Door schatting actueler beeld verhuizingen mogelijk

Cijfers over de woningmarkt staan op dit moment sterk in de belangstelling vanwege het tekort aan woningen in bepaalde regio’s. Het CBS registreert het aantal verhuizingen per maand, dit brengt de doorstroming op de woningmarkt in kaart, de vorming van nieuwe huishoudens en regionale bevolkingsgroei of -krimp. Het totaal aantal verhuisde personen in Nederland loopt in de registratie een maand achter op de actualiteit.

Het Center for Big Data Statistics (CBDS) van het CBS heeft met behulp van tijdreeksanalyses onderzocht of het mogelijk is, om op basis van register- en big data bronnen, een actuelere indicator voor verhuizingen te ontwikkelen. Eerder onderzoek heeft aangetoond dat gegevens van zoekgedrag op Google mogelijk gebruikt kunnen worden als snelle indicatoren om trends te monitoren. Hetzelfde onderzoek heeft ook aangetoond dat deze zoekgegevens specifiek voor de woningmarkt interessant kunnen zijn (Choi en Varian, 2012; Jun, Yoo en Choi, 2018; Stephens-Davidowitz en Varian, 2015). Uit de resultaten van het CBS-onderzoek blijkt dat zoektermen in Google, in dit geval met name de zoekterm ‘verhuizen’, wel hetzelfde patroon over tijd laten zien als de verhuizingen, maar niet de kwaliteit van het real-time cijfer verbeteren (‘nowcasten’). Informatie over het aantal verhuisde personen in het verleden biedt wel voldoende aanknopingspunten om dit aantal een maand vooruit te schatten. Op deze wijze kan alsnog een actueel cijfer verkregen worden. Het CBS heeft dit nog niet eerder gedaan.

Werkwijze

Dit onderzoek is in drie stappen uitgevoerd: 1) exploratie van de data in Google Correlate, 2) het downloaden van tijdreeksen van zoektermen met Google Trends en 3) vervolgens is met structurele tijdreeksanalyse onderzocht of deze indicatoren iets toevoegen aan de huidige informatie over verhuisde personen in het register.

1) In de eerste stap is de tijdreeks met de maandelijkse verhuizingen uit het register ingelezen in Google Correlate. Daarna zijn alle zoektermen, die in Nederland werden gebruikt in dezelfde tijdsperiode, vergeleken met deze tijdreeks. Google heeft geen informatie over de aard van de cijfers en ‘weet’ dus niet dat de reeks het aantal verhuisde personen in Nederland betreft. Er is bekeken of er vergelijkbare patronen over de tijd waarneembaar zijn in zoektermen. Ook is bekeken of deze termen gerelateerd zijn aan verhuizingen. De zoektermen liepen hierbij tot maximaal een jaar voor op de registerinformatie. Zoals te verwachten valt, bleek hierbij vooral de zoekterm ‘verhuizen’ een vergelijkbare trend te laten zien. Een andere zoekterm die in enige mate vergelijkbaar was over tijd, is de zoekterm ‘verhuisdozen’.
2) In stap twee is met Google Trends een aantal tijdreeksen met zoektermen gedownload en opgeslagen, zoals ‘verhuizen’ en ‘verhuisdozen’. Het gaat hierbij om het relatieve gebruik van een specifieke zoekterm ten opzichte van het totale aantal zoekopdrachten in Nederland. Hiervoor wordt door Google een steekproef van alle zoekopdrachten gebruikt. Om de robuustheid van de resultaten, op basis van deze steekproeven, in te kunnen schatten, heeft het CBS een aantal keer opnieuw reeksen met dezelfde zoektermen gedownload in dezelfde periode. Deze reeksen weken niet sterk van elkaar af, de gemiddelde reeks is vervolgens gebruikt als inputdata voor de tijdreeksanalyses.
3) Tenslotte zijn de Google Trends tijdreeksen van verschillende zoektermen gebruikt als inputdata in structurele tijdreeksmodellen. Vervolgens is onderzocht of de zoektermen dezelfde trends over tijd laten zien als het daadwerkelijke aantal verhuizingen uit het register (zogenaamde ‘coïntegratie’). Hierbij is gecorrigeerd voor seizoenseffecten. Ook is onderzocht of deze trends voorlopen op de verhuizingen. Met de beschikbare registerinformatie over de verhuisde personen van een aantal maanden daarvoor, is het tijdreeksmodel in staat om een periode vooruit te schatten, in dit geval een maand. Door de Google Trends tijdreeks mee te nemen in het model, kan onderzocht worden of deze tijdreeks de schatting op basis van het aantal verhuisde personen in het verleden verbetert.

Resultaten

Uit de eerste analyse met Google Correlate blijkt dat vooral de zoekterm ‘verhuizen’ over tijd correleert met de tijdreeks van verhuizingen in het register. Deze term lijkt logischerwijs ook het meest van toepassing. Het patroon in het gebruik van de zoekterm ‘verhuizen’ laat dus dezelfde trend zien als het aantal verhuisde personen. De verklaring hiervoor is dat mensen, voordat zij gaan verhuizen, eerst via Google informatie over verhuizen opzoeken op Internet, zoals ‘tips over verhuizen’. Google zou daarom kunnen dienen als een ‘early warning system’ om veranderingen in verhuisgedrag vroegtijdig op te pikken. In dit geval is het zeer waarschijnlijk dat degenen die de zoekterm ‘verhuizen’ intypen in Google, geïnteresseerd zijn in verhuizen en mogelijk in de toekomst gaan verhuizen.

Aantal verhuizingen en zoekterm 'verhuizen'
Jaar	Opbrengst milieubelastingen en -heffingen	Verhuisde personen (x 1 000, procent)	Gebruik zoekterm 'verhuizen' (x 1 000, procent)
2004	januari	131,226	79
2004	februari	120,876	60
2004	maart	136,273	57
2004	april	123,807	64
2004	mei	115,677	54
2004	juni	134,370	72
2004	juli	145,155	98
2004	augustus	140,094	48
2004	september	139,937	71
2004	oktober	130,605	75
2004	november	132,533	58
2004	december	137,694	51
2005	januari	131,742	69
2005	februari	123,006	55
2005	maart	133,654	64
2005	april	131,053	57
2005	mei	119,995	71
2005	juni	134,044	72
2005	juli	144,633	61
2005	augustus	154,769	70
2005	september	154,074	64
2005	oktober	143,819	60
2005	november	137,607	67
2005	december	143,179	70
2006	januari	145,730	62
2006	februari	131,851	58
2006	maart	148,044	61
2006	april	121,788	65
2006	mei	132,290	58
2006	juni	136,823	68
2006	juli	144,085	77
2006	augustus	155,356	70
2006	september	145,048	59
2006	oktober	141,470	57
2006	november	142,441	62
2006	december	133,193	50
2007	januari	145,654	62
2007	februari	128,219	62
2007	maart	140,177	57
2007	april	118,505	53
2007	mei	131,882	73
2007	juni	134,759	75
2007	juli	149,214	67
2007	augustus	152,665	65
2007	september	134,102	61
2007	oktober	142,656	56
2007	november	137,390	61
2007	december	123,957	47
2008	januari	150,835	54
2008	februari	130,931	58
2008	maart	128,084	55
2008	april	132,793	55
2008	mei	120,613	65
2008	juni	129,630	66
2008	juli	151,001	65
2008	augustus	143,260	57
2008	september	145,107	57
2008	oktober	142,426	47
2008	november	123,497	43
2008	december	134,214	44
2009	januari	132,773	40
2009	februari	119,504	47
2009	maart	128,475	48
2009	april	114,125	45
2009	mei	110,364	44
2009	juni	119,485	48
2009	juli	139,316	48
2009	augustus	129,890	50
2009	september	134,354	43
2009	oktober	125,777	41
2009	november	118,667	51
2009	december	125,090	43
2010	januari	124,578	46
2010	februari	118,640	52
2010	maart	129,479	55
2010	april	111,592	52
2010	mei	107,713	45
2010	juni	118,779	51
2010	juli	129,435	53
2010	augustus	134,016	53
2010	september	130,225	47
2010	oktober	117,783	49
2010	november	118,350	47
2010	december	121,644	42
2011	januari	124,761	44
2011	februari	117,618	47
2011	maart	125,429	55
2011	april	109,559	52
2011	mei	113,732	53
2011	juni	110,959	51
2011	juli	127,269	60
2011	augustus	138,851	53
2011	september	130,233	56
2011	oktober	117,710	50
2011	november	119,764	52
2011	december	123,142	49
2012	januari	132,642	53
2012	februari	118,910	52
2012	maart	123,616	53
2012	april	107,550	46
2012	mei	114,387	49
2012	juni	128,210	49
2012	juli	131,806	53
2012	augustus	137,957	53
2012	september	122,484	51
2012	oktober	123,643	52
2012	november	118,885	48
2012	december	118,771	48
2013	januari	132,073	55
2013	februari	117,986	49
2013	maart	120,141	50
2013	april	107,940	47
2013	mei	111,403	46
2013	juni	106,401	55
2013	juli	132,651	60
2013	augustus	137,858	59
2013	september	132,670	58
2013	oktober	128,727	59
2013	november	121,058	49
2013	december	124,260	55
2014	januari	137,533	57
2014	februari	124,721	60
2014	maart	123,094	57
2014	april	119,539	53
2014	mei	114,950	59
2014	juni	116,783	60
2014	juli	139,686	57
2014	augustus	143,289	58
2014	september	143,359	65
2014	oktober	134,831	56
2014	november	120,609	52
2014	december	144,944	57
2015	januari	139,594	59
2015	februari	131,150	61
2015	maart	137,595	58
2015	april	124,000	57
2015	mei	119,950	58
2015	juni	132,866	74
2015	juli	159,136	73
2015	augustus	156,017	74
2015	september	153,678	67
2015	oktober	145,102	62
2015	november	132,519	63
2015	december	148,025	59
2016	januari	137,909	59
2016	februari	141,902	71
2016	maart	142,911	58
2016	april	137,133	60
2016	mei	133,030	60
2016	juni	141,460	66
2016	juli	160,887	70
2016	augustus	171,432	69
2016	september	162,609	70
2016	oktober	149,749	66
2016	november	149,566	65
2016	december	162,862	68
2017	januari	159,611	100
2017	februari	151,167	90
2017	maart	164,684	73
2017	april	138,475	71
2017	mei	151,306	66
2017	juni	151,157	66
2017	juli	168,985	74
2017	augustus	173,496	70
2017	september	165,277	65
2017	oktober	157,298	66
2017	november	150,311	81
2017	december	153,646	80
2018	januari	153,322	76

Aantal verhuizingen en zoekterm 'verhuizen'
Jaar	Opbrengst milieubelastingen en -heffingen	Verhuisde personen (x 1 000, procent)	Gebruik zoekterm 'verhuizen' (x 1 000, procent)
2004	januari	131,226	79
2004	februari	120,876	60
2004	maart	136,273	57
2004	april	123,807	64
2004	mei	115,677	54
2004	juni	134,370	72
2004	juli	145,155	98
2004	augustus	140,094	48
2004	september	139,937	71
2004	oktober	130,605	75
2004	november	132,533	58
2004	december	137,694	51
2005	januari	131,742	69
2005	februari	123,006	55
2005	maart	133,654	64
2005	april	131,053	57
2005	mei	119,995	71
2005	juni	134,044	72
2005	juli	144,633	61
2005	augustus	154,769	70
2005	september	154,074	64
2005	oktober	143,819	60
2005	november	137,607	67
2005	december	143,179	70
2006	januari	145,730	62
2006	februari	131,851	58
2006	maart	148,044	61
2006	april	121,788	65
2006	mei	132,290	58
2006	juni	136,823	68
2006	juli	144,085	77
2006	augustus	155,356	70
2006	september	145,048	59
2006	oktober	141,470	57
2006	november	142,441	62
2006	december	133,193	50
2007	januari	145,654	62
2007	februari	128,219	62
2007	maart	140,177	57
2007	april	118,505	53
2007	mei	131,882	73
2007	juni	134,759	75
2007	juli	149,214	67
2007	augustus	152,665	65
2007	september	134,102	61
2007	oktober	142,656	56
2007	november	137,390	61
2007	december	123,957	47
2008	januari	150,835	54
2008	februari	130,931	58
2008	maart	128,084	55
2008	april	132,793	55
2008	mei	120,613	65
2008	juni	129,630	66
2008	juli	151,001	65
2008	augustus	143,260	57
2008	september	145,107	57
2008	oktober	142,426	47
2008	november	123,497	43
2008	december	134,214	44
2009	januari	132,773	40
2009	februari	119,504	47
2009	maart	128,475	48
2009	april	114,125	45
2009	mei	110,364	44
2009	juni	119,485	48
2009	juli	139,316	48
2009	augustus	129,890	50
2009	september	134,354	43
2009	oktober	125,777	41
2009	november	118,667	51
2009	december	125,090	43
2010	januari	124,578	46
2010	februari	118,640	52
2010	maart	129,479	55
2010	april	111,592	52
2010	mei	107,713	45
2010	juni	118,779	51
2010	juli	129,435	53
2010	augustus	134,016	53
2010	september	130,225	47
2010	oktober	117,783	49
2010	november	118,350	47
2010	december	121,644	42
2011	januari	124,761	44
2011	februari	117,618	47
2011	maart	125,429	55
2011	april	109,559	52
2011	mei	113,732	53
2011	juni	110,959	51
2011	juli	127,269	60
2011	augustus	138,851	53
2011	september	130,233	56
2011	oktober	117,710	50
2011	november	119,764	52
2011	december	123,142	49
2012	januari	132,642	53
2012	februari	118,910	52
2012	maart	123,616	53
2012	april	107,550	46
2012	mei	114,387	49
2012	juni	128,210	49
2012	juli	131,806	53
2012	augustus	137,957	53
2012	september	122,484	51
2012	oktober	123,643	52
2012	november	118,885	48
2012	december	118,771	48
2013	januari	132,073	55
2013	februari	117,986	49
2013	maart	120,141	50
2013	april	107,940	47
2013	mei	111,403	46
2013	juni	106,401	55
2013	juli	132,651	60
2013	augustus	137,858	59
2013	september	132,670	58
2013	oktober	128,727	59
2013	november	121,058	49
2013	december	124,260	55
2014	januari	137,533	57
2014	februari	124,721	60
2014	maart	123,094	57
2014	april	119,539	53
2014	mei	114,950	59
2014	juni	116,783	60
2014	juli	139,686	57
2014	augustus	143,289	58
2014	september	143,359	65
2014	oktober	134,831	56
2014	november	120,609	52
2014	december	144,944	57
2015	januari	139,594	59
2015	februari	131,150	61
2015	maart	137,595	58
2015	april	124,000	57
2015	mei	119,950	58
2015	juni	132,866	74
2015	juli	159,136	73
2015	augustus	156,017	74
2015	september	153,678	67
2015	oktober	145,102	62
2015	november	132,519	63
2015	december	148,025	59
2016	januari	137,909	59
2016	februari	141,902	71
2016	maart	142,911	58
2016	april	137,133	60
2016	mei	133,030	60
2016	juni	141,460	66
2016	juli	160,887	70
2016	augustus	171,432	69
2016	september	162,609	70
2016	oktober	149,749	66
2016	november	149,566	65
2016	december	162,862	68
2017	januari	159,611	100
2017	februari	151,167	90
2017	maart	164,684	73
2017	april	138,475	71
2017	mei	151,306	66
2017	juni	151,157	66
2017	juli	168,985	74
2017	augustus	173,496	70
2017	september	165,277	65
2017	oktober	157,298	66
2017	november	150,311	81
2017	december	153,646	80
2018	januari	153,322	76

Als de verhuizingen in het verleden uit het register worden meegenomen in het model, blijkt uit de structurele tijdreeksanalyses, dat de tijdreeks, op basis van het relatieve gebruik van de zoekterm ‘verhuizen’ van Google Trends, geen informatie toevoegt aan het actualiseren van de verhuizingen. De tijdreeks heeft als hulpinformatie dus geen toegevoegde waarde. Daarnaast kan de tijdreeks van Google Trends niet gebruikt worden als real-time proxy voor het monitoren van stijgingen dan wel dalingen in het aantal verhuizingen binnen Nederland. Dit ligt vooral aan de onverklaarbare piek in zoekopdrachten in januari 2017, terwijl er in deze maand geen sterke stijging in de verhuizingen is geweest. Ook de updates van de Google zoekalgoritmen bieden geen logische verklaring voor deze piek. De Google Trends reeks loopt daarnaast soms voor en soms achter op de register reeks van verhuisde personen, er is geen bewijs dat de Google reeks mogelijk voorloopt op de registraties en een zogenaamde ‘time-lag’ in het model moet worden opgenomen om hier rekening mee te houden.

Voor deze analyses heeft het CBS geëxperimenteerd met verschillende andere zoektermen, gerelateerd aan verhuizingen. Deze alternatieve zoektermen, zoals ‘verhuizing’, ‘verhuizingen’, ‘verhuis’, ‘verhuisdoos’ en ‘makelaar’, voegen ook geen informatie toe. Voor andere fenomenen met bijbehorende zoektermen kan deze werkwijze mogelijk wel relevante additionele informatie opleveren. Hierbij kan bijvoorbeeld gedacht worden aan het doen van grote uitgaven zoals het kopen van een auto of het zoeken naar een andere baan.

Hierbij moet de kanttekening worden gemaakt dat Google sinds 2004 vaak zoekalgoritmen heeft aangepast. Hierbij is niet altijd duidelijk op welke manier deze precies zijn aangepast. Het is daarom onduidelijk of deze cijfers over tijd vergelijkbaar zijn. Eerder onderzoek waarschuwt voor het risico dat algoritmen worden aangepast op een manier, die een waargenomen trend in zoekgedrag verandert (Lazer et al., 2014). Zo kan uit de resultaten worden afgeleid dat de Google Trends reeks in de laatste jaren beter overeen komt met de register reeks dan in de beginjaren. In augustus 2008 is bijvoorbeeld de functionaliteit ‘Google Suggest’ toegevoegd aan de zoekmachine. Deze functionaliteit geeft suggesties voor zoekopdrachten door woorden af te maken. Dit zou impact kunnen hebben op het gebruik van zoektermen, maar het is onduidelijk of dat hier het geval is en hoe groot deze invloed is. Google geeft daarnaast geen informatie over het totale aantal zoekopdrachten en het minimum aantal zoekopdrachten (dit is gevoelige bedrijfsinformatie). Het CBS kan op dit moment dus geen goede indicatie geven van de betrouwbaarheid van de tijdreeksen van de zoektermen.

Vanwege de genoemde redenen acht het CBS de registerinformatie voldoende voor het actualiseren van de cijfers over het aantal verhuisde personen. Daarnaast acht het CBS Google Trends informatie over het gebruik van zoektermen in Nederland op dit moment niet bruikbaar voor dit doel.

Privacy

Voor deze analyses zijn open data gecombineerd met registerdata. Er is alleen gebruik gemaakt van geaggregeerde gegevens, waarbij individuele personen niet herleid kunnen worden.

Toepassingen

Het structurele tijdreeksmodel kan gebruikt worden voor het nowcasten van het aantal verhuisde personen. Hiermee kan een actueel voorlopig cijfer naar buiten worden gebracht. In de toekomst kan onderzocht worden of tijdreeksanalyse, met informatie over het gebruik van zoektermen, nuttig is voor bijvoorbeeld het doen van bevolkingsprognoses om zo vroegtijdig veranderingen in trends te signaleren of prognoses te verbeteren.

Referenties

Choi, H. en H. Varian, 2012, Predicting the Present with Google Trends. Economic Record, 88 (s1), blz. 2-9.
Jun, Yoo en Choi, 2018, Ten years of research change using Google Trends: From the perspective of big data utilizations and applications. Technological Forecasting & Social Change, 130, blz. 69-87.
Lazer, D., R. Kennedy, G. King, en A. Vespignani, 2014, The Parable of Google Flu: Traps in Big Data Analysis, Science, 343 (6176), blz. 1203-1205.
Stephens-Davidowitz, S. en H. Varian, 2015, A Hand-on Guide to Google Data. Google, technical report.

Feedback

Het CBS wil graag feedback op dit project. Hoe kan beter inzicht worden verkregen in de Google algoritmen? Hoe kan de betrouwbaarheid van deze cijfers worden vastgesteld? Op welke manier kan rekening worden gehouden met veranderend gebruik van zoektermen? En kan Google Trends data wel gebruikt worden voor andere toepassingen?