EEN HEDONISCHE PRIJSANALYSE VAN EIGENAARSWONINGEN Grote Woononderzoek Frank Vastmans

Transcriptie

1 EEN HEDONISCHE PRIJSANALYSE VAN EIGENAARSWONINGEN Grote Woononderzoek 2013 Frank Vastmans

2

3 EEN HEDONISCHE PRIJSANALYSE VAN EIGENAARSWONINGEN Grote Woononderzoek 2013 Frank Vastmans Promotor: prof. dr. Erik Buyst Leuven, november 2016

4 Het Steunpunt Wonen is een samenwerkingsverband van de KU Leuven, de Universiteit Hasselt, de Universiteit Antwerpen en de Afdeling OTB Onderzoek voor de gebouwde omgeving van de TUD (Nederland). Binnen het Steunpunt verzamelen onderzoekers van verschillende wetenschappelijke disciplines objectieve gegevens over de woningmarkt en het woonbeleid. Via gedegen wetenschappelijke analyses wensen de onderzoekers bij te dragen tot een langetermijnvisie op het Vlaamse woonbeleid. Het Steunpunt Wonen wordt gefinancierd door de Vlaamse overheid, binnen het programma Steunpunten voor Beleidsrelevant Onderzoek Gelieve naar deze publicatie te verwijzen als volgt: Vastmans F. (2016), Een hedonische prijsanalyse van eigenaarswoningen, Steunpunt Wonen, Leuven, 29 p. Voor meer informatie over deze publicatie In deze publicatie wordt de mening van de auteur weergegeven en niet die van de Vlaamse overheid. De Vlaamse overheid is niet aansprakelijk voor het gebruik dat kan worden gemaakt van de opgenomen gegevens. D/2016/4718/026 ISBN STEUNPUNT WONEN Niets uit deze uitgave mag worden verveelvuldigd en/of openbaar gemaakt door middel van druk, fotokopie, microfilm of op welke andere wijze ook, zonder voorafgaande schriftelijke toestemming van de uitgever. No part of this book may be reproduced in any form, by mimeograph, film or any other means, without permission in writing from the publisher. p.a. Secretariaat Steunpunt Wonen HIVA - Onderzoeksinstituut voor Arbeid en Samenleving Parkstraat 47 bus 5300, BE 3000 Leuven Deze publicatie is ook beschikbaar via

5 Inhoud Managementsamenvatting 1 Inleiding 2 1. Beschrijving methode en data 3 2. De geschatte waarde van een huis Hoe schatten eigenaar bewoners hun woning Analyse van de geschatte waarde van een huis van eigenaar bewoners Conclusie Hedonische prijsanalyse GWO Korte beschrijving van het model Ligging Kwaliteit, grootte, structuur Conclusie 23 Bibliografie 24 Een hedonische prijsanalyse van eigenaarswoningen. Grote Woononderzoek 2013 iii

6 Managementsamenvatting In dit onderzoeksrapport staat de waarde van woningen van eigenaars zoals geschat in het Grote Woononderzoek 2013 (GWO) centraal en gaan we op zoek naar de onderliggende kenmerken van de woningen met hun respectievelijke waarden met de methode van een hedonische prijsanalyse. Het unieke aan de dataset is het totale beeld van de bestaande woningvoorraad van eigenaar bewoners. Deze eigenaars schatten de gemiddelde waarde van hun huizen op euro, met een duidelijk onderscheid tussen woningen die nieuw gebouwd zijn door de eigenaars ( euro) en bestaande woningen die gekocht zijn door de eigenaars ( euro). Deze laatste waarde, dus exclusief nieuwbouwwoningen, ligt nog altijd een stuk boven de gemiddelde verkoopprijs van euro anno 2014 zoals uit officiële verkoopstatistieken kan berekend worden als het gewogen gemiddelde van gewone woonhuizen en villa s. Enerzijds komt dit doordat kleinere starterswoningen vaker verkocht worden en daardoor een zwaarder gewicht krijgen in de verkoopstatistieken dan de gemiddelde woning. Anderzijds kan dit toegewezen worden aan het feit dat huishoudens hun woning na aankoop renoveren. Dit gebeurt voor het overgrote deel van de woningen tegen een gemiddelde kost van ongeveer euro. Hoe accuraat de eigenaar bewoners de waarde schatten, is moeilijk na te gaan. Een groot deel van de respondenten schatte de waarde van zijn woning in als veelvouden van euro. Dit zorgt voor een zekere ruis en variantie van deze data. Dit wil echter niet zeggen dat deze schattingen vertekend zijn. Vertekening impliceert dat eigenaars de woningprijs systematisch te hoog (of te laag inschatten). Op basis van diverse controles vonden we geen bewijs dat er een grote vertekening in de schattingen zit. Met betrekking tot de geschatte waarde van de woningen kan alvast gesteld worden dat deze in verdere analyses met de data van het GWO 2013 gebruikt kunnen worden als een goede indicatie van de werkelijke waarde van de woning, inclusief deze voor nieuwbouwwoningen. In een hedonische prijsanalyse wordt de woningprijs verklaard door de waarde van de onderliggende woningkenmerken. Voor dergelijke analyse biedt de dataset het voordeel dat een uitgebreide en unieke set van variabelen over de woningkenmerken en woningkwaliteit beschikbaar was dankzij de woningscreening. Dit voordeel wordt echter sterk beperkt door het feit dat het aantal observaties beperkt is. Zo is er slechts bij de helft van de respondenten aan de bevraging ook een woningscreening uitgevoerd. Bovendien heeft een deel van de respondenten niet alle vragen beantwoord. Voor de hedonische prijsanalyse kunnen enkel die observaties gebruikt worden waarvoor alle antwoorden gegeven zijn. Dit neemt niet weg dat er enkele interessante resultaten naar voren komen. Zo konden liggingseffecten worden geschat, die weergeven hoe de ligging van de woning zich vertaalt in de prijs. De gemeten liggingseffecten zijn zeer significant en zeer gelijkaardig aan de liggingseffecten uit de hedonische prijsanalyse van huurwoningen op basis van gegevens uit de huurschatter. Dergelijke liggingseffecten kunnen een basis vormen om regionale differentiaties uit te voeren in het woonbeleid (zie bv. Heylen & Winters, 2016). Met betrekking tot de oppervlakte van de woning vinden we dat de waardering hoger is voor de kamers waarvan de inrichting typisch duurder is, zoals de living, keuken en badkamer. Met betrekking tot de kwaliteit was een volledige analyse omwille van de beperkte dataset niet mogelijk. Maar ook hier gaven de variabelen de verwachte tekens, zoals een positief teken voor de inwendige architecturale meerwaarde en een negatief teken voor de indicator structureel ontoereikende kwaliteit (Vanderstraeten, et al.). Een hedonische prijsanalyse van eigenaarswoningen. Grote Woononderzoek

7 Inleiding Een gewoon woonhuis kostte anno 2014 gemiddeld euro in het Vlaams Gewest. Achter dit gemiddelde schuilt een grote verscheidenheid. Voor 25% van de verkochte woonhuizen lag de verkoopprijs onder de euro en 25% van de gewone woonhuizen wisselde van eigenaar voor een prijs boven euro. ADS heeft naast de verkopen van gewone woonhuizen ook een categorie villa s, bungalows en landhuizen waar de gemiddelde prijs euro bedroeg in Indien we het gewogen gemiddelde van gewone woonhuizen en villa s nemen vinden we zo de gemiddelde prijs van een huis van euro. Is dit dan de gemiddelde waarde van een woning in het Vlaams Gewest? Nee, want de gemiddelde verkochte woning is niet gelijk aan de gemiddelde woning in de bestaande woningvoorraad omwille van diverse redenen. In het eerste deel gaan we daartoe dieper in op de waarde van de woning van eigenaar bewoners. In het Grote Woononderzoek 2013 (GWO) is aan de eigenaar bewoners gevraagd om een schatting te maken van de waarde van hun woning, de aanschafwaarde van de woning, het tijdstip van verwerving en de renovatiekosten van de laatste 10 jaar in de huidige woning. Indien deze schatting van de woningwaarde voldoende accuraat is, kunnen we hiermee de gemiddelde waarde van een woning uit de bestaande woningvoorraad scherper stellen. In het tweede deel gaan we dieper in op de woningprijsverschillen door middel van een hedonische prijsanalyse. Geen enkele woning is identiek, wat zich vertaalt in een brede verdeling van woningwaarden. Deze verschillen kunnen we verklaren aan de hand van verschillen in woning en/of omgevingskenmerken. De woningprijs kan daarbij gezien worden als de som van waarden van de grootte, ligging en kwaliteit van de woning. Hoewel deze waarden niet afzonderlijk geprijsd zijn, kan de hedonische prijzenmethode wel de waarde toewijzen aan deze onderliggende kenmerken. Een hedonische prijsanalyse van eigenaarswoningen. Grote Woononderzoek

8 1. Beschrijving methode en data De theoretische funderingen voor de hedonische prijzenmethode werden gelegd door de bijdragen van Lancaster (1966) en voornamelijk Rosen (1974). De hedonische prijzenmethode is een economische waarderingstechniek waarbij wordt uitgegaan van de veronderstelling dat de waarde van een marktgoed, in dit geval de woning, wordt bepaald door de som van de onderliggende waardes van de verschillende attributen waaruit de woning is samengesteld. Deze methode gebruikt verschillen in geobserveerde woningkenmerken (grootte, bouwjaar, aantal slaapkamers, etc.) en verschillen in de prijzen van woningen om de impliciete prijzen van karakteristieken te schatten, veelal aan de hand van zogenaamde regressieanalyses. In tegenstelling tot zogenaamde stated preferences methodes maakt de hedonische prijzenmethode dus gebruik van informatie van het daadwerkelijk geobserveerde gedrag van huishoudens (revealed preferences). Uitgebreide overzichten van het gebruik van de hedonische prijzenmethode in housing economics kunnen gevonden worden in Palmquist (1984), Malpezzi (2003) en Sirmans et al. (2005). De hedonische prijzenmethode kan zowel gebruikt worden om de waardering van huishoudens voor bepaalde kenmerken te schatten, maar kan ook gebruikt worden om zogenaamde hedonische prijsindices te schatten. Deze prijsindices geven de prijsevolutie (van woningen) weer wanneer de verkochte woningen gelijk zouden blijven overheen de tijd. Ondanks het gegeven dat de hedonische prijzenmethode veelvuldig is toegepast om de determinanten en evolutie van woningprijzen in het buitenland te bestuderen is het aantal toepassingen in Vlaanderen eerder beperkt. In 2005 stelden Decoster en De Swerdt dat het evalueren van de prijsevolutie van woningen op basis van de gemiddelde verkoopprijzen misleidend kan zijn, daar niet elke periode dezelfde woningen worden verkocht. Helgers et al. (2012) werpt een nieuw licht op de prijsevoluties in recente jaren door het schatten van een hedonische prijsindex voor koopwoningen verkocht door vastgoedmakelaar ERA in België. Een andere toepassing van de hedonische prijzenmethode in Vlaanderen betreft de Vlaamse Huurschatter ( Deze is gebaseerd op de resultaten uit een studie uitgevoerd door onderzoekers van het Steunpunt Wonen (Vastmans et al., 2012) en wordt in 2016 van een update voorzien. Ook de residentiële vastgoedprijsindex van de Fod Economie houdt rekening met kwaliteitsverschillen, waarbij prijswijzingen ten gevolge van verschillen in de karakteristieken van woningen geëlimineerd worden. Bij deze vastgoedprijsindex wordt rekening gehouden met de evolutie van de prijs van nieuwbouwwoningen. Het gewicht van de nieuwbouwwoningen in de index bedraagt anno ,5%. We gebruiken de data van het Grote Woononderzoek 2013 (GWO). We overlopen kort wat de mogelijkheden zijn om hiermee een hedonische prijsanalyse mee uit te voeren. In eerste instantie dient er een grote set van woningen beschikbaar te zijn waarvoor zowel de woningkenmerken als de prijs bekend is. Zo bevat de volledige dataset van het GWO ongeveer observaties waarvan observaties met een woningscreening. Aangezien de oppervlakte van de woning Een hedonische prijsanalyse van eigenaarswoningen. Grote Woononderzoek

9 een zeer belangrijke parameter is en enkel in de woningscreening gemeten is, kunnen enkel de observaties met een woningscreening gebruikt worden. Daar tegenover staat wel dat deze woningscreening een zeer uitgebreide set van kwalitatief goed gemeten variabelen bevat. Tegenover dit voordeel staan ook enkele nadelen van de dataset. De aanschafwaarde van de woning wordt gevraagd bij eigenaar bewoners. Dit is de aankoopprijs van een bestaande woning, en de totale kostprijs van nieuwbouw als som van bouwgrond en constructie. Maar om deze waarden in een hedonische regressie te verwerken dient men ook de kenmerken van de woning op het moment van deze waardebepaling te kennen, wat niet het geval is. De woning is jaren eerder aangekocht en de woning kan ondertussen al dan niet gerenoveerd zijn. Aan de respondent eigenaars werd een eigen inschatting gevraagd van de huidige waarde van de woning. Het nadeel is dat dergelijke schattingen vertekend kunnen zijn. Zoals hierboven gemeld is een groot voordeel van de hedonische prijsanalyse dat ze werkt met revealed preferences. Door de prijs die de eigenaar van een woning effectief betaald heeft voor zijn woning krijgen we een goed beeld van het werkelijk geobserveerde gedrag. Aangezien we werken met geschatte woningwaarden van de eigenaars zullen deze minder objectief zijn. De mogelijkheden om deze waarde te gebruiken dienen dus goed onderzocht te worden. In de hedonische prijsanalyses is het best om huizen en appartementen afzonderlijk te modelleren. In dit onderzoek worden enkel de huizen geanalyseerd omdat de dataset van eigenaar bewoners die in een appartement wonen te klein is. Bovendien is het zo dat enkel die observaties gebruikt kunnen worden waarvoor alle velden zijn ingevuld. Zo hebben bv. niet alle eigenaar bewoners het bouwjaar van hun woning aangegeven. Het totaal aantal observaties dat zo voor de analyse in aanmerking komt schommelt daardoor, afhankelijk van welke variabelen in het model opgenomen worden, tussen de en Een hedonische prijsanalyse van eigenaarswoningen. Grote Woononderzoek

10 2. De geschatte waarde van een huis 2.1 Hoe schatten eigenaar bewoners hun woning Het GWO biedt een inzicht in hoe eigenaar bewoners de waarde van hun woningen inschatten. Voor de huizen worden deze waarden geschat door een hedonische prijsanalyse. Daartoe is het belangrijk om eerst na te gaan hoe eigenaars deze waarde inschatten. Een dergelijke waarde is interessant voor woningmarktonderzoek om twee redenen. Indien deze waarde een goede indicatie geeft van de waarde van de woning kan ze in verdere analyses met data van het GWO als variabele mee opgenomen worden. Daarnaast is er weinig geweten over de waarde van de woningvoorraad, enkel over verkochte woningen. Op die manier krijgen we meer inzicht in de verhouding tussen de waarden van de woningen in de totale woningvoorraad en de prijsevoluties zoals weergegeven in de verkoopstatistieken. Zo vinden we dat de gemiddelde verkoopprijs van een huis (gewone woonhuizen en villa s) in het Vlaams Gewest euro bedraagt in 2014 (ADS), terwijl de eigenaar bewoners de waarde van hun huis op euro schatten. Tabel 1 Geschatte woningwaarde door eigenaars volgens type verwerving van de eigen woning, GWO 2013 Verwerving Huis Appartement Aandeel (in %) Geschatte waarde (in euro) Aandeel (in %) Geschatte waarde (in euro) Bestaande woning gekocht Nieuwbouwwoning of nieuwbouwappartement gekocht (btw betaald) Gebouwd met eigen aannemer Zelf gebouwd, zonder aannemer Gebouwd via bouwpromotor Volledig verkregen via erfenis Volledig verkregen via schenking Geen antwoord 1 0 Totaal Bron: GWO Nieuwbouw is een stuk duurder dan bestaande woningen. De geschatte waarde van eigenaars die in een nieuwgebouwd huis wonen bedraagt euro. Het is dan ook logisch dat de gemiddelde waarde van een eigenaarswoning een stuk boven de gemiddelde verkoopprijs van een bestaande woning ligt. Maar zelfs de gemiddelde geschatte waarde van een gekochte woning is met euro in de GWO dataset nog 15% boven de gemiddelde verkoopprijs van een huis volgens de officiële statistieken van ADS. Is dit een enorme overschatting van de eigenaar bewoners? Een belangrijkere verklaring kan gegeven worden door het feit dat de jaarlijkse verkochte woningen verschillen van de gekochte woningen in de bestaande woningvoorraad. We kunnen immers vermoeden dat de verkochte huizen veelal kleiner, ouder en van mindere kwaliteit zijn dan de huizen in de bestaande woningvoorraad omwille van diverse redenen: Een hedonische prijsanalyse van eigenaarswoningen. Grote Woononderzoek

11 1. Huishoudens renoveren de gekochte woningen in grote mate na de aankoop van de woning. De zo gecreëerde meerwaarde dient bij de aankoopwaarde geteld te worden om de waarde van de bestaande woningvoorraad te kennen. 2. Daarnaast zitten in de verkoopstatistieken eveneens de verkopen van tweede verblijven en huurwoningen. Huurwoningen zijn typisch iets kleiner en van mindere kwaliteit dan eigenaarswoningen en men kan dan ook verwachten dat de gemiddelde verkoopprijzen iets lager liggen dan deze van een eigenaarswoning. 3. Men kan ten slotte verwachten dat kleinere en goedkopere starterswoningen vaker van de hand gaan typisch minder lang aangehouden worden, waardoor deze woningen een groter gewicht hebben in de verkoopstatistieken dan in de bestaande woningvoorraad. Figuur 1 geeft de cumulatieve verdeling 1 weer van de schattingen, waarbij deze in de figuur opgedeeld zijn in klassen van euro tot de waarde van euro en iets bredere klassen daarboven. Bij de waarde euro, de klasse met waarden van tot euro, zien we een waarde van 63% op de y as. Dit wil zeggen dat 63% van de eigenaar bewoners zijn woning lager of gelijk aan euro schat. Normaal zou dergelijke figuur een continue functie zijn, maar we zien dat de schattingen vaak afgerond zijn. De meeste frequente waarden zijn zo veelvouden van , en in mindere mate van euro. De mediaanwaarde bedraagt euro. De meest geschatte waarde was eveneens euro (14% van de observaties), op de voet gevolgd door euro (13% van de observaties). Het is echter belangrijk voor ogen te houden dat dergelijke schattingen, hoewel deze meer ruis vertonen en in grotere mate variëren rond de werkelijke waarde, wel degelijk een goede en werkbare indicatie kunnen geven van de woningwaarde. In figuur 2 wordt deze geschatte waarde van huizen daartoe afgezet tegen een andere indicator die als een soort maatstaf van de waarde van woning kan dienen, namelijk het geïndexeerd kadastraal inkomen van de huizen. Deze meet de geschatte huurmarktwaarde anno Indien we beide variabelen vergelijken zien we evenwel dat ze gemiddeld gezien redelijk in lijn liggen met elkaar. Al is het zo dat ook hier er een grote verscheidenheid van kadastrale inkomens is voor een bepaalde (klasse van) woningwaarde, zoals Smolders et al. (2011) geïllustreerd hebben. 13% van de eigenaar bewoners hebben geen schatting gegeven van de waarde van hun woning. Om na te gaan of deze woningen typisch anders zijn, hebben we de gemiddelde totale oppervlakte van het gelijkvloers van de woning genomen en vonden dat deze bij de niet respondenten op de vraag van de geschatte waarde van de woning 113 m² bedroeg en 112 m² bij deze die de vraag wel beantwoord hadden. Het is een voorzichtige indicatie dat de niet respondenten hun eigenaarswoning niet sterk verschilt van de overige. Voor de huurwoningen (privaat en sociaal) bedroeg deze oppervlakte 98 m². Uitspraken doen over de waarde van de totale woningvoorraad (waarbij ook nog tweede verblijven dienen geteld te worden) kan dus niet op basis van deze data, maar wel over de waarde van de woningvoorraad van eigenaar bewoners. Voor een verdere methodologische toelichting omtrent de representativiteit van de steekproef van het GOW wordt verwezen naar Vanderstraeten en Heylen (2015). 1 Gewogen. Een hedonische prijsanalyse van eigenaarswoningen. Grote Woononderzoek

12 Figuur 1 Cumulatieve verdeling geschatte waarden van huizen door eigenaar bewoners in Vlaams Gewest, GWO 2013 Bron: GWO Figuur 2 Gemiddeld geïndexeerd kadastraal inkomen per klasse van geschatte waarde van huizen door eigenaar bewoners in Vlaams Gewest, GWO 2013 Bron: GWO Een hedonische prijsanalyse van eigenaarswoningen. Grote Woononderzoek

13 2.2 Analyse van de geschatte waarde van een huis van eigenaarbewoners Figuur 3 laat zien dat de door eigenaar bewoners geschatte waarde van nieuwbouwhuizen hoger liggen dan deze van bestaande, gekochte huizen. Opmerkelijk is dat de geschatte woningwaarde van huizen van eigenaar bewoners die sinds 1965 hun woning verworven ongeveer euro hoger ligt bij nieuwbouw dan bij koopwoningen, een relatief constant verschil doorheen de tijd. Vanaf 1975 zien we dat de waarde van nieuwbouw gemiddeld geschat wordt rond de euro, met een uitschieter voor de meeste recente jaren sinds 2010, en die van koopwoningen rond euro. Daarnaast zien we op figuur 3 ook hoe het hedonisch prijsmodel deze huizen schat. De hedonische schatting ligt redelijk goed in lijn met de schattingen van de eigenaar bewoners. Hoewel in het hedonisch prijsmodel niet opgenomen is of het gaat over een koop of nieuwbouwhuis schat het hedonisch model het verschil tussen beiden heel duidelijk. Bovendien zien we dat de hedonische schattingen volgens het jaar van verwerving ook mooi de waarderingen volgen. Waar dit voor nieuwbouw nog deels te verwachten is aangezien het bouwjaar een woningkenmerk is, wijst de fit met het aankoopjaar (gekochte woningen) erop dat het hedonische prijsmodel goed werkt. Het aankoopjaar is immers geen woningkenmerk en zit niet in het model. Naast de goede fit wijst dit erop dat de mogelijke vertekening beperkt is. Mogelijk zijn de woningprijzen zo sterk gestegen dat de initiële aankoopprijs voor de meeste schattingen niet meer als referentie gelden. Ter controle hebben we de variabele jaar van aankoop in het model gebracht, maar deze was absoluut niet significant. Dit zou zo moeten zijn, tenzij men verwacht dat er een systematische vertekening is die afhangt van het jaar van aankoop. Het jaar van aankoop hangt nauw samen met de leeftijd van de respondent zoals onderstaande tabel duidelijk maakt. Daarnaast hebben we ook de bewoonbare oppervlakte van de woning aan de tabel toegevoegd. Men kan verwachten dat kleinere en goedkopere starterswoningen iets meer bij de jongere huishoudens voorkomen. Dit is wat de tabel suggereert. Het was alvast ook een reden waarom de officiële verkoopstatistieken lagere prijzen tonen dan de geschatte waarde van gekochte woningen in de bestaande woningvoorraad. De starterswoningen worden vaker verkocht worden typisch minder lang aangehouden, waardoor deze woningen een groter gewicht hebben in de verkoopstatistieken dan in de bestaande woningvoorraad. Voor de recentste jaren zien we evenwel een verschil tussen de hedonische schatting en de geschatte waarde van de eigenaar bewoners. Aangezien slechts een beperkte set van kwaliteitskenmerken in het model mee opgenomen kon worden vanwege het beperkt aantal observaties, is een mogelijke verklaring dat bepaalde nieuwe bouwnormen niet mee opgenomen zijn in de hedonische schatting. Daarnaast zien we dat nieuwbouw een sprong maakt na Deze sprong wordt verklaard door een hogere waardeschatting van nieuwbouwwoningen die gekocht worden met btw en door nieuwbouwwoningen die gebouwd worden zonder aannemer. De grootste groep, nieuwbouw gebouwd met aannemer, verandert niet veel ten opzichte van de periode Het is niet duidelijk of deze sprong veroorzaakt wordt door ruis of op een systematisch trend wijst. Het is interessant om dit verder op te volgen naar de toekomst toe. Een hedonische prijsanalyse van eigenaarswoningen. Grote Woononderzoek

14 Figuur 3 Geschatte waarde van de woning van eigenaar bewoners vergeleken met hedonische schatting, voor koop en nieuwbouwwoningen voor huizen in Vlaams Gewest, GWO 2013 Tabel 2 Jaar van aankoop koopwoning, bewoonbaar oppervlakte, leeftijd respondent, in 2013 Aankoopjaar Leeftijd respondent Bewoonbare oppervlakte Aandeel (in %) Totaal Bron: GWO2013 Een laatste verklaring van het verschil tussen de officiële statistieken van de verkoopprijzen en de waarde van gekochte woningen in de woningvoorraad vinden we terug bij renovatie. Woningen worden in grote mate gerenoveerd. Bij 80% van de woningen die tussen zijn aangekocht, zijn werken uitgevoerd. Werken worden veelal uitgevoerd kort na de aankoop van de woning. Daarna daalt de frequentie van uitgevoerde werken. De uitgevoerde renovaties zijn kort na aankoop bovendien het grootst qua kost zoals figuur 4 toont. Bovenop de aankoopprijs komt er zo gemiddeld Een hedonische prijsanalyse van eigenaarswoningen. Grote Woononderzoek

15 euro aan renovatiekosten bij. Dit vertaalt zich uiteraard in een hogere woningwaarde, die niet in de verkoopstatistieken vervat zit. Figuur 4 Aankoopprijs, schatting huidige woningwaarde en renovatiekost laatste 10 jaar volgens periode van aankoop van woningen die gerenoveerd zijn, GWO 2013 Bron: GWO 2013 Tabel 3 geeft weer dat deze renovatiekosten een belangrijke rol spelen. Indien men de geschatte waarde van de woning vergelijkt met de aankoopprijs van een woning gemiddeld 10 jaar eerder, dan zien we dat deze met 87% gestegen is. Houdt men hierbij rekening met de renovatiekosten, dan vermeerdert het geïnvesteerde bedrag met meer dan euro en bedraagt de netto stijging nog slechts 36%. Voor de meest recent aangekochte woningen, 2010 en later, bedraagt de netto stijging nog slechts 5%. Voor de periode vinden we wel dat de gemiddelde prijs van verkochte woningen in het Vlaams Gewest euro bedraagt, relatief dicht bij de gemiddelde aankoopprijs van euro bij woningen die sinds 2010 aangekocht en gerenoveerd zijn in de GWO dataset. Een hedonische prijsanalyse van eigenaarswoningen. Grote Woononderzoek

16 Tabel 3 Vergelijking aankoopprijs, renovatiekost en schatting woningwaarde van gerenoveerde woningen Periode van aankoop Aankoopprijs Aankoopprijs + renovatie Schatting eigenaarbewoner (2013) (3) Bruto stijging (in %) Netto stijging (in %) (1) (2) (3)/(1) [ [ [ [ [ [ Bron: GWO (3)/(2) 2.3 Conclusie In de dataset van het Grote Woononderzoek 2013 hebben de eigenaar bewoners de waarde van hun woning geschat. Op basis van de analyse van huizen lijken deze schattingen redelijk. Er is weliswaar een zekere ruis, waarbij niet elke woning even nauwkeurig geschat is, maar op basis van enkele weliswaar niet sluitende controles lijkt er geen sprake te zijn van grote systematische vertekeningen/overschatting. Het grote verschil tussen de gemiddelde verkoopprijs van een huis (gewone woonhuizen en villa s) in het Vlaams Gewest van euro in 2014 (ADS) met de geschatte waarde door eigenaar bewoners van hun huis van euro kan immers door diverse andere redenen verklaard worden: - nieuwbouw (zit niet in ADS statistiek verkochte woningen); - grotere frequentie van verkoop kleinere woningen (starterswoningen) in officiële verkoopstatistieken, alsook een aandeel tweede verblijven en huurwoningen; - kwaliteitsverbeteringen aan de woning na aankoop. Een representatieve survey biedt op deze manier een goed beeld van de waarde van het woningenpark. In de jaarlijkse officiële verkoopstatistieken zijn bepaalde woningen duidelijk oververtegenwoordigd, niet alleen qua type woning, maar ook met betrekking tot de kwaliteit van de woning. Een vergelijkbare vaststelling werd gedaan door Verbeeck en Ceulemans (2015) bij de analyse van de EPC databank, waarbij ze pleiten voor een update van het energieprestatiecertificaat na grote renovatiewerken opdat deze een realistische weergave is van het Vlaamse woningenpark. Een hedonische prijsanalyse van eigenaarswoningen. Grote Woononderzoek

17 3. Hedonische prijsanalyse GWO 3.1 Korte beschrijving van het model In dit deel gaan we na hoe eigenaar bewoners diverse kenmerken van hun woning waarderen via de hedonische prijsanalyse. Zo wordt de prijs van een woning bepaald door een veelheid aan factoren: grootte, bouwjaar, staat van het pand, nabijheid tot faciliteiten. Meer specifiek wordt vaak gebruik gemaakt van het volgende regressiemodel: ln Waar ln de natuurlijke logaritme van de geschatte waarde van woning weergeeft en de vectoren,, en informatie bevatten over respectievelijk de locatie (buurtkenmerken, regio, ), grootte en structurele kenmerken (bijv. bewoonbare oppervlakte, (half)open bebouwing, ) en kwaliteit (dubbel glas, vochtproblemen, ). De (vectoren van) coëfficiënten, en worden geschat en geven de impliciete waarderingen voor de verschillende karakteristieken weer. De storingsterm vangt de variantie op die niet door het model verklaard kan worden. Traditioneel worden hedonische prijsmodellen geschat met behulp van de kleinste kwadratenschatter (Ordinary Least Squares in het Engels, waarvoor vaak de afkorting OLS wordt gebruikt). Er zijn diverse modellen getest. De statistische kenmerken van het model waarvan de coëfficiënten in dit rapport besproken worden, is gebaseerd op 2009 observaties, had een R² van 58,35%, een root mean square error van 0,2513 en had 61 variabelen in het model. Hierbij dient vermeld te worden dat het inbrengen van 2 variabelen die sterk samenhangen de significantie vermindert van beide variabelen (bijvoorbeeld dubbel glas en staat van het raamwerk). Men noemt dit het probleem van multicollineariteit. De statistische significantie wordt weergegeven door het aantal * bij de coëfficiënt. Er is gekozen om een breed spectrum aan variabelen weer te geven. De meeste variabelen die niet statistisch significant zijn geen * achter hun coëfficiënt hebben staan in de bespreking, zijn dit echter wel indien men de ermee samenhangende variabelen uit het model laat. Daarnaast is tussen haakjes ook de standaardfout weergegeven. Hoe groter de coëfficiënt ten opzichte van deze standaardfout, hoe significanter de coëfficiënt. 3.2 Ligging Met betrekking tot ligging hebben we gebruik gemaakt van vier opdelingen. 1. Belfius typologie: vooreerst hebben we gebruik gemaakt van de Belfius typologie van gemeenten om de regionale verscheidenheid in kaart te brengen. Voor meer details omtrent deze sociaaleconomische typologie van de gemeenten (2007) verwijzen we naar de website van Belfius. We hebben voor deze typologie gekozen omdat ze steunt op een clustering van diverse kenmerken van de gemeenten (inkomen, demografie, woningprijzen, ). Aangezien de regio s zo afgebakend zijn waarbij clusters gevormd worden van gelijkaardige gemeenten op basis van variabelen die sterk gecorreleerd zijn met de woningprijs, verwachten we dat op deze manier de variatie tussen Een hedonische prijsanalyse van eigenaarswoningen. Grote Woononderzoek

18 de regio s maximaal is en minimaal voor gemeenten binnen eenzelfde cluster. Deze resultaten volgens Belfius typologie worden grafisch geïllustreerd. 2. RSV indeling: daarnaast maken we ook gebruik van de indeling volgens Ruimtelijk Structuurplan Vlaanderen, waarvoor de liggingscoëfficiënten weergegeven worden in tabelvorm worden. 3. Centrumsteden: naast de Belfius typologie en de RSV indeling worden de centrumsteden elk afzonderlijk in het model gemodelleerd. In het GWO2013 is enkel voor de centrumgemeenten de gemeente gekend (voor het overige enkel bredere gebiedsafbakeningen zoals provincie, Belfiustypologie, RSV indeling, ). Aangezien de centrumsteden extra bevraagd zijn, zijn er voldoende observaties 2 om deze opsplitsing te maken. 4. Buurtkenmerken: daarnaast zijn er kwalitatieve variabelen beschikbaar omtrent kenmerken van statistische sectoren. Voor inkomen is er bv. een variabele beschikbaar die de waarde 1 krijgt indien het inkomen van huishoudens in die statistische sector bovengemiddeld is in vergelijking met de rest van Vlaanderen, anders 0. Aan de hand van dergelijke 0/1 variabelen bespreken we de ligging binnen de regio s. Aan de hand van de eerste 3 indelingen bespreken we eerste verschillen in ligging tussen regio s. We doen dit aan de hand van hedonische liggingseffecten die de waarde weergeven van een bepaalde locatie voor een voor het overige identieke woning. Dit is iets anders dan de vaak weergegeven regionale verschillen in de verkoopprijzen. De gemiddelde verkoopprijs in bepaalde gemeenten kan bijvoorbeeld hoog zijn vanwege een hoog aandeel grote, luxueuzere en recente woningen. Dit is niet wat het liggingseffect meet, omdat deze door de andere variabelen in het model gemeten wordt. Figuur 5 geeft de liggingscoëfficiënten van de Belfius en centrumsteden grafisch weer. Hierbij krijgen de gemeenten het gewicht van de Belfius typologie tot de welke ze behoren. Als controle en vergelijkingspunt worden de liggingscoëfficiënten van huizen als resultaat van een hedonische huurprijsanalyse (Vastmans et al., 2016) eveneens weergegeven. Deze analyse is gebeurd op basis van data van de Huurschatter, een webapplicatie waarbij gebruikers via het invoeren van gegevens omtrent het huurcontract en woningkenmerken een schatting krijgen van de huurprijs. Beide kaarten geven een zeer gelijkaardig beeld. Dit is opmerkelijk, aangezien de GWO analyse enkel een 30 tal gebiedsindelingen gebruikt (Belfius typologie + centrumsteden) en de Huurschatter uitgevoerd is op het niveau van de statistische sector (een tal). Het maakt alvast duidelijk dat de variatie in liggingseffecten binnen regio s minder belangrijk lijkt dan deze tussen regio s. Al kan het ook zo zijn dat de nodige variabelen ontbreken om de intragemeentelijke verschillen goed te verklaren. Uiteraard zien we ook enkele verschillen tussen beide kaarten. Het kust effect is een dunne donkerblauwe lijn bij de kaart van de Huurschatter, namelijk voor die statistische sectoren waar de afstand tot het strand minimaal is. Bij de Belfius typologie worden heel de kustgemeenten gelijkaardig ingekleurd. Ook zien we bijvoorbeeld dat enkele zeer landelijke gemeenten ten zuidwesten van Brussel een lage liggingscoëfficiënt hebben volgens de Belfius indeling omdat deze in een gelijkaardige cluster zitten als andere zeer landelijke gemeenten. De Huurschatter geeft dan wel duidelijk weer dat de nabijheid van Brussel en een autosnelweg hier naar toe de huurwaarde van huizen in die gemeenten omhoog duwt. 2 Met betrekking tot Belfius typologie: V8, V9, V11 en V16 hebben minder dan 50 observaties, en logischerwijze minder significante resultaten. voor V16 de kustgemeenten is het aantal observaties het kleinst, maar vinden we toch een significant resultaat. Een hedonische prijsanalyse van eigenaarswoningen. Grote Woononderzoek

19 Daarnaast suggereren de resultaten van Vastmans (te verschijnen) dat het liggingseffect van huurprijzen in vergelijking met het liggingseffect van koopwoningen iets hoger is in centrale gebieden, dus de centrumsteden en randen met een hoger aandeel huurwoningen. De verschillen in liggingseffecten spelen gelijkaardig voor huur en koopwoningen, maar blijken dus voor huurwoningen nog iets groter te zijn. Indien we vervolgens naar de RSV indeling gaan kijken dan zien we dat er een duidelijk onderscheid gemaakt kan worden tussen enerzijds de grotere steden en de stedelijke rand en anderzijds het buitengebied en klein regionale steden. Het stedelijk gebied rond Brussel is de koploper, met een liggingscoëfficiënt van 25%, een verschil van 31% met het buitengebied ( 6%), de grootste categorie. Dit wil zeggen dat een bepaalde woning van euro in het buitengebied, 31% duurder zou zijn moest deze in het stedelijk gebied rond Brussel gelegen zijn, dus rond de euro waard zou zijn. Dit liggingseffect meet dus het prijsverschil van eenzelfde huis (even groot perceel, dezelfde grootte en dezelfde kwaliteit) waarbij enkel de ligging verschilt. Ook binnen de centrumsteden zien we een grote verscheidenheid. Figuur 5 Gemeente clusters volgens Belfius typologie Bron: Belfius Figuur 6 Belfius liggingscoëfficiënten van de door eigenaar bewoners geschatte woningwaardes Bron: GWO 2013 Een hedonische prijsanalyse van eigenaarswoningen. Grote Woononderzoek

20 Figuur 7 Statistische sector liggingscoëfficiënten van huurhuizen Bron: Huurschatter 2014, Agentschap Wonen Vlaanderen Figuur 8 De gemeentelijke RSV indeling Bron: Afbakening: Ruimte Vlaanderen Een hedonische prijsanalyse van eigenaarswoningen. Grote Woononderzoek

21 Tabel 4 Liggingscoëfficiënten RSV indeling/centrumsteden uit hedonische prijsanalyse RSV indeling/centrumstad Liggingscoëfficiënt (in %)* Grootstedelijke rand 18 Regionaal stedelijke gebied 5 Structuurondersteunende kleine stad 4 Kleinstedelijk provinciaal 12 Buitengebied 6 Stedelijk gebied rond Brussel 25 Aalst 6 Antwerpen 22 Brugge 14 Genk 21 Gent 23 Hasselt 4 Kortrijk 8 Leuven 24 Mechelen 15 Oostende 10 Roeselare 2 Sint Niklaas 2 Turnhout 4 * Geen buurtinformatie toegevoegd (die dummy variabelen van statistische sectorinformatie 0/1). De significantie is niet weergegeven omdat de waarden herschaald zijn zodat de gemiddelde liggingscoëfficiënt van de woning 0 bedraagt. De meeste coëfficiënten zijn echter zeer significant (afhankelijk van keuze van referentiecategorie). De standard error van de coëfficiënt bedraagt gemiddeld 2,5%. Bron: GWO, eigen verwerking a) Liggingseffecten binnen regio s: De eerste variabele indicator buurtvoorzieningen komt uit de dataset van respondenten uit het GWO. Hierbij is het aantal voorzieningen in de buurt van de woning geteld (bakker, winkel, ). De overige zijn dummy variabelen (0/1) en geven enkel weer indien een bepaalde statistische sector hoger (1) of lager (0) dan gemiddeld in Vlaanderen scoort voor een bepaald liggingskenmerk. Hoewel deze kwalitatieve dummy variabelen voornamelijk zijn opgenomen in het GWO om classificaties te kunnen uitvoeren, bleken deze redelijk vaak significant. Zoals verwacht vinden we hogere coëfficiënten bij die variabelen die aangeven dat de statistische sector een positievere en centralere ligging heeft. Zo kan men de coëfficiënten van indicator buurtvoorzieningen, bouwjaar en aandeel appartementen en gesloten bebouwing interpreteren. Recentere woningen en woningen in open bebouwing liggen daarentegen minder centraal en hebben bijgevolg een negatief teken. Voorts is er ook een verband met kenmerken van de huishoudens, waarbij een positief verband is tussen enerzijds de ligging en anderzijds kenmerken van huishoudens die er wonen, zoals de werkzaamheidsgraad, scholing en het aandeel buitenlanders. Een hedonische prijsanalyse van eigenaarswoningen. Grote Woononderzoek

22 Tabel 5 Coëfficiënt intragemeentelijke kenmerken uit BD rendementsanalyse Indicator buurtvoorzieningen 0,0243** (0,00960) Fiscaal inkomen 0,0371** (0,0159) Werkzoekenden 0,0277** (0,0138) Bevolkingsdichtheid 0,0189 (0,0165) Aandeel buitenlanders 0,0171 (0,0139) Bouwjaar 0,0231* (0,0139) Hoger Onderwijs 0,0423*** (0,0156) Aandeel appartementen en gesloten bebouwing 0,0415** (0,0162) Bron: GWO, eigen verwerking Om te eindigen geven we nog mee hoe het model de ligging beter verklaard door het toevoegen van variabelen. We zien in tabel 6 hoe het toevoegen van de meest algemene indelingen (Belfius typologie en RSV indeling) zorgt voor een grotere verklaringskracht, waarvoor de adjusted R² (de aangepaste) 3 gehanteerd wordt. In een model waarbij geen buurtinformatie nog gebiedsindelingen gebruikt worden zien we dat de hedonische prijsanalyse op basis van de woningkenmerken grootte en kwaliteit 47,4% van de variantie verklaart. De hoogste adjusted R² vinden we bij de Belfius typologie met buurtinformatie. De verklaarde variantie bedraagt 57,75%, wat gezien de eerder besproken ruis op de schattingen van de waarde van de eigenaar bewoners een redelijk goed resultaat is. Tabel 6 Verklaarde variantie (adjusted R²) van het model volgens vergelijking Belfius RSV* Centrumstad Met buurtinformatie (in %) Zonder buurtinformatie (in %) RSV indeling Afzonderlijk 56,21 54,03 Niet afzonderlijk 55,5 53,06 Belfius typologie Afzonderlijk 57,75 56,82 Niet afzonderlijk 57,17 56,15 Geen 51,94 47,44 * Een model met een R² van 0% verklaart niets terwijl een model met een R² van 100% elke woningwaarde exact verklaart. Bron: GWO, eigen berekeningen 3.3 Kwaliteit, grootte, structuur Om de kwaliteit van de woning te analyseren biedt de in en uitwendige woningscreening een schat aan informatie in het GWO. Daar waar typisch enkel de totale woonoppervlakte in een hedonisch prijsmodel opgenomen wordt, kan nu meer een onderscheid gemaakt worden tussen de oppervlakte van het type kamer (living, keuken, badkamer, ). Voor kwaliteitsvariabelen is de veelheid aan informatie 3 De gewone R² neemt altijd toe bij een model waarbij extra variabelen toegevoegd worden aan het model. Dit is niet het geval bij de adjusted R², waar strafpunten toegekend worden voor modellen met meer variabelen. Een hedonische prijsanalyse van eigenaarswoningen. Grote Woononderzoek

23 nog uitgebreider. Voor een overzicht van de technische woningkwaliteit verwijzen we naar Vanderstraeten en Ryckewaert (2015). In deze analyse wordt voornamelijk de klasse structureel ontoereikende kwaliteit gebruikt, een afgeleide van de indicator van technische woningkwaliteit, die samengesteld is uit diverse onderdelen (stabiliteit, vocht, raam en glaswerk, afwerking, ). Voor een analyse van de resultaten op basis van de vragen aan bewoners, verwijzen we naar Van den Broeck K. (2015). Zoals we zullen zien is de dataset echter te beperkt in grootte om deze veelheid aan kwaliteitsvariabelen via hedonische prijsmodellen te waarderen Bouwjaar Bij recentere woningen is de slijtage aan de woningen uiteraard beperkter en de kwaliteit hoger. Onderstaande resultaten geven dit duidelijk weer waarbij de oudste categorie woningen (voor 1919) 21,7% lager gewaardeerd worden dan de meest recente. Deze parameter hangt mede af van de andere variabelen in het model. Indien oudere woningen een kleiner woonoppervlakte hebben en woonoppervlakte niet in het model zou zijn opgenomen, is het verschil uiteraard veel groter. Tabel 7 Coëfficiënt bouwjaar uit hedonische prijsanalyse (huizen eigenaar bewoners) Bouwjaar voor ,217*** (0,0353) Bouwjaar tussen ,211*** (0,0325) Bouwjaar tussen ,195*** (0,0310) Bouwjaar tussen ,137*** (0,0314) Bouwjaar tussen ,112*** (0,0300) Bouwjaar tussen ,109*** (0,0302) Bouwjaar tussen ,0709** (0,0303) Bouwjaar tussen ,0490 (0,0368) Bouwjaar na 2005 (referentie) referentie Bron: GWO, eigen verwerking Perceel, type bebouwing Het is niet verwonderlijk dat een groter perceel meer waard is. Maar ook de structuur van het perceel is hierbij belangrijk. Zo wordt een voortuin sterk gewaardeerd (+4,43%), niet omwille van het feit dat hierdoor het perceel groter is, want deze waarde zit reeds in de coëfficiënt van perceel, maar omwille van het feit dat een voortuin waarschijnlijk voor een groenere straatkant 4 zorgt wat sterk geapprecieerd wordt. Daarnaast wordt een huis in open bebouwing ook sterk gewaardeerd, +8,4% in vergelijking met een rijwoning. 4 Voor een meer uitgebreide analyse van de waardering van groen op woningprijzen verwijzen we naar een te verschijnen studie van Helgers en Vastmans in opdracht van Agentschap Natuur en Bos. Een hedonische prijsanalyse van eigenaarswoningen. Grote Woononderzoek

24 Tabel 8 Coëfficiënt perceel en voortuin uit hedonische prijsanalyse (huizen eigenaar bewoners) Oppervlakte perceel 0,0860*** (0,00817) Voortuin aanwezig 0,0443*** (0,0167) Bron: GWO, eigen verwerking Tabel 9 Coëfficiënt type bebouwing uit hedonische prijsanalyse (huizen eigenaar bewoners) Appartement (referentie categorie) Gesloten 0,084 (0,0227) Halfopen 0,073 (0,0160) Open referentie Bron: GWO, eigen verwerking Woonoppervlakte Bij de woonoppervlakte is de oppervlakte van volgende type kamers niet bevraagd: inkomhal, circulatieruimte, berging, wasplaats, trap, In het model hebben we naast de totale oppervlakte ook de oppervlakte van kamertypes mee opgenomen. Om het aantal variabelen te beperken hebben we bepaalde type kamers samengenomen: keuken en woon, eet, en zitkamers enerzijds, slaap, hobbyen speelkamers anderzijds. Basisidee is dat een living, keuken en badkamer duurder zijn qua inrichting dan overige ruimtes. Hoe groter de oppervlaktes van deze ruimten, hoe hoger de waarde van de woning. Dit is ook wat duidelijk uit de coëfficiënten naar voren komt. Op zich is dit niet verrassend, maar het biedt in vergelijking met bestaande hedonische literatuur wel een nieuw inzicht. Veelal vindt men een positief effect voor het aantal slaapkamers. In onze resultaten lijkt de oppervlakte van slaap en speelkamers een minder belangrijke rol te spelen. Mogelijk heeft dit te maken met het feit dat er in de meeste datasets vaak meetfouten zitten in de data van de totale woonoppervlakte waardoor het aantal slaapkamers een positief teken krijgt, omdat het op die manier voor een deel als proxy van de totale oppervlakte in het hedonisch model aan belang wint. De hoogkwalitatieve dataset van de woningscreening lijdt hier alvast niet onder. Tabel 10 Coëfficiënt oppervlakte uit BD rendementsanalyse Woonoppervlakte 0,209*** (0,0508) Oppervlakte badkamer 0,0971*** (0,0170) Oppervlakte living en keuken 0,152*** (0,0349) Oppervlakte slaap en speelkamer 0,0224 (0,0194) Oppervlakte garage (in of uitpandig) 0,00457 (0,00440) Bron: GWO, eigen verwerking Een hedonische prijsanalyse van eigenaarswoningen. Grote Woononderzoek

25 Andere kwaliteitskenmerken Zoals eerder vermeld is de verwerking van de kwaliteitskenmerken niet eenvoudig omdat kwaliteit een veelheid van aspecten omvat die niet elk afzonderlijk in het model gemodelleerd kunnen worden. In hedonische regressies met een beperkt aantal observaties werken container en synthesevariabelen meestal het best. Dit zien we bv. bij de vraag Hoe schat u het architecturale karakter in van de inwendige woning die ingevuld is door de enquêteur die de inwendige screening uitvoerde. Een dergelijke variabele capteert diverse kwaliteits en luxeaspecten van de woning. De variabele is dan ook heel significant. Een goed inwendig architecturaal karakter van de woning biedt een meerwaarde van 8,7% van de woning in vergelijking met een doorsnee score, een zwak inwendig architecturaal karakter een minwaarde van 8,7%. Dit zorgt er dadelijk voor dat andere variabelen minder snel significant zullen zijn omdat het architecturale karakter van de inwendige woning ook sterk samenhangt met andere variabelen. Zo blijkt uit onderstaande tabel dat woningen met volledige glasisolatie (+1,07%) en volledige dakisolatie (+0,63%) slechts een beperkte meerwaarde optekenen in vergelijking met een woning waar dit gedeeltelijk aanwezig is. De meerwaarde stijgt echter zeer significant tot 4,4% indien de variabele architecturale karakter van de inwendige woning uit het model gelaten wordt. In vergelijking met een woning waar geen glas en dakisolatie aanwezig is geeft dit een meerwaarde van 8,8%. 5 Dit is dan weer eerder veel, en we kunnen verwachten dat in dit geval het omgekeerde effect meespeelt: bepaalde positieve kenmerken die niet in het model zitten, worden dan toegewezen aan de isolatievariabelen omdat deze hiermee sterk samenhangen. Dit effect noemt men multicollineariteit en lijkt voornamelijk bij kwaliteitsvariabelen een belangrijke rol te spelen. In die zin geven de resultaten wel een goed beeld en verklaren ze ook de waarde van de woning, maar dient de grootte en significantie van een coëfficiënt niet als absolute genomen te worden, en is ze afhankelijk van de andere variabelen in het model. Een andere synthesevariabele is de indicator van Vanderstraeten en Ryckewaert (2015). Woningen in het GWO die een score van 15 of meer op de door hun samengestelde indicator van technische woningkwaliteit hadden, definieerden ze als woningen waarvan de kwaliteit ontoereikend was. Dit was het geval voor 37% van de woningen. Daarnaast gingen Vanderstraeten en Ryckewaert na in welke mate deze gebreken structureel ontoereikend waren. Concluderend stelden ze immers vast dat: door een combinatie van aangepast gebruik, het opvolgen van de wettelijke voorschriften voor het nazicht, onderhoud en de plaatsing van technische installaties en beperkte herstellingswerken die veelal geen ingrijpende verbouwingswerken vergen, 65% van de woningen (± woningen) uit de categorie van ontoereikende kwaliteit zouden kunnen verdwijnen. Dit komt overeen met 24% van het totale woningbestand. Op deze manier blijft er een groep van woningen over waarvan de ontoereikende kwaliteit structureel is, 13% van de woningen uit het totale Vlaamse woningbestand. Op basis van deze samenstelling van de indicator kan men verwachten dat een woning waarvan de kwaliteit ontoereikend is, maar niet in structurele zin, slechts een beperkte minwaarde betekent voor de waarde van de woning. Bij het testen van diverse modellen vonden we inderdaad een niet significante waarde van 0,5%. De klasse van structureel ontoereikende woningen daarentegen is significant en leidt tot een minwaarde van 4,4%. Aangezien er nog andere kwaliteitsvariabelen in het model zitten, is deze coëfficiënt in zekere zin een onderschatting. Indien we structureel ontoereikend als enige kwaliteitsvariabele in het model zetten 5 Om het aantal variabelen in het model te beperken hebben we verondersteld dat het verschil in waarde tussen volledig aanwezig en gedeeltelijk aanwezig gelijk is aan het verschil in waarde tussen gedeeltelijk en niet aanwezig. Een hedonische prijsanalyse van eigenaarswoningen. Grote Woononderzoek

26 vinden we 8,16%, en 10,88% indien we het bouwjaar eveneens uit het model laten. Het bouwjaar is zoals eerder aangegeven dan ook een zeer belangrijke variabele die een goede indicatie geeft van de kwaliteit van de woning. Voor het overige hebben we getracht om op basis van de woningscreening variabelen te construeren. Met betrekking tot vocht zijn er bijvoorbeeld diverse parameters (vochtige muurvoeten, insijpelend vocht, schimmel), waarbij voor elke parameter ook nog een indicatie gegeven is van de grootte van het probleem (niet aanwezig (0), plaatselijk (1), meerdere plaatsen (2)). Figuur 9 geeft dit weer. Indien we de score per parameter optellen over de verschillende parameters en deze vervolgens sommeren over het aantal kamers krijgen we een indicatie van vochtproblemen in de woning. Het inbrengen van deze variabele in het model geeft een significant resultaat indien we de variabele architecturale karakter van de inwendige woning uit het model laten, maar niet als we deze variabele in het model laten. Het feit dat dergelijke variabelen bovendien eerder continu van schaal zijn biedt enerzijds een voordeel aangezien men een betere indicatie krijgt van de mate waarin er een vochtprobleem is. Maar ook nadelen omdat de interpretatie en het bepalen van de functionele vorm complexer worden. Daartoe hebben we in onze analyse ook enkele eenvoudige antwoorden van de respondent omtrent kwaliteit mee opgenomen. De staat van de binnenmuren bleek zo een belangrijke variabele. Deze vragen geven een algemene indicatie van mogelijke gebreken en zijn zeer bruikbaar voor hedonische regressies. De sterkte van de woningscreening ligt in het feit dat men de vinger op de wonde kan leggen, maar met een beperkte dataset kunnen de deelelementen niet in detail gewaardeerd worden via een hedonische analyse en is de interpretatie van een synthese variabele iets moeilijker. Een hedonische prijsanalyse van eigenaarswoningen. Grote Woononderzoek