Mensen houden in hun verhuisgedrag rekening met
verschillende aspecten van leefbaarheid en veiligheid in de
wijk. Dat maakt het mogelijk om aan problemen in de wijk
een prijskaartje te hangen en de wijken op objectieve wijze
te vergelijken.
D
Gerard Marlet
en Clemens van
Woerkens
Beiden zijn werkzaam bij
de Stichting Atlas voor gemeenten en tevens verbonden aan de Utrecht School
of Economics (USE).
e opkomst van de leefbaarheidspartijen
aan het begin van deze eeuw en de Parijse
rellen in 2005 hebben van de leefbaarheid
in wijken in Nederland een urgent thema
gemaakt. Politici buitelen over elkaar heen om de wijkenproblematiek te claimen. Minister Winsemius sprak
onlangs zelfs over Nederlandse wijken waar de “vlam
in de pan dreigt te slaanâ€. Maar is al die aandacht wel
gerechtvaardigd? Zijn de problemen in Nederlandse
wijken wel zo groot?
In de VS bleek een gemiddeld huishouden in de
jaren tachtig bereid te zijn jaarlijks 2200 dollar meer
te betalen voor een huis in de veiligste stad ten
opzichte van de minst veilige stad, ofwel: een gemiddeld huishouden verlangde 2200 dollar compensatie
voor wonen in een onveilige stad (Blomquist, 1988).
Met die bereidheid van mensen om te betalen voor
een huis in een veilige, leefbare omgeving kan de
waarde die mensen hechten aan ‘publieke goederen’
zoals veiligheid en leefbaarheid worden berekend.
Het feitelijke gedrag van mensen op de woningmarkt
(revealed preferences) is daarvoor beter geschikt
dan onderzoek op basis van enquêtes (stated preferences); in enquêtes is de vraagstelling vaak erg
bepalend voor de uitkomsten, weten mensen vaak
moeilijk onderscheid te maken in de waardering van
verschillende aspecten van hun woonomgeving en
zijn ze geneigd strategisch te antwoorden (zie ook:
Koopmans, 2006). De waarde van leefbaarheid
en veiligheid afmeten aan het gedrag van mensen
op de woningmarkt is in de VS al lange tijd gebruikelijk (Roback, 1982; Cullen,1999), maar staat
in Nederland nog in de kinderschoenen. Uit een
recente studie van het Ruimtelijk Planbureau blijkt
dat mensen minder bereid zijn te betalen voor een
huis in een buurt met een lage sociale status (Visser
& Van Dam, 2006). In die studie zijn echter geen
leefbaarheids- en veiligheidsindicatoren meegenomen. De vraag is dan ook of dat negatieve effect
te maken heeft met de sociale status op zich, of
met de leefbaarheids- en veiligheidsproblemen die
daarmee samenhangen.
Het effect van leefbaarheid en
veiligheid op huizenprijzen
Wat is de prijs voor overlast en criminaliteit? In
dit artikel wordt die waarde bepaald op basis van
huizenprijsverschillen tussen wijken, met de zoge-
noemde ‘hedonische prijsmethode’ (Brachinger,
2002). Het uitgangspunt bij een dergelijke analyse
is dat mensen in hun woongedrag rekening houden
met de positieve en negatieve kanten van een wijk.
Die negatieve kanten van een wijken hebben naar
verwachting te maken met leefbaarheids- en veiligheidsproblemen, maar er zijn natuurlijk nog veel
meer kenmerken van de wijk die van invloed zijn op
het prijsniveau zoals de kwaliteit van de woningen en
kenmerken van de locatie. Daarom zijn op wijkniveau
indicatoren ontwikkeld die zo goed mogelijk corrigeren voor dergelijke ‘verstorende’ invloeden.
Om te corrigeren voor prijsverschillen die het gevolg
zijn van verschillen in de kwaliteit van de woningen is
gerekend met huizenprijzen per vierkante meter. Er is
gebruik gemaakt van de gemiddelde WOZ-waarde in
de wijk (bron: CBS) gecorrigeerd voor de gemiddelde
oppervlakte van woningen in de wijk. Ook zijn een aantal kenmerken van de woningvoorraad in de wijk in het
model opgenomen, zoals de verhouding huur/koop en
het aandeel hoogbouw. Huizen in de regio Amsterdam
zijn immers duurder dan in Oost-Groningen en die
in Amsterdam zijn (per vierkante meter) ook weer
duurder dan in Haarlemmermeer, maar die verschillen hebben naar verwachting vooral te maken met de
beschikbaarheid van werk en het voorzieningenniveau
in de stad. Voor dat soort locatiekenmerken zijn dan
ook indicatoren in het model opgenomen. Door in een
meervoudige regressie te corrigeren voor dergelijke geografische en locatiespecifieke kenmerken is een wijk
in Oost-Groningen als het ware vergelijkbaar gemaakt
met een wijk in Amsterdam en Haarlemmermeer. Al
die controlevariabelen zijn samen met de indicatoren
voor leefbaarheid en veiligheid (zie tabel 1) in een
cross-sectie-analyse in verband gebracht met de
prijsverschillen op de woningmarkt. Dat is gedaan met
ruim 2200 4-positie-postcodegebieden (zie voor een
uitgebreide bespreking van de voor- en nadelen van
dat schaalniveau: Knol, 2006). De uitkomsten staan
in de eerste kolom van tabel 1; een positieve coëfficiënt betekent dat die indicator ervoor zorgt dat meer
mensen weg willen uit de wijk of er niet graag gaan
wonen, waardoor de vraag naar huizen er lager is (en
het aanbod mogelijk groter) met als gevolg relatief lage
huizenprijzen.
De belangrijkste verklaring voor de verschillen in
huizenprijzen blijkt de bereikbaarheid van werk te
zijn (berekend als de potentiaal van alle banen in
Nederland vanuit het perspectief van de wijk, op
basis van werkelijke reistijdwaardering voor woonwerkpendel, werkelijke reistijden en rekening houdend met files, zie: Marlet & Van Woerkens, 2005),
gevolgd door het stedelijke voorzieningenniveau zoals
het culturele en culinaire aanbod. Onder tabel 1
staan alle significante controlevariabelen opgesomd.
ESB
26 januari 2007
43
binnenland
Weg uit de wijk
tabel 1
Feitelijke verhuizingen uit de wijk
Welke indicatoren voor leefbaarheid en veiligheid bepalen dat mensen weg
willen uit de wijk?
‘Weg uit de wijk’
Lagere huizenprijzen
(per vierkante meter)
Meer verhuizingen uit de wijk
Geweld
Geweldsmisdrijven
(gemeenteniveau, bron: CBS)
Diefstal
Inbraak in woning
(bron: Politiemonitor)
Fietsendiefstal (bron: Politiemonitor)
Auto-inbraak (bron: Politiemonitor)
Overlast
Overlast van dronken mensen
(bron: Politiemonitor)
Overlast van drugsgebruik
(bron: Politiemonitor)
Overlast van jongeren
(bron: Politiemonitor)
Overlast van omwonenden
(bron: Politiemonitor)
Vernieling
Vernielingen aan openbare werken
(bron: Politiemonitor)
Vervuiling
Rommel op straat
(bron: Politiemonitor)
Bekladding (bron: Politiemonitor)
Sample
Verklaringskracht (Adj. R2)
Methode
14,16 ***
0,0024 ***
0,0260
*
0,0247 ***
0,0353 ***
66,50 **
0,0094 **
48,55
0,0336 ***
59,11 **
*
0,0081 *
98,22 ***
0,0166 *
148,26 ***
0,0326 ***
2251
52%
OLS
0,0077 *
2233
72%
OLS
Notatie: Coëfficiënt***
***
Significantie met 99% waarschijnlijkheid
**
Significantie met 95% waarschijnlijkheid
*
Significantie met 90% waarschijnlijkheid
1
Significante controlevariabelen zijn:
Model huizenprijzen : gentrification-index (zie uitleg in de tekst), bereikbaarheid van banen per auto, bereikbaarheid van banen per openbaar vervoer, aantal
winkels, aantal huisartsen, aanwezigheid universiteit, culinair aanbod, cultureel
aanbod, afstand tot het centrum van de stad, bebouwingsdichtheid, gemiddeld oppervlakte woningen, percentage vooroorlogse woningen, percentage vrijstaande
woningen, bouwjaar, percentage hoogbouw, percentage koopwoningen en sectorale werkgelegenheidsstructuur.
Model verhuizingen uit de wijk: gentrification-index (zie uitleg in de tekst), geografische ligging, culinair aanbod, aantal winkels, afstand tot het centrum van
de stad, bebouwingsdichtheid, mate van stedelijkheid, percentage vrijstaande
woningen, bouwjaar, percentage hoogbouw, percentage koopwoningen, aandeel
studenten, aandeel ouderen (55-75 jr.), sectorale werkgelegenheidsstructuur.
Zie voor een uitgebreide verantwoording van de gebruikte databronnen en methode
Knol, Marlet en Singelenberg (2006)
Maar ook de mate van overlast door dronken mensen, drugsgebruik en jongeren,
vernieling van openbare werken en rommel op straat (allen uit de Politiemonitor)
bieden een belangrijke significante verklaring voor de verschillen in huizenprijzen
tussen wijken. Die indicatoren voor leefbaarheid en veiligheid vallen bijna allemaal
in de categorie van zichtbare problemen dicht bij huis en dagelijkse ergernissen:
overlast, vernieling en vervuiling. Ook het aantal geweldsmisdrijven (bron: CBS)
biedt een significante verklaring. Alleen is deze indicator vooralsnog noodgedwongen op gemeenteniveau opgenomen, omdat de data op wijkniveau (bron: KLPD)
nog niet geschikt zijn voor een landelijke vergelijking. Ten behoeve van toekomstige versies van dit model zullen die data daarvoor geschikt worden gemaakt.
44
ESB
26 januari 2007
Om de robuustheid van de uitkomsten te toetsen is
een tweede model geschat, nu niet met huizenprijzen als afhankelijke variabele, maar met het aantal
verhuizingen uit de wijk (bron: CBS). Die afhankelijke variabele geeft exclusief aan hoeveel mensen
als gevolg van leefbaarheid- en veiligheidsproblemen
daadwerkelijk ‘weg gaan uit de wijk’. Het verschil
met huizenprijzen is dat deze indicator alleen het
feitelijke vertrek op een bepaald moment meet, terwijl huizenprijsverschillen het resultaat zijn van het
samenspel tussen de vraag naar en het aanbod van
woningen in de wijk.
Ook die verhuizingen zijn natuurlijk weer niet volledig
afhankelijk van leefbaarheid. Daarom zijn ook aan
dit model zoveel mogelijk controlevariabelen toegevoegd, waarbij vooral de geografische ligging (in de
Randstad minder verhuizingen door krapte op de
woningmarkt), kenmerken van de woningvoorraad en
de bevolkingssamenstelling significant van invloed
bleken te zijn op het aantal verhuizingen; in wijken
met veel studenten bleek het aantal verhuizingen bijvoorbeeld groot en in wijken met veel ouderen juist
klein te zijn. Onderaan tabel 1 staat een opsomming
van de significante controlevariabelen.
Gecorrigeerd voor die factoren blijkt het aantal verhuizingen uit de wijk voor een belangrijk deel te kunnen
worden verklaard uit de diverse indicatoren voor leefbaarheid en veiligheid. Voor een deel zijn dat dezelfde
indicatoren als in het model met huizenprijzen. Maar
in het verhuismodel komen ineens ook een aantal
indicatoren voor diefstal als significant uit de bus: inbraak, fietsendiefstal en diefstal uit de auto (allen uit
de Politiemonitor). Dat verschil kan te maken hebben
met het feit dat diefstal in tegenstelling tot kenmerken van fysieke verloedering niet zichtbaar is voor de
potentiële koper van een huis in de wijk, zodat die
wel een rol speelt bij de beslissing van mensen om
de wijk te verlaten, maar niet bij de beslissing van
mensen om in de wijk te komen wonen.
Een zuiver meetinstrument voor
leefbaarheid en veiligheid
Uit beide modellen blijkt dus dat mensen in hun
verhuisgedrag rekening houden met verschillende
aspecten van leefbaarheid en veiligheid in de wijk.
Beide modellen hebben een hoge verklaringskracht:
52 procent van de verschillen in huizenprijzen wordt
verklaard door de indicatoren in het model en 72
procent van de verschillen in verhuizingen uit de
wijk. Van het verklaarde deel van de huizenprijsverschillen komt negentig procent voor rekening van de
controlevariabelen en tien procent van de indicatoren voor leefbaarheid en veiligheid. De verschillen
in verhuizingen uit de wijk worden voor 25 procent
verklaard door leefbaarheid en veiligheid en voor 75
procent door andere factoren.
De kwaliteit van de modellen en de robuuste verklaringskracht van de indicatoren voor leefbaarheid
en veiligheid maken het mogelijk om op basis van
deze modellen een objectieve samengestelde leef-
baarheidsindex voor Nederlandse wijken te maken.
Zo’n index is dan gebaseerd op de werkelijke waarde
die mensen hechten aan de verschillende aspecten van leefbaarheid & veiligheid en niet – zoals
vaak gebeurt – op basis van het gezonde verstand
van beleidsmakers of de subjectieve beleving van
buurtbewoners.
Een eerste versie van die samengestelde index
voor leefbaarheid en veiligheid in de wijk (in eerste
instantie de verloederingsindex genoemd) laat zien
dat vooral in Rotterdam, Den Haag, Heerlen en
Arnhem relatief veel mensen wonen in buurten met
serieuze problemen (Marlet & Van Woerkens, 2006).
Op dit moment wordt gewerkt aan een verfijning van
de index op het laagst mogelijke schaalniveau (het
6-positie-postcodeniveau) zodat de problemen in
de wijken zo exact mogelijk kunnen worden gelokaliseerd (Marlet & Van Woerkens, 2007).
Voor de samengestelde index voor leefbaarheid en
veiligheid zijn de leefbaarheids- en veiligheidsindicatoren en de bijbehorende coëfficiënten uit beide
modellen (zie tabel 1) gecombineerd. Die index is
vervolgens gecorrigeerd voor de zogenoemde gentrification index, die voor zowel het aantal verhuizingen
uit de wijk als voor de verschillen in huizenprijzen
een significante verklaring biedt (zie tabel 1); hoe
hoger de gentrification index, hoe minder mensen
weg willen uit de wijk.
De gentrification index meet de populariteit van een
wijk onder bepaalde scenes waarvan wordt verwacht
dat ze trendsettend zijn, zoals de kunstenaarsscene
en de homoscene (bron: Stichting Atlas voor gemeenten). De index is zo een indicatie voor een vroege fase
in het proces van gentrification. Er blijken verschillende wijken met substantiële leefbaarheids- en
veiligheidsproblemen te zijn, die desondanks populair
zijn bij deze scenes. Slechte leefbaarheids- en veiligheidsomstandigheden zijn in dit soort wijken mogelijk
minder alarmerend; bevolkingsgroepen die graag in
die wijken wonen nemen de overlast kennelijk op de
koop toe en bovendien kan het begin van gentrification een aanwijzing zijn dat het door instroom van
een koopkrachtige bevolking in een dergelijke wijk
ook zonder overheidsingrijpen wel goed komt (zie ook:
Kolko, 2000). Dat rechtvaardigt een correctie van de
index voor leefbaarheid en veiligheid op basis van de
mate van gentrification.
Met name het aantal werklozen in de wijk en het aandeel jongeren tussen 10 en
19 jaar blijken significant samen te hangen met de mate van leefbaarheids- en veiligheidsproblemen. Het werkloosheidspercentage biedt een robuustere verklaring
dan het aandeel niet-westerse allochtonen; het lijkt dus niet zozeer te gaan om
etnische afkomst, maar om de sociaal-economische positie (die voor allochtonen
gemiddeld minder gunstig is dan voor autochtonen). En dan vooral om een sociaal-economische achterstandspositie in een economisch kansrijke regio (Marlet &
van Woerkens, 2007). Inzicht in de relatie tussen de structurele kenmerken van
de wijk en de omvang van de problemen biedt belangrijke aanknopingspunten voor
de manier waarop beleidsinstrumenten het beste kunnen worden ingezet: Is direct
veiligheidsbeleid naar verwachting het meest effectief? Verdient de werkloosheid
onder jongeren aandacht? Of is juist de kwaliteit van de fysieke omgeving de oorzaak van de problemen? (zie: Ministerie van BZK, 2006).
Conclusies
De leefbaarheids- en veiligheidssituatie in de wijk blijkt door mensen meetbaar te
worden meegewogen in hun woongedrag en komt dan ook tot uitdrukking in de
huizenprijzen. Dat resultaat opent de weg naar tenminste drie belangrijke toepassingen. Allereerst naar een objectief meetinstrument voor leefbaarheid en veiligheid
op basis van de feitelijke waardering die mensen in de wijk aan de verschillende
aspecten van leefbaarheid en veiligheid hechten. Bovendien maakt het zuivere onderscheid tussen directe indicatoren voor leefbaarheid en veiligheid en de achterliggende structurele kenmerken van de wijk het mogelijk om (per wijk) de achtergronden van de problemen te doorgronden, en mogelijk zelfs om toekomstige problemen
op basis van demografische en sociaal-economische ontwikkelingen te voorspellen
(Marlet & van Woerkens, 2007). En tot slot opent de relatie tussen leefbaarheid en
veiligheid in de wijk enerzijds en huizenprijsverschillen anderzijds de weg naar het
monetariseren van de maatschappelijke kosten van leefbaarheidsproblemen én naar
de baten van het opheffen daarvan; de in dit artikel gepresenteerde benadering van
leefbaarheidsproblemen in de wijk levert belangrijke kengetallen op voor het monetariseren van ‘zachte’ beleidseffecten in maatschappelijk kosten-batenanalyses van
ingrepen in de wijk (vergelijk Koopmans, 2006).
Literatuur
Blomquist, G.C., M.C. Berger en J.P. Hoehn (1988) New estimates of Quality-of-life in Urban Areas. The American Economic
Review, 78, 1, 89-107.
Brachinger, H.W. (2002) Statistical Theory of Hedonic Price
Indices.University of Fribourg.
Cullen, J.B. en S.D. Levitt (1999) Crime, urban flight and the
consequences for cities, Review of economics and statistics, 81
(2), 159-169.
Knol, F. (2006) De data achter de Kanskaart, In: De Kanskaart
van Nederland. SEV, Rotterdam.
Knol, F. G. Marlet, en J.Singelenberg (2006) De Kanskaart van
Nederland. SEV, Rotterdam.
Kolko, J. (2000) The economics of gentrification. Ongepubliceerd
manuscript, Harvard University.
Koopmans, C. (2006) ‘Zachte’ beleidseffecten in maatschappelijke kosten-batenanalyses: hoe kan het beter? Tijdschrift voor
De achtergrond van
leefbaarheidsproblemen
politieke economie, 27(3), 4-19.
Een zuiver meetinstrument voor leefbaarheid en
veiligheid bestaat uitsluitend uit indicatoren voor de
feitelijke problemen in de wijk. Zo wordt voorkomen
dat wijken met veel flats en allochtonen automatisch
als probleemwijk worden afgeschilderd. Dergelijke
kenmerken van de wijk zijn immers geen directe
indicatoren voor het signaleren van problemen – een
wijk met veel hoogbouw heeft niet per se veiligheidsproblemen – maar ze kunnen wel belangrijke
informatie leveren over en verklaringen bieden voor
die problemen.
Rotterdam.
Marlet, G. A. en C.M.C.M. van Woerkens (2006) Het model
achter de Kanskaart. In: De Kanskaart van Nederland. SEV,
Marlet, G.A. en C.M.C.M. van Woerkens (2005) Regionale
bereikbaarheid, in: Atlas voor gemeenten 2005. Stichting Atlas
voor gemeenten, Utrecht.
Marlet, G. A. en C.M.C.M. van Woerkens (2007) Op weg naar
Early Warning. Ongepubliceerd manuscript.
Ministerie van BZK (2006) Steden van morgen, keuzes voor
vandaag. Den Haag.
Roback, J. (1982) Wages, rents, and the quality of life. Journal of
political economy, 90, 1257-1278.
Visser, P. en F. van Dam (2006) De prijs van de plek.
Woonomgeving en woningprijs. Nai uitgevers/RPB, Rotterdam/
Den Haag.
ESB
26 januari 2007
45