UNIVERSITEIT VAN AMSTERDAM
De consumptie van
huishoudens bij dalende
huizenprijzen
Verschil tussen huurders en huiseigenaren
Ruben Walschot (6131999) Begeleid door: Prof. Dr. J.S. Cramer
Thesis Seminar Econometrie 27 juni 2013
In deze scriptie wordt gebruikgemaakt van data van het LISS (Longitudinal Internet Studies for the Social sciences) panel van CentERdata (Universiteit van Tilburg). Dank gaat uit naar CentERdata voor
Inhoud
1 Inleiding ... 3
2 Theorie ... 4
2.1 Resultaten eerder onderzoek ... 4
2.2 Verklaring van de correlatie tussen veranderende huizenprijzen en consumptie ... 5
3 Data ... 7 3.1 Data huishoudens ... 7 3.2 Data woningmarkt ... 9 4 Consumptiefunctie ... 10 4.1 Methode ... 10 4.2 Resultaten ... 13 5 Eerste verschillen ... 15 5.1 Methode ... 15 5.2 Resultaten ... 17 6 Conclusie ... 19 Referenties ... 21 Bijlage A ... i Bijlage B ...ii Bijlage C ... iv Bijlage D ... v
1 Inleiding
In de periode 1995-2008 zijn de prijzen op de Nederlandse huizenmarkt continu en flink gestegen. Uit een analyse van De Nederlandsche Bank (2002) is gebleken dat deze hoge huizenprijzen bijgedragen hebben aan de particuliere bestedingen. In 2008 is er echter een einde gekomen aan deze groei en de afgelopen jaren zijn de huizenprijzen gedaald met ongeveer 14%. In deze scriptie wordt onderzocht of dit ook heeft geleid tot een daling van de consumptieve bestedingen van huishoudens.
Om dit te onderzoeken zal een consumptiefunctie geschat worden die de bestedingen van een gezin verklaart uit factoren zoals inkomen, gezinsgrootte en woningbezit. Voor het schatten van de consumptiefunctie wordt data gebruikt van het LISS-panel (Longitudinal Internet Studies for the Social sciences) van CentERdata. Dit panel bestaat uit 5000 huishoudens die jaarlijks meerdere enquêtes invullen. Voor dit onderzoek zullen twee enquêtes van het LISS-panel worden gebruikt. Ten eerste de basis enquête waarin de leden van het panel telkens gevraagd wordt naar de levensomstandigheden en samenstelling van het huishouden. Ten tweede wordt gebruikgemaakt van een in 2009 en 2010 gehouden enquête waarin de leden van het panel onder andere gevraagd worden naar hun bestedingen aan voedsel en transport.
Het combineren van deze twee enquêtes levert gegevens op over consumptie, leeftijd, inkomen, gezinssamenstelling en woningbezit en maakt het schatten van een
consumptiefunctie door middel van Ordinary Least Squares (OLS) dus mogelijk. De
bruikbare gegevens over consumptie bestrijken echter slechts een klein gedeelte van de totale bestedingen van huishoudens. Naast het schatten van een consumptiefunctie op basis van gegevens uit 2010 zal een model geschat worden op basis van beide beschikbare jaren (2009 en 2010). Dit zal gedaan worden door middel van een eerste-verschillenmodel.
Het vervolg van deze scriptie is als volgt opgebouwd. In hoofdstuk twee worden al bestaande theorieën en resultaten uit vorig onderzoek over het effect van huizenprijzen op consumptie besproken. Vervolgens wordt het gebruik van de data, verkregen uit het LISS panel, nader toegelicht. In het vierde hoofdstuk worden de onderzoeksmethode en de resultaten van het OLS-model beschreven. Het vijfde hoofdstuk vat de verkregen resultaten van het eerste-verschillenmodel samen, waarna in het laatste hoofdstuk een conclusie geformuleerd kan worden.
2 Theorie
Het feit dat huizenprijzen volatiel zijn en huizenbezit een groot deel van het vermogen van huishoudens bepaalt, heeft veel onderzoekers doen verwachten dat veranderende
huizenprijzen een significant effect hebben op de consumptiebeslissing van huishoudens. In dit hoofdstuk zal de bestaande literatuur over dit effect centraal staan. Ten eerste zullen de resultaten en onderzoeksmethoden uit eerder onderzoek besproken worden. Daarna worden de theorieën gegeven die de gevonden correlatie tussen huizenprijzen en consumptie kunnen verklaren.
2.1 Resultaten eerder onderzoek
De meeste onderzoeken baseren zich op geaggregeerde data. Zo maakt Elliott (1980) gebruik van geaggregeerde data over particuliere bestedingen en vermogen in de jaren 70 in de Verenigde Staten. Hij komt tot de conclusie dat veranderingen in de waarde van
niet-financieel vermogen, bijvoorbeeld in de vorm van een huis of een auto, geen effect hebben op consumptie.
In tegenstelling tot Elliott (1980) vinden Muellbauer en Murphy (1990) wel een positief significant effect van stijgende huizenprijzen op geaggregeerde consumptie. Zij beargumenteren dat de flinke huizenprijsstijgingen eind jaren ‘80 in het Verenigd Koninkrijk de particuliere bestedingen hebben gestimuleerd. Tevens concluderen Case et al. (2005), gebaseerd op paneldata van 14 landen voor de jaren 1975-1999, een sterke, positieve correlatie tussen huizenprijzen en geaggregeerde consumptie.
Naast het gebruik van geaggregeerde data is er, net zoals in deze scriptie, ook onderzoek gedaan op basis van microdata. Hierbij is voornamelijk gebruikgemaakt van gegevens over het spaargedrag en het vermogen van Amerikaanse huishoudens uit het Panel Study of Income Dynamics (PSID). Op basis hiervan vindt Skinner (1989) een klein, maar significant effect. Ook Engelhardt (1996) vindt een klein positief effect van huizenprijzen op consumptie. Echter wordt dit resultaat gedreven door asymmetrisch consumptief gedrag. De huishoudens die werden geconfronteerd met een dalende waarde van hun huis verminderden namelijk hun consumptie, maar de huishoudens die werden geconfronteerd met een stijgende waarde veranderden hun consumptie niet of nauwelijks.
Voortbordurend op onderzoek van Attanasio en Weber (1994) onderzoeken Campbell en Cocco (2007) het verschil in consumptiegedrag bij veranderende huizenprijzen tussen huiseigenaren en huurders. Voor dit onderzoek maken zij gebruik van microdata uit een enquête, de Family Expenditure Survey (FES) uit Engeland. Gedurende de jaren 1988-2000
worden in deze enquête elk kwartaal 1750, telkens andere, huishoudens geïnterviewd. De ouders van elk huishouden worden gevraagd gedurende twee weken hun bestedingen bij te houden. Tevens wordt hen naar informatie gevraagd over de regio waar zij wonen, inkomen, leeftijd, samenstelling van het huishouden en status van huisbezit. Aangezien de huishoudens in deze opzichten sterk verschillen kan het effect van veranderende huizenprijzen op
consumptie van huishoudens worden geschat.
Op basis van deze gegevens schatten Campbell en Cocco (2007) een grote elasticiteit van consumptie voor de huizenprijs voor oude huiseigenaren en een kleine elasticiteit, niet significant verschillend van nul, voor jonge huurders. Als men rekening houdt met de rentevoet, inkomen van huishoudens en andere demografische variabelen is de geschatte elasticiteit voor oude huiseigenaren 1,7. Verder vinden de onderzoekers dat regionale huizenprijzen effect hebben op regionale consumptie. Zij concluderen dan ook dat het belangrijk is om regionale heterogeniteit en leeftijd van huishoudens mee te nemen in het model.
De hierboven genoemde onderzoeken, die een correlatie vinden tussen veranderende huizenprijzen en consumptie, zijn allen verricht in perioden van stijgende huizenprijzen. In deze scriptie wordt echter onderzocht of de daling van huizenprijzen in Nederland de afgelopen jaren ook heeft geleid tot een daling van de particuliere bestedingen. Recent onderzoek van het CPB (2013, p. 21) geeft hier een aanwijzing voor en stelt, op basis van macro-economische gegevens, dat de daling van consumptie in Nederland van ruim 4% in de periode 2008-2012 voor iets minder dan de helft kan worden toegeschreven aan de daling van de huizenprijzen.
2.2 Verklaring van de correlatie tussen veranderende huizenprijzen en consumptie Om de correlatie tussen huizenprijsfluctuaties en consumptie te verklaren bespreken Campbell en Cocco (2007, pp. 1-4) drie theorieën. De eerste theorie is gebaseerd op de permanente inkomenshypothese. Deze hypothese stelt dat huishoudens hun
consumptiebeslissing bepalen op basis van hun huidige en toekomstige vermogen. Een stijging van de huizenprijzen leidt tot een stijging van het vermogen en daarmee tot een stijging van het permanente inkomensniveau. De stijging van dit permanente inkomensniveau heeft dan meer consumptie als gevolg. Dit verschijnsel wordt door Campbell en Cocco (2007) een direct vermogenseffect genoemd.
Empirisch onderzoek van Dynan en Maki (2001) vindt een aanwijzing voor dit directe vermogenseffect. Daarbij concluderen Case et al. (2005) en Ludwig en Slok (2002) dat deze
vermogenseffecten van meer invloed zijn bij huizen dan bij aandelen. Prijsveranderingen van huizen hebben door hun vermogenseffect dus invloed op de particuliere bestedingen.
Campbell en Cocco (2007, p.1) plaatsen echter ook een kanttekening bij deze theorie. Een stijging van de huizenprijzen doet het financiële vermogen van een huishouden stijgen, dat wil echter niet zeggen dat de ‘echte rijkdom’ ook stijgt. Aangezien een huis namelijk wordt beschouwd als een consumptiegoed, men koopt een huis om daar lang in te wonen, compenseert een hogere huizenprijs slechts voor de hogere huurkosten, mocht men geen huis kopen. Deze theorie wordt ondersteund door Sinai en Souleles (2003) die stellen dat een huiseigenaar, die lang in zijn huis verwacht te wonen, perfect gehedged is tegen fluctuaties in huur- en huizenprijzen. Ook Buiter plaatst zijn vraagtekens bij de theorie van het directe vermogenseffect. Volgens Buiter (2008, p.1) willen jongeren ‘omhoog’ handelen op de huizenmarkt en ouderen ‘omlaag’. Hiermee bedoelt hij dat jonge huizenbezitters in grotere huizen willen gaan wonen en oudere huizenbezitters in kleinere huizen. Als bijvoorbeeld de huizenprijzen dalen zullen de jongeren graag een groter huis kopen, maar de ouderen die een groter huis hebben kunnen hun huis voor minder verkopen.Volgens hem hebben
huizenprijsfluctuaties daarom niet per definitie een effect op de particuliere bestedingen, maar leiden deze fluctuaties primair tot herverdeling tussen de generaties.
De tweede theorie die Campbell en Cocco (2007, p. 2) beschrijven omvat ook de verklaring die Buiter (2008, p. 19) geeft waarom huizenprijsfluctuaties toch een effect kunnen hebben op de geaggregeerde consumptie. Deze theorie stelt dat veranderende huizenprijzen een effect hebben op consumptie, via hun effect op borrowing constraints. Stijgende
huizenprijzen leiden tot een grotere onderpandwaarde. Deze grotere onderpandwaarde zorgt ervoor dat huishoudens gemakkelijker geld kunnen lenen en leidt tot meer consumptie.
Voor deze theorie is onder andere in Nederland bewijs gevonden. Uit onderzoek van De Nederlandsche Bank (2002, pp. 21-23) blijkt dat ruim een derde van de woningbezitters in de periode 1996-2002 een deel van de overwaarde op hun huis heeft geïncasseerd
(bijvoorbeeld door het nemen van een tweede hypotheek). In totaal bedraagt dit ongeveer €33 miljard. Hiervan is, aldus de geënquêteerden, 85% voornamelijk besteed aan
woningverbetering en consumptie. Deze financiering van overwaarde was op zijn hoogtepunt in 1999-2000 wat overeenkomt met de fikse prijsstijgingen op de huizenmarkt in dezelfde periode.
De derde theorie van Campbell en Cocco (2007, p. 2) stelt dat de correlatie tussen huizenprijsfluctuaties en consumptief gedrag gedreven wordt door andere macro-economische factoren. Attanasio en Weber (1994) vinden in hun onderzoek een voorbeeld van een
het Verenigd Koninkrijk de huizenprijzen hebben doen stijgen en de consumptie heeft gestimuleerd. Dergelijke factoren hebben mogelijk in dezelfde richting een effect op
consumptie en huizenprijzen. In dat geval berust de gevonden correlatie, in contradictie met de eerste twee gegeven theorieën, dus niet op een causaal verband tussen veranderende huizenprijzen en consumptie.
3 Data
In dit onderzoek wordt gebruikgemaakt van gegevens over huishoudens in Nederland, op basis van twee enquêtes, en geaggregeerde gegevens over de Nederlandse woningmarkt. In dit hoofdstuk worden beide datasets toegelicht.
3.1 Data huishoudens
Om consumptief gedrag van huishoudens te bestuderen wordt in dit onderzoek gebruik
gemaakt van twee enquêtes van het Longitudinal Internet Studies for the Social sciences Panel (LISS-Panel). Het LISS-Panel, is onderdeel van het Measurement and Experimentation in the Social Sciences (MESS) project. Dit project, uitgevoerd door onderzoeksinstituut
CentERdata, heeft als doel onderzoekers van data over huishoudens te voorzien voor hun onderzoek.
In oktober 2007 is de werving voor het LISS-Panel gestart. Om tot een representatieve steekproef te komen is in samenwerking met het Centraal Bureau voor de Statistiek een aselecte steekproef getrokken van 10,150 adressen uit de Gemeentelijke Basisadministratie. Naar deze adressen werd een uitnodiging gestuurd voor deelname aan het project. Tevens werd er, voor zover mogelijk, telefonisch contact opgenomen. Voor deelname aan het project zijn alle leden van het huishouden, ouder dan 16 jaar, uitgenodigd. De wervingsperiode eindigde in februari 2008. Op dat moment bestond het panel uit 5000 huishoudens, bestaande uit 8000 individuele leden. Sindsdien wordt het panel regelmatig ‘ververst’ door in- en uitstroom van huishoudens.
De leden van het panel worden gevraagd korte enquêtes (ongeveer 15 minuten) in te vullen. Voorafgaand aan het invullen van deze verschillende vragenlijsten zijn zij verplicht om de vragenlijst van de LISS Core Study in te vullen. Deze longitudinale studie is
ontworpen om de levensloop en omstandigheden van de huishoudens in het panel bij te houden en bevat bijvoorbeeld informatie over de gezinssamenstelling, inkomen, leeftijd en huizenbezit. Deze gegevens zijn te koppelen aan de andere enquêtes van het LISS Panel.
Net zoals in het onderzoek van Campbell en Cocco (2007) wordt in dit paper onderzocht of veranderende huizenprijzen een effect hebben op consumptief gedrag van huishoudens door te kijken naar het verschil tussen huiseigenaren en huurders. Aangezien het LISS Panel niet is opgezet om dit te onderzoeken ontbreken echter de benodigde microgegevens over
huizenprijzen. Daarom wordt in dit onderzoek getracht zo nauwkeurig mogelijk een consumptiefunctie te schatten op basis van informatie over huishoudens verkregen uit de LISS Core Study en uit twee speciale enquêtes in 2009 en 2010. Hierbij worden huurders en huiseigenaren onderscheiden en daarmee wordt het effect van veranderende huizenprijzen op consumptie onderzocht.
Deze informatie over consumptie wordt verkregen uit de Time Use and Consumption enquête. In deze enquête worden de leden van het LISS panel gevraagd naar hun
tijdsbesteding van de afgelopen zeven dagen. Tevens worden zij gevraagd naar de gemiddelde bestedingen van het huishouden per maand aan woonlasten (huur c.q. hypotheeklasten), voedsel en transport. De enquête is tweemaal afgenomen, in totaal hebben in 2009 5337 panelleden en in het jaar daarop 5103 panelleden deze vragenlijst volledig ingevuld.
Tabel 1. Toelichting variabelen gekoppelde dataset
Variabele Beschrijving Eenheid
bf10b069 Bestedingen huishouden per maand: vervoer en vervoermiddelen (openbaar vervoer; eigen auto: benzine/diesel en onderhoud)
Euro
bf10b076 Bestedingen huishouden per maand: voeding binnenshuis (eten, dranken, snoep, enz.)
Euro bf10b082 Bestedingen alleenstaanden per maand: vervoer en
vervoermiddelen (openbaar vervoer; eigen auto: benzine/diesel en onderhoud)
Euro
bf10b088 Bestedingen alleenstaanden per maand: voeding binnenshuis (eten, dranken, snoep, enz.)
Euro
geslacht Geslacht 1= man, 2= vrouw
positie Positie in het huishouden Categorieën 1 t/m 7, 9, voor
specificatie zij bijlage A1.
leeftijd Leeftijd van lid huishouden Jaren
leeftijdhhh Leeftijd van het huishoudhoofd Jaren
aantalhh Aantal leden in het huishouden 1,2,3 ..,8, 9 leden of meer
aantalkinderen Aantal thuiswonende kinderen 1,2,3 ..,8, 9 kinderen of
meer
partnerdummy Het huishoudhoofd woont samen met een partner 0=nee, 1=ja
woning Soort woning waarin het huishouden woont Categorieën 1,2,3,4 en 9,
voor specificatie zie bijlage A2.
sted Stedelijkheid woonplaats Categorieën 1 t/m 5, voor
specificatie zie bijlage A3.
Door deze module samen te voegen met gegevens van het panel uit de LISS Core Study zijn de benodigde gegevens van huishoudens voor dit onderzoek verkregen. Zij het dat wij slechts beschikken over cijfers van een betrekkelijk klein deel van de consumptieve bestedingen. In tabel 1 worden de in dit onderzoek gebuikte variabelen van de gekoppelde dataset beschreven.
3.2 Data woningmarkt
Zoals eerder genoemd zijn in het LISS panel geen gegevens beschikbaar over huizenprijzen. Om de situatie op de Nederlandse woningmarkt te schetsen gebruiken wij data van het Centraal Bureau voor de Statistiek (CBS).
In figuur 1 wordt de ontwikkeling van de huizenprijzen in de afgelopen jaren weergeven. Vanaf het jaar 2008 is een eind gekomen aan de continue stijging van de
huizenprijzen en zijn de prijzen op de woningmarkt gaan dalen. In de periode 2008-2012 zijn de huizenprijzen dan ook gedaald met 14,1%. In beide jaren van de dataset zijn de prijzen op de woningmarkt gedaald, in 2009 met 3,6% en in 2010 met nog eens 2%.
Figuur 1. Huizenprijsindex bestaande koopwoningen, prijsindex 2010=100. Bron: CBS, 2013a.
In figuur 2 worden de prijsfluctuaties op de huizenmarkt weergegeven per maand over de voor het onderzoek belangrijke periode. In september 2009 is de daling t.o.v. de vorige maand -0,3%. In september 2010 bedraagt deze daling -0,6%. Aangezien deze tweede daling groter is het gemakkelijker een eventueel effect te vinden. Tevens is de prijsdaling van de huizenmarkt
50 60 70 80 90 100 110 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 Pr ijs in d e x
dan al langer aan de gang. De consumptiefunctie, beschreven in het volgende hoofdstuk, zal dan ook geschat worden op basis van de microgegevens uit september 2010.
Figuur 2. Huizenprijsindex bestaande koopwoningen, prijsindex 2010=100. Bron: CBS, 2013b.
4 Consumptiefunctie
In dit hoofdstuk wordt het schatten van de consumptiefunctie beschreven. Eerst wordt de onderzoeksmethode uiteengezet. Vervolgens worden de verkregen resultaten beschreven. 4.1 Methode
Als eerste worden de gegevens van de LISS Core Study en de Time Use and Consumption enquête uit september 2010 aan elkaar gekoppeld. Dit wordt gedaan met behulp van het identificatienummer (nomem_encr) van elk panel lid. Vervolgens zijn alle incomplete waarnemingen verwijderd. Dit resulteert in een dataset van 5337 waarnemingen.
Zoals eerder beschreven wordt in deze scriptie het verschil in consumptiegedrag tussen huurders en huiseigenaren bestudeerd. In de dataset zijn echter ook huishoudens aanwezig die een huis onderhuren, gratis wonen of waar de woonsituatie van onbekend is. Deze
waarnemingen zijn verwijderd uit de dataset, dit laat 5297 waarnemingen over. Vervolgens is van de variabele woning gebruikgemaakt om een dummyvariabele te creëren voor
woningbezit. De dummyvariabele (eigenaardummy) heeft als waarde 1 als het huishouden een koophuis heeft en 0 als het huishouden een huis huurt.
94 96 98 100 102 104 106 108 Pr ijs in d e x
Tabel 2. Statistische gegevens huishoudens, september 2010
Volledige steekproef Huurders Huiseigenaren
Variabele Min Max Gem. Std.
fout Gem. Std. fout Gem. Std. fout transport 0 2900 145.92 150.85 100.31 139.65 165.37 151.28 voedsel 5 2500 352.71 224.138 269.05 190.08 388.40 228.07 consumptie 15 3829 498.77 302.62 369.36 268.29 554.02 299.64 nettoinkomen 200 15900 2657.05 1368.75 1913.18 1020.99 2989.04 1373.95 aantalkinderen 0 6 0.63 1.03 0.33 0.77 0.76 1.10 woonlasten 0 8800 565.09 447.98 465.83 183.21 609.11 518.22 leeftijdhhh 18 92 53.55 15.11 54.56 16.87 53.11 14.25 partnerdummy 0 1 0.64 0.48 0.41 0.49 0.74 0.44 eigenaardummy 0 1 0.69 0.46 0 0 1 0
Aangezien in deze scriptie het consumptiegedrag van huishoudens wordt bestudeerd is de dataset bestaande uit 5064 individuen omgezet naar een dataset bestaande uit huishoudens. Dit is gedaan door gebruik te maken van de variabelen uit tabel 1. Per huishouden is de maximale waarde van elke variabele, opgegeven door de verschillende leden van het
huishouden, genomen. Vervolgens zijn de huishoudens waar informatie ontbreekt verwijderd. Tevens zijn er 79 huishoudens in de dataset aanwezig die een inkomen of een consumptie aan voedsel van nul hebben opgegeven en zijn er zes uitbijters (vier in consumptie, twee in
nettoinkomen) gevonden in de dataset. Deze huishoudens zijn verwijderd. In totaal resulteert
dit in een dataset bestaande uit gegevens voor 2689 huishoudens.
In navolging van Campbell en Cocco (2007, p.5) wordt consumptie in deze scriptie gedefinieerd als de som van consumptie van niet-duurzame goederen. Niet-duurzame goederen zijn goederen die na aanschaf in één keer worden verbruikt. De afhankelijke variabele van het model, consumptie, wordt gedefinieerd als de som van de beschikbare variabelen over consumptie van niet-duurzame goederen (voedsel en transport). De variabelen
voedsel en transport zijn geconstrueerd door voor elk huishouden de maximale, waarde te
nemen van respectievelijk de variabelen bf10b069, bf10b076 en bf10b082, bf10b088 uit tabel 1. Zoals eerder genoemd resulteert dit echter in een klein gedeelte van de consumptieve bestedingen.
Statistische gegevens van de gecreëerde variabelen voor huishoudens worden
weergeven in tabel 2. Opgemerkt kan worden dat huiseigenaren gemiddeld meer consumeren en een hoger inkomen hebben dan huurders. Tevens bestaat een huishouden, in het bezit van een huis, gemiddeld uit meer leden (meer kinderen, vaker een partner). Tenslotte bestaat onze data voor 69% uit huiseigenaren en voor 31% uit huurders. In 2010 waren in Nederland 55% van de huishoudens in het bezit van een huis en 45% van de huishoudens huurde een huis
(CBS, 2012). De huiseigenaren zijn dus oververtegenwoordigd in de data.
Om een consumptiefunctie te schatten zijn alle beschikbare verklarende variabelen één voor één opgenomen in een OLS-model door middel van forward selection. Dit resulteert in de eerste regressie (zie bijlage B.1). In dit model wordt consumptie verklaard door het inkomen, de samenstelling (aantal kinderen, partner en de leeftijd van het hoofd van het huishouden) en de woonsituatie van het huishouden. Het effect van het inkomen en de samenstelling van het huishouden op consumptie zijn significant. Het effect van de
woonsituatie op consumptie, gegeven door de variabelen eigenaardummy, is ook significant. Echter is dit geschatte effect, anders dan wij verwachtten, positief.
Mogelijk is er heteroskedasticiteit aanwezig in het model. Dit wil zeggen dat de variantie van de residuen niet constant is. Om dit te testen wordt een Breusch-Pagan test uitgevoerd (zie bijlage B.2). Deze test verwerpt de nulhypothese van constante variantie (p-waarde < 0.05), er is dus sprake van heteroskedasticiteit. Mogelijk is het model dus incorrect gespecificeerd.
Aangezien de variabelen nettoinkomen en consumptie rechts scheef verdeeld zijn (zie bijlage B.3 en B.4) worden deze variabelen herschaald door het nemen van logaritmes (zie bijlage B.5). Tevens wordt de leeftijd van het hoofd van het huishouden kwadratisch
opgenomen in het model. Mogelijk stijgt de consumptie namelijk minder snel naarmate men ouder wordt of daalt hij op een gegeven moment zelfs. De hierboven beschreven
aanpassingen resulteren in het uiteindelijke eerste OLS-model (Model 1).
Model 1. Consumptiefunctie huishoudens
Tabel 3. Resultaten OLS-modellen (afhankelijke variabele: logconsumptie)
Model 1 Model 2
Variabele Coëf. Std. fout P>t Coëf. Std. fout P>t
constante 1.7036 0.2480 0.000 1.8397 0.2509 0.000 loginkomen 0.4270 0.0308 0.000 0.4303 0.0309 0.000 aantalkinderen 0.0495 0.0123 0.000 0.0545 0.0123 0.000 leeftijdhhh 0.0252 0.0045 0.000 0.0222 0.0046 0.000 leeftijdhhh^2 -0.0002 0.0000 0.000 -0.0002 0.0000 0.000 partnerdummy 0.3254 0.0264 0.000 0.3247 0.0264 0.000 eigenaardummy 0.1105 0.0252 0.000 -0.1481 0.0818 0.070 leeftijdhhh*eigenaar - - - 0.0047 0.0015 0.001 N 2689 2689 R2 0.3401 0.3427 4.2 Resultaten
De resultaten van het eerste OLS-model zijn weergegeven in tabel 3. Alle verklarende variabelen zijn significant. Om te controleren of er geen heteroskedasticiteit aanwezig is in het model een Breusch-Pagan test uitgevoerd (zie bijlage C.1). De test verwerpt de
nulhypothese van constante variantie (p-waarde < 0.05), er is dus na de transformatie van het model mogelijk nog steeds heteroskedasticiteit aanwezig. Daarom wordt het model geschat met behulp van robuuste standaardfouten.
De coëfficiënten van de gezinssamenstelling zijn, zoals verwacht, positief. De geschatte coëfficiënt van partnerdummy betekent dat een huishouden bestaande uit twee volwassenen ongeveer 33% meer consumeert dan een huishouden bestaande uit één volwassene. Tevens hebben thuiswonende kinderen een positief effect op consumptie. Per kind stijgt de consumptie van een huishouden met ongeveer 5%.
Ook de leeftijd van het hoofd van het huishouden (leeftijdhh) heeft een positief effect op consumptie. In combinatie met het negatieve effect van leeftijdhhh^2 houdt dit in dat de consumptie van huishoudens eerst stijgt als de leeftijd van het hoofd van het huishouden toeneemt en vanaf een leeftijd van 63 jaar daalt. Het inkomen van een huishouden
(loginkomen) heeft zoals verwacht het grootste effect op de consumptie. Het model schat een inkomenselasticiteit van voeding en transport van 0.42.
Als laatste is de coëfficiënt van eigenaardummy positief. Volgens het model
consumeren huiseigenaren, rekening houdend met inkomen en gezinssamenstelling, dus zo’n 11% meer dan huurders. Dit komt niet overeen met de resultaten uit vorig onderzoek. Vorige onderzoeken vonden namelijk een positief verband tussen veranderende huizenprijzen en consumptie van huiseigenaren. Aangezien de huizenprijzen in september 2010, en in de drie voorafgaande jaren, gedaald zijn, wordt een negatief effect verwacht voor de variabele
Verscheidene aanpassingen van het model, er is bijvoorbeeld gekeken naar de woonlasten en het beschikbaar inkomen van huishoudens, leveren geen verbetering op: het effect van
huisbezit op consumptie blijft positief. In strijd met de literatuur consumeren huiseigenaren in onze data in tijden van dalende huizenprijzen meer dan huurders.
Een mogelijke verklaring hiervoor is dat de in eerder onderzoek gevonden macro-economische samenhang tussen huizenprijzen en consumptie gedreven wordt door het consumentenvertrouwen. In tijden van dalende huizenprijzen daalt het
consumentenvertrouwen en daarmee de consumptie van huishoudens. Er is dan geen verschil tussen huiseigenaren en huurders. Een tweede mogelijke verklaring is dat de dalende
huizenprijzen voornamelijk effect hebben op de consumptie van duurzame goederen. Dit komt echter niet overeen met het onderzoek van Campbell en Cocco (2007), zij vonden daarentegen een correlatie tussen huizenprijzen en consumptie van niet-duurzame goederen. Bij deze twee verklaringen zou er tevens geen verschil gevonden moeten worden tussen huiseigenaren en huurders, maar Model 1 concludeert dat huiseigenaren meer consumeren dan huurders.
Tenslotte is het mogelijk dat huishoudens de huidige prijs van het huis vergelijken met de aankoopprijs. Hierdoor zullen oudere huishoudens, die hun huis lang geleden hebben gekocht, niet onder de indruk zijn van de recente daling van de huizenprijzen. De huidige prijs van het huis ligt namelijk voor hen nog steeds hoger dan de aankoopprijs. Andersom zullen jonge huiseigenaren mogelijk wel hun consumptie aanpassen. Om deze verklaring te testen zou men de aankoopdatum van het huis mee willen nemen in de regressie. Echter zijn deze gegevens niet beschikbaar. Daarom gebruiken wij hiervoor de leeftijd van het hoofd van het huishouden en is aan Model 1 een interactieterm leeftijdhhh*eigenaar toegevoegd. De resultaten van dit model (Model 2) zijn weergegeven in tabel 3. Model 2 vindt enig bewijs voor dit leeftijdseffect. Huiseigenaren met een leeftijd van 32 jaar of jonger consumeren namelijk minder dan huurders. Echter is dit bewijs statistisch zwak aangezien eigenaardummy in dit model niet significant is.
Model 2. Consumptiefunctie huishoudens, leeftijdseffect
5 Eerste verschillen
In dit hoofdstuk wordt het model dat gebruikmaakt van eerste verschillen beschreven. Eerst wordt de onderzoeksmethode uiteengezet. Vervolgens worden de resultaten beschreven. 5.1 Methode
In het vorige hoofdstuk is een consumptiefunctie geschat op basis van gegevens uit 2010. Zoals in het derde hoofdstuk beschreven hebben we gegevens over 2009 en 2010. Om de consumptiefunctie van huishoudens te schatten maken wij nu gebruik van eerste verschillen (Cameron en Trivedi, 2009, p. 704).
Vergelijking (1) geeft het model uit hoofdstuk 4 weer. In dit model wordt de afhankelijke variabele y verklaard door de variabelen x. Mogelijk zijn er nog andere tijdsonafhankelijke, verklarende variabelen die niet meegenomen zijn in het model. Als er verklarende variabelen weggelaten worden uit het model kan dit leiden tot omitted variable
bias. Voor de niet geobserveerde, mogelijk verklarende, variabelen is een term ci opgenomen.
Vergelijking (2) transformeert deze eerste vergelijking door het nemen van het eerste verschil. Mogelijk ontbrekende tijdsonafhankelijke, verklarende variabelen worden door het nemen van eerste verschillen geëlimineerd uit het model.
(1)
- (2)
Uit de tweede vergelijking blijkt duidelijk dat de verklarende variabelen
tijdafhankelijk zijn, ze moeten variëren over tijd. Alle verklarende variabelen uit Model 1 zijn tijdsafhankelijk. Echter is er slechts data beschikbaar van twee tijdsstippen (september 2009 en september 2010). Aangezien het aantal thuiswonende kinderen en de aanwezigheid van een partner nauwelijks varieert in één jaar in onze dataset worden deze variabelen niet
meegenomen in deze regressie. Tevens wordt de verandering van de leeftijd van het hoofd van het huishouden verwijderd, omdat deze constant is voor alle huishoudens. Als laatste zijn er zeer weinig huishoudens die van woonsituatie veranderen. De verandering in
eigenaardummy wordt dus ook niet meegenomen in het model. De constante dient nu als een
schatting van een mogelijk tijdseffect. De hierboven beschreven transformaties resulteren in Model 3.
Model 3. Eerste verschillen consumptiefunctie huishoudens
Om dit model te kunnen schatten is een dataset gecreëerd voor huishoudens met informatie uit 2009 en 2010. Eerst is op een identieke wijze als in paragraaf 4.1 beschreven de data van september 2009 voorbereid. Dit resulteert in de dataset met gegevens over 3282 huishoudens. Vervolgens is deze data gekoppeld aan de data uit september 2010.
Aangezien in Model 3 het verschil wordt genomen van variabelen uit 2009 en 2010 zijn alleen de huishoudens bruikbaar die in beide jaren deel hebben genomen aan de enquête. De huishoudens die maar één enquête hebben ingevuld zijn dus verwijderd. Tevens zijn er een aantal huishoudens in de dataset aanwezig waarvoor de leeftijd van het hoofd van het
huishouden onverklaarbaar verandert (ongelijk aan 0 of 1). Ook deze huishoudens zijn verwijderd. Als laatste zijn er een aantal huishoudens waarvoor de woonsituatie verandert. Aangezien de verandering in woonsituatie niet opgenomen wordt in het model, maar huiseigenaren en huurders wel vergeleken moeten worden zijn ook deze huishoudens verwijderd uit de data. In totaal resteren er na deze aanpassingen 1956 huishoudens in de dataset.
Tabel 4 geeft de belangrijkste statistische gegevens weer van deze dataset. Opgemerkt kan worden dat huiseigenaren over de periode september 2009 – september 2010 een grotere daling van consumptie hebben dan huurders. Daarentegen stijgt het inkomen van
huiseigenaren gemiddeld sterker dan het inkomen van huurders. Zoals eerder beschreven is de verandering in het aantal thuiswonende kinderen en de aanwezigheid van een partner zeer klein. Als laatste kan opgemerkt worden dat 71% van de huishoudens in de dataset eigenaar zijn van een huis. Opnieuw zijn de huiseigenaren dus oververtegenwoordigd in de data.
Tabel 4. Statistische gegevens huishoudens, september 2009 - september 2010
Volledige steekproef Huurders Huiseigenaren
Variabele Min Max Gem. Std.
fout Gem. Std. fout Gem. Std. fout Δtransport -1840 2628 0.02 178.35 8.59 175.13 -3.37 179.56 Δvoedsel -5700 2350 -18.04 280.27 -9.45 225.15 -21.43 299.25 Δconsumptie -5640 4490 -17.97 355.10 -0.86 342.71 -24.74 359.77 Δnettoinkomen -5300 3900 42.56 447.18 38.55 375.58 44.21 473.55 Δaantalkinderen -4 2 0.01 0.23 -0.01 0.16 0.01 0.25 Δleeftijdhhh 0 1 0.99 0.07 0.99 0.08 0.99 0.06 Δpartnerdummy -1 1 -0.01 0.10 0 0.11 -0.01 0.09 eigenaardummy 0 1 0.71 0.45 0 0 1 0
5.2 Resultaten
Om de veranderende consumptie van huiseigenaren en huurders met elkaar te kunnen vergelijken is Model 3 apart voor beide groepen geschat met OLS. De resultaten hiervan worden in tabel 5 weergeven. Voor huurders wordt een significante inkomenselasticiteit van voeding en transport geschat van 0.58. Voor huiseigenaren is deze inkomenselasticiteit beduidend lager, 0.22. Bij een toename van het inkomen neemt de consumptie van huurders dus veel sneller toe dan de consumptie van huiseigenaren. De geschatte constante in de regressie voor huurders is groter dan de constante bij huiseigenaren. Ongeacht de stijging van het inkomen in de periode september 2009 – september 2010 zijn huurders gemiddeld dus meer gaan consumeren dan huiseigenaren (zie ook Figuur 3).
Tabel 5. Resultaten eerste verschillen (afhankelijke variabele: Δlogconsumptie)
Model 3 Huurders Huiseigenaren
Variabele Coëf. Std. fout P>t Coëf. Std. fout P>t
constante -0.0171 0.0253 0.500 -0.0339 0.0142 0.017
Δloginkomen 0.5759 0.1401 0.000 0.2193 0.0951 0.021
N 562 1394
R2 0.0293 0.0038
Mogelijk worden huiseigenaren, in tegenstelling tot de resultaten uit hoofdstuk 4, wel degelijk geraakt door de dalende huizenprijzen. Echter is het bewijs hiervoor statistisch zwak. Niet alleen is de constante in de regressie voor huurders niet significant. Als men kijkt naar de R2 van beide regressies valt tevens op dat maar een heel klein gedeelte van de variabiliteit van de afhankelijke variabele wordt verklaard.
Om het verschil in de verandering van de consumptie tussen huiseigenaren en huurders vervolgens te kunnen kwantificeren wordt Model 3 vervangen door een model voor huurders en huiseigenaars met een eigenaardummy. Zoals in de vorige paragraaf beschreven zijn de huishoudens waar de woonsituatie verandert verwijderd. De eigenaardummy is dus een dummyvariabele voor het bezitten van een huis in de periode september 2009 – september 2010. Deze toevoeging resulteert in Model 4.
Model 4. Eerste verschillen consumptiefunctie met eigenaardummy
In Tabel 6 worden de resultaten van Model 4 weergegeven. Opnieuw is een Breusch-Pagan test uitgevoerd (zie bijlage D.1). Deze test verwerpt de nulhypothese van constante variantie (p-waarde < 0.05), er is dus mogelijk heteroskedasticiteit aanwezig. Daarom is Model 4 geschat met behulp van robuuste standaardfouten.
Het model schat een inkomenselasticiteit van voedsel en transport van 0.35. Deze elasticiteit is lager dan de eerder geschatte elasticiteit voor huurders en huiseigenaren samen in Model 1. De coëfficiënt van eigenaardummy is negatief. Het model schat dat huiseigenaren in de periode september 2009 – september 2010 ongeveer 2% minder zijn gaan consumeren ten opzichte van huurders. Als laatste wordt een negatief effect geschat voor de constante. Dit geeft de algemene daling van de consumptie weer voor zowel huiseigenaren als huurders.
In overeenkomst met de resultaten van Model 3 geeft dit model een indicatie dat huiseigenaren relatief minder zijn gaan consumeren dan huurders. Echter is dit bewijs wederom statistisch zwak. Het geschatte effect van eigenaardummy verschilt namelijk niet significant van nul. Het is dus niet met 95% zekerheid te stellen dat het effect van het hebben van een huis op de consumptieve bestedingen in de werkelijkheid ook negatief is. Tevens is het geschatte effect van de constante in het model niet significant verschillend van nul en is de waarde van R2 wederom zeer laag.
Tabel 6. Resultaten eerste verschillen (afhankelijke variabele: Δlogconsumptie)
Model 4
Variabele Coëf. Std. fout P>t
constante -0.0149 0.0253 0.557
N = 1956 R2 = 0.0105
Δloginkomen 0.3519 0.0820 0.000
6 Conclusie
Er is veel literatuur beschikbaar waarin de correlatie tussen veranderende huizenprijzen en consumptieve bestedingen is beschreven. Deze onderzoeken vonden allen een positieve correlatie in tijden van stijgende huizenprijzen. In dit onderzoek is gekeken of de dalende huizenprijzen van de afgelopen jaren ook hebben geleid tot een afname van de consumptieve bestedingen.
Om dit te onderzoeken is ten eerste een consumptiefunctie geschat voor huishoudens. Hierbij is de consumptie van een huishouden verklaard uit het inkomen en de samenstelling van het huishouden. Tevens is er onderscheid gemaakt tussen huiseigenaren en huurders. De consumptie is, in overeenkomst met eerder onderzoek, gedefinieerd als de consumptie van niet-duurzame goederen. In onze data is echter alleen de consumptie aan transport en voedsel aanwezig, zodat de consumptie slechts een klein gedeelte van de totale consumptieve
bestedingen bestrijkt. In de consumptiefunctie is een significant positief effect geschat voor het hebben van een huis. Huiseigenaren hebben in 2010 ten opzichte van huurders zo’n 11 procent meer geconsumeerd. In strijd met de literatuur consumeren huiseigenaren in onze data in tijden van dalende huizenprijzen dus meer dan huurders.
Het zou kunnen zijn dat de in eerder onderzoek gevonden correlatie tussen
veranderende huizenprijzen en consumptie gedreven wordt door andere factoren, bijvoorbeeld het consumentenvertrouwen. Dit verklaart echter niet waarom huiseigenaren in onze data meer consumeren dan huurders. Mogelijk vergelijken huiseigenaren de huidige prijs van hun huis met de aankoopprijs. Dit zou verklaren waarom huiseigenaren die hun huis lang geleden hebben gekocht nog niet geraakt worden door de dalende huizenprijzen. Voor veel
huishoudens ligt de huidige prijs van het huis namelijk hoger dan de aankoopprijs dankzij de continu gestegen huizenprijzen tot aan 2008.
In de dataset is echter geen informatie beschikbaar over de aankoopdatum van het huis. Bij gebrek aan beter is een interactieterm tussen de leeftijd van het hoofd van het huishouden en het hebben van het huis toegevoegd aan de consumptiefunctie. Dit model concludeert statistisch zwak dat jonge huishoudens, tot aan een leeftijd van 32, minder consumeren dan huurders.
Als laatste is op basis van de gegevens uit 2009 en 2010 een consumptiefunctie geschat door het nemen van eerste verschillen. Ten eerste zijn er regressies uitgevoerd voor huurders en huiseigenaren apart. Deze regressies schatten een grotere inkomenselasticiteit van consumptie voor huurders dan voor huiseigenaren. Tevens is de geschatte constante, de trendmatige verandering van de consumptie, bij huurders groter dan bij huiseigenaren.
Ongeacht de stijging van het inkomen zijn huurders in de periode september 2009 –
september 2010 gemiddeld dus meer gaan consumeren dan huiseigenaren. Ten tweede is een regressie uitgevoerd voor beide groepen samen en is een eigenaardummy toegevoegd. Dit model schat dat huiseigenaren ten opzichte van huurders ongeveer 2% minder zijn gaan consumeren.
Aangezien er slechts data beschikbaar is van twee jaar zijn de meeste verklarende variabelen in het eerste-verschillenmodel niet significant aangezien ze nauwelijks veranderen over een periode van één jaar. Daarom is de verklarende kracht van deze modellen zeer laag en kan men hieruit geen conclusies trekken.
Uit deze scriptie blijkt dat huiseigenaren in tijden van dalende huizenprijzen meer consumeren dan huurders. De daling van de huizenprijzen heeft dus niet direct geleid tot een daling van de consumptieve bestedingen.
Referenties
Attanasio, O.P., en G. Weber (1994). The Aggregate Consumption Boom of the
Late 1980s: Aggregate Implications of Microeconomic Evidence. Economic Journal
104, (427), 1269-1302.
Buiter, W. H. (2008). Housing Wealth Isn’t Wealth. NBER Working Paper No.14204. Cameron, A.C., en P.K. Travedi (2009). Microeconometrics, Methods and Applications.
Cambridge University Press, 9e druk, 704-730.
Campbell, J.Y., en J.F. Cocco (2007). How do house prices affect consumption? Evidence from micro data. Journal of Monetary Economics, 54, (3), 591-621. Case, K.E., J.M. Quigley en R.J. Shiller. (2005). Comparing Wealth Effects: The Stock
Market versus the Housing Market. Advances in Macroeconomics, 5, (1), 1-32. CBS (2012). Woningvoorraad naar eigendom.
( 9&D2=0,57,67,80,90,122,480&D3=4-5&HDR=G1,G2&STB=T&VW=T), 3 juni. CBS (2013a). Bestaande koopwoningen, jaarcijfers.
(http://statline.cbs.nl/StatWeb/publication/?DM=SLNL&PA=81884ned&D1=0&D2=1 6,33,50,67,84,101,118,135,152,169,186,203,220,237,254,271,288,305&HDR=T&ST B=G1&CHARTTYPE=1&VW=T), 13 mei.
CBS (2013b). Bestaande koopwoningen, maandcijfers.
(http://statline.cbs.nl/StatWeb/publication/?DM=SLNL&PA=81884ned&D1=0&D2=2
38-240,242-244,246-248,250-252,255-257,259-261,263-265,267-269&HDR=T&STB=G1&CHARTTYPE=1&VW=T), 13 mei.
CPB (2013). De Nederlandse woningmarkt – hypotheekrente, huizenprijzen en consumptie.
CPB Notitie, 14 februari 2013.
De Nederlandsche Bank (2002). Vermogensbeheer Nederlandse gezinnen: analyse op basis van een enquête. Onderzoeksrapport WO 687 / Meb Series 2002-8. Dynan, K.E., en D.M. Maki (2001). Does Stock Market Wealth Matter for
Consumption?. Washington: Board of Governors of the Federal Reserve
System, FEDS Discussion Paper No. 2001-23.
Elliott, J.W. (1980). Wealth and Wealth Proxies in a Permanent Income Model. Quarterly
Journal of Economics, 95, (3), 509-535.
Engelhardt, G.V. (1996). House Prices and Home Owner Saving Behavior. Regional Science
and Urban Economics 26, (3), 313-336.
Ludwig, A., en T. Slok. (2004). The relationship between stock prices, house prices and consumption in OECD countries. Topics in Macroeconomics, 4, (1), 1-26.
Muellbauer, J., en A. Murphy. (1990). Is the UK Balance of Payments Sustainable?. Economic Policy, 11, (5), 345-383.
Sinai, T., en N. Souleles. (2005). Owner-Occupied Housing as a Hedge Against Rent Risk. Quarterly Journal of Economics, 120, (2), 763-789.
Skinner, J. (1989). Housing Wealth and Aggregate Saving. Regional Science
Bijlage A
Bijlage A.1 Categorieën positie in het huishouden Positie in het huishouden
1. Huishoudhoofd* 2. Gehuwde partner 3. Ongehuwde partner 4. (Schoon)ouder 5. Kind dat thuis woont 6. Huisgenoot
7. Familielid of kostganger 9. Onbekend
* Het huishoudhoofd is degene op wiens naam het huur- of koopcontract van de woning staat. Als dat contract op meerdere namen staat, is het huishoudhoofd degene die het hoogste inkomen heeft
Bijlage A.2 Categorieën woning waarin het huishouden woont Soort Woning 1. Koopwoning 2. Huurwoning 3. Woning in onderhuur 4. Gratis woning 9. Onbekend
Bijlage A.3 Categorieën stedelijkheid waarin huishouden woont
Stedelijkheid Adressendichtheid omgeving per km2
1. Zeer sterk stedelijk 2.500 of meer
2. Sterk stedelijk 1.500 tot 2.500
3. Matig stedelijk 1.000 tot 1.500
4. Weinig stedelijk 500 tot 1.000
Bijlage B
Bijlage B.1 Eerste regressie
Bijlage B.2 Breusch-Pagan Heteroskedasticiteit test
Bijlage B.3 Histogram nettoinkomen
_cons 84.58225 22.74021 3.72 0.000 39.99213 129.1724 eigenaardummy 46.64936 11.60637 4.02 0.000 23.89103 69.4077 partnerdummy 126.8874 12.12787 10.46 0.000 103.1065 150.6683 leeftijdhuishouden 1.492704 .3447671 4.33 0.000 .8166678 2.16874 aantalkinderen 35.51925 5.272778 6.74 0.000 25.18013 45.85837 nettoinkomen .0728358 .0042065 17.32 0.000 .0645875 .0810841 consumptie Coef. Std. Err. t P>|t| [95% Conf. Interval] Total 241260711 2688 89754.7287 Root MSE = 252.28
Adj R-squared = 0.2909 Residual 170759262 2683 63644.8981 R-squared = 0.2922 Model 70501449.3 5 14100289.9 Prob > F = 0.0000 F( 5, 2683) = 221.55 Source SS df MS Number of obs = 2689
Prob > chi2 = 0.0000 chi2(1) = 283.98
Variables: fitted values of consumptie Ho: Constant variance
Breusch-Pagan / Cook-Weisberg test for heteroskedasticity
0 1 .0 e -0 4 2 .0 e -0 4 3 .0 e -0 4 4 .0 e -0 4 D e n sit y 0 5000 10000 15000 nettoinkomen
Bijlage B.4 Histogram consumptie
Bijlage B.5 Histogram loginkomen en logconsumptie
0 5 .0 e -0 4 .0 0 1 .0 0 1 5 .0 0 2 D e n sit y 0 1000 2000 3000 4000 consumptie 0 .2 .4 .6 .8 1 D e n sit y 5 6 7 8 9 10 loginkomen 0 .2 .4 .6 .8 D e n sit y 3 4 5 6 7 8 logconsumptie
Bijlage C
Bijlage C.1 Breusch-Pagan Heteroskedasticiteit test
Prob > chi2 = 0.0284 chi2(1) = 4.80
Variables: fitted values of logconsumptie Ho: Constant variance
Bijlage D
Bijlage D.1 Breusch-Pagan Heteroskedasticiteit test
Prob > chi2 = 0.0034 chi2(1) = 8.57
Variables: fitted values of Dlogconsumptie Ho: Constant variance
