Data van huurcontracten in Vlaanderen

(1)

www.steunpuntwonen.be

Data van huurcontracten in Vlaanderen

Verkenning van de mogelijkheden voor onderzoek

Kristof Heylen

(2)

Gelieve naar deze publicatie te verwijzen als volgt:

Heylen. K. (2020). Data van huurcontracten in Vlaanderen. Verkenning van de mogelijkheden voor onderzoek.

Leuven: Steunpunt Wonen.

Voor meer informatie over deze publicatie kristof.heylen@kuleuven.be

In deze publicatie wordt de mening van de auteur weergegeven en niet die van de Vlaamse overheid. De Vlaamse overheid is niet aansprakelijk voor het gebruik dat kan worden gemaakt van de opgenomen gegevens.

D/2020/4718/036 – ISBN 9789055507078

Niets uit deze uitgave mag worden verveelvuldigd en/of openbaar gemaakt door middel van druk, fotokopie, microfilm of op welke andere wijze ook, zonder voorafgaande schriftelijke toestemming van de uitgever.

No part of this book may be reproduced in any form, by mimeograph, film or any other means, without permission in writing from the publisher.

p.a. Secretariaat Steunpunt Wonen

p/a HIVA - Onderzoeksinstituut voor Arbeid en Samenleving Parkstraat 47 bus 5300, BE 3000 Leuven

Deze publicatie is ook beschikbaar via www.steunpuntwonen.be

(3)

INHOUD

Inleiding 4

1. Databestanden MyRent en MyRent_census 5

1.1 Databank geregistreerde huurcontracten (MyRent) 5

1.2 Gekoppelde databank MyRent_census 2011 6

1.3 Inhoud van de databestanden 6

1.4 Aandachtspunten en toekomst 8

1.5 Aantal observaties 9

2. Representativeit van de data 10

3. Mogelijkheden van de data 13

3.1 Monitoring van de gemiddelde en mediaan huurprijs van nieuwe contracten 13

3.2 Huurprijsindex voor nieuwe huurcontracten 14

3.3 Analyse van regionale verschillen 16

3.3.1 Op niveau van centrumsteden 16

3.3.2 Op niveau van gemeenten 16

3.4 Analyses naar woningen bewonerskenmerken 19

3.5 Hedonische huurprijsindex 20

4. Opvolging aanbevelingen uit 2012 en nieuwe suggesties 21

5. Conclusies 23

Bijlage 1 26

Referenties 27

(4)

INLEIDING

Sinds 2007 zijn verhuurders van onroerend goed in België verplicht om de huurcontracten te registreren. De gegevens van deze contracten worden door de FOD Financiën (AAPD) bijgehouden in een databank die raadpleegbaar is voor onderzoek. In deze studie zullen de mogelijkheden verkend worden voor onderzoek op basis van deze databank met geregistreerde huurcontracten, die ook MyRent wordt genoemd.

In 2010 ontving het toenmalige Steunpunt Ruimte en Wonen van de FOD Financiën (AAPD) de MyRent- data, die toen nog in een beginfase zat. De databank bleek verschillende mogelijkheden te bieden voor onderzoek, bv. voor het berekenen van een huurprijsindex en om verschillen te kennen tussen de huurprijzen van woningtypes. Een van de voornaamste voordelen was dat de data toelieten een regionaal gediversifieerd beeld te schetsen van de huurmarkt. Het rapport, daterend uit 2012, bevatte ook aanbevelingen voor het verbeteren van de registratiepraktijk, om zo ook de mogelijkheden voor onderzoeksdoeleinden te verbeteren. De representativiteit van de data, en dus de betrouwbaarheid ervan voor onderzoek, werd echter niet uitvoerig onderzocht.

In deze nieuwe studie werd de MyRent-databank gekoppeld met verschillende gegevens van de Census 2011. Deze koppeling maakt immers bijkomende typen analyses mogelijk. Zo zullen we de huurprijs kunnen analyseren voor verschillende woningen bewonerskenmerken die niet in de MyRent data zijn opgenomen. Bij de registratie van de huurcontracten zijn de verhuurders immers niet verplicht om de woningkenmerken (zoals woningtype of aantal kamers) op te geven. Verder zijn er ook weinig gegevens van de huurders zelf opgenomen in MyRent.

In het eerste hoofdstuk bespreken we de samenstelling van de databanken en de wijze waarop de datakoppeling tot stand is gekomen. In een tweede hoofdstuk wordt er een analyse uitgevoerd van de representativiteit van de MyRent-databank en van de gekoppelde databank (MyRent_census).

Hiervoor is een vergelijking gemaakt met surveygegevens. De mogelijkheden van de data voor onderzoeksdoeleinden worden belicht in het derde hoofdstuk. Zo bekijken we onder meer de mogelijkheden voor monitoring van de huurprijs, de meerwaarde van een huurprijsindex voor nieuwe contracten, en de opties bij de ruimtelijke analyses. Ook belichten we met welke woningen bewonerskenmerken er momenteel correcte analyses kunnen uitgevoerd worden, en wat er in de toekomst nog mogelijk is mits er nieuwe census-data beschikbaar wordt. In een vierde hoofdstuk gaan we na wat er met de aanbevelingen m.b.t. de registratie uit de studie van 2012 is gebeurd, en lichten we onze nieuwe aanbevelingen toe. Daarna volgt de conclusie van het rapport.

(5)

1. DATABESTANDEN MYRENT EN MYRENT_CENSUS

In dit eerste hoofdstuk bespreken we achtereenvolgens de voornaamste kenmerken van de databank van de geregistreerde huurcontracten (MyRent) en van de gekoppelde databank (MyRent en Census 2011). De wijze van koppeling wordt hierbij uitgebreid toegelicht. In een derde paragraaf komt de inhoud en de samenstelling van deze datasets meer gedetailleerd aan bod. Vervolgens worden er enkele aandachtspunten belicht, vooraleer er een korte beschrijving volgt van het aantal observaties in de databanken en de evolutie daarvan.

1.1 Databank geregistreerde huurcontracten (MyRent)

Zowel private als sociale verhuurders zijn verplicht om huurovereenkomsten te laten registreren.¹ Deze registratie kan zowel online gebeuren, via de MyRent toepassing, of via de post. Wanneer de huurovereenkomst betrekking heeft op onroerende goederen die uitsluitend bestemd zijn voor huisvesting verloopt de registratie kosteloos, en dient ze binnen de twee maanden plaats te vinden.

De verplichting geldt zowel huizen, appartementen, studentenkamers als tweede verblijven.² Indien het onroerende goed niet uitsluitend voor wonen bestemd is, hangt er een kost vast aan de registratie.

Het gaat dan om een winkel of kantoor voor beroepsdoeleinden, een handelszaak, een bedrijfs- gebouw, etc. In deze gevallen heeft de eigenaar vier maanden tijd om de registratie in orde te brengen.

Door de registratie krijgt het huurcontract een vaste datum, wat inhoudt dat niemand deze datum nog kan betwisten en dat het contract bindend is voor derde partijen. Dit houdt voordelen in voor zowel de huurder als de verhuurder. Zo is de huurder wettelijk beschermd tegen uitzetting door een nieuwe eigenaar-verhuurder, aangezien deze laatste gebonden zal zijn door het huurcontract. Het voordeel voor de verhuurder is dat de huurder een opzegtermijn dient te respecteren om het geregistreerde huurcontract te beëindigen.

De contractregistratie is verplicht voor sociale huurwoningen van sociale huisvestingsmaatschappijen.

Een vergelijking met VMSW-data leert dat ongeveer de helft van de nieuwe contracten van SHM’s opgenomen zijn in de MyRent-data. De analysemogelijkheden die we in ons rapport verkennen, spitsen zich echter louter toe op de private huurmarkt. Via het ondernemingsnummer van de verhuurder (de SHM) hebben we daarom de data van de sociale huurwoningen uit de MyRent-dataset verwijderd.

De meeste sociale verhuurkantoren (SVK’s) registreren zelf de huurovereenkomsten als dienstverlening aan de eigenaar-verhuurders, en dus in naam van de verhuurder. De SVK’s kunnen, mits lidmaatschap bij HUURpunt, gebruik maken van de MyrentPro webtool. Een aantal SVK’s werkt met de gratis MyRent-webtool, waar naast particuliere ook professionele verhuurders terecht kunnen.

In het MyRent-databestand van onze studie zijn de contracten ingegeven door SVK’s er niet uitgehaald.

Het was deze keer niet mogelijk om deze contracten te selecteren in de data. Bij een toekomstige data- aanvraag kunnen de contracten van SVK-woningen eventueel geïdentificeerd worden via een koppeling met een SVK-databestand.

Statbel beschikt over de MyRent-data, die het verkrijgt van AAPD van de FOD Financiën. Pas vanaf 2011 bevat deze data het rijksregisternummer van de huurder, dat noodzakelijk blijkt voor de koppeling met de Census (zie paragraaf 1.2). Het databestand dat we voor onze studie ontvangen hebben, bevat daarom enkel huurcontracten vanaf 2011. Het gaat om contracten van onroerende goederen die (uitsluitend) bestemd zijn voor de huisvesting van personen en gezinnen. Volgende

1 Artikel 19, 3° en artikel 32, 5° Wetboek Registratierechten.

2 Ook de huurder kan het huurcontract laten registreren, maar hij is hiertoe niet verplicht.

(6)

variabelen bevinden zich in dit bestand: contractnummer, datum aanvang huurcontract, huurprijs, huurlasten, oppervlakte en contractduur. De ligging (gemeente) werd niet aangeleverd aangezien deze ook in de Census 2011 is opgenomen - waarmee een koppeling werd uitgevoerd - maar behoort mogelijk wel tot de data. De variabele ‘woningtype’ werd in de Steunpunt-studie van 2012 nog uitvoerig verkend, maar ontbrak deze keer in het geleverde databestand.

1.2 Gekoppelde databank MyRent_census 2011

Er werd naast de MyRent-data ook een gekoppeld databestand aangeleverd vanuit Statbel. Dit bestand bestond uit een koppeling van MyRent-data (sinds 2011) met gegevens van de Census 2011. De koppeling met de Census 2011 kent duidelijke voordelen. Er zullen immers meerdere woningkenmerken gekend zijn voor de huurcontracten, net als verschillende karakteristieken van de huurders. Zo kan de huurprijs geanalyseerd worden voor zowel woningtype als leeftijd van de huurder.

Het gekoppeld databestand, dat we ‘MyRent_census’ noemen, biedt daarnaast ook mogelijkheden om (eventueel) een hedonische huurprijsindex op te stellen.

De bestanden voor onze studie werden ontvangen in april 2020. Voor de koppeling van de woninggegevens uit de Census met MyRent werden door Statbel twee mogelijke methoden gevolgd:

- Methode 1: Op basis van het rijksregisternummer van de huurder, dat is opgenomen in MyRent sinds 2011, wordt een koppeling gemaakt met de Census. Het adres van de huurder(s) één maand na aanvang van het huurcontract wordt in het Rijksregister opgezocht. Dit is de eenvoudigste methode.

- Methode 2: De opgegeven adressen uit MyRent worden vergeleken met deze uit de Census. Het probleem is echter dat er fouten in het adres kunnen staan in MyRent, dus daar is gekozen om te werken met straatcodes en busnummers. Deze worden dan vergeleken met de straatcodes en busnummers uit het Rijksregister. Er is een variabele aangemaakt die aangeeft in welke mate de gegevens tussen de 2 bestanden overeenstemmen, en die aldus een ‘koppelingsprioriteit’ weergeeft.

De koppelingsprioriteit wordt groter naarmate er meer informatie overeenstemt.

Alle mogelijke koppelingen uit beide methodes werden door Statbel samen in één bestand gezet.

Vervolgens werd voor ieder contractnummer uit MyRent de combinatie gekozen met de hoogste koppelingsprioriteit, volgens bepaalde regels.

Niet voor elk huurcontract uit MyRent bleek een koppeling mogelijk met de woningen uit de Census 2011. Voor de contracten uit 2011 bedroeg dit aandeel circa 13%. Voor de tweede verblijven en studentenkamers is een koppeling logischerwijze niet mogelijk, aangezien deze woningtypes niet zijn opgenomen in de Census. Daarnaast zijn ook de nieuwbouwwoningen sinds 2011 niet vertegenwoordigd, aangezien de Census 2011 geldt voor de adressen op 1 januari 2011. Logischerwijze behoren woningen die na deze datum in gebruik zijn genomen, niet tot het databestand. Tot slot is er nog een ‘uitval’ omwille van ontbrekende of foutief ingegeven adresgegevens in MyRent. Statbel heeft al aangegeven de gehanteerde koppelingsmethode verder te verfijnen, waardoor de uitval lager zal liggen bij toekomstige dataleveringen.

De bewonerskenmerken uit de Census 2011 werden in een volgende fase aan de MyRent_census data toegevoegd, op basis van het (gecodeerde) rijksregisternummer uit het huurcontract. Deze koppeling zorgde voor geen verdere data-uitval.

1.3 Inhoud van de databestanden

Tabel 1 geeft een overzicht van de samenstelling en de variabelen van de MyRent-data en de gekoppelde dataset MyRent_census. Zoals aangegeven, behoren de huurwoningen die gebouwd zijn sinds 1 januari 2011 niet tot de MyRent_census dataset. Dit zorgt ervoor dat de data minder representatief worden, naarmate het aanvangsjaar van het contract oploopt. MyRent_census kent

(7)

vooralsnog dus geen volledig correcte samenstelling. Daarom zullen we ons in dit rapport beperken tot de verkenning van de mogelijkheden van de databestanden. In toekomstige studies kunnen dan de analyses van kenmerken van de huurcontracten uitgebreid aan bod komen (zie ook paragraaf 1.4).

Het gekoppelde databestand MyRent_census bevat volgende woningkenmerken uit de Census 2011:

woningtype, bouwperiode, aantal kamers, nuttige woonoppervlakte en aanwezigheid van badkamer en centrale verwarming. Bij een eerste verkenning van de gekoppelde data werd duidelijk dat de woningkenmerken die gelijk blijven op gebouwniveau (woningtype, bouwperiode) voor zowel appartementen als eengezinswoningen correct kunnen geanalyseerd worden. Wat betreft de overige woningkenmerken zijn echter enkel correcte analyses mogelijk voor de eengezinswoningen. Voor appartementen zijn er doorgaans immers meerdere koppelingen op adresniveau mogelijk, wat een juiste 1 op 1 koppeling onhaalbaar maakte.

De bewonerskenmerken uit de Census 2011 die werden gekoppeld, gelden voor 1 januari 2011, vóór aanvang van het huurcontract en de (eventuele) verhuis. Het gevolg is dat enkel de ‘stabiele’

kenmerken correct kunnen worden gebruikt in de analyses. Deze zijn de leeftijd en opleidingsniveau van de referentiepersoon. Van de overige kenmerken die werden opgenomen in de data-aanvraag (beroepsinkomen, huishoudtype, activiteitsstatus) kunnen we niet aannemen dat ze stabiel blijven na een verhuisbeweging.

De (voor onderzoek) relevante variabelen uit MyRent zijn de huurprijs, de bijkomende kosten (huurlasten) en de duur van de huurovereenkomst. Ongeveer een derde van de huurcontracten uit 2019 lieten bijkomende kosten optekenen, met een gemiddelde van 64 euro per maand. In 2011 was dat nog 60 euro. De huurprijs van contracten anno 2019 bedroeg 712 euro per maand, tegenover 614 euro in 2011. Interessant is dat bij de contractregistratie de huurprijs en de kosten apart dienen ingegeven te worden. Zo bestaat er op dit punt alvast geen verwarring.

Voor de huurprijzen is er een data-cleaning gebeurd. De outliers zijn verwijderd op basis van de techniek van de interkwartielafstand. Zo zijn 0,4% van de observaties van huurprijzen verwijderd.

Vermoedelijk gaat het grotendeels om foutieve waarden. De gegevens die ingevoerd worden in MyRent worden immers niet gecontroleerd. Naast een verkeerd ingegeven huurprijs, is het ook mogelijk dat een foutieve referentieperiode (dag/week/maand/trimester/semester/jaar) wordt geselecteerd. Een gelijkaardige cleaning kan ook nuttig zijn voor de huurlasten en de duurtijd van het contract. Deze variabelen zijn in dit rapport echter niet uitgebreid geanalyseerd.

De ontvangen MyRent-databank bevat ook de woonoppervlakte, maar deze variabele is slechts bij 3%

van de observaties ingevuld. De invoering ervan is niet verplicht voor de verhuurders, wat dit lage aandeel verklaard. Representatieve analyses voor de woonoppervlakte in MyRent zijn bijgevolg niet mogelijk. De nuttige woonoppervlakte behoort wel tot de woningkenmerken die kunnen geanalyseerd worden met de MyRent_census dataset (voor eengezinswoningen).

(8)

Tabel 1 Databestanden MyRent en MyRent_census: samenstelling en variabelen

MyRent MyRent_census

Samenstelling

Jaar van aanvang 2011-2019 2011-2019, steeds minder

representatief

Nieuwbouw sinds 2011 Ja Nee

Studentenkamers, tweede verblijven Ja Nee

Variabelen

Kenmerken van het huurcontract

Huurprijs Ja Ja

Huurlasten Ja Ja

Duur van het contract Ja Ja

Ligging

Gemeente Nee (wel mogelijk) Ja

Statistische sector - Ja

Woningkenmerken

Woningtype - Ja

Bouwperiode - Ja

Aantal kamers - Enkel eengezinswoningen

Woonoppervlakte Ja, maar slechts ingevuld bij 3% Enkel eengezinswoningen

Badkamer, CV aanwezig - Enkel eengezinswoningen

Bewonerskenmerken

Leeftijd - Ja

Opleidingsniveau - Ja

Huishoudinkomen, activiteitsstatus,

huishoudtype - Nee (wel mogelijk in de

toekomst)

N 1 243 657 1 012 067

Bron: Statbel, eigen bewerkingen

1.4 Aandachtspunten en toekomst

Het MyRent-analysejaar voor de gekoppelde dataset is idealiter 2010. Quasi alle huurcontracten uit 2010 zullen op 01/01/2011 immers nog gelden waardoor niet alleen alle woningkenmerken, maar ook alle bewonerskenmerken uit de Census 2011 kunnen meegenomen worden in de analyses. Voor toekomstige koppelingen met de Census wordt dus idealiter gemikt op het jaar vóór het Census-jaar wat de MyRent-data naar aanvangsjaar betreft. Statbel beschikte echter niet over de gegevens om een koppeling met de MyRent contracten van vóór 2011 mogelijk te maken. Het rijksregisternummer van de huurder is hiervoor nodig (zie hoger), terwijl dit pas vanaf 2011 in MyRent wordt bijgehouden. Voor de toekomst lijkt het ons wel mogelijk om een correcte koppeling voor MyRent_census uit te werken.

Het is vooralsnog echter nog niet beslist voor welke jaartallen de Census zal beschikbaar worden. In het meest gunstige scenario zal er een jaarlijkse Census-update komen.

Statbel geeft aan dat bepaalde kenmerken van de huishoudens (leeftijd, huishoudsamenstelling) ook kunnen aangeleverd worden voor een andere datum dan deze van de Census. Zo kan het interessant zijn om een koppeling te voorzien in de maand na ingaan van het huurcontract.

Om een beeld te krijgen van de volledige populatie private huurders voor een gegeven jaartal, dienen we een zicht te hebben op de einddatum van de bewoning. Deze einddatum wordt niet opgenomen in MyRent maar kan gevonden worden via het rijksregisternummer van de huurder, dat voor contracten vanaf 2011 in MyRent is opgenomen. Hiermee kan het adres van de huurder gevolgd

(9)

worden in het Rijksregister. Een knelpunt is dat deze adres-opvolging pas mogelijk is vanaf aanvangsjaar 2011. Het zal dus nog vele jaren duren vooraleer een populatiedatabank van private huurders kan opgesteld worden met MyRent-data (volgens de beschreven methode).

Een laatste aandachtspunt is dat huurders niet altijd gedomicilieerd zijn op het adres van het huurcontract. Dit segment van huurwoningen zonder domicilie blijft dus buiten beeld.

1.5 Aantal observaties

Figuur 1 laat zien dat het aantal jaarlijkse contractregistraties in MyRent doorheen de jaren aanzienlijk is toegenomen, van circa 115 000 in 2011 naar bijna 150 000 in 2017, waarna het aantal op hetzelfde peil blijft t.e.m. 2019. Deze trend wijst erop dat niet alle verhuurders de weg naar de registratie aanvankelijk hadden gevonden. De vraag is nu welk aandeel van de werkelijke huurcontracten in MyRent zijn opgenomen in de jongste jaren. Daarvoor vergelijken we met surveygegevens. De figuur maakt duidelijk dat in de periode 2015-2018 ongeveer 579 000 contracten zijn geregistreerd.

Daarnaast blijkt uit de Woonsurvey 2018 dat 53% van de private huurders anno 2018 verhuisd is in de periode 2015-2018, wat overeenkomt met circa 286 000 huishoudens. Dit aantal ligt dus beduidend lager dan het aantal huurcontracten uit MyRent voor deze periode, wat erop wijst dat een groot deel van de registraties betrekking heeft op de verlenging van een contract. Het wijst er ook op dat een relatief groot deel van de huurcontracten wordt geregistreerd, ook al kunnen we daar geen exact cijfer op plakken.

De figuur toont ook de aantallen voor de gecombineerde MyRent_census dataset. Zoals vermeld liggen deze aantallen beduidend lager, onder meer omdat nieuwbouwwoningen sinds 2011 niet zijn opgenomen in dit databestand. Door deze afwezigheid van nieuwbouw zien we dat het verschil op dit vlak met de MyRent dataset groeit doorheen de jaren. Het aantal in MyRent-census ligt 13% lager voor contracten uit 2011, terwijl dit percentage al opgelopen is tot 17% in 2019.

Figuur 1 Aantal observaties in MyRent en MyRent_census*, Vlaanderen, periode 2011-2019

* Exclusief nieuwbouw sinds 2011.

114634 118966 123421 127876 135815 140130 150313 152710 149564 100053

124312

0 20000 40000 60000 80000 100000 120000 140000 160000 180000

2011 2012 2013 2014 2015 2016 2017 2018 2019

MyRent dataset MyRent_census

(10)

2. REPRESENTATIVEIT VAN DE DATA

Aangezien we niet exact weten welk aandeel van de werkelijke huurcontracten is geregistreerd, is het een nuttige oefening om de representativiteit van de MyRent-data te analyseren. De contracten die niet geregistreerd zijn, kunnen immers op een aantal vlakken afwijken van deze die wel zijn geregistreerd, wat tot een systematisch vertekening (bias) van de data kan leiden.

Idealiter vergelijken we de MyRent data met populatiegegevens van de huurcontracten. Deze laatste zijn echter niet voorhanden. Meer zelfs, MyRent biedt de beste benadering van populatiedata over huurovereenkomsten die er heden bestaat in Vlaanderen. Bij gebrek aan een alternatief zullen we de representativiteit van MyRent nagaan met surveygegevens, nl. deze van de Woonsurvey 2018 en het Grote Woononderzoek (GWO) uit 2013. Hierbij hanteren we teststatistieken om de significantie van de verschillen te beoordelen. Om de verdeling naar woningtype en ligging (provincie) te analyseren, gebruiken we data van MyRent_census voor 2011. In dat jaartal is de uitval van nieuwbouw immers nog beperkt. De niet-gekoppelde MyRent-dataset kunnen we voor deze analyses niet gebruiken, omdat hierin geen gegevens voorhanden zijn over de woning en de ligging. Voor de Woonsurvey werden huurcontracten³ uit de periode 2011-2014 geselecteerd. Deze ruimere periode was nodig om een voldoende groot aantal observaties te bekomen (n=124).

De resultaten van de representativiteitsanalyse zijn weergegeven in tabel 2. We stellen vast dat het aandeel meergezinswoningen voor beide databronnen amper - en niet significant - van elkaar verschil, met 63% in MyRent_census tegenover 64% in de Woonsurvey 2018. De p-waarde van 0,81 wil zeggen dat - gegeven de nulhypothese -⁴er een kans van 81% is dat wanneer er een steekproef uit MyRent_census wordt getrokken van 124 observaties, het verschil inzake verdeling van het woningtype deze of een grotere afwijking kent. Alleen wanneer deze kans kleiner is dan 5%, wordt het verschil significant genoemd. Wat de provincieverdeling van de huurcontracten betreft, blijkt het verschil eveneens niet statistisch significant. Antwerpen kent het grootste aandeel in beide datasets, gevolgd door West- en Oost-Vlaanderen, terwijl Limburg het laagste aandeel kent.

Tabel 2 Analyse van de datarepresentativiteit, op vlak van woningtype en ligging MyRent_census,

aanvangsjaar 2011 Woonsurvey 2018,

aanvangsjaar 2011-2014 Significantietest Woningtype

Eengezinswoning 37,3 36,2 χ²=0,06; p=0,81

Meergezinswoning 62,8 63,8

Provincie

Antwerpen 32,6 36,1 χ²=1,96; p=0,74

Vlaams-Brabant 14,4 12,0

West-Vlaanderen 19,7 20,3

Oost-Vlaanderen 23,5 20,1

Limburg 9,8 11,5

N 100 053 124

Bron: Statbel (eigen bewerkingen), Woonsurvey 2018

De gemiddelde huurprijs kunnen we zowel berekenen volgens de MyRent-data als de gekoppelde dataset MyRent_census. Voor aanvangsjaar 2011 bedraagt dit gemiddelde achtereenvolgens 614 en

3 Van huishoudens die verhuisd zijn.

4 De nulhypothese stelt dat er geen verschil is tussen de verdeling (van het woningtype) in beide databronnen.

(11)

608 euro per maand, zoals tabel 3 laat zien. Als vergelijkingspunt hanteren we hier het Grote Woononderzoek van 2013, en de aanvangsperiode 2011-2012.⁵ Opnieuw werden er meerdere jaartallen geselecteerd, om de steekproef voldoende groot te maken (n=415). Het gemiddelde volgens het GWO 2013 bedraagt 609 euro per maand, met een 95%-betrouwbaarheidsinterval van (576 - 642 euro). Hieruit besluiten we dat er geen significant verschil bestaat met de gemiddelde huurprijs op basis van zowel MyRent als MyRent_census. De tabel toont verder dat ook de verschillen inzake mediaan huurprijs eerder beperkt zijn tussen de verschillende datasets, met 590 euro per maand in MyRent tegenover 580 in het GWO 2013.

Tabel 3 Analyse van de datarepresentativiteit, op vlak van huurprijs, in euro/maand MyRent

aanvangsjaar 2011 MyRent_census

aanvangsjaar 2011 GWO 2013, aanvangsjaar 2011-2012

Gemiddelde huurprijs 614* 608* 609

Mediaan huurprijs 590 575 580

N 114 634 100 053 415

* T-test: geen significant verschil met kolom 3.

Bron: Statbel (eigen bewerkingen), Grote Woononderzoek 2013

Tot slot vergelijken we ook de verdeling van de huurprijs in de verschillende databestanden. Figuur 2 geeft de verdelingen weer voor aanvangsjaar 2011 in MyRent_census en het GWO met aanvangsperiode 2011-2012. Visueel stellen we vast dat deze verdelingen sterk bij elkaar aansluiten, met slechts een beperkt aandeel dat onder 300 euro of boven 900 euro uitkomt. Ongeveer twee derden van de huurprijzen ligt tussen 400 en 700 euro in beide bestanden. Het verschil blijkt ook statistisch niet significant.

Figuur 2 Analyse van de datarepresentativiteit, voor verdeling van de huurprijs (in %), MyRent_census, aanvangsjaar 2011 (links) versus Grote Woononderzoek 2013, aanvangsjaar 2011-2012 (rechts)

χ²=6,41; p=0,17.

N: Myrent (100 054), GWO 2013 (415).

Wanneer we de verdeling van de huurprijzen vergelijken tussen de MyRent-dataset en het GWO, zien we ook geen significant verschil. Zoals figuur 3 weergeeft, ligt ook in de niet-gekoppelde MyRent data ongeveer twee derden van de huurprijzen tussen 400 en 700 euro.

5 De huurprijs werd gecorrigeerd volgens de gezondheidsindex om vergelijkbaar te zijn met aanvangsjaar 2011.

(12)

De verschillende analyses van de representativiteit geven geen indicatie dat er systematische vertekeningen aanwezig zijn in de data van MyRent_census 2011 voor een aantal cruciale variabelen (huurprijs, woningtype, ligging) of voor de huurprijs in MyRent 2011. De gegevens naar aanvangsjaar kunnen daarom aangewend worden voor zowel monitoring als meer diepgaande analyses. Voor MyRent_census is er wel de voorwaarde dat de koppeling idealiter gebeurt voor het jaar vóór het Census-jaar.

Figuur 3 Analyse van de datarepresentativiteit, voor verdeling van de huurprijs (in %), MyRent,

aanvangsjaar 2011 (links) versus Grote Woononderzoek 2013, aanvangsjaar 2011-2012 (rechts)

χ²=8,75; p=0,068.

N: Myrent (114 634), GWO 2013 (415).

(13)

3. MOGELIJKHEDEN VAN DE DATA

3.1 Monitoring van de gemiddelde en mediaan huurprijs van nieuwe contracten

Een eerste en belangrijke mogelijkheid van de MyRent-data is de monitoring van de gemiddelde en mediaan huurprijs naar jaartal van het huurcontract. De huurprijzen naar aanvangsjaar geven immers de prijzen weer waar de woningzoekenden rekening mee moeten houden. Ze zijn een indicator voor de actuele situatie op de huurmarkt. Deze indicator is daarom ook opgenomen in het voorstel voor een Vlaamse Woonmonitor (Winters et al, 2020).

In figuur 4 zien we de evolutie van de gemiddelde huurprijs van nieuwe huurcontracten in Vlaanderen, in lopende prijzen, volgens zowel de MyRent-databank als de MyRent_census data. Voor beide zien we een oplopende trend, terwijl in elke meetpunt het gemiddelde lager ligt voor MyRent_census. Dit verschil loopt bovendien op over de jaartallen heen. Dit heeft te maken met afwezigheid van nieuwbouw vanaf 2011 in de gekoppelde dataset. Het heeft dan ook weinig zin om de huurprijzen in dit rapport op te delen naar woningtype op basis van deze databank, al zal dat in de toekomst - bij de opmaak van een correcte databank - een interessante aanvulling vormen.

De figuur toont voorts de gemiddelde huurprijs volgens de CIB-huurbarometer voor de jaartallen 2018 en 2019 (CIB Vlaanderen, 2020). We stellen vast dat deze aanzienlijk hoger uitvallen dan op basis van MyRent, voornamelijk in 2019 waar we een verschil optekenen van 49 euro. De CIB-barometer wordt opgesteld op basis van gegevens van vastgoedkantoren die zijn aangesloten bij CIB Vlaanderen. Het betreft woninghuurcontracten die zijn afgesloten via bemiddeling door een vastgoedkantoor. Volgens de Woonsurvey 2018 wordt anno 2018 37% van de private huurwoningen verhuurd via deze vorm van bemiddeling (Heylen & Vanderstraeten, 2019). De vergelijking met MyRent maakt alvast duidelijk dat de afwezigheid van bepaalde huursegmenten de gemiddelden naar boven duwen. Dat niet elk segment is vertegenwoordigd in de CIB-data, blijkt ook het aantal observaties. Voor 2019 bevat de CIB- dataset 31 973 huurcontracten in Vlaanderen, tegenover ongeveer 150 000 in MyRent. Ook het CIB geeft zelf aan dat er aan de onderkant van de huurprijsverdeling een kleine vertekening in hun data kan zitten. De vastgoedkantoren zijn immers actiever op het midden- en duurdere segment van de huurmarkt dan op het ‘goedkopere’ segment (CIB Vlaanderen, 2020).

Het gemiddelde van de huurprijzen van de CIB-databank stijgt beduidend tussen 2018 en 2019, van 734 naar 761 euro per maand. Deze stijging is sterker dan bij de MyRent-data. Als verklaring voor de sterke toename verwijst CIB naar de instroom in de sector van nieuwe, kwaliteitsvolle huurwoningen.

Het gaat meestal om nieuwbouwappartementen die worden verhuurd. Omdat deze zich in de hogere prijscategorieën bevinden, trekken ze de gemiddelden omhoog (CIB Vlaanderen, 2020).

De mediaan huurprijs per maand, weergegeven in figuur 5, blijkt hoger te liggen in de MyRent-dataset dan in de gekoppelde databank MyRent_census voor de meeste meetpunten, al blijkt deze mediaan even hoog in 2012 en 2016. Een vergelijking tussen figuren 4 en 5 maakt verder duidelijk dat de trend van de gemiddelde huur meer gelijkmatig loopt dan deze van de mediaan, die eerder in ‘schokken’

loopt van 5 of 10 euro. Het lijkt dus aangewezen om zowel het gemiddelde als de mediaan te monitoren van de huurprijzen, om een volledig beeld te verkrijgen van de huurprijsevolutie.

(14)

Figuur 4 Evolutie van de gemiddelde huurprijs, in euro/maand, in lopende prijzen, volgens diverse bronnen, Vlaanderen

Bron: Statbel (eigen bewerkingen), CIB Vlaanderen

Figuur 5 Evolutie van de mediaan huurprijs, in euro/maand, in lopende prijzen, volgens diverse bronnen, Vlaanderen

3.2 Huurprijsindex voor nieuwe huurcontracten

Een tweede interessante opportuniteit van de MyRent-data is het opstellen van een huurprijsindex van nieuwe huurcontracten. Deze oefening hebben we gedaan voor de niet-gekoppelde MyRent- dataset. Het resultaat is weergegeven in figuur 6, waar de grijze lijn de huurprijsindex weergeeft. Als basisjaar is 2011 gekozen. Verder geeft de figuur ook de gezondheidsindex weer (gele lijn), die een indicatie geeft van de evolutie van de huurprijs van lopende contracten. De figuur maakt duidelijk dat de huurprijsindex een sterkere stijging kent dan de gezondheidsindex, wat een logisch resultaat is. Het

614 639 652 664 675 683 690 702734 712761

400 450 500 550 600 650 700 750 800

2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020

Euro/maand

MyRent MyRent_census CIB-Huurbarometer

590 600 625 640 650 650 660 675 695

400 450 500 550 600 650 700 750

2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020

Euro/maand

MyRent dataset MyRent-census

(15)

spel van vraag en aanbod speelt immers mee bij nieuwe contracten, in tegenstelling tot bij de lopende.

En daarnaast is er de impact van nieuwbouw en renovatie op het huurwoningenbestand, die bij lopende contracten niet van tel is.

De samenstelling van het woningenbestand waarmee de jaarlijkse huurprijsindex wordt berekend, verschilt van jaar tot jaar. De index kan dus stijgen doordat er in jongere jaren relatief meer grote huurwoningen of woningen op duurdere locaties zijn opgenomen. Zo zal de (duurdere) nieuwbouw de index sowieso opwaarts duwen. Een hedonische huurprijsindex corrigeert voor deze kwaliteitsverschillen en geeft de prijsevolutie weer van een ‘identieke’ woning doorheen de tijd.

Hiervoor wordt een hedonisch regressiemodel opgesteld, met naast een aantal woningkenmerken ook het contractjaar als verklarende variabele. De huurprijs vormt in dit model de afhankelijke variabele.

In figuur 6 zien we een hedonische prijsindex voor eengezinswoningen en appartementen apart. Deze zijn berekend op basis van huurprijs- en woninggegevens uit de Huurschatter, een webtoepassing waar zowel huurder als verhuurder een huurprijs kan laten bepalen op basis van een objectief schattings- model (Vastmans, 2019). Het bestand van private huurwoningen wordt continu gerenoveerd, en jaarlijks aangevuld met kwaliteitsvolle nieuwbouwwoningen en -appartementen. Aangezien de hedonische huurprijsindex de prijsevolutie weergeeft van identieke woningen - dus zonder de impact van deze kwaliteitsverbetering - ligt deze index logischerwijze onder de index van de nieuwe contracten, waar dit kwaliteitsaspect wel wordt meegenomen. Toch blijkt de hedonische index van de appartementen niet sterk onder de huurindex van de nieuwe contracten te liggen in het jongste meetpunt (2019). Mogelijk zou het verschil meer uitgesproken zijn als de huurprijsindex van de nieuwe contracten opgedeeld was naar woningtype. Hiervoor hebben we echter correcte MyRent_census data nodig voor de aanvangsperiode 2011-2019. Deze gegevens zijn echter (nog) niet voorhanden.

Figuur 6 Huurprijsindices voor Vlaanderen, periode 2011-2019

Bron: Statbel (eigen bewerkingen), Vastmans (2019) 100

104,1

106,2 108,1

109,9 111,2 112,3

114,2

115,9

100 102 104 106 108 110 112 114 116 118

2011 2012 2013 2014 2015 2016 2017 2018 2019

INDEXCIJFER

Hedonische huurprijsindex eengezinswoning Hedonische huurprijsindex appartement

Huurprijsindex MyRent Gezondheidsindex

(16)

3.3 Analyse van regionale verschillen

De MyRent-databank biedt verschillende mogelijkheden om de ruimtelijke differentiatie in huurprijzen weer te geven. Hieronder belichten we er enkele.

3.3.1 Op niveau van centrumsteden

MyRent_census bevat voldoende observaties om de evolutie van de huurprijzen van nieuwe contracten op niveau van de centrumsteden nauwkeurig te monitoren. Wanneer er een opdeling gemaakt wordt naar woningtype, verschillen de mogelijkheden evenwel. Onderstaande figuur bevat bijvoorbeeld de evolutie van de gemiddelde huurprijs van meergezinswoningen voor drie meetpunten (aanvangsjaren). Het laagste aantal observaties vinden we terug in Genk, voor 2011, met N=455.

Wanneer we de evolutie van de huurprijs van eengezinswoningen bekijken, ligt het laagste aantal echter lager. Zo zijn er maar 163 observaties voor Genk in aanvangsjaar 2011. Aangezien het om populatiegegevens gaat, is dit aantal voldoende hoog om nauwkeurige gegevens te presenteren.

Onderstaande figuur maakt duidelijk dat in 11 van de 13 centrumsteden, in lopende prijzen, de gemiddelde huurprijs is toegenomen tussen elk meetpunt, uitgezonderd Leuven en Kortrijk (figuur 7).

In deze steden blijkt het prijspeil gestabiliseerd tussen 2015 en 2019. Bij deze resultaten hoort echter de kanttekening dat nieuwbouw sinds 2011 niet in de data is meegenomen. Mogelijk zou de huurprijs in Leuven, waar er vele nieuwbouwprojecten zijn voltooid de voorbije jaren, dan wel toenemen in de jongste periode. Verder kan er geopteerd worden om de prijsevolutie ook in constante prijzen uit te drukken (bv. prijzen van 2019) om een beter zicht te krijgen op de evolutie inzake betaalbaarheid.

Figuur 7 Gemiddelde huurprijs van meergezinswoningen (in euro/maand), evolutie naar aanvangsjaar, per centrumstad, op basis van MyRent_census*, Vlaanderen

* Nieuwbouw sinds 2011 is niet meegenomen.

3.3.2 Op niveau van gemeenten

De MyRent-databank biedt ook de kans om de gemiddelde huurprijs per gemeente in beeld te brengen. Doordat het absolute aantal observaties voor behoorlijk wat gemeenten eerder aan de lage kant ligt, is het raadzaam om de gemiddelde huurprijzen van de gemeenten opgedeeld in categorieën weer te geven. Zo zien we niet de exacte gemiddelden van de gemeenten op de kaart, maar wel de

0 100 200 300 400 500 600 700 800

Euro/maand

2011 2015 2019

(17)

klasse in de verdeling van de gemiddelde huurprijs tot welke de gemeente behoort. De klassegrenzen kunnen op veel manieren worden bepaald. Een veelgebruikte techniek is om de klassegrenzen te laten samenvallen met de grenzen van de kwartielen. Dit zorgt voor een kaartbeeld dat duidelijk is voor een breed publiek. Een voorbeeld hebben we uitgewerkt voor de huurprijzen van appartementen met aanvangsjaar 2011 (MyRent_census) (zie figuren 8, 9 en 10).⁶

Een andere afweging die (telkens) dient gemaakt te worden door het lage absolute aantal observaties per gemeente, is bepalen welke gemeenten wel of niet worden opgenomen in het kaartbeeld. Anders geformuleerd: hoeveel huurcontracten dienen er minimum te zijn afgesloten in een gemeente, om opgenomen te worden in de analyse en kaart? Wanneer de gemiddelde huurprijs in een gemeente gebaseerd is op een (te) laag aantal huurcontracten, vergroot de kans dat de gemiddelde waarde niet echt betrouwbaar is. Om de kans op onbetrouwbare data voor kleinere ruimtelijke eenheden te minimaliseren, gebruiken geografen meestal een ondergrens van 50, soms van 30, observaties per gemeente. Ook deze afweging hebben we verwerkt in het voorbeeld (zie figuur 8, 9 en 10). Figuur 8 toont de kaart van Vlaanderen met gemeenten met meer dan 10 geregistreerde huurcontracten zichtbaar, terwijl figuren 9 en 10 een ondergrens hanteren van rep. 30 en 50 huurcontracten.

Het valt op dat er veel gemeenten op ‘vertrouwelijk’, en dus niet zichtbaar, worden gezet wanneer de ondergrens op 30 of 50 staat. Zeker bij een ondergrens van 50 geregistreerde huurcontracten zijn er dermate veel blanco gemeenten waardoor het ruimtelijk beeld verloren gaat. Nochtans heeft een kaart in de eerste plaats tot doel een ruimtelijke dynamiek bloot te leggen. We dienen er dan ook naar te streven om, binnen de grenzen van wat wetenschappelijk verantwoordbaar is, het ruimtelijk patroon maximaal te tonen. Wat onze oefening aantoont, is dat het ruimtelijk patroon (heel) consistent is wanneer alle gemeenten met meer dan 10 geregistreerde huurcontracten op zichtbaar worden gezet. De gemeenten met 10 tot 30 geregistreerde huurcontracten blijken gemiddelden voor te leggen die aansluiten bij hun buurgemeenten. Hierdoor lijken hun gemiddelden eerder wel dan niet betrouwbaar. Het resultaat is alleszins dat er in figuur 8 een duidelijk ruimtelijk patroon wordt getoond. Verder blijkt ook dat de gemeenten niet van kwartiel veranderen bij de verschillende ondergrenzen. We concluderen hieruit dat ook bij lage aantallen (tussen 10 en 30 observaties) de gemeenten al mee kunnen worden opgenomen in de kaarten. Voor alle duidelijkheid: zulke oefening moet steeds worden gemaakt alvorens men de ondergrens verlaagt onder 30 of 50 observaties.

6 Met dank aan Lieve Vanderstraeten voor de input bij deze analyse.

(18)

Figuur 8 Gemiddelde huurprijs van meergezinswoningen, nieuwe contracten* in 2011, naar kwartielen van huurprijs (euro/maand), per gemeente, op basis van Myrent_census, Vlaanderen

* Exclusief nieuwbouw van 2011, minimum N=10 per gemeente.

Figuur 9 Gemiddelde huurprijs van meergezinswoningen, nieuwe contracten* in 2011 (euro/maand), naar kwartielen van huurprijs, per gemeente, op basis van Myrent_census, Vlaanderen

(19)

Figuur 10 Gemiddelde huurprijs van meergezinswoningen, nieuwe contracten* in 2011, naar kwartielen van huurprijs (euro/maand), per gemeente, op basis van Myrent_census, Vlaanderen

3.4 Analyses naar woning- en bewonerskenmerken

De aanwezigheid van meerdere woningen bewonerskenmerken in de MyRent_census-databank maakt een waaier van bijkomende diepte-analyses mogelijk m.b.t. de huurprijs, in aanvulling van de basis-monitoring. Bovendien kunnen ook de andere kenmerken van het huurcontract geanalyseerd worden naar achtergrondkenmerken, zoals de contractduur en de huurlasten.

Vooralsnog zijn de analyses naar woningen bewonerskenmerken nog niet opportuun, omwille van de tekortkomingen van de huidige MyRent_census. Nieuwbouw is immers niet opgenomen sinds 2011.

De koppeling tussen Myrent en de Census gebeurt idealiter voor het jaar vóór het Census-jaar, wat deze keer niet mogelijk bleek (zie hoofdstuk 1). Statbel overweegt om in de toekomst Census-gegevens te berekenen voor elk jaartal. In dat geval zullen er jaarlijkse analyses mogelijk worden op basis van de gekoppelde dataset MyRent_census. Maar ook bij periodieke niet-jaarlijkse Census-gegevens (bv. elke 5 jaar), zullen er tal van analysemogelijkheden zijn. De huurprijs kan dan geanalyseerd worden voor alle woningen bewonerskenmerken uit tabel 1 voor zowel eengezins- als meergezinswoningen.

Ter illustratie geven we hieronder de gemiddelde huurprijs van nieuwe contracten weer naar leeftijdsgroep, voor aanvangsjaar 2011. De gemiddelden verschillen niet sterk tussen de leeftijds- klassen met uitzondering van de jongste groep (18-30 jaar), waar de huurprijs uitkomt op gemiddeld 566 euro per maand. Eerder bleek ook uit de Woonsurvey 2018 dat de jongste groep de laagste huurprijs laat noteren (Heylen & Vanderstraeten, 2019).

(20)

Figuur 11 Gemiddelde huurprijs (euro/maand) van nieuwe contracten*, in 2011, naar leeftijd van de referentiepersoon, op basis van MyRent_census, Vlaanderen

* Exclusief nieuwbouw van 2011.

3.5 Hedonische huurprijsindex

De MyRent_census-databank zal in de toekomt mogelijkheden bieden om een hedonische huurprijsindex uit te werken, voor zowel eengezins- als meergezinswoningen. Dit is een index die weergeeft hoe de huurprijs van een identieke woning bij het aangaan van een nieuw contract doorheen de tijd evolueert. De hedonische huurprijsindex, opgesteld door middel van een regressiemodel, corrigeert dus voor verschillen in aard en kwaliteit van de woningen over de jaren heen. Tabel 1 geeft de woningkenmerken weer die bij deze analyse kunnen opgenomen worden. Deze set variabelen is beperkter dan bij de Huurschatter, die vooralsnog gebruikt is in Vlaanderen om de hedonische huurprijsindex mee op te stellen (Vastmans, 2019). Daarentegen heeft MyRent_census het voordeel dat er veel meer observaties beschikbaar zijn, en dat - vermoedelijk - de data minder vertekend zijn dan bij de Huurschatter. Een ander nadeel van de Huurschatter-methode is dat wanneer nieuwe data beschikbaar komen, het regressiemodel dient te worden herschat. Dit heeft ook gevolgen voor de prijsindices van de voorbije jaren. Alhoewel deze aanpassingen doorgaans klein zijn, houdt dit in dat de reeks regelmatig retroactief wijzigt (Winters et al, 2020).

Er bestaan echter mogelijkheden om de MyRent-databank nog met meer woningvariabelen aan te vullen dan het geval is met de Census-koppeling. Zo kan MyRent-data gecombineerd worden met woninggegevens uit de VEA-databank over EPC-gegevens en met data uit het gebouwenregister. Een hedonische huurprijsindex op basis van zulk een rijke dataset zal nog extra mogelijkheden bieden t.o.v.

MyRent_census. Voor de monitoring van de huurprijzen en diepte-analyses m.b.t. huurprijs volstaat evenwel de MyRent_census databank.

566 606 607 592 599 601

0 100 200 300 400 500 600 700

18-30 31-40 41-50 51-60 61-70 ouder dan 70

Euro/maand

(21)

4. OPVOLGING AANBEVELINGEN UIT 2012 EN NIEUWE SUGGESTIES

Het Steunpunt-rapport uit 2012 over de databank met geregistreerde huurcontracten bevatte enkele aanbevelingen m.b.t. de registratie van de gegevens (Tratsaert, 2012). In dit hoofdstuk gaan we na in welke mate deze bemerkingen anno 2020 nog gelden. Verder geven we ook enkele suggesties mee aan Statbel voor hun data-aanvraag bij AAPD (FOD Financiën) en aan AAPD zelf voor de registratie van de huurcontracten. Telkens vanuit het oogpunt om de onderzoeksmogelijkheden te maximaliseren.

In het rapport uit 2012 werd gepleit voor een vaste systematiek wat betreft de registratie van de adrescode. Het adres in MyRent bleek immers dikwijls niet uniek te zijn. Op dit vlak zijn er sindsdien stappen gezet. Zo kent de webtool van MyRent een gestandaardiseerde adres-invulling, zoals weergegeven in figuur 12. We hebben de adres-registratie echter niet volledig kunnen evalueren, aangezien de aangeleverde MyRent-dataset geen adresinformatie bevatte. De adresinformatie uit onze studie was afkomstig uit de Census 2011.

Voorts werd in het rapport van 2012 gepleit voor meer systematiek bij de invulling van het open veld

‘woningtype’. Dit veld bleek anno 2010 ook slechts ingevuld bij 14% van de huurcontracten. Anno 2020 is het veld ‘woningtype’ een gestandaardiseerde gesloten vraag met volgende categorieën: huis, appartement, kantoor, magazijn. Naar onze mening zou de categorie ‘studentenkamer’ hier een interessante aanvulling zijn. Deze kamers kennen immers een registratieplicht, terwijl ze doorgaans niet worden opgenomen in de statistieken van huurprijzen op de private markt. Door de koppeling met de Census worden ze uit de analyses gelaten, maar het zou interessant zijn om voor dit woningtype aparte analyses te kunnen uitvoeren. Verder zou het nuttig zijn om ook de categorieën ‘kamer (niet- voor studenten)’ en ‘studio’ toe te voegen bij het woningtype, om een meer gedetailleerd beeld te verkrijgen. Meer algemeen, kan er voor het veld ‘woningtype’ eventueel naar afstemming gezocht worden met de indeling die Statbel hanteert voor de kadasterdata.

In het Steunpunt-rapport van 2012 werd aanbevolen om het rijksregisternummer van de huurder aan het contractadres te koppelen. Via deze weg kan men te weten komen of een huurcontract in MyRent- data nog lopende is of niet. De einddata van de contracten worden immers niet geregistreerd. Deze aanbeveling heeft gevolg gekregen, aangezien sinds aanvangsjaar 2011 het rijksregisternummer van de huurder opgenomen is in MyRent. Voor elke huurder uit deze dataset kan zo in het Rijksregister nagegaan worden of hij/zij nog op hetzelfde adres woont op een gegeven ogenblik. Met deze informatie kan op (langere) termijn een populatiedatabank van private huurders opgesteld worden, wat tal van onderzoeksmogelijkheden biedt. Het is dus belangrijk dat het rijksregisternummer van de huurder blijft opgenomen worden in MyRent (zie ook pararaaf 1.4).

In onze ontvangen MyRent-data was het woningtype niet opgenomen. De aanbeveling aan Statbel is om in de toekomst ook deze variabele aan te vragen bij AAPD, net zoals de andere woningkenmerken die standaard worden gevraagd in de MyRent, zoals het aantal kamers, de buiteninrichting en het veld

‘diverse’. De categorieën bij de variabelen zijn weergegeven in figuur 12. Verder doen we de suggestie aan Statbel, die nog in een startfase zit wat de ontsluiting van de MyRent-data betreft, om de MyRent- variabelen en bijhorende categorieën te voorzien van de nodige beschrijvingen (codeboek).

De variabele ‘oppervlakte’ maakte deel uit van de aangeleverde MyRent-databank. Zoals vermeld, bleek dit veld slechts bij circa 3% van de huurovereenkomsten te zijn ingevuld. Figuur 12 laat zien dat de invulling van dit veld niet verplicht is (geen rood kruisje). Een nieuwe aanbeveling voor AAPD is dan ook om meer velden verplicht te laten registeren. Ook de velden ‘woningtype’ en ‘aantal kamers’ zijn immers niet verplicht in te vullen.

(22)

Een laatste aanbeveling uit 2010 was om de ‘kantoorgebonden’ verschillen in registratie, voornamelijk m.b.t. het veld woningtype, weg te werken. Door de introductie van een gesloten vraag voor het woningtype, is aan deze aanbeveling tegemoetgekomen.

Figuur 12 Gegevens over het verhuurde goed, uit de MyRent-webtool, 2020

Bron: FOD Financiën (2020)

(23)

5. CONCLUSIES

Sinds 2007 zijn verhuurders van onroerend goed in België verplicht om hun huurcontracten te registreren bij de FOD Financiën (AAPD). In deze studie werden de mogelijkheden van de gegevens van deze contracten verkend voor sociaalwetenschappelijk en economisch onderzoek in Vlaanderen. De databank met de geregistreerde huurcontracten wordt ‘MyRent’ genoemd.

Via Statbel hebben we voor de MyRent-data ook een koppeling bekomen met gegevens van de Census 2011. Dit geeft het (grote) voordeel dat er ook analyses van de huurprijs - en andere contractkenmerken - mogelijk zijn naar woningen bewonerskenmerken. Op dat vlak zijn de mogelijkheden van MyRent zelf beperkt. Omdat de verhuurder de woningkenmerken niet verplicht dient te registreren, en omdat de kenmerken van de huurder niet beschikbaar zijn in MyRent.

Om een (quasi) volledig correcte koppeling tussen MyRent en de Census te bekomen dient deze te gebeuren voor het aanvangsjaar in MyRent vóór het Census-jaar. Bijvoorbeeld door huurcontracten uit 2010 te koppelen met de Census 2011. Op deze manier zullen de bewoners- en woninggegevens van de Census op 1 januari overeenkomen met deze voor het huishouden en de woning van het huurcontract. Via het Rijksregisternummer - dat opgenomen is in MyRent sinds 2011 - kan voor deze overeenstemming nog een extra check worden ingebouwd. Men kan immers na een aantal maanden opnieuw verhuizen. Met de voorgestelde koppeling zal ook de nieuwbouw van 2010 meegenomen zijn in de databank.

De verschillende analyses van de representativiteit gaven ons het positieve resultaat dat er geen systematische vertekeningen zijn in de data van de gekoppelde MyRent_census 2011 voor een aantal essentiële variabelen (huurprijs, woningtype, ligging) of voor de huurprijs in MyRent 2011. We concluderen hieruit dat deze data kunnen aangewend worden voor onderzoek. Voor MyRent_census is er, zoals vermeld, wel de voorwaarde dat de koppeling idealiter gebeurt voor het jaar vóór het Census-jaar. De MyRent_census die we hebben samengesteld, kent vooralsnog nog niet deze volledig correcte samenstelling. Daarom hebben we ons in het rapport beperkt tot de verkenning van de mogelijkheden van de databestanden, voornamelijk voor aanvangsjaar 2011 (waar de vertekening in MyRent_census het kleinst is). In toekomstige studies kunnen dan de analyses van kenmerken van de huurcontracten uitgebreid aan bod komen. Statbel heeft nog geen zekerheid over de periodiciteit van de Census in de toekomst, maar het is zeker dat er (minstens) elke x aantal jaar een Census-update beschikbaar zal worden voor onderzoek. Momenteel verkent Statbel ook de optie van een jaarlijkse update.

De verschillende mogelijkheden van de MyRent-data, eventueel gekoppeld met Census-gegevens, werden vervolgens verkend en geïllustreerd in dit rapport. Zo zal het mogelijk zijn om in de toekomst de gemiddelde en mediaan huurprijs naar contractjaar te monitoren. Dit is momenteel reeds een indicator in het voorstel van het Steunpunt Wonen voor een Vlaamse Woonmonitor (Winters e al, 2020). We zagen ook dat de gemiddelde huurprijs een meer verfijnde evolutie vertoont dan deze van de mediaan, wat ervoor pleit om beide op te volgen.

Om de prijsevolutie van nieuwe huurcontracten te monitoren, kan ook een huurprijsindex worden opgesteld met MyRent-data, opgedeeld naar woningtype. Deze index biedt bijkomende informatie t.o.v. een hedonische huurprijsindex die de prijsevolutie van een identieke woning weergeeft.

Doorheen de tijd wijzigen de verwachtingen van de burgers immers ten aanzien van wonen, gelijklopend met een aantal maatschappelijke evoluties (bv. opmars van energiezuinige attitudes, hogere comfortverwachtingen). De samenstelling van het woningenbestand wijzigt dan ook doorheen de tijd. De huurprijsindex van nieuwe contracten zal beter de actuele situatie voor de woningzoekenden weergeven en nuttige inzichten over betaalbaarheid leveren.

(24)

Verder toonden we dat MyRent voldoende observaties bevat om resultaten te presenteren op niveau van de centrumsteden en de gemeenten. Voor deze laatste is het zinvol om met een kaartweergave voor Vlaanderen te werken, wat we hebben geïllustreerd met de huurprijs van meergezinswoningen.

Hieruit kwam een duidelijk ruimtelijk patroon naar voor. In de toekomst zal er een waaier aan diepgaandere analyses mogelijk worden, met opdelingen van de huurprijs (of huurlasten, contractduur) naar woningen bewonerskenmerken.

Wat de aanbevelingen m.b.t. MyRent uit het Steunpunt-rapport uit 2012 betreft, merkten we dat hier in grote mate aan tegemoet gekomen is, voornamelijk door een sterkere systematiek in de registratie van de huurcontracten. Nieuwe suggesties, met oog op maximalisatie van onderzoeksmogelijkheden, zijn om de registratie van de woningkenmerken in MyRent verplicht te maken voor de verhuurders.

Voorts zouden de categorieën ‘studentenkamer’, ‘kamer’ en ‘studio’ nuttige aanvullingen zijn bij het veld ‘woningtype’.

(25)

B ^IJLAGEN

(26)

BIJLAGE 1

B1.1 Gemiddelde huurprijs op gemeenteniveau, voor eengezinswoningen

Figuur B1 Gemiddelde huurprijs van eengezinswoningen, nieuwe contracten* in 2011, naar kwartielen van huurprijs (euro/maand), per gemeente, op basis van Myrent_census, Vlaanderen

(27)

REFERENTIES

CIB Vlaanderen (2020), CIB‐Huurbarometer geeft zicht op recente evolutie van de huurprijzen Appartement huren in Brussel bijna 400 euro duurder dan in Vlaanderen, Persbericht.

FOD Financiën (2020), Demonstratie tegelijkertijd een huurcontract en plaatsbeschrijving aanbieden (goed dat uitsluitend bestemd is voor huisvesting), MyRent [https://financien.belgium.be/].

Heylen, K. & Vanderstraeten, L. (2019), Wonen in Vlaanderen anno 2018. Leuven: Steunpunt Wonen, 165 p.

Tratsaert, K. (2012), Huurprijzen en richthuurprijzen. Deel II: De registratie van huurcontracten als informatiebron van de private huurmarkt, Steunpunt Ruimte en Wonen, 65 p.

Vastmans, F. (2019), De huurschatter, nieuwe resultaten versie 3, 2019. Leuven: Steunpunt Wonen, p.

43.

Winters, S., Heylen, K., Vanderstraeten, L., & Vastmans, F. (2020). Voorstel voor een Vlaamse woonmonitor. Versie mei 2020. Leuven: Steunpunt Wonen, 102 p.

(28)

Het Steunpunt Wonen is een samenwerkingsverband van de KU Leuven, de VUB, de Universiteit Antwerpen en de TUDelft (Nederland).

Binnen het Steunpunt verzamelen onderzoekers van verschillende wetenschappelijke disciplines objectieve gegevens over de woningmarkt en het woonbeleid. Via gedegen wetenschappelijke analyses wensen de onderzoekers bij te dragen tot een langetermijnvisie op het Vlaamse woonbeleid.

Het Steunpunt Wonen wordt gefinancierd door het Vlaamse Gewest.

Data van huurcontracten in Vlaanderen