Om toch tot een sterke analyse te kunnen komen binnen de periode regressieanalyse moet er gebruik worden gemaakt van een andere afhankelijke variabele. Hierbij is het van belang dat meer variabelen een significante waarde genereren en daarmee een hogere verklarende variantie cre¨eren. Om dit te bereiken is er gekeken naar de ‘absolute waardeontwikkeling van de WOZ- waarde per vierkante meter’ als afhankelijke variabele. Deze afhankelijke variabele is eenvoudig verkregen door de gemiddelde WOZ-waarde per vierkante meter van een buurt in 2005 af te trek- ken van de gemiddelde WOZ-waarde per vierkante meter van een buurt in 2009. Deze waarde is in Euro’s uitgedrukt. In figuur 12 is de absolute waardeontwikkeling van de WOZ-waarde per vierkante meter in periode 2005 - 2009 weergegeven.
Absolute WOZ-waarde ontwikkeling per vierkante meter in Euro's 1100+ 1000 tot 1100 950 tot 1000 900 tot 950 850 tot 900 800 tot 850 700 tot 800 600 tot 700 500 tot 600 400 tot 500 300 tot 400 200 tot 300 100 tot 200 1 tot 100 Geen data Negatieve ontwikkeling 0 6 kilometers
Ontwikkeling absolute WOZ-waarde per vierkante meter in 2005 - 2009 in Amsterdam
Figuur 12: Ontwikkeling van de absolute WOZ-waarde per vierkante meter in 2009 ten opzichte van 2005 in Amsterdam
Uit figuur 12 valt op te maken dat de absolute waardeontwikkeling van de WOZ-waarde per vierkante sterk verschilt. De grootste toename van WOZ-waarde per vierkante meter is voor- namelijk gefocusseerd binnen de Ring A10 met uitzondering van Amsterdam Noord. Staddelen Centrum, Oost, West en Zuid lijken de sterkste absolute ontwikkeling door te maken. Terwijl in figuur 11 juist opviel dat er ook buurten binnen de Ring A10 een zwakke relatieve ontwikke- ling doormaakte. Stadsdelen buiten de ring: Niet-West, Zuidoost en Noord vertonen over het algemeen veel mindere mate van absolute ontwikkeling.
Voor de absolute waardeontwikkeling van de periode 2005 - 2009 regressieanalyse geldt de volgende formule:
∆ABSOLU T W OZi = β1+ β2ZU IDASi+ β3IJ OEV ERSi+ β4SOCIALEHU U Ri+
β5∆W ERKGELEGEN HEIDi+ β6BEV OLKIN GSDICHT HEIDi+
β7GROEN &W AT ERi+ i
Hierbij is de ∆ABSOLT W OZi de afhankelijke variabele, absolute waardeontwikkeling van de
WOZ-waarde per vierkante meter, die wordt be¨ınvloed door alle meegenomen verklarende va- riabelen op tijdstip i. β1 Staat hier voor de constante, β2ZU IDASi staat voor de variabele
‘Afstand tot de Zuidas’, β3IJ OEV ERSi staat voor de variabele ‘Afstand tot de IJ-oevers’(en
wordt alleen meegenomen in regressieanalyse (5), β4SOCIALEHU U Ri staat voor de variabele
‘Aandeel sociale huurwoningen’,β5∆W ERKGELEGEN HEIDi, staat voor de variabele ‘Pro-
centuele ontwikkeling van het aantal banen’, β6BEV OLKIN GSDICHT HEIDi, staat voor de
variabele ‘Bevolkingsdichtheid per vierkante kilometer land’, β7GROEN &W AT ERi staat voor
de variabele ‘Aandeel (recreatief)groen en (binnen)water’. De formule wordt afgesloten door de error-term ei.
De resultaten van de periode regressie 2005 – 2009 zijn hieronder in tabel 3 weergeven.
Variabelen Regressieanalyse (4) co¨effici¨enten Regressieanalyse (5) co¨effici¨enten
Zuidas -0,0427 -0,0319 (-5,88)** (-4,62)** IJ-Oevers . -0,0395 . (-7,38)** Sociale huur -251,9212 -197,7333 (-4,43)** (-3,71)** Werkgelegenheid 65,6445 89,8190 (2,18)* (3,19)** Bevolkingsdichtheid 0,0145 0,0092 (6,41)** (4,17)**
Groen & water 338,3032 274,2797
(3,56)** (3,09)**
cons 742,6377 946,2461
(11,99)** (14,84)**
R-squared 0,3419 0,4352
N 337 337
Tabel 4: Regressieresultaten van de periode regressieanalyse 2005 – 2009 weergegeven. De waarde tussen haakjes geven de p-waarde aan. De asterisken achter de p-waarde geven de het significantieniveau aan van de variabele. ∗p ≤ 0.05; ∗ ∗ p ≤ 0.01
In de analyse van de regressieresultaten uit tabel 4 zal worden afgetrapt met de interpretatie van alle resultaten die betrokken zijn bij de eerste regressieanalyse (4). Daarna zal de er nog aandacht worden besteed aan de co¨effici¨ent van de ‘afstand tot de Zuidas’ en ‘afstand tot de IJ-oevers’ uit de tweede regressieanalyse (5).
de resultaten van het aantal observaties (N), de verklaarbare variantie (R-squared) en de con- stante waarde (cons). Binnen deze periode regressie 2005 – 2009 zijn in totaal 337 verschillende buurten mee genomen. Het kan voorkomen dat dit aantal buurten lager ligt dan het aantal buurten waarvan een WOZ-waarde beschikbaar is. Het kan namelijk voorkomen dat een buurt een ‘missing value’ heeft, waardoor hij niet wordt mee genomen in de uiteindelijke regressieana- lyse. Alle onafhankelijke variabelen verklaren samen in de eerste regressieanalyse (4) afgerond 34% van de totale variantie. 34% is aan de lage kant, waardoor de co¨effici¨enten van variabelen in twijfel kunnen worden getrokken. Echter kan dit (deels) worden weerlegd door het beperkt aantal variabele dat is gebruikt in deze regressieanalyse. Als laatste kan gekeken worden naar de constante waarde van de regressieanalyse. In regressieanalyse (4) is de constante waarde 742,64. Dit betekent dat wanneer alle onafhankelijke variabele gelijk zijn aan de waarde 0, de afhankelijke variabele ‘absolute waardeontwikkeling van de WOZ-waarde per vierkante meter’ in een buurt tussen 2005 en 2009 gelijk is aan 742,64.
Vervolgens wordt er gekeken naar het effect van de focusvariabele ‘afstand tot de Zuidas’ (Zuidas) op de absolute waardeontwikkeling van de WOZ-waarde per vierkante meter voor de periode 2005 – 2009. Zoals te verwachten was is de invloed van de co¨effici¨ent negatief en relatief klein, -0,0427. Dit betekent dat bij elke additionele meter afstand van de Zuidas de absolute waardeontwikkeling van de WOZ-waarde per vierkante meter afneemt met afgerond 0,04 Euro, wanneer alle andere variabelen gelijk aan 0 blijven. Dit lijkt weinig, maar voor een woning van 80m2 in Buitenveldert Zuidoost heeft dat al een negatief effect van 6.832,- Euro op de totale absolute waardeontwikkeling van de WOZ-waarde tussen 2005 en 2009.
Daarnaast zijn er nog andere variabelen mee genomen in deze regressieanalyse die op basis van literatuur en beschikbaarheid zijn geselecteerd.
Het aandeel sociale huurwoningen in een buurt heeft een negatief effect op de absolute waar- deontwikkeling van de WOZ-waarde per vierkante meter. Het aandeel sociale huurwoningen is een percentage dat is verkregen door het aantal sociale huurwoningen in een buurt te delen door het totaal aantal woningen in een buurt. In de literatuur wordt het aandeel sociale huurwonin- gen altijd geassocieerd met een negatief effect op de woningwaarde van andere woningen.9, 24 Uit de tabel 4 blijkt ook binnen deze periode regressieanalyse het aandeel sociale huurwoningen een negatief effect te hebben op de absolute waardeontwikkeling van de WOZ-waarde per vierkante meter. Voor elk additionele procent dat het aandeel sociale huurwoningen ten opzichte van het
totaal aantal woningen toeneemt, neemt de absolute waardeontwikkeling van de WOZ-waarde per vierkante meter met afgerond 252,- af, wanneer alle andere variabele gelijk aan 0 blijven.
Daarentegen heeft ontwikkeling van werkgelegenheid weer een positief effect op de absolute waardeontwikkeling van de WOZ-waarde. Zo zien Visser en van Dam (2006) werkgelegenheid als een van de belangrijkste factoren voor de waardebepaling van een woning. In deze regres- sieanalyse is werkgelegenheid gedefinieerd als de procentuele ontwikkeling van het aantal banen in een buurt. Deze waarde is eenvoudig verkregen door de ontwikkeling tussen 2005 en 2009 te meten. Voor elk additionele procent ontwikkeling van het aantal banen in een buurt, neemt de absolute waardeontwikkeling van de WOZ-waarde per vierkante meter met afgerond 66,- toe, wanneer alle andere variabele gelijk aan 0 blijven.
Uit de regressieresultaten in tabel 4 blijkt dat bevolkingsdichtheid een kleine maar positief effect heeft op de absolute waardeontwikkeling van de WOZ-waarde per vierkante meter. Uit de literatuur bleek al dat het effect van bevolkingsdichtheid zowel een positief3 als negatief26, 21 effect zou kunnen hebben op de waarde van een woning. Voor elk additionele waarde van de bevolkingsdichtheid per vierkante kilometer, neemt de absolute waardeontwikkeling van de WOZ-waarde per vierkante meter met afgerond 0,01,- toe, wanneer alle andere variabele gelijk aan 0 blijven. Omdat de bevolkingsdichtheid per buurt over de gehele tijdsspanne redelijk sta- biel is, is ervoor gekozen om de absolute waarde in plaats van de ontwikkelingswaarde te nemen. De bevolkingsdichtheid kan, volgens tabel 1, in een buurt oplopen tot 35.786 per vierkante ki- lometer, waardoor bevolkingsdichtheid een belangrijke rol kan spelen in de waardeontwikkeling van de WOZ-waarde per vierkante meter.
Als laatste variabele binnen de eerste regressieanalyse wordt het aandeel (recreatief)groen en (binnen)water getoetst op de absolute waardeontwikkeling van de WOZ-waarde per vierkante meter. Deze variabele is verkregen door het oppervlakte groene ruimte en (binnen)water te delen door de totale oppervlakte van de buurt. Het aandeel heeft volgens de regressieresultaten een positief effect, wat wederom volgens de literatuur al werd voorspelt. Meerdere studies kaarten het positieve effect aan van een park, bos of plantsoen in de nabijheid van een woning. Tabel 4 laat dit zien met een effect van afgerond 338,- Euro. Voor elke procent additioneel groen en water in een buurt, zal de absolute waardeontwikkeling van de WOZ-waarde per vierkante meter tussen 2005 en 2009 met 338,- stijgen. Ook bij deze variabele is ervoor gekozen om een absolute waarde te nemen in plaats van een ontwikkelingswaarde, omdat het aandeel zich over
de tijdsspanne nauwelijks heeft ontwikkeld.
Voor regressieanalyse (5) zijn de regressieresultaten voor het overgrote deel hetzelfde. Door het toevoegen van de variabele ‘afstand tot de IJ-oevers’ aan de regressieanalyse, veranderen de regressieresultaten ten opzichte van de regressieanalyse (1). Het kan hierdoor voorkomen dat co¨effici¨enten in meer of mindere mate een effect hebben op de afhankelijke variabele. De afhankelijke variabele, absolute waardeontwikkeling van de WOZ-waarde per vierkante meter, is onveranderd gebleven.
Uit tabel 4 valt op te maken dat de co¨effici¨ent ‘afstand tot de Zuidas’ is gecorrigeerd door het toevoegen van de variabele ‘afstand tot de IJ-oevers’. In regressieanalyse (5) heeft de co¨effici¨ent een waarde van -0,0319 ten opzichte van -0,0427 zonder deze variabele. Dit verschil kan ver- klaard worden doordat de variabele een tegengewicht vormt, waardoor het effect van de afstand tot de Zuidas wordt verminderd. In de nabijheid van de IJ-oevers zijn namelijk ook buurten die een bovengemiddelde WOZ-waarde ontwikkeling hebben doorgemaakt.
Verder heeft de variabele afstand tot de IJ-oevers ook nog een zelfstandig effect op de absolute waardeontwikkeling van de WOZ-waarde. Een negatief effect van -0,0395, wat betekent dat bij elke additionele meter afstand van de IJ-oevers de absolute waardeontwikkeling van de WOZ- waarde per vierkante meter afneemt met afgerond 0,04 Euro, wanneer alle andere variabele gelijk aan 0 blijven. Een verklaring voor het feit dat in regressieanalyse (5) het effect van de IJ-oevers sterker is dan het effect van de Zuidas, kan worden verklaard door de sterkere ontwikkeling in de periode 2005 – 2009 van de buurten gelegen in de nabijheid van de IJ-oevers.