De vorige paragraaf behandelde een theoretisch en methodologisch kader voor het meten van de waarde van vastgoed. Daarnaast gaf deze paragraaf aan welke kenmerken van vastgoed de waarde ervan kunnen beïnvloeden. In deze paragraaf wordt eerst beschreven welke data gebruikt wordt in dit onderzoek. Er wordt toegelicht welke kenmerken van bedrijventerreinen in dit onderzoek worden meegenomen, die invloed kunnen hebben op de vastgoedprijs. Daarna wordt beschreven welke stappen er zijn genomen om de multiple regressieanalyse uit te kunnen voeren. De multiple regressieanalyse wordt in eerste zin uitgevoerd om vast te stellen of herstructurering effect heeft gehad op de prijzen van bedrijfsvastgoed op bedrijventerreinen. Daarnaast moeten de verschillende variabelen die in de multiple regressieanalyse worden meegenomen aantonen welke kenmerken van invloed zijn op de prijs van bedrijfsvastgoed.
6.2.1 Beschrijving van de data
Het belangrijkste aspect voor het toepassen van de hedonische prijsanalyse zijn de transactieprijzen van bedrijfspanden. In dit onderzoek zijn alle bedrijventerreinen uit het jaar 2008 opgenomen, waarvan het Kadaster transactiegegevens heeft. Het Kadaster is een zelfstandig bestuursorgaan (ZBO) dat gekenmerkt kan worden als leverancier van vastgoed- en geoinformatie in Nederland. De Kadasterwet, die ten dele is gebaseerd op bepalingen uit het Burgerlijk Wetboek, vormt de wettelijke grondslag voor de activiteiten op de terreinen openbare registers, Basisregistratie Kadaster,
Basisregistratie Topografie en geometrie. Werkzaamheden van het Kadaster zijn onder andere het registreren, beheren en ontsluiten van vastgoedinformatie, het in stand houden van een net van coördinaatpunten (Rijksdriehoeksmeting) en het verstrekken van informatie op basis van deze registraties (Kadaster, 2011).
91 Het transactiebestand is voor de uitvoering van de hedonische prijsanalyse gekoppeld met de BAG- gegevens die wederom zijn verkregen via het Kadaster. De BAG (Basisregistraties adressen en gebouwen) is onderdeel van het overheidsstelsel van basisregistraties. Gemeenten zijn bronhouders van de BAG. Zij zijn verantwoordelijk voor het opnemen van de gegevens in de BAG en voor de kwaliteit ervan. Alle gemeenten stellen gegevens over adressen en gebouwen centraal beschikbaar via de Landelijke Voorziening (BAGLV). Het Kadaster beheert de BAGLV en stelt de gegevens beschikbaar aan de diverse afnemers (Kadaster, 2011). De gegevens over bedrijventerreinen is verkregen van de Radboud Universiteit Nijmegen, zoals ook in het hoofdstuk onderzoeksopzet is beschreven.
6.2.2 Bewerking (koppel)bestand en variabelen
Het bestand van de RUN en het transactiebestand van het Kadaster was al gekoppeld om analyses te kunnen doen voor geherstructureerde en niet-geherstructureerde bedrijventerreinen (zie H5). Om analyses te kunnen doen aan de hand van de hedonische prijsanalyse is vervolgens een derde bestand gekoppeld aan deze bestanden, namelijk het BAG-bestand. Hierdoor werd het mogelijk om analyses te doen voor de 1806 bedrijventerreinen (bestand RUN) waarin de transactieprijzen en de pandkenmerken (BAG) zijn opgenomen. Er is op adresniveau gekoppeld . Dat betekent dat de transactieprijzen van panden zijn gekoppeld op basis van postcode, huisnummer en toevoeging. Sommige variabelen konden niet gekoppeld worden, omdat er gegevens ontbraken. Daarom zijn alle ontbrekende observaties die invloed hadden op een van de belangrijke variabelen, zoals postcodes of gebruiksoppervlakten gefilterd en verwijderd. Uiteindelijk is voor 9.087 bedrijfspanden met een transactieprijs een multiple regressieanalyse gedaan.
Variabelen
Uit studies naar de woningmarkt blijkt dat pandkenmerken in grote mate de huur- of koopprijzen bepalen. Ook is in empirische onderzoeken aangetoond dat de prijzen van woningen variëren met de kenmerken van de omgeving (Dekkers & Koomen, 2008; Visser & Dam, 2005). De oppervlakte van een pand heeft veel invloed op de waarde. In de praktijk is het vaak zo dat hoe groter het pand, hoe hoger de verkoopprijs is. Ook de leeftijd van een pand is van belang, omdat nieuwbouw in het algemeen meer waard is dan oudere panden. Oudere panden schrijven af in waarde en zijn meestal toe aan onderhoud. Hetzelfde geldt voor de leeftijd van bedrijventerreinen waarop een pand is gebouwd. Oudere bedrijventerreinen zullen eerder toe zijn aan onderhoud dan nieuwe
bedrijventerreinen, waardoor het voor kopers van bedrijfspanden aantrekkelijker is om een bedrijfspand op een nieuw ontwikkeld terrein te kopen. Ook het gebruiksdoel heeft invloed op de waarde, omdat bijvoorbeeld een pand voor kantoorfunctie hoger wordt gewaardeerd dan een pand voor detailhandelsfunctie. Verder is de ligging van panden ook belangrijk, omdat bedrijfspanden in sommige regio’s duurder zijn dan in andere regio’s. Bedrijfspanden in de Randstad zijn over het algemeen duurder dan bedrijfspanden in de periferie.
In de praktijk is het vaak onmogelijk om in een regressieanalyse alle relevante kenmerken op te nemen. Helaas is in dit onderzoek de componenten van de bereikbaarheid van het bedrijfspand, zoals de ligging ten opzichte van de snelweg of station niet meegenomen in deze regressieanalyse, omdat daar geen gegevens over verkregen kon worden. Dat is voor de regressieanalyse wel een gemis te noemen, omdat bij de herstructurering van bedrijventerreinen vooral ook de
bereikbaarheid wordt verbeterd. Volgens een onderzoek van de PBL (Renes e.a., 2009) leidt een betere bereikbaarheid namelijk tot kortere reisduur en waardestijging van de locatie.
In het verkregen BAG-bestand staat informatie over de oppervlakte (in m²), de leeftijd en het
gebruiksdoel (industriefunctie, kantoorfunctie, winkelfunctie, woonfunctie of overige) van de panden die gevestigd zijn op bedrijventerreinen. Aan deze gegevens is uit het transactiebestand de koopsom, de kaveloppervlakte en het jaar van transactie toegevoegd. Naast deze kenmerken is verder de ligging van het bedrijfspand in het land (Randstad, Intermediair, Periferie), de drie fasen vóór, tijdens
92 en na herstructurering (voorbereiding, uitvoering, afronding) en de leeftijd van het bedrijventerrein toegevoegd voor het uitvoeren van de regressieanalyse.
In bijlage 7 wordt de beschrijvende statistiek van de verschillende variabelen uit de multiple regressieanalyse weergegeven. Uit de beschrijvende statistiek valt op te maken dat de gemiddelde prijs van een bedrijfspand ruim €566.000 euro is. De gemiddelde kaveloppervlakte bij transacties van bedrijfspanden bedroeg ruim 2000 m² en de gemiddelde gebruiksoppervlakte ruim 1000 m². Uit de figuur is verder op te maken dat de leeftijd van de bedrijfspanden voor ruim 21% van de gevallen dateert uit de periode 1980-1989 en voor ruim 32% uit de periode 1990-1999. Daarnaast is te concluderen dat de meeste transacties plaats hebben gevonden in de Randstad (42%) en in de Intermediaire zone (41%). In de periferie hebben de minste transacties plaats gevonden (16%). Opvallend is ook dat de perioden van de herstructureringsvariabele (voorbereiding, uitvoering, afronding) geen hoge gemiddelden hebben, omdat maar een klein deel van de bedrijventerreinen zijn geherstructureerd.
6.2.3 Outliers, dummies en Logaritme
De verschillen tussen de door de regressielijn voorspelde waarden en de ‘echte’ waarden (van de afhankelijke variabele) worden de residuen genoemd. De cases met de grootste residuen - en dus met de grootste afwijkingen - heten outliers. Outliers zijn vaak van invloed op de uiteindelijke
regressievergelijking (De Vocht, 2006). Voor de uitvoering van deze multiple regressieanalyse zijn ook outliers gebruikt. Om de invloed van outliers op de multiple regressieanalyse te beperken zijn de volgende outliers verwijderd voor de verschillende variabelen:
- Transactieprijzen: hoger dan € 10.000.000 en lager dan € 10.000 - Kaveloppervlakte: groter dan 10.000 m² en kleiner dan 30 m²
- Gebruiksoppervlakte: groter dan 10.000 m² en kleiner dan 20 m². Bij de gebruiksoppervlakte zijn verder ook alle observaties waar ‘9999’ in stond verwijderd, omdat wordt vermoed dat ze gebruikt waren als “missing values”.
De variabelen in een multiple regressiemodel moeten gemeten zijn op interval- of ratioschaal. Het is echter ook toegestaan om als onafhankelijke variabele een dichtome variabele met de codes 0 en 1 te gebruiken. Een dergelijke variabele wordt een dummy genoemd en geeft aan of een case een eigenschap wel (1) of niet (0) heeft. In dit onderzoek zijn voor alle variabelen dummies gebruikt behalve voor de variabelen gebruiksoppervlakte en de oppervlakte.
Daarnaast is van de variabele koopsom een logaritme gemaakt (zie figuur 6.1).
Figuur 6.1: Histogrammen voor de prijs(links) en de logaritme van de prijs (rechts) per bedrijfspand
93 De meeste hedonische prijsmodellen gebruiken een lineaire vorm. In de wetenschap bestaat er echter een langlopende discussie of de prijs, of de logaritme van de prijs gebruikt moet worden. De theorie geeft hier geen uitsluitsel over (De Graaff & Rietveld, 2006) . Daarom is bij de uitvoering van deze hedonische prijsanalyse gekeken naar zowel de vorm (figuur 6.1 links) als de logaritme (figuur 6.1 rechts) van de prijs. Uit de figuur is op te maken dat de grafiek links scheef is verdeeld. De rechter grafiek met de logaritme van de prijs is symmetrisch verdeeld en is voor een regressiebenadering juister om als afhankelijke variabele te gebruiken.