Staat van de woningmarkt - Onderzoek naar eigendomsverhoudingen van verkochte woningen

Staat van de woningmarkt Onderzoek naar eigendomsverhouding van verkochte woningen

Rapport voor opkoopbescherming 15 maart 2022 Michelle Melens Rapportage, Statistiek & Onderzoek Gemeente Leeuwarden

Inhoudsopgave Inleiding ................................................................................................ 3 Gebruikte data ........................................................................................ 4 Dataset met transacties ......................................................................... 4 Kanttekeningen bij transactiedata ......................................................... 5 Dataset met verblijfsobjecten ................................................................. 6 Analyses ................................................................................................ 8 Woningen in het algemeen ..................................................................... 8 Verkochte woningen .............................................................................. 8 Bouwjaren verkochte appartementen 2021 ............................................... 8 Nieuwbouwprojecten ............................................................................. 9 Verkochte huizen naar eigendomssituatie ................................................. 9 Verkochte huizen 2021 ........................................................................ 10 WOZ-waarde van huurwoningen ............................................................ 10 WOZ-waarde naar eigendomssituatie .....................................................

10 Locatie van verkochte woningen ............................................................ 11 Oppervlakte naar eigendomssituatie ...................................................... 12 Conclusies ............................................................................................ 13 Wijk ............................................................................................... 13 Woningtype ..................................................................................... 13 WOZ-waarde ................................................................................... 13 Oppervlakte .................................................................................... 13 Aanbeveling .......................................................................................... 14

Inleiding De afgelopen jaren lijkt het een trend te zijn om een huis te kopen om die vervolgens te verhuren. Het opkopen van woningen zorgt ervoor dat andere mensen meer moeite hebben met het kopen van een eigen woning. De verwachting is dat het opkopen van woningen vooral gebeurt bij woningen die een lagere waarde hebben. Dit zijn ook precies de woningen die vaak gekocht worden door mensen die voor het eerst een huis kopen. Door het opkopen van woningen voor verhuur maken de starters op de woningmarkt dus minder kans. Om het opkopen van woningen tegen te gaan, kan een gemeente een opkoopbescherming invoeren. Een gemeente kan in deze opkoopbescherming aangeven dat goedkope en middeldure woningen na de aankoop niet verhuurt mogen worden. Ook kan bepaald worden in welke gebieden deze opkoopbescherming wel of niet geldt. Om te kunnen bepalen in welke gebieden en voor welk type woningen deze opkoopbescherming zou moeten gelden, is dit onderzoek uitgevoerd.

3

Gebruikte data Voor dit onderzoek is gebruik gemaakt van een drietal datasets. De eerste dataset is afkomstig van de afdeling Belastingen. Zij registreren bij de verkoop van een woning wat de verkoopprijs was en wie op dat moment de eigenaar en gebruiker van de woning is. De tweede dataset is afkomstig uit het GEOmagazijn. Hierin komt een kaartlaag voor waarin alle verblijfsobjecten van de gemeente geregistreerd staan. De bron hiervan is de BAG (Basisregistratie Adressen en Gebouwen). Bij deze verblijfsobjecten is vastgelegd wat het gebruiksdoel van het object is. In deze dataset is het eenvoudig om alle objecten met een woonfunctie te selecteren. De laatste dataset is ook afkomstig uit het GEO-magazijn. In deze dataset is bij alle verblijfsobjecten aangegeven wat het bouwjaar en woningtype van het object is. Hieronder is beschreven welke bewerkingen op de datasets uitgevoerd zijn, om tot de uiteindelijke data te komen. Dataset met transacties In de data komen in totaal 27 kolommen voor. Sommige kolommen zijn voor dit onderzoek niet gebruikt. In de data komen meerdere regels per object voor. Een woning kan namelijk bestaan uit meerdere deelobjecten. Denk hierbij aan een uitbouw of een schuur. Voor al deze deelobjecten is geregistreerd wie hier de eigenaar en gebruiker van is.

Aangezien het gaat om data over de huidige eigenaar/gebruiker, geven regels met een eerdere transactiedatum geen andere BSN’s. Deze data kan dus alleen wat zeggen over de huidige situatie. Hieronder een voorbeeld hoe de data van een adres eruit kan zien. Omschrijving Aanbouw woonruimte platdak Tuinhuis/blokhut Grond bij eengezinswoning Woning Aanbouw woonruimte platdak Tuinhuis/blokhut Grond bij eengezinswoning Woning Aanbouw woonruimte platdak …

Adres XXX XXX XXX XXX XXX XXX XXX XXX XXX …

Eigenaar/ gebruiker E E E E G G G G E …

BSN XXX XXX XXX XXX XXX XXX XXX XXX XXX …

Aard marktinfo T T T T T T T T T …

Datum transactie 20100601 20100601 20100601 20100601 20100601 20100601 20100601 20100601 20080815 …

Over de data zijn verschillende bewerkingsstappen uitgevoerd: 1. Alle regels waarbij er geen transactiedatum is ingevuld, zijn verwijderd. Zonder transactiedatum kan de verkoop niet gekoppeld worden aan een jaar. 2. Om het onderzoek af te bakenen, is alleen gekeken naar mutaties vanaf 2018. Data die voor 1 januari 2018 lagen zijn niet meegenomen. 3. Omdat verschillende deelobjecten op hetzelfde adres apart genoemd zijn, is gefilterd op de kolom Omschrijving. Alleen regels die in deze kolom woning hadden staan zijn bewaard. 4. Vanuit de dataverstrekker is de opmerking meegegeven alleen regels te gebruiken die in de kolom Aard markinformatie een T hebben. Alle overige regels zijn dus verwijderd. 4

5. Sommige regels hadden geen indicatie van eigenaar of gebruiker. Als niet bekend is of een bepaald persoon de eigenaar of juist de gebruiker van een pand is, kan hier geen extra informatie uit afgeleid worden. Deze regels zijn verwijderd. 6. Sommige objecten kwamen dubbel voor in de data. De rijen waren dan volledig identiek. Deze dubbelingen zijn verwijderd. 7. Voor sommige objecten waren ondanks bovenstaande bewerkingen nog steeds meerdere eigenaar- en/of gebruiker-regels met dezelfde transactiedatum vastgelegd. In de onderzochte gevallen ging het dan altijd om identieke regels waarbij één regel wel een bekend BSN had en de andere regel niet. In het geval van deze dubbelingen, zijn regels met een bekend BSN behouden. 8. Voor iedere verkoop, bestaan er nu twee regels in de dataset: één met de indicatie eigenaar en één met de indicatie gebruiker. Deze regels zijn gecombineerd met het BSN van de gebruiker en eigenaar naast elkaar. 9. Ondanks dat een woning sinds 2018 meerdere keren verkocht kan zijn, worden alleen de BSN van de huidige gebruiker en eigenaar getoond. Daarom is alleen de meest recente transactiedatum van toegevoegde waarde. Eventuele voorliggende data zijn verwijderd. 10.Voor iedere overgebleven regel is vervolgens gekeken naar de BSN’s. Wanneer de gebruiker gelijk is aan de eigenaar gaat het zeer waarschijnlijk om een koopwoning voor eigen bewoning.

In sommige gevallen was de gebruiker of eigenaar niet bekend. Met deze regels kan dus weinig gedaan worden. In het geval dat de gebruiker niet gelijk is aan de eigenaar, is de aanname dat het om verhuur gaat. Adres A B C D …

Transactiedatum 2020-05-01 2021-06-01 2018-11-30 2019-03-15 …

WOZ-waarde 214000 366000 169000 396000 …

Gebruiker XXX XXX XXX …

Eigenaar XXX XXX YYY …

Situatie Koophuis Geen gebruiker Geen eigenaar Verhuur …

Kanttekeningen bij transactiedata Bij het gebruiken van de geleverde data moet goed rekening gehouden worden met een aantal zaken. Ondanks dat de dataset informatie over jaren bevat, kan er niks gezegd worden over het verloop van koop naar huurwoningen. Als een woning altijd al een woning voor verhuur is geweest en in 2019 alleen de eigenaar veranderd, komt deze woning wel naar boven als een verkoop voor verhuur. Deze transactie draagt echter niks bij aan het vergroten van het mogelijke probleem. De woning werd immers al gebruikt voor de verhuur. Zoals eerder genoemd is de manier waarop verhuur aangeduid wordt, ook niet altijd sluitend. Denk aan de situatie waarin persoon A het huis koopt en er samen met persoon B gaat wonen. Persoon A is de eigenaar, maar de gebruiker wordt vastgesteld volgens een paar regels. De persoon die het langste woonachtig is op het adres is de gebruiker. Bij gelijke woonduur wordt de oudste persoon aangemerkt als gebruiker. Zodra persoon A en persoon B er dus gelijktijdig gaan wonen en persoon B ouder is dan persoon A, wordt persoon B gezien als de gebruiker. Ondanks dat het in dit voorbeeld dus gaat om een koopwoning, is de gebruiker niet gelijk aan de eigenaar en wordt het in dit onderzoek aangemerkt als verhuur. 5

Daarnaast moet ook rekening gehouden worden met onnauwkeurigheid in de dataset zelf. Tijdens het vooronderzoek in de data is een bijzondere situatie gevonden. Voor een bepaalde woning staat als gebruiker momenteel iemand geregistreerd die woonachtig zou zijn in Duitsland. Als eigenaar van diezelfde woning staat iemand geregistreerd waarbij het BSN onbekend is. Echter is die persoon wel woonachtig op exact hetzelfde adres in Duitsland. De kans dat de gebruiker en eigenaar in dit geval niet dezelfde persoon zijn is erg klein, maar omdat het BSN van de gebruiker niet gelijk is aan het BSN van de eigenaar wordt deze woning in dit onderzoek gezien als een woning die wordt verhuurd. Dit zal in de werkelijkheid dus niet waar zijn. Naast onnauwkeurigheid met de BSN’s, moet er ook rekening mee gehouden worden dat bepaalde informatie ontbreekt. Er zijn veel bewerking op de data gedaan om ervoor te zorgen dat de overgebleven regels een goed beeld van de situatie geven. Echter komt het meer dan eens voor dat er geen goede combinatie gevonden kan worden tussen de gebruiker en eigenaar van een pand. In sommige gevallen ontbreekt de gebruiker van een pand. Dit zou ook zo kunnen zijn, als niemand zich ingeschreven heeft op dat specifieke adres. Deze woningen krijgen het label ‘geen gebruiker’.

Denk hierbij aan een woning die ten onrechte wordt gebruikt als bijvoorbeeld een studentenhuis, waarbij studenten zich niet mogen inschrijven. De woning zou ook gebruikt kunnen worden als tweede woning of vakantiewoning. Het is ook mogelijk dat de eigenaar van een pand ontbreekt. In de dataset kan dan voor dat pand geen eigenaars-regel gevonden worden met een gelijke transactiedatum. Deze woningen krijgen het label ‘geen eigenaar’. Bij verdere analyses en conclusies moet goed rekening gehouden worden met bovenstaande punten. Er kunnen geen conclusies getrokken worden over het verloop door de tijd heen, alleen over wat er in een specifiek jaar gebeurd is. Daarnaast moeten alle aantallen als een schatting geïnterpreteerd worden. Dataset met verblijfsobjecten Als basis voor alle adressen is een dataset van verblijfsobjecten gebruikt. In deze dataset staat goed omschreven wat het doel van het object is. In deze dataset kan dus eenvoudig gefilterd worden op objecten met een woonfunctie. Daarnaast is bij deze objecten ook aangegeven wat het woonoppervlak is. Aangezien deze dataset afkomstig is uit het GEO-magazijn, zijn deze verblijfsobjecten ook verbonden aan een locatie op de kaart. Hierdoor is het eenvoudig de dataset met informatie over de woningtypes en bouwjaren te koppelen op locatie.

Om uiteindelijk tot de definitieve dataset te komen, zijn enkele bewerkingsstappen uitgevoerd: 1. Alle objecten die als doel een woonfunctie hebben worden geselecteerd. De rest van de rijen worden verwijderd. Hiertoe behoren dus bijvoorbeeld ook objecten die een dubbele functie hebben zoals inductiefunctie en woonfunctie. Denk hierbij aan een woning met een melkveebedrijf. 2. Alleen objecten die volledig gebouwd en af zijn worden meegenomen in de analyse. Woningen die nog in aanbouw zijn worden verwijderd uit de data. 3. De transactiedata uit bovenstaande bewerkte dataset wordt gekoppeld aan de verblijfsobjecten via de WOZ-objectnummers. Dit is een uniek nummer voor ieder WOZ-object. 6

Hieronder een voorbeeld hoe de uiteindelijke data eruitziet. De kolom Oppervlakte slaat op het woningoppervlak van de woning. De WOZ-waarde van de woning is de WOZ-waarde zoals deze in 2021 was. Dit staat dus los van de het jaar waarin de woning verkocht is. Jaar is het jaar waarin het huis verkocht is. De kolom Prijs geeft aan wat de verkoopprijs van de woning was. Vervolgens staat in de laatste kolom om welke eigendomssituatie het gaat. Adres A B C D …

Woningtype Appartement Hoekwoning Hoekwoning Rijwoning …

Opp. 81 97 91 99 …

Bouwjaar 1900 2020 1930 1930 …

WOZ

Jaar

Prijs

Situatie

155000 138000 …

2019 2018 …

145500 100000 …

Koophuis Verhuur …

7

Analyses Op de bewerkte dataset zijn verschillende analyses uitgevoerd. Als eerste is gekeken naar algemene zaken. Denk hierbij aan beschrijvende statistieken. Vervolgens is de analyse meer gericht op huizen die gekocht zijn om vervolgens te verhuren. Er is vooral gekeken naar wat voor type huizen dit dan zijn. Woningen in het algemeen Gemeente Leeuwarden heeft momenteel 64.730 verblijfsobjecten met een woonfunctie. Grofweg kunnen deze woningen ingedeeld worden in acht verschillende woningtypes. Appartementen komen het meeste voor in de gemeente. Hieronder vallen flatwoningen, appartementen, bovenwoningen, benedenwoningen en penthouses. Woningtype Vrijstaande woningen 2-onder-1-kap woningen Hoekwoningen Rijwoningen Appartementen Kamerbewoning Ouderenhuisvesting Overig Onbekend TOTAAL

Aantal 7.118 7.920 8.224 16.572 20.814 750 1.194 663 1.475 64.730

Percentage 11,0% 12,2% 12,7% 25,6% 32,2% 1,2% 1,8% 1,0% 2,3% 100%

Verkochte woningen Als gekeken wordt naar de afgelopen vier jaar, worden er gemiddeld 2.210 woningen per jaar verkocht. 2019 zit met 2.028 verkochte woningen iets onder het gemiddelde en 2020 zit er met 2.314 woningen iets boven. Het woningtype dat het meeste verkocht wordt, is de rijwoning. In 2021 was 32% van de verkochte woningen een rijwoning. In 2021 is wel een opvallende stijging te zien in het aantal verkochte appartementen. Woningtype Vrijstaande woningen 2-onder-1-kap woningen Hoekwoningen Rijwoningen Appartementen Kamerbewoning Ouderenhuisvesting Overig TOTAAL

2018 309 316 345 750 480 24 1 10 2.235

2019 351 357 324 660 310 11 1 14 2.028

2020 384 411 340 785 339 36 0 19

2021 249 272 335 729 640 23 7 11

2.314

2.266

Bouwjaren verkochte appartementen 2021 De verkochte appartementen in 2021 groeperen op bouwjaar en aflopend sorteren, kan aangeven of er in 2021 een nieuwbouwproject geweest is met 8

appartementen. Dit zou het verhoogde aantal verkochte woningen kunnen verklaren. In onderstaande tabel staan de tien meest voorkomende bouwjaren van verkochte appartementen in 2021. Aangezien de bouwjaren 2018 tot en met 2021 niet voorkomt in deze tabel, is het verhoogde aantal verkochte appartementen niet te verklaren met een nieuwbouwproject. Bouwjaar 1975 1997 2012 2009 1900 1976 2008 2007 1982 1990

Verkochte appartementen 2021 97 74 38 28 27 26 23 18 16 16

Nieuwbouwprojecten Naast de bouwjaren van verkochte woningen, kan ook gekeken worden naar de bouwjaren van alle woningen. In 2018 en 2019 is de rijwoning het type huis dat het meeste opgeleverd is vanuit nieuwbouwprojecten. In 2020 en 2021 zijn dit de appartementen. Volgens de transactiedata zijn de nieuwbouwappartementen uit 2021 dus nog niet verkocht. Woningtype Vrijstaande woningen 2-onder-1-kap woningen Hoekwoningen Rijwoningen Appartementen Ouderenhuisvesting TOTAAL

Bouwjaar 2018 85 97 75 125 68 5 455

Bouwjaar 2019 85 56 64 164 40 0 409

Bouwjaar 2020 94 78 56 87 130 0 445

Bouwjaar 2021 89 84 54 99 274 7 612

Verkochte huizen naar eigendomssituatie De meeste huizen worden gekocht om er vervolgens zelf in te gaan wonen (45%). Bijna een kwart van de gekochte woningen is in 2021 na de koop bewoond door iemand anders dan de eigenaar van het pand. In de tabel is dit aangeduid als verhuur. Bij ruim 20% van de verkopen is het niet bekend wie de gebruiker is. Eigendomssituatie Geen eigenaar Geen gebruiker Koophuis Verhuur TOTAAL

2018 12,4% 11,6% 49,0% 27,0% 100%

2019 11,8% 10,1% 57,5% 20,6% 100%

2020 9,3% 13,2% 57,0% 20,4% 100%

2021 8,6% 21,7% 45,1% 24,7% 100%

9

Verkochte huizen 2021 Om een beter beeld te krijgen van de huizen die verhuurd worden, is in de onderstaande tabel alleen gekeken naar verkopen in 2021. Het grootste aandeel verkopen zijn voor de rijwoningen aangekocht voor eigen gebruik. Vervolgens komen de appartementen aangekocht voor verhuur. Appartementen worden dus het meest gekocht voor verhuur. Woningtype Vrijstaande woningen 2-onder-1-kap woningen Hoekwoningen Rijwoningen Appartementen Kamerbewoning Ouderenhuisvesting Overig TOTAAL

Geen eigenaar 0,7% 0,9% 1,4% 3,3% 2,1% 0,1% 0,0% 0,0% 8,6%

Geen gebruiker 2,6% 2,6% 3,2% 6,3% 6,8% 0,0% 0,2% 0,0% 21,7%

Koophuis 7,0% 6,9% 8,7% 17,7% 4,4% 0,2% 0,0% 0,1% 45,1%

Verhuur 0,7% 1,5% 1,5% 4,9% 15,0% 0,7% 0,1% 0,4% 24,7%

TOTAAL 11,0% 12,0% 14,8% 32,2% 28,2% 1,0% 0,3% 0,5% 100%

WOZ-waarde van huurwoningen In de afgelopen vier jaar zijn er 2.052 woningen verkocht die vervolgens bewoond werden door iemand anders dan de eigenaar van het pand. Van al deze verkochte woningen kan gekeken worden naar de WOZ-waarde. De laagste WOZ-waarde is gelijk aan € 24.000, de hoogste € 1.415.000. Het gemiddelde is gelijk aan € 162.597. Dit gemiddelde wordt sterk beïnvloed door de hoogste WOZ-waarde. Als gekeken wordt naar de middelste WOZ-waarde, de mediaan, ligt deze waarde op € 137.000. Zoals te zien in onderstaande tabel, heeft meer dan de helft van de huurwoningen een WOZ-waarde tussen de € 90.000 en € 160.000. WOZ-waarde huurwoningen € 24.000 € 90.000 € 90.000 - € 110.000 € 110.000 - € 125.000 € 125.000 - € 140.000 € 140.000 - € 160.000 € 160.000 - € 190.000 € 190.000 - € 270.000 € 270.000 en hoger TOTAAL

Aantal 214 302 270 289 271 262 236 208 2.052

Percentage 10,4% 14,7% 13,2% 14,1% 13,2% 13,8% 11,5% 10,1% 100%

WOZ-waarde naar eigendomssituatie Uit voorgaande analyses is duidelijk geworden dat appartementen meer gebruikt worden voor de verhuur dan andere woningtypes. Onderstaande tabel geeft weer dat lagere WOZ-waardes ook aantrekkelijker zijn voor verhuur dan hogere waardes. Als iedere WOZ-waarde even aantrekkelijk zou zijn voor verhuur, dan zouden de percentages in iedere rij ongeveer gelijk aan elkaar moeten zijn. Bij woningen die verhuurd worden en woningen die geen gebruiker hebben valt ongeveer 10% in de klasse met de laagste WOZ-waarde. Bij koopwoningen valt 10

minder dan 1% in deze laagste klasse. De klassen met een WOZ-waarde van € 90.000 tot € 140.000 zijn ook populairder bij de woningen die verhuurd worden. Bij de WOZ-klasse van € 140.000 tot € 160.000 lijkt de eigendomssituatie minder invloed te hebben. De percentages zijn ongeveer gelijk aan elkaar. Vanaf een WOZ-waarde van € 160.000 is de kans groot dat het gaat om een koopwoning. WOZ-waarde € 24.000 € 90.000 € 90.000 - € 110.000 € 110.000 - € 125.000 € 125.000 - € 140.000 € 140.000 - € 160.000 € 160.000 - € 190.000 € 190.000 - € 270.000 € 270.000 en hoger TOTAAL

Geen eigenaar 3,0% 4,2% 5,7% 7,0% 12,3% 16,8% 24,9% 26,0% 100%

Geen gebruiker 9,4% 5,7% 5,8% 8,8% 13,6% 16,2% 18,9% 21,6% 100%

Koophuis 0,6% 1,0% 2,2% 4,8% 11,4% 18,8% 29,1% 32,0% 100%

Verhuur 10,4% 14,7% 13,2% 14,1% 13,2% 12,8% 11,5% 10,1% 100%

TOTAAL 4,4% 5,2% 5,6% 7,8% 12,2% 16,8% 23,1% 24,8% 100%

Locatie van verkochte woningen In onderstaande tabel zijn alle verkochte woningen van de afgelopen vier jaar meegenomen uitgesplitst naar wijk. De meeste verkochte woningen staan in de wijk Oud-Oost. Het grootste deel van de verkochte woningen in Oud-Oost wordt gebruikt voor de verhuur. Oud-Oost heeft ook veel appartementen die aantrekkelijk zijn voor de verhuur. Behalve in de wijk Binnenstad lijken er geen wijken te zijn waarin aanmerkelijk meer huizen gekocht worden voor verhuur dan voor eigen gebruik. Wijk Binnenstad Potmargezone Oud-Oost Sonnenborgh e.o. Westeinde e.o. Vossepark & Helicon Huizum-West Nijlân & De Zwette Heechterp & Schieringen Camminghaburen e.o. Bilgaard & Havankpark e.o. Vrijheidswijk Dokkumer Ie e.o. Stiens e.o. Aldlân & De Hemrik Goutum Hempens/Teerns & Zuiderburen De Zuidlanden Dorpen Zuid-Oost Dorpen Zuid-West Grou e.o. TOTAAL

Geen eigenaar 0,4% 0,7% 1,3% 0,8% 0,4% 0,6% 0,6% 0,3% 0,2% 0,6% 0,2% 0,1% 0,4% 0,7% 0,6% 0,1% 0,5% 0,5% 0,3% 0,2% 0,7% 10,5%

Geen gebruiker 0,8% 1,4% 2,0% 0,9% 0,2% 1,1% 0,7% 0,4% 0,2% 1,0% 0,3% 0,1% 0,3% 1,0% 0,7% 0,3% 0,3% 0,6% 0,4% 0,5% 1,0% 14,2%

Koophuis 1,1% 2,8% 4,5% 3,7% 1,6% 3,2% 3,0% 0,9% 0,5% 4,6% 1,0% 0,7% 1,8% 4,2% 2,8% 1,5% 3,2% 3,0% 2,2% 1,5% 4,3% 52,1%

Verhuur 2,5% 2,3% 5,3% 1,7% 0,2% 0,9% 1,2% 1,4% 0,6% 1,3% 0,8% 0,2% 0,3% 0,5% 1,2% 0,2% 0,6% 0,4% 0,3% 0,2% 0,8% 23,2%

TOTAAL 4,8% 7,3% 13,1% 7,0% 2,3% 5,8% 5,5% 3,0% 1,5% 7,6% 2,4% 1,1% 2,9% 6,5% 5,3% 2,2% 4,6% 4,5% 3,2% 2,4% 6,9% 100%

11

Oppervlakte naar eigendomssituatie Aangezien de WOZ-waarde van een woning door de jaren heen kan wijzigen, is het lastiger daarop beleid te maken. Als de oppervlakte van een woning ook invloed heeft op de kans dat een woning gekocht wordt voor verhuur, zou dit een makkelijker criterium kunnen zijn. Wat goed te zien is, is dat de kleinere woningen vaker voor verhuur gebruikt worden. Een oppervlakte tot 100 meter bij de huurwoningen beslaat ruim 60% van de verkochte woningen, terwijl dit bij de koopwoningen maar om 20% gaat. Oppervlakte 0 50 50 60 60 75 75 90 90 - 100 100 - 115 115 - 145 145 en meer TOTAAL

12

Geen eigenaar 2,7% 4,5% 4,9% 10,5% 6,9% 14,6% 27,8% 28,2% 100%

Geen gebruiker 6,5% 5,4% 7,2% 12,0% 9,6% 12,6% 21,0% 25,7% 100%

Koophuis 0,2% 0,7% 3,1% 8,1% 8,1% 15,2% 30,6% 34,0% 100%

Verhuur 10,6% 13,4% 15,1% 13,2% 10,1% 11,5% 13,3% 12,9% 100%

TOTAAL 3,8% 4,7% 6,7% 10,1% 8,7% 13,9% 24,9% 27,3% 100%

Conclusies Als er een opkoopbescherming ingevoerd zou moeten worden, zou dit gedaan kunnen worden op alle woningen. Ook kan ervoor gekozen worden specifieke woningen te kiezen die nu al veel gebruikt worden voor verhuur om ervoor te zorgen dat het probleem niet groter wordt. Aan de volgende zaken kan gedacht worden om te specificeren. Wijk In de stad Leeuwarden wordt vaker een woning verkocht voor verhuur dan in de dorpen. In de stad zit er bovendien verschil tussen de wijken. Oud-Oost en Binnenstad zijn eerder al genoemd als wijken waarin veel verhuur voorkomt. Maar over het algemeen zullen wijken met veel appartementen, ook meer verhuur hebben. Woningtype Er zou een beperking ingevoerd kunnen worden op appartementen. Appartementen komen het meeste voor in gemeente Leeuwarden. Ook zijn deze woningen de afgelopen vier jaar het meeste gekocht om vervolgens te verhuren. WOZ-waarde In de opkoopbescherming zou iets opgenomen kunnen worden over de WOZwaarde van een woning. Woningen tot € 160.000 worden vaak gebruikt als woningen voor verhuur. Het gaat hierbij wel om de situatie zoals deze is in 2021. Als de WOZ-waarde van woningen in het algemeen stijgen of dalen zal deze grens bijgesteld moeten worden. Oppervlakte Als laatste zou er ook een beperking ingevoerd kunnen worden op de oppervlakte van de woningen.

Woningen tot 100 meter zijn de afgelopen vier jaar aantrekkelijker geweest om te kopen voor verhuur dan woningen met een groter oppervlak. Met de nu onderzochte zaken kan bekeken worden of de opkoopbescherming voor een specifiek type woningen of wijken ingevoerd zou moeten worden.

13

Aanbeveling Naar aanleiding van dit onderzoek, is er een duidelijke aanbeveling te doen met betrekking tot de gebruikte data. In plaats van transactiedata, kan er beter gebruik gemaakt worden van een dataset met een peildatum. Dit levert enkele voordelen op. -

-

14

Ook voor woningen die in de afgelopen vier jaar niet verkocht zijn, wordt bekend wat de eigendomssituatie is. Ook zou bij deze woningen dan de WOZ-waarde bekend moeten zijn. Dit levert een beter beeld van de complete woningmarkt op. Van verkochte woningen kan vastgesteld worden of het ging om een koopof huurwoningen voor verkoop en wat de situatie is na de verkoop. Hierdoor kan vastgesteld worden of het aantal huurwoningen toeneemt. Ook kan bekeken worden er huurwoningen weer terug de markt op gaan en gekocht worden voor eigen gebruik.