16TIJDSCHRIFT VOOR DE VOLKSHUISVESTING NUMMER 1 JANUARI 2011ANALYSEHYPOTHEKEN: INDIVIDUELE ENREGIONALE RISICOFACTORENWie een huis koopt en hiervoor een hypotheek afsluit, loopt hiermee financi?le risico's. Sinds de crisiszijn zowel consumenten als banken en de overheid zich daar extra bewust van. Naast bepaaldebevolkingsgroepen blijken ook bepaalde regio's extra kwetsbaar. Verslag van een zoektocht naar deindividuele en regionale achtergronden van twee hypotheekrisico's, namelijk betalings- envermogensrisico's.Kenmerkenvanhuishoudenszijndebelangrijkstevoorspellervoordehoogtevanhypotheekrisico's,maardaarnaastbe?nvloedenderegionalewoningmarktendehypotheekrisico'svandewoningeigenarenhierinelkaarwederzijds.(Foto: Herman van Heusden / Hollandse Hoogte)17DOOR MANON VAN MIDDELKOOP ONDERZOEKER WONEN EN DEMOGRAFIE, SECTOR VERSTEDELIJKINGEN MOBILITEIT, PLANBUREAU VOOR DE LEEFOMGEVINGMet het afsluiten van een hypotheek lopen de kersverse woningeigenaar en zijnfinancier een aantal risico's. Allereerst kan de woningeigenaar op enig momentdoor verlies van inkomen of stijgende rentelasten niet meer in staat blijken omaan zijn hypotheekverplichtingen te voldoen. Dit heet het betalingsrisico. Eenveel gebruikte indicator voor dit risico is de Loan-to-Income (LTI), die de ver-houding weergeeft tussen de uitstaande lening en het bruto huishoudinkomen1. Omdat vermo-gen buiten de eigen woning (spaar- en beleggingstegoeden, 2ewoning etc.) een deel van dezebetalingsriciso's kan opvangen bekijkt deze bijdrage de LTI n? correctie voor dit vermogen. Dezeaangepaste LTI geeft dus de verhouding weer tussen de uitstaande lening minus het eigen ver-mogen en het bruto huishoudinkomen.Naast betalingsrisico's loopt de woningeigenaar het risico dat de woning bij verkoop minderwaard blijkt dan de eigenwoningschuld. Dit is het restschuldrisico. De financier loopt daarbij hetrisico dat het uitgeleende bedrag niet helemaal terugbetaald kan worden, zeker als de hypotheekniet onder de Nationale HypotheekGarantie (NHG) valt. Er is sprake van een restschuldrisicoindien de Loan-to-Value (LTV), de verhouding tussen de hypotheekschuld en de onderliggendewoningwaarde, de 100 procent overstijgt. Ras et al. (2010) en Van Middelkoop (2010) gaannog een stapje verder en spreken pas van een risico indien deze restschuld hoger is dan hetvermogen buiten de eigen woning. Dit wordt het `problematisch' of `negatief' vermogensrisicogenoemd. Deze bijdrage gaat in op deze vermogensrisico's en gebruikt daarvoor als indicator deLTV n? correctie voor het eigen vermogen, dus wederom de hypotheekschuld minus het eigenvermogen in verhouding tot de woningwaarde. Vermogensrisico's komen vooral voor indien eenhypotheek recent is afgesloten, de zogeheten `kosten koper' of (onrendabele) verbouwingen zijnmeegefinancieerd, er sprake is van een aflossingsvrije hypotheek of als, zoals op dit moment, dewoningprijzen stagneren of zelfs dalen. Bij prijsstagnatie daalt de LTV van recent afgesloten (top)hypotheken namelijk niet meer in de loop van de tijd, en bij prijsdalingen kunnen zelfs eigenarenmet een voorheen gezonde LTV-ratio in de gevarenzone komen.Hypotheekrisico's zijn niet alleen relevant voor individuele woningeigenaren en hun financiers,maar kunnen - indien zij op grotere schaal voorkomen - ook invloed hebben op de doorstromingen prijsvorming en dus op het functioneren van (regionale) woningmarkten als geheel. In regio'swaar relatief veel huishoudens kampen met een vermogensrisico, vertraagt de doorstromingop de koopmarkt. Wooncarri?res worden daardoor onderbroken en zelfs arbeidsmarktcarri?reskunnen vertragen doordat eigenaren minder snel over grotere afstand van baan (kunnen)veranderen. Dit komt deels doordat de financiering van een volgend huis voor doorstromers zelfsal bij teruglopende overwaarden lastiger is (Buys, 2010). Bovendien zijn volgens Case en Quigley(2008) verkopers in een neergaande markt niet snel bereid om hun vraagprijs naar beneden bijte stellen vanwege de uit de psychologie bekende weerstand tegen verlies ten opzichte van eeneerder verwachte opbrengst (`loss aversion'). Woningen staan dus langer te koop of worden zelfsvan de markt gehaald tot prijzen weer aantrekken. Deze `downward stickiness' van woningprijzendempt prijsdalingen, maar heeft een negatief effect op de doorstroming2.Daarnaast kunnen langdurige betalingsproblemen leiden tot (gedwongen) verkoop van dewoning. Dit probleem is acuter dan vermogensrisico's. Op het moment dat in een regio alsgevolg van betalingsachterstanden het aanbod van bestaande woningen toeneemt kan dit deprijs drukken. Bovendien ligt de verkoopprijs bij gedwongen verkoop over het algemeen onderde marktwaarde en ook dit kan de prijsontwikkeling negatief be?nvloeden. Deze negatieveprijsvorming in regio's met veel betalingsproblemen draagt bij aan vermogensrisico's en daarmeeook aan stagnatie van de doorstroming.In de afgelopen twee jaar zijn er, mede in het licht van de crisis, diverse studies gedaan naarde omvang en achtergronden van hypotheekrisico's (Elsinga et al. 2008; Brosens 2009; DNB& AFM 2009; Ras et al. 2010; van Middelkoop 2010). Het algemene beeld dat uit deze studiesopdoemt is dat hypotheekrisico's van alle tijden zijn, maar dat door de huidige crisis het aantalhuishoudens dat mogelijk in de problemen komt stijgt. De studies wijzen ook op een aantalrisicogroepen. Vooral koopstarters, niet-westerse allochtonen, huishoudens met lagere inkomensTIJDSCHRIFT VOOR DE VOLKSHUISVESTING NUMMER 1 JANUARI 2011ANALYSE18TIJDSCHRIFT VOOR DE VOLKSHUISVESTING NUMMER 1 JANUARI 2011ANALYSEen/of in stedelijke omgevingen, jongeren en mensen met een NHG-hypotheek3lopen vaker het risico om niet meer te kunnen voldoenaan de hypotheekbetalingen en/of achter te blijven met een schuld.Van Middelkoop (2010) voegt daar de constatering aan toe dat devermogens- en betalingsrisico's in sommige regio's gemiddeld groterzijn dan in andere.REGIONALE SPREIDINGFiguur 1 geeft voor 2009 per COROP-woningmarktregio een beeld vanhet aandeel huishoudens met een vermogensrisico. Dit wil zeggendat de eigenaren bij verkoop te maken zouden kunnen krijgen meteen restschuld die groter is dan het vermogen buiten de eigen woning(zie tekstkader voor verantwoording). Het aandeel huishoudens meteen negatief vermogen bij verkoop van een woning is het hoogstin de Zaanstreek en de agglomeratie 's-Gravenhage (26 procent),gevolgd door Flevoland (25 procent), Groot-Rijnmond (24 procent)en Zuidwest-Overijssel (21 procent). Landelijk lag dit aandeel op 17procent. Aan de onderkant van de ranglijst vinden we Alkmaar enomgeving, Noordoost-Noord-Brabant, de Gooi- en Vechtstreek, deAchterhoek en Zuidwest-Gelderland, waar ongeveer ??n op de tienhuishoudens in koopwoningen anno 2009 aankijkt tegen een negatiefvermogen.Figuur 1Figuur 2 geeft voor elke woningmarktregio het aandeel huishoudensmet een betalingsrisico. Dit wil zeggen dat de LTI n? correctie voor hetvermogen buiten de eigen woning, hoger is dan de norm volgens deGedragscode Hypothecaire Financieringen (GHF). De GHF is een voorgeldverstrekkers verplichte code bij het vaststellen van de maximalehypotheeksom en geeft aan welke LTI-waarden als kritiek beschouwdworden: hoe lager het inkomen en/of hoe hoger de rentestand, des telager de maximaal aanvaardbare LTI (zie: Nederlandse Vereniging vanBanken 2010: 3etabel). De grootste betalingsrisico's zijn te vinden inDelfzijl en omgeving (16 procent), Zuidwest-Drenthe (14 procent) enOost-Groningen (13 procent); de laagste in Alkmaar en omgeving enZeeuwsch-Vlaanderen (6 procent).Figuur 2Het is niet eenvoudig om een lijn te ontdekken in de spreidingvan de twee hypotheekrisico's. De regio's met de hoogste aandelenhuishoudens met vermogensrisico's lijken op het eerste gezichtvooral stedelijke gebieden te zijn, terwijl de top-3 van regio's metbetalingsrisico's rurale gebieden zijn. Maar om conclusies te kunnentrekken over mogelijke regionale risicofactoren zijn dit soort figurenniet voldoende en moet je dieper in de cijfers en achtergronden duiken.REGIOKENMERKENHet mag niet verbazen dat hypotheekrisico's niet gelijk over het landverdeeld zijn. Woningmarkten zijn immers bij uitstek regionaalge?rienteerd en verschillen van elkaar in zowel woningvoorraad alsbevolkingssamenstelling en economische ontwikkelingen. Regionaleverschillen in hypotheekrisico's kunnen het gevolg zijn van verschillenin bevolkingssamenstelling ? in de ene regio wonen om wat voorreden dan ook meer huishoudens die tot de genoemde risicogroepenbehoren. Maar wellicht is er meer aan de hand en kunnen ook anderekenmerken van regio's invloed hebben op de hypotheekrisico's vande huishoudens die er wonen. Brengt bijvoorbeeld het bezit vaneen woning in een economisch zwakke regio, waarin huishoudensgemiddeld meer moeite hebben met het vinden of behouden van eenbaan, extra risico's met zich mee? Behalve de voordehandliggendebetalingsrisico's, laten Glaeser en Gyourko (2005) zien dat negatieveschokken in de vraag naar woningen door bijvoorbeeld het wegtrekkenvan werkzoekenden een sterk neerwaards effect op woningprijzenhebben. De belangrijkste oorzaak hiervan is dat de voorraad nietsnel naar beneden wordt bijgesteld. Vertaald naar hypotheekrisico's,brengt dit tevens extra vermogensrisico's met zich mee, ??k voorhuishoudens die niet getroffen worden door werkloosheid. Of is desamenstelling van de woningvoorraad naar type of prijsniveau vanbelang? Het model van Glaeser en Gyourko (2005) laat bijvoorbeeldzien dat in krimpregio's de combinatie van een goedkopewoningvoorraad en een zwakke arbeidsmarkt individuen aantrekt metweinig economisch en sociaal kapitaal. Wederom zou dit door kunnenwerken in een instabiele woningmarkt met meer hypotheekrisico'svoor alle inwoners. En hebben de prijsontwikkeling of de uitbreidingvan de voorraad in een gebied invloed op hypotheekrisico's? Een snelleuitbreiding van de woningvoorraad kan de prijsontwikkeling dempen,waardoor de vermogensrisico's van zowel nieuwe als `oude' inwonersAandeel huishoudens met een negatief vermogen in 200911% of minder11 - 14%14 - 17%17 - 20%Meer dan 20%Aandeel huishoudens met een negatief vermogen in 200911% of minder11 - 14%14 - 17%17 - 20%Meer dan 20%19TIJDSCHRIFT VOOR DE VOLKSHUISVESTING NUMMER 1 JANUARI 2011ANALYSEvan een woningmarktregio minder snel afnemen. In groeiregio'smet veel nieuwbouw duurt het bijvoorbeeld langer voordat de veelalmeegefinancierde kosten koper van recent verhuisden gecompenseerdzijn door prijsstijgingen. In krimpregio's kan uitbreiding van dewoningvoorraad zelfs leiden tot extra prijsdalingen waardoor, behalverecente kopers, ook zittende woningeigenaren een vermogensrisicokunnen ontwikkelen.Om de samenhang van huishoudens- en regiokenmerken methypotheekrisico's te ontrafelen zijn multi-levelregressiemodellenbehulpzaam. Deze modellen houden rekening met het feit datde verklarende variabelen voor hypotheekrisico's zich op tweeschaalniveaus bevinden, namelijk dat van huishoudens en datvan de regio's waarin die huishoudens wonen. Bovendien houdtmultilevelanalyse er rekening mee dat deze schaalniveaus nietonafhankelijk zijn. Als bijvoorbeeld lagere inkomensgroepen vaker eenvolgens NHG-normen `maximale' verhouding tussen de hypotheeksomen het inkomen hebben (of daar zelfs over heen gaan doordat het lageinkomen is ontstaan na inkomensverlies), ligt het voor de hand dat jein regio's met gemiddeld lagere inkomens ook hogere betalingsrisico'saantreft. Multilevelanalyse controleert voor deze zogeheten compositie-of samenstellingseffecten, en maakt het mogelijk om uitspraken te doenover de verhouding tussen de bijdrage van huishoudenskenmerkenen die van regio's aan de verklaring van hypotheekrisico's. Overigensmaakt het voor het effect van de hypotheekrisico's op de regionalewoningmarkt niet uit of zij ontstaan door samenstellingseffecten vande bevolking of door andere factoren.Om zicht te krijgen op de verhouding tussen huishoudenskenmerkenen die van regio's in de verklaring van hypotheekrisico's is hetnodig om voor zowel betalings- als vermogensrisico's een reeksvan modellen te schatten. Daarin worden, naast de uit de literatuurbekende huishoudkenmerken, ook kenmerken van de woning (type,bouwjaar) getoetst op hun samenhang met hypotheekrisico's.Daarbovenop toetsen de modelreeksen de mogelijke samenhangtussen de kenmerken van woningmarktgebieden en hypotheekrisico's.De eerste reeks multilevelmodellen geeft aan welke huishoudens- enregiokenmerken samengaan met hoge LTV-waarden (gecorrigeerdvoor vermogen). Dit geeft dus een beeld van de risicofactoren vanhuishoudens voor een negatief vermogen (zie 2etot en met 4ekolomin tabel 1). De tweede reeks modellen ontleedt de bijdragen van deverschillende kenmerken aan hoge LTI-waarden en dus aan samenhangmet betalingsrisico's van huishoudens (zie de laatste kolommenin tabel 1). Om het overzichtelijk te houden zijn alleen de meestuitgebreide modellen uit beide reeksen weergegeven in tabel 1.De (hier niet gepresenteerde) eenvoudigere modellen uitbeide reeksen laten zien dat 2,1 procent van alle variantie inde LTV (vermogensrisico's) en 0,8 procent in die van de LTI(betalingsrisico's) toe te schrijven zijn aan verschillen tussenwoningmarktregio's. Dat lijkt wellicht niet veel, maar de parametersin de modellen geven aan dat voor een goede verklaring van dehypotheekrisico's van huishoudens het onderscheid tussen deschaalniveaus van huishoudens en regio's noodzakelijk is4. Eendeel van deze variantie tussen de regio's kan worden toegeschrevenaan samenstellingseffecten. Dat wil zeggen dat huishoudensmet kenmerken die meer kans geven op hypotheekrisico's inbepaalde regio's over- en in andere ondervertegenwoordigd zijn.Als de verschillen tussen regio's gecorrigeerd worden voor dezesamenstellingseffecten kan er voor de vermogensrisico's nog 1,2procent van de variantie toegeschreven worden aan regiokenmerken.Voor betalingsrisico's is dat 0,3 procent. Ook dat lijkt niet veel, maarwederom laten beide reeksen zien dat regiokenmerken iets toevoegenaan ons begrip van hypotheekrisico's van huishoudens [#5].HUISHOUDENSKENMERKENUit het voorgaande blijkt dat huishoudenskenmerken hetovergrote deel de hoogte van de hypotheekrisico's van individuelehuishoudens bepalen. De modellen (zie tabel 1) bevestigen de uit deliteratuur bekende hogere betalings- en vermogensrisico's bij recentverhuisde huishoudens (cq. korte woonduur en/of lange resterendehypotheeklooptijd), jongeren, niet-westerse allochtonen en inwonersvan stedelijke gebieden. Voor inkomensniveau bevestigen demodellen de door Brosens (2009) beschreven grotere betalingsrisico'sbij lagere inkomensgroepen en de grotere vermogensrisico's bijhogere inkomens. Bovenop deze reeds bekende risicofactoren toonthet model voor LTV nog meer factoren die samengaan met hogerevermogensrisico's: een vermogen tot de vrijstellingsgrens voor box3, een lagere woningwaarde, eenpersoonshuishoudens en paren,westerse allochtonen, een grote eengezinswoning of een woninggebouwd voor 1981 of juist na 2000. Het model voor de LTI leert onsbovendien dat een vermogen tot de vrijstellingsgrens, een hogerewoningwaarde, eenpersoons- en eenouderhuishoudens en paren,westerse allochtonen, een grote eengezinswoning en woningen vanvoor 1981 of juist na 2001 samengaan met hogere betalingsrisico's.Samen verklaren deze huishoudkenmerken 50 tot 60 procentvan de variantie van de LTV en LTI van huishoudens binnenwoningmarktgebieden.HYPOTHEEKRISICO'S ZIJN NIET ALLEEN RELEVANT VOOR INDIVIDUELE WONING-EIGENAREN EN HUN FINANCIERS, MAAR KUNNEN - INDIEN ZIJ OP GROTERESCHAAL VOORKOMEN - OOK INVLOED HEBBEN OP DE DOORSTROMING ENPRIJSVORMING EN DUS OP HET FUNCTIONEREN VAN (REGIONALE) WONING-MARKTEN ALS GEHEEL20TIJDSCHRIFT VOOR DE VOLKSHUISVESTING NUMMER 1 JANUARI 2011ANALYSEREGIONALE FACTORENTot slot is het natuurlijk interessant om te weten welkeregiokenmerken naast de huishoudkenmerken samenhangen methogere hypotheekrisico's. Op basis van theoretische overwegingen(zie hiervoor) is een aantal regiokenmerken bekeken. Het gaatom de samenstelling van de woningvoorraad (woningtypen,prijsniveau), de ontwikkeling daarvan (omvang, prijsniveau) enenkele economische regiokenmerken (werkloosheid, relatief aantalbanen, inkomensontwikkeling). Uit de modellen blijkt dat een sterkgroeiende woningvoorraad, een laag aandeel eengezinswoningen,een hoog aandeel werklozen en een lager aantal banen per lid vande beroepsbevolking in een woningmarktgebied de kans op zowelnegatieve vermogens als betalingsachterstanden vergroten (zie tabel1). Daarnaast blijken hoge woningprijzen en/of een achterblijvendeprijsontwikkeling ten opzichte van andere regio's samen te gaan metgrotere betalingsrisico's bij woningeigenaren. Samen verklaren dezefactoren meer dan 90 procent van de variantie in hypotheekrisico's vanhuishoudens tussen de woningmarktregio's.CONCLUSIEDat het kopen van een huis risico's met zich meebrengt is sindsde crisis actueler dan ooit. Kenmerken van huishoudens zijn debelangrijkste voorspeller voor de hoogte van hypotheekrisico's.Deze bijdrage laat zien dat daarnaast de regionale woningmarkten de hypotheekrisico's van de woningeigenaren daarin elkaarwederzijds be?nvloeden. Aan de ene kant bestaan er relaties tussen dehypotheekrisico's van huishoudens en dus de bevolkingssamenstellingvan een regio en de regionale woningmarkt. Dit loopt vooral viaprijsvorming en doorstroming. Aan de andere kant blijken sommigeregiokenmerken samen te gaan met grotere hypotheekrisico's bijwoningeigenaren in die regio. Een zwakke regionale economie metminder banen per lid van de beroepsbevoking en hogere werkloosheidgaat samen met hogere vermogens- en betalingsrisico's, zoalshet model van Glaeser en Gyourko (2005) reeds suggereerde voorkrimpregio's. Dit is vermoedelijk de achtergrond van het hoge aandeelhuishoudens met betalingsrisico's in de krimpgebieden van deprovincie Groningen.Daarnaast blijken de samenstelling en ontwikkeling van dewoningvoorraad relevant. Een snelle groei van de woningvoorraaden hoge aandelen meergezinswoningen gaan samen met hogerebetalings- en vermogensrisico's. Dit lijkt vooral in Flevoland relevant.Ook gaan gemiddeld duurdere woningen (zoals bijvoorbeeld in enom Amsterdam) of een achterblijvende prijsontwikkeling in hetrecente verleden (Flevoland, Zuidwest-Drenthe) samen met hogerebetalingsrisico's in een bepaalde woningmarktregio. Deze complexerelaties tussen huishoudens, de regionale woningmarkt en de andereregiokenmerken zijn van belang bij het inschatten van de gevolgenvan bijvoorbeeld de veranderingen in de bevolkingssamenstelling,demografische krimp en groei, de crisis en beleidsmaatregelenvoor regionale woningmarkten. Want hoewel de causale interactiesen de precieze aandelen `risicohuishoudens' waarbij regionaleeffecten optreden nog zeker nadere studie behoeven, laat deze eersteverkenning zien dat naast huishoudens- ook de regiokenmerken vanbelang zijn voor de verklaring van betalings- en vermogensrisico's vanwoningbezitters.Met dank aan Sanne Boschman, Frank van Dam en Martijn Eskinasi voor hunkritische bijdragen aan de voorbereidingen, analyses en teksten.LiteratuurBrosens, T., 2009, Hypotheekrisico's voor huizenbezitters, ESB no. 4570, 614-617.Buys, A., 2010, Logische afkoeling op de koopwoningmarkt, Tijdschrift voor deVolkshuisvesting, jaargang 16, no. 6, 18-22.Case, K.E. & J.M. Quigley, 2008, How Housing Booms Unwind: Income Effects,WealthEffects, and Feedbacks through Financial Markets, International Journal of HousingPolicy, vol. 8, 2, 161-180.DNB & AFM, 2009, Risico's op de hypotheekmarkt voor huishoudens en hypotheek-verstrekkers, De Nederlandse Bank & Autoriteit Financi?le Markten, Amsterdam.Elsinga, M., H. van der Heijden & P. Neuteboom, 2008, Financieel economische risi-co's van het wonen, Onderzoeksinstituut OTB, Delft.Glaeser, E.L. & J. Gyourko, 2005, Urban Decline and Durable Housing, Journal ofPolitical Economy, vol. 113, 2, 345-375.Middelkoop, M. van, 2010, Hypotheekrisico's in regionaal perspectief, ESB no. 4592,537-539.Ministerie van VROM & CBS, 2010, Het wonen overwogen. De resultaten van hetWoonOnderzoek Nederland 2009, Ministerie van Volkshuisvesting, RuimtelijkeOrdening en Milieu en Centraal Bureau voor de Statistiek, Den Haag.Nederlandse Vereniging van Banken, 2010, Tabellen Gedragscode HypothecaireFinancieringen, http://www.nvb.nl/scrivo/asset.php?id=116064, augustus 2010.Ras, M., I. Ooms & E. Eggink, 2010, Kopers in de knel? Een scenariostudie naar degevolgen van de crisis voor huiseigenaren met een hypohteek, Sociaal en CultureelPlanbureau, Den Haag.Noten1 Een alternatief voor de LTI is de koop- of woonquote die aangeeft welk deel vanhet besteedbaar inkomen aan de netto hypotheeklasten (en andere woonlastenzoals energie en lokale belastingen) wordt besteed. Zie bijvoorbeeld Ras et al.(2010) en Elsinga et al. (2008).2 Deze bijdrage gaat vooral in op de factoren die bijdragen aan vermogensrisico'somdat huishoudens pas daadwerkelijk in de financi?le problemen raken indien derestschuld niet opgevangen kan worden door vermogen buiten de eigen woning.Voor de genoemde effecten, daaren tegen, kan ook een restschuld of zelfs eenlagere overwaarde al voldoende zijn.3 Ras et al. (2010) sluiten huishoudens met NHG-hypotheken uit van de risicogroe-pen omdat hun schuld wordt afgelost indien zij kunnen aantonen dat zij al hetredelijke hebben gedaan om niet in de problemen te komen. Brosens (2009) vondechter een sterk positieve correlatie tussen het hebben van een NHG-hypohteeken een ongunstige verhouding tussen de hypotheeksom en de onderliggendewaarde van de woning. De verhouding tussen de hypotheeksom en het inkomenis bij NHG-hypotheken overigens wel beter dan bij hypotheken die niet onderdeze garantie vallen. Hierdoor is bij NHG-hypotheken de kans dat een `restschuldop papier' door gedwongen verkoop wordt omgezet in een daadwerkelijke schuldkleiner.4 Dat wil zeggen dat uit de Wald-test op de s2u0 in een zogeheten `2-level interceptonly'-model blijkt dat je een model moet gebruiken dat onderscheid maakt in devariantie van de LTV/LTI tussen COROPs en de variantie tussen huishoudens bin-nen die COROPs.5 In technische termen: ook in een model waarin diverse kenmerken van huishou-dens (zie tabel 1 voor een overzicht) de hoogte van de LTV verklaren, blijft eronverklaarde variantie tussen COROPs bestaan. Toevoeging van COROP-kenmerken (zie wederom tabel 1) verbetert het model ten opzichte van een modelmet alleen huishoudenskenmerken (de -2*loglikelihood neemt significant af).DATA EN VERANTWOORDINGWoonOnderzoek Nederland is een 3-jaar-lijkse survey naar woonwensen en -omstan-digheden in Nederland (Ministerie vanVROM & CBS 2010). Voor 2009 zijn er 78 dui-zend respondenten beschikbaar die samenruim 7,3 miljoen huishoudens vertegen-woordigen; 59 procent van deze huishou-dens woonde in een koopwoningen. Eenklein deel van de respondenten kon doorontbrekende of onbetrouwbare gegevensniet meegenomen worden (filtering van uit-bijters vond plaats door de LTV af te toppenop 250 procent en de LTI op groter dan 10en kleiner dan 0), waardoor de analyses ophet WoON 2009 uitspraken doen over 4 mil-joen huishoudens in een koopwoning.Als indicator voor de waarde van de woningis de WOZ-waarde per 1 januari 2009gebruikt zoals die in WoON 2009 is opgeno-men. Deze indicator geeft de waarde van dewoning weer op waardepeildatum 1 januari2008. De WOZ-waarden zijn gecorrigeerdvoor de prijsontwikkeling tussen 2008 en2009. Hiervoor is gebruik gemaakt van dePrijsindex bestaande koopwoningen perwoningtype (een- of meergezins) per pro-vincie (bron: statline.cbs.nl). Als indicatorvoor het prijsniveau van regio's en de ont-wikkeling daarvanis de WOX- woningprijsindex van ABFValuation gebruikt. In de WOX-methodiekwordt onder andere rekening gehouden metonder- of oververtegenwoordiging van deverkochte woningen ten opzichte van debestaande woningvoorraad in het gebied.De LTV- en LTI-ratio's gecorrigeerd voorvermogen geven een `worst case' beeld vande hypotheekrisico's omdat het WoON 2009alleen het box 3-vermogen van een huis-houden bevat. Bovendien is dit vermogenalleen bekend indien dit boven de vrijstel-ling uitkomt (ca. 20.000 euro per volwasseneen 2.500 euro per inwonend kind; voorouderen komt daar, afhankelijk van het inko-men, nog een vrijstelling tot maximaal ca.25.000 euro bovenop).Tot slot geven de geschetste cijfers eenoverschatting van hypotheekrisico's omdater niets bekend is over het box 2-vermogenen eventueel opgebouwd vermogen datgekoppeld is aan de eigenwoningschuld,bijvoorbeeld in een KapitaalverzekeringEigen Woning (KEW). Deze verzekering isonder voorwaarden vrijgesteld van belas-ting en dus niet in de belastinggegevensterug te vinden waarop WoON zich baseert.21TIJDSCHRIFT VOOR DE VOLKSHUISVESTING NUMMER 1 JANUARI 2011ANALYSETabel 1 Multilevel modellen voor de LTV (indicator voor risico op negatief vermogen) en LTI (indicator voorbetalingsrisico's), beiden na correctie voor vermogenB (LTV) SE B (LTI) SEConstante 0,939 0,210 ** 2,961 0,735 **Kenmerken huishoudenWoonduur -0,008 0,000 ** -0,041 0,001 **Resterende looptijd hypotheek 0,008 0,000 ** 0,039 0,001 **Leeftijd hoofd huishouden -0,008 0,000 ** -0,026 0,001 **Bruto huishoudinkomen (x 10.000) 0,003 0,000 ** -0,093 0,002 **Vermogen tot vrijstellingsgrens 0,308 0,003 ** 1,432 0,017 **Woningwaarde 2009 (x 100.000) -0,030 0,001 ** 0,133 0,006 **Huishoudtype (ref: paar met kinderen)- Eenpersoons 0,017 0,005 ** 0,529 0,025 **- Paar 0,026 0,004 ** 0,132 0,019 **- Eenouder -0,024 0,008 ** 0,415 0,042 **- Overig (niet-gezin) -0,077 0,014 ** -0,370 0,072 **Etniciteit ondervraagde persoon (ref: autochtoon)- Niet-westers allochtoon 0,064 0,007 ** 0,081 0,036 *- Westers allochtoon 0,023 0,005 ** 0,080 0,027 **Woningtype (ref: egw, 5 kamers)- egw, 1-3 kamers -0,009 0,007 -0,073 0,035 *- egw, 4 kamers -0,002 0,004 -0,025 0,019- mgw, 1-3 kamers -0,016 0,006 ** -0,362 0,030 **- mgw, minimaal 4 kamers -0,015 0,006 * -0,335 0,032 **Bouwjaar woning (ref: voor 1945)- 1946 tot en met 1959, 0,009 0,006 -0,014 0,031- 1960 tot en met 1970, 0,008 0,005 0,012 0,025- 1971 tot en met 1980, -0,009 0,005 -0,014 0,025- 1981 tot en met 1990, -0,038 0,005 ** -0,163 0,026 **- 1991 tot en met 2000 -0,069 0,005 ** -0,147 0,025 **- 2001 of later -0,011 0,006 0,256 0,029 **Stedelijkheid gemeente (ref: zeer sterk stedelijk)- Sterk stedelijk 0,017 0,005 ** 0,070 0,026 **- Matig stedelijk 0,000 0,005 0,071 0,026 **- Weinig stedelijk -0,034 0,006 ** -0,007 0,030- Niet stedelijk -0,057 0,008 ** -0,067 0,036Regiokenmerken (COROP)Groei voorraad `00-'09 0,293 0,105 ** 0,853 0,327 **Aandeel eengezinswoningen `08 -0,063 0,024 ** -0,181 0,075 *Ontwikkeling woningprijs (WOX) `93-`07 -0,030 0,020 0,048 0,069Ontwikkeling woningprijs (WOX) `00-`07 0,011 0,042 -0,349 0,135 **Woningprijsniveau (WOX) `07 0,006 0,013 0,152 0,043 **Aandeel werklozen `08 1,323 0,359 ** 3,168 1,206 **Ontwikkeling huishoudinkomen `00-'06 -0,021 0,198 -0,118 0,682Aantal banen per 20-64-jarige `06 -0,158 0,040 ** -0,266 0,117 *Verklaarde variantieR12: Huishoudens in regio's 58,8% 49,4%R22: Regio-niveau 93,0% 94,1%