• No results found

Consumptiegedrag bij dalende huizenprijzen: analyse op basis van een enquête

N/A
N/A
Protected

Academic year: 2021

Share "Consumptiegedrag bij dalende huizenprijzen: analyse op basis van een enquête"

Copied!
24
0
0

Bezig met laden.... (Bekijk nu de volledige tekst)

Hele tekst

(1)

Consumptiegedrag bij dalende huizenprijzen: analyse

op basis van een enquête

Bachelor scriptie Econometrie Kasper van Vliet

6159982 28-06-2013

Begeleid door: Prof. Dr. J.S. Cramer

In dit paper wordt gebruikt gemaakt van LISS paneldata, verzameld door CentERdata (Universiteit van Tilburg, Nederland) als onderdeel van het MESS project. Dit project wordt gefinancierd door de Nederlandse Organisatie voor Wetenschappelijk Onderzoek. Veel dank gaat uit naar CentERdata voor het beschikbaar stellen van deze gegevens.

(2)

INHOUDSOPGAVE

1. Inleiding 3

2. Literatuur 3 - 5

3. Data en methoden 6 - 9

3.1 Het LISS-panel 6

3.2 Bewerking van de data 6 - 8

3.3 Methoden 8 - 9

4. Resultaten 9 - 13

5. Levensfase van het huishouden 13 - 16

6. Conclusie 17

Referenties 18

Bijlagen 19 - 24

(3)

1. INLEIDING

Tot 2008 zijn de huizenprijzen in ons land vele decennia lang gestegen. In haar

Kwartaalbericht van juni 2004 concludeert De Nederlandsche Bank dat deze stijgingen in de huizenprijzen de uitbundige groei van de Nederlandse economie mede mogelijk hebben gemaakt. Ook Case et al. (2005) vinden een sterke correlatie tussen totale bestedingen en huizenprijzen in ontwikkelde landen. Veel onderzoek is gedaan naar consumptieve

bestedingen en huizenprijzen, waarbij overduidelijk een positief effect te zien is. Tijden van stijgende huizenprijzen vallen echter vaak samen met een gunstige conjunctuur in de gehele economie en een sterk vertrouwen bij de consument. Het is zodoende lastig te bepalen hoe groot het afzonderlijke effect van de huizenprijzen op de consumptie is.

In dit onderzoek zal daarom op basis van microdata, waarbij onderscheid kan worden gemaakt tussen huurders en woningbezitters, op zoek worden gegaan naar het effect van huizenprijzen op het consumentengedrag. Er wordt gebruik gemaakt van data van het LISS-panel, waarbij huishoudens in 2009 en 2010 een aantal vragen hebben beantwoord over hun bestedingen. Op basis van deze data, verkregen gedurende jaren van dalende huizenprijzen, wordt onderzocht of er verschil bestaat tussen het consumptief gedrag van huurders en huizenbezitters tijdens een dalende woningmarkt.

Om te beginnen komen in het kort enkele theorieën uit de literatuur aan bod die het verband tussen de huizenprijzen en bestedingen kunnen verklaren. Vervolgens wordt nader ingegaan op de gebruikte dataset, zijn totstandkoming en beperkingen. In paragraaf 3 worden de modellen en methoden besproken, waarna in paragraaf 4 de resultaten worden toegelicht. In paragraaf 5 worden huishoudens uit verschillende fasen in het leven besproken. In paragraaf 6 volgt de conclusie.

2. LITERATUUR

Om met het theoretisch kader te beginnen loont het om te kijken naar het paper dat Campbell en Cocco (2007) hebben geschreven. Zij beschrijven drie theorieën die het effect van

huizenprijzen op consumptie kunnen verklaren en deze theorieën kunnen als een goed uitgangspunt worden gezien. Ten eerste noemen zij het housing wealth effect, ofwel

vermogenseffect: stijgende huizenprijzen zorgen voor een groter eigen vermogen en dat leidt 3

(4)

vervolgens tot meer bestedingen. Ten tweede kan een huis als onderpand dienen bij een lening. Zo kan er bij een stijging in de huizenprijs een extra lening worden afgesloten waarna het verkregen geld uitgegeven kan worden. Tot slot geven de auteurs aan dat een derde, niet waargenomen macro-economische factor de correlatie tussen huizenprijzen en consumptie kan verklaren. Hierbij moet gedacht worden aan het feit dat in een groeiende economie het consumentenvertrouwen vaak groot is, hetgeen ertoe kan leiden dat de huizenprijzen en het consumptieniveau tegelijkertijd stijgen.

Deze laatste factor is duidelijk macro-economisch en erg relevant. Huizenprijzen, aandelenprijzen en consumptie zijn allen gebaat bij een groot consumentenvertrouwen. Wanneer correlatie tussen consumptie en huizenprijzen wordt gevonden, moet dus goed worden onderzocht of dit effect door deze gemeenschappelijke factor wordt gedreven, of dat de huizenprijzen op zichzelf het consumptiegedrag beïnvloeden.

Naar dit housing wealth effect is erg veel onderzoek gedaan, waarbij de meningen verdeeld zijn over hoe groot dit effect daadwerkelijk is. Het loont dan ook om deze theorie verder te bekijken. De eerder genoemde auteurs Case et al. (2005) publiceerden een empirische paper,

Comparing wealth effects: The stock market versus housing market, waarin uitgebreid

onderzoek werd gedaan naar het fenomeen. Ze construeerden zelf een uitgebreide dataset door gegevens uit veertien landen over een periode van 25 jaar samen te voegen en vonden een groot significant effect van huizenprijzen op de consumptieve bestedingen. Calomiris et al. (2009) plaatsen echter hun vraagtekens bij de methode die is gebruikt om het effect te schatten. Er is niet gecorrigeerd voor een simultaniteitsprobleem: de mogelijkheid dat

veranderingen in huizenprijzen en consumptie beiden worden gedreven door een derde factor, het consumentenvertrouwen of het verwachte toekomstig inkomen. De auteurs gebruiken de dataset van Case et al. (2005), maar voeren regressies uit met instrumentele variabelen om te corrigeren voor de mogelijke endogeniteit. De resultaten zijn opvallend: housing wealth heeft een klein en insignificant effect op de bestedingen. Dit laatste onderzoek toont aan dat het

housing wealth effect veel kleiner is dan aanvankelijk gedacht.

Naast het vermogenseffect en de gezamenlijke macro-economische oorzaak noemen Campbell en Cocco (2007) een derde theorie die de correlatie tussen consumptie en huizenprijzen kan verklaren: de mogelijkheid meer te kunnen lenen met het huis als onderpand. In tijden van stijgende huizenprijzen neemt de overwaarde op de huizen toe.

(5)

Huizenbezitters kunnen deze overwaarde verzilveren door een extra lening met het huis als onderpand af te sluiten. Van den End et al. (2002) concluderen op basis van een door de Nederlandsche Bank uitgevoerde enquête dat in de periode 1996-2002 in totaal 33 miljard euro aan overwaarde is verzilverd door de Nederlandse woningbezitters. 85% van dit bedrag is vervolgens daadwerkelijk besteed. Uit de publicatie blijkt niet op welke manier de

antwoorden van de geënquêteerden zijn gewogen naar de gehele bevolking, maar er kan geconcludeerd worden dat veranderingen in de overwaarde zeker invloed hebben op de bestedingen.

Nu de meest gangbare theorieën aan bod zijn gekomen die de correlatie tussen huizenprijzen en consumptie kunnen verklaren, loont het om de resultaten van het onderzoek van Campbell en Cocco (2007) te bespreken. Zij maken gebruik van gegevens uit enquêtes. Vindt men daarin een verschil tussen het gedrag van huurders en huiseigenaren dan kan men dat aan de toestand van de huizenmarkt toeschrijven, en behoeft men niet te vrezen dat het effecten van het consumentenvertrouwen zijn, want die ondervinden beide groepen gelijkelijk. De auteurs vinden bij de groep van oudere huiseigenaren het grootste effect van huizenprijzen op de consumptie. Bij de groep jonge huurders blijkt dit effect klein en in tegenstelling tot de groep van oudere huiseigenaren, niet significant te zijn.

Bovenstaande onderzoeken zijn allen gedaan tijdens perioden van stijgende huizenprijzen. In dit onderzoek wordt gekeken of er verschil bestaat tussen het consumptiegedrag van huurders en woningbezitters bij een dalende woningmarkt. Verwacht wordt dat woningbezitters dan in verhouding minder consumeren dan huurders, rekening houdend met een aantal factoren welke later in dit verslag besproken worden.

Tot slot heeft recent onderzoek naar huishoudens in Ierland, Gerlach-Kristen (2013), uitgewezen dat jongere huishoudens door de crisis veel zwaarder zijn getroffen dan oudere huishoudens. De auteur vindt als verklaring dat jonge huishoudens moeilijker geld kunnen lenen als gevolg van werkloosheid, betalingsachterstanden en negatief vermogen. Zodoende kunnen deze jonge huishoudens hun consumptieniveau niet handhaven, terwijl dit bij oudere huishoudens wel het geval is. Verwacht wordt dat ook in dit onderzoek naar voren komt dat er verschil is in consumptiegedrag tussen jongere en oudere huishoudens.

(6)

3. DATA EN METHODEN

3.1 Het LISS-panel

Voor het onderzoek wordt gebruik gemaakt van de gegevens van het LISS-panel

(Longitudinal Internet Studies for the Social Sience). Deze data worden verzameld door CentERdata, een onderzoeksinstituut van de Universiteit van Tilburg dat deze gegevens ook aan anderen ter beschikking stelt. Voor het selecteren van de te benaderen huishoudens is door CentERdata gebruik gemaakt van een adress frame dat door het Centraal Bureau voor de Statistiek is samengesteld. Willekeurig werden uit dit frame 10.150 adressen getrokken om een groep huishoudens te selecteren. 5000 huishoudens bestaande uit 8000 individuen waren bereid tot medewerking. Vanaf oktober 2007 vullen de individuele deelnemers maandelijks online een vragenlijst in. De helft van de tijd (ongeveer vijftien minuten) is gereserveerd is voor de LISS Core Study: een longitudinaal onderzoek naar de omstandigheden en levensloop van het panel. De andere helft van de tijd wordt gebruikt om wisselende andere vragen te stellen. Dit resulteert in een groot aantal modules, met specifieke vragen over allerlei onderwerpen, zoals tijdsbestedingen, consumptie en gezondheid. Deze modules kunnen gekoppeld worden aan de Core Study waarin de algemene gegevens worden bijgehouden, zoals leeftijd, geslacht, positie in het huishouden, burgerlijke status, woningbezit en aantal kinderen. Voor dit onderzoek zijn deze algemene gegevens noodzakelijk en daarnaast zijn de gegevens over de consumptie essentieel. De module Time use and consumption, met vragen over bepaalde bestedingen van het huishouden en van het individu – aan voeding en aan transport -, bleek de enige te zijn die voor ons doel kan worden gebruikt. Deze module is twee keer afgenomen, in 2009 en in 2010, de jaren waarin de huizenprijzen juist begonnen te dalen. Het koppelen van deze module aan de algemene gegevens wordt in paragraaf 3.4 behandeld. Daar wordt ook beschreven welke gegevens uit de module precies worden gebruikt.

3.2 Bewerking van de data

In deze scripties wordt het consumptiegedrag van huishoudens in 2010 onderzocht waarbij onderscheid wordt gemaakt tussen huurders en huiseigenaren. Gegevens uit module Time use

en Consumption uit 2010 worden daartoe gekoppeld aan gegevens uit de Core Study;

individuen waarvoor dit niet mogelijk is zijn verwijderd, evenals individuen die geen huurder of huiseigenaar zijn. Dit resulteert in een dataset van 5279 individuen. Om de consumptie van

(7)

huishoudens te kunnen onderzoeken wordt de dataset omgezet van individuen naar

huishoudens en bij deze omzetting zijn een aantal aannames noodzakelijk. Ten eerste komt het voor dat verschillende leden van een huishouden verschillende bedragen opgeven bij de vraag hoeveel het huishouden per maand besteedt aan transport en voedsel. Bij de

huishoudens waar dit voorkomt, is in dit onderzoek het maximum genomen van de opgegeven bedragen. Daarnaast is de leeftijd van een huishouden gedefinieerd als de leeftijd van het huishoudhoofd: de persoon op wiens naam het huurcontract of koopcontract staat. In de gevallen waarbij het contract op naam van meerdere personen staat, is het huishoudhoofd gekozen als diegene met het hoogste inkomen. Er zijn twee dummyvariabelen geconstrueerd,

partnerdummy en eigenaardummy. Partnerdummy heeft de waarde één als er in het

huishouden een persoon als partner van het hoofd van het huishouden wordt aangewezen en anders nul. Eigenaardummy heeft de waarde één indien het huishouden in het bezit is van een woning en de waarde nul als het huishouden een woning huurt. Tot slot wordt de variabele

consumptie gedefinieerd als de som van de maandelijkse uitgaven aan voedsel en transport.

Na het uitvoeren van deze bewerkingen is alle informatie beschikbaar om van een set individuen naar een set huishoudens te gaan. Dit levert de dataset op, bestaande uit 3172 huishoudens. De laatste bewerking die wordt gedaan is het verwijderen van onrealistische en onvolledige waarnemingen. Huishoudens die geen geld uitgeven aan voedsel en onrealistische bedragen opgeven als inkomen worden verwijderd. Ook waarnemingen waarbij essentiele gegevens ontbreken worden uit de set verwijderd. Na alle bewerkingen blijft een set over van 2672 huishouden over. Op basis van deze gegevens worden de modellen geschat.

In dit onderzoek gebruiken wij niet-duurzame consumptie, zoals ook Campbell en Cocco (2007) deze keuze maakten. Niet-duurzame goederen zijn in dit verband goederen die korter dan een jaar meegaan. In deze scriptie wordt consumptie geconstrueerd door de uitgaven van het huishouden aan voedsel en transport (benzine, openbaar vervoer) te sommeren; het zijn de enige twee beschikbare variabelen die onder niet-duurzame consumptie vallen.

(8)

Tabel 1. Gemiddelde waarden

Variabele Gem. voor

huurders (#=982) in euro’s per maand

Gem. voor

eigenaren (#=2190) in euro’s per maand

Gem. voor totale steekproef in euro’s per maand Voedsel 282 392 359 Transport 119 173 157 Consumptie 401 565 516 Nettoinkomen 1919 3064 2709 Leeftijd 52.4 50.5 51.1 Woonlasten 699 819 782

Zoals in tabel 1 te zien is consumptie maar een klein deel van het netto inkomen, gemiddeld namelijk 19 procent en zodoende op zijn best een indicatie of symptoom van de totale consumptie. Dit is geen ideale situatie, maar omdat dit de enige beschikbare data zijn, wordt hier toch mee gewerkt. Verder is te zien dat huiseigenaren over het geheel genomen een beter inkomen hebben dan huurders en daardoor een kleiner deel van hun inkomen aan woonlasten kwijt zijn.

3.3 Methoden

Om het verschil tussen het consumptiegedrag van huurders en huiseigenaren te onderzoeken wordt in dit onderzoek een consumptiefunctie geschat met daarin de eigenaardummy. Door middel van forward selection, het toevoegen van relevante variabelen die een significant effect blijken te hebben, wordt tot onderstaand model gekomen.

Model 1. De basis

𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙 = 𝜷𝜷𝟎𝟎+ 𝜷𝜷𝟏𝟏∗ 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙 + 𝜷𝜷𝟐𝟐∗ 𝑎𝑎𝑎𝑎𝑙𝑙𝑙𝑙𝑎𝑎𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎𝑙𝑙𝑎𝑎𝑙𝑙𝑙𝑙 + 𝜷𝜷𝟑𝟑∗ 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎ℎ𝑙𝑙𝑙𝑙𝑙𝑙ℎ𝑙𝑙𝑙𝑙𝑎𝑎𝑙𝑙𝑙𝑙 + 𝜷𝜷𝟒𝟒

∗ 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎ℎℎ2 + 𝜷𝜷𝟓𝟓∗ 𝑙𝑙𝑎𝑎𝑎𝑎𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎𝑎𝑎𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎 + 𝜷𝜷𝟔𝟔∗ 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎 Zie bijlage A voor een precieze beschrijving van de opgenomen variabelen.

Er is een factor die niet in het model is opgenomen, maar welke wel van invloed zou kunnen zijn. Als de woonlasten tussen huurders en huiseigenaren sterk verschillen, kan dit zorgen voor een groot verschil in het beschikbaar inkomen. Via deze weg kunnen dan ook de bestedingen beïnvloedt worden. In tabel 1 is te zien dat de woonlasten bij huiseigenaren iets hoger liggen dan bij huurders. Echter, bij het toevoegen van de woonlasten aan model 1 blijkt dit verschil te klein te zijn om daadwerkelijk invloed te hebben. In dit onderzoek wordt

(9)

derhalve gekozen om te werken met het netto-inkomen en geen rekening te houden met de woonlasten.

Campbell en Cocco (2007) vonden dat het effect van huizenprijzen op de consumptie

leeftijdsafhankelijk was. In een variatie op model 1 wordt in deze scriptie dan ook gekeken of dit leeftijdseffect terug te vinden is in de dataset. Om dit effect te onderzoeken wordt in model 2 een interactieterm tussen leeftijd en de eigenaardummy opgenomen:

Model 2. Leeftijdseffect

𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙 = 𝜷𝜷𝟎𝟎+ 𝜷𝜷𝟏𝟏∗ 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙 + 𝜷𝜷𝟐𝟐∗ 𝑎𝑎𝑎𝑎𝑙𝑙𝑙𝑙𝑎𝑎𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎𝑙𝑙𝑎𝑎𝑙𝑙𝑙𝑙 + 𝜷𝜷𝟑𝟑∗ 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎ℎ𝑙𝑙𝑙𝑙𝑙𝑙ℎ𝑙𝑙𝑙𝑙𝑎𝑎𝑙𝑙𝑙𝑙 + 𝜷𝜷𝟒𝟒

∗ 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎ℎℎ2 + 𝜷𝜷𝟓𝟓∗ 𝑙𝑙𝑎𝑎𝑎𝑎𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎𝑎𝑎𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎 + 𝜷𝜷𝟔𝟔∗ 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎 + 𝜷𝜷𝟕𝟕

∗ 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎_𝑥𝑥_𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎𝑎𝑎𝑎𝑎

In beide bovenstaande modellen wordt rekening gehouden met de gezinsgrootte door een partnerdummy en het aantal kinderen onder de 16 jaar op te nemen. Er zijn ongeveer zestig huishoudens in de dataset aanwezig waarin dit niet voldoende is. Een inwonend kind dat ouder is dan 16, een inwonende opa of oma, kennis of vriend kunnen onderdeel uitmaken van het huishouden. Model 3 en model 4 houden rekening met de grootte van het huishouden door simpelweg het aantal personen in het huishouden, aantalpersonen, op te nemen. Verschil tussen een extra kind of een partner wordt in deze modellen niet meegenomen.

Model 3. De basis met aantalpersonen

𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙 = 𝜷𝜷𝟎𝟎+ 𝜷𝜷𝟏𝟏∗ 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙 + 𝜷𝜷𝟐𝟐∗ 𝑎𝑎𝑎𝑎𝑙𝑙𝑙𝑙𝑎𝑎𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙 + 𝜷𝜷𝟑𝟑∗ 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎ℎ𝑙𝑙𝑙𝑙𝑙𝑙ℎ𝑙𝑙𝑙𝑙𝑎𝑎𝑙𝑙𝑙𝑙 + 𝜷𝜷𝟒𝟒

∗ 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎ℎℎ2 + 𝜷𝜷𝟔𝟔∗ 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎 Model 4. Leeftijdseffect met aantalpersonen

𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙 = 𝜷𝜷𝟎𝟎+ 𝜷𝜷𝟏𝟏∗ 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙 + 𝜷𝜷𝟐𝟐∗ 𝑎𝑎𝑎𝑎𝑙𝑙𝑙𝑙𝑎𝑎𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙 + 𝜷𝜷𝟑𝟑∗ 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎ℎ𝑙𝑙𝑙𝑙𝑙𝑙ℎ𝑙𝑙𝑙𝑙𝑎𝑎𝑙𝑙𝑙𝑙 + 𝜷𝜷𝟒𝟒

∗ 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎ℎℎ2 + 𝜷𝜷𝟔𝟔∗ 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎 + 𝜷𝜷𝟕𝟕∗ 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎_𝑥𝑥_𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎𝑎𝑎𝑎𝑎

In volgende paragraaf worden de resultaten besproken van het schatten van de modellen met de methode van de kleinste kwadraten. (Ordinary Least Squares)

4. RESULTATEN

In alle resultaten is er, indien er sprake is van heteroskedasticiteit, gebruikt gemaakt van

(10)

robuuste standaardfouten. Zie bijlage C voor de resultaten van de Breusch-Pagan toetsen voor heteroskedasticiteit.

De resultaten die volgen uit het schatten van de eerste twee modellen met de OLS methode worden weergegeven in tabel 1.

Tabel 1. Resultaten OLS-modellen 1 en 2

Variabelen Model 1 Model 2

logconsumptie Coëf. Std. fout P>t Coëf. Std. fout P>t constante 1.7099 0.2492 0.000 1.8466 0.2533 0.000 loginkomen 0.4284 0.0312 0.000 0.4319 0.0313 0.000 aantalkinderen 0.0499 0.0124 0.000 0.0548 0.0125 0.000 leeftijdhuishouden 0.0244 0.0046 0.000 0.0213 0.0047 0.000 leeftijdhh2 -0.0002 0.0000 0.000 -0.0002 0.0000 0.000 partnerdummy 0.3332 0.0266 0.000 0.3327 0.0266 0.000 eigenaardummy 0.1041 0.0259 0.000 -0.1585 0.0842 0.060 leeftijd_x_eigenaar - - - 0.0048 0.0015 0.001 Aantal waarnemingen 2672 2672 R2 0.3390 0.3417

In het eerste model, waarin geen interactieterm is opgenomen, heeft de coëfficiënt van eigenaardummy een waarde van 0.1041. Dit betekent dat huishoudens in het bezit van een woning gemiddeld 11 procent (= 𝑙𝑙0.1041− 1) meer uitgeven aan voedsel en transport dan huishoudens die een huis huren. Met een p-waarde van 0.000 is dit een zeer significant positief effect en het spreekt de gestelde hypothese tegen: in tijden van dalende huizenprijzen hebben huiseigenaren niet minder maar meer consumptieve uitgaven dan huurders.

In het model zijn de leeftijd van het huishoudhoofd en deze variabele in het kwadraat

opgenomen. Beide variabelen zijn significant en hieruit blijkt dat tot een leeftijd van 61 jaar ( = 0.0244/0.0004)) een extra levensjaar een positief effect heeft op de consumptie. Na de leeftijd van 61 jaar is dit effect juist negatief.

Een mogelijk verklaring voor het positieve effect van de eigenaardummy is dat in de dataset de ouderen sterker vertegenwoordigd zijn. Zie bijlage D voor een weergave van de

leeftijdsopbouw van hoofden van huishoudens. De kans bestaat zodoende dat er in de dataset relatief veel oudere huishoudens zijn die het huis al langere tijd in bezit hebben. De waarde

(11)

van het huis in 2010 kan nog steeds hoger zijn dan de aankoopwaarde en dit kan ervoor zorgen dat deze huishoudens de bestedingen niet naar beneden bijstellen, omdat huiseigenaren hun huis, ondanks de afgenomen prijs ervan, toch zien als en waardevol goed. Als het

vertrouwen bestaat dat de huizenmarkt weer aan zal trekken, verwacht men geen definitieve verlaging van het eigen vermogen en zal men de bestedingen niet verlagen.

Het is niet bekend hoe lang geleden huizenbezitters hun huis hebben gekocht, wel weten wij hoe oud zij zijn. In het tweede model is een interactieterm opgenomen voor een mogelijk leeftijdseffect: het verschil in bestedingen tussen huurders en woningbezitters kan variëren met de leeftijd van het hoofd van het huishouden. De resultaten wijzen uit dat dit

leeftijdseffect, weliswaar zwak, inderdaad aanwezig is. Tot en met een leeftijd van ongeveer 33 jaar (= 0.1585/0.0048) heeft huizenbezit een negatief effect op de bestedingen in

vergelijking met het huren van een huis, bij hogere leeftijd is het effect positief. Het is een zwak effect aangezien de eigenaardummy in model 2 niet significant is, maar in

overeenstemming met de literatuur wel een aanwijzing dat het leeftijdseffect aanwezig is.

De opgenomen variabelen zoals inkomen, het aantal kinderen en de partnerdummy vertonen allen een effect dat uit de economische theorie is te verwachten. Inkomen heeft het grootste, positieve effect op het consumptiegedrag en de consumptie neemt toe naarmate een

huishouden uit meer personen bestaat.

De resultaten van model 3 en model 4, met het aantal personen in plaats van partner en aantal kinderen, worden weergegeven in onderstaande tabel.

Tabel 3. Resultaten OLS-modellen 3 en 4.

Variabelen Model 3 Model 4

logconsumptie Coëf. Std. fout P>t Coëf. Std. fout P>t constante 1.1268 0.2115 0.000 1.2811 0.2155 0.000 loginkomen 0.5094 0.0248 0.000 0.5117 0.0248 0.000 leeftijdhuishouden 0.0210 0.0046 0.000 0.0177 0.0047 0.000 leeftijdhh2 -0.0001 0.0000 0.000 -0.0002 0.0000 0.000 aantalpersonen 0.1038 0.0010 0.000 0.1078 0.0010 0.000 eigenaardummy 0.1257 0.0257 0.000 -0.1633 0.0854 0.056 leeftijd_x_eigenaar - - - 0.0052 0.0015 0.000 Aantal 2672 2672 11

(12)

waarnemingen

R2 0.3185 0.3217

Uit tabel 3 is af te lezen dat het aantal personen in het huishouden het verwachte effect heeft. Hoe meer personen, hoe meer het huishouden consumeert. Uit deze resultaten is te

concluderen dat de consumptie met ongeveer 10 procent toeneemt met elke persoon meer in het huishouden. De andere coëfficiënten vertonen ook het verwachte gedrag en wijken niet sterk af van de resultaten uit model 1 en 2. Echter, hierbij wordt aangenomen dat de

consumptie met elk extra persoon met eenzelfde percentage toeneemt. Dit is een sterke aanname die in het algemeen niet juist zal zijn. Het huishouden uitbreiden van 1 naar twee personen zal een heel ander effect kunnen hebben op consumptie dan een uitbreiding van 5 naar 6 personen. Om dit non-lineaire effect te kunnen meten wordt een model geschat waarin er 3 dummy variabelen zijn opgenomen voor het aantal mensen in het huishouden. Een dummy voor huishoudens met twee of 3 personen, huishoudens met vier of vijf personen en een dummy voor huishoudens met zes of meer personen. Hun effect wordt dus gemeten ten opzichte van een huishouden dat uit 1 persoon bestaat. In onderstaande tabel zijn staan de resultaten weergegeven.

Tabel 4. Aantalpersonen met dummy’s.

Variabelen Model 3 Model 4

logconsumptie Coëf. Std. fout P>t Coëf. Std. fout P>t constante 1.6912 0.2479 0.000 1.8037 0.2508 0.000 loginkomen 0.4277 0.0311 0.000 0.4314 0.0312 0.000 leeftijdhuishouden 0.0237 0.0046 0.000 0.0211 0.0047 0.000 leeftijdhh2 -0.0002 0.0000 0.000 -0.0002 0.0000 0.000 aantalis2of3 0.3684 0.0283 0.000 0.3660 0.0282 0.000 aantalis4of5 0.4617 0.0361 0.000 0.4703 0.0364 0.000 aantalis6ofmeer 0.2971 0.1478 0.044 0.3060 0.1469 0.037 eigenaardummy 0.1153 0.0263 0.000 -0.1112 0.0850 0.191 leeftijd_x_eigenaar - - - 0.0041 0.0015 0.006 Aantal waarnemingen 2672 2672 R2 0.3418 0.3437

Uit deze resultaten is af te lezen dat een uitbreiding van een huishouden van één persoon naar een huishouden van twee of drie personen zorgt voor een stijging in de consumptie van ongeveer 37 procent. Ten opzichte van huishoudens bestaande uit één persoon consumeren

(13)

huishoudens bestaande uit vier of vijf personen ongeveer 46 procent meer. Deze twee resultaten zijn zoals te verwachten valt. Huishoudens bestaande uit zes of meer personen consumeren 30 procent meer is uit de tabel af te lezen. Dit is opvallend aangezien dit in verhouding minder is dan huishoudens bestaande uit bijvoorbeeld twee of drie personen. Dit resultaat kan te verklaren zijn uit het feit dat er in de dataset slechts 35 huishoudens aanwezig zijn bestaande uit zes of meer personen. Dit is een erg klein aantal om een effect mee te schatten. Dit is ook te zien aan de standaardfout behorende bij deze variabele, deze is namelijk een factor vier groter dan de standaardfouten behorend bij de andere twee

dummyvariabelen. In bijlage E kan men zien dat er 1407 huishoudens zijn bestaande uit twee of drie personen en 592 huishoudens bestaande uit vier of vijf personen. Deze huishoudens zijn sterker vertegenwoordigd en dat is terug te zien in de kleinere standaardfouten.

5. LEVENSFASE VAN HET HUISHOUDEN

Uit model 1 en model 2 is te concluderen dat de leeftijd van het huishoudhoofd invloed heeft op het bestedingsgedrag van het huishouden. De leeftijd zegt iets over een fase in het leven waarin een huishouden zich bevindt. Fasen in het leven kunnen op verschillende manieren worden gedefinieerd. Zo zijn starters en gepensioneerden veel voorkomende begrippen. Begin jaren 50 ontwikkelde Franco Modigliani de life cycle hypothesis, een theorie die stelt dat huishoudens een constant consumptieniveau nastreven. Deaton (2005) Dit houdt in dat het spaar- en consumptiegedrag zo wordt gekozen dat er gedurende het gehele leven een bepaalde mate van consumptie gerealiseerd kan worden. Interessant is om te kijken of de dalende huizenprijzen voor een verschillend effect zorgen bij huishoudens in verschillende levensfasen.

Om een huishouden in een bepaalde levensfase te kunnen indelen, kan gebruik gemaakt worden van de leeftijd van het huishoudhoofd. Echter, het aantal thuiswonende kinderen, een eventuele partner en de leeftijd hiervan spelen ook mee. Bijlage E geeft een indruk van de soorten huishoudens in de dataset. Daarin is te zien dat in 68 procent van de huishoudens zich geen kinderen van onder de 16 jaar oud bevinden. Daarnaast bestaat 30 procent van de dataset uit huishoudens bestaande uit één persoon en 40 procent van de huishoudens uit twee

personen. In dit onderzoek worden huishoudens in drie verschillende fasen onderscheiden.

Ten eerste worden de groeiende huishoudens onderzocht, gedefinieerd als huishoudens met 13

(14)

kinderen onder de 16 jaar. Een gebrek aan de data is dat de leeftijd van deze kinderen niet aanwezig is, waardoor binnen deze variabele geen nader onderscheid te maken is. Model 1 en model 2 worden geschat waarbij alleen de observaties worden meegenomen die als groeiend huishouden worden gezien. De gemiddelde leeftijd van het huishoudhoofd van een groeiend huishouden is 49 jaar.

Tabel 5. Groeiende huishoudens.

Variabelen Model 1 Model 2

logconsumptie Coëf. Std. fout P>t Coëf. Std. fout P>t constante 2.9829 0.6449 0.000 3.4224 0.6241 0.000 loginkomen 0.3181 0.0709 0.000 0.3275 0.0710 0.000 leeftijdhuishouden 0.0192 0.0164 0.243 0.0065 0.0159 0.682 leeftijdhh2 -0.0002 0.0002 0.267 -0.0002 0.0002 0.347 aantalkinderen 0.0269 0.0257 0.295 0.0279 0.0255 0.275 partnerdummy 0.1789 0.0642 0.005 0.1662 0.0641 0.010 eigenaardummy 0.1166 0.0573 0.042 -0.4099 0.2521 0.104 leeftijd_x_eigenaar - - - 0.0111 0.0052 0.031 Aantal waarnemingen 859 859 R2 0.1188 0.1237

Te zien is dat er 859 huishoudens in de set aanwezig zijn met kinderen van jonger dan zestien jaar oud. Het effect dat de variabele eigenaardummy heeft binnen deze groep huishoudens is vergelijkbaar met het effect dat de eigenaardummy heeft in de gehele dataset. Verder is te zien dat de leeftijd van het huishoudhoofd binnen deze groep geen significant effect heeft. Dit is te verwachten aangezien de variatie in leeftijd binnen deze groep aanzienlijk kleiner is dan in de gehele dataset. De invloed van het inkomen op de consumptie is beduidend lager bij deze groep huishoudens ten opzichte van de totale steekproef. Er kan geen uitsluitsel gegeven worden over de reden hiervan, maar een mogelijke verklaring kan zijn dat kinderen

simpelweg zorgen voor de noodzaak tot bepaalde consumptie. Voeding en bepaalde uitgaven aan transport, zoals het brengen en halen van de kinderen naar school en sport, zijn namelijk geen bestedingen die sterk van het inkomen zullen afhangen. De partnerdummy heeft, met een waarde van 0.1789, een kleinere invloed binnen gezinnen met kinderen. Dit resultaat hangt samen met het feit dat in het algemeen een extra persoon in een groot huishouden voor minder extra consumptie zal zorgen dan een extra persoon in een klein huishouden.

(15)

De gemiddelde leeftijd van groeiende huishoudens is in de dataset 49 jaar. Dit is aan de hoge kant en deze gezinnen kunnen wel als groeiend worden bestempeld, maar dit zullen in het algemeen niet de startende gezinnen zijn. Om deze reden wordt het model ook nog eens geschat met slechts huishoudens waarvan het hoofd jonger dan 36 jaar is. Deze huishoudens kunnen als starters worden gezien en de kans is groot dat deze gezinnen in de toekomst nog zullen groeien. In 91 van deze 344 startende huishoudens zijn kinderen onder de 16 jaar aanwezig. De resultaten zijn in tabel 6 opgenomen.

Tabel 6. Starters

Variabelen Model 1 Model 2

logconsumptie Coëf. Std. fout P>t Coëf. Std. fout P>t constante -2.2978 1.2310 0.063 -2.3562 1.2358 0.057 loginkomen 0.5678 0.0740 0.000 0.5657 0.0792 0.000 leeftijdhuishouden 0.2447 0.0897 0.007 0.2514 0.0888 0.005 leeftijdhh2 -0.0040 0.0016 0.011 -0.0041 0.0016 0.009 aantalkinderen 0.1123 0.0349 0.001 0.1113 0.0301 0.000 partnerdummy 0.1573 0.0818 0.055 0.1586 0.0785 0.044 eigenaardummy -0.1086 0.0624 0.083 -0.1960 0.4030 0.627 leeftijd_x_eigenaar - - - 0.0030 0.0138 0.830 Aantal waarnemingen 344 344 R2 0.4372 0.4373

Het meest opvallende resultaat uit tabel 6 is de waarde van de eigenaardummy. Deze heeft een waarde van -0.1086 en dit betekent dat binnen de startende huishoudens de huiseigenaren 10 procent minder consumeren dan de huurders. Dit resultaat komt overeen met de

bevindingen van Gerlach-Kirsten (2013). In eerste instantie werd verwacht dat over de gehele steekproef gezien de huiseigenaren minder zouden consumeren dan de huurders. Echter, dit is niet het geval. Voor de echt jonge huishoudens wordt dit resultaat wel gevonden en dit kan een aantal redenen hebben. Gerlacht-Kirsten (2013) vindt dat jonge huishoudens in Ierland door de financiële crisis harder zijn getroffen dan oudere huishoudens. De mogelijkheden tot lenen zijn beperkt en jonge huishoudens hebben meer te maken met werkloosheid. In

Nederland zullen deze factoren ook een rol spelen. Als vervolgens de huizenprijs dan ook nog eens sterk daalt, kunnen de huishoudens die in het bezit van een huis zijn hierop reageren door de consumptieve bestedingen te verlagen.

(16)

Tot slot worden dezelfde modellen geschat, maar nu beperkt tot huishoudens die aan het

afbouwen zijn, dat zijn huishoudens waarvan het hoofd de leeftijd van 65 jaar heeft bereikt.

De kinderen zijn in verreweg de meeste gevallen uit huis en de leeftijd waarop men met pensioen kan is bereikt. Slechts zeven van deze 682 huishoudens bestaan uit meer dan 2 personen. De resultaten staan in onderstaande tabel weergegeven.

Tabel 7. Afbouwende huishoudens.

Variabelen Model 1 Model 2

logconsumptie Coëf. Std. fout P>t Coëf. Std. fout P>t constante -2.6411 3.1605 0.404 -3.4865 3.4131 0.307 loginkomen 0.5012 0.0595 0.000 0.4960 0.0602 0.000 leeftijdhuishouden 0.1301 0.0849 0.126 0.1487 0.0905 0.101 leeftijdhh2 -0.0009 0.0006 0.102 -0.0010 0.0006 0.087 aantalkinderen 0.0537 0.1087 0.621 0.0544 0.1131 0.631 partnerdummy 0.3385 0.0488 0.000 0.3369 0.0491 0.000 eigenaardummy 0.1660 0.0487 0.001 0.8171 0.6100 0.181 leeftijd_x_eigenaar - - - -0.0089 0.0083 0.285 Aantal waarnemingen 682 682 R2 0.3522 0.3536

Uit de resultaten blijkt dat afbouwende huishoudens in het bezit van een woning 18 procent meer consumeren dan afbouwende huishoudens die een huis huren. Deze waarde ligt een stuk hoger dan de 11 procent over de gehele steekproef. Een mogelijke verklaring voor dit

resultaat kan zijn dat oudere huishoudens verhuisd zijn naar een kleiner en goedkoper huis. Een groot huis is namelijk niet meer nodig als de kinderen uit huis zijn. Het vrijgekomen geld kan ervoor zorgen dat de consumptieve bestedingen verhoogd worden. De verdere

opgenomen variabelen vertonen allen een te verwachten effect. Het aantal kinderen speelt natuurlijk wel een rol binnen deze groep huishoudens, maar er zijn slechts twintig

huishoudens waarbij kinderen aanwezig zijn. De aanwezigheid van een partner zorgt voor een toename in consumptie van 33,9 procent, nauwelijks verschillend van het effect binnen de totale steekproef.

(17)

6. CONCLUSIE

In deze paragraaf worden de conclusies besproken die op basis van de enquête kunnen worden getrokken. De belangrijkste bevinding is dat huiseigenaren, ondanks de dalende huizenprijzen, 11 procent meer consumeren dan huurders. Dit gaat tegen de verwachting en tegen de besproken literatuur in. De oudere huishoudens zijn in de dataset sterker

vertegenwoordigd dan de jongere huishoudens en dat komt terug in de gevonden resultaten.

In de literatuur en ook in de geschatte modellen komt namelijk naar voren dat er een leeftijdseffect aanwezig is: huishoudens in verschillende levensfasen reageren op

verschillende manieren op de dalende huizenprijzen. Dit leeftijdseffect is nader onderzocht door huishoudens in verschillende levensfasen in te delen. Uit de resultaten blijkt dat jonge huiseigenaren (< 36 jaar) 10 procent minder consumeren dan jonge huurders. Een mogelijke verklaring voor dit negatieve effect van huizenbezit is dat jonge huishoudens minder

gemakkelijk kunnen lenen en vaker te maken hebben met werkloosheid en zo bij een dalende huizenprijs hun consumptieve uitgaven verminderen. Tot slot blijkt dat bij de afbouwende huishoudens het effect van huizenbezit groter is ten opzichte van de gehele steekproef. Dit kan te maken hebben met de verhuizing naar kleinere huizen. Bij de verkoop van het grotere huis komt geld vrij en dit kan leiden tot een hogere consumptie.

(18)

REFERENTIES

Calomiris, C.W., S.D. Longhofer en W. Miles (2009). The (mythical?) housing wealth effect, NBER Working Paper 15075.

Campbell, J.Y., J.F. Cocco (2007). How do house prices affect consumption? Evidence from

micro data. Journal of Monetary Economics 54(3): 591-621.

Case, K., J. Quigley en R. Shiller (2005). Comparing wealth effects: The stock market versus

the housing market. Advances in Macroeconomics, 5, pp. 1-34.

Deaton, A. (2005). Franco Modigliani and the life cycle theory of consumption. Available at SSRN 686475

DNB (2004). Waar komt de Nederlandse economische groei in 1998-2006 vandaan? Kwartaalbericht De Nederlandsche Bank, juni 2004.

End, W.A. van den, J.I. Kakes, M.C.J. van Rooij en A.C.J. Stokman (2002).

Vermogensbeheer Nederlandse gezinnen: analyse op basis van een enquête, Amsterdam: De Nederlandsche Bank, Onderzoeksrapport WO nr. 687

Gerlach-Kristen, P. (2013). Younger and older households in the crisis. Quarterly Economic Commentary - Spring 2013, pp. 53-60.

(19)

BIJLAGEN

Bijlage A. Toelichting variabelen.

Variabele Betekenis

Logconsumptie Natuurlijke logaritme van de maandelijkse uitgaven (Euro’s) van het huishouden aan voedsel en transport

Loginkomen Natuurlijke logaritme van het maandelijkse bruto-inkomen (Euro’s) van het huishouden

Aantalkinderen Aantal kinderen van het huishoudhoofd in het huishouden onder de 16 jaar

Leeftijdhuishouden Leeftijd van het huishoudhoofd

Leeftijdhh2 Leeftijd van het huishoudhoofd gekwadrateerd Partnerdummy 0 = geen partner, 1 = wel een partner

Eigenaardummy 0 = huurder, 1 = huiseigenaar

Leeftijd_x_eigenaar Leeftijdhuishouden*eigenaardummy

Aantalhh Aantal personen in het huishouden. (inclusief kinderen)

Bijlage B. Gemiddelden

Variabele Gem. voor

huurders (#=982) in euro’s per maand

Gem. voor

eigenaren (#=2190) in euro’s per maand

Gem. voor totale steekproef in euro’s per maand Voedsel 282 392 359 Transport 119 173 157 Consumptie 401 565 516 Nettoinkomen 1919 3064 2709 leeftijd 52.4 50.5 51.1 woonlasten 699 819 782 19

(20)

Bijlage C. Heteroskedasticiteit Model 1: Model 2: Model 3: Model 4: Prob > chi2 = 0.0470 chi2(1) = 3.95

Variables: fitted values of logconsumptie Ho: Constant variance

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

Prob > chi2 = 0.0514 chi2(1) = 3.80

Variables: fitted values of logconsumptie Ho: Constant variance

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

Prob > chi2 = 0.7773 chi2(1) = 0.08

Variables: fitted values of logconsumptie Ho: Constant variance

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

Prob > chi2 = 0.7938 chi2(1) = 0.07

Variables: fitted values of logconsumptie Ho: Constant variance

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

(21)

Model 3. Dummy-variabelen voor aantal personen:

Model 4. Dummy-variabelen voor aantal personen:

Model 1. Groeiende huishoudens:

Model 2. Groeiende huishoudens:

Model 1. Afbouwende huishoudens:

Prob > chi2 = 0.0209 chi2(1) = 5.33

Variables: fitted values of logconsumptie Ho: Constant variance

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

Prob > chi2 = 0.0225 chi2(1) = 5.21

Variables: fitted values of logconsumptie Ho: Constant variance

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

Prob > chi2 = 0.0625 chi2(1) = 3.47

Variables: fitted values of logconsumptie Ho: Constant variance

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

Prob > chi2 = 0.0226 chi2(1) = 5.20

Variables: fitted values of logconsumptie Ho: Constant variance

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

Prob > chi2 = 0.0000 chi2(1) = 16.65

Variables: fitted values of logconsumptie Ho: Constant variance

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

(22)

Model 2. Afbouwende huishoudens:

Mode1 1. Starters:

Model 2. Starters:

Prob > chi2 = 0.0000 chi2(1) = 17.13

Variables: fitted values of logconsumptie Ho: Constant variance

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

Prob > chi2 = 0.4166 chi2(1) = 0.66

Variables: fitted values of logconsumptie Ho: Constant variance

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

Prob > chi2 = 0.4376 chi2(1) = 0.60

Variables: fitted values of logconsumptie Ho: Constant variance

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

(23)

Bijlage D. Leeftijdsopbouw

Leeftijdsopbouw Nederlandse bevolking:

Leeftijdsopbouw dataset: 0 50 1 00 1 50 2 00 F req ue nc y 20 40 60 80 100

Age of the household member

(24)

Bijlage E. Analyse huishoudenssamenstelling Total 2,927 100.00 8 3 0.10 100.00 7 10 0.34 99.90 6 22 0.75 99.56 5 162 5.53 98.80 4 430 14.69 93.27 3 262 8.95 78.58 2 1,145 39.12 69.63 1 893 30.51 30.51 members Freq. Percent Cum. household Number of Total 2,927 100.00 6 3 0.10 100.00 5 9 0.31 99.90 4 23 0.79 99.59 3 164 5.60 98.80 2 456 15.58 93.20 1 281 9.60 77.62 0 1,991 68.02 68.02 ren Freq. Percent Cum. aantalkinde

Referenties

GERELATEERDE DOCUMENTEN

Thereafter the broader concept of social media and specifically Facebook will be discussed in order to provide an answer to the second specific research question: ‘According

AANBEVELINGEN VANUIT DE VLAAMSE ARBEIDSMARKTEXPERTENGROEP 27 Uitbouw van competentieprognoses 28 Positionering in de arbeidsmarkt 30 Oriëntering van burgers en organisaties 33

De hoogste werkzaamheidsgraad vinden we terug bij de mannen die samenwonen met een partner en twee kinderen hebben (96,3%), terwijl de werkzaamheidsgraad van alleenstaande

De opleidingsdeelname bij hooggeschool- den nam bij deze indicator toe terwijl deze bij de kortgeschoolden stabiel bleef, waardoor de kloof er het laatste decennia zelfs nog

Wanneer we de cijfers bekijken voor de verschil- lende beroepsstatuten merken we op dat het aan- deel loontrekkenden in opleiding met financiering door de werkgever bij de

In alle vier de grote steden is het beleid omtrent erfpacht veranderd in de afgelopen jaren. Overeenkomstig is dat de gemeenten naar vormen hebben gezocht die meer zekerheid bieden

In deze dataset hebben de variabelen die in dit model gebruikt worden dus de sterkst verklarende waarde, daarom zijn deze in de hierna volgende modellen,

De Vries en Boelhouwer (2004) gebruiken voor de lange-termijn niet de reële rente en het beschikbare inkomen als verklarende variabelen, maar de netto-rentequote; deze