Overslaan en naar de inhoud gaan
Top
Onderzoek
Betaalbaarder wonen vraagt om bouwen op de duurste plekken

In Nederland zijn er te weinig betaalbare woningen. Economen adviseren daarom al jaren om meer woningen te bouwen. Maar waar in het land is daarvoor de beste plek?

In het kort
Het woningtekort geeft aan hoeveel woningen er nodig zijn; prijzen geven aan waar de grootste behoefte aan woningen is.
De hoge woningprijzen in de Randstad zijn er mede doordat ook woningzoekenden in andere regio’s er graag zouden wonen.
Door woningen in de Randstad te bouwen, neemt de betaalbaarheid niet alleen daar maar ook in de krimpgebieden toe.

Bij de vraag waar woningen moeten worden gebouwd, staat het statistische woningtekort centraal (MinBZK, 2022). Het statistische woningtekort in een regio is het aantal huishoudens ouder dan 25 jaar dat geen zelfstandige woning heeft, rekening houdend met langdurige leegstand en de verwachte toename van huishoudens (ABF, 2018).

Het statistische woningtekort geeft echter maar beperkt inzicht in de effecten van woningbouw op betaalbaarheid (Groot, 2022). In regio’s waar de woningvraag het hoogste is, leidt bijbouwen op basis van het statistisch woningtekort nauwelijks tot lagere prijzen en een afname van het woningtekort. Mensen die nu onzelfstandig wonen in andere regio’s verhuizen namelijk naar deze veelgevraagde regio’s. In regio’s met een lagere woningvraag is er daarentegen wel een effect.

In ESB pleitte Stefan Groot er daarom voor om aan de hand van de vraagelasticiteit te bepalen waar er woningen gebouwd zouden moeten worden. Met een recent door ons geschat vraagmodel van de Nederlandse woningmarkt (Thiel en Zaunbrecher, 2023a; 2023b) doen we precies dat: we berekenen de elasticiteiten en brengen in kaart hoeveel de prijzen dalen als er woningen worden gebouwd. Omdat elasticiteiten in de beleidspraktijk niet altijd beschikbaar zijn, brengen we ook in kaart hoeveel de prijzen dalen als er vooral op de duurste plekken wordt bijgebouwd.

Het model

In ons model van de Nederlandse woningmarkt schatten we de voorkeuren van huishoudens voor verschillende soorten woningen (Thiel en Zaunbrecher, 2023a; 2023b). Op basis van het model kunnen we bepalen wat er met woningprijzen gebeurt als er woningen worden gebouwd. Het model is geschat op basis van microdata van het Centraal Bureau voor de Statistiek voor de jaren 2015–2019 en bevat alleen de vrije huursector en de koopsector. Sociale huur blijft daarmee buiten beschouwing, maar in de regio’s waar de behoefte aan woningen in de marktsector groot is, is dat meestal ook zo in de sociale huursector.

Op basis van de modelschattingen maken we vier scenario’s waarin we de gevolgen van het bijbouwen voor de woningprijs per vierkante meter in kaart brengen per woningmarktregio, gebruikmakend van de regio-indeling van ABF Research. Betaalbaarheid is de belangrijkste scenario-uitkomst en deze verbetert als de vierkantemeterprijs in een woningmarktregio daalt.

In ieder scenario worden er over heel Nederland hetzelfde aantal nieuwe woningen gebouwd, net zo veel totdat het tekort (binnen de vrije huur- en koopsector) nog maar twee procent van de woningvoorraad is; twee procent is het doel van het Ministerie van Binnenlandse Zaken. We doen dit op basis van de situatie zoals die in 2019 was; we maken dus geen prognose van het toekomstige woningtekort die ook rekening houdt met demografische ontwikkelingen. Om een tekort van twee procent in de vrije huursector en de koopsector te bereiken, moet de woningvoorraad in die sectoren in 2019 met 1,8 procent toenemen; dat zijn 79.391 woningen.

De vier scenario’s verschillen in welke woningmarktregio in Nederland deze 79.391 woningen gebouwd worden. In het basisscenario worden de woningen simpelweg naar rato van het aantal huidige woningen over Nederland verdeeld, dat is de simpelste manier om woningen te verdelen. In het tweede naar rato van het statistische woningtekort in een regio, in het derde naar de verhouding van de prijselasticiteiten en in het vierde naar de verhouding van de prijzen.

Basisscenario: Evenredig bijbouwen

In het eerste scenario bouwen we woningen proportioneel aan de huidige woningvoorraad bij: als in de ene regio twee keer zo veel woningen zijn als in de andere, bouwen we daar ook twee keer zo veel woningen.

Dit simpele bouwprogramma leidt tot een gemiddelde afname van de woningprijs van acht procent, maar de betaalbaarheid neemt vooral toe buiten de Randstad en buiten enkele regio’s in Noord-Brabant (figuur 1). Dit komt doordat op de plekken waar prijzen sterker afnemen de behoefte aan woningen al beperkt was. Daarnaast trekken huishoudens richting de Randstad als daar meer woningen staan. Dit drukt prijzen daarbuiten verder, maar zorgt ervoor dat prijzen in de Randstad hoog blijven.

Image
Het effect van woningbouw op woningprijzen als er in elke regio relatief evenveel wordt gebouwd

Scenario 2: Bijbouwen op basis van regionaal tekort

In het tweede scenario volgen we de huidige praktijk en bepalen we waar we bouwen op basis van het statistische woningtekort (ABF, 2024). De verdeling van de woningen over regio’s volgt dus het regionale statistische woning- tekort. Dit tekort is groter in regio’s waar de woningmarkt meer gespannen is. In de Randstad bouw je bijvoorbeeld ongeveer anderhalf keer zo veel als in het basisscenario 1.

Iemand die in Utrecht wil wonen, ook al woont hij nu nog in Drenthe, drijft de prijs in Utrecht op

In figuur 2a laten we het verschil in het effect op woningprijzen zien tussen deze aanpak en die in het eerste scenario. Dit is dus niet het effect in vergelijking met helemaal niet bouwen. Dat doen we omdat je zo het beste het verschil tussen de aanpakken kan zien. De prijzen dalen iets harder in de Randstad en iets minder daarbuiten, maar het verschil is minimaal. In Den Haag nemen prijzen met 0,8 procentpunt meer af en in de rest van de Randstad minder. Omdat prijzen in Amsterdam en Utrecht al amper daalden in ons simpele scenario, is dat hier ook zo.

Het verminderen van het statistische woningtekort betekent in de populairste delen van Nederland dus nog niet dat wonen daar ook echt betaalbaarder wordt. Dit komt, zoals we al zagen in het eerste scenario, omdat huishoudens graag naar de Randstad trekken als daar meer woningen zijn. Het statistische woningtekort wordt bepaald op basis van verhuisstromen die plaatsvinden bij de huidige prijzen. Waar iemand die nu geen zelfstandige woning heeft naar woonruimte zoekt, hangt echter af van het aanbod en de prijzen in het hele land. Iemand die bij zijn ouders in Drenthe woont, zoekt in de huidige situatie mogelijk ook een woning in Drenthe. Het is echter mogelijk dat zo iemand bij lagere prijzen elders zou willen wonen. Deze latente vraag zien we echter wel in de prijzen: iemand die wel in Utrecht zou willen wonen, ook al woont hij nu nog in Drenthe, drijft wel de prijs in Utrecht op.

Image
Effecten van bijbouwen op woningprijzen, ten opzichte van basisscenario in figuur 1

Scenario 3: Bijbouwen bij hoge elasticiteit

In het derde scenario gebruiken we de vraagelasticiteit om te bepalen waar gebouwd moet worden. Hoe groter de vraagelasticiteit, hoe minder de prijs afneemt bij een gegeven relatieve toename van de woningvoorraad. Uit ons model blijkt dat de vraagelasticiteit flink verschilt over Nederland: van −0,68 in woningmarktregio Amsterdam tot −0,16 in de regio Venlo. Anders gezegd, de woningvoorraad moet veel meer toenemen in de regio Amsterdam dan in de regio Venlo om een vergelijkbare procentuele prijsdaling te bewerkstelligen.

Om het simpel te houden, bouwen we proportioneel aan de vraagelasticiteit per regio: als de elasticiteit twee keer zo groot is, bouwen we twee keer zo veel woningen. We bouwen dus meer woningen in gebieden waar de prijs minder reageert op woningbouw. In dit scenario wordt er naar verhouding niet zo veel gebouwd in de grote steden en meer in kleinere agglomeraties zoals Amersfoort en Maastricht. Dit komt doordat de elasticiteit in middelgrote steden maar iets kleiner is dan in in de grote steden. Hierdoor is de relatieve toename van de woningvoorraad groter in middelgrote steden.

De woningvoorraad moet veel meer toenemen in de regio Amsterdam dan in de regio Venlo om een vergelijkbare procentuele prijsdaling te bewerkstelligen

Figuur 2b laat de effecten op woningprijzen zien in vergelijking met het eerste scenario. Het eerste dat opvalt, is dat de prijzen in alle woningmarktregio’s lager zijn dan in het simpele scenario. Oftewel, gebruik maken van elasticiteiten is een ‘free lunch’ als het enige doel is om betaalbaarheid te vergroten: het kan er alleen maar beter van worden. Omdat we in dit specifieke, simpele voorbeeld relatief wei- nig bouwen in de grote steden, is er daar ook niet veel ver- betering in de betaalbaarheid.

Scenario 4: Bijbouwen bij hoge prijzen

In het vierde scenario bouwen we in de woningmarktregio’s waar de vierkantemeterprijs het hoogst is. Als we enkel dit criterium zouden hanteren, zouden we alleen in de regio Amsterdam bouwen. Om dat te voorkomen, hanteren we een plafond op het aantal woningen dat gebouwd kan worden. Dat plafond hangt af van de vraagelasticiteit, zodat we meer bouwen in regio’s waar de betaalbaarheid door woningbouw minder toeneemt. Voor regio Amsterdam betekent dit bijvoorbeeld dat de woningvoorraad met 6,6 procent mag toenemen. Ondanks deze beperking is dit een vrij extreem scenario: we bouwen veel in woningmarktregio’s als Amsterdam en Utrecht, en helemaal niet in bij- voorbeeld Emmen of Sittard.

Als het doel is om, door woningbouw, specifiek in de regio Amsterdam een serieuze verbetering van de betaalbaarheid te krijgen, moeten er veel woningen gebouwd worden

Ten opzichte van het eerste scenario nemen de prijzen nu veel sterker af in de Randstad (figuur 2c). Daarbuiten nemen ze juist toe. Maar netto, als we de effecten in figuren 1 en 2c bij elkaar optellen, nemen de prijzen ook buiten de Randstad af. Dat is opvallend omdat daar in dit scenario amper woningen worden gebouwd. Dit komt omdat er een groep huishoudens is die naar de Randstad verhuist als de prijs daar iets daalt. Daardoor oefenen ze geen vraag meer uit in hun eerdere woonplaats, wat daar voor lagere prijzen zorgt.

Blijkbaar is het dus niet nodig om woningen in krimpgebieden te bouwen om daar de betaalbaarheid te vergroten, zolang er genoeg wordt gebouwd in gespannen woningmarkten elders. Deze spill-over van prijzen van de Randstad naar daarbuiten hebben we het afgelopen decennium ook gezien. Woningprijzen stegen tot 2019 vooral in de Randstad, totdat huishoudens daar wegtrokken en de prijzen vooral daarbuiten stegen (CBS, 2023).

Ook zien we dat het moeilijk is om door woningbouw de betaalbaarheid in de meest gespannen woningmarkten te verbeteren. Zelfs in het meest extreme scenario krijgen we maar een prijsdaling van vijf procent in de regio Amsterdam. Dat is niet per se erg. Blijkbaar is er een groep huishoudens die, zelfs tegen hoge prijzen, graag in Amsterdam woont, maar die dat nu niet lukt. Als er meer woningen in Amsterdam zijn, is dat voor deze huishoudens dus een vooruitgang.

Als het doel toch is om, door woningbouw, specifiek in de regio Amsterdam een serieuze verbetering van de betaalbaarheid te krijgen, moeten er veel woningen gebouwd worden. Waarschijnlijk zelfs zo veel dat het statistische woningmarkttekort landelijk onder de streefwaarde van twee procent daalt.

Image

 

Conclusie en discussie

Regelmatig wordt de economische blik tegenover de volkshuiskundige gezet, bijvoorbeeld door Blijie (2022) in ESB. Het verschil tussen beide visies is echter helemaal niet zo groot. In de volkshuiskundige opvatting is een woonruimte een recht: het doel is dus dat alle huishoudens een zelfstandige, betaalbare woning hebben. Als er een tekort is, moeten er dus woningen gebouwd worden. Deze conclusie kan ook op economische gronden worden verdedigd: als woningprijzen veel hoger zijn dan de bouwkosten op een locatie, is een redelijke vuistregel dat daar bouwen de maatschappelijke welvaart verhoogt (Vermeulen et al. 2016).

Sterker nog, juist het combineren van het statistische woningtekort met prijzen en elasticiteiten leidt tot een betere invulling van de woningbouwopgave. Het praktische nadeel van prijzen en elasticiteiten is dat het moeilijk is om een concreet getal te krijgen hoeveel woningen er gebouwd moeten worden. Daar is het statistische woningtekort heel geschikt voor. Aan de andere kant zien we dat het statistische woningtekort moeite heeft om de grote latente vraag voor woningen in de Randstad te meten. Maar als je kijkt waar woningen het duurst zijn, zie je die latente vraag meteen.

Vanuit praktische overwegingen verdienen prijzen als sturingsvariabele de voorkeur boven elasticiteiten. Prijselasticiteiten zijn vaak moeilijk te meten, terwijl woningprijzen direct observeerbaar zijn. Gelukkig is, in onze data, de cor- relatie tussen woningprijzen en prijselasticiteiten hoog: bijna −0,9 op het niveau van woningmarktregio’s. Blijkbaar nemen in de regio’s met de duurste huizen de woningenprijzen ook het minste af door te bouwen.

Hoewel we denken dat prijzen en elasticiteiten beleidsmakers kunnen helpen bij beslissingen over de locatie van nieuwe woningen, moeten er een aantal kanttekeningen bij de huidige analyse geplaatst worden. De belangrijkste daar- van is dat deze nog te grof is om als concrete basis te dienen voor voorstellen voor bouwprogramma’s. Zo gaan we er bijvoorbeeld van uit dat de (maatschappelijke) kosten van woningbouw niet verschillen tussen regio’s. Die verschillen zijn er echter wel degelijk, bijvoorbeeld in de prijs van infrastructuur of klimaatgerelateerde kosten. Ook gaan we ervan uit dat er in alle regio’s ruimte is om te bouwen.

Daarnaast hebben we hier alleen gekeken naar de effecten voor het gemiddelde huishouden. In de praktijk willen beleidsmakers graag specifieke groepen, zoals starters, helpen. Het is niet automatisch zo dat het bouwprogramma dat voor de grootste toename in betaalbaarheid zorgt, ook het beste is voor zulke aandachtsgroepen. Ook hangt het effect op specifieke groepen waarschijnlijk af van het soort woningen dat gebouwd wordt, en niet alleen van de locatie. Zo kan het bijvoorbeeld zijn dat de betaalbaarheid of toegankelijkheid voor lage of middeninkomens niet toeneemt omdat ze zich na een beperkte prijsdaling in Amsterdam nog steeds geen woning kunnen veroorloven. Daarom komen we later dit jaar met een uitgebreidere publicatie waarin we kijken hoe bouwprogramma’s uitpakken voor verschillende aandachtsgroepen.

Jurre Thiel, Wetenschappelijk medewerker bij het Centraal Planbureau (CPB)

Henrik Zaunbrecher, Wetenschappelijk medewerker bij het CPB

 

Literatuur
  • ABF (2018) Woningtekort: een nieuwe benadering van een actueel probleem. ABF Research Publicatie, 20 november.
  • ABF (2024) Dashboard Primos-Prognose. ABF Research. Te vinden op primos.abfresearch.nl.
  • Blijie, B. (2022) In prijselasticiteit kun je niet wonen. ESB, 107(4805), 35–37.
  • CBS (2023) Huizenprijzen stegen sinds 2013 het meest in regio Haarlem en de Zaanstreek. CBS Statistiek, 7 maart.
  • Groot, S. (2022) Gemeten woningtekort zegt weinig over werkelijke woningschaarste. ESB, 107(4805), 32–34.
  • MinBZK (2022) Nationale Woon- en Bouwagenda. Ministerie van Binnenlandse Zaken en Koninkrijksrelaties Rapport, maart. Te vinden op www.rijksoverheid.nl.
  • Thiel, J.H. en H. Zaunbrecher (2023a) De impact van leennormen op huurders, huizenbezitters en investeerders. CPB Publicatie, september.
  • Thiel, J.H. en H. Zaunbrecher (2023b) Mortgage debt limits and buy-to-let investors: A structural model of housing with an endogenous rental sector. CPB Discussion Paper, 22 september.
  • Vermeulen, W., C. Teulings, G. Marlet en H. de Groot (2016) Groei & krimp: Waar moeten we bouwen – en waar vooral niet? Nijmegen: VOC Uitgevers.