Windmolens veroorzaken lagere woningprijzen

ESB Energie & Milieu

energie 

&  milieu

Windmolens
veroorzaken lagere
woningprijzen
Windmolens die binnen twee kilometer afstand van een woning
worden geplaatst veroorzaken een daling in de waarde van de woning
van gemiddeld 1,4 tot 2,3 procent. De totale kosten voor Nederlandse huiseigenaren zijn substantieel en ongeveer in dezelfde ordegrootte als de CO2-baten. Een beleidsoptie is compensatie van huiseigenaren voor verlies in woningwaarde als gevolg van windmolens.

Martijn Dröes
Universitair docent
aan de Universiteit
van Amsterdam
Hans Koster
Universitair docent
aan de Vrije Universiteit Amsterdam

648

B

ewoners zijn over het algemeen niet blij met
windmolens nabij hun woning: ze zouden
zorgen voor horizonvervuiling, een hinderlijke slagschaduw en geluidsoverlast. Als gevolg
van het Energieakkoord komen er in Nederland nog zo’n 1.300 turbines op land bij (SER, 2013). Dit is
het directe gevolg van de doelstellingen met betrekking tot
duurzame energie die zijn opgesteld door de Europese Unie:
in 2020 moet veertien procent van alle energie in Nederland
duurzaam zijn opgewekt. Veel huiseigenaren zijn echter bezorgd dat de waarde van hun woning daalt als er windmolens
in de buurt worden geplaatst. Ondanks dat hier veel over is
geschreven in de populaire media (NRC, 2013) is er echter
weinig tot geen wetenschappelijk onderzoek over dit thema
geweest. Is het inderdaad zo dat windmolens kunnen leiden
tot een daling in woningprijzen van ongeveer een halve ton
(Trouw, 2013)? Het CPB gaat in zijn kosten-batenberekening uit van een gemiddelde waardedaling van 9000 euro per
woning (CPB, 2013), terwijl de Nederlandse Wind Energie
Associatie, op basis van de voorgaande literatuur, vooralsnog
geen effect constateert (NWEA, 2014). Er is dus een gebrek
aan consensus. Het is daarom zinvol om de effecten te kwanficeren van windmolens op woningprijzen (Dröes en Koster,
2014). Dit heeft bovendien niet alleen maatschappelijke relevantie maar draagt ook bij aan meer inzicht in de externe

kosten (en baten) van dergelijke ruimtelijke projecten. Hier is
veel aandacht voor onder economen en beleidsmakers.
Data en methodologie

Er is in dit onderzoek gebruikgemaakt van data van de Nederlandse Vereniging van Makelaars (NVM) over de periode
1985–2011; het gaat hier om zo’n 2,2 miljoen transactieprijzen.
Data over windmolens die tussen 1980 en 2012 geplaatst zijn,
zijn afkomstig van www.windstats.nl. Doordat de exacte locatie
van elke woning en windmolen bekend is, kan de afstand tot de
dichtstbijzijnde windmolen worden berekend. Figuur 1 toont
de locaties van windmolens in Nederland. Er zijn 1898 windmolens gebouwd, waarvan 1802 op land. De meeste windmolens zijn in de jaren negentig gebouwd. Veel windmolens zijn
geplaatst in Flevoland, Friesland, Groningen, Noord-Holland
en Zeeland: gebieden waar relatief veel wind is. Windmolens
zijn tevens steeds dichter bij woningen gebouwd.
In de analyse is er gekeken naar de woningen die nu binnen een radius van twee kilometer van een windmolen staan,
en voorheen niet. Het gaat hier om ongeveer 80.000 woningen; hiervan is er informatie gebruikt over transactieprijzen
– 150.000 transactieprijzen waarvan 90.000 na plaatsing van
windmolens – en een verscheidenheid aan variabelen die de
eigenschappen van de woning beschrijven, zoals: de grootte,
het aantal kamers, het type woning, wel of geen garage, centrale verwarming en tuin, de staat van onderhoud, of het huis
cultureel erfgoed is en het bouwjaar. Op basis van deze gegevens zijn de prijsontwikkelingen van woningen waarbij binnen twee kilometer een windmolen is gebouwd, vergeleken
met die van een lokale referentiegroep van woningen die geen
last hebben gehad van windmolens. Dit verschil in prijsontwikkelingen wordt gemeten door de volgende regressievergelijking te schatten:
log pit = αwit + βxit + ηj + θt + εit

(1)

waarbij de logaritme van de prijs pit van woning i gemeten op

De auteur heeft verklaard dit artikel alleen te publiceren in ESB en niet elders
te publiceren in wat voor medium dan ook. Het is wel toegestaan om het artikel voor eigen gebruik
en voor publicatie op een intranet van de werkgever van de auteur aan te wenden.

Jaargang 99 (4696) 23 oktober 2014

Energie & Milieu ESB

tijdstip t een functie is van een indicator wit, die aangeeft of er
zich een windmolen binnen twee kilometer van de woning
bevindt. Daarnaast wordt er gecontroleerd voor verschillen in
de kwaliteit van woningen, middels woningkarakteristieken
xit, eventuele verschillen in woningwaarde tussen delen van
straten ηj – op zespositie-niveau van de postcode – en algemene trends in woningprijzen θt. De resterende factoren die
woningprijzen bepalen, maar niet geobserveerd worden, zijn
weergegeven door de restterm εit. De nadruk in deze studie
ligt op het schatten van α. Merk op dat doordat er gecontroleerd wordt voor alle lokale prijsverschillen op straatniveau,
α kan worden gemeten door veranderingen in wit over de tijd
te gebruiken, dus door de bouw van nieuwe windturbines bij
huizen die eerst nog geen windturbine binnen een straal van
twee kilometer hadden.
Het verlies in woningwaarde

In tabel 1 is de schatting van de parameter α weergegeven. Volgens deze schatting zijn woningprijzen gemiddeld 1,4 procent
lager nadat er een windmolen binnen twee kilometer van een
woning wordt geplaatst, relatief tot de referentiewoningen.
Voor de referentiewoningen is er gekozen voor woningen die
twee tot drie kilometer van een windmolen staan. Maar ook
als alle woningen die buiten een radius van twee kilometer
of specifiek tussen drie en vijf kilometer van een windmolen
staan als referentiegroep gebruik worden, wordt er eenzelfde
effect op woningprijzen gevonden. Woningprijzen kunnen al
een aantal jaar vóór plaatsing van een turbine dalen, omdat
de bouw van een windturbine een aantal jaar voor ingebruikname wordt aangekondigd. Als er rekening gehouden wordt
met deze zogenaamde anticipatie-effecten, dan is het totale
prijseffect –2,3 procent. De meeste overige modellen die geschat zijn, leiden ook tot een gemiddeld prijseffect tussen de
–1,4 en –2,3 procent.
De impactradius van twee kilometer is niet willekeurig
gekozen. Figuur 2 geeft het prijseffect weer – met 95 procent
betrouwbaarheidsintervallen – over afstand tot de dichtstbijzijnde windmolen. Tussen 500 en 750 meter van een windmolen is het totale prijseffect –2,6 procent en het neemt
geleidelijk af tot een statistisch insignificant effect onder de
–1 procent na twee kilometer, de reden dat deze afstand als
impactgebied is gekozen.
De nieuwe generatie windmolens die worden gebouwd
zijn vaak groter dan de gemiddelde windmolen in onze dataset. Grotere windmolens zullen echter ook grotere negatieve
prijseffecten sorteren. Voor een extra grote turbine – meer
dan negentig meter ashoogte – of turbines met grote wieken
– meer dan negentig meter in diameter – kan er al gauw een
prijsdaling van 2,2 tot 3,7 procent bovenop het eerder gevonden effect plaatsvinden.
Opvallend genoeg kan er geen extra prijsdaling worden
gevonden als er meer windmolens in de buurt worden geplaatst. Het draait dus vooral om de eerste molen. Dit kan
worden verklaard uit het feit dat als de horizon eenmaal vervuild is door een windmolen, een tweede windmolen daar
weinig aan verandert.
In tabel 1 is ook het totale verlies in woningwaarde voor
alle huiseigenaren weergegeven. Hierbij is er rekening gehouden dat de NVM-data maar zeventig procent van de markt
dekken. Afhankelijk van het geschatte prijseffect (–1,4 of
Jaargang 99 (4696) 23 oktober 2014

–2,3 procent) betekent dit dat het totale verlies voor huiseigenaren tussen de 403 en 642 miljoen euro is geweest. Als
er ook huurwoningen worden meegenomen is het 733 tot

Effect van windmolens op woningprijzen
Gemiddeld prijseffect, vergelijking (1)

Totaal effect, koopwoningen
(in 2011 prijzen)

Woning­prijzen
(log)
Indicator plaatsing
windmolen <2km

0,0144**

Woningkarakteristieken

Ja

Postcode 6 effecten

Ja

Totaal effect,
in miljoen euro

403

642

Per woning, in
euro

3.500

5.600

14

22

Ja

Lokale controle groep
(2-3 km)

1,4
2,3
procent procent

Ja

Jaar en maand trends

tabel 1

Aantal observaties

357.745

Adjusted R-squared

Percentage
constr.kosten

0,9231

** significant op vijfprocentsniveau
Bron: eigen berekeningen op basis van gegevens NVM en www.windstats.nl

Windmolens in Nederland

De auteur heeft verklaard dit artikel alleen te publiceren in ESB en niet elders
te publiceren in wat voor medium dan ook. Het is wel toegestaan om het artikel voor eigen gebruik
en voor publicatie op een intranet van de werkgever van de auteur aan te wenden.

figuur 1

Bron: www.windstats.nl

649

ESB Energie & Milieu

Prijseffect van windmolens over afstand

figuur 2

In procenten

0

-2

-4

-6
500-750

750-1000

1000-1250

1250-1500

1500-1750

1750-2000

2000-2250

2250-2500

Afstand naar de dichtsbijzijnde windturbine in meters

Bron: eigen berekeningen op basis van gegevens NVM en www.windstats.nl

1167 miljoen euro. Per woning gaat het om een daling tussen de 3500 en 5600 euro. De daling in woningwaarde is
op zijn minst tien procent van de constructiekosten van een
windmolen. Daartegenover staan natuurlijk de CO2-baten
van windenergie. Tussen 1990 en 2012 is de reductie in CO2
als gevolg van windenergie op land ongeveer 20.500 kiloton
geweest (CBS, 2014). Dit kan een overschatting zijn als een
gedeelte van de CO2-reductie verhandeld is: sinds 2005 is er
immers een emissiehandelssysteem. Als men uitgaat van een
waarde van 15 tot 50 euro per ton CO2 (Marcantonini en Ellerman, 2013) dan is de totale CO2-reductie tussen de 310 en
1025 miljoen euro waard geweest. Dit is ongeveer in de zelfde
ordegrootte als het totale verlies aan woningwaarde. De baten vallen echter toe aan iedereen, terwijl de externe kosten
worden gedragen door een specifieke groep woningeigenaren
– waaronder mogelijk ook bezitters van huurwoningen, zoals
woningcorporaties.

Literatuur
CBS (2014) Statline. Den Haag: Centraal Bureau voor de Statistiek.
CPB (2013) KBA Structuurvisie 6000 MW windenergie op land. Den
Haag: Centraal Planbureau.
Dröes, M.I. en H.R.A. Koster (2014) Renewable energy and negative externalities: the effect of wind turbines on house prices. Tinbergen Institute Discussion Paper, 2014(124).
Marcantonini, C. en A.D. Ellerman (2013) The cost of abating CO2
emissions by renewable energy incentives in Germany. MIT CEEPR
Working paper, 2013(005).
NRC (2013) Miljoenenclaim bewoners Houten na plaatsen windmolens. NRC, 29 oktober.
NWEA (2014) Factsheet windenergie, Nederlandse Wind Energie Associatie. Document op www.nwea.nl.
SER (2013) Energieakkoord voor duurzame groei. Den Haag: SociaalEconomische Raad.
Trouw (2013) Vechten tegen windmolens. Trouw, 29 oktober.

650

conclusie en beleidsimplicaties

Een windmolen heeft een daling in woningwaarde in de nabije omgeving tot gevolg. Deze resultaten impliceren niet
dat er geen windmolens meer moeten worden gebouwd in
Nederland, maar dat als ze gebouwd worden in de buurt van
woningen er rekening gehouden moet worden door beleidsmakers, lokale gemeentes, energiemaatschappijen, dat daar
extra kosten in termen van woningwaardedaling aan verbonden zijn. De vraag is natuurlijk wie deze kosten zou moeten
dragen.
Volgens het principe van ‘de vervuiler betaalt’ zou de veroorzaker van externe kosten – in dit geval de eigenaren van
windmolens, veelal grote energiemaatschappijen – daarvoor
moeten betalen zodat deze kosten worden meegenomen in
het productieproces – dit geldt natuurlijk ook voor CO2vervuiling – en windmolens dus optimaal worden geplaatst,
gegeven de externe kosten. Dit zou kunnen door huiseigenaren te laten compenseren door de eigenaren van windmolens,
maar ook door bijvoorbeeld belasting te heffen op windmolens die dicht bij woningen worden geplaatst. Een alternatieve marktstrategie die nu zijn intrede doet is dat bewoners
mede-eigenaar kunnen worden van een turbine. Dit zou mogelijk woningeigenaren kunnen compenseren voor het verlies
in woningwaarde en het lokale draagvlak voor de bouw van
windmolens kunnen vergroten.
Een andere logische partij die compensatie zou kunnen
bieden is de nationale overheid. Gemeentes en provincies, als
gevolg van de energiedoelstellingen geformuleerd door het
Rijk, willen ook windmolens laten bouwen en dat wordt ook
expliciet gesubsidieerd. Dit maakt de vraag voor eventuele
compensatie met name ook een maatschappelijke, politieke,
vraag. Moeten we de kosten, net zoals de baten, niet gezamenlijk dragen?
Er zijn meer ruimtelijke projecten waar huiseigenaren
last van hebben, zoals een snelweg of een energiecentrale in de
buurt (en waar ze mogelijk baat bij hebben zoals parken). Er
bestaat een compensatieregeling (planschade-regeling) voor
de externe schade van dergelijke ruimtelijke projecten, hier
zou ook de bouw van windmolens onder kunnen vallen. In
deze regeling wordt twee procent waardedaling als normaal
maatschappelijk risico gezien. Het gemiddelde prijseffect valt
precies op deze grens, waar voor sommige woningen het effect natuurlijk hoger uit kan vallen als de windmolen bijvoorbeeld relatief groot is of erg dichtbij staat.
Een verdere vraag is wat de eventuele alternatieven zijn
om toch de doelstelling te halen om veertien procent van de
energie duurzaam op te wekken. Het bouwen van windmolens op zee is relatief kostbaar. Tevens is het in een dichtbebouwd land als Nederland misschien niet mogelijk om alle
windturbines verder dan twee kilometer van een woning
te plaatsen. Als ze dichtbij woningen worden geplaatst dan
geven de resultaten aan dat ze het best in groepjes geplaatst
kunnen worden, aangezien er alleen een effect van de eerste
windmolen gevonden wordt. Men zou echter windmolens
daar moeten plaatsen waar de opportuniteitskosten het laagst
zijn. Dit zou kunnen betekenen, ook gegeven de mogelijk
negatieve kosten en baten van windenergie in Nederland, dat
men de productie van windenergie zou moeten outsourcen
naar andere landen en er geen windmolens geplaatst moeten
worden in een dichtbevolkt land als Nederland.

De auteur heeft verklaard dit artikel alleen te publiceren in ESB en niet elders
te publiceren in wat voor medium dan ook. Het is wel toegestaan om het artikel voor eigen gebruik
en voor publicatie op een intranet van de werkgever van de auteur aan te wenden.

Jaargang 99 (4696) 23 oktober 2014