LEEGSTAND IN VLAANDEREN - Steunpunt Wonen 2016-2020 · Universiteit Antwerpen en de Afdeling OTB...

LEEGSTAND IN VLAANDEREN Mogelijkheden en beperkingen van de verschillende beschikbare databanken

Lieve Vanderstraeten, Frank Vastmans & Michael Ryckewaert

LEEGSTAND IN VLAANDEREN Mogelijkheden en beperkingen van de verschillende beschikbare databanken

Lieve Vanderstraeten, Frank Vastmans & prof. dr. Michael Ryckewaert

Promotoren: prof. dr. Erik Buyst & prof. dr. Michael Ryckewaert

Leuven, november 2016

●●●●●

Leegstand in Vlaanderen | 4

Het Steunpunt Wonen is een samenwerkingsverband van de KU Leuven, de Universiteit Hasselt, de Universiteit Antwerpen en de Afdeling OTB – Onderzoek voor de gebouwde omgeving van de TUD (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 de Vlaamse overheid, binnen het programma ‘Steunpunten voor Beleidsrelevant Onderzoek 2012-2015’.

Gelieve naar deze publicatie te verwijzen als volgt: Vanderstraeten L., Vastmans F. & Ryckewaert M. (2016), Leegstand in Vlaanderen. Mogelijkheden en beperkingen van de verschillende beschikbare databanken, Steunpunt Wonen, Leuven, 50 p.

Voor meer informatie over deze publicatie [email protected]; [email protected]; [email protected]

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/2016/4718/020 – ISBN 9789055505944

© 2016 STEUNPUNT WONEN Niets uit deze uitgave mag worden verveelvuldigd en/of openbaar gemaakt door middel van druk, fotocopie, 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 HIVA - Onderzoeksinstituut voor Arbeid en Samenleving Parkstraat 47 bus 5300, BE 3000 Leuven

Deze publicatie is ook beschikbaar via www.steunpuntwonen.be

Leegstand in Vlaanderen | iii

Inhoud

Inleiding 1

Deel 1: Leegstand definiëren en meten 2

1. Leegstand definiëren 3 1.1 Definities uit de wetenschappelijke literatuur 3 1.2 Definities in wetteksten 4

1.2.1 Vlaams Gewest: structurele leegstand volgens het Grond‐ en Pandendecreet 4 1.2.2 Waals Gewest: structurele leegstand volgens de code du logement Wallon 4 1.2.3 Brussels Hoofdstedelijk Gewest: structurele leegstand volgens de

huisvestingscode van het Brussels Hoofdstedelijk Gewest 4

2. Leegstand meten 5 2.1 Leegstand meten in Vlaanderen 5

2.1.1 Mogelijkheden en beperkingen van het leegstandsregister van de Vlaamse overheid 5

2.1.2 Mogelijkheden en beperkingen van de gekoppelde databank van de Census 2011 8 2.2 Leegstand meten in de andere Gewesten 14

2.2.1 Leegstand meten in het Brussels Hoofdstedelijk Gewest 14 2.2.2 Leegstand meten in het Waalse Gewest 16

2.3 Aanbevelingen om tot een betere registratie van structurele leegstand te komen: aan de slag met de verbruiksgegevens van water en elektriciteit in het Vlaamse Gewest? 18 2.3.1 Recente beleidsontwikkelingen 18 2.3.2 Aan de slag met verbruiksgegevens van water en elektriciteit in het Vlaamse

Gewest? 19

Deel 2: Leegstand verklaren 21

3. Leegstand verklaren 22 3.1 Mogelijke verklaringen van leegstand 22 3.2 Een residuele benadering van leegstand 23

3.2.1 Bespreking beschikbare data voor residuele benadering 24 3.2.2 Overzicht, regressieresultaten en besluit 27

3.3 Leegstand zoals gemeten door het leegstandregister 28 3.4 Besluit 34

Deel 3: Algemene conclusies en aanbevelingen 36

4. Algemene conclusies en aanbevelingen 37 4.1 Conclusies 37 4.2 Beleidsaanbevelingen 39

Bijlagen 41

Bibliografie 45


Inleiding

Deze studie is gericht op structurele leegstand in het Vlaamse woonpatrimonium en onderzoekt de

mogelijkheden en beperkingen van de verschillende beschikbare administratieve databanken om

enerzijds leegstand te becijferen (en te lokaliseren) en anderzijds om leegstand te verklaren.

Dat bij de zoektocht naar verklaringen gebruik gemaakt wordt van (administratieve) databanken die

niet succesvol bleken om tot een zo exact mogelijke meting van leegstand te komen, houdt geen

tegenstrijdigheid in. Immers, voor de meting van een fenomeen moeten de databanken zo nauwkeurig

mogelijk zijn, voor een regressieanalyse (en de daaruit voortvloeiende verklaringen van het fenomeen)

mogen de cijfers in de databanken meer benaderend zijn.

Het rapport bevat 4 hoofdstukken. In het eerste hoofdstuk wordt beschreven hoe structurele leeg‐

stand wordt gedefinieerd. In het tweede hoofdstuk wordt onderzocht of en hoe leegstand op een

wetenschappelijk betrouwbare en nauwkeurige wijze gemeten kan worden. Vervolgens wordt in

hoofdstuk 3 nagegaan of er verklarende factoren kunnen worden aangehaald die leegstand bepalen

en of er inzicht kan worden verworven in de woningen die in grotere mate kans hebben om leeg te

staan. Tenslotte worden de belangrijkste conclusies en aanbevelingen samengevat in hoofdstuk 4.

Deel 1: Leegstand definiëren en meten

Lieve Vanderstraeten & Michael Ryckewaert


1. Leegstand definiëren

Deze studie is gericht op structurele leegstand. Structurele leegstand is echter niet de enige vorm van

leegstand. Daar leegstaande woningen en gebouwen om verschillende redenen en voor een verschil‐

lende periode leeg staan, en dat deze diverse vormen van leegstand maken dat er in de wetenschap‐

pelijke literatuur meerdere subcategorieën worden onderscheiden, schetsen we eerst kort de diverse

vormen van leegstand zoals weergegeven in de wetenschappelijke literatuur.

Verder kijken we hoe het Grond‐ en Pandendecreet structurele leegstand definieert en hoe de

andere Gewesten van België structurele leegstand definiëren.

1.1 Definities uit de wetenschappelijke literatuur

Sterkens et al. (2013) onderscheiden volgende vormen van leegstand in hun recente leegstands‐

onderzoek:

Frictieleegstand: frictieleegstand is leegstand noodzakelijk voor een goede werking van de vastgoed‐

markt. Het is met andere woorden het aanbod dat beweging op de markt mogelijk maakt. Frictieleeg‐

stand houdt bovendien in dat slechts een beperkt percentage van het vastgoed leegstand mag ver‐

tonen. Vanaf het moment dit hoger ligt, spreekt men van structurele leegstand. De norm voor wonin‐

gen is ongeveer 3% (Ministerie van de Vlaamse Gemeenschap, 2004: 251).

Structurele leegstand: structurele leegstand is (langdurige) leegstand van vastgoed dat omwille van

diverse redenen geen (her)invulling krijgt of kan krijgen. De minimale leegstandstermijn varieert al

naar gelang de bron van de definitie tussen één en twee jaar. De Vlaamse decreten (zie 1.2 Definitie

van structurele leegstand volgens Grond‐ en Pandenbeleid) hanteren de termijn van één jaar.

Periodieke leegstand: periodieke leegstand van vastgoed, is leegstand tijdens vaste periodes van de

week, de maand of het jaar. Een uitgesproken voorbeeld van woningen waar deze leegstandsvorm

optreedt zijn vakantiewoningen of tweede verblijven.

Tijdelijke leegstand: tijdelijke leegstand is leegstand van een pand dat in afwachting is van een ‘zekere’

invulling. Het gaat bijvoorbeeld om panden die in renovatie zijn of panden die verhuurd zijn maar nog

niet bewoond. Het is met andere woorden quasi zeker dat de leegstand slechts kort aanhoudt.

Verdoken leegstand: verdoken leegstand is leegstand die verscholen gaat achter een administratief

statuut. Een voorbeeld is het oneigenlijk gebruik van het statuut ‘tweede verblijf’. In principe is dit dus

een specifieke vorm van structurele leegstand die moeilijk te detecteren en/of te bewijzen is.


1.2 Definities in wetteksten

1.2.1 Vlaams Gewest: structurele leegstand volgens het Grond‐ en Pandendecreet

In Vlaanderen worden woningen, volgens artikel 2.2.6 van het Grond‐ en Pandendecreet, als struc‐

tureel leegstaand beschouwd wanneer ze gedurende een termijn van minstens 12 opeenvolgende

maanden niet aangewend zijn voor een woonfunctie of andere door de Regering aanvaarde functie.

1.2.2 Waals Gewest: structurele leegstand volgens de code du logement Wallon

De Waalse huisvestingscode omschrijft in art. 80 structureel leegstaande woningen als volgt:

1. als de woning gedurende minstens 12 opeenvolgende maanden onbewoonbaar is verklaard;

2. als de woning niet is ingericht met de huisraad die vereist is voor de bestemming gedurende een

periode van minstens 12 opeenvolgende maanden;

3. als gedurende een periode van minstens twaalf opeenvolgende maanden het water‐ of elektrici‐

teitsverbruik dat er werd vastgesteld lager is dan het door de Regering vastgestelde minimum‐

verbruik;1

4. als er zich op het adres niemand voor zijn hoofdverblijfplaats heeft ingeschreven in de bevolkings‐

registers (tenzij kan aangetoond worden dat de woning weldegelijk voor bewoning gebruikt is

geweest of voor een ander door de Regering aanvaarde functie).

1.2.3 Brussels Hoofdstedelijk Gewest: structurele leegstand volgens de huisvestingscode van het Brussels Hoofdstedelijk Gewest

De huisvestingscode van het Brussels Hoofdstedelijk Gewest beschouwt volgende woningen als leeg‐

staand:

1. als er zich op het adres niemand voor zijn hoofdverblijfplaats heeft ingeschreven in de bevolkings‐

registers;

2. als er voor hen door de eigenaars een vermindering van onroerende voorheffing wegens onpro‐

ductiviteit werd aangevraagd;

3. als ze niet zijn ingericht met de huisraad die vereist is voor hun bestemming;

4. als gedurende een periode van minstens twaalf opeenvolgende maanden het water‐ of elektrici‐

teitsverbruik dat er werd vastgesteld lager is dan het door de Regering vastgestelde minimum‐

verbruik. Het besluit van 6 juni 20142 stelt dit minimumverbruik voor water op 5 kubieke meter

water per jaar en voor elektriciteit op 100 kilowattuur per jaar.

1 De Waalse Regering heeft het minimumverbruik voor water en elektriciteit nog niet wettelijk bepaald. 2 Besluit van de Brusselse Hoofdstedelijke Regering van 6 juni 2014 met betrekking tot de leegstaande woningen,

BS 26 augustus 2014.


2. Leegstand meten

In dit hoofdstuk bekijken we hoe, op dit ogenblik, in Vlaanderen de leegstand kan gemeten worden.

We bespreken de databank van de census 2011 en het leegstandregister van de Vlaamse overheid en

onderzoeken de mogelijkheden en beperkingen van deze databank en dit register. Vervolgens kijken

we hoe leegstand wordt geïnventariseerd en bestudeerd in de andere Gewesten van ons land en wer‐

ken we scenario’s uit om tot een betere meting van (potentiële) structurele leegstand te komen.

2.1 Leegstand meten in Vlaanderen

2.1.1 Mogelijkheden en beperkingen van het leegstandsregister van de Vlaamse overheid

2.1.1.1 Wat kan worden gemeten?

Het Grond‐ en Pandendecreet (2010) verplicht elke gemeente vanaf 1 januari 2010 een gemeentelijk

leegstandsregister bij te houden (art. 2.2.6, 2.2.7 en 2.2.8). De gemeenten moeten jaarlijks twee lijsten

overmaken aan de administratie Wonen Vlaanderen: een lijst van leegstaande gebouwen en een lijst

van leegstaande woningen.

Wanneer een gebouw of woning voldoet aan de definitie van een structureel leegstaand pand volgens

het Grond‐ en Pandendecreet, en de gemeente heeft weet van dit pand, dient de gemeente in principe

de procedure tot opname in het leegstandsregister op te starten.

Het leegstandsregister is één van de instrumenten dat in het kader van het Grond‐ en Pandendecreet

is ontwikkeld om gemeenten aan te zetten om een slagkrachtiger lokaal woonbeleid te (kunnen) voe‐

ren. Steden en gemeenten houden dit register bij om een zicht te hebben op de activeringsmogelijk‐

heden in de gemeente en om algemene verloedering, verwaarlozing en leegstand tegen te gaan. Aan

dit leegstandsregister zijn zowel stimulerende maatregelen (belastingvermindering voor een krediet‐

gever die een renovatieovereenkomst afsluit, vermindering registratierechten) als sanctionerende

maatregelen (heffing op leegstand, recht van voorkoop, sociaal beheersrecht) verbonden. Het register

is dus een gemeentelijk instrument en geen statistische informatiebron. Het is immers de taak van

gemeenten om, bij de ontdekking van een langdurig leegstaand pand, de omstandigheid van de leeg‐

stand in te schatten en dan te beslissen of de procedure tot opname in het leegstandsregister wordt

opgestart.

In hun rapport over de evaluatie van het lokaal woonbeleid halen Winters et al. (2015) aan dat de

bereidwilligheid en ICT‐mogelijkheden van gemeenten de volledigheid van het gemeentelijke register

beïnvloeden. Zo stellen ze dat hoge cijfers voor een gemeente kunnen wijzen op een actief beleid,

eerder dan op een hoog aandeel leegstand in de gemeente. Anderzijds menen ze ook dat een actief

beleid dan weer niet noodzakelijk tot uitdrukking komt in een hoog aantal leegstaande panden in het


register. Zo kan het volgens hen zijn dat een gemeente juist veel inspanningen levert om de woningen

op de markt (en dus uit het register) te houden. Deze elementen maken dat het onmogelijk is om te

weten of het cijfer uit het gemeentelijke leegstandregister de werkelijke leegstand benadert of niet en

of het cijfer dus een volledig of partieel (misschien zelfs eenzijdig) beeld schetst van leegstand.

Het is daarenboven ook maar zeer de vraag of gemeenten, op dit ogenblik, los van bereidwilligheid,

over voldoende informatie en middelen beschikken om alle structureel leegstaande panden in hun

gemeente te lokaliseren. Het antwoord is negatief, er is geen voldoende uitgezuiverde databank die

als vertrekpunt kan dienen om een gemeentelijk leegstandsregister op te stellen en er beleid rond te

voeren. Vele gemeenten tasten hierdoor momenteel in het duister. Zij botsen, bij gebrek aan een lijst

die als startpunt kan dienen, bij wijze van spreken toevallig op de structureel leegstaande panden.

Sommige gemeenten hebben wel een eigen (succesvolle) methode ontwikkeld om de structurele leeg‐

stand zo nauwkeurig mogelijk op te volgen, maar de grote groep van Vlaamse gemeenten niet.

Er is dus, in eerste instantie, nood aan een goed startpunt waarmee gemeenten aan de slag kunnen

om een zicht te krijgen op de potentiële leegstand in hun gemeente en een beleid rond leegstand te

voeren.

In punt 2.1.2 onderzoeken we de mogelijkheden van de databank van de Census 2011 als startpunt, in

punt 2.3 formuleren we aanbevelingen om tot een betere meting te komen. Hieronder schetsen we

de resultaten van het leegstandregister en halen we enkele aandachtspunten aan bij het gebruik van

dit register.

2.1.1.2 De geregistreerde leegstand in Vlaanderen volgens het leegstandsregister

Figuur 1 toont het absolute aantal leegstaande panden opgenomen in de gemeentelijke leegstands‐

registers op 30 april 2012, 30 april 2013, 30 april 2014 en 30 april 2015. We geven de situatie weer op

30 april omdat dit de decretaal vastgelegde dag is waarop de gemeenten hun leegstandsregister

moeten hebben ingevoerd in de RWO‐datamanager van de Vlaamse overheid.

Omstandigheden zorgen ervoor dat er geen onderscheid kan worden gemaakt tussen woningen en

gebouwen. Er heerst namelijk grote onzekerheid over de mate waarin gemeenten correct het onder‐

scheid tussen beide maken en/of invoeren in de RWO‐datamanager van de Vlaamse overheid. Bij de

bespreking van het leegstandsregister dienen bijgevolg alle panden worden samengeteld.

De deelfiguren in figuur 1 tonen dat de Vlaamse gemeenten actiever zijn geworden in het registreren

van structureel leegstaande panden. Een aantal gemeenten, vooral in West‐Vlaanderen, was reeds

vanaf het begin actief, de rest van Vlaanderen volgde de daaropvolgende jaren. Het aantal geregi‐

streerde leegstaande panden is tussen 30 april 2011 (niet op kaart weergegeven) en 30 april 2015 toe‐

genomen van 7 835 naar 20 218. Het aantal geregistreerde panden is dus in 4 jaar tijd met 158%

gestegen.


Figuur 1 Absoluut aantal leegstaande panden volgens het leegstandsregister in 2012, 2013, 2014 en 2015

1a: Leegstand op 30 april 2012 1b: Leegstand op 30 april 2013

1c: Leegstand op 30 april 2014 1d: Leegstand op 30 april 2015

© KU Leuven, OSA, Steunpunt Wonen Bron: Data: RWO‐datamanager, Wonen Vlaanderen


We haalden hierboven reeds aan dat het belangrijk is om te onthouden dat de registratie mogelijk

geen weerspiegeling is van de activiteitsgraad van het gemeentelijke beleid rond leegstand. Een lagere

registratie kan immers ook duiden op het feit dat de gemeente inspanningen levert om de woningen

op de markt (en dus uit het register) te houden. Het is daarnaast ook mogelijk dat de gemeente wel‐

degelijk een beleid voert en structureel leegstaande panden registreert, maar niet over de ICT‐moge‐

lijkheden beschikt om de panden correct in te voeren in de RWO‐datamanager (zie ook Winters et al.,

2015).

Op de kaart van 2015 springen enkele kleine en regionale steden in het oog: Geraardsbergen, Aalst,

Roeselare, Mechelen, Blankenberge, Wevelgem, Izegem, Beringen, Menen en Kortrijk. Ook in

Antwerpen en Gent vinden we een hoger aantal leegstaande panden terug in het leegstandsregister.

Omdat de registratie vermoedelijk sterk afhankelijk is van de gemeentelijke bereidwilligheid en ICT‐

mogelijkheden en gemeenten niet beschikken over een objectieve databank als vertrekpunt, is er geen

wetenschappelijke basis om aan te nemen dat deze aantallen de werkelijke structurele leegstand in de

gemeenten weergeven. Deze elementen vereisen een doordacht gebruik van de databank.

2.1.2 Mogelijkheden en beperkingen van de gekoppelde databank van de Census 2011

Daar we in het kader van het leegstandsregister concludeerden dat er nood is aan een goed startpunt

waarmee gemeenten aan de slag kunnen om structurele leegstand te detecteren in de gemeente en

het leegstandsregister op te stellen, willen we hier analyseren welke mogelijkheden de gekoppelde

woningendatabank van de Census 2011 biedt om tot een startpunt voor de gemeenten te komen.

2.1.2.1 Geen éénduidige koppeling tussen kadaster‐ en rijksregistergegevens

Een eerste belangrijke bemerking die dient gemaakt te worden is dat er geen eenduidige koppeling

mogelijk was tussen de kadaster‐ en rijksregistergegevens om tot de gekoppelde woningendatabank

te komen. Omdat (1) er geen eenduidige notatie is van huisnummers, busnummers, bisnummers en

verdiepingen én (2) bovenal omdat de kadastrale databank geen woningenbestand, maar een per‐

ceels‐ en gebouwenbestand is3, moest er in sommige gevallen worden gebruik gemaakt van een slim

koppelingssysteem om de huishoudens en woongelegenheden (in gebouwen) te koppelen.

Omdat de kadastrale databank daarenboven een momentopname is van het ogenblik van bouw of

verbouwing waarbij latere wijzigingen, waarvoor geen bouwvergunning is ingediend, niet geregi‐

streerd worden in de databank, zijn niet alle woongelegenheden in een gebouw gekend bij de dienst

algemene administratie patrimoniumdocumentatie (AAPD). Om aan dit probleem tegemoet te komen,

is er voor deze situaties een speciaal algoritme ontwikkeld dat virtuele woningen aanmaakte indien de

maximale bewoning groter bleek dan de woongelegenheden in het gebouw volgens het kadaster én

uit de adresregistratie in het rijksregister bleek dat de huishoudens weldegelijk onder een verschillend

adres stonden ingeschreven. Hiervoor werden ook de gegevens van de socio‐economische enquête

2001 gebruikt als controletoets.

3 Binnen de toepassing STIPAD (le Système de Traitement Integré van de Patrimonium Documentatie, welke gebruikt wordt

door de diensts AAPD) streeft men er naar om de woning als entiteit op te nemen (en niet enkel het perceel en/of gebouw). Deze toepassing zou bij een succesvolle ontwikkeling in de toekomst meer mogelijkheden kunnen bieden.


Daarnaast heeft men, voor sommige huishoudens, een artificiële koppeling met een woongelegenheid

gemaakt. Sommige huishoudens (ongeveer 3%) waren nog niet gekoppeld aan een woongelegenheid

na voorgaande stappen en koppelingen via algoritmen. Deze huishoudens werden aan een (wille‐

keurige) woongelegenheid gekoppeld binnen dezelfde agglomeratie in dezelfde gemeente waar nog

geen huishouden gedomicilieerd was.

Deze koppeling tussen kadastrale en rijksregistergegevens leidde uiteindelijk tot een groep bewoonde

conventionele woningen en een groep niet‐bewoonde conventionele woningen.

2.1.2.2 Wat kan worden gemeten?

Op basis van de gekoppelde informatie uit de Census 2011 kunnen op gemeentelijk niveau, de con‐

ventionele woningen4 opgesplitst worden in een groep bewoonde woningen en een groep niet‐

bewoonde woningen. De bewoonde woningen zijn deze woningen waar via de verschillende koppe‐

lingsmechanismen een huishouden is toegekend, aan de niet‐bewoonde woningen is geen huishouden

toegekend.

Dit betekent, los van bovenvermelde kanttekeningen, echter niet dat in de bewoonde woningen ook

effectief een huishouden woont en in de niet‐bewoonde woningen niet.

Ook in de officieel bewoonde woningen, verder in deel 2 van het rapport ook primair bewoonde

woningen genoemd, kunnen zich structureel leegstaande woningen bevinden, dit zijn dan woningen

die leegstaan omdat bijvoorbeeld het huishouden momenteel in het buitenland werkt/verblijft of in

een rusthuis of andere instelling verblijft. Deze huishoudens zijn wettelijk niet verplicht om hun domi‐

cilie (tijdelijk) in het buitenland of in het rusthuis of andere instelling te nemen, waardoor hun woning

volgens het rijksregister bewoond is, maar in werkelijkheid (langdurig) leegstaat.

Naast structureel leegstaande woningen kunnen er ook tweede verblijven in de groep van de

bewoonde woningen zitten. Huishoudens domiciliëren soms een familielid om de tweede verblijftax

te omzeilen.

De groep van niet‐bewoonde woningen bevat structureel leegstaande woningen, maar daarnaast

behelst deze groep ook andere tijdelijke vormen van leegstand, secundaire bewoning (zijnde tweede

verblijven & vakantiewoningen in gewone conventionele woningen) en semi‐primaire of niet‐officiële

bewoonde woningen. In deze laatste groep bevinden zich studenten die niet op hun kot gedomicilieerd

zijn, starters op de woningmarkt die nog op het ouderlijk adres gedomicilieerd zijn, mensen die in het

wachtregister zijn opgenomen en alleen wonen, buitenlandse diplomaten en militairen die zich niet in

België geregistreerd hebben, enzovoort.

4 ADS definieert de conventionele woningen als ruimten die bestemd zijn voor permanente menselijke bewoning. De col‐

lectieve woningen (rusthuizen, kloosters, gevangenissen en ziekenhuizen), woonboten, bewoonde caravans en wind‐molens worden niet beschouwd als conventionele woning. Er waren in Vlaanderen op 1 januari 2011 2 613 187 conven‐tionele woningen, 1 478 andere woongelegenheden en 3 805 collectieve woonverblijven (Census 2011).


Figuur 2 Aantal niet‐bewoonde conventionele woningen op 1/1/2011, Vlaanderen

© KU Leuven, OSA, Steunpunt Wonen Bron data: Census 2011

Figuur 3 Aandeel niet‐bewoonde conventionele woningen op 1/1/2011, Vlaanderen

© KU Leuven, OSA, Steunpunt Wonen Bron data: Census 2011

Figuur 2 toont het aantal niet‐bewoonde woningen per gemeente zoals geregistreerd op

1 januari 2011, figuur 3 het aandeel niet‐bewoonde woningen (ten opzichte van de totale groep con‐

ventionele woningen in de gemeente).


In totaal waren er ongeveer 3 057 000 woningen in Vlaanderen op 1 januari 2011, ADS berekende

dat er daarvan ongeveer 444 000 niet bewoond waren. De grootste absolute aantallen niet‐bewoonde

woningen tellen we in de belangrijkste studentensteden en de kustgemeenten. De niet‐officiële

bewoning door studenten en de tweede verblijven en vakantiewoningen verklaren er de hoge aantal‐

len.

Figuur 3 toont de spreiding van het aandeel niet‐bewoonde woningen ten opzichte van de totale

groep conventionele woningen in de gemeente. Ook op deze kaart springen de kustgemeenten en (de

directe omgeving van) studentensteden het meest in het oog. In de meeste kustgemeenten is meer

dan 1 op 2 woningen officieel niet bewoond.

2.1.2.3 Verdere mogelijkheden met de databank van de Census 2011 vertrekkende vanaf

de groep van niet‐bewoonde woningen

De gekoppelde woningendatabank van de Census 2011, en meer bepaald de groep van niet‐bewoonde

woningen, lijkt een startpunt om op verder te rekenen om de potentiële structurele leegstand in Vlaan‐

deren te becijferen door kruising met andere administratieve gegevens.

Om tot een goede meting van structurele leegstand te komen, moeten deze andere administratieve

gegevens aan twee voorwaarden voldoen. Ze moeten, ten eerste, een zo volledig mogelijke benade‐

ring zijn van de groep woningen die ze omvatten en, ten tweede, dienen de gegevens bij voorkeur op

adresniveau gekoppeld te kunnen worden aan de databank van de niet‐bewoonde woningen. Deze

laatste vereiste is geen must, leegstand zou ook becijferd kunnen worden via een residuele benadering

waarbij de andere ‘soorten’ van niet‐bewoonde woningen worden afgetrokken van de totale groep

van niet‐bewoonde woningen, maar een koppeling is wel wenselijk. Immers, via een koppeling op

adresniveau kunnen de structureel leegstaande woningen gelokaliseerd worden en kan deze databank

als een goed vertrekpunt dienen voor gemeenten om een leegstandsbeleid te voeren.

Zoals hierboven reeds aangehaald, bestaat de groep van niet‐bewoonde woningen, naast structureel

leegstaande woningen, uit (1) andere tijdelijke vormen van leegstand, (2) tweede verblijven, (3) vakan‐

tiewoningen in gewone conventionele woningen en (4) niet‐officiële bewoonde woningen. Wanneer

we op basis van het bestand niet‐bewoonde woningen de structureel leegstaande woningen willen

bepalen, moet voor al deze andere vormen worden gecorrigeerd zodat de structurele leegstand over

blijft.

a) Andere tijdelijke vormen van leegstand

Er is, ten eerste, geen administratieve databron die het mogelijk maakt om andere tijdelijke vormen

van leegstand te becijferen. De provincie West‐Vlaanderen heeft wel een verdienstelijke methodiek

uitgewerkt om de tijdelijke leegstand (frictieleegstand) te becijferen aan de hand van de kadastrale

gegevens (zie bijlage 1 voor uitleg over hun methodologie). Hun berekeningen van de frictieleegstand

in West‐Vlaanderen tonen dat je niet zomaar van een gemeentelijk gemiddelde van 3% mag uitgaan.


Figuur 4 Frictieleegstand in West‐Vlaanderen

De cijfers in figuur 4 tonen een grote gemeentelijke differentiatie die schommelt tussen 0,5% en 8,3%.

Meer onderzoek is nodig om hier een goed beeld van te vormen voor heel Vlaanderen. De uitge‐

breidere dienstverlening die de dienst AAPD is toegewezen zou hier mogelijkheden toe kunnen bieden.

b) Tweede verblijven

Er is, ten tweede, ook geen wetenschappelijk voldoende betrouwbare administratieve databank die

het aantal tweede verblijven in de Vlaamse gemeenten kan weergeven. Er zijn de gemeentelijke

belastingskohieren, maar er is geen uniformiteit omtrent de registratie en er is een grote gemeentelijk

differentiatie qua activiteitsgraad: sommige gemeenten zijn (zeer) actief terwijl andere geen belasting

heffen op tweede verblijven.

Weekers (2015) schatte in haar studie het aantal tweede verblijven op basis van de verhouding tussen

het aantal woongelegenheden en het aantal huishoudens. Ze voerde een aantal correcties door om zo

het aantal tweede verblijven te schatten. De schatting lijkt ons te ruw om tot een goede meting van

tweede verblijven te komen. Ze baseert zich o.a. op de gegevens van het hierboven besproken leeg‐

standsregister welke volgens ons niet voldoende betrouwbaar zijn voor het (voor wetenschappelijk

doeleind voldoende exact) bepalen van structurele leegstand.


c) Vakantiewoningen in gewone conventionele woningen

Ten derde kunnen ook de vakantiewoningen in gewone conventionele woningen niet becijferd wor‐

den. De woongelegenheden die als gewone huizen of appartementen in het kadaster zijn opgenomen,

maar die voor een korte periode (week of weekend) volgens de definitie van Toerisme Vlaanderen als

vakantiewoning worden verhuurd, zouden moeten zijn opgenomen in het Vlaams Logiesinformatie‐

systeem (VLIS). Het CIB geeft aan dat deze databank niet allesomvattend is en daarom een onvol‐

doende betrouwbare databron is om vakantiewoningen in gewone conventionele woningen uit het

bestand van de niet‐bewoonde woningen te filteren.

d) Niet‐officieel bewoonde woningen: huishoudens op het wachtregister

Huishoudens op het wachtregister staan geregistreerd in het rijksregister. Hierdoor kunnen de woon‐

gelegenheden bewoond door een huishouden op het wachtregister bepaald worden op basis van het

rijksregister.

e) Niet‐officieel bewoonde woningen: studentenhuisvesting in conventionele woningen

Er is, ten vierde, tevens te weinig administratieve info om het aantal conventionele woningen verhuurd

aan kotstudenten op een wetenschappelijk verantwoorde manier te becijferen.

Weekers (2015) heeft met cijfers van de stad Gent (Gent in cijfers, 2012), de huisvestingsdienst van de

stad Leuven en andere onlinedatabanken van verschillende studentensteden getracht deze aantallen

te schatten. Omdat het, zeker in de context van studentenhuisvesting, zeer moeilijk tot onmogelijk is

om van een woning/gebouw met meerdere woongelegenheden te weten om hoeveel conventionele

woningen het gaat in het kadaster, is het niet mogelijk om vanuit databanken van de huisvestingsdien‐

sten of andere onlinedatabanken wetenschappelijk voldoende betrouwbaar het aantal conventionele

woningen verhuurd aan kotstudenten te bepalen.

f) Niet‐officieel bewoonde woningen: starters op de woningmarkt, buitenlandse diplomaten en

militairen

Tenslotte is er ook over de niet‐officiële bewoning door starters op de woningmarkt en door buiten‐

landse diplomaten en militairen geen administratieve info beschikbaar. Het feit dat deze laatste per‐

sonen vrij zijn om zich te registreren in de gemeente waar ze verblijven, en sommige dit wel en andere

dit niet doen, kunnen er ook moeilijk aantallen geschat worden op basis van het aantal buitenlandse

diplomaten actief in Vlaanderen (en Brussel).

g) Besluit

Het is niet mogelijk om op een wetenschappelijk verantwoorde manier op basis van de groep niet‐

bewoonde woningen van de Census 2011 structurele leegstand te becijferen. Er zijn geen betrouwbare

administratieve cijfers beschikbaar die de andere soorten van niet‐bewoning voldoende nauwkeurig

kunnen bepalen. Hierdoor kan aan de eerste voorwaarde die we stelden om tot een goede meting van

structurele leegstand te komen niet worden voldaan. Daar er geen databanken zijn, kan logischerwijs

ook niet onderzocht worden of de databanken kunnen worden gekoppeld aan de databank van de

niet‐bewoonde woningen (welke de tweede voorwaarde was om tot een goede meting te komen).


Daarenboven haalden we hierboven reeds aan dat (1) er voor de koppeling van rijksregister‐ en kadas‐

trale gegevens gebruik is gemaakt van algoritmen en (in het geval van 3% van de huishoudens) artifi‐

ciële koppelingen. Deze artificiële koppelingen linkten willekeurig een huishouden aan een conventio‐

nele woning waar nog geen huishouden aan was toegekend. De kans is groot dat bij deze willekeurige

koppeling het huishouden niet is toegekend aan de woongelegenheid waar het huishouden effectief

woont. Deze onzekerheid ondermijnt het gebruik van de groep van niet‐bewoonde woningen als ver‐

trekpunt. Het lijkt bijgevolg beter om de databank van de conventionele woningen als startpunt te

nemen en, gelijkaardig aan de methode die in het Brussels Hoofdstedelijk Gewest wordt gebruikt en

in het Waalse Gewest reeds wettelijk is verankerd, tot een schatting te komen van de vermoedelijk

structureel leegstaande woningen op gemeentelijk niveau.

We bespreken eerst de methode en wettelijke omkadering van de andere Gewesten.

2.2 Leegstand meten in de andere Gewesten

2.2.1 Leegstand meten in het Brussels Hoofdstedelijk Gewest

2.2.1.1 Bepalingen uit de Brusselse huisvestingscode met betrekking tot de strijd tegen

structurele leegstand

We halen in dit deel enkele bepalingen aan uit de Brusselse huisvestingscode die betrekking hebben

op de strijd tegen structurele leegstand. Het is niet de opzet van dit stuk om alle bepalingen uit de

huisvestingscode met betrekking tot de strijd tegen leegstand op te lijsten. Enkel deze die een inhou‐

delijke bijdrage leveren tot dit rapport, worden vermeld.

a) De verbruiksgegevens van water en elektriciteit

Men heeft in de Brusselse huisvestingscode een wettelijk kader ontwikkeld voor een methode om de

strijd aan te gaan met structureel leegstaande woningen gebruik makend van de verbruiksgegevens

van water en elektriciteit. De Huisvestingscode (artikel 15 §4 en 5) verplicht de distributiemaatschap‐

pijen voor water en elektriciteit om jaarlijks aan de Cel Leegstaande woningen van het Gewestelijke

Overheidsdienst Brussel de lijst te communiceren met de woningen waar het water‐ of elektriciteits‐

verbruik gedurende 12 maanden lager is dan het verbruiksminimum vastgesteld door de Regering. Dit

vastgestelde minimumverbruik is 5 m³ voor water en een elektriciteitsverbruik van 100 kwh/jaar.

De huisvestingscode schrijft ook voor dat voor elk van die woningen volgende gegevens moeten aan‐

geleverd worden: het adres, het verbruik over twaalf maanden bepaald op basis van het opgenomen

of geraamde gebruik alsook, op voorwaarde dat die gegevens in het bezit zijn, de naam en de voor‐

naam, de geboortedatum en het adres van de persoon op wiens naam het leveringscontract voor deze

woning staat.

De Cel Leegstaande woningen van het Gewestelijke Overheidsdienst Brussel heeft dan, volgens de

huisvestingscode, de taak om leegstaande woningen op te sporen, inbreuken vast te stellen en de

eigenaar op de hoogte te brengen. De inbreuk kan vastgesteld worden middels een onderzoek uitge‐

voerd op initiatief van de Cel of middels een klacht ingediend bij deze dienst. Alleen de 19 gemeenten


en de verenigingen erkend door de Brusselse Hoofdstedelijke Regering zijn bevoegd om klacht in te

dienen.

b) De verplichte jaarlijkse inventarislijst te bezorgen aan het Gewest

De Brusselse gemeenten dienen volgens artikel 15 §1 jaarlijks een inventaris te bezorgen aan de Cel

Leegstaande Woningen van de Gewestelijke Overheidsdienst Brussel met de woningen die zij als leeg‐

staand hebben geïdentificeerd. Ze dienen volgende informatie van deze woningen door te geven: de

ligging, hun bewoonbare oppervlakte, het aantal kamers dat elke woning telt en de vermoedelijke duur

van leegstand.

Het besluit van 6 juni 2014 specifieert nog bijkomende gegevens die in de inventaris moeten worden

opgenomen: de contactgegevens van de houders van een zakelijk recht op het goed, het aantal leeg‐

staande bouwlagen, de datum waarop de leegstand een eerste keer werd vastgesteld en of er toen

een proces‐verbaal werd opgemaakt, de datum van toekenning van de stedenbouwkundige vergun‐

ning, of de gemeente de voorbije jaren een leegstandstaks heeft geheven, en of het leegstaande pand

het voorwerp uitmaakt van een verhuurverbod of een onbewoonbaarheidsverklaring.

Het aanleveren van deze inventarislijst verloopt moeizaam volgens de Cel Leegstaande Woningen van

de Gewestelijke Overheidsdienst Brussel. De Cel haalt hiervoor verschillende mogelijke redenen aan:

(1) de gemeentelijke diensten zijn dermate overladen en hebben niet altijd de technische en/of finan‐

ciële middelen om aan het opstellen van deze lijst toe te komen; (2) er zijn geen sancties verbonden

aan het niet doorgeven van de inventarislijst.

2.2.1.2 Aan de slag met de verbruiksgegevens van water en elektriciteit bij de strijd

tegen leegstand in het Brussels Hoofdstedelijk Gewest

a) Methode

Sinds enkele jaren gaat de Cel Leegstaande Woningen van de Gewestelijke Overheidsdienst Brussel

aan de slag met de verbruiksgegevens van water en elektriciteit.

Het eerste jaar gebruikten ze de volledige lijst, zoals gecommuniceerd door de distributiemaatschap‐

pijen, als startpunt en hebben ze alle vermelde eigenaars aangeschreven. Dit bleek geen efficiënte

methode. Veel adressen van aansluitpunten van water en/of elektriciteit op de lijsten bleken geen

woning te zijn. De inspanning was zeer groot en het resultaat eerder beperkt, aldus de Cel Leegstaande

Woningen van de Gewestelijke Overheidsdienst Brussel.

Het daaropvolgende jaar stapten ze van deze methode af en werden de meldingen van leegstand door

de 19 gemeenten en de verenigingen erkend door de Brusselse Hoofdstedelijke Regering bij het

Gewest, het startpunt.

De meeste gemeenten bezorgen één of meerdere keren per jaar een lijst van vermoedelijk leeg‐

staande woningen aan de Cel. Ook de door de overheid erkende verenigingen geven vermoedelijk

leegstaande woningen aan de Cel door. De Cel Leegstaande Woningen controleert als volgende stap

of deze woningen ook voorkomen op de lijsten van Hydrobru en/of Sibelga (zijnde de distributiemaat‐

schappijen van water en elektriciteit in het Brussels Hoofdstedelijk Gewest). Indien ze terug te vinden

zijn op één van deze lijsten, wordt een onderzoek opgestart met een bezoek ter plaatse door de


Gewestelijke Inspecteur en start hiermee de poging van de Cel Leegstaande Woningen om de woning,

indien ze effectief langdurig leeg staat, terug op de woningmarkt te krijgen.

Het staat buiten kijf dat de Cel Leegstaande Woningen succesvol werk levert. De Cel geeft aan dat ze

ongeveer de helft van de woningen die ze in gebreke stellen relatief snel terug op de woningmarkt

krijgen. Het is ook de intentie van de Brusselse Regering om de capaciteit van de Cel in de nabije toe‐

komst uit te breiden zodat meer woningen kunnen worden onderzocht en de strijd tegen structurele

leegstand in het Brusselse Gewest kan opgedreven worden.

b) Conflicten met de wet op de privacy?

Volgens de Cel Leegstaande Woningen van de Gewestelijke Overheidsdienst Brussel zijn er geen con‐

flicten met de wet op de privacy. Ook uit advies van de Commissie voor de bescherming van de per‐

soonlijke levenssfeer (advies 06/2012) en uit de beraadslaging van het Sectoraal comité van het Rijks‐

register (Beraadslaging RR nr 06/2012) blijkt dat, indien er een wettelijk kader wordt ontwikkeld zoals

het Brussels Hoofdstedelijk Gewest heeft gedaan, er geen conflict is.

2.2.2 Leegstand meten in het Waalse Gewest

2.2.2.1 Bepalingen uit de Waalse huisvestingscode met betrekking tot de strijd tegen

structurele leegstand

Net als de Brusselse Regering, heeft ook de Waalse Regering stappen ondernomen om het gebruik van

verbruiksgegevens van water en elektriciteit wettelijk te verankeren zodat ze kunnen worden inge‐

schakeld in de strijd tegen structurele leegstand.

Artikel 80 van de Waalse huisvestingscode stelt dat de distributiemaatschappijen voor water en elek‐

triciteit minstens één maal per jaar aan de Waalse administratie de lijst moeten communiceren met

de woningen waar het water‐ of elektriciteitsverbruik lager is dan het verbruiksminimum vastgesteld

door de Waalse Regering.

Artikel 80 van de Waalse huisvestingscode schrijft ook voor dat voor elk van die woningen volgende

gegevens moeten aangeleverd worden: het adres en het verbruik over twaalf maanden bepaald op

basis van het opgenomen of geraamde gebruik.

Om de privacy te garanderen geeft artikel 80 aan dat de gemeenten enkel toegang krijgen tot de

lijsten met betrekking tot hun grondgebied én dat de gemeenten verplicht zijn de namen op te geven

van de personen die toegang hebben tot de lijst en dat ze garanderen dat de wet op de privacy geres‐

pecteerd blijft.

Verdere stappen, zoals het bepalen van het minimumverbruik van water en elektriciteit, zijn nog niet

ondernomen door de Waalse Regering. Wel heeft het Centre d’Etudes en Habitat Durable (CEHD) de

opdracht gekregen om het gebruik van deze verbruiksgegevens in het kader van de strijd tegen struc‐

turele leegstand te testen en een coherente methodologie te ontwikkelen die het gebruik zou mogelijk

maken op gemeentelijk niveau voor het volledige Waalse Gewest (zie Lemaire & Cassilde, 2014;

Lemaire, 2015). Het is duidelijk een van de objectieven van het toegewezen onderzoek dat er een dui‐

delijke homogene methodologie wordt ontwikkeld die dan ter beschikking van de gemeenten wordt


gesteld zodat de Waalse gemeenten structurele leegstand kunnen bestrijden aan de hand van de ver‐

bruiksgegevens van water en elektriciteit (Lemaire, 2015).

2.2.2.2 Het gebruik van verbruiksgegevens van water en elektriciteit bij de strijd tegen

leegstand (methode Lemaire en Cassilde, 2014)

Lemaire en Cassilde (2014) ontwikkelden in een pilootproject een methodologie die de verbruiks‐

gegevens van water en elektriciteit koppelt om ze te gebruiken om de mogelijke structurele leegstand

in een gemeente te schatten (en te verklaren). Als casegemeente werd gekozen voor Charleroi.

In de opbouw van het gemeentelijke basisbestand (door hen ‘Estimation de la Vacance Résidentielle

(EVR 2013)’ genoemd) onderscheidden Lemaire en Cassilde volgende stappen:

1. Eerst wordt een cleaning uitgevoerd op het aangeleverde bestand van het waterverbruik enerzijds

en op het aangeleverde bestand van het elektriciteitsverbruik anderzijds.

Het bestand van het waterverbruik bevat de adressen van alle geregistreerde watertellers op het

grondgebied van Charleroi. Dit betekent dat de lijst naast een groep ‘residentiële’ tellers, ook een

groep ‘niet‐residentiële’ tellers bevat. Beide groepen moeten worden van elkaar onderscheiden

om de residentiële structurele leegstand te kunnen schatten.

Om deze opdeling te realiseren, hebben Lemaire & Cassilde handmatig, op basis van de naam

waarop de teller geregistreerd staat bij de watermaatschappij, de opdeling gemaakt. Ze hebben

de teller als residentieel gecategoriseerd wanneer de naam waarop de teller geregistreerd staat

duidelijk (a) een particulier, (b) een VME, (c) een residentie of (d) een gebouw van een vervoers‐

maatschappij is.5 Dat ze deze opdeling manueel realiseerden, betekent dat dit een tijdrovende

operatie is.

Ook het aangeleverde bestand van het elektriciteitsverbruik werd gecleand. De distributiemaat‐

schappij voor elektriciteit (ORES) voerde zelf al een eerste cleaning uit om de residentiële van de

niet‐residentiële tellers te onderscheiden, maar een handmatige cleaning door CEHD bleek toch

nog noodzakelijk omdat er nog niet‐residentiële tellers in het bestand zaten (zoals garages, profes‐

sionele brievenbussen, enzovoort).

2. Na de cleaning van de bestanden, werden beide gekoppeld op basis van de adresgegevens.

Lemaire en Cassilde botsten op het probleem dat de adressen niet op eenzelfde manier waren

opgenomen op beide lijsten. Een handmatige koppeling (adres per adres dat niet automatisch

gekoppeld was) bleek weer noodzakelijk.

De gekoppelde databank ‘Estimation de la Vacance Résidentielle (EVR 2013)’ bevat informatie over

het waterverbruik en elektriciteitsverbruik. Er kunnen 3 categorieën onderscheiden worden in de

databank: (1) woningen met enkel een waterverbruik onder de minimumgrens, (2) woningen met

enkel een elektriciteitsverbruik onder de minimumgrens, (3) woningen met een water‐ en elektri‐

citeitsverbruik onder de minimumgrens.

Om de leegstand te verklaren werd een vragenlijst ontwikkeld (zie Lemaire, 2015) en opgestuurd naar

een steekproef van eigenaars in Charleroi. Om de naam en het adres van de eigenaars te achterhalen,

werden de steekproefadressen uit de gekoppelde databank ‘EVR 2013’ aan het kadaster gelinkt. Deze

5 Wanneer uit de naam bleek dat het ging om (a) een bedrijf, (b) een overheidsdienst, (c) een school, (d) een religieus

gebouw of religieuze plaats, (e) mutualiteit, (f) een publiek logement, (g) SHM of (h) VZW werd de teller als ‘niet‐residen‐tieel’ beschouwd.


extra koppeling bracht aan het licht dat 20% van de adressen uit de steekproef toch geen conventio‐

nele woning betrof (Lemaire, 2015). Dit betekent dat er nog veel niet‐residentiële, en dus niet‐

bewoonde, ruimten werden meegenomen in de handmatige koppeling.

2.3 Aanbevelingen om tot een betere registratie van structurele leegstand te komen: aan de slag met de verbruiksgegevens van water en elektriciteit in het Vlaamse Gewest?

2.3.1 Recente beleidsontwikkelingen

Voordat we overgaan tot concrete aanbevelingen, willen we kort de recente beleidsontwikkelingen

schetsen. De Vlaamse Regering wil sterkere steden en gemeenten en hen hierbij meer beleidsruimte

bieden. Ze richtte daarvoor een commissie ‘decentralisatie’ op die moest nagaan op welke terreinen

de autonomie van de lokale besturen kan verhoogd worden.6 Een van de onderzochte beleids‐

domeinen was het woonbeleid en hierbij werd ook het leegstandsbeleid geëvalueerd.

In het eindverslag van de paritaire commissie, dat ter mededeling werd voorgelegd aan de Vlaamse

Regering op 26 juni 2015, wordt voorgesteld om de lokale besturen volledige beleidsvrijheid te geven

om te bepalen of ze überhaupt een beleid rond leegstand willen voeren en, indien ze dit wensen te

doen, stelt de commissie voor om hen zelf te laten bepalen hoe ze daar invulling aan geven. De rol van

de Vlaamse overheid beperkt zich in het voorstel tot het bepalen van het strategisch kader op hoofd‐

lijnen. De uitzonderlijke gewestelijke leegstandsheffing (UGLH) en de minimumheffingen zouden dan

worden geschrapt en ook de verplichting tot het bijhouden van een leegstandsregister zou worden

geschrapt evenals de tegemoetkoming in de kosten voor de opmaak en de jaarlijkse actualisatie van

het register.

Bovenstaande voorstellen van de paritaire commissie zullen de beleidscontext rond de registratie van

structurele leegstand sterk wijzigen. Vermoedelijk zullen in het vernieuwde beleidskader verschillende

gemeenten ervoor opteren om geen consequente registratie van structurele leegstand meer te

bewerkstelligen. Een goede inventarisatie vraagt immers (veel) tijd en middelen, elementen die niet

alle gemeenten ter beschikking willen of kunnen stellen in het kader van een gemeentelijk leegstands‐

beleid. De gemeentelijke vrijheid zal ook, nog meer dan nu, tot een gedifferentieerde aanpak leiden

welke de wetenschappelijk vergelijkbaarheid tussen gemeenten onmogelijk maakt.

Ook Sterkens et al. (2013) haalden in hun rapport aan dat een gemeentelijke gedifferentieerde aan‐

pak tot (onder andere) verschillende gehanteerde definities voor opname en vrijstelling in het register

en inventarisatiemethoden leiden die op hun beurt zorgen voor een verlaagde wetenschappelijke

betrouwbaarheid van het instrument in vergelijkend (gemeentelijk) perspectief. De toekomstige

gemeentelijke inventarissen (indien deze al ter beschikking zullen zijn gezien het toekomstig niet ver‐

plichte karakter) zullen, met andere woorden, geen wetenschappelijk betrouwbare informatiebron

vormen.

Anderzijds vermeldt het eindverslag van de paritaire commissie ook expliciet dat er nood blijft om

centraal nog een aantal aspecten omtrent leegstand te monitoren en dat, door het wegvallen van de

6 http://binnenland.vlaanderen.be/decentralisatie


verplichtingen inzake het leegstandsregister, zal moeten worden onderzocht hoe deze nood aan infor‐

matie‐uitwisseling het best kan worden ingevuld.

2.3.2 Aan de slag met verbruiksgegevens van water en elektriciteit in het Vlaamse Gewest?

Het is momenteel niet duidelijk hoe men beleidsmatig het ‘bepalen van het strategisch kader op hoofd‐

lijnen’ en ‘nog een aantal aspecten omtrent leegstand’ die op gewestelijk niveau dienen gemonitord

te worden, zou willen invullen.

Ons lijkt het belangrijk dat er, ondanks de toekomstige complete gemeentelijke verantwoordelijkheid,

toch een methodologisch kader omtrent het monitoren van de leegstand zou worden aangereikt door

de Vlaamse overheid aan de gemeenten. Ook het Waalse Gewest streeft hier naar (Lemaire, 2015). Dit

aanreiken van een methodologisch kader zou kunnen passen in bovenvermeld ‘strategisch kader op

de hoofdlijnen’ dat de Vlaamse overheid de gemeenten aanreikt.

Indien voor een dergelijke benadering zou worden gekozen, kunnen de (in de pijplijn zijnde) methodes

van de andere Belgische Gewesten inspirerend zijn. Zij werken, of streven er in de nabije toekomst

naar om te werken met de verbruiksgegevens van water en elektriciteit.

In de andere Gewesten is gebleken dat het niet efficiënt is om rechtstreeks met de aangeleverde

lijsten van de nuts‐ en distributiemaatschappijen te werken. Zowel de ervaringen van de Cel Leeg‐

staande Woningen van de Gewestelijke Overheidsdienst Brussel als deze van de onderzoekers van het

CEHD, tonen dat het aantal ‘niet‐residentiële’ tellers in de lijsten te groot is.

Vertrekken van een vermoedenlijst van gemeenten zoals in het Brussels Hoofdstedelijk Gewest, lijkt

geen goede methode voor Vlaanderen. Dit zou immers sterk op het huidige systeem van leegstands‐

registratie in het Vlaamse Gewest lijken en biedt de gemeenten geen goede startbasis om een leeg‐

standsbeleid te voeren (zie hoger).

Een cleaning en koppeling van de databanken uitvoeren, zoals in de studie van het CEHD werd

gedaan, lijkt wel een goede piste. De manier van uitzuiveren van de databanken zou wel op een meer

geautomatiseerde manier moeten gebeuren dan de manuele manier zoals in de studie van het CEHD.

De koppeling die ze achteraf maakten met het kadaster voor een deel van de tellers bracht aan het

licht dat er nog 20% niet‐residentiële tellers in hun uitgezuiverd en gekoppeld bestand zaten. De

manuele koppeling die ze uitvoerden was dus geen sluitende methode om de residentiële van de niet‐

residentiële tellers te onderscheiden.

Een (geautomatiseerde) koppeling tussen de databanken van de nuts‐ en distributiemaatschappijen

en de kadastrale databank lijkt, ondanks de imperfecties die bij de kadastrale databank en deze kop‐

peling gepaard gaan, de beste optie. De koppeling duidt de meters aan die aan een conventionele

woning kunnen worden verbonden en bijgevolg dus het aantal conventionele woningen waarbij een

uitzonderlijk laag water‐ en/of energieverbruik is vastgesteld. Dit aantal zou dan het aantal conventio‐

nele woningen voorstellen die potentieel langdurig/structureel leegstaan. De link met het kadaster

stelt de gemeenten, indien gewenst, ook in staat om de eigenaar van het pand te benaderen indien ze

deze in de strijd tegen structurele leegstand willen contacteren.


De studie van Lemaire (2015) en haar zoektocht naar verklaringen voor langdurige leegstand toont dat

in Wallonië, en dus met grote waarschijnlijkheid ook in Vlaanderen, dit niet ontegensprekelijk wil zeg‐

gen dat deze woningen ook structureel leegstaand zijn. Er kunnen mogelijks andere verklaringen zijn

waarom de woning een dergelijk water‐ en/of elektriciteitsverbruik heeft. De respondenten gaven in

de studie van Lemaire volgende redenen aan: het gebruik van een waterput, het gebruik van zonne‐

panelen, het hebben van meerdere tellers (die dan zouden moeten worden opgeteld), een defecte

teller, een budgetteller, vaak buitenshuis zijn en zeer zuinig leven (Lemaire, 2015).

Het is, met andere woorden, belangrijk in het achterhoofd te houden dat de gekoppelde lijst een

startpunt is met een overzicht van de potentieel langdurig leegstaande woningen. Onderzoek ter

plaatste moet aan het licht brengen of deze woningen ook effectief langdurig leegstaan.

De geautomatiseerde koppeling tussen de databanken van de nuts‐ en distributiemaatschappijen en

de kadastrale databank zal, net als de koppeling van het rijksregister en de kadastrale databank in het

kader van de Census 2011 enerzijds en de koppeling van de databanken de nuts‐ en distributiemaat‐

schappijen en de kadastrale databank in het kader van de studie van CEHD anderzijds, op mismatchen

botsen doordat er met grote waarschijnlijkheid geen eenduidige notatie is van huisnummers, busnum‐

mers, bisnummers en verdiepingen; omdat de kadastrale databank geen woningendatabank, maar een

perceels‐ en gebouwenbestand is; en omdat er niet altijd een eenduidige link zal zijn tussen woon‐

gelegenheid en teller: één woongelegenheid kan meerdere tellers van water en/of elektriciteit bevat‐

ten en één teller van water en/of elektriciteit kan gedeeld worden door meerdere woongelegenheden.

Empirisch onderzoek moet uitwijzen hoe groot de mismatch is.

Deel 2: Leegstand verklaren

Frank Vastmans


3. Leegstand verklaren

In dit hoofdstuk wordt dieper ingegaan op de verklaring van leegstand. De doelstelling hierbij is twee‐

ledig:

- Inzicht in de verklarende factoren van leegstand kan helpen om te bepalen welke maatregelen

effectief kunnen zijn om leegstand te bestrijden. Structurele leegstand die verklaard wordt door een

overaanbod van woningen vereist mogelijk andere maatregelen dan leegstand verklaard door een

hoog aandeel oude verkrotte woningen.

- Deze analyse kan ook meer inzicht bieden welke woningen in grotere mate een kans hebben om leeg

te staan. In die zin kunnen administratieve data een grotere groep woningen afbakenen waarbij de

kans op structurele leegstand groter is. Dit kan handig zijn als leidraad voor gemeenten om het leeg‐

standregister verder uit te werken. Door in eerste instantie de woningen op te volgen waarvan de

kans op leegstand het grootst is zal het veldwerk om leegstand op te volgen beperkt blijven. Hiertoe

is het belangrijk dat de kans op leegstand binnen de afbakende set van woningen enigszins reëel is.

Een succes‐ratio van één leegstaande woning op tien potentieel leegstaande woningen lijkt niet

bruikbaar omdat zo het resterende veldwerk te arbeidsintensief is. Uiteraard is dit een De tweede‐

beste keuze en is de optie te verkiezen die op een administratieve manier de leegstand redelijk exact

benaderd.

De analyse om leegstand te verklaren kampt echter met een moeilijkheid. Hoe kunnen we verklaren

welke variabelen leegstand verklaren indien we geen gegevens over leegstand hebben?

In eerste instantie hebben we getracht om de groep van potentieel leegstaande woningen op een

residuele manier te benaderen in een gemeente/statistische sector. Hierbij wordt gestart met het

totaal aantal woongelegenheden en verminderen dit aantal met diverse data die aangeven dat een

woongelegenheid niet structureel leegstaat (zoals bijvoorbeeld het aantal gedomicilieerde huishou‐

dens). Aangezien deze analyse niet de verhoopte resultaten gaf omdat de zo bepaalde potentieel leeg‐

staande woningen geen verband lijken te vertonen met de werkelijke leegstand is deze niet volledig

uitgevoerd. We schetsen de problemen van deze benadering.

Een tweede analyse tracht het aandeel woningen dat volgens het leegstandsregister leegstaat te ver‐

klaren door na te gaan welke variabelen ‐ via een meervoudige regressieanalyse ‐ hiermee samen‐

hangen.

3.1 Mogelijke verklaringen van leegstand

Om meer inzicht te krijgen in het belang van de methodologie geven we eerst enkele voorbeelden uit

de literatuur die zoeken naar verklaringen van leegstand. Daaraan gekoppeld definiëren we welke

variabelen mee opgenomen dienen te worden als verklaring van de leegstand.

Private investeerders hebben een tweevoudige impact op statistische sectoren met huurders met lage

inkomens. Als investeerders de woningen renoveren, kan de buurt verbeteren. Maar als de investeer‐

ders niet in dit potentieel geloven, kunnen ze wachten op een geschikt moment om deze woning te


verkopen. Dit kan samengaan met leegstand en een verdere afname van de kwaliteit van de woon‐

buurt en een grotere leegstand (Li Y., Walter R., 2013). We verwachten dus een negatieve relatie met

het inkomen: hoe hoger het inkomen, hoe lager de leegstand.

Sterkens e.a. (2013) geven het overaanbod als reden voor de hoge leegstandscijfers in Roeselare en

Kortrijk, zowel aan handelspanden in de stedelijke kern als aan bouwgrond rondom de stedelijke kern.

Bijgevolg blijft nieuwbouw aantrekkelijker, betaalbaarder en dus ook een meer uitgevoerde praktijk

dan hergebruik. In regio’s met een groot aanbod aan bouwgrond en hoge nieuwbouwactiviteit ver‐

wachten we veel nieuwbouw en meer leegstand in de oude woningvoorraad.

Een opkomende problematiek is leegstand van grote villa’s en landhuizen op de eerder slechte loca‐

ties (Sterkens e.a. 2013). Dit vereist de aanmaak van een specifieke variabele die twee gegevens com‐

bineert. Bovendien is het bepalen van ‘slechte locatie’ minder evident. Mogelijk kan hiervoor het lig‐

gingseffect op statistische sectorniveau gebruikt worden gelijk berekend in de huurschatter

(Vastmans, 2013)

‘Armere steden worden vaak geconfronteerd met een hogere graad van leegstand in hun oudere

woningvoorraad’ (Dwarka, 2014). Dit vereist de aanmaak van een specifieke variabele die drie

gegevens combineert, namelijk stad, lager inkomen en ouderdom woningvoorraad.

We kunnen concluderen dat er diverse verklaringen voor leegstand te geven zijn. Daartoe nemen we

deze elementen als verklarende variabelen mee op in een model dat leegstand verklaart. De meeste

van deze variabelen zijn immers ‐ al dan niet benaderend ‐ te meten. Op die manier kunnen we de link

tussen beiden leggen.

3.2 Een residuele benadering van leegstand

Om de leegstand te verklaren dienen we een indicatie te hebben van de leegstand. In deel 1 is aange‐

geven dat het leegstandregister onbetrouwbaar is om de structurele leegstand in kaart te brengen. In

dit deel wordt daartoe gepoogd een groep potentieel leegstaande woningen ruw af te bakenen op een

residuele manier in een gemeente/statistische sector. We nemen alle woningen en trekken hiervan in

eerste instantie alle gedomicilieerde huishoudens van af. Wat overblijft noemen we het woning‐

surplus. Deze groep van niet officieel bewoonde woningen wordt echter nog op diverse manieren voor

huisvestiging gebruikt (semi‐primaire en secundaire bewoning). We trachten hier een benaderend

beeld van te krijgen door per gemeente een rudimentair cijfer van alle soorten niet‐structureel leeg‐

staande woningen (studenten, tweede verblijven, …) in rekening te nemen. Voor deze oefening is het

niet nodig dat alle data daartoe beschikbaar zijn. Wel zouden we een indicatie moeten kunnen hebben

zodat het het woningsurplus verklaard kan worden aan de hand van partiële informatie. Stel hypo‐

thetisch dat een gemeente gemiddeld een woningsurplus heeft van 10% niet‐gedomicilieerde wonin‐

gen en aan de hand van beschikbare informatie gevonden wordt dat 2,5% van de woningen semi‐

primair bewoond wordt, 2% secundair en 0,5% structureel leegstaand is. De beschikbare data zou dan

m.a.w. slechts de helft (samen 5%) van het woningsurplus (10%) verklaren. Een mogelijke aanpassing

om beide cijferreeksen in overeenstemming te brengen zou eruit kunnen bestaan om alle indicatoren

met 2 te vermenigvuldigen, waarbij de veronderstelling gemaakt wordt dat alle indicatoren gemiddeld

op dezelfde manier onderschat zijn. Een betere manier bestaat eruit om een regressieanalyse te laten

bepalen welk gewicht diverse indicatoren krijgen in de bepaling van het woningsurplus. Op die manier

wordt de weging bepaalt op een manier die de verklaringskracht van de indicatoren m.b.t. het


woningsurplus maximaliseert voor alle gemeenten. De beschikbare data zijn echter te beperkt om dit

adequaat te doen. Hoewel deze analyse niet de verhoopte resultaten geeft omdat de zo bepaalde

potentieel leegstaande woningen geen verband lijken te vertonen met de werkelijke leegstand, is het

interessant om aan te geven wat de oorzaken hiervan zijn. We overlopen daartoe de verschillende

elementen die zorgen voor de moeilijkheden.

3.2.1 Bespreking beschikbare data voor residuele benadering

3.2.1.1 Het aantal woongelegenheden

Op basis van de administratieve data (het woningbestand van AAPD en rijksregister) kan het

woningsurplus, het verschil tussen de woningvoorraad en het aantal administratieve/officiële huis‐

houdens eenvoudig berekend worden. Op het adres van een leegstaande woning zou in principe

immers geen domicilie mogen zijn. Het aantal officiële woongelegenheden is evenwel een onderschat‐

ting van het werkelijk aantal woongelegenheden omdat een woning die volgens het kadaster uit één

wooneenheid bestaat door meerdere huishoudens kunnen bewoond worden. Opgesplitste heren‐

huizen zijn daar een typisch voorbeeld van.

De resultaten van de Census2011 (ADS) bieden een eerste indicatie van deze problematiek. Zoals in

2.1.1 aangegeven maken wordt in de berekening van de census2011 gebruik gemaakt van diverse

algoritmes om de administratieve huishoudens toe te wijzen aan woningen waarbij ook rekening

gehouden wordt met het aantal bouwlagen van een gebouw. Een herenhuis met drie bouwlagen met

drie huishoudens zal op die manier volgens de census 2011 3 woongelegenheden bevatten waar dit in

het kadaster mogelijk slechts één woning is. Op basis van de Census 2011 komt men zo uit dat

1 januari 2011 er in het Vlaams Gewest 3 057 389 woningen waren, of 2,4% meer dan in het kadaster,

waar het gebouwbestand 2 985 366 woongelegenheden telde. Dit geeft een verschil van 72 023 woon‐

gelegenheden. In Gent telt de Census 2011 7,1% meer woongelegenheden dan het kadaster, in Leuven

5,3%. Voor de grootste groep gemeenten schommelde deze verhouding tussen 1,5% en 3%.

Onderstaande tabel toont bovendien dat het totaal aantal woongelegenheden niet zo eenvoudig te

bepalen is waarbij de 103 512 woongelegenheden in handelshuizen en 59 188 in vakantieverblijven in

het oog springen (AAPD 2013). Ook zien we dat in huizen in gesloten bebouwing er 7% meer woon‐

gelegenheden zijn dan gebouwen.


Tabel 1 Vergelijking woongelegenheden en gebouwen, per type, 2013, Vlaams Gewest

Wgh Geb Wgh/geb Wgh (in %) Geb (in %)

Appartementen 480 493 64 505 7,45 15,8 2,4Bergplaats 1 806 94 322 0,02 0,1 3,6Building 230 847 44 092 5,24 7,6 1,7Handelshuis 103 512 120 740 0,86 3,4 4,6Hoeve 42 295 98 636 0,43 1,4 3,7Huis in gesloten bebouwing

692 354 645 166 1,07 22,8 24,5

Huis in halfopen bebouwing

493 333 488 191 1,01 16,2 18,5

Huis in open bebouwing 166 858 165 304 1,01 5,5 6,3Kantoorgebouw 1 134 6 364 0,18 0,0 0,2Kasteel 830 761 1,09 0,0 0,0Nijverheidsgebouw 7 393 97 304 0,08 0,2 3,7Socialprofit gebouw 11 250 36 457 0,31 0,4 1,4Vakantieverblijf 59 188 27 326 2,17 1,9 1,0Villa 750 623 746 760 1,01 24,7 28,3

Totaal 3 041 916 2 635 928 1,15 100,0 100,0

Bron: AAPD, eigen verwerking

Daarnaast geeft de Census 2011 aan dat er 3 262 personen in andere bebouwing wonen. Het gaat over

1 478 ‘woningen’ zoals windmolens, … We vermoeden dat het hier gaat om gebouwen waarvoor geen

woongelegenheid in het kadaster is aangegeven. Het gaat hier dus niet om vakantieverblijven want

die worden als conventionele woning opgenomen.7 In de census wordt aangegeven dat in 2011

28 677 niet‐conventionele woningen bewoond worden. Dit zijn waarschijnlijk niet‐residentiële woon‐

gebouwen met officiële woongelegenheden.

3.2.1.2 Primaire bewoning en gedomicilieerde huishoudens

Met primaire bewoning wordt bedoeld dat de bewoning als feitelijke hoofdverblijfplaats dient van een

persoon. Het administratief/officieel aantal huishouden wordt bepaald door het aantal huishoudens

dat zich gedomicilieerd heeft op een adres. Het woningsurplus is dan het verschil tussen het aantal

woongelegenheden en het aantal huishoudens. Als we dit woningsurplus vervolgens verminderen met

de beschikbare data omtrent semi‐primaire en secundaire bewoning krijgen we het resterend

woningsurplus.

3.2.1.3 Semi‐primaire bewoonde woningen

De wetgeving maakt alleen maar een onderscheid tussen primaire (hoofdverblijfplaats) en secundaire

bewoning (tweede verblijf). Zich baseren op de feitelijke hoofdverblijfplaats is vaak voor interpretatie

vatbaar, en tussen een primaire woning en een secundaire woning is er een heel continuüm van

mogelijke tussenvormen (zie 2.1.2). Onder semi‐primaire bewoning verstaan we:

a) studentenhuisvesting in conventionele woningen

7 Dit kan afgeleid worden uit het feit dat bv. in de gemeente Lille er meer dan 1 000 vakantieverblijven zijn en eveneens

meer dan duizend niet‐bewoonde woningen.


b) Niet‐officieel bewoonde woningen: starters op de woningmarkt, buitenlandse diplomaten en

militairen

Weekers (2015) heeft met cijfers van de stad Gent (Gent in cijfers, 2012), de huisvestingsdienst van de

stad Leuven en andere onlinedatabanken van verschillende studentensteden getracht om het aantal

conventionele woningen verhuurd aan kotstudenten te schatten. Zij vond dat ongeveer 0,5% van de

conventionele woongelegenheden in het Vlaams Gewest door studenten bewoond werden.

In de regressieanalyse om het resterend woningsurplus te verklaren had dit aandeel studentenwonin‐

gen dan ook een positief teken. In gemeenten met veel studenten kan men niet alleen verwachten dat

dit aandeel studentenwoningen mogelijk onderschat is, maar vooral ook dat in studentensteden ook

meer afgestuurde koppels samenwonen die officieel nog bij de ouders gedomicilieerd zijn. Dit aandeel

studentenwoningen vormt dus een indicator om een bijkomend deel van het resterend woningsurplus

te verklaren.

3.2.1.4 Secundaire bewoning en tweede verblijven

a) Vakantieverblijven

In het kadaster is er een categorie woningen met woongelegenheden die onder vakantieverblijven

vallen. Deze worden veelal mee opgenomen in de statistieken van de totale woningvoorraad, maar in

principe is bij deze vakantieverblijven geen domiciliëring mogelijk. Hoewel hier ook een zekere vorm

van leegstand mogelijk is, lijkt het aannemelijk om deze voornamelijk als tweede verblijven te cate‐

goriseren en de totale woningvoorraad hiermee te verminderen. Dit is ongeveer 2%.

b) Vakantiewoningen in gewone conventionele woningen

Weekers (2015) maakte ook een schatting van het aantal woongelegenheden die als gewone huizen

of appartementen in het kadaster zijn opgenomen, maar die voor een korte periode (week of

weekend) op basis van het Vlaams Logiesinformatiesysteem (VLIS). Ongeveer 0,5% van de woon‐

gelegenheden vallen onder deze noemer.

3.2.1.5 Leegstand

Wanneer we op basis van het bestand niet‐officieel bewoonde woningen de leegstaande woningen

willen bepalen, moet voor al de boven vermelde bewoningen worden gecorrigeerd. Bovendien zijn we

in deze studie geïnteresseerd in de structurele leegstand zodat we ook de tijdelijke leegstand hiervan

moeten aftrekken. Volgens de definitie van structurele leegstand zou de overige leegstand dan

bepaald worden door de woningen die minder dan 1 jaar onafgebroken leegstaan.

a) Frictieleegstand

Frictieleegstand wordt beschouwd als een tijdelijke vorm van leegstand die nodig is voor een goede

werking van de woningmarkt. Bij verhuizen en renoveren is er een tijdelijke leegstand vaak noodzake‐

lijk. Vaak wordt melding gemaakt van een frictieleegstand van 3%. Dit cijfer is niet echt wetenschap‐

pelijk gestaafd. In Nederland vindt men 2,2% frictieleegstand (CBS 2014). De provincie West‐Vlaande‐

ren heeft wel een benaderende methodiek uitgewerkt om de frictieleegstand te becijferen (zie


bijlage 1) en toont duidelijk gemeentelijke verschillen (zie figuur 4). Deze data zijn niet voor heel Vlaan‐

deren beschikbaar en bovendien wordt leegstand gemeten op basis van hoe een woning doorheen de

tijd wisselt tussen primaire en niet‐primaire bewoning, waar niet alleen leegstand, maar ook andere

soorten bewoning inzit. Tijdelijke leegstand verandert bovendien doorheen de tijd en is afhankelijk van

de toestand van de woningmarkt en economische omstandigheden op het tijdstip van de meting. Zo

zal de time on market bij verkoop (hoe lang een pand aangeboden staat) conjunctureel afhankelijk zijn.

Read (1993) suggereerde bovendien dat het verbeteren van marktinformatie leidt tot meer zoekacti‐

viteit wat leidt tot minder leegstand in de huurmarkt. De dynamische meting van leegstand wordt niet

gemeten in dit onderzoek, maar is wel belangrijk als aandachtspunt bij de interpretatie van de resul‐

taten. Naast de time on market is ook het aantal verkopen bepalend. De verkoopintensiteit ‐ het aantal

verkopen t.o.v. het aantal woongelegenheden ‐ is typisch hoger in stedelijk gebied en/of bij apparte‐

menten dan bij rurale en/of alleenstaande woningen (Vastmans & Helgers, 2016).

Bij gebrek aan data veronderstellen we een frictieleegstand van 2,5% voor alle gemeenten.

3.2.2 Overzicht, regressieresultaten en besluit

3.2.2.1 Overzicht

Op basis van het leegstandregister van de Vlaamse overheid zijn ongeveer 0,5% van de woongelegen‐

heden in Vlaanderen structureel leegstaand. In onderstaande tabel wordt via de diverse bovenstaande

geciteerde databronnen een rudimentaire residuele benadering toegepast. We zien dat ruwweg een

7% van de woningen niet aan een categorie toegewezen kan worden. In grote mate is dit te wijten aan

de types waarvoor geen cijfers beschikbaar zijn: 1) semi‐primaire bewoning (met uitzondering van een

ruwe schatting van het aandeel studenten), 2) het aandeel tweede woningen (hoewel er wat betreft

vakantiewoningen wel een minimumaandeel gegeven kan worden) en 3) het aandeel structureel leeg‐

staande woningen (met uitzondering van diegene die in het leegstandsregister zijn opgenomen).

Tabel 2 Benaderend overzicht aandeel type bewoning ten opzichte van woongelegenheden, Vlaams

Gewest

Type Deeltype Aandeel* Resterend Bron*

Woningen woongelegenheden 100,0% 100,0% (1) + bewoonde niet‐woongelegenheden 0,1% 100,1% (2) + woongelegenheden niet geregistreerd 2,0% 102,1% (2)Primair ‐ primair huishoudens gedomicilieerd ‐89,0% 13,1% (3)Semi‐primair ‐ studenten in conventionele woningen ‐0,5% 12,6% (4) ‐ semi‐primair overig ? Secundair ‐ vakantiewoning (in niet‐vakantiewoning) ‐0,5% 12,1% (5) ‐ vakantieverblijven (officieel) ‐2,0% 10,1% (1) ‐ tweede verblijven overig ? Leegstand ‐ frictieleegstand ‐2,5% 7,6% (6) ‐ leegstandregister ‐0,5% 7,1% (7) ‐ structurele leegstand overig ? Onbepaald 7,1%

* Benaderend aandeel, gebaseerd op eigen verwerking van diverse bronnen: 1 AAPD, 2 Census 2011, 3 Plan‐bureau, 4 Weekers (2015), 5 VLIS (Vlaams Logiesinformatiesysteem), verwerking Weekers (2015), 6 steun‐punt sociale planning van de provincie West‐Vlaanderen, 7 Wonen‐Vlaanderen. Door het feit dat de jaar‐tallen tussen de bronnen verschillen (2011‐2014), is gekozen voor percentages, dan wel absolute aantallen.


Het onverklaard woningsurplus is hierbij een stuk groter dan verwacht, hoewel dit voor bijvoorbeeld

kustgemeenten wel in de lijn van de verwachtingen ligt. Het is echter niet de bedoeling van deze

oefening om op een wetenschappelijk verantwoorde manier de structurele leegstand te meten, maar

wel een indicator te hebben van die gemeenten/statistische sectoren waar er mogelijk veel leegstand

is om deze vervolgens te verklaren. Hiertoe werden regressieanalyses uitgevoerd die in volgend punt

besproken worden.

3.2.2.2 Regressieanalyse

Om dit onbepaald woningsurplus (7,1%) te verklaren zijn er diverse regressieanalyses uitgevoerd

(bijlage 2). Hierbij werd bovenstaande residuele benadering op gemeenteniveau uitgevoerd om per

gemeente een schatting te krijgen van het onbepaald resterend woningsurplus. Problematisch is dat

het grootste deel van dit onbepaald woningsurplus niet te wijten is aan niet‐geregistreerde leegstand,

maar eerder aan secundaire en semi‐primaire bewoning. De determinanten die het woningsurplus

verklaren geven zo geen verklaring voor mogelijke leegstand. Dit was enigszins te verwachten. Daartoe

werden er systematisch gemeenten uit de regressieanalyse gelaten waarvan men kan verwachten dat

het hoog resterend woningsurplus niet te wijten is aan leegstand. Van de kustgemeenten kan men bv.

verwachten dat het aandeel tweede verblijven hoog is. In bepaalde centrumsteden telt ook het effect

van semi‐primaire bewoning (net‐afgestudeerde starters op de woningmarkt, …). Hierdoor daalde het

woningsurplus en hadden we gehoopt door deze verfijningen dat het resterend woningsurplus in gro‐

tere mate door leegstand verklaard zou worden. Dit bleek echter niet het geval. Het aandeel pan‐

den/woningen in het leegstandregister had een systematisch negatief teken in de vergelijking om het

resterend woningsurplus te verklaren. Het verband lijkt dus omgekeerd evenredig: hoe groter het

resterend woningsurplus, hoe kleiner de leegstand. Mogelijk wordt dit verklaard door het feit dat er in

gemeenten met een hoger aandeel tweedeverblijven en semi‐primaire bewoning weinig leegstand is?

Een andere mogelijkheid zou zijn dat het leegstandregister meer het leegstandsbeleid meet dan wel

de leegstand. Op die manier zou er een omgekeerde relatie kunnen bestaan tussen beiden. Het is

alleszins zo dat voor andere variabelen wel logische coëfficiënten gevonden werden. Het aandeel

geregistreerde vakantieverblijven heeft een positief teken. Men kan dus vermoeden dat gemeenten

met een hoog aandeel geregistreerde vakantieverblijven ook een hoger aandeel niet‐geregistreerde

vakantieverblijven heeft. Aangezien het resterend woningsurplus niet in verband kan gebracht worden

met de structurele leegstand, en dus ook niet het aandeel bepaald kan worden van het resterende

woningsurplus dat aan leegstand toegewezen kan worden, kunnen op basis van deze benadering geen

verdere analyses uitgevoerd worden om leegstand te bepalen.

3.3 Leegstand zoals gemeten door het leegstandregister

De residuele benadering gaf niet de verhoopte resultaten. De afgebakende groep van het woning‐

surplus woningen die niet konden toegewezen worden aan semi‐primaire of secundaire bewoning was

relatief groot en vertoonde bovendien geen link met de data van het leegstandregister als indicator

van structurele leegstand. Een andere mogelijke benadering is te starten met de onvolledige data het

leegstandregister. Dit is om tweeërlei redenen een onderschatting van de structurele leegstand. Niet

alle gemeenten hebben een actief leegstandregister bijgehouden en bovendien kan men verwachten

dat het leegstandregister, zelfs indien het bijgehouden is, onvolledig is. Maar het kan interessant zijn

om na te gaan indien we kunnen verklaren welk type woningen/gebouwen nu reeds in het leegstand‐

register opgenomen zijn.


Met name de census‐statistieken waarbij voor conventionele woningen een opdeling gemaakt wordt

naar bewoningssituatie, type gebouw en bouwperiode zijn hiervoor interessant. Onderstaande figuren

geven het beeld voor Vlaanderen weer, maar de tijdreeksen zijn ook op gemeenteniveau beschikbaar

waarmee we een regressieanalyse kunnen uitvoeren.

Figuur 5 geeft weer welk percentage van de gebouwen met woningen niet bewoond is maar wel woon‐

gelegenheden geregistreerd heeft volgens de gekoppelde woningendatabank van de census 2011. We

zien dat voornamelijk de niet‐eengezinswoningen hogere percentages optekenen. Op zich is dit niet

verwonderlijk. We kunnen vermoeden dat voornamelijk in steden met hun hoger percentage appar‐

tementen een hoger aandeel semi‐primaire bewoning (o.a. studenten) en secundaire bewoning

optekenen. Dit wil dus niet zeggen dat appartementen een grotere structurele leegstand optekenen.

Minder duidelijk af te lezen op de figuur, maar wel een belangrijk element, is het feit dat oudere een‐

gezinswoningen in grotere mate niet bewoond zijn dan hun jongere varianten. Er zijn veel meer oudere

eengezinswoningen niet primair bewoond in verhouding tot hun jongere varianten dan de recentere

eengezinswoningen terwijl bij niet‐eengezinswoningen de jongere gebouwen eveneens hogere per‐

centages optekenen.

Wat figuur 5 eveneens niet weergeeft is het relatief belang van elke categorie. Figuur 6 geeft weer

over hoeveel gebouwen het gaat. De hypothese is dat voornamelijk bij oude eengezinswoningen

hogere structurele leegstandpercentages opgetekend worden. Als ruwe indicator voor structurele

leegstand nemen we het aantal panden ten opzichte van het aantal woongelegenheden volgens het

kadaster. Bemerkt dat in het leegstandregister de panden ook gebouwen kunnen zijn. Later wordt er

dan ook een analyse uitgevoerd waarbij we veronderstellen dat alle panden gebouwen zijn in plaats

van woningen.

Figuur 5 Aandeel niet primair‐bewoonde woningen volgens bouwjaar en type gebouw

Bron: Census 2011


Figuur 6 Aantal niet bewoonde woningen volgens bouwjaar en type gebouw

Bron: Census 2011

Deze hypothese lijkt bevestigd indien we naar de correlatie tussen het aandeel van het leegstands‐

register en oude niet‐bewoonde eengezinswoningen kijken. Bovendien zien we dat het leegstand‐

register waarschijnlijk doorheen de tijd beter geregistreerd wordt door de gemeenten. De correlatie

stijgt immers overheen de verschillend jaren. Gegeven het feit dat leegstand niet op een gelijkaardige

en even intensieve manier tussen gemeenten opgevolgd wordt, is dit een hoge correlatie en kan men

vermoeden dat deze correlatie stijgt naarmate de gemeente leegstand beter en uniformer zou

registreren.

Tabel 3 Correlatie tussen leegstand gemeten volgens leegstandregister en aandeel oude niet‐bewoonde

eengezinswoningen op gemeenteniveau volgens jaar, Vlaams Gewest (in %)

Correlatie 2012 2013 2014 2015

Aandeel oude niet‐bewoonde eengezinswonin‐gen (gebouwd voor 1945)

31 33 42 43

Bron: Census 2011, leegstandregister Wonen‐Vlaanderen

3.3.1.1 Regressieanalyse

Aangezien het leegstandregister, hoewel niet door alle gemeenten op dezelfde manier en even intens

opgevolgd wordt, blijken deze toch een sterke samenhang te vertonen het aandeel leegstaande een‐

gezinswoningen. We gaan nu via een meervoudige regressieanalyse, waarbij het gemeentelijk8 aandeel

8 Momenteel zijn de census‐statistieken waarbij een onderscheid gemaakt wordt volgens conventionele woningen naar

bewoningssituatie, type gebouw en bouwperiode enkel op gemeenteniveau beschikbaar, waardoor de mogelijkheden van een meer gedetaillleerde ruimtelijke analyse beperkt zijn.

Structurele Leegstand ?

Semi‐primaire en secundaire bewoning ?


leegstaande woningen volgens het leegstandregister verklaard wordt na welke andere variabelen

eveneens een verklaring kunnen bieden. Hiertoe zijn verschillende modellen getest, die we stapsgewijs

overlopen.

1. Zoals eerder aangegeven vertoont het aandeel oude niet‐bewoonde eengezinswoningen een

sterke samenhang met het aandeel woningen in het leegstandsregister. De coëfficiënt van het aan‐

deel niet‐bewoonde woningen met bouwjaar tussen 1919‐1945 is ook zeer significant, maar wel

beduidend lager dan deze met bouwjaar voor 1919.

2. Aangezien we ook grote aandelen niet‐bewoonde meergezinswoningen met bouwjaar 1971‐1980

vonden, plaatsten we deze ook in het model, maar deze zijn helemaal niet significant. Hoogstwaar‐

schijnlijk dienen zijn voor semi‐primaire en secundaire bewoning.

3. Opmerkelijk is bovendien dat het aandeel niet‐bewoonde meergezinswoningen met bouwjaar

voor 1919 een negatief teken heeft. Mogelijk is structurele leegstand moeilijker te meten in appar‐

tementen. Maar evengoed kan het zijn dat deze appartementen veelal niet structureel leegstaan.

Oude appartementsgebouwen zullen veelal gelegen zijn op centrale locaties. Daarnaast

4. Als parameter voor aantrekkelijke locaties hebben we het fiscaal inkomen van een startende eige‐

naar9 genomen. Dit fiscaal inkomen geeft goed de recente dynamiek op de woningmarkt weer. De

resultaten geven weer dat regio’s met hogere inkomens een lagere leegstand optekenen. We zien

dat de inkomens van de plaatselijke bewoners die starten op de eigenaarsmarkt significant is.

Mogelijk wordt dit verklaard door het feit dat de aantallen van deze groep hoger is.

5. Een mogelijke these is dat in gemeenten met veel nieuwbouw erop kan wijzen dat dit de geprefe‐

reerde optie is en zo leegstand in de hand helpt. De indicator nieuwbouw t.o.v. vergunningen had

weliswaar een positief teken zoals verwacht maar we vonden haast geen significante resultaten.

Bovendien vonden we ook voor de intensiteit aan renovatie en sloop een positief teken, wat dan

weer niet overeenstemt dat nieuwbouw ervoor zorgt dat bestaande woningen leeg blijven. Daar‐

naast is ook de modellering niet vanzelfsprekend. Een hoog nieuwbouwpercentage kan erop wijzen

dat de gemeente een jonge woningvoorraad heeft en een jonge groeiende bevolking, en dus geen

leegstand. We zouden met andere woorden alleen maar nieuwbouw willen mee opnemen indien

er een oude woningvoorraad is. Dit kan door een interactie‐effect. Daartoe is een indicator

(ver)nieuwbouw geconstrueerd. Deze indicator is de ratio vergunningen ten opzichte van het aan‐

tal woongelegenheden, vermenigvuldigd met het aandeel woningen gebouwd voor 1919.

9 Het gemiddeld fiscaal inkomen per aangifte wordt beïnvloed door het aantal bejaarden, het aantal gezamelijke aangiftes,

enz. Elementen die een zekere ongewenste ruis veroorzaken in de data. Fiscaal hebben we een startende eigenaar benaderd als een min 40‐jarige die voor van een fiscaal woonvoordeel geniet, en niet het jaar ervoor.


Tabel 4 Regressieresultaten verklaring aandeel woningen in leegstandsregister op gemeenteniveau,

Vlaams Gewest, 2015

(1) (2) (3) (4) (5)

R2 0,202 0,202 0,209 0,231 0,238Niet‐bewoonde eengezins‐woningen <1919

0,350*** 0,305*** 0,360*** 0,320*** 0,243***

Niet‐bewoonde eengezins‐woningen 1919‐1945

0,192*** 0,191*** 0,189*** 0,189*** 0,180***

Niet‐bewoonde meergezins‐woningen 1971‐1980

n.s. n.s.

bewoonde meergezinswoningen 1971‐1980

n.s. n.s.

leegstaande meergezins‐woningen <1919

‐0,178* ‐0,185** ‐0,160*

inkomen startende eigenaars immigrerend

‐2,4E‐07 ‐2E‐07

inkomen startende eigenaars binnen gemeente

‐5,4E‐07** ‐5E‐07**

indicator (ver)nieuwbouw 0,204

* licht significant (p<0.1); ** significant (p<0.05); *** sterk significant (p<0.01). Bron: Census2011, Wonen‐Vlaanderen, AD Statistics, eigen verwerking

Globaal kunnen we stellen dat de leegstand zoals die nu gemeten is in het leegstandregister verklaard

kan worden door de aanwezigheid van oude niet voor primaire bewoning gebruikte eengezins‐

woningen op minder dure locaties. Dit effect lijkt sterker mee te spelen in regio’s met lagere inkomens.

Deze resultaten kunnen ook grafisch weergegeven worden zoals in onderstaande figuren.

Opvallend is de gelijkenis aan de westkant van de IJzer. Het aandeel oude woningen is er hoog omdat

de regio gespaard is door de eerste wereldoorlog, en het aandeel niet primair bewoonde oude wonin‐

gen is er eveneens hoog. Voorts valt het op dat stedelijke gebieden weliswaar een hoog aandeel niet

primair bewoonde oude eengezinswoningen hebben, maar een relatief laag leegstandpercentage. Dit

kan verklaard worden door het feit dat semi‐primaire en secundaire bewoning er hier voor zorgt dat

deze woningen niet structureel leegstaan. Bovendien kan men verwachten dat oude woningen op aan‐

trekkelijke locaties in het algemeen minder snel leegstaan. Daartoe zijn de liggingseffecten van huur‐

huizen toegevoegd zoals verkregen uit analyses op de Huurschatter (Vastmans, 2016). Deze geven

weer hoe een identieke woning (dus gelijke grootte en kwaliteit) in huurprijsverschil verschilt volgens

het niveau van de statistische sector. In grote mate komen deze verschillen overeen met de verschillen

zoals die door de inkomensvariabele uit de regressieanalyse verklaard wordt. Het geeft alvast weer

waarom de residuele benadering van leegstand zoals uitgewerkt in 3.2 niet werkt. Op aantrekkelijke

locaties is het aandeel tweede verblijven hoger, en de leegstand kleiner, wat het negatief verband

tussen beiden verklaart. Opvallend, maar vanuit die optiek niet onlogisch, zien we dan ook dat cen‐

trumsteden en de stedelijke randen lagere leegstandpercentages optekenen.

In bovenstaande analyse hebben we de analyse uitgevoerd waarbij het aantal panden afgezet werd

ten opzichte van het aantal woongelegenheden. We veronderstelden dat het aantal panden vaker

duidt op een woongelegenheid dan wel op een volledig gebouw met diverse woongelegenheden.

Indien we nu veronderstellen dat het aantal panden eerder met het aantal gebouwen overeenkomt,

dan krijgen globaal gezien een gelijkaardig beeld, maar de kustgemeenten en centrumsteden met een

hoog aandeel appartementen kleuren nu wel donkerder. We vermoeden dat voor gemeenten waar

het gemiddeld aantal woongelegenheden per gebouw hoog is, de regressieanalyse minder geschikt is,


en de kans zelfs bestaat dat het de coëfficiënten beïnvloedt. Als robuustheid‐analyse hebben we daar‐

toe eenzelfde analyse uitgevoerd waarbij de 30 gemeenten met de grootste verhouding woongelegen‐

heden per gebouw uit de analyse gelaten zijn, dus een selectie van gemeenten waar er minder appar‐

tementen zijn. De resultaten waren gelijkaardig.

Figuur 7 Aandeel niet primair bewoonde eengezinswoningen met bouwjaar <1919 (2011)

Bron: Census 2011

Figuur 8 Verhouding panden* in het leegstandregister t.o.v. woongelegenheden (2015)

* Panden in het leegstandregister. Bron: Wonen‐Vlaanderen, AAPD


Figuur 9 Ligginseffect van huurhuizen volgens hedonische prijsanalyse op Huurschatter (2015)

* Hoe donkerder, hoe duurder Bron: Vastmans (2016)

Figuur 10 Verhouding panden* in het leegstandregister t.o.v. aantal gebouwen (2015)

* Hier wordt het aantal panden in het register afgezet tegen het aantal gebouwen, en niet tegen het aantal woongelegenheden.

Bron: Vastmans (2016)

3.4 Besluit

Om de leegstand te verklaren is er in de eerste plaats een tijdreeks leegstand nodig. Hiertoe zijn twee

benaderingen gebruikt om op gemeenteniveau het percentage structurele leegstand te schatten. De

residuele benadering start met de totale voorraad woningen om stapsgewijs die woningen hiermee te

verminderen die op een bepaalde wijze bewoond zijn (gedomicilieerde huishoudens, studenten, …).

De beschikbare data om dit te doen zijn echter partieel en benaderend. Het resterend woningsurplus

dat niet aan een bepaalde bewoning toegewezen kan worden is daardoor nog redelijk groot en lijkt


voornamelijk uit semi‐primaire en secundaire bewoning te bestaan die niet gemeten is in de beschik‐

bare bronnen/benaderingen. De analyse suggereerde bovendien een negatief verband tussen het aan‐

deel semi‐primaire/secundaire verblijven en leegstand.

Vervolgens werden de cijfers van het leegstandregister gebruikt als indicator van het aandeel structu‐

reel leegstaande woningen. Deze indicator kan uiteraard gezien worden als een minimum. Niet alle

structurele leegstand is per gemeente gekend en bovendien verschilt het leegstandsbeleid tussen

gemeenten in grote mate. Op basis van de census 2011 konden we een belangrijke variabele eruit

halen. Het lijken voornamelijk de niet primair bewoonde oudere eengezinswoningen op minder aan‐

trekkelijke locaties die leegstaan. De aantrekkelijkheid van de locatie is gemeten via het inkomen van

eigenaars die starten op de woningmarkt. Dit is in lijn van de verwachtingen. Structurele leegstand in

aantrekkelijke gemeenten lijkt daardoor beperkt te zijn. Ook in Nederland vindt men dat de meest

perifere gebieden de hoogste leegstandpercentages kennen (Zeeland, Zuid‐Limburg). Daarnaast zijn

er ook andere factoren die mogelijk meespelen.

Resultaten voor gemeenten met veel appartementen kunnen niet echt getrokken worden. Aangezien

in het leegstandregister niet duidelijk geweten is als een pand een heel appartementsgebouw dan wel

een enkele woongelegenheid, is het opstellen van een indicator van het leegstandpercentage op basis

van leegstandregister voor deze gemeenten onduidelijk. Bovendien zien we dat deze gemeenten vaak

hoge percentages van semi‐primaire en secundaire bewoning hebben. Net in die gemeenten is het

vaak moeilijk om leegstand vast te stellen. Daarnaast spelen ook fiscale incentieven van de eigenaar

mee. In de mate dat een heffing op leegstand hoger is dan deze op tweede verblijven zal de eigenaar

verkiezen om zijn woning als tweede verblijf aan te geven, hoewel dit de facto kan leegstaan.

De analyse op basis van het leegstandregister geeft daardoor een partieel beeld en mogelijk registre‐

ren gemeenten vooral die panden waarvan de leegstand op een eenvoudige manier vast te stellen is

(omission bias). We verwachten dat een leegstaande woongelegenheid in een appartementsgebouw

dat voor het overige bewoond is daardoor minder snel geregistreerd zal worden dan een woonhuis.

Het doel van deze analyse was dan ook om verklaringen te geven van leegstand aan de hand van de

beschikbare gegevens over leegstand. Naarmate leegstand beter gemeten wordt, kunnen de verkla‐

rende analyses verfijnd worden.

Deel 3: Algemene conclusies en aanbevelingen

Lieve Vanderstraeten, Frank Vastmans en Michael Ryckewaert


4. Algemene conclusies en aanbevelingen

4.1 Conclusies

Dit onderzoek focust op structurele leegstand. Het rapport beschrijft in het eerste hoofdstuk van het

eerste deel hoe structurele leegstand wordt gedefinieerd. Daarna wordt onderzocht of en hoe leeg‐

stand op een wetenschappelijk betrouwbare en nauwkeurige wijze kan worden gemeten (hoofdstuk 2

deel 1). Tenslotte wordt nagegaan of er verklarende factoren kunnen worden aangehaald die leeg‐

stand bepalen en of er inzicht kan worden verworven in de woningen die in grotere mate kans hebben

om leeg te staan (hoofdstuk 3 deel 2).

Bekijken we de wijze waarop de drie regionale overheden (Vlaamse, Waalse en Brusselse overheid)

structurele leegstand beleidsmatig invullen, zien we dat ze eenzelfde periode (van minstens 12 opeen‐

volgende maanden) hanteren om een woning die niet is aangewend voor bewoning (of een ander

aanvaarde functie in het geval van Vlaanderen) als structureel leegstaand te beschouwen. De Brusselse

en Waalse Regering specifiëren in hun wetgeving de situatie door aan te geven dat een structureel

leegstaande woning en woning is waar niemand is ingeschreven in het bevolkingsregister en/of er

gedurende 12 maanden geen huisraad heeft gestaan.

De Brusselse en Waalse Regering hebben ook, in vergelijking met de Vlaamse Regering, extra

elementen opgenomen om een woning als structureel leegstaand te beschouwen. Ze stellen dat indien

het water‐ en elektriciteitsverbruik onder de door de Regering vastgestelde minimale drempel ligt, de

woning als structureel leegstaand wordt beschouwd.

Leegstand kan op dit ogenblik onvoldoende op een wetenschappelijk betrouwbare en nauwkeurige

manier worden gemeten aan de hand van de beschikbare administratieve databronnen. Hierbij wer‐

den de mogelijkheden en beperkingen onderzocht van het leegstandsregister van de Vlaamse overheid

en het gekoppelde woningenbestand ontwikkeld in het kader van de Census 2011 (welke een koppe‐

ling is tussen de kadastrale databank en het rijksregister).

Het leegstandsregister van de Vlaamse overheid is een gemeentelijk instrument en geen nauwkeurige

statistische informatiebron. Winters et al. (2015) stellen in hun studie over het lokaal woonbeleid dat

de volledigheid van het register bepaald wordt door de bereidwilligheid en ICT‐mogelijkheden van

gemeenten. Een hoog absoluut cijfer leegstaande panden kan wijzen op een actief beleid, maar een

actief beleid vertaalt zich niet altijd in een hoog aantal leegstaande panden (wanneer de gemeenten

in kwestie een beleid voeren rond het op de markt houden van woningen). Deze elementen maken

dat het onmogelijk is om te weten of het cijfer uit het gemeentelijke leegstandsregister de werkelijke

leegstand benadert of niet en of het cijfer dus een volledig of partieel (met het gevaar voor een een‐

zijdig) beeld schetst van leegstand.

Het gekoppelde woningenbestand van de Census 2011 is wel een interessante statistische informatie‐

bron, maar er zijn geen betrouwbare administratieve databronnen om de groep van structureel leeg‐

staande woningen uit het geheel te filteren.


Op basis van de gekoppelde informatie tussen kadastrale en rijksregistergegevens kunnen de con‐

ventionele woningen10 opgesplitst worden in een groep bewoonde woningen en een groep niet‐

bewoonde woningen. De bewoonde woningen zijn deze woningen waar via de verschillende koppe‐

lingsmechanismen een huishouden is toegekend, aan de niet‐bewoonde woningen is geen huishouden

toegekend.

De groep van niet‐bewoonde woningen bestaat, naast structureel leegstaande woningen, ook uit

(1) andere tijdelijke vormen van leegstand, (2) tweede verblijven, (3) vakantiewoningen in gewone

conventionele woningen en (4) niet‐officiële bewoonde woningen (studenten die niet op hun kot

gedomicilieerd zijn, starters op de woningmarkt die nog op het ouderlijk adres gedomicilieerd zijn,

mensen die in het wachtregister zijn opgenomen en alleen wonen, buitenlandse diplomaten en mili‐

tairen die zich niet in België geregistreerd hebben, enzovoort). Er zijn geen betrouwbare administra‐

tieve cijfers beschikbaar om de nodige correcties/aanpassingen op de groep van niet‐bewoonde

woningen uit te voeren om tot een wetenschappelijk aanvaardbare gemeentelijke becijfering van

structurele leegstand te komen.

Daarenboven is voor de koppeling van rijksregister‐ en kadastrale gegevens gebruik gemaakt van

algoritmen en (in het geval van 3% van de huishoudens) artificiële koppelingen. Deze artificiële koppe‐

lingen linkten willekeurig een huishouden aan een conventionele woning waar nog geen huishouden

aan was toegekend. De kans is groot dat bij deze willekeurige koppeling het huishouden niet is toe‐

gekend aan de woongelegenheid waar het huishouden effectief woont. Deze onzekerheid ondermijnt

het gebruik van de groep van niet‐bewoonde woningen als vertrekpunt. Het lijkt beter om de databank

van de conventionele woningen als startpunt te nemen en, gelijkaardig aan de methode die in het

Brussels Hoofdstedelijk Gewest wordt gebruikt en in het Waalse Gewest reeds wettelijk is verankerd,

tot een schatting te komen van de vermoedelijk structureel leegstaande woningen op gemeentelijk

niveau (zie onder).

Het feit dat er geen wetenschappelijk betrouwbare en nauwkeurige manier bestaat om leegstand te

meten aan de hand van administratieve databronnen, maakt het ook moeilijk om tot verklaringen te

komen van leegstand aan de hand van diezelfde beschikbare administratieve databronnen.

Hiertoe werd eerst het resterend woningsurplus berekend op gemeenteniveau, namelijk de woon‐

gelenheden waarvan het type bewoning niet ‐ op een rudimentaire ‐ wijze konden worden toege‐

wezen aan (1) andere tijdelijke vormen van leegstand, (2) tweede verblijven, (3) vakantiewoningen en

(4) niet‐officiële bewoonde woningen. Dit resterend woningsurplus bestaat echter grotendeels uit

niet‐officieel bewoonde woningen (of semi‐primaire bewoning) en tweede verblijven (of secundaire

bewoning) en is vooral negatief gecorreleerd met het aandeel leegstaande panden in het leegstand‐

register. Het is bijgevolg onmogelijk om een schatting te maken in welke mate dit resterend woning‐

surplus door leegstand bepaald wordt.

De data van de census 2011 bieden hiervoor een mogelijke verklaring. Het aantal niet‐bewoonde

woningen vertoont namelijk twee onderscheiden klassen. De niet‐bewoonde eengezinswoningen met

een bouwjaar voor 1945 en de niet‐bewoonde appartementen met een bouwjaar tussen 1960‐1980.

We vermoeden dat de eerste kleinere groep eerder wijst op leegstand en de tweede groep eerder op

semi‐primaire en secundaire bewoning.

Daartoe wordt via een regressieanalyse een indicator van leegstand, gebaseerd op het leegstand‐

register, verklaard. De leegstand volgens het leegstandregister staat ‐ ondanks de kwaliteit van deze

10 ADS definieert de conventionele woningen als ruimten die bestemd zijn voor permanente menselijke bewoning. De collec‐

tieve woningen (rusthuizen, kloosters, gevangenissen en ziekenhuizen), woonboten, bewoonde caravans en windmolens worden niet beschouwd als conventionele woning. Er waren in Vlaanderen op 1 januari 2011 2 613 187 conventionele woningen, 1 478 andere woongelegenheden en 3 805 collectieve woonverblijven (Census 2011).


data ‐ in een duidelijke relatie met het aandeel niet‐bewoonde eengezinswoningen gebouwd voor

1945, met het duidelijkste verband voor woningen gebouwd voor 1919. Daarnaast geeft de analyse

aan dat gemeenten met lagere inkomens hogere leegstandpercentages optekenen.

Hoewel deze resultaten te verwachten zijn, dient men voor ogen te houden dat de leegstand die hier

gemeten is uit het leegstandregister komt. Men kan vermoeden dat leegstand bij oude eengezins‐

woningen gemakkelijker te detecteren is dan bij appartementen. Voor een volledige verklarende ana‐

lyse zijn dan ook betere data over leegstand nodig.

4.2 Beleidsaanbevelingen

De Vlaamse Regering wil steden en gemeenten sterker maken en hen hierbij meer beleidsruimte bie‐

den. Ze richtte daarvoor een commissie ‘decentralisatie’ op die moest nagaan op welke terreinen de

autonomie van de lokale besturen kan verhoogd worden. In het eindverslag van de paritaire commissie

wordt voorgesteld om de lokale besturen volledige beleidsvrijheid te geven om te bepalen of ze über‐

haupt een beleid rond leegstand willen voeren en, indien ze dit wensen te doen, stelt de commissie

voor om hen zelf te laten bepalen hoe ze daar invulling aan geven. De rol van de Vlaamse overheid

beperkt zich in het voorstel tot het bepalen van het strategisch kader op hoofdlijnen. Anderzijds ver‐

meldt het eindverslag van de paritaire commissie ook expliciet dat er nood blijft om centraal nog een

aantal aspecten omtrent leegstand te monitoren en dat, door het wegvallen van de verplichtingen

inzake het leegstandsregister, zal moeten worden onderzocht hoe deze nood aan informatie‐uitwisse‐

ling het best kan worden ingevuld.

Ons lijkt het belangrijk dat er, ondanks de toekomstige complete gemeentelijke verantwoordelijkheid,

toch een goed startpunt met een overzicht van de potentieel langdurig leegstaande woningen, gebruik

makend van een koppeling tussen de verbruiksgegevens van water en elektriciteit en de kadastrale

databank, zou worden aangereikt door de Vlaamse overheid aan de gemeenten. De Vlaamse overheid

heeft hierdoor de zekerheid dat elke gemeente beschikt over een goed startpunt met een overzicht

van de potentieel langdurig leegstaande woningen én verzekert zich er van dat de lijst op een homo‐

gene manier tot stand is gekomen voor alle Vlaamse gemeenten welke een (wetenschappelijk verant‐

woorde) monitoring op Vlaams niveau mogelijk maakt. De gemeentelijk vrijheid over het al dan niet

voeren van een leegstandsbeleid wordt hiermee niet geschonden, gemeenten zijn vrij om met de lijst

te doen wat ze zelf willen. De Vlaamse overheid biedt hen een kader met vertrekpunt aan.

Om dit overzicht van potentieel langdurig leegstaande woningen te genereren, kan gebruik gemaakt

worden van een geautomatiseerde koppeling tussen de databanken van de nuts‐ en distributiemaat‐

schappijen en de kadastrale databank. Ondanks de imperfecties die bij de kadastrale databank en deze

koppeling gepaard gaan, lijkt dit de beste optie. De koppeling duidt de meters aan die aan een conven‐

tionele woning kunnen worden verbonden en bijgevolg dus het aantal conventionele woningen waar‐

bij een uitzonderlijk laag water‐ en/of energieverbruik is vastgesteld. Dit aantal zou dan het aantal

conventionele woningen voorstellen die potentieel langdurig/structureel leegstaan. De link met het

kadaster stelt de gemeenten, indien gewenst, ook in staat om de eigenaar van het pand te benaderen

indien ze deze in de strijd tegen structurele leegstand willen contacteren.

Indien een dergelijke benadering interessant gevonden wordt, lijkt een case‐studie aangewezen om

het potentieel van de methodologie te testen. De geautomatiseerde koppeling tussen de databanken

van de nuts‐ en distributiemaatschappijen en de kadastrale databank zal, net als de koppeling van het


rijksregister en de kadastrale databank in het kader van de Census 2011 enerzijds en de koppeling van

de databanken de nuts‐ en distributiemaatschappijen en de kadastrale databank in het kader van de

studie van CEHD anderzijds, op mismatchen botsen doordat er met grote waarschijnlijkheid geen een‐

duidige notatie is van huisnummers, busnummers, bisnummers en verdiepingen en omdat er niet altijd

een eenduidige link zal zijn tussen woongelegenheid en teller: één woongelegenheid kan meerdere

tellers van water en/of elektriciteit bevatten en één teller van water en/of elektriciteit kan gedeeld

worden door meerdere woongelegenheden. Empirisch onderzoek aan de hand van een case‐studie

moet uitwijzen in welke grootte‐orde de mismatch zich bevindt.

BIJLAGEN


Bijlage 1 Geschatte frictieleegstand in West‐Vlaanderen

Frictieleegstand is een tijdelijke leegstand die noodzakelijk is om de woningmarkt naar behoren te

doen functioneren. Het steunpunt sociale planning van de provincie West‐Vlaanderen maakt aan de

hand van onderstaande formule een schatting van de frictieleegstand in de West‐Vlaamse gemeenten.

Frictieleegstandtotaalmaximumbewoond a totaalhuidigbewoond b

totaalhuidigbewoond b

(a) Totaal maximum bewoond = Som van het totaal aantal gelegenheden waar de afgelopen

vijf jaar een huishouden gedomicilieerd is geweest voor 2009, 2010 en 2011

(b) Totaal huidig bewoond = Som van het totaal aantal gelegenheden waar in 2009, 2010 en

2011 een huishouden gedomicilieerd is.


Bijlage 2 Regressieresultaten residuele bepaling van leegstand

Het uitgangspunt van deze meervoudige regressieanalyse is het gemeentelijk % woningsurplus trach‐

ten te verklaren aan de hand van de andere factoren, namelijk % leegstand, % woningen in vakantie‐

verblijven, % alleenstaanden in wachtregister, % studenten in zelfstandige woongelegenheden, % losse

vakantiewoningen.

Naast deze volledige analyse hebben we nog twee extra testen gedaan om de robuustheid van de

resultaten te controleren. We hebben de analyse eveneens zonder de kustgemeenten (+ Zuienkerke,

een halve kustgemeente met een woningsurplus van net boven de 10%) uitgevoerd.

Daarnaast hebben we de analyse uitgevoerd door de variabelen te vertalen naar dummies, waarbij

de voor elke variabele de oorspronkelijke waarde omgezet werd naar 0 indien deze kleiner was dan

het Vlaamse gemiddelde, en 1 indien groter.

Model 1 in onderstaande tabel zijn de variabelen in oorspronkelijke, lineaire vorm, model 2 is zo

opgezet dat het zowel het woningsurplus (de te verklaren variabele) als de verklarende variabelen in

dummies omzet, en model 3 is een model waarbij alleen de verklarende variabelen in dummies is

omgezet. Opzet hiervan is eveneens om het belang van uitschieters de resultaten niet te laten ver‐

tekenen, en dus de robuustheid van de resultaten na te gaan.

Daar waar in het oorspronkelijke model de variabelen het grootste deel van de variatie kon verklaren

(R²=80%), daalde dit tot gemiddeld 22% wanneer de kustgemeenten ‐ met grote waarden voor het

woningsurplus ‐ niet mee opgenomen werden. Dit was te verwachten. Interessanter is het echter om

na te gaan welke variabelen een rol spelen.

Het % vakantiewoningen (Toerisme Vlaanderen), dus diegene in de gewone woningvoorraad, hebben

een uitgesproken positieve coëfficiënt in alle modellen en is zeer significant (p‐waarden). Dit is een

eerste indicatie dat de tweede verblijven sterk samenhangen met het woningsurplus. Men kan immers

vermoeden dat in regio’s waar veel vakantiewoningen voor commercieel verhuur zijn, eveneens meer

tweede verblijven zijn.

Het aandeel studenten in de reguliere woningvoorraad is niet heel robuust, maar veelal lijkt er een

positief verband tussen beiden. Men kan verwachten dat in studentenbuurten een groter deel afge‐

studeerden een woning huren terwijl ze nog thuis gedomicilieerd zijn, wat een groter woonsurplus

verklaart.

De coëfficiënten van het wachtregister zijn telkens negatief, maar niet zeer significant. Hoe groter het

aantal mensen in het wachtregister in een gemeente, hoe kleiner het woningsurplus (wat mogelijk

samenhangt met de bevolkingsdruk in die gemeenten?).

De relatie tussen woningsurplus en het aantal woongelegenheden in vakantieverblijven (dus niet voor

permanente bewoning) vertoont een onduidelijk verloop. Dit kan mogelijk verklaard worden door het

feit dat men in gemeenten met vakantieparken eveneens meer tweede verblijven verwacht, gezien


het karakter van die gemeente. Anderzijds is er reeds vermeld dat er ook gemeenten zijn met een

negatief woonsurplus vanwege het feit dat er ook huishoudens gedomicilieerd zijn in woongelegen‐

heden voor niet permanent verblijf.

De belangrijkste resultaten voor dit onderzoek vinden we echter terug bij de variabele leegstand. De

variabelen zijn zeer significant en telkens negatief. Dus, hoe groter de administratieve leegstand, hoe

kleiner het woningsurplus in een gemeente. Dit resultaat strookt niet met het opzet van deze studie,

waarbij we ervan uitgingen dat het woningsurplus in grote mate bepaald wordt door leegstand.

Wat zijn de mogelijke verklaringen hiervoor?

Er werden reeds diverse verklaringen voor het woningsurplus aangereikt. Er lijkt echter ook een seg‐

ment van tweede verblijven te zijn die dienen voor beroepsdoeleinden, namelijk dicht bij werk‐

gelegenheidscentra, zie bv. de zuidoostkant van het Brussels Gewest. Een ander element omvat de

meting van de administratieve leegstand die opgevolgd wordt door gemeenten. Hoe beter deze opge‐

volgd wordt, hoe kleiner het niet‐opgevolgde deel van structurele leegstand als onderdeel van het

woningsurplus. In gemeenten waar de woningnood en de bevolkingsdruk het grootst is, heeft de

gemeente het meeste belang om de administratieve leegstand goed op te volgen. Op die manier pro‐

beren zij immers optimaal de bestaande woningvoorraad te gebruiken om deze bevolkingsdruk te

beantwoorden. Dit zijn dus de gemeenten met een kleiner woningsurplus. Het is een mogelijk interes‐

sante oefening om vanuit die optiek de administratieve leegstand te verklaren. Maar deze veronder‐

stelling biedt geen grond voor het opzet om het woningsurplus te verklaren als proxy voor leegstand.

Tabel 5 Resultaten verklaring %woningsurplus in gemeenten, 2014

Steekproef Alle gemeenten (n=308) Gemeenten exclusief kust

Model 1 2 3 1 2 3

R² 0,80 0,33 0,40 0,20 0,19 0,24

Geschatte coëfficiënten

% leegstand ‐94,27 ‐0,01 ‐1,49 ‐71,19 ‐0,29 ‐0,82% vakantie (AAPD) ‐0,36 0,03 0,49 ‐0,15 0,34 ‐1,83% wachtregister (alleenst.) ‐73,04 ‐0,03 ‐1,41 ‐92,00 ‐0,02 ‐0,67

% studenten in zelfst. wgh. 18,30 0,66 4,90 ‐4,15 0,33 2,57

% vakantie (Toerisme Vl.) 493,93 0,48 15,11 138,15 0,29 2,30

P–waarden van de regressie (kleiner dan 0.1 is licht significant, kleiner dan 0.01 sterk significant)

% leegstand 0,000 0,622 0,009 0,000 0,000 0,000% vakantie (AAPD) 0,000 0,301 0,486 0,000 0,000 0,000% wachtregister (alleenst.) 0,022 0,503 0,158 0,000 0,832 0,072% studenten in zelfst. wgh. 0,268 0,000 0,019 0,724 0,126 0,002% vakantie (Toerisme Vl.) 0,000 0,000 0,000 0,000 0,032 0,000

Bron: Data Weekers (2015), eigen analyse


Bibliografie

AAPD (2014), Statistische sectorinformatie van het gebouwenpark, ontvangen via mail van AAPD, Algemene Administratie van de Patrimoniumdocumentatie.

ADS (2014), Kadastrale statistiek van het gebouwenpark 2013, Brussel: Algemene Directie Statistiek.

ADS (2014), Census 2011. Brussel: Algemene Directie Statistiek.

Dwarka (2014), ‘Keeping Revitalized Urban Neighborhoods Affordable’, Planning & Environmental Law, Vol. 66, Issue 4 april 2014.

Idea Consult (2014), Interperprovinciale studie Detailhandel, Kennisnetwerk Detailhandel in Vlaande‐ren, een initiatief van de vijf Vlaamse Provincies en het Agentschap Ondernemen en met financiële steun van het Europees Fonds voor Regionale Ontwikkeling (EFRO).

Lemaire E. & Cassilde S. (2014), Estimation de la vacance immobilière résidentielle – méthode du croisement des comsommations d’eau et d’éléctricité, Centre d’Etudes en Habitat Durable, Docu‐ment Technique 2014‐09, novembre 2014, 24 pages.

Lemaire E (2015), Estimer et comprendre la vacance immobilière résidentielle. Une recherché‐pilote carolorégienne, rapport final du Relais Social de Charleroi et du Centre d’Etudes en Habitat Durable, Charleroi, mars 2015, 71 pages.

Li Y. & Walter R. (2013), ‘Single‐Family Housing Market Segmentation, Post‐Foreclosure Resale Duration, and Neighborhood Attributes’, Housing Policy Debate, 2013, Vol. 23, No. 4, 643–665.

Ministerie van de Vlaams Gemeenschap (2004), Ruimtelijk Structuurplan Vlaanderen, gecoördineerde versie, Brussel, 595 p.

Read C., ‘Tenants’ search and vacancies in rental housing markets’, Regional Science and Urban Economics, 23 (1993), p. 171‐183.

Stad Gent (2012), Gent in cijfers 2012: Gent, stad voor de Gentenaars en studenten, Gent: Stad Gent.

Sterkens D., Coppens T. & Van Acker M. (2013), Leegstand en Herbestemming, Inventariserend onder‐zoek naar beleid en maatregelen, Onderzoek in opdracht van de Interlokale Vereniging Kennis‐centrum Vlaamse Steden In samenwerking met Belfius Bank.

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

Vastmans F. & Helgers R., Statistische sectorinformatie van AAPD als bron van woningmarktonder‐zoek, Steunpunt wonen/Wonen Vlaanderen (te verschijnen).

Weekers K. (2015), Het aantal tweede verblijven in Vlaanderen in 2014, SVR – Methoden en tech‐nieken 2015/1, 34 p.

Winters S., Van den Broeck K. & Vanormelingen J. (2015), Het lokaal woonbeleid op (de) kaart! De praktijk van het lokaal woonbeleid beschreven, de subsidie voor intergemeentelijke samenwerking geëvalueerd, Steunpunt Wonen, Leuven, 198 p.

LEEGSTAND IN VLAANDEREN - Steunpunt Wonen 2016-2020 · Universiteit Antwerpen en de Afdeling OTB...

Documents

Transcript of LEEGSTAND IN VLAANDEREN - Steunpunt Wonen 2016-2020 · Universiteit Antwerpen en de Afdeling OTB...