Auteur: Andries de Jong (PBL), Corina Huisman (CBS), Lenny Stoeldraijer (CBS)

PBL/CBS Regionale prognose 2016-2040: Monitoring

Over deze publicatie

In dit artikel wordt de PBL/CBS Regionale bevolkings- en huishoudensprognose 2016–2040, die in september 2016 is gepubliceerd, gemonitord. Aangezien de regionale prognose consistent is met de nationale CBS Bevolkingsprognose en nationale CBS Huishoudensprognose zijn deze ook meegenomen bij de monitoring. De waargenomen en de geprognosticeerde aantallen voor de bevolking, de componenten van bevolkingsgroei, de huishoudens en de woningvoorraad voor de afgelopen jaren zijn met elkaar vergeleken op zowel nationaal als gemeenteniveau.Een belangrijke conclusie is dat de grote steden doorgaans minder hard zijn gegroeid dan verwacht en hun buurgemeenten juist sneller. Dit heeft geleid tot aanpassingen in de PBL/CBS Regionale bevolkings- en huishoudensprognose 2019–2050.

1. Inleiding

In september 2019 hebben het Planbureau voor de Leefomgeving (PBL) en het Centraal Bureau voor de Statistiek (CBS) de PBL/CBS Regionale bevolkings- en huishoudensprognose 2019–2050 gepubliceerd (Te Riele, Huisman, Stoeldraijer, De Jong, Van Duin en Husby,2019). Deze prognose geeft de verwachte bevolkingsontwikkeling naar leeftijd en geslacht per gemeente, COROP-gebied en provincie. Daarnaast laat het ook de ontwikkeling van het aantal huishoudens naar type zien. De nieuwe prognose is een actualisering van de regionale prognose die het PBL en het CBS in 2016 uitbrachten (Kooiman, De Jong,Huisman, Van Duin en Stoeldraijer, 2016).

Bij het opstellen van de regionale prognose is het nuttig om na te gaan hoe goed de toekomst is geprognosticeerd door de vorige edities. In een eerder artikel (De Jong, Stoeldraijer en Traa, 2017) zijn alle (vijf) eerdere edities van de regionale prognose gemonitord en geëvalueerd. In het huidige artikel wordt de editie die in september 2016 is verschenen, gemonitord. Daarbij worden de waargenomen en de geprognosticeerde aantallen voor de bevolking, de componenten van bevolkingsgroei, de huishoudens en de woningvoorraad met elkaar vergeleken. Aangezien de regionale prognose consistent is met de nationale CBS Bevolkingsprognose en nationale CBS Huishoudensprognose zijn deze ook meegenomen bij de monitoring. Het regionale niveau van de monitoring betreft de gemeenten. Hiervoor is gekozen omdat de veronderstellingen van de regionale prognose ook op gemeenteniveau zijn opgesteld.

In paragraaf 2 wordt de monitoring van de nationale bevolkingsprognose en huishoudensprognose van het CBS besproken. Het betreft hier de bevolkingsaantallen, componenten van de bevolkingsgroei (levend geboren kinderen, overledenen, immigranten en emigranten) en het aantal huishoudens. Tevens wordt voor de ontwikkeling van de verhuizingen en van de woningvoorraad de waargenomen aantallen op nationaal niveau vergeleken met geprognosticeerde aantallen volgens de regionale prognose van het PBL en het CBS. In paragraaf 3 wordt de waargenomen bevolking per gemeente afgezet tegen de geprognosticeerde bevolking volgens de regionale prognose. Paragraaf 4 vergelijkt de waargenomen componenten van de bevolkingsgroei (levend geboren kinderen,overledenen, immigranten, emigranten, vestigers en vertrekkers) per gemeente met de geprognosticeerde aantallen. Paragraaf 5 gaat in op de monitoring van het aantal huishoudens per gemeente, terwijl in paragraaf 6 de verschillen tussen de waargenomen ontwikkeling van de woningvoorraad per gemeente met de geprognosticeerde ontwikkeling aan de orde komen. Tot slot worden in paragraaf 7 de conclusies gepresenteerd en komen de implicaties hiervan voor de regionale prognose van 2019 aanbod.

2. Monitoring op nationaal niveau

Bevolking

De PBL/CBS Regionale bevolkings- en huishoudensprognose bestaat uit een regionale uitsplitsing van de nationale CBS Bevolkingsprognose en de nationale CBS Huishoudensprognose. Hierdoor vertalen prognosefouten op het nationale niveau zich door naar de onderliggende regionale niveaus.

De prognose van het aantal inwoners in Nederland volgens de lange termijn CBS Bevolkingsprognose 2015–2060 (Van Duin, Stoeldraijer, Nicolaas, Ooijevaar en Sprangers, 2015) sluit goed aan op de waarnemingen (grafiek 2.1). Per 1 januari 2016 was de bevolking met slechts 4,9 duizend onderschat, terwijl deze begin 2017 met slechts 5,6 duizend was overschat. Per 1 januari 2018 was de overschatting opgelopen tot 14,0 duizend; het werkelijke aantal inwoners op die dag bedroeg 17,18 miljoen. De bevolking van Nederland is dus de laatste drie jaar wat minder snel gegroeid dan in de CBS Bevolkingsprognose van 2015 werd verwacht, maar het verschil tussen de geprognosticeerde en werkelijk aantallen is beperkt.

2.1 Waarneming en prognose van de bevolking per 1 januari
JaarWaarneming (mln personen)Prognose (mln personen)
200015,864
200115,987
200216,105
200316,193
200416,258
200516,306
200616,334
200716,358
200816,405
200916,486
201016,575
201116,656
201216,73
201316,78
201416,829
201516,90116,901
201616,97916,974
201717,08217,087
201817,18117,195
201917,273
202017,338
202117,4
202217,459
202317,515
202417,567
202517,616
202617,664
202717,71
202817,754
202917,796
203017,837
203117,876
203217,913
203317,947
203417,98
203518,009
203618,035
203718,058
203818,078
203918,095
204018,108

Componenten van de bevolkingsgroei

De beperkte overschatting van de bevolkingsgroei in de periode 2015–2017 in de CBS Bevolkingsprognose is vooral het gevolg van een te hoog ingeschatte immigratie in 2016(er kwamen in werkelijkheid 8,5 duizend minder immigranten dan verwacht) en een te hoog ingeschat aantal geboorten in 2017 (er werden 169,8 duizend kinderen levend geboren terwijl er van 176,5 duizend werd uitgegaan). De sterfte en emigratie in de afgelopen drie jaar was accuraat ingeschat.

2.2 Waarneming en prognose van de bevolkingsgroei
JaarGeboorte (x1 000 )Sterfte (x1 000 )Immigratie (x1 000 )Emigratie (x1 000 )Geboorte, prognose (x1 000 )Sterfte, prognose (x1 000 )Immigratie, prognose (x1 000 )Emigratie, prognose (x1 000 )
2000206,6140,5132,979
2001202,6140,4133,482,6
2002202,1142,4121,396,9
2003200,3141,9104,5104,8
2004194136,694110,2
2005187,9136,492,3119,7
2006185,1135,4101,2132,5
2007181,3133116,8122,6
2008184,6135,1143,5117,8
2009184,9134,2146,4111,9
2010184,4136,1154,4121,4
2011180,1135,7163133,2
2012176140,8158,4144,5
2013171,3141,2164,8145,7
2014175,2139,2182,9147,9175,2139,2182,9147,9
2015170,5147,1204,6149,5170147,2197,7147,1
2016172,5149230,7151,5172,7148239,2151
2017169,8150,2235154,3176,5149236,1155,8
2018179,8149,9208,5160,2
2019183,2150,8195,7163,5
2020185,3151,8193,4165,1
2021187,3152,8190,8165,9
2022189,2154,7187,8166,8
2023190,9156,7185,4167,7
2024192,4158,7184,6168,5
2025193,5160,9184,6169,3
2026194,2163,1184,5169,8
2027194,7165,2184,6170,2
2028195,1167,3184,6170,2
2029195,3169,3184,6169,8
2030195,3171,3184,7169,7
2031195,1173,4184,8169,6
2032194,7175,5184,8169,3
2033194177,7184,8169,1
2034193,1179,9184,9168,8
2035192182,1184,9168,6
2036190,7184,3185168,3
2037189,4186,5185,1168,2
2038188,1188,4185,1168,2
2039186,8190,3185,2168,2
2040185,7191,9185,3168,3

Huishoudens

Het aantal particuliere huishoudens in Nederland in de periode 2015–2017 was in werkelijkheid lager dan was verwacht volgens de CBS Huishoudensprognose 2015–2060 (Van Duin, Stoeldraijer, Van Roon en Harmsen, 2016): per 1 januari 2016 bedroeg de overschatting 13,1 duizend huishoudens, begin 2017 waren dat er 17,9 duizend en een jaar later 25,9 duizend (grafiek 2.3). Deze overschatting hangt deels samen met de overschatting van de bevolkingsgroei. Maar ook een breuk in de CBS Huishoudensstatistiek speelt hierbij een rol. In 2014 en 2015 is het CBS overgegaan op een verbeterde waarneemmethode van het aantal instellingsbewoners, waarbij nu meer informatiebronnen worden gebruikt. Ook is de afbakening van de institutionele huishoudens veranderd: daartoe worden vanaf 2014 ook asielzoekerscentra gerekend. Personen die eerst als een particulier huishouden werden gezien (het ging hierbij voornamelijk om eenpersoonshuishoudens), worden in de nieuwe methodiek niet meer tot de huishoudens geteld. Als gevolg van de nieuwe methodiek is het werkelijke aantal particuliere huishoudens 17 duizend lager (en het aantal instellingsbewoners evenveel hoger dan de cijfers die zijn gebruikt in de regionale prognose). Ten slotte is de huishoudensgroei ook nog overschat doordat kinderen later uit huis gingen dan verwacht, waardoor er minder nieuwe huishoudens werden gevormd.

2.3 Waarneming en prognose van het aantal huishoudens per 1 januari
JaarWaarnemingen (mln huishoudens)Prognose (mln huishoudens)
20006,801
20016,867
20026,934
20036,996
20047,049
20057,091
20067,146
20077,191
20087,242
20097,313
20107,386
20117,444
20127,513
20137,569
20147,59
20157,6657,665
20167,7217,734
20177,7947,812
20187,8587,884
20197,939
20207,983
20218,027
20228,072
20238,115
20248,156
20258,196
20268,233
20278,268
20288,302
20298,333
20308,363
20318,389
20328,413
20338,434
20348,454
20358,471
20368,486
20378,499
20388,511
20398,522
20408,531

Verhuizingen

De nationale bevolkingsprognose bevat geen prognose van het aantal verhuizingen in Nederland aangezien dit geen effect heeft op de bevolkingsgroei van Nederland. Wel is dit een belangrijke component van de PBL/CBS Regionale bevolkings- en huishoudensprognose,dit omdat verhuizingen een grote rol spelen bij de ontwikkeling van de bevolking (en huishoudens) van gemeenten. Van alle componenten van regionale bevolkingsgroei zijn de binnenlandse verhuizingen, oftewel verhuizingen binnen en tussen gemeenten, het moeilijkst te prognosticeren. Dit komt voor een belangrijk deel door sterk fluctuerende trends in het verleden, als gevolg van de afhankelijkheid van economische conjunctuurgolven en in het kielzog hiervan de woningbouw. Met het aantrekken van de economie na de crisis liep het aantal verhuizingen in Nederland weer op, en wel veel sterker dan in de prognose was verwacht (grafiek 2.4). In de periode 2015 tot en met 2017 werd het aantal verhuizingen met 171 duizend onderschat, ofwel met 8 procent. In de prognose van 2016 werd ervan uitgegaan dat in 2015 de top van de toename van het aantal verhuizingen vanaf 2013 al was bereikt, terwijl de groei in werkelijkheid verder ging.

2.4 Waarneming en prognose van de binnenlandse verhuizingen
JaarWaarnemingen (1 000 verhuizingen)Prognose (1 000 verhuizingen)
2000614,1
2001610,2
2002628,9
2003616,2
2004617,9
2005642,1
2006652,3
2007646,6
2008649,3
2009597,5
2010589,9
2011593,7
2012609,9
2013614,2
2014654,5
2015697,6691,2
2016767,5697,3
2017796,6702,6
2018705,5
2019709,7
2020715,4
2021718,9
2022723,3
2023726,7
2024730,6
2025731
2026732,8
2027732,7
2028733,4
2029733,3
2030734,5
2031734,9
2032733,8
2033735,5
2034734
2035735,5
2036735,5
2037735,6
2038736,8
2039737
2040

Woningvoorraad

Anders dan in de (nationale) CBS Huishoudensprognose, speelt de woningbouw een belangrijke rol in de PBL/CBS Regionale prognose. Er bestaat een duidelijke koppeling tussen de ontwikkeling van de woningvoorraad en die van het aantal huishoudens in een gemeente. Om deze reden wordt bij de modellering van de binnenlandse migratie (binnen een straal van 35 kilometer) in de regionale prognose gebruik gemaakt van woningbouwveronderstellingen (zie ook De Jong en Ritsema van Eck, 2017, en De Jong, Huisman en Stoeldraijer, 2019).
Evenals bij de bevolkingsomvang en het aantal particuliere huishoudens is ook de ontwikkeling van de woningvoorraad in Nederland overschat in de prognose (grafiek 2.5).Vergeleken met de overschatting van 26 duizend huishoudens per 1 januari 2018, is de overschatting van de netto toename van de woningvoorraad in de periode 2015–2017 relatief klein, namelijk 13 duizend woningen. In 2015 kwamen er 4 duizend woningen minder bij dan verwacht, terwijl dit er in 2016 ruim 12 duizend en in 2017 bijna 5 duizend meer waren. Dit duidt erop dat werd verondersteld dat de woningbouw sneller zou aantrekken dan in werkelijkheid het geval was. Zo werd de waargenomen terugval in 2016 niet voorzien en was de toename in 2016 en 2017 in werkelijkheid minder sterk dan van tevoren ingeschat. Opmerkelijk in dit kader is wel dat het aantal waargenomen verhuizingen in 2016 en 2017 fors steeg (zie grafiek 2.4), terwijl de woningbouw amper toenam.

2.5 Waarneming en prognose van de netto verandering van de woningvoorraad
JaarWaarnemingen (1 000 woningen)Prognose (1 000 woningen)
200553,7
200654,6
200761,6
200861,3
200967,9
201045,4
201148,5
201267
201385,6
201452,652,6
201553,249,1
201644,957,1
201754,859,7
201858,4
201956,2
202052,1
202150,3
202249,4
202348,6
202447,3
202542,2
202637,9
202736,2
202835
202933,2
203031,4
203123,7
203221,1
203318,6
203416,5
203514,6
203613,5
203712
203810,6
20399,5
20408,6

3. Monitoring van de bevolking per gemeente

Grafiek 3.1 toont per gemeente de vergelijking van de waargenomen bevolkingsgroei in de periode 2015–2017 met de geprognosticeerde groei volgens de PBL/CBS Regionale bevolkings- en huishoudensprognose 2016–2040; grafiek 3.1a geeft dit in absolute aantallen weer en grafiek 3.1b in percentages (van de waargenomen bevolking per 1 januari 2015). In het spreidingsdiagram is elke gemeente als een punt afgebeeld, waarbij de waargenomen bevolkingsgroei op de x-as staat en de geprognosticeerde bevolkingsgroei op de y-as. De diagonaal laat zien hoe goed de prognose was: hoe dichter de puntenwolk op de diagonaal ligt, hoe beter. Ook de regressielijn die getrokken kan worden door de puntenwolk, is afgebeeld; indien het rechter uiteinde van deze lijn onder de diagonaal ligt, dan is er grosso modo sprake van een onderschatting van de gemeentelijke bevolkingsgroei, en hierboven van een overschatting. Hoe groter de afwijking van de helling van deze regressielijn ten opzichte van die van de diagonaal, hoe groter de onderdan wel overschatting van de gemeentelijke prognosecijfers.

Scatterplots van de bevolkingsontwikkeling in 2015–2017 per gemeente, waarneming versus prognoseScatterplot bevolkingsontwikkeling in 2015–2017 per gemeente waarneming versus prognose

De regressielijn van de absolute bevolkingsgroei ligt iets boven de diagonaal (grafiek 3.1a); dit betekent dat de prognose gemiddeld iets boven de waarneming ligt. Dit viel te verwachten aangezien de nationale CBS bevolkingsprognose de werkelijke bevolkingsgroei had overschat. De puntenwolk van grafiek 3.1b, die de procentuele afwijking bevat, heeft een grotere spreiding rond de diagonaal dan die in grafiek 3.1a. Hieruit kan geconcludeerd worden dat de relatieve fout in het algemeen wat groter is dan de absolute fout.

Tabel 3.2 geeft een overzicht van de tien gemeenten met de grootste (positieve dan wel negatieve) absolute afwijking tussen de waargenomen en de geprognosticeerde bevolking per 1 januari 2018. Tabel 3.3 presenteert de relatieve prognosefout voor 2018; hierbij is de prognosefout berekend als de absolute afwijking gedeeld door de waargenomen bevolking per 1 januari 2015 en vervolgens uitgedrukt als een percentage.

3.2 Top tien gemeenten: grootste absolute fout in de prognose van de bevolking 1) op 1 januari 2018
GemeenteWaargenomen (1 000 personen)Waargenomen (1 000 personen)Waargenomen (1 000 personen)Prognose (1 000 personen)Prognose (1 000 personen)Prognosefout Prognosefout
20152018mutatie 2018mutatie absoluut relatief (%) 2)
1Amsterdam821,8854,032,3866,444,712,41,5
2's-Gravenhage514,9532,617,7538,223,45,71,1
3Westerwolde25,424,7-0,730,04,65,320,8
4Groningen200,3202,82,5208,07,75,22,6
5Amstelveen87,289,92,794,27,14,45,0
6Haarlem156,6159,73,1163,26,53,42,2
7Delft101,0102,31,2105,64,63,33,3
8Utrecht334,2347,513,3350,616,43,10,9
9Almere196,9204,07,1201,24,3-2,8-1,4
10Breda180,9183,42,5186,05,02,51,4
1) De prognosefout is berekend door de waarneming van de bevolking op 1 januari 2018 af te trekken van de prognose van de bevolking voor 1 januari 2018. Een positief teken geeft een overschatting weer en een negatief teken een onderschatting. Voor de top tien is er niet gekeken naar het teken van de prognosefout.
2) Dit is de absolute afwijking als percentage van de bevolking op 1 januari 2015. 


De lijst met de absolute prognosefouten wordt aangevoerd door Amsterdam: het waargenomen inwonertal op 1 januari 2018 was 12 duizend lager dan verwacht (tabel 3.2); de waargenomen bevolkingsgroei tussen 2015 en 2018 kwam uit op 32 duizend, terwijl de regionale prognose een toename van 45 duizend inwoners had verwacht. De regionale prognose heeft derhalve de werkelijke bevolkingsgroei overschat. Ook bij Den Haag (de nummer twee op de lijst) is er sprake van een overschatting van de bevolkingsgroei tussen 2015 en 2018: de werkelijke toename kwam uit op 18 duizend, tegenover 23 duizend volgens de prognose. Ook voor Utrecht en diverse middelgrote gemeenten als Groningen, Haarlem, Delft en Breda is de bevolkingsgroei overschat. In Almere is het omgekeerde het geval: hier is de werkelijke bevolkingsgroei onderschat met bijna 3 duizend. Opvallend is de hoge positionering van Westerwolde1) met een derde plaats. In deze gemeente bevindt zich het Asielzoekerscentrum Ter Apel, waar veel asielzoekers werden ingeschreven voordat ze over de gemeenten in Nederland werden verdeeld. In de regionale prognose werd verwacht dat de asielzoekers hier (tijdelijk) zouden verblijven, maar in werkelijkheid zijn ze in zeer korte tijd verhuisd naar andere gemeenten (en opvangcentra) elders in Nederland.

In de lijst van de tien grootste procentuele prognosefouten worden alleen gemeenten met minder dan 50 duizend inwoners aangetroffen (zie tabel 3.3). Bij een aantal gaat het om gemeenten waar het (binnenlands) vertrek van asielzoekers verkeerd is ingeschat: dit geldt vooral voor Westerwolde (dat de eerste plaats op de deze lijst bezet), maar ook voor Cranendonck. Er werd verwacht dat een deel van de (grote golf van) asielzoekers in deze gemeenten zouden blijven wonen, maar dat was amper het geval. De enige wat grotere gemeente in de tabel is Amstelveen. Er werd verwacht dat deze gemeente vrij snel zou groeien, vooral als gevolg van overloop uit Amsterdam. In werkelijkheid viel de groei minder hoog uit.

3.3 Top tien gemeenten: grootste relatieve fout in de prognose van de bevolking 1) op 1 januari 2018
GemeenteWaargenomen (1 000 personen)Waargenomen (1 000 personen)Waargenomen (1 000 personen)Prognose (1 000 personen)Prognose (1 000 personen)PrognosefoutPrognosefout
20152018mutatie 2018mutatie absoluutrelatief (%) 2)
1Westerwolde25,424,7-0,730,04,65,320,8
2Blaricum9,310,81,59,90,6-0,9-9,5
3Loppersum10,19,7-0,410,50,30,77,2
4Beek16,215,9-0,317,00,81,16,9
5Grave12,812,4-0,413,20,30,75,7
6Cranendonck20,520,3-0,221,51,01,25,7
7Amstelveen87,289,92,794,27,14,45,0
8De Ronde Venen42,643,61,041,5-1,1-2,1-5,0
9Meerssen19,119,00,020,00,90,95,0
10Ten Boer7,57,3-0,27,70,20,44,9
1) De prognosefout is berekend door de waarneming van de bevolking op 1 januari 2018 af te trekken van de prognose van de bevolking voor 1 januari 2018. Een positief teken geeft een overschatting weer en een negatief teken een onderschatting. Voor de top tien is er niet gekeken naar het teken van de prognosefout.
2) Dit is de absolute afwijking als percentage van de bevolking op 1 januari 2015.


In kaart 3.4a is de absolute prognosefout tussen het werkelijke aantal inwoners in 2018 en het geprognosticeerde inwonertal weergegeven. In de figuur komt naar voren dat vooral in de grote en middelgrote steden sprake is van overschatting van de bevolking. Bij diverse randgemeenten van de vier grote steden is het inwonertal juist onderschat, zoals Almere (als omliggende gemeenten van Amsterdam), Westland en Wassenaar (als omliggende gemeenten van Den Haag), Pijnacker-Nootdorp en Lansingerland (als omliggende gemeente van Rotterdam) en Stichtste Vecht en Woerden (als omliggende gemeenten van Utrecht). De verklaring hiervan kan zijn dat, met de opleven van de woningmarkt, jonge gezinnen uit de grote steden naar de randgemeenten met een ruimer aanbod van – relatief goedkope – gezinswoningen zijn getrokken, terwijl in de prognose was verwacht dat deze uitstroom niet op gang zou komen, vanwege onder meer de woningbouw aan de randen van de grote steden en een grotere populariteit van de grote stad bij jonge gezinnen.

In de nationale prognose is de bevolkingsgroei wat overschat; blijkens kaart 3.4a is dit in de regionale prognose vooral ‘neergeslagen’ in de plattelandsgemeenten, waar de werkelijke bevolkingsgroei doorgaans lager uitviel dan verwacht.

In kaart 3.4b is de relatieve prognosefout van de bevolking op 1 januari 2018 per gemeente weergegeven. Er zijn slechts enkele gemeenten waar de werkelijke bevolking meer dan 2,5 procent onder- dan wel is overschat. Het gaat hierbij vooral om gemeenten met een klein inwonertal. Het is mogelijk dat ‘toevalsfluctuaties’ (in de componenten van bevolkingsgroei) in deze gemeenten belangrijk zijn.

3.4.a. Absolute fout in de prognose van de bevolking op 1 januari 2018 per gemeente (1 000 personen)
gemnaamPOP_absoluut
Appingedam0,5832
Bedum0,3326
Ten Boer0,3653
Delfzijl-0,3428
Groningen5,2107
Grootegast0,2796
Haren-0,0016
Leek-0,0005
Loppersum0,7298
Marum0,1705
Almere-2,7647
Stadskanaal0,9574
Veendam0,3527
Zeewolde0,4838
Winsum0,5246
Zuidhorn0,3527
Dongeradeel-0,0116
Achtkarspelen-0,0825
Ameland-0,0999
Harlingen0,029
Heerenveen0,5037
Kollumerland en Nieuwkruisland0,3357
Leeuwarden2,4639
Ooststellingwerf-0,3706
Opsterland0,0002
Schiermonnikoog0,0009
Smallingerland-0,2934
Terschelling0,0669
Vlieland0,0158
Weststellingwerf-0,134
Assen-0,0967
Coevorden0,0003
Emmen-0,3219
Hoogeveen0,3511
Meppel-0,1828
Almelo0,0004
Borne-0,3899
Dalfsen-0,1602
Deventer0,6794
Enschede2,147
Haaksbergen-0,2915
Hardenberg-1,0052
Hellendoorn-0,1556
Hengelo0,8178
Kampen-0,6424
Losser-0,2039
Noordoostpolder0,529
Oldenzaal0,6386
Ommen0,464
Raalte-0,0463
Staphorst-0,0603
Tubbergen-0,0691
Urk0,0166
Wierden-0,8199
Zwolle2,029
Aalten-0,5176
Apeldoorn-1,3844
Arnhem0,2276
Barneveld-1,0338
Beuningen-0,4255
Brummen0,0088
Buren-0,1519
Culemborg-0,5306
Doesburg0,1992
Doetinchem-1,0198
Druten-0,3792
Duiven0,3407
Ede-0,3371
Elburg0,0664
Epe-0,5026
Ermelo-0,7789
Geldermalsen-0,7273
Harderwijk-0,1954
Hattem-0,1791
Heerde0,0052
Heumen0,3339
Lochem-0,7856
Maasdriel0,0602
Nijkerk-0,9561
Nijmegen1,4493
Oldebroek-0,1565
Putten0,3553
Renkum-0,1957
Rheden0,9114
Rozendaal-0,004
Scherpenzeel0,0608
Tiel-0,2878
Voorst-0,1128
Wageningen0,5976
Westervoort0,6251
Winterswijk-0,0315
Wijchen0,0803
Zaltbommel-0,538
Zevenaar-0,1338
Zutphen-1,2343
Nunspeet-0,6535
Dronten0,1037
Neerijnen-0,2154
Amersfoort1,7499
Baarn0,0389
De Bilt-0,7822
Bunnik-0,0737
Bunschoten-0,1078
Eemnes-0,2371
Houten-0,5504
Leusden-0,3665
Lopik-0,1237
Montfoort-0,2171
Renswoude0,0235
Rhenen-0,2625
Soest-0,8713
Utrecht3,0675
Veenendaal-0,8119
Woudenberg-0,2206
Wijk bij Duurstede-0,6202
IJsselstein-0,3413
Zeist0,267
Nieuwegein0,1289
Aalsmeer0,6826
Alkmaar0,2605
Amstelveen4,3755
Amsterdam12,3972
Beemster-0,0294
Bergen (NH.)-0,3038
Beverwijk-0,0069
Blaricum-0,8809
Bloemendaal-0,5836
Castricum-1,0123
Diemen1,0947
Edam-Volendam-0,2253
Enkhuizen0,1615
Haarlem3,4435
Haarlemmerliede en Spaarnwoude-0,053
Haarlemmermeer0,2022
Heemskerk-0,091
Heemstede0,5068
Heerhugowaard-1,0485
Heiloo-0,2007
Den Helder0,5032
Hilversum-0,6727
Hoorn-0,1959
Huizen-0,826
Landsmeer-0,347
Langedijk0,1679
Laren-0,283
Medemblik-0,3937
Oostzaan0,1771
Opmeer0,1951
Ouder-Amstel0,4943
Purmerend-0,0151
Schagen-0,7237
Texel-0,1177
Uitgeest0,107
Uithoorn0,1324
Velsen-0,5911
Weesp-0,757
Zandvoort0,0067
Zaanstad-1,9232
Alblasserdam0,3932
Alphen aan den Rijn-1,2875
Barendrecht-0,7196
Drechterland0,2863
Brielle-0,2184
Capelle aan den IJssel0,5772
Delft3,3395
Dordrecht1,9252
Gorinchem-0,4917
Gouda-0,2571
s-Gravenhage5,6716
Hardinxveld-Giessendam-0,0018
Hellevoetsluis-1,3149
Hendrik-Ido-Ambacht-0,4399
Stede Broec0,2511
Hillegom-0,5447
Katwijk0,7955
Krimpen aan den IJssel-0,3995
Leerdam-0,1418
Leiden1,6808
Leiderdorp0,2732
Lisse0,4163
Maassluis0,3494
Nieuwkoop-0,7872
Noordwijk0,2666
Noordwijkerhout-0,346
Oegstgeest0,0192
Oud-Beijerland-0,7256
Binnenmaas-0,3917
Korendijk-0,4307
Oudewater-0,1014
Papendrecht0,2668
Ridderkerk-0,8591
Rotterdam1,8877
Rijswijk0,7609
Schiedam1,0155
Sliedrecht0,3389
Cromstrijen-0,1119
Albrandswaard-0,1583
Westvoorne-0,398
Strijen0,0209
Vianen0,0329
Vlaardingen1,0153
Voorschoten0,1372
Waddinxveen-1,182
Wassenaar-0,6041
Woerden-1,0546
Zoetermeer-0,5798
Zoeterwoude-0,2221
Zwijndrecht-0,083
Borsele-0,0897
Goes-0,5572
West Maas en Waal-0,2101
Hulst-0,3008
Kapelle0,0618
Middelburg-0,645
Giessenlanden0,1805
Reimerswaal-0,1936
Zederik-0,1606
Terneuzen0,459
Tholen-0,2506
Veere-0,2437
Vlissingen0,4572
Lingewaal0,1389
De Ronde Venen-2,1245
Tytsjerksteradiel0,3195
Aalburg-0,0868
Asten0,0535
Baarle-Nassau-0,1742
Bergen op Zoom0,0326
Best-0,1233
Boekel-0,243
Boxmeer-0,056
Boxtel-0,234
Breda2,5296
Deurne-0,1974
Pekela0,6008
Dongen-0,2813
Eersel-0,1177
Eindhoven-1,1468
Etten-Leur-0,2317
Geertruidenberg0,3063
Gilze en Rijen1,2676
Goirle0,2325
Grave0,7365
Haaren-0,498
Helmond1,063
's-Hertogenbosch2,1239
Heusden-0,2561
Hilvarenbeek-0,1949
Loon op Zand0,1517
Mill en Sint Hubert-0,0743
Nuenen Gerwen Nederwetten0,0686
Oirschot-0,4227
Oisterwijk0,2027
Oosterhout-0,9155
Oss0,2067
Rucphen0,0269
Sint-Michielsgestel-0,7903
Someren-0,1779
Son en Breugel-0,0073
Steenbergen-0,7308
Waterland-0,1265
Tilburg1,2002
Uden-0,1084
Valkenswaard-0,2058
Veldhoven-0,2667
Vught-0,2713
Waalre0,364
Waalwijk-0,4546
Werkendam-0,5959
Woensdrecht-0,2553
Woudrichem-0,1978
Zundert-0,2175
Wormerland0,1248
Onderbanken0,1325
Landgraaf0,0188
Beek1,112
Beesel0,0278
Bergen (L.)-0,0693
Brunssum0,5071
Gennep0,2733
Heerlen0,1024
Kerkrade-0,1063
Maastricht1,1904
Meerssen0,9447
Mook en Middelaar0,0965
Nederweert0,0335
Nuth0,7349
Roermond-0,0131
Schinnen0,4267
Simpelveld0,5034
Stein0,1376
Vaals-0,1419
Venlo-0,3283
Venray0,5462
Voerendaal0,3311
Weert-0,6455
Valkenburg aan de Geul0,6623
Lelystad-0,8599
Horst aan de Maas-0,8587
Oude IJsselstreek-0,2046
Teylingen-1,1837
Utrechtse Heuvelrug-1,8873
Oost Gelre-0,119
Koggenland-0,1649
Lansingerland-0,9338
Leudal0,5591
Maasgouw-0,197
Eemsmond-0,0356
Gemert-Bakel-0,3608
Halderberge-0,1862
Heeze-Leende-0,1467
Laarbeek0,4293
De Marne-0,0269
Reusel-De Mierden-0,117
Roerdalen0,0404
Roosendaal0,3075
Schouwen-Duiveland-0,3805
Aa en Hunze-0,1258
Borger-Odoorn0,2326
Cuijk0,4152
Landerd0,134
De Wolden-0,3892
Noord-Beveland0,27
Wijdemeren-0,5797
Noordenveld-0,9107
Twenterand-0,1589
Westerveld0,1025
Sint Anthonis0,1197
Lingewaard-0,2756
Cranendonck1,1618
Steenwijkerland-0,6435
Moerdijk-0,3654
Echt-Susteren0,1802
Sluis0,1983
Drimmelen-0,6596
Bernheze-0,7631
Ferwerderadiel0,1487
Alphen-Chaam-0,2341
Bergeijk-0,1072
Bladel-0,2085
Gulpen-Wittem0,4009
Tynaarlo-0,9661
Midden-Drenthe-0,7457
Overbetuwe-0,7889
Hof van Twente-0,6375
Neder-Betuwe-0,9828
Rijssen-Holten0,6469
Geldrop-Mierlo-0,4211
Olst-Wijhe-0,0074
Dinkelland-0,6938
Westland-0,8711
Midden-Delfland-0,2667
Berkelland-0,4775
Bronckhorst-0,5935
Sittard-Geleen-0,7641
Kaag en Braassem-0,2798
Dantumadiel-0,0847
Zuidplas-1,045
Peel en Maas-0,1183
Oldambt-0,2678
Zwartewaterland-0,4026
S�dwest-Frysl�n-0,4019
Bodegraven-Reeuwijk-0,3083
Eijsden-Margraten-0,0053
Stichtse Vecht-1,3064
Hollands Kroon-0,3906
Leidschendam-Voorburg-0,5167
Goeree-Overflakkee-1,1773
Pijnacker-Nootdorp-2,3998
Molenwaard-0,0468
Nissewaard2,2946
Krimpenerwaard-0,9176
De Fryske Marren-0,1232
Gooise Meren0,2235
Berg en Dal0,227
Meierijstad0,0209
Waadhoeke0,2126
Westerwolde5,2848
Midden-Groningen1,3063
Montferland-0,8163
3.4.b. Relatieve fout in de prognose van de bevolking op 1 januari 2018 per gemeente (%)
gemnaamPOP_relatief
Appingedam4,8554
Bedum3,1852
Ten Boer4,9027
Delfzijl-1,3489
Groningen2,601
Grootegast2,3061
Haren-0,0084
Leek-0,0025
Loppersum7,197
Marum1,6531
Almere-1,4039
Stadskanaal2,9359
Veendam1,2736
Zeewolde2,2096
Winsum3,8085
Zuidhorn1,8826
Dongeradeel-0,0483
Achtkarspelen-0,2947
Ameland-2,7839
Harlingen0,184
Heerenveen1,0045
Kollumerland en Nieuwkruisland2,6151
Leeuwarden2,0294
Ooststellingwerf-1,4467
Opsterland0,0006
Schiermonnikoog0,0927
Smallingerland-0,5274
Terschelling1,3857
Vlieland1,4345
Weststellingwerf-0,525
Assen-0,1439
Coevorden0,001
Emmen-0,2987
Hoogeveen0,6401
Meppel-0,5574
Almelo0,0006
Borne-1,7731
Dalfsen-0,5789
Deventer0,6895
Enschede1,3541
Haaksbergen-1,1992
Hardenberg-1,6872
Hellendoorn-0,4368
Hengelo1,0089
Kampen-1,249
Losser-0,9077
Noordoostpolder1,1381
Oldenzaal1,9881
Ommen2,6757
Raalte-0,1265
Staphorst-0,3672
Tubbergen-0,327
Urk0,084
Wierden-3,4341
Zwolle1,6381
Aalten-1,9239
Apeldoorn-0,8757
Arnhem0,1494
Barneveld-1,8898
Beuningen-1,6831
Brummen0,0419
Buren-0,5816
Culemborg-1,9253
Doesburg1,7545
Doetinchem-1,8055
Druten-2,0727
Duiven1,3335
Ede-0,3021
Elburg0,2908
Epe-1,5601
Ermelo-2,9741
Geldermalsen-2,7632
Harderwijk-0,4269
Hattem-1,5148
Heerde0,028
Heumen2,0383
Lochem-2,3632
Maasdriel0,2487
Nijkerk-2,3392
Nijmegen0,8491
Oldebroek-0,6803
Putten1,4577
Renkum-0,6232
Rheden2,0891
Rozendaal-0,2618
Scherpenzeel0,6382
Tiel-0,692
Voorst-0,4718
Wageningen1,5816
Westervoort4,1693
Winterswijk-0,1086
Wijchen0,1964
Zaltbommel-1,9665
Zevenaar-0,31
Zutphen-2,6346
Nunspeet-2,4437
Dronten0,2569
Neerijnen-1,7895
Amersfoort1,1476
Baarn0,1595
De Bilt-1,8549
Bunnik-0,5027
Bunschoten-0,5222
Eemnes-2,6923
Houten-1,1317
Leusden-1,2612
Lopik-0,8775
Montfoort-1,5878
Renswoude0,4731
Rhenen-1,3594
Soest-1,917
Utrecht0,9179
Veenendaal-1,2797
Woudenberg-1,7665
Wijk bij Duurstede-2,6708
IJsselstein-1,0019
Zeist0,4331
Nieuwegein0,2104
Aalsmeer2,1964
Alkmaar0,2432
Amstelveen5,02
Amsterdam1,5086
Beemster-0,3306
Bergen (NH.)-1,0126
Beverwijk-0,0171
Blaricum-9,4593
Bloemendaal-2,6223
Castricum-2,9462
Diemen4,1051
Edam-Volendam-0,6366
Enkhuizen0,8801
Haarlem2,1983
Haarlemmerliede en Spaarnwoude-0,9501
Haarlemmermeer0,1403
Heemskerk-0,2326
Heemstede1,9139
Heerhugowaard-1,9578
Heiloo-0,8899
Den Helder0,8909
Hilversum-0,7718
Hoorn-0,2725
Huizen-1,9992
Landsmeer-3,2061
Langedijk0,6154
Laren-2,6069
Medemblik-0,9028
Oostzaan1,9275
Opmeer1,726
Ouder-Amstel3,7198
Purmerend-0,019
Schagen-1,5685
Texel-0,8667
Uitgeest0,8051
Uithoorn0,4607
Velsen-0,8801
Weesp-4,1258
Zandvoort0,0398
Zaanstad-1,2701
Alblasserdam1,9812
Alphen aan den Rijn-1,1988
Barendrecht-1,5143
Drechterland1,4841
Brielle-1,326
Capelle aan den IJssel0,8682
Delft3,3055
Dordrecht1,6192
Gorinchem-1,3913
Gouda-0,3616
s-Gravenhage1,1016
Hardinxveld-Giessendam-0,0099
Hellevoetsluis-3,3819
Hendrik-Ido-Ambacht-1,5088
Stede Broec1,168
Hillegom-2,5816
Katwijk1,2502
Krimpen aan den IJssel-1,3792
Leerdam-0,6896
Leiden1,3827
Leiderdorp1,0175
Lisse1,8472
Maassluis1,0852
Nieuwkoop-2,9034
Noordwijk1,0413
Noordwijkerhout-2,1543
Oegstgeest0,0835
Oud-Beijerland-3,0614
Binnenmaas-1,367
Korendijk-3,9957
Oudewater-1,022
Papendrecht0,8288
Ridderkerk-1,9029
Rotterdam0,3027
Rijswijk1,5781
Schiedam1,3211
Sliedrecht1,369
Cromstrijen-0,8755
Albrandswaard-0,6293
Westvoorne-2,8262
Strijen0,2404
Vianen0,1676
Vlaardingen1,4171
Voorschoten0,5456
Waddinxveen-4,6068
Wassenaar-2,3476
Woerden-2,0829
Zoetermeer-0,4675
Zoeterwoude-2,7367
Zwijndrecht-0,1866
Borsele-0,3975
Goes-1,4999
West Maas en Waal-1,1312
Hulst-1,0996
Kapelle0,4925
Middelburg-1,3547
Giessenlanden1,2478
Reimerswaal-0,8778
Zederik-1,1705
Terneuzen0,841
Tholen-0,9852
Veere-1,1115
Vlissingen1,0278
Lingewaal1,2535
De Ronde Venen-4,9886
Tytsjerksteradiel0,9999
Aalburg-0,6719
Asten0,3228
Baarle-Nassau-2,6403
Bergen op Zoom0,0491
Best-0,4289
Boekel-2,4013
Boxmeer-0,1976
Boxtel-0,7715
Breda1,3981
Deurne-0,6214
Pekela4,7388
Dongen-1,1077
Eersel-0,6412
Eindhoven-0,5138
Etten-Leur-0,5452
Geertruidenberg1,4196
Gilze en Rijen4,8634
Goirle1,0102
Grave5,7357
Haaren-3,6827
Helmond1,1848
's-Hertogenbosch1,4076
Heusden-0,5938
Hilvarenbeek-1,296
Loon op Zand0,6609
Mill en Sint Hubert-0,6856
Nuenen Gerwen Nederwetten0,3032
Oirschot-2,3378
Oisterwijk0,7878
Oosterhout-1,7019
Oss0,2302
Rucphen0,121
Sint-Michielsgestel-2,7832
Someren-0,9517
Son en Breugel-0,0444
Steenbergen-3,0915
Waterland-0,738
Tilburg0,5671
Uden-0,2638
Valkenswaard-0,6808
Veldhoven-0,6039
Vught-1,0494
Waalre2,157
Waalwijk-0,9731
Werkendam-2,2527
Woensdrecht-1,1796
Woudrichem-1,3747
Zundert-1,0183
Wormerland0,7926
Onderbanken1,6841
Landgraaf0,0501
Beek6,858
Beesel0,2057
Bergen (L.)-0,527
Brunssum1,7697
Gennep1,5815
Heerlen0,1171
Kerkrade-0,2285
Maastricht0,9726
Meerssen4,9558
Mook en Middelaar1,243
Nederweert0,1995
Nuth4,7431
Roermond-0,023
Schinnen3,2842
Simpelveld4,6424
Stein0,5475
Vaals-1,4636
Venlo-0,3265
Venray1,2643
Voerendaal2,6706
Weert-1,3197
Valkenburg aan de Geul3,9857
Lelystad-1,1253
Horst aan de Maas-2,0612
Oude IJsselstreek-0,5172
Teylingen-3,3206
Utrechtse Heuvelrug-3,9169
Oost Gelre-0,4031
Koggenland-0,7354
Lansingerland-1,6063
Leudal1,5425
Maasgouw-0,8291
Eemsmond-0,2257
Gemert-Bakel-1,2224
Halderberge-0,6315
Heeze-Leende-0,9478
Laarbeek1,9593
De Marne-0,2645
Reusel-De Mierden-0,9163
Roerdalen0,1953
Roosendaal0,4
Schouwen-Duiveland-1,125
Aa en Hunze-0,4992
Borger-Odoorn0,9122
Cuijk1,6842
Landerd0,8763
De Wolden-1,6447
Noord-Beveland3,6329
Wijdemeren-2,5013
Noordenveld-2,9247
Twenterand-0,469
Westerveld0,537
Sint Anthonis1,0309
Lingewaard-0,6018
Cranendonck5,6555
Steenwijkerland-1,489
Moerdijk-0,9925
Echt-Susteren0,5639
Sluis0,8349
Drimmelen-2,47
Bernheze-2,567
Ferwerderadiel1,7019
Alphen-Chaam-2,3999
Bergeijk-0,5885
Bladel-1,0494
Gulpen-Wittem2,7655
Tynaarlo-2,9661
Midden-Drenthe-2,2405
Overbetuwe-1,6845
Hof van Twente-1,8258
Neder-Betuwe-4,3244
Rijssen-Holten1,7099
Geldrop-Mierlo-1,083
Olst-Wijhe-0,0415
Dinkelland-2,6758
Westland-0,8352
Midden-Delfland-1,4255
Berkelland-1,0764
Bronckhorst-1,616
Sittard-Geleen-0,8153
Kaag en Braassem-1,0828
Dantumadiel-0,4446
Zuidplas-2,5631
Peel en Maas-0,2724
Oldambt-0,697
Zwartewaterland-1,8162
S�dwest-Frysl�n-0,4485
Bodegraven-Reeuwijk-0,9285
Eijsden-Margraten-0,0213
Stichtse Vecht-2,043
Hollands Kroon-0,8215
Leidschendam-Voorburg-0,6984
Goeree-Overflakkee-2,4423
Pijnacker-Nootdorp-4,6869
Molenwaard-0,1613
Nissewaard2,6957
Krimpenerwaard-1,6927
De Fryske Marren-0,2406
Gooise Meren0,3968
Berg en Dal0,6626
Meierijstad0,0264
Waadhoeke0,4575
Westerwolde20,8341
Midden-Groningen2,1031
Montferland-2,3224


4. Monitoring van de componenten van bevolkingsgroei per gemeente

Levend geboren kinderen

De PBL/CBS Regionale bevolkings- en huishoudensprognose 2016–2040 heeft het totaalaantal levend geboren kinderen in de periode 2015–2017 in de meeste gemeenten in Nederland vrij goed ingeschat (kaart 4.1a). In een beperkt aantal gemeenten is er sprake van een wat grotere afwijking van meer dan 150 levend geboren kinderen. Deze overschatting lijkt in lijn met de overschatting van de geboorten in de nationale bevolkingsprognose. De overschatting is voornamelijk gecentreerd in de grote steden, waar minder kinderen ter wereld kwamen dan verwacht. Dit kan mogelijk samenhangen met een uitstroom van jonge stellen (met plannen voor gezinsuitbreiding) uit de grote steden.In de kaart van de relatieve prognosefouten vallen vooral kleinere gemeenten op, zoals bijvoorbeeld de Friese Waddeneilanden Vlieland, Terschelling, Ameland en Schiermonnikoog (kaart 4.1b).

figuur 4.1 Absolute en relatieve1) fout in de prognose van het aantal levend geboren kinderen
a. absolute fout
b. relatieve fout (%)

Overledenen

Het aantal overledenen in de periode 2015–2017 is in bijna net zoveel gemeenten onderschat als overschat (kaart 4.2a). De grootste absolute afwijkingen komen voor in grote gemeenten. Zo is er een vrij sterke overschatting in Amsterdam, Utrecht, Rotterdam en Den Haag en een vrij sterke onderschatting in Sittard-Geleen, Maastricht en Heerlen.In enkele grote gemeenten, zoals Utrecht en Amsterdam, is ook de relatieve afwijking beduidend (kaart 4.2b). Aangezien de sterfteprognose vooral een doortrekking van trends uit het verleden behelst, kan dit er op duiden dat de levensverwachting in grote steden zich relatief gunstig heeft ontwikkeld.

figuur 4.2 Absolute en relatieve1) fout in de prognose van het aantal overledenen in 2015–2017
a. absolute fout
b. relatieve fout (%)

Immigranten

Het aantal immigranten in de periode 2015–2017 is vaker over- dan onderschat (kaart 4.3a). Dit is in lijn met de overschatting van de immigratie in de nationale bevolkingsprognose. In Den Haag, Rotterdam en Utrecht zijn minder immigranten gekomen dan verwacht, terwijl zich in Amsterdam juist (veel) meer immigranten hebben gevestigd dan voorzien. Dit kan er op duiden dat de populariteit van de hoofdstad nog steeds toeneemt onder de immigranten en dat dit mogelijk tot minder immigranten kan leiden in de andere grote(re) steden (waaronder Almere). De absolute prognosefouten zijn verder redelijk verdeeld over grote en kleine gemeenten. Ook bij de relatieve afwijking lijkt er sprake te zijn van een vrij evenwichtige verdeling (kaart 4.3b).

figuur 4.3 Absolute en relatieve1) fout in de prognose van het aantal immigranten in 2015–2017 per gemeente
a. absolute fout
b. relatieve fout (%)

Emigranten

Verspreid over het land waren er in de periode 2015–2017 ongeveer evenveel gemeenten waar minder mensen uit Nederland vertrokken dan wel meer mensen het land verlieten dan volgens de prognose het geval zou zijn (kaart 4.4a). Vooral in Amsterdam zijn meer mensen geëmigreerd dan verwacht; dit hangt deels ermee samen dat de immigratie hier is onderschat. Bij een groot deel van de immigranten gaat het om arbeidsmigranten en internationale studenten die na enkele jaren weer terugkeren naar hun herkomstland. In de andere drie grote steden is er juist sprake van een overschatting, parallel aan de overschatting van de immigratie. In relatieve zin deed een sterke over- of onderschatting zich vooral voor in kleinere gemeenten (kaart 4.4b).

4.4 Absolute en relatieve1) fout in de prognose van het aantal emigranten in 2015–2017 per gemeente
a. absolute fout b. relatieve fout (%)

Vestiging (uit binnenlandse migratie)

In lijn met de nationale onderschatting van het aantal verhuizingen is in de regionale prognose in het merendeel van de gemeenten (321) sprake van een onderschatting van het aantal personen dat zich hier over de periode 2015 tot en met 2017 hebben gevestigd vanuit een andere gemeente in Nederland (kaart 4.5a).

Met name naar Amsterdam en Utrecht zijn veel minder mensen getrokken dan verwacht in de regionale prognose. Hier staat tegenover dat in Haarlemmermeer en Almere (buurgemeenten van Amsterdam) en Nieuwegein en Houten (buurgemeenten van Utrecht) zich meer mensen hebben gevestigd dan van te voren was geschat. Enerzijds kan de verklaring hiervoor zijn dat de magneet werking van Amsterdam en Utrecht wat minder sterk was dan verwacht. Mogelijk speelt hierbij een rol dat minder studenten uit huis zijn gegaan als gevolg van de invoering van het studieleenstelsel en er dus ook minder naar deze twee grote steden zijn getrokken. Anderzijds kan het aantrekken van de woningbouw bij het vertrek van jonge stellen een rol spelen; in de nabijgelegen gemeenten zijn er (weer) relatief goedkope gezinswoningen beschikbaar gekomen, terwijl dit in de grote steden minder het geval is, vooral doordat de huizenprijzen hier sterk zijn gestegen. Ook in de Brabantse steden Breda en Tilburg is de vestiging overschat; mogelijk doordat in de regionale prognose werd verwacht dat de woningbouw hier (sterker) zou aantrekken.

In Rotterdam en Den Haag als vertegenwoordigers van de Zuidvleugel van de Randstad was het omgekeerde het geval als bij de twee grote steden van de Noordvleugel. Deze twee steden hadden juist meer vestigers in 2015–2017 dan in de regionale prognose werd verwacht. Ook in Barendrecht (buurgemeente van Rotterdam) en in Rijswijk en Zoetermeer (buurgemeenten van Den Haag) was het aantal vestigers groter dan voorzien. Mogelijk duidt dit op een grotere populariteit van de Zuidvleugel. De woningmarkt is in Rotterdam en Den Haag (nog steeds) minder gespannen dan in de andere twee grote steden, waardoor jongeren en jonge stellen hier nog relatief gemakkelijk een (koop)woning kunnen verwerven.

In kaart 4.5b met de relatieve afwijkingen is vrijwel overal sprake van een onderschatting van de vestiging. Opvallend is dat Amsterdam, Utrecht en de twee Brabantse steden hier (vrijwel) niet meer ‘oplichten’, terwijl volgens de kaart met de absolute afwijkingen deze gemeenten een vrij sterke overschatting kennen.

figuur 4.5 Absolute en relatieve1) fout in de prognose van het aantal vestigers in 2015–2017 per gemeente
a. absolute fout b. relatieve fout (%)

Vertrek (uit binnenlandse migratie)

Op nationaal niveau is het aantal vertrekkers natuurlijk even groot als het aantal vestigers, maar op gemeentelijk niveau zijn ze uiteraard verschillend. Opvallend is echter dat de regionale spreiding van gemeenten waar de vestiging duidelijk is onderschat redelijk correspondeert met de spreiding van gemeenten waar het vertrek ook is onderschat: dit geldt voor 273 gemeenten (kaart 4.6).

In 79 gemeenten is de vestiging overschat en het vertrek juist onderschat, oftewel er vestigden zich minder mensen en er vertrokken er meer dan werd verwacht. Hierdoor was het binnenlands migratiesaldo minder groot dan volgens de regionale prognose het geval zou zijn. Dit geldt met name voor Amsterdam en Utrecht waar om deze reden de bevolkingsgroei in werkelijkheid lager uitviel dan werd voorzien.

In 28 gemeenten is zowel de vestiging als het vertrek onderschat. Vooral door de onderschatting van het vertrek is de bevolkingsgroei van Den Haag volgens de regionale prognose te hoog geraamd. Hoewel er meer mensen naar Den Haag kwamen dan verwacht, nam tegelijkertijd de uitstroom toe waardoor de bevolkingsgroei lager uitviel. Ook in Rotterdam was er sprake van onderschatting van het aantal vertrekkers. Voor beide steden geldt dat de opleving van de woningbouw in buurgemeenten dit vertrek kan hebben gestimuleerd.

figuur 4.6 Absolute en relatieve1) fout in de prognose van het aantal vertrekkers in 2015–2017 per gemeente
a. absolute fout
b. relatieve fout (%)

5. Monitoring van de ontwikkeling van het aantal huishoudens per gemeente

In grafiek 5.1 is via een spreidingsdiagram op gemeentelijk niveau de prognose van de toename van het aantal huishoudens in de periode 2015 tot 2018 afgezet tegen de werkelijke ontwikkeling: absolute aantallen staan in grafiek 5.1a en percentages in grafiek 5.1b (als percentage van het waargenomen aantal huishoudens in 2015). In grafiek 5.1a met de absolute aantallen zijn er een paar uitschieters te zien onder de diagonaal; dit betekent dat in een paar gemeenten een flinke onderschatting is geweest van de toename van het aantal huishoudens.

De regressielijn van de absolute groei van het aantal huishoudens ligt iets onder de diagonaal; dit is opmerkelijk aangezien de nationale huishoudensprognose de werkelijke groei van het aantal huishoudens had overschat. Mogelijk hebben de ‘uitbijters’ met een te laag geprognosticeerde groei van het aantal huishoudens de helling van de regressielijn sterk beïnvloed.

In grafiek 5.1b met de procentuele toename valt op dat de puntenwolk voor een groot deel boven de diagonaal ligt; dit betekent dat het aantal huishoudens in vrij veel gemeenten (251) juist is overschat. Dit is in lijn met de overschatting van de groei van het aantal huishoudens in de nationale huishoudensprognose.

5.1 Scatterplots van de huishoudensgroei in 2015–2017 per gemeente, waarneming versus prognoseScatterplot de huishoudensgroei in 2015–2017 per gemeente, waarneming versus prognose

Tabellen 5.2 en 5.3 geven een overzicht van de tien gemeenten met de grootste absolut een grootste procentuele afwijking in 2018 tussen het aantal waargenomen en het aantal geprognosticeerde huishoudens. Wat betreft de absolute afwijking scoren Rotterdam en Amsterdam, waar het aantal huishoudens met respectievelijk met 5,4 en 4,3 duizend werd onderschat, het hoogst. Hier was bij het inwonertal echter juist sprake van een onderschatting. Dit betekent dat de ontwikkeliten voor. Evenals bij de prognose van de bevolking (tabel 3.3) staat Westerwolde hier bovenaan de lijst.

5.2 Top tien gemeenten: grootste absolute fout in de prognose van het aantal huishoudens 1) op 1 januari 2018
GemeenteWaargenomen (1 000 huishoudens)Waargenomen (1 000 huishoudens)Waargenomen (1 000 huishoudens)Prognose (1 000 huishoudens)Prognose (1 000 huishoudens)Prognosefout Prognosefout
20152018mutatie 2018mutatie absoluutrelatief (%)2)
1Rotterdam315,0321,76,7316,31,3-5,4-1,7
2Amsterdam449,2467,618,4463,314,1-4,3-1,0
3Groningen120,8122,51,8125,85,13,32,7
4Westerwolde11,511,2-0,313,92,42,723,6
5's-Gravenhage253,4260,97,5258,44,9-2,5-1,0
6Utrecht172,7178,25,4180,57,82,31,3
7Eindhoven113,5118,34,7116,12,5-2,2-1,9
8Nissewaard38,538,40,040,31,91,94,9
9Breda86,688,21,689,83,21,61,9
10Leiden66,068,12,169,63,61,52,3
1) De prognosefout is berekend door de waarneming van het aantal huishoudens op 1 januari 2018 af te trekken van de prognose van het aantal huishoudens voor 1 januari 2018. Een positief teken geeft een overschatting weer en een negatief teken een onderschatting. Voor de top tien is er niet gekeken naar het teken van prognosefout
2) Dit is de absolute afwijking als percentage van het aantal huishoudens op 1 januari 2015.

5.3 Top tien gemeenten: grootste absolute fout in de prognose van het aantal huishoudens 1) op 1 januari 2018
GemeenteWaargenomen (1 000 huishoudens)Waargenomen (1 000 huishoudens)Waargenomen (1 000 huishoudens)Prognose (1 000 huishoudens)Prognose (1 000 huishoudens)Prognosefout Prognosefout
20152018mutatie 2018mutatie absoluutrelatief (%2))
1Westerwolde11,511,2-0,313,92,42,723,6
2Steenbergen10,511,81,310,70,2-1,1-10,4
3Loppersum4,44,3-0,14,60,20,37,8
4Rozendaal0,60,70,00,70,10,07,7
5Meerssen8,48,50,19,10,70,67,1
6Beek7,37,30,07,80,50,57,0
7Gilze en Rijen10,911,00,211,70,90,76,1
8Ouder-Amstel5,96,00,16,30,50,46,0
9Simpelveld4,94,90,05,20,30,35,7
10Beemster3,73,90,24,10,40,25,5
1) De prognosefout is berekend door de waarneming van het aantal huishoudens op 1 januari 2018 af te trekken van de prognose van het aantal huishoudens voor 1 januari 2018. Een positief teken geeft een overschatting weer en een negatief teken een onderschatting. Voor de top tien is er niet gekeken naar het teken van prognosefout.
2) Dit is de absolute afwijking als percentage van het aantal huishoudens op 1 januari 2015.


Kaart 5.4 presenteert de absolute en relatieve afwijking tussen het waargenomen en het geprognosticeerde aantal huishoudens in 2018. Net als in kaart 3.4, die betrekking heeft op de bevolking, ligt een gemeente met een sterke overschatting vaak naast een gemeente met een sterke onderschatting. Een uitzondering vormen in dit geval Amsterdam en Almere,waar het aantal huishoudens in beide plaatsen is onderschat.

figuur 5.4 Absolute en relatieve1) fout in de prognose van het aantal huishoudens op 1 januari 2018 per gemeente
a. absolute fout (1 000 huishoudens)
b. relatieve fout (%)

6. Monitoring van de ontwikkeling van de woningvoorraad per gemeente

In de regionale prognose worden ook veronderstellingen over de ontwikkeling van de woningvoorraad gehanteerd. Deze dienen echter als een hulpmiddel om de migratie, met name op korte afstand, te prognosticeren (zie ook De Jong, Stoeldraijer en Traa, 2017; De Jong en Ritsema van Eck, 2017; en De Jong, Huisman en Stoeldraijer, 2019). Vaak verhuizen mensen over korte afstand vanwege de mogelijkheid elders een woning te kunnen betrekken.

In grafiek 6.1 is via een spreidingsdiagram op gemeentelijk niveau de prognose van het toename van het aantal woningen in de periode 2015–2017 afgezet tegen de werkelijke ontwikkeling. Daarbij staan absolute aantallen in grafiek 6.1a en percentages (ten opzichte van de woningvoorraad in 2015) in grafiek 6.1b. In grafiek 6.1a met de absolute aantallen liggen de meeste punten behoorlijk goed op de diagonaal, wat betekent dat in absolute zin de veranderingen in de woningvoorraad behoorlijk goed zijn geprognosticeerd. In grafiek 6.1b met de procentuele toename valt op dat de puntenwolk redelijk verspreidrond de diagonaal ligt; dit houdt in dat het aantal woningen in ongeveer evenveel gemeenten is overschat als onderschat. Een uitbijter betreft de gemeente Wageningen: de uitbreiding van de woningvoorraad in deze typische studentenstad bleef sterk achter bij de verwachtingen.

De ontwikkeling van de woningvoorraad op gemeentelijk niveau is gebaseerd op de verandering van het aantal woningen (dit is het jaarlijks saldo van de toevoegingen aan de woningvoorraad minus de onttrekkingen) in de Basisregistratie Adressen en Gebouwen (BAG). Dit register is in 2012 ingevoerd. Echter, bij de invoering van de BAG is de afbakening van verblijfsobjecten door gemeenten verschillend geïnterpreteerd. Dit speelde met name in gemeenten met veel (on)zelfstandige wooneenheden, zoals studentenkamers en kamers in zorginstellingen. Een deel van de gemeenten had elke kamer als verblijfsobject in de BAG opgenomen. Andere gemeenten hadden dit anders ingevuld. De BAG bronhouders(BAO) besloten dat het niet de bedoeling is dat onzelfstandige kamers apart in de BAG worden opgenomen. Daarom kregen gemeenten tot 1 januari 2017 de tijd om hun voorraad onzelfstandige (studenten)kamers in de BAG te corrigeren. Als gevolg hiervan kunnen in de betreffende gemeenten grote fluctuaties optreden van het aantal woningen in de periode 2012–2017. Dit is bijvoorbeeld te zien in Wageningen waar een groot aantal woningen administratief aan de woningvoorraad werd onttrokken in 2016. Een foute inschatting van de netto woningvoorraad per gemeente kan dus ook een gevolg zijn van wijzigingen in het register die pas na 2015 zijn doorgevoerd waardoor deze niet zijn meegenomen in de regionale prognose.

6.1 Scatterplots van de groei van de woningvoorraad in 2015–2017 per gemeente, waarneming versus prognoseScatterplots van de groei van de woningvoorraad in 2015–2017 per gemeente, waarneming versus prognose

Tabellen 6.2 en 6.3 geven een overzicht van de tien gemeenten met de grootste absolute en de grootste procentuele afwijking in 2015–2017 tussen de toe- of afname in het waargenomen en het veronderstelde aantal woningen. Wat betreft de absolute afwijking scoren Utrecht en Nijmegen het hoogst (tabel 6.2); hier is de stijging van het aantal woningen met respectievelijk met 4,0 en 3,1 duizend overschat. Ook het inwonertal en het aantal huishoudens bleef bij deze gemeenten achter bij de prognose. Hierbij kan sprake zijn van een ‘kip-ei’ relatie: doordat de woningbouw in een gemeente achter bleef bij de verwachtingen, stagneerde de bevolkingsgroei en de toename van het aantal huishoudens of juist omgekeerd. Ook in diverse (middel)grote gemeenten als Enschede, Rotterdam en Delft werd minder gebouwd dan verwacht. Voor al deze steden lijkt te gelden dat het aantrekken van de woningbouw niet of minder sterk op gang kwam dan waar vanuit werd gegaan. Dit zou kunnen betekenen dat hierdoor een woningtekort wordt opgebouwd,aangezien er wel sprake is van een (aanzienlijke) huishoudensgroei in deze gemeenten. In Eindhoven werd juist meer gebouwd dan in de prognose werd verwacht. Dit past ook goed bij de grote woningbouwambitie van deze stad (zie in dit kader De Jong, Huisman en Stoeldraijer, 2019). De bevolking en het aantal huishoudens groeiden hier ook meer dan was aangenomen.

In tabel 6.3 met de relatieve afwijkingen komen vooral kleinere gemeenten voor, met als uitzondering de middelgrote gemeenten Nijmegen en Amstelveen.

6.2 Top tien gemeenten: grootste absolute fout in de prognose van de woningvoorraad 1) op 1 januari 2018
GemeenteWaargenomen (1 000 woningen)Waargenomen (1 000 woningen)Waargenomen (1 000 woningen)Prognose (1 000 woningen)Prognose (1 000 woningen)Prognosefout
20152018mutatie 2018mutatie absoluut relatief (%2))
1Utrecht147,5150,83,3154,87,34,02,7
2Nijmegen78,779,50,882,63,93,13,9
3Wageningen19,517,2-2,320,00,52,814,4
4Eindhoven104,3109,55,2106,82,6-2,6-2,5
5Amstelveen42,741,8-1,043,71,02,04,6
6Enschede75,073,7-1,475,50,51,82,4
7Ede48,348,0-0,249,71,51,73,5
8Rotterdam311,3311,30,0312,71,31,30,4
9Delft49,249,90,751,11,91,32,6
10Groningen97,9100,93,099,71,8-1,3-1,3
1) De prognosefout is berekend door de waarneming van de woningvoorraad op op 1 januari 2018 af te trekken van de prognose van de woningvoorraad voor op 1 januari 2018. Een positief teken geeft een overschatting weer en een negatief teken een onderschatting. Voor de top tien is er niet gekeken naar het teken van prognosefout.
2) Dit is de absolute afwijking als percentage van de woningvoorraad op op 1 januari 2015.

6.3 Top tien gemeenten: grootste relatieve fout in de prognose van de woningvoorraad 1) op 1 januari 2018
GemeenteWaargenomen (1 000 woningen)Waargenomen (1 000 woningen)Prognose (1 000 woningen)Prognose (1 000 woningen)Prognosefout Prognosefout
20152018mutatie 2018mutatie absoluutrelatief (% 2))
1Wageningen19,517,2-2,320,00,52,814,4
2Blaricum4,34,90,64,50,2-0,4-8,5
3Oirschot7,07,70,77,30,2-0,5-6,5
4Vaals5,25,50,35,20,0-0,3-5,4
5Renswoude1,82,00,21,90,1-0,1-4,9
6Amstelveen42,741,8-1,043,71,02,04,6
7Haaren5,35,80,55,60,3-0,2-4,4
8Diemen13,113,10,013,70,60,64,4
9Ouder-Amstel5,85,90,16,10,40,24,2
10Nijmegen78,779,50,882,63,93,13,9
1) De prognosefout is berekend door de waarneming van de woningvoorraad op 1 januari 2018 af te trekken van de prognose van de woningvoorraad voor 1 januari 2018. Een positief teken geeft een overschatting weer en een negatief teken een onderschatting. Voor de top tien is er niet gekeken naar het teken van prognosefout.
2) Dit is de absolute afwijking als percentage van de woningvoorraad op 1 januari 2015.


Kaarten 6.4a en b presenteren de absolute en relatieve afwijkingen per gemeente tussen de waargenomen en de geprognosticeerde groei van de netto woningvoorraad over de periode 2015–2017. Evenals in Eindhoven werden er ook in Groningen en Almere aanzienlijk meer woningen gebouwd dan in de prognose werd verwacht. Zowel in de kaart van de absolute verschillen als die van de relatieve verschillen lijken de afwijkingen vrij klein. De woningbouwveronderstellingen zijn voor een belangrijk deel gebaseerd op de inschattingen van de provincies en een zestigtal (grotere) gemeenten die via een enquête zijn benaderd (zie De Jong en Ritsma van Eck, 2017). Het lijkt erop dat de betrouwbaarheid van deze inschattingen derhalve behoorlijk groot is.

a. Absolute fout in de prognose per gemeente (1 000 woningen)
gemnaamWB_absoluut
Appingedam-0,008
Bedum-0,0158
Ten Boer-0,0068
Delfzijl-0,184
Groningen-1,2544
Grootegast-0,021
Haren-0,2614
Leek-0,0558
Loppersum-0,051
Marum-0,065
Almere-1,071
Stadskanaal-0,004
Veendam-0,0656
Zeewolde0,046
Winsum0,0358
Zuidhorn-0,0324
Dongeradeel-0,098
Achtkarspelen-0,069
Ameland-0,0175
Harlingen-0,028
Heerenveen0,223
Kollumerland en Nieuwkruisland-0,058
Leeuwarden0,216
Ooststellingwerf-0,015
Opsterland-0,025
Schiermonnikoog0,001
Smallingerland0,276
Terschelling-0,017
Vlieland-0,011
Weststellingwerf0,036
Assen0,113
Coevorden-0,087
Emmen0,455
Hoogeveen-0,123
Meppel-0,209
Almelo-0,171
Borne-0,252
Dalfsen0,07
Deventer-0,475
Enschede1,834
Haaksbergen-0,053
Hardenberg-0,052
Hellendoorn0,03
Hengelo-0,002
Kampen-0,143
Losser-0,033
Noordoostpolder-0,003
Oldenzaal0,022
Ommen-0,204
Raalte-0,128
Staphorst-0,065
Tubbergen-0,143
Urk0,041
Wierden-0,104
Zwolle-0,022
Aalten-0,031
Apeldoorn-0,111
Arnhem-0,705
Barneveld-0,288
Beuningen-0,256
Brummen0,041
Buren-0,059
Culemborg-0,348
Doesburg0,009
Doetinchem-0,148
Druten-0,221
Duiven0,037
Ede1,705
Elburg0,046
Epe-0,036
Ermelo0,016
Geldermalsen-0,19
Harderwijk-0,016
Hattem0,036
Heerde0,068
Heumen-0,061
Lochem-0,112
Maasdriel-0,035
Nijkerk-0,238
Nijmegen3,096
Oldebroek0,068
Putten0,133
Renkum-0,047
Rheden0,012
Rozendaal-0,023
Scherpenzeel-0,096
Tiel-0,08
Voorst-0,278
Wageningen2,817
Westervoort-0,049
Winterswijk-0,022
Wijchen-0,145
Zaltbommel-0,071
Zevenaar-0,04
Zutphen0,029
Nunspeet-0,042
Dronten0,0636
Neerijnen-0,052
Amersfoort0,259
Baarn0,132
De Bilt-0,056
Bunnik0,078
Bunschoten0,076
Eemnes-0,087
Houten-0,008
Leusden-0,052
Lopik-0,065
Montfoort-0,11
Renswoude-0,09
Rhenen-0,159
Soest-0,017
Utrecht3,995
Veenendaal-0,29
Woudenberg0,027
Wijk bij Duurstede0,038
IJsselstein-0,123
Zeist0,375
Nieuwegein-0,146
Aalsmeer0,125
Alkmaar0,118
Amstelveen1,963
Amsterdam-0,749
Beemster-0,059
Bergen (NH.)-0,077
Beverwijk-0,093
Blaricum-0,362
Bloemendaal-0,141
Castricum-0,155
Diemen0,574
Edam-Volendam0,214
Enkhuizen0,005
Haarlem0,784
Haarlemmerliede en Spaarnwoude-0,036
Haarlemmermeer1,0945
Heemskerk0,097
Heemstede0,08
Heerhugowaard-0,237
Heiloo-0,087
Den Helder0,121
Hilversum-0,419
Hoorn0,101
Huizen-0,131
Landsmeer-0,075
Langedijk0,052
Laren-0,068
Medemblik-0,112
Oostzaan0,039
Opmeer-0,007
Ouder-Amstel0,245
Purmerend0,062
Schagen-0,122
Texel-0,042
Uitgeest-0,001
Uithoorn0,189
Velsen0,11
Weesp-0,095
Zandvoort-0,013
Zaanstad0,136
Alblasserdam0,092
Alphen aan den Rijn-0,131
Barendrecht-0,016
Drechterland0,055
Brielle-0,1152
Capelle aan den IJssel0,099
Delft1,272
Dordrecht0,057
Gorinchem0
Gouda-0,09
s-Gravenhage0,349
Hardinxveld-Giessendam-0,037
Hellevoetsluis-0,458
Hendrik-Ido-Ambacht-0,086
Stede Broec-0,008
Hillegom-0,093
Katwijk0,185
Krimpen aan den IJssel-0,053
Leerdam-0,018
Leiden0,756
Leiderdorp0,018
Lisse0,331
Maassluis0,08
Nieuwkoop-0,113
Noordwijk0,178
Noordwijkerhout0,027
Oegstgeest0,304
Oud-Beijerland-0,107
Binnenmaas-0,081
Korendijk-0,109
Oudewater0,003
Papendrecht0,04
Ridderkerk-0,189
Rotterdam1,322
Rijswijk0,493
Schiedam0,237
Sliedrecht0,096
Cromstrijen0,027
Albrandswaard-0,025
Westvoorne-0,032
Strijen-0,003
Vianen0,135
Vlaardingen0,043
Voorschoten-0,112
Waddinxveen-0,198
Wassenaar0,117
Woerden-0,033
Zoetermeer-0,268
Zoeterwoude0,072
Zwijndrecht0,169
Borsele0,006
Goes-0,075
West Maas en Waal0,044
Hulst-0,032
Kapelle-0,014
Middelburg-0,025
Giessenlanden0,017
Reimerswaal0,087
Zederik-0,038
Terneuzen0,0878
Tholen-0,051
Veere-0,041
Vlissingen-0,212
Lingewaal0,004
De Ronde Venen-0,257
Tytsjerksteradiel-0,034
Aalburg0,094
Asten0,064
Baarle-Nassau-0,06
Bergen op Zoom0,191
Best0,064
Boekel-0,007
Boxmeer-0,03
Boxtel0,163
Breda0,008
Deurne-0,012
Pekela0,0216
Dongen-0,123
Eersel0,077
Eindhoven-2,631
Etten-Leur0,021
Geertruidenberg0,079
Gilze en Rijen0,139
Goirle-0,05
Grave0,025
Haaren-0,236
Helmond0,509
's-Hertogenbosch-0,17
Heusden0,258
Hilvarenbeek0,095
Loon op Zand0,101
Mill en Sint Hubert0,009
Nuenen Gerwen Nederwetten0,106
Oirschot-0,457
Oisterwijk-0,101
Oosterhout0,033
Oss0,226
Rucphen0,069
Sint-Michielsgestel-0,047
Someren0,059
Son en Breugel-0,001
Steenbergen-0,092
Waterland0,1
Tilburg0,297
Uden0,076
Valkenswaard-0,076
Veldhoven0,178
Vught0,063
Waalre0,112
Waalwijk-0,186
Werkendam-0,091
Woensdrecht-0,095
Woudrichem-0,03
Zundert-0,062
Wormerland0,005
Onderbanken-0,01
Landgraaf-0,205
Beek0,021
Beesel-0,034
Bergen (L.)-0,014
Brunssum0,033
Gennep-0,015
Heerlen-0,531
Kerkrade0,003
Maastricht-0,607
Meerssen0,005
Mook en Middelaar-0,026
Nederweert-0,083
Nuth-0,009
Roermond0,195
Schinnen-0,023
Simpelveld0,018
Stein-0,076
Vaals-0,283
Venlo0,243
Venray0,185
Voerendaal-0,026
Weert0,179
Valkenburg aan de Geul-0,016
Lelystad0,197
Horst aan de Maas0,064
Oude IJsselstreek0,051
Teylingen-0,263
Utrechtse Heuvelrug-0,3
Oost Gelre0,005
Koggenland0,109
Lansingerland0,177
Leudal0,16
Maasgouw-0,037
Eemsmond0,119
Gemert-Bakel0,048
Halderberge0,114
Heeze-Leende-0,024
Laarbeek0,12
De Marne0,04
Reusel-De Mierden0,02
Roerdalen-0,024
Roosendaal0,065
Schouwen-Duiveland0,176
Aa en Hunze0,006
Borger-Odoorn0,166
Cuijk0,099
Landerd-0,002
De Wolden0,052
Noord-Beveland0,002
Wijdemeren-0,053
Noordenveld0,046
Twenterand0,025
Westerveld-0,102
Sint Anthonis0,039
Lingewaard0,118
Cranendonck0,024
Steenwijkerland-0,035
Moerdijk0,036
Echt-Susteren0,008
Sluis0,151
Drimmelen-0,017
Bernheze0,063
Ferwerderadiel0,013
Alphen-Chaam0,024
Bergeijk0,132
Bladel0,045
Gulpen-Wittem0,06
Tynaarlo-0,114
Midden-Drenthe-0,174
Overbetuwe0,125
Hof van Twente-0,067
Neder-Betuwe-0,084
Rijssen-Holten-0,097
Geldrop-Mierlo0,176
Olst-Wijhe-0,065
Dinkelland-0,126
Westland0,326
Midden-Delfland0,013
Berkelland0,034
Bronckhorst0,089
Sittard-Geleen-0,211
Kaag en Braassem0,162
Dantumadiel-0,049
Zuidplas-0,05
Peel en Maas0,037
Oldambt0,0132
Zwartewaterland-0,009
S�dwest-Frysl�n0,075
Bodegraven-Reeuwijk0,088
Eijsden-Margraten-0,213
Stichtse Vecht-0,3
Hollands Kroon0,085
Leidschendam-Voorburg0,352
Goeree-Overflakkee-0,259
Pijnacker-Nootdorp0,035
Molenwaard-0,044
Nissewaard0,851
Krimpenerwaard0,161
De Fryske Marren-0,0273
Gooise Meren0,03
Berg en Dal-0,046
Meierijstad0,355
Waadhoeke-0,066
Westerwolde-0,1218
Midden-Groningen0,191
Montferland-0,043

b. Relatieve fout in de prognose per gemeente (%)
gemnaamWB_relatief
Appingedam-0,1368
Bedum-0,3489
Ten Boer-0,2242
Delfzijl-1,5043
Groningen-1,2812
Grootegast-0,4253
Haren-3,0342
Leek-0,6633
Loppersum-1,0951
Marum-1,528
Almere-1,3561
Stadskanaal-0,0262
Veendam-0,5158
Zeewolde0,566
Winsum0,5923
Zuidhorn-0,419
Dongeradeel-0,9001
Achtkarspelen-0,579
Ameland-1,0479
Harlingen-0,3745
Heerenveen0,9639
Kollumerland en Nieuwkruisland-1,0638
Leeuwarden0,3626
Ooststellingwerf-0,1345
Opsterland-0,1966
Schiermonnikoog0,173
Smallingerland1,0928
Terschelling-0,7651
Vlieland-2,0873
Weststellingwerf0,3155
Assen0,3676
Coevorden-0,5654
Emmen0,9263
Hoogeveen-0,5032
Meppel-1,3863
Almelo-0,5297
Borne-2,7299
Dalfsen0,6229
Deventer-1,1083
Enschede2,4444
Haaksbergen-0,523
Hardenberg-0,2198
Hellendoorn0,2081
Hengelo-0,0053
Kampen-0,6762
Losser-0,3475
Noordoostpolder-0,0154
Oldenzaal0,1546
Ommen-2,9864
Raalte-0,8404
Staphorst-1,1494
Tubbergen-1,7509
Urk0,671
Wierden-1,0838
Zwolle-0,0402
Aalten-0,2633
Apeldoorn-0,159
Arnhem-0,9797
Barneveld-1,3982
Beuningen-2,4194
Brummen0,4432
Buren-0,5715
Culemborg-3,0185
Doesburg0,1742
Doetinchem-0,5911
Druten-2,9052
Duiven0,3485
Ede3,5337
Elburg0,5054
Epe-0,2601
Ermelo0,1484
Geldermalsen-1,7991
Harderwijk-0,0855
Hattem0,6977
Heerde0,8738
Heumen-0,8783
Lochem-0,7714
Maasdriel-0,3631
Nijkerk-1,4949
Nijmegen3,935
Oldebroek0,7571
Putten1,3898
Renkum-0,3206
Rheden0,0573
Rozendaal-3,622
Scherpenzeel-2,5869
Tiel-0,4532
Voorst-2,8393
Wageningen14,424
Westervoort-0,7488
Winterswijk-0,1711
Wijchen-0,8283
Zaltbommel-0,6573
Zevenaar-0,2061
Zutphen0,1337
Nunspeet-0,4044
Dronten0,3662
Neerijnen-1,1159
Amersfoort0,3995
Baarn1,1393
De Bilt-0,2914
Bunnik1,2566
Bunschoten0,9527
Eemnes-2,404
Houten-0,0412
Leusden-0,4194
Lopik-1,2075
Montfoort-1,9978
Renswoude-4,8993
Rhenen-2,0671
Soest-0,0838
Utrecht2,7083
Veenendaal-1,098
Woudenberg0,5568
Wijk bij Duurstede0,3896
IJsselstein-0,8782
Zeist1,3475
Nieuwegein-0,5308
Aalsmeer0,9763
Alkmaar0,2356
Amstelveen4,5933
Amsterdam-0,1796
Beemster-1,6204
Bergen (NH.)-0,5138
Beverwijk-0,4957
Blaricum-8,4738
Bloemendaal-1,4658
Castricum-1,0119
Diemen4,371
Edam-Volendam1,4403
Enkhuizen0,0581
Haarlem1,0706
Haarlemmerliede en Spaarnwoude-1,5817
Haarlemmermeer1,8459
Heemskerk0,5587
Heemstede0,6493
Heerhugowaard-1,0668
Heiloo-0,8524
Den Helder0,4342
Hilversum-1,0254
Hoorn0,3134
Huizen-0,7064
Landsmeer-1,6143
Langedijk0,4694
Laren-1,316
Medemblik-0,6141
Oostzaan0,9919
Opmeer-0,1512
Ouder-Amstel4,238
Purmerend0,1754
Schagen-0,6171
Texel-0,6557
Uitgeest-0,0181
Uithoorn1,4996
Velsen0,3592
Weesp-1,0901
Zandvoort-0,1383
Zaanstad0,2044
Alblasserdam1,1305
Alphen aan den Rijn-0,2863
Barendrecht-0,0848
Drechterland0,6837
Brielle-1,5004
Capelle aan den IJssel0,3222
Delft2,5854
Dordrecht0,1045
Gorinchem0
Gouda-0,284
s-Gravenhage0,1388
Hardinxveld-Giessendam-0,5231
Hellevoetsluis-2,6477
Hendrik-Ido-Ambacht-0,7388
Stede Broec-0,0889
Hillegom-0,9895
Katwijk0,7257
Krimpen aan den IJssel-0,4301
Leerdam-0,2102
Leiden1,3688
Leiderdorp0,1505
Lisse3,3317
Maassluis0,5389
Nieuwkoop-1,052
Noordwijk1,4762
Noordwijkerhout0,3901
Oegstgeest2,9327
Oud-Beijerland-1,0888
Binnenmaas-0,6466
Korendijk-2,4801
Oudewater0,0718
Papendrecht0,2821
Ridderkerk-0,911
Rotterdam0,4246
Rijswijk1,9641
Schiedam0,6479
Sliedrecht0,9058
Cromstrijen0,4798
Albrandswaard-0,2459
Westvoorne-0,477
Strijen-0,0774
Vianen1,65
Vlaardingen0,1231
Voorschoten-1,0099
Waddinxveen-1,7966
Wassenaar0,9596
Woerden-0,1551
Zoetermeer-0,4868
Zoeterwoude2,1435
Zwijndrecht0,8302
Borsele0,0621
Goes-0,4241
West Maas en Waal0,559
Hulst-0,2426
Kapelle-0,2695
Middelburg-0,1087
Giessenlanden0,2917
Reimerswaal0,9758
Zederik-0,6947
Terneuzen0,3331
Tholen-0,4813
Veere-0,3826
Vlissingen-0,9474
Lingewaal0,0889
De Ronde Venen-1,4627
Tytsjerksteradiel-0,2509
Aalburg1,8725
Asten0,9555
Baarle-Nassau-2,1866
Bergen op Zoom0,6365
Best0,5355
Boekel-0,1799
Boxmeer-0,2546
Boxtel1,2335
Breda0,0098
Deurne-0,0899
Pekela0,374
Dongen-1,1411
Eersel0,969
Eindhoven-2,5228
Etten-Leur0,1155
Geertruidenberg0,8264
Gilze en Rijen1,255
Goirle-0,5072
Grave0,4722
Haaren-4,4386
Helmond1,2997
's-Hertogenbosch-0,2465
Heusden1,4177
Hilvarenbeek1,5087
Loon op Zand1,0075
Mill en Sint Hubert0,1995
Nuenen Gerwen Nederwetten1,0688
Oirschot-6,4998
Oisterwijk-0,9106
Oosterhout0,1367
Oss0,5867
Rucphen0,7259
Sint-Michielsgestel-0,4021
Someren0,7609
Son en Breugel-0,0145
Steenbergen-0,9204
Waterland1,3835
Tilburg0,3118
Uden0,4225
Valkenswaard-0,5382
Veldhoven0,928
Vught0,5636
Waalre1,4921
Waalwijk-0,8959
Werkendam-0,8737
Woensdrecht-0,9848
Woudrichem-0,5095
Zundert-0,6766
Wormerland0,0747
Onderbanken-0,2747
Landgraaf-1,1454
Beek0,2832
Beesel-0,5752
Bergen (L.)-0,2503
Brunssum0,2271
Gennep-0,2048
Heerlen-1,1756
Kerkrade0,0125
Maastricht-0,9989
Meerssen0,0592
Mook en Middelaar-0,7336
Nederweert-1,1661
Nuth-0,1297
Roermond0,7224
Schinnen-0,3898
Simpelveld0,3454
Stein-0,6568
Vaals-5,4028
Venlo0,5251
Venray0,989
Voerendaal-0,4577
Weert0,8009
Valkenburg aan de Geul-0,1964
Lelystad0,6032
Horst aan de Maas0,3709
Oude IJsselstreek0,2958
Teylingen-1,7872
Utrechtse Heuvelrug-1,4248
Oost Gelre0,0395
Koggenland1,1915
Lansingerland0,7859
Leudal1,0211
Maasgouw-0,3491
Eemsmond1,5943
Gemert-Bakel0,3892
Halderberge0,8775
Heeze-Leende-0,366
Laarbeek1,3005
De Marne0,7576
Reusel-De Mierden0,3806
Roerdalen-0,2558
Roosendaal0,1888
Schouwen-Duiveland1,0559
Aa en Hunze0,0538
Borger-Odoorn1,4147
Cuijk0,9417
Landerd-0,0335
De Wolden0,5191
Noord-Beveland0,0463
Wijdemeren-0,5124
Noordenveld0,316
Twenterand0,1842
Westerveld-1,2353
Sint Anthonis0,8254
Lingewaard0,6141
Cranendonck0,2741
Steenwijkerland-0,1783
Moerdijk0,2239
Echt-Susteren0,0555
Sluis1,0806
Drimmelen-0,1487
Bernheze0,525
Ferwerderadiel0,3375
Alphen-Chaam0,5785
Bergeijk1,719
Bladel0,5392
Gulpen-Wittem0,8772
Tynaarlo-0,8227
Midden-Drenthe-1,2389
Overbetuwe0,6636
Hof van Twente-0,4496
Neder-Betuwe-1,0182
Rijssen-Holten-0,6877
Geldrop-Mierlo1,0192
Olst-Wijhe-0,8902
Dinkelland-1,2045
Westland0,77
Midden-Delfland0,1715
Berkelland0,1762
Bronckhorst0,5537
Sittard-Geleen-0,4581
Kaag en Braassem1,4952
Dantumadiel-0,609
Zuidplas-0,2993
Peel en Maas0,2055
Oldambt0,0722
Zwartewaterland-0,105
S�dwest-Frysl�n0,1818
Bodegraven-Reeuwijk0,6366
Eijsden-Margraten-1,9757
Stichtse Vecht-1,0962
Hollands Kroon0,4138
Leidschendam-Voorburg0,9675
Goeree-Overflakkee-1,2425
Pijnacker-Nootdorp0,1775
Molenwaard-0,4022
Nissewaard2,1827
Krimpenerwaard0,692
De Fryske Marren-0,1201
Gooise Meren0,1151
Berg en Dal-0,3048
Meierijstad1,087
Waadhoeke-0,3174
Westerwolde-1,0347
Midden-Groningen0,6821
Montferland-0,2835

7. Conclusies en evaluatie

Bij het opstellen van een nieuwe editie van de regionale prognose is het nuttig om na te gaan hoe goed de toekomst is geprognosticeerd door de vorige edities. In dit kader is in dit artikel de PBL/CBS Regionale bevolkings- en huishoudensprognose 2016–2040, die in september 2016 is gepubliceerd, gemonitord.

In de nationale CBS Bevolkingsprognose 2015–2060 is de bevolking per 1 januari 2018 in lichte mate overschat. Door te kijken naar de componenten van de bevolkingsgroei komt naar voren dat de immigratie en geboorte wat te hoog zijn geprognosticeerd ten opzichte van de realisatie. Bij de regionale prognose zit de grootste onzekerheid bij de binnenlands emigratie en hiermee samenhangend de (netto) woningbouw. Het aantal verhuizingen in de periode 2015–2017 viel in werkelijkheid veel hoger uit dan in de prognose werd verwacht.De opgaande trend na 2013 is dus de afgelopen jaren niet afgezwakt. Verhuizingen worden voor een belangrijk deel veroorzaakt doordat nieuw gebouwde woningen worden betrokken en dit leidt op haar beurt dan tot extra huishoudens. Opmerkelijk genoeg is de fout in de prognose van de toename van het aantal huishoudens aanzienlijk groter dan die in de prognose van de (netto) uitbreiding van woningvoorraad.

Hoewel verondersteld mag worden dat de groei van het aantal huishoudens zeker op de langere termijn in lijn zal zijn met de toename van de woningvoorraad, hoeft dit op de korte termijn niet zo te zijn. Ook in de jaren 2015–2017 overtrof de huishoudensgroei de (netto) toename van de woningvoorraad: namelijk 19 duizend tegen 15 duizend. Dit zou kunnen betekenen dat het moeilijker is om de huishoudensgroei goed te prognosticeren dan de woningbouw.

Ook op gemeentelijk niveau geldt dat de prognosefouten bij de woningbouw doorgaans kleiner zijn dan die bij de huishoudensontwikkeling, althans voor de korte termijn. Bij alle vier grote steden is de huishoudensgroei overschat, terwijl de woningbouw vrij accuraat was ingeschat (met uitzondering van Utrecht). Nadere analyse wees uit dat in diverse grote en/of studentensteden een opgaande trend in de gemiddelde huishoudensgrootte tot 2016 niet of minder sterk is verder gegaan dan werd verwacht in de regionale prognose. Dit was aanleiding om in de regionale prognose van 2019 de veronderstelling over de ontwikkeling van de gemiddelde huishoudensgrootte voor diverse steden aan te passen. Voor Amsterdam wordt bijvoorbeeld in de nieuwe prognose ervan uitgegaan dat de gemiddelde huishoudensgrootte min of meer stabiel blijft (en niet meer verder zal stijgen, zoals in de prognose van 2016 was verondersteld), terwijl voor Den Haag en Rotterdam een mindersterke stijging wordt voorzien. Voor Utrecht wordt de veronderstelling van de vorige prognose gehandhaafd, aangezien hier de prognosefout werd veroorzaakt door een foutieve inschatting van de woningbouw. Er werd namelijk veel meer gebouwd dan verwacht. Ook voor diverse andere grote steden en/of studentensteden is de veronderstelling over de gemiddelde huishoudensgrootte naar beneden bijgesteld, zoals voor Nijmegen, Groningen, Leiden en Eindhoven.

Tegenover de onderschatting in diverse grote steden van de groei van het aantal huishoudens staat een overschatting van de toename van het inwonertal. Dit geldt vooral voor Amsterdam en Den Haag. Deze overschatting is vooral toe te schrijven aan de onderschatting van het vertrek. De grote steden zijn erg in trek bij jongeren, die hier komen voor studie en er dan een baan vinden, en immigranten, waarbij het de laatste jaren veelal om arbeidsmigranten en internationale studenten gaat. Dit was in de regionale prognose van 2016 ook verwacht, maar in werkelijkheid overtrof de immigratie de verwachting,terwijl de binnenlandse vestiging juist lager uitpakte dan verwacht, dit mede doordat er minder studenten kwamen wonen, mogelijk als gevolg van de invoering van het studieleenstel. Wat niet was voorzien in de prognose van 2016 was de vrij sterke (toename van de) uitstroom. Deze uitstroom (van jonge stellen) was vooral georiënteerd op de randgemeenten, waar de woningbouw weer op gang kwam. Hierbij kunnen de fors gestegen huizenprijzen in de grote steden een rol hebben gespeeld. Voor de meeste stellen met plannen voor gezinsuitbreiding is een gezinshuis (in een groene omgeving) veelal niet betaalbaar, ze wijken daarom uit naar randgemeenten waar dit nog wel binnen hun budget past. De immigranten die naar de grote steden komen, bestaan deels uit expats die wel een dure woning kunnen betalen of bij wie de werkgever dit (deels) financiert. Inde prognose van 2019 is verondersteld dat de immigratie naar de grote steden blijft stijgen en dat dit leidt tot een hoger buitenlands migratiesaldo. Tegelijkertijd gaat dit samen meteen negatief binnenlands migratiesaldo, meer vertrek dan vestiging dus. Tussen 2008 en 2013, ten tijde van de economische crisis, was er nog sprake van een positief binnenlands migratiesaldo, maar in een paar jaar tijds is dit omgeslagen naar een negatief saldo. Het gevolg van deze veronderstelling (een hoger buitenlands migratiesaldo en een lager binnenlands migratiesaldo) is dat in de nieuwe prognose diverse randgemeenten(aanzienlijk) sterker groeien dan in de prognose van 2016 was verwacht. Dit was trouwens ook zichtbaar in de monitoring: grote steden zijn doorgaans minder snel gegroeid dan verwacht en hun buurgemeenten juist sneller.

Literatuur

Duin, C. van, L. Stoeldraijer, H. Nicolaas, J. Ooijevaar en A. Sprangers (2015). Kernprognose 2015–2060: Hoge bevolkingsgroei op korte termijn. Bevolkingstrends, 2015|19.

Duin, C. van, L. Stoeldraijer, D. van Roon en C. Harmsen (2016). Huishoudensprognose 2015–2060: jongeren en ouderen langer thuis. Bevolkingstrends, 2016|04.

Jong, A. de, L. Stoeldraijer en M. Traa (2017). Evaluatie PBL/CBS Regionale Bevolkings- en huishoudensprognose. PBL: Den Haag.

Jong, A. de, en J. Ritsma van Eck (2017). PBL/CBS Regionale bevolkings- en huishoudensprognose 2016–2040: woningbouwveronderstellingen. Bevolkingstrends, juli 2017.

Riele, S. te, C. Huisman, L. Stoeldraijer en T. Husby (2019). PBL/CBS Regionale bevolkings- en huishoudensprognose 2019-2050: belangrijkste uitkomsten. Statistische Trends, 2019.

Jong, A. de, C. Huisman en L. Stoeldraijer (2019) PBL/CBS Regionale bevolkings- en huishoudensprognose 2019-2050: woningbouwveronderstellingen. Statistische Trends, 2019.

Kooiman, N, A. de Jong, C. Huisman, C. van Duin en L. Stoeldraijer (2016). PBL/CBS Regionale bevolkings- en huishoudensprognose 2016–2040: sterke regionale verschillen. Bevolkingstrends, augustus 2016.