Huurprijzen en richthuurprijzen. Deel III ... - Steunpunt wonen
Huurprijzen en richthuurprijzen. Deel III ... - Steunpunt wonen
Huurprijzen en richthuurprijzen. Deel III ... - Steunpunt wonen
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
<strong>Huurprijz<strong>en</strong></strong> <strong>en</strong> richthuurprijz<strong>en</strong><br />
<strong>Deel</strong> <strong>III</strong>:<br />
Hedonische huurprijsanalyse<br />
Frank Vastmans<br />
Roel Helgers<br />
Prof. dr. Erik Buyst
Auteurs:<br />
Frank Vastmans, C<strong>en</strong>trum voor Economische Studiën, K.U.Leuv<strong>en</strong><br />
Roel Helgers, C<strong>en</strong>trum voor Economische Studiën, K.U.Leuv<strong>en</strong><br />
Prof.dr. Erik Buyst, C<strong>en</strong>trum voor Economische Studiën, K.U.Leuv<strong>en</strong><br />
Datum:<br />
31 januari 2012<br />
Verantwoordelijke uitgever:<br />
<strong>Steunpunt</strong> Ruimte <strong>en</strong> Won<strong>en</strong><br />
Kasteelpark Ar<strong>en</strong>berg 51 bus 2429 - 3001 Heverlee<br />
Tel: +32 (0)16/32 13 36<br />
Email: info@steunpuntruimte<strong>en</strong>won<strong>en</strong>.be<br />
ISBN 000-00-000-0000-0<br />
Dit rapport kwam tot stand met de steun van de Vlaamse Geme<strong>en</strong>schap: Programma <strong>Steunpunt</strong><strong>en</strong> voor<br />
Beleidsrelevant Onderzoek. In deze tekst komt de m<strong>en</strong>ing van de auteur naar voor <strong>en</strong> niet die van de<br />
Vlaamse Geme<strong>en</strong>schap. De Vlaamse Geme<strong>en</strong>schap kan niet aansprakelijk gesteld word<strong>en</strong> voor het gebruik<br />
dat kan word<strong>en</strong> gemaakt van de meegedeelde gegev<strong>en</strong>s.
Inhoudstafel<br />
1 Omschrijving opdracht hedonische prijsanalyse van de huurprijs 5<br />
2 De k<strong>en</strong>merk<strong>en</strong> van e<strong>en</strong> hedonische huurprijsanalyse 6<br />
2.1 Overzicht schattingmethod<strong>en</strong> 6<br />
2.1.1 De analytische methode 6<br />
2.1.2 De inkomst<strong>en</strong>b<strong>en</strong>adering 6<br />
2.1.3 Methode van de vergelijkingspunt<strong>en</strong> 7<br />
2.1.4 Methode van de administratieve verkoopprijz<strong>en</strong> 7<br />
2.2 De methode van hedonische prijz<strong>en</strong> 8<br />
2.2.1 Het id<strong>en</strong>tificatieprobleem van de schattingsfout 10<br />
2.2.2 “Market for lemons”, het probleem van de ontbrek<strong>en</strong>de variabel<strong>en</strong>,<br />
verborg<strong>en</strong> kwaliteit <strong>en</strong> onverklaarde variantie 11<br />
2.2.3 Predictive modeling, multicollineariteit <strong>en</strong> containervariabel<strong>en</strong> 12<br />
2.2.4 Overzicht 13<br />
3 Beschrijving van de data 14<br />
3.1 Overzicht VMSW dataset 14<br />
3.2 Overzicht variabel<strong>en</strong> in VMSW dataset 16<br />
3.2.1 Ontbrek<strong>en</strong>de waard<strong>en</strong> <strong>en</strong> imputatie 18<br />
3.3 Andere bronn<strong>en</strong> 18<br />
3.3.1 Statistische sector informatie 18<br />
3.3.2 Geme<strong>en</strong>te-effect<strong>en</strong> 19<br />
3.3.3 Immo-data 19<br />
4 Methodologie hedonische prijsanalyse 20<br />
4.1 Lineaire b<strong>en</strong>adering 20<br />
4.2 E<strong>en</strong> 2-staps-model met interactievariabel<strong>en</strong> 21<br />
4.3 Kwalitatieve vs. kwantitatieve variabel<strong>en</strong> 23<br />
4.4 Resultat<strong>en</strong> van gelijkaardig onderzoek 24<br />
4.4.1 E<strong>en</strong> objectieve evaluatie van de subjectieve geluidshinder van de<br />
luchthav<strong>en</strong> in Zav<strong>en</strong>tem. 25<br />
4.4.2 Woonwaarderingsstelsel Nederland 27<br />
5 Resultat<strong>en</strong> hedonische prijsanalyse 29<br />
5.1 Woningk<strong>en</strong>merk<strong>en</strong> 30<br />
5.1.1 Leeftijd, grootte <strong>en</strong> typologie 34<br />
5.1.1.1 Leeftijd 34<br />
5.1.1.2 Typologie 37<br />
5.1.1.3 Tuin 37<br />
5.1.1.4 Slaapkamers <strong>en</strong> bewoonbare oppervlakte 38<br />
5.1.1.5 Parkeermogelijkheid <strong>en</strong>/of garage 44<br />
5.1.1.6 Ruimtecomfort 46<br />
5.1.2 Uitrustingsniveau 46<br />
5.1.3 Bouwfysische kwaliteit , interne <strong>en</strong> externe staat 46<br />
5.1.4 Omgevingsfactor<strong>en</strong> 47<br />
5.1.5 Afstandsvariabel<strong>en</strong> 49<br />
5.2 Statistische sector<strong>en</strong> 52<br />
3
5.2.1 Partiële geme<strong>en</strong>te-effect<strong>en</strong> 60<br />
5.2.1.1 geme<strong>en</strong>te-effect<strong>en</strong> als partiële locatie-effect<strong>en</strong> 60<br />
5.2.1.2 Berek<strong>en</strong>ing van geme<strong>en</strong>te-effect<strong>en</strong> van geme<strong>en</strong>t<strong>en</strong> die<br />
niet in de steekproef voorkom<strong>en</strong> 61<br />
5.2.1.3 Totale locatie-effect<strong>en</strong> 63<br />
5.2.2 Notariseffect<strong>en</strong> 65<br />
6 Sam<strong>en</strong>vatting <strong>en</strong> praktische bruikbaarheid 66<br />
7 Bijlage 69<br />
7.1 Schattingsmethod<strong>en</strong> 69<br />
7.1.1 Illustratie methode van vergelijkingspunt<strong>en</strong> 69<br />
7.1.2 Het id<strong>en</strong>tificatieprobleem van de accuraatheid bij e<strong>en</strong> hedonische<br />
prijsanalyse 69<br />
7.1.3 Gegev<strong>en</strong>s van de woonsurvey 2005 71<br />
7.2 Overzicht VMSW data 73<br />
7.2.1 Schatting van de marktwaarde van sociale woning<strong>en</strong> 73<br />
7.2.2 bebouwingsmorfologie 75<br />
7.2.3 Overzicht VMSW dataset 77<br />
7.2.4 Oppervlakte norm<strong>en</strong> VMSW, volg<strong>en</strong>s aantal slaapkamers <strong>en</strong><br />
aantal person<strong>en</strong> 83<br />
7.3 Overzicht Statistische sector data, 84<br />
7.4 Geme<strong>en</strong>te-effect<strong>en</strong> 88<br />
7.5 VMSW webapplicatie 93<br />
4
1 Omschrijving opdracht hedonische prijsanalyse van<br />
de huurprijs<br />
‘Hedonic pricing’ biedt de mogelijkheid om met behulp van meervoudige regressie<br />
voor elke woning volg<strong>en</strong>s type / ligging <strong>en</strong> k<strong>en</strong>merk<strong>en</strong> e<strong>en</strong> prijs te bepal<strong>en</strong>. In de<br />
internationale literatuur vind<strong>en</strong> we meerdere toepassing<strong>en</strong> van hedonic pricing<br />
voor de woningmarkt. Studies over hedonic pricing werd<strong>en</strong> in België echter nog<br />
maar weinig uitgevoerd. Poging<strong>en</strong> die daartoe werd<strong>en</strong> ondernom<strong>en</strong> (zie o.a.<br />
Decoster & De Swerdt, 2005), strandd<strong>en</strong> op e<strong>en</strong> gebrek aan data. De VMSW<br />
beschikt echter over e<strong>en</strong> dataset die de mogelijkheid biedt om voor Vlaander<strong>en</strong><br />
e<strong>en</strong> hedonic pricing model te schatt<strong>en</strong> voor private huurwoning<strong>en</strong>.<br />
In 2008 heeft de VMSW e<strong>en</strong> grootschalige bevraging gedaan m.b.t. de<br />
huurmarktwaarde van sociale woning<strong>en</strong>. Voor e<strong>en</strong> steekproef van meer dan 2300<br />
sociale woning<strong>en</strong> werd hiervoor door diverse notariss<strong>en</strong> e<strong>en</strong> schatting gemaakt.<br />
Voor elke woning werd tev<strong>en</strong>s e<strong>en</strong> uitgebreide gestandaardiseerde fiche met<br />
woningk<strong>en</strong>merk<strong>en</strong> ingevuld. De VMSW stelt deze dataset geanonimiseerd ter<br />
beschikking van het steunpunt. Deze dataset biedt de mogelijkheid om e<strong>en</strong><br />
adequaat hedonic pricing model op te stell<strong>en</strong> dat toelaat de verschill<strong>en</strong> in woning-<br />
<strong>en</strong> huurprijz<strong>en</strong> te analyser<strong>en</strong> rek<strong>en</strong>ing houd<strong>en</strong>d met de woonomgeving (ligging) <strong>en</strong><br />
woningk<strong>en</strong>merk<strong>en</strong>. Wat is het verschil tuss<strong>en</strong> de schatting<strong>en</strong> in dit rapport <strong>en</strong> die<br />
van de notariss<strong>en</strong>?<br />
Vooreerst kan via deze analyse de huurmarktwaarde van elke woning in<br />
Vlaander<strong>en</strong> geschat word<strong>en</strong>, dus niet <strong>en</strong>kel deze van de woning<strong>en</strong> in de<br />
dataset.<br />
I<br />
Dit komt omdat voor elk k<strong>en</strong>merk van de woning <strong>en</strong> de woonomgeving<br />
afzonderlijk de toegevoegde huurmarktwaarde berek<strong>en</strong>d wordt. Indi<strong>en</strong> m<strong>en</strong><br />
dus de k<strong>en</strong>merk<strong>en</strong> van e<strong>en</strong> willekeurige woning k<strong>en</strong>t, kan m<strong>en</strong> de<br />
huurmarktwaarde schatt<strong>en</strong>. Vooral voor woning<strong>en</strong> waarvan de k<strong>en</strong>merk<strong>en</strong><br />
overe<strong>en</strong>kom<strong>en</strong> met de k<strong>en</strong>merk<strong>en</strong> van de woning<strong>en</strong> uit de dataset zal het<br />
model betrouwbare schattingsresultat<strong>en</strong> lever<strong>en</strong>. Het is dus mogelijk dat er<br />
minder informatie zal beschikbaar zijn om ook richthuurprijz<strong>en</strong> voor grotere<br />
woning<strong>en</strong> <strong>en</strong> villa’s te schatt<strong>en</strong>.<br />
De analyse zorgt verder voor e<strong>en</strong> objectivering van de schatting<strong>en</strong> van de<br />
notariss<strong>en</strong>. Elke notaris schat anders. Aangezi<strong>en</strong> e<strong>en</strong> individuele notaris<br />
verschill<strong>en</strong>de schatting<strong>en</strong> maakte, wordt dit subject-specifiek effect<br />
uitgefilterd.<br />
Hoewel er weinig woonomgevingsfactor<strong>en</strong> in de dataset zijn opg<strong>en</strong>om<strong>en</strong><br />
kunn<strong>en</strong> deze wel geanalyseerd word<strong>en</strong> omdat de statistische sector <strong>en</strong> de<br />
geme<strong>en</strong>te gek<strong>en</strong>d zijn. De nodige geme<strong>en</strong>telijke data voor e<strong>en</strong> dergelijke<br />
analyse zijn vrij beschikbaar bij ADSEI, voor de statistische sector data zijn<br />
rec<strong>en</strong>te data in mindere mate beschikbaar <strong>en</strong> vall<strong>en</strong> we voorlopig terug op<br />
de gegev<strong>en</strong>s van de socio-economische <strong>en</strong>quête (SEE 2001).<br />
5
2 De k<strong>en</strong>merk<strong>en</strong> van e<strong>en</strong> hedonische huurprijsanalyse<br />
2.1 Overzicht schattingmethod<strong>en</strong><br />
E<strong>en</strong> hedonische huurprijsanalyse is e<strong>en</strong> statistische methode die di<strong>en</strong>t om de<br />
waarde van de huurprijs van e<strong>en</strong> woning te schatt<strong>en</strong> aan de hand van<br />
verschill<strong>en</strong>de woningk<strong>en</strong>merk<strong>en</strong>. Er bestaan echter diverse andere methodes om<br />
de waarde te bepal<strong>en</strong> van woning. We start<strong>en</strong> eerst met drie methodes waarbij e<strong>en</strong><br />
individuele deskundige beoordelaar e<strong>en</strong> schatting uitvoert.<br />
2.1.1 De analytische methode<br />
Ampe (2006) omschrijft deze als volgt: “ Deze methode wordt ook wel de methode<br />
van de intrinsieke waarde g<strong>en</strong>oemd. Deze schattingstechniek gaat uit van e<strong>en</strong><br />
analyse van het onroer<strong>en</strong>d goed, waarbij e<strong>en</strong> decompositie gebeurt van het<br />
perceel, het gebouw <strong>en</strong> haar omgeving.” De waarde van het gebouw wordt<br />
b<strong>en</strong>aderd door op basis van haar structurele k<strong>en</strong>merk<strong>en</strong> e<strong>en</strong> nieuwbouwwaarde te<br />
bepal<strong>en</strong> <strong>en</strong> hier e<strong>en</strong> bepaald perc<strong>en</strong>tage van af te trekk<strong>en</strong> weg<strong>en</strong>s slijtage, ook wel<br />
vetusiteit g<strong>en</strong>oemd. Deze methode is vooral van toepassing op eerder nieuwe<br />
woning<strong>en</strong>.”<br />
De decompositie van k<strong>en</strong>merk<strong>en</strong> die bij deze analytische methode gebruikt wordt,<br />
valt qua opzet sterk te vergelijk<strong>en</strong> met de hedonische prijsanalyse. Het grote<br />
verschil bestaat er echter in dat de waardering van deze deelcompon<strong>en</strong>t<strong>en</strong> (<br />
gebouwk<strong>en</strong>merk<strong>en</strong>, omgeving, …) gebeurt op basis van e<strong>en</strong> subjectieve<br />
beoordeling van de schatter bij de analytische methode, terwijl de hedonische<br />
prijsanalyse hiervoor e<strong>en</strong> statistische methode gebruikt zoals we later verder<br />
besprek<strong>en</strong>.<br />
2.1.2 De inkomst<strong>en</strong>b<strong>en</strong>adering<br />
Deze b<strong>en</strong>adering stelt voorop dat de verhuurder e<strong>en</strong> zeker r<strong>en</strong>dem<strong>en</strong>t wil hal<strong>en</strong> dat<br />
bepaald wordt door de verwachte toekomstige huuropbr<strong>en</strong>gst<strong>en</strong> af te weg<strong>en</strong> teg<strong>en</strong><br />
de huidige woningprijs. De combinatie van het economische r<strong>en</strong>dem<strong>en</strong>t <strong>en</strong> de<br />
huuropbr<strong>en</strong>gst<strong>en</strong> bepal<strong>en</strong> op die manier de woningprijs.<br />
In deze studie will<strong>en</strong> we echter de huurprijz<strong>en</strong> schatt<strong>en</strong>. Daartoe kan de<br />
berek<strong>en</strong>ing ook omgekeerd word<strong>en</strong>. De verkoopprijs <strong>en</strong> het vereist r<strong>en</strong>dem<strong>en</strong>t<br />
kunn<strong>en</strong> als basis di<strong>en</strong><strong>en</strong> om de werkelijke markthuurwaarde te schatt<strong>en</strong>. De ratio<br />
van de woningprijs over de huurprijs wordt hiertoe als indicator gebruikt waarbij<br />
impliciet e<strong>en</strong> vereist r<strong>en</strong>dem<strong>en</strong>t in verwerkt zit. In deel V wordt echter uitgelegd dat<br />
het vereist r<strong>en</strong>dem<strong>en</strong>t doorhe<strong>en</strong> de tijd sterk afhangt van het algeme<strong>en</strong> r<strong>en</strong>tepeil<br />
als refer<strong>en</strong>tie voor e<strong>en</strong> risicovrije belegging waardoor deze ratio sterk kan<br />
verschill<strong>en</strong>. Bov<strong>en</strong>di<strong>en</strong> zijn er ook individuele verschill<strong>en</strong> tuss<strong>en</strong> woning<strong>en</strong>. Zo is<br />
het bijvoorbeeld aannemelijk te stell<strong>en</strong> dat woning<strong>en</strong> waarbij de grondwaarde e<strong>en</strong><br />
aanzi<strong>en</strong>lijk deel van de woningprijs bepaalt, e<strong>en</strong> relatief lagere huurprijs hebb<strong>en</strong><br />
omdat de grondwaarde niet di<strong>en</strong>t afgeschrev<strong>en</strong> te word<strong>en</strong> <strong>en</strong> er dus e<strong>en</strong> grotere<br />
restwaarde is. Hierdoor zal het vereist direct r<strong>en</strong>dem<strong>en</strong>t van de huurprijz<strong>en</strong> zelf<br />
lager ligg<strong>en</strong>.<br />
We zull<strong>en</strong> de ratio van de verkoopprijs over de huurprijs in dit onderzoek als ruwe<br />
toetsste<strong>en</strong> gebruik<strong>en</strong> om de schatting<strong>en</strong> die we verkrijg<strong>en</strong> via de hedonische<br />
analyse mee te vergelijk<strong>en</strong>. In de VMSW dataset die in dit onderzoek gebruikt<br />
wordt, zijn zowel schatting<strong>en</strong> voor huurprijz<strong>en</strong> als verkoopprijz<strong>en</strong> gegev<strong>en</strong> voor<br />
6
dezelfde woning<strong>en</strong>. Ter illustratie gev<strong>en</strong> we in figuur 1 de relatie weer tuss<strong>en</strong> de<br />
geschatte huurprijz<strong>en</strong> door notariss<strong>en</strong> versus de geschatte huurprijz<strong>en</strong> aan de<br />
hand van geschatte verkoopprijz<strong>en</strong> van notariss<strong>en</strong>. Uiteraard bestaat er e<strong>en</strong><br />
verband tuss<strong>en</strong> beide, maar de verhouding woningprijs/huurprijs is zeker ge<strong>en</strong><br />
constante. Enerzijds komt dit doordat zowel de huurprijs als de verkoopprijs<br />
individuele schatting<strong>en</strong> zijn, waar uiteraard “ruis” op zit. Anderzijds is de relatie<br />
tuss<strong>en</strong> verhuur- <strong>en</strong> verkoopprijz<strong>en</strong> afhankelijk van specifieke k<strong>en</strong>merk<strong>en</strong> van de<br />
woning. Als gemiddelde verhouding tuss<strong>en</strong> verkoopprijs <strong>en</strong> verhuurprijs vind<strong>en</strong> we<br />
e<strong>en</strong> verhouding van 264 (of 22 op jaarbasis). Hoewel deze verhouding niet als e<strong>en</strong><br />
constante mag beschouwd word<strong>en</strong>, zoals uit figuur 1 duidelijk blijkt, gebruik<strong>en</strong> we<br />
de factor 264 als graadmeter. Dit gebeurt op volg<strong>en</strong>de manier. Indi<strong>en</strong> we vind<strong>en</strong><br />
dat de waarde van de aanwezigheid van e<strong>en</strong> garage 50 euro van de maandelijkse<br />
huurprijs verklaart, gaan we na of dit redelijk is door 50 euro met 264 te<br />
verm<strong>en</strong>igvuldig<strong>en</strong>. De verkoopwaarde van diezelfde garage wordt dus op 13.200<br />
euro geschat. Uiteraard is het e<strong>en</strong> zeer ruwe b<strong>en</strong>adering, maar het geeft wel<br />
duidelijk de logica van de geschatte parameters weer.<br />
Figuur 1 Geschatte huurprijz<strong>en</strong> door notariss<strong>en</strong> versus geschatte huurprijz<strong>en</strong> aan de hand<br />
van geschatte verkoopprijz<strong>en</strong> van notariss<strong>en</strong><br />
Bron: VMSW dataset 2008<br />
2.1.3 Methode van de vergelijkingspunt<strong>en</strong><br />
Deze methode wordt onder andere gebruikt door de experts van het kadaster<br />
belast met de controle van de v<strong>en</strong>ale waard<strong>en</strong>. LOCOSTAT, het programma van<br />
AAPD dat dit proces ondersteunt, di<strong>en</strong>t als e<strong>en</strong> opzoekingsysteem voor<br />
vergelijkingspunt<strong>en</strong>. Om de waarde van e<strong>en</strong> bepaalde woning te bepal<strong>en</strong> zoekt<br />
m<strong>en</strong> de rec<strong>en</strong>te verkoopprijz<strong>en</strong> op van woning<strong>en</strong> in dezelfde buurt, <strong>en</strong> met<br />
gelijkaardige k<strong>en</strong>merk<strong>en</strong> qua grootte, bouwjaar, et cetera. Hierdoor krijgt m<strong>en</strong> e<strong>en</strong><br />
geïntegreerd beeld via foto’s <strong>en</strong> allerlei schattinggegev<strong>en</strong>s van aang<strong>en</strong>om<strong>en</strong><br />
vergelijkingspunt<strong>en</strong> waarmee de experts vervolg<strong>en</strong>s e<strong>en</strong> schatting van de v<strong>en</strong>ale<br />
waarde mak<strong>en</strong>. Zie bijlage 7.1 voor e<strong>en</strong> voorbeeld.<br />
2.1.4 Methode van de administratieve verkoopprijz<strong>en</strong><br />
De gemiddelde verkoopprijs in e<strong>en</strong> bepaalde regio di<strong>en</strong>t hierbij als schatting voor<br />
e<strong>en</strong> individuele woning. Het is duidelijk dat deze werkwijze wel b<strong>en</strong>ader<strong>en</strong>d e<strong>en</strong><br />
7
goed beeld kan lever<strong>en</strong> van de woningprijz<strong>en</strong> in e<strong>en</strong> bepaalde locatie <strong>en</strong> de<br />
evolutie ervan, maar duidelijk tekort komt om e<strong>en</strong> individuele woning naar waarde<br />
te schatt<strong>en</strong>, hetge<strong>en</strong> het doel is van deze studie. Woning<strong>en</strong> binn<strong>en</strong> e<strong>en</strong> bepaalde<br />
regio verton<strong>en</strong> immers sterke verschill<strong>en</strong> waar hier ge<strong>en</strong> rek<strong>en</strong>ing mee gehoud<strong>en</strong><br />
wordt. Zoals in het deel over de berek<strong>en</strong>ing van de huurprijsindex aangegev<strong>en</strong> is,<br />
moet e<strong>en</strong> gemiddelde verkoopprijs bov<strong>en</strong>di<strong>en</strong> met de nodige omzichtigheid<br />
gebruikt word<strong>en</strong> om de prijsevolutie weer te gev<strong>en</strong> aangezi<strong>en</strong> de k<strong>en</strong>merk<strong>en</strong> van<br />
de verkochte/verhuurde woning<strong>en</strong> kunn<strong>en</strong> verschill<strong>en</strong> doorhe<strong>en</strong> de tijd. E<strong>en</strong> index<br />
gebaseerd op gepaarde waarneming<strong>en</strong> (repeat sales) is hiervoor geschikter.<br />
De eerste drie methodes, de klassieke methodes, word<strong>en</strong> veelal naast elkaar<br />
gebruikt, waarbij ge<strong>en</strong> van de drie als betere aangeduid kan word<strong>en</strong>. Eén<br />
belangrijk elem<strong>en</strong>t dat ze all<strong>en</strong> del<strong>en</strong> is dat de persoon van de schatter e<strong>en</strong><br />
belangrijke rol speelt. Hoewel de methodes gestandaardiseerd toegepast kunn<strong>en</strong><br />
word<strong>en</strong>, vergt de schatting e<strong>en</strong> subjectieve tuss<strong>en</strong>komst van de schatter. Zoals in<br />
volg<strong>en</strong>d punt duidelijk wordt, is dit niet het geval bij e<strong>en</strong> hedonische prijsanalyse.<br />
2.2 De methode van hedonische prijz<strong>en</strong><br />
Woningprijs = woningk<strong>en</strong>merk<strong>en</strong> + omgevingsfactor<strong>en</strong> + ligging<br />
Elke woning kan m<strong>en</strong> definiër<strong>en</strong> aan de hand van e<strong>en</strong> bundeling van k<strong>en</strong>merk<strong>en</strong>.<br />
Deze k<strong>en</strong>merk<strong>en</strong> kunn<strong>en</strong> eig<strong>en</strong> zijn aan de bouw van de woning zelf ( bewoonbare<br />
oppervlakte, bouwjaar, tuin, …) <strong>en</strong> aan de omgeving <strong>en</strong> ligging. Deze<br />
plaatsk<strong>en</strong>merk<strong>en</strong> kunn<strong>en</strong> gaan van de nabije buurtk<strong>en</strong>merk<strong>en</strong> (gro<strong>en</strong>, proper,<br />
verkeershinder, nabijheid van schol<strong>en</strong>, …) tot geme<strong>en</strong>te-effect<strong>en</strong> (dicht bij e<strong>en</strong><br />
c<strong>en</strong>trumstad, werkgeleg<strong>en</strong>heid, mobiliteit). Het geheel van k<strong>en</strong>merk<strong>en</strong> bepaalt de<br />
prijs van de woning. De methode van de hedonische prijz<strong>en</strong> gaat ervan uit dat voor<br />
elk k<strong>en</strong>merk e<strong>en</strong> impliciete geldelijke waardering bestaat <strong>en</strong> berek<strong>en</strong>t deze. De<br />
methode is gebaseerd op de meervoudige regressie techniek. We gev<strong>en</strong> e<strong>en</strong><br />
voorbeeld voor het meest e<strong>en</strong>voudige geval, de <strong>en</strong>kelvoudige lineaire regressie,<br />
waarbij de huurprijs van e<strong>en</strong> appartem<strong>en</strong>t 1 geschat in functie van de oppervlakte.<br />
De regressie-analyse vindt hiervoor dat :<br />
Werkelijke markthuurwaarde<br />
= 375 € + 3.8 € * bewoonbare oppervlakte + schattingsfout<br />
De geschatte coëfficiënt voor de variabele bewoonbare oppervlakte is 3,8, wat wil<br />
zegg<strong>en</strong> dat voor elke extra vierkante meter de gevraagde huurprijs gemiddeld met<br />
3.8 € zal to<strong>en</strong>em<strong>en</strong>. Voor e<strong>en</strong> appartem<strong>en</strong>t van 100 m² schat de<br />
regressievergelijking de werkelijke markthuurwaarde op 755 €. De regressietechniek<br />
zorgt er <strong>en</strong>erzijds voor dat de gemiddelde fout van alle observaties sam<strong>en</strong><br />
nul is <strong>en</strong> dus niet vertek<strong>en</strong>d is. Anderzijds zorgt ze ervoor dat het verschil tuss<strong>en</strong><br />
de geschatte waard<strong>en</strong> <strong>en</strong> de werkelijke waard<strong>en</strong> minimaal is. Meer algeme<strong>en</strong><br />
wordt e<strong>en</strong> regressievergelijking als volgt geschrev<strong>en</strong>, met Y de te verklar<strong>en</strong><br />
variabele, ß0 e<strong>en</strong> constante, X1 de verklar<strong>en</strong>de variabele met bijhor<strong>en</strong>de coëfficiënt<br />
ß1 <strong>en</strong> ε de fout<strong>en</strong>term. De index i geeft aan over welke observatie het gaat. Voor<br />
elke observatie wordt deze vergelijking getest, <strong>en</strong> de coëfficiënt<strong>en</strong> word<strong>en</strong> zo<br />
1 Gevraagde huurprijz<strong>en</strong> volg<strong>en</strong>s immowebsites, 2011<br />
8
geschat dat de individuele schattingsfout<strong>en</strong> van het model εi minimaal zijn <strong>en</strong><br />
gemiddeld nul.<br />
Yi = ß0 + ß1 X1i + εi<br />
De hedonische prijsanalyse baseert zich op deze regressietechniek. Deze<br />
<strong>en</strong>kelvoudige lineaire regressie wordt op verschill<strong>en</strong>de manier<strong>en</strong> uitgebreid.<br />
Vooreerst wordt er gewerkt met e<strong>en</strong> meervoudig regressiemodel waarbij<br />
verschill<strong>en</strong>de variabel<strong>en</strong> tegelijkertijd de huurprijs verklar<strong>en</strong>. Hiertoe word<strong>en</strong> e<strong>en</strong><br />
veelheid van verklar<strong>en</strong>de variabel<strong>en</strong> tegelijkertijd in het model gebracht <strong>en</strong> na e<strong>en</strong><br />
statistische toets word<strong>en</strong> al de variabel<strong>en</strong> in het model weerhoud<strong>en</strong> die e<strong>en</strong><br />
bijdrage lever<strong>en</strong> aan de kracht van het model. De overige, niet-significante<br />
variabel<strong>en</strong> word<strong>en</strong> uit het model gelat<strong>en</strong>. Daarnaast word<strong>en</strong> verschill<strong>en</strong>de<br />
variabel<strong>en</strong>, waaronder oppervlakte, ook niet-lineair gemodelleerd. De meerwaarde<br />
van e<strong>en</strong> extra m² zal immers groter zijn bij kleinere woongeleg<strong>en</strong>hed<strong>en</strong>, dan bij<br />
grotere. Hiertoe wordt e<strong>en</strong> kwadratische veeltermschatting gebruikt. Andere<br />
elem<strong>en</strong>t<strong>en</strong> van het model word<strong>en</strong> later in de tekst besprok<strong>en</strong>. Het uitgangspunt is<br />
dus redelijk e<strong>en</strong>voudig. Hoe de methode aan de resultat<strong>en</strong> komt is echter minder<br />
intuïtief.<br />
Op het eerste zicht lijkt het niet aannemelijk dat m<strong>en</strong>s<strong>en</strong> bij de waardering van e<strong>en</strong><br />
woning in kaart gaan br<strong>en</strong>g<strong>en</strong> hoeveel zij w<strong>en</strong>s<strong>en</strong> te betal<strong>en</strong> voor elk k<strong>en</strong>merk van<br />
de woning afzonderlijk. Elk individu w<strong>en</strong>st wel op basis van zijn eig<strong>en</strong> ervaring <strong>en</strong><br />
intuïtie e<strong>en</strong> bepaalde prijs voor e<strong>en</strong> woning te betal<strong>en</strong>, dus de k<strong>en</strong>merk<strong>en</strong> ervan in<br />
zijn geheel. Deze keuze is niet alle<strong>en</strong> subjectief (over smaak valt niet te<br />
discussiër<strong>en</strong>) maar daar<strong>en</strong>bov<strong>en</strong> is <strong>en</strong>kel de waarde van de k<strong>en</strong>merk<strong>en</strong> als geheel<br />
weergegev<strong>en</strong> in de verkoop- of huurprijs. Waarom kan de hedonische prijsanalyse<br />
deze opsplitsing naar k<strong>en</strong>merk<strong>en</strong> wel mak<strong>en</strong>? Via de meervoudige regressieanalyse<br />
kan m<strong>en</strong> het effect van elk k<strong>en</strong>merk isoler<strong>en</strong>. De waarde van dit k<strong>en</strong>merk<br />
komt dan overe<strong>en</strong> met de gemiddelde waardering bij alle woning<strong>en</strong> met dit<br />
k<strong>en</strong>merk in de dataset. De schatting voor e<strong>en</strong> individuele woning is dus e<strong>en</strong><br />
optelsom van gemiddelde waardering<strong>en</strong> van k<strong>en</strong>merk<strong>en</strong>. Deze gemiddelde<br />
waardering<strong>en</strong> gev<strong>en</strong> e<strong>en</strong> betrouwbaar beeld aangezi<strong>en</strong> ze gebaseerd zijn op e<strong>en</strong><br />
grote steekproef waardoor het subjectieve <strong>en</strong> willekeurige elem<strong>en</strong>t van e<strong>en</strong><br />
afzonderlijke schatting vermed<strong>en</strong> wordt. Indi<strong>en</strong> het model perfect werkt zal de<br />
hedonische prijsschatting van de werkelijke objectieve marktwaarde met andere<br />
woord<strong>en</strong> betrouwbaarder zijn dan de verkoop- of huurprijs van de woning zelf, die<br />
subject-afhankelijk is, <strong>en</strong> slechts éénmalig is. Voor betrouwbare uitkomst<strong>en</strong> di<strong>en</strong>t<br />
de dataset in eerste instantie wel omvangrijk te zijn.<br />
De vereiste van e<strong>en</strong> omvangrijke dataset om tot betrouwbare resultat<strong>en</strong> te kom<strong>en</strong><br />
behelst twee elem<strong>en</strong>t<strong>en</strong>. Enerzijds di<strong>en</strong><strong>en</strong> er voldo<strong>en</strong>de observaties te zijn,<br />
anderzijds di<strong>en</strong>t m<strong>en</strong> voor elke woning over e<strong>en</strong> groot aantal variabel<strong>en</strong> te<br />
beschikk<strong>en</strong> m.b.t. de woningk<strong>en</strong>merk<strong>en</strong>. Bov<strong>en</strong>di<strong>en</strong> moet<strong>en</strong> deze veld<strong>en</strong><br />
gestandaardiseerd bevraagd zijn.<br />
In de mate dat e<strong>en</strong> hedonische prijsanalyse de variabel<strong>en</strong> niet juist modelleert, of<br />
belangrijke variabel<strong>en</strong> niet opneemt in het model (het probleem van omitted<br />
variables), zal haar accuraatheid verminder<strong>en</strong>. E<strong>en</strong> ander aandachtspunt is het<br />
segm<strong>en</strong>t van de woningmarkt dat onderzocht wordt. Elke submarkt heeft zijn eig<strong>en</strong><br />
hedonische prijsfunctie. M<strong>en</strong> kan met e<strong>en</strong> hedonische prijsfunctie die gebaseerd is<br />
op goedkopere woning<strong>en</strong> ge<strong>en</strong> schatting<strong>en</strong> mak<strong>en</strong> van villa’s. Regionale<br />
subsegm<strong>en</strong>t<strong>en</strong> zijn er ook. Zo zal de waarde van e<strong>en</strong> garage ook regionaal<br />
verschill<strong>en</strong>. Het hedonische prijsmodel kan hiermee rek<strong>en</strong>ing houd<strong>en</strong>. Zo zull<strong>en</strong> de<br />
gemiddelde waardering van e<strong>en</strong> garage niet in ons model opg<strong>en</strong>om<strong>en</strong> zijn, maar<br />
afhang<strong>en</strong> van de d<strong>en</strong>siteit van de woonomgeving om zo rek<strong>en</strong>ing te houd<strong>en</strong> dat in<br />
werkelijkheid de waardering<strong>en</strong> voor e<strong>en</strong> garage sterk ruimtelijk gediffer<strong>en</strong>tieerd<br />
zijn. De functionele vorm di<strong>en</strong>t dus maximaal met de werkelijkheid overe<strong>en</strong> te<br />
stemm<strong>en</strong>.<br />
9
2.2.1 Het id<strong>en</strong>tificatieprobleem van de schattingsfout<br />
Aan het gebruik van e<strong>en</strong> hedonisch prijsmodel zijn dus drie voorwaard<strong>en</strong><br />
verbond<strong>en</strong>: voldo<strong>en</strong>de observaties, voldo<strong>en</strong>de gestandaardiseerde informatie van<br />
alle relevante woningk<strong>en</strong>merk<strong>en</strong> per observatie <strong>en</strong> e<strong>en</strong> adequate modellering. Des<br />
te meer dat aan deze voorwaard<strong>en</strong> voldaan is -wat nooit helemaal het geval is-,<br />
des te sterker dat de schatting van het model de werkelijke markthuurwaarde zal<br />
b<strong>en</strong>ader<strong>en</strong>. De werkelijke markthuurwaarde kan immers beschouwd word<strong>en</strong> als<br />
e<strong>en</strong> objectieve huurprijs waarbij rek<strong>en</strong>ing gehoud<strong>en</strong> wordt met alle beschikbare<br />
informatie die niet beïnvloed wordt door individuele utizondering<strong>en</strong>. De hedonische<br />
schatting zal in ideale omstandighed<strong>en</strong> dus objectiever zijn dan de subjectieve<br />
schatting<strong>en</strong> die volg<strong>en</strong>s andere method<strong>en</strong> verkreg<strong>en</strong> word<strong>en</strong>, zelfs objectiever dan<br />
de werkelijke huur- of verkoopprijs. Bij e<strong>en</strong> gedwong<strong>en</strong> verkoop zal deze laatste<br />
immers algeme<strong>en</strong> lager zijn dan de werkelijke marktwaarde. Omgekeerd kan e<strong>en</strong><br />
uitzonderlijke biedstrijd tusss<strong>en</strong> twee gegadigd<strong>en</strong> dan weer leid<strong>en</strong> tot bedrag<strong>en</strong> die<br />
bov<strong>en</strong> de werkelijke marktwaarde ligg<strong>en</strong>.<br />
Het hedonisch prijsmodel zal ev<strong>en</strong>wel nooit optimaal bepaald kunn<strong>en</strong> word<strong>en</strong><br />
omdat nooit volledig aan bov<strong>en</strong>vermelde voorwaard<strong>en</strong> voldaan kan word<strong>en</strong>. Het<br />
gevolg is dat de schatting<strong>en</strong> van het hedonisch prijsmodel dus verschill<strong>en</strong> van de<br />
werkelijke marktwaard<strong>en</strong> van verkoop- <strong>en</strong> huurprijz<strong>en</strong>. Het model maakt fout<strong>en</strong>. Er<br />
stelt zich echter e<strong>en</strong> probleem m.b.t. het met<strong>en</strong> van de accuraatheid van de<br />
schatting<strong>en</strong> van e<strong>en</strong> hedonisch prijsmodel. Het model schat e<strong>en</strong> werkelijke<br />
markthuurwaarde, terwijl de werkelijke markthuurwaarde niet gegev<strong>en</strong> is. Als<br />
afhankelijke variabele, waaraan de schatting van het model aan afgetoetst wordt,<br />
wordt daartoe de huurprijsschatting van e<strong>en</strong> notaris gebruikt als “proxy” voor de<br />
werkelijke markthuurwaarde. Schatting<strong>en</strong> door experts, makelaars <strong>en</strong> notariss<strong>en</strong><br />
gev<strong>en</strong> hooguit e<strong>en</strong> richting aan, maar onthull<strong>en</strong> nooit de <strong>en</strong>ige exacte prijs. Dat is<br />
de conclusie van Test-Aankoop naar aanleiding van haar sc<strong>en</strong>ario-onderzoek 2 .<br />
Deze expertschatting<strong>en</strong> van notariss<strong>en</strong> gebruik<strong>en</strong> als proxy voor de werkelijke<br />
markthuurwaarde stelt ge<strong>en</strong> probleem voor het model om werkelijke<br />
markthuurwaard<strong>en</strong> te schatt<strong>en</strong>. E<strong>en</strong> aantal studies in de wet<strong>en</strong>schappelijke<br />
literatuur gebruikte zelfs schatting<strong>en</strong> van de bewoners voor de waarde van de<br />
woning. De willekeurige variantie van dergelijke schatting<strong>en</strong> is typisch hoog, maar<br />
de systematische vertek<strong>en</strong>ing redelijk (Kain <strong>en</strong> Quigley (1972), Follain <strong>en</strong> Malpezzi<br />
(1981)). Als er voldo<strong>en</strong>de data zijn, zull<strong>en</strong> de hedonische modell<strong>en</strong> in het geval de<br />
systematische vertek<strong>en</strong>ing beperkt is, betrouwbaar zijn. De grote variantie zelf van<br />
de subjectieve schatting<strong>en</strong> stelt dus ge<strong>en</strong> probleem voor het gebruik van de<br />
hedonische methode. Het model vindt de gemiddelde werkelijke markthuurwaarde.<br />
Bij voldo<strong>en</strong>de data 3 zal het subjectieve elem<strong>en</strong>t van e<strong>en</strong> notarisschatting de<br />
schatting<strong>en</strong> van het model niet beïnvloed<strong>en</strong>.<br />
Deze expertschatting<strong>en</strong> van notariss<strong>en</strong> gebruik<strong>en</strong> als proxy voor de werkelijke<br />
markthuurwaarde stelt wel om de accuraatheid van het model te met<strong>en</strong>. Hoe<br />
sterker de e<strong>en</strong>malige subjectieve huurprijsschatting<strong>en</strong> van notariss<strong>en</strong> in deze<br />
studie verschill<strong>en</strong> van de werkelijke markthuurwaard<strong>en</strong> die we in deze studie<br />
zoek<strong>en</strong>, hoe groter de schattingsfout<strong>en</strong> zijn van het model t<strong>en</strong> opzichte van deze<br />
subjectieve notarisschatting<strong>en</strong>. Het hedonisch prijsmodel zal immers niet de<br />
2http://www.test-aankoop.be/woning/schatting-van-vastgoed-e<strong>en</strong>schatter-is-ge<strong>en</strong>-profeet-s715133.htm<br />
3 Het is niet nodig dat e<strong>en</strong>zelfde woning door verschill<strong>en</strong>de expert<strong>en</strong><br />
geschat wordt om het subjectieve elem<strong>en</strong>t uit de waardeschatting van<br />
die woning te eliminer<strong>en</strong>.<br />
10
individuele subjectieve schattingsfout<strong>en</strong> van de notaris kunn<strong>en</strong> schatt<strong>en</strong>. Deze<br />
positieve eig<strong>en</strong>schap van het model heeft ev<strong>en</strong>wel als consequ<strong>en</strong>tie dat de<br />
accuraatheid van het model die gemet<strong>en</strong> wordt als het verschil tuss<strong>en</strong> de schatting<br />
van het hedonisch model <strong>en</strong> de subjectieve notarisschatting, ook te wijt<strong>en</strong> is aan<br />
e<strong>en</strong> fout in de subjectieve notarisschatting. Dus in het geval dat het hedonisch<br />
model perfect schat <strong>en</strong> volledig overe<strong>en</strong>komt met de werkelijke markthuurwaarde,<br />
zal de fout uit onze analyse, waarbij de notarisschatting als proxy g<strong>en</strong>om<strong>en</strong> wordt<br />
voor de werkelijke markthuurwaarde, de schattingsfout van de notaris bedrag<strong>en</strong>.<br />
Dit is uiteraard misleid<strong>en</strong>d omdat de resultat<strong>en</strong> van het model beter zijn dan blijkt<br />
uit de analyse. In bijlage wordt hier verder op ingegaan. Als vuistregel stell<strong>en</strong> we<br />
daartoe voorop de fout uit onze analyse, die di<strong>en</strong>t als maat van accuraatheid, te<br />
del<strong>en</strong> door 2 om de werkelijke schattingsfout t.o.v. de werkelijke<br />
markthuurwaarde te b<strong>en</strong>ader<strong>en</strong>.<br />
2.2.2 “Market for lemons”, het probleem van de ontbrek<strong>en</strong>de<br />
variabel<strong>en</strong>, verborg<strong>en</strong> kwaliteit <strong>en</strong> onverklaarde variantie<br />
Ons hedonisch prijsmodel tracht dus zo goed mogelijk de werkelijke<br />
markthuurwaarde te b<strong>en</strong>ader<strong>en</strong>. Veelal wordt in de wet<strong>en</strong>schappelijke literatuur<br />
e<strong>en</strong> hedonische prijsanalyse gebruikt om het effect van e<strong>en</strong> bepaalde variabele te<br />
met<strong>en</strong> op de afhankelijke variabele. Zo ging Bréchet (2009) na wat de impact van<br />
geluidshinder is op de woningprijs in de omgeving van de luchthav<strong>en</strong> van<br />
Zav<strong>en</strong>tem. De geluidshinder wordt hierbij uitgedrukt in decibels. In deze<br />
hedonische prijsanalyse wordt dus nagegaan hoe groot <strong>en</strong> hoe significant e<strong>en</strong><br />
parameterschatting is, in casu de coëfficiënt bij de variabele decibels. Hiermee kan<br />
hij de impact van geluidshinder weergev<strong>en</strong>. In de gebied<strong>en</strong> met de meeste<br />
geluidshinder (decibels tuss<strong>en</strong> 70-75) war<strong>en</strong> woning<strong>en</strong> ongeveer 25% goedkoper<br />
dan gelijkaardige woning<strong>en</strong> in stillere gebied<strong>en</strong> (
In dit opzicht is het verschil tuss<strong>en</strong> witte ruis (willekeurige fout<strong>en</strong>) <strong>en</strong> vertek<strong>en</strong>ing<br />
(sytematische fout<strong>en</strong>) belangrijk. Indi<strong>en</strong> de schattingsfout<strong>en</strong> in het model<br />
systematisch vertek<strong>en</strong>d zijn –bv. kwalitatieve woning<strong>en</strong> die systematisch te laag<br />
geschat word<strong>en</strong>, <strong>en</strong> minder kwalitatieve te hoog- dan vormt dit e<strong>en</strong> groter probleem<br />
dan schattingsfout<strong>en</strong> die “witte ruis” zijn waarbij het tek<strong>en</strong> van de fout willekeurig is.<br />
Het market for lemon probleem is e<strong>en</strong> belangrijk probleem. De systematische<br />
vertek<strong>en</strong>ing is bov<strong>en</strong>di<strong>en</strong> moeilijk te met<strong>en</strong> aangezi<strong>en</strong> we niet kunn<strong>en</strong> nagaan<br />
indi<strong>en</strong> ze vertek<strong>en</strong>d is aangezi<strong>en</strong> de data niet beschikbaar is.<br />
2.2.3 Predictive modeling, multicollineariteit <strong>en</strong> containervariabel<strong>en</strong><br />
Met het oog op het praktisch gebruik van het model di<strong>en</strong><strong>en</strong> we er tev<strong>en</strong>s voor te<br />
zorg<strong>en</strong> dat dit model gebruiksvri<strong>en</strong>delijk is, beknopt <strong>en</strong> e<strong>en</strong>voudig in gebruik. Deze<br />
doelstelling valt op het eerste zicht niet te rijm<strong>en</strong> met de voorwaarde dat het model<br />
zo volledig mogelijk moet zijn om het market for lemon probleem te minimaliser<strong>en</strong>.<br />
Het is dus e<strong>en</strong> ev<strong>en</strong>wichtsoef<strong>en</strong>ing. Verschill<strong>en</strong>de variabel<strong>en</strong> hang<strong>en</strong> echter sterk<br />
sam<strong>en</strong> (multicollineariteit). Als de variabele keuk<strong>en</strong> <strong>en</strong> sanitair ‘zeer goed’ als<br />
score krijg<strong>en</strong>, zal de technische specificatie van de elektrische installatie veelal in<br />
dezelfde lijn gequoteerd zijn. De meerwaarde om elektrische installatie in het<br />
model te br<strong>en</strong>g<strong>en</strong> is dan minimaal, omdat de waarde van de elektrische installatie,<br />
indi<strong>en</strong> hij niet mee opg<strong>en</strong>om<strong>en</strong> wordt in het model, voor e<strong>en</strong> deel in de geschatte<br />
waard<strong>en</strong> van de overige variabel<strong>en</strong> vertaald zal word<strong>en</strong>.<br />
Daar waar multicollineariteit e<strong>en</strong> probleem vormt voor hedonische prijsmodell<strong>en</strong><br />
die gericht zijn op het exact bepal<strong>en</strong> van de toegevoegde waarde van één bepaald<br />
woningk<strong>en</strong>merk, zal het in ons geval e<strong>en</strong> praktisch voordeel oplever<strong>en</strong>. Deze<br />
variabel<strong>en</strong> word<strong>en</strong> dan eig<strong>en</strong>lijk e<strong>en</strong> soort container-variabel<strong>en</strong>, waar verschill<strong>en</strong>de<br />
deelelem<strong>en</strong>t<strong>en</strong> in zitt<strong>en</strong>. Het is dus van belang dat de belangrijkste <strong>en</strong> e<strong>en</strong>voudig te<br />
bevrag<strong>en</strong> woningk<strong>en</strong>merk<strong>en</strong> goed te schatt<strong>en</strong> zijn. Daarnaast di<strong>en</strong>t m<strong>en</strong> bij<br />
multicollineariteit in e<strong>en</strong> grote dataset ook zeer aandachtig te zijn, aangezi<strong>en</strong><br />
parameterschatting<strong>en</strong> kunn<strong>en</strong> variër<strong>en</strong> naargelang de geselecteerde variabel<strong>en</strong><br />
die reeds in het model zitt<strong>en</strong>. Het aantal kamers in e<strong>en</strong> woning zal e<strong>en</strong> belangrijke<br />
parameter zijn om de waarde van e<strong>en</strong> woning te schatt<strong>en</strong> indi<strong>en</strong> de bewoonbare<br />
oppervlakte niet in het model zit. Indi<strong>en</strong> de bewoonbare oppervlakte wel reeds in<br />
het model zit zal het belang, <strong>en</strong> dus de geschatte coëfficiënt veel kleiner zijn <strong>en</strong><br />
slechts e<strong>en</strong> minimale bijdrage lever<strong>en</strong> aan de verklaringskracht van het model. Het<br />
selecter<strong>en</strong> van de verschill<strong>en</strong>de variabel<strong>en</strong> voor het model is in zekere zin te<br />
vergelijk<strong>en</strong> met het schrijv<strong>en</strong> van e<strong>en</strong> nieuw stuk tekst waardoor stukk<strong>en</strong> van de<br />
reeds geschrev<strong>en</strong> tekst<strong>en</strong> kunn<strong>en</strong> verander<strong>en</strong>.<br />
Wat betreft liggingsk<strong>en</strong>merk<strong>en</strong> die geschat word<strong>en</strong> met statistische sector <strong>en</strong><br />
geme<strong>en</strong>telijke data hanter<strong>en</strong> we e<strong>en</strong> andere aanpak. Deze liggingscompon<strong>en</strong>t mag<br />
zeer complex geschat word<strong>en</strong>. Hoe het liggingseffect geschat wordt <strong>en</strong> de mate<br />
van complexiteit die hiermee sam<strong>en</strong>gaat, speelt immers ge<strong>en</strong> rol. Eénmaal dit<br />
liggingseffect geschat hebb<strong>en</strong> we <strong>en</strong>kel het adres nodig om de locatie te bepal<strong>en</strong><br />
Aan de hand van het adres kan m<strong>en</strong> immers de locatie bepal<strong>en</strong> waardoor<br />
complexe modellering<strong>en</strong> dus mogelijk zijn zonder dat hierdoor de<br />
gebruiksvri<strong>en</strong>delijkheid mee in het gedrang komt. Enkel bij de selectie van<br />
woningk<strong>en</strong>merk<strong>en</strong> zull<strong>en</strong> we ervoor zorg<strong>en</strong> dat de bevraging eerder beperkt is.<br />
12
2.2.4 Overzicht<br />
We gev<strong>en</strong> nog e<strong>en</strong>s kort e<strong>en</strong> overzicht van de verschill<strong>en</strong>de voor- <strong>en</strong> nadel<strong>en</strong> van<br />
e<strong>en</strong> hedonische prijsanalyse die di<strong>en</strong>t om nieuwe waard<strong>en</strong> te voorspell<strong>en</strong>.<br />
Breed toepasbaar. Indi<strong>en</strong> m<strong>en</strong> de k<strong>en</strong>merk<strong>en</strong> van de woning k<strong>en</strong>t, kan het<br />
model schatt<strong>en</strong>, zonder dat daarvoor extra expert k<strong>en</strong>nis voor nodig is.<br />
Objectief (ge<strong>en</strong> “ruis” van subjectieve schatting)<br />
Aangezi<strong>en</strong> de voorspell<strong>en</strong>de waarde belangrijk is, <strong>en</strong> niet de meting van<br />
één specifieke variabele, is multicollineariteit niet zo e<strong>en</strong> groot probleem.<br />
Het zorgt er immers voor dat er e<strong>en</strong> reductie van de variabel<strong>en</strong> mogelijk is,<br />
zonder dat de voorspelkracht sterk daalt.<br />
Sterkte van model is afhankelijk van het aantal waarneming<strong>en</strong><br />
Vereist dat de “foto” van het huis op adequate wijze vertaald kan word<strong>en</strong> in<br />
variabel<strong>en</strong>.<br />
Het probleem van “market for lemons”, kan ervoor zorg<strong>en</strong> dat het model<br />
vertek<strong>en</strong>de resultat<strong>en</strong> geeft omdat het systematisch te laag schat voor<br />
huurwoning<strong>en</strong> waarvan sommige kwaliteit<strong>en</strong> niet in het model vertaald<br />
zitt<strong>en</strong>. Multicolli<strong>en</strong>ariteit kan dit probleem deels verhelp<strong>en</strong> (t<strong>en</strong> koste van<br />
de interpretatie van de geschatte coëfficiënt<strong>en</strong>).<br />
13
3 Beschrijving van de data<br />
3.1 Overzicht VMSW dataset<br />
In 2008 zijn er in totaal 2304 woning<strong>en</strong> geschat door 145 verschill<strong>en</strong>de notariss<strong>en</strong><br />
bij 94 verschill<strong>en</strong>de Sociale huisvestingsmaatschappij<strong>en</strong>. Vier Notariss<strong>en</strong> hebb<strong>en</strong><br />
slechts 1 schatting gedaan. In 249 van de 308 Vlaamse geme<strong>en</strong>t<strong>en</strong> zijn er<br />
observaties. In figuur 2 zijn de geme<strong>en</strong>t<strong>en</strong> zonder schatting weergegev<strong>en</strong> in het<br />
donkerblauw. Voor de geme<strong>en</strong>t<strong>en</strong> die met de rodere tint<strong>en</strong> zijn ingekleurd zijn er<br />
minst<strong>en</strong>s 5 observaties.<br />
Figuur 2 Aantal schatting<strong>en</strong> per geme<strong>en</strong>te<br />
Bron: VMSW dataset, 2008<br />
...;0]<br />
]0;1]<br />
]1;2]<br />
]2;3]<br />
]3;4]<br />
]4;5]<br />
]5;20]<br />
]20;40]<br />
]40;75]<br />
]75;125]<br />
]125;…<br />
De gemiddelde geschatte huurprijs was 507 euro. De mediaanprijs (de middelste<br />
waarde) bedroeg 500 euro. Om e<strong>en</strong> beeld te krijg<strong>en</strong> hoe deze prijz<strong>en</strong> zich<br />
verhoud<strong>en</strong> met de private huurmarkt, kijk<strong>en</strong> we naar de gegev<strong>en</strong>s van de<br />
woonsurvey 2005. Hiervoor di<strong>en</strong><strong>en</strong> <strong>en</strong>kele tuss<strong>en</strong>berek<strong>en</strong>ing<strong>en</strong> uitgevoerd te<br />
word<strong>en</strong> aangezi<strong>en</strong> de schatting van de notaris slaat op e<strong>en</strong> huurcontract dat nieuw<br />
in 2008 wordt afgeslot<strong>en</strong>, terwijl de data van de woonsurvey de huurprijz<strong>en</strong> in 2005<br />
weergev<strong>en</strong> van lop<strong>en</strong>de contract<strong>en</strong>. In bijlage 7.1.3 vindt u e<strong>en</strong> beschrijving hoe<br />
we met de gegev<strong>en</strong>s van de huurprijsindex deze data naar 2008 kunn<strong>en</strong> vertal<strong>en</strong>.<br />
Tabel Vergelijking huurprijz<strong>en</strong> woonsurvey 2005 <strong>en</strong> notarisschatting<strong>en</strong> (2008)<br />
Woonsurvey *<br />
(lop<strong>en</strong>de contract<strong>en</strong>, 2005)<br />
Woonsurvey<br />
(nieuwe contract<strong>en</strong>, 2008) VMSW (2008)<br />
Mediaan 421 474 500<br />
Gemiddelde 440 494 507<br />
Stdev 175 194 130<br />
* <strong>en</strong>kel voor contract<strong>en</strong> aangegaan sinds 1995<br />
Bron: woonsurvey 2005, eig<strong>en</strong> bewerking<br />
Figuur 3 toont dat qua verdeling de verschill<strong>en</strong> ook beperkt zijn. De grotere<br />
verscheid<strong>en</strong>heid in de private huurmarkt vertaalt zich weliswaar in e<strong>en</strong> bredere<br />
verdeling van de huurprijz<strong>en</strong>, maar toch vall<strong>en</strong> 80% van de contract<strong>en</strong> tuss<strong>en</strong> de<br />
300-700 €, waar dit bij de VMSW dataset in 90% van de contract<strong>en</strong> het geval is.<br />
E<strong>en</strong> analyse van de geschatte huurmarktwaard<strong>en</strong> van sociale woning<strong>en</strong> kan dus<br />
op het eerste zicht als repres<strong>en</strong>tatief bestempeld word<strong>en</strong> voor de private<br />
huurmarkt. Hierbij di<strong>en</strong><strong>en</strong> twee kanttek<strong>en</strong>ing<strong>en</strong> gemaakt te word<strong>en</strong>. Volg<strong>en</strong>s de<br />
dataset van de Woonsurvey 2005 (Heyl<strong>en</strong> 2007) zijn 25% van de huurwoning<strong>en</strong><br />
14
voor de tweede oorlog gebouwd terwijl dit in de VMSW dataset nog ge<strong>en</strong> 5% van<br />
de woning<strong>en</strong> uitmaakt. Dit is e<strong>en</strong> aandachtspunt zoals later zal blijk<strong>en</strong>. Daarnaast<br />
lijkt het aanbod in de private huurmarkt ook e<strong>en</strong> grotere diversiteit qua kwaliteit te<br />
verton<strong>en</strong> terwijl in de VMSW dataset het zeer slechte <strong>en</strong> luxe segm<strong>en</strong>t ontbreekt.<br />
Ook hier di<strong>en</strong>t m<strong>en</strong> met de toepassing rek<strong>en</strong>ing mee te houd<strong>en</strong>. In het algeme<strong>en</strong> is<br />
het echter niet zo dat beide datasets dezelfde verdeling van k<strong>en</strong>merk<strong>en</strong> di<strong>en</strong><strong>en</strong> te<br />
verton<strong>en</strong>. Zolang er in de VMSW dataset voldo<strong>en</strong>de observaties beschikbaar zijn<br />
voor e<strong>en</strong> bepaald segm<strong>en</strong>t/k<strong>en</strong>merk, kan m<strong>en</strong> er valabele uitsprak<strong>en</strong> meedo<strong>en</strong>.<br />
Het aandeel van dit bepaalde segm<strong>en</strong>t/k<strong>en</strong>merk in de beide huurmarkt<strong>en</strong> di<strong>en</strong>t<br />
daarvoor niet gelijk te zijn<br />
Figuur 3 Verdeling huurprijz<strong>en</strong> in nominale prijz<strong>en</strong> 2008<br />
aandeel<br />
18%<br />
16%<br />
14%<br />
12%<br />
10%<br />
8%<br />
6%<br />
4%<br />
2%<br />
0%<br />
1000<br />
15
3.2 Overzicht variabel<strong>en</strong> in VMSW dataset<br />
In tabel 1 wordt weergegev<strong>en</strong> welke veld<strong>en</strong> door de notaris ingevuld werd<strong>en</strong>,<br />
sam<strong>en</strong> met de schatting van de huur- verkoopprijs van de woning. In tabel 2 vindt u<br />
e<strong>en</strong> gedetailleerd beoordelingskader van <strong>en</strong>kele specifieke categorieën. Voor<br />
illustraties van de bebouwingsmorfologie verwijz<strong>en</strong> we naar bijlage 7.2.2. E<strong>en</strong><br />
overzicht van de verdeling van de k<strong>en</strong>merk<strong>en</strong> van de woning<strong>en</strong> over deze veld<strong>en</strong><br />
vindt u in bijlage 7.2.3.<br />
Tabel 1 Checklist VMSW variabel<strong>en</strong><br />
16
Tabel 2: Beoordelingskader VMSW variabel<strong>en</strong><br />
Bron: VMSW<br />
De meeste variabel<strong>en</strong> zijn kwalitatieve variabel<strong>en</strong>. Voor liggingvariabel<strong>en</strong> wordt<br />
e<strong>en</strong> standaardindeling gebruikt: A - loop- <strong>en</strong> fietsafstand (
kunn<strong>en</strong> kiez<strong>en</strong> voor e<strong>en</strong> iets gebruiksvri<strong>en</strong>delijkere indeling, bv. e<strong>en</strong> classificatie<br />
als “zeer goed” of “nieuwe dubbele beglazing” met de technische beschrijving erbij<br />
wat hieronder verstaan wordt.<br />
3.2.1 Ontbrek<strong>en</strong>de waard<strong>en</strong> <strong>en</strong> imputatie<br />
De dataset bevat voor vele variabel<strong>en</strong> ontbrek<strong>en</strong>de waard<strong>en</strong>. Indi<strong>en</strong> we voor elke<br />
observatie waarvoor e<strong>en</strong> variabele ontbrek<strong>en</strong>de waard<strong>en</strong> bevat, zoud<strong>en</strong> weglat<strong>en</strong><br />
uit de regressieanalyse halveert het aantal observaties. Indi<strong>en</strong> we bijvoorbeeld de<br />
variabele aantal person<strong>en</strong> , die overig<strong>en</strong>s niet van nut is in ons model, zoud<strong>en</strong><br />
opnem<strong>en</strong> in onze regressieanalyse, verliez<strong>en</strong> we meer dan 50% van de initiële<br />
dataset. Deze variabele wordt dan ook weggelat<strong>en</strong> uit de regressieanalyse. Wat<br />
betreft de andere variabel<strong>en</strong> ontbrek<strong>en</strong> minder waard<strong>en</strong>. Het probleem was/is<br />
voornamelijk dat voor e<strong>en</strong> groot aantal variabel<strong>en</strong> voor <strong>en</strong>kele observaties<br />
waard<strong>en</strong> ontbrek<strong>en</strong>. T<strong>en</strong>einde dit probleem teg<strong>en</strong> te gaan hebb<strong>en</strong> we e<strong>en</strong> techniek<br />
gebruikt om waard<strong>en</strong> te imputer<strong>en</strong>, wat erop neerkomt dat de meest waarschijnlijke<br />
waarde de ontbrek<strong>en</strong>de waarde vervangt. Aan de hand van waard<strong>en</strong> voor andere<br />
variabel<strong>en</strong> kan immers meestal e<strong>en</strong> goede inschatting mak<strong>en</strong> van de waarde van<br />
de ontbrek<strong>en</strong>de variabel<strong>en</strong>, aangezi<strong>en</strong> de verschill<strong>en</strong>de woningk<strong>en</strong>merk<strong>en</strong> vaak<br />
nauw sam<strong>en</strong>hang<strong>en</strong>. E<strong>en</strong> huis met e<strong>en</strong> goed geïsoleerde vloer bijvoorbeeld zal<br />
veelal ook e<strong>en</strong> goed geïsoleerd dak <strong>en</strong> gevel hebb<strong>en</strong>. Indi<strong>en</strong> dergelijke imputatie<br />
niet mogelijk was, hebb<strong>en</strong> we de waarde geïmputeerd die het meest voorkwam in<br />
de dataset. Voor sommige variabel<strong>en</strong> was het niet mogelijk om e<strong>en</strong> gepaste<br />
waarde te imputer<strong>en</strong> <strong>en</strong> werd(<strong>en</strong>) de betreff<strong>en</strong>de observatie(s) verwijderd. Dit was<br />
het geval voor bijvoorbeeld de datum van ingebruikname. Deze verwerking van de<br />
ruwe data was tijdrov<strong>en</strong>d, maar noodzakelijk.<br />
3.3 Andere bronn<strong>en</strong><br />
Naast VMSW-data mak<strong>en</strong> we ook gebruik van andere gegev<strong>en</strong>sbronn<strong>en</strong>.<br />
3.3.1 Statistische sector informatie<br />
Om het locatie-effect te berek<strong>en</strong><strong>en</strong> kunn<strong>en</strong> we gebruik mak<strong>en</strong> van de liggings- <strong>en</strong><br />
omgevingsvariabel<strong>en</strong> in de VMSW dataset. De omgevingsvariabel<strong>en</strong> beperk<strong>en</strong><br />
zich echter voornamelijk tot de meest directe omgeving <strong>en</strong> buurt (buurtpark,<br />
architectoraal karakter <strong>en</strong> uitzicht, …). De liggingsvariabel<strong>en</strong> m.b.t bereikbaarheid<br />
<strong>en</strong> voorzi<strong>en</strong>ing<strong>en</strong> zijn eerder ruw gemet<strong>en</strong> (< 2km., 5 km.). Om meer<br />
ligging- <strong>en</strong> omgevingsvariabel<strong>en</strong> te incorporer<strong>en</strong> in het model, <strong>en</strong> tev<strong>en</strong>s<br />
variabel<strong>en</strong> die veelal op e<strong>en</strong> continue schaal gemet<strong>en</strong> zijn, baser<strong>en</strong> we ons op<br />
beschikbare statistische sectorinformatie, voornamelijk gegev<strong>en</strong>s van de Socio-<br />
Economische Enquête (SEE 2001).<br />
Op basis van GIS-kaart<strong>en</strong> kan nog meer statistische sector informatie gecreëerd<br />
word<strong>en</strong>. Er is zeker ruimte om meer beschikbare informatie in ons model te<br />
verwerk<strong>en</strong>. Om ruimtelijke data in het model te verwerk<strong>en</strong> dringt zich echter e<strong>en</strong><br />
speciale verwerking van data op. Tobler’s (1970) “First law of geography” zegt dat<br />
“Everything is related to everything else, but near things are more related than<br />
distant things”. Zonder dieper in te gaan op de techniciteit van dergelijke ruimtelijke<br />
analyses, waarvan spatial econometrics e<strong>en</strong> relatief nieuwe vorm is, vermeld<strong>en</strong> we<br />
hier <strong>en</strong>kel dat we e<strong>en</strong> eerste poging gedaan hebb<strong>en</strong> om afstand te modeller<strong>en</strong> in<br />
ons model.<br />
18
3.3.2 Geme<strong>en</strong>te-effect<strong>en</strong><br />
Om de geme<strong>en</strong>te-effect<strong>en</strong> te modeller<strong>en</strong> voeg<strong>en</strong> we dummy variabel<strong>en</strong> toe. E<strong>en</strong><br />
dummy variabele is e<strong>en</strong> variabele die slechts twee waard<strong>en</strong> kan aannem<strong>en</strong>, 1 <strong>en</strong><br />
0. Voor e<strong>en</strong> woning in G<strong>en</strong>t zal de geme<strong>en</strong>tedummy “G<strong>en</strong>t” de waarde 1 krijg<strong>en</strong> <strong>en</strong><br />
0 indi<strong>en</strong> de woning in e<strong>en</strong> andere geme<strong>en</strong>te is geleg<strong>en</strong>. Hiervoor zijn ge<strong>en</strong> extra<br />
data vereist.<br />
Om het geme<strong>en</strong>te-effect te schatt<strong>en</strong> van geme<strong>en</strong>t<strong>en</strong> die niet in de dataset<br />
voorkom<strong>en</strong> hebb<strong>en</strong> we wel bijkom<strong>en</strong>de regressies uitgevoerd waarbij we het<br />
geme<strong>en</strong>te-effect tracht<strong>en</strong> te verklar<strong>en</strong> via andere geme<strong>en</strong>tevariabel<strong>en</strong> die relevant<br />
zijn voor de huurprijs (woningprijs, inkom<strong>en</strong>…).<br />
Voor de analyse zelf hebb<strong>en</strong> ge<strong>en</strong> verklar<strong>en</strong>de variabel<strong>en</strong> op geme<strong>en</strong>te-niveau<br />
ingebracht, aangezi<strong>en</strong> reeds e<strong>en</strong> aanzi<strong>en</strong>lijk deel van die informatie ook in de<br />
statistische sector informatie zit, <strong>en</strong> tot e<strong>en</strong> zekere overlap zou leid<strong>en</strong>. Het gebruik<br />
van geme<strong>en</strong>te-dummies laat dan toe om dat deel van de huurprijs te verklar<strong>en</strong><br />
waarvan verklar<strong>en</strong>de variabel<strong>en</strong> ontbrek<strong>en</strong>.<br />
3.3.3 Immo-data<br />
Voor huurwoning<strong>en</strong> <strong>en</strong> bouwgrond<strong>en</strong> hebb<strong>en</strong> we via immosites vraagprijz<strong>en</strong><br />
verzameld, alsook de k<strong>en</strong>merk<strong>en</strong>. Het is echter niet e<strong>en</strong>voudig deze data volledig<br />
te incorporer<strong>en</strong> in de bestaande analyse aangezi<strong>en</strong> de bevraging van de<br />
woningk<strong>en</strong>merk<strong>en</strong> verschill<strong>en</strong>d is. E<strong>en</strong> volledig nieuwe analyse op basis van deze<br />
data zou mogelijk zijn, maar zeer tijdsrov<strong>en</strong>d. Bov<strong>en</strong>di<strong>en</strong> is het zo dat het afhal<strong>en</strong><br />
van immo-data niet meer zo e<strong>en</strong>voudig is als vroeger aangezi<strong>en</strong> de<br />
webtechnologie waarmee dergelijke websites gebouwd word<strong>en</strong> snel evoluer<strong>en</strong> <strong>en</strong><br />
er mom<strong>en</strong>teel e<strong>en</strong> kleine manuele interv<strong>en</strong>tie nodig is om de volledige data binn<strong>en</strong><br />
te hal<strong>en</strong>. We beperk<strong>en</strong> ons tot het test<strong>en</strong> van verschill<strong>en</strong>de hypothes<strong>en</strong>. Onze<br />
dataset bestaat uit 2500 vraagprijz<strong>en</strong> voor huurappartem<strong>en</strong>t<strong>en</strong> (juli 2011).<br />
19
4 Methodologie hedonische prijsanalyse<br />
De opzet van de regressieanalyse is als volgt:<br />
Huurprijs = f(woningk<strong>en</strong>merk<strong>en</strong>, omgevingsfactor<strong>en</strong>, afstand<strong>en</strong>, statistische sector<br />
variabel<strong>en</strong>, geme<strong>en</strong>te dummies)<br />
De relatie tuss<strong>en</strong> huurprijs <strong>en</strong> de verklar<strong>en</strong>de variabel<strong>en</strong> kan echter op<br />
verschill<strong>en</strong>de manier<strong>en</strong> gemodelleerd word<strong>en</strong>.<br />
4.1 Lineaire b<strong>en</strong>adering<br />
In deze analyse kiez<strong>en</strong> we in eerste instantie voor de meest e<strong>en</strong>voudige<br />
regressieanalyse, namelijk lineaire regressieanalyse. De resultat<strong>en</strong> betreff<strong>en</strong>de de<br />
woningk<strong>en</strong>merk<strong>en</strong> zijn bijgevolg additief <strong>en</strong> de woningprijs is dan de som van elk<br />
woningk<strong>en</strong>merk. Het kan vergelek<strong>en</strong> word<strong>en</strong> met e<strong>en</strong> volgelad<strong>en</strong> winkelmand waar<br />
je bij de kassa het volledige bedrag voor betaalt. E<strong>en</strong> hoogr<strong>en</strong>dem<strong>en</strong>tsketel heeft<br />
bijvoorbeeld e<strong>en</strong> meerwaarde van €19,- in vergelijking met het niet aanwezig zijn<br />
van verwarming. Op deze manier zijn de resultat<strong>en</strong> e<strong>en</strong>voudig te interpreter<strong>en</strong>.<br />
M<strong>en</strong> kan dan e<strong>en</strong>voudig berek<strong>en</strong><strong>en</strong> welk aandeel het woningk<strong>en</strong>merk heeft in het<br />
bepal<strong>en</strong> van de huurprijs. E<strong>en</strong> hoge r<strong>en</strong>dem<strong>en</strong>tsketel staat in voor ongeveer 4%<br />
van de huurprijs (19/500). E<strong>en</strong> andere manier om de schatting te kunn<strong>en</strong> plaats<strong>en</strong><br />
is de factor 264 toepass<strong>en</strong>, net gelijkaardig als de verhouding<br />
verkoopprijs/verhuurprijs. Wanneer we deze 19 euro verm<strong>en</strong>igvuldig<strong>en</strong> met 264<br />
bekom<strong>en</strong> we ongeveer €5000, wat aannemelijk lijkt gezi<strong>en</strong> het iets lager is dan de<br />
aanschafprijs van e<strong>en</strong> hoogr<strong>en</strong>dem<strong>en</strong>tsketel.<br />
E<strong>en</strong> ander vaak gebruikte modellering is gebaseerd op logaritmische of<br />
semilogaritmische vergelijking<strong>en</strong> die multiplicatief van aard zijn. Aangezi<strong>en</strong> vele<br />
van onze onafhankelijke variabel<strong>en</strong> dummyvariabel<strong>en</strong> zijn kunn<strong>en</strong> we bij voorbaat<br />
de lineair-logaritmische <strong>en</strong> de log-log specificatie uitsluit<strong>en</strong>. Enkel de log-lineaire<br />
b<strong>en</strong>adering is dus getest waarbij als afhankelijke variabele het logaritme van de<br />
huurprijs g<strong>en</strong>om<strong>en</strong> wordt. E<strong>en</strong> parameter van 0.1 voor het aantal slaapkamers wijst<br />
op e<strong>en</strong> prijsstijging van de huurprijs met 10% indi<strong>en</strong> het aantal slaapkamers met 1<br />
to<strong>en</strong>eemt. We kom<strong>en</strong> hier later nog op terug bij het besprek<strong>en</strong> van de verfijning<strong>en</strong><br />
van het model.<br />
Beide method<strong>en</strong>, de lineaire <strong>en</strong> de logaritmische, hebb<strong>en</strong> hun voordel<strong>en</strong>. Wij<br />
hebb<strong>en</strong> beid<strong>en</strong> getest <strong>en</strong> vond<strong>en</strong> dat de lineaire de hoogste verklar<strong>en</strong>de kracht<br />
had 4 . De keuze is echter niet vrijblijv<strong>en</strong>d. Het multiplicatief karakter van de<br />
logaritmische gaat er bijvoorbeeld van uit dat de waarde van e<strong>en</strong><br />
hoogr<strong>en</strong>dem<strong>en</strong>tsketel bij woning<strong>en</strong> met e<strong>en</strong> zeer goede ligging hoger is dan bij<br />
woning<strong>en</strong> met e<strong>en</strong> slechte ligging. De extra proc<strong>en</strong>tuele to<strong>en</strong>ame zorgt bij de<br />
eerste immers voor e<strong>en</strong> hoger bedrag in absolute waard<strong>en</strong>, aangezi<strong>en</strong> de basis<br />
waarmee verm<strong>en</strong>igvuldigd wordt hoger is. Dit lijkt echter niet zo aannemelijk.<br />
Omgekeerd zal bij e<strong>en</strong> lineair model de waarde van e<strong>en</strong> hoogr<strong>en</strong>dem<strong>en</strong>tsketel<br />
voor e<strong>en</strong> studio gelijk geschat zijn als deze in e<strong>en</strong> grote gezinswoning, wat<br />
ev<strong>en</strong>min aannemelijk is.<br />
4 De verklaarde variantie zoals weergegev<strong>en</strong> in de R² kan niet zomaar<br />
tuss<strong>en</strong> beide modell<strong>en</strong> vergelek<strong>en</strong> word<strong>en</strong>. Daarvoor hebb<strong>en</strong> we de<br />
logaritmische resultat<strong>en</strong> eerst terug naar de werkelijke<br />
huurprijsschatting<strong>en</strong> vertaald <strong>en</strong> hierop de R² berek<strong>en</strong>d, de verklaarde<br />
variantie.<br />
20
Er bestaan vele mogelijkhed<strong>en</strong> om hieraan tegemoet te kom<strong>en</strong>. Zie Halvors<strong>en</strong> and<br />
Pollakowski (1981) voor e<strong>en</strong> overzicht van modellering<strong>en</strong>, waarbij de keuze van<br />
lineair versus logaritmische modellering in sterke mate wordt bepaald door het<br />
gebruik van interactievariabel<strong>en</strong>. Wij mak<strong>en</strong> gebruik van e<strong>en</strong> aangepaste vorm van<br />
de lineaire b<strong>en</strong>adering die wel met de interactie tuss<strong>en</strong> variabel<strong>en</strong> rek<strong>en</strong>ing houdt<br />
<strong>en</strong> daardoor de waarde van kwaliteitsk<strong>en</strong>merk<strong>en</strong> corrigeert voor de grootte van de<br />
woning. Deze correctie bestaat uit 2 stapp<strong>en</strong> 5 . In e<strong>en</strong> eerste stap schatt<strong>en</strong> we het<br />
lineaire model (alle k<strong>en</strong>merk<strong>en</strong> zijn additief) <strong>en</strong> del<strong>en</strong> het model op in<br />
kwaliteitsk<strong>en</strong>merk<strong>en</strong> <strong>en</strong> niet-kwaliteitsk<strong>en</strong>merk<strong>en</strong>. Vervolg<strong>en</strong>s creër<strong>en</strong> we e<strong>en</strong><br />
gewog<strong>en</strong> som (de coëfficiënt<strong>en</strong> van de kwaliteitsk<strong>en</strong>merk<strong>en</strong> di<strong>en</strong><strong>en</strong> als gewicht<strong>en</strong>)<br />
van de kwaliteitsk<strong>en</strong>merk<strong>en</strong>. Deze gewog<strong>en</strong> som zal di<strong>en</strong><strong>en</strong> als e<strong>en</strong> nieuwe<br />
variabele in de 2 e stap van onze regressieanalyse. We nem<strong>en</strong> deze nieuwe<br />
variabele op als lineaire variabele <strong>en</strong> als interactie-effect met het aantal<br />
slaapkamers. Het aantal slaapkamers di<strong>en</strong>t als proxy voor de grootte van de<br />
woning. Deze structuur staat toe dat kwaliteitsk<strong>en</strong>merk<strong>en</strong> in grotere woning<strong>en</strong><br />
hoger gewaardeerd word<strong>en</strong>.<br />
De variabel<strong>en</strong> die wij in ons model incorporer<strong>en</strong> kunn<strong>en</strong> opgesplitst word<strong>en</strong> in vijf<br />
verschill<strong>en</strong>de categorieën, namelijk woningk<strong>en</strong>merk<strong>en</strong>, omgevingsk<strong>en</strong>merk<strong>en</strong>,<br />
afstandsvariabel<strong>en</strong>, statistische sector k<strong>en</strong>merk<strong>en</strong> <strong>en</strong> tot slot geme<strong>en</strong>tedummy’s.<br />
We werk<strong>en</strong> met twee modell<strong>en</strong>. Model 1 (vanaf nu aangeduid met (1)) bevat alle 5<br />
categorieën. Model 2 bevat <strong>en</strong>kel de eerste 4 categorieën van variabel<strong>en</strong>.<br />
Geme<strong>en</strong>tedummy’s werd<strong>en</strong> hier weggelat<strong>en</strong> omdat deze zich mogelijk al in de<br />
statistische sector (geografisch niveau lager) k<strong>en</strong>merk<strong>en</strong> nestel<strong>en</strong>. Model (1) stap<br />
2 levert de coëfficiënt<strong>en</strong> voor het eindresultaat.. Elk model wordt bov<strong>en</strong>di<strong>en</strong> in twee<br />
stapp<strong>en</strong> geschat, zoals in volg<strong>en</strong>d punt besprok<strong>en</strong>.<br />
Tabel 3 Overzicht van 4 belangrijkste modell<strong>en</strong><br />
Model 1 Model 2<br />
Stap 1 Volledig model met<br />
geme<strong>en</strong>te-effect<strong>en</strong>, lineair<br />
geschat<br />
Stap 2 Volledig model met<br />
geme<strong>en</strong>te-effect<strong>en</strong>,<br />
interactie-variabel<strong>en</strong><br />
met<br />
4.2 E<strong>en</strong> 2-staps-model met interactievariabel<strong>en</strong><br />
Model zonder geme<strong>en</strong>teeffect<strong>en</strong>,<br />
lineair geschat<br />
Model zonder geme<strong>en</strong>teeffect<strong>en</strong>,<br />
met interactie-<br />
variabel<strong>en</strong><br />
In de vorige alinea vermeldd<strong>en</strong> we reeds dat het pure lineaire model beter<br />
presteerde dan het log-lineaire model wat betreft predicties. Het lineaire model<br />
veronderstelt dat het geheel aan woningk<strong>en</strong>merk<strong>en</strong> <strong>en</strong> andere k<strong>en</strong>merk<strong>en</strong> additief<br />
leidt tot de verhuurprijs. In het geval van e<strong>en</strong> dergelijke continue variabele is het<br />
e<strong>en</strong>voudig om e<strong>en</strong> niet-lineair verband in het model te incorporer<strong>en</strong> door middel<br />
van het toevoeg<strong>en</strong> van de kwadratisch getransformeerde vorm van de bewuste<br />
continue variabele. Op deze manier kan e<strong>en</strong> ev<strong>en</strong>tuele dal<strong>en</strong>de of stijg<strong>en</strong>de<br />
meerwaarde van e<strong>en</strong> additionele slaapkamer gemodelleerd word<strong>en</strong>. Zo zi<strong>en</strong> we<br />
dat de meerwaarde van e<strong>en</strong> additionele slaapkamer daalt met het aantal<br />
slaapkamers.<br />
5 We zijn ons ervan bewust dat de 2-stapsprocedure e<strong>en</strong> b<strong>en</strong>adering is.<br />
E<strong>en</strong> simultane schatting vraagt echter veel tijd bij dergelijke dataset <strong>en</strong><br />
garandeert ev<strong>en</strong>min e<strong>en</strong> exacte schatting in het geval de<br />
oplossingsruimte niet concaaf is.<br />
21
Wanneer we nu bijvoorbeeld will<strong>en</strong> wet<strong>en</strong> of de meerwaarde van dubbele<br />
beglazing (kwaliteitsk<strong>en</strong>merk) groter is in grotere pand<strong>en</strong>, zull<strong>en</strong> we e<strong>en</strong> andere<br />
manier moet<strong>en</strong> vind<strong>en</strong> om dit te modeller<strong>en</strong>. De oplossing bestaat erin<br />
interactievariabel<strong>en</strong> te creër<strong>en</strong> tuss<strong>en</strong> de verschill<strong>en</strong>de dummyvariabel<strong>en</strong> waarin<br />
we geïnteresseerd zijn <strong>en</strong> e<strong>en</strong> proxy voor de grootte van het bewuste pand,<br />
waarvoor de variabele aantal slaapkamers g<strong>en</strong>om<strong>en</strong> wordt. Normaliter zoud<strong>en</strong> we<br />
nu interactievariabel<strong>en</strong> creër<strong>en</strong> op basis van de dummyvariabel<strong>en</strong> in ons model <strong>en</strong><br />
het aantal slaapkamers. Dit echter leidt tot e<strong>en</strong> probleem van e<strong>en</strong> heel andere<br />
aard. Het grote aantal dummyvariabel<strong>en</strong> leidt tot e<strong>en</strong> groot aantal variabel<strong>en</strong> in ons<br />
model (verlies aan vrijheidsgrad<strong>en</strong>) <strong>en</strong> bov<strong>en</strong>di<strong>en</strong> e<strong>en</strong> nieuwe bron van<br />
multicollineariteit. T<strong>en</strong>einde deze problem<strong>en</strong> teg<strong>en</strong> te gaan stell<strong>en</strong> we e<strong>en</strong><br />
alternatief voor.<br />
In e<strong>en</strong> eerste stap schatt<strong>en</strong> we het lineaire regressiemodel. Vervolg<strong>en</strong>s creër<strong>en</strong> we<br />
e<strong>en</strong> nieuwe variabele, dewelke e<strong>en</strong> gewog<strong>en</strong> gemiddelde is van de<br />
kwaliteitsk<strong>en</strong>merk<strong>en</strong> (de geschatte coëfficiënt<strong>en</strong> di<strong>en</strong><strong>en</strong> als gewicht<strong>en</strong> in deze).<br />
Dan creër<strong>en</strong> we e<strong>en</strong> interactievariabele op basis van deze nieuw geconstrueerde<br />
variabele <strong>en</strong> het aantal slaapkamers. In e<strong>en</strong> laatste stap zett<strong>en</strong> we zowel de nieuw<br />
geconstrueerde variabele als de interactievariabele in het originele model (we lat<strong>en</strong><br />
de kwaliteitsk<strong>en</strong>merk<strong>en</strong>, die geïncorporeerd zitt<strong>en</strong> in de nieuw geconstrueerde<br />
variabele, weg uit de regressieanalyse). Dit alternatief regressiemodel laat toe dat<br />
de waarde van kwaliteitsk<strong>en</strong>merk<strong>en</strong> e<strong>en</strong> functie is van de grootte van het gebouw.<br />
De hier voorgestelde methode is uiteraard ruw, maar laat desondanks toe e<strong>en</strong><br />
beter beeld te krijg<strong>en</strong> van de waardering van de verschill<strong>en</strong>de kwaliteitsk<strong>en</strong>merk<strong>en</strong>.<br />
De resultat<strong>en</strong> van de lineaire term (stap 1 van de regressieanalyse) <strong>en</strong> de<br />
interactieterm (zoals geschat in de 2 e stap van de regressieanalyse) word<strong>en</strong><br />
gepres<strong>en</strong>teerd in onderstaande tabel. De resultat<strong>en</strong> zijn zoals verwacht. In het<br />
geval het interactie ge<strong>en</strong> rol zou spel<strong>en</strong> <strong>en</strong> <strong>en</strong>kel de eerste stap van de regressie<br />
van belang zou zijn, zou de parameterschatting van de lineaire term rond de 1<br />
moet<strong>en</strong> schommel<strong>en</strong>, <strong>en</strong> de interactie term rond 0. We zi<strong>en</strong> echter dat het model<br />
de lineaire term significant afzwakt t<strong>en</strong> voordele van de interactieterm. Ook de<br />
verklaringskracht van het model neemt toe, zei het in mindere mate. We kom<strong>en</strong><br />
hier later op terug. De finale resultat<strong>en</strong> houd<strong>en</strong> alvast rek<strong>en</strong>ing met deze interactie.<br />
E<strong>en</strong> zeer goede keuk<strong>en</strong> zal dus niet bijdrag<strong>en</strong> tot e<strong>en</strong> extra 33.64 € van de<br />
huurprijs, maar wel 33.64*(0.709 + 0.12*aantal slaapkamers), <strong>en</strong> dus afhang<strong>en</strong> van<br />
de grootte van het huis. Voor e<strong>en</strong> studio geeft dit 23.85 €, voor e<strong>en</strong> woning met 3<br />
slaapkamers 35.96 €.<br />
Bij de latere bespreking van de variabel<strong>en</strong> besprek<strong>en</strong> we echter de geschatte<br />
parameters van stap 1, waarbij de woningk<strong>en</strong>merk<strong>en</strong> in de lineaire term<br />
opg<strong>en</strong>om<strong>en</strong> zijn, omwille van de e<strong>en</strong>voud van pres<strong>en</strong>tatie.<br />
Tabel 4 Resultat<strong>en</strong> stap 2 uit hedonische huurprijsmodel met interactie-effect<br />
Variabele (1) (2)<br />
Lineaire term met grootte-afhankelijke kwaliteitsk<strong>en</strong>merk<strong>en</strong> (<br />
resultat<strong>en</strong> van woningk<strong>en</strong>merk<strong>en</strong> uit eerste regressie-analyse, bvb. 37.5 €<br />
* zeer goede keuk<strong>en</strong> (0/1) + 26.98 € * goede keuk<strong>en</strong> (0/1) + …<br />
verwarming…)<br />
Interactieterm ( =aantal_slaapkamers * lineaire term met grootteafhankelijke<br />
kwaliteitsk<strong>en</strong>merk<strong>en</strong>)<br />
0.709*** 0.612***<br />
(0.112) (0.107)<br />
0.120*** 0.159***<br />
(0.0417) (0.0416)<br />
22
4.3 Kwalitatieve vs. kwantitatieve variabel<strong>en</strong><br />
De VMSW dataset bevat voornamelijk data die kwalitatief gemet<strong>en</strong> zijn. Deze<br />
kunn<strong>en</strong> in twee klass<strong>en</strong> verdeeld word<strong>en</strong>: nominale meetschal<strong>en</strong> (appartem<strong>en</strong>t,<br />
bungalow, huis) <strong>en</strong> ordinale meetschal<strong>en</strong> (bijvoorbeeld de staat van het<br />
binn<strong>en</strong>schrijnwerk: zeer slecht tot zeer goed), hetge<strong>en</strong> e<strong>en</strong> zekere rangorde<br />
impliceert.<br />
Het werk<strong>en</strong> met dergelijke categorische variabel<strong>en</strong> is niet e<strong>en</strong>voudig in e<strong>en</strong><br />
regressieanalyse. T<strong>en</strong>einde e<strong>en</strong> goed beeld te krijg<strong>en</strong> di<strong>en</strong>t m<strong>en</strong> de categorische<br />
variabele(n) te herdefiniër<strong>en</strong> tot e<strong>en</strong> set van dummyvariabel<strong>en</strong> (variabel<strong>en</strong> die<br />
<strong>en</strong>kel de waard<strong>en</strong> 0 of 1 aannem<strong>en</strong>). De dummyvariabele appartem<strong>en</strong>t neemt<br />
bijvoorbeeld de waarde 1 aan wanneer het e<strong>en</strong> appartem<strong>en</strong>t betreft <strong>en</strong> 0 wanneer<br />
het ge<strong>en</strong> appartem<strong>en</strong>t betreft. Dit zorgt ervoor dat elke categorische variabele tot<br />
e<strong>en</strong> veelheid van dummy variabel<strong>en</strong> leidt. Voor de hele dataset di<strong>en</strong><strong>en</strong> we zo meer<br />
dan 400 dummyvariabel<strong>en</strong> te creër<strong>en</strong> (240 geme<strong>en</strong>tedummy’s inbegrep<strong>en</strong>).<br />
Gezi<strong>en</strong> het aantal observaties, is dit te veel.<br />
T<strong>en</strong>einde het aantal variabel<strong>en</strong> <strong>en</strong>igszins te beperk<strong>en</strong> hebb<strong>en</strong> we twee spor<strong>en</strong><br />
gevolgd. Enerzijds hebb<strong>en</strong> we het belang van de geme<strong>en</strong>tedummy’s<br />
geminimaliseerd door zoveel mogelijk continue variabel<strong>en</strong> op statistische sector<br />
niveau in het model te gebruik<strong>en</strong>. Anderzijds zijn de ordinale variabel<strong>en</strong> die in de<br />
VMSW dataset voorkom<strong>en</strong>, ook als kwantitatieve variabel<strong>en</strong> gemodelleerd. Dit<br />
houdt in dat de categorische variabele(n) als continue variabele(n) beschouwd<br />
wordt (word<strong>en</strong>). Voor sommige variabel<strong>en</strong> blijkt deze aanname (de variabele als<br />
continue beschouw<strong>en</strong>) e<strong>en</strong> verrijking te zijn, terwijl deze b<strong>en</strong>adering voor andere<br />
variabel<strong>en</strong> eerder e<strong>en</strong> verarming van de beschikbare informatie impliceert. Dit<br />
omwille van het feit dat de lineaire regressieanalyse veronderstelt dat de<br />
verschill<strong>en</strong> tuss<strong>en</strong> de verschill<strong>en</strong>de klass<strong>en</strong> gelijk zijn. Wanneer we bijvoorbeeld<br />
veronderstell<strong>en</strong> dat e<strong>en</strong> slechte staat van het sanitair de waarde 1 aanneemt, e<strong>en</strong><br />
matige staat van het sanitair met minimaal comfort de waarde 2 aanneemt <strong>en</strong> goed<br />
functioneel sanitair de waarde 3 aanneemt, dan veronderstell<strong>en</strong> we impliciet dat<br />
het verschil in waarde tuss<strong>en</strong> slecht sanitair <strong>en</strong> matig sanitair gelijk is aan het<br />
verschil in waarde tuss<strong>en</strong> matig sanitair <strong>en</strong> goed sanitair. Onderstaande figuur<br />
toont dat dit niet het geval is. De eerste basisverbetering<strong>en</strong> word<strong>en</strong> typisch<br />
zwaarder gewaardeerd. Voor verschill<strong>en</strong>de andere variabel<strong>en</strong> vind<strong>en</strong> we dit<br />
patroon, dat economisch verklaard kan word<strong>en</strong> door de wet van de dal<strong>en</strong>de<br />
meeropbr<strong>en</strong>gst<strong>en</strong>.<br />
23
Figuur 4 Illustratie mogelijke mismatch van continue lineaire b<strong>en</strong>adering met de werkelijke<br />
waarde zoals gemet<strong>en</strong> door de categorische variabel<strong>en</strong><br />
De afweging tuss<strong>en</strong> <strong>en</strong>erzijds e<strong>en</strong> compact model <strong>en</strong> anderzijds behoud van<br />
informatie <strong>en</strong> modelveronderstelling<strong>en</strong> is dus delicaat. We zull<strong>en</strong> de belangrijkste<br />
variabel<strong>en</strong> opdel<strong>en</strong> in meerdere dummyvariabel<strong>en</strong> t<strong>en</strong>einde het model te verfijn<strong>en</strong>.<br />
Deze verfijning wordt <strong>en</strong>kel gehanteerd indi<strong>en</strong> zij e<strong>en</strong> meerwaarde biedt (zowel wat<br />
betreft statistische significantie als praktische relevantie). Het toepass<strong>en</strong> van e<strong>en</strong><br />
continue b<strong>en</strong>adering zal word<strong>en</strong> toegepast t<strong>en</strong>einde het model te forcer<strong>en</strong> e<strong>en</strong><br />
logische ord<strong>en</strong>ing te respecter<strong>en</strong>.<br />
Voor e<strong>en</strong> uitgebreide bespreking van deze b<strong>en</strong>adering verwijz<strong>en</strong> we naar “working<br />
with ordinal predictors” (Johnson, 2009). Hun conclusie : “ the best practice for<br />
model fitting should estimate two models, the numeric coding and the categorical<br />
coding, and th<strong>en</strong> apply a formal hypothesis test to answer the question “is numeric<br />
coding wrong?”. Voor deze studie hebb<strong>en</strong> we de formele hypothese vervang<strong>en</strong><br />
door e<strong>en</strong> grafische post hoc analyse. De variabel<strong>en</strong> bestond<strong>en</strong> slechts uit e<strong>en</strong><br />
beperkt aantal categorieën waardoor de formele hypothese <strong>en</strong> niet-lineaire<br />
b<strong>en</strong>adering<strong>en</strong> (LOESS, kernel smoothing, splines) toets niet altijd nuttig toe te<br />
pass<strong>en</strong> was.<br />
4.4 Resultat<strong>en</strong> van gelijkaardig onderzoek<br />
Vooraleer tot onze eig<strong>en</strong>lijke analyse over te gaan, gev<strong>en</strong> we als voorbeeld twee<br />
gelijkaardige toepassing<strong>en</strong> weer. De eerste toepassing is e<strong>en</strong> hedonische<br />
schatting van de geluidshinder rond de luchthav<strong>en</strong> van Zav<strong>en</strong>tem. De studie is e<strong>en</strong><br />
hedonische analyse van woningprijz<strong>en</strong> zoals wij die toegepast hebb<strong>en</strong> <strong>en</strong> laat zi<strong>en</strong><br />
dat woning<strong>en</strong> onder drukke vliegroutes e<strong>en</strong> minwaarde optek<strong>en</strong><strong>en</strong>. Zij di<strong>en</strong>t als<br />
refer<strong>en</strong>tie voor de methodologie <strong>en</strong> voor de waarde van de geschatte parameters.<br />
Het tweede voorbeeld is het woonwaarderingsstelsel voor huurprijz<strong>en</strong> in<br />
Nederland. Hun opzet is totaal anders t<strong>en</strong> opzichte van onze hedonische<br />
prijsanalyse. Zij schatt<strong>en</strong> niet de waarde van e<strong>en</strong> woningk<strong>en</strong>merk maar bepal<strong>en</strong><br />
e<strong>en</strong> maximumhuurprijs volg<strong>en</strong>s e<strong>en</strong> zelf gekoz<strong>en</strong> normatief kader. Het is echter<br />
interessant om deze met onze geschatte parameters te vergelijk<strong>en</strong>, <strong>en</strong> om na te<br />
gaan welke variabel<strong>en</strong> in aanmerking g<strong>en</strong>om<strong>en</strong> word<strong>en</strong> als waardebepal<strong>en</strong>d voor<br />
de huurprijs. Bov<strong>en</strong>di<strong>en</strong> wordt dit model toegepast in de praktijk <strong>en</strong> biedt het e<strong>en</strong><br />
voorbeeld hoe e<strong>en</strong> gebruiksvri<strong>en</strong>delijk hedonisch prijsmodel kan toegepast word<strong>en</strong><br />
24
via e<strong>en</strong> webapplicatie (zie bvb. http://www.huurders.info/?id=8362). Voor het<br />
woonwaarderingsstelsel moet<strong>en</strong> ongeveer 30 variabel<strong>en</strong> ingevuld word<strong>en</strong>, terwijl<br />
de door de notariss<strong>en</strong> in te vull<strong>en</strong> fiche voor de VMSW schatting<strong>en</strong> rond de 70<br />
variabel<strong>en</strong> ingevuld di<strong>en</strong>d<strong>en</strong> te word<strong>en</strong>.<br />
4.4.1 E<strong>en</strong> objectieve evaluatie van de subjectieve geluidshinder van<br />
de luchthav<strong>en</strong> in Zav<strong>en</strong>tem.<br />
In deze studie (Bréchet e.a. 2009) wordt de hedonische prijsanalyse toegepast om<br />
de geluidshinder in Zav<strong>en</strong>tem te met<strong>en</strong>. Hier zijn wij niet in geïnteresseerd, maar<br />
wel in de resultat<strong>en</strong> van de schatting<strong>en</strong> van andere variabel<strong>en</strong> die kunn<strong>en</strong> di<strong>en</strong><strong>en</strong><br />
als ijkpunt. Hun analyse is gebaseerd op e<strong>en</strong> logaritmische specificatie. Zo kan<br />
m<strong>en</strong> uit onderstaande tabel bvb aflez<strong>en</strong> dat e<strong>en</strong> extra kamer bij e<strong>en</strong> woning de<br />
prijs met 12% verhoogt.<br />
De oppervlakte van het terrein staat daar<strong>en</strong>teg<strong>en</strong> in e<strong>en</strong> log-log specificatie<br />
g<strong>en</strong>oteerd. Voor e<strong>en</strong> perceel dat 1% groter is, zal m<strong>en</strong> dan gemiddeld 0.26% meer<br />
w<strong>en</strong>s<strong>en</strong> te betal<strong>en</strong>.<br />
Tabel 5 Beschrijving van de variabel<strong>en</strong> in studie over geluidshinder (Bréchet 2009)<br />
25
Bron: Bréchet (2009)<br />
Tabel 6 Geschatte waard<strong>en</strong> van de prijsdeterminant<strong>en</strong> van huiz<strong>en</strong> in studie over<br />
geluidshinder (Bréchet 2009)<br />
Bron: Bréchet (2009)<br />
26
4.4.2 Woonwaarderingsstelsel Nederland<br />
In Nederland wordt e<strong>en</strong> woonwaarderingsstelsel opgezet waarbij maximum<br />
huurprijz<strong>en</strong> opgesteld word<strong>en</strong> volg<strong>en</strong>s e<strong>en</strong> punt<strong>en</strong>systeem. Het is niet de<br />
bedoeling het hele Nederlandse huursysteem te besprek<strong>en</strong>. Wel is het interessant<br />
om te analyser<strong>en</strong> welke variabel<strong>en</strong> zij mee in rek<strong>en</strong>ing nem<strong>en</strong>. Vooreerst ge<strong>en</strong><br />
echte liggingsvariabel<strong>en</strong>, of slechts in zeer beperkte mate. Elk punt komt ongeveer<br />
overe<strong>en</strong> met 5 euro. 6<br />
In 2010 is dit woonwaarderingsstelsel aangepast. Ess<strong>en</strong>tie van de aanpassing is,<br />
dat de bestaande woningwaarderingspunt<strong>en</strong> voor de onderdel<strong>en</strong> verwarmingswijze<br />
<strong>en</strong> warmte-isolatie word<strong>en</strong> vervang<strong>en</strong> door het <strong>en</strong>ergielabel, e<strong>en</strong> waardering van<br />
de <strong>en</strong>ergieprestatie op basis van het <strong>en</strong>ergieprestatiecertificaat van de woning.<br />
Tabel 7 Nederlands woningwaarderingsstelsel per 1 juli 2010<br />
6 de waarde van extra punt hangt af de totale score, waarbij e<strong>en</strong> extra<br />
punt bij e<strong>en</strong> hogere punt<strong>en</strong>score de maximum huurprijs iets sterker<br />
verhoogt, dan e<strong>en</strong> extra punt bij e<strong>en</strong> lagere punt<strong>en</strong>score.<br />
27
Daar waar ge<strong>en</strong> <strong>en</strong>ergielabel aanwezig is, kan die e<strong>en</strong>voudig vastgesteld aan de<br />
hand van e<strong>en</strong> b<strong>en</strong>adering volg<strong>en</strong>s bouwjaarklasse zoals in onderstaande tabel<br />
weergegev<strong>en</strong>.<br />
Bron: Nederlands Ministerie van Binn<strong>en</strong>landse Zak<strong>en</strong> <strong>en</strong> Koninkrijksrelaties<br />
28
5 Resultat<strong>en</strong> hedonische prijsanalyse<br />
In de volg<strong>en</strong>de alinea’s beschrijv<strong>en</strong> we achtere<strong>en</strong>volg<strong>en</strong>s de regressieresultat<strong>en</strong><br />
van woningk<strong>en</strong>merk<strong>en</strong>, omgevingsfactor<strong>en</strong>, afstandsvariabel<strong>en</strong>, statistische sector<br />
variabel<strong>en</strong> <strong>en</strong> geme<strong>en</strong>te-effect<strong>en</strong> op basis van de VMSW-data. De<br />
regressieresultat<strong>en</strong> word<strong>en</strong> stap voor stap besprok<strong>en</strong>, maar zijn het resultaat van 2<br />
regressies (model (1) met <strong>en</strong> geme<strong>en</strong>te-effect<strong>en</strong> <strong>en</strong> model (2) zonder geme<strong>en</strong>teeffect<strong>en</strong>).<br />
Zoals al eerder vermeldt bestaan deze 2 regressies weer uit 2<br />
afzonderlijke stapp<strong>en</strong>. Onderstaande tabel geeft e<strong>en</strong> sam<strong>en</strong>vatting van de<br />
resultat<strong>en</strong>.<br />
Tabel 8 Overzicht regressie resultat<strong>en</strong> op basis van VMSW-dataset (2008)<br />
Stap Statistiek Model (1) Model (2)<br />
1 Aantal observaties 1971 1971<br />
R² (R-kwadraat) 0.8082 0.6706<br />
RMSE 60.826 74.253<br />
2 Aantal observaties 1971 1971<br />
R² (R-kwadraat) 0.8095 0.6734<br />
RMSE 60.096 73.387<br />
Het totaal aantal observaties van de dataset bedraagt 1971, wat minder is dan het<br />
oorspronkelijke aantal in de dataset omdat ontbrek<strong>en</strong>de waard<strong>en</strong> <strong>en</strong> extreme<br />
waard<strong>en</strong> eruit gefilterd zijn. Daarnaast zijn nog twee waard<strong>en</strong> belangrijk, de Rkwadraat<br />
(R²) <strong>en</strong> de standaardfout (RMSE, Root Mean Square Error).<br />
De R² (determinatiecoëfficiënt) geeft weer hoeveel variantie het model verklaart.<br />
Indi<strong>en</strong> alle waard<strong>en</strong> door het model voorspeld overe<strong>en</strong>stemm<strong>en</strong> met de<br />
schatting<strong>en</strong> van de notariss<strong>en</strong>, bedraagt de R² 1. Indi<strong>en</strong> de verklar<strong>en</strong>de variabel<strong>en</strong><br />
ge<strong>en</strong> verklaringskracht hebb<strong>en</strong>, zal de R² van het model nauwelijks hoger dan 0<br />
uitkom<strong>en</strong>. Naast het feit dat regressiemodell<strong>en</strong> nooit 1 uitkom<strong>en</strong>, aangezi<strong>en</strong> het<br />
stochastische modell<strong>en</strong> zijn <strong>en</strong> ge<strong>en</strong> analytische, zal in ons geval de subjectieve<br />
aard van de schatting<strong>en</strong> van de notaris e<strong>en</strong> bijkom<strong>en</strong>de limiet vorm<strong>en</strong> op de<br />
maximale R² (zie 2.2.1 het id<strong>en</strong>tificatieprobleem van de schattingsfout). Het ideale<br />
model zal immers <strong>en</strong>kel de objectieve waard<strong>en</strong> kunn<strong>en</strong> voorspell<strong>en</strong>, <strong>en</strong> nooit de<br />
subjectieve afwijking<strong>en</strong>. E<strong>en</strong> R² geeft weer welk deel van de variantie door het<br />
model verklaard wordt. Het andere deel (1-R²) is beschouwd als onverklaarde<br />
variantie, te wijt<strong>en</strong> aan willekeurigheid, ruis, maar ook door het feit dat het model<br />
niet volledig is.<br />
Aangezi<strong>en</strong> ons model di<strong>en</strong>t om predicties te mak<strong>en</strong> <strong>en</strong> niet de robustheid van e<strong>en</strong><br />
individueel geschat woningk<strong>en</strong>merk na te gaan, zal vooral de standaardfout<br />
belangrijk zijn. Hiertoe wordt de Root Mean Square Error (RMSE) weergegev<strong>en</strong>.<br />
Dit is e<strong>en</strong> fout die vooral mathematisch zeer handig is in gebruik <strong>en</strong> daartoe ook<br />
vaak door software weergegev<strong>en</strong> wordt. Twee andere indicator<strong>en</strong> van de fout zijn<br />
het gemiddelde absolute foutperc<strong>en</strong>tage (Mean Absolute Perc<strong>en</strong>tage Error, MAPE<br />
). Dit geeft weer dat het model bijvoorbeeld gemiddeld 10% fout voorspelt. En de<br />
gemiddelde absolute 7 fout (Mean Absolute Error) geeft hetzelfde weer maar dan in<br />
7 De absolute waarde is hierbij belangrijk omdat de gemiddelde fout<br />
typisch rond nul schommel<strong>en</strong>, omdat positieve <strong>en</strong> negatieve fout<strong>en</strong><br />
elkaar opheff<strong>en</strong>.<br />
29
absolute waard<strong>en</strong>. Dus hoewel we de RMSE statistiek meegev<strong>en</strong>, kan m<strong>en</strong> als<br />
vuistregel gebruik<strong>en</strong> dat de gemiddelde absolute fout in het geval van normaal<br />
verdeelde fout<strong>en</strong> hiervan ongeveer 80% bedraagt.<br />
Model (2) geeft aan dat 67% van de variantie verklaard kan word<strong>en</strong> met<br />
woningk<strong>en</strong>merk<strong>en</strong> <strong>en</strong> statistische sectorinformatie. De RMSE is 73, wat neerkomt<br />
op e<strong>en</strong> gemiddelde absolute fout (MAE) van 60 €. Dit is zeer behoorlijk aangezi<strong>en</strong><br />
de geobserveerde waard<strong>en</strong> ook slechts schatting<strong>en</strong> zijn. In het geval we<br />
vooropstell<strong>en</strong> dat de notarisschatting<strong>en</strong> e<strong>en</strong> ev<strong>en</strong> grote voorspelfout mak<strong>en</strong> als het<br />
hedonische prijsmodel, dan kunn<strong>en</strong> we de gemiddelde voorspelfout t<strong>en</strong> opzichte<br />
van de werkelijke maar niet-geobserveerde markthuurwaarde b<strong>en</strong>ader<strong>en</strong> door de<br />
MAE van het model te del<strong>en</strong> door 2 (zie bijlage 7.1.2). In dit geval betek<strong>en</strong>t dit<br />
dat de schatting van zowel de notariss<strong>en</strong> als ons model gemiddeld 40 € verschilt<br />
van de werkelijke markthuurwaarde. Dit lijkt zeer acceptabel.<br />
Model (1) geeft aan dat 80% van de variantie verklaard kan word<strong>en</strong> indi<strong>en</strong> we ook<br />
geme<strong>en</strong>tedummies toevoeg<strong>en</strong>. De RMSE is 60, wat neerkomt op e<strong>en</strong> gemiddelde<br />
absolute fout van 50 €. In het geval we weer vooropstell<strong>en</strong> dat de<br />
notarisschatting<strong>en</strong> e<strong>en</strong> ev<strong>en</strong> grote voorspelfout mak<strong>en</strong> als het hedonische<br />
prijsmodel, dan bekom<strong>en</strong> we e<strong>en</strong> gemiddelde voorspelfout t<strong>en</strong> opzicht van de<br />
werkelijke markthuurwaarde van 35 €. Bemerk echter dat we hier zeer veel<br />
geme<strong>en</strong>te-dummies hebb<strong>en</strong> toegevoegd, <strong>en</strong> het dus ook logisch dat de R² stijgt.<br />
Dit kan leid<strong>en</strong> tot overfitting van het model. Overfitting vindt plaats wanneer er<br />
teveel verklar<strong>en</strong>de variabel<strong>en</strong> in het model opg<strong>en</strong>om<strong>en</strong> word<strong>en</strong> t<strong>en</strong> opzichte van<br />
het aantal observaties waardoor de geschatte coëfficiënt<strong>en</strong> minder betrouwbaar<br />
word<strong>en</strong>. We hebb<strong>en</strong> dit echter toch gedaan omdat de resultat<strong>en</strong> met model (2),<br />
dus zonder de geme<strong>en</strong>te-dummies, redelijk robust <strong>en</strong> consist<strong>en</strong>t lek<strong>en</strong>. Bov<strong>en</strong>di<strong>en</strong><br />
zijn de geschatte waard<strong>en</strong> van de geme<strong>en</strong>te-dummies ook zeer logisch. We<br />
kom<strong>en</strong> hier later op terug.<br />
De R² van modell<strong>en</strong> waarbij <strong>en</strong>kel de VMSW data als onafhankelijke variabele in<br />
het model opg<strong>en</strong>om<strong>en</strong> war<strong>en</strong>, lag<strong>en</strong> in het interval [0.50-0.53]. Dit is laag om voor<br />
predicties te gebruik<strong>en</strong>, maar geeft tegelijkertijd wel goed weer dat de<br />
woningk<strong>en</strong>merk<strong>en</strong> op zich belangrijk zijn. We besprek<strong>en</strong> daarom eerst de<br />
resultat<strong>en</strong> van de woningk<strong>en</strong>merk<strong>en</strong>.<br />
5.1 Woningk<strong>en</strong>merk<strong>en</strong><br />
In onderstaande tabel bevind<strong>en</strong> zich de resultat<strong>en</strong> van het hedonisch prijsmodel.<br />
Deze regressieresultat<strong>en</strong> zijn reeds gebaseerd op het finale model (1= met<br />
geme<strong>en</strong>te dummies, 2 zonder geme<strong>en</strong>te-dummies, <strong>en</strong>kel statistische sector<br />
informatie) . We gev<strong>en</strong> hier de subset van woningk<strong>en</strong>merk<strong>en</strong> weer. Voor de<br />
woningk<strong>en</strong>merk<strong>en</strong> met betrekking tot woningstaat, bouwfysische kwaliteit <strong>en</strong><br />
uitrustingsniveau word<strong>en</strong> de schatting<strong>en</strong> van de eerste regressiestap<br />
weergegev<strong>en</strong>. (zie 4.2 2-stapsmodel met interactievariabel<strong>en</strong>). Wanneer we de<br />
woningk<strong>en</strong>merk<strong>en</strong> afzonderlijk zoud<strong>en</strong> regresser<strong>en</strong> op de verhuurprijs zou reeds<br />
ongeveer 50% van alle variantie verklaard kunn<strong>en</strong> word<strong>en</strong>.<br />
Onderstaande tabel di<strong>en</strong>t als volgt gelez<strong>en</strong> te word<strong>en</strong>. De eerste kolom geeft aan<br />
over welk k<strong>en</strong>merk het gaat. De tweede kolom geeft aan welke variabel<strong>en</strong> er in het<br />
model zitt<strong>en</strong> voor elk k<strong>en</strong>merk. Voor de leeftijd zi<strong>en</strong> we bvb. dat er naast de lineaire<br />
variabele ook e<strong>en</strong> kwadratische variabele in het model is gebracht. Hierdoor kan<br />
het model het effect van leeftijd fijner modeller<strong>en</strong>: e<strong>en</strong> to<strong>en</strong>ame van de leeftijd van<br />
30
één jaar zal sterker doorweg<strong>en</strong> bij jongere woning<strong>en</strong> dan oudere woning<strong>en</strong>. E<strong>en</strong><br />
andere opsplitsing van k<strong>en</strong>merk naar variabel<strong>en</strong> komt voor bij categorische<br />
variabel<strong>en</strong>, waarbij dummy-variabel<strong>en</strong> (0/1) weergev<strong>en</strong> tot welke klasse de<br />
observatie behoort. De derde kolom geeft weer wat voor variabele gemodelleerd<br />
wordt. De vierde kolom geeft voor dummy-variabel<strong>en</strong> de refer<strong>en</strong>tiecategorie weer.<br />
De geschatte coëfficiënt voor de waarde van e<strong>en</strong> ééngezinswoning geeft dus weer<br />
hoeveel meer m<strong>en</strong> voor e<strong>en</strong> éénsgezinswoning bereid is te betal<strong>en</strong> vergelek<strong>en</strong> met<br />
e<strong>en</strong> laagbouwappartem<strong>en</strong>t. De huurprijs van e<strong>en</strong> ééngezinswoning op zich kan<br />
dus niet berek<strong>en</strong>d word<strong>en</strong>. Wel kan m<strong>en</strong> de huurprijs van e<strong>en</strong> standaard<br />
ééngezinswoning berek<strong>en</strong><strong>en</strong> door voor alle woningk<strong>en</strong>merk<strong>en</strong> de gemiddelde of<br />
meest voorkom<strong>en</strong>de waarde voor ééngezinswoning<strong>en</strong> in te vull<strong>en</strong> in het model.<br />
De twee laatste kolomm<strong>en</strong> bevatt<strong>en</strong> de resultat<strong>en</strong> van het finale model. Model (1)<br />
is het model met geme<strong>en</strong>tedummy’s, <strong>en</strong> de laatste kolom toont de resultat<strong>en</strong> voor<br />
model (2) zonder geme<strong>en</strong>tedummy’s. De eerste rij bevat de geschatte<br />
coëfficiënt<strong>en</strong>, alsook de mate van significantie die weergeeft. De significantie geeft<br />
weer in welke mate de coëfficiënt verschilt van 0 (*** zeer significant, ** significant<br />
<strong>en</strong> * matig signifcant). De waarde van de standaardfout is weergegev<strong>en</strong> tuss<strong>en</strong><br />
haakjes in de rij onder de coëfficiënt<strong>en</strong> <strong>en</strong> geeft e<strong>en</strong> gelijkaardige interpretatie als<br />
de significantie. Hoe groter de absolute waarde van coëfficiënt t.o.v. van de<br />
standaardfout, hoe significanter de coëfficiënt verschilt van 0. In e<strong>en</strong> model met<br />
kwadratische term<strong>en</strong>, dummy-variabel<strong>en</strong>, multicollineariteit <strong>en</strong> interactieterm<strong>en</strong> zijn<br />
variabel<strong>en</strong> in mindere mate significant. Daarom hebb<strong>en</strong> we voor onze analyse<br />
ev<strong>en</strong>e<strong>en</strong>s variabel<strong>en</strong> geselecteerd op basis van logica <strong>en</strong> relevantie, <strong>en</strong> niet <strong>en</strong>kel<br />
volg<strong>en</strong>s significantie.<br />
31
Tabel 9 Woningk<strong>en</strong>merk<strong>en</strong>, overzicht regressie resultat<strong>en</strong> (VMSW-dataset 2008)<br />
KENMERK Variabele Type Refer<strong>en</strong>tie Model (1) Model (2)<br />
grootte, leeftijd <strong>en</strong> typologie<br />
Coëfficiënt <strong>en</strong><br />
(standaardfout)<br />
Leeftijd Lineair Continu - -2.116*** -2.468***<br />
(0.395) (0.386)<br />
Kwadratisch Continu - 0.0149*** 0.0186***<br />
(0.00478) (0.00445)<br />
Type Hoogbouw Dummy Laagbouw 5.590 4.195<br />
(11.27) (13.09)<br />
Middelhoog Dummy 16.29** 18.67**<br />
(7.116) (7.518)<br />
Bungalow Dummy 20.18*** 27.01***<br />
(7.505) (7.886)<br />
Duowoning Dummy 19.32*** 18.89**<br />
(7.091) (7.859)<br />
E<strong>en</strong>gezinswoning Dummy 38.11*** 36.95***<br />
(6.012) (6.698)<br />
Buit<strong>en</strong>ruimte Terras 10m² Dummy 11.85 15.56<br />
(8.869) (9.713)<br />
Tuin 200m² Dummy 40.72*** 48.21***<br />
(11.40) (11.68)<br />
Slaapkamer 1 (zie bespreking!) Dummy 0 38.34** 54.72***<br />
(19.21) (17.32)<br />
2 Dummy 70.48*** 76.16***<br />
(24.76) (23.87)<br />
3 Dummy 99.28*** 95.79***<br />
(32.00) (32.06)<br />
4 Dummy 107.1*** 100.9**<br />
(39.93) (40.32)<br />
5 Dummy 128.4*** 116.6**<br />
(48.00) (49.99)<br />
6 Dummy 63.35 104.7<br />
32
(64.01) (66.39)<br />
Garage Zie bespreking Continu - 0.00406*** 0.00462***<br />
Aanpasbaarheid<br />
minder valid<strong>en</strong><br />
(0.00116) (0.00118)<br />
Ja Dummy Nee 13.03** 2.091<br />
(5.867) (6.129)<br />
Mogelijk Dummy 10.36** 3.714<br />
(4.386) (4.228)<br />
Daglicht Doorsnee Dummy Zwak 11.38 4.605<br />
(7.208) (7.988)<br />
Goed Dummy 15.07* 14.27<br />
(8.273) (8.814)<br />
Ruimtecomfort Basis Dummy Klein 19.18*** 21.50***<br />
(5.794) (5.980)<br />
Groot Dummy 45.78*** 37.10***<br />
Uitrustingsniveau<br />
(6.966) (7.077)<br />
Keuk<strong>en</strong> Slecht Dummy Zeer slecht 11.72 21.91**<br />
(11.25) (10.89)<br />
Matig Dummy 15.79 18.07*<br />
(11.36) (10.57)<br />
Goed Dummy 26.98** 26.40**<br />
(11.99) (11.08)<br />
Zeer goed Dummy 37.50*** 33.64***<br />
(13.18) (12.24)<br />
Sanitair Matig Dummy Slecht 11.82* 17.64**<br />
(6.530) (7.299)<br />
Goed Dummy 17.66** 25.87***<br />
(7.429) (7.894)<br />
Zeer goed Dummy 18.69* 32.08***<br />
(10.27) (10.42)<br />
Warmwater - Dummy Ge<strong>en</strong> 21.49** 17.17*<br />
(9.869) (9.249)<br />
Verwarming Slecht Dummy Zeer slecht 17.80* 12.24<br />
(9.458) (9.936)<br />
Matig Dummy 26.34*** 27.32***<br />
(7.806) (8.081)<br />
Goed Dummy 33.26*** 18.76**<br />
(7.737) (7.981)<br />
V<strong>en</strong>tilatie Matig Dummy Slecht -2.516 1.817<br />
(4.208) (4.265)<br />
Goed Dummy 14.84** 13.11*<br />
(6.573) (7.332)<br />
33
Bouwfysische kwaliteit, Woningstaat extern <strong>en</strong> intern<br />
Beglazing Enkel (goed) Dummy Enkel<br />
(slecht)<br />
6.830 12.64<br />
(9.484) (9.596)<br />
Dubbel Dummy 13.59 16.43*<br />
(9.365) (9.577)<br />
Dubbel (goed) Dummy 12.41 17.54*<br />
(9.630) (9.791)<br />
Dakisolatie - Continu - 0.989 1.283<br />
(1.897) (1.997)<br />
Kroonlijst Continu - 4.183 1.927<br />
(3.880) (4.333)<br />
Pleisterwerk - Continu - 1.313 5.569<br />
(3.520) (4.013)<br />
Ram<strong>en</strong> <strong>en</strong> deur<strong>en</strong> - Continu - -0.129 4.442<br />
Reg<strong>en</strong>water afvoer<br />
dak<br />
Tablett<strong>en</strong> <strong>en</strong><br />
wandbekleding<br />
(2.875) (2.956)<br />
- Continu - 7.502* 8.651**<br />
(4.021) (4.280)<br />
Slecht Dummy Zeer slecht 18.28 6.419<br />
(20.50) (22.79)<br />
Matig Dummy 37.37* 31.00<br />
(19.76) (21.89)<br />
Goed Dummy 56.82*** 47.27**<br />
(20.31) (22.22)<br />
Zeer goed Dummy 60.71*** 52.82**<br />
5.1.1 Leeftijd, grootte <strong>en</strong> typologie<br />
5.1.1.1 Leeftijd<br />
(21.79) (23.85)<br />
Het bouwjaar is e<strong>en</strong> belangrijke variabele in de hedonische prijsanalyse. Deze<br />
wordt in onze dataset b<strong>en</strong>aderd door de datum van de eerste verhuring. Meestal<br />
kom<strong>en</strong> beide data overe<strong>en</strong>. In rec<strong>en</strong>te jar<strong>en</strong> zijn er echter ook bestaande woning<strong>en</strong><br />
gekocht door Sociale Huisvestingsmaatschappij<strong>en</strong>. Dit aandeel is echter erg klein.<br />
Daarnaast lijkt het aannemelijk dat de notariss<strong>en</strong> voornamelijk woning<strong>en</strong> geschat<br />
hebb<strong>en</strong> die als vergelijkingspunt kunn<strong>en</strong> di<strong>en</strong><strong>en</strong> voor e<strong>en</strong> zo groot mogelijk aantal<br />
andere sociale woning<strong>en</strong>, waardoor volg<strong>en</strong>s ons voornamelijk woning<strong>en</strong> gekoz<strong>en</strong><br />
zijn die zelf gerealiseerd zijn. Zoals verder besprok<strong>en</strong> speelt dit leeftijdseffect ook<br />
in mindere mate mee aangezi<strong>en</strong> onze dataset veel variabel<strong>en</strong> telt die het<br />
onderhoud van het huis weergev<strong>en</strong> (multicollineariteit: zie 2.2.3). Het nettoleeftijdseffect<br />
zal daardoor kleiner zijn.<br />
34
Figuur 5 Verdeling van de woning<strong>en</strong> volg<strong>en</strong>s bouwjaar, VMSW-dataset 2008<br />
25%<br />
20%<br />
15%<br />
10%<br />
5%<br />
0%<br />
Figuur 6 Hedonisch leeftijdseffect volg<strong>en</strong>s model (1) met geme<strong>en</strong>te dummy’s, <strong>en</strong> model (2)<br />
zonder geme<strong>en</strong>tedummy’s (VMSW dataset 2008)<br />
Figuur 7 Illustratie van interactie tuss<strong>en</strong> leeftijdseffect <strong>en</strong> onderhoud (Wilhelmsson, 2008)<br />
Leeftijdseffect<br />
Zonder onderhoud binn<strong>en</strong><br />
Zonder onderhoud buit<strong>en</strong><br />
Zonder onderhoud binn<strong>en</strong>+buit<strong>en</strong><br />
36
5.1.1.2 Typologie<br />
Wat betreft de typologie zi<strong>en</strong> we dat de e<strong>en</strong>gezinswoning nog altijd licht de kroon<br />
spant, gevolgd door bungalow- <strong>en</strong> duowoning<strong>en</strong>. Appartem<strong>en</strong>t<strong>en</strong> met 5 à 9<br />
verdieping<strong>en</strong> scor<strong>en</strong> inzake huurprijz<strong>en</strong> ook hoog. Typologie presteert beter als<br />
schatter dan de traditionele indeling vrijstaand, half-op<strong>en</strong> <strong>en</strong> geslot<strong>en</strong> die ge<strong>en</strong><br />
significante resultat<strong>en</strong> leverd<strong>en</strong> indi<strong>en</strong> het k<strong>en</strong>merk typologie reeds opg<strong>en</strong>om<strong>en</strong><br />
was in het model. Bemerk dat de variabele ”lag<strong>en</strong> woning”, “lag<strong>en</strong> gebouw” <strong>en</strong><br />
“toegangsniveau” niet gegev<strong>en</strong> zijn.<br />
De bebouwingsmorfologie is de <strong>en</strong>igste variabele die we, ondanks zijn<br />
significantie, uit de analyse hebb<strong>en</strong> gelat<strong>en</strong> omwille van de gebruiksvri<strong>en</strong>delijkheid<br />
van het model. De terminologie vereist immers foto’s ter illustratie om goed te<br />
wet<strong>en</strong> wat bedoeld wordt (zie bijlage 7.2.2). We gev<strong>en</strong> alvast de resultat<strong>en</strong> mee.<br />
De traditionele bebouwing scoorde laag (-25 €), gevolgd door de verkaveling<strong>en</strong> <strong>en</strong><br />
de stadsoases (-10 €). De overige bebouwingsmorfologiën lag<strong>en</strong> dicht bij elkaar <strong>en</strong><br />
hadd<strong>en</strong> ge<strong>en</strong> invloed, met uitzondering van de lintbebouwing die (+20 €).<br />
5.1.1.3 Tuin<br />
Op basis van immodata (2010) vind<strong>en</strong> we dat de gemiddelde vraagprijs voor e<strong>en</strong><br />
perceel bouwgrond 167.262 € bedraagt. Het gemiddeld perceel is 9,16 are,<br />
waarvan 1,66 are bebouwd mag word<strong>en</strong>, <strong>en</strong> dus 7,5 are van het perceel als tuin<br />
gebruikt kan word<strong>en</strong>. Dit gemiddelde zegt niet zo veel. Interessanter zijn de<br />
parameters van e<strong>en</strong> e<strong>en</strong>voudige hedonische prijsanalyse op basis van deze data.<br />
Voor één m² tuin vind<strong>en</strong> we dat de vraagprijs 55 € bedraagt.<br />
Prijs perceel = 61677 + 385,6* bebouwbare oppervlakte + 55*tuinoppervlakte<br />
Tabel 10 Resultat<strong>en</strong> hedonische prijsanalyse van bouwgrond (2010)<br />
Coëfficiënt Standaardfout Significantie<br />
Intercept 61677,5 7606,7 ***<br />
Bebouwbare<br />
oppervlakte<br />
385,6 45,8 ***<br />
Ttuin 55,0 3,5 ***<br />
Bron : vraagprijz<strong>en</strong> zoals gevond<strong>en</strong> op immosites, eig<strong>en</strong> verwerking<br />
Deze bevinding<strong>en</strong> kunn<strong>en</strong> we gebruik<strong>en</strong> als refer<strong>en</strong>tiepunt om onze resultat<strong>en</strong> aan<br />
te toets<strong>en</strong>. Wanneer we kijk<strong>en</strong> naar de dummy “tuin>200m²” zi<strong>en</strong> we dat deze<br />
coëfficiënt gelijk is aan 48,21. Indi<strong>en</strong> dergelijke tuin op ongeveer 300 m 2 geschat<br />
wordt, vind<strong>en</strong> we e<strong>en</strong> meerwaarde per vierkante meter van 0,16 €. Wanneer we dit<br />
nu verm<strong>en</strong>igvuldig<strong>en</strong> met 264 (verhouding verkoopprijs/huurprijs) bekom<strong>en</strong> we dat<br />
de meerwaarde per vierkante meter 42,24 € bedraagt, hetge<strong>en</strong> overe<strong>en</strong>komt met<br />
de resultat<strong>en</strong> zoals gevond<strong>en</strong> aan de hand van immo-data. Indi<strong>en</strong> we voor e<strong>en</strong> tuin<br />
van 75-200m² als refer<strong>en</strong>tie 120 m² nem<strong>en</strong> vind<strong>en</strong> we dat de waarde van de tuin<br />
per m² 34,7 € is. E<strong>en</strong> zeer kleine tuin wordt negatief gewaardeerd t<strong>en</strong> op zicht van<br />
ge<strong>en</strong> tuin, maar het verschil is niet significant. We vermoed<strong>en</strong> dat woning<strong>en</strong> met<br />
e<strong>en</strong> kleine tuin andere typische k<strong>en</strong>merk<strong>en</strong> bezitt<strong>en</strong> die niet in ons model vervat<br />
zitt<strong>en</strong>. Het k<strong>en</strong>merk “kleine tuin” vangt op deze manier e<strong>en</strong> niet vermelde negatief<br />
kwaliteitsk<strong>en</strong>merk op.<br />
Met betrekking tot het terras stell<strong>en</strong> we vast dat de lineaire b<strong>en</strong>adering niet opgaat<br />
<strong>en</strong> is de bevinding gelijkaardig als die bij e<strong>en</strong> tuin. E<strong>en</strong> klein terras biedt ge<strong>en</strong><br />
37
meerwaarde. E<strong>en</strong> groot terras echter wel. Dat <strong>en</strong>kel e<strong>en</strong> groot terras (>7m²) e<strong>en</strong><br />
echte meerwaarde biedt als buit<strong>en</strong>ruimte, lijkt aannemelijk indi<strong>en</strong> m<strong>en</strong> ervan<br />
uitgaat dat e<strong>en</strong> terras slechts e<strong>en</strong> meerwaarde biedt indi<strong>en</strong> m<strong>en</strong> er e<strong>en</strong> tafel op kan<br />
zett<strong>en</strong> met <strong>en</strong>kele stoel<strong>en</strong>.<br />
Voor de praktische bruikbaarheid van deze variabel<strong>en</strong> (tuin <strong>en</strong> terras) was het<br />
alvast aangewez<strong>en</strong> om deze op continue schaal - , in aantal are of m²- te<br />
bevrag<strong>en</strong>, wat tot veel meer inzicht kan leid<strong>en</strong> dan de gebruikte willekeurige<br />
categorieën in de bevraging. Op basis van bov<strong>en</strong>staande gegev<strong>en</strong>s kan alvast e<strong>en</strong><br />
voorlopige schatting gemaakt word<strong>en</strong> door lineair te interpoler<strong>en</strong>.<br />
Tabel 11 Geschatte waarde buit<strong>en</strong>ruimte in vergelijking met ge<strong>en</strong> buit<strong>en</strong>ruimte, overzicht<br />
hedonische resultat<strong>en</strong> (VMSW-dataset 2008)<br />
Variabele type Model (1) Model (2)<br />
Coëfficiënt <strong>en</strong><br />
(standaardfout)<br />
Terras 7m² Dummy 11.85 15.56<br />
(8.869) (9.713)<br />
Tuin 200m² Dummy 40.72*** 48.21***<br />
(11.40) (11.68)<br />
5.1.1.4 Slaapkamers <strong>en</strong> bewoonbare oppervlakte<br />
5.1.1.4.1 Slaapkamers<br />
De resultat<strong>en</strong> die in tabel 9 word<strong>en</strong> gepres<strong>en</strong>teerd, zijn de resultat<strong>en</strong> na het<br />
creër<strong>en</strong> van e<strong>en</strong> interactie-effect tuss<strong>en</strong> <strong>en</strong>erzijds e<strong>en</strong> gewog<strong>en</strong> som van<br />
kwaliteitsk<strong>en</strong>merk<strong>en</strong> <strong>en</strong> anderzijds het aantal slaapkamers. Het opnem<strong>en</strong> van dit<br />
interactie-effect impliceert dat de coëfficiënt<strong>en</strong> voor het aantal slaapkamers op zich<br />
(slaapkamer1, slaapkamer2,…) naar b<strong>en</strong>ed<strong>en</strong> word<strong>en</strong> gecorrigeerd doordat e<strong>en</strong><br />
deel van de verklaringskracht van het aantal slaapkamers ook vervat zit in dit<br />
interactie-effect. In onderstaande tabel 12 bevind<strong>en</strong> zich deze coëfficiënt<strong>en</strong> zoals<br />
geschat in de eerste stap van de regressieanalyse. Deze coëfficiënt<strong>en</strong> van deze<br />
modellering zijn e<strong>en</strong>voudiger te interpreter<strong>en</strong>. Zo geeft figuur 8 weer dat de<br />
bijkom<strong>en</strong>de waarde van e<strong>en</strong> slaapkamer op deze manier ongeveer 60€ bedraagt.<br />
Bréchet (2009) vond in zijn hedonische prijsanalyse rond de luchthav<strong>en</strong> van<br />
Zav<strong>en</strong>tem e<strong>en</strong> coëfficiënt van 0,12 voor het aantal slaapkamers. Aangezi<strong>en</strong> de<br />
auteur e<strong>en</strong> log-lineair regressiemodel gebruikt, impliceert dit dat de woningprijs met<br />
12% to<strong>en</strong>eemt bij e<strong>en</strong> additionele slaapkamer. Wanneer we dit resultaat ‘vertal<strong>en</strong>’<br />
38
naar onze huidige context, vind<strong>en</strong> we dat bij e<strong>en</strong> gemiddelde huurprijs van 500 €<br />
(refer<strong>en</strong>tiepunt) de prijs voor e<strong>en</strong> woning met één additionele slaapkamer 560 €<br />
bedraagt (=1,12*500). De meerwaarde van één additionele slaapkamer op basis<br />
van Bréchet zijn resultat<strong>en</strong> bedraagt dus ev<strong>en</strong>e<strong>en</strong>s 60 € 8 .<br />
Tabel 12 Resultat<strong>en</strong> van geschatte waarde van het aantal slaapkamers zonder interactieeffect<strong>en</strong>,<br />
, overzicht hedonische resultat<strong>en</strong> (VMSW-dataset 2008)<br />
Variabele Aantal (1) (2)<br />
Slaapkamer 1 Coëfficiënt 62.73*** 89.44***<br />
Standaardfout (17.00) (14.48)<br />
Meerwaarde t.o.v. N-1 62.73 89.44<br />
2 Coëfficiënt 120.6*** 147.5***<br />
Standaardfout (17.34) (14.66)<br />
Meerwaarde t.o.v. N-1 57.87 58.06<br />
3 Coëfficiënt 175.1*** 203.6***<br />
Standaardfout (17.81) (15.34)<br />
Meerwaarde t.o.v. N-1 54.5 56.1<br />
4 Coëfficiënt 207.0*** 242.2***<br />
Standaardfout (18.65) (16.87)<br />
Meerwaarde t.o.v. N-1 31.9 38.6<br />
5 Coëfficiënt 256.6*** 299.5***<br />
Standaardfout (23.97) (22.60)<br />
Meerwaarde t.o.v. N-1 49.6 57.3<br />
6 Coëfficiënt 221.3*** 330.0***<br />
Standaardfout (30.54) (29.01)<br />
Meerwaarde t.o.v. N-1 -35.3 30.5<br />
8 Bemerk dat in het model van Bréchet, waar de slaapkamer zonder kwadratische<br />
veelterm wordt gemodelleerd, de (semi)logaritmische variant niet logisch is: de<br />
meerwaarde van elke slaapkamer stijgt met het aantal slaapkamers, wat kritisch<br />
beschouwd kan word<strong>en</strong>. De hier voorgestelde variant, e<strong>en</strong> dal<strong>en</strong>de marginale<br />
waarde van het aantal slaapkamers, is veel intuïtiever.<br />
39
Figuur 8 Meerwaarde van x kamers in vergelijking met x-1 kamers, volg<strong>en</strong>s de 2 modell<strong>en</strong><br />
(VMSW dataset 2008))<br />
5.1.1.4.2 Oppervlakte<br />
De totale bewoonbare oppervlakte van e<strong>en</strong> woning is niet gegev<strong>en</strong>. Deze<br />
variabele is echter één van de meest belangrijke <strong>en</strong> relevante factor<strong>en</strong> voor de<br />
waarde van e<strong>en</strong> woning. Aangezi<strong>en</strong> de woning<strong>en</strong> in de steekproef echter sociale<br />
woning<strong>en</strong> betreft, die volg<strong>en</strong>s bepaalde standaard<strong>en</strong> gebouwd word<strong>en</strong>, kunn<strong>en</strong> we<br />
e<strong>en</strong> inschatting van de bewoonbare oppervlakte mak<strong>en</strong> op basis van het aantal<br />
slaapkamers. Bemerk dat de to<strong>en</strong>ame per slaapkamer niet gelijk is aan de grootte<br />
van elke bijkom<strong>en</strong>de slaapkamer, maar wel de to<strong>en</strong>ame van de hele bewoonbare<br />
oppervlakte.<br />
Tabel 13 Relatie tuss<strong>en</strong> slaapkamers <strong>en</strong> bewoonbare oppervlakte (sociale woningbouw)<br />
Slaapkamers Bewoonbare opp. (m²)<br />
0 38<br />
1 57 19<br />
2 75 18<br />
3 95 20<br />
4 111 16<br />
5 127 16<br />
To<strong>en</strong>ame per<br />
slaapkamer (m²)<br />
Bron kostprijssimulatie 2009 VMSW, eig<strong>en</strong> berek<strong>en</strong>ing (gemiddelde)<br />
Wanneer we het aantal slaapkamers ‘vertal<strong>en</strong>’ naar de bewoonbare oppervlakte (<br />
per extra slaapkamer vergroot de woning ongeveer 20 m²) verkrijg<strong>en</strong> we dat de<br />
additionele waarde van e<strong>en</strong> extra vierkante meter 3€ bedraagt (60€/20m 2 = 3€/m 2 ).<br />
Wanneer we dit doorvertal<strong>en</strong> naar de verkoopprijs door te verm<strong>en</strong>igvuldig<strong>en</strong> met<br />
40
264, geeft dit 792€/m 2 , hetge<strong>en</strong> e<strong>en</strong> aannemelijk resultaat als we het vergelijk<strong>en</strong><br />
met nieuwbouwprijz<strong>en</strong> per m² (vanaf 1000 €/m²)<br />
Volg<strong>en</strong>s het Woningwaarderingsstelsel in Nederland (ook wel punt<strong>en</strong>systeem<br />
g<strong>en</strong>oemd) geldt vanaf 1 juli 2010 9 dat e<strong>en</strong> woning 1 punt per m 2 kameroppervlakte<br />
krijgt. Elk punt bedraagt omgerek<strong>en</strong>d ongeveer 5€ huurprijs. Voor e<strong>en</strong> extra kamer<br />
ter grootte van 20 m 2 zou dit dus ongeveer overe<strong>en</strong>kom<strong>en</strong> met 100 euro. In ons<br />
geval is dit echter minder (ongeveer 3€/m 2 ). E<strong>en</strong> mogelijke verklaring zou kunn<strong>en</strong><br />
zijn dat m<strong>en</strong> in Nederland compacter woont voor dezelfde prijs. Bov<strong>en</strong>di<strong>en</strong> is het<br />
Nederlandse stelsel normatief <strong>en</strong> niet gebaseerd op de situatie op de markt, zoals<br />
onze hedonische analyse doet.<br />
5.1.1.4.3 Immo data<br />
In deze analyse hebb<strong>en</strong> we ook gebruik gemaakt van immo-data. De eerdere<br />
schatting<strong>en</strong> zijn gedaan op basis van VMSW data, <strong>en</strong> hadd<strong>en</strong> dus betrekking op<br />
sociale huurwoning<strong>en</strong>. T<strong>en</strong>einde onze externe validiteit te controler<strong>en</strong> hebb<strong>en</strong> we<br />
ons model ook getest voor immo-data, met name de gevraagde verhuurprijz<strong>en</strong><br />
voor appartem<strong>en</strong>t<strong>en</strong> op de private markt. We gebruik<strong>en</strong> de variabel<strong>en</strong> oppervlakte<br />
(in m 2 ), oppervlakte gekwadrateerd, aantal slaapkamers <strong>en</strong> het aantal slaapkamers<br />
gekwadrateerd als verklar<strong>en</strong>de variabel<strong>en</strong>. Verder voeg<strong>en</strong> we ook nog dummies<br />
voor de verschill<strong>en</strong>de geme<strong>en</strong>t<strong>en</strong> toe. De resultat<strong>en</strong> van deze regressies bevind<strong>en</strong><br />
zich in onderstaande tabell<strong>en</strong> <strong>en</strong> grafiek.<br />
Tabel 14 Regressieresultat<strong>en</strong> van slaapkamer <strong>en</strong> oppervlakte coëfficiënt<strong>en</strong> op basis van<br />
vraagprijz<strong>en</strong> van immo-data appartem<strong>en</strong>t<strong>en</strong>, 2011<br />
slaapkamers oppervlakte beide Beide +<br />
geme<strong>en</strong>te-<br />
effect<strong>en</strong><br />
Aantal slaapkamers 195,33 65,0586 84.51<br />
Aantal slaapkamers² (kwadr.) -20,40 -13,7020 -15.59<br />
Oppervlakte 5,3565 4,7749 4.928<br />
Oppervlakte² (kwadr.) -0,0092 -0,0071 -0.0069<br />
Constante 447,13 319,8235 285,4242 149.8<br />
R² (verklaarde variantie) 16.2% 34,2% 34.5% 54.8%<br />
Het eerste opmerkelijke resultaat is dat het aantal slaapkamers veel minder<br />
verklar<strong>en</strong>de kracht heeft dan oppervlakte. Bov<strong>en</strong>di<strong>en</strong> speelt in deze regressie ook<br />
multicollineariteit e<strong>en</strong> belangrijke rol. De R² in e<strong>en</strong> model met <strong>en</strong>kel slaapkamers is<br />
16.2%. Voegt m<strong>en</strong> slaapkamers toe aan e<strong>en</strong> model met oppervlakte, dan stijgt de<br />
R² met e<strong>en</strong> luttele 0.3%. De meerwaarde van het aantal slaapkamers is dus<br />
minimaal indi<strong>en</strong> de oppervlakte reeds als variabele in het model opg<strong>en</strong>om<strong>en</strong> is.<br />
Beide variabel<strong>en</strong> zijn echter wel significant. Bemerk dat voor appartem<strong>en</strong>t<strong>en</strong><br />
oppervlakte, slaapkamers <strong>en</strong> geme<strong>en</strong>tedummies reeds 54.8% van de variantie<br />
verklar<strong>en</strong>.<br />
9 http://www.vrom.nl/pagina.html?id=46377<br />
41
Indi<strong>en</strong> we deze resultat<strong>en</strong> will<strong>en</strong> gebruik<strong>en</strong> om te vergelijk<strong>en</strong> met de VMSW<br />
dataset, strand<strong>en</strong> we op <strong>en</strong>kele problem<strong>en</strong>, <strong>en</strong>erzijds met betrekking tot de<br />
bewoonbare oppervlakte, anderzijds met betrekking tot de prijs.<br />
Bij zoekertjes die aangebod<strong>en</strong> word<strong>en</strong> moet m<strong>en</strong> betreft de oppervlakte met drie<br />
elem<strong>en</strong>t<strong>en</strong> rek<strong>en</strong>ing houd<strong>en</strong> volg<strong>en</strong>s Jacques Gerbaud van de Koninklijke<br />
Confederatie der Landmeters-Expert<strong>en</strong> (KCLE) 10 .<br />
T<strong>en</strong> eerste moet het duidelijk zijn of het om netto- dan wel bruto oppervlakte gaat.<br />
E<strong>en</strong> iets ouder gebouw heeft vaak dikkere mur<strong>en</strong>. Het verschil tuss<strong>en</strong> beide kan<br />
e<strong>en</strong> verschil van 10-15% uitmak<strong>en</strong>.<br />
Daarnaast is er verschil tuss<strong>en</strong> nuttige <strong>en</strong> totale netto-oppervlakte. Zolders,<br />
kelders, terras, etc. tell<strong>en</strong> uiteraard niet zo sterk mee.<br />
T<strong>en</strong> laatste is er in appartem<strong>en</strong>t<strong>en</strong> e<strong>en</strong> onderscheid tuss<strong>en</strong> privé <strong>en</strong><br />
geme<strong>en</strong>schappelijke ruimt<strong>en</strong> zoals trapp<strong>en</strong>. In principe mog<strong>en</strong> deze laatst<strong>en</strong> nooit<br />
meegeteld word<strong>en</strong>.<br />
Onderstaande tabel geeft alvast e<strong>en</strong> vergelijking van de gemiddelde bewoonbare<br />
oppervlakte in functie van het aantal slaapkamers tuss<strong>en</strong> zowel de immo-data als<br />
de VMSW data. Rek<strong>en</strong>ing houd<strong>en</strong>d met bov<strong>en</strong>staande bemerking<strong>en</strong> is het echter<br />
niet duidelijk als de bewoonbare oppervlakte tuss<strong>en</strong> beide markt<strong>en</strong> daadwerkelijk<br />
verschill<strong>en</strong>.<br />
Tabel 15 Overzicht gemiddelde bewoonbare oppervlakte per aantal slaapkamers<br />
Aantal<br />
slaapkamers<br />
Bewoonbare oppervlakte (m²)<br />
VMSW<br />
Bewoonbare oppervlakte (m²)<br />
Immo-sites<br />
1 57 67<br />
2 75 98<br />
3 95 127<br />
4 111 175<br />
5 127 170<br />
Bron: VMSW, immo-sites 2011, eig<strong>en</strong> bewerking<br />
Bov<strong>en</strong>di<strong>en</strong> zull<strong>en</strong> ook de prijz<strong>en</strong> moeilijk vergelijkbaar zijn want het tijdstip van<br />
bevraging verschill<strong>en</strong>d. De immo-data zijn in 2011 verzameld, terwijl de huurprijz<strong>en</strong><br />
in de VMSW dataset in 2008 geschat zijn. Dit kan e<strong>en</strong> prijsverschil verklar<strong>en</strong> van<br />
10%. E<strong>en</strong> ander aandachtspunt <strong>en</strong> bron van mogelijke vertek<strong>en</strong>ing volgt uit het feit<br />
dat de zoekertjes op immo-sites veelal via professionele bemiddeling verhuurd<br />
word<strong>en</strong>, wat e<strong>en</strong> prijsopdrijv<strong>en</strong>d effect kan hebb<strong>en</strong>. T<strong>en</strong>slotte zijn er in deze<br />
hedonische prijsanalyse van immo huurprijz<strong>en</strong> slechts e<strong>en</strong> paar variabel<strong>en</strong> mee<br />
opg<strong>en</strong>om<strong>en</strong> in het model. Hierdoor word<strong>en</strong> de waard<strong>en</strong> van verschill<strong>en</strong>de andere<br />
woningk<strong>en</strong>merk<strong>en</strong> die sam<strong>en</strong>hang<strong>en</strong> met de grootte <strong>en</strong> het aantal slaapkamers in<br />
de coëfficiënt<strong>en</strong> van deze laatste verklaard. Indi<strong>en</strong> e<strong>en</strong> hoogr<strong>en</strong>dem<strong>en</strong>tsketel bvb.<br />
vaker voorkomt in grotere woning<strong>en</strong>, zal e<strong>en</strong> deel van dit positief effect zich<br />
vertal<strong>en</strong> in e<strong>en</strong> hogere coëfficiënt van de grootte van de woning.<br />
Figuur 9 toont e<strong>en</strong> vergelijking tuss<strong>en</strong> resultat<strong>en</strong> van beide schatting<strong>en</strong> waarbij de<br />
relatie tuss<strong>en</strong> de oppervlakte <strong>en</strong> het aantal kamers in sociale woning<strong>en</strong> (tabel 13)<br />
10 De Tijd, zaterdag 23 juli 2011<br />
42
verm<strong>en</strong>igvuldigd word<strong>en</strong> met de geschatte coëfficiënt<strong>en</strong> van de immo-data (tabel<br />
14). Bov<strong>en</strong>staande bespreking kan deze verschill<strong>en</strong> voor e<strong>en</strong> groot deel verklar<strong>en</strong>.<br />
Figuur 9 Slaapkamer-oppervlakte, vergelijking immo-data (2011) met VMSW data (2008)<br />
160,00 €<br />
140,00 €<br />
120,00 €<br />
100,00 €<br />
80,00 €<br />
60,00 €<br />
40,00 €<br />
20,00 €<br />
0,00 €<br />
0->1 1->2 2->3 3->4 4->5<br />
5.1.1.4.4 Conclusie grootte <strong>en</strong> aantal slaapkamers<br />
immo<br />
vmsw<br />
De immo-data set heeft alvast duidelijk gemaakt dat bewoonbare oppervlakte e<strong>en</strong><br />
meer betrouwbare maatstaf is dan aantal slaapkamers, wat te verwacht<strong>en</strong> is.<br />
Continue variabel<strong>en</strong> lat<strong>en</strong> meer verfijnde schatting<strong>en</strong> toe. Daarom vertal<strong>en</strong> we de<br />
slaapkamer coëfficiënt<strong>en</strong> uit de resultat<strong>en</strong> van het VMSW model naar<br />
oppervlaktes. Aangezi<strong>en</strong> sociale woning<strong>en</strong> volg<strong>en</strong>s bepaalde norm<strong>en</strong> gebouwd<br />
zijn, kunn<strong>en</strong> we gebruik mak<strong>en</strong> van de gek<strong>en</strong>de relatie tuss<strong>en</strong> de bewoonbare<br />
oppervlakte <strong>en</strong> het aantal slaapkamers bij sociale woning<strong>en</strong>. Dit maakt het model<br />
exacter <strong>en</strong> bruikbaar voor de private huurmarkt.<br />
Voor de dummy variabel<strong>en</strong> gaan we de coëfficiënt<strong>en</strong> voor de slaapkamer naar<br />
oppervlakt<strong>en</strong> vertal<strong>en</strong> door e<strong>en</strong> kwadratische veelterm te schatt<strong>en</strong>, zoals in figuur<br />
10 weergegev<strong>en</strong>. We vervang<strong>en</strong> bijgevolg de dummy voor slaapkamers door<br />
volg<strong>en</strong>de formule.<br />
Dummy slaapkamer => -92.542 + 3.214 oppervlakte – 0.013 oppervlakte²<br />
We moet<strong>en</strong> ook rek<strong>en</strong>ing houd<strong>en</strong> met het feit dat het aantal slaapkamers in finaal<br />
model (1) ook gebruikt wordt om de grootte te berek<strong>en</strong><strong>en</strong> die di<strong>en</strong>t bij de<br />
interactieterm tuss<strong>en</strong> grootte <strong>en</strong> kwaliteit. Op basis van de k<strong>en</strong>merk<strong>en</strong> van de<br />
norm<strong>en</strong> voor sociale woningbouw vervang<strong>en</strong> we het aantal slaapkamers hier door<br />
e<strong>en</strong> to<strong>en</strong>ame van 20m² gemiddeld per slaapkamer aan te rek<strong>en</strong><strong>en</strong>, te start<strong>en</strong> van<br />
35 m² voor e<strong>en</strong> studio zonder slaapkamer. Dit geeft volg<strong>en</strong>de formule.<br />
Interactie slaapkamer =>(oppervlakte – 35)/20<br />
43
Figuur 10: Kwadratische veeltermschatting voor oppervlakte- coëfficiënt te berek<strong>en</strong><strong>en</strong> ter<br />
vervanging van coëfficiënt<strong>en</strong> van dummy variabele slaapkamers (VMSW data<br />
2008)<br />
140 €<br />
120 €<br />
100 €<br />
80 €<br />
60 €<br />
40 €<br />
20 €<br />
0 €<br />
0 20 40 60 80 100 120 140<br />
oppervlakte<br />
Coëfficiënt Standardfout Significantie<br />
Intercept -92,542 32,663 ***<br />
opp2 -0,013 0,005 ***<br />
opp 3,214 0,855 ***<br />
veeltermschatting op basis van hedonische resultat<strong>en</strong> model (1) <strong>en</strong> tabel 13.<br />
Bron: VMSW, eig<strong>en</strong> bewerking<br />
5.1.1.5 Parkeermogelijkheid <strong>en</strong>/of garage<br />
De waarde van e<strong>en</strong> garage/parkeermogelijkheid, of die nu individueel (carport,<br />
garage, garagebox, …) of gegroepeerd aanwezig is (bov<strong>en</strong>gronds, garagebox, of<br />
ondergronds), zal voornamelijk to<strong>en</strong>em<strong>en</strong> wanneer er in de buurt/omgeving e<strong>en</strong><br />
parkeerprobleem is. De waarde van e<strong>en</strong> garage is zeer plaatsafhankelijk. T<strong>en</strong>einde<br />
dit probleem op te loss<strong>en</strong> hebb<strong>en</strong> we e<strong>en</strong> interactie-effect gecreëerd tuss<strong>en</strong><br />
<strong>en</strong>erzijds garage (de aard van de garage is dus niet gedefinieerd) <strong>en</strong> anderzijds<br />
bevolkingsdichtheid. Het interactie-effect tuss<strong>en</strong> <strong>en</strong>erzijds garage<br />
(dummyvariabele) <strong>en</strong> anderzijds bevolkingsdichtheid (continu) zorgt ervoor dat het<br />
model e<strong>en</strong> hogere waarde toewijst aan de aanwezigheid van e<strong>en</strong> garage wanneer<br />
deze geleg<strong>en</strong> is in dichtbevolkt gebied, waar parkeerproblem<strong>en</strong> meer waarschijnlijk<br />
zijn.<br />
44
Tabel 16 VMSW kostprijs simulatie forfaitaire post garages (2009)<br />
garages – gegroepeerd 7,500.00 EUR /stuk<br />
carports – gegroepeerd 3,500.00 EUR /stuk<br />
bov<strong>en</strong>grondse verharde parkeerplaats<strong>en</strong> 2,000.00 EUR /stuk<br />
ondergrondse staanplaats<strong>en</strong> / garages 14,000.00 EUR /stuk<br />
Figuur 11 Aankoopwaarde garage in functie van bevolkingsdichtheid (bevolking per km²)<br />
Zoals zichtbaar op de figuur is e<strong>en</strong> garage in <strong>en</strong>kele van de meest dichtbevolkte<br />
gebied<strong>en</strong> van Vlaander<strong>en</strong>, ongeveer 25000 euro waard, terwijl e<strong>en</strong> garage in de<br />
geme<strong>en</strong>te Haaltert (bevolkingsdichtheid van ongeveer 580 inwoners per vierkante<br />
kilometer) slechts <strong>en</strong>kele honderd<strong>en</strong> euro’s waard is. Dit komt overe<strong>en</strong> met onze<br />
verwachting<strong>en</strong>. Voor de huurprijs van e<strong>en</strong> garage vind<strong>en</strong> we volg<strong>en</strong>s ons model :<br />
Huurprijs garage = 0.004 * bevolkingsdichtheid<br />
De huurprijs in de dichtstbevolkte gebied<strong>en</strong> loopt daardoor op tot 100 euro per<br />
maand (0.004*25.000). Hierbij is ge<strong>en</strong> rek<strong>en</strong>ing gehoud<strong>en</strong> met het onderscheid<br />
tuss<strong>en</strong> diverse soort<strong>en</strong> garages. Op basis van immodata (2011) vind<strong>en</strong> we<br />
volg<strong>en</strong>de gemiddelde huurprijz<strong>en</strong> voor de verschill<strong>en</strong>de types garages: Voor e<strong>en</strong><br />
buit<strong>en</strong>staanplaats 69,59 €, voor e<strong>en</strong> binn<strong>en</strong>staanplaats 81,02 €, <strong>en</strong> voor e<strong>en</strong><br />
private geslot<strong>en</strong> garagebox 87,27 €. Daartoe stell<strong>en</strong> we voor om rek<strong>en</strong>ing te<br />
houd<strong>en</strong> met de meerwaarde van e<strong>en</strong> binn<strong>en</strong>staanplaats <strong>en</strong> geslot<strong>en</strong> garabox door<br />
deze als dummy variabele mee op te nem<strong>en</strong>. Dit leidt tot volg<strong>en</strong>de formule voor de<br />
hedonische huurprijsberek<strong>en</strong>ing van e<strong>en</strong> garage 11 .<br />
11 Enerzijds kan m<strong>en</strong> opmerk<strong>en</strong> dat deze uitbreiding van de formule<br />
niet exact is, aangezi<strong>en</strong> m<strong>en</strong> voor de duurdere types garages e<strong>en</strong> extra<br />
bedrag bij de huurprijs gaat optell<strong>en</strong>. Volg<strong>en</strong>s de onderzoekers is dit<br />
ev<strong>en</strong>wel opportuun om te do<strong>en</strong>, op voorwaarde dat de bewoonbare<br />
oppervlakte variabele garages niet mee opneemt in zijn berek<strong>en</strong>ing.<br />
45
Huurprijs garage = 0.004*bevolkingsdichtheid + 11,4 binn<strong>en</strong>staanplaats + 17,6<br />
geslot<strong>en</strong> garagebox.<br />
5.1.1.6 Ruimtecomfort<br />
Het ruimtecomfort blijkt ev<strong>en</strong>e<strong>en</strong>s e<strong>en</strong> belangrijke rol te spel<strong>en</strong>. Wanneer de<br />
notaris aangaf de ruimte als ‘basis’ te beschouw<strong>en</strong> bleek dat hij of zij de huurprijs<br />
van de woning ongeveer 21,5 € hoger schatte dan wanneer de ruimte werd<br />
beschouwd als zijnde ‘klein’. E<strong>en</strong> grote ruimte werd met ongeveer 37,1€ meer<br />
gewaardeerd dan e<strong>en</strong> woning waarvan de ruimte werd ervar<strong>en</strong> als klein. De<br />
meerwaarde hier van e<strong>en</strong> grote ruimte t<strong>en</strong> opzichte van e<strong>en</strong> basis ruimte is kleiner<br />
dan de meerwaarde van e<strong>en</strong> basisruimte t<strong>en</strong> opzichte van e<strong>en</strong> kleine ruimte. Er is<br />
dan ook sprake van e<strong>en</strong> dal<strong>en</strong>de marginale waarde van ruimte(beleving). Het is<br />
ev<strong>en</strong>wel niet duidelijk of deze variabele het subjectief gevoel van ruimte meet<br />
(comfort), of di<strong>en</strong>t gezi<strong>en</strong> te word<strong>en</strong> als effectieve grootte-indicator in aanvulling op<br />
het aantal slaapkamers. Vermits we de variabele slaapkamers reeds doorvertaald<br />
hebb<strong>en</strong> naar oppervlakte, zou het kunn<strong>en</strong> dat deze variabele niet langer nodig is,<br />
want mogelijk tot “dubbeltelling<strong>en</strong>” kan leid<strong>en</strong> (bvb. e<strong>en</strong> groot appartem<strong>en</strong>t met<br />
slechts één slaapkamer gaat door deze doorvertaling van slaapkamer naar<br />
oppervlakte immers automatisch sterker doorweg<strong>en</strong>)<br />
5.1.2 Uitrustingsniveau<br />
De variabele vertoont het duidelijk verwachte patroon <strong>en</strong> leidt tot e<strong>en</strong> aanzi<strong>en</strong>lijke<br />
meerwaarde. E<strong>en</strong> zeer goede keuk<strong>en</strong> heeft e<strong>en</strong> maandelijkse meerwaarde van<br />
ongeveer 35 euro t<strong>en</strong> opzichte van e<strong>en</strong> zeer slechte keuk<strong>en</strong>. Wanneer we deze<br />
meerwaarde verm<strong>en</strong>igvuldig<strong>en</strong> met 264 bekom<strong>en</strong> we 9240 €. Dit bedrag lijkt<br />
plausibel voor de aanschaf van kwalitatief hoogwaardige keuk<strong>en</strong>. De resultat<strong>en</strong><br />
van sanitair, verwarming <strong>en</strong> v<strong>en</strong>tilatie zijn gelijkaardig.<br />
De variabele warmwatervoorzi<strong>en</strong>ing hebb<strong>en</strong> we vere<strong>en</strong>voudigd tot goed <strong>en</strong> slecht.<br />
Enkel indi<strong>en</strong> de warmwatervoorzi<strong>en</strong>ing verouderd, niet voorzi<strong>en</strong> of onveilig was<br />
bleek dit e<strong>en</strong> minwaarde te bied<strong>en</strong>.<br />
De staat van de elektrische installatie bleek niet significant. Mogelijke verklaring<strong>en</strong><br />
zijn dat de bevraging hiervan te technisch is, of de meerwaarde vervat zit in e<strong>en</strong><br />
andere variabele, of de staat van de elektrische installatie in de meeste sociale<br />
woning<strong>en</strong> redelijk in orde is, <strong>en</strong> m<strong>en</strong> ge<strong>en</strong> meerwaarde “ziet” in e<strong>en</strong> rec<strong>en</strong>te<br />
installatie. De waarde van de keuk<strong>en</strong>, de verwarming <strong>en</strong> het sanitair hang<strong>en</strong><br />
daar<strong>en</strong>bov<strong>en</strong> ook af van hun esthetisch karakter.<br />
5.1.3 Bouwfysische kwaliteit , interne <strong>en</strong> externe staat<br />
Zichtbare kwaliteit<strong>en</strong> blijk<strong>en</strong> hier e<strong>en</strong> grote rol te spel<strong>en</strong>. Zo speelt dubbele<br />
beglazing e<strong>en</strong> belangrijke rol, waarvoor de meerwaarde geschat wordt op 13 € in<br />
vergelijking met <strong>en</strong>kele beglazing of ram<strong>en</strong> in slechte staat.<br />
Met betrekking tot isolatie speelt <strong>en</strong>kel dakisolatie e<strong>en</strong> kleine relevante rol.<br />
Muur- vloer- <strong>en</strong> geluidsisolatie zijn niet relevant. Dakisolatie is bov<strong>en</strong>di<strong>en</strong> op<br />
continue schaal gemet<strong>en</strong>, wat wil zegg<strong>en</strong> dat ge<strong>en</strong> dakisolatie zonder onderdak<br />
e<strong>en</strong> minwaarde heeft van om <strong>en</strong> bij de 5 euro t.o.v. dakisolatie K45 met<br />
dampscherm (>2003). B<strong>en</strong>ny Cra<strong>en</strong>hals van de Vlaamse Architect<strong>en</strong>organisatie<br />
(NAV) 12 citeerde het als volgt:<br />
12 Knack 24-30 augustus 2011<br />
46
“Vandaag spel<strong>en</strong> factor<strong>en</strong> als ligging, comfort of esthetiek inderdaad e<strong>en</strong><br />
grotere rol, maar het belang van <strong>en</strong>ergiezuinigheid zal ongetwijfeld stijg<strong>en</strong>.<br />
Red<strong>en</strong> te meer om de status van het EPC dring<strong>en</strong>d op te vijzel<strong>en</strong>.”<br />
Deze schatting<strong>en</strong> zijn in 2008 uitgevoerd. Isolatie wordt mom<strong>en</strong>teel niet<br />
opg<strong>en</strong>om<strong>en</strong> in het model, maar is alvast e<strong>en</strong> op te volg<strong>en</strong> variabele. Of speelt<br />
<strong>en</strong>ergiezuinigheid, waarbij vooral gewez<strong>en</strong> wordt op de meeropbr<strong>en</strong>gst<strong>en</strong> op lange<br />
termijn, minder mee voor de huurders ? In teg<strong>en</strong>stelling tot esthetische kwaliteit<strong>en</strong><br />
(pleisterwerk, tablett<strong>en</strong> <strong>en</strong> wandbekleding) is het voor de huurder moeilijker om<br />
direct het voordeel <strong>en</strong>ergiezuinigheid te zi<strong>en</strong>. Het zou uiteraard Interessant zijn<br />
moest het <strong>en</strong>ergieverbruik <strong>en</strong> de daarbij hor<strong>en</strong>de kost<strong>en</strong> mee in de dataset zijn<br />
opg<strong>en</strong>om<strong>en</strong>.<br />
5.1.4 Omgevingsfactor<strong>en</strong><br />
In de vorige sectie besprak<strong>en</strong> we <strong>en</strong>kel de k<strong>en</strong>merk<strong>en</strong> van het pand zelf.<br />
Woningk<strong>en</strong>merk<strong>en</strong> bepal<strong>en</strong> voor e<strong>en</strong> aanzi<strong>en</strong>lijk deel de verhuurprijs van e<strong>en</strong><br />
woning. Maar hetzelfde geldt voor de omgevingsk<strong>en</strong>merk<strong>en</strong>.<br />
47
Tabel 17 Omgevingsk<strong>en</strong>merk<strong>en</strong><br />
Variabele Subcategorie Refer<strong>en</strong>tie Model (1) Model (2)<br />
Coëfficiënt <strong>en</strong> (standaardfout)<br />
Architectuur Doorsnee Zwak 10.09* 9.731*<br />
(5.431) (5.671)<br />
Goed 29.06*** 27.54***<br />
(7.042) (7.181)<br />
Buurtwerk Doorsnee Zwak 5.499 2.501<br />
(5.886) (5.894)<br />
Goed 1.002 1.998<br />
(6.681) (6.728)<br />
Geurhinder - Ge<strong>en</strong> -0.974 -4.555<br />
(7.422) (6.950)<br />
Buurt hinder Matig Ge<strong>en</strong> -5.894 -5.893<br />
(6.240) (6.543)<br />
Manifest -19.23 1.817<br />
(17.92) (15.00)<br />
Hoogspanning - Ge<strong>en</strong> -8.912 -2.174<br />
(7.478) (8.368)<br />
Publieke ruimte Doorsnee Zwak -3.910 16.49***<br />
(5.899) (5.656)<br />
Goed -5.473 12.45*<br />
(6.836) (6.648)<br />
Sociale mix Doorsnee Zwak 7.191 13.11*<br />
(7.967) (7.666)<br />
Goed 8.571 0.784<br />
(8.743) (8.069)<br />
Sociale veiligheid Doorsnee Zwak 15.30* 8.540<br />
Toegankelijkheid<br />
omgeving<br />
(9.143) (7.665)<br />
Goed 15.42 15.06*<br />
(10.05) (8.336)<br />
Doorsnee Zwak -21.47 -17.08<br />
(13.33) (13.63)<br />
Goed -23.79* -21.23<br />
Schaal Middel Klein<br />
(13.70) (13.85)<br />
-0.758 -4.111<br />
(4.956) (4.893)<br />
Groot -0.964 -10.91**<br />
(6.074) (5.464)<br />
De omgeving, ofwel locatie, speelt e<strong>en</strong> belangrijke rol in de prijsbepaling van e<strong>en</strong><br />
(huur)pand. T<strong>en</strong>einde dit effect te onderzoek<strong>en</strong> hebb<strong>en</strong> wij ook <strong>en</strong>kele<br />
omgevingsk<strong>en</strong>merk<strong>en</strong> uit de VMSW dataset opg<strong>en</strong>om<strong>en</strong> in onze regressieanalyse.<br />
48
In bov<strong>en</strong>staande tabel bevind<strong>en</strong> zich <strong>en</strong>kel de resultat<strong>en</strong> voor de<br />
omgevingsk<strong>en</strong>merk<strong>en</strong>.<br />
De meerwaarde van doorsnee of goed architecturaal karakter/uitzicht is aanzi<strong>en</strong>lijk<br />
<strong>en</strong> significant. Zo blijkt in ons model de huurmeerwaarde van ‘doorsnee’<br />
architectuur t<strong>en</strong> opzichte van ‘zwakke’ architectuur ongeveer 10 € te bedrag<strong>en</strong>,<br />
terwijl ‘goede’ architectuur zelfs e<strong>en</strong> meerwaarde biedt van ongeveer €28,- t<strong>en</strong><br />
opzichte van zwakke architectuur. De meerwaarde van ‘goede’ architectuur t<strong>en</strong><br />
opzichte van ‘doorsnee’ architectuur is dus groter dan de meerwaarde van<br />
‘doorsnee’ architectuur t<strong>en</strong> opzichte van ‘zwakke’ architectuur.<br />
De variabele geurhinder hebb<strong>en</strong> we in één dummy, dichotome variabele<br />
(aanwezig/niet aanwezig) vertaald, net zoals de variabele hoogspanningsleiding.<br />
Sociale mix <strong>en</strong> sociale veiligheid zoud<strong>en</strong> ook op deze manier opgedeeld kunn<strong>en</strong><br />
word<strong>en</strong>. De geschatte coëfficiënt<strong>en</strong> voor doorsnee <strong>en</strong> goed ligg<strong>en</strong> immers zeer<br />
dicht bij elkaar.<br />
Opmerkelijke variabel<strong>en</strong> die niet in het model werd<strong>en</strong> weerhoud<strong>en</strong> zijn<br />
omgevingsgro<strong>en</strong> <strong>en</strong> parkeermogelijkheid op buurtniveau. Hun invloed op de<br />
huurprijs bleek niet significant.<br />
Twee opmerkelijke variabel<strong>en</strong> die wel in het model zitt<strong>en</strong> zijn de toegankelijkheid<br />
van de omgeving <strong>en</strong> de inrichting publieke ruimte, waarvan de goede score<br />
negatief ingeschat wordt.<br />
Het is <strong>en</strong>igszins verwonderlijk dat de omgevingsfactor<strong>en</strong> in ons model minder<br />
duidelijk zijn dan verwacht. E<strong>en</strong> logische verklaring kan gevond<strong>en</strong> word<strong>en</strong> in het<br />
feit dat ook informatie over de statistische sector<strong>en</strong> mee opg<strong>en</strong>om<strong>en</strong> zijn in het<br />
model. Bij de geteste modell<strong>en</strong> waarbij deze statistische sectorinformatie niet als<br />
variabel<strong>en</strong> mee opg<strong>en</strong>om<strong>en</strong> war<strong>en</strong> in het model, was de variabele inrichting<br />
publieke ruimte immers wel positief. Het positieve effect van e<strong>en</strong> goede publieke<br />
ruimte kan hierdoor bvb. reeds vertaald zitt<strong>en</strong> in andere variabel<strong>en</strong>. Dit probleem<br />
van multicollineariteit wordt verder besprok<strong>en</strong> in punt 5.2 Statistische sector<strong>en</strong>.<br />
5.1.5 Afstandsvariabel<strong>en</strong><br />
Naast omgevingsk<strong>en</strong>merk<strong>en</strong> hadd<strong>en</strong> we de beschikking over <strong>en</strong>kele<br />
afstandsvariabel<strong>en</strong>. De afstand tot voorzi<strong>en</strong>ing<strong>en</strong> wordt over het algeme<strong>en</strong><br />
beschouwd als e<strong>en</strong> belangrijke determinant van de verhuurprijs. De resultat<strong>en</strong><br />
word<strong>en</strong> weergegev<strong>en</strong> in onderstaande tabel.<br />
49
Tabel 18 Afstandsvariabel<strong>en</strong><br />
Variabele Subcategorie Refer<strong>en</strong>tie Model (1) Model (2)<br />
Cultureel c<strong>en</strong>trum Minder dan 2<br />
kilometer<br />
Tuss<strong>en</strong> de 2 <strong>en</strong> 5<br />
kilometer<br />
Grootwar<strong>en</strong>huis Minder dan 2<br />
kilometer<br />
Grote of nationale<br />
weg<br />
Tuss<strong>en</strong> de 2 <strong>en</strong> 5<br />
kilometer<br />
Minder dan 2<br />
kilometer<br />
Tuss<strong>en</strong> de 2 <strong>en</strong> 5<br />
kilometer<br />
Op<strong>en</strong>baar vervoer Minder dan 2<br />
kilometer<br />
Tuss<strong>en</strong> de 2 <strong>en</strong> 5<br />
kilometer<br />
Basisschool Minder dan 2<br />
kilometer<br />
Middelbare<br />
school<br />
Tuss<strong>en</strong> de 2 <strong>en</strong> 5<br />
kilometer<br />
Minder dan 2<br />
kilometer<br />
Tuss<strong>en</strong> de 2 <strong>en</strong> 5<br />
kilometer<br />
Sportc<strong>en</strong>trum Minder dan 2<br />
kilometer<br />
Tuss<strong>en</strong> de 2 <strong>en</strong> 5<br />
kilometer<br />
Trein (IC) Minder dan 2<br />
kilometer<br />
Tuss<strong>en</strong> de 2 <strong>en</strong> 5<br />
kilometer<br />
Trein (IR) Minder dan 2<br />
kilometer<br />
Tuss<strong>en</strong> de 2 <strong>en</strong> 5<br />
kilometer<br />
Meer dan 5<br />
kilometer<br />
Meer dan 5<br />
kilometer<br />
Meer dan 5<br />
kilometer<br />
Meer dan 5<br />
kilometer<br />
Meer dan 5<br />
kilometer<br />
Meer dan 5<br />
kilometer<br />
Meer dan 5<br />
kilometer<br />
Meer dan 5<br />
kilometer<br />
Meer dan 5<br />
kilometer<br />
Coëfficiënt <strong>en</strong> (standaardfout)<br />
-3.428 -16.67**<br />
(8.169) (6.618)<br />
-5.790 -14.10**<br />
(7.334) (6.204)<br />
15.55 4.162<br />
(11.38) (10.80)<br />
25.24** 24.71**<br />
(11.34) (10.61)<br />
-5.513 -7.491<br />
(7.827) (5.986)<br />
-3.561 -7.030<br />
(7.035) (5.367)<br />
1.298 20.68<br />
(22.70) (21.71)<br />
-1.201 19.98<br />
(23.02) (22.18)<br />
70.39** 101.2***<br />
(32.77) (26.42)<br />
84.16** 108.7***<br />
(33.55) (27.05)<br />
-7.029 -15.44**<br />
(9.550) (7.061)<br />
-19.14** -18.28***<br />
(9.177) (6.839)<br />
16.83* 16.74**<br />
(9.463) (8.159)<br />
11.54 8.055<br />
(8.815) (7.678)<br />
10.16 24.77***<br />
(10.86) (7.331)<br />
-6.076 -3.392<br />
(9.791) (8.739)<br />
-7.965 -12.69*<br />
(11.17) (7.500)<br />
11.56 4.671<br />
(10.42) (9.026)<br />
50
Uit deze resultat<strong>en</strong> leid<strong>en</strong> we af dat m<strong>en</strong>s<strong>en</strong> hinder ondervind<strong>en</strong> van de<br />
aanwezigheid van culturele c<strong>en</strong>tra <strong>en</strong> middelbare schol<strong>en</strong>, terwijl de nabijheid van<br />
basisschol<strong>en</strong>, grootwar<strong>en</strong>huiz<strong>en</strong>, sportc<strong>en</strong>tra <strong>en</strong> e<strong>en</strong> IC-station wel positief<br />
gewaardeerd word<strong>en</strong>. De resultat<strong>en</strong> zijn minder duidelijk dan verwacht. Enerzijds<br />
kan dit kom<strong>en</strong> doordat de afstand in drie brede categorieën is bevraagd. E<strong>en</strong><br />
continue bevraging (afstand in kilometers, meters) zou meer inzicht bied<strong>en</strong>.<br />
Daarnaast zou m<strong>en</strong> ook e<strong>en</strong> beter beeld moet<strong>en</strong> hebb<strong>en</strong> van de kwaliteit<strong>en</strong> van de<br />
voorzi<strong>en</strong>ing<strong>en</strong>. Hoewel e<strong>en</strong> sportc<strong>en</strong>trum positief wordt beoordeeld, kan m<strong>en</strong><br />
veronderstell<strong>en</strong> dat e<strong>en</strong> sportc<strong>en</strong>trum waar elke week e<strong>en</strong> belangrijke<br />
voetbalmatch gespeeld wordt misschi<strong>en</strong> eerder geluidshinder zal veroorzak<strong>en</strong>. E<strong>en</strong><br />
school kan verkeershinder veroorzak<strong>en</strong>. De nabijheid van e<strong>en</strong> school is dus vooral<br />
belangrijk zijn voor gezinn<strong>en</strong> met kinder<strong>en</strong>, waarbij de meerwaarde bov<strong>en</strong>di<strong>en</strong> in<br />
grote mate wordt bepaald door de kwaliteit van die school (Black 1999). Het<br />
verschil in waardering in ons model tuss<strong>en</strong> e<strong>en</strong> IR- <strong>en</strong> IC-station ondersteunt dit<br />
elem<strong>en</strong>t alvast.<br />
51
5.2 Statistische sector<strong>en</strong><br />
Gegev<strong>en</strong>s op het niveau van de statistische sector kunn<strong>en</strong> ons help<strong>en</strong> bij het<br />
verklar<strong>en</strong> van de huurprijs. De gegev<strong>en</strong>s van de socio-economische <strong>en</strong>quête van<br />
2001 bevatt<strong>en</strong> omgevingsk<strong>en</strong>merk<strong>en</strong> zoals het perc<strong>en</strong>tage huurappartem<strong>en</strong>t<strong>en</strong>,<br />
het perc<strong>en</strong>tage woning<strong>en</strong> gebouwd voor 1945, indicator<strong>en</strong> met betrekking tot<br />
bereikbaarheid, uitzicht <strong>en</strong> voorzi<strong>en</strong>ing<strong>en</strong>, <strong>en</strong> (vele) andere k<strong>en</strong>merk<strong>en</strong>. De<br />
verklaringskracht van deze variabel<strong>en</strong> is pot<strong>en</strong>tieel groot <strong>en</strong> draagt bij tot onze<br />
begripsvorming hoe de verhuurprijs tot stand komt. E<strong>en</strong> belangrijke bemerking bij<br />
deze data is dat zij voor e<strong>en</strong> belangrijk deel beïnvloed word<strong>en</strong> door de<br />
aanwezigheid van sociale huurwoning<strong>en</strong>. Het gemiddeld aantal huishoud<strong>en</strong>s<br />
binn<strong>en</strong> e<strong>en</strong> statistische sector bedraagt 643. De aanwezigheid van e<strong>en</strong> sociaal<br />
wooncomplex kan dus zwaar doorweg<strong>en</strong>. Aangezi<strong>en</strong> dit mogelijk de resultat<strong>en</strong><br />
vertek<strong>en</strong>t, hebb<strong>en</strong> we in deze analyse ook gebruik gemaakt van de data van<br />
omligg<strong>en</strong>de statistische sector<strong>en</strong>. We hebb<strong>en</strong> met andere woord<strong>en</strong> meer<br />
informatie opg<strong>en</strong>om<strong>en</strong> in onze regressieanalyse dan <strong>en</strong>kel de statistische sector<br />
gegev<strong>en</strong>s van de statistische sector<strong>en</strong> waar zich sociale huurwoning<strong>en</strong> bevind<strong>en</strong>.<br />
T<strong>en</strong>einde deze additionele informatie te incorporer<strong>en</strong> in ons regressiemodel<br />
moet<strong>en</strong> we e<strong>en</strong> ruimtelijke ‘vertaling’ mak<strong>en</strong> van de betreff<strong>en</strong>de gegev<strong>en</strong>s. Als<br />
uitgangspunt nem<strong>en</strong> we e<strong>en</strong> gewog<strong>en</strong> gemiddelde van de 10 nearest neighbors.<br />
Elk k<strong>en</strong>merk krijgt dus naast de waarde ervan voor de eig<strong>en</strong> statistische sector<br />
waarin de sociale huurwoning geleg<strong>en</strong> is, e<strong>en</strong> waarde die gebaseerd is op de ti<strong>en</strong><br />
dichtbijgeleg<strong>en</strong> statistische sector<strong>en</strong>. Het gewicht dat elk van die ti<strong>en</strong> statistische<br />
sector<strong>en</strong> krijgt, is e<strong>en</strong> dal<strong>en</strong>de functie van de afstand. De nearest neighbor krijgt<br />
hierbij e<strong>en</strong> gewicht van 1, terwijl de 10 e alternatieve statistische sector e<strong>en</strong> gewicht<br />
toegewez<strong>en</strong> krijgt van 0,1. Vervolg<strong>en</strong>s berek<strong>en</strong><strong>en</strong> we de richtingscoëfficiënt <strong>en</strong><br />
intercept van e<strong>en</strong> lineaire functie (met afstand als variabele) <strong>en</strong> berek<strong>en</strong><strong>en</strong> we de<br />
gewicht<strong>en</strong> van de andere statistische sector<strong>en</strong> (de 8 tuss<strong>en</strong>ligg<strong>en</strong>de statistische<br />
sector<strong>en</strong>). Nadi<strong>en</strong> herschal<strong>en</strong> we de gewicht<strong>en</strong> zodanig dat de optelsom van de<br />
gewicht<strong>en</strong> gelijk is aan 1. Nadat we de gewicht<strong>en</strong> berek<strong>en</strong>d hebb<strong>en</strong> kunn<strong>en</strong> we<br />
gewog<strong>en</strong> gemiddeldes berek<strong>en</strong><strong>en</strong> van de verschill<strong>en</strong>de statistische sector<br />
variabel<strong>en</strong>. Uiteraard corriger<strong>en</strong> we voor ‘missing values’.<br />
De geschatte coëfficiënt<strong>en</strong> van de statistische sectorgegev<strong>en</strong>s bevind<strong>en</strong> zich in de<br />
onderstaande tabel. Omwille van de hoge correlatie tuss<strong>en</strong> veel van deze<br />
variabel<strong>en</strong> gaan we deze resultat<strong>en</strong> niet interpreter<strong>en</strong>. We beschouw<strong>en</strong> de<br />
statistische sector gegev<strong>en</strong>s als e<strong>en</strong> black box die ons moet help<strong>en</strong> bij het<br />
voorspell<strong>en</strong> van huurprijz<strong>en</strong>. Het opzet van dit onderzoek is immer niet het juiste<br />
gewicht toe te k<strong>en</strong>n<strong>en</strong> aan elke variabele apart. De nearest neighbor’s b<strong>en</strong>adering<br />
is bov<strong>en</strong>di<strong>en</strong> maar e<strong>en</strong> eerste manier om locatie-effect<strong>en</strong> duidelijker in beeld te<br />
br<strong>en</strong>g<strong>en</strong>. De method<strong>en</strong> om ruimtelijke analyses uit te voer<strong>en</strong> zijn mom<strong>en</strong>teel volop<br />
aan het groei<strong>en</strong>, mede dankzij het to<strong>en</strong>em<strong>en</strong>d aanbod aan GIS-data die hiervoor<br />
noodzakelijk zijn. Er zijn mogelijkhed<strong>en</strong> om met behulp van deze method<strong>en</strong> de<br />
analyses in de toekomst te verfijn<strong>en</strong>.<br />
52
Tabel 19 Statistische sector variabel<strong>en</strong><br />
Variabele Subcategorie Model (1) Model (2)<br />
Coëfficiënt <strong>en</strong> (standaardfout)<br />
Bevolkingsdichtheid Eig<strong>en</strong>, Lineair 0.00456 0.0104***<br />
Gemiddeld inkom<strong>en</strong><br />
per aangifte<br />
Gemiddelde<br />
woonoppervlakte<br />
Eig<strong>en</strong>,<br />
Vierkantswortel<br />
(0.00408) (0.00368)<br />
-0.805 -1.474***<br />
(0.586) (0.514)<br />
Omgeving -0.00147 -0.000484<br />
(0.00239) (0.00209)<br />
Eig<strong>en</strong> 0.00276 0.00376<br />
(0.00250) (0.00232)<br />
Omgeving 0.000199 0.00132<br />
(0.00132) (0.00103)<br />
Eig<strong>en</strong> 10.47 1.540<br />
(6.557) (6.636)<br />
Omgeving 3.297 24.03**<br />
(11.78) (10.87)<br />
Gezondheidsindex Eig<strong>en</strong> -2.515 24.54<br />
Indicator slechte<br />
bereikbaarheid<br />
Indicator slechte<br />
voorzi<strong>en</strong>ing<strong>en</strong><br />
Indicator slecht<br />
uitzicht<br />
Indicator woning<strong>en</strong><br />
in slechte staat<br />
Interkwartiele<br />
asymmetrie<br />
Interkwartiele<br />
coëfficiënt<br />
(28.53) (22.80)<br />
Omgeving -36.46 -15.08<br />
(41.80) (32.22)<br />
Eig<strong>en</strong> -0.131 -0.174**<br />
(0.0943) (0.0883)<br />
Omgeving 0.289* 0.159<br />
(0.149) (0.115)<br />
Eig<strong>en</strong> -0.0374 -0.0846<br />
(0.0623) (0.0554)<br />
Omgeving 0.149 -0.0554<br />
(0.0965) (0.0796)<br />
Eig<strong>en</strong> -0.570 -0.929<br />
(0.698) (0.638)<br />
Omgeving 0.944 1.837***<br />
(0.867) (0.695)<br />
Eig<strong>en</strong> 0.0379 0.105<br />
(0.146) (0.155)<br />
Omgeving -0.627 0.0154<br />
(0.413) (0.322)<br />
Eig<strong>en</strong> -0.120 -0.208<br />
(0.403) (0.388)<br />
Omgeving 1.415** 1.227**<br />
(0.628) (0.527)<br />
Eig<strong>en</strong> 1.791* 3.084***<br />
(1.081) (1.094)<br />
53
Omgeving -0.0691 -0.540<br />
(0.867) (0.942)<br />
Interkwartiel verschil Eig<strong>en</strong> -0.00897* -0.0140***<br />
Mediaan inkom<strong>en</strong><br />
per aangifte<br />
Oppervlakte<br />
woonvertrekk<strong>en</strong><br />
Perc<strong>en</strong>tage<br />
alle<strong>en</strong>staand<strong>en</strong><br />
Perc<strong>en</strong>tage<br />
arbeiders<br />
Perc<strong>en</strong>tage<br />
beroepsonderwijs<br />
Perc<strong>en</strong>tage<br />
eig<strong>en</strong>aars<br />
Perc<strong>en</strong>tage<br />
gehuwd<strong>en</strong><br />
Perc<strong>en</strong>tage gehuwde<br />
gezinshoofd<strong>en</strong><br />
Perc<strong>en</strong>tage grote<br />
huishoud<strong>en</strong>s<br />
(0.00531) (0.00536)<br />
Omgeving -0.00378 0.00428<br />
(0.00469) (0.00486)<br />
Eig<strong>en</strong> 0.00653 0.0125*<br />
(0.00697) (0.00672)<br />
Omgeving 0.00410 0.00226<br />
(0.00654) (0.00600)<br />
Eig<strong>en</strong> -8.168 -0.857<br />
(6.541) (6.564)<br />
Omgeving -3.413 -26.60**<br />
(11.75) (10.89)<br />
Eig<strong>en</strong> -0.106 -0.0393<br />
(0.926) (0.903)<br />
Omgeving 2.419* 0.124<br />
(1.343) (1.056)<br />
Eig<strong>en</strong> -0.650 -1.176**<br />
(0.537) (0.475)<br />
Omgeving -0.825 1.580***<br />
(0.672) (0.545)<br />
Eig<strong>en</strong> -0.167 0.0797<br />
(0.281) (0.263)<br />
Omgeving -0.347 -1.513***<br />
(0.400) (0.346)<br />
Eig<strong>en</strong> -0.0339 -0.238<br />
(0.319) (0.308)<br />
Omgeving -0.0696 -0.192<br />
(0.545) (0.456)<br />
Eig<strong>en</strong> 9.129 5.356<br />
(6.691) (6.557)<br />
Omgeving 17.32 -17.95*<br />
(12.25) (9.832)<br />
Eig<strong>en</strong> -9.567 -5.759<br />
(6.650) (6.531)<br />
Omgeving -16.13 17.38*<br />
(12.31) (9.834)<br />
Eig<strong>en</strong> 1.466 1.106<br />
(1.179) (1.102)<br />
Omgeving 0.0319 3.448**<br />
(1.636) (1.427)<br />
Perc<strong>en</strong>tage Eig<strong>en</strong> 2.199 -5.999<br />
54
hooggediplomeerd<strong>en</strong> (6.716) (6.685)<br />
Perc<strong>en</strong>tage<br />
huishoud<strong>en</strong>s met<br />
internet<br />
Perc<strong>en</strong>tage<br />
huishoud<strong>en</strong>s met<br />
vaste telefoon<br />
Perc<strong>en</strong>tage<br />
huishoud<strong>en</strong>s zonder<br />
auto<br />
Perc<strong>en</strong>tage<br />
huurappartem<strong>en</strong>t<strong>en</strong><br />
Perc<strong>en</strong>tage jonge<br />
gezinshoofd<strong>en</strong><br />
Perc<strong>en</strong>tage<br />
laaggeschoold<strong>en</strong><br />
Perc<strong>en</strong>tage<br />
landbouwers<br />
Perc<strong>en</strong>tage<br />
Marokkan<strong>en</strong> <strong>en</strong><br />
Turk<strong>en</strong><br />
Perc<strong>en</strong>tage inwoners<br />
ouder dan 65<br />
Perc<strong>en</strong>tage<br />
vrijstaande<br />
woning<strong>en</strong><br />
Omgeving 3.443 -0.948<br />
(3.428) (2.423)<br />
Eig<strong>en</strong> -0.276 -0.216<br />
(0.800) (0.693)<br />
Omgeving 1.332 -0.508<br />
(0.891) (0.743)<br />
Eig<strong>en</strong> -0.0724 -0.404<br />
(0.879) (0.871)<br />
Omgeving 1.308 -0.110<br />
(1.131) (1.034)<br />
Eig<strong>en</strong> 0.909 0.223<br />
(0.775) (0.672)<br />
Omgeving -1.237 -4.058***<br />
(1.068) (0.852)<br />
Eig<strong>en</strong> 0.0977 -0.0405<br />
(0.293) (0.286)<br />
Omgeving 0.0540 0.0802<br />
(0.723) (0.651)<br />
Eig<strong>en</strong> 2.204 -0.0864<br />
(1.977) (1.994)<br />
Omgeving 11.56*** 1.660<br />
(3.089) (2.628)<br />
Eig<strong>en</strong> 0.0993 0.977*<br />
(0.621) (0.554)<br />
Omgeving 1.077 1.255<br />
(1.085) (0.791)<br />
Eig<strong>en</strong> -2.974** -4.372***<br />
(1.506) (1.322)<br />
Omgeving -1.132 1.526<br />
(1.407) (1.027)<br />
Eig<strong>en</strong> -1.945 -1.107<br />
(1.318) (1.345)<br />
Omgeving -0.621 -3.387*<br />
(2.356) (1.928)<br />
Eig<strong>en</strong> -0.266 0.156<br />
(0.677) (0.631)<br />
Omgeving 0.517 1.234<br />
(0.942) (0.882)<br />
Eig<strong>en</strong> -0.319 0.00224<br />
(0.236) (0.242)<br />
Omgeving -0.524* -0.179<br />
(0.318) (0.233)<br />
55
Perc<strong>en</strong>tage<br />
werkzaam in<br />
di<strong>en</strong>st<strong>en</strong>sector<br />
Perc<strong>en</strong>tage<br />
werkzoek<strong>en</strong>d<br />
Perc<strong>en</strong>tage<br />
woning<strong>en</strong> met<br />
badkamer<br />
Perc<strong>en</strong>tage<br />
woning<strong>en</strong> met CV<br />
Perc<strong>en</strong>tage<br />
woning<strong>en</strong> met<br />
toiletwaterspoeling<br />
Perc<strong>en</strong>tage<br />
woning<strong>en</strong> voor 1945<br />
Perc<strong>en</strong>tage<br />
woning<strong>en</strong> na 1981<br />
Perc<strong>en</strong>tage<br />
woning<strong>en</strong> zonder<br />
klein comfort<br />
Eig<strong>en</strong> 3.748 6.692<br />
(6.614) (6.333)<br />
Omgeving 0.912 1.648<br />
(9.890) (8.632)<br />
Eig<strong>en</strong> 1.236 0.833<br />
(1.155) (1.137)<br />
Omgeving -0.157 1.268<br />
(2.017) (1.658)<br />
Eig<strong>en</strong> -5.599* -6.196**<br />
(3.270) (3.109)<br />
Omgeving 9.760** 6.280<br />
(4.354) (3.912)<br />
Eig<strong>en</strong> -10.02 -4.591<br />
(6.160) (6.194)<br />
Omgeving 6.623 6.919<br />
(10.16) (5.221)<br />
Eig<strong>en</strong> 4.166 4.410<br />
(3.150) (2.976)<br />
Omgeving -6.913 1.553<br />
(5.015) (4.378)<br />
Eig<strong>en</strong> 0.0470 0.253<br />
(0.227) (0.214)<br />
Omgeving 0.0628 0.480<br />
(0.409) (0.333)<br />
Eig<strong>en</strong> 0.107 0.183<br />
(0.242) (0.234)<br />
Omgeving -0.474 -0.677*<br />
(0.458) (0.393)<br />
Eig<strong>en</strong> -2.405*** -2.064**<br />
(0.906) (0.855)<br />
Omgeving 1.406 2.432*<br />
(1.654) (1.416)<br />
Scholingsgraad Eig<strong>en</strong> -0.360 -0.795**<br />
(0.422) (0.404)<br />
Omgeving -1.035** -1.477***<br />
(0.512) (0.465)<br />
Woonstabiliteit Eig<strong>en</strong> -0.607 -1.317<br />
(1.012) (0.993)<br />
Omgeving 2.548 -1.179<br />
(1.617) (1.442)<br />
56
Met behulp van deze statistische sector effect<strong>en</strong> kunn<strong>en</strong> we echter wel e<strong>en</strong> ‘totaal’<br />
statistische sector effect berek<strong>en</strong><strong>en</strong> voor elke statistische sector in Vlaander<strong>en</strong> op<br />
basis van zijn of haar k<strong>en</strong>merk<strong>en</strong> 13 . De statistische sector effect<strong>en</strong> bevind<strong>en</strong> zich in<br />
onderstaande figur<strong>en</strong>.<br />
Uiteraard moet<strong>en</strong> we er rek<strong>en</strong>ing mee houd<strong>en</strong> dat de statistische sector effect<strong>en</strong><br />
van het model met geme<strong>en</strong>tedummy’s (figuur 12) nog niet de geme<strong>en</strong>tespecifieke<br />
compon<strong>en</strong>t bevatt<strong>en</strong>. Het totale locatie-effect moet dus nog vermeerderd word<strong>en</strong><br />
met de geme<strong>en</strong>tespecifieke compon<strong>en</strong>t zoals in figuur 17 weergegev<strong>en</strong> wordt.<br />
Figuur 13 geeft de waarde van de statistische sector<strong>en</strong> weer in e<strong>en</strong> model dat<br />
zonder geme<strong>en</strong>tedummies is geschat. Het locatie-effect wordt daar dus wel<br />
volledig door statistische sectorinformatie verklaard. De figuur geeft weer dat in de<br />
roodgekleurde statistische sector<strong>en</strong> m<strong>en</strong> meer dan 136 euro extra huur di<strong>en</strong>t te<br />
betal<strong>en</strong> voor e<strong>en</strong> standaardwoning, <strong>en</strong> in de donkerblauwe 149 euro minder.<br />
In figuur 12 <strong>en</strong> in nog grotere mate in figuur 13 zi<strong>en</strong> we duidelijk de<br />
aantrekkingskracht van de c<strong>en</strong>trumsted<strong>en</strong>. Daarnaast kan m<strong>en</strong> zelfs diverse<br />
autsnelweg<strong>en</strong> onderscheid<strong>en</strong>, wat het belang van mobiliteit duidelijk weergeeft.<br />
13 De missing values zijn vervang<strong>en</strong> door de respectievelijke omgevingsvariabel<strong>en</strong>,<br />
aangezi<strong>en</strong> de omgevingsvariabele de meest betrouwbare informatiebron is.<br />
57
Figuur 12 Statistische sector effect<strong>en</strong> (model met geme<strong>en</strong>tedummy's)<br />
[66;…<br />
[42;66]<br />
[27;42]<br />
[14;27]<br />
[0;14]<br />
[-20;0]<br />
[-46;-20]<br />
[-75;-46]<br />
[-117;-75]<br />
,,,;-117]<br />
Opmerking : In deze kaart zijn de waard<strong>en</strong> van de geme<strong>en</strong>tedummy’s niet weergegev<strong>en</strong>, <strong>en</strong> is het<br />
locatie-effect slechts partieel. Figuur 17 geeft het totale locatie-effect weer<br />
58
Figuur 13 Statistische sector effect<strong>en</strong> (model zonder geme<strong>en</strong>tedummy's)<br />
[136;…<br />
[75;136]<br />
[44;75]<br />
[20;44]<br />
[0;20]<br />
[-22;0]<br />
[-48;-22]<br />
[-83;-48]<br />
[-149;-83]<br />
,,,;-149]<br />
Opmerking : Hier is het model geschat zonder geme<strong>en</strong>tedummy’s waardoor locatie-effect<strong>en</strong><br />
volledig door de statistische sector informatie verklaard word<strong>en</strong>. Dit geeft dus e<strong>en</strong> volledig<br />
beeld. Indi<strong>en</strong> m<strong>en</strong> de leg<strong>en</strong>de vergelijkt met figuur 17 (totale locatie-effect) zi<strong>en</strong> we dat de<br />
spreiding in waard<strong>en</strong> redelijk overe<strong>en</strong>komt<br />
59
5.2.1 Partiële geme<strong>en</strong>te-effect<strong>en</strong><br />
5.2.1.1 geme<strong>en</strong>te-effect<strong>en</strong> als partiële locatie-effect<strong>en</strong><br />
Aangezi<strong>en</strong> de locatie van de sociale huurwoning<strong>en</strong> bek<strong>en</strong>d is (statistische sector),<br />
kunn<strong>en</strong> we e<strong>en</strong> geme<strong>en</strong>tedummy creër<strong>en</strong> voor elke geme<strong>en</strong>te, t<strong>en</strong>einde regionale<br />
verschill<strong>en</strong> in huurprijz<strong>en</strong> in kaart te br<strong>en</strong>g<strong>en</strong>. Het betreff<strong>en</strong>de geme<strong>en</strong>te-effect, de<br />
coëfficiënt die voor e<strong>en</strong> bepaalde geme<strong>en</strong>tedummy geschat is, moet dan ook<br />
geïnterpreteerd word<strong>en</strong> als e<strong>en</strong> geme<strong>en</strong>tespecifieke waarde die voor alle<br />
woning<strong>en</strong> in e<strong>en</strong> bepaalde geme<strong>en</strong>te gelijk is. Dit geme<strong>en</strong>te-effect geeft echter<br />
slechts t<strong>en</strong> dele het totale locatie-effect weer van e<strong>en</strong> geme<strong>en</strong>te. Inkom<strong>en</strong> <strong>en</strong><br />
bevolkingsdichtheid blijk<strong>en</strong> twee belangrijke variabel<strong>en</strong> op statistisch sectorniveau.<br />
Indi<strong>en</strong> in e<strong>en</strong> bepaalde geme<strong>en</strong>te de meeste statische sector<strong>en</strong> hoge dichthed<strong>en</strong><br />
hebb<strong>en</strong> <strong>en</strong> hoge inkom<strong>en</strong>s, zal het statistische sector-effect van die geme<strong>en</strong>te e<strong>en</strong><br />
groot deel van het totale locatie-effect van die geme<strong>en</strong>te verklar<strong>en</strong>. De<br />
geme<strong>en</strong>tespecifieke waarde van de geme<strong>en</strong>tedummies incorporeert dus<br />
voornamelijk e<strong>en</strong> belangrijk deel van de niet observeerbare onverklaarde variantie.<br />
Het is belangrijk om op deze manier te interpreter<strong>en</strong>. In wat volgt mak<strong>en</strong> we dus<br />
e<strong>en</strong> onderscheid tuss<strong>en</strong> partiële geme<strong>en</strong>te-effect<strong>en</strong> die slechts e<strong>en</strong> deel van het<br />
locatie-effect weergev<strong>en</strong>, increm<strong>en</strong>teel bov<strong>en</strong>op wat reeds op statistische<br />
sectorniveau verklaard is (bvb. figuur 14) <strong>en</strong> totale geme<strong>en</strong>te-effect<strong>en</strong> die het<br />
gemiddeld locatie-effect van de geme<strong>en</strong>te weergev<strong>en</strong> (bvb. figuur 15).<br />
Figuur 14 Partiële geme<strong>en</strong>te-effect<strong>en</strong> op basis van VMSW-dataset (2008)<br />
[117;…<br />
[72;117]<br />
[44;72]<br />
[22;44]<br />
[0;22]<br />
[-10;0]<br />
[-26;-10]<br />
[-48;-26]<br />
[-57;-48]<br />
,,,;-57]<br />
ge<strong>en</strong> data<br />
Opmerking : In deze kaart zijn de waard<strong>en</strong> van de statistische sector<strong>en</strong> niet weergegev<strong>en</strong>, <strong>en</strong> is<br />
het locatie-effect slechts partieel. Figuur 17 geeft het totale locatie-effect weer<br />
Ter vergelijking word<strong>en</strong> in onderstaande figuur de geme<strong>en</strong>te-effect<strong>en</strong> zoals<br />
geschat op basis van de immo-data weergegev<strong>en</strong>. Deze laatste geeft het totaal<br />
geme<strong>en</strong>te-effect weer <strong>en</strong> vertoont dus logischerwijs redelijke verschill<strong>en</strong> in<br />
vergelijking met figuur 14. Bij het analyser<strong>en</strong> van de immo-data moet m<strong>en</strong> er<br />
tev<strong>en</strong>s rek<strong>en</strong>ing meehoud<strong>en</strong> dat <strong>en</strong>kel de oppervlakte <strong>en</strong> het aantal slaapkamers<br />
als verklar<strong>en</strong>de variabel<strong>en</strong> in het model gebruikt werd<strong>en</strong>. Het model waarbij de<br />
geme<strong>en</strong>te-effect<strong>en</strong> geschat zijn met behulp van de VMSW dataset, bevat veel<br />
meer k<strong>en</strong>merk<strong>en</strong> <strong>en</strong> zal bijgevolg minder vertek<strong>en</strong>de geme<strong>en</strong>te-effect<strong>en</strong> oplever<strong>en</strong>.<br />
Het geme<strong>en</strong>te-effect van immo-data analyses is bvb. onderhevig aan de<br />
gemiddelde ouderdom van e<strong>en</strong> woning in e<strong>en</strong> geme<strong>en</strong>te, die sterke regionale<br />
verschill<strong>en</strong>.<br />
In bijlage 7.4 word<strong>en</strong> de resultat<strong>en</strong> getoond van diverse andere analyses tot het<br />
bepal<strong>en</strong> van geme<strong>en</strong>te-effect<strong>en</strong> . We zi<strong>en</strong> hier wederom de belangrijke as Brussel-<br />
Antwerp<strong>en</strong> verschijn<strong>en</strong>.<br />
60
Figuur 15 Geme<strong>en</strong>te-effect<strong>en</strong> o.b.v. immo-data<br />
[287;…<br />
[129;287]<br />
[84;129]<br />
[50;84]<br />
[20;50]<br />
[0;20]<br />
[-23;0]<br />
[-53;-23]<br />
[-91;-53]<br />
[-277;-91]<br />
ge<strong>en</strong> data<br />
opmerking: deze figuur geeft het totale locatie-effect weer <strong>en</strong> kan dus vergelek<strong>en</strong> word<strong>en</strong> met<br />
figuur 13 <strong>en</strong> 17. huurprijz<strong>en</strong> van gelijkaaridge appartem<strong>en</strong>t<strong>en</strong> zijn in de roodgekleurde<br />
sector<strong>en</strong> meer dan 350 € duurder dan in de donkerblauw gekleurde regio’s.<br />
5.2.1.2 Berek<strong>en</strong>ing van geme<strong>en</strong>te-effect<strong>en</strong> van geme<strong>en</strong>t<strong>en</strong> die niet in de<br />
steekproef voorkom<strong>en</strong><br />
In de VMSW dataset bevind<strong>en</strong> zich na het ‘clean<strong>en</strong>’ van de data nog observaties<br />
uit 243 verschill<strong>en</strong>de geme<strong>en</strong>tes. Aangezi<strong>en</strong> Vlaander<strong>en</strong> 308 geme<strong>en</strong>tes telt is het<br />
dan ook niet mogelijk om alle geme<strong>en</strong>te-effect<strong>en</strong> te schatt<strong>en</strong>. We nem<strong>en</strong> de<br />
volg<strong>en</strong>de procedure als uitgangspunt: eerst schatt<strong>en</strong> we het gewone hedonische<br />
huurprijsmodel met woningk<strong>en</strong>merk<strong>en</strong>, omgevingsk<strong>en</strong>merk<strong>en</strong> (afstand<strong>en</strong> <strong>en</strong><br />
buurtk<strong>en</strong>merk<strong>en</strong> o.b.v. VMSW dataset) <strong>en</strong> de 243 geme<strong>en</strong>tedummy’s. Om de<br />
overige 65 geme<strong>en</strong>te-effect<strong>en</strong> te schatt<strong>en</strong>, gebruik<strong>en</strong> we vervolg<strong>en</strong>s deze 243<br />
geme<strong>en</strong>tedummy’s als afhankelijke variabele <strong>en</strong> zoek<strong>en</strong> we via e<strong>en</strong> regressieanalyse<br />
welke variabel<strong>en</strong> deze dummies best verklar<strong>en</strong>. Aangezi<strong>en</strong> we voor deze<br />
variabel<strong>en</strong> wel observaties hebb<strong>en</strong> voor alle 308 geme<strong>en</strong>tes, kunn<strong>en</strong> we<br />
vervolg<strong>en</strong>s de geme<strong>en</strong>te-effect<strong>en</strong> voor de overgeblev<strong>en</strong> geme<strong>en</strong>tes schatt<strong>en</strong>.<br />
Tabel 20 geeft het overzicht van deze resultat<strong>en</strong>. Per extra kilometer dat de<br />
geme<strong>en</strong>te verwijderd ligt van de provinciehoofdstad, daalt de huurprijs met 1.1 €.<br />
In de Vlaamse Rand is de coëfficiënt slechts licht positief <strong>en</strong> niet significant. In<br />
andere analyses (e.a.Helgers 2011) was deze wel zeer positief. Daarom is hij in<br />
het model behoud<strong>en</strong>. Daarnaast hebb<strong>en</strong> we tal van geme<strong>en</strong>tedummies geschat op<br />
basis van verschill<strong>en</strong>de administratieve datasets zoals terug te vind<strong>en</strong> in bijlage.<br />
De variabele die de beste resultat<strong>en</strong> gaf, was dieg<strong>en</strong>e voor appartem<strong>en</strong>t<strong>en</strong> tijd<strong>en</strong>s<br />
de periode 2006-2010. Het aandeel onroer<strong>en</strong>d erfgoed dat gemet<strong>en</strong> wordt als de<br />
oppervlakte van landschappelijk erfgoed, stads- <strong>en</strong> dorpsgezicht<strong>en</strong> in het totaal<br />
van de geme<strong>en</strong>te, speelt ev<strong>en</strong>e<strong>en</strong>s e<strong>en</strong> belangrijke rol. Indi<strong>en</strong> 15% van het<br />
bodemgebied van e<strong>en</strong> geme<strong>en</strong>te beschermd is, schat het model e<strong>en</strong> huurprijs die<br />
52 € hoger is (349*0.15). Voor 15 geme<strong>en</strong>t<strong>en</strong> in Vlaander<strong>en</strong> is meer dan 15% van<br />
hun oppervlakte beschermd erfgoed. Als laatste variabele hebb<strong>en</strong> we provinciedummies<br />
in het model mee opg<strong>en</strong>om<strong>en</strong>. De coëfficiënt<strong>en</strong> die u vindt gev<strong>en</strong> de<br />
waarde van elke provincie t.o.v. de provincie Limburg die als refer<strong>en</strong>tie di<strong>en</strong>t. Ook<br />
deze resultat<strong>en</strong> zijn zoals verwacht.<br />
61
Tabel 20 Verklaring geme<strong>en</strong>te-effect<strong>en</strong><br />
Variabele Coëfficiënt Standaardfout<br />
Afstand tot de provinciehoofdstad (km²) -1.100*** (0.285)<br />
Vlaamse Rand 5.787 (22.18)<br />
Geme<strong>en</strong>tedummy Appartem<strong>en</strong>t<strong>en</strong> 78.82** (32.91)<br />
Aandeel onroer<strong>en</strong>d erfgoed 349.0** (146.4)<br />
Oost-Vlaander<strong>en</strong> 38.10*** (12.12)<br />
West-Vlaander<strong>en</strong> 16.37 (11.47)<br />
Vlaams Brabant 73.67*** (16.65)<br />
Antwerp<strong>en</strong> 48.02*** (12.15)<br />
Constant 15.46 (11.91)<br />
Observaties: 242<br />
R-kwadraat: 0.3608<br />
RMSE: 62.436<br />
De resultat<strong>en</strong> gev<strong>en</strong> e<strong>en</strong> aardige indicatie van de sam<strong>en</strong>stelling van de geme<strong>en</strong>teeffect<strong>en</strong>.<br />
Deze schatting<strong>en</strong> kunn<strong>en</strong> vervolg<strong>en</strong>s gebruikt word<strong>en</strong> t<strong>en</strong>einde<br />
schatting<strong>en</strong> te mak<strong>en</strong> van de geme<strong>en</strong>te-effect<strong>en</strong> van de ‘missing values’. De<br />
onderstaande kaart geeft de reeds bek<strong>en</strong>de <strong>en</strong> geschatte (gebaseerd op<br />
beschikbare data <strong>en</strong> geschatte coëfficiënt<strong>en</strong>) geme<strong>en</strong>te-effect<strong>en</strong> weer.<br />
Figuur 16 Partiële geme<strong>en</strong>te-effect<strong>en</strong> op basis van VMSW-dataset (inclusief bijschatting<br />
ontbrek<strong>en</strong>de geme<strong>en</strong>t<strong>en</strong>)<br />
[116;…<br />
[65;116]<br />
[44;65]<br />
[26;44]<br />
[7;26]<br />
[-8;7]<br />
[-19;-8]<br />
[-47;-19]<br />
[-54;-47]<br />
,,,;-54]<br />
Opmerking : In deze kaart zijn de waard<strong>en</strong> van de statistische sector<strong>en</strong> niet weergegev<strong>en</strong>, <strong>en</strong> is<br />
het locatie-effect slechts partieel. Figuur 17 geeft het totale locatie-effect weer<br />
De bov<strong>en</strong>staande regressie vertoont e<strong>en</strong> lage R-kwadraat. De lage R-kwadraat is<br />
zowel voordelig als nadelig voor onze aanpak. Enerzijds impliceert de lage Rkwadraat<br />
dat de hedonische huurprijsanalyse , <strong>en</strong> voornamelijk de statistische<br />
sectorinformatie reeds e<strong>en</strong> belangrijk deel van het totale geme<strong>en</strong>te-effect<br />
verklaart. Wat goed is, aangezi<strong>en</strong> statische sector informatie bov<strong>en</strong>di<strong>en</strong> zorgt voor<br />
intrageme<strong>en</strong>telijke verfijning<strong>en</strong>. Anderzijds impliceert dit dat de schatting<strong>en</strong> van de<br />
geme<strong>en</strong>t<strong>en</strong> die niet in de dataset zitt<strong>en</strong> wellicht inaccuraat zijn. Het gebrek aan<br />
62
verklaringskracht leidt dus tot meer onzekerheid betreff<strong>en</strong>de de out-of-sample<br />
geme<strong>en</strong>te-effect<strong>en</strong>.<br />
5.2.1.3 Totale locatie-effect<strong>en</strong><br />
Nu we zowel de statistische sector effect<strong>en</strong> hebb<strong>en</strong> geschat voor het model met<br />
geme<strong>en</strong>tedummy’s <strong>en</strong> de coëfficiënt<strong>en</strong> van alle geme<strong>en</strong>tedummy’s hebb<strong>en</strong> (zowel<br />
de geschatte uit het finale model <strong>en</strong> de geschatte op basis van<br />
geme<strong>en</strong>tevariabel<strong>en</strong>) kunn<strong>en</strong> we totale locatie-effect<strong>en</strong> creër<strong>en</strong>. De totale locatieeffect<strong>en</strong><br />
zijn simpelweg de optelsom van <strong>en</strong>erzijds de statistische sector effect<strong>en</strong><br />
<strong>en</strong> anderzijds de geschatte geme<strong>en</strong>te-effect<strong>en</strong>. De totale effect<strong>en</strong> word<strong>en</strong> in figuur<br />
17 getoond. De resultat<strong>en</strong> lijk<strong>en</strong> in het algeme<strong>en</strong> aannemelijk. De locatie-effect<strong>en</strong><br />
t<strong>en</strong> oost<strong>en</strong> van G<strong>en</strong>t <strong>en</strong> t<strong>en</strong> noord<strong>en</strong> Brussel lijk<strong>en</strong> echter eerder onderschat. Het<br />
model zonder geme<strong>en</strong>te-effect<strong>en</strong> lijkt voor deze gebied<strong>en</strong> e<strong>en</strong> betrouwbaarder<br />
beeld te gev<strong>en</strong>, zoals weergegev<strong>en</strong> in figuur 13. Het model zonder geme<strong>en</strong>teeffect<strong>en</strong><br />
lijkt voor Limburg dan weer relatief hoge locatie-effect<strong>en</strong> weer te gev<strong>en</strong>.<br />
De geme<strong>en</strong>te-dummy is onderhevig aan e<strong>en</strong> systematisch vertek<strong>en</strong>de schatting<br />
van de notariss<strong>en</strong> indi<strong>en</strong> voornamelijk e<strong>en</strong>zelfde notaris binn<strong>en</strong> één geme<strong>en</strong>te de<br />
schatting<strong>en</strong> heeft uitgevoerd. In volg<strong>en</strong>d punt wordt het notaris-effect besprok<strong>en</strong>.<br />
Model (2) is hier alvast niet aan onderhevig. Model (2) gaat er echter vanuit dat het<br />
met e<strong>en</strong> beperkte set aan statistische sector data, de regionale<br />
woningprijsverschill<strong>en</strong> over heel Vlaander<strong>en</strong> kan verklar<strong>en</strong>, terwijl<br />
geme<strong>en</strong>tedummy’s net het voordeel bied<strong>en</strong> dat ze zeer goed de regionale<br />
verscheid<strong>en</strong>heid in kaart kunn<strong>en</strong> br<strong>en</strong>g<strong>en</strong>. Dit voordeel weegt door om te kiez<strong>en</strong><br />
voor model (1) als finale keuze.<br />
Na e<strong>en</strong> blik op de beschrijv<strong>en</strong>de statistiek<strong>en</strong> blijkt dat de correlatie tuss<strong>en</strong> <strong>en</strong>erzijds<br />
de statistische sector effect<strong>en</strong> zonder geme<strong>en</strong>tedummy’s <strong>en</strong> anderzijds de totale<br />
effect<strong>en</strong> 0,925 is, hetge<strong>en</strong> impliceert dat beide modell<strong>en</strong> ev<strong>en</strong>wel gelijkaardige<br />
resultat<strong>en</strong> producer<strong>en</strong>.<br />
63
Figuur 17 Totale locatie-effect<strong>en</strong><br />
[157;…<br />
[86;157]<br />
[51;86]<br />
[26;51]<br />
[0;26]<br />
[-22;0]<br />
[-51;-22]<br />
[-86;-51]<br />
[-139;-86]<br />
,,,;-139]<br />
Leeswijzer figuur: huurprijz<strong>en</strong> van gelijkaardige woning<strong>en</strong> zijn in de roodgekleurde sector<strong>en</strong> meer<br />
dan 300 € duurder dan in blauw gekleurde regio’s.<br />
64
5.2.2 Notariseffect<strong>en</strong><br />
De VMSW dataset bevat 2304 (2060 in de uiteindelijke dataset) schatting<strong>en</strong> van<br />
145 (144) notariss<strong>en</strong> bij 94 sociale huisvestingsmaatschappij<strong>en</strong>. Slechts 2<br />
notariss<strong>en</strong> hebb<strong>en</strong> maar 1 schatting gedaan. Uiteraard schat elke notaris anders<br />
<strong>en</strong> zit er dus wellicht e<strong>en</strong> notarisspecifiek gedeelte in de huurprijs vervat. Dit<br />
notaris-effect stelt niet noodzakelijk e<strong>en</strong> probleem voor het schatt<strong>en</strong> van de andere<br />
coëfficiënt<strong>en</strong> zoals in 2.2.1 reeds aangehaald.<br />
Notarisdummy’s creër<strong>en</strong> <strong>en</strong> in het model br<strong>en</strong>g<strong>en</strong> om dit notariseffect te met<strong>en</strong><br />
leidt tot de welbek<strong>en</strong>de ‘dummy variable trap’. Dit houdt in dat wanneer m<strong>en</strong><br />
beid<strong>en</strong> toevoegt e<strong>en</strong> probleem van perfecte multicollineariteit ontstaat. In e<strong>en</strong><br />
model zonder geme<strong>en</strong>te-effect<strong>en</strong>, maar met notariseffect<strong>en</strong>, zull<strong>en</strong> deze laatste<br />
ruwweg overe<strong>en</strong>kom<strong>en</strong> met de eerder geschatte geme<strong>en</strong>tedummy’s.<br />
We zull<strong>en</strong> dan ook e<strong>en</strong> andere aanpak moet<strong>en</strong> hanter<strong>en</strong>. Eerst schatt<strong>en</strong> we het<br />
model met geme<strong>en</strong>tedummy’s. Deze filter<strong>en</strong> het geme<strong>en</strong>tespecifiek effect eruit.<br />
Om nu na te gaan of e<strong>en</strong> nieuwe variabele e<strong>en</strong> rol speelt in e<strong>en</strong> model, kunn<strong>en</strong> we<br />
deze variabel<strong>en</strong> afzett<strong>en</strong> teg<strong>en</strong> de schattingsfout<strong>en</strong> (residual analysis). We<br />
berek<strong>en</strong><strong>en</strong> vervolg<strong>en</strong>s het gemiddelde, standaardfout, minimum <strong>en</strong> maximum van<br />
de residuals per notaris. E<strong>en</strong> blik op deze beschrijv<strong>en</strong>de statistiek<strong>en</strong> leert ons dat<br />
er in het algeme<strong>en</strong> ge<strong>en</strong> evid<strong>en</strong>tie is voor notariseffect<strong>en</strong>.<br />
65
6 Sam<strong>en</strong>vatting <strong>en</strong> praktische bruikbaarheid<br />
In de VMSW dataset werd<strong>en</strong> 69 variabel<strong>en</strong> bevraagd. In ons model word<strong>en</strong> er<br />
daarvan 39 gebruikt om de markthuurwaarde van woning<strong>en</strong> te voorspell<strong>en</strong>.<br />
Modell<strong>en</strong> met minder variabel<strong>en</strong> zijn mogelijk maar dit gaat t<strong>en</strong> koste van de<br />
accuraatheid op e<strong>en</strong> asymmetrische manier, de markthuurwaarde voor betere<br />
huurwoning<strong>en</strong> wordt in dat geval te laag geschat <strong>en</strong> die van minder goede<br />
huurwoning<strong>en</strong> te hoog.<br />
Vooral met betrekking tot de woningk<strong>en</strong>merk<strong>en</strong> levert het model zeer stabiele <strong>en</strong><br />
aannemelijke resultat<strong>en</strong>. Naast grootte <strong>en</strong> locatie spel<strong>en</strong> zichtbare, esthetische <strong>en</strong><br />
comfort gerelateerde variabel<strong>en</strong> e<strong>en</strong> belangrijke rol. Met e<strong>en</strong> gemiddelde<br />
schattingsfout van 50 € voldoet het model aan de verwachting<strong>en</strong> van de<br />
onderzoekers. Het verklaart hiermee om <strong>en</strong> bij de 80% van de verschill<strong>en</strong> tuss<strong>en</strong><br />
de huurprijz<strong>en</strong> in de dataset, wat ook redelijk hoog is. Bij de schattingsfout van 50<br />
€ di<strong>en</strong><strong>en</strong> twee kanttek<strong>en</strong>ing<strong>en</strong> geplaatst te word<strong>en</strong>. Indi<strong>en</strong> m<strong>en</strong> rek<strong>en</strong>ing houdt met<br />
het feit dat notariss<strong>en</strong> zelf ook “fout” geschat hebb<strong>en</strong>, zal de werkelijke<br />
schattingsfout, namelijk deze t<strong>en</strong> opzichte van de werkelijke markthuurwaarde nog<br />
lager ligg<strong>en</strong>. Omgekeerd zal bij toepassing van het model op nieuwe data de<br />
schattingsfout mogelijk hoger ligg<strong>en</strong>. Hiervan hebb<strong>en</strong> we echter ge<strong>en</strong> indicatie.<br />
E<strong>en</strong> hedonisch prijsmodel maakt gebruik van e<strong>en</strong> gestandaardiseerde set van<br />
variabel<strong>en</strong>. E<strong>en</strong> nieuwe dataset aanmak<strong>en</strong> met dezelfde variabel<strong>en</strong> om het model<br />
te test<strong>en</strong> is echter moeilijk. Wel zijn de resultat<strong>en</strong> in de mate van het mogelijke<br />
vergelek<strong>en</strong> met de resultat<strong>en</strong> van gelijkaardige, maar minder exacte analyses op<br />
andere datasets, ev<strong>en</strong>als resultat<strong>en</strong> van andere studies. Dit gaf intuïtieve<br />
resultat<strong>en</strong>. Bij vergelijking<strong>en</strong> tuss<strong>en</strong> verschill<strong>en</strong>de resultat<strong>en</strong> di<strong>en</strong>t m<strong>en</strong> wel<br />
rek<strong>en</strong>ing te houd<strong>en</strong> met multicollineariteit, waardoor de geschatte coëfficiënt van<br />
één variabele afhangt van de geschatte coëfficiënt<strong>en</strong> van andere variabel<strong>en</strong> die<br />
sam<strong>en</strong>hang met de eerste verton<strong>en</strong>. Zo zal de coëfficiënt van het aantal<br />
slaapkamers zeer groot zijn in e<strong>en</strong> model zonder andere grootte variabele voor de<br />
woning. Voegt m<strong>en</strong> de variabele bewoonbare oppervlakte toe aan het model, dan<br />
zal het aantal slaapkamers slechts e<strong>en</strong> zeer geringe rol spel<strong>en</strong>.<br />
Locatie-effect<strong>en</strong> spel<strong>en</strong> e<strong>en</strong> belangrijke rol. Voor e<strong>en</strong> gelijkaardige woning zijn<br />
verschill<strong>en</strong> van 200 € in de huurprijs ge<strong>en</strong> uitzondering. Naast geme<strong>en</strong>te-effect<strong>en</strong><br />
die overe<strong>en</strong>kom<strong>en</strong> met het typisch regionaal patroon van vastgoedprijz<strong>en</strong> in het<br />
algeme<strong>en</strong>, zorgt de inbr<strong>en</strong>g van statistische sectorinformatie in het model voor<br />
extra ruimtelijke verfijning<strong>en</strong> binn<strong>en</strong> de geme<strong>en</strong>t<strong>en</strong>. Daar<strong>en</strong>bov<strong>en</strong> bepaalt<br />
statistische sectorinformatie op die manier reeds e<strong>en</strong> aanzi<strong>en</strong>lijk deel van het<br />
geme<strong>en</strong>te-effect zelf. Wat betreft omgevings- <strong>en</strong> afstandsvariabel<strong>en</strong> zijn de<br />
resultat<strong>en</strong> minder duidelijk. Dit kan mede verklaard word<strong>en</strong> doordat de data te ruw<br />
zijn –afstand wordt gemet<strong>en</strong> in slechts drie brede afstandscategorieën-. Anderzijds<br />
tred<strong>en</strong> multicollineariteits-effect<strong>en</strong> op met statistische sector informatie. Zo zal e<strong>en</strong><br />
duurdere buurt in grotere mate positief scor<strong>en</strong> op omgevingsk<strong>en</strong>merk<strong>en</strong> <strong>en</strong><br />
tegelijkertijd zal het gemiddeld fiscaal inkom<strong>en</strong> van de statistische sector waarin<br />
de woning geleg<strong>en</strong> is, er relatief hoger zijn. Beide variabel<strong>en</strong> hang<strong>en</strong> dus sterk<br />
sam<strong>en</strong> <strong>en</strong> het effect van één variabele kan dan vertaald zijn in de coëfficiënt van<br />
e<strong>en</strong> andere. Bov<strong>en</strong>di<strong>en</strong> is de dataset te beperkt om op micro-niveau<br />
omgevingk<strong>en</strong>merk<strong>en</strong> <strong>en</strong> statistische sector data in één model te schatt<strong>en</strong> waardoor<br />
e<strong>en</strong> mogelijke overfitting van het model ontstaat. Geschatte coëfficiënt<strong>en</strong> kunn<strong>en</strong><br />
dan van hun optimale schatting afwijk<strong>en</strong>. Om de geme<strong>en</strong>te-effect<strong>en</strong> in kaart te<br />
br<strong>en</strong>g<strong>en</strong> zijn ook meer observaties nodig, mom<strong>en</strong>teel di<strong>en</strong>d<strong>en</strong> 65 geme<strong>en</strong>t<strong>en</strong><br />
bijgeschat te word<strong>en</strong> aangezi<strong>en</strong> hiervoor observaties ontbrak<strong>en</strong>. Maar ook voor de<br />
door het model geschatte geme<strong>en</strong>te-effect<strong>en</strong> zelf is e<strong>en</strong> grotere dataset nodig om<br />
66
tot betrouwbaardere resultat<strong>en</strong> te kom<strong>en</strong>. Op basis van de kaart<strong>en</strong> zijn de<br />
geschatte coëfficiënt<strong>en</strong> echter intuïtief <strong>en</strong> logisch.<br />
Bov<strong>en</strong>staande elem<strong>en</strong>t<strong>en</strong> hebb<strong>en</strong> uiteraard consequ<strong>en</strong>ties voor de praktische<br />
bruikbaarheid van het model. Het model biedt aannemelijke resultat<strong>en</strong> maar di<strong>en</strong>t<br />
met betrekking tot de nabije locatie nog verder verfijnd te word<strong>en</strong>. Mom<strong>en</strong>teel zijn<br />
ge<strong>en</strong> data beschikbaar om deze locatie-effect<strong>en</strong> beter in kaart te br<strong>en</strong>g<strong>en</strong>. Mogelijk<br />
biedt de huurcontract<strong>en</strong>databank in de toekomst hiertoe mogelijkhed<strong>en</strong> zoals in<br />
deel II besprok<strong>en</strong>. Het grote voordeel is het gebiedsdekk<strong>en</strong>d karakter van deze<br />
dataset <strong>en</strong> het groot aantal observaties. M<strong>en</strong> di<strong>en</strong>t wel voor og<strong>en</strong> te houd<strong>en</strong> dat<br />
e<strong>en</strong> hedonische analyse <strong>en</strong>kel mogelijk is indi<strong>en</strong> ook voldo<strong>en</strong>de woningk<strong>en</strong>merk<strong>en</strong><br />
mee in de registratie opg<strong>en</strong>om<strong>en</strong> word<strong>en</strong>.<br />
E<strong>en</strong> andere optie bestaat uit het online implem<strong>en</strong>ter<strong>en</strong> van dit model via e<strong>en</strong><br />
webapplicatie. Woningk<strong>en</strong>merk<strong>en</strong> kunn<strong>en</strong> dan gelijkaardig opgevraagd word<strong>en</strong> als<br />
in de VMSW webapplicatie (zie bijlage 7.5 voor e<strong>en</strong> illustratieve snapshot), om er<br />
vervolg<strong>en</strong>s het model op toe te pass<strong>en</strong>. Aangezi<strong>en</strong> de analyse uitgevoerd is op<br />
gegev<strong>en</strong>s van het jaar 2008 di<strong>en</strong>t m<strong>en</strong> de geschatte huurmarktwaard<strong>en</strong> te<br />
indexer<strong>en</strong> met de huurprijsindex zoals voorgesteld in deel IV naar volg<strong>en</strong>de jar<strong>en</strong>.<br />
Hierbij wordt ervan uitgegaan dat de invloed van elk woningk<strong>en</strong>merk ev<strong>en</strong>redig<br />
stijgt met de huurprijsindex. Voor de kom<strong>en</strong>de jar<strong>en</strong> lijkt dit e<strong>en</strong> redelijke<br />
assumptie. In de mate dat bij het opvrag<strong>en</strong> van e<strong>en</strong> richthuurprijs de ingevoerde<br />
woningk<strong>en</strong>merk<strong>en</strong> opgeslag<strong>en</strong> word<strong>en</strong> tesam<strong>en</strong> met de gevraagde huurprijs, e<strong>en</strong><br />
door de gebruiker geschatte huurprijs, of e<strong>en</strong> huidige huurprijs (sam<strong>en</strong> met<br />
aanvangsdatum contract in dat laatste geval), kan dit model bov<strong>en</strong>di<strong>en</strong> in zijn<br />
eig<strong>en</strong> update voorzi<strong>en</strong>.<br />
E<strong>en</strong> laatste elem<strong>en</strong>t betreft het invoer<strong>en</strong> van de woningk<strong>en</strong>merk<strong>en</strong> door e<strong>en</strong><br />
gebruiker. In de mate dat de gebruiker deze woningk<strong>en</strong>merk<strong>en</strong> fout ingeeft, zal de<br />
geschatte huurmarktwaarde ev<strong>en</strong>e<strong>en</strong>s verkeerd zijn. Zolang niet alle gebruikers<br />
systematisch op dezelfde manier e<strong>en</strong> fout ingev<strong>en</strong>, heeft dit echter slechts e<strong>en</strong><br />
minimale invloed op het gebruik van deze gegev<strong>en</strong>s om het model verder up te<br />
dat<strong>en</strong>. De belangrijkste conclusie van dit rapport is alvast dat e<strong>en</strong> hedonisch<br />
prijsmodel zich uitermate le<strong>en</strong>t om op grote schaal e<strong>en</strong> gebruiker zonder k<strong>en</strong>nis<br />
van huurprijz<strong>en</strong> betrouwbare huurmarktwaard<strong>en</strong> te lat<strong>en</strong> schatt<strong>en</strong>.<br />
67
7 Bijlage<br />
7.1 Schattingsmethod<strong>en</strong><br />
7.1.1 Illustratie methode van vergelijkingspunt<strong>en</strong><br />
Bron: http://www.flagis.be/downloads/20060613/LoCoStat.pdf<br />
7.1.2 Het id<strong>en</strong>tificatieprobleem van de accuraatheid bij e<strong>en</strong><br />
hedonische prijsanalyse<br />
De accuraatheid van het hedonisch model wordt verkreg<strong>en</strong> doordat het model zijn<br />
schatting<strong>en</strong> zo opstelt dat het verschil met de schatting van de notariss<strong>en</strong><br />
geminimaliseerd wordt. Figuur 7.1.2 geeft het id<strong>en</strong>tificatieprobleem weer dat hieruit<br />
volgt voor e<strong>en</strong> individuele observatie grafisch. De l<strong>en</strong>gte van de schuine lijn geeft<br />
het verschil tuss<strong>en</strong> de schatting van het model <strong>en</strong> die van de notaris weer. Indi<strong>en</strong><br />
we dit verschil constant veronderstell<strong>en</strong> op 56 € kunn<strong>en</strong> drie sc<strong>en</strong>ario’s word<strong>en</strong><br />
opgesteld. In het eerste sc<strong>en</strong>ario is de schattingsfout van het model <strong>en</strong><br />
schattingsfout van de notaris gelijk. We zi<strong>en</strong> dat dit resulteert in e<strong>en</strong> schattingsfout<br />
van 40 €. De schattingsfout van het model is dus kleiner dan de 56€ zoals op het<br />
eerste zicht uit de analyse zou blijk<strong>en</strong>. In het tweede sc<strong>en</strong>ario zi<strong>en</strong> we dat de<br />
schattingsfout van het model zeer klein (10 €) is <strong>en</strong> de schattingsfout van de<br />
notaris groter (55€). Het derde sc<strong>en</strong>ario geeft e<strong>en</strong> omgekeerd beeld waarbij de<br />
schattingsfout van de notariss<strong>en</strong> zeer klein is de schattingsfout van het model<br />
groter (55 €). Kort sam<strong>en</strong>gevat kunn<strong>en</strong> we dus stell<strong>en</strong> dat de gemiddelde<br />
schattingsfout van het model t.o.v. de objectieve markthuurwaarde tuss<strong>en</strong> 0 <strong>en</strong> de<br />
het gemiddeld verschil tuss<strong>en</strong> de schatting van het model <strong>en</strong> de notarisschatting,<br />
waarbij deze laatste de <strong>en</strong>igste beschikbare maat is om de accuraatheid van het<br />
model te met<strong>en</strong>. Als vuistregel stell<strong>en</strong> we voorop deze maat van accuraatheid te<br />
69
del<strong>en</strong> door 2 (1.4) om de werkelijke schattingsfout t.o.v. de werkelijke<br />
markthuurwaarde te b<strong>en</strong>ader<strong>en</strong>.<br />
Figuur 7.1.2 id<strong>en</strong>tificatieprobleem van de schattingsfout<br />
y-as : schattingsfout model t.o.v.<br />
"objectieve huurprijs"<br />
60 €<br />
40 €<br />
20 €<br />
schuine zijde = schattingsfout model met notarisschatting als proxy voor<br />
"objectieve huurprijs". Deze schattingsfout, constant verondersteld op 56 €,<br />
wordt volg<strong>en</strong>s drie sc<strong>en</strong>ario's verdeeld over de fout in het hedonisch model<br />
<strong>en</strong> de fout in de notarisschatting<br />
0 €<br />
0 € 20 € 40 € 60 €<br />
1. redelijke fout notaris <strong>en</strong> model<br />
2. kleine fout model<br />
3. kleine fout notaris<br />
x-as : schattingsfout notaris t.o.v. "objectieve huurprijs"<br />
Figuur 7.1.3 geeft weer hoe de verschill<strong>en</strong>de schatting<strong>en</strong> <strong>en</strong> hun respectievelijke<br />
fout<strong>en</strong> eruit zi<strong>en</strong> bij e<strong>en</strong> willekeurig geg<strong>en</strong>ereerde reeks waarbij zowel de<br />
schattingsfout van het model, als die van de notaris gemiddeld 40 € bedraagt.<br />
Hiervoor werd ervan uitgegaan dat subjectieve schatting<strong>en</strong> van notariss<strong>en</strong> typisch<br />
8% afwijk<strong>en</strong> van de “objectieve” waarde <strong>en</strong> de gemiddelde huurprijs 500€<br />
bedraagt. Het belangrijkste resultaat van deze figuur is de rode punt<strong>en</strong>lijn die de<br />
verschill<strong>en</strong> tuss<strong>en</strong> de schatting<strong>en</strong> van het model <strong>en</strong> die van de notariss<strong>en</strong><br />
weergev<strong>en</strong>. Het gemiddeld verschil is e<strong>en</strong> stuk hoger dan de schattingsfout van het<br />
model of de notaris.<br />
Figuur 7.1.2 simulatie ter illustratie van schattingsprobleem<br />
geschatte objectieve huurprijs<br />
900<br />
800<br />
700<br />
600<br />
500<br />
400<br />
300<br />
200<br />
100<br />
0<br />
verschil modelnotaris<br />
400 500 600 700 800 900<br />
objectieve huurprijs<br />
objectieve huurprijs<br />
geschat volg<strong>en</strong>s<br />
model<br />
geschat volg<strong>en</strong>s<br />
notaris<br />
fout model<br />
fout notaris<br />
70
Stel dat subjectieve schatting<strong>en</strong> van notariss<strong>en</strong> typisch 8% afwijk<strong>en</strong> van de<br />
“objectieve” waarde. In het geval van e<strong>en</strong> huurprijs van 500€ bedraagt de<br />
gemiddelde schattingsfout dan 40€. In het geval de gemiddelde schattingsfout van<br />
het hedonisch prijsmodel 56 € zou bedrag<strong>en</strong>, zou m<strong>en</strong> dus in eerste instantie<br />
vermoed<strong>en</strong> dat het hedonisch prijsmodel slechter presteert. Dit is echter<br />
misleid<strong>en</strong>d. Het resultaat is immers dat de gemiddelde schattingsfout van het<br />
model t.o.v. de “objectieve” huurprijs ev<strong>en</strong>e<strong>en</strong>s 40€ bedraagt.<br />
Deze red<strong>en</strong>ering volgt rechtstreeks uit onderstaande afleiding. We gaan er<br />
vanuit dat de schatting<strong>en</strong> van het hedonische prijsmodel ev<strong>en</strong> goed zijn als deze<br />
van de notariss<strong>en</strong> <strong>en</strong> vind<strong>en</strong> dan 14 dat we de schattingsfout van het model t.o.v. de<br />
notarisschatting kunn<strong>en</strong> del<strong>en</strong> door 1.4 om de schattingsfout t.o.v. de objectieve<br />
huurprijs te k<strong>en</strong>n<strong>en</strong>.<br />
n<br />
yi n<br />
yi 2 n<br />
yi yi yi n<br />
yi<br />
2<br />
i 1 i 1<br />
waar<br />
y<br />
y<br />
y<br />
i<br />
n<br />
i<br />
i<br />
schatting model,<br />
schatting notaris,<br />
objectieve huurprijs<br />
onder de veronderstelling dat de schattingsfout<strong>en</strong> van het model<br />
<strong>en</strong> deze van de notariss<strong>en</strong> onafhankelijk<br />
zijn van elkaar, bekomt m<strong>en</strong> dat:<br />
n<br />
yi n<br />
yi 2 n<br />
yi yi 2 n<br />
yi n<br />
yi<br />
2<br />
i 1 i 1 i 1<br />
onder de veronderstelling dat beide schattingsfout<strong>en</strong> ev<strong>en</strong> groot zijn,<br />
n<br />
yi yi 2 n<br />
yi n<br />
yi<br />
i 1 i 1<br />
dus , bekomt m<strong>en</strong> dat<br />
n<br />
yi n<br />
yi<br />
2<br />
2*<br />
n<br />
yi yi<br />
2<br />
i 1 i 1<br />
2<br />
Om van het begrip variantie terug naar de e<strong>en</strong>heid schattingsfout over te gaan<br />
nem<strong>en</strong> we vierkantswortel. De fout die we in ons model vind<strong>en</strong> zal dus 2 keer<br />
(~1.4) groter zijn, dan de schattingsfout die we met ons model zoud<strong>en</strong> vind<strong>en</strong><br />
indi<strong>en</strong> de objectieve huurprijz<strong>en</strong> als afhankelijke variabele gebruikt zoud<strong>en</strong> zijn. De<br />
onderzoekers hebb<strong>en</strong> in de literatuur omtr<strong>en</strong>t hedonic pricing ge<strong>en</strong> verwijzing<strong>en</strong><br />
naar dit probleem. Waarschijnlijk heeft dit te mak<strong>en</strong> met het doel van dit hedonisch<br />
prijsmodel dat verschill<strong>en</strong>d is van ander onderzoek, zoals in volg<strong>en</strong>d punt aan bod<br />
komt.<br />
7.1.3 Gegev<strong>en</strong>s van de woonsurvey 2005<br />
Als beeld van de private huurmarkt gebruik<strong>en</strong> we de gegev<strong>en</strong>s van de private<br />
huurprijz<strong>en</strong> uit de woonsurvey 2005. De gegev<strong>en</strong>s kunn<strong>en</strong> niet direct vergelek<strong>en</strong><br />
word<strong>en</strong> met de schatting<strong>en</strong> van de notariss<strong>en</strong> van sociale woning<strong>en</strong> in 2008. Er is<br />
uiteraard e<strong>en</strong> tijdsverschil van drie jaar. E<strong>en</strong> grotere moeilijkheid bestaat echter uit<br />
het feit dat de woonsurvey de huurprijs bevraagt van lop<strong>en</strong>de contract<strong>en</strong>. De<br />
huurprijs van lop<strong>en</strong>de contract<strong>en</strong> wordt echter bepaald door de huurprijs van het<br />
aanvangsjaar van het contract <strong>en</strong> de jaarlijkse indexatie met gezondheidsindex.<br />
Enkel voor huurcontract<strong>en</strong> die aangegaan zijn in 2005 zal de prijs van het lop<strong>en</strong>de<br />
contract dus overe<strong>en</strong>kom<strong>en</strong> met de prijs van het nieuwe contract. De gemiddelde<br />
14 Deze red<strong>en</strong>ering geldt ook omgekeerd.<br />
71
huurprijs van contract<strong>en</strong> die aangegaan zijn in 2005 bedraagt volg<strong>en</strong>s de survey<br />
493 €. Om nu te wet<strong>en</strong> wat de nieuwe huurprijs voor deze woning<strong>en</strong> zal zijn in<br />
2008, indexer<strong>en</strong> we dit bedrag met de Vlaamse huurprijsindex. Dit geeft 535 €.<br />
Merk op dat we niet indexer<strong>en</strong> met de gezondheisindex aangezi<strong>en</strong> deze zoals in<br />
deel IV besprok<strong>en</strong> niet de huurprijsstijging weergeeft voor nieuwe contract<strong>en</strong>.<br />
Aangezi<strong>en</strong> er slechts 84 huurders in de woonsurvey in 2005 gestart zijn met te<br />
hur<strong>en</strong> (gemet<strong>en</strong> via de variabele sinds wanneer m<strong>en</strong> er woont) is dit e<strong>en</strong> te<br />
beperkte steekproef. Daartoe pass<strong>en</strong> we volg<strong>en</strong>de redering toe. Voor alle huurders<br />
die sinds 1995 hur<strong>en</strong> berek<strong>en</strong><strong>en</strong> we eerst de verwachte “starthuur” die ze<br />
betaald<strong>en</strong> bij aanvang van hun contract, in de veronderstelling dat de huur die ze<br />
in 2005 betaald<strong>en</strong> geïndexeerd was met de gezondheidsindex. Vervolg<strong>en</strong>s<br />
indexer<strong>en</strong> deze “starthuurprijs” met de Vlaamse huurprijsindex (deel IV) naar<br />
2008. Op die manier krijg<strong>en</strong> we de beste b<strong>en</strong>adering om de gegev<strong>en</strong>s uit beide<br />
datasets (woonsurvey <strong>en</strong> VMSW dataset) met elkaar te vergelijk<strong>en</strong>.<br />
Onderstaande figuur geeft dit weer. Uiteraard ligg<strong>en</strong> de huurcontract<strong>en</strong> bij<br />
aanvangsjaar lager. Indi<strong>en</strong> we van de starthuurprijz<strong>en</strong> echter de verwachte<br />
huurprijs van e<strong>en</strong> nieuw contract in 2008 berek<strong>en</strong><strong>en</strong> dan zi<strong>en</strong> we dat deze, met<br />
uitzondering van 1996 redelijk rond de 500 € schommel<strong>en</strong>. Dit zou m<strong>en</strong><br />
verwacht<strong>en</strong> op basis van de huurprijsindex indi<strong>en</strong> het huurwoning<strong>en</strong>bestand qua<br />
sam<strong>en</strong>stelling in de woonsurvey niet veranderd doorhe<strong>en</strong> de tijd. Op deze manier<br />
kunn<strong>en</strong> we alvast 692 observaties uit de woonsurvey gebruik<strong>en</strong> om te vergelijk<strong>en</strong><br />
met de VMSW dataset.<br />
Figuur A: de huurprijz<strong>en</strong> van de Woonsurvey 2005, doorvertaald naar verwachte huurprijs<br />
bij aanvang contract <strong>en</strong> verwachte huurprijs bij nieuw contract in 2008<br />
600<br />
500<br />
400<br />
300<br />
200<br />
100<br />
0<br />
1994 1996 1998 2000 2002 2004 2006<br />
Bron: Woonsurvey 2005, eig<strong>en</strong> berek<strong>en</strong>ing<br />
nieuwe contract<strong>en</strong> (2008) lop<strong>en</strong>de contract<strong>en</strong> (2005)<br />
aantal aanvang contract<br />
E<strong>en</strong> mogelijk vertek<strong>en</strong>ing bij deze vergelijking zou eruit kunn<strong>en</strong> bestaan dat niet<br />
alle huurcontract<strong>en</strong> geïndexeerd word<strong>en</strong> met de gezondheidsindex zoals figuur B<br />
doet vermoed<strong>en</strong>. De gemiddelde huurprijs van huurwoning<strong>en</strong> in de woonsurvey<br />
uitgedrukt als nieuw contract in 2008 zou in dat geval hoger ligg<strong>en</strong>. Gezi<strong>en</strong> we<br />
<strong>en</strong>kel de laatste ti<strong>en</strong> jaar gebruik<strong>en</strong> in onze berek<strong>en</strong>ing zal deze mogelijke<br />
vertek<strong>en</strong>ing echter beperkt zijn.<br />
Figuur B: <strong>Huurprijz<strong>en</strong></strong> lop<strong>en</strong>de contract<strong>en</strong> in 2005 volg<strong>en</strong>s aanvangsjaar<br />
72
600<br />
500<br />
400<br />
300<br />
200<br />
100<br />
0<br />
1940 1950 1960 1970 1980 1990 2000 2010<br />
Bron: Woonsurvey 2005<br />
7.2 Overzicht VMSW data<br />
7.2.1 Schatting van de marktwaarde van sociale woning<strong>en</strong><br />
Het belang van de schatting van de marktwaarde voor de SHM’s<br />
De marktwaarde vormt de basis voor de berek<strong>en</strong>ing van de reële sociale huur van<br />
e<strong>en</strong> sociale woning zoals die door de huurder zal moet<strong>en</strong> betaald word<strong>en</strong> vanaf<br />
2008. Door e<strong>en</strong> reeks van overgangsmaatregel<strong>en</strong> neemt het belang van de<br />
marktwaarde systematisch toe waardoor in 2011 de reële huurprijs bijna nog <strong>en</strong>kel<br />
zal berek<strong>en</strong>d word<strong>en</strong> op basis van de marktwaarde.<br />
De marktwaarde van de niet-geschatte woning<strong>en</strong> wordt autonoom <strong>en</strong> objectief<br />
bepaald door de SHM’s op basis van de marktwaarde van de geschatte woning<strong>en</strong><br />
(=niet-geschatte woning “referer<strong>en</strong>” t.o.v. e<strong>en</strong> geschatte woning).<br />
Deze markthuurwaarde zal dus in de toekomst e<strong>en</strong> belangrijke rol spel<strong>en</strong> voor de<br />
financiële gezondheid van de SHM’s.<br />
De wettelijke basis<br />
De wettelijke basis hiervan wordt gevormd door de artikel<strong>en</strong> 38 <strong>en</strong> 39 van het<br />
besluit van de Vlaamse Regering tot reglem<strong>en</strong>tering van het sociale huurstelsel ter<br />
uitvoering van titel VII van de Vlaamse Wooncode dat op 12.10.2007 definitief<br />
werd goedgekeurd door de Vlaamse Regering. Die luid<strong>en</strong> als volgt:<br />
“Art. 38. De marktwaarde van e<strong>en</strong> sociale huurwoning is de huurprijs die voor e<strong>en</strong><br />
woning van vergelijkbaar type <strong>en</strong> vergelijkbare leeftijd <strong>en</strong> met vergelijkbare<br />
onderhoudstoestand in e<strong>en</strong> vergelijkbare omgeving op de private huurmarkt zou<br />
word<strong>en</strong> betaald. Op het og<strong>en</strong>blik van het aangaan van e<strong>en</strong> huurovere<strong>en</strong>komst<br />
wordt de marktwaarde van de woning bepaald <strong>en</strong> in de huurovere<strong>en</strong>komst<br />
vastgelegd. Die waarde wordt de basishuurprijs g<strong>en</strong>oemd.<br />
Art. 39. Voor de bepaling van de marktwaarde wordt de marktwaarde van e<strong>en</strong><br />
repres<strong>en</strong>tatief staal van sociale huurwoning<strong>en</strong> geschat door e<strong>en</strong> notaris. De<br />
VMSW stelt het repres<strong>en</strong>tatief staal sam<strong>en</strong> <strong>en</strong> evalueert de sam<strong>en</strong>stelling ervan<br />
minimaal om de drie jaar. Iedere woning waarvan de marktwaarde door e<strong>en</strong> notaris<br />
73
werd geschat, wordt aan het repres<strong>en</strong>tatief staal toegevoegd. De kost<strong>en</strong> van de<br />
schatting<strong>en</strong> zijn voor de verhuurder.”<br />
Conform deze bepaling<strong>en</strong> moet elke sociale woongeleg<strong>en</strong>heid op objectieve wijze<br />
kunn<strong>en</strong> gekoppeld word<strong>en</strong> aan e<strong>en</strong> op 4 niveaus vergelijkbaar repres<strong>en</strong>tatief staal.<br />
Globaal zoud<strong>en</strong> er de eerste maal e<strong>en</strong> 2.000-tal woongeleg<strong>en</strong>hed<strong>en</strong> moet<strong>en</strong><br />
geschat word<strong>en</strong>. Deze 2.000 woongeleg<strong>en</strong>hed<strong>en</strong> zijn vrij gelijk verspreid over het<br />
Vlaamse Gewest. Ieder jaar zull<strong>en</strong> ongeveer 400 woongeleg<strong>en</strong>hed<strong>en</strong> bijkom<strong>en</strong>d<br />
geschat word<strong>en</strong>.<br />
Op basis van de patrimoniumdatabank SHM’s van de VMSW, de inv<strong>en</strong>taris van de<br />
staat van dat patrimonium, hebb<strong>en</strong> de di<strong>en</strong>st<strong>en</strong> van de VMSW het patrimonium<br />
van de SHM’s ingedeeld volg<strong>en</strong>s bov<strong>en</strong>vermelde 4 elem<strong>en</strong>t<strong>en</strong> (vergelijkbare<br />
omgeving - vergelijkbaar woningtype - vergelijkbare leeftijd - vergelijkbare<br />
onderhoudstoestand) in e<strong>en</strong> 2.000-tal groep<strong>en</strong>.<br />
De schatting van de verkoopwaarde<br />
Van de geleg<strong>en</strong>heid zal ook gebruik gemaakt word<strong>en</strong> om de verkoopwaarde van<br />
de betreff<strong>en</strong>de woongeleg<strong>en</strong>hed<strong>en</strong> te schatt<strong>en</strong>. De verkoopwaarde is de prijs die<br />
zou betaald word<strong>en</strong> voor e<strong>en</strong> vergelijkbare woning op de privémarkt. Hierdoor krijgt<br />
de SHM e<strong>en</strong> overzicht van de waarde van haar patrimonium. De VMSW krijgt zo<br />
e<strong>en</strong> zicht op de totale waarde van het sociale patrimonium in Vlaander<strong>en</strong>. De<br />
schatting van marktwaarde <strong>en</strong> verkoopwaarde di<strong>en</strong>t zo onafhankelijk mogelijk van<br />
elkaar te gebeur<strong>en</strong>.<br />
74
7.2.2 bebouwingsmorfologie<br />
75
7.2.3 Overzicht VMSW dataset<br />
aantall<strong>en</strong> k<strong>en</strong>merk<br />
verwacht<br />
tek<strong>en</strong><br />
Total Woningtype<br />
832 'A' - app --<br />
192 'B' - bung +<br />
149 'D' - duow -<br />
1131 'E' - huis +<br />
Total Aard bebouwing<br />
229 <br />
1057 Geslot<strong>en</strong> --<br />
839 Half-op<strong>en</strong> -<br />
179 Vrijstaand +<br />
Total Autoberging (gegroepeerd)<br />
1783 <br />
136 Bov<strong>en</strong>grondse parking +<br />
301 Garagebox ++<br />
84 Ondergrondse parking +<br />
Total Autoberging (individueel)<br />
1445 <br />
42 Carport +<br />
735 Garage ++<br />
82 Garagebox +<br />
Total Typologie<br />
17 <br />
35 AH appartem<strong>en</strong>t hoogbouw >10 verd. --<br />
663 AL appartem<strong>en</strong>t laagbouw 1-4 verd. --<br />
166 AM appartem<strong>en</strong>t middelhoog 5-9 verd. -<br />
182 BW Bungalowwoning +<br />
137 DW Duowoning +<br />
1104 EW E<strong>en</strong>gezinswoning ++<br />
Total Bebouwingsmorfologie<br />
89 <br />
559 1. Traditioneel bouwblok (stedelijk / dorpskom)<br />
126 2. Organisch verspreide bebouwing (gem<strong>en</strong>gd)<br />
771 3. Geplande verspreide bebouwing (verkaveling<strong>en</strong>)<br />
201 4. Verspreide grotere <strong>en</strong>titeit<strong>en</strong> (appartem<strong>en</strong>tsblokk<strong>en</strong>)<br />
47 5. Lintbebouwing (invalsweg / gewestweg)<br />
419 6. Woonerv<strong>en</strong> (buit<strong>en</strong> stedelijk c<strong>en</strong>trum)<br />
92 7. Stedelijke binn<strong>en</strong>gebied<strong>en</strong> (stadsoases)<br />
Total aantslaapkamers<br />
5 0 --<br />
443 1 -<br />
698 2<br />
942 3 +<br />
180 4 ++<br />
32 5 +++<br />
4 6 +++<br />
Total aantperson<strong>en</strong><br />
53 0<br />
19 1<br />
210 2<br />
124 3<br />
190 4<br />
137 5<br />
227 6<br />
39 7<br />
65 8<br />
26 9<br />
1214 (blank)<br />
77
Total Aanpasbaarheid MV<br />
224 <br />
307 Ja +<br />
1015 Mogelijk<br />
758 Niet -<br />
Total Aanwezigheid omgevingsgro<strong>en</strong><br />
19 <br />
1001 doorsnee<br />
1059 zeer goed +<br />
225 zwak -<br />
Total Architecturale kwaliteit (meerwaardeproject)<br />
18 <br />
1263 doorsnee<br />
719 zeer goed +<br />
304 zwak -<br />
Total Bakker / slager / kruid<strong>en</strong>ier<br />
8 <br />
2031 A - loop-<strong>en</strong> fietsafstand (
857 A - loop-<strong>en</strong> fietsafstand ( 2003) ++<br />
671 B - conform K 55 met dampscherm (> 1993) + appartem<strong>en</strong>t<strong>en</strong> midd<strong>en</strong> & hoogbouw +<br />
504 C - conform K 70 (> 1983) of licht nageïsoleerde dak<strong>en</strong> + appartem<strong>en</strong>t<strong>en</strong><br />
413 D - ge<strong>en</strong> dakisolatie maar met winddicht onderdak of plafondafwerking -<br />
236 E - ge<strong>en</strong> dakisolatie zonder onderdak / gev<strong>en</strong>tileerde platte dak<strong>en</strong> --<br />
Total Elektrische installatie<br />
62 <br />
686 A - conform AREI (incl. automatische zekering<strong>en</strong>)<br />
++<br />
785<br />
398<br />
/ B comforteis<strong>en</strong> - conform AREI volg<strong>en</strong>s (> 1981) C 2001 / incl. / automatische zekering<strong>en</strong> / differ<strong>en</strong>tiaals / ...<br />
#stopcontact<strong>en</strong> C - geupgrade installaties (leefruimte (na min. 1983) 6 / met slaapkamers differ<strong>en</strong>tiaal min. 3 / keuk<strong>en</strong>aanrecht min. 3)<br />
+<br />
342<br />
31<br />
& D - afzonderlijke oudere installaties kring<strong>en</strong> / voor zonder wasmachine differ<strong>en</strong>tiaals droogkast / met smeltzekering<strong>en</strong><br />
/ E<br />
fornuis niet - onveilige geaarde / stopcontact<strong>en</strong><br />
installaties stopcontact<strong>en</strong> (bedrading<br />
met / aarding beperkt 1mm<br />
in vermog<strong>en</strong> de<br />
/ slechts<br />
natte cell<strong>en</strong><br />
1 / ... kring<br />
&<br />
/<br />
keuk<strong>en</strong><br />
...) / beschadigde installaties<br />
-<br />
--<br />
Total Geluidshinder (luchthav<strong>en</strong> / spoorweg / autostrade)<br />
7 <br />
27 manifeste hinder --<br />
212 matige hinder -<br />
2058 niet van toepassing<br />
Total Geluidsisolatie<br />
59 <br />
454 A - woningscheid<strong>en</strong>de wand<strong>en</strong> ontdubbeld + isolatie<br />
++<br />
600 / B zwev<strong>en</strong>de - woningscheid<strong>en</strong>de vloer<strong>en</strong> tuss<strong>en</strong> wand<strong>en</strong> appartem<strong>en</strong>t<strong>en</strong> in zware betonblokk<strong>en</strong> / luchtdicht 20 schrijnwerk cm of metselwerk & dubbele 30 beglazing cm<br />
+<br />
669<br />
416<br />
/ C woningkoppeling - niet ontdubbelde ter wand<strong>en</strong> hoogte tuss<strong>en</strong> garage e<strong>en</strong>gezinswoning<strong>en</strong> < 30 cm<br />
/<br />
D<br />
luchtdicht<br />
- niet ontdubbelde<br />
schrijnwerk<br />
wand<strong>en</strong><br />
& dubbele<br />
tuss<strong>en</strong><br />
beglazing<br />
appartem<strong>en</strong>t<strong>en</strong><br />
langs verkeersweg<strong>en</strong><br />
< 20 cm<br />
/ ...<br />
-<br />
106 E - woningscheid<strong>en</strong>de wand<strong>en</strong> tuss<strong>en</strong> woning<strong>en</strong> < 20 cm<br />
--<br />
Total / Geme<strong>en</strong>tehuis hout<strong>en</strong> vloerlag<strong>en</strong> / postkantoor tuss<strong>en</strong> appartem<strong>en</strong>t<strong>en</strong> / Bank / beduid<strong>en</strong>d veel klacht<strong>en</strong><br />
8 <br />
1437 A - loop-<strong>en</strong> fietsafstand (
87 C - >5 km) -<br />
Total Grote nationale weg / autostrade<br />
14 <br />
876 A - loop-<strong>en</strong> fietsafstand (
421 C - matig<br />
87 D - slecht<br />
17 E - zeer slecht<br />
Total Ram<strong>en</strong> & deur<strong>en</strong><br />
9 <br />
912 A - zeer goed<br />
920 B - goed<br />
357 C - matig<br />
89 D - slecht<br />
17 E - zeer slecht<br />
Total Ruimtecomfort (opp)<br />
37 <br />
1309 Basis<br />
697 Groot<br />
261 Klein<br />
Total Sanitair comfort<br />
11 <br />
459 A - intern toilet & verwarmde badkamer (lavabo + ligbad / douche) zeer goed<br />
932 met B - intern dubbele toilet lavabo & verwarmde & extra WC-nacht badkamer vanaf (lavabo 3 slaapkamers + ligbad / douche) goed<br />
641<br />
224<br />
37<br />
Total<br />
544<br />
/ met C geaarde - intern lichte toilet stopcontact<strong>en</strong> ouderdomsspor<strong>en</strong> & verwarmde / aansluiting / badkamer geaarde wasmachine stopcontact<strong>en</strong><br />
(lavabo + ligbad & droogkast / douche) in badkamer basis of berging<br />
/garage / <strong>en</strong>igszins aansluiting / v<strong>en</strong>tilatie wasmachine (=EPB-conform)<br />
D - intern verouderd toilet & verwarmbare maar & nog droogkast functioneel / v<strong>en</strong>tileerbare<br />
in badkamer <strong>en</strong> bouwfysisch badruimte<br />
of berging in – orde<br />
/ sterk v<strong>en</strong>tilatiemogelijkheid geaarde stopcontact<strong>en</strong> (via / aansluiting raam of koker)<br />
E - extern verouderd toilet <strong>en</strong>/of of minimaal via 'koterij<strong>en</strong>' comfort / volwaardige wasmachine badkamer in badkamer, ontbreekt berging/garage<br />
(bv. Schaal<br />
in gelijkvloerse keuk<strong>en</strong> of in minderwaardige achterbouw / elektrisch achterbouw, verwarmd slecht / geïsoleerd ...)<br />
/<br />
<<br />
niet<br />
25 woning<strong>en</strong><br />
gev<strong>en</strong>tileerd / schimmelvorming / ...)<br />
176 <br />
786 > 75 woning<strong>en</strong><br />
798 25 tot <strong>en</strong> met 75 woning<strong>en</strong><br />
Total Sociale mix bewonersgroep<strong>en</strong><br />
128 <br />
1081 doorsnee<br />
926 zeer goed<br />
169 zwak<br />
Total Sociale veiligheid / vandalisme / ___<br />
128 <br />
919 doorsnee<br />
1141 zeer goed<br />
116 zwak<br />
Total Sportc<strong>en</strong>trum / zwembad / bibliotheek<br />
10 <br />
1160 A - loop-<strong>en</strong> fietsafstand (
321 > 7 m²<br />
498 3 - 7 m²<br />
Total Toegankelijkheid MV (GLVL)<br />
51 <br />
783 Hoog<br />
889 Matig<br />
581 Niet<br />
Total Toegankelijkheid omgeving<br />
48 <br />
969 doorsnee<br />
1238 zeer goed<br />
49 zwak<br />
Total Tuin woning (opp m²)<br />
813 < 75 m²<br />
811 <br />
114 > 200 m²<br />
566 75 - 200 m²<br />
Total V<strong>en</strong>tilatievoorzi<strong>en</strong>ing<br />
43 <br />
326 A - Conform EPB-decreet<br />
813 B - V<strong>en</strong>tilatieroosters in de ram<strong>en</strong><br />
1122 C - Ge<strong>en</strong> specifieke voorzi<strong>en</strong>ing<strong>en</strong> anders dan op<strong>en</strong>gaande ram<strong>en</strong> of dampkap<br />
Total Verkeerslawaai (ste<strong>en</strong>weg / invalsweg)<br />
7 <br />
51 manifeste hinder<br />
349 matige hinder<br />
1897 niet van toepassing<br />
Total Verkeersveiligheid (fiets & voetpad<strong>en</strong>)<br />
21 <br />
1148 doorsnee<br />
1014 zeer goed<br />
121 zwak<br />
Total Verwaarlozing buurt (stadskanker, ___)<br />
16 <br />
20 manifeste hinder<br />
260 matige hinder<br />
2008 niet van toepassing<br />
Total Verwarming<br />
58 <br />
486 A - CV - cond<strong>en</strong>ser<strong>en</strong>de HR-ketel /<br />
867 collectieve B - CV - HR-ketel verwarming geslot<strong>en</strong> cond<strong>en</strong>ser<strong>en</strong>de verbrandingskamer HR-ketel / collectieve / warmtepomp<strong>en</strong> verwarming / ... HR-ketel<br />
604 C - CV - op<strong>en</strong> toestell<strong>en</strong> (oudere vloer of wandketels)<br />
113 / D HR-gasconvector<strong>en</strong> - elektrisch-direct (convector<strong>en</strong>) met op<strong>en</strong> verbrandingskamer / gasconvector<strong>en</strong> / met op<strong>en</strong> verbrandingskamer<br />
176<br />
Total<br />
niet / E statische - niet<br />
HR-gasconvector<strong>en</strong><br />
voorzi<strong>en</strong> warme door lucht SHM verwarming<br />
met<br />
/<br />
gevelaansluiting<br />
mazoutkachels /<br />
/<br />
kol<strong>en</strong>kachels<br />
elektrisch-gem<strong>en</strong>gd<br />
/ andere<br />
(accumulatie)<br />
...<br />
/ stadsverwarming<br />
Vloerbekleding <strong>en</strong> plint<strong>en</strong><br />
14 <br />
750 A - zeer goed<br />
959 B - goed<br />
479 C - matig<br />
88 D - slecht<br />
14 E - zeer slecht<br />
Total Vloerisolatie<br />
51 <br />
351 A - conform K 45 (> 2003) + appartem<strong>en</strong>t<strong>en</strong> verdieping met zwev<strong>en</strong>de vloer<strong>en</strong><br />
531 B - conform K 55 (> 1993) + appartem<strong>en</strong>t<strong>en</strong> verdieping zonder zwev<strong>en</strong>de vloer<strong>en</strong><br />
352 C - conform K 70 (> 1983)<br />
819 D - niet geïsoleerde vloer<strong>en</strong> op volle grond<br />
200 E - niet geïsoleerde maar gev<strong>en</strong>tileerde kruipruimt<strong>en</strong> & kelders<br />
Total Warmwatervoorzi<strong>en</strong>ing<br />
72 <br />
663 A - doorstroom / voorraadboiler op HR-ketel of cond<strong>en</strong>ser<strong>en</strong>de ketel<br />
/ collectieve installaties in combinatie met zonneboilers<br />
82
829 B - doorstroom / voorraadboiler op gewone CV-ketel<br />
/ geslot<strong>en</strong> verbrandingstoestell<strong>en</strong> - type C13-C33 / collectieve warmwaterproductie<br />
637 C - op<strong>en</strong> verbrandingstoestell<strong>en</strong> - type B11BS / elektroboilers (badkamer + keuk<strong>en</strong>)<br />
68 D - oudere op<strong>en</strong> toestell<strong>en</strong> (badkamer) / toestell<strong>en</strong> zonder afvoer type AAS (keuk<strong>en</strong>)<br />
35 E - niet voorzi<strong>en</strong> / onveilige toestell<strong>en</strong><br />
7.2.4 Oppervlakte norm<strong>en</strong> VMSW, volg<strong>en</strong>s aantal slaapkamers <strong>en</strong><br />
aantal person<strong>en</strong><br />
Hoewel het aantal person<strong>en</strong> in de VMSW dataset onvolledig was, is deze partiële<br />
info die we hieruit vind<strong>en</strong> wel interessant om te koppel<strong>en</strong> aan onderstaande tabel,<br />
waardoor we e<strong>en</strong> b<strong>en</strong>adering kunn<strong>en</strong> mak<strong>en</strong> voor de grootte van de woning.<br />
Tabel 21: Gemiddelde oppervlakte volg<strong>en</strong>s aantal slaapkamers <strong>en</strong> aantal person<strong>en</strong>, op<br />
basis van minima <strong>en</strong> maxima norm<strong>en</strong> VMSW<br />
Aantal PERS. 1 2 3 4 5 6 7 8 9 10<br />
SLPK.<br />
0 37 48<br />
1 48 57<br />
2 69 78<br />
3 85 96 104<br />
4 104 111 118 125<br />
5 120 127 135 141 146<br />
Bron kostprijssimulatie 2009 VMSW, eig<strong>en</strong> berek<strong>en</strong>ing (gemiddelde)<br />
83
7.3 Overzicht Statistische sector data,<br />
Naast bevolkingsaantall<strong>en</strong>, huishoud<strong>en</strong>s, dichthed<strong>en</strong> <strong>en</strong> lon<strong>en</strong> gebruik<strong>en</strong> we ook<br />
de statistische sector data van de SEE2001.<br />
<strong>Deel</strong> 1 SEE2001<br />
1. Laaggeschoold<strong>en</strong><br />
Totale bevolking van 18 jaar <strong>en</strong> ouder die ge<strong>en</strong> leerling of stud<strong>en</strong>t is <strong>en</strong> met als hoogste<br />
diploma lager of lager middelbaar onderwijs / (totale bevolking van 18 jaar <strong>en</strong> ouder die houder<br />
zijn van e<strong>en</strong> diploma afgeleverd in België – niveau van de opleiding onbek<strong>en</strong>d).<br />
Bron: SEE 2001 (leeftijdsgroep<strong>en</strong>, q1, q9a, q9c)<br />
2. Hooggediplomeerd<strong>en</strong><br />
Totale bevolking van 18 jaar <strong>en</strong> ouder die ge<strong>en</strong> leerling of stud<strong>en</strong>t is <strong>en</strong> met diploma van<br />
hogeschool lange type of universiteit, voortgezette opleiding of doctoraat / (totale bevolking van<br />
18 jaar <strong>en</strong> ouder die houder zijn van e<strong>en</strong> diploma afgeleverd in België – niveau van de<br />
opleiding onbek<strong>en</strong>d).<br />
Bron: SEE 2001 (leeftijdsgroep<strong>en</strong>, q1, q9a, q9c, q11a)<br />
3. Huishoud<strong>en</strong>s zonder auto<br />
Vervoermiddel<strong>en</strong> waarover het huishoud<strong>en</strong> beschikt: aantal woning<strong>en</strong> zonder auto / aantal<br />
woning<strong>en</strong> zonder auto + aantal woning<strong>en</strong> met auto.<br />
Bron: SEE 2001<br />
4. Alle<strong>en</strong>staand<strong>en</strong><br />
Particuliere huishoud<strong>en</strong>s van alle<strong>en</strong>won<strong>en</strong>d<strong>en</strong> in de totale bevolking / totaal van de particuliere<br />
huishoud<strong>en</strong>s.<br />
Bron: SEE 2001<br />
5. Werkzoek<strong>en</strong>d<strong>en</strong><br />
totale werkzoek<strong>en</strong>de bevolking / totale beroepsbevolking.<br />
Bron: SEE 2001<br />
6. Beroepsbevolking in de di<strong>en</strong>st<strong>en</strong>sector<br />
Totaal werk<strong>en</strong>de beroepsbevolking in de di<strong>en</strong>st<strong>en</strong>sector / (totaal werk<strong>en</strong>de beroepsbevolking -<br />
activiteit slecht omschrev<strong>en</strong>).<br />
Bron: SEE 2001<br />
7. Inkom<strong>en</strong> per inwoner<br />
Gemiddeld belastbaar inkom<strong>en</strong> per inwoner in euro.<br />
Bron: Financiële statistiek<strong>en</strong> NIS 2003<br />
8. Woning<strong>en</strong> met c<strong>en</strong>trale verwarming<br />
Gerieflijkhed<strong>en</strong> van de bewoonde particuliere woning<strong>en</strong>: perc<strong>en</strong>tage woning<strong>en</strong> met c<strong>en</strong>trale<br />
verwarming.<br />
Bron: SEE 2001<br />
9. Totale oppervlakte van de woonvertrekk<strong>en</strong><br />
Om de gemiddelde oppervlakte van de woonvertrekk<strong>en</strong> per statistische sector te berek<strong>en</strong><strong>en</strong><br />
werd<strong>en</strong> de middelste waard<strong>en</strong> van de categorieën gebruikt in de berek<strong>en</strong>ing: 25, 45, 70, 95,<br />
115 <strong>en</strong> 135m². In de woonvertrekk<strong>en</strong> word<strong>en</strong> meegerek<strong>en</strong>d: studio of loft, keuk<strong>en</strong>, living,<br />
zitkamer, eetkamer, privé-bureau, speelkamer of ontspanningskamer <strong>en</strong> slaapkamers.<br />
Bron: SEE 2001 (wq4c)<br />
10. Oude woning<strong>en</strong><br />
Aantal bewoonde particuliere woning<strong>en</strong> gebouwd voor 1945 / totaal aantal woning<strong>en</strong> -<br />
bouwjaar onbek<strong>en</strong>d.<br />
Bron: SEE 2001<br />
11. Landbouwers<br />
% werkzaam in landbouw, bosbouw <strong>en</strong> visserij t.o.v. totaal.<br />
84
Bron: SEE 2001<br />
12. Eig<strong>en</strong>aars<br />
% van de refer<strong>en</strong>tieperson<strong>en</strong> dat eig<strong>en</strong>aar, mede-eig<strong>en</strong>aar of vruchtgebruiker is van zijn/haar<br />
woning.<br />
Bron: SEE 2001<br />
13. Ouder<strong>en</strong><br />
% van de bevolking ouder dan 65.<br />
Bron: SEE 2001<br />
14. Rec<strong>en</strong>te woning<strong>en</strong><br />
Aantal bewoonde particuliere woning<strong>en</strong> gebouwd na 1981 / totaal aantal woning<strong>en</strong> - bouwjaar<br />
onbek<strong>en</strong>d.<br />
Bron: SEE 2001<br />
15. Woning<strong>en</strong> met internetverbinding<br />
Gerieflijkhed<strong>en</strong> van de bewoonde particuliere woning<strong>en</strong>: perc<strong>en</strong>tage woning<strong>en</strong> met<br />
internetverbinding.<br />
Bron: SEE 2001<br />
16. Vrijstaande woning<strong>en</strong><br />
Perc<strong>en</strong>tage van de bewoonde woning<strong>en</strong> dat van het type "e<strong>en</strong>gezinswoning op<strong>en</strong> bebouwing<br />
(4 gevels)" is.<br />
Bron: SEE 2001<br />
17. Gezondheidsindex<br />
Index gebaseerd op de vraag "Hoe is uw algem<strong>en</strong>e gezondheidstoestand?', gestandardiseerd<br />
volg<strong>en</strong>s leeftijd <strong>en</strong> geslacht.<br />
Bron: SEE 2001, bewerking Interface Demography VUB<br />
18. Staat van de woning<br />
Perc<strong>en</strong>tage van de bewoonde woning<strong>en</strong> waar grote herstelling<strong>en</strong> nodig zijn aan (binn<strong>en</strong>mur<strong>en</strong><br />
+ buit<strong>en</strong>mur<strong>en</strong> + dak + dakgoot + elektriciteit + ram<strong>en</strong>).<br />
Bron: SEE 2001<br />
19. Gehuwde gezinshoofd<strong>en</strong><br />
Gehuwde refer<strong>en</strong>tieperson<strong>en</strong> van de private huishoud<strong>en</strong>s / totaal van de refer<strong>en</strong>tieperson<strong>en</strong><br />
van de private huishoud<strong>en</strong>s.<br />
Bron: SEE 2001<br />
20. Woning<strong>en</strong> met telefoon<br />
Gerieflijkhed<strong>en</strong> van de bewoonde particuliere woning<strong>en</strong>: perc<strong>en</strong>tage woning<strong>en</strong> met telefoon.<br />
Bron: SEE 2001<br />
21. Perceptie van de woonomgeving: uitzicht gebouw<strong>en</strong><br />
Perc<strong>en</strong>tage huishoud<strong>en</strong>s dat het uitzicht van de gebouw<strong>en</strong> in de woonomgeving aanduidt als<br />
"slecht".<br />
Bron: SEE 2001<br />
22. Buurtvoorzi<strong>en</strong>ing<strong>en</strong><br />
Perc<strong>en</strong>tage van de huishoud<strong>en</strong>s dat voorzi<strong>en</strong>ing<strong>en</strong> ivm (het winkelaanbod + de<br />
gezondheidsdi<strong>en</strong>st + de administratieve voorzi<strong>en</strong>ing<strong>en</strong> + andere vrije beroep<strong>en</strong> + sociale- <strong>en</strong><br />
schoolvoorzi<strong>en</strong>ing<strong>en</strong> + kribb<strong>en</strong> <strong>en</strong> onthaalmoeders / het cultuur- <strong>en</strong> recreatieaanbod) in de<br />
buurt beoordeelt als "slecht voorzi<strong>en</strong>".<br />
Faccultuurrecr<br />
Bron: SEE 2001<br />
23. Bereikbaarheid<br />
Perc<strong>en</strong>tage van de huishoud<strong>en</strong>s dat voorzi<strong>en</strong>ing<strong>en</strong> ivm (voetpad<strong>en</strong> + fietspad<strong>en</strong> + strat<strong>en</strong> + het<br />
aanbod van op<strong>en</strong>baar vervoer) beoordeelt als "slecht voorzi<strong>en</strong>".<br />
Bron: SEE 2001<br />
85
<strong>Deel</strong> 2 SEE2001<br />
1. Turk<strong>en</strong> <strong>en</strong> Marokkan<strong>en</strong><br />
(Turk<strong>en</strong> + Marokkan<strong>en</strong>) / totale bevolking.<br />
Bron: SEE 2001<br />
2. Jonge gezinshoofd<strong>en</strong><br />
Refer<strong>en</strong>tieperson<strong>en</strong> van de private huishoud<strong>en</strong>s jonger dan 25 jaar / totaal van de refer<strong>en</strong>tieperson<strong>en</strong> van de<br />
private huishoud<strong>en</strong>s.<br />
Bron: SEE 2001<br />
3. Gehuwde gezinshoofd<strong>en</strong><br />
Gehuwde refer<strong>en</strong>tieperson<strong>en</strong> van de private huishoud<strong>en</strong>s / totaal van de refer<strong>en</strong>tieperson<strong>en</strong> van de private<br />
huishoud<strong>en</strong>s.<br />
Bron: SEE 2001<br />
4. Alle<strong>en</strong>staand<strong>en</strong><br />
Particuliere huishoud<strong>en</strong>s van alle<strong>en</strong>won<strong>en</strong>d<strong>en</strong> in de totale bevolking / totaal van de particuliere huishoud<strong>en</strong>s.<br />
Bron: SEE 2001<br />
5. Grote huishoud<strong>en</strong>s<br />
Particuliere huishoud<strong>en</strong>s van 5, 6, 7 of 8 <strong>en</strong> meer person<strong>en</strong> in de totale bevolking/ totaal van de particuliere<br />
huishoud<strong>en</strong>s.<br />
Bron: SEE 2001<br />
6. Leerling<strong>en</strong> in beroeps- of technisch onderwijs<br />
Totale bevolking die voltijds technisch of beroeps middelbaar onderwijs volgt / totale bevolking die<br />
middelbaar onderwijs met volledig leerplan volgt.<br />
Bron: SEE 2001 (q13, q14)<br />
7. Scholingsgraad<br />
Totale bevolking die voltijds hoger onderwijs volgt / leeftijdsgroep<strong>en</strong> 15-24 jaar in de totale bevolking.<br />
Bron: SEE 2001 (q13, q14, leeftijdsgroep<strong>en</strong>)<br />
8. Laaggeschoold<strong>en</strong><br />
Totale bevolking van 18 jaar <strong>en</strong> ouder die ge<strong>en</strong> leerling of stud<strong>en</strong>t is <strong>en</strong> met als hoogste diploma lager of<br />
lager middelbaar onderwijs / (totale bevolking van 18 jaar <strong>en</strong> ouder die houder zijn van e<strong>en</strong> diploma<br />
afgeleverd in België – niveau van de opleiding onbek<strong>en</strong>d).<br />
Bron: SEE 2001 (leeftijdsgroep<strong>en</strong>, q1, q9a, q9c)<br />
9. Hooggediplomeerd<strong>en</strong><br />
Totale bevolking van 18 jaar <strong>en</strong> ouder die ge<strong>en</strong> leerling of stud<strong>en</strong>t is <strong>en</strong> met diploma van hogeschool lange<br />
type of universiteit, voortgezette opleiding of doctoraat / (totale bevolking van 18 jaar <strong>en</strong> ouder die houder zijn<br />
van e<strong>en</strong> diploma afgeleverd in België – niveau van de opleiding onbek<strong>en</strong>d).<br />
Bron: SEE 2001 (leeftijdsgroep<strong>en</strong>, q1, q9a, q9c, q11a)<br />
10. Werkzoek<strong>en</strong>d<strong>en</strong><br />
totale werkzoek<strong>en</strong>de bevolking / totale beroepsbevolking.<br />
Bron: SEE 2001<br />
11. Arbeiders<br />
Totaal van de arbeiders / totale beroepsbevolking werkzaam in de op<strong>en</strong>bare <strong>en</strong> private sector.<br />
Bron: volkstelling 1991 <strong>en</strong> SEE 2001<br />
12. Beroepsbevolking in de di<strong>en</strong>st<strong>en</strong>sector<br />
Totaal werk<strong>en</strong>de beroepsbevolking in de di<strong>en</strong>st<strong>en</strong>sector / (totaal werk<strong>en</strong>de beroepsbevolking - activiteit<br />
slecht omschrev<strong>en</strong>).<br />
Bron: SEE 2001<br />
86
13. Inkom<strong>en</strong> per inwoner<br />
Gemiddeld belastbaar inkom<strong>en</strong> per inwoner.<br />
Bron: Financiële statistiek<strong>en</strong> NIS 2003<br />
14. Woning<strong>en</strong> zonder klein comfort<br />
Bewoonde particuliere woning<strong>en</strong> naar combinatie van gerieflijkhed<strong>en</strong> binn<strong>en</strong> de woning: alle woning<strong>en</strong><br />
zonder klein comfort / totaal aantal woning<strong>en</strong> - aantal overige woning<strong>en</strong>.<br />
Bron: SEE 2001<br />
15. Woning<strong>en</strong> met wc met waterspoeling<br />
Omdat in de SEE van 2001 niet specifiek meer naar waterspoeling werd gevraagd <strong>en</strong> de verspreiding van de<br />
wc’s met waterspoeling <strong>en</strong> de badkamers in 1991 e<strong>en</strong> zeer gelijkaardig patroon vertoond<strong>en</strong> werd<strong>en</strong> de<br />
‘woning<strong>en</strong> met wc met waterspoeling’ via regressievergelijking berek<strong>en</strong>d volg<strong>en</strong>s de evolutie van de<br />
badkamers met de gegev<strong>en</strong>s van 1991 voor wc met waterspoeling.<br />
Bron: volkstelling 1991 <strong>en</strong> SEE 2001<br />
16. Woning<strong>en</strong> met badkamer<br />
Gerieflijkhed<strong>en</strong> van de bewoonde particuliere woning<strong>en</strong>: perc<strong>en</strong>tage woning<strong>en</strong> met badkamer of stortbad.<br />
Bron: SEE 2001<br />
17. Woning<strong>en</strong> met c<strong>en</strong>trale verwarming<br />
Gerieflijkhed<strong>en</strong> van de bewoonde particuliere woning<strong>en</strong>: perc<strong>en</strong>tage woning<strong>en</strong> met c<strong>en</strong>trale verwarming.<br />
Bron: SEE 2001<br />
18. Woning<strong>en</strong> met telefoon<br />
Gerieflijkhed<strong>en</strong> van de bewoonde particuliere woning<strong>en</strong>: perc<strong>en</strong>tage woning<strong>en</strong> met telefoon.<br />
Bron: SEE 2001<br />
19. Totale oppervlakte van de woonvertrekk<strong>en</strong><br />
1991: Bewoonde particuliere woning<strong>en</strong> per oppervlakte: totale oppervlakte van de woning<strong>en</strong> (in 100 m²) /<br />
totaal aantal woning<strong>en</strong> x 100.<br />
2001: Om de gemiddelde oppervlakte van de woonvertrekk<strong>en</strong> per statistische sector te berek<strong>en</strong><strong>en</strong> werd<strong>en</strong> de<br />
middelste waard<strong>en</strong> van de categorieën gebruikt in de berek<strong>en</strong>ing: 25, 45, 70, 95, 115 <strong>en</strong> 135m². In de<br />
woonvertrekk<strong>en</strong> word<strong>en</strong> meegerek<strong>en</strong>d: studio of loft, keuk<strong>en</strong>, living, zitkamer, eetkamer, privé-bureau,<br />
speelkamer of ontspanningskamer <strong>en</strong> slaapkamers.<br />
Bron: SEE 2001 (wq4c)<br />
20. Woning<strong>en</strong> zonder auto<br />
Vervoermiddel<strong>en</strong> waarover het huishoud<strong>en</strong> beschikt: aantal woning<strong>en</strong> zonder auto / aantal woning<strong>en</strong> zonder<br />
auto + aantal woning<strong>en</strong> met auto.<br />
Bron: SEE 2001<br />
21. Bevolking die meer dan 1 jaar in dezelfde woning woont (woonstabiliteit)<br />
Totale bevolking meer dan e<strong>en</strong> jaar in dezelfde woning won<strong>en</strong>d / totale bevolking.<br />
Bron: SEE 2001<br />
22. Huurders van e<strong>en</strong> appartem<strong>en</strong>t<br />
Aantal particuliere woning<strong>en</strong> (appartem<strong>en</strong>t<strong>en</strong>) bewoond door huurders / aantal particuliere woning<strong>en</strong> ( alle<br />
types) bewoond door huurder of eig<strong>en</strong>aar.<br />
Bron: SEE 2001<br />
23. Oude woning<strong>en</strong><br />
Aantal bewoonde particuliere woning<strong>en</strong> gebouwd voor 1945 / totaal aantal woning<strong>en</strong> - bouwjaar onbek<strong>en</strong>d.<br />
Bron: SEE 2001<br />
87
7.4 Geme<strong>en</strong>te-effect<strong>en</strong><br />
Als alternatief hebb<strong>en</strong> we ook geme<strong>en</strong>te-effect<strong>en</strong> toegevoegd die geschat zijn op<br />
basis van transactiegegev<strong>en</strong>s van woning<strong>en</strong>, appartem<strong>en</strong>t<strong>en</strong>, villa’s <strong>en</strong><br />
bouwgrond<strong>en</strong> van 2000 tot <strong>en</strong> met 2010. De dataset bevat buit<strong>en</strong> de gemiddelde- ,<br />
kwartiel- <strong>en</strong> mediaanprijz<strong>en</strong> ook oppervlakteklass<strong>en</strong>, die de woning<strong>en</strong> verder<br />
opdeelt volg<strong>en</strong>s de perceelsgrootte van de verkochte woning<strong>en</strong> (< 1 are, 3-6, 6-<br />
10,…). De uitsplitsing naar oppervlakteklasse stelt ons in staat om deels te<br />
corriger<strong>en</strong> voor grootte. Het is e<strong>en</strong> eerste stap in de richting van e<strong>en</strong> hedonische<br />
prijsindex, waarbij de prijsevolutie van gelijkaardige woning<strong>en</strong> in kaart wordt<br />
gebracht <strong>en</strong> vergelek<strong>en</strong>. Onderstaande afbeelding<strong>en</strong> gev<strong>en</strong> alvast de geme<strong>en</strong>teeffect<strong>en</strong><br />
van deze analyse weer.<br />
Tabel: Geme<strong>en</strong>tedummy’s<br />
Geme<strong>en</strong>tedummy’s Object Beschouwde periode Oppervlakteklasse<br />
1 Gewone huiz<strong>en</strong> 2000-2010<br />
2 Villa’s, Bungalows, … Ja<br />
3 Appartem<strong>en</strong>t<strong>en</strong>, studio’s, … Nee<br />
4 Bouwgrond<strong>en</strong> Ja<br />
5 Alle Ja<br />
6 Gewone huiz<strong>en</strong> 2006-2010 Ja<br />
7 Villa’s, Bungalows, … Ja<br />
8 Appartem<strong>en</strong>t<strong>en</strong>, studio’s, … Nee<br />
9 Bouwgrond<strong>en</strong> Ja<br />
10 Alle Ja<br />
Figuur 18: Geme<strong>en</strong>tedummy’s 1, gebaseerd op prijz<strong>en</strong> gewone huiz<strong>en</strong>, 2000-2010, rek<strong>en</strong>ing<br />
houd<strong>en</strong>d met oppervlakteklasse<br />
Ja<br />
88
Figuur 19: Geme<strong>en</strong>tedummy's 2, gebaseerd op prijz<strong>en</strong> villa’s, 2000-2010, rek<strong>en</strong>ing houd<strong>en</strong>d<br />
met oppervlakteklasse<br />
Figuur 20: Geme<strong>en</strong>tedummy's 3, gebaseerd op prijz<strong>en</strong> appartem<strong>en</strong>t<strong>en</strong>, 2000-2010<br />
Figuur 21: Geme<strong>en</strong>tedummy's 4, gebaseerd op prijz<strong>en</strong> bouwgrond<strong>en</strong>, 2000-2010, rek<strong>en</strong>ing<br />
houd<strong>en</strong>d met oppervlakteklasse<br />
89
Figuur 22: Geme<strong>en</strong>tedummy's 5, gebaseerd op alle tijdreeks<strong>en</strong> van bov<strong>en</strong>staande<br />
woning<strong>en</strong>, 2000-2010<br />
Figuur 23: Geme<strong>en</strong>tedummy's 6, gebaseerd op prijz<strong>en</strong> gewone huiz<strong>en</strong>, 2006-2010, rek<strong>en</strong>ing<br />
houd<strong>en</strong>d met oppervlakteklasse<br />
Figuur 24: Geme<strong>en</strong>tedummy's 7, gebaseerd op prijz<strong>en</strong> villa’s, 2006-2010, rek<strong>en</strong>ing houd<strong>en</strong>d<br />
met oppervlakteklasse<br />
90
Figuur 25: Geme<strong>en</strong>tedummy's 8, gebaseerd op prijz<strong>en</strong> appartem<strong>en</strong>t<strong>en</strong>, 2006-2010<br />
Figuur 26: Geme<strong>en</strong>tedummy's 9, gebaseerd op prijz<strong>en</strong> bouwgrond<strong>en</strong>, 2006-2010, rek<strong>en</strong>ing<br />
houd<strong>en</strong>d met oppervlakteklasse<br />
Figuur 27: Geme<strong>en</strong>tedummy's 10, gebaseerd op alle tijdreeks<strong>en</strong> van bov<strong>en</strong>staande<br />
woning<strong>en</strong>, 2006-2010<br />
Zoals duidelijk te zi<strong>en</strong> op de verschill<strong>en</strong>de grafiek<strong>en</strong> zijn er duidelijke<br />
overe<strong>en</strong>komst<strong>en</strong> tuss<strong>en</strong> de geme<strong>en</strong>te-effect<strong>en</strong> voor de verschill<strong>en</strong>de object<strong>en</strong> <strong>en</strong><br />
beschouwde tijdsperiodes. Enkel de correlatie tuss<strong>en</strong> appartem<strong>en</strong>t<strong>en</strong>/studio’s <strong>en</strong><br />
andere types vastgoed is laag. Dit valt e<strong>en</strong>voudig te verklar<strong>en</strong> omwille van het feit<br />
dat appartem<strong>en</strong>t<strong>en</strong> niet opgesplitst kond<strong>en</strong> word<strong>en</strong> naar oppervlakteklasse. Zo zijn<br />
91
de appartem<strong>en</strong>t<strong>en</strong> in grootsted<strong>en</strong> typisch klein (maar duur per m 2 ), terwijl de<br />
appartem<strong>en</strong>t<strong>en</strong> op het ‘platteland’ typisch groter zijn (maar minder duur per m 2 ).<br />
Als gevolg hiervan ontstaat e<strong>en</strong> soort van ‘lapp<strong>en</strong>dek<strong>en</strong>’. De onderstaande<br />
correlatietabel bevestigt deze bevinding<strong>en</strong>.<br />
Tabel 22: Correlatietabel<br />
Geme<strong>en</strong>te-effect<strong>en</strong> 1 2 3 4 5 6 7 8 9 10<br />
1 1.000 0.685 0.441 0.847 0.947 0.984 0.646 0.504 0.790 0.939<br />
2 0.685 1.000 0.569 0.776 0.795 0.721 0.961 0.472 0.705 0.787<br />
3 0.441 0.569 1.000 0.517 0.561 0.433 0.543 0.626 0.433 0.505<br />
4 0.847 0.776 0.517 1.000 0.899 0.865 0.735 0.503 0.868 0.886<br />
5 0.947 0.795 0.561 0.899 1.000 0.948 0.756 0.511 0.827 0.980<br />
6 0.984 0.721 0.433 0.865 0.948 1.000 0.690 0.507 0.814 0.957<br />
7 0.646 0.961 0.543 0.735 0.756 0.690 1.000 0.426 0.681 0.762<br />
8 0.504 0.472 0.626 0.503 0.511 0.507 0.426 1.000 0.476 0.501<br />
9 0.790 0.705 0.433 0.868 0.827 0.814 0.681 0.476 1.000 0.860<br />
10 0.939 0.787 0.505 0.886 0.980 0.957 0.762 0.501 0.860 1.000<br />
De correlatietabel toont duidelijk aan dat e<strong>en</strong> hoge correlatie bestaat tuss<strong>en</strong> de<br />
geme<strong>en</strong>te-effect<strong>en</strong> overhe<strong>en</strong> de verschill<strong>en</strong>de beschouwde tijdsperiod<strong>en</strong>. De<br />
correlatie is het hoogst wanneer het hetzelfde object (bijvoorbeeld: woonhuiz<strong>en</strong>)<br />
betreft Dit impliceert dat het geme<strong>en</strong>te-effect amper veranderd is doorhe<strong>en</strong> de tijd.<br />
De correlatie is het laagst bij appartem<strong>en</strong>t<strong>en</strong> waar de grootte van het perceel<br />
uiteraard niet in de analyse is mee opg<strong>en</strong>om<strong>en</strong>.<br />
92
7.5 VMSW webapplicatie<br />
Ter illustratie van hoe e<strong>en</strong> webapplicatie eruit kan zi<strong>en</strong> gev<strong>en</strong> we nog <strong>en</strong>kele<br />
scre<strong>en</strong>shots mee uit de handleiding voor het ingev<strong>en</strong> van de schatting van de<br />
marktwaarde van e<strong>en</strong> sociale huurwoning.<br />
93
Bibliografie<br />
Akerlof, G. A. (1970), "The Market for 'Lemons': Quality Uncertainty and the Market<br />
Mechanism". Quarterly Journal of Economics (The MIT Press) 84 (3) p488-500.<br />
Ampe P., De Wulf A., De Corte J., (2006) De rol van GIS bij de hedonische<br />
waardebepaling van vastgoed, AGIV<br />
Black,S.(1999).Do Better Schools Matter? Par<strong>en</strong>tal Valuation of Elem<strong>en</strong>tary<br />
Education". Quarterly Journal of Economics, 114(2) pp.577-599.<br />
Bonnave S., De invloed van woonomgevingsfactor<strong>en</strong> op de Belgische<br />
woningprijz<strong>en</strong>, e<strong>en</strong> studie op niveau van de Belgische geme<strong>en</strong>t<strong>en</strong>, masterproef<br />
handelsing<strong>en</strong>ieur, Universiteit Leuv<strong>en</strong> (2009).<br />
Bréchet, T., Gérard, A., Mion, G. (2009) ‘Une évaluation objective des nuisances<br />
subjectives de l’aéroport de Bruxelles-National’, Regards Economiques,<br />
UCLouvain, nr. 66.<br />
Decoster , A., De Swerdt, K. (2005) “Why and How to Construct a G<strong>en</strong>uine<br />
Belgian Price Index of House Sales “,Catholic University of Leuv<strong>en</strong> (KUL) -<br />
C<strong>en</strong>ter for Economic Studies, CES Discussion Paper No. 05.15<br />
Follain, James R. and Steph<strong>en</strong> Malpezzi. Are Occupants Accurate Appraisers?<br />
Review of Public Data Use, 9(1), April 1981, pp. 47-55.<br />
Halvors<strong>en</strong>, R., Palmquist, R. (1980), “The Interpretation of Dummy Variables in<br />
Semilogarithmic Equations”, The American Economic Review Vol. 70, No. 3<br />
pp. 474-475<br />
Halverson, Robert and H<strong>en</strong>ry O. Pollakowski. Choice of Functional Form for<br />
Hedonic Price Equations. Journal of Urban Economics, 10(1), July 1981, pp.<br />
37-49.<br />
Kain, John F. and John M. Quigley. Note on Owners' Estimates of Housing Value.<br />
Journal of the American Statistical Association, 67, December 1972, pp. 803-6.<br />
Malpezzi, S., Hedonic Pricing Models: A Selective and Applied Review, in Housing<br />
Economics and Public Policy: Essays in Honor of Duncan Macl<strong>en</strong>nan, T. O.<br />
Sullivan and K. Gibbs (Eds.),Blackwell, 2003.<br />
Tobler, W. 1970. A computer movie simulating urban growth in the Detroit region.<br />
Economic Geography 46:234–40.<br />
Wilhelmsson, M. (2008), “House price depreciation rates and level of<br />
maint<strong>en</strong>ance”, Journal of Housing Economics, nr. 17 pp. 88–101<br />
95