Een Kwestie van Lenen

Een Kwestie van Lenen Een econometrisch onderzoek naar de ontwikkeling rond de schuldenlast van huishoudens in Nederland. Door Bart Portegijs Bart Portegijs 5819520 Begeleider: Dhr. Van Ophem Bachelorscriptie juni 2010

1 Crisis door leningen De financiële crisis heeft flink toegeslagen in de wereldeconomie. Banken kwamen in de problemen, doordat in Amerika veel huishoudens niet meer in staat waren om hun hypotheken en leningen te betalen. Samen met een instortende huizenmarkt zorgde dat ervoor dat de banken veel geld moesten afschrijven. De beschuldigende vinger wees naar de Amerikaanse banken die de problemen zouden hebben veroorzaakt door te grote winsten na te streven en ervoor gekozen hadden om veel risicovolle leningen af te sluiten bij mensen die de aflossing slechts net konden betalen, maar die met een financiële tegenslag in de problemen zouden komen. Deze mensen zouden een te grote schuldenlast hebben gekregen doordat ze te veel geleend hadden. Met het leggen van de schuld bij de Amerikaanse banken wordt impliciet beweerd dat het afsluiten van risicovolle leningen niet in andere landen gebeurde. Toch is dat wat kort door de bocht. In Nederland is bijvoorbeeld de val van de DSB geweest, waarbij hetzelfde euvel als in Amerika een rol speelde. Ook daar kregen mensen met te weinig inkomen een te grote lening. In dit onderzoek gaat het om de vraag wat de veranderingen in de schulden van Nederlandse huishoudens zijn in de afgelopen jaren. Daarvoor is het van belang om te onderzoeken of de schuldenlast door de jaren heen is veranderd. Hiervoor wordt de DNB household survey gebruikt. Er zal een vergelijking worden gemaakt tussen de verschillende jaren. Daarbij wordt vooral gelet op de veranderingen van het leenbedrag ten opzichte van het inkomen. Op deze manier wordt gepoogd erachter te komen of er in vijftien jaar veel meer is uitgeleend door banken op de Nederlandse markt. In dit onderzoek zal eerst wat over de theoretische achtergrond verteld worden. Vervolgens zullen aan de hand van de theorieën enkele verwachtingen worden uitgesproken over de veranderingen van de schulden van huishoudens in Nederland. Dit zal allemaal staan in paragraaf 2. In paragraaf 3 zal duidelijk worden gemaakt wat voor model gebruikt wordt bij het doen van het onderzoek. Hierbij zal het vooral gaan over de variabelen die mogelijkerwijs gebruikt kunnen worden. Daarnaast zal ook worden aangegeven waar nog meer op gelet moet worden in het onderzoek. In paragraaf 4 zal de eigenlijke analyse besproken worden. Hierbij wordt begonnen met het bespreken van de data. Daarna zal aan de hand van enkele resultaten een model worden gemaakt die voor de analyse van de verschillende jaren gebruikt kan worden om in de laatste deelparagraaf van paragraaf 4 te bespreken wat er veranderd is door de jaren heen. Ook zullen we het in de gehele paragraaf hebben over de vraag of de 2

verwachtingen die in paragraaf 2 genoemd zijn ook kloppen voor de gegevens die gebruikt worden. In de laatste paragraaf wordt geëindigd met de conclusies die uit dit onderzoek getrokken kunnen worden. 2 De schulden nader bekeken In dit onderzoek wordt dus dieper ingegaan op de schuldenlast van huishoudens. Veel van de literatuur die hier in het verleden over geschreven is, beschrijft of er een verband is tussen schulden en de groei van de economie. De onderzoekers stellen daarbij dan de vraag of er een negatief of een positief verband is vast te stellen. In de onderzoeken komt vaak naar voren dat er een positief verband is tussen de groei van leningen en de toekomstige groei van de consumptie (Maki, 2000). Dus als er meer geleend wordt, wordt er daarna meer uitgegeven door consumenten. Toch is er weinig onderzoek gedaan naar de ontwikkelingen van de schuldenlast. Buiten de opmerking dat deze gemiddeld steeds groter wordt, is er geen enkele onderverdeling gemaakt naar verschillende groepen in het systeem. De gegevens die gebruikt worden, zijn meestal van macro-economische aard. Nadeel daarvan is dat er niet naar individuele huishoudens wordt gekeken. In dit onderzoek is de bedoeling om naar het effect te kijken van verschillende variabelen op de schuld. Hierbij is geprobeerd om het onderwerp van het onderzoek op een zo individueel mogelijk niveau te onderzoeken. Er kan immers een nietlineair verband zijn tussen het inkomen van huishoudens en hoeveel huishoudens lenen. Bij een macro-economische analyse komen die verschillen niet goed tot zijn recht. Dus deze analyse kan niet gedaan worden op macro-economisch niveau. Probleem is echter dat er maar weinig gepubliceerd is over wie er wat en hoeveel lenen. Daarom doen we dit onderzoek dus op micro-economisch niveau. Voor dit onderzoek is een theoretische achtergrond nodig. Twee onderwerpen zijn hierbij van belang. Als eerste bespreken we hoe de schuldenlast gedefinieerd kan worden en welke variabelen van belang kunnen zijn voor het verklaren van de schulden. In de tweede subparagraaf komt naar voren wat gevonden is over de veranderingen van de schulden sinds het begin van de jaren 90. Er wordt geëindigd met het formuleren van enkele verwachtingen over de ontwikkeling van de schuldenlast in de afgelopen jaren, die in de analyse in dit onderzoek naar voren zouden moeten komen. 3

2.1 Schuldenlast gedefinieerd Het is van belang om te weten wat schuldenlast precies inhoudt. In het kort kan gezegd worden dat de schuldenlast gedefinieerd is door twee verschillende onderdelen. Aan de ene kant is er hetgeen waaruit een schuld betaald moet worden. Dat zal hier de betaalcomponent genoemd worden. Aan de andere kant is er de schuld zelf en wat de kosten daarvan zijn. Dat zal hier de schuldencomponent worden genoemd. Er zijn dus twee componenten die een rol spelen bij het definiëren van de schuldenlast. De schuldenlast is de ratio tussen die twee componenten. Dus eigenlijk meet het in hoeverre huishoudens in staat zijn om het terugbetalen van de schulden in de toekomst te financieren. Echter er zijn verschillende mogelijkheden om de componenten verder te definiëren. Garner (1996) geeft verschillende ogelijkheden voor een preciezere definitie van de schuldenlast. Die zullen we hieronder bespreken. Dit zal gedaan worden door eerst dieper in te gaan op de schuldencomponent en de mogelijk variabelen die je daarvoor kan gebruiken. Vervolgens zal hetzelfde worden gedaan voor de betaalcomponent De schuld die iemand heeft, wordt op verschillende manieren gemeten. Er kan gekeken worden naar de kosten van de schuld of naar de totaalschuld die iemand heeft. Beide hebben voor- en nadelen. Als eerste volgt de bespreking van de kosten van de leningen. Daarna zal de totaalschuld worden besproken. De kosten van een lening is het geld dat je aan een lening kwijt bent. Dit zijn vaak de aflossingen en rentebetalingen samen. Voordeel van het gebruiken van dit als variabele is dat het uit deze gegevens relatief eenvoudig is om te zien of iemand aan zijn betalingsverplichtingen kan voldoen. Maki (2000) geeft echter aan dat het moeilijk is om aan goede gegevens hierover te komen. Dit komt, omdat de kosten van een schuld van veel dingen afhangen en die kunnen snel veranderen. Hij doet zelf een poging om een schatting te geven van deze kosten, maar hij geeft aan dat de berekening die hij daarvoor hanteert niet exact is en ook niet heel erg nauwkeurig hoeft te zijn. Bij het ontbreken van gegevens over de maandlasten, moet er dus op zoek worden gegaan naar andere variabelen die iets over de schuld zeggen. In de definities die Garner (1996) geeft, is er nog een tweede manier om naar schulden te kijken. Daarbij wordt in het geheel niet gekeken naar de kosten van een schuld, maar enkel naar de gehele schuld die iemand heeft. Nadeel van dit als variabele gebruiken is, is dat het minder zegt over de risico s van het niet kunnen terugbetalen van de lening. Dat hangt immers ook af van de rentestanden en hoeveel de persoon aan aflossingen moet betalen. Die gegevens kunnen verschillen door de 4

jaren heen, omdat de rente verandert, maar ook kunnen ze per lening verschillen. Bij risicovolle leningen zijn de rentes vaak duurder, zodat het moeilijker is om dat bedrag te betalen. Door de verschillen in de kosten van leningen door de tijd en voor verschillende leningen, is het niet eenvoudig om de totale schuld te gebruiken als schatter voor risico s. Echter deze schatter is nauwkeuriger dan de hierboven beschreven schatter, waarbij alleen de kosten worden meegerekend. Volgens Maki (2000) kunnen de schulden van huishoudens in twee verschillende soorten worden opgedeeld. Als eerste heb je de hypotheken. Dit zijn vaak grote leningen met een onderpand. Aangezien de banken relatief weinig risico lopen om geld te verliezen bij de lening als iemand failliet gaat, verkoopt de bank het huis en zo worden de openstaande schulden vereffend zijn de rentes ook lager dan bij onveilige leningen zonder onderpand. Dat is dan ook de tweede groep leningen. Dat zijn de meer persoonlijke, consumerende leningen. Het gaat hier om kleinere bedragen, maar de banken lopen hierop ook meer risico, zodat de rentes relatief hoger zijn dan bij hypotheken. Verwacht kan worden dat leningen zonder onderpand vooral worden afgesloten bij lagere sociaal-economische groepen en hypotheken bij rijkere groepen, maar dit is volgens Thornley (2008) lang niet altijd het geval. De andere belangrijke component die besproken dient te worden heeft te maken met de mogelijkheid om leningen terug te betalen. Dit is de betaalcomponent. Ook deze kan volgens Garner (1996) weer op meerdere manieren gemeten worden. Zo kan bijvoorbeeld het inkomen gebruikt worden. Als men het inkomen als variabele wil gebruiken, moet men wel het besteedbaar inkomen gebruiken, want dat kan men gebruiken om de leningen af te betalen. Dan moet dus het netto-inkomen gebruikt worden. Daarnaast kan men ook de activa van een huishouden gebruiken. Deze kunnen immers verkocht worden om een lening af te kunnen betalen De activa kunnen ook weer worden opgesplitst in twee delen. Aan de ene kant zijn er de vaste activa. Hierbij gaat het om bezittingen die niet eenvoudig en snel in geld zijn om te zetten. Bijvoorbeeld kan het gaan om auto s of huizen. Aan de andere kant heb je de vlottende activa. Dat zijn vaak snel opneembare gelden. Hierbij hoort het geld op rekeningen, maar ook het geld in aandelen die makkelijk verhandelbaar zijn. We hebben hierboven de twee componenten van de schuldenlast besproken. Om de schuldenlast nu te berekenen moeten we de twee componenten op elkaar delen. Wij zullen echter kiezen voor een andere aanpak en we zullen deze definities later gebruiken om de verschillende mogelijke afhankelijke en onafhankelijke variabelen vast te stellen. 5

2.2 De ontwikkeling van de schuldenlast In het verleden bleek dat de uitkomsten van onderzoeken afhingen van welke definitie er gebruikt werd van schuldenlast (Gartner,1996). Toch is er wel wat te zeggen over de ontwikkelingen van de schulden. Zo geeft hij aan dat de schuldenlast, gedefinieerd door totale schuld/netto-inkomen, groter is in goede tijden en kleiner in tijden van recessie. Dat komt overeen met de modellen die Maki (2000) beschrijft. Hij vindt dat in tijden van recessie banken minder uitlenen en meer beperkingen aan hun leningen geven. In dit onderzoek wordt de schuldenlast niet direct gebruikt. De conclusies die Gartner en Maki trekken, kunnen echter wel gebruikt worden voor dit onderzoek, maar daarover volgt aan het eind van de paragraaf meer. In de jaren negentig zijn de prijzen van huizen maar blijven stijgen. Volgens gegevens van het kadaster (2010) zijn de prijzen van huizen sinds 1995 iets minder dan verdrievoudigd. Tot 2008 is er ook geen enkel jaar geweest, waarin de prijzen van huizen daalden. Aangezien de kosten van het kopen van een nieuw huis nauw samenhangen met hoeveel hypotheek iemand heeft, kan er van worden uitgegaan dat ook de hypotheken steeds hoger zijn geworden. Daarnaast blijkt dat in Amerika er tussen 2001 en 2007 een explosie is geweest van de hypotheekmarkt. Er bleken veel meer hypotheken te worden uitgeleend voor hogere bedragen, maar er bleek ook dat veel geleend geld aan huiseigenaren niet terugkwam en dat er dus veel slechte leningen waren. De toename van de slechte leningen waren daar niet alleen te vinden bij de lage inkomensklasse, maar bij iedereen (Demyanyk en van Hemert 2008). De vraag is echter of dit in Nederland ook het geval is. In deze paragraaf hebben we eerst besproken welke variabelen de schuldenlast definiëren en welke gebruikt kunnen worden voor een analyse. Daarna is verder gegaan op wat er in andere landen gevonden is rond de groei van de hypotheekmarkt en wat er in Nederland op de huizenmarkt is gebeurd sinds 1995. Ook is kort besproken wat mogelijke verschillen zijn tussen economisch goede en economisch slechte tijden. Aan de hand van de bovenstaande gegevens kan over enkele dingen een verwachting worden uitgesproken. Zo kan verwacht worden dat het nettoloon in economisch slechte tijden een minder groot effect heeft op de schulden dan in economisch betere tijden. Dit halen we uit het door Maki en Gartner gevonden feit dat de schuldenlast in economisch slechte tijden lager is dan in economisch goede tijden. Dit is een anticyclisch patroon. Daarnaast verwachten we een steeds groter groeiende hypotheek vanaf 1994, aangezien de prijzen van huizen sinds 6

1995 ook enorm zijn gestegen. Daarnaast is het interessant om te onderzoeken of er in Nederland ook een explosie van hypotheken is, zoals die er wel in Amerika was. In paragraaf 4 zullen we op deze verwachtingen terugkomen. 3 Voorbereiding analyse In het vorige hoofdstuk is ingegaan op de economische theorieën rond de schulden van huishoudens. Daarbij werd vooral gesproken over de definities voor de schuldenlast en de veranderingen van de schulden in de afgelopen jaren volgens andere onderzoeken. Vraag blijft of de verwachtingen die we aan de hand van de theorieën hebben, ook voor Nederland gelden. In de analyse die later beschreven wordt, zal daar dieper op worden ingegaan. Eerst moet echter duidelijk gemaakt worden hoe dit onderzoek naar de veranderingen van de schulden van huishouden aangepakt is. Daarvoor zal eerst een uitleg volgen over de gebruikte data om dan te vervolgen met de variabelen die in het model gebruikt kunnen worden. 3.1 De data Voor dit onderzoek wordt gebruikgemaakt van data uit de DNB Household Survey (DHS). Het gaat hier om paneldata van individuen sinds 1994. Voordat de analyse gedaan kan worden, moeten de individuen worden samengevoegd tot huishoudens. Van veel gezinnen, zijn er meerdere individuen in de survey ondervraagd. Het is belangrijk dat het huishouden de basis van het onderzoek vormt. In veel gezinnen is er immers een gezamenlijke geldhuishouding. Er worden allerlei inkopen gedaan vanuit het gezamenlijke inkomen. Daarnaast is er in veel huishoudens sprake van een huwelijk in gemeenschap van goederen, zodat er geen verschil kan worden gemaakt tussen verschillende individuen in een huishouden. Een laatste reden dat het over huishoudens moet gaan, is dat de schulden van het gehele huishouden in veel gevallen maar door één individu zijn ingevuld, zodat de inkomsten en schulden van een huishouden niet opgesplitst kunnen worden naar het niveau van individuen. Aangezien de DHS een paneldataset is, kunnen we hier gebruik van maken. Echter levert dat ook enkele problemen op. Aangezien er door de jaren heen veel huishoudens uit het onderzoek zijn gestapt en er ook veel nieuwe zijn bijgekomen, zijn er slechts weinig huishoudens die voor alle jaren hun gegevens hebben ingevuld. Als het onderzoek slechts gaat over enkele jaren, dan is het geen probleem. In dit geval echter is er vijftien jaar verschil 7

tussen de eerste en de laatste meting, waardoor er veel huishouden zijn uitgevallen. Daardoor blijft er een te kleine sample over om nog nuttig gebruik te kunnen maken van de paneldatastructuur. In de dataset zijn slechts 184 huishoudens die zowel in het begin als op het einde hun gegevens hebben ingevuld. Daarnaast geldt voor de meeste van die huishoudens ook nog dat de samenstelling van het huishouden is veranderd. Door de te lange tijd tussen de eerste meting en de laatste meting krijgen we, als we gebruik maken van de paneldata, ook te maken met huishoudens, die relatief steeds ouder worden. Uit onderzoeken is gebleken dat huishoudens met oudere individuen minder schulden hebben dan huishoudens met jonge individuen (DeVaney 2005). Bij gebruik van de paneldata, zal de samenstelling van huishoudens gemiddeld steeds ouder worden, zodat op langere termijn de gemiddelde schuldenlast steeds lager zal worden. Er zal een onzuiverheid naar beneden zijn. In de dataset van de DHS worden steeds nieuwe gezinnen toegevoegd. Door de bezwaren rond de paneldata zal er in dit onderzoek gebruik worden gemaakt van crosssectieanalyses. De verschillende uitkomsten door de jaren heen zullen met elkaar worden vergeleken. Door de analyse zo te doen worden sommige voordelen van het gebruik van paneldata teniet gedaan, maar de problemen die het oplost zijn belangrijker. De data van de DHS bestaan uit gegevens die elk jaar opnieuw worden gemeten. Zodoende kan er gekozen worden om elk jaar een analyse te doen. Echter geeft de theorie aan dat in andere landen er vooral een leenexplosie is geweest vanaf 2001. Daarom is er in dit onderzoek gekozen om in de jaren 90 slechts sporadisch enkele analyses uit te voeren. De analyses zullen gedaan worden in 1994 en 1999. Van de gegevens na de eeuwwisseling zal meer gebruik worden gemaakt. Er is gekozen om de analyse uit te voeren in 2002, 2004, 2005, 2006, 2007 en 2008. 3.2 Het model In het model dat gebruikt gaat worden voor dit onderzoek, wordt geen direct gebruik gemaakt van de verschillende definities van de schuldenlast, die in het vorige hoofdstuk genoemd zijn. We zullen de definities van de schuldenlast alleen gebruikt worden om te bepalen wat mogelijk belangrijke factoren zijn om de schulden van huishoudens te verklaren. Voordat dieper wordt ingegaan op de verschillende onafhankelijke variabelen, moet eerst duidelijk zijn wat we precies gaan verklaren. 8

Al eerder is vermeld dat het bedrag dat men als schulden heeft als afhankelijke variabele wordt gebruikt. Het was al duidelijk dat de grootte van het geleende bedrag verklaard zal worden, maar het is nog niet duidelijk hoe deze precies gedefinieerd is. Daarnaast moet ook gelet worden op de verschillende vormen van leningen. Er is al gesproken over de verschillen tussen gedekte en ongedekte leningen. Aangezien dit volledig andersoortige leningen zijn, zal onderzocht moeten worden of er verschillen zijn tussen beide soorten leningen. De theorieën geven verschillen tussen huishoudens met lage en met hoge inkomens. Gezinnen met weinig geld hebben vaker ongedekte leningen, terwijl hogere inkomensgroepen veel vaker gedekte leningen hebben. In de regressies die gedaan zullen worden, moet gekeken worden of er grote verschillen zijn tussen gedekte en ongedekte leningen. Ook zal gekeken worden naar de totale schuld. In dit onderzoek wordt geprobeerd de grootte van de schuld te verklarewn, maar dat kan niet met een OLS-regressie gedaan worden. De OLS-schatter is hier onzuiver, omdat de grootte van de schuld niet onder nul kan liggen. Voor een zuivere schatter kan de OLSschatter dan niet gebruikt worden. Aangezien een redelijk groot gedeelte van de huishoudens geen schulden heeft, moet een andere schattingsmethode gebruikt worden. Voor deze situatie kan het tobitmodel gebruikt worden. In het tobitmodel kan de afhankelijke variabele of één specifieke discrete waarde hebben in dit geval 0 of een continue waarde hebben die groter is dan de discrete waarde. Daarna wordt het model geschat met maximum likelihood. Het tobitmodel is dus het model dat in dit onderzoek gebruik wordt. Daarnaast zijn er drie verschillend gedefinieerde versies van de schuld die als afhankelijke variabelen gebruikt gaan worden. Echter blijft er nog een vraag over. Welke onafhankelijke variabelen zijn mogelijk van belang voor het verklaren van de afhankelijke variabelen? Hierbij komen weer de definities van de schuldenlast om de hoek kijken. De belangrijke variabelen die hierbij een rol spelen, waren het nettoloon en de bezittingen. Deze worden hieronder dan ook kort besproken. Als eerste volgt er een beschrijving van de bezittingen. Er zijn vaste activa en vlottende activa. Er bestaat, zoals eerder al beschreven, een verschil tussen beide bezittingen. Er moet dan ook gekeken worden of ze beide een ander effect hebben op de schulden van huishoudens. De andere variabele die van invloed kan zijn op de schulden, is het nettoloon. Dit zou de meest belangrijke verklaring kunnen zijn. Banken lenen immers meer uit, als de verwachting is dat zij het geld terugkrijgen. Dit gebeurt eerder met een hoger inkomen. Mogelijk is er sprake dat het nettoloon een niet-lineair verband heeft met de grootte van de schuld. Hierop 9

zal getest worden door dummyvariabelen toe te voegen voor verschillende inkomensgroepen. De inkomensgroepen worden opgesplitst naar jaarloon tot twintigduizend euro, tussen de twintigduizend en de veertigduizend euro en huishoudens met een hoger inkomen. Door de dummyvariabelen te vermenigvuldigen met het nettoloon en met de bezittingen kan getest worden of dat echt verschil maakt en of de dummyvariabelen wel significant zijn. We hebben nu kort de financiële variabelen in het model besproken. Echter er kunnen ook andere variabelen een rol spelen. Zo kan het aantal mensen in het huishouden van invloed zijn. Zoals al eerder aangegeven is, maakt de leeftijd van een persoon uit voor hoeveel geld iemand geleend heeft. Als een persoon ouder wordt, heeft hij over het algemeen minder schulden (DeVaney 2005). Echter is er een probleem in deze analyse. Als basiseenheid voor de analyses zijn huishoudens gekozen. In een huishouden zijn vaak meerdere mensen en dan heb je niet één leeftijd die je kunt gebruiken als variabelen. De gemiddelde leeftijd wordt door kinderen hard naar beneden getrokken. De oudste persoon in het gezin als variabele gebruiken, kan ook vertekenen als er een relatie oud iemand bij het gezin inwoont. Dit is dus niet zo eenvoudig op te lossen. Vandaar dat in dit onderzoek geen gebruik is gemaakt van persoonlijke factoren. In dit hoofdstuk is eerst de dataset besproken die gebruikt wordt en daarna is het gegaan over het model voor de analyse. Hiermee is een basis gebouwd voor de verdere hoofdstukken. Met wat in de afgelopen hoofdstukken is beschreven kan nu gebruikt gaan worden om te kijken wat er werkelijk gebeurd is met de schulden van Nederlandse huishoudens. 4 Analyse In dit hoofdstuk zal het in het vorige hoofdstuk beschreven model nader onderzocht worden. Hierboven zijn al duidelijke ideeën vastgelegd over wat er te verwachten valt en wat de waarschijnlijke uitkomsten zijn. Er zal onderzocht worden of het verwachte beeld van de vorige hoofdstukken ook uit de analyse komt of dat er juist een heel ander beeld ontstaat. De analyse is in drie delen opgesplitst. In het eerste deel zullen de data besproken worden en de problemen die daarbij spelen. Als tweede moet gekeken worden welke variabelen een verklarende factor zijn in het model. Aan de hand daarvan moet een model vastgesteld worden dat voor alle jaren gebruikt kan worden. Met dat model zal in het laatste gedeelte van de analyse onderzocht worden of er ook in Nederland veranderingen hebben plaatsgehad rond de schulden van huishoudens. 10

4.1 Dataproblemen Bij het bekijken van de data van de DHS kwamen er meerdere problemen naar boven, die opgelost dienden te worden, voordat naar de echte analyse gedaan kan worden. Grote problemen ontstonden er rond verschillende gegevens die onmogelijk konden kloppen. Zo waren er problemen rond de variabele nettoloon. In ongeveer 10% van de observaties was het nettoloon hoger dan het brutoloon. Aangezien het nettoloon het brutoloon is na aftrek van belastingen, is het onmogelijk dat het nettoloon groter is dan het brutoloon. Omdat niet nagegaan kon worden, waar het probleem zat en hoe de gegevens konden worden aangepast, zodat ze wel juist waren, is besloten om ze in het geheel uit de analyse te halen. Een nadeel van het eruit halen van verschillende huishoudens is dat er een selectieprobleem ontstaat. Er is een mogelijkheid dat het uit de analyse halen van een bepaalde groep zorgt voor een onzuiverheid. Dit is het probleem van een selectiebias. Een soortgelijk probleem vinden we bij andere variabelen. Zowel bij het schuldbedrag als bij de variabelen horende bij de activa zijn er negatieve waarde te vinden. Echter is het onmogelijk om negatieve bezittingen te hebben in dit onderzoek. Dat is immers hetzelfde als schulden hebben. Wat hier precies fout is gegaan bij de data is niet duidelijk. Ook hier hebben we er daarom voor gekozen om deze huishoudens uit de analyse te halen. Ook dit kan gevolgen hebben voor de zuiverheid van de schattingen. Voor dit onderzoek is het vervelend dat er een onzuiverheid in de schattingen zit. Toch is dit niet rampzalig voor dit onderzoek. Juist omdat er in dit onderzoek niet op zoek wordt gegaan naar exacte schattingen voor de coëfficiënten, maar slechts naar de veranderingen ervan, mag er een kleine onzuiverheid zijn. Voorwaarde daarbij is wel dat bij alle analyses in de verschillende jaren er ongeveer sprake is van dezelfde onzuiverheid. De onzuiverheid moet dus ongeveer dezelfde richting hebben en ongeveer van dezelfde grootte hebben. Doordat we dezelfde soort fouten in de verschillende jaren uit de analyse hebben gehaald, zal dit naar alle waarschijnlijkheid het geval zijn. Echter, absoluut zeker is het niet. 4.2 Vaststellen model Om te bepalen welke variabelen in het model thuishoren, zullen er meerder analyses voor alle verschillende jaren gedaan moeten worden. Het doel is om een model te vinden dat voor alle jaren standhoudt. De variabelen moeten zo veel mogelijk voor alle jaren significant zijn. Als 11

dat in een of twee jaren niet het geval is, dan kan de variabele in het model blijven, maar als dat het bij meer jaren niet significant is, dan zal het uit het model gehaald worden. De analyse begint met enkele regressies met als afhankelijke variabelen de totale schuld. In tabel 1 staan de uitkomsten. Er is hier gecontroleerd voor de grootte van het huishouden qua personen. Voordat naar de cijfers zelf gekeken gaat worden, moet eerst nog worden vastgesteld of alle variabelen significant zijn. Dat zijn ze. Er kan dus worden vastgesteld dat dit model gebruikt kan worden voor de analyse voor de verschillende jaren. Echter is het de vraag of er niet extra variabelen moeten worden toegevoegd. In een eerder stadium is duidelijk geworden dat er mogelijk verschillende effecten van de variabelen zijn voor verschillende loongroepen. Er moet gecontroleerd worden of dat het geval is. De verschillende dummyvariabelen zijn met de verschillende financiële variabelen vermenigvuldigd en vervolgens is er gekeken of dit significante resultaten oplevert. Hoewel het zeker significante resultaten oplevert, zijn er ook veel jaren, waarbij het niet significant is. Daarom is er gekozen om deze dummyvariabelen niet te gebruiken voor het model. Dat neemt niet weg dat de verwachting dat er een ander effect is voor rijke en arme huishouden, niet is weggenomen. Echter voor dit onderzoek, waar het om de verschillen gaat tussen de verschillende jaren, moet het een niet zo groot probleem zijn. Zoals ook bij de problemen rond de data is uitgelegd, gaat het hier om een onzuiverheid die voor alle jaren geldt. Als we ervan uit kunnen gaan dat het sample een willekeurige trekking uit de samenleving is, dan mag geconcludeerd worden dat de onzuiverheid niet een heel groot probleem is. Naast de analyse met de totale schuld als variabele, is er ook een analyse gedaan met de hypothecaire schulden en een met de ongedekte leningen. De resultaten daarvan staan in tabel 2 en tabel 3. Bij de hypothecaire lening zijn dezelfde variabelen gebruikt als bij de totale lening. Ook hier zijn ze allemaal weer flink significant. Dit is ook te verwachten, omdat het grootste gedeelte van de schuld in de hypothecaire leningen zit. In tabel 4 hebben we de gemiddelden van enkele variabelen door de jaren heen weergeven. Duidelijk wordt dat de hypotheek ongeveer tien tot twintig keer zo groot is als de ongedekte leningen. Enige uitzondering hierop is 1994. Daar is de grootte van de hypotheek iets minder dan twee keer zo groot als de ongedekte leningen. Als laatste model moet gekeken worden naar het model met als afhankelijke variabelen de ongedekte leningen. In tabel 3 zijn de significante variabelen te vinden. Opvallend hierbij is dat het aantal mensen, waaruit het huishouden bestaat niet significant is. Daarnaast spelen de vaste activa ook geen significante rol in het verklaren van de grootte van de ongedekte lening. Slechts de vlottende activa en het nettoloon zijn van belang voor het verklaren van de 12

ongedekte lening. Hierbij moet nog wel worden opgemerkt dat ook die variabelen in enkele jaren niet significant zijn. Uit de hierboven beschreven modellen kunnen al enkele interessante conclusies worden getrokken over waarvan lenen afhangt. Hiervoor hoeft nog niet gekeken te worden naar de verschillen tussen de jaren. Dat gebeurt pas in de volgende paragraaf, maar hier kunnen ook al enige dingen gezegd worden over de algemene gegevens en de tekens van de coëfficiënten van alle variabelen. Er kunnen enkele conclusies getrokken worden uit de resultaten. Zo is het teken van de verschillende soorten bezittingen tegenovergesteld aan elkaar. De vlottende activa hebben een negatief effect op de grootte van de totale schuld en op beide componenten van de schuld. Dat is ook logisch; als je meer geld hebt op je rekening, is het minder hard nodig om een lening aan te gaan. Dit geldt voor de totale lening en voor de hypotheek. De vaste activa hebben weer een positieve invloed op de grootte van de totale lening en de hypotheek. Dat kan goed komen doordat bezittingen vaak betaald worden uit een hypotheek. Bij de ongedekte leningen is er echter iets anders aan de hand. Bij de analyse daarvan blijkt dat de vaste activa geen significante invloed hebben op de grootte van de ongedekte schuld. Banken letten volgens deze resultaten bij het geven van krediet niet op de vaste bezittingen van een persoon. Een laatste onderwerp dat hier besproken moet worden, zijn de verschillen tussen de grootte van de verschillende leningen. Zoals al eerder aangegeven is de hypotheek met uitzondering van 1994 ongeveer tien tot twintig keer zo groot als de ongedekte leningen. Dat zou ook in de verschillen van de coëfficiënten tussen de verschillende modellen naar voren moeten komen. 1994 1999 2002 2004 2005 2006 2007 2008 Nettoloon.2056 (.0495).8213 (.1031) 1.5219 (.1697).9854 (.1737) 1.2214 (.1528) 1.2440 (.1807) 1.6147 (.2167).9705 (.2206) Vaste Activa.2943 (.0142).3749 (.0157).2347 (.0141).2108 (.0166).2247 (.0150).2155 (.0149).3011 (.0188).3069 (.0204) Vlottende activa -.0743 (.0261) -.2448 (.0474) -.4253 (.0630) -.3467 (.0642) -.2909 (.0506) -.3701 (.0575) -.4488 (.0615) -.1641 (.0326) Tabel 1: Coëfficiënten van de tobitregressie op de totale schulden 1994 1999 2002 2004 2005 2006 2007 2008 13

Nettoloon -.6920 (.1704).9080 (.1401) 1.909 (.1697) 1.3068 (.1951) 1.3010 (.1653) 1.5332 (.2085) Vaste.8542.5347.3055.2786.2777.2565 Activa (.0461) (.0235) (.0173) (.0192) (.0166) (.0174) Vlottende -1.047 -.2497 -.4622 -.3369 -.2799 -.3540 activa (.1562) (.0631) (.0761) (.0713) (.0540) (.0643) Tabel 2: Coëfficiënten van de tobitregressie op de hypothecaire lening 1.6383 (.2354).3680 (.0212) -.4184 (.0646) 1.0524 (.2442).3935 (.0237) -.1651 (.0354) 1994 1999 2002 2004 2005 2006 2007 2008 Nettoloon.3050 (.0381).1882 (.0509).1588 (.0642).0467 (.1328).3846 (.1531) -.0278 (.0978).5433 (.1647).3532 (.1144) Vlottende activa.0127 (.0187) -.0905 (.0335) -.0635 (.0250) -.2632 (.0668) -.4295 (.1023) -.1696 (.0513) -.3734 (.0817) -.2509 (.0565) Tabel 3: Coëfficiënten van de tobitregressie op de ongedekte leningen 1994 1 1999 1 2002 1 2004 2005 2006 2007 2008 Hypotheek 5985 23509 52446 54804 56648 59177 64605 68123 Ongedekte 3835 2191 3504 4438 3629 2440 3189 3571 lening Nettoloon 24582 17816 19779 27164 26899 26425 22413 22231 Vaste 27384 71954 167618 178051 182113 193991 198729 214128 activa Vlottende Activa 14310 16735 22869 28230 28530 31234 32943 39667 Tabel 4: Gemiddelden van variabelen door de jaren heen Te zien valt dat de uitkomsten van het model met als afhankelijke variabele de hypotheek en het model met als afhankelijke variabele de totale lening erg op elkaar lijken. De coëfficiënten liggen niet erg ver uit elkaar. Wederom is de uitzondering 1994, waarin de hypotheek slechts anderhalf keer het bedrag van de ongedekte leningen is. In deze paragraaf is dus het model vastgesteld en daarbij is bepaald welke variabelen door de tijd heen significant waren en dus in het model thuishoren. Vervolgens is kort 1 De jaren waar de waardes nog in gulden zijn, zijn omgerekend naar euro s om de verschillende gegevens vergelijkbaar te maken 14

ingegaan op enkele opvallende resultaten, die bij alle verschillende jaren uit de analyse kwamen. Daarbij werd vooral gelet op het teken en de verschillen tussen de modellen. Nog steeds zijn de verschillen tussen de jaren niet besproken. Nu wordt het tijd om daar eens wat meer over te zeggen. 4.3 De veranderingen van het model Sinds 1994 is er veel veranderd met betrekking tot het lenen van geld door huishoudens. Als gekeken wordt naar alleen de gemiddeldes zijn er duidelijke veranderingen te zien. In 1994 is het bedrag dat geleend wordt door huishoudens nog gemiddeld 9820 euro. 2 Dit wordt heel snel heel veel hoger. In 1999 is het bedrag al 25700 euro, net geen verdrievoudiging. In 2002 verdubbelt dit bedrag weer, om daarna gestaag door te groeien tot 71694 euro in 2008. De groei zit hem enkel in de groei van de hypotheek. De ongedekte leningen blijven door de tijd schommelen rond de 3000 euro. Duidelijk is wel dat in economisch betere tijden, de ongedekte schulden lager zijn dan in economisch slechtere tijden. De hypotheek laat dat beeld niet zien. Deze groeit constant zonder dat uit de gegevens blijkt dat er ook maar ergens een krimp te vinden is. Zelf niet in 2008, waar dat wel de verwachting is. De crisis was immers een kredietcrisis, waar banken minder geld wilden uitlenen. Uit deze cijfers zou geconcludeerd kunnen worden dat het in Nederland niet zo is. Toch mag die conclusie niet zomaar getrokken worden. Als er in de sample relatief meer rijke huishoudens zijn gekomen dan in het jaar ervoor, dan kan het zijn dat in het sample meer geleend wordt, maar dat dat in de gehele populatie niet gebeurt. Omdat het loon een positief verband heeft met het bedrag wat geleend wordt, weten we dat mensen met een hoger loon ook meer lenen. Om erachter te komen of de steeds groter wordende schuld door de jaren heen komt doordat men steeds meer geld verdient of doordat er gewoon relatief meer wordt uitgeleend, moet er naar het nettoloon gekeken worden Met de gegevens rond het loon zijn echter enkele problemen, zoals duidelijk blijkt uit tabel 4. In onze gegevens heeft het nettoloon in tegenstelling tot de schuld van huishouden geen duidelijke trend. Sterker nog, de gemiddeldes fluctueren harder dan waarschijnlijk is. Vanaf 1994 is de economie tot 2008 nooit gekrompen (CBS, 2010). De cijfers uit deze analyse laten iets anders zien. De inkomsten van gezinnen zijn tussen 1994 en 1999 wel flink gekrompen. Het nettoloon is ongeveer met een vierde afgenomen. Dit zijn onwaarschijnlijke 2 Alle bedragen worden in euro s vermeld. Ook als in het jaar nog met guldens werd betaald. 15

cijfers. Een andere grote sprong, maar dan een positieve, vindt plaats tussen 2002 en 2004. Hier gaat het nettoloon met ongeveer 50% omhoog. Ook hier is het niet waarschijnlijk dat dit voor de gehele bevolking van Nederland geldt. Daarnaast krimpen na 2004 de nettolonen weer, terwijl Nederland te maken had met een economische groei. Deze gegevens komen dus niet overeen met andere cijfers van de Nederlandse economie. Aangezien die cijfers betrouwbaarder zijn dan de cijfers, die voor dit onderzoek gebruikt worden, moet geconcludeerd worden dat deze data geen goede afspiegeling zijn van onze samenleving. Dat maakt deze cijfers nog niet onbruikbaar. Als er bijvoorbeeld relatief veel huishoudens met een bepaald loon inzitten, blijven de effecten van een bepaald nettoloon hetzelfde. Daarom kan na een analyse van de gemiddelden nog niet gezegd worden dat de gegevens onbruikbaar zijn voor het onderzoek. Echter een oververtegenwoordiging van een bepaalde groep mensen kan bij een misspecificatie door het weglaten van de dummyvariabelen in het model wel grote gevolgen hebben voor de schattingsresultaten De gemiddelden van de vaste en vlottende activa groeien door de tijd heen. De grootte van de bezittingen in vaste activa, groeit ongeveer gelijk mee met de hypotheek. In alle jaren geldt dat de bezittingen in vaste activa iets meer dan drie keer zo groot is als de hypotheek. Het bedrag dat huishoudens als vlottende activa hebben uitstaan groeit ook door de tijd heen, maar daar is geen ander duidelijk patroon in te herkennen. Tot nu toe hebben we in deze paragraaf alleen een analyse gedaan met de gemiddelden erin. Dat geeft een duidelijk beeld van enige problemen die opgetreden zijn in dit onderzoek. Immers de gegevens kloppen niet met de meer betrouwbare gegevens van het CBS. Met een tobitmodel wordt geprobeerd om tot betrouwbare analyseresultaten te komen. De modellen die gebruikt worden staan in de vorige paragraaf beschreven. Omdat de problemen vooral liggen bij het nettoloon en de fluctuaties daarin, zullen in eerste instantie de coëfficiënten van het nettoloon onderzocht worden. Voor het gemak staan de coëfficiënten van het nettoloon in het tobitmodel met als afhankelijke variabele de totale schuld hieronder. 1994 1999 2002 2004 2005 2006 2007 2008 Nettoloon.2056 (.0495).8213 (.1031) 1.5219 (.1697).9854 (.1737) 1.2214 (.1528) 1.2440 (.1807) 1.6147 (.2167).9705 (.2206) Tabel 5: Coëfficiënten van het nettoloon bij de tobitregressie op de totale schulden De coëfficiënten in het model lijken ook niet direct een duidelijk betrouwbaar beeld te geven voor de gegevens door de jaren heen. Ook hier valt op, net als bij de analyse van de 16

gemiddelden, dat de coëfficiënten erg fluctueren. De vraag is dus of de regressie een goed beeld geeft van wat er werkelijk gebeurt. De problemen met deze uitkomsten zullen hieronder worden besproken. Voordat de bespreking van de analyse begon, zijn er enkele verwachtingen geformuleerd. Die hielden in dat er een flinke groei was in wat er geleend kon worden door de tijd heen. Echter in jaren waar het economisch minder ging, moet de groei in ieder geval afgeremd worden en mogelijk is er zelfs een krimp van de totaal uitstaande schulden. Dus de coefficient van het nettoloon zal normaal flink moeten groeien en in economisch slechtere tijden (rond 2002 en in 2008) zal de groei minimaal moeten afnemen. Na 2002 zien we dat de coëfficiënt afneemt en dat is volgens onze verwachting. In 2008 zien we ook een daling. Daarnaast zien we in de andere jaren telkens een groei van de coëfficiënt. Dus aan deze verwachtingen zijn redelijk voldaan. Al moet wel gewezen worden op het verschil tussen 1999 en 2002. Nadat in 2001 de internetbubbel uit elkaar klapt, zou de coëfficiënt van het nettoloon moeten dalen. Aangezien er geen analyse is gedaan in de jaren 2000 en 2001, kan niet gezegd worden of er werkelijk een daling of een vertraging van de groei heeft plaatsgehad, maar de sprong die er is tussen 1999 en 2002 is wel zodanig groot dat we ons kunnen afvragen of er werkelijk een vertraging in de groei is geweest. De conclusie kan getrokken worden dat de richting van de verandering van het leengedrag in de dataset overeen komt met de verwachtingen. Hiermee lijken de problemen rond de gemiddelden van het nettoloon opgelost. Immers daar klopte de richting van de verandering al niet met de verwachting. Toch is dit maar één kant van het verhaal. Bij een tweede blik op de cijfers uit de regressie lijken de sprongen tussen verschillende jaren soms wel zeer groot te zijn. De vraag is of zulke grote sprongen wel mogelijk zijn. Het onderzoek naar de mogelijkheid van de sprongen van de coëfficiënten worden in twee delen opgesplitst. Er zal in eerste gekeken worden naar de gevallen, waarin de coëfficiënt een grote positieve sprong maakt en vervolgens zal naar de negatieve sprongen gekeken worden. In de jaren tot 2002 lijkt er een grote toename van schulden voor huishoudens te zijn. De vraag is of dit veranderingen zijn die kunnen. Uit de gegevens van het kadaster blijkt dat de prijzen van huizen meer dan verdubbeld zijn. Dus grote veranderingen in coëfficiënten worden wel verwacht. De verzevenvoudiging van de coëfficiënt van het nettoloon is erg groot. Dat lijkt niet op een realistische groei, als je kijkt naar de gegevens van het kadaster. Als er echter wordt gekeken naar de gegevens over een hypotheek in de data van de DHS, kan gezien worden dat hier het bedrag van de hypotheek bijna negen keer zo groot wordt. 17

Afgevraagd kan worden of de gegevens over de grootte van de hypotheek van de DHS wel kloppen in deze. In 2005 en 2007 zijn er ook grote positieve sprongen. Dit lijkt ook niet direct overeen te komen met de redelijk kleine groei van de hypotheek in die jaren. De sprong in 2005 impliceert dat de groei van de lening voor huishoudens die lenen van 24% van het nettoloon in een jaar. Voor 2007 geldt zelfs een groei van 37%. Dit zijn grote verschillen in een jaar. Ze zijn niet onmogelijk, maar het is op zijn minst twijfelachtig of dit betrouwbare resultaten zijn. Grotere problemen zijn er echter bij de negatieve sprongen. Als de coëfficiënt bij het nettoloon afneemt impliceert dat, dat er wordt afgelost. Een sprong van 1.52 naar.99, die plaatsvindt tussen 2004 en 2005, impliceert dat de mensen die lenen ongeveer 55% van hun loon gebruiken om hun lening af te lossen. Dit is buiten zeer onwaarschijnlijk ook zo goed als onmogelijk. Huishoudens hebben meerdere kosten door het jaar heen. Het is voor hen meestal niet mogelijk om zo een groot gedeelte van hun loon vrij te maken om daar een aflossing van te doen. Voor de meeste hypotheken geldt ook dat er een vast bedrag is per jaar dat moet worden afgelost. Het is vaak heel moeilijk om daar van af te wijken. Hetzelfde probleem vinden we in 2008, waarbij het zelfs zou gaan om een aflossing van meer dan 60%. Naast het model met de totale leningen, zijn ook de modellen met de ongedekte leningen en met de hypothecaire lening geschat. De coëfficiënten van de hypothecaire lening fluctueren mee met die van de totale lening. Dus daar zijn dezelfde grote problemen mee. Voor de analyse van de ongedekte lening, is er geen directe overeenkomst in fluctuatie. Bij de uitkomsten van die regressie, ontstaat er geen duidelijk beeld. De problemen van de fluctuatie rondom de gemiddelden van het nettoloon, kan dus niet worden opgelost door een regressie te schatten. De verschillen van de coëfficiënten van het nettoloon zijn daarvoor te onwaarschijnlijk. We kunnen wel proberen om een enkele conclusie te trekken, maar dat moet dan wel met zeer veel voorzichtigheid gedaan worden. Duidelijk moet worden gemaakt dat de analyse uitkomsten geeft die niet betrouwbaar zijn. De verwachtingen die van te voren genoemd zijn, zijn slechts ten dele uitgekomen, maar ook daar mogen niet zomaar conclusies over worden getrokken nu er enkele problemen met de data zijn. Sterker nog, als de gegevens uit de analyse daadwerkelijk onbetrouwbaar zijn, kan het beter zijn om dat in het geheel niet te doen. Als het om een onbetrouwbare analyse gaat, dan mogen we ook geen conclusies trekken over een van de afgeleide modellen. Deze analyse heeft dan ook niet veel duidelijk gemaakt over de vraag die we wilden beantwoorden. 5 Conclusie 18

In dit onderzoek is een antwoord proberen te geven op de vraag wat er veranderd is in de schulden van Nederlandse huishoudens sinds 1994. Aan de hand van de theorie en de gegevens is geprobeerd een model vast te stellen, waarmee de verschillen tussen de jaren vastgesteld konden worden. Aan de hand van buitenlandse ontwikkelingen en ontwikkelingen op de huizenmarkt zijn enkele verwachtingen uitgesproken over de te verwachten resultaten van een vergelijking tussen verschillende jaren. Zo werd verwacht groeiende schulden en een groeiende schuldenlast te zien. Ook is onderzocht of er in slechte tijden minder uitgeleend werd dan in goede tijden en of er na 2001 net als in Amerika een explosie van de hypotheekmarkt is geweest. Dit is gedaan door eerst een model voor alle jaren vast te stellen. In dit onderzoek is wel gekeken of er verschillende effecten zijn voor verschillende inkomensgroepen, maar de dummyvariabelen zijn niet stabiel genoeg door de tijd heen om daar een conclusie over te mogen trekken. Daarom is besloten om de verschillende effecten niet in het model op te nemen, waarbij niet is gezegd dat er geen verschillen zijn. In dit onderzoek ging het echter om de verschillen tussen jaren, zodat het eruit halen van de verschillende effecten voor loongroepen een niet zo groot effect zou moeten hebben. Er wordt om de bovenstaande reden ook verwacht dat enkele aanpassingen in de data geen groot effect zullen hebben op de analyse. Toch was het beter geweest als de data niet waren aangepast, maar er waren zulke grote problemen dat er iets gedaan moest worden. Het brutoloon was vaak kleiner dan het nettoloon en variabelen bij sommige huishoudens waren negatief, zodat het weghalen van deze variabelen meer problemen zou oplossen dan dat er bij zouden komen. Nadeel is wel dat er hierdoor waarschijnlijk een selectiebias is ontstaan. De problemen rond de data zorgen niet voor veel vertrouwen in de gegevens die gebruikt worden voor dit onderzoek. Het andere grote probleem in de data zijn de veranderingen van de coëfficiënten. Bij het onderzoek is vooral gekeken naar of de veranderingen in de coëfficiënten aan de verwachting voldoen en of het fysiek mogelijke sprongen zijn. Er is aangetoond dat zowel de positieve als de negatieve sprongen erg groot zijn, waardoor het onwaarschijnlijk is dat dat dit voor de populatie geldt. De negatieve sprongen zijn zo goed als onmogelijk. Met deze uitkomsten van de analyse kunnen we slechts de conclusie trekken dat er iets goed mis is met de cijfers of met het onderzoek. De problemen die er zijn, kunnen twee verschillende oorzaken hebben. De eerste is dat de analyse die gedaan is niet goed is. Hierbij kan het zijn dat er verkeerde variabelen gebruikt worden of dat er door veranderingen aan de data er een grote 19

onzuiverheid in verschillende jaren heeft plaatsgehad. Als dat het geval is, dan kunnen er verkeerde resultaten naar voren komen. Bij de analyse van de gemiddelde bleken echter al grote problemen rond het nettoloon. Deze houdt zich niet aan de ontwikkeling van de economie, waar het nettoloon een grote correlatie mee heeft. Dat kan inhouden dat er relatief grote oververtegenwoordiging is voor bepaalde groepen. Bij een misspecificatie kan dit leiden dat die groepen meer invloed hebben op de uitkomsten van de regressie. Dit kan leiden tot verschillen tussen de onzuiverheden, zodat er niet goed vergeleken kan worden tussen de jaren. Bij verder onderzoek is het van belang om te onderzoeken of er een betere specificatie mogelijk is voor dit model. De andere mogelijk oorzaak die debet kan zijn aan de problemen bij de uitkomsten van de analyse, zijn de data. Waarschijnlijk zijn de data die gebruikt zijn niet goed genoeg om de verschillen tussen de jaren aan te tonen. Er is een mogelijkheid dat er te veel meetfouten in zijn geslopen in enkele jaren of dat de huishoudens in de sample erg veranderd zijn door de jaren heen. Mogelijk zijn er gezinnen gestopt met het invullen van de gegevens en zijn er andere gezinnen bij gekomen die heel andere karakteristieken hebben. Om te controleren of dit het geval is, kan er in verder onderzoek worden gekeken naar paneldata. Aan de hand van de gegevens, is het mogelijk om te testen of de grote verschillen komen doordat er andere huishoudens in het sample zijn gekomen of dat de verschillen ook gevonden worden, als er gebruik wordt gemaakt van de paneldata. Als de problemen werkelijk in de data zitten, dan moet gekeken worden of er andere gegevens te vinden zijn, die beter voldoen voor het uitvoeren van deze analyse. Echter, voor Nederland zijn geen andere gegevens te vinden op microniveau, die dezelfde informatie geven. Dus voor Nederland is dit onderzoek met andere data niet goed te herhalen. In dit onderzoek zijn heel veel problemen rond de data en de uitkomsten van de analyse naar voren gekomen. Er kan niet gezegd worden dat de gegevens volledig kloppen, noch kan er gezegd worden dat de analyse helemaal juist is gedaan. Aan de hand van deze gegevens, kunnen ook geen conclusie worden getrokken. De onderzoeksvraag mag dan ook niet worden beantwoord. Er kan niet gezegd worden dat de banken in Nederland veel risico s hebben genomen in de afgelopen jaren. De gemiddeldes van de variabelen geven dat wel aan, maar die conclusie mag met onbetrouwbare resultaten nooit worden getrokken. 20

Bibliografie Alan Garner, C (1996). Can measures of the consumer debt burden reliably predict an economic slowdown? Federal Reserve Bank of Kansas City Economic Review, Q IV, 63-76 Centraal Bureau voor de Statistiek (2010). Statline (http://statline.cbs.nl/statweb/default. aspx), 15 mei Demyanyk, Y. S. en Van Hemert, O.(2008). Understanding the Subprime Mortgage Crisis Available at SSRN: http://ssrn.com/abstract=1020396 DeVaney, Sharon A (2005). Household debt over the life cycle. Financial Services Review, 14. Kadaster (2010). (http://www.kadaster.nl/index_frames.html?inhoud=/zakelijk/index_zakelijk.html&navig=/zakelijk/nav _serverside.html%3fscript%3d1), 28 mei Maki, D.M. (2000). The Growth of Consumer Credit and the Household Debt Service Burden FEDS Working Paper No. 2000-12. Available at SSRN: http://ssrn.com/abstract=221416 Thornely, M. (2008). How New Zealand s non-mortgage, individual and household debt has grown since the 1990 s, looking at the demographic factors behind the debt and how it compares to other OECD countries. Available at http://hdl.handle.net/10292/670 21