Complexe modellen maken verticale ongelijkheid in WOZ-waardering zichtbaar
Een nieuwe methode om verticale ongelijkheid in WOZ-waardering ruimtelijk in kaart te brengen, biedt beleidsmakers en taxatie-experts beter inzicht in waar problemen met ongelijkheid in belastingdruk zich voordoen. Door traditionele regressiemodellen uit te breiden met geografische componenten, laten de auteurs zien dat ruimtelijke patronen van ongelijkheid consistent én beleidsrelevant kunnen zijn.
In hun artikel A Spatial Extension to Traditional Regression Based Vertical Inequity Measures introduceren Hermans, Davis en McCord een geografisch gewogen regressieanalyse (GWR) als aanvulling op bestaande maatstaven voor verticale ongelijkheid. Deze uitbreiding speelt in op een bekende uitdaging in vastgoedwaardering: het modifiable areal unit problem (MAUP), waarbij uitkomsten sterk afhangen van de indeling in buurten of wijken. De auteurs passen de methode toe op een geautomatiseerd waarderingsmodel (AVM) voor de stad Haarlem en onderzoeken hoe vijf klassieke maatstaven voor verticale ongelijkheid zich gedragen als ze ruimtelijk worden uitgesplitst.
De resultaten zijn veelzeggend. Waar traditionele modellen doorgaans een gemiddeld beeld geven van progressiviteit of regressiviteit, onthullen de ruimtelijke modellen duidelijke patronen binnen de stad. Bepaalde delen van Haarlem – met name in het noorden en zuiden – blijken significant minder problematisch, terwijl andere gebieden juist forse ongelijkheid laten zien. De auteurs tonen ook aan dat ruimtelijke modellen gevoeliger zijn voor niet-lineariteiten en daardoor meer nuance bieden dan hun niet-ruimtelijke tegenhangers.
Oude discussie, nieuwe inzichten
Opmerkelijk is dat de keuze voor verkoopprijs of WOZ-waarde als maatstaf voor marktwaarde nog altijd een grote invloed heeft op de uitkomsten van verticale ongelijkheidsmetingen. Modellen die uitgaan van verkoopprijzen suggereren vaker regressiviteit, terwijl modellen met WOZ-waarden eerder progressiviteit laten zien. De ruimtelijke uitbreiding verandert hier niets aan, maar maakt wel zichtbaar dat deze effecten lokaal kunnen verschillen.
De studie benadrukt dat ruimtelijke ongelijkheidsmodellen niet bedoeld zijn als vervanging van bestaande methodes, maar als aanvulling. Ze kunnen helpen bij het identificeren van probleemwijken waar nadere inspectie of herwaardering nodig is. Tegelijk waarschuwen de auteurs dat deze modellen complex zijn en specifieke kennis vereisen van zowel statistiek als geografie.
Ruimtelijke modellering vraagt om voorzichtigheid
Hoewel de modellen waardevolle visuele inzichten bieden, blijft de interpretatie een uitdaging. De resultaten zijn sterk afhankelijk van de keuze van ruimtelijke parameters zoals bandbreedte, type kernel en het aantal nabije waarnemingen. Ook moeten beleidsmakers zich realiseren dat deze modellen alleen aanwijzingen geven voor mogelijke ongelijkheid en niet op zichzelf gebruikt mogen worden voor beleidsinterventies.
De auteurs concluderen dat ruimtelijke uitbreidingen op regressiemodellen voor verticale ongelijkheid een nuttige aanvulling vormen op de gereedschapskist van taxateurs en onderzoekers. Met name voor het identificeren van aandachtsgebieden binnen een gemeente biedt deze aanpak een bruikbaar, zij het complex, instrument.
Lees hier het complete artikel.
Over de auteurs
Luc Hermans MSc. is datawetenschapper bij de Waarderingskamer. Hij is promovendus aan de Ulster University in Belfast, Noord-Ierland. Dr. Peadar Davis is daar hoofddocent vastgoedtaxatie en -beheer en beëdigd taxateur. Dr. Michael McCord is docent vastgoedmarktonderzoek aan de School of the Built Environment aan dezelfde universiteit.