Data woonlasten naar inkomen sector en leeftijd

Hieronder de belangrijkste inzichten, vertaald naar de adviespraktijk.

Wat zit er in deze dataset?

De Excel bevat onder meer tabellen met:

• Koopwoningen
  • Naar inkomensdeciel
  • Naar leeftijdscategorie
  • Naar inkomenscategorie
  • Naar jaar (ontwikkeling in de tijd)
• Sociale huur (SH)
  • Naar inkomen en leeftijd
  • Met o.a. kale huur, bruto huur en huurtoeslag
• Vrije sector huur (VS)
  • Naar inkomen en leeftijd
  • Met o.a. kale/bruto huur, punten, huur per euro WOZ

Daarnaast worden enkele samengestelde variabelen toegelicht, zoals:

• Waardestijging: verschil in woningwaarde tussen 1 januari en 31 december.
• Gebruikskosten bij koop: hypotheekrente + kosten van bezit en beheer (onderhoud, belastingen, e.d.) + opportunity costs van het vermogen in de woning + fiscaal effect – waardestijging.
• Huur per WOZ: huur gedeeld door WOZ-waarde, als maatstaf voor de “prijs” van de woondienst per euro stenen.
• Varianten met en zonder waardestijging (MOD / EXCL), om te laten zien hoe groot het effect van prijsstijgingen is op de feitelijke netto woonlasten.

Belangrijk: de data zijn gemiddelden per woning/huishouden, geen individuele casussen. Voor de adviespraktijk zijn ze vooral nuttig als context: “Waar zit mijn klant ongeveer in de verdeling?”

Koop, sociale huur en vrije sector: wie betaalt wat?

Op basis van de tabellen naar inkomen valt grofweg het volgende beeld te schetsen (bedragen afgerond):

• Gemiddelde gebruikskosten eigen woning (exclusief waardestijging):
  → circa € 680 per maand
• Gemiddelde kale huur sociale huur:
  → circa € 580 per maand
• Gemiddelde kale huur vrije sector:
  → circa € 1.100 per maand

Een paar observaties:

1. Eigen woning vs sociale huur
   In pure maandlasten liggen de gebruikskosten van koopwoningen gemiddeld iets hoger dan de kale huur in de sociale sector.
   Maar bij koop komt daar de waardestijging van de woning tegenover te staan. Wordt die meegerekend, dan worden de “netto gebruikskosten” van de eigen woning al snel (ruim) negatief: de bewoner bouwt meer vermogen op dan hij aan lopende kosten kwijt is.
2. Vrije sector is veruit het duurst in maandlasten
   Vrije sector huurders zijn gemiddeld meer dan € 500 per maand duurder uit dan sociale huurders.
   Anders dan bij koop is er geen vermogensopbouw en anders dan bij sociale huur is er geen of beperkt recht op huurtoeslag.

Voor de adviespraktijk is dit relevant in gesprekken met klanten die “nog even willen huren” in de vrije sector. Vanuit cashflow en vermogensopbouw kan dat een dure tussenfase zijn.

Hoe hoger het inkomen, hoe lager de relatieve woonlast

De dataset is ook uitgesplitst naar inkomensdecielen. Absoluut gezien betalen hogere inkomens hógere maandlasten:

• In deciel 1 (laagste inkomens) liggen de gebruikskosten van koop gemiddeld rond de € 500–550.
• In deciel 10 (hoogste inkomens) lopen die op richting € 950–1.000 per maand.

Maar relatief ten opzichte van het inkomen is het beeld anders:

• De laagste inkomens hebben weinig ruimte; een paar honderd euro woonlast is al snel een flinke woonquote.
• Topinkomens hebben hogere lasten in euro’s, maar die zijn een veel kleiner deel van het inkomen.

Dat sluit aan bij de conclusie die in de toelichting expliciet wordt genoemd: de hoogste inkomens hebben de laagste woonkosten als aandeel van hun inkomen.

Voor jou als adviseur betekent dit:

• De betaalbaarheid van de woonlasten is veel kwetsbaarder bij lage en middeninkomens, óók als de absolute maandlast op papier “netjes” binnen de leennormen blijft.
• Bij hoge inkomens verschuift het gesprek vaker naar risicobereidheid, flexibiliteit en vermogensopbouw, dan naar pure betaalbaarheid.

Leeftijd: zware lasten bij starters, lage lasten bij ouderen

De tabellen naar leeftijdscategorie bij koop laten een bekend maar scherp beeld zien:

• Huishoudens van 35–44 jaar hebben de hoogste gebruikskosten (excl. waardestijging), gemiddeld richting de € 850–900 per maand.
• Vanaf 55 jaar lopen de maandlasten duidelijk terug.
• Bij 75–84 jaar dalen de gemiddelde gebruikskosten naar grofweg € 400 per maand.

Dit is goed verklaarbaar:

• Oudere eigenaren hebben vaak afgeloste of sterk aflopende hypotheken.
• Tegelijk zijn hun woningen flink in waarde gestegen. De hoge waardestijging zorgt ervoor dat de netto gebruikskosten bij oudere groepen sterk negatief worden: zij wonen goedkoop in een (vaak) dure woning.

Voor de adviespraktijk:

• Bij starters en doorstromers (27–44 jaar) ligt de focus op:
  • betaalbaarheid nu,
  • risico’s van rentestijging,
  • en voldoende financiële buffer.
• Bij senioren met eigen woning verschuift het gesprek naar:
  • woning- en zorgwensen,
  • het “ontsluiten” van overwaarde (verhuiswens, verzilvermortgage, verkoop & huur, etc.),
  • en estate planning/erven.

De dataset onderstreept dat het fiscale voordeel en de vermogensopbouw in de eigen woning sterk leeftijdsgebonden uitpakt.

Sociale huur versus vrije sector: middengroepen onder druk

In de tabellen voor sociale huur zien we:

• Relatief bescheiden kale huren (rond de € 550–600).
• Aanzienlijke huurtoeslag voor de lagere inkomens; deze kan voor de laagste inkomensgroepen ruim boven de € 100 per maand liggen.

In de vrije sector:

• Bruto/kale huren rond en boven de € 1.100 per maand, ook voor lagere en middeninkomens.
• Geen expliciete toeslagkolom: huurders zijn de volledige huur zelf kwijt.

Gevolg:

• Voor lage inkomens in sociale huur dempt de huurtoeslag de woonlast aanzienlijk.
• Voor middeninkomens in de vrije sector is er vaak geen sociale huur beschikbaar, geen toeslag en ook geen vermogensopbouw. Hun woonlasten zijn in cashflow-termen het zwaarst.

Voor adviseurs is dit precies de groep waarbij het gesprek over kopen versus (blijven) huren het meest urgent is:

• Een vrije sector-huur van € 1.100 per maand is op langere termijn vaak minder duurzaam dan een iets hogere bruto hypotheeklast met vermogensopbouw.
• Tegelijk zijn deze klanten niet altijd in staat om voldoende eigen middelen mee te brengen of binnen de leennormen te blijven.

De fiscale bril: eigen woning als vermogensmachine

De dataset werkt met variabelen die dicht tegen de fiscale werkelijkheid aan liggen:

• Hypotheekrente (Box 1)
• Kosten van beheer en onderhoud
• Opportunity cost van eigen vermogen in de woning
• Fiscaal effect (renteaftrek / eigenwoningforfait)
• Waardestijging van de woning (economisch, niet fiscaal belast zolang hoofdverblijf)

Daarmee wordt zichtbaar dat:

1. Bruto woonlasten bij koop niet extreem veel hoger liggen dan huren (zeker vergeleken met vrije sector).
2. De waardestijging in veel scenario’s zó groot is, dat de netto gebruikskosten over de tijd negatief worden: de eigenaar wordt rijker via de woning.

In de lopende discussie over de eigenwoningregeling (afbouw renteaftrek, positie eigenwoningforfait, mogelijke toekomstige wijzigingen) is dit relevant:

• De data laten zien dat eigen woningbezit, vooral op langere termijn, een sterke bron van vermogensongelijkheid is.
• Huurders bouwen niet of nauwelijks vermogen op, terwijl eigenaren – zeker bij stijgende huizenprijzen – een forse plus realiseren.

Voor de adviespraktijk is het zinvol om dit expliciet te maken richting klanten:

• Niet alleen “wat kost dit per maand?”, maar ook:
  • “Wat blijft er over aan vermogen over 10, 20 of 30 jaar?”
  • “Wat is het verschil tussen blijven huren en kopen?”

Handvatten voor de adviespraktijk

Een paar concrete toepassingen van deze dataset in adviesgesprekken:

1. Woonquote in perspectief zetten
   Gebruik de bandbreedtes per inkomensgroep en sector om klanten te laten zien:
   “Uw woonlasten liggen grofweg hoger/lager dan gemiddeld voor uw inkomensgroep.”
   Zeker bij lagere inkomens is het belangrijk om naast de leennormen ook de werkelijke bestedingsruimte te bespreken.
2. Vrije sector als dure tussenfase
   Laat zien dat de vrije sector in euro’s veruit de hoogste lasten kent, zonder vermogensopbouw of toeslag.
   Gebruik dit als input om door te rekenen:
   “Wat gebeurt er als u nog 5 jaar zo blijft huren?” versus
   “Wat als u nu koopt met een iets hogere bruto maandlast maar vermogensopbouw?”
3. Senioren met veel overwaarde
   Data naar leeftijd onderbouwen dat oudere eigenaren relatief lage lasten hebben in een dure woning.
   Dit is een goed startpunt voor gesprekken over:
   verhuizen naar levensloopbestendige woning,
   verzilveren van overwaarde,
   schenken/erven bij leven.
4. Scenario’s mét en zonder waardestijging
   De varianten in de dataset (“met” en “zonder” waardestijging) nodigen uit om scenario’s door te rekenen:
   Wat als de woning wél jaarlijks in waarde stijgt?
   Wat als de prijzen langere tijd gelijk blijven?

Dat helpt om klanten bewust te maken dat vermogensopbouw in stenen geen zekerheid is, maar wel historisch een grote rol heeft gespeeld.

Bron: CBS