MASTERPROEF UNIVERSITEIT GENT ANDREAS...
68
UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2014 – 2015 De impact van criminaliteit op de woningprijs in Vlaanderen Masterproef voorgedragen tot het bekomen van de graad van Master of Science in de Toegepaste Economische Wetenschappen Andreas D’Hoine onder leiding van Prof. Dr. Carine Smolders
Transcript of MASTERPROEF UNIVERSITEIT GENT ANDREAS...
!!
!
!UNIVERSITEIT!GENT!
!FACULTEIT!ECONOMIE!EN!BEDRIJFSKUNDE!
!ACADEMIEJAAR!2014!–!2015!
!
De!impact!van!criminaliteit!op!de!woningprijs!in!Vlaanderen!
!Masterproef!voorgedragen!tot!het!bekomen!van!de!graad!van!
!Master!of!Science!in!de!Toegepaste!Economische!Wetenschappen!
!Andreas!D’Hoine!
!onder!leiding!van!
!Prof.!Dr.!Carine!Smolders!
! !
!!
!
!!
!
!UNIVERSITEIT!GENT!
!FACULTEIT!ECONOMIE!EN!BEDRIJFSKUNDE!
!ACADEMIEJAAR!2014!–!2015!
!
De!impact!van!criminaliteit!op!de!woningprijs!in!Vlaanderen!
!Masterproef!voorgedragen!tot!het!bekomen!van!de!graad!van!
!Master!of!Science!in!de!Toegepaste!Economische!Wetenschappen!
!Andreas!D’Hoine!
!onder!leiding!van!
!Prof.!Dr.!Carine!Smolders!
! !
!!
PERMISSION!
Ondergetekende!verklaart!dat!de!inhoud!van!deze!masterproef!mag!geraadpleegd!en/of!gereproduceerd!worden,!mits!bronvermelding.!!
Andreas!D’Hoine!
!!!
!i!
!
Voorwoord!!Deze!masterproef! betekent! voor!mij! het! sluitstuk! van! de! opleiding! Toegepaste! Economische!
Wetenschappen!aan!de!Universiteit!Gent.!Met!gemeende!spijt!in!het!hart!neem!ik!binnenkort!
afscheid! van! de! Faculteit! Economie! en! Bedrijfskunde,! wat! voor!mij! een! plaats! was! om! vele!
nieuwe!mensen!te!leren!kennen!en!belangrijke!inzichten!te!verwerven.!!
!
Graag!zou!ik!een!woord!van!dank!willen!richten!aan!al!de!personen!die!mij!hebben!gesteund!en!
geholpen! doorheen! dit! jaar.! In! de! eerste! plaats! dank! ik! mijn! promotor,! Prof.! Dr.! Carine!
Smolders!die!me!een!onderwerp!heeft!aangereikt!die!in!mijn!interessegebied!lag.!Zij!heeft!me!
de!benodigde!data!en!knowhow!bezorgd!om!dit!onderzoek!tot!een!goed!einde!te!brengen.!De!
momenten!van!feedback!en!bijsturing!waren!bijzonder!nuttig!en!van!onschatbare!waarde.!
!
Vervolgens!wens!ik!ook!mijn!ouders!te!bedanken!die!dit!interessegebied!rond!vastgoed!mede!
hebben!gecreëerd,!maar!nog!veel!meer!voor!de!steun,!advies!en!bemoedigende!woorden!die!ik!
van!hen!krijg!en!heb!gekregen.!!
!
Tenslotte!wil!ik!ook!mijn!zus,!medestudenten!en!mensen!uit!mijn!vriendenkring!bedanken!voor!
de!steun!gedurende!het!jaar.!!
!
Andreas!D’Hoine!
!
Deurle!,!mei!2015!
!
!! !
!ii!
Inhoudsopgave!!1.!Inleiding!.....................................................................................................................................!1!
2.!Beschrijving!van!de!woningmarkt!..............................................................................................!3!
2.1!Recente!fenomenen!............................................................................................................!3!
2.2!De!evolutie!van!de!gemiddelde!woningprijs!.......................................................................!4!
2.3!Woningtype!.........................................................................................................................!6!
2.4!Financiering!en!betaalbaarheid!woning!..............................................................................!7!
2.5!Eigendom!.............................................................................................................................!9!
3.!Veiligheidsgevoel!en!criminaliteit!in!Vlaanderen!....................................................................!11!
3.1!Evolutie!criminaliteit!..........................................................................................................!11!
3.2!Veiligheidsgevoel!en!het!bestaan!van!Buurtinformatienetwerken!(BIN)!..........................!12!
4.!Literatuurstudie!.......................................................................................................................!15!
4.1!Literatuur!inzake!de!determinanten!van!woningprijzen!in!Vlaanderen/België!.................!15!
4.2!Literatuur!inzake!de!impact!van!criminaliteit!op!de!woningprijzen!..................................!18!
5.!Onderzoeksopzet!.....................................................................................................................!23!
5.1!Probleemstelling!................................................................................................................!23!
5.2!Hypothesen!.......................................................................................................................!23!
5.3!Populatie!............................................................................................................................!25!
5.4!Dataverzameling!................................................................................................................!25!
5.5!Bepaling!steekproef!...........................................................................................................!26!
6.!Onderzoek!...............................................................................................................................!27!
6.1!Model!................................................................................................................................!27!
6.2!Toelichting!variabelen!.......................................................................................................!27!
6.2.1!Controlevariabelen!.....................................................................................................!27!
6.2.2!Kernvariabelen!............................................................................................................!31!
6.3!Regressie!............................................................................................................................!31!
6.3.1!Regressie!1!..................................................................................................................!32!
6.3.2!Regressie!2!..................................................................................................................!36!
6.4!Problemen!bij!de!regressieanalyse!....................................................................................!40!
7.!Algemeen!besluit!.....................................................................................................................!42!
8.!Discussie!..................................................................................................................................!44!
!iii!
Bibliografie!..................................................................................................................................!45!
Bijlagen!........................................................................................................................................!49!
!
!
! !
!iv!
Tabellen!!Tabel!1:!Type!woning!(in!%)!naar!eigendomsstatuut!(2008c2009)!(Bron:!De!evolutie!van!de!
woonsituatie!in!Vlaanderen,!Heylen!(2012))!.........................................................................!7!
Tabel!2:!Algemeen!onveiligheidsgevoel!voor!2011!en!2014,!in!%!(Bron:!Stadsmonitor!2015)!...!13!
Tabel!3:!Relatieve!belang!van!de!verschillende!criteria!in!de!prijsvorming!(Bron:!Helgers,!Buyst!
en!Verboven!(2013))!............................................................................................................!16!
Tabel!4:!Criminaliteitsgraad!voor!autodiefstal,!woninginbraak!en!handtasdiefstal!voor!het!jaar!
2012c2013.!Uitgedrukt!per!1000!inwoners.!(Bron:!Stadsmonitor!2015)!.............................!25!
Tabel!5:!Minima,!maxima!en!gemiddelde!van!kernvariabelen!....................................................!31!
Tabel!6:!Output!regressie!1!met!controlevariabelen!en!kernvariabelen!SOM2013,!VEIL2009!en!
UVZCAP13!............................................................................................................................!33!
Tabel!7:!Determinatiecoëfficiënten!regressie!1!..........................................................................!33!
Tabel!8:!Output!regressie!2!met!controlevariabelen!en!kernvariabelen!DAM2013,!EIGM2013,!
DAM2013,!VEIL2009!en!UVZCAP13!.....................................................................................!37!
Tabel!9:!Determinatiecoëfficiënt!regressie!2!..............................................................................!37!
Tabel!10:!Uitbreiding!regressie!2;!variabele!EIGM2013!vervangen!door!dummy's!DEigm!.........!39!
Tabel!11:!Uitbreiding!Regressie!2;!opname!interactieceffect!IntANTEIGM!.................................!39!
Tabel!12:!Beschrijvende!statistiek!variabele!vraagprijs!...............................................................!49!
Tabel!13:!Beschrijvende!statistiek!variabele!bewoonbare!oppervlakte!......................................!49!
Tabel!14:!Beschrijvende!statistiek!variabele!kadastraal!inkomen!...............................................!49!
Tabel!15:!Beschrijvende!statistiek!variabele!EPC!........................................................................!49!
Tabel!16:!Beschrijvende!statistiek!variabele!gemiddeld!inkomen!per!centrumstad!...................!49!
Tabel!17:!ANOVA!regressie!1!.......................................................................................................!50!
Tabel!18:!ANOVA!regressie!2!.......................................................................................................!50!
Tabel!19:!Uitbreiding!regressie!2;!toevoeging!3!dummy's!voor!variabele!EIGM2013!.................!51!
Tabel!20:!Model!Summary;!Uitbreiding!regressie!2!met!3!dummy's!..........................................!52!
Tabel!21:!ANOVA!uitbreiding!regressie!2!met!3!dummy's!..........................................................!52!
Tabel!22:!Regressie!2!uitgebreid!met!interactieceffect!Antwerpen!............................................!53!
Tabel!23:!Model!Summary;!Uitbreiding!regressie!2!met!interactieceffect!Antwerpen!...............!54!
Tabel!24:!ANOVA!uitbreiding!regressie!2!met!interactieceffect!Antwerpen!...............................!54!
Tabel!25:!Regressie!2!uitgebreid!met!interactieceffect!Aalst!......................................................!55!
!v!
Tabel!26:!Model!Summary;!Uitbreiding!regressie!2!met!interactieceffect!Aalst!.........................!56!
Tabel!27:!ANOVA!uitbreiding!regressie!2!met!interactieceffect!Aalst!.........................................!56!
Tabel!28:!Regressie!2!uitgebreid!met!interactieceffect!SintcNiklaas!...........................................!57!
Tabel!29:!Model!Summary;!Uitbreiding!regressie!2!met!interactieceffect!SintcNiklaas!..............!58!
Tabel!30:!ANOVA!uitbreiding!regressie!2!met!interactieceffect!SintcNiklaas!..............................!58!
!
Figuren!
Figuur!1:!Evolutie!van!de!gemiddelde!vastgoedprijzen!voor!België!tussen!2002c2013!(Bron:!FOD!
Economie)!..............................................................................................................................!4!
Figuur!2:!Evolutie!van!de!gemiddelde!vastgoedprijzen!voor!het!Vlaams!Gewest!tussen!2002c
2013!(Bron:!FOD!Economie)!..................................................................................................!5!
Figuur!3!:!Evolutie!van!de!gemiddelde!oppervlakte!van!een!bouwperceel!in!m2!(linkeras)!en!de!
gemiddelde!verkooprijs!in!euro!per!m2!(rechteras)!(Bron:!ADS!,!VRIND!(2014))!..................!6!
Figuur!4:!Evolutie!van!het!type!woning!(2004c2012),!in!%!(Bron:!SILC,!VRIND(2014))!..................!7!
Figuur!5:!Percentage!van!de!bevolking!levend!in!een!huishouden!met!een!woonquote!die!de!
40%!overschrijdt!(Bron:!EUcSILD,!Eurostat,!ADSEI,!Heylen!&!Winters!(2013))!......................!9!
Figuur!6:!Evolutie!van!het!aantal!huiseigenaars!naar!inkomensquintielen!(Bron:!Steunpunt!
wonen;!Socioceconomisch!Panel;!Pannecoucke!et!al.!(2001);!Woonsurvey!2005;!Groot!
woononderzoek!2013)!.........................................................................................................!10!
Figuur!7:!Aantal!geregistreerde!misdrijven!per!type!voor!2006!(volledig,!nationaal)!(Bron:!
Federale!Politie)!...................................................................................................................!12!
Figuur!8:!Aantal!geregistreerde!misdrijven!per!type!voor!2013!(volledig,!nationaal)!(Bron:!
Federale!Politie)!...................................................................................................................!12!
Figuur!9:!Verband!tussen!aangiftes!voor!geweldsmisdrijven!en!de!huizenprijzen!gecorrigeerd!
voor!andere!verklarende!variabelen.!(Bron:!NYFER!;!Marlet!&!van!Woerkens!(2004))!......!19!
Figuur!10:!Bouwjaar!woning!(verticale!as!in!%)!...........................................................................!28!
Figuur!11:!EPCcschaal!(Bron:www.Vlaanderen.be)!.....................................................................!29!
Figuur!12:!Aantal!gevels!van!de!woning!(verticale!as!in!%)!.........................................................!30!
Figuur!13:!Staat!woningen!(verticale!as!in!%)!..............................................................................!30!
Figuur!14:!Verdeling!Standardized!Residual!Regressie!1!.............................................................!41!
Figuur!15:!Verdeling!Standardized!Residual!Regressie!2!.............................................................!41!
!1!
1.!Inleiding!
!
“De!Belg!heeft!een!baksteen!in!zijn!maag!“!is!een!statement!die!we!frequent!zien!terugkomen!
in!de!media.!Vaak!verschijnen!er!berichten!zoals!“De!Vlaming!en!zijn!baksteen:!is!vastgoed!nu!
wel!of!niet!een!goede!belegging?”!(De!Morgen,!2015),!“Vastgoedprijzen!dalen!wellicht!met!20!
procent”! (Knack,! 2012)! of! “Vastgoedprijzen! tot! 7! procent! lager! als! woonbonus! daalt”! (De!
Standaard,! 2014).! Veelvuldig! zien! we! tegenstrijdige! berichten.! De! ene! keer! verwacht! men!
prijsdalingen,!enkele!dagen!later!spreekt!men!alweer!van!een!prijsstijging.!Maar!wát!drijft!deze!
prijsverandering!?!
!
Over!factoren!die!effectief!een! impact!hebben!op!de!woningprijs! is!er! in!het!algemeen,!maar!
zeker! voor! België,! slechts! bijzonder! weinig! onderzoek! beschikbaar.! Als! belangrijke!
determinanten! onderscheiden! we! fysieke! woningkenmerken! (bvb.! bewoonbare! oppervlakte,!
aantal! kamers/badkamers,! aanwezigheid! tuin,! staat! ,…! ),! fysieke! omgevingskenmerken! (bvb.!
hoeveelheid! groen! en! water),! sociale! omgevingskenmerken! (bvb.! gemiddeld! inkomen! in! de!
buurt)!en! functionele!omgevingskenmerken(bvb.!de!afstand!tot!allerlei!voorzieningen)! (Visser!
&!van!Dam,!2006).! In!welke!mate!deze!determinanten!de!woningprijzen!bepalen! is!vaak!nog!
onbekend.!
!
Met! deze! masterproef! proberen! we! na! te! gaan! wat! de! impact! is! van! criminaliteit! en! het!
onveiligheidsgevoel! dat! bij! de! bewoners! aanwezig! is! op! de! woningprijs.! Specifieke!
determinanten! die! we! in! dit! onderzoek! zullen! opnemen! zijn! bijvoorbeeld! woninginbraken,!
diefstallen!uit!of!aan!een!voertuig,!winkeldiefstallen,!zakkenrollerij,…!Deze!misdrijven!zullen!in!
drie! verschillende! clusters! worden! onderverdeeld! (Cf.! Infra).! In! de! literatuur! vinden! we!
algemeen!consensus!over!het!feit!dat!een!hoger!aantal!misdrijven!een!negatieve!invloed!heeft!
op! de! woningprijs! (cf.! Infra).! Concreet! kunnen! we! ons! de! vraag! stellen! of! bovenstaande!
determinanten!ook! in!België!wel! degelijk! een! invloed!hebben!op!de!woningprijs! en! in!welke!
mate! dit! het! geval! is.! Om! dit! te! onderzoeken! zullen! we! gebruik! maken! van! hedonische!
prijsmethode!en!regressieanalyse.!Verder!is!het!belangrijk!te!vermelden!dat!we!ons!onderzoek!
zullen! richten! op! dertien! Vlaamse! centrumsteden! nl.! Antwerpen,! Mechelen,! Turnhout!
!2!
(Provincie!Antwerpen);!Genk,!Hasselt! (Provincie! Limburg);! Aalst,!Gent,! SintcNiklaas! (Provincie!
OostcVlaanderen);!Leuven!(Provincie!VlaamscBrabant)!en!Brugge,!Kortrijk,!Oostende,!Roeselare!
(Provincie!WestcVlaanderen)!(Vanderbiesen,!2010).!We!zijn!van!mening!dat!deze!masterproef!
een!toegevoegde!waarde!kan!betekenen!voor!het!(voorlopig)!beperkte!aanbod!van!onderzoek!
in! Vlaanderen! naar! woningc! en! omgeving! karakteristieken! die! een! invloed! hebben! op! de!
woningprijs.!
!
Dit! werkstuk! is! opgebouwd! uit! 3! grote! delen.! In! een! eerste! deel! geven! we! enerzijds! een!
overzicht! van! de! woningmarkt! in! België! met! onder! andere! enkele! recente! fenomenen,! de!
betaalbaarheid!van!wonen,!de!evolutie!van!de!woningprijs,!aantal!huiseigenaars,!woningtype,...!
Anderzijds! bespreken! we! de! evolutie! van! criminaliteit! in! België! en! het! (door! de! bewoners)!
ervaren! (on)veiligheidsgevoel! aan! de! hand! van! de! Veiligheidsmonitor! en! cijfers! die! ons!
beschikbaar! zijn! gesteld! door! de! Federale! Politie.! Het! tweede! deel! bestaat! uit! de!
literatuurstudie!waarbij!we!inzoomen!op!bestaand!Belgisch!onderzoek,!maar!natuurlijk!ook!op!
buitenlandse! literatuur! die! specifiek! betrekking! heeft! op! ons! onderzoek.! In! een! laatste! deel!
wordt!het!effectieve!onderzoek!beschreven!gevolgd!door!de!resultaten!en!een!discussie.!!
!
! !
!3!
2.!Beschrijving!van!de!woningmarkt!!
2.1!Recente!fenomenen!!!
Een!recent!fenomeen!was!de!‘rush!op!het!vastgoed’!in!het!laatste!kwartaal!van!2014.!Omwille!
van!een!wijziging!van!de!woonbonus,!die!het!vanaf!1! januari!2015! fiscaal!minder! interessant!
maakt! een!woning! aan! te! kopen,! beslisten! veel!mensen! nog! een!woning! aan! te! kopen! eind!
2014.!De!nieuwe!regeling!houdt! in!dat!het!woonbonusbedrag!niet! langer!wordt!geïndexeerd,!
de!belastingaftrek!een!belastingvermindering!wordt!en!de!jaarlijkse!woonbonus!wordt!verlaagd!
met!760!euro!(Wonen!Vlaanderen,!2015).!Uit!de!notarisbarometer!(KFBN,!2014)!blijkt!dat!er!in!
de! periode! oktobercdecember! 73! procent! meer! woningkredieten! werden! afgesloten! dan! in!
dezelfde! periode! 2013! (Febelfin,! 2015).! Deze! stijging! is! ook! deels! te! verklaren! door! de! lage!
rentevoeten,! waardoor! heel! wat! mensen! hun! bestaande! lening! lieten! herzien.! Ondanks! de!
grote! vraag! naar! huizen! (9! procent! meer! vastgoedtransacties! in! vergelijking! met! het! vierde!
kwartaal! van! 2013)! werd! er! toch! geen! prijsstijging! genoteerd,! maar! een! prijsdaling! van!
gemiddeld! c0.3! procent! voor! de! woonhuizen! en! c2.4! procent! voor! de! appartementen!
(Koninklijke!Federatie!van!het!Belgisch!Notariaat,!2014).!Volgens!de!notarisbarometer!die!het!
eerste!kwartaal!van!2015!beschrijft!zou!het!aantal!transacties!ook!na!de!nieuwe!regeling!van!de!
woonbonus! stabiel! blijven! en! zelf! iets! zijn! gestegen! (met! 6,7%)! ten! opzichte! van! dezelfde!
periode!vorig!jaar!(KFBN,!2015).!!
!
Een! ander! fenomeen! is! dat! van! de! nieuwe! Vlaamse! dakisolatienorm.! Deze! is! sinds! 1! januari!
2015!van!kracht.!Alle!daken,!van!zowel!woningen!als!huurwoningen,!die!voor!1!januari!2006!zijn!
aangesloten! op! het! elektriciteitsnet!moeten! geïsoleerd! zijn.!Men! zal! voor! een! periode! van! 5!
jaar,! bij! een! woningonderzoek,! enkel! een! beperkt! aantal! strafpunten! krijgen! wanneer! deze!
isolatie! nog! niet! aan! de! norm! voldoet.! Indien! er! tegen! 1! januari! 2020! nog! steeds! geen!
behoorlijke!isolatie!is!aangebracht!zal!de!woning!mogelijk!ongeschikt!worden!verklaard!(Wonen!
Vlaanderen,!2015).!Deze!maatregel!kadert! in!het!toenemend!belang!die!de!Vlaamse!overheid!
hecht!aan!duurzaam!en!kwaliteitsvol!bouwen,!maar!heeft!wel!als!gevolg!dat!woningen!die!nog!
niet! over! een! goede! isolatie! beschikken!mogelijk!minder! aantrekkelijk! zullen! zijn! en! dus! ook!
minder!zullen!opbrengen!bij!verkoop.!!
!4!
2.2!De!evolutie!van!de!gemiddelde!woningprijs!!!De! afhankelijke! variabele! in! ons! onderzoek! is! de! “prijs”! van! de! woning! of! het! appartement!
gelegen!in!een!van!de!dertien!centrumsteden.!Recente!cijfers!van!de!Federale!Overheidsdienst!
Economie!(Statistics!Belgium,!2014),!ook!terug!te!vinden!in!figuur!1!en!bijlage!L,!tonen!aan!dat!
de!gemiddelde!vastgoedprijs!van!gewone!woonhuizen!(onder!die!naam!groepeert!de!Federale!
Overheidsdienst! Economie! halfopen! woningen! en! rijhuizen),! appartementen! en! villa’s! (open!
bebouwingen,!groot!en!klein)!de!voorbije!23!jaar!enorm!is!gestegen.!Wanneer!we!inzoomen!op!
het!Vlaamse!Gewest!zien!we!dat!een!woonhuis!die! in!1992!gemiddeld!55.769!euro!kostte,! in!
het! derde! kwartaal! van! 2014! werd! verkocht! voor! gemiddelde! prijs! van! 215.053! euro.! Bij!
appartementen! zien! we! een! gelijkaardige! stijging.! Voor! villa’s! is! er! ook! een! stijging! waar! te!
nemen,!al!is!deze!minder!sterk.!Verder!toont!figuur!1!ons!dat!de!gemiddelde!prijs!van!villa’s!de!
neiging! heeft! te! stabiliseren,! terwijl! deze! van! woonhuizen! en! appartementen! gestaag! blijft!
stijgen.!Wanneer! we! verder! kijken! naar! de! andere! gewesten! zien! we! grote! verschillen.! Een!
gewoon!woonhuis! in!het!Brussels!Hoofdstedelijk!Gewest!kostte! in!2014!370.131!euro,! terwijl!
dit!in!het!Waals!Gewest!minder!dan!de!helft!kostte,!namelijk!153.082!euro.!!
Het! Internationaal! Muntfonds! besluit! in! haar! rapport! van! maart! 2015! dat! de! nominale!
woningprijs! sinds! 2000,! zoals! in! de! meeste! Europese! landen,! meer! dan! verdubbeld! is.! In!
tegenstelling!tot!de!meeste!landen,!waar!de!huizenprijs!na!de!crisis!zijn!gedaald,! is!de!prijs! in!
België! sinds! de! crisis! met! gemiddeld! 15! procent! gestegen.! Ondanks! de! grote! stijgingen!
verwacht!het!IMF!maximaal!een!beperkte!daling!van!de!huizenprijzen!(International!Monetary!
Fund,!2015).!
!
!Figuur!1:!Evolutie!van!de!gemiddelde!vastgoedprijzen!voor!België!tussen!2002X2013!(Bron:!FOD!Economie)!
!5!
Zoals!we!kunnen!opmerken!in!figuur!1!zijn!er!enkele!schokken!waar!te!nemen!(die!vooral!tot!
uiting!komen!in!de!prijzen!van!de!villa’s).!Een!eerste!schok!zien!we!in!2005!naar!aanleiding!van!
de! invoering! van! de! woonbonus.! Daarbij! zien! we! dat! de! prijzen! van! de! woonhuizen! sterk!
stijgen,!de!appartementen!een!normale!stijging!doormaken!en!de!villa’s!dalen!in!waarde.!Een!
tweede! schok! in! 2008c2009! is! vermoedelijk! het! gevolg! van! de! financiële! crisis! die! ook! zijn!
sporen! in!België!heeft!nagelaten.!Ook!hier!merken!we!dat!de!woonhuizen!en!appartementen!
slechts! licht! dalen! in! prijs,! terwijl! er! in! het! hoogste! segment! een! grote! terugval! is! waar! te!
nemen.!Ondanks!het!feit!dat!dit!geen!prijswijziging!met!zich!meebracht!vermelden!we!ook!de!
wijziging! van! registratierechten! in! 2002! voor! het! Vlaams! Gewest.! Zo! werd! de!
“meeneembaarheid”! van! registratierechten! ingevoerd!en!was!er! een!algemene!vermindering!
van! de! tarieven! van! 12,5%! naar! 10%! voor! de! gewone! tarieven! en! van! 6%! naar! 5%! in! het!
verminderde! tarief! (FOD! Financiën,! 2015).! Deze! wijzigingen! zorgden! wél! voor! veel! meer!
transacties.!!
!
Verder!zullen!wij!ons!in!deze!studie!richten!op!het!Vlaams!Gewest!aangezien!we!ervoor!hebben!
gekozen!enkel!de!Vlaamse!centrumsteden!te!bestuderen.!De!evolutie!van!de!Vlaamse!prijzen!is!
volledig!in!lijn!met!deze!van!het!nationaal!niveau!(zie!Figuur!2).!!
!
!Figuur!2:!Evolutie!van!de!gemiddelde!vastgoedprijzen!voor!het!Vlaams!Gewest!tussen!2002X2013!(Bron:!FOD!Economie)!!
!
Net! zoals! de! huizenprijzen! zijn! ook! de! prijzen! van! bouwpercelen! de! laatste! jaren! fors!
toegenomen.! Er! werd! in! 2013! gemiddeld! 169! euro! per! m2! bouwgrond! betaald! (Statistics!
Belgium,!2014).!Verder!zien!we!ook!de!grootte!van!het!bouwperceel!over!de!jaren!heen!dalen,!
!6!
tot!2005,!waar!er!een!stagnatie!optreedt!(VRIND,!2014)!(zie!Figuur!3).!Dit!kan!verklaard!worden!
doordat!bouwgrond!duurder! is!geworden,!maar!ook!door!het!feit!dat!men!onder! invloed!van!
het!Ruimtelijk!Structuurplan!compacter!gaat!wonen,!wat!zorgt!voor!een!hogere!woondichtheid!
(cf.!Infra).!In!2013!was!de!gemiddelde!grootte!van!een!stuk!bouwgrond!903!m2.!!
!
!Figuur!3!:!Evolutie!van!de!gemiddelde!oppervlakte!van!een!bouwperceel!in!m2!(linkeras)!en!de!gemiddelde!verkooprijs!in!euro!per!m2!(rechteras)!(Bron:!ADS!,!VRIND!(2014))!
!2.3!Woningtype!!Uit! gegevens! van! VRIND,! de! Vlaamse! Regionale! Indicatoren! (2014)! die! jaarlijks! beschikbaar!
worden! gesteld! door! de! studiedienst! van! de! Vlaamse! Regering! blijkt! dat! het! aantal!
eengezinswoningen! in!het! totale!woningpatrimonium! in!periode!2004c2008! stabiel!bleef!met!
79%!eengezinswoningen!en!tussen!2008!en!2012!daalde!naar!77%!(zie!Figuur!4).!Mogelijk!zet!
deze!trend!zich!verder!ook!door.!We!zien!namelijk!dat!van!de!35.626!bouwvergunningen!(voor!
nieuwbouw)!die!zijn!afgeleverd!in!2013,!er!58%!zijn!bestemd!voor!de!bouw!van!appartementen!
en! 42%! voor! eengezinswoningen.! Heylen! (2012)! schrijft! de! algemene! daling! in! het! aandeel!
eengezinswoningen!toe!aan!een!daling!van!de!eengezinswoningen!in!de!huursector!(zie!Tabel!
1).!Deze!trend!wordt!versterkt!door!de!komst!van!het!Ruimtelijk!Structuurplan!Vlaanderen,!die!
een!minimale!dichtheid!van!25!woningen!per!ha!voor!het!stedelijk!gebied!en!15!woningen!per!
ha!voor!het!buitengebied!vooropstelt.!Hierdoor!wordt!er!enerzijds!kleiner!verkaveld,!maar!gaat!
men!ook!compacter!bouwen!en!wonen!(VRIND,!2014).!
!7!
!Figuur!4:!Evolutie!van!het!type!woning!(2004X2012),!in!%!(Bron:!SILC,!VRIND(2014))!
!Tabel!1:!Type!woning!(in!%)!naar!eigendomsstatuut!(2008X2009)!(Bron:!De!evolutie!van!de!woonsituatie!in!Vlaanderen,!Heylen!(2012))!!
2.4!Financiering!en!betaalbaarheid!woning!!Er! werden! in! België! in! 2014! 231.000! nieuwe! hypothecaire! kredieten! verstrekt! voor! een!
totaalbedrag!van!meer!dan!25,5!miljard!euro!(exclusief!herfinancieringen)!(BVK,!2015).!Hiermee!
zitten!we!op!het!hoogste!peil!ooit.!Deze!forse!stijging!is!te!danken!aan!de!wijziging!inzake!het!
beleid!rond!de!woonbonus!(cf.!Supra),!maar!ook!de!lage!rentevoet!speelt!een!belangrijke!rol.!
De! stijging! in! aantal! kredieten! doet! zich! voor! voor! alle! bestemmingen! (aankoop,! bouw,!
renovatie,…),!maar!we!zien!dat!het!gemiddeld!bedrag!van!de!lening!voor!de!aankoop!van!een!
woning!wel! is! toegenomen,!namelijk! tot!een!gemiddeld!bedrag!van!162.000!euro,! tegenover!
134.000!het!jaar!voordien!(BVK,!2015).!Verder!blijkt!dat!80%!van!de!kredietnemers!kiest!voor!
een!vaste!rentevoet.!Ondanks!het!feit!dat!een!vaste!rentevoet!een!iets!hogere!interestkost!zal!
betekenen!dan!een!variabele!rentevoet!kiest!men!toch!liever!voor!zekerheid.!!
!
!8!
Onder!de!231.000!nieuwe!hypotheekleningen!zien!we!steeds!meer! jongeren!onder!de!30!die!
een!lening!afsluiten!(Van!Droogenbroeck,!2015).!Veelal!hebben!deze!nog!niet!veel!spaargeld!en!
moet!het!grootste!deel!dus!worden!geleend.!80%!van!de!eigenaars!die!een!bestaande!woning!
kochten!moesten!hiervoor!aankloppen!bij!de!bank!(Winters,!et!al.,!2015).!Sinds!de!bankencrisis!
verwachten! banken!wél! een! redelijke! inbreng! van! eigen!middelen! ten! belope! van! ongeveer!
20%!van!de!aankoopprijs.!Ook!mag!het!af!te!lossen!bedrag!per!maand!nooit!hoger!zijn!dan!40%!
van!het!gezinsinkomen,! in! studies!ook!beschreven!als!de! ‘woonquote’! (verhouding! russen!de!
totale! woonuitgaven,! na! aftrek! van! tegemoetkomingen! voor! wonen,! en! het! beschikbaar!
huishoudinkomen!(Heylen!&!Winters,!2009)).! In!2012!spendeerde!11,2!%!van!de!Europeanen!
meer!dan!40%!van!het!gezinsinkomen.!Voor!het!Vlaams!Gewest!was!dit!slechts!5,6%,!voor!het!
Brussels! Gewest! 21,2%! (Eurostat,! 2014;! Heylen! &! Winters,! 2013),! zie! ook! figuur! 5.! De!
overschrijding! van! de! woonquote! komt! vaak! voor! bij! alleenstaanden,! werklozen,!
laaggeschoolden,!laagste!inkomensgroepen,!huurders!en!nietcEUcburgers!(VRIND,!2014).!!
!
Recente!gegevens!van!Steunpunt!Wonen!(2015)!geven!weer!dat!de!aankoop!van!een!woning!
de!laatste!jaren!meer!en!meer!mede!(gemiddeld!4,5%!van!de!kosten)!wordt!gefinancierd!met!
geld!beschikbaar!gesteld!door!de!ouders!en!grootouders.!De!onderzoekers!stellen!ook!dat!de!
betaalbaarheid! van! het! wonen! is! afgenomen.! Globaal! zijn! de! betaalbaarheidsproblemen!
gestegen! van! 13%! in! 2005! tot! 20%! in! 2013.! En! dit! voor! eigenaars! die! een! lening! moeten!
afbetalen!maar!ook,!en!vooral,!voor!huurders.!Dit!lijkt!tegenstrijdig!aangezien!de!huizenprijzen!
sinds!2000!meer!dan!verdubbeld!zijn!(cf.!Supra),!en!de!huurprijzen!slechts!gemiddeld!met!28%!
zijn!toegenomen.!Onderzoekster!Sien!Winters!van!het!Hiva!(KU!Leuven)!verklaart!dit!door!het!
feit!dat!het!gemiddelde!inkomen!van!de!huurder!is!gedaald.!De!huurprijs!wordt!namelijk!mede!
bepaald!door!de!koopkracht!van!de!huurder.!Hierdoor!zien!investeerders!hun!huurrendement!
dus!dalen.!Onderzoek!van!Hiva!toont!aan!dat!rendement!momenteel!rond!de!2,5!tot!3!%!ligt,!
wat!in!vergelijking!met!de!huidige!rentevoeten!vrij!hoog!is.!!
!9!
!Figuur!5:!Percentage!van!de!bevolking!levend!in!een!huishouden!met!een!woonquote!die!de!40%!overschrijdt!(Bron:!EUXSILD,!Eurostat,!ADSEI,!Heylen!&!Winters!(2013))!
2.5!Eigendom!!Tijdens!de!Woonsurvey!van!2005!toonde!men!aan!dat!74%!van!de!huishoudens!eigenaar!was!
van!een!eigen!woning.!Het!Groot!Woononderzoek!in!opdracht!van!de!Vlaamse!Overheid!wijst!
uit!dat!dit!aandeel!reeds!is!gedaald!tot!70,5!%!in!2013.!20,4%!van!de!mensen!huurt!een!private!
woning,!6,7%!een!sociale!woning!en!de!rest!woont!gratis.!Heylen!&!Winters! (2010)!verklaren!
deze!daling!door!het!feit!dat!de!Vlamingen!na!de!Tweede!Wereldoorlog!meer!de!kans!hadden!
om! een! eigen! woning! aan! te! kopen.! Dit! (cohortec)effect! blijkt! nu! verdwenen! te! zijn.! Ook!
spreken! de! onderzoekers! over! een! tijdseffect! en! een! invloed! van! de! crisis.! Mensen! zouden!
minder!snel!geneigd!zijn!een!lening!af!te!sluiten!in!economisch!onzekere!tijden,!ook!de!banken!
zijn! in! zekere! zin!na!de!bankencrisis! strenger!geworden.!Dit! laatste!effect!moet!genuanceerd!
worden!aangezien!we! zagen!dat! 2014!een! topjaar!was!op!het! vlak! van!nieuwe!hypothecaire!
leningen!(cf.!Supra).!De!daling!van!het!aantal!huiseigenaars!speelt!zich!vooral!af! in!de! laagste!
inkomensquintielen!zoals!we!kunnen!zien!in!figuur!6.!!
!
Er! is! tevens! sprake! van! heel! wat! transities! in! de! eigendomsc! en! huurmarkt! (Winters,! et! al.,!
2015).!De!transitie!‘eigenaar!naar!huurder’!wordt!vooral! ingevuld!door!ouderen!die!verhuizen!
omwille! van! bijvoorbeeld! gezondheidsredenen,! maar! ook! door! alleenstaanden! en!
!10!
eenoudergezinnen.!Echtscheidingen!blijken!de!belangrijkste!reden!te!zijn!om!de!eigen!woning!
te! verlaten! voor! een! huurwoning.! De! overgang! van! ‘huurder! naar! eigenaar’! zien! we!
hoofdzakelijk! bij! tewerkgestelde! huishoudens.! Als! verklaring! voor! transities! binnen! de!
eigenaars!blijkt!vooral!de!wens!naar!een!grotere!woning!mee!te!spelen.!Dit!wijst!op!het!bestaan!
van!een! ‘woonladder’! in!België,!eerder!ontkend!door!Dol! ,! van!der!Heijden! ,!&!Oxley! (2010),!
maar!bevestigd!door!Heylen!en!Winters! (2008).!Wanneer!we! jong! zijn! kopen!we!eerder! een!
appartement!of!kleine!woning,!die!op! latere! leeftijd!wordt! ingeruild!voor!een!grotere!woning!
en! in!de!meeste!gevallen!eindigt!met!een!nieuwbouw! (de! laatste! trap!van!de! ‘woonladder’).!
Het! beklimmen! van! de! ladder! wordt! mogelijk! gemaakt! door! het! verkopen! van! de! huidige!
woning.!Deze!dynamiek!werd!mogelijk!versterkt!door!de!gestegen!woningprijzen!(cf.!Supra)!en!
de!invoering!van!de!meeneembaarheid!van!registratierechten!sinds!2002.!Cijfers!van!het!Groot!
Woononderzoek!(Winters,!et!al.,!2015)!bevestigen!deze!tendens.!!
!
! !Figuur!6:!Evolutie!van!het!aantal!huiseigenaars!naar!inkomensquintielen!(Bron:!Steunpunt!wonen;!SocioXeconomisch!Panel;!Pannecoucke!et!al.!(2001);!Woonsurvey!2005;!Groot!woononderzoek!2013)!
! !
!11!
3.!Veiligheidsgevoel!en!criminaliteit!in!Vlaanderen!!
3.1!Evolutie!criminaliteit!!!Recentste!cijfers!voor!de!eerste!helft!van!het!jaar!2014!tonen!aan!dat!de!criminaliteit!in!België!
is!gedaald!tot!een!minimum!(Federale!Politie,!2015).!We!moeten!wel!wijzen!op!het!feit!dat!er!
tegenwoordig!ook!andere!vormen!van!criminaliteit!bestaan!waar!er!in!de!beschikbare!gegevens!
nog!geen!rekening!mee!werd!gehouden.!We!hebben!het!hier!over!drugsfeiten!en!terrorisme.!
Het!dreigingsniveau!voor!terrorisme!is! in!2015!reeds!verschillende!malen!verhoogd.!Ook!deze!
zaken!kunnen!het!veiligheidsgevoel,!zeker!in!de!centrumsteden,!beïnvloeden.!
!
Prof.! Lieven! Pauwels,! criminoloog! van! de!Universiteit! Gent,! ziet! reeds! sinds! het! eind! van! de!
jaren!negentig!een!daling!van!de!criminaliteit! in!de!hele!Westerse!wereld! (De!Tijd,!2015).!De!
aanleiding!voor!deze!daling!is!volgens!Pauwels!aan!meerdere!elementen!toe!te!schrijven.!Eerst!
en! vooral! beschikken! mensen! steeds! vaker! over! een! alarminstallatie! en! zijn! belangrijke!
luxegoederen!zoals!smartphones,!auto’s,…!beter!beveiligd.!Ook!in!het!openbaar!is!de!veiligheid!
door! middel! van! bijvoorbeeld! camerabewaking! enorm! verbeterd.! Een! laatste! reden! blijkt!
demografisch! te! zijn.! Volgens! Pauwels! vertaalt! de! omgekeerde! leeftijdspiramide! zich!
momenteel!in!de!criminaliteitscijfers.!Aangezien!criminaliteit!vooral!door!jonge!mannen!wordt!
gepleegd,!en!deze!momenteel!minder!zijn!vertegenwoordigd!dan!vroeger,!blijkt!de!criminaliteit!
te! dalen.! Pauwels! benadrukt! tenslotte! nog! dat! de! afschaffing! van! de! Veiligheidsmonitor! (cf.!
Infra),!de!interpretatie!van!de!Belgische!criminaliteitsstatistieken!bemoeilijkt.!
!
Cijfers! van! de! Federale! Politie! (zie! figuren! 7! en! 8)! tonen! aan! dat! de! belangrijkste! vorm! van!
criminaliteit!momenteel!woninginbraken!zijn,!gevolgd!door!diefstal!uit!of!aan!een!voertuig!en!
beschadiging! van! een! auto.! De! inhoud! van! deze! top! 3! is! de! laatste! jaren! (2006c2013)! niet!
veranderd,! maar! wel! de! volgorde.! Zo! was! diefstal! uit! of! aan! een! voertuig! in! 2006! nog! de!
belangrijkste! criminaliteitsvorm! en! kwamen! woninginbraken! pas! op! de! tweede! plaats.! Deze!
laatste!categorie!heeft!de!laatste!jaren!enorm!aan!belang!gewonnen:!
2006:!58.090! ! ! 2010:!63.593!
2007:!57.450! ! ! 2011:!70.033!
2008:!58.718! ! ! 2012:!75.616!
2009:!64.540! ! ! 2013:!75.403!
!12!
!Figuur!7:!Aantal!geregistreerde!misdrijven!per!type!voor!2006!(volledig,!nationaal)!(Bron:!Federale!Politie)!
!Figuur!8:!Aantal!geregistreerde!misdrijven!per!type!voor!2013!(volledig,!nationaal)!(Bron:!Federale!Politie)!
3.2!Veiligheidsgevoel!en!het!bestaan!van!buurtinformatienetwerken!(BIN)!!Het! (on)veiligheidsgevoel! die! bij! de! bevolking! aanwezig! is!werd! een! laatste! keer! gemeten! in!
2009! in!de!vorm!van! ‘De!Veiligheidsmonitor’.!Hiervoor!werden! in!de!periode!december!2008!
tot! juli! 2009! 37.000! burgers! telefonisch! bevraagd.! Helaas! is! er,! omwille! van!
besparingsmaatregelen,!beslist!om!deze!enquête!in!de!toekomst!niet!langer!uit!te!voeren.!We!
zullen!ons!dan!ook!baseren!op!cijfers!van!het! laatste!beschikbare!rapport! (FOD!Binnenlandse!
Zaken;!DG!Veiligheid!en!Preventie;!Federale!Politie,!2009).!!
!
We! zien! op! enkele! vlakken! een! verschil! wanneer! we! de! huidige! veiligheidsmonitor! (2009)!
vergelijken!met!deze!van!2006.!De!grootste!probleemgebieden!op!dat!ogenblik!waren!agressief!
rijgedrag,!diefstal!uit!auto’s!en!autodiefstal.!De!huidige!enquête!toont!aan!dat!deze!categorieën!
nu! minder! van! belang! zijn,! maar! dat! de! burgers! eerder! onaangepaste! snelheid! en!
!13!
woninginbraken! als! problematisch! aanvaren.! Deze! bevindingen! zijn! volledig! in! lijn! met! de!
criminaliteitsstatistieken!(cf.!Supra).!!
!
Het!veiligheidsgevoel!is!sinds!2006!licht!verbeterd!met!9%!van!de!mensen!die!zich!altijd!of!vaak!
onveilig!voelde!in!2006!tot!8%!in!2009.!De!groep!mensen!die!zich!het!meest!onveilig!voelt!zijn!
laaggeschoolden,!vrouwen!en!65cplussers.!Maar!ook!tussen!slachtoffers!en!nietcslachtoffers!is!
er!een!duidelijk!verschil!merkbaar.!Slachtoffers!van!een!misdaad!in!de!afgelopen!5!jaar!voelen!
zich! twee! maal! zo! onveilig! als! nietcslachtoffers.! Voorgaande! cijfers! zijn! op! basis! van! de!
veiligheidsmonitor! die! het! (on)veiligheidsgevoel! onderzocht! in! heel! België.! Voor! de!
centrumsteden! is! er! nog! steeds! een! recente!monitor! beschikbaar,! namelijk! de! Stadsmonitor!
(2015)! die! het! laatst! werd! uitgegeven! in! 2014.! Daaruit! blijkt! dat! 7,4%! van! de! inwoners! zich!
geregeld!onveilig! voelde! in!de!eigen!buurt!en!13,5%! in!de! stad.!Hieronder! volgt!een!volledig!
overzicht!voor!alle!centrumsteden!(zie!Tabel!2).!!
!Tabel!2:!Algemeen!onveiligheidsgevoel!voor!2011!en!2014,!in!%!(Bron:!Stadsmonitor!2015)!
Ook!het!mijdgedrag!(het!niet!durven!openen!van!de!deur!voor!onbekenden,!vermijden!om!’s!
nachts!buiten!te!komen,..)!blijkt!sinds!2000!significant!te!zijn!gedaald.!Volgens!de!Stadsmonitor!
(2015)! zouden! in! 2014! gemiddeld! 8,7%! van! de! stedelingen! bepaalde! plekken! in! de! stad!
vermijden!omwille!van!risico’s!op!onveiligheid.!Voor!Gent,!Antwerpen,!Turnhout!en!Oostende!
stijgen! deze! percentages! zelfs! boven! de! 10%.! Verder! blijkt! dat! er! in! 2000! 25%! van! de!
!14!
bevraagden! een! verdedigingsmiddel! bezat,! dit! percentage! is! gedaald! tot! 12%! in! 2008! (FOD!
Binnenlandse!Zaken;!DG!Veiligheid!en!Preventie;!Federale!Politie,!2009).!!
!
De!onderzoekers!wijzen!erop!dat!er!van!slechts!25%!van!de!misdrijven!een!pv!wordt!gemaakt.!
Veelal! hangt! dit! af! van! het! type! misdrijf.! Bedreigingen! met! lichamelijk! geweld! en! seksuele!
misdrijven!worden!in!minder!dan!10%!van!de!gevallen!aangegeven!terwijl!dit!voor!inbraak!en!
autodiefstal!voor!meer!dan!75%!van!de!gevallen!gebeurt.!Het! rapport!geeft!aan!dat! redenen!
om!een!misdrijf!niet!aan!te!geven!voornamelijk!zijn!dat!‘het!voorval!niet!ernstig!genoeg!was’!of!
‘dat! het! niks! helpt’.! Een! laatste! pijnpunt! die! werd! aangehaald! is! de! tevredenheid! over! de!
aanwezigheid!van!de!politie!op!straat!en!de!informatie!die!ze!geven!over!hun!werk/activiteiten.!
Slechts!55%!van!de!ondervraagden!blijkt!hier!tevreden!over!te!zijn.!!!
!
Eén! van! de! middelen! om! het! onveiligheidsgevoel! te! verminderen! is! het! bestaan! van!
Buurtinformatienetwerken.!Ondanks!de!recente!positieve!cijfers!en!berichten!rond!criminaliteit!
hebben! er! nooit! meer! Buurtinformatienetwerken! bestaan.! Eind! 2010! stuurde! toenmalig!
Minister! van! Binnenlands! Zaken,! Annemie! Turtelboom,! een! omzendbrief! naar! alle!
burgemeesters,! gouverneurs! en! korpschefs! met! een! geactualiseerde! omkadering! van! de!
buurtinformatienetwerken.! De! omzendbrief! vermeldt! als! voornaamste! doelstellingen:! ‘het!
algemeen! veiligheidsgevoel! te! verhogen’! en! ‘de! sociale! controle! bevorderen’.!Men! probeert!
met!andere!woorden!de!alertheid!van!de!bewoners!te!verhogen.!Bij!een!(poging!tot)! inbraak,!
verdachte! handelingen,! …! verwittigt! de! bewoner! de! politie.! Deze! beslist,! afhankelijk! van! de!
situatie,! het! hele! BINcnetwerk! te! verwittigen! of! niet.! Dit! gebeurt! telefonisch! en! volledig!
kosteloos!voor!de!aangesloten!leden.!
!
Tot! op! heden! (laatste! cijfers! dateren! van! 1! december! 2014)! bestaan! er! 669!
buurtinformatienetwerken!die!zijn!goedgekeurd!door!de!FOD!Binnenlandse!Zaken.!De!meeste!
(330)!bevinden!zich!in!de!provincie!Antwerpen,!gevolgd!door!OostcVlaanderen!(201).!Ondanks!
het! grote! succes! zijn!er!ook! steden!die! geen!gebruik!wensen! te!maken!van!dit! systeem,!een!
voorbeeld! daarvan! vinden!we! in!Gent.!Men!denkt! namelijk! dat! er! een! vals! veiligheidsgevoel!
wordt!gecreëerd!en!er!mogelijk!tijd!verloren!gaat!door!eerst!het!BIN!te!alarmeren!in!plaats!van!
de!politiediensten.!! !
!15!
4.!Literatuurstudie!!!
4.1!Literatuur!inzake!de!determinanten!van!woningprijzen!in!Vlaanderen/België!!Er! is! slechts! een! beperkt! aanbod! aan! literatuur! die! de! determinanten! van! de! woningprijs!
onderzoeken! in! België.! Toch! is! het! zeker! niet! onbestaande! en! hebben! we! ervoor! gekozen!
enkele!recente!en!relevante!studies!weer!te!geven.!!
!
Vooreerst! vermelden!we! een! recent! onderzoek! (Helgers,! Buyst,! &! Verboven,! 2013)! gevoerd!
door! de! KU! Leuven.! De! onderzoekers! hebben! getracht! om! aan! de! hand! van! data! rond!
woningprijzen! en! ! woningkarakteristieken,! beschikbaar! gesteld! door! ERA! Belgium,! de!
prijsevolutie!van!de!afgelopen! jaren! in!Vlaanderen!te!verklaren.!Ze!merken!echter! terecht!op!
dat! gegevens! van! de! FOD! Economie! en! de! Notarisbarometer! (cf.! Supra)! geen! informatie!
bevatten!over!de!karakteristieken!van!de!verkochte!woning!en!er!dus!ook!geen!rekening!mee!
houden.!Bovendien!duurt!het!ongeveer!drie! tot!vier!maanden!vooraleer!een! transactie! in!de!
databank! van! de! Federale! Overheidsdienst! wordt! opgenomen,! bij! ERA! gebeurde! dit!
ogenblikkelijk.!Een!nadeel!die!we!terugvinden!bij!de!gegevens!ter!beschikking!gesteld!door!ERA!
is!dat!deze!slechts!een!deel!van!de!transacties!bevatten,!jaarlijks!namelijk!5.000!op!een!totaal!
van!120.000!transacties.!!
!
Helgers,!Buyst!en!Verboven!(2013)!zijn!in!staat!respectievelijk!79,9%!en!75,8%!van!de!prijs!van!
woningen!en!appartementen!te!verklaren!aan!de!hand!van!regressieanalyses.!De!verklarende!
variabelen!in!hun!model!worden!in!7!categorieën!onderverdeeld!(zie!Tabel!3).!De!belangrijkste!
clustervariabele!blijkt!grootte!te!zijn.!Er!wordt!respectievelijk!32,4%!en!43,5%!van!de!variatie!in!
woningc! en! appartementsprijzen! door! verklaard.! Deze! clustervariabele! bevat! onder! andere!
woonoppervlakte,!oppervlakte!van!het!perceel,!aantal!slaapc!en!badkamers,!aantal!garages!en!
de! aanwezigheid! van! een! terras.! Naast! grootte! blijken! ook! locatie! (provincie,! afstand! tot!
dichtstbijzijnde!centrumstad,!afstand!tot!voorzieningen,..)! ,!energetische!kenmerken!(centrale!
verwarming,! type! beglazing,! hoogrendementsketel,..)! en! kwaliteit! (aanwezigheid! van! open!
haard,! sauna,! zwembad,! alarm,! voorzieningen! keuken! en! badkamer,..)! een! belangrijke! rol! te!
spelen!in!de!verklaring!van!de!woningprijs.!
!16!
!Tabel!3:!Relatieve!belang!van!de!verschillende!criteria!in!de!prijsvorming!(Bron:!Helgers,!Buyst!en!Verboven!(2013))!
Helgers,! Buyst! en! Verboven! (2013)! concluderen! dat! de! gemiddelde! prijsstijging! overheen! de!
beschouwde!periode!minder! sterk!blijkt! te! zijn!na!correctie!van!woningkarakteristieken.!Men!
wijst!op!vertekeningen!door!compositiec!en!kwaliteitseffecten.!Men!stelt!vast!dat,!doorheen!de!
tijd,! kwaliteitstoenames! alsook! de! wijzigende! grootte! en! samenstelling/compositie! van!
verkochte!woningen!een!deel!van!de!prijsstijging!kunnen!verklaren.!Bovendien!vindt!men!dat,!
sinds! 2009,! de!Vlaamse!woningenmarkt! geen! prijsstijging! kent! in! reële! termen! aangezien! de!
jaarlijkse! groeivoet! in! lijn! ligt! met! de! groeivoet! van! de! consumentenprijsindex.! Van! een!
overwaardering! van! de! Vlaamse! vastgoedmarkt,! zoals! beweerd! door! de! OESO! en! The!
Economist,!is!er!volgens!de!auteurs!dus!absoluut!geen!sprake.!
!
Vervolgens!halen!we!het!onderzoek!van!De!Bruyne!&!Van!Hove!(2013)!aan.!Zij!onderzochten!de!
impact!van!de!geografische!ligging!van!de!woning!op!de!woningprijs,!en!dit!voor!589!Belgische!
gemeenten! in! 2001.!De!onderzoekers! komen! tot! het! besluit! dat!mensen!bereid! zijn!meer! te!
betalen!voor!een!woning!wanneer!deze!dicht!bij!een!economischc/!bedrijfscentrum!ligt.!Zowel!
de!afstand!als!de!reistijd!tot!de!hoofdstad!(met!wagen!of!trein)!blijkt!een!significant!negatieve!
impact! te! hebben! op! de! woningprijs.! Dit! geldt! ook! voor! de! reistijd! met! de! wagen! tot! de!
provinciehoofdstad,!maar!in!mindere!mate.!Ook!op!vlak!van!socioceconomische!factoren!zijn!er!
volgens!De!Bruyne!&!Van!Hove!(2013)!significante!effecten.!Zij!vonden!dat!woningprijzen!hoger!
zijn! in!gemeenten!met!een!hoger!gemiddeld! inkomen,!een!lagere!werkloosheid,!meer!groene!
buurten,!een!hogere!bevolkingsdichtheid!en!met!een!hoger!aandeel!internationale!migranten.!
Ook! een! hogere! gemeentebelasting! heeft! meestal! een! negatieve! impact! op! de! huisprijs,!
alhoewel! dit! niet! altijd! significant! is.! Een! kritische!noot! bij! deze! studie! is!wel! dat! er! gewerkt!
werd! met! gemiddelde! huizenprijzen! per! gemeente! waardoor! de! heterogeniteit! van! de!
!17!
huizenmarkt!niet!werd!meegenomen.!Het!verschil!met!ons!onderzoek!is!dat!wij!de!huizen!met!
hun!specifieke!karakteristieken!en!prijzen!individueel!zullen!benaderen.!!
!
Tenslotte! willen! we! ook! nog! een!masterproef! van! twee! studenten! van! de! Universiteit! Gent!!
onder!de!aandacht!brengen.!Zij!onderzochten!in!welke!mate!de!aanwezigheid!van!treinstations,!
autosnelwegen,!luchthavens!en!hoogspanningslijnen!een!invloed!hebben!op!de!woningprijs.!Dit!
zowel!op!vlak!van!toegankelijkheid!als!op!vlak!van!eventuele!lawaaihinder.!Ook!deze!studenten!
hebben!zich!specifiek!gericht!op!Vlaamse!centrumsteden.!
!
Van!Hoey!&!Van!Hoeymissen!(2014)!kwamen!op!vlak!van!toegankelijkheid!tot!de!conclusie!dat!
een!woning!gelegen!op!minder!dan!500!meter!van!een!treinstation!geen!significant!hogere!prijs!
heeft!dan!een!woning!gelegen!op!méér!dan!15!kilometer!van!een!treinstation.!Hetzelfde!geldt!
voor! woningen! die! dicht! bij! de! opc! of! afrit! van! een! autostrade! liggen.! Wel! bleek! er! een!
significant!positief!verband!te!zijn!bij!woningen!gelegen!op!minder!dan!10!kilometer!van!een!
luchthaven,! ten! opzichte! van! woningen! die! meer! dan! 35! kilometer! van! de! luchthaven!
verwijderd! zijn.! Dit! bleek! in! strijd! te! zijn! met! onderzoek! van! Muldoom! (2003)! die! heeft!
vastgesteld!dat!woningen!die!dichter!bij!een!luchthaven!gelegen!zijn!een!lagere!waarde!zouden!
hebben.! Op! het! vlak! van! lawaaihinder! viel! er! voor! de! aanwezigheid! van! treinstations! geen!
significante!invloed!vast!te!stellen.!Inzake!de!afstand!tot!de!snelweg!bleek!er!enkel!een!positief!
significant!resultaat!te!zijn!bij!woningen!gelegen!op!meer!dan!250,!maar!minder!dan!500!meter!
van!een!snelweg.!Tenslotte!stelde!men!vast!dat!woningen!op!minder!dan!5!kilometer!gelegen!
van!een!luchthaven!ook!geen!negatief!effect!hadden!op!de!woningprijs.!Ze!zouden!zelfs!meer!
waard!zijn!dan!woningen!die!verder!gelegen!zijn!dan!5!kilometer.!
!
Bij! voorgaande! studies! dienen! we! op! te! merken! dat! er! niet! werd! gecontroleerd! voor! de!
veiligheidsaspecten!die!wij!in!dit!onderzoek!bestuderen.!!
!
!
!
!
!18!
4.2!Literatuur!inzake!de!impact!van!criminaliteit!op!de!woningprijzen!!Een! studie!aansluitend!bij!ons!onderzoek! focust!op!de! stad!Utrecht.!Marlet!&!van!Woerkens!
(2004)! hebben! nagegaan! “of! een! extra! euro! voor! veiligheid! een! hoger! maatschappelijk!
rendement! oplevert! dan! een! extra! euro! voor! iets! anders! dat!Utrecht! ten! goede! komt”.!Met!
behulp! van! de! hedonische! prijsanalyse! probeerde! men! na! te! gaan! wat! de! invloed! is! van!
‘veiligheid’! ten! opzichte! van! andere! verklarende! factoren! op! de! vraag! naar! woningen! in! de!
betreffende!stad.!Naast!veiligheid!namen!de!onderzoekers!ook!de!beschikbaarheid!van!werk,!
aanbod! van! voorzieningen! en! de! kwaliteit! van! de! woningvoorraad! op! als! verklarende!
variabelen.!
!
De!veiligheid!werd!op!2!manieren!meegenomen!in!de!analyse.!Enerzijds!op!basis!van!het!aantal!
geregistreerde! misdrijven,! ingedeeld! in! vier! categorieën,! namelijk! 1)! geweldsmisdrijven,! 2)!
vernielingen! en! openbare! orde,! 3)! vermogensmisdrijven! (diefstal)! en! 4)! overige! misdrijven.!
Anderzijds!maakte!men!gebruik!van!de!Misdaadc!en!Politiemonitor!voor!een!subjectieve!meting!
van!criminaliteit.!In!het!laatste!geval!wordt!het!(on)veiligheidsgevoel!van!de!mensen!gemeten!
aan!de!hand!van!enquêtes,! cfr.!de!Vlaamse!Veiligheidsmonitor! (cf.!Supra).!Op!basis!van!deze!
enquêtes! wordt! een! ‘indicatorscore! veiligheid’! bekomen.! In! eerste! instantie! werden! deze! 2!
manieren! van! ‘veiligheidsmeting’! onderling! vergeleken! en! vond! men! dat! er! een! significant!
verband! bestaat.! Het! onveiligheidsgevoel! stijgt! wanneer! er! meer! geweldsmisdrijven!
plaatsvinden!in!de!betreffende!stad.!!
!
Na! regressieanalyse! stelden!Marlet! &! van!Woerkens! (2004)! vast! dat! de! bereikbaarheid! van!
werk,! de! nabijheid! van! natuur,! het! aanbod! van! podiumkunsten,! het! culinaire! aanbod,! het!
percentage! van! koopwoningen,! de! gemiddelde! omvang! van! een! woning! en! het! percentage!
vooroorlogse!woningen!een!significant!positieve!invloed!hebben!op!de!woningprijs.!Het!aantal!
geweldsmisdrijven! in! een! bepaalde! stad! heeft! een! significant! negatieve! invloed! op! de! vraag!
naar!woningen!in!een!de!stad!(zie!ook!Figuur!9).!Ook!de!categorieën!‘overige!misdrijven’!en!de!
‘indicatorscore!veiligheid’!bleken!een!significant!negatieve!impact!te!hebben!op!de!woningprijs.!
Toch! blijft! de! categorie! geweldsmisdrijven! de! belangrijkste,! we! zien! namelijk! dat! elk! extra!
geweldsmisdrijf! per! 1000! inwoners! de! waarde! van! een! huis! met! gemiddeld! 1087,5! euro!
vermindert! (Marlet! &! van! Woerkens,! 2004).! Men! schat! dat! een! woning! omwille! van! die!
!19!
onveiligheid!13.000!euro!aan!welvaartsverlies!lijdt.!Ze!ramen!de!totale!maatschappelijke!kosten!
van!geweld!in!Utrecht!op!1,3!miljard!euro.!
!Figuur! 9:! Verband! tussen! aangiftes! voor! geweldsmisdrijven! en! de! huizenprijzen! gecorrigeerd! voor! andere! verklarende!variabelen.!(Bron:!NYFER!;!Marlet!&!van!Woerkens!(2004))!
Ook! in!onder! andere! Stockholm! (Ceccato!&!Wilhelmsson,! 2011)! ,!New!York! (Thaler,! 1978)!&!
(Schwartz,! Susin,! &! Voicu,! 2003)! ,! Boston! (Hellman! &! Naroff,! 1979)! ,! Florida! (Lynch! &!
Rasmussen,! 2001)! ,! Atlanta! (Bowes! &! Ihlanfeldt,! 2001)! en! London! (Gibbons! S.! ,! 2004)!
onderzocht!men!de!impact!van!criminaliteit!op!de!woningprijs.!!
!
In! Stockholm! (Ceccato! &! Wilhelmsson,! 2011)! onderzocht! men! dit! specifiek! voor! de!
appartementen.! Het! is! belangrijk! dit! onderzoek! mee! op! te! nemen! in! onze! literatuurstudie!
aangezien! dit! een! van! de!weinige! onderzoeken! is! die! deze! problematiek! beschrijft! voor! een!
ander! land!dan!de!Verenigde!Staten!en!het!Verenigd!Koninkrijk.!Bij!deze!studie!heeft!men!op!
basis! van! een! hedonisch! prijsmodel! 9.000! verkooptransacties! geanalyseerd.! Men! maakte!
tevens! gebruik! van! een! geografisch! informatiesysteem! (GIS)! om! de! afstand! tussen! het!
beschouwde! appartement! en! de! plaats! delict! te! bepalen! .! Ceccato! &! Wilhelmsson! (2011)!
stelden!vast!dat!de!prijzen!van!appartementen!sterk!beïnvloed!worden!door!criminaliteit!zowel!
in!de!eigen!wijk!als!in!de!omgeving,!los!van!het!criminaliteitstype.!Woninginbraken!blijken!het!
grootste!effect!op!de!prijs! te!hebben,! terwijl!diefstal!het!sterkste!statistische!effect!heeft.!De!
regressieanalyse!toont!aan!dat!een!stijging!van!woninginbraken!met!1%!gemiddeld!leidt!tot!een!
daling!van!de!appartementsprijs!met!0,21%.!Men!had!verwacht,!in!navolging!van!resultaten!van!
Gibbons! S.! (2004),! die! zijn! onderzoek! voerde! in! London,! dat! eerder! feiten! zoals! vandalisme,!
graffiti!en!brandstichting!de!grootste!invloed!op!de!prijs!zouden!hebben.!Met!als!reden!dat!dit!
!20!
zichtbaar!is,!maar!ook!wordt!gezien!als!een!signaal!dat!er!geen!ordehandhaving!en!stabiliteit!in!
de! buurt! is.! Volgens! het! onderzoek! van! Ceccato! &!Wilhelmsson! (2011)! voelen! burgers! zich!
meer!onveilig!wanneer!er!wordt!ingebroken!aangezien!men!het!gevoel!heeft!dat!zijn!privacy!en!
intimiteit!zijn!geschonden.!Tenslotte!stellen!de!onderzoekers!vast!dat!er!veel!minder!sprake!is!
van!een!invloed!van!criminaliteit!in!het!stadscentrum.!Dit!wordt!verklaard!door!het!feit!dat!de!
bewoners!hier! veel!meer!belang!hechten! aan!de!beschikbare! voorzieningen!die!het! centrum!
biedt.!
!
In! tegenstelling! tot! het! onderzoek! van! Ceccato! &! Wilhelmsson! (2011)! vinden! Ihlanfeldt! &!
Mayock!(2010)!dat!niet!alle!types!van!criminaliteit!een!invloed!hebben!op!de!huizenprijzen.!Van!
de! zeven! verschillende! types! criminaliteit! die! werden! onderzocht,! bleken! enkel! diefstal! en!
zware! geweldsmisdrijven! een! significante! invloed! uit! te! oefenen.! Ook! Tita,! Petras,! &!
Greenbaum!(2006)!bevestigen!dat!geweldsmisdrijven!de!grootste!kost!met! zich!meebrengen,!
maar!benadrukken!dat!de!kapitalisering!van!de!gevolgen!van!criminaliteit!afhangt!van!de!soort!
buurt!(arm,!middenklasse!of!!vermogend)!waarin!men!zich!bevindt.!
!
Een!van!de!eerste!onderzoeken!in!dit!domein!gebeurde!door!Thaler!(1978)!in!Rochester,!New!
York.!Reeds!in!de!jaren!70!werd!er!door!de!overheid!veel!geld!gespendeerd!aan!het!verdelgen!
van! criminaliteit,! ook! in! de! publieke! opinie! werd! criminaliteit! als! een! belangrijk! probleem!
ervaren.!Deze!studie!heeft!als!doel!om!onder!andere!na!te!gaan!hoeveel!mensen!bereid!zijn!te!
betalen!om!in!een!omgeving!met!weinig!criminaliteit!te!wonen.!Thaler!(1978)!stelt!vast!dat!een!
toename!van!de!eigendomsdelicten!met!één!standaarddeviatie!de!gemiddelde!woningprijs!met!
3!procent!doet!dalen.!Bij!Gibbons!S.!(2004)!bleek!dat!een!daling!van!zichtbare!criminele!feiten!
(vandalisme,! brandstichting! en! graffiti)! met! een! tiende! standaarddeviatie! de! prijs! van! een!
gemiddeld!Londense!eigendom!met!gemiddeld!1%!(of!gemiddeld!2200!pond)!deed!stijgen.!De!
totale!kost!van!deze!soort!delicten!voor!London!wordt!geschat!op!340!miljoen!pond!per! jaar.!
Later!vonden!Cohen,!Rust,!Steen,!&!Tidd!(2004)!in!een!nationaal!onderzoek!bij!1300!inwoners!
van!de!Verenigde!Staten!dat!men!bereid!is!om!per!inwoner!100!tot!150!dollar!(afhankelijk!van!
de!soort!misdaad)!per! jaar!uit! te!geven!aan!programma’s!die!de!criminaliteit!met!10!procent!
kunnen!verminderen!in!hun!gemeenschap.!Op!geaggregeerd!niveau!betekent!dit!bijvoorbeeld!
25.000! dollar! voor! een! diefstal,! 232.000! dollar! voor! gewapende! overval,…! Deze! cijfers! zijn!
consistent!met!resultaten!van!Ludwig!&!Cook!(2001)!die!in!hun!onderzoek!hebben!gefocust!op!
!21!
de!bereidheid!tot!betalen!voor!het!verminderen!van!geweld!waar!een!vuurwapen!in!betrokken!
is!(‘gun!violence’),!een!issue!die!vooral!in!Amerika!een!belangrijke!rol!speelt.!De!onderzoekers!
schatten! dat! de! publieke! ‘willingnessctocpay’! ongeveer! 1,2!miljoen! dollar! bedraagt! per! (nietc
fataal)!letsel!ontstaan!door!een!vuurwapen.!
!
In! New! York! probeerden! Schwartz,! Susin,! &! Voicu! (2003)! te! achterhalen! of! de! daling! in!
criminaliteit! (daling! van! het! aantal! moorden!met! 69%,! geweldsmisdrijven!met! 53%,…)! heeft!
geleid! tot! een! stijging! in! de!woningprijzen.!We!moeten! hierbij! vermelden! dat! dit! onderzoek!
betrekking!heeft!op!de!periode!1988c1998!en!daardoor!mogelijk!methodisch!minder!relevant!is!
geworden.!De!onderzoekers!komen!tot!de!vaststelling!dat!de!stijging!van!de!huizenprijzen!met!
17,5!procentpunten!gedeeltelijk!toe!te!schrijven!is!aan!de!daling!in!criminaliteit,!namelijk!voor!
één!derde!(6!procentpunten).!De!belangrijkste!reden!blijkt!de!heropleving!van!arme!wijken!te!
zijn!en!de!verbetering!van!de!woonsubsidies.!
!
Onderzoekers! Lynch! &! Rasmussen! (2001)! onderzochten! 2.800! verkooptransacties! in!
Jachsonville,! Florida.! Men! concludeerde! dat! criminaliteit! de! gemiddelde! woningprijs! niet!
significant! beïnvloedt,!maar! dat! huizen! sterk! ‘afgeprijsd’! zijn! in! omgevingen! die! gekenmerkt!
worden!door!een!hoog!criminaliteitscijfer.!De!criminaliteitskost!per!capita!bedraagt!311!dollar,!
wat!bij!een!gemiddeld!huishouden!met!3!personen!neerkomt!op!een!criminaliteitskost!van!933!
dollar!per!jaar!per!huis.!!!
!
Onrechtstreeks! worden! ook! vaak! treinstations! als! mogelijke! trekpleisters! van! criminaliteit!
gezien.!Verschillende!studies! (Davis,!1970;!Voith,!1993;!Gibbons!&!Machin,!2005)!beschrijven!
de! aanwezigheid! van! een! station! als! hebbende! een! algemene! positieve! invloed! op! de!
huizenprijzen!omwille!van!een!betere!bereikbaarheid.!Langs!de!andere!kant!zorgt!een!station!in!
de!buurt!voor!een!verstoord!landschap!en!voor!verschillende!soorten!van!overlast!zoals!lawaai!,!
vandalisme,!criminaliteit,…!wat!in!een!ander!studie!(Bowes!&!Ihlanfeldt,!2001)!,!afhankelijk!van!
de!context,!als!overheersende!factor!wordt!aanzien!en!dus!zorgt!voor!een!negatieve!invloed!op!
de!woningprijs.!!
!
Algemeen! kunnen! we! besluiten! dat! men! het! erover! eens! is! dat! criminaliteit! een! bepaalde!
negatieve!invloed!heeft!op!de!woningprijs.!Over!de!mate!waarin!en!de!soort!criminele!delicten!
!22!
die!hiervoor!zorgen! is!geen!consensus!bereikt.!Zoals!we!hebben!gemerkt! is!dit!ook!plaatsc!en!
buurtafhankelijk!(Tita,!Petras,!&!Greenbaum,!2006).!
!! !
!23!
5.!Onderzoeksopzet!!!
5.1!Probleemstelling!!Met! dit! onderzoek! proberen! we! na! te! gaan! wat! de! impact! is! van! criminaliteit! en! het!
onveiligheidsgevoel! dat! bij! de! bewoners! aanwezig! is! op! de! huizenprijzen! in! de! 13! Vlaamse!
centrumsteden.! In! de! literatuur!wordt! beweerd!dat! criminaliteit! een!negatieve! invloed!heeft!
over!de!woningprijs.!We!onderzoeken!of!deze!uitspraak!ook!geldt!voor!Vlaanderen!en!in!welke!
mate! er! een! invloed!waarneembaar! is.! In! de! literatuur! vonden!we! geen! consensus! rond! het!
type!criminele!feiten!die!de!grootste!impact!veroorzaakt,!dit!ging!vaak!af!van!buurt!en/of!fysiek!
onderzoeksgebied.!Hieronder!zullen!we!3!clusters!van!criminaliteit!onderscheiden,!nl.!diefstal,!
eigendomsdelicten!en!lichamelijke!delicten!en!nagaan!of!ze!in!verschillende!mate!een!invloed!
uitoefenen!op!de!woningprijs.!!
!5.2!Hypothesen!!
Hypothese!1:!
Criminaliteit! heeft! in! de! Vlaamse! centrumsteden! een! significant! negatieve! impact! op! de!
woningprijs!na!controle!voor!andere!verklarende!factoren.!Met!andere!woorden,!hoe!hoger!het!
totaal+aantal+misdrijven,!hoe!lager!de!gemiddelde!woningprijs.!
!
H0:!!β!=!0!
H1:!!β!<!0!
!
Hypothese!2:!
De!criminele+feiten+gebundeld+in+de+cluster+diefstal!hebben!in!de!Vlaamse!centrumsteden!een!
significant!negatieve! impact!op!de!woningprijs!na!controle!voor!andere!verklarende!factoren.!
Met! andere!woorden,! hoe! hoger! het! aantal!misdrijven! gekoppeld! aan!diefstal,! hoe! lager! de!
gemiddelde!woningprijs.!
!
H0:!!β!=!0!
H1:!!β!<!0!
!24!
Hypothese!3:!
De! criminele+ feiten+ gebundeld+ in+ de+ cluster+ eigendomsdelicten! hebben! in! de! Vlaamse!
centrumsteden! een! significant! negatieve! impact! op! de! woningprijs! na! controle! voor! andere!
verklarende! factoren.!Met! andere!woorden,! hoe! hoger! het! aantal!misdrijven! gekoppeld! aan!
eigendomsdelicten,!hoe!lager!de!gemiddelde!woningprijs.!
!
H0:!!β!=!0!
H1:!!β!<!0!
!
!
Hypothese!4:!
De! criminele+ feiten+ gebundeld+ in+ de+ cluster+ lichamelijke+ delicten! hebben! in! de! Vlaamse!
centrumsteden! een! significant! negatieve! impact! op! de! woningprijs! na! controle! voor! andere!
verklarende! factoren.!Met! andere!woorden,! hoe! hoger! het! aantal!misdrijven! gekoppeld! aan!
lichamelijke+delicten,!hoe!lager!de!gemiddelde!woningprijs.!
!
H0:!!β!=!0!
H1:!!β!<!0!
!
!
Hypothese!5:!!
Er! bestaat! een! significant! verband! tussen! de! toelage! die! een! stad! geeft! aan! de! betreffende!
politiezone!(werkingsmiddelen)!en!de!woningprijs.!We!kiezen!op!voorhand!geen!richting.!Het!is!
namelijk!mogelijk!dat!een!groot!budget!gepaard!gaat!met!een!veiligere!stad!en!dus!tot!hogere!
prijzen,! maar! het! kan! ook! dat! er! juist! veel! middelen! voorzien! worden! om! een! bestaand!
probleem!van!criminaliteit!op!te!lossen.!!
!
H0:!β!=!0!
H1:!β!≠!0!
!
!
!
!25!
Hypothese!6:!
Er!bestaat!een!significant!verband!tussen!het!onveiligheidsgevoel!dat!aanwezig!is!bij!de!burgers!
en! de! woningprijs.! Intuïtief! verwachten! we! dat! naarmate! men! zich! onveiliger! voelt,! de!
woningprijs!ook! lager!zal!zijn.!Maar!dit!verband!kan! in!principe!ook!positief!zijn,!mensen!met!
veel! vermogen! voelen! zich! vaak! onveilig,! terwijl! zij! veelal! wonen! in! huizen!met! een! grotere!
waarde.!Er!is!onvoldoende!literatuur!beschikbaar!die!ons!toelaat!a!priori!een!richting!te!kiezen.!!
!
H0:!β!=!0!
H1:!β!≠!0!
5.3!Populatie!!De!woningen!die!wij!zullen!beschouwen!zijn!die!in!de!13!Vlaamse!centrumsteden.!De!Vlaamse!
centrumsteden! zijn! Antwerpen,! Mechelen,! Turnhout! (Provincie! Antwerpen);! Genk,! Hasselt!
(Provincie! Limburg);! Aalst,! Gent,! SintcNiklaas! (Provincie! OostcVlaanderen);! Leuven! (Provincie!
VlaamscBrabant)! en! Brugge,! Kortrijk,! Oostende,! Roeselare! (Provincie! WestcVlaanderen)!
(Vanderbiesen,! 2010).! Centrumsteden! hebben! heel! wat! te! bieden,! nl.! werkgelegenheid,!
gezondheidszorg,!cultuur,!onderwijs,!ontspanning,!…!Ze!hebben!dan!ook!een!centrale!functie!in!
hun! omgeving.! Omwille! van! het! feit! dat! criminaliteit! vaak! in! verband! wordt! gebracht! met!
verstedelijking!hebben!wij!gekozen!om!enkel!centrumsteden!op!te!nemen!en!deze!onderling!te!
vergelijken! (Hardyns,! Pauwels! &! Ponsaers,! 2013).! Dit! blijkt! ook! uit! de! Stadsmonitor! (2015),!
waarin!men!aantoont!dat!autodiefstal,!handtasdiefstal!en!woninginbraak!in!de!centrumsteden!
gemiddeld!hoger!liggen!dan!in!het!Vlaamse!Gewest!(zie!Tabel!4).!
!! Autodiefstal! Handtasdiefstal! Woninginbraak!Gemiddelde!voor!13!centrumsteden! 0,90! 0,35! 6,43!Vlaams!Gewest! 0,57! 0,12! 5,10!Tabel!4:!Criminaliteitsgraad!voor!autodiefstal,!woninginbraak!en!handtasdiefstal!voor!het!jaar!2012X2013.!Uitgedrukt!per!1000!inwoners.!(Bron:!Stadsmonitor!2015)!
5.4!Dataverzameling!!De! verzameling! van! data! voor! de! prijs! (afhankelijke! variabele)! ,! bouwjaar,! ! (bewoonbare)!
oppervlakte,! aantal! slaapkamers,! EPCcpeil,! kadastraal! inkomen,..! is! gebeurd!op!basis! van!een!
dataset! die! ons! beschikbaar! wordt! gesteld! door! de! Universiteit! Gent.! Deze! dataset! bevat!
gegevens/zoekertjes! van! immowebsites! voor! alle! Vlaamse! gemeenten! in! het! jaar! 2013.!
!26!
Belangrijk!hierbij!is!op!te!merken!dat!de!vermelde!prijs!de!vraagprijs!is!en!dus!mogelijk!verschilt!
van!de!uiteindelijke!verkoopprijs.!De!effectieve!verkoopprijzen!zoals!ze!worden!opgenomen!in!
de!notariële!aankoopakte!worden!verzameld!en!bijgehouden!door!het!Kadaster,!maar!helaas!
worden!deze!cijfers!niet!openbaar!beschikbaar!gesteld.!!
De!benodigde!data!voor!het!meten!van!de!criminaliteit!per!centrumstad!bekomen!we!via!de!
Federale!Politie.!De!meest!recente!cijfers!voor!een!heel!jaar!zijn!die!van!2013.!Op!dit!ogenblik!
zijn!er!voor!2014!enkel!cijfers!beschikbaar!voor!de!eerste!helft!van!het!jaar!(cf.!Supra).!!
5.5!Bepaling!steekproef!!De! oorspronkelijke! dataset! beschikbaar! gesteld! door! de! Universiteit! Gent! bevat! 61.979!
zoekertjes,!waarvan!er!9.925!betrekking!hebben!op!de!centrumsteden.!Dit!is!uiteraard!slechts!
een!deel!van!de!populatie.!Van!de!zoekertjes!uit!de!centrumsteden!zullen!er!nog!verschillende!
worden! geschrapt! omdat! zij!mogelijk! dubbel,! onvoldoende! of! verkeerd!werden! ingevuld.! Zo!
werden! er! bijvoorbeeld! verschillende! ‘woningen’! opgenomen! met! een! vraagprijs! van! 2.500!
euro.! Wij! vermoeden! dat! het! hier! ging! om! parkeerc! of! staanplaatsen! waardoor! deze! cases!
werden!bestempeld!als!outliers.!Ook!vonden!we!verschillende!records!van!eigendommen!met!
een!bewoonbare!oppervlakte!van!slechts!1!m2,!ook!deze!worden!geschrapt.!Wij!zullen!voor!alle!
relevante!variabelen!nagaan!of!er!al!dan!niet!sprake!is!van!outliers!en!zo!tot!een!nieuw!aantal!
records! komen.! Het! effectief! aantal! zoekertjes! meegenomen! in! de! regressieanalyse! zal! dus!
minder!zijn!dan!de!9.925!cases!beschikbaar!voor!de!centrumsteden.!
! !
!27!
6.!Onderzoek!!!6.1!Model!!Y!=!β0!+!β1!X1!+!β2!X2!+!β3!X3!+!β4!X4!+!…!+!βn!Xn!+!ε!
!
Met!Y!=!de!woningprijs!/!vraagprijs!!
Met!ε!=!de!storingsterm!!
Met!X1,X2,…Xn!=!controlec!en!kernvariabelen!
!
6.2!Toelichting!variabelen!!Na!het!verwijderen!van!outliers!uit!de!dataset!(standaard!de!5%!laagste!en!hoogste!waarden),!
zoals!een!KI!van!1!euro!of!woningen!met!een!EPCcwaarde!van!0,!beschikken!we!nog!over!2818!
zoekertjes! die! we! zullen! opnemen! in! onze! analyse.! Verschillende! variabelen! zoals! de!
oppervlakte!van!de!kelder!of!de!zolder,!het!aantal!doucheruimtes,..!werden!niet!meegenomen!
omdat!dit!in!té!weinig!gevallen!werd!ingevuld.!De!variabelen!die!wel!werden!opgenomen!zullen!
hieronder! kort! worden! besproken.! Eerst! vermelden! we! de! variabelen! die! steeds! in! een!
hedonische! analyse! worden! opgenomen! en! die! we! verder! de! controlevariabelen! noemen.!
Daarna!bespreken!we!de!kernvariabelen!die!betrekking!hebben!op!criminaliteit!en!onveiligheid.!
We! zullen! steeds! de! gemiddelde!waarde! van! de! beschouwde! variabele!weergeven.! Voor! de!
minima,!maxima!en!standaarddeviaties!verwijzen!we!naar!de!bijlagen!A!tot!en!met!E.!
6.2.1!Controlevariabelen!!
Als! afhankelijke! variabele!hebben!we! in!dit!onderzoek!de! vraagc/verkoopprijs! van!de!woning!
gedefinieerd.!We!proberen!na!te!gaan!welke!factoren!deze!prijs!kunnen!doen!stijgen!of!dalen.!
Na! correctie! voor! outliers,! namelijk! bedragen! onder! de! 114.000! euro! en! boven! de! 649.000!
euro,!vinden!we!een!gemiddelde!vraagprijs!van!256.551,22!euro.!!
!
Een!eerste!controlevariabele! is!de!bewoonbare!oppervlakte.!We!verwachten!dat!een!grotere!
bewoonbare! oppervlakte! gemiddeld! gepaard! zal! gaan! met! een! hogere! woningprijs.! In! de!
beschouwde! dataset! werden,! na! controle! voor! outliers,! woningen! opgenomen! met! een!
!28!
bewoonbare!oppervlakte!tussen!de!58!en!360!m2.!De!gemiddelde!oppervlakte!bedroeg!149,79!
m2.!!
!
Vervolgens!brengen!we!het!bouwjaar!van!de!eigendom!in!rekening.!Oudere!woningen!zullen!in!
principe! gemiddeld! voor! een! lagere! prijs! worden! verkocht,! al! moet! dit! effect! genuanceerd!
worden.! Oudere,! gerenoveerde! woningen! kunnen! meer! waard! zijn! dan! een! recentere!
woningen!in!slechte!staat.!Bovendien!zijn!sommige!oudere!woningen!omwille!van!hun!karakter!
meer! waard,! zo! vinden! we! bijvoorbeeld! in! Gent,! maar! ook! in! andere! centrumsteden,!
verschillende! beschermde! stadsgezichten! of! geklasseerde!woningen.! De! variabele! ‘bouwjaar’!
moet!dus!in!verband!met!andere!variabelen!worden!onderzocht,!en!zeker!met!de!staat!van!de!
woning.!We!deelden!deze!variabele!op!in!verschillende!categorieën!(zie!Figuur!10).!We!zien!dat!
er!relatief!veel!oude!woningen!werden!aangeboden!in!het!jaar!2013!met!het!grootste!aandeel!
woningen!die!vroeger!is!gebouwd!dan!1950,!namelijk!24,09%.!Als!referentiecategorie!zullen!wij!
de!woningen!gebouwd!voor!1950!selecteren.!
!Figuur!10:!Bouwjaar!woning!(verticale!as!in!%)!
Een! derde! belangrijke! controlevariabele! is! het! KI! (Kadastraal! Inkomen)! van! een!woning.! Het!
kadastraal!inkomen!vertegenwoordigt!het!gemiddelde!normale!nettocinkomen!van!één!jaar!van!
een! in! België! gelegen! kadastraal! perceel! (Vandewoestijne,! 2014).! Hierop! zal! de! eigenaar!
worden! belast.! In! principe! gelden! de! kadastrale! inkomens! voor! een! periode! van! 10! jaar.! Na!
deze! termijn! dient! er! een! herschatting! plaats! te! vinden.! Deze! schatting! werd! het! laatst!
uitgevoerd!in!1975.!Ter!compensatie!werd!er!besloten!om!vanaf!1!januari!1991!de!kadastrale!
inkomens! jaarlijks! te! indexeren.! Zowel! nieuwe! gebouwen! als! gebouwen! die! een! aanzienlijke!
0,00!
5,00!
10,00!
15,00!
20,00!
25,00!
30,00!
!29!
structurele! wijziging! doormaakten! worden! wel! nog! geschat.! Het! gemiddelde! kadastraal!
inkomen! van! onze! dataset! bedraagt! 909,20! euro.! Wij! verwachten! dat! een! hoog! kadastraal!
inkomen!gemiddeld!gepaard!zal!gaan!met!een!hogere!woningprijs.!
!
Ook!de!EPCcwaarde!per!woning!wordt!als!belangrijke!variabele!opgenomen! in!dit!onderzoek.!
Het! energieprestatiecertificaat! (EPC)! drukt! uit! hoe! energiezuinig! een! woonentiteit! is.! Het! is!
tevens!verplicht!zo’n!certificaat!te!kunnen!voorleggen!bij!verkoop!of!verhuur!van!een!woning.!
Het!EPC!geeft!de!energiescore!van!een!gebouw!weer!en!geeft!bovendien!advies!om!energie!te!
besparen.!Dit! certificaat! is! 10! jaar! geldig! (Wonen!Vlaanderen,! 2015).! Figuur! 11! toont! ons! de!
meetschaal!die!we!terugvinden!op!een!energieprestatiecertificaat.!Op!de!schaal!vinden!wij!de!
EPCcwaarde! terug! die! het! energieverbruik! in! kWh/jaar! per! m2! van! de! woning! of! het!
appartement!weergeeft.! Hoe! lager! deze!waarde,! hoe! energiezuiniger! de!woning! en! dus! hoe!
hoger!de!verwachte!prijs.!Na!verwijdering!van!extreme!waarden!vinden!we!dat!de!gemiddelde!
EPCcwaarde!voor!onze!dataset!346,29!kWh/m2/jaar!is.!
!
!Figuur!11:!EPCXschaal!(Bron:www.Vlaanderen.be)!
!Een! vijfde! variabele! is! de! oriëntatie! van! de! tuin! van! de! eigendom.!We! verwachten! dat! een!
woning!met!een!tuin!gericht!naar!het!Zuiden!gemiddeld!zal!verkocht!worden!voor!een!hogere!
prijs! dan! wanneer! dit! niet! het! geval! is.! De! Noordelijkcgerichte! tuinen! zullen! hier! als!
referentiecategorie!worden!geselecteerd.!
!
Daarnaast! speelt! ook! het! aantal! gevels! van! de! woning! een! belangrijke! rol.! In! onze! dataset!
vinden!we!woningen!met!1c4!gevels,!waarbij!we!veronderstellen!dat!woningen!met!vier!gevels!
open! bebouwingen! zijn! (7,80%),!woningen!met! 3! gevels! halfopen! bebouwingen! (11,80%)! en!
woningen!met!2!gevels!rijhuizen!(46,3%),!zie!ook!figuur!12.! In!de!beschouwde!dataset!blijken!
!30!
rijhuizen!een!veel!groter!aandeel!in!te!nemen!dan!de!andere!types!woningen.!We!vermoeden!
dat!open!bebouwingen!gemiddeld!voor!een!hogere!vraagprijs!zullen!worden!aangeboden.!
!Figuur!12:!Aantal!gevels!van!de!woning!(verticale!as!in!%)!
Verder! zullen! we! ook! nog! de! staat! van! de! woning! in! beschouwing! nemen,! als! eerste! door!
middel! van! de! aanwezigheid! van! dubbel! glas.! 64,9%! van! de! beschouwde! woningen! uit! de!
dataset!blijken!over!dubbel!glas!te!beschikken.!We!verwachten!dat!deze!woningen!gemiddeld!
voor! een!hogere!prijs! zullen! verkocht!worden!aangezien!de! kosten! voor! energie!hier!minder!
hoog!zullen!zijn.!
!
Vervolgens! nemen! we! ook! 3! dummy’s! op! in! onze! analyse! die! de! staat! van! de! woning!
beschrijven.! We! onderscheiden! 4! categorieën,! namelijk:! “goede! staat”! ,! “vernieuwd”,! “te!
renoveren”! en! “slechte! staat”.! Figuur! 13! geeft! weer! hoe! vaak! de! verschillende! types!
voorkomen.!In!de!beschouwde!dataset!komen!vooral!woningen!voor!in!goede!en!slechte!staat.!
Vernieuwde! en! te! renoveren! woningen! zien! we! minder! frequent.! Verwacht! wordt! dat!
woningen! die! in! goede!
staat! zijn! of! reeds! zijn!
gerenoveerd! gemiddeld!
meer!zullen!opbrengen!dan!
woningen! die! moeten!
gerenoveerd! worden/in!
slechte!staat!zijn.!
!Figuur!13:!Staat!woningen!(verticale!as!in!%)!
0!5!10!15!20!25!30!35!40!45!50!
1!gevel! 2!gevels! 3!gevels! 4!gevels!
0,00!5,00!10,00!15,00!20,00!25,00!30,00!35,00!40,00!45,00!50,00!
Goede!staat! Slechte!staat! Te!renoveren! Vernieuwd!
!31!
Tenslotte! zullen!we!ook!nog!enkele! variabelen!opnemen!die! zullen! controleren!voor! spatiale!
effecten,! een! dummy! die! weergeeft! of! we! te! maken! hebben! met! appartementen! of!
woonhuizen!en!een!variabele!die!het!gemiddeld!inkomen!per!centrumstad!uitdrukt.!Verwacht!
wordt!dat!een!woonhuis!gemiddeld!duurder!zal!zijn!dan!een!appartement.!Aansluitend!op!het!
onderzoek! van! De! Bruyne! &! Van! Hove! (2013)! verwachten! we! dat! woningprijzen! gemiddeld!
hoger!zijn!in!steden!met!een!hoger!gemiddeld!inkomen.!
6.2.2!Kernvariabelen!!We! beschouwen! 6! kernvariabelen,! namelijk! 3! variabelen! voor! elke! cluster! van! criminaliteit!
(lichamelijke!delicten,!eigendomsdelicten!en!diefstal),!één!variabele!die!de!totale!criminaliteit!
voorstelt,!één!die!het!(on)veiligheidsgevoel!bij!de!burgers!weergeeft!en!tenslotte!één!variabele!
die!het!budget!die!naar!de!politiezones!vloeit!in!kaart!brengt.!!
!
De!drie!clusters!van!criminaliteit!en!de!totale!criminaliteit!wordt!uitgedrukt!in!criminele!feiten!
per! 1000! inwoners.! De! variabele! onveiligheid! is! een! punt! die! ondervraagden! geven! op! een!
vijfpuntenschaal!voor!de!vraag:!“Hoe!frequent!voelt!u!zich!onveilig!?”!met!1=!altijd!en!5=nooit.!
Tenslotte! is!er!nog!één!variabele!die!de! toegestane!werkingssubsidies!aan!de!politiezone!per!
gemeente,!uitgedrukt!per!hoofd!van!de!bevolking,! in! kaart!brengt.!Onderstaande! tabel! geeft!
een!overzicht!van!de!minima,!maxima!en!gemiddelden!van!beschouwde!variabelen.!!
N Minimum Maximum Mean Std. Deviation
Diefstal 2818 31,59 90,25 53,9390 16,21493
Eigendomsdelicten 2818 9,70 14,19 11,9494 1,41430
Lich. delicten 2818 6,21 12,25 9,3818 1,92975
Totale criminaltieit 2818 48,31 113,68 75,2702 18,48714
Score veiligheid 2818 3,61 4,14 3,7992 ,13158
Budget zones 2818 217,57 499,78 368,7508 96,77162
Valid N (listwise) 2818 Tabel!5:!Minima,!maxima!en!gemiddelde!van!kernvariabelen!
6.3!Regressie!!!Wij! zullen! 2! regressies! onderscheiden.! In! een! eerste! nemen! wij! alle! controlevariabelen! op!
samen! met! de! variabele! voor! totale! criminaliteit! (SOM2013)! en! de! variabelen! die! het!
veiligheidsgevoel! (VEIL2009)! en! de! budgetten! voor! politie! (UVZCAP2013)! weergeven.! Een!
!32!
tweede! regressie! bevat! opnieuw! alle! controlevariabelen! aangevuld! met! de! 3! clusters! van!
criminaliteit,! namelijk! diefstal! (DAM2013),! lichamelijke! delicten! (LINTM2013)! en!
eigendomsdelicten! (EIGM2013),! aangevuld! met! de! variabelen! die! het! veiligheidsgevoel!
(VEIL2009)!en!de!budgetten!voor!politie!(UVZCAP2013)!voorstellen.!!
6.3.1!Regressie!1!!!Deze!regressie!heeft!betrekking!op!hypothesen!1,5!en!6.!Van!de!2818!cases!waarvan!eerder!
sprake!zijn!er!momenteel!nog!1462!over!omwille!van!het!feit!dat!er!nog!enkele!missing!values!
aanwezig!waren!binnen!de!opgenomen!variabelen.!
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
1 (Constant) -793074,889 88897,247 -8,921 ,000
BewoonbareOppervlakte 604,107 41,670 ,396 14,498 ,000
KI 101,526 6,608 ,368 15,364 ,000
EPC -51,489 11,831 -,094 -4,352 ,000
D19511960 -13863,942 5470,231 -,051 -2,534 ,011
D19611970 -24655,820 5487,409 -,102 -4,493 ,000
D19711980 -39679,960 6706,480 -,132 -5,917 ,000
D19811990 -13560,016 8321,172 -,033 -1,630 ,103
D19912000 2241,138 7460,306 ,006 ,300 ,764
D20012010 38386,411 7357,346 ,119 5,217 ,000
D2011end 96547,746 19239,019 ,084 5,018 ,000
DTUINZUID 13241,071 4710,683 ,053 2,811 ,005
DTUINWEST -12825,142 11209,186 -,019 -1,144 ,253
DTUINOOST -275,067 10415,714 ,000 -,026 ,979
DGOEDESTAAT 3876,377 3736,078 ,019 1,038 ,300
DVERNIEUWD 16731,182 6916,196 ,043 2,419 ,016
DTERENOV -16250,933 5814,503 -,052 -2,795 ,005
DDUBBELGL 10734,538 3980,594 ,046 2,697 ,007
DAPP -18974,926 6117,801 -,095 -3,102 ,002
AGEVELS 21248,923 2749,289 ,165 7,729 ,000
GemInkomen 15,380 1,572 ,212 9,785 ,000
STAT_SECTOR -,665 ,424 -,036 -1,569 ,117
AFST_KLEUTEROND 31,876 11,406 ,082 2,795 ,005
AFST_LO -9,856 10,008 -,030 -,985 ,325
!33!
AFST_SO -6,540 4,729 -,039 -1,383 ,167
AFST_STATION -,727 2,150 -,007 -,338 ,735
AFST_OPAFRIT ,881 1,285 ,013 ,685 ,493
AFST_LUCHTH -,213 ,142 -,036 -1,499 ,134
AFST_ZH -,010 2,953 ,000 -,003 ,997
som2013 114,284 166,252 ,020 ,687 ,492
VEIL2009 124860,819 19540,263 ,165 6,390 ,000
UVZCAP13 281,893 37,132 ,273 7,592 ,000
a. Dependent Variable: Vraagprijs Tabel!6:!Output!regressie!1!met!controlevariabelen!en!kernvariabelen!SOM2013,!VEIL2009!en!UVZCAP13!
Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 ,791a ,625 ,617 61127,512
!
Tabel!7:!Determinatiecoëfficiënten!regressie!1!
Voor! het! interpreteren! van! de! resultaten! vermelden! we! eerst! twee! verschillende! items! die!
bijzondere!aandacht!verdienen.!Een!eerste!is!de!Fctest,!deze!geeft!weer!of!het!geschatte!model!
al!dan!niet!statistisch!bruikbaar!is.!We!vinden!een!pcwaarde!van!0,000!(zie!Bijlage!F)!waardoor!
we!de!nulhypothese!dat!het!model!niet!statistisch!bruikbaar!is!kunnen!verwerpen.!Vervolgens!
hebben!we!ook!aandacht!voor!de!determinatiecoëfficiënt!(R2)!die!aangeeft!welk!gedeelte!van!
de!totale!steekproefvariantie!in!de!afhankelijke!variabele!Y!(hier!de!vraagprijs)!verklaard!wordt!
door! het! regressiemodel.! In! deze! regressie! bedraagt! de! R2! 62,5%,! de! aangepaste!
determinatiecoëfficiënt! (adjusted! R2)! bedraagt! 61,7%! (zie! Tabel! 7).! In! deze! laatste! zitten!
aanpassingen!voor!het!aantal!verklarende!variabelen!en!de!steekproefomvang!begrepen.!
!
Vervolgens! gaan! we! voor! iedere! variabele! die! werd! opgenomen! in! het! model! na! of! deze!
significant! is! en! of! deze! de! verwachte! invloed! heeft! op! de! vraagprijs! van! de! woningen.! De!
nulhypothese! luidt!dat!een!variabele!een!niet! significante! impact!uitoefent.!Bij!een!pcwaarde!
onder! (of! gelijk! aan)! de! 0,05! verwerpen! we! deze! hypothese.! Bij! waarden! hoger! dan! 0,05!
verwerpen!we!de!nulhypothese!niet.!
!
Bewoonbare! oppervlakte! heeft! een! significant! positieve! impact! op! de! woningprijs,! zoals!
verwacht.!Wanneer! de! bewoonbare! oppervlakte! stijgt! met! 1!m2,! stijgt! de! vraagprijs! van! de!
woning!gemiddeld!met!604,11!euro.!Dit!geldt!ook!voor!de!variabele!Kadastraal! Inkomen!(KI),!
!34!
hier! vinden! we! tevens! een! verwacht! positief! significant! verband.! Wanneer! het! kadastraal!
inkomen!toeneemt!met!1!euro!zal!de!woningprijs!gemiddeld!stijgen!met!101,53!euro.!De!EPCc
waarde!heeft!dan!weer!een!negatief!significant!teken.!Wanneer!de!EPCcwaarde!toeneemt!met!
één! eenheid,! wat! betekent! dat! de! woning! minder! energiezuinig! is,! daalt! de! woningprijs!
gemiddeld!met!51,49!euro.!
!
Voor!wat!betreft!het!bouwjaar,!die!we!vergelijken!met!de!woningen!gebouwd!voor!1950,!zien!
we!dat!woningen!uit!de!periode!1980c2000!geen!significante!resultaten!opleveren.!Dit!is!wel!zo!
voor!de!andere!perioden,!zo!vinden!we!dat!woningen!gebouwd!tussen!1950!en!1980!gemiddeld!
worden!verkocht!voor!een!significant!lagere!prijs!dan!deze!voor!1950.!Eigendommen!met!een!
bouwjaar!die! later! ligt!dan!2000!blijken!gemiddeld!aan!een!significant!hogere!prijs!te!worden!
verkocht.!Men! zal! bijvoorbeeld,! gemiddeld! genomen,!38.386,41!euro!meer!betalen! voor!een!
woning!gebouwd!in!de!periode!2000c2010!dan!een!woning!die!werd!gebouwd!voor!1950.!Voor!
de!andere!bedragen!verwijzen!we!naar!tabel!6.!De!bekomen!resultaten!zijn!opnieuw!in!lijn!met!
de!verwachtingen.!
!
Ook!oriëntatie!blijkt!een!bepaalde!rol!te!spelen.!We!vonden!één!significante!dummy,!namelijk!
deze!van!de!Zuidelijkcgerichte!woningen.!Woningen!met!een!tuin!gericht!naar!het!Zuiden!zijn!
gemiddeld!13.241,07!euro!meer!waard!dan!een!woning!met!een!tuin!gericht!naar!het!Noorden.!
!
Vervolgens!bespreken!we!impact!van!de!staat!van!een!eigendom.!Hier!vonden!we!enkel!geen!
significant! resultaat! voor! woningen! in! goede! staat.!Woningen! die! werden! vernieuwd! blijken!
gemiddeld! 16.731,18! euro! meer! waard! te! zijn! dan! woningen! in! slechte! staat.! Woningen!
daarentegen!die!te!renoveren!zijn,!waren!gemiddeld!16250,93!euro!minder!waard.!Ook!dubbel!
glas!beïnvloedt!de!woningprijs!significant!positief.!Men!is!bereid!om!gemiddeld!10.734,54!euro!
meer!te!betalen!voor!woningen!die!wel!zijn!uitgerust!met!dubbel!glas.!
!
De! aard! van! de! woning! levert! verwachte! significante! resultaten! op.! Een! appartement! blijkt!
gemiddeld!18.974,93!euro!minder!waard!te!zijn!dan!een!woonhuis.!Ook!een!open!bebouwing!is!
significant!meer!waard!dan!een! rijwoning!of! een!halfopen!bebouwing.!Wanneer! een!woning!
één!gevel!extra!heeft!stijgt!de!waarde!ervan!gemiddeld!met!21.248,92!euro.!
!
!35!
Een!laatste!controlevariabele!die!we!meenamen!in!de!analyse!was!het!gemiddelde!inkomen!per!
centrumstad.!Ook!hier!krijgen!we!een!significant!positief!resultaat!zoals!verwacht.!Wanneer!het!
gemiddelde!inkomen!in!de!centrumstad!één!euro!hoger!ligt!zal!de!woningprijs!gemiddeld!15,38!
euro!hoger!zijn.!!
!
We! besluiten! dat! alle! controlevariabelen! die! een! significante! impact! hadden,! ook! het!
verwachte!teken!hadden.!
!
Wat!betreft!de!kernvariabelen!en!hypothesen!1,!5!en!6.!We!herhalen!hier!eerst!beknopt!eerder!
vermelde!hypothesen:!
Hypothese+1:+Hoe+hoger+het+totaal+aantal+misdrijven,+hoe+lager+de+gemiddelde+woningprijs.+
Hypothese+5:+ Er+ bestaat+ een+ significant+ verband+ tussen+de+ toelage+die+ een+ stad+geeft+ aan+de+
betreffende+politiezone+(werkingsmiddelen)+en+de+woningprijs.+
Hypothese+6:+Er+bestaat+een+significant+verband+tussen+het+onveiligheidsgevoel+dat+aanwezig+is+
bij+de+burgers+en+de+woningprijs.+
+
De! kernvariabelen! die! hypothesen! 5! en! 6! nagaan! zijn! beiden! significant.! Zowel! de! variabele!
VEIL2009!als!UVZCAP2013!leveren!bevestiging!van!onze!hypothesen.!Wanneer!men!zich!veiliger!
voelt! met! 1! punt! op! een! vijfpuntenschaal! (Cf.! Supra),! stijgt! de! woningprijs! met! gemiddeld!
124.860,82!euro.!Voor!elke!euro!(per!capita)!die!extra!wordt!gespendeerd!aan!politie,!neemt!
de!woningprijs!gemiddeld!met!281,89!euro!toe.!!!
!
Vervolgens! bespreken! we! de! variabele! SOM2013! die! de! totale! criminaliteit! voorstelt.! Hier!
vinden! we! een! positief! teken! maar! dit! is! niet! significant! (pcwaarde! =! 0,493! >! 0,05).! Deze!
variabele!heeft!met!andere!woorden!geen!significante!impact!op!de!woningprijs.!!
!
BESLUIT:! Zowel! hypothesen! 5! als! 6! worden! bevestigd,! beide! variabelen! blijken! significant!
positief!te!zijn.!Voor!hypothese!1!bestaat!er!niet!voldoende!evidentie!om!de!nulhypothese!te!
verwerpen.!!
!
!
!
!36!
6.3.2!Regressie!2!!Deze!regressie!focust!op!hypothesen!2,3!en!4.!Bovendien!zullen!we!hier!ook!hypothesen!5!en!6!
opnieuw!contoleren.!Er!werden,!net!zoals!bij!de!eerste!regressie,!1462!observaties!
meegenomen!in!de!analyse.!
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
1 (Constant) -834959,295 110722,740 -7,541 ,000
BewoonbareOppervlakte 605,024 40,741 ,396 14,851 ,000
KI 104,074 6,466 ,377 16,097 ,000
EPC -50,501 11,564 -,093 -4,367 ,000
D19511960 -14902,599 5346,666 -,055 -2,787 ,005
D19611970 -27116,525 5375,374 -,112 -5,045 ,000
D19711980 -42413,882 6561,511 -,141 -6,464 ,000
D19811990 -15225,481 8135,821 -,037 -1,871 ,061
D19912000 922,214 7292,229 ,003 ,126 ,899
D20012010 36852,241 7198,800 ,114 5,119 ,000
D2011end 89907,438 18815,772 ,079 4,778 ,000
DTUINZUID 14587,509 4614,261 ,058 3,161 ,002
DTUINWEST -13372,868 10977,116 -,020 -1,218 ,223
DTUINOOST 2276,642 10189,698 ,004 ,223 ,823
DGOEDESTAAT 1609,618 3666,264 ,008 ,439 ,661
DVERNIEUWD 15471,000 6780,699 ,039 2,282 ,023
DTERENOV -18116,976 5687,001 -,058 -3,186 ,001
DDUBBELGL 11030,189 3890,190 ,047 2,835 ,005
DAPP -17600,259 6002,492 -,088 -2,932 ,003
AGEVELS 21708,696 2686,937 ,168 8,079 ,000
GemInkomen 16,485 2,397 ,227 6,877 ,000
STAT_SECTOR -1,490 ,446 -,081 -3,339 ,001
AFST_KLEUTEROND 35,124 11,152 ,090 3,150 ,002
AFST_LO -11,507 9,783 -,035 -1,176 ,240
AFST_SO -2,423 4,654 -,014 -,521 ,603
AFST_STATION -4,145 2,141 -,042 -1,935 ,053
AFST_OPAFRIT -6,315 1,613 -,090 -3,914 ,000
AFST_LUCHTH ,429 ,164 ,072 2,615 ,009
AFST_ZH 3,672 2,933 ,032 1,252 ,211
!37!
DAM2013 -213,705 213,762 -,033 -1,000 ,318
EIGM2013 18402,111 2196,016 ,258 8,380 ,000
LINTM2013 -5032,267 2303,055 -,094 -2,185 ,029
VEIL2009 93994,059 20321,821 ,124 4,625 ,000
UVZCAP13 254,301 36,654 ,246 6,938 ,000
a. Dependent Variable: Vraagprijs Tabel!8:!Output!regressie!2!met!controlevariabelen!en!kernvariabelen!DAM2013,!EIGM2013,!DAM2013,!VEIL2009!en!UVZCAP13!
Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 ,802a ,643 ,634 59728,551
Tabel!9:!Determinatiecoëfficiënt!regressie!2!
Ook!hier!kijken!we!eerst!naar!de!Fctest!en!naar!de!determinatiecoëfficiënt!(R2).!Op!basis!van!de!
pcwaarde!(=!0,000)!(zie!Bijlage!G)!verwerpen!we!de!nulhypothese!dat!het!model!niet!statistisch!
bruikbaar!is.!Verder!wordt!64,3%!van!de!totale!steekproefvariantie!in!de!afhankelijke!variabele!
verklaard!door!het!regressiemodel.!De!aangepaste!determinatiecoëfficiënt!bedraagt!63,4%.!!
!
Bij!nazicht!van!de!controlevariabelen!merken!we!dat!alle!significante!variabelen!van!in!regressie!
1!nog! steeds! significant! zijn! en! zij! bovendien!nog! steeds!dezelfde! richting! vertonen.!Voor!de!
exacte!impact!verwijzen!we!naar!bovenstaande!tabel!8.!!
!
Wat!betreft!de! kernvariabelen!en!hypothesen!2,! 3!en!4! (ter! controle!bespreken!we!hier!ook!
opnieuw!hypothesen!5!en!6).!We!herhalen!hier!eerst!beknopt!eerder!vermelde!hypothesen:!
Hypothese+2:+Hoe+hoger+het+aantal+misdrijven+gekoppeld+aan+diefstal,+hoe+lager+de+gemiddelde+
woningprijs.+
Hypothese+3:+Hoe+hoger+het+aantal+misdrijven+gekoppeld+aan+eigendomsdelicten,+hoe+lager+de+
gemiddelde+woningprijs.+
Hypothese+4:+Hoe+hoger+het+aantal+misdrijven+gekoppeld+aan+lichamelijke+delicten,+hoe+lager+de+
gemiddelde+woningprijs.+
Hypothese+5:+ Er+ bestaat+ een+ significant+ verband+ tussen+de+ toelage+die+ een+ stad+geeft+ aan+de+
betreffende+politiezone+(werkingsmiddelen)+en+de+woningprijs.+
Hypothese+6:+Er+bestaat+een+significant+verband+tussen+het+onveiligheidsgevoel+dat+aanwezig+is+
bij+de+burgers+en+de+woningprijs.+
!38!
!
Zowel! de! variabele! VEIL2009! als! UVZCAP2013! leveren! opnieuw! bevestiging! van! onze!
hypothesen.!Wanneer!men!zich!veiliger!voelt!met!1!punt!op!een!vijfpuntenschaal! (Cf.!Supra),!
stijgt!de!woningprijs!met!gemiddeld!42.847,52!euro.!Voor!elke!euro!(per!capita)!die!extra!wordt!
gespendeerd!aan!politie,!neemt!de!woningprijs!gemiddeld!met!162,46!euro!toe.!
!
Vervolgens! bespreken! we! de! variabelen! EIGM2013! (eigendomsdelicten),! LINTM2013!
(lichamelijke! delicten)! en! DAM2013! (diefstallen).! Voor! lichamelijke! delicten! vinden! we! een!
significant!negatief! teken,!wat! in!overeenstemming! is!met!de! literatuur.!Wanneer!het! aantal!
lichamelijke! delicten! stijgt! met! 1! per! 1000! inwoners,! daalt! de! woningprijs! gemiddeld! met!
5.032,27! euro.! Wat! betreft! diefstallen! merken! we! een! niet! significant! negatief! verband! (pc
waarde!=!0,318!>!0,05).!
!
Voor!eigendomsdelicten!vinden!we!een!positief!significant!teken,!wat!niet!in!overeenstemming!
is! met! hetgeen! in! de! literatuur! staat! beschreven.! Deze! variabele! zullen! we! dan! ook! verder!
onderzoeken.!We! zien! twee!mogelijke! verklaringen.! Een! eerste! is! het! feit! dat!woningen!met!
een!hoge!waarde!net!criminaliteit!zouden!kunnen!aantrekken.!Een!tweede!mogelijke!verklaring!
is!het!feit!dat!criminaliteit!soms!pas!vanaf!een!bepaald!niveau!invloed!begint!te!hebben!op!de!
woningprijs.!Om!deze!laatste!reden!zullen!we!deze!variabele!volgens!zijn!kwartielen!opdelen!in!
4! dummy’s! en! opnemen! in! de! analyse.!We! verwachten!dat! dummy’s! die! een!hoger! kwartiel!
voorstellen!een!significant!negatieve!invloed!zullen!uitoefenen.!!
!
Variabele!EIGM2013!(Eigendomsdelicten):
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta DAM2013 -235,482 275,981 -,036 -,853 ,394
LINTM2013 3722,177 4010,674 ,070 ,928 ,354
DEigm2 40653,836 8280,998 ,193 4,909 ,000
DEigm3 5955,972 14421,751 ,013 ,413 ,680
DEigm4 34210,637 8141,810 ,122 4,202 ,000
VEIL2009 115110,538 20650,181 ,152 5,574 ,000
!39!
UVZCAP13 311,433 38,106 ,301 8,173 ,000
a. Dependent Variable: Vraagprijs Tabel!10:!Uitbreiding!regressie!2;!variabele!EIGM2013!vervangen!door!dummy's!DEigm1,!2,!3!en!4!
Het! opsplitsen! van! de! variabele! in! dummy’s! levert! niet! het! verwachte! resultaat! (voor! de!
resultaten!van!de!volledige! regressie,! zie!bijlage!H).!Er! zijn!bovendien!problemen!op!het!vlak!
van!multicollineariteit!!Wel!zien!wel!een!gunstige!Tctest!(pcwaarde!=!0,000)!en!een!aangepaste!
determinatiecoëfficiënt!die!is!gestegen!tot!63,6%.!!
!
Als! laatste! zullen! we! een! interactieceffect! nagaan! voor! de! stad! Antwerpen,! aangezien! deze!
bijzonder! gevoelig! is! voor! criminaliteit! (Hardyns,! Pauwels! ,! &! Ponsaers,! 2013;! Hooghe! ,!
Vanhoutte,! Hardyns,! &! Bircan,! 2010).! We! zien! in! onderstaande! tabel! 11! dat! de! interactie!
significant! is.! De! criminaliteit! in! Antwerpen! gaat! de! vraagprijzen! gemiddeld! sterker! verlagen!
dan! in! alle! andere! centrumsteden.! Blijkbaar! is! de! impact! van! eigendomsdelicten! niet! overal!
gelijk,! wanneer! we! deze! voor! alle! centrumsteden! samennemen! in! één! variabele! heffen! de!
effecten!elkaar!klaarblijkelijk!op.!Hier!blijkt!zelfs!dat!sommige!effecten!domineren!op!de!rest,!
waardoor!we!een!in!eerste!instantie!een!significant!positief!effect!kregen.!!
We!controleerden!de! interactieceffecten!voor!elke!centrumstad!en!komen!tot!het!besluit!dat!
enkel!Antwerpen,!Aalst!en!SintcNiklaas!een!negatief!significant!interactieceffect!vertonen.!Deze!
3!regressies!werden!opgenomen!in!bijlage!(zie!Bijlagen!I,J!en!K).!!
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta DAM2013 448,805 293,635 ,069 1,528 ,127
EIGM2013 12156,425 2901,577 ,170 4,190 ,000
IntANTEIGM -3729,968 1137,729 -,188 -3,278 ,001
LINTM2013 -5241,788 2296,129 -,098 -2,283 ,023
VEIL2009 109245,323 20780,265 ,144 5,257 ,000
UVZCAP13 278,077 37,242 ,269 7,467 ,000
a. Dependent Variable: Vraagprijs Tabel!11:!Uitbreiding!Regressie!2;!opname!interactieXeffect!IntANTEIGM!
!
!40!
BESLUIT:!Zowel!hypothese!4,!5!als!6!worden!(opnieuw)!bevestigd.!Voor!hypothese!2!bestaat!er!
niet!voldoende!evidentie!om!de!nulhypothese!te!verwerpen.!Ook!hypothese!3!kon!niet!bij!de!
uitvoering!van!de!eerste!regressie!worden!bevestigd.!Bij!verder!onderzoek!blijken!enkel! in!de!
steden!Aalst,!Antwerpen!en!SintcNiklaas!een!significant!negatieve!impact!te!bestaan!uitgaande!
van!eigendomsdelicten!op!de!woningprijs.!
6.4!Problemen!bij!de!regressieanalyse!!!Over! het! algemeen! kunnen! we! stellen! dat! we! slechts! in! beperkte! mate! op! problemen! zijn!
gestoten.!Dit!onderzoek!bevat!2!centrale!regressieanalyses!die!de!6!hypothesen!testen.!Enkel!
voor!de! tweede! regressieanalyse!was!het!nodig!dieper! te!graven!om!de!eerder!onverwachte!
resultaten!rond!de!variabele!eigendomsdelicten!te!verklaren.!!
!
Een!eerste!probleem!was!dat!van!de!outliers!(Cf.!Supra).!Door!deze!niet!te!verwijderen!zouden!
onze! resultaten!vertekend! zijn.!Over!het!algemeen!werden!dubbel,!onvoldoende!of! verkeerd!
ingevulde!cases!verwijderd.!Dit!gebeurde!door!telkens!de!5%!hoogste!en!laagste!waarden!weg!
te!gooien!zoals!werd!besproken! in!delen!6.2.1!en!6.2.2.!Voor!het!uitvoeren!van!de!regressies!
bleven!er!steeds!1462!observaties!over,!wat!nog!steeds!voldoende!is!voor!ons!onderzoek.!!
!
Vervolgens!was!ook!multicollineariteit!een!probleem!waar!we!slechts!weinig!problemen!mee!
hebben!gehad.!Multicollineariteit!is!een!statistisch!fenomeen!waarbij!twee!of!meer!variabelen!
in!het!model!worden!opgenomen!die!onderling!sterk!gecorreleerd!zijn.!Het!model!ondervindt!
hierbij! problemen! om! aan! te! geven! welke! controlec! of! kernvariabele! nu! eigenlijk! de!
afhankelijke!variabele!verklaart.!Tenzij!het!werd!vermeld!in!de!resultaten!vonden!we!nooit!een!
VIF! (Variance! Inflation! Factor)! met! een! hogere! waarde! dan! 10,! wat! een! indicatie! is! van!
multicollineariteit.! Éen! enkele! maal! zijn! we! dit! tegengekomen,! bij! het! opsplitsen! van! de!
variabele!eigendomsdelicten! (EIGM2013)! in!4!verschillende!dummy’s.!Bij!deze!analyse!gingen!
voor!enkele!variabelen!de!VIF’s!omhoog!met!een!maximum!waarde!van!22,65.!!
!
Tot! slot! gaan!we! ook! de! normale! verdeling! na! voor! beide! analyses.! Zowel! regressie! 1! als! 2!
vertonen!een!licht!scheve!verdeling!(zie!Figuren!14!en!15).!Een!test!die!meer!zekerheid!geeft!is!
de!KolmogorovcSmirnov!test.!Op!basis!van!de!pcwaarde!(=0,000)!die!we!voor!beide!regressies!
bekomen,!kunnen!we!besluiten!dat!de!residuen!niet!normaal!verdeeld!zijn.!
!41!
!Figuur!14:!Verdeling!Standardized!Residual!Regressie!1!
!
!
!Figuur!15:!Verdeling!Standardized!Residual!Regressie!2!
!! !
!42!
7.!Algemeen!besluit!!In! dit! onderzoek! hebben!wij! geprobeerd! om!op! basis! van! een! hedonische! prijsanalyse! na! te!
gaan!wat!de! impact! is! van! criminaliteit!op!de!woningprijs! in!13!Vlaamse!centrumsteden.!We!
hebben! 6! kernvariabelen! onderscheiden,! namelijk! 3! variabelen! voor! elke! cluster! van!
criminaliteit! (lichamelijke!delicten,!eigendomsdelicten!en!diefstal),!één!variabele!die!de!totale!
criminaliteit!voorstelt,!één!die!het!(on)veiligheidsgevoel!bij!de!burgers!weergeeft!en!tenslotte!
één!variabele!die!het!budget!die!naar!de!politiezones!vloeit!in!kaart!brengt.!!
!
Op! basis! van! een! dataset! die! ons! ter! beschikking! werd! gesteld! door! de! Universiteit! Gent!
construeerden!wij!een!dataset!met!9.925!cases!die!betrekking!hebben!op!de!centrumsteden.!
Na!het!verwijderen!van!records!omwille!van!outliers!en!missende!of!dubbele!invoeren!kwamen!
wij!tot!een!totaal!van!1462!observaties!die!werden!gebruikt!in!de!regressies.!
!
Na! het! uitvoeren! van! 2! regressieanalyses! besluiten! we! dat! alle! opgenomen! significante!
controlevariabelen! (bewoonbare! oppervlakte,! KI,! EPC,! bouwjaar,! oriëntatie,! staat,!
aanwezigheid!van!dubbel!glas,!aard!van!de!woning,!gemiddeld!inkomen!per!stad)!een!verwacht!
teken! blijken! te! hebben.! Voor! de! volledige! bespreking! van! de! impact! die! deze! variabelen!
hebben!verwijzen!we!naar!paragrafen!6.3.1!en!6.3.2.!Wij!ondervonden!slechts!in!beperkte!mate!
problemen!bij!de!analyses.!Eén!enkele!maal!botsten!wij!op!een!probleem!van!multicollineariteit!
en!we!ondervonden!aan!de!hand!van!de!KolmogorovcSmirnov!test!dat!de!residuen!van!beide!
modellen!niet!normaal!verdeeld!waren.!!
!
De!kernvariabelen! lichamelijke!delicten,! (on)veiligheidsgevoel!en!budget!die!naar!politiezones!
gaat,! leveren!significante!resultaten!op.!Wanneer!het!aantal! lichamelijke!delicten!stijgt!met!1!
per!1000! inwoners,!daalt!de!woningprijs!gemiddeld!met!5.032,27!euro.!Verder! is!men!bereid!
meer!voor!een!woning!te!betalen!wanneer!men!zich!in!die!streek!veiliger!voelt!en!wanneer!er!
meer!budget!naar!de!politiewerking!gaat.!Afhankelijk!van!regressie!bekomen!we!dat!wanneer!
men!zich!veiliger!voelt!met!1!punt!op!een!vijfpuntenschaal,!de!woningprijs!stijgt!met!gemiddeld!
42.847,52! euro! (regressie! 1:! 124.860,82! euro).! Voor! elke! euro! (per! capita)! die! extra! wordt!
gespendeerd! aan!politie,! neemt!de!woningprijs! gemiddeld!met!162,46!euro! toe! (regressie! 1:!
281,89!euro).!
!43!
!
Voor!zowel!totale!criminaliteit!als!diefstallen!was!er!geen!significant!effect!op!te!merken.!Voor!
eigendomsdelicten! vonden! we! oorspronkelijk! een! significant! positief! resultaat,! wat! lijnrecht!
staat! tegenover! bevindingen! in! de! literatuur.! Bij! verder! onderzoek! d.m.v.! interactieceffecten!
bleek! dat! in! bepaalde! steden,! namelijk! Antwerpen,! Aalst! en! SintcNiklaas,!wel! een! significant!
negatieve!impact!bleek!te!bestaan!uitgaande!van!eigendomsdelicten!op!de!woningprijs.!
!
! !
!44!
8.!Discussie!!!
Het!zou! interessant!kunnen!zijn!om!in!plaats!van!prijzen!die!werden!bekomen!via! immosites,!
deze!te!kunnen!verkrijgen!van!het!Kadaster.!Het!Kadaster!slaat!namelijk!de!woningprijs!op!zoals!
deze!vermeld!staat!in!de!notariële!aankoopakte.!De!prijzen!die!we!vinden!op!de!immosites!zijn!
slechts!vraagprijzen!en!zullen!dus!mogelijk!een!overschatting!geven!van!de!effectieve!prijs.!Het!
grote!nadeel!bij!cijfers!van!het!Kadaster!(FOD!Economie)!is!dan!weer!dat!deze!geen!informatie!
bevatten!over!de!karakteristieken!van!de!verkochte!woning,!wat!van!een!enorm!belang!is.!Het!
bestaan!van!een!openbare!database!die!de!effectieve!verkoopprijzen!en!de!relevante!woningc!
en! omgevingskarakteristieken! bevat! zou! kunnen! leiden! tot! een! veel! rijkere! en! dus! betere!
dataset,!waar!ook!beter!onderzoek!op!kan!gedaan!worden.!!
!
Het!lijkt!ons!ook!nuttig!om!het!effect!van!criminaliteit!na!te!gaan!voor!alle!Vlaamse!gemeenten!
en! dus! niet! enkel! voor! de! Vlaamse! centrumsteden.! Bovendien! zouden! de! gemeenten! en!
centrumsteden! dan! ook! onderling! kunnen! vergeleken! worden.! Het! zou! uiteraard! ook!
interessant! zijn! om! onderzoek! te! voeren! met! nog! meer! relevante! controlevariabelen,! maar!
veelal!hadden!wij!het!probleem!dat!er!voor!veel!variabelen!te!weinig!ingevulde!waarnemingen!
waren,! waardoor! deze! dus! ook! niet! werden! opgenomen.! Het! bestaan! van! een! centrale!
database!kan!hier!vanzelfsprekend!bij!helpen.!!
!
We!dienen!ook!te!vermelden!dat!er!slechts!beperkt!werd!gecontroleerd!voor!spatiale!effecten,!
wat!dus!mogelijk!endogeniteit!met!zich!meebrengt.!Een!andere!beperking!is!het!feit!dat!we!hier!
een!crosscsectioneel!onderzoek!hebben!gevoerd!en!geen!longitudinaal.!!
!
We!hebben!besloten!dat!er!voor! ‘diefstallen’!en! ‘totale!criminaliteit’!geen!significante! impact!
was!op!de!woningprijs.!Dit!waren!natuurlijk!slechts!clusters!van!criminaliteit.!Het!is!mogelijk!dat!
de!specifieke!onderdelen!van!de!clusters!wel!significante!resultaten!opleveren,!dit!dient!verder!
onderzocht!te!worden.!!! !
!45!
Bibliografie!!Bowes,!D.,!&!Ihlanfeldt,!K.!(2001).!Identifying!the!Impacts!of!Rail!Transit!Stations!on!Residential!Property!Values.!Journal+of+Urban+Economics!(50),!1c25.!!BVK.!(2015).!Evolutie+hypothecair+krediet+2014.!!!Ceccato!,!V.,!&!Wilhelmsson,!M.!(2011).!The!impact!of!crime!on!apartment!prices:!evidence!from!Stockholm,!Sweden.!Geografiska+Annaler+:+Swedish+Society+for+Anthropology+and+Geography+,!81c103.!!Cohen,!M.,!Rust,!R.,!Steen,!S.,!&!Tidd,!S.!(2004).!Willingnessctocpay!for!crime!control!programs.!Criminology+Volume+42+Number+1!,!89c110.!!Davis,!F.!(1970).!Proximity!to!a!rapid!transit!station!as!a!factor!in!residential!propery!values.!Apparaisal+Journal!(38!(4)),!554c572.!!De!Bruyne,!K.,!&!Van!Hove,!J.!(2013).!Explaining!the!spatial!variation!in!housing!prices:!an!economic!geography!approach.!Applied+Economics!,!1673c1689.!!De!Morgen.!(2015).!De+Vlaming+en+zijn+baksteen:+is+vastgoed+nu+wel+of+niet+een+goede+belegging.!Opgeroepen!op!februari!24,!2015,!van!http://www.demorgen.be/economie/decvlamingcenczijncbaksteenciscvastgoedcnucwelcofcnietceencgoedecbeleggingca2170130/!!De!Standaard.!(2014).!Vastgoedprijzen+tot+7+procent+lager+als+woonbonus+daalt.!Opgeroepen!op!februari!24,!2015,!van!http://www.standaard.be/cnt/dmf20141021_01333271!!De!Tijd.!(2015,!februari!25).!Minder!jonge!mannen,!minder!criminelen.!De+Tijd!.!!Dol!,!K.,!van!der!Heijden!,!H.,!&!Oxley,!M.!(2010).!Economische!crisis,!woningmarkt!en!beleidsinterventies:!een!internationale!inventarisatie.!!Eurostat.!(2014,!maart).!Opgeroepen!op!maart!1,!2015,!van!Housing!statistics:!http://ec.europa.eu/eurostat/statisticscexplained/index.php/Housing_statistics!!Febelfin.!(2015).!Uitzonderlijk+vierde+trimester+stuwt+hypothecair+krediet+naar+ongekende+hoogte+in+2014.!Opgeroepen!op!februari!28,!2015,!van!https://www.febelfin.be/nl/uitzonderlijkcvierdectrimestercstuwtchypothecairckredietcnaarcongekendechoogtec2014!!Federale!Politie.!(2015).!Criminaliteitsstatistieken.!!!FOD!Binnenlandse!Zaken;!DG!Veiligheid!en!Preventie;!Federale!Politie.!(2009).!Veiligheidsmonitor!2008c2009.!!FOD!Financiën.!(2015).!Opgeroepen!op!april!25,!2015,!van!http://www.fiscus.fgov.be/interfakrednl/vragen/Reg/Enreg6.htm!!
!46!
Gibbons,!S.!(2004).!The!cost!of!urban!property!crime.!The+Economic+Journal!(114),!F441cF463.!!Gibbons,!S.,!&!Machin,!S.!(2005).!Valuing!rail!access!using!transport!innovations!.!Journal+of+Urban+Economics!(57!(1)),!148c169.!!Hardyns,!W.,!Pauwels!,!L.,!&!Ponsaers,!P.!(2013).!Sociaal+vertrouwen+als+basis+voor+een+veilige+samenleving.!!!Helgers,!R.,!Buyst,!E.,!&!Verboven,!F.!(2013,!6).!De!relatie!tussen!woningkarakteristieken!en!woningprijzen:!een!nieuw!licht!op!de!recente!prijsevolutie!in!Vlaanderen.!Financieel+Forum+/+BankV+en+Financiewezen!,!472c479.!!Hellman,!D.,!&!Naroff,!J.!(1979).!The!Impact!of!Crime!in!Urban!Residential!Property!Values.!Urban+Studies+vol.+16!,!105c112.!!Heylen!,!K.,!&!Winters,!S.!(2009).!Betaalbaaheid+van+wonen+in+Vlaanderen:+De+budgetbenadering.!Leuven:!Steunpunt!Ruimte!en!Wonen.!!Heylen!,!K.,!&!Winters,!S.!(2010).!Evolutie+eigenaarschap+en+woningcomfort+in+Vlaanderen.!Steunpunt!Ruimte!en!Wonen,!Leuven.!!Heylen!,!K.,!&!Winters,!S.!(2013).!Kwaliteit+en+betaalbaarheid+van+wonen:+een+vergelijking+tussen+de+drie+Belgische+gewesten+als+case+voor+het+testen+van+de+samenhang+tussen+huisvestingssystemen+en+woonsituatie+van+huishoudens+met+een+laag+inkomen.!!!Heylen,!K.!(2012).!De+evolutie+van+de+woonsituatie+in+Vlaanderen.!!!Hooghe!,!M.,!Vanhoutte,!B.,!Hardyns,!W.,!&!Bircan,!T.!(2010).!Unemployment,!inequality,!poverty!and!crime.!Spatial!distibution!patterns!of!criminal!acts!in!Belgium.!British+Journal+of+Criminology,+51+(1)!,!1c20.!!Ihlanfeldt,!K.,!&!Mayock,!T.!(2010).!Panel!data!estimates!of!the!effects!of!differt!types!of!crime!on!house!prices.!Regional+Science+and+Urban+Economics!,!161c172.!!International!Monetary!Fund.!(2015,!Maart).!BELGIAN!HOUSE!PRICES:!EVOLUTION!AND!RISKS.!!KFBN.!(2015).!Notarisbarometer+T/1+2015.!!!KFBN.!(2014).!Notarisbarometer+T/4+2014.!!!Knack.!(2012).!Vastgoedprijzen+zakken+wellicht+met+20+procent.!Opgeroepen!op!februari!24,!2015,!van!http://moneytalk.knack.be/geldcencbeurs/wonen/vastgoedprijzenczakkencwellichtcmetc20cprocent/articlecnormalc393541.html!!Koninklijke!Federatie!van!het!Belgisch!Notariaat.!(2014).!Notarisbarometer+T/4+2014.!!!Ludwig,!J.,!&!Cook,!P.!(2001).!The!Benefits!of!Reducing!Gun!Violence:!Evidence!from!ContingentcValuation!Survey!Data.!The+Journal+of+Risk+and+Uncertainty+22:3!,!207c226.!
!47!
Lynch,!A.,!&!Rasmussen,!D.!(2001).!Measuring!the!impact!of!crime!on!house!prices.!Applied+Economics!(33),!1981c1989.!!Marlet,!G.,!&!van!Woerkens,!C.!(2004).!De!maatschappelijke!baten!van!een!veilige!stad.!Forum+For+Economic+Research!.!!Muldoom,!D.!(2003).!The!impact!of!airport!noise!on!residential!property!values:!a!case!study!of!the!PortlandcHillsboro!Airport.!!Schwartz,!A.,!Susin,!S.,!&!Voicu,!I.!(2003).!Has!falling!crime!driven!New!York's!real!estate!boom?!Journal+of+Housing+Research!,!101c135.!!Stadsmonitor.!(2015).!Opgeroepen!op!april!27,!2015,!van!http://www.stadsmonitor.be/criminaliteitsgraadcvoorcautodiefstalchandtasdiefstalcencwoninginbraak!!Statistics!Belgium.!(2014).!Opgeroepen!op!december!2014,!5,!van!Federale!Overheidsdienst!Economie!:!http://statbel.fgov.be/nl/statistieken/cijfers/economie/bouw_industrie/vastgoed/!!Thaler,!R.!(1978).!A!note!on!the!value!of!crime!control:!evidence!from!the!property!market.!Journal+of+Urban+Economics+5+(1)!,!137c145.!!Tita,!G.,!Petras,!T.,!&!Greenbaum,!R.!(2006).!Crime!and!Residential!Choice:!A!Neighborhood!Level!Analysis!of!the!Impact!of!Crime!on!Housing!Prices.!J+Quant+Criminol!(22),!299c317.!!Van!Droogenbroeck,!M.!(2015,!februari!28).!In!vijf!stappen!naar!je!eerste!woonlening.!Het+Laatste+Nieuws!,!p.!77.!!Van!Hoey,!D.,!&!Van!Hoeymissen,!J.!(2014,!mei).!Determinanten!van!woningprijzen!in!Vlaamse!centrumsteden.!!Vanderbiesen,!W.!(2010).!De+Vlaamse+centrumsteden+in+kaart+gezet.!Leuven.!!Vandewoestijne,!I.!(2014).!Cursus!personenbelasting!bestemd!voor!de!studenten!Toegepaste!Economische!Wetenschappen!UGent!2013c2014.!!Visser,!P.,!&!van!Dam,!F.!(2006).!De+prijs+van+de+plek.!Nai!Uitgevers.!!Voith,!R.!(1993).!Changing!capitalization!of!CBDcoriented!transportation!systems:!evidence!from!Philadelphia!.!Journal+of+Urban+Economics!(33!(3)),!361c376.!!VRIND.!(2014).!Vlaamse+Regionale+Indicatoren.!Studiedienst!van!de!Vlaamse!Regering.!!Winters,!S.,!Ceulemans,!W.,!Heylen,!K.,!Pannecoucke,!I.,!Vanderstraeten,!L.,!Van!den!Broeck,!K.,!et!al.!(2015).!Wonen+in+Vlaanderen+Anno+2013.!Leuven:!Steunpunt!wonen.!!
!48!
Wonen!Vlaanderen.!(2015).!Belastingvermindering+voor+de+enige+en+eigen+woning+(woonbonus).!Opgeroepen!op!april!9,!2015,!van!http://www.vlaanderen.be/nl/bouwencwonencencenergie/lenen/belastingverminderingcvoorcdecenigecenceigencwoningcwoonbonus!!Wonen!Vlaanderen.!(2015).!Energieprestatiecertificaat+(EPC)+bij+verkoop+of+verhuur+van+woningen.!Opgeroepen!op!mei!2,!2015,!van!http://www.vlaanderen.be/nl/bouwencwonencencenergie/kopencencverkopen/energieprestatiecertificaatcepccbijcverkoopcverhuurcvancwoningen!!Wonen!Vlaanderen.!(2015).!Nieuwe+dakisolatienorm+voor+woningen+en+huurwoningen+vanaf+1+januari+2015.!Opgeroepen!op!februari!24,!2015,!van!https://www.vlaanderen.be/nl/bouwencwonencencenergie/bouwencencverbouwen/nieuwecdakisolatienormcvoorcwoningencenchuurwoningencvanafc1cjanuaric2015.!!!! !
!49!
Bijlagen!! Bijlage!A.!Descriptive!statistics!vraagprijs:!
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Vraagprijs 2818 115000 645000 256551,22 99849,082
Valid N (listwise) 2818 Tabel!12:!Beschrijvende!statistiek!variabele!vraagprijs!
Bijlage!B.!Descriptive!statistics!bewoonbare!oppervlakte:!!Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
BewoonbareOppervlakte 2818 59 359 149,79 64,683
Valid N (listwise) 2818 Tabel!13:!Beschrijvende!statistiek!variabele!bewoonbare!oppervlakte!
Bijlage!C.!Descriptive!statistics!kadastraal!inkomen:!Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
KI 2818 299 2144 902,20 366,644
Valid N (listwise) 2818 Tabel!14:!Beschrijvende!statistiek!variabele!kadastraal!inkomen!
Bijlage!D.!Descriptive!statistics!EPC:!Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
EPC 2818 70 999 346,29 178,571
Valid N (listwise) 2818 Tabel!15:!Beschrijvende!statistiek!variabele!EPC!
Bijlage!E.!Descriptive!statistics!gemiddeld!inkomen!per!centrumstad!Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
GemInkomen 2818 14807,00 19302,00 16820,6824 1366,83432
Valid N (listwise) 2818 Tabel!16:!Beschrijvende!statistiek!variabele!gemiddeld!inkomen!per!centrumstad!
!!!!!!!!!
!50!
!Bijlage!F.!ANOVA!regressie!1!
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 8920659611923
,014 31
287763213287,
839 77,013 ,000b
Residual 5347035579110
,106 1431
3736572731,73
3
Total 1426769519103
3,121 1462
a. Dependent Variable: Vraagprijs
b. Predictors: (Constant), UVZCAP13, D2011end, KI, DTUINWEST, D19611970, AFST_OPAFRIT,
DTUINOOST, DDUBBELGL, DVERNIEUWD, AFST_STATION, D20012010, DTERENOV,
D19811990, DTUINZUID, D19511960, D19912000, DGOEDESTAAT, AFST_KLEUTEROND,
GemInkomen, EPC, STAT_SECTOR, D19711980, AGEVELS, AFST_LUCHTH, AFST_ZH,
BewoonbareOppervlakte, VEIL2009, AFST_SO, som2013, AFST_LO, DAPP Tabel!17:!ANOVA!regressie!1!
Bijlage!G.!ANOVA!regressie!2!ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 9169738005097
,104 33
277870848639,
306 77,890 ,000b
Residual 5097957185936
,015 1429
3567499780,22
1
Total 1426769519103
3,117 1462
a. Dependent Variable: Vraagprijs
b. Predictors: (Constant), UVZCAP13, D2011end, KI, DTUINWEST, D19611970, AFST_OPAFRIT,
DTUINOOST, DDUBBELGL, DVERNIEUWD, AFST_STATION, D20012010, DTERENOV,
D19811990, DTUINZUID, D19511960, D19912000, DGOEDESTAAT, AFST_KLEUTEROND,
GemInkomen, EPC, STAT_SECTOR, D19711980, AGEVELS, AFST_LUCHTH, AFST_ZH,
BewoonbareOppervlakte, VEIL2009, DAM2013, AFST_SO, EIGM2013, AFST_LO, DAPP,
LINTM2013 Tabel!18:!ANOVA!regressie!2!
Bijlage!H.!Uitbreiding!regressie!2;!toevoeging!3!dummy’s! Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
1 (Constant) -879465,931 135999,849 -6,467 ,000
BewoonbareOppervlakte 613,463 40,696 ,402 15,074 ,000
!51!
KI 102,728 6,455 ,372 15,915 ,000
EPC -51,517 11,545 -,094 -4,462 ,000
D19511960 -14208,073 5334,834 -,052 -2,663 ,008
D19611970 -24684,871 5402,862 -,102 -4,569 ,000
D19711980 -40832,944 6557,371 -,135 -6,227 ,000
D19811990 -12994,395 8123,363 -,032 -1,600 ,110
D19912000 2204,796 7285,737 ,006 ,303 ,762
D20012010 36934,741 7180,370 ,114 5,144 ,000
D2011end 89141,379 18769,678 ,078 4,749 ,000
DTUINZUID 14733,005 4607,174 ,059 3,198 ,001
DTUINWEST -13295,430 10952,331 -,020 -1,214 ,225
DTUINOOST 4608,136 10182,423 ,007 ,453 ,651
DGOEDESTAAT 1809,126 3673,092 ,009 ,493 ,622
DVERNIEUWD 15233,114 6775,741 ,039 2,248 ,025
DTERENOV -18707,219 5674,346 -,060 -3,297 ,001
DDUBBELGL 11236,983 3885,446 ,048 2,892 ,004
DAPP -17360,506 5988,367 -,087 -2,899 ,004
AGEVELS 20863,111 2689,266 ,162 7,758 ,000
GemInkomen 21,555 4,024 ,296 5,357 ,000
STAT_SECTOR ,325 ,671 ,018 ,485 ,628
AFST_KLEUTEROND 33,471 11,179 ,086 2,994 ,003
AFST_LO -11,156 9,781 -,034 -1,141 ,254
AFST_SO -4,047 4,673 -,024 -,866 ,387
AFST_STATION -3,817 2,134 -,039 -1,789 ,074
AFST_OPAFRIT -4,956 1,709 -,071 -2,900 ,004
AFST_LUCHTH -1,018 ,353 -,171 -2,885 ,004
AFST_ZH 4,351 2,935 ,038 1,483 ,138
DAM2013 -235,482 275,981 -,036 -,853 ,394
LINTM2013 3722,177 4010,674 ,070 ,928 ,354
DEigm2 40653,836 8280,998 ,193 4,909 ,000
DEigm3 5955,972 14421,751 ,013 ,413 ,680
DEigm4 34210,637 8141,810 ,122 4,202 ,000
VEIL2009 115110,538 20650,181 ,152 5,574 ,000
UVZCAP13 311,433 38,106 ,301 8,173 ,000
a. Dependent Variable: Vraagprijs Tabel!19:!Uitbreiding!regressie!2;!toevoeging!3!dummy's!voor!variabele!EIGM2013!
!52!
Model Summary
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,803a ,645 ,636 59568,617
a. Predictors: (Constant), UVZCAP13, D2011end, KI, DTUINWEST,
D19611970, AFST_OPAFRIT, DTUINOOST, DDUBBELGL,
DVERNIEUWD, AFST_STATION, D20012010, DEigm3, DTERENOV,
D19811990, DTUINZUID, D19511960, DEigm2, D19912000,
DGOEDESTAAT, AFST_KLEUTEROND, AGEVELS, D19711980,
STAT_SECTOR, EPC, DEigm4, BewoonbareOppervlakte,
GemInkomen, AFST_ZH, VEIL2009, AFST_SO, DAM2013, AFST_LO,
DAPP, AFST_LUCHTH, LINTM2013 Tabel!20:!Model!Summary;!Uitbreiding!regressie!2!met!3!dummy's!
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 9204099643574
,365 35
262974275530,
696 74,110 ,000b
Residual 5063595547458
,755 1427
3548420145,38
1
Total 1426769519103
3,121 1462
a. Dependent Variable: Vraagprijs
b. Predictors: (Constant), UVZCAP13, D2011end, KI, DTUINWEST, D19611970, AFST_OPAFRIT,
DTUINOOST, DDUBBELGL, DVERNIEUWD, AFST_STATION, D20012010, DEigm3, DTERENOV,
D19811990, DTUINZUID, D19511960, DEigm2, D19912000, DGOEDESTAAT,
AFST_KLEUTEROND, AGEVELS, D19711980, STAT_SECTOR, EPC, DEigm4,
BewoonbareOppervlakte, GemInkomen, AFST_ZH, VEIL2009, AFST_SO, DAM2013, AFST_LO,
DAPP, AFST_LUCHTH, LINTM2013 Tabel!21:!ANOVA!uitbreiding!regressie!2!met!3!dummy's!
Bijlage!I.!Uitbreiding!regressie!2;!toevoeging!interactieceffect!Antwerpen Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
1 (Constant) -699461,924 117833,031 -5,936 ,000
BewoonbareOppervlakte 611,113 40,645 ,400 15,035 ,000
KI 104,356 6,444 ,378 16,194 ,000
EPC -50,061 11,526 -,092 -4,343 ,000
D19511960 -14106,842 5334,048 -,052 -2,645 ,008
D19611970 -26334,830 5362,436 -,108 -4,911 ,000
!53!
D19711980 -42529,689 6539,340 -,141 -6,504 ,000
D19811990 -13910,076 8118,134 -,034 -1,713 ,087
D19912000 676,497 7267,870 ,002 ,093 ,926
D20012010 36461,075 7175,364 ,113 5,081 ,000
D2011end 88863,221 18754,626 ,078 4,738 ,000
DTUINZUID 14224,756 4599,934 ,057 3,092 ,002
DTUINWEST -14491,899 10945,189 -,022 -1,324 ,186
DTUINOOST 2576,202 10155,531 ,004 ,254 ,800
DGOEDESTAAT 1012,689 3658,356 ,005 ,277 ,782
DVERNIEUWD 14302,588 6767,080 ,036 2,114 ,035
DTERENOV -18696,315 5670,457 -,060 -3,297 ,001
DDUBBELGL 11055,069 3876,997 ,048 2,851 ,004
DAPP -16750,682 5987,733 -,084 -2,797 ,005
AGEVELS 21267,745 2681,194 ,165 7,932 ,000
GemInkomen 8,293 3,457 ,114 2,399 ,017
STAT_SECTOR -1,738 ,451 -,094 -3,851 ,000
AFST_KLEUTEROND 35,039 11,114 ,090 3,153 ,002
AFST_LO -11,161 9,751 -,034 -1,145 ,253
AFST_SO -3,526 4,651 -,021 -,758 ,449
AFST_STATION -4,135 2,134 -,042 -1,938 ,053
AFST_OPAFRIT -7,333 1,638 -,105 -4,478 ,000
AFST_LUCHTH -,017 ,212 -,003 -,078 ,938
AFST_ZH 4,274 2,928 ,038 1,459 ,145
DAM2013 448,805 293,635 ,069 1,528 ,127
EIGM2013 12156,425 2901,577 ,170 4,190 ,000
IntANTEIGM -3729,968 1137,729 -,188 -3,278 ,001
LINTM2013 -5241,788 2296,129 -,098 -2,283 ,023
VEIL2009 109245,323 20780,265 ,144 5,257 ,000
UVZCAP13 278,077 37,242 ,269 7,467 ,000
a. Dependent Variable: Vraagprijs Tabel!22:!Regressie!2!uitgebreid!met!interactieXeffect!Antwerpen!
!54!
Model Summary
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,803a ,645 ,637 59525,864
a. Predictors: (Constant), UVZCAP13, D2011end, KI, DTUINWEST,
D19611970, AFST_OPAFRIT, DTUINOOST, DDUBBELGL,
DVERNIEUWD, AFST_STATION, D20012010, DTERENOV,
D19811990, DTUINZUID, D19511960, D19912000, DGOEDESTAAT,
AFST_KLEUTEROND, GemInkomen, EPC, STAT_SECTOR,
D19711980, AGEVELS, AFST_LUCHTH, AFST_ZH,
BewoonbareOppervlakte, VEIL2009, DAM2013, AFST_SO, EIGM2013,
AFST_LO, DAPP, LINTM2013, IntANTEIGM Tabel!23:!Model!Summary;!Uitbreiding!regressie!2!met!interactieXeffect!Antwerpen!
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 9207822152252
,740 34
270818298595,
669 76,430 ,000b
Residual 5059873038780
,380 1428
3543328458,53
0
Total 1426769519103
3,121 1462
a. Dependent Variable: Vraagprijs
b. Predictors: (Constant), UVZCAP13, D2011end, KI, DTUINWEST, D19611970, AFST_OPAFRIT,
DTUINOOST, DDUBBELGL, DVERNIEUWD, AFST_STATION, D20012010, DTERENOV,
D19811990, DTUINZUID, D19511960, D19912000, DGOEDESTAAT, AFST_KLEUTEROND,
GemInkomen, EPC, STAT_SECTOR, D19711980, AGEVELS, AFST_LUCHTH, AFST_ZH,
BewoonbareOppervlakte, VEIL2009, DAM2013, AFST_SO, EIGM2013, AFST_LO, DAPP,
LINTM2013, IntANTEIGM Tabel!24:!ANOVA!uitbreiding!regressie!2!met!interactieXeffect!Antwerpen!
Bijlage!J.!Uitbreiding!regressie!2;!toevoeging!interactieceffect!Aalst
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
1 (Constant) -909897,550 113080,909 -8,046 ,000
BewoonbareOppervlakte 604,480 40,622 ,396 14,881 ,000
KI 104,819 6,451 ,380 16,248 ,000
EPC -49,389 11,536 -,091 -4,281 ,000
D19511960 -14358,131 5334,037 -,053 -2,692 ,007
!55!
D19611970 -26480,686 5363,719 -,109 -4,937 ,000
D19711980 -42663,378 6542,881 -,142 -6,521 ,000
D19811990 -15578,750 8112,912 -,038 -1,920 ,055
D19912000 781,859 7271,105 ,002 ,108 ,914
D20012010 36652,240 7178,101 ,113 5,106 ,000
D2011end 88095,772 18770,223 ,077 4,693 ,000
DTUINZUID 14529,720 4600,842 ,058 3,158 ,002
DTUINWEST -12912,061 10946,135 -,019 -1,180 ,238
DTUINOOST 1575,356 10162,560 ,003 ,155 ,877
DGOEDESTAAT 2056,192 3658,480 ,010 ,562 ,574
DVERNIEUWD 16207,617 6765,202 ,041 2,396 ,017
DTERENOV -18422,484 5671,292 -,059 -3,248 ,001
DDUBBELGL 11153,039 3879,052 ,048 2,875 ,004
DAPP -17339,176 5985,592 -,087 -2,897 ,004
AGEVELS 21380,272 2681,247 ,166 7,974 ,000
GemInkomen 18,361 2,467 ,253 7,442 ,000
STAT_SECTOR -1,610 ,447 -,088 -3,605 ,000
AFST_KLEUTEROND 34,776 11,120 ,089 3,127 ,002
AFST_LO -10,084 9,766 -,030 -1,033 ,302
AFST_SO -3,577 4,656 -,021 -,768 ,442
AFST_STATION -4,401 2,137 -,045 -2,060 ,040
AFST_OPAFRIT -6,493 1,610 -,093 -4,034 ,000
AFST_LUCHTH ,306 ,168 ,052 1,818 ,069
AFST_ZH 4,086 2,927 ,036 1,396 ,163
DAM2013 -521,096 235,605 -,080 -2,212 ,027
EIGM2013 16565,082 2270,344 ,232 7,296 ,000
IntAALEIGM -2856,406 933,026 -,063 -3,061 ,002
LINTM2013 -4991,011 2296,377 -,093 -2,173 ,030
VEIL2009 111180,602 21025,852 ,147 5,288 ,000
UVZCAP13 312,298 41,165 ,302 7,587 ,000
a. Dependent Variable: Vraagprijs Tabel!25:!Regressie!2!uitgebreid!met!interactieXeffect!Aalst!
!56!
Model Summary
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,803a ,645 ,637 59554,343
a. Predictors: (Constant), UVZCAP13, D2011end, KI, DTUINWEST,
D19611970, AFST_OPAFRIT, DTUINOOST, DDUBBELGL,
DVERNIEUWD, IntAALEIGM, AFST_STATION, D20012010,
DTERENOV, D19811990, DTUINZUID, D19511960, D19912000,
DGOEDESTAAT, AFST_KLEUTEROND, AGEVELS, D19711980,
STAT_SECTOR, GemInkomen, EPC, AFST_LUCHTH, AFST_ZH,
BewoonbareOppervlakte, VEIL2009, AFST_SO, AFST_LO, DAPP,
EIGM2013, DAM2013, LINTM2013 Tabel!26:!Model!Summary;!Uitbreiding!regressie!2!met!interactieXeffect!Aalst!
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 9202979418493
,910 34
270675865249,
821 76,317 ,000b
Residual 5064715772539
,209 1428
3546719728,66
9
Total 1426769519103
3,120 1462
a. Dependent Variable: Vraagprijs
b. Predictors: (Constant), UVZCAP13, D2011end, KI, DTUINWEST, D19611970, AFST_OPAFRIT,
DTUINOOST, DDUBBELGL, DVERNIEUWD, IntAALEIGM, AFST_STATION, D20012010,
DTERENOV, D19811990, DTUINZUID, D19511960, D19912000, DGOEDESTAAT,
AFST_KLEUTEROND, AGEVELS, D19711980, STAT_SECTOR, GemInkomen, EPC,
AFST_LUCHTH, AFST_ZH, BewoonbareOppervlakte, VEIL2009, AFST_SO, AFST_LO, DAPP,
EIGM2013, DAM2013, LINTM2013 Tabel!27:!ANOVA!uitbreiding!regressie!2!met!interactieXeffect!Aalst!
Bijlage!K.!Uitbreiding!regressie!2;!toevoeging!interactieceffect!SintcNiklaas Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
1 (Constant) -1058156,179 132857,220 -7,965 ,000
BewoonbareOppervlakte 611,565 40,683 ,401 15,032 ,000
KI 103,676 6,449 ,375 16,077 ,000
EPC -52,082 11,543 -,095 -4,512 ,000
D19511960 -14919,262 5331,538 -,055 -2,798 ,005
!57!
D19611970 -26431,483 5364,958 -,109 -4,927 ,000
D19711980 -41746,442 6546,673 -,139 -6,377 ,000
D19811990 -14295,477 8118,638 -,035 -1,761 ,078
D19912000 1022,165 7271,668 ,003 ,141 ,888
D20012010 36646,984 7178,749 ,113 5,105 ,000
D2011end 88176,328 18771,275 ,077 4,697 ,000
DTUINZUID 14286,075 4602,285 ,057 3,104 ,002
DTUINWEST -12931,200 10947,028 -,019 -1,181 ,238
DTUINOOST 3826,038 10173,802 ,006 ,376 ,707
DGOEDESTAAT 1395,185 3656,577 ,007 ,382 ,703
DVERNIEUWD 15083,470 6762,727 ,038 2,230 ,026
DTERENOV -18369,555 5671,523 -,059 -3,239 ,001
DDUBBELGL 10617,988 3881,581 ,046 2,735 ,006
DAPP -17302,327 5986,318 -,087 -2,890 ,004
AGEVELS 21548,413 2679,858 ,167 8,041 ,000
GemInkomen 23,162 3,256 ,319 7,114 ,000
STAT_SECTOR -,707 ,515 -,038 -1,371 ,170
AFST_KLEUTEROND 31,702 11,178 ,081 2,836 ,005
AFST_LO -9,437 9,780 -,028 -,965 ,335
AFST_SO -1,628 4,649 -,010 -,350 ,726
AFST_STATION -4,737 2,144 -,048 -2,209 ,027
AFST_OPAFRIT -6,457 1,610 -,092 -4,012 ,000
AFST_LUCHTH ,196 ,181 ,033 1,083 ,279
AFST_ZH 3,777 2,925 ,033 1,291 ,197
DAM2013 -810,756 290,708 -,124 -2,789 ,005
EIGM2013 21481,165 2415,464 ,301 8,893 ,000
IntSTNEIGM -3686,511 1220,551 -,098 -3,020 ,003
LINTM2013 3832,166 3726,612 ,072 1,028 ,304
VEIL2009 105648,379 20628,400 ,140 5,122 ,000
UVZCAP13 209,365 39,462 ,202 5,305 ,000
a. Dependent Variable: Vraagprijs Tabel!28:!Regressie!2!uitgebreid!met!interactieXeffect!SintXNiklaas!
!58!
Model Summary
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
1 ,803a ,645 ,637 59559,519
a. Predictors: (Constant), UVZCAP13, D2011end, KI, DTUINWEST,
D19611970, AFST_OPAFRIT, DTUINOOST, DDUBBELGL,
DVERNIEUWD, AFST_STATION, D20012010, IntSTNEIGM,
DTERENOV, D19811990, DTUINZUID, D19511960, D19912000,
DGOEDESTAAT, AFST_KLEUTEROND, AGEVELS, GemInkomen,
D19711980, STAT_SECTOR, EPC, BewoonbareOppervlakte,
AFST_ZH, AFST_LUCHTH, VEIL2009, DAM2013, AFST_SO,
AFST_LO, DAPP, EIGM2013, LINTM2013 Tabel!29:!Model!Summary;!Uitbreiding!regressie!2!met!interactieXeffect!SintXNiklaas!
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 9202098997065
,453 34
270649970501,
925 76,297 ,000b
Residual 5065596193967
,665 1428
3547336270,28
5
Total 1426769519103
3,117 1462
a. Dependent Variable: Vraagprijs
b. Predictors: (Constant), UVZCAP13, D2011end, KI, DTUINWEST, D19611970, AFST_OPAFRIT,
DTUINOOST, DDUBBELGL, DVERNIEUWD, AFST_STATION, D20012010, IntSTNEIGM,
DTERENOV, D19811990, DTUINZUID, D19511960, D19912000, DGOEDESTAAT,
AFST_KLEUTEROND, AGEVELS, GemInkomen, D19711980, STAT_SECTOR, EPC,
BewoonbareOppervlakte, AFST_ZH, AFST_LUCHTH, VEIL2009, DAM2013, AFST_SO, AFST_LO,
DAPP, EIGM2013, LINTM2013 Tabel!30:!ANOVA!uitbreiding!regressie!2!met!interactieXeffect!SintXNiklaas!
!
!!
Bijlage(L(((( (( 1ste(semester(2014( 2de(semester(
2014(
(( 1ste(kwartaal(2014(
2de(kwartaal(2014(
3de(kwartaal(2014(
Verkoopdatum(1992( 2000( 2005( 2012( 2013( 2014( 2014( 2014(
Gemiddelde(prijs(per(
Gemiddelde(prijs(per(
Gemiddelde(prijs(per(
Gemiddelde(prijs(per(
Gemiddelde(prijs(per(
Gemiddelde(prijs(per(
Gemiddelde(prijs(per(
Gemiddelde(prijs(per(
gebouw( gebouw( gebouw( gebouw( gebouw( gebouw( gebouw( gebouw(Geografische(ligging(
vastgoed(Gebouwtype( !
!!
55769!
!!!
84772!
!!!
139649!
!!!
207834!
!!!
212192!
!!!
210779!
!!!
210364!
!!!
215053!Vlaams(Gewest( gewone(woonhuizen(
villa’s,(bungalows,(landhuizen(
200319! 272486! 281646! 354074! 353107! 351555! 354165! 367703!
appartementen,(flats,(studio’s(
65796! 92979! 144063! 207001! 211140! 216823! 216270! 218406!
Brussels(Hoofdstedelijk(Gewest(
gewone(woonhuizen( 85951! 113394! 246066! 353815! 368767! 351878! 356645! 370131!
villa’s,(bungalows,(landhuizen(
314009! 446551! 681361! 905147! 925204! 857041! 1071135! 976856!
appartementen,(flats,(studio’s(
74519! 89309! 152535! 217697! 225782! 223513! 225196! 223678!
Waals(Gewest( gewone(woonhuizen( 43631! 68559! 100935! 146528! 147832! 148275! 146931! 153082!
villa’s,(bungalows,(landhuizen(
169962! 224126! 210572! 265850! 265828! 261922! 261201! 269335!
appartementen,(flats,(studio’s(
54318! 68640! 103778! 161566! 168675! 165713! 164230! 168106!
BELGIE( gewone(woonhuizen( 52499! 79661! 131953! 193564! 197719! 195577! 196555! 202137!
villa’s,(bungalows,(landhuizen(
198970! 266927! 262650! 330098! 331868! 327166! 333780! 341021!
appartementen,(flats,(studio’s(
66544! 88943! 141304! 202247! 207899! 210294! 210749! 212124!
BRON(FOD(ECONOMIE(
