Onderzoeksrapport Meerjarige tekorten en overschotten op het bijstandsbudget.pdf

MEERJARIGE TEKORTEN EN OVERSCHOTTEN OP HET BIJSTANDSBUDGET

42

vastgesteld op basis van de Microdatabestanden VSLGWBTAB en NIETVSLGWBTAB. Ten slotte is per gemeente per jaar bekeken welk deel van de huren onder (75 en 50 procent van) de liberalisatiegrens lag. De geteste kenmerken betreffen het gemiddelde van deze aandelen voor de periode 2017 tot en met 2020.

Hoge inkomens Het aandeel particuliere huishoudens exclusief studenten met een besteedbaar inkomen in het 8e t/m 10e deciel gecorrigeerd voor verschillen in grootte en samenstelling van het huishouden. We halen deze gegevens van CBS Statline voor de jaren 2017-2020 en middelen over deze jaren.

Hoogopgeleiden Het aandeel hoogopgeleiden van de beroepsbevolking (15 tot 75 jaar) per gemeente. We halen deze gegevens van CBS Statline voor de jaren 2019 en 2020 en middelen over deze jaren. Gegevens over 2017 en 2018 zijn niet beschikbaar.

Huurtoeslag Via CBS Statline is het aantal huishoudens met huurtoeslag beschikbaar. Het aantal huishoudens met huurtoeslag op gemeenteniveau is vervolgens gedeeld door het totaalaantal huishoudens op gemeenteniveau. Dit resulteert in het aandeel huishoudens met huurtoeslag.

Jeugdproblematiek: aandeel jongeren van 12-25 jaar verdacht van misdrijf Het aandeel jongeren (12 tot 25 jaar) verdacht van het plegen van minstens één misdrijf per 10 duizend inwoners per gemeente. We halen deze gegevens van CBS Statline voor de jaren 2017-2020 en middelen over deze jaren.

Jeugdzorg Het aantal jongeren (0 tot 23 jaar) met jeugdzorg als fractie van het totaalaantal jongeren per gemeente. We halen deze gegevens van CBS Statline voor de jaren 2017-2020 en middelen over deze jaren.

Laaggeletterdheid Het aandeel laaggeletterden per gemeente komt van geletterdheidinzicht.nl (bron: ROA). Omdat deze data de gemeente-indeling 2021 volgen, zijn de aandelen omgerekend naar de gemeente-indeling 2020, met als gewicht de bevolking van 16 tot 65 jaar in 2021.

Langdurig in de bijstand Op basis van de Microdatabestanden BIJSTANDPERSOONBUS en GBAHUISHOUDENSBUS is per ultimo 2017 tot en met 2020 bepaald hoelang huishoudens al een bijstandsuitkering ontvangen (meer dan 1, 2, ..., 10 jaar). Deze cijfers zijn op basis van de GBAADRESOBJECTBUS, VSLGWBTAB en NIETVSLGWBTAB geaggregeerd naar gemeenteniveau en vervolgens afgezet tegen het totaalaantal huishoudens in een gemeente dat bijstand ontvangt. Dit levert per gemeente en per jaar het aandeel bijstandshuishoudens op dat meer dan 1, 2, …, 10 jaar bijstand ontvangt. De kenmerken die zijn getest betreffen per gemeente het gemiddelde van deze aandelen over de periode 2017 tot en met 2020.

Ligging aan de grens of zee Met behulp van een GIS is bepaald wat de afstand van het dichtstbijzijnde punt van een gemeente tot een grens met België of Duitsland resp. de Noordzee of Waddenzee is.

MEERJARIGE TEKORTEN EN OVERSCHOTTEN OP HET BIJSTANDSBUDGET

43

Loonkostensubsidies Dit kenmerk zit al in de prijscomponent van het verdeelmodel voor de bijstand. Het kenmerk is gebaseerd op het bestand VRLSRGPERSONENTAB waarin staat of iemand loonkostensubsidie ontvangt. Vervolgens is het kenmerk op persoonsniveau vertaald naar huishoudniveau en vervolgens naar gemeenteniveau. Het aantal huishoudens met loonkostensubsidie per gemeente is gedeeld door het aantal bijstandshuishoudens per gemeente om zodoende het aandeel huishoudens met loonkostensubsidie per gemeente te bepalen.

Multiproblematiek: criminaliteit en gezondheidsproblemen Criminaliteit is een indicator die aangeeft of er binnen het huishouden minstens één persoon door de politie is geregistreerd als verdachte van een misdrijf. We halen deze informatie uit de VERDTAB. Dit vermenigvuldigen we per gemeente met het aandeel huishoudens dat minstens één persoon met gezondheidsproblemen heeft binnen de gemeente. Een persoon met gezondheidsproblemen definiëren we als een persoon die medicijnen gebruikt tegen verslaving (excl. nicotine), chronische stemmingsstoornissen, psychose en/of bipolaire stoornis heeft, of medicijnen gebruikt uit vier of meer hoofdgroepen, of met zorgkosten boven 50 duizend euro of gebruikmaakt van ggz-zorg. Gegevens over medicijnen halen we uit MEDICIJNTAB en gegevens over zorgkosten destilleren we uit ZVWZORGKOSTENTAB. Voor het laatste bestand zijn data over 2020 nog niet beschikbaar, voor dat jaar gebruiken we de zorgkostengegevens uit 2019. Na het berekenen van de kruisvariabele per jaar (2017-2020) op gemeenteniveau middelen we over de vier jaren.

Multiproblematiek: problematische schulden en gezondheidsproblemen Problematische schulden is een indicator die aangeeft of een persoon behoort tot een particulier huishouden met geregistreerde problematische schulden volgens de smalle definitie. De “smalle definitie” houdt in dat ten minste één persoon in het huishouden voldoet aan ten minste één van de volgende criteria op het peilmoment: ● Volgt een WSNP-traject. ● Heeft ten minste zes maanden de zorgpremie niet betaald. ● Heeft een betalingsachterstand van een Wet Mulder-boete bij het Centraal Justitieel Incassobureau (CJIB) waarvan de tweede aanmaning ten minste twee maanden openstaat, of zich al in een ernstigere wanbetalersfase bevindt. Daarnaast moet het openstaande bedrag in totaal minimaal vijftig euro zijn. ● Heeft langer dan 27 maanden een toeslagschuld van in totaal minimaal vijftig euro openstaan bij de Belastingdienst. ● Heeft langer dan 15 maanden een schuld van in totaal minimaal vijftig euro voor overige belastingaanslagen openstaan bij de Belastingdienst. ● Heeft een belastingschuld die in de 12 maanden voor het peilmoment oninbaar is. ● Heeft een betalingsachterstand bij DUO van drie maanden of langer en van minimaal 270 euro.

Er wordt gesproken van “smalle definitie”, omdat in tegenstelling tot de volledige definitie van geregistreerde problematische schulden de volgende voorwaarden niet zijn meegenomen in de CBS Microdata Schuldenproblematiekbestanden: ● Volgt een bij BKR geregistreerd minnelijk traject. ● Heeft een bij BKR geregistreerde betalingsachterstand. ● Is in het Centraal Curatele en Bewindregister (CCBR) opgenomen op grond van verkwisting en/of problematische schulden. Dit vermenigvuldigen we per gemeente met het aandeel huishoudens dat minstens één persoon met gezondheidsproblemen heeft binnen de gemeente. Een persoon met gezondheidsproblemen definiëren we als een persoon

MEERJARIGE TEKORTEN EN OVERSCHOTTEN OP HET BIJSTANDSBUDGET

44

die medicijnen gebruikt tegen verslaving (excl. nicotine), chronische stemmingsstoornissen, psychose en/of bipolaire stoornis heeft, of medicijnen gebruikt uit vier of meer hoofdgroepen, of met zorgkosten boven 50 duizend euro of gebruikmaakt van ggz-zorg. Gegevens over medicijnen halen we uit MEDICIJNTAB en gegevens over zorgkosten destilleren we uit ZVWZORGKOSTENTAB. Voor het laatste bestand zijn data over 2020 nog niet beschikbaar, voor dat jaar gebruiken we de zorgkostengegevens uit 2019. Na het berekenen van de kruisvariabele per jaar (2017-2020) op gemeenteniveau middelen we over de vier jaren.

Problematische schulden Problematische schulden is een indicator die aangeeft of een persoon behoort tot een particulier huishouden met geregistreerde problematische schulden volgens de smalle definitie. De “smalle definitie” houdt in dat ten minste één persoon in het huishouden voldoet aan ten minste één van de volgende criteria op het peilmoment: ● Volgt een WSNP-traject. ● Heeft ten minste zes maanden de zorgpremie niet betaald. ● Heeft een betalingsachterstand van een Wet Mulder-boete bij het Centraal Justitieel Incassobureau (CJIB) waarvan de tweede aanmaning ten minste twee maanden openstaat, of zich al in een ernstigere wanbetalersfase bevindt. Daarnaast moet het openstaande bedrag in totaal minimaal vijftig euro zijn. ● Heeft langer dan 27 maanden een toeslagschuld van in totaal minimaal vijftig euro openstaan bij de Belastingdienst. ● Heeft langer dan 15 maanden een schuld van in totaal minimaal vijftig euro voor overige belastingaanslagen openstaan bij de Belastingdienst. ● Heeft een belastingschuld die in de 12 maanden voor het peilmoment oninbaar is. ● Heeft een betalingsachterstand bij DUO van drie maanden of langer en van minimaal 270 euro.

Er wordt gesproken van “smalle definitie”, omdat in tegenstelling tot de volledige definitie van geregistreerde problematische schulden de volgende voorwaarden niet zijn meegenomen in de CBS Microdata Schuldenproblematiekbestanden: ● Volgt een bij BKR geregistreerd minnelijk traject. ● Heeft een bij BKR geregistreerde betalingsachterstand. ● Is in het Centraal Curatele en Bewindregister (CCBR) opgenomen op grond van verkwisting en/of problematische schulden. We berekenen het aandeel huishoudens met minstens één persoon met problematische schulden per gemeente voor de jaren 2017-2020 om vervolgens over deze jaren te middelen.

Regionaal klantenpotentieel Het regionale klantenpotentieel is een proxy voor de centrumfunctie van een gemeente. Het is een algemene maatstaf die toepasbaar is op de kosten op alle beleidsterreinen waarvan wordt verondersteld dat de gemeentelijke kosten samenhangen met de mate waarin gemeenten een centrumfunctie hebben. Voorbeelden hiervan zijn culturele voorzieningen, festivals, hogescholen en werkgelegenheid. Het gaat om de verhouding tussen het aantal potentiële regionale klanten en het aantal inwoners van een gemeente. We berekenen op gemeenteniveau een gemiddelde over de vier jaar (2017-2020). Data van het regionale klantenpotentieel zijn afkomstig van CBS Statline.

MEERJARIGE TEKORTEN EN OVERSCHOTTEN OP HET BIJSTANDSBUDGET

45

Sociale huurwoningen Via CBS Statline is het aantal sociale huurwoningen beschikbaar. Het aantal sociale huurwoningen op gemeenteniveau is vervolgens gedeeld door het totaalaantal woningen op gemeenteniveau. Dit resulteert in het aandeel sociale huurwoningen.

Statushouders Het CBS Microdatabestand ASIELCOHORT bevat informatie over asielmigranten die vanaf 2014 naar Nederland zijn gekomen. Voor de periode 2017 t/m 2020 is per jaar vastgesteld welk deel van deze asielmigranten nog in Nederland verblijft en wat de verblijfssituatie van hen is. Ook kan in het bestand de populatie statushouders geïdentificeerd worden op basis van de variabele pop_vergunningnaCOA. Deze gegevens zijn gekoppeld aan de GBAADRESOBJECTBUS, VSLGWBTAB en NIETVSLGWBTAB om de woongemeente te achterhalen. Per gemeente is vervolgens het totaalaantal statushouders berekend en afgezet tegen het totaalaantal inwoners in die gemeente.

Stedelijkheid De indicator stedelijkheid geeft de bevolkingsdichtheid van een gemeente aan. Dit wordt gedaan op basis van de omgevingsadressendichtheid (oad) van het Centraal Bureau voor de Statistiek (CBS) dat het aantal adressen per km2 binnen een bepaald gebied aangeeft. Het CBS berekent voor elk adres de oad op basis van het Geografisch basisregister (GBR) en neemt vervolgens het gemiddelde van alle individuele adressen binnen een gemeente. Aan dit gemiddelde aantal adressen per km2 kan vervolgens een mate van stedelijkheid geplakt worden. Er wordt onderscheid gemaakt tussen vijf verschillende categorieën stedelijkheid: ● niet stedelijk (oad van minder dan 500); ● weinig stedelijk (oad van 500-1000 adressen); ● matig stedelijk (oad van 1000-1500); ● sterk stedelijk (oad van 1500-2500); ● zeer sterk stedelijk (oad van 2500 of meer). Voor alle gemeenten is de gemiddelde omgevingsadressendichtheid in peiljaren 2017 tot 2020 berekend, en aan dat gemiddelde is een stedelijkheidslabel gegeven op basis van bovengenoemde categorieën.

Segregatie Segregatie is in dit onderzoek op verschillende manieren geoperationaliseerd. Ten eerste zijn twee verschillende indices gebruikt, de segregatie-index en de verhuis-index. Beide indices zijn ook gebruikt door Ponds et al. (2015). Zij geven een overzicht van de verschillende manieren voor het meten van segregatie. Daarnaast is segregatie gemeten op basis van huishoudens met bijstand en op basis van huishoudens met een niet-westerse migratieachtergrond. De indices in ons onderzoek zijn daarnaast gemeten op buurtniveau en zeggen dus iets over de mate van segregatie tussen buurten in een bepaalde gemeente. De segregatie-index geeft per gemeente een waarde tussen 0 en 1, waarbij een waarde van 0 correspondeert met een gelijke verdeling van een bepaalde bevolkingsgroep over een gemeente en een waarde van 1 met volledige segregatie van die bevolkingsgroep in de gemeente. De formule voor de segregatie-index is als volgt. 𝑠𝑒𝑔𝑟𝑒𝑔𝑎𝑡𝑖𝑒 𝑖𝑛𝑑𝑒𝑥 =

1 𝐴𝑏𝑢𝑢𝑟𝑡 𝑂𝑏𝑢𝑢𝑟𝑡 ∑| − | 2 𝐴𝑔𝑒𝑚𝑒𝑒𝑛𝑡𝑒 𝑂𝑔𝑒𝑚𝑒𝑒𝑛𝑡𝑒 𝑏𝑢𝑢𝑟𝑡

MEERJARIGE TEKORTEN EN OVERSCHOTTEN OP HET BIJSTANDSBUDGET

46

In deze vergelijking zijn 𝐴𝑏𝑢𝑢𝑟𝑡 en 𝐴𝑔𝑒𝑚𝑒𝑒𝑛𝑡𝑒 respectievelijk het aantal huishoudens van een specifieke bevolkingsgroep in een bepaalde buurt en het aantal huishoudens van dezelfde bevolkingsgroep in de gemeente. 𝑂𝑏𝑢𝑢𝑟𝑡 en 𝑂𝑔𝑒𝑚𝑒𝑒𝑛𝑡𝑒 zijn het aantal huishoudens niet behorende tot die specifieke bevolkingsgroep in respectievelijk een bepaalde buurt en in de gemeente. De segregatie-index geeft de mate aan waarin een specifieke bevolkingsgroep gelijk of ongelijk verdeeld is over de buurten in een gemeente, maar houdt geen rekening met de relatieve omvang van deze groep in de gemeente. Een alternatief voor de segregatie-index is de verhuis-index. Deze index heeft een waarde tussen nul en vijftig procent en geeft aan welk deel van de totale bevolking in een gemeente moet verhuizen naar een andere buurt om een gelijke verdeling te krijgen. Deze index houdt wel rekening met de relatieve omvang van de specifieke bevolkingsgroep. De formule voor de verhuis-index is als volgt. 𝐴𝑔𝑒𝑚𝑒𝑒𝑛𝑡𝑒 𝐴𝑏𝑢𝑢𝑟𝑡 ∑𝑏𝑢𝑢𝑟𝑡(𝐴𝑏𝑢𝑢𝑟𝑡 + 𝑂𝑏𝑢𝑢𝑟𝑡 ) | − | 𝐴𝑏𝑢𝑢𝑟𝑡 + 𝑂𝑏𝑢𝑢𝑟𝑡 𝐴𝑔𝑒𝑚𝑒𝑒𝑛𝑡𝑒 + 𝑂𝑔𝑒𝑚𝑒𝑒𝑛𝑡𝑒 𝑣𝑒𝑟ℎ𝑢𝑖𝑠 𝑖𝑛𝑑𝑒𝑥 = ∑𝑏𝑢𝑢𝑟𝑡(𝐴𝑏𝑢𝑢𝑟𝑡 + 𝑂𝑏𝑢𝑢𝑟𝑡 ) De variabelen in bovenstaande vergelijking zijn gelijk aan de variabelen in de formule voor de segregatie-index. De indices voor segregatie zijn vastgesteld op basis van CBS Microdatabestanden.

Voor het bepalen van de huishoudens met bijstand is gebruikgemaakt van de bestanden BIJSTANDPERSOONBUS en GBAHUISHOUDENSBUS en voor het bepalen van niet-westerse migratieachtergrond is gebruikgemaakt van de bestanden GBAPERSOONTAB en GBAHUISHOUDENSBUS. Om huishoudens toe te wijzen aan een gemeente en buurt is gebruikgemaakt van de bestanden GBAADRESOBJECTBUS, VSLGWBTAB en NIETVSLGWBTAB.

Voormalige studenten met psychische problematiek Dit kenmerk kijkt naar personen die hebben gestudeerd, maar uiteindelijk hun studie niet hebben afgemaakt en daarnaast ook psychische problemen hebben in de peiljaren 2017-2020. Dit kenmerk is gemaakt door eerst op basis van de HOOGSTEOPLTAB in de CBS Microdata te kijken of iemands hoogst gevolgde opleiding hoger is dan de hoogst afgeronde opleiding. Dit bekijken we alleen voor personen die minimaal een bachelorstudie zijn gestart (hbo- of wo-niveau). Opleidingsgegevens zijn echter niet integraal beschikbaar. Voor personen vanaf een bepaald geboortejaar zijn de gegevens wel integraal beschikbaar. Op basis van gegevens over leeftijd uit de GBAPERSOONTAB zijn alle personen die ouder zijn dan 43 verwijderd voor peiljaar 2017. Voor elk opeenvolgend peiljaar schuift deze leeftijd een jaar op. Vervolgens is op basis van de ZVWZORGKOSTENTAB en de MEDICIJNTAB bepaald of iemand een psychische problematiek heeft. Iemand heeft psychische problematiek wanneer deze persoon zorgkosten maakt voor de Geestelijke Gezondheidszorg (ggz) of wanneer iemand medicijnen gebruikt tegen ofwel depressies ofwel bipolaire stoornissen ofwel verslaving. Uiteindelijk is er een kenmerk aangemaakt dat bepaalt of iemand hoger onderwijs heeft gevolgd, deze opleiding niet heeft afgemaakt en psychische problemen heeft.

Dit kenmerk is vervolgens vertaald naar gemeenteniveau en gedeeld door de beroepsbevolking per gemeente. Dit resulteert in het aandeel personen dat hun studie niet heeft afgemaakt en psychische problematiek heeft.

Zelfstandigen Het aantal zelfstandigen per gemeente is vastgesteld op het CBS Microdatabestand INPATAB. Het aandeel zelfstandigen volgt door dit aantal te delen door de totale beroepsbevolking in een gemeente. Er is gekeken naar het

MEERJARIGE TEKORTEN EN OVERSCHOTTEN OP HET BIJSTANDSBUDGET

47

aandeel van de totale groep zelfstandigen, het aandeel zelfstandigen exclusief directeur-grootaandeelhouders (DGA’s) en het aandeel zzp’ers in een gemeente. De geteste kenmerken betreffen het gemiddelde van deze aandelen voor de periode 2017 tot en met 2020.

MEERJARIGE TEKORTEN EN OVERSCHOTTEN OP HET BIJSTANDSBUDGET

48

Bijlage D Resultaten systematische kenmerken voor modelkenmerken Onderstaande tabel geeft de resultaten van de systematische analyse voor de kenmerken die zijn opgenomen in het huidige bijstandsverdeelmodel, mét en zonder correctie voor centrumfunctie. Tabel D.1

Systematische analyse voor de modelkenmerken

Modelkenmerk

Zonder correctie voor centrumfunctie

met correctie voor centrumfunctie

Tekort vs. gemiddeld

Overschot vs. gemiddeld

Tekort vs. overschot

Tekort vs. gemiddeld

Overschot vs. gemiddeld

Tekort vs. overschot

Alleenstaande

0,90 ***

-0,02

***

0,57 ***

0,33 *

Eenouder-moeder, jongste kind tot 5

0,71 **

-0,39

***

0,50 *

-0,17

**

Eenouder-moeder, jongste kind 5-12

0,55 *

-0,51 *

***

0,40

-0,35

**

Eenouder-moeder, jongste kind 1218

0,53 *

-0,48

***

0,46

-0,40

**

Eenouder-moeder, jongste kind 18+

0,20

-0,15

0,16

-0,10

Eenouder-vader, jongste kind tot 5

0,47

-0,25

0,33

-0,10

Eenouder-vader, jongste kind 5-12

0,05

-0,38

0,04

-0,37

Huishoudtype

Eenouder-vader, jongste kind 12-18

0,03

-0,36

Eenouder-vader, jongste kind 18+

-0,66 **

0,08

Paar, jongste kind 18-

-0,61 *

-0,08

Paar, jongste kind 18+

-1,02 ***

0,21

Paar zonder kinderen

-0,66 **

Thuiswonend meerderjarig kind

**

0,11

-0,44

-0,49 *

-0,10

-0,28

-0,43 **

***

-0,73 ***

-0,10

0,13

**

-0,56 *

0,02

-0,96 ***

0,12

***

-0,65 ***

-0,22

0,72 **

-0,18

**

0,42*

0,14

Leeftijd 18 tot 20 jaar in huishouden

-0,27

0,05

-0,12

-0,11

Leeftijd 20 tot 25 jaar in huishouden

0,45

0,25

0,24

0,47

Leeftijd 25 tot 30 jaar in huishouden

0,45

0,07

0,14

0,39 *

Leeftijd 30 tot 40 jaar in huishouden

0,10

-0,23

-0,01

-0,12

Leeftijd 40 tot 50 jaar in huishouden

-0,37

-0,17

-0,11

-0,44 *

Leeftijd 50 jaar tot AOW-leeftijd in huishouden

-0,53 *

-0,03

-0,26

-0,32

Corporatiewoning

0,45

-0,10

0,19

0,18

Standplaats

-0,52

0,07

-0,62 *

0,18

Migratieachtergrond (Turks) in hh

0,23

-0,13

0,08

0,03

Migratieachtergrond (Surinaams) in hh

0,42

-0,24

*

0,34

-0,16

Migratieachtergrond (Antilliaans) in hh

0,93 ***

-0,29

***

0,76 ***

-0,11

Overig huishouden

**

***

*

Leeftijd

Woonsituatie

**

Herkomst

***

MEERJARIGE TEKORTEN EN OVERSCHOTTEN OP HET BIJSTANDSBUDGET

Modelkenmerk

Zonder correctie voor centrumfunctie Tekort vs. gemiddeld

Overschot vs. gemiddeld

Migratieachtergrond (Marokkaans) in hh

-0,07

Migratieachtergrond (Ghanees) in hh

49

met correctie voor centrumfunctie Tekort vs. gemiddeld

Overschot vs. gemiddeld

-0,32

-0,22

-0,16

-0,01

-0,15

-0,16

0,00

Migratieachtergrond (Somalisch of Eritrees) in hh

0,53 *

-0,04

0,37

0,14

Migratieachtergrond kaans) in hh

0,75 **

-0,08

0,58 **

0,10

Migratieachtergrond (Afghaans) in hh

0,43

0,15

0,37

0,21

Migratieachtergrond (Irakees) in hh

0,67 **

-0,38

0,53 *

-0,23

Migratieachtergrond (Syrisch) in hh

-0,20

-0,33

-0,30

-0,23

Migratieachtergrond (Iranees) in hh

0,52

0,01

0,38

0,16

Migratieachtergrond (Chinees) in hh

0,51

0,24

0,36

0,40

Migratieachtergrond (Indiaas) in hh

0,22

0,47

0,21

0,49

Migratieachtergrond (overig niet-westers) in hh

0,50

0,28

0,32

0,47

Migratieachtergrond (voormalig Joegoslavisch) in hh

0,09

-0,12

-0,13

0,11

Migratieachtergrond (uit de voormalige Sovjet-Unie) in hh

0,47

0,34

0,29

0,53 *

Migratieachtergrond (overig westers) in hh

0,25

0,23

0,07

0,42

Lage HCI in huishouden

-0,04

-0,42

-0,06

-0,39

Middelbare/hoge HCI in huishouden

-0,41

0,08

-0,15

-0,21

(V)SO/PrO in huishouden

-0,31

-0,54 *

-0,39

-0,45

0,24

-0,48

**

0,13

-0,36

***

0,33

-0,43 *

(overig

Afri-

Tekort vs. overschot

**

***

Tekort vs. overschot

**

Opleidingsniveau

Zorggebruik Zorgkosten boven de € 50.000 in hh Gebruik ggz-zorg in hh

0,58 **

-0,69 **

Gebruik medicijn tegen verslaving in hh

0,10

0,08

-0,03

0,21

Gebruik medicijn tegen depressie in hh

-0,13

-0,62 **

-0,15

-0,61 *

Gebruik medicijn tegen psychose in hh

0,08

-0,35

-0,17

-0,10

Gebruik minder dan 4 medicijngroepen in hh

-0,05

0,50

0,12

0,32

Gebruik 4 tot 6 medicijngroepen in hh

-0,71 **

-0,42

-0,64 **

-0,49

Gebruik 6 tot 8 medicijngroepen in hh

-0,54 *

-0,45

-0,57 *

-0,42

Gebruik 8 of meer medicijngroepen in hh

-0,39

-0,53 *

-0,47

-0,45

Niet-westerse migratieachtergrond in hh & 50 tot AOW-leeftijd in hh

0,42

-0,19

*

0,27

-0,02

Niet-westerse migratieachtergrond in hh & gezondheidsproblemen in hh

0,45

-0,22

*

0,27

-0,02

Stapeling van factoren

***

MEERJARIGE TEKORTEN EN OVERSCHOTTEN OP HET BIJSTANDSBUDGET

Modelkenmerk

Zonder correctie voor centrumfunctie

50

met correctie voor centrumfunctie

Tekort vs. gemiddeld

Overschot vs. gemiddeld

Tekort vs. overschot

Tekort vs. gemiddeld

Overschot vs. gemiddeld

-0,20

-0,58 *

*

-0,32

-0,45

Alleenstaande, vermogen boven € 5.000

1,08 ***

0,08

***

0,90 ***

0,28

Alleenstaande, vermogen tot en met € 5.000, overwaarde boven € 50.000

-0,09

-0,12

0,04

-0,16

Paar, vermogen boven € 10.000

-0,71 **

0,28

***

-0,37 **

-0,08

Paar, vermogen tot en met € 10.000, overwaarde boven € 50.000

-1,06 ***

0,01

***

-0,76 ***

-0,31

Student (mbo/hbo/wo) in huishouden

0,62 **

0,03

0,42

0,25

-0,22

0,16

-0,28

0,22

AO-uitkering (15%-80% of onbekend) in huishouden

-0,92 ***

0,30

-0,78 ***

0,16

AO-uitkering (80%-100%) in huishouden

-0,34

-0,32

-0,46

-0,19

ANW-uitkering in huishouden

-0,45

-0,66 **

-0,52

-0,58 *

-0,72 **

0,27

0,71 **

0,26

-0,37

0,23

-0,13

-0,02

Werken onder niveau in gemeente

-0,12

-0,17

-0,17

-0,11

Aandeel WW in beroepsbevolking van gemeente

0,11

-0,01

-0,12

0,23

Beschikbaarheid van werk in gemeente

-0,16

-0,21

-0,12

-0,25

Beschikbaarheid van laaggeschoold werk (prijscomponent)

-0,31

-0,08

-0,38

-0,00

0,88 ***

-0,50 *

0,60 ***

-0,21

0,31

-0,17

-0,00

0,16

HCI laag in hh & gezondheidsproblemen in hh

Tekort vs. overschot

Niet-rechthebbenden

WW-uitkering in huishouden

Ziektewetuitkering, wachtgeld of overige uitkering in huishouden Pensioenuitkering in huishouden

***

***

**

*

***

**

Vraagkant (arbeidsmarkt)

Buurtkenmerken Aandeel bbv in een buurt waar werken niet de norm is in gemeente o.b.v. 6-ppc gebieden Overlast in de buurt

***

***

“De wetenschap dat het goed is.” SEO Economisch Onderzoek doet onafhankelijk toegepast onderzoek in opdracht van overheid en bedrijfsleven. Ons onderzoek helpt onze opdrachtgevers bij het nemen van beslissingen. SEO Economisch Onderzoek is gelieerd aan de Universiteit van Amsterdam. Dat geeft ons zicht op de nieuwste wetenschappelijke methoden. We hebben geen winstoogmerk en investeren continu in het intellectueel kapitaal van de medewerkers via promotietrajecten, het uitbrengen van wetenschappelijke publicaties, kennisnetwerken en congresbezoek.

SEO-rapport 2022-59 ISBN 978-90-5220-195-5 Informatie & Disclaimer SEO Economisch Onderzoek heeft op de verkregen informatie en data geen onderzoek uitgevoerd dat het karakter draagt van een accountantscontrole of due diligence. SEO is niet verantwoordelijk voor fouten of omissies in de verkregen informatie en data. Copyright © 2022 SEO Amsterdam. Alle rechten voorbehouden. Het is geoorloofd gegevens uit dit magazine te gebruiken in artikelen, onderzoeken en collegesyllabi, mits daarbij de bron duidelijk en nauwkeurig wordt vermeld. Gegevens uit dit rapport mogen niet voor commerciële doeleinden gebruikt worden zonder voorafgaande toestemming van de auteur(s). Toestemming kan worden verkregen via secretariaat@seo.nl.

Roeterstraat 29

+31 20 525 1630

1018 WB, Amsterdam

secretariaat@seo.nl www.seo.nl