrip duurzaamheid handvatten proberen te geven: GreenCalc, GPR Gebouw, het energielabel en de EPC. In de Sample Duurzaam van deze studie zijn 5 panden met een GreenCalc score opgenomen, 10 met een energielabel en 3 voldoen aan de gestelde EPC norm. In het onderzoek zijn helaas geen gebouwen met een GPR Gebouw score. Dit wordt wellicht verklaard doordat deze methode in eerste instantie is ontwikkeld door de gemeente Tilburg voor woningen en daarom weinig commercieel geëxploiteerde kantoorgebouwen heeft gelabeld. In de Sample Niet Duurzaam hebben van de totaal 63 kantoren slechts 10 panden een energielabel en 1 pand een bekende EPC score. Ver de ling Sam ple Nie t Duurzaam naar provincie
Ve rdeling Sam ple Duurzaam naar provincie
Ut r echt 17% 32%
6%
Noord Brabant Zuid Holland
Ut r echt 5%
13%
Noord Br abant 36%
5%
11%
Flevoland 6% 22%
Limburg Gelder land
Figuur 4.1: Verdeling Sample Duurzaam naar provincie
Zui d Holland Noord Hol land
Noord Holland 6%
11%
Flevoland 25%
5%
Limbur g Gelder l and
Figuur 4.2: Verdeling Sample Niet Duurzaam naar provincie
Er is in Nederland nog geen landelijke database van kantoorpanden met een vastgoedlabel. De Sample Duurzaam is vastgesteld door het willekeurig benaderen van de eigenaren en heeft een omvang van 18 kantoorgebouwen. De gebouwen zijn verdeeld over zeven provincies. Om de effecten van duurzaamheid te meten op de huurprijs en waarde van commercieel geëxploiteerde kantoorgebouwen, zijn de duurzame kantoorgebouwen vergeleken met een sample niet-duurzame kantoorgebouwen, welke ook over de zeven provincies zijn verdeeld. De vergelijking heeft met name plaatsgevonden op basis van plaats en submarkt.
4.3.2 Analyse van de data Om de samples te vergelijken wordt eerst gebruik gemaakt van de beschrijvende statistiek. Uit het onderzoek blijkt dat duurzame gebouwen beter verhuurbaar zijn dan Niet Duurzame gebouwen. Ze beschikken over meer faciliteiten in de omgeving, 45% van de groenen gebouwen tegen 30% van de niet-groene gebouwen. Verrassend is dat de bereikbaarheid met het openbaar vervoer voor beide
Duurzame kantoorgebouwen
37
samples ongeveer even goed is. De vergelijking op basis van locatie en submarkt zal hier een rol in spelen. De bereikbaarheid met het eigen vervoer is daarentegen wel beter van de Duurzame Sample. Er kunnen echter minder auto’s worden geparkeerd bij de groene panden ten opzichte van de vergelijkende panden. De verwachting dat groene kantoorgebouwen gemiddeld substantieel groter zijn, blijkt ook uit deze studie: gemiddeld circa 8.807 m2 tegen 5.023 m2. De duurzame kantoorgebouwen zijn verder gemiddeld 6 jaar jonger, van betere kwaliteit, flexibeler en vaker in gebruik door één huurder. Omdat de niet groene gebouwen ouder zijn, is de kans dat ze gerenoveerd zijn groter. Circa 85% van de Sample Duurzaam heeft een goede gebouwkwaliteit tegen circa 25% van de panden uit de vergelijkende sample. Slechts circa 3% van de niet groene gebouwen is van onvoldoende kwaliteit. Duurzaam bouwen is in Nederland vaak nog een aangelegenheid voor eigenaar/gebruikers. Panden die daarna zijn verkocht en teruggehuurd zijn vaker in gebruik bij één huurder. Dit zou het aantal single tenant gebouwen van circa 80% in de duurzame sample kunnen verklaren tegen de circa 60% uit de vergelijkende sample. De standaarddeviatie van de bezettingsgraad is substantieel lager (15% ten opzichte van 21%) waardoor de kans op leegstand lager is dan bij een niet-duurzaam gebouw. Financieel leveren de groene panden 3,7% meer huur op en netto zelfs 7,8%. Enerzijds zijn de kosten van onderhoud voor de duurzame gebouwen lager, anderzijds zijn de servicekosten substantieel hoger. De betrouwbaarheid van deze uitkomsten is beperkt mede gezien de definitieproblemen van de kosten. Opvallend is dat duurzame panden duurder zijn in aanschaf maar ook hoger worden gewaardeerd. In deze studie is een grove benadering gemaakt door de jaarhuur te delen op de investering of waardering om het Bruto Aanvangsrendement te verkrijgen. Hierdoor leidt een hogere huurprijs naar een hogere BAR bij een gelijkblijvende investering of waardering. Correcties voor leegstand, huurniveau en dergelijke zijn niet opgenomen. De resterende lengte van de huurovereenkomsten is circa 27,5% langer voor de Sample Duurzaam. Huurprijs Sample Duurzaam
Huurprijs Sample Niet Duurzaam
Histogram
His togram 30
6 4
Frequentie
2 0 75
125
175
225
Verzam elbe reik Figuur 4.3: Histogram huurprijs Sample Duurzaam
Frequentie
Frequentie
8
20 Frequentie 10 0 50
125
200
Verzam e lbereik
Figuur 4.4: Histogram huurprijs Sample Niet Duurzaam
De gevonden verschillen bij het bouwjaar, het metrage, de bezettinggraad, de BAR op aankoop en waardering alsmede de resterende lengte van de huurovereenkomst zijn significant. Bij de netto huur scheelt het niet veel, de eenzijdig kritische waarde bedraagt 1,71 en zou daarmee wel significant zijn. Naarmate de steekproef groter wordt, zal de toevalskans kleiner worden. Bij een groter aantal vrijheidsgraden wordt de kritieke waarde van t kleiner. De standaarddeviatie, de spreiding rond het gemiddelde, van alle factoren is groot. Deze spreiding hoeft niet noodzakelijkerwijs kleiner te worden wanneer het aantal waarnemingen toeneemt. Een oorzaak van de spreiding kan wederom de gehanteerde vergelijkingsmethode zijn. Stationslocaties worden vergeleken met bedrijventerreinen, woonwijken en dergelijke. Deze spreiding zou alleen kunnen worden beperkt indien het gegevensbereik zo groot wordt dat onderscheid op locatie en submarkt mogelijk wordt. De standaardfout en het betrouwbaarheidsniveau van de sample duurzame gebouwen zijn van de meeste gegevens beperkt door het beperkte aantal waarnemingen van de steekproef. Vervolgens zijn de data nader bestudeerd in de regressieanalyse op het natuurlijk logaritme van huurprijs, netto huurprijs, BAR Aankoop en BAR Waardering. In 6 verschillende modellen worden de effecten bekeken. Uit de beschrijvende statistiek is gebleken dat een premie wordt betaald voor
Duurzame kantoorgebouwen
38
duurzame kantoorgebouwen. Circa 3,7% bij de huurprijs en zelfs 7,8% bij de netto huurprijs. Uit de regressie komt een gevarieerd beeld naar voren. In de verschillende modellen voor de huurprijs worden geen premies betaald voor duurzaamheid. De invloed van faciliteiten in de omgeving, hoeveelheid huurders en flexibiliteit van het gebouw spelen een dominante, significante rol. De beperkte hoeveelheid gegevens speelt hierbij een rol. Er zijn namelijk meer panden in de vergelijkbare sample met faciliteiten in de omgeving (19) dan dat er duurzame panden (18) in totaal zijn opgenomen. Meer gebruikers van het gebouw zouden een hogere huurprijs opleveren. Als dit gerelateerd kan worden aan de bezettingraad dan zal de regressie op de netto huurprijs dit uitwijzen. Bij de statistische uitwerking kwam de grote invloed van kwaliteit en flexibiliteit ook naar voren. Opvallend is de negatieve invloed van de bezettingsgraad in deze studie. Hoe hoger de bezettingsgraad, hoe lager de huurprijs per m2 en hoe hoger de huurprijs, hoe meer leegstand. Dit zou impliceren dat huurders een kantoorpand eerder beoordelen op huurprijs dan op duurzaamheid. De kans op leegstand is echter kleiner voor duurzame kantoorgebouwen. De bezettingsgraad zal derhalve nader worden bestudeerd. Voor de netto huurprijs zijn 7 modellen gemaakt om de invloed te bekijken. De eerste 6 zijn gelijk aan de modellen voor de huurprijs om deze vergelijkbaar te houden en er is een extra model toegevoegd aangezien in dit schema plaats is voor een extra variabele nu de bezettingsgraad al in de afhankelijke variabele is verwerkt. Opvallend is de positieve maar weinig significante invloed van het duurzaamheidslabel. De premie op de netto huurprijs varieert tussen de 1,5 en 18%. Faciliteiten, flexibiliteit, aantal huurders en met name looptijd spelen een belangrijke rol. De kwaliteit welke wel zichtbaar is in de huur valt weg in de netto huur. Bij de netto huur komt het belang van de resterende looptijd van de huurovereenkomst naar voren. Hoe langer de huurovereenkomst hoe hoger de huurprijs. In de praktijk worden juist voor langere huurovereenkomsten huurkortingen gegeven. Incentives op de huurprijs zijn echter niet verwerkt in de data. Meer huurders in het gebouw levert ook extra huur op. De bezettingsgraad speelt derhalve geen rol, deze is immers al verwerkt in de netto huur. Bezettingsgraad In de voorafgaande paragraaf is geconstateerd dat het hebben van een duurzaamheidslabel geen premie genereert op de huurprijs. Dit in tegenstelling tot de internationale literatuur. De invloed op de huurprijs is minder negatief dan de invloed op de netto huurprijs positief is. Duurzaamheid komt derhalve wel tot uitdrukking in de bezettingsgraad maar is nog niet sprekend te noemen. De bezettingsgraad speelt derhalve een belangrijke rol waardoor een nadere analyse van deze variabele gepast is. Bezettingsgraad Model 1 Coef
Model 2 T stat
Coef
Model 4 T stat
Metrage
0,0079
0,8180
Leeftijd
0,0286
0,3432
Flex
0,5624 ***
3,2969
0,4988 ***
2,6561
0,5058 ***
2,6571
Fac.
-0,3827 ***
-2,6201
-0,4618 ***
-3,1723
-0,4556 ***
-3,1026
Kwaliteit
-0,1749 1,1265
Looptijd
0,1899 **
2,0717
Verhuurbaarheid
0,0460
0,2976
Omgeving Bereikbaarheid R²
0,0120
0,2224
-0,0635
-0,4845
0,2209
0,2931 -0,0168 ***
-0,0168 0,3518
1,0990
-0,4220
0,0802
0,9433
0,1743
1,2391
-0,0574
-0,3534
3,0874
-0,1458
0,0765
1,2326
-0,0825
-0,5598
-0,1726
T stat
1,4825
0,1419
-0,0793
Coef
0,2742
-0,0303
-1,0269
Coef
Label
Multi/Single
-0,1666
Model 3 T stat
-0,9844
0,0488
0,3693
0,3018 ***
3,0964
-0,0196
-0,1695
0,1792 0,3409 Tabel 4.3: Resultaat regressie bezettingsgraad
Wederom is in model 1 de locatie niet verwerkt om de sterkste variabelen te kunnen bepalen. Op vallend is wel dat de invloed van het duurzaamheidslabel zonder locatie geen hogere bezettingsgraad oplevert en met de correctie van locatie wel. De uitkomsten zijn echter niet significant. De sterkste
Duurzame kantoorgebouwen
39
invloedsfactoren op de bezettingsgraad zijn de flexibiliteit van het gebouw, de faciliteiten in de omgeving en de looptijd van de resterende huurovereenkomst. Alhoewel de gevonden waarden significant zijn is de invloed van de looptijd in het ene model positief en in het andere negatief. Uit de duurzame sample blijkt dat de huurprijs van de panden met een leegstandspercentage van 50% en meer circa EUR 140,- per m² bedraagt ten opzichte van het gemiddelde van EUR 151,- per m². Voor de niet duurzame sample is dit juist andersom. De gebouwen met de grootste leegstand zijn juist duurder (circa EUR 157,-) dan het gemiddelde van EUR 131,- per m². Ervan uitgaande dat de hogere huurprijzen worden gerealiseerd in de grotere steden en de lagere in kleinere steden zijn de duurzame leegstaande gebouwen in kleinere steden gelegen dan de niet-duurzame gebouwen. Als deze panden uit de database worden verwijderd komt de volgende tabel tot stand. Huur Coef
Netto huur T stat
Coef
Bezettingsgraad T stat
Coef
T stat
Bezettingsgraad
0,2183
0,4950
Label
0,0361
0,4654
0,0426
0,5119
-0,0150
-0,6199
Flexibiliteit
-0,1338
-1,4754
-0,1167
-1,2206
0,0144
0,4936
Faciliteiten
-0,0742
-1,1674
-0,0992
-1,4120
0,0065
0,3024
Kwaliteit
-0,0765
-1,3681
-0,0755
-1,2589
1,7016
0,0822
1,3999
-0,0141
-0,7873
0,0862
1,6111
0,0110
0,6745
0,0006
0,0346
Multi/Single
0,0948 *
Looptijd Bereikbaarheid R²
0,4005
0,4175
0,1154 Tabel 4.4: Resultaat regressie gewijzigd
De significantie van de gevonden waarde valt in deze modellen geheel weg waardoor conclusies moeilijk kunnen worden getrokken. De invloed op de huurprijs, de netto huurprijs en de bezettingsgraad op het duurzaamheidslabel blijft wisselend en niet significant. Samenvattend kan worden gesteld dat in tegenstelling tot de beschrijvende statistiek de regressie geen duidelijke premie op de huurprijs voor duurzame panden laat zien. De negatieve invloed op de huurprijs is beduidend beperkter dan de positieve invloed op de netto huurprijs. Duurzaamheid komt dus wel tot uitdrukking in de bezettingsgraad maar de gehanteerde database is te beperkt om de relatie aantoonbaar te maken.
4.4
Bespreking resultaten met het theoretisch kader
In hoofdstuk 2 is de nationale en internationale literatuur besproken over de invloed van duurzaamheid op het rendement. In Nederland blijkt nog geen kwantitatieve studie te zijn verricht. De vergelijking kan derhalve alleen met buitenlandse gegevens plaatsvinden. De twee belangrijkste kwantitatieve studies zijn die van Fuerst en Eichholtz beide uit 2008 en verricht in Amerika. Uit beide studies blijkt dat duurzaamheid op de Amerikaanse kantorenmarkt loont: het huurniveau ligt hoger dan het markthuurniveau, leegstand en de kans op leegstand zijn beduidend lager en transactieprijzen zijn hoger. Fuerst stelt daarbij dat de kwalificering van het label ook invloed heeft: hoe hoger het label, hoe groter de premie. In deze studie wordt niet aangetoond dat duurzame panden meer huur ontvangen dan niet-duurzame panden. Het onderzoek van Eichholtz geeft een groter effect op de effectieve huurprijs, hetgeen in deze studie ook wordt gevonden. De significantie van de resultaten is echter bijzonder beperkt. Het verschil in bezettingsgraad in dit onderzoek is kleiner (bij de beschrijvende statistiek) dan in de andere onderzoeken. De standaarddeviatie laat een eenduidig beeld zien waardoor de conclusie dat duurzame kantoorgebouwen minder kans op leegstand en minder leegstand hebben, wordt onderstreept. In de regressie laat de bezettingsgraad een tegengesteld beeld zien waarvan de oorzaak wordt gezocht in de beperkte totale datasample. Een vergelijking tussen de onderzoeken naar de invloed op transactieprijzen kan helaas niet plaatsvinden. In Nederland is te weinig data hiervoor beschikbaar en de resultaten die voortgekomen zijn uit de vervangende gegevens van de BAR bij aankoop en BAR bij waardering leveren te weinig informatie op.
Duurzame kantoorgebouwen
40
De overige voordelen die genoemd zijn in voorgaande studies zijn: lagere onderhouds- en operationele kosten (energie, water, afval) hogere eindwaarde van het vastgoed voordelen voor gebruikers in het klimaat en de arbeidsproductiviteit imagovoordelen bescherming tegen extra milieumaatregelen De bovenstaande voordelen zijn in dit onderzoek niet nader onderzocht. Er is enige informatie beschikbaar over de onderhouds- service- en energiekosten. Tot een betrouwbare vergelijking tussen een sample duurzame en niet-duurzame panden kon het door gebrek aan data niet komen. Statistisch blijkt dat voor de panden die in dit onderzoek zijn betrokken de gemiddelde onderhoudskosten van niet-duurzame panden circa 56% hoger liggen. De spreiding rond het gemiddelde is groot. Circa 66% van de panden in de duurzame sample en circa 82% in de niet-duurzame sample beschikten over deze gegevens. Hiermee kan gezegd worden dat het aannemelijk is dat de onderhoudskosten lager zijn voor duurzame panden. De afhankelijkheid van de kosten is niet onderzocht. Tevens is niet gedefinieerd welke kosten behoren tot het onderhoud. Voor de service- en energiekosten geldt hetzelfde probleem met de definiëring. De servicekosten zijn bij 45% van de duurzame sample en 15% van de niet-duurzame sample bekend. Opvallend is wel dat de servicekosten voor niet-duurzame gebouwen gemiddeld lager zijn. Rendement Uit het theoretisch kader kwamen verschillende factoren naar voren die invloed hebben op het direct rendement. Uit deze studie blijkt dat duurzaamheid invloed heeft op een aantal van deze factoren; de kwaliteit van de locatie en het gebouw, de leegstand, de onderhoudskosten, mutatie en leegstandskosten en makelaarskosten. De studie heeft geen onderzoek verricht naar de eindwaarde.
4.5
Kanttekeningen bij het onderzoek
De kanttekeningen die worden geplaatst bij onderzoeken naar de invloed van duurzaamheid op het rendement bestaan met name uit de vraag welk deel van de ‘groene premie’ toe te rekenen is aan de superieure kantoorpanden en welk deel aan ímago-effecten’. Tevens zijn de onderzoeken gedaan met een vrij jonge database zodat de verschillen in effecten van een huurders- en/of verhuurdermarkt nog niet meegenomen zijn. Bij deze studie worden de kanttekeningen ook geplaatst. Er is nog geen onderzoek gedaan naar de imago-effecten van vastgoedlabels in Nederland. De gebruikte database staat nog centraler in dit onderzoek. Ten eerste zijn nog weinig commercieel geëxploiteerde kantoorgebouwen in Nederland gecertificeerd door internationaal bekende labels. In de loop van dit jaar komt voor de bestaande bouw BREEAM op de markt. Dit kan de informatie over duurzaamheid en bestaande gebouwen vergroten. Er kan dan tevens worden gekeken naar de invloed bij een hoge of juist lage waardering zodat de imago effecten worden beperkt. Zonder verplichting vanuit de overheid is het nog maar de vraag hoeveel gebouwen uiteindelijk gelabeld zullen worden. Meer voor de hand ligt het energielabel. Hiervoor geldt immers reeds een verplichting bij een transactie en het is openbaar verkrijgbaar via het kadaster. In de praktijk is echter geconstateerd dat de labels beperkt beschikbaar zijn. Een ander nadeel van dit label in het kader van dit onderzoek is dat alleen gekeken wordt naar het energieverbruik van het kantoor, maar dat andere factoren van duurzaamheid buiten beschouwing worden gelaten. Ten tweede is de omvang van de database in dit onderzoek beperkt. Hierdoor zijn de resultaten moeilijker te interpreteren voor de gehele populatie. Bovendien zouden de locatiefactoren nog beter gescheiden kunnen worden wanneer het gegevensbereik groter is. De aparte resultaten van de regressie op de bezettingsgraad is een goed voorbeeld van het werken met een beperkte database. Bij een grotere database zou het aantal onafhankelijke variabelen tevens kunnen worden uitgebreid, waaronder een beter klimaat, lager ziekteverzuim, verbeterde productiviteit en lagere operationele kosten. Wanneer een goede database met transactie, huur en labelgegevens over een periode van vijf jaar beschikbaar is, kan dit onderzoek optimaal worden uitgevoerd.
Duurzame kantoorgebouwen
41
Ten slotte spelen de gedane aannames in dit onderzoek een rol. Voor de niet-duurzame panden is bijvoorbeeld aangenomen dat deze per definitie niet-duurzaam zijn. Het zou kunnen als deze panden getoetst worden dat blijkt dat een aantal panden wel tot de categorie duurzaam behoort. Verstrekte incentives zoals huurvrije perioden zijn niet zichtbaar.
4.6
Conclusie
In dit hoofdstuk zijn de resultaten van de beschrijvende statistiek en regressie analyse geanalyseerd en is beschreven wat de invloed is van duurzaamheid op de huurprijs, netto huurprijs en bruto aanvangsrendement van de belegger. Op basis van deze analyses en de stapsgewijze beantwoording van de vier deelvragen in de vorige hoofdstukken, kan de probleemstelling: ‘Wat is de invloed van duurzaamheid op het rendement van een kantoorgebouw?’ worden beantwoord. Uit de beschrijvende statistiek blijkt een duidelijke premie voor duurzame gebouwen van 3,7% op de huur en 7,8% op de netto huur. Dit in tegenstelling tot de regressie. De negatieve invloed op de huurprijs is beduidend beperkter dan de positieve invloed op de netto huurprijs. Duurzaamheid komt dus tot uitdrukking in de bezettingsgraad, wat wordt ondersteunt door de beschrijvende statistiek. De bezettingsgraad van duurzame gebouwen is circa 3% hoger en de standaarddeviatie lager waardoor de kans op leegstand lager is. De database is echter te beperkt om deze resultaten bij de regressie te kunnen ondersteunen. Dezelfde methodiek is toegepast op de aanvangsrendementen bij aankoop en waardering. De gehanteerde datamatrix bleek te beperkt om waardevolle conclusies te trekken. De resultaten uit dit onderzoek komen niet geheel overeen met de internationale onderzoeken. Er is geen premie gevonden op de huurprijs voor duurzame kantoorgebouwen. Wel laat het de richting zien dat de bezettingsgraad invloed heeft en duurzaamheid een positief effect heeft op de netto huurprijs. Het is discutabel of deze premie geheel toe te schrijven is aan de duurzaamheid van het gebouw of dat andere factoren zoals imago, lagere exploitatiekosten en verbeterde arbeidsproductiviteit een rol spelen. De uitkomsten van dit onderzoek zijn afhankelijk van de gebruikte data. Optimalisatie en uitbreiding van de dataset zou een gedetailleerde beeld kunnen geven.
Duurzame kantoorgebouwen
42
Hoofdstuk 5 Conclusies & Aanbevelingen
5.1
Conclusies
Een aanzienlijk deel van de CO2 uitstoot komt voor rekening van de gebouwde omgeving. Nationale en internationale overheden zijn zich hiervan bewust en scherpen de regelgeving aan. De vraag naar duurzame huisvesting wordt ook steeds groter gegeven het toenemende belang van Maatschappelijk Verantwoord Ondernemen. De financiële crisis dwingt organisaties te kijken naar kostenbesparingen die door de verwachte stijging van de energieprijzen te behalen zijn in het gebruik van de kantoren. Duurzaam bouwen is echter niet vanzelfsprekend. Investeren in duurzame kantoren is kostenverhogend voor de belegger terwijl de besparing bij de huurder terecht komt. Recent onderzoek op de Amerikaanse kantorenmarkt toont aan dat duurzame kantoorgebouwen hogere huurniveaus behalen, minder kans op leegstand hebben en meer waard zijn. Deze studie geeft inzicht of duurzaamheid loont voor de belegger op de Nederlandse kantorenmarkt en analyseert op kwantitatieve wijze wat de invloed is op het rendement. Deze centrale vraag wordt stapsgewijs beantwoord door middel van vier deelvragen. De resultaten met betrekking tot de eerste drie deelvragen vormen het theoretisch kader op basis waarvan het kwantitatieve onderzoek wordt verricht. De eerste deelvraag: Welke criteria bepalen de duurzaamheid van een kantoorgebouw? wordt beantwoord door de openrationalisatie van de definitie van duurzaamheid, een nationale en internationale literatuurstudie en het bepalen van de indicatoren. De vier belangrijkste toetsinstrumenten zijn: GreenCalc score minimaal 150 GPR Gebouw score minimaal 6 Energielabel minimaal B EPC minimaal 25% beter dan de tijdens de bouw geldende norm De belangrijkste voordelen van duurzame gebouwen uit de literatuur zijn: Lagere onderhouds- en operationele kosten (energie, water, afval) Een hogere eindwaarde van het vastgoed Premie op de markthuur Lager leegstandrisico Voordelen voor gebruikers in het klimaat en de arbeidsproductiviteit Imagovoordelen Bescherming tegen extra milieumaatregelen De indicatoren, oftewel criteria, zijn: Markt: adres en verhuurbaarheid Locatie: omgeving, bereikbaarheid, parkeersituatie, faciliteiten in de omgeving Gebouw: energielabel, groenlabel, bouwjaar, omvang, gebouwkwaliteit, gerenoveerd, jaar van renovatie, flexibiliteit gebouw en multi of single tenant Financiële gegevens: jaarhuur, huur parkeren, leegstand, onderhoud en servicekosten, energiekosten, aankoopwaarde, verkoopwaarde/taxatie, stichtingskosten en ten slotte de lengte van de resterende huurtermijn. De tweede deelvraag van deze studie beantwoordt de vraag: Welke criteria bepalen het rendement van een kantoorgebouw? Er wordt onderscheid gemaakt tussen verschillende methoden zoals het Bruto Aanvangsrendement, Netto Aanvangsrendement, de Discounted Cash Flow methode en de Internal Rate of Return methode. De hoogte van de huurprijs speelt bij alle methoden een dominante rol. Andere factoren die van substantiële invloed zijn, zijn onder andere de kwaliteit van de locatie en het gebouw, huurgroei, leegstand, onderhoudskosten, exploitatiekosten en contracthuurstijging. De laatste deelvraag van het theoretisch model gaat nader in op de vergelijking tussen de duurzame en niet-duurzame kantoorgebouwen: Op welke randvoorwaarden (vastgestelde criteria) worden de ‘ niet-duurzame’ gebouwen ‘gematched’ met de ‘duurzame’ kantoorgebouwen? Het belang van de
Duurzame kantoorgebouwen
43
locatie in de hoogte van de huurprijs en waarde van een kantoorpand is eerder vastgesteld. Om de invloed van de factor locatie zo veel mogelijk te elimineren wordt elk individueel groen pand gekoppeld aan een set zo vergelijkbaar mogelijke reguliere panden. Het hoofdcriterium op basis waarvan de reguliere panden zullen worden gematched is plaats en submarkt. Indien geen reguliere kantoorpanden beschikbaar zijn in de databases van Bouwfonds REIM en CB Richard Ellis in dezelfde plaats dan wordt een vergelijkbare plaats gekozen op basis van nabijheid, provincie en aantal inwoners en aantal m2 kantooroppervlakte per inwoner. De bereikbaarheid en parkeersituatie worden tevens in beschouwing genomen. Op basis van de vorige deelvragen kan inhoud gegeven worden aan de laatste deelvraag: Wat zijn de financiële conclusies van de probleemstelling die kunnen worden getrokken uit het onderzoek? Deze omvat de kwantitatieve analyse van de gegevens. Voor het onderzoek zijn via het internet, de overheid, bedrijf en studie groene kantoorgebouwen geselecteerd, welke voldoen aan de vooraf vastgestelde eisen. Vervolgens zijn zoveel mogelijk vergelijkbare niet-duurzame kantoorgebouwen gezocht. Dit heeft geresulteerd in een database van 18 duurzame en 63 niet duurzame kantoorgebouwen verdeeld over 7 Nederlandse provincies. Van beide samples zijn de markt, locatie, gebouw en financiële gegevens verzameld. Deze data zijn gecontroleerd op frequentie, outliers en spreiding. Het kwantitatieve onderzoek is tweeledig. Eerst wordt naar de beschrijvende statistiek gekeken. Om exact vast te stellen welke invloed duurzaamheid heeft op het rendement wordt een standaard hedonische regressie uitgevoerd. Hierin zijn (netto) huurprijzen en bruto aanvangsrendementen geregresseerd op een aantal locatie- en gebouw karakteristieken, waaronder het duurzaamheidslabel.
Huur (€ per m²) Netto huur (€ per m²) Bezettingsgraad (procent) Omvang (m²) Bouwjaar (jaartal) Resterende lengte contract (maanden) BAR Aankoop (procent) BAR Waardering (procent) Onderhoudskosten (€ per m²) Servicekosten (€ per m²)
SAMPLE DUURZAAM (N=18) SAMPLE NIET DUURZAAM (N=63) 151,06 (35,55) 145,49 (29,65) 142,39 (41,92) 131,35 (37,91) 94,00 (14,00) 91,01 (19,24) 8.807 (11.713) 5.023 (3.863) 2000 (4,16) 1994 (6,83) 70,17 (38,08) 50,14 (32,66) 7,93 (1,24) 9,12 (2,22) 7,50 (1,20) 8,59 (1,68) 10,05 (9,17) 18,17 (10,57) 17,86 (8,47) 12,12 (8,11) Tabel 5.1: Beschrijvende statistiek Sample Duurzaam versus Sample Niet Duurzaam
De verwachting dat groene kantoorgebouwen gemiddeld substantieel groter zijn, blijkt ook uit deze studie: gemiddeld circa 8.807 m2 tegen 5.023 m2. De duurzame kantoorgebouwen zijn verder gemiddeld 6 jaar jonger, van betere kwaliteit, flexibeler en vaker in gebruik door één huurder. Omdat de niet groene gebouwen ouder zijn, is de kans dat ze gerenoveerd zijn groter. Circa 85% van de Sample Duurzaam heeft een goede gebouwkwaliteit tegen circa 25% van de panden uit de vergelijkende sample. Slechts circa 3% van de niet groene gebouwen is van onvoldoende kwaliteit. Duurzaam bouwen is in Nederland vaak nog een aangelegenheid voor eigenaar gebruikers. Panden die daarna zijn verkocht en teruggehuurd zijn vaker in gebruik bij één huurder. Dit zou het aantal single tenant gebouwen van circa 80% in de duurzame sample kunnen verklaren tegen de circa 60% uit de vergelijkende sample. De standaarddeviatie van de bezettingsgraad is substantieel lager (15% ten opzichte van 21%) waardoor de kans op leegstand lager is dan bij een niet duurzaam gebouw. Financieel leveren de groene panden 3,7% meer huur op en netto zelfs 7,8%. Enerzijds zijn de kosten van onderhoud voor de duurzame gebouwen lager, anderzijds zijn de servicekosten substantieel hoger. De betrouwbaarheid van deze uitkomsten is beperkt mede gezien de definitieproblemen van de kosten. Opvallend is dat duurzame panden duurder zijn in aanschaf maar ook hoger worden gewaardeerd. In deze studie is een grove benadering gemaakt door de jaarhuur te delen op de investering of waardering om het Bruto Aanvangsrendement te verkrijgen. Hierdoor leidt een hogere huurprijs naar een hogere BAR bij een gelijkblijvende investering of waardering. Correcties voor leegstand, huurniveau en dergelijke zijn niet opgenomen. De resterende lengte van de huurovereenkomsten is circa 27,5% langer voor de Sample Duurzaam. Deze resultaten zijn niet gecorrigeerd voor kwaliteits- en locatieverschillen. Hiertoe wordt gebruik gemaakt van een standaard hedonisch model. Het natuurlijk logaritme van huur, netto huur, BAR
Duurzame kantoorgebouwen
44
Aankoop en BAR Waardering wordt middels een ordinary least squares regressie verklaard aan de hand van locatie- en gebouwkarakteristieken, bijvoorbeeld de leeftijd, omvang en kwaliteit van het gebouw. De locatie wordt verwerkt door het samenstellen van clusters, waarbij elk cluster bestaat uit een duurzaam pand en een set vergelijkbare niet duurzame panden. In verband met het beperkte aantal in te voeren variabelen zijn tien clusters samengesteld. Elk heeft een binaire variabele die één is voor de panden in het betreffende cluster en anders 0. In 6 verschillende modellen per afhankelijke variabelen worden de effecten bekeken. Per model is minimaal het duurzaamheidslabel meegenomen als dummy variabele: nul voor een duurzaam pand en anders één. Huurprijs Uit de regressie op de huurprijs blijkt geen premie voor duurzame gebouwen wordt betaald. Betere kwaliteit gebouwen genereren circa 8 tot 9% meer huur. De invloed van het metrage is zeer beperkt. Opmerkelijk is de negatieve relatie tussen de huurprijs en de bezettingsgraad. Hoe hoger de 2 bezettingsgraad, hoe lager de huurprijs per m en hoe hoger de huurprijs, hoe meer leegstand. Dit zou impliceren dat huurders een kantoorpand eerder beoordelen op huurprijs dan op duurzaamheid. De kans op leegstand is echter kleiner voor duurzame kantoorgebouwen. Kantoorpanden waar meerdere huurders in zijn gehuisvest leveren circa 8% significant meer huur op. De resterende looptijd van de huurovereenkomst zou een positieve invloed op de huurprijs hebben. Wanneer het gebouw kan worden omgezet naar een andere bestemming, zou een premie op de huurprijs worden betaald van circa 17% en faciliteiten in de omgeving genereren circa 13% premie met een significantieniveau van 1%. De variabelen faciliteiten in de omgeving, hoeveelheid huurders, flexibiliteit en kwaliteit van het gebouw spelen een dominante rol spelen. Bij de statistische uitwerking kwam de grote invloed van kwaliteit en flexibiliteit ook naar voren. Netto huurprijs Opvallend is dat het effect van het duurzaamheidslabel hier positief is: de premie op de huur bedraagt tussen de 1,5 en 18%. De uitkomsten zijn echter niet significant. Het metrage en leeftijd van het gebouw hebben wederom weinig invloed. De flexibiliteit laat een significante invloed zien maar wel positief deze keer: hoe flexibeler een gebouw hoe minder huur. De coëfficiënt varieert nogal. Een duidelijke significante variabele is de aanwezigheid van faciliteiten met een premie van circa 5% op de netto huur. Dit geldt ook voor de resterende looptijd van de huurovereenkomst met circa 30% premie. De locatieclusters lijken daar ook geen invloed op te hebben. De invloed van de kwaliteit van het gebouw en het aantal huurders in het gebouw zijn bij alle 6 regressies sterk maar weinig tot niet significant. BAR Aankoop en BAR Waardering Dezelfde methodiek is toegepast op de regressie ten behoeve van het bruto aanvangsrendement bij aankoop en waardering. De modellen laten echter zo weinig afhankelijkheid zien dat interpretatie hiervan moeilijk is. Aangezien de BAR wordt berekend door de deelsom van de huurprijs en de investering kunnen de invloeden op de huurprijs dezelfde zijn als voor de BAR. Bovendien wordt de investering afgestemd op de hoogte van de huurprijs. De datamatrix is tevens nog beperkter geworden doordat de BAR A bij 56% en BAR W bij 75% van de panden bekend was.
Hieruit kan worden geconcludeerd dat in tegenstelling tot de beschrijvende statistiek de regressie geen duidelijke premie op de huurprijs voor duurzame panden laat zien. De negatieve invloed op de huurprijs is beduidend beperkter dan de positieve invloed op de netto huurprijs. Duurzaamheid komt dus wel tot uitdrukking in de bezettingsgraad maar de gehanteerde database is te beperkt om de relatie aantoonbaar te maken. De resultaten van dit onderzoek zijn belangrijk voor de belegger. Er is nog niet aannemelijk gemaakt dat een duurzaamheidslabel een positief effect heeft op de huurprijs. De kans op leegstand is voor duurzame panden echter substantieel kleiner. Wel dient rekening gehouden te worden met de hoogte van de huurprijs aangezien huurders het kantoorpand eerder op huurprijs beoordelen dan op duurzaamheid. In hoeverre dit zal veranderen gezien het belang van Maatschappelijk Verantwoord Ondernemen is nog niet duidelijk.
Duurzame kantoorgebouwen
45
Zoals met alle onderzoeken zijn de resultaten van dit onderzoek mede afhankelijk van de gebruikte data en methodiek. Dit onderzoek kwantificeert de invloed van duurzaamheid op het rendement. Hierbij zijn enkele weloverwogen keuzes gemaakt. De volgende paragraaf zal enkele varianten op de keuzes bespreken die in eventueel vervolgonderzoek kunnen worden toegepast.
5.2
Aanbevelingen
De eerste aanbeveling ligt wellicht voor de hand. De database met duurzame kantoorpanden dient te worden uitgebreid. In deze studie zijn zoveel mogelijk eigenaren van duurzame panden benaderd om mee te werken aan dit onderzoek. De meeste beleggers hebben echter nog geen inzicht in de duurzame status van de vastgoedportefeuille. Wanneer het energielabel of bij voorkeur het BREEAM certificaat voor bestaande bouw wijdverbreid is geïmplementeerd in Nederland zal nader onderzoek gedetailleerder kunnen worden uitgevoerd. De database met vergelijkbare panden dient dan ook te worden uitgebreid. Hier kan nog een verbeteringslag plaatsvinden door meer vergelijkbare panden op te nemen die direct naast of in de zeer nabije omgeving van het duurzame pand zijn gelegen. Bij een grotere database kan ook gekeken worden naar de invloed van de hoogte van het label: levert een kantoorpand met een A energielabel meer op dan een pand met een B label? Tevens zouden meerdere variabelen tegelijkertijd kunnen worden getoetst bij een grotere database. Lagere onderhoud en operationele kosten (energie, water, afval), een hogere eindwaarde van het vastgoed, voordelen voor gebruikers in het klimaat en de arbeidsproductiviteit, de imagovoordelen en het beschermen tegen extra milieumaatregelen, waarvan de invloed in eerdere studies is aangetoond, zijn niet meegenomen in dit onderzoek. De effecten van deze voordelen zijn op dit moment nog moeilijk te kwantificeren. Vervolgens dient er een aparte database te worden samengesteld met koop- en verkoopgegevens zodat de invloed van duurzaamheid op de waarde kan worden bepaald. Tenslotte zouden bovenstaande directe en indirecte waarde gegevens over een periode van 5 jaar beschikbaar moeten zijn om de invloed definitief vast te kunnen stellen. Eerst kan er over een jaar nader onderzoek worden verricht met een grotere database om vervolgens over 5 jaar de resultaten hopelijk te bevestigen.
Duurzame kantoorgebouwen
46
Bibliografie Bak, R.L. (2007). Kantoren in Cijfers 2007: Statistiek van de Nederlandse kantorenmarkt. Zeist: CB Richard Ellis Eichholz, P., N. Kok en J. Quigley (2008). Doing Well by Doing Good: Green Office Buildings. IBER Working Paper: University of California, Berkeley. Ellison, L., S. Sayce en J. Smith (2007). Socially Responsible Property Investment: Quantifying the relationship between Sustainability and Investment Property Worth. Journal of Property Research, 24, (3) 191-219. Elkington (1998). Cannibals with forks: the triple bottom line of 21st century business. Oxford: Capstone. Fowler, K.M. en E.M. Rauch (2006). Sustainable Rating Systems Summary. Pacific Northwest National Laboratory. Fuerst, F. en P. Mc Allister (2008). Green Noise or Green Value? Measuring the Price Effects of Envoiremental Certification in Commercial Buildings. Reading: School of Real Estate and Planning, Henley Business School, University of Reading. Gool, P. van, e.a. (2007). Onroerend goed als belegging. Houten: Wolters-Noordhoff (vierde druk). Houtman, R., E. Quispel en T. Martinus (2008). Duurzame huisvesting : Een gids voor de Nederlandse kantoorgebruiker. Amsterdam: Jones Lang Lasalle IP, INC. Kats, G., L. Alevantis, A. Berman, E. Mills, en J. Perlman (2003). The Costs and Financial Benefits of Green Buildings: A report to California’s Sustainable Building Task Force. California: Sustainable Building Task Force. Langdon, D. (2007). Cost of green revisited: Re-examining the feasibility and cost impact of sustainable design in the light of increased market adoption. Los Angeles: Davis Langdon. Matthiessen, L.F., en P. Morris (2004). Costing Green: A comprehensive cost database and budgeting methodology. Los Angeles: Davis Langdon. Nationaal Dubo Centrum (2004). Eindrapportage Onderzoek Financieel rendement duurzaam bouwen. Rotterdam. Reeven, L.W. van (2007). Duurzame planontwikkeling: Maatschappelijk Verantwoord Ondernemen in ruimtelijke planontwikkeling. MSRE thesis, Amsterdam School of Real estate. Pitts, J. en T.O. Jackson (2008). Green buildings: Valuation Issues and Perspectives. The Appraisal Journal, LXXVI, (2), 115-118. Porter, M.E. (1998). On Competition. Boston: Harvard Business School Press. Royal Institution of Charterd Surveyors (2005). Green value: Green buildings, growing assets. www.rics.org/greenvalue, 22 december 2008. Sayce, S. en L. Ellison (2003). Integrating sustainability into the appraisal of property worth: identifying appropriate indicators of sustainability. Kingston University. Sayce, S., L. Ellison en J. Smith (2004). Incorporating Sustainability in commercial property appraisal: Evidence from the UK. Kingston University. SenterNovem (2005). Duurzaam Vastgoedfonds. Utrecht.
Duurzame kantoorgebouwen
47
SenterNovem (2006). Duurzaam Vastgoed in Nederland. Utrecht. SenterNovem (2008). Duurzaam Vastgoed en de Praktijk. Utrecht. Triodos Vastgoedfonds NV (2004). Prospectus Triodos Vastgoedfonds. Zeist. Verschoor, M. (2008). Groene Vastgoed Labels: Nationaal en Internationaal. In Property Research Quarterly thema Duurzaamheid en vastgoed, 7, (3), 35-40. Vrolijk, E. (2008). Regeren door investeren in duurzaam vastgoed, mogelijkheden voor de utiliteitsbouw naar een duurzaam karakter. Master thesis, Rijksuniversiteit Groningen. VROM Rijksgebouwendienst (2008). Duurzaam inkopen van rijkshuisvesting: een financieel haalbare duurzaamheidambitie voor nieuwbouw van rijkskantoren. Wit, R. de (2008). Sustainability in the constructed environment is a necessity. VGM/Real Estate, 3, 39-40.
Websites - www.breeam.org - www.dgbc.nl - www.duurzaamgebouwd.nl - www.gprgebouw.nl - www.greencalc.nl - www.senternovem.nl - www.usgbc.org - www.vastgoedkennis.nl - www.vrom.nl
Duurzame kantoorgebouwen
Bijlagen Hoofdstuk 2 2.4.1 2.4.1 2.4.2
Bijlage 2.1 Bijlage 2.2 Bijlage 2.3
Indicatoren van duurzaamheid Variabelen duurzame en niet duurzame panden Vergelijking kantoorpanden anoniem met de clusters
Hoofdstuk 3 3.2.
Bijlage 3.1
3.2. 3.3.
Bijlage 3.2 Bijlage 3.3
3.3.
Bijlage 3.4
Hoofdstuk 4 4.2 Bijlage 4.1 Bijlage 4.2 Bijlage 4.3 Bijlage 4.4
Datamatrix Sample Duurzaam Datamatrix Sample Niet Duurzaam Codeerschema Histogrammen rond spreiding Sample Duurzaam Histogrammen rond spreiding Sample Niet Duurzaam Beschrijvende statistiek en percentage Sample Duurzaam Beschrijvende statistiek en percentage Sample Niet Duurzaam Beschrijvende statistiek beide samples
Correlatie Codeerschema regressie Aangepaste regressie Regressie uitkomsten BAR A en BAR W
48
Bijlage 2.1
Indicatoren van duurzaamheid
Eichholtz (2008) Comparison of Green-Rated Buildings and Nearby Control Buildings Rental Sample and Sales Sample Asking Rent Effictive rent Sales price Net rental contract Size Occupancy rate Stories (number) Stories Low (<10) Medium (10-20) High (>20) Age (years) Age Less than 10 years 10 to 20 years 21 to 30 years 31 to 40 years over 40 years Building Class A B C On-site Amenities Renovated Bldg Employment Growth Year of sale 2004 2005 2006 2007 Green rating
Fuerst (2008)
Specification and resulta of rent regression and impact of certification Green specification Year built Percent leased Stories Land area Typical floor Market
Impact of Energy Star and LEED certification on transaction prices Green specification Percent Leased Stories Land area Typical floor Year total Sale year Market
Property and Market Rating for office buildinds
Criteria Class 1 'Market' 1.1 National Market 1.1.1. 1.1.2.
1.2
1.1.3. 1.1.4. Regional Market 1.2.1. 1.2.2. 1.2.3.
Acts of God Socio- demographic development Political, legal, taxation and monetary conditions Property market: office Socio- demographic development Economic situation and attractiveness Property market: office
Criteria Class 2 'Location' 2.1 Image of the office district and of the location 2.2 Suitability of the micro location for the property type and for target occupiers 2.3 Quality of transport infrastructure of the polt and quater 2.4 Quality of local supply facilities of the plot and quater for target occupiers 2.5 Acts of God Criteria Class 3 'Property' 3.1 Architecture/ Type of construction 3.2 Fitout 3.3 Structural condition 3.4 Plot situation 3.5 Ecological sustainability 3.6 Profitability of the building concept
Sayce 2003 en 2004 Draft Indicators, criteria and triple bottom line impact INDICATOR
Building age Reuse of building Protection of heritage buildings
Operational CO2 emissions Embodied CO2 emissions CFC emissions Efficient use of equipment Distance from town centre Distance from local public transport nodes Provision of facilities for non-drivers Ploicies to encourage alternatives to single occupanct car journeys to work Methane emissions Nitrous Oxide emissions Hydrofluorocarbon emissions Perfluocarbon emissions Use of brown field site Acces to local Green space
CRITERIA
Building flexibility Building flexibility Building flexibility Energy efficeincy Energy efficeincy Energy efficeincy Energy efficeincy Transport Transport Transport Transport Pollutants Pollutants Pollutants Pollutants Location Location
IMPACT ON WORTH CSR Corp Costs Image inv occ inv occ inv occ ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ● ●
● ● ● ●
● ●
●
●
●
●
●
●
● ●
●
● ● ● ●
● ●
● ● ● ● ●
●
●
● ●
●
● ●
● ● ● ● ● ●
● ● ● ●
●
Distance from local centre Local economic impact Corporate Envoiremental Engagement Quality of management Occupier satisfaction Water consumption
Location Location Occupier Occupier Occupier Ecology
● ● ● ● ● ●
● ● ● ● ● ●
● ● ● ●
● ● ● ● ●
● ● ●
Sustainability Criteria Linking trhough to Worth and Weighting Sustainability Factor Building Adaptability Accessibility Building Quality Energy Efficiency Pollutants Contextual Fit Waste and Water Occupier Satisfaction Occupier Impact
Conduit Risk premium, cash flow, rental growth, depreciation Rental growth, depreciation Rental growth, cash flow, depreciation Rental growth, risk premium, cash flow, depreciation Rental growth, risk premium, cash flow, depreciation Rental growth Rental growth, cash flow, depreciation Risk premium Risk premium
Weighting 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2
● ● ● ● ●
Bijlage 2.2
Variabelen duurzame en niet duurzame panden
Variabelen Duurzame kantoorgebouwen 1 Markt 1a 1b*
Adres Verhuurbaarheid
2 Locatie 2a*
Omgeving:
2b*
Bereikbaarheid:
Jaar
Goed Voldoende Onvoldoende Kantorenpark Centrum locatie Bedrijventerrein In woonwijk Overig Openbaar vervoer Goed Voldoende Onvoldoende Eigen vervoer Goed Voldoende Onvoldoende
2c 2d
3 Gebouw 3a 3b 3c 3d 3e 3f*
3g 3h 3i 3j 4 Financieel 4a 4b 4c 4d 4e 4f 4g 4h 4i 4j *
Parkeersituatie (norm): Faciliteiten in de omgeving: (winkels, restaurants, services)
Energielabel: Groenlabel: Bouwjaar: Omvang m2 VVO: Omvang m2 BVO: Gebouwkwaliteit:
ja/nee
ja/nee
Score: Score:
Goed Voldoende Onvoldoende
Gerenoveerd (ja/nee): Indien ja, jaar van renovatie: Flexibiliteit Gebouw: ja/nee (andere functie aan te geven bv wonen) Multi of Single tenant Jaarhuurprijs: Aparte huurprijs per parkeerplaats: Leegstand (% van huurprijs): Onderhoudskosten (% van huurprijs): Servicekosten (excl g,w,l): Energiekosten: Aankoopwaarde: Verkoopprijs/ taxatiewaarde: Stichtingskosten: Lengte resterende huurtermijn Op deze vragen is slechts 1 antwoord mogelijk
per m² per plaats per m² per m² BAR A BAR W
Variabelen Niet Duurzame kantoorgebouwen 1 Markt 1a 1b*
Adres Verhuurbaarheid
2 Locatie 2a*
Omgeving:
2b*
Bereikbaarheid:
Jaar
Goed Voldoende Onvoldoende Kantorenpark Centrum locatie Bedrijventerrein In woonwijk Overig Openbaar vervoer Goed Voldoende Onvoldoende Eigen vervoer Goed Voldoende Onvoldoende
2c 2d
3 Gebouw 3a 3b 3c 3d 3e 3f*
3g 3h 3i 3j 4 Financieel 4a 4b 4c 4d 4e 4f 4g 4h 4i 4j *
Parkeersituatie (norm): Faciliteiten in de omgeving: (winkels, restaurants, services)
Energielabel: Groenlabel: Bouwjaar: Omvang m2 VVO: Omvang m2 BVO: Gebouwkwaliteit:
ja/nee
ja/nee
Score: Score:
Goed Voldoende Onvoldoende
Gerenoveerd (ja/nee): Indien ja, jaar van renovatie: Flexibiliteit Gebouw: ja/nee (andere functie aan te geven bv wonen) Multi of Single tenant Jaarhuurprijs: Aparte huurprijs per parkeerplaats: Leegstand (% van huurprijs): Onderhoudskosten (% van huurprijs): Servicekosten (excl g,w,l): Energiekosten: Aankoopwaarde: Verkoopprijs/ taxatiewaarde: Stichtingskosten: Lengte resterende huurtermijn Op deze vragen is slechts 1 antwoord mogelijk
per m² per plaats per m² per m² BAR A BAR W
Bijlage 2.3
Vergelijking kantoorpanden anoniem met de clusters
Vergelijking kantoorpanden anoniem in clusters Code Cluster Plaats
Adres
Omvang Bouw Omgeving
Groen pand 1.
1.
Jaar 6.169
Bereik
1999 Centrum
g/o
1965 Station
2.
1.
1.235
1998 Kantorenpark
v/g
Snelweg
3.
4.
3.
2.
1.700
1.325
2003 Centrum
1995 Kantorenpark
v/v
g/g
Aan snelweg
5.
4.
2.086
1997 Kantorenpark
v/g
Aan snelweg
6.
7.
5.
6.
4.571
2.201
Parkeer
Code Vergelijkbaar object
Plaats
Omgeving Bereik
baarheid norm
1998 Kantorenpark
2004 Bedrijventerrein
v/v
o/g
Parkeer
baarheid norm
170 1. A.
++
++
+
--
2. B.
++
+
+
--
3. C.
++
+
+
-
4. D.
++
+
+
--
5. E.
++
++
+
--
82 1. F.
++
□
+
□
2. G.
++
++
++
□
3. H.
+
++
+
+
4. I.
+
++
++
□
++
++
++
+
2. K.
+
□
++
-
83 1. J. 3. L.
□
++
++
+
47 1. M.
+
++
+
++
2. N.
+
□
+
++
3. O.
++
++
++
+
4. P.
+
++
□
+
55 1. Q.
□
+
++
++
2. R.
□
+
++
++
3. S.
+
++
++
++
4. T.
++
++
+
-
5. U.
++
++
++
++
6. V.
+
++
+
+
7. W.
□
+
++
+
65 1. X.
++
++
++
+
2. Y.
++
+
+
□
3. Z.
++
++
+
++
4. AB.
++
++
+
□
5. AC.
++
++
++
+
115 1. AD.
□
+
+
-
2. AE.
□
+
+
-
3. AF.
□
+
+
Code Cluster Plaats
Adres
Omvang Bouw Omgeving
Groen pand 8.
7.
Jaar 4.706
Bereik
1997 Centrum
g/v
Station
9.
2.
31.500
1999 Kantorenpark
v/v
Aan snelweg
10.
7.
1.198
1859 Centrum
v/v
Woonwijk 11.
2.
13.778
1980 Kantorenpark
v/g
Aan snelweg
12.
8.
45.664
2007 Overig
v/g
Aan snelweg
13.
9.
7.406
1995 Centrum
g/v
Station 14.
15.
10.
4.
9.162
6.218
Parkeer
Code Vergelijkbaar object
Plaats
Omgeving Bereik
baarheid norm
2005 Kantorenpark
2004 Kantorenpark
v/g
v/g
Parkeren
baarheid 0 1. AG.
++
-
+
2. AH.
++
+
+
3. AI.
++
+
+
4. AJ.
+
+
+
5. AK.
+
+
+
65 1. AL.
++
++
++
++
2. AM.
++
++
+
+
3. AN.
++
++
+
+
4. AO.
++
+
+
++
30 1. AJ.
+
+
++
+
2. AQ.
+
+
+
-
3. AK.
+
+
++
++
35 1. AR.
++
++
+
++
2. AS.
++
++
++
++
3. AT.
++
++
++
++
4. AU.
++
++
+
□
5. P.
+
++
+
□
6. AV.
+
+
+
+
++
+
++
□
2. AX.
++
-
+
--
3. AY.
++
-
+
□
4. AZ.
++
-
+
++
0 1. BB.
++
++
++
2. BC.
□
++
++
3. BD.
□
++
++
54 1. BE.
++
++
+
2. BF.
++
++
+
3. BG.
++
++
+
--
++
++
++
□
2. BH.
+
++
+
--
3. V.
++
++
+
+
4. T.
+
++
+
+
85 1. AW.
90 1. S.
-
5. U. Code Cluster Plaats
Adres
Omvang Bouw Omgeving
Groen pand 16.
17.
Jaar
1.
11.594
1.
2000 Bedrijventerrein
v/g
v/v
Kantorenpark
18.
1.
915
Parkeer
Code Vergelijkbaar object
++
Plaats
Omgeving Bereik
baarheid norm
2000 Kantorenpark
4.650
Bereik
+
2004 Bedrijventerrein Kantorenpark
++
Zeer goed
-
Matig
+
Goed
--
Onvoldoende
□
Voldoende
v/v
++
□ Parkeren
baarheid 54 1. BI.
++
++
++
+
2. BJ.
++
++
++
++
3. BK.
++
++
++
+
74 1. BI.
+
+
+
□
2. BJ.
+
+
+
□
3. BK.
+
+
+
□
4. BL.
+
+
+
□
5. BM.
+
--
++
+
5. BN.
-
+
+
+
40 1. BL.
+
+
+
++
2. BM.
+
--
++
+
3. BI.
+
+
+
++
4. BJ.
+
+
+
++
5. BK.
+
+
+
++
Bijlage 3.1
Datamatrix Sample Duurzaam Datamatrix Sample Niet Duurzaam
Datamatrix Sample Duurzaam
Object Verh Omg OV EV Pnorm Fac. Label Welke Score Bouw VVO jaar 162
Geb Flex Ten Huur Netto Bez
Onderh Serv.
kwa geb
kosten
Huur
1
1
2
1
3
170
2
1
1
1999
6.169
2
1
1
158
2
1
1
2
1
82
2
1
3 A
1998
1.235
1
2
1
143
3
1
2
2
2
83
1
1
3 A
2003
1.700
1
1
2
136
4
1
1
1
1
47
1
1
3 A
1995
1.325
1
2
1
139
5
1
1
2
1
55
2
1
4
1997
2.086
1
1
1
144
144 100%
6
1
1
2
2
65
1
1
3 A
1998
4.571
1
1
2
184
173
7
2
3
3
1
115
2
1
3 A
2004
2.201
1
2
1
80
8
1
2
1
2
1
1
1
201
1997
7.153
2
1
1
144
122
85%
1,3
1
Energie BAR a
BAR w
kosten kosten
158 100% 50%
4,50
88
65%
5,00
20,00
139 100%
26,50
22,64
1,50
18,40
Stich. 1.832
9,05%
9,78%
64 6
15,00
57
7,55 10,72% 10,65% 11,53
29 1.222
94%
80 100%
Lengte
kosten
17,50
72
BAR t
123 110
7,46
8,16% 13,50
13,98
50
7,00%
42
9
1
1
1
1
65
2
1
4
1999 31.500
1
1
1
200
196
98%
26,66
10
1
2
2
2
30
1
1
3 A
2008
1.198
1
1
2
205
205 100%
16,69
30,00
11
2
1
2
1
35
2
1
3 B
1995 13.778
2
2
1
159
159 100%
5,04
4,35
12
1
5
2
1
85
2
1
1
217
2007 45.664
1
2
1
183
183 100%
13
2
2
1
2
1
1
1
179
1995
7.406
1
1
1
100
100 100%
14
1
1
2
1
54
1
1
1
216
2005
9.162
1
1
1
208
208 100%
15
1
1
2
1
90
1
1
3 A
2004
6.218
1
1
1
155
155 100%
16
1
1
2
1
54
2
1
4
2000 11.594
1
2
1
130
130 100%
2,50
17
1
3
2
2
74
2
1
3 A
2000
4.650
1
2
1
106
106 100%
4,78
8,30%
8,28%
109
18
1
3
2
2
40
2
1
3 A
2004
915
1
2
2
145
145 100%
3,33
6,98%
8,39%
83
1,1
20,63
8,31% 6,36%
2.064
7,41% 2,18
8,23%
59 8,63%
30 1.314
20,25 16,64
24,87
7,04
156 29
6,50%
5,88%
79 3.136
9,15
92
18,23
7,85%
1.470
70 75
Datamatrix Sample Niet Duurzaam Object Verh Omg OV EV Pnorm Fac. Label Welke Score Bouw VVO jaar 3 C
Geb Flex Ten Huur
Netto Bez
Onderh Serv.
kwa geb
Huur
kosten
BAR w
kosten kosten
BAR t
Stich.
Lengte
kosten
A
2
2
2
2
53
1
2
1990
2.658
2
2
1
164
164 100%
23,33
8,13%
B
2
1
2
2
100
2
2
1999
4.882
2
2
2
143
131
92%
18,29
11,09%
C
2
1
2
2
45
2
2
1990
5.401
2
2
2
143
143 100%
25,40
D
1
1
2
2
71
2
2
2001 10.546
1
2
1
163
130
80%
11,90
8,00%
E
2
2
2
2
84
1
2
1989
2.508
2
2
2
170
141
83%
27,31
10,69%
28
F
1
4
2
2
35
2
2
2008
1.887
1
1
1
225
56
25%
42,92
8,19%
119
G
2
1
2
1
110
2
2
1997
2.990
2
2
1
75
75 100%
13,19
H
2
1
1
1
59
1
2
1989
3.118
2
2
1
143
143 100%
24,08
I
2
1
2
1
43
1
2
2003
5.473
1
2
1
153
J
2
2
1
2
105
1
2
1984
4.515
1
1
1
K
2
4
2
2
20
1
2
1988
1.623
2
2
1
L
2
2
2
2
57
2
2
1990
3.184
2
2
M
3
3
2
1
38
2
2
1986
1.845
2
N
2
4
2
2
44
2
2
1989
3.556
O
1
1
1
1
63
2
2
1992
2.263
P
1
1
2
2
68
2
2
2002
Q
3
3
2
1
52
2
2
R
3
3
2
1
50
2
2
S
2
1
2
1
56
2
T
2
2
1
2
107
U
1
1
2
1
45
V
2
1
2
2
W
3
3
2
X
2
1
2
Y
1
2
Z
2
AB
2
AC
3 F
12 41 32
7,89% 5,00
8,11%
30
10,88%
22
8,56%
8,47%
72
8,29%
9,10%
6
60%
9,68
144
144 100%
11,07
6,41%
120
137
137 100%
21,56
8,74%
60
2
121
121 100%
49,96
7,81%
60
2
1
131
131 100%
15,04%
36
2
2
2
153
153 100%
36,13
1
2
2
143
143 100%
20,70
4.912
1
2
2
140
140 100%
6,86
1989
2.547
2
2
1
110
94
85%
16,48%
40
1989
1.370
2
2
1
132
46
35%
12,82%
26
2
1994
3.884
2
2
2
142
92
65%
33,08
8,95% 10,26%
82
2
2
1991
3.112
2
2
1
146
144
99%
28,75
8,01%
80
2
2
2003
7.457
1
2
1
151
107
71%
18,18
8,63%
87
76
2
2
1993
5.498
2
2
1
122
122 100%
22,64
12,60%
12
1
43
2
2
1996
4.284
2
2
2
135
135 100%
29,87
8,50%
7,92%
88
2
41
1
2
1991 14.851
2
2
2
195
162
83%
12,45
8,97%
8,17%
27
1
2
100
1
2
1991 10.998
1
1
1
202
202 100%
3,15
6,83%
6,52%
72
4
2
2
55
1
2
1995 11.960
2
1
2
164
164 100%
20,66
8,75%
9,27%
15
1
2
1
103
2
2
1989
1.860
2
1
1
176
2
5
2
2
84
2
2
1997
4.203
2
2
1
AD
2
1
2
2
47
2
2
1992
2.337
2
2
AE
2
3
2
1
45
2
2
1988
1.372
2
2
3 D
92
4,51
Energie BAR a
0
0%
31,10
144
144 100%
10,70
1
147
147 100%
5,13
2
139
102
73%
8,59% 7,97% 9,56%
7,47
55 9,74%
24
7,48%
108
9,78%
0
9,77%
7,10%
66
8,43%
7,39%
84
7,58%
25
Object Verh Omg OV EV Pnorm Fac. Label Welke Score Bouw VVO jaar
Geb Flex Ten Huur
Netto Bez
Onderh Serv.
kwa geb
Huur
kosten
AF
3
1
2
2
2
2
1985
3.119
3
2
1
87
73
AG
2
3
2
1
40
2
2
1987
1.120
2
2
1
93
93 100%
AH
2
1
2
2
78
2
2
1990 15.604
2
2
1
175
175 100%
AI
2
1
2
2
45
2
2
1988
7.547
2
2
1
137
AJ
2
1
2
1
43
2
2
1984
3.316
2
2
1
AK
2
1
2
2
36
2
2
2001
4.573
1
2
1
AL
2
5
2
2
72
2
2
1998
6.651
2
2
AM
1
1
1
1
43
2
2
1998
5.554
2
AN
1
1
1
1
43
2
2
2006
7.582
1
AO
2
2
1
2
66
1
2
1991
7.623
AQ
1
4
2
1
85
1
2
4
2006
AR
2
1
2
2
45
2
2
3 E
2008
AS
2
1
2
1
38
2
2
AT
2
1
2
1
38
2
AU
3
1
2
2
72
2
AV
2
3
2
2
50
AW
2
1
2
1
AX
2
4
1
2
AY
2
4
2
AZ
2
4
BB
2
BC
2
BD
BAR w
kosten kosten
BAR t
Stich.
Lengte
kosten 10,02%
19
19,56
6,84%
122
137 100%
26,69
7,69%
31
150
150 100%
38,75
8,38%
181
181 100%
4,14
12,83%
6,94%
56
1
146
146 100%
20,53
12,99%
8,20%
96
2
2
183
170
93%
18,97
7,91%
59
2
2
193
193 100%
9,95
7,12%
123
2
2
2
179
163
91%
5,74
8,76%
8,50%
36
1.751
1
2
1
148
137
93%
16,46
6,25%
6,50%
5.625
1
2
1
112
112 100%
9,14
7,15%
7,35%
1988
4.874
2
2
2
135
135 100%
2
1988
4.542
2
2
1
138
103
2
1985 17.913
3
2
1
96
96 100%
2
2
2002
4.650
1
2
1
145
145 100%
45
2
2
2002
9.389
1
2
2
219
219 100%
2,82
10,10%
6,60%
98
69
1
2
2005
4.236
1
1
1
147
147 100%
6,16
13,04%
8,12%
20
2
50
1
2
2007
4.998
1
2
1
131
131 100%
1
2
85
1
2
1985
3.465
2
2
1
158
158 100%
24,53
2
1
2
99
2
2
1994
9.983
2
2
2
112
112 100%
2
1
2
1
2
1991
1.474
2
1
2
132
132 100%
2
2
1
2
1
2
1991
2.280
2
1
1
148
148 100%
BE
2
1
1
2
2
2
2003
4.758
2
2
2
166
166 100%
9,45
BF
2
1
1
1
2
2
1989 16.386
2
2
2
147
147 100%
18,03
BG
2
1
2
2
180
2
2
1990
1.627
2
2
2
179
179 100%
25,35
BH
1
1
1
1
180
1
2
1985
2.816
2
2
1
154
154 100%
29,86
BI
2
1
2
1
35
2
2
1991
3.186
2
2
2
83
BJ
2
1
2
1
45
2
2
1992
3.997
2
2
2
116
BK
2
1
2
1
40
2
2
1990
2.529
2
2
2
118
BL
2
1
2
1
50
1
2
2000
1.561
2
2
1
145
97
3 F
1,54
3 G 3 G
3 G
3 C
84%
Energie BAR a
17,47 6,81%
75% 8,66 4,83
15
24
1.310
56 107
8,25%
40
6,69%
59
10,46% 11,64%
45
11,98%
36
9,92% 6,72%
52 6,72%
41
19,60
9,33%
76
17,19
9,39%
32
15,50
11,10%
11
8,33%
45
7,70%
67
6,71%
39
8,42%
8,50%
86
80%
15,65
7,08%
22
116 100%
18,92
10,00%
16
66
69%
18,06
145 100%
81
10,09
7,58%
8,34
7,60%
8,91%
9
9,53%
18
BM
2
4
2
2
60
1
2
BN
1
1
2
1
50
2
2
3 C
1999
1.034
2
2
1
139
139 100%
10,59
5,38
7,84%
8,87%
42
2003
3.583
2
2
1
121
121 100%
11,44
11,00
7,56%
8,41%
32
Bijlage 3.2
Codeerschema
Vraagnummer Omschrijving
Variabele
Code
1a
Anoniem
-
verh
1= goed 2= voldoende 3= onvoldoende
omg
1= kantorenpark/ 2= centrum locatie 3= Bedrijventerrein 4= Woonwijk 5= Overig
ov
1= goed 2= voldoende 3= onvoldoende
vv pnorm fac label
1= goed 2= voldoende 3= onvoldoende Getal 1= ja / 2 = nee 1= ja / 2 = nee
betr 1 betr 2 jaar VVO
1= GreenCalc 2= GPR Gebouw 3= Energielabel 4= EPC Getal of letter Getal Getal
1b
2a
2b
2c 2d 3a
3b 3c 3d
Adres
Verhuurbaarheid
Omgeving
Openbaar vervoer
Eigen vervoer Parkeernorm Faciliteiten in de omgeving Groenlabel
Welke Score Bouwjaar Omvang VVO
3f 3i 3j 4a
Gebouwkwaliteit Flexibiliteit gebouw Multi of Single tenant Huurprijs
gebkwa flex ten Huur per m2
1= goed 2= voldoende 3= onvoldoende 1= ja / 2 = nee 1= single / 2 = multi Getal
4b
Netto huur
Huur - leegstand per m2
Getal
Bezettingsgraad Onderhoudskosten Servicekosten Energiekosten Aankoopwaarde Waardering Transactiewaarde Stichtingskosten Lengte resterende huurtermijn
Netto huur/ huur Ondh per m2 Serv per m2 Ener per m2 BAR a BAR w BAR t St. per m2 VVO Lengte in maanden
4c 4e 4f 4g 4h 4i 4j
Percentage Getal Getal Getal Percentage Percentage Percentage Getal Getal
Bijlage 3.3
Histogrammen rond spreiding Sample Duurzaam Histogrammen rond spreiding Sample Niet Duurzaam
Parkeernorm
Metrage
Bouwjaar
Onderhoudskosten
Huurprijs
Netto huurprijs
Servicekosten
Energiekosten
BAR aankoop
Stichtingskosten
BAR Waardering
Lengte huurcontracten
Parkeernorm
Metrage
Bouwjaar
Onderhoudskosten
Huurprijs
Netto huurprijs
Servicekosten
Lengte huurcontracten
BAR Aankoop
BAR Waardering
Bijlage 3.4
Beschrijvende statistiek en percentage Sample Duurzaam Beschrijvende statistiek en percentage Sample Niet Duurzaam Beschrijvende statistiek beide samples
Percentages Sample Duurzaam Verhuurbaarheid
Metrage VVO Aantal Percentage
Totaal aantal panden
18,00
100,00%
Aantal panden goed verhuurbaar
Aantal Percentage Totaal aantal panden
18
100,00%
15,00
83,33%
Panden < 1000
1
5,56%
Voldoende
3,00
16,67%
Panden > 1000 < 2000
4
22,22%
Slecht
0,00
0,00%
Panden > 2000 < 5000
5
27,78%
Panden > 5000 < 10000
5
27,78%
Panden > 10000
4
22,22%
Omgeving Aantal Percentage Totaal aantal panden
Gebouw kwaliteit
18
100,00%
Kantorenpark
9
50,00%
Centrum locatie
5
27,78%
Totaal aantal panden
18
100,00%
Bedrijventerrein
3
16,67%
Goed
15
83,33%
Woonwijk
0
0,00%
Voldoende
3
16,67%
Overig
1
5,56%
Onvoldoende
0
0,00%
Openbaar Vervoer
Aantal Percentage
Flexibiliteit gebouw Aantal Percentage
Totaal aantal panden Goed Voldoende Slecht
18,00
100,00%
5,00
Aantal Percentage Totaal aantal panden
18
100,00%
27,78%
Ja
10
55,56%
12,00
66,67%
Nee
8
44,44%
1,00
5,56% Tenant
Eigen vervoer
Aantal Percentage Aantal Percentage
Totaal aantal panden
18
100,00%
Goed
10
55,56%
Voldoende
7
38,89%
Slecht
1
5,56%
Totaal
18
100%
Single tenant
14
78%
4
22%
Multi tenant Huur
Aantal Percentage Faciliteiten
Totaal aantal panden Aantal Percentage
Totaal aantal panden Ja Nee
18
100,00%
Huurprijs < 100
1
5,56%
18,00
100,00%
Huurprijs > 100 < 125
2
11,11%
8,00
44,44%
Huurprijs >125 < 150
7
38,89%
10,00
55,56%
Huurprijs >150 < 175
3
16,67%
Huurprijs > 175 < 200
3
16,67%
Huurprijs > 200
2
11,11%
Label Aantal Percentage Totaal aantal panden
Netto huur
18
100,00%
GreenCalc
5
27,78%
GPR Gebouw
0
0,00%
18
100%
10
55,56%
Huurprijs < 100
3
17%
3
16,67%
Huurprijs > 100 < 125
3
17%
Huurprijs >125 < 150
4
22%
Huurprijs >150 < 175
4
22%
Huurprijs > 175 < 200
2
11%
Huurprijs > 200
2
11%
Energielabel EPC
Aantal Percentage Totaal aantal panden
Percentages Sample Duurzaam Bezettingsgraad
BAR Transactie Aantal Percentage
Totaal aantal panden
Aantal Percentage
18
100%
Bezettingsgraad 0 en < 25%
0
0,00%
Gegevens bekend
Bezettingsgraad > 25% en < 50%
1
5,56%
Gegevens niet bekend
Bezettingsgraad > 50% en < 75%
1
5,56%
BAR < 6
3
16,67%
BAR > 6 <= 7
13
72,22%
BAR > 7 <= 8
Bezettingsgraad > 75% en < 100% Bezettingsgraad 100%
Totaal aantal panden
18
100,00%
0
0,00%
18
100,00%
BAR > 8 <= 9 Onderhoudskosten
BAR > 9 Aantal Percentage
Totaal aantal panden
18
100,00%
Gegevens bekend
Lengte huurovereenkomst
12
66,67%
Gegevens niet bekend
6
33,33%
Totaal aantal panden
Kosten < 5
5
41,67%
Maanden < 12
1
5,56%
Kosten >5 < 10
3
25,00%
Maanden > 12 en < 60
7
38,89%
Kosten > 10 < 15
0
0,00%
Maanden > 60 < 84
5
27,78%
Kosten >15 < 20
2
16,67%
Maanden > 84 < 120
3
16,67%
Kosten > 20
2
16,67%
Maanden > 120
2
11,11%
Servicekosten
Aantal Percentage
Gegevens bekend Gegevens onbekend
100,00%
Parkeernorm Aantal Percentage
Totaal aantal panden
18
18
100,00%
8
Aantal Percentage Totaal aantal panden
18
100%
44,44%
Gegevens bekend
16
88,89%
10
55,56%
Gegevens onbekend
2
11,11%
Kosten < 5
1
12,50%
Parkeernorm < 50
4
25,00%
Kosten > 5 < 10
1
12,50%
Parkeernorm > 50 en < 75
6
37,50%
Kosten > 10 < 20
2
25,00%
Parkeernorm > 75 en < 100
4
25,00%
Kosten >20 < 25
3
37,50%
Parkeernorm > 100
2
12,50%
Kosten > 25
1
12,50% Bouwjaar
BAR Aankoop
Aantal Percentage Aantal Percentage
Totaal aantal panden Gegevens bekend Gegevens niet bekend
Totaal aantal panden
18
100,00%
18
100,00%
Bouwjaar < 1990
0
0,00%
8
44,44%
Bouwjaar < 1995
0
0,00%
10
55,56%
Bouwjaar < 2000
9
50,00%
BAR < 6
0
0,00%
Bouwjaar < 2005
7
38,89%
BAR > 6 <= 7
2
25,00%
Bouwjaar > 2005
2
11,11%
BAR > 7 <= 8
1
12,50%
BAR > 8 <= 9
3
37,50%
BAR > 9
2
25,00%
BAR Waardering Aantal Percentage
Energiekosten Aantal Percentage Totaal aantal panden
18
100,00%
Gegevens bekend
10
55,56%
Gegevens onbekend
8
44,44%
Kosten < 5
1
12,50%
Totaal aantal panden
18
100,00%
Gegevens bekend
10
55,56%
Kosten > 5 < 10
2
25,00%
Gegevens niet bekend
8
44,44%
Kosten > 10 < 20
5
62,50%
BAR < 6
1
10,00%
Kosten >20 < 25
2
25,00%
BAR > 6 <= 7
1
10,00%
Kosten > 25
0
0,00%
BAR > 7 <= 8
2
20,00%
BAR > 8 <= 9
4
40,00%
BAR > 9
2
20,00%
Beschijvende Statistiek Sample Duurzaam Parkeernorm Gemiddelde Standaardfout Mediaan Modus Standaarddeviatie Steekproefvariantie Kurtosis Scheefheid Bereik Minimum Maximum Som Aantal Betrouwbaarheidsniveau(95,0%)
Huur 71,5 8,65640418 65 65 34,62561672 1198,933333 3,516799374 1,592398302 140 30 170 1144 16 18,45068867
Bouwjaar Gemiddelde Standaardfout Mediaan Modus Standaarddeviatie Steekproefvariantie Kurtosis Scheefheid Bereik Minimum Maximum Som Aantal Betrouwbaarheidsniveau(95,0%)
Netto Huur 2000,444444 0,980936668 1999,5 1995 4,161761819 17,32026144 -1,0820221 0,328507462 13 1995 2008 36008 18 2,069595444
Metrage Gemiddelde Standaardfout Mediaan Modus Standaarddeviatie Steekproefvariantie Kurtosis Scheefheid Bereik Minimum Maximum Som Aantal Betrouwbaarheidsniveau(95,0%)
Gemiddelde 151,0556 Standaardfout 8,378884 Mediaan 144,5 Modus 144 Standaarddeviatie 35,5486 Steekproefvariantie 1263,703 Kurtosis -0,272351 Scheefheid -0,104761 Bereik 128 Minimum 80 Maximum 208 Som 2719 Aantal 18 Betrouwbaarheidsniveau(95,0%) 17,6779
Gemiddelde 142,3889 Standaardfout 9,881699 Mediaan 144,5 Modus #N/B Standaarddeviatie 41,9245 Steekproefvariantie 1757,663 Kurtosis -0,911526 Scheefheid -0,08908 Bereik 136 Minimum 72 Maximum 208 Som 2563 Aantal 18 Betrouwbaarheidsniveau(95,0%) 20,84856 Bezettingsgraad
8806,944444 2760,846902 5409,5 #N/B 11713,2814 137200961,1 5,881759608 2,428380141 44749 915 45664 158525 18 5824,877749
Gemiddelde 93,99% Standaardfout 3,30% Mediaan 100,00% Modus 100,00% Standaarddeviatie 14,00% Steekproefvariantie 1,96% Kurtosis 594,99% Scheefheid -255,75% Bereik 49,65% Minimum 50,35% Maximum 100,00% Som 1691,80% Aantal 1800,00% Betrouwbaarheidsniveau(95,0%) 6,96%
Beschijvende Statistiek Sample Duurzaam Onderhoudskosten Gemiddelde Standaardfout Mediaan Modus Standaarddeviatie Steekproefvariantie Kurtosis Scheefheid Bereik Minimum Maximum Som Aantal Betrouwbaarheidsniveau(95,0%)
BAR Aankoop 10,05 2,647414119 5,02 #N/B 9,170911524 84,10561818 -0,31656146 1,084061372 25,16 1,5 26,66 120,6 12 5,826919184
Servicekosten Gemiddelde Standaardfout Mediaan Modus Standaarddeviatie Steekproefvariantie Kurtosis Scheefheid Bereik Minimum Maximum Som Aantal Betrouwbaarheidsniveau(95,0%)
8,17% 0,46% 8,20% #N/B 1,31% 0,02% 120,76% 88,46% 4,22% 6,50% 10,72% 65,35% 800,00% 1,10%
BAR Waardering 17,86375 2,992947029 19,2 #N/B 8,46533256 71,66185536 -0,61892308 -0,30215212 25,65 4,35 30 142,91 8 7,077195127
Energiekosten Gemiddelde Standaardfout Mediaan Modus Standaarddeviatie Steekproefvariantie Kurtosis Scheefheid Bereik Minimum Maximum Som Aantal Betrouwbaarheidsniveau(95,0%)
Gemiddelde Standaardfout Mediaan Modus Standaarddeviatie Steekproefvariantie Kurtosis Scheefheid Bereik Minimum Maximum Som Aantal Betrouwbaarheidsniveau(95,0%)
Gemiddelde 8,11% Standaardfout 0,46% Mediaan 8,30% Modus #N/B Standaarddeviatie 1,45% Steekproefvariantie 0,02% Kurtosis -17,01% Scheefheid 14,56% Bereik 4,77% Minimum 5,88% Maximum 10,65% Som 81,13% Aantal 1000,00% Betrouwbaarheidsniveau(95,0%) 1,04% Stichtingskosten
13,389 1,9615382 14,49 #N/B 6,20292843 38,47632111 -0,74329762 -0,57018217 18,45 2,18 20,63 133,89 10 4,437307681
Gemiddelde Standaardfout Mediaan Modus Standaarddeviatie Steekproefvariantie Kurtosis Scheefheid Bereik Minimum Maximum Som Aantal Betrouwbaarheidsniveau(95,0%)
1839,667 290,1353 1651 #N/B 710,6835 505071,1 2,166371 1,469581 1914 1222 3136 11038 6 745,8166
Beschrijvende Statistiek Sample Duurzaam Lengte Huurovereenkomst Gemiddelde Standaardfout Mediaan Modus Standaarddeviatie Steekproefvariantie Kurtosis Scheefheid Bereik Minimum Maximum Som Aantal Betrouwbaarheidsniveau(95,0%)
70,16666667 8,975729803 67 29 38,08079646 1450,147059 0,105037889 0,493653599 150 6 156 1263 18 18,93713439
Percentage Sample Niet Duurzaam Verhuurbaarheid
Metrage VVO Aantal Percentage
Aantal
63,00
100,00%
Aantal panden goed verhuurbaar
11,00
17,46%
Panden < 1000
0
0,00%
Voldoende
46,00
73,02%
Panden > 1000 < 2000
12
19,05%
6,00
9,52%
Panden > 2000 < 5000
32
50,79%
Panden > 5000 < 10000
12
19,05%
7
11,11%
Slecht Omgeving
Totaal aantal panden
Percentage
Totaal aantal panden
63
Panden > 10000
100,00%
Aantal Percentage Gebouw kwaliteit
Totaal aantal panden
63
100,00%
Kantorenpark
35
55,56%
Centrum locatie
10
15,87%
Totaal aantal panden
63
100,00%
Bedrijventerrein
7
11,11%
Goed
16
25,40%
Woonwijk
9
14,29%
Voldoende
45
71,43%
Overig
2
3,17%
2
3,17%
Openbaar Vervoer
Aantal
Onvoldoende Flexibiliteit gebouw
Aantal Percentage
Aantal
Totaal aantal panden
63,00
100,00%
Goed
16,00
25,40%
Ja
Voldoende
47,00
74,60%
Nee
0,00
0,00%
Slecht
Percentage
Totaal aantal panden
Percentage
63
100,00%
8
12,70%
55
87,30%
Tenant Eigen vervoer
Aantal Aantal Percentage
Totaal aantal panden
63
100,00%
Goed
27
42,86%
Voldoende
36
57,14%
0
0,00%
Slecht
Percentage
Totaal
63
100%
Single tenant
38
60%
Multi tenant
25
40%
Huur Aantal
Faciliteiten
Totaal aantal panden Aantal Percentage
Percentage
63
100,00%
Huurprijs < 100
5
7,94%
Totaal aantal panden
63,00
100,00%
Huurprijs > 100 < 125
8
12,70%
Ja
19,00
30,16%
Huurprijs >125 < 150
29
46,03%
Nee
44,00
69,84%
Huurprijs >150 < 175
11
17,46%
Huurprijs > 175 < 200
7
11,11%
Huurprijs > 200
3
4,76%
Label Aantal Percentage Totaal aantal panden
11
100,00%
Energielabel
10
90,91%
1
9,09%
EPC Score
Aantal Percentage
Netto huur Aantal
Percentage
Totaal aantal panden
63
100%
Huurprijs < 100
11
17%
Huurprijs > 100 < 125
9
14%
Huurprijs >125 < 150
27
43%
10
100,00%
Huurprijs >150 < 175
10
16%
Label C
3
30,00%
Huurprijs > 175 < 200
4
6%
Label D
1
10,00%
Huurprijs > 200
2
3%
Label E
1
10,00%
Label F
2
20,00%
Label G
3
30,00%
Totaal aantal panden
Percentages Sample Niet Duurzaam Bezettingsgraad
BAR Transactie Aantal Percentage
Totaal aantal panden
Aantal
100%
Bezettingsgraad 0 en < 25%
1
1,59%
Gegevens bekend
Bezettingsgraad > 25% en < 50%
1
1,59%
Gegevens niet bekend
Bezettingsgraad > 50% en < 75%
6
9,52%
BAR < 6
0
0,00%
Bezettingsgraad > 75% en < 100%
11
17,46%
BAR > 6 <= 7
1
11,11%
Bezettingsgraad 100%
44
69,84%
BAR > 7 <= 8
5
55,56%
BAR > 8 <= 9
2
22,22%
BAR > 9
1
11,11%
Onderhoudskosten
Totaal aantal panden
Percentage
63
63
100,00%
9
14,29%
54
85,71%
Aantal Percentage Lengte huurovereenkomst
Totaal aantal panden
63
100,00%
Gegevens bekend
52
82,54%
Gegevens niet bekend
11
17,46%
Kosten < 5
4
7,69%
Kosten >5 < 10
9
17,31%
Maanden > 12 en < 60
Kosten > 10 < 15
8
15,38%
Kosten >15 < 20
12
Kosten > 20
19
Aantal Totaal aantal panden Maanden < 12
7,94%
39
61,90%
Maanden > 60 < 84
8
12,70%
23,08%
Maanden > 84 < 120
9
14,29%
36,54%
Maanden > 120
2
3,17%
Parkeernorm Aantal Percentage
Gegevens bekend Gegevens onbekend
100,00%
5
Servicekosten Totaal aantal panden
Percentage
63
63
100,00%
9
Aantal
Percentage
Totaal aantal panden
63
100%
14,29%
Gegevens bekend
59
93,65%
54
85,71%
Gegevens onbekend
4
6,35%
Kosten < 5
2
22,22%
Parkeernorm < 50
24
40,68%
Kosten > 5 < 10
3
33,33%
Parkeernorm > 50 en < 75
19
32,20%
Kosten > 10 < 20
2
22,22%
Parkeernorm > 75 en < 100
10
16,95%
Kosten >20 < 25
1
11,11%
Parkeernorm > 100
6
10,17%
Kosten > 25
1
11,11% Bouwjaar
BAR Aankoop
Aantal Aantal Percentage
Percentage
Totaal aantal panden
63
100,00%
Totaal aantal panden
63
100,00%
Bouwjaar < 1990
20
31,75%
Gegevens bekend
38
60,32%
Bouwjaar < 1995
19
30,16%
Gegevens niet bekend
25
39,68%
Bouwjaar < 2000
9
14,29%
BAR < 6
0
0,00%
Bouwjaar < 2005
10
15,87%
BAR > 6 <= 7
5
13,16%
Bouwjaar > 2005
5
7,94%
BAR > 7 <= 8
8
21,05%
BAR > 8 <= 9
13
34,21%
BAR > 9
12
31,58%
BAR Waardering Aantal Percentage Totaal aantal panden
63
100,00%
Gegevens bekend
51
80,95%
Gegevens niet bekend
12
19,05%
BAR < 6
0
0,00%
BAR > 6 <= 7
8
15,69%
BAR > 7 <= 8
11
21,57%
BAR > 8 <= 9
16
31,37%
BAR > 9
16
31,37%
Beschrijvende Statistiek Sample Niet Duurzaam Parkeernorm Gemiddelde Standaardfout Mediaan Modus Standaarddeviatie Steekproefvariantie Kurtosis Scheefheid Bereik Minimum Maximum Som Aantal Betrouwbaarheidsniveau(95,0%)
Huur 64,03389831 4,054059456 52 45 31,13982155 969,6884863 4,8098879 1,926480618 160 20 180 3778 59 8,115081629
Bouwjaar Gemiddelde Standaardfout Mediaan Modus Standaarddeviatie Steekproefvariantie Kurtosis Scheefheid Bereik Minimum Maximum Som Aantal Betrouwbaarheidsniveau(95,0%)
145,4920635 3,735622585 144 143 29,65058505 879,1571941 0,779512887 0,189197803 150 75 225 9166 63 7,467403073
Netto Huur 1993,920635 0,859959152 1991 1989 6,825714159 46,59037378 -0,88264089 0,556852844 24 1984 2008 125617 63 1,719033834
Metrage Gemiddelde Standaardfout Mediaan Modus Standaarddeviatie Steekproefvariantie Kurtosis Scheefheid Bereik Minimum Maximum Som Aantal Betrouwbaarheidsniveau(95,0%)
Gemiddelde Standaardfout Mediaan Modus Standaarddeviatie Steekproefvariantie Kurtosis Scheefheid Bereik Minimum Maximum Som Aantal Betrouwbaarheidsniveau(95,0%)
Gemiddelde Standaardfout Mediaan Modus Standaarddeviatie Steekproefvariantie Kurtosis Scheefheid Bereik Minimum Maximum Som Aantal Betrouwbaarheidsniveau(95,0%)
134,1428571 4,333974734 140 131 34,399858 1183,35023 0,360661557 -0,33990616 173 46 219 8451 63 8,663491964
Bezettingsgraad 5022,857143 486,7462505 3997 #N/B 3863,428591 14926080,48 2,756982287 1,740902205 16879 1034 17913 316440 63 972,9918814
Gemiddelde Standaardfout Mediaan Modus Standaarddeviatie Steekproefvariantie Kurtosis Scheefheid Bereik Minimum Maximum Som Aantal Betrouwbaarheidsniveau(95,0%)
92,60% 1,93% 100,00% 100,00% 15,34% 2,35% 804,47% -270,01% 75,11% 24,89% 100,00% 5833,60% 6300,00% 3,86%
Beschrijvende Statistiek Sample Niet Duurzaam Onderhoud Gemiddelde Standaardfout kurtosis Modus Standaarddeviatie Steekproefvariantie Kurtosis Scheefheid Bereik Minimum Maximum Som Aantal Betrouwbaarheidsniveau(95,0%)
Servicekosten 18,17076923 1,466071434 17,75 #N/B 10,57199145 111,7670033 0,601575051 0,83423782 47,14 2,82 49,96 944,88 52 2,943261154
BAR A Gemiddelde Standaardfout Mediaan Modus Standaarddeviatie Steekproefvariantie Kurtosis Scheefheid Bereik Minimum Maximum Som Aantal Betrouwbaarheidsniveau(95,0%)
12,11555556 2,704221551 8,34 #N/B 8,112664653 65,81532778 -1,07617667 0,837417102 20,57 4,83 25,4 109,04 9 6,235946074
BAR W 9,12% 0,36% 8,47% 7,58% 2,22% 0,05% 215,32% 143,52% 10,23% 6,25% 16,48% 346,49% 3800,00% 0,73%
BAT T Gemiddelde Standaardfout Mediaan Modus Standaarddeviatie Steekproefvariantie Kurtosis Scheefheid Bereik Minimum Maximum Som Aantal Betrouwbaarheidsniveau(95,0%)
Gemiddelde Standaardfout Mediaan Modus Standaarddeviatie Steekproefvariantie Kurtosis Scheefheid Bereik Minimum Maximum Som Aantal Betrouwbaarheidsniveau(95,0%)
Gemiddelde Standaardfout Mediaan Modus Standaarddeviatie Steekproefvariantie Kurtosis Scheefheid Bereik Minimum Maximum Som Aantal Betrouwbaarheidsniveau(95,0%)
8,59% 0,24% 8,20% 8,50% 1,68% 0,03% 334,60% 146,43% 8,63% 6,41% 15,04% 438,32% 5100,00% 0,47%
Lengte OVK 8,17% 0,53% 7,72% #N/B 1,58% 0,02% 612,56% 238,78% 5,19% 6,94% 12,13% 73,55% 900,00% 1,21%
Gemiddelde Standaardfout Mediaan Modus Standaarddeviatie Steekproefvariantie Kurtosis Scheefheid Bereik Minimum Maximum Som Aantal Betrouwbaarheidsniveau(95,0%)
50,14285714 4,114207842 41 32 32,65551238 1066,382488 -0,44311367 0,696765592 123 0 123 3159 63 8,224184212
Beschrijvende statistiek beide samples Sample Niet Duurzaam
Gemiddelde Mediaan Standaard Min
Max
deviatie
Aantal Standaard Betrouw niveau fout 95%
Parkeernorm (1:m²)
64,03
52
31,14
20
180
59
4,05
8,12
Bouwjaar (jaar)
1994
1991
6,83
1984
2008
63
0,86
1,72
Metrage (m²)
5.023
3.997
3.863 1.034 17.039
63
487
973
Huur (€ per m²)
145,49
144,00
29,65
75
225
63
3,74
7,47
Netto huur (€ per m²)
131,35
139,00
37,91
0
219
63
4,33
9,55
Bezettinggraad (%)
91,01
100,00
19,24
0
100
63
1,93
4,84
Onderhoudskosten (€ per m²)
18,17
17,75
10,57
2,82
49,96
52
1,47
2,94
Servicekosten (€ per m²)
12,12
8,34
8,11
4,83
25,40
9
2,70
6,24
BAR Aankoop (%)
9,12
8,47
2,22
6,25
16,48
38
0,36
0,73
BAR Waarde (%)
8,59
8,20
1,68
6,41
15,04
51
0,24
0,47
BAR Transactie (%)
8,17
7,72
1,58
6,94
12,13
9
0,53
1,21
50,14
41
32,66
0
123
63
4,11
8,22
Energiekosten (€ per m²)
Stichtingskosten (€) Lengte contracten (in mnd)
Bijlage 4.1
Correlatie
Correlatie Variabelen Verh
Omg
Verh
1,000
Omg
0,130
1,000
OV
0,189
0,096
EV
0,255
Pnorm
0,046 0,108
Fac.
0,118
Label
0,542
Kwaliteit VVO
0,447 0,151
Geb
0,640
Flex
0,337
Ten
Bez
0,007 0,402 0,291 0,018
Onderhoud
0,142
0,179
BAR a
0,468
BAR w
0,378 0,181
0,149 0,056
Huur Netto
Lengte
0,033 0,182 0,036 0,139 0,028 0,049 0,039 0,161 0,022 0,012 0,044
0,097
OV
EV
1,000 0,149 0,199
1,000
0,322 0,029 0,127 0,100 0,008 0,295 0,047 0,196 0,296 0,197 0,122 0,005 0,117 0,111
0,266 0,231
Pnorm
Fac.
Label
Kwaliteit
VVO
Geb
Flex
Ten
Huur
Netto
Bez
Onderhoud
BAR a
BAR w
Lengte
1,000 -0,107
1,000
0,057 0,008 0,066
-0,136
0,078
1,000
0,035
0,039
0,296
1,000
0,170
0,137
-0,241
-0,141
0,095 0,228
0,040
0,135
0,481
0,631
-0,217
0,396
0,429
0,169
0,044
-0,182
0,151
0,020
0,097
-0,009
-0,075
-0,321
0,284
0,196
0,029
-0,119
-0,176
0,343
0,202 0,039
0,050
0,072 0,173 0,210 0,102 0,041
1,000 0,112 0,049 0,077
-0,069
0,058
0,296
0,387
0,104 0,114 0,004
0,039
0,173
-0,039
-0,029
0,173 0,001
0,109
0,039
0,203
-0,110
0,073
1,000 0,312
1,000
0,116 0,317 0,214
0,089 0,320 0,103
1,000
0,166 0,071
0,009
0,137
0,040
0,356
0,000
0,034
0,102
0,312
0,056 0,240
-0,081
0,216
0,372 0,190
0,148 0,024
0,040 0,098 0,032 0,014
0,138
1,000
0,158
0,621 0,127
1,000
0,059 0,141 0,402
-0,066
-0,422
1,000 0,101 0,096 0,127
0,145
0,227
0,166
0,682
-0,145
1,000 -0,073
1,000
0,178
0,229
1,000
0,079
0,102
-0,383
1,000
Bijlage 4.2
Codeerschema regressie
Vraagnummer Omschrijving 1a Adres
1b
2a
2b
Verhuurbaarheid
Omgeving
Openbaar vervoer
Eigen vervoer
2c 2d 3a
3b
3c 3d
Parkeernorm Faciliteiten in de omgeving Groenlabel
Welke Score
Bouwjaar Omvang VVO
Variabele Anoniem
Code -
verh
0= goed 1= voldoende 2= onvoldoende
omg
0= kantorenpark/ 1= centrum locatie 2= Bedrijventerrein 3= Woonwijk 4= Overig
ov
0= goed 1= voldoende 2= onvoldoende
vv
0= goed 1= voldoende 2= onvoldoende
pnorm fac label
0=<50 1=>50<75 2=>75 0= ja / 1 = nee 0= ja / 1 = nee
betr 1 betr 2
1= GreenCalc 2= GPR Gebouw 3= Energielabel 4= EPC Getal of letter
Leeftijd VVO
0= < 5 jaar 1= 5 - 10 jaar 2= 10-20 jaar 3=>20 jaar /1000
3f 3i 3j 4a
Gebouwkwaliteit Flexibiliteit gebouw Multi of Single tenant Huurprijs
gebkwa flex ten Huur per m2
0= goed 1= voldoende 2= onvoldoende 0= ja / 1 = nee 0= single / 1 = multi Getal
4b
Netto huur
Huur - leegstand per m2
Getal
Bezettingsgraad
Netto huur/ huur
Percentage
4i
Onderhoudskosten Servicekosten Energiekosten Aankoopwaarde Waardering Transactiewaarde Stichtingskosten
Ondh per m2 Serv per m2 Ener per m2 BAR a BAR w BAR t St. per m2 VVO
0=laag < 10 1=midden >10 < 20 2=hoog > 20 Getal Getal Percentage Percentage Percentage Getal
4j
Lengte resterende huurtermijn
Lengte in maanden
0=kort (<12 mnd) 1=middel (>12<60 mnd) 2=lang (>60 mnd)
4c 4e 4f 4g 4h
Bijlage 4.3
Aangepaste regressie
Label VVO Verh L Klasse
KL1 KL2 KL3 KL4 KL5 KL6 KL7 KL8 KL9 KL10
(1) -0.152 [0.063]** 0.008 [0.003]** -0.173 [0.048]*** -0.033 [0.026]
(2) -0.111 [0.064]* 0.004 [0.004] -0.150 [0.049]*** -0.031 [0.027] (2) -0.089 [0.200] -0.008 [0.200] -0.036 [0.213] -0.008 [0.206] 0.185 [0.210] -0.173 [0.216] 0.034 [0.204] 0.081 [0.222] -0.115 [0.216] 0.168 [0.218]
OV EV Pnorm
(3) -0.057 [0.067] 0.006 [0.004]* -0.121 [0.054]** -0.029 [0.028]
(4) -0.055 [0.067] 0.006 [0.004] -0.117 [0.055]** -0.032 [0.029]
-0.118 [0.193] -0.071 [0.194] -0.118 [0.208] -0.001 [0.201] 0.142 [0.204] -0.084 [0.214] 0.007 [0.200] -0.002 [0.218] -0.377 [0.274] 0.234 [0.222] (3) -0.137 [0.062]** 0.085 [0.046]* -0.002 [0.001]**
-0.117 [0.194] -0.066 [0.196] -0.108 [0.210] 0.004 [0.202] 0.151 [0.206] -0.077 [0.215] 0.011 [0.201] 0.021 [0.224] -0.371 [0.275] 0.228 [0.223]
Omg Constant
5.136 5.135 [0.060]*** [0.206]*** Observations 81 81 R-squared 0.27 0.42 Adj R2 0.23 0.29 Standard errors in brackets * significant at 10%; ** significant at 5%; *** significant at 1%
5.309 [0.214]*** 75 0.49 0.34
-0.133 [0.063]** 0.091 [0.048]* -0.002 [0.001]** (4) -0.011 [0.020] 5.319 [0.216]*** 75 0.49 0.33
Label VVO Verh L Klasse
(1) -0.055 [0.027]** 0.004 [0.002]** -0.069 [0.020]*** -0.017 [0.011]
idgreen_1 idgreen_2 idgreen_3 idgreen_4 idgreen_5 idgreen_6 idgreen_7 idgreen_8 idgreen_9 idgreen_10 idgreen_11 idgreen_12 idgreen_13 idgreen_14 idgreen_15 idgreen_16 idgreen_17 idgreen_18
(2) -0.028 [0.025] 0.001 [0.002] -0.052 [0.020]*** -0.012 [0.011] (2) -0.016 [0.048] -0.072 [0.051] -0.065 [0.056] -0.056 [0.053] -0.053 [0.047] 0.040 [0.049] -0.131 [0.056]** -0.036 [0.050] 0.019 [0.049] 0.008 [0.054] -0.076 [0.046] 0.000 [0.000] -0.100 [0.054]* 0.031 [0.052] -0.057 [0.049] -0.156 [0.054]*** -0.139 [0.048]*** -0.114 [0.049]**
OV EV Pnorm
(3) -0.009 [0.026] 0.002 [0.002] -0.044 [0.021]** -0.009 [0.012]
(4) -0.008 [0.027] 0.002 [0.002] -0.043 [0.021]** -0.010 [0.012]
0.073 [0.055] 0.020 [0.056] 0.003 [0.059] 0.008 [0.057] 0.032 [0.051] 0.121 [0.055]** 0.000 [0.000] 0.040 [0.057] 0.063 [0.065] 0.089 [0.058] -0.006 [0.053] 0.063 [0.062] -0.089 [0.092] 0.163 [0.063]** 0.049 [0.055] -0.076 [0.058] -0.053 [0.052] -0.035 [0.054] (3) -0.049 [0.027]* 0.022 [0.019] -0.001 [0.000]***
0.071 [0.057] 0.020 [0.057] 0.003 [0.060] 0.009 [0.058] 0.032 [0.052] 0.121 [0.056]** 0.000 [0.000] 0.039 [0.057] 0.064 [0.066] 0.089 [0.059] -0.008 [0.054] 0.066 [0.064] -0.089 [0.093] 0.161 [0.065]** 0.048 [0.056] -0.077 [0.059] -0.054 [0.053] -0.035 [0.054]
Omg Constant Observations R-squared Adj R2 Standard errors in
2.219 [0.025]*** 96 0.24 0.21
brackets
2.263 [0.043]*** 96 0.53 0.40
2.252 [0.069]*** 90 0.58 0.43
-0.048 [0.027]* 0.024 [0.020] -0.001 [0.000]*** (4) -0.002 [0.008] 2.253 [0.069]*** 90 0.58 0.42
Label VVO Verh L Klasse
KL1 KL2 KL3 KL4 KL5 KL6 KL7 KL8 KL9 KL10
(1) 0.023 [0.059] 0.005 [0.003] -0.003 [0.045] 0.019 [0.024]
(2) 0.009 [0.063] 0.004 [0.004] -0.009 [0.048] 0.030 [0.027] (2) -0.046 [0.198] -0.091 [0.198] -0.084 [0.211] -0.146 [0.204] -0.218 [0.208] -0.090 [0.214] -0.022 [0.202] -0.001 [0.220] 0.002 [0.214] 0.009 [0.216]
OV EV Pnorm
(3) 0.053 [0.070] 0.005 [0.004] 0.015 [0.057] 0.030 [0.030]
(4) 0.051 [0.071] 0.005 [0.004] 0.012 [0.058] 0.032 [0.030]
-0.092 [0.203] -0.140 [0.204] -0.178 [0.219] -0.166 [0.211] -0.284 [0.215] -0.055 [0.224] -0.034 [0.210] -0.077 [0.229] -0.166 [0.287] -0.031 [0.233] (3) -0.089 [0.066] 0.089 [0.049]* -0.000 [0.001]
-0.093 [0.204] -0.143 [0.206] -0.185 [0.221] -0.169 [0.213] -0.291 [0.217] -0.060 [0.227] -0.037 [0.212] -0.093 [0.235] -0.171 [0.290] -0.027 [0.235]
Omg Constant
0.856 0.922 [0.056]*** [0.204]*** Observations 81 81 R-squared 0.04 0.15 Adj R2 -0.01 -0.04 Standard errors in brackets * significant at 10%; ** significant at 5%; *** significant at 1%
0.984 [0.225]*** 75 0.23 0.00
-0.091 [0.066] 0.084 [0.050] -0.000 [0.001] (4) 0.008 [0.021] 0.976 [0.228]*** 75 0.23 -0.01
Label VVO Verh L Klasse
idgreen_1 idgreen_2 idgreen_3 idgreen_4 idgreen_5 idgreen_6 idgreen_7 idgreen_8 idgreen_9 idgreen_10 idgreen_11 idgreen_12 idgreen_13 idgreen_14 idgreen_15 idgreen_16 idgreen_17 idgreen_18
OV EV Pnorm
(1) 0.028 [0.056] 0.004 [0.003] 0.004 [0.042] 0.015 [0.023]
(2) 0.030 [0.058] 0.003 [0.004] 0.004 [0.045] 0.016 [0.026] (2) -0.061 [0.111] -0.302 [0.117]** -0.081 [0.129] 0.013 [0.122] -0.169 [0.107] -0.207 [0.112]* -0.098 [0.127] -0.028 [0.115] -0.032 [0.112] 0.010 [0.124] -0.036 [0.106] 0.000 [0.000] 0.002 [0.124] 0.007 [0.119] -0.095 [0.114] -0.124 [0.124] -0.053 [0.110] -0.060 [0.113]
(3) 0.058 [0.062] 0.004 [0.004] 0.021 [0.049] 0.017 [0.029]
(4) 0.058 [0.063] 0.004 [0.004] 0.020 [0.050] 0.017 [0.029]
-0.101 [0.131] -0.243 [0.134]* -0.108 [0.140] 0.039 [0.136] -0.118 [0.122] -0.216 [0.131] 0.000 [0.000] 0.033 [0.134] -0.045 [0.154] 0.060 [0.138] -0.006 [0.126] -0.012 [0.146] -0.102 [0.218] 0.003 [0.150] -0.066 [0.130] -0.034 [0.137] 0.016 [0.124] 0.003 [0.127] (3) -0.076 [0.063] 0.095 [0.045]** 0.000 [0.001]
-0.099 [0.134] -0.243 [0.135]* -0.108 [0.141] 0.038 [0.137] -0.118 [0.122] -0.217 [0.132] 0.000 [0.000] 0.034 [0.136] -0.046 [0.156] 0.060 [0.139] -0.005 [0.128] -0.016 [0.151] -0.102 [0.220] 0.006 [0.153] -0.065 [0.132] -0.033 [0.139] 0.016 [0.125] 0.004 [0.128]
Omg Constant Observations R-squared Adj R2 Standard errors in brackets
0.856 0.940 0.886 [0.051]*** [0.099]*** [0.163]*** 96 96 90 0.03 0.24 0.33 -0.01 0.03 0.09 * significant at 10%; ** significant at 5%; *** significant at 1%
-0.077 [0.065] 0.093 [0.048]* 0.000 [0.001] (4) 0.002 [0.020] 0.884 [0.164]*** 90 0.33 0.07
Bijlage 4.4
Regressie uitkomsten BAR A en BAR W
Tabel BAR A Model 1 Coef
Model 2 T stat
Coef
Model 3 T stat
Coef
Model 4 T stat
Model 5 T stat
Coef
Model 6 T stat
-0,1237
0,4865
-0,1056
0,0103
0,0421
-0,0019
0,4366 0,0080
0,1905
0,7613
0,2251
0,0256
0,0680 -0,1287
-0,0859
0,0968 0,3374 0,3240
0,0873
0,3237
Coef
T stat
Kluster 1
-0,0523
0,2157
Kluster 2
0,0283
0,1208
-0,0233
Kluster 4
0,2777
1,1165
0,1901
Kluster 5
0,0505
-0,0860
Kluster 6
-0,1013
Kluster 7
-0,1066
0,1968 0,3911 0,4184
-0,1093
0,7589 0,3095 0,3113 0,4117
Kluster 8
0,1271
0,4854
0,0330
0,1193
Kluster 9
0,0000
Kluster 10
-0,1910
0,6791
-0,2468
0,8451
-0,1863
0,6425
-0,2553
0,9312
-0,1457
0,6791
0,0782
0,7338
0,0465
0,4182
0,0211
0,1939
0,0400
0,3879
0,0591
0,7338
0,0078
0,6439
-0,0573
0,6937
0,0403
0,3373 1,0501 0,4292 0,4096
0,0639
0,0610
0,5749 1,3521 0,5976 1,0702
-0,0291
0,6937
-0,0183
0,5729 1,2501 0,4005 0,2851
0,0866
0,7067
-0,1189
0,4671 0,0931
Coef
-0,0240
0,2157
0,0555
0,1208
0,9427
0,2094
1,1165
0,0632 -0,0750
-0,1005
0,2736 0,5015 0,3990
-0,0508
0,1968 0,3911 0,4184
0,1328
0,5153
0,1596
0,4854
Kluster 3
Label
0,1123
1,1185
Metrage
0,0087
0,9202 0,0607 0,6691 0,5866
Kwaliteit
-0,0060
Leeftijd
-0,0312
Multi/Single
-0,0424
-0,0319
0,0166
0,2879
-0,0863
Flexibilteit
0,0921
0,7854
-0,0178
Faciliteiten
0,0686
0,8459 0,5167
R
2
-0,1027 0,1158
0,0000
-0,0548
Looptijd
Bezettingsgraad
-0,0837
1,1955 0,1412
0,1597 *
1,8075
0,1612
0,7096
0,2674
-0,0263
-0,0907
0,0000
-0,0658 -0,0297
0,0000
-0,0668 -0,0423 -0,0701
0,1583 *
0,2284
0,2304
0,3029
0,0000
1,9432
-0,0408
0,0182
0,1412
0,1174
1,8075
0,0826
0,7096
0,2411
Tabel BAR W Model 1 Coef
Model 2 T stat
Coef
Model 3 T stat
Coef
Model 4 T stat
Coef
Model 5 T stat
Coef
Model 6 T stat
Coef
T stat
Kluster 1
0,0249
0,2743
0,0356
0,3962
0,0213
0,2343
0,0286
0,3094
0,0586
0,5722
Kluster 2
0,0957
1,0823
0,1183
0,0917
0,1412
-0,0540
1,0398 0,2771
0,1119
0,0170
1,0354 0,2631
0,0926
Kluster 3
1,3253 0,4498
1,1278 0,2823
Kluster 4
0,1812 *
1,7687 0,1164
0,1696
Kluster 5
-0,0128
Kluster 6
0,0000
Kluster 7
-0,1552
Kluster 8
-0,0818
Kluster 9
0,1710
Kluster 10
-0,1244
Label
-0,0318
Metrage
-0,0061
0,4960 1,4295
Kwaliteit
0,0770
1,3850
Leeftijd
0,0353
1,1470 0,1465 2,2480
Multi/Single Looptijd
-0,0066 -0,0694 **
-0,0262
0,0934 **
1,5069 0,6740 1,3948 1,1715 0,4649
2,3524
-0,0976 ***
0,0564
0,8936
0,0496
0,8039
Faciliteiten
0,0233
0,4472 1,0129
0,0092
0,2029 0,5018
R
2
-0,1272 0,3350
-0,1489 -0,0932 0,1380
-0,0571 0,5738
1,4582 0,7942
0,1687 -0,0270
-0,1752 * -0,1069
1,7189 0,8918
-0,1741 -0,1059
1,3883
0,0584
1,1523
0,0605
1,1949
1,1964 0,2319 3,0435
0,0284
0,9916 0,4131 3,6730
0,0314
1,0998 0,3408 3,6673
-0,1139
-0,0174 -0,0993 *** 0,0443
0,1348
1,6946 0,8713
0,0335
-0,0848 ***
-0,0082
-0,0431
1,6542 0,4013
0,0693
-0,0220
1,2247 1,0370 0,1445
0,1703
-0,0056
-0,0971
0,1539
1,6505 0,2400
-0,0351
1,2070 0,8983 0,3871 1,5031
-0,0093 3,2903
Flexibilteit
Bezettingsgraad
-0,0150
1,6935 0,1414
-0,0331
-0,0376 0,1031 -0,0122
-0,1386 -0,0600
-0,1260
1,1278 1,1644
-0,0944
0,0016
0,0278
-0,0266
-0,0142 -0,1018 ***
0,7585 0,0265
0,6186
0,2218
0,5817
0,5799
1,2155 0,4409 1,5642 0,7647 0,4205
0,1275 ***
3,0056
0,0736
1,0598 0,6424 1,5494
-0,0311 -0,1836
0,5966
0,9338 0,0975
0,4771