RIS307344 bijlage 5

29

de omvang van deze groepen beperkt. Het is opvallend dat in onze drie metingen de betrouwbaarheid van sociale media als zeer gering wordt beschouwd en dat het vertrouwen daarin verder afneemt. In hoofdstuk 1 zijn de algemene patronen van institutioneel vertrouwen beschreven, nadere analyses wijzen uit dat er ook hier verschillen bestaan tussen groepen (zie appendix 2): • Mensen met een goede gezondheid, een hoog inkomen (> modaal) of een hogere en middelbare opleiding hebben significant meer vertrouwen in instituties dan mensen met een slechte gezondheid, een laag inkomen en een lagere opleiding; • Zelfstandigen en uitkeringsgerechtigden hebben significant minder vertrouwen in instituties dan werknemers in loondienst. Ook deze patronen lijken samen te hangen met de maatschappelijke positie van mensen. Hoe sterker de positie van mensen in termen van gezondheid, opleiding, inkomen- en werkzekerheid, hoe groter het vertrouwen. Er is sprake van een verdeelde samenleving als het gaat om in het inschatten van de betrouwbaarheid van de overheid en gezondheidsinstellingen als RIVM en GGD, en die verdeling loopt langs klassieke scheidslijnen van gezondheid, inkomen, opleiding, en werkzekerheid.

De verdeelde stad

3.2 WELKE GROEPEN HEBBEN ONVREDE MET HET OVERHEIDSBELEID? In de derde meting van november zijn we nader ingegaan op de waardering van respondenten van het overheidsbeleid. Daaruit blijkt dat tussen de 18 en 32 procent van de respondenten het oneens is met uiteenlopende aspecten van het overheidsbeleid omdat men van mening is dat: • de Nederlandse overheid en media het gevaar overdrijven (18 procent). • de maatregelen meer schade veroorzaken dan ze voorkomen (30 procent); • de regering te weinig rekening houdt met de economische en sociale gevolgen (32 procent) • zij harder worden getroffen dan andere groepen (19 procent); • de overheid onvoldoende voor hen doet (22 procent). Opvallend is dat bijna één op de drie respondenten meent dat de coronamaatregelen meer schade veroorzaken dan zij proberen te voorkomen en dat de overheid onvoldoende rekening houdt met de economische en sociale gevolgen van de coronamaatregelen (zie figuur 3.1).

Figuur 3.1 Onvrede met het overheidsbeleid, percentage (helemaal) eens

24

Zie https://www.nctv.nl/onderwerpen/dtn/actueel-dreigingsniveau/polarisatie-en-extremisme

30

Maar wie zijn nu de mensen die kritisch zijn over het door de overheid gevoerde beleid? Bij wie is de onvrede over de overheidsmaatregelen het grootst? Om deze vraag te beantwoorden hebben we op basis van drie van de vijf bovenstaande vragen een samenhangende schaal gemaakt die de mate van onvrede met het overheidsbeleid weergeeft.25 De schaal loopt van 1 tot 5 waarbij een hoger cijfer een grotere onvrede met het overheidsbeleid weergeeft. De gemiddelde score van alle respondenten op de schaal van onvrede met overheidsbeleid is in november 2,6. Een analyse naar persoonskenmerken (zie figuur 3.2) laat de volgende patronen zien: • Vrouwen, ouderen en mensen met een slechte gezondheid zijn significant minder ontevreden over het overheidsbeleid dan mannen, jongeren en mensen met een zeer goede gezondheid. • Omgekeerd geldt dat mensen met een laag inkomen, die slecht kunnen rondkomen en een lagere opleiding hebben meer ontevreden zijn over het overheidsbeleid dan mensen met een hoog inkomen en een hogere opleiding. • Zelfstandigen zijn significant meer ontevreden over het overheidsbeleid dan werknemers in loondienst en gepensioneerden. • Er is vrijwel geen verschil in de waardering van het overheidsbeleid tussen mensen met en zonder migratieachtergrond.

De verdeelde stad

Samenvattend: opnieuw zien we dat klassieke factoren zoals het hebben van een laag inkomen en moeilijk kunnen rondkomen, een lage opleiding, geringe werkzekerheid, en beperkt sociaal kapitaal een belangrijke rol spelen bij de waardering van overheidsbeleid. Daarnaast is het opvallend dat jongeren en mannen meer onvrede hebben over het overheidsbeleid dan ouderen en vrouwen. Een voor de hand liggende verklaring is dat jongeren en mensen met kwetsbare maatschappelijke posities harder worden geraakt door de van overheidswege opgelegde beperkingen dan ouderen en degenen die meer economische zekerheid hebben. Jongeren worden harder getroffen door de opgelegde beperkingen omdat zij in een levensfase verkeren waarin het hebben van veel sociale contacten heel belangrijk is. Laagopgeleiden en mensen met flexibele banen krijgen meer te maken met werk- en inkomensverlies dan hoger opgeleiden en werknemers met vaste banen. Veel zelfstandigen lijden enorme financiële verliezen en zien hun levenswerk te gronde gaan. Juist zulke ervaren bedreigingen kunnen de weerstand tegen het door de overheid gevoerde coronabeleid voeden.

De analyses laten dus nogmaals zien dat mensen met een kwetsbare maatschappelijke positie meer onvrede hebben met het gevoerde overheidsbeleid dan mensen met een sterkere sociaaleconomische positie. Ten slotte komt uit een nadere regressieanalyse (zie tabel b3.3 in appendix 3) naar voren dat mensen die minder sociale steun ontvangen of verwachten (indicator voor sociaal kapitaal) meer onvrede met het overheidsbeleid hebben dan mensen die veel sociale steun (verwachten te) ontvangen.

25 Het betreft de stellingen dat: “de Nederlandse overheid en media het gevaar overdrijven”, “de maatregelen meer schade veroorzaken dan ze voorkomen” en “de regering te weinig rekening houdt met de economische en sociale gevolgen”. Samen vormen zijn een betrouwbare schaal, Cronbach’s alpha .83.

31

De verdeelde stad

Figuur 3.2 Onvrede met het overheidsbeleid (1-5) naar diverse persoonskenmerken

Totaal Leeftijd 18-34 35-49 50-64 65+ Sekse man vrouw Migratieachtergrond Nederlandse achtergrond westerse migratieachtergrond niet-westerse migratieachtergrond Opleiding laagopgeleid middelopgeleid hoogopgeleid Arbeidssituatie onderwijsvolgend zelfstandig werkend uitkering/arbeidongeschikt pensioen huisman/vrouw, vrijwilligerswerk, overig lnkomen minima minima tot modaal modaal tot 2x modaal 2x modaal tot 3x modaal meer dan 3x modaal Rondkomen (heel) moeilijk / niet rondkomen redelijk rondkomen (heel) makkelijk rondkomen Gezondheid slecht/matig goed zeer goed/uitstekend

32

3.3 SLOT: VOORKOMEN VAN EEN VERDEELDE SAMENLEVING Onze analyse van de maatschappelijke impact van COVID-19 laat een ambigu beeld zien met betrekking tot polarisatie: enerzijds zijn er indicaties van blijvende solidariteit en een groot algemeen vertrouwen tussen mensen, anderzijds neemt de ervaren overlast in buurten voorzichtig toe en neemt het vertrouwen in overheden en het RIVM en de GGD af. Een grote vraag zal zijn of dat proces zich zal blijven doorzetten. Een afnemend vertrouwen kan een effectief test- en vaccinatiebeleid in de weg staan. Daarnaast zien we dat een vijfde tot een derde van de bevolking kritisch is over het gevoerde coronabeleid en dat die kritiek sterker leeft bij groepen met een kwetsbare positie. In eerdere studies hebben we al laten zien dat het vooral deze groepen zijn die te maken hebben met de negatieve maatschappelijke impact van COVID-19.26 De ongelijke impact van COVID-19 en de verschillende waardering van het overheidsbeleid duiden op het bestaan van een verdeelde samenleving.

De verdeelde stad

Deze uitkomsten maken duidelijk dat het van belang is om beleid te (blijven) voeren ter versterking van de sociaaleconomische positie van kwetsbare groepen.27 De SER-denktank Coronacrisis heeft recentelijk een overzicht gemaakt van mogelijke maatregelen voor kwetsbare groepen die variëren van stage- en scholingsmogelijkheden, inkomensondersteuning, armoedebeleid, en actief arbeidsmarktbeleid, et cetera.28 Ook zijn de aanbevelingen die in het vorige hoofdstuk zijn gedaan over sociaal kapitaal van betekenis voor het voorkomen van een te verdeelde samenleving. Maar van het grootste belang zal zijn om een wenkend perspectief te schetsen — met een adequaat uitvoeringsbeleid — dat ook kwetsbare burgers weer vertrouwen geeft in de toekomst.

26 G. Engbersen et al. (2020) De bedreigde stad. De maatschappelijke Impact van COVID-19 op Rotterdam. Rotterdam: EUR/Kenniswerkplaats Leefbare Wijken; K. Rusinovic et al. (2020) Berichten uit een stille stad: de maatschappelijke impact van COVID-19 in Den Haag. Den Haag: De Haagse Hoge School; G. Engbersen et al. (2020) De heropening van de samenleving: De maatschappelijke impact van COVID-19 in Amsterdam, Den Haag, Rotterdam & Nederland. Rotterdam: Kenniswerkplaats Leefbare Wijken/EUR. 27 SCP (2020) Beleidssignalement maatschappelijke gevolgen coronamaatregelen. Kwetsbare groepen op de arbeidsmarkt. Den Haag: Sociaal en Culturelel Planbureau. 28 SER-Denktank Coronacrisis (2020) Neem iedereen mee. Kwetsbare groepen op de arbeidsmarkt. Den Haag: SER, december 2020. Zie ook M. van Bochove et al., ‘Onzekerheid over werk en inkomen: bevindingen en beleidsstrategieën’ (Working paper 2, november 2020). https://www.kenniswerkplaatsleefbarewijken.nl/wp-content/uploads/Covid_WP2_def.pdf

33

De verdeelde stad

Appendix 1 TECHNISCHE VERANTWOORDING KIESKOMPAS INTRODUCTIE Dit rapport is gebaseerd op gegevens die door het onderzoeksbureau Kieskompas tussen woensdagmiddag 28 oktober 2020 en vrijdag 13 november 2020 zijn verzameld. Daarbij heeft Kieskompas gebruik gemaakt van hun landelijke VIP-panel, Rotterdam-, Haag- en Amsterdampanel. Daarnaast heeft elke van deze drie gemeenten eigen aanvullende acties uitgevoerd om extra (ondervertegenwoordigde) inwoners bij het onderzoek te betrekken. Deze dataverzameling heeft geleid tot een Rotterdamse steekproef van 1.818 respondenten, een Haagse steekproef van 1.724 respondenten, een Amsterdamse steekproef van 5.671 respondenten en een landelijke steekproef van 22.696 respondenten, waar de drie steden bij zijn inbegrepen. Om de resultaten generaliseerbaar te maken voor stemgerechtigde inwoners van Rotterdam, Den Haag, Amsterdam en Nederland, heeft Kieskompas een weging op de resultaten van het onderzoek uitgevoerd (zie Appendix). De resultaten zijn gewogen naar geslacht, leeftijd, opleiding, Nielsen-regio, migratieachtergrond en stemgedrag om de data ten aanzien van deze variabelen (binnen de gebruikte categorieën) representatief te maken. Deze representativiteit trekt zich door naar variabelen en categorieën waarop niet gewogen is, maar zal nooit volledig corrigeren.

Een perfecte afspiegeling van de samenleving is in de praktijk niet te realiseren, maar de uitkomsten van dit onderzoek geven een goed beeld van de maatschappelijke impact van COVID-19 op de inwoners van Rotterdam, Den Haag, Amsterdam, en Nederland als geheel.

van Kieskompas, eigen aanvullende acties uitgevoerd om (ondervertegenwoordigde) groepen bij het onderzoek te betrekken.

SAMENSTELLING KIESKOMPAS VIP-PANEL Het landelijke VIP-panel is samengesteld op basis van een gestratificeerde willekeurige steekproef (stratified random sampling) uit het opt-in non-probability Grote Burgerpanel van Kieskompas als steekproefkader, rekening houdend met vijf karakteristieken: geslacht, leeftijdscategorie, Nielsen-regio, opleidingsniveau, en migratie-achtergrond. Er is een correctie doorgevoerd op stemgedrag. Het populatiekader wordt opgemaakt door de Gouden Standaard van CBS.

SAMENSTELLING KIESKOMPAS G3-PANELS De gemeentelijke panels zijn samengesteld op basis van een willekeurige steekproef (random sampling) uit het opt-in non-probability Grote Burgerpanel van Kieskompas als steekproefkader, waarbij enkel inwoners van Den Haag, Amsterdam en Rotterdam geselecteerd werden.

AANVULLINGEN GEMEENTELIJKE PANELS De gemeenten Rotterdam en Den Haag hebben de anonieme deelname-link van het onderzoek (gericht) verspreid. Om de kwaliteit van de Rotterdamse en Haagse panels te verbeteren, zijn gerichte advertentie-campagnes op Facebook uitgezet.

SAMENSTELLING PANELS

De Amsterdamse onderzoeksafdeling heeft het onderzoek onder hun eigen stadspanel van Amsterdammers verspreid.

De vragenlijst is onder 48.329 Kieskompas-panelleden verspreid. Dit sample bestond uit het landelijke VIP-panel, het Amsterdam-, Haag-, en Rotterdampanel van Kieskompas. Elke gemeente heeft, naast de G3-panels

Tot slot stond aan het eind van het onderzoek ook een anonieme deelname-link die respondenten onder hun vrienden, familie en kennissen konden verspreiden.

34

De verdeelde stad

WEGINGSMETHODE

WEGING STEDELIJKE PANELS

Op 13 november hadden 25.185 respondenten het onderzoek volledig ingevuld, waarvan 19.577 Kieskompas-panelleden (antwoordratio van 40.5%), 3.487 via het stadspanel van de gemeente Amsterdam en 2.121 mensen via de anonieme deelname-links. Om de resultaten generaliseerbaar voor stemgerechtigde inwoners van Nederland te maken, voert Kieskompas een weging uit op de resultaten van het onderzoek. Hierbij wordt gebruikt gemaakt van een iteratieve proportional fitting en poststratificatiemethode op basis van verschillende populatie-eigenschappen. Om respondenten een gewicht toe te kennen, moet hun leeftijd, geslacht, migratie-achtergrond, opleiding en het stemgedrag bij de Tweede Kamerverkiezingen bekend zijn.

Er wordt gewogen met twee zogenaamde joint distributions. De eerste komt van de gemeentelijke onderzoeksbureaus en heeft de volgende populatie-eigenschappen:

WEGING LANDELIJKE BENCHMARK Er wordt gewogen met drie zogenaamde joint distributions. De eerste komt uit de Gouden Standaard van CBS en kent de volgende kenmerken: • • • •

leeftijd (4 categorieën), geslacht (2 categorieën), migratie-achtergrond (3 categorieën) Nielsen-regio (6 categorieën)

De tweede verdeling komt ook uit de Gouden Standaard van het CBS en betreft de kenmerken opleiding (3 categorieën), etniciteit (3 categorieën) en de Nielsen-regio’s (6 categorieën). De derde verdeling betreft de provinciale verkiezingsresultaten van de Tweede Kamerverkiezingen in maart 2017 (bron: verkiezingsuitslagen.nl van de Kiesraad). Hierbij wordt per provincie elke zetelende partij afzonderlijk gewogen, net als alle andere partijen samen, blanco-stemmers en niet-stemmers. Jongeren die ouder dan 18 zijn maar bij de vorige Tweede Kamerverkiezingen nog niet mochten stemmen, worden afzonderlijk gewogen. Vervolgens worden de toegekende gewichten getrimd op het 99,5e percentiel. De maximale foutenmarge bedraagt op de volledige landelijke benchmark 1,4%.

29

bron: verkiezingsuitslagen.nl van de Kiesraad.

• • •

leeftijd (4 categorieën) geslacht (2 categorieën) migratie-achtergrond (3 categorieën)

De tweede joint distribution bestaat uit de kenmerken opleiding (3 categorieën) en migratie-achtergrond (3 categorieën). Deze verdeling is voor Amsterdam, Rotterdam, en Den Haag niet publiekelijk bekend. Daarom is een manuele iteratieve proportional fitting uitgevoerd waarbij de marginale opleidings- en migratie-achtergrondverdelingen van de gemeentelijke onderzoeksbureaus gehanteerd zijn, en de onderlinge verdeling van de eerste Nielsen-regio die bestaat uit de drie grote steden. Dit resulteerde in distributies die de feitelijke verdeling van opleiding en migratie-achtergrond in elk van de steden benaderen. Ten slotte is gewogen op basis van een zogenaamde marginal distribution. Deze bestaat uit de gemeentelijke verkiezingsresultaten van de Tweede Kamerverkiezingen 201729. Hierbij wordt elke zetelende partij afzonderlijk gewogen, net als alle andere partijen samen, blanco-stemmers en niet-stemmers. Inwoners die ouder dan 18 jaar zijn, maar bij de vorige Tweede Kamerverkiezingen niet mochten stemmen, worden afzonderlijk gewogen. Vervolgens worden de toegekende gewichten voor de Amsterdamse en Rotterdamse resultaten getrimd op het 99,5e percentiel. De maximale foutenmarge op de volledige Amsterdam-benchmark bedraagt hierbij 3,5%, op de volledige Rotterdamse benchmark 5,6%.

Om het Haagse designeffect meer in lijn te brengen met dat van de andere twee steden, worden de Haagse gewichten getrimd op het 98e percentiel. De maximale foutenmarge in Den Haag bedraagt op die manier 4,2%.

35

De verdeelde stad

Appendix 2 TABELLEN BIJ HOOFDSTUK 2 Determinanten van angst en stress als gevolg van corona

Tabel b2.1 Determinanten van angst en stress als gevolg van corona (lineaire regressie)

MODEL 1

MODEL 2 B

SE

4,585

0,082

0,063 **

0,132

0,013

0,072 **

-0,274 **

-0,014

0,000

-0,253 **

0,011

0,021

0,020

0,007

-0,011

-0,079

0,036

-0,015 *

0,008

0,015

0,015

0,007

0,086

-0,005

-0,034

0,076

-0,006

0,079

-0,048

-0,098

0,069

-0,041

-0,446

0,078

-0,244 **

-0,396

0,069

-0,217 **

-0,767

0,079

-0,338 **

-0,695

0,070

-0,304 **

Opl. Middelbaar

-0,040

0,023

-0,020

-0,026

0,023

-0,013

Opl. Hoger

0,015

0,023

0,008

0,052

0,022

0,028 *

Minima tot modaal

-0,051

0,027

-0,021

-0,038

0,026

-0,016

Modaal tot 2x modaal

-0,115

0,025

-0,059 **

-0,088

0,024

-0,046 **

2x modaal tot 3x modaal

-0,141

0,026

-0,070 **

-0,103

0,025

-0,051 **

Meer dan 3x modaal

-0,163

0,027

-0,070 **

-0,111

0,027

-0,048 **

Sociale contacten (1-6)

-0,006

0,006

-0,007

Steun ontvangen (1-4)

-0,120

0,014

-0,062 **

Vertrouwen mensen alg. (1-5)

-0,065

0,008

-0,061 **

Vertrouwen in instituties (1-5)

-0,085

0,007

-0,084 **

B

SE

3,916

0,085

Vrouw

0,114

0,013

Leeftijd

-0,015

0,000

Westers

0,031

0,020

Niet-Westers

-0,057

0,036

0,016

0,016

slecht

-0,026

matig

-0,114

goed zeer goed

(Constante)

Beta

Beta

Sekse (man=ref)

Migratieachtergrond (geen=ref)

Woonsituatie (alleenstaand=ref) Meerpersoonshuishouden Gezondheid (zeer slecht=ref)

Opleiding (lager=ref)

Inkomen (Minima=ref)

Noot: R2 = .12 voor model 1, R2 = .14 voor model 2, *p < .05, **p < .01

36

De verdeelde stad

Appendix 3 TABELLEN BIJ HOOFDSTUK 3 Determinanten van overlast in de buurt

Op basis van onderstaande drie stellingen is een schaal gemaakt (Cronbach’s alpha .769). Iemand die heel hoog scoort (max 5) is het (helemaal) eens met deze 3 stellingen. Iemand die heel laag scoort juist niet. • In deze buurt zijn veel spanningen tussen buurtbewoners • In deze buurt is er sinds de corona-uitbraak meer overlast van buren • In deze buurt is er sinds de corona-uitbraak meer overlast op straat Tabel b3.1 Determinanten van overlast in de buurt (lineaire regressie) B

SE

3,416

0,058

Vrouw

0,035

0,011

0,022 **

Leeftijd

-0,007

0,001

-0,138 **

Westers

0,051

0,018

0,020 **

Niet-Westers

0,106

0,032

0,023 **

-0,110

0,014

-0,063 **

onderwijsvolgend

-0,030

0,025

-0,010

zelfstandig

0,007

0,016

0,003

uitkering/arbeidsongeschikt

0,019

0,026

0,006

pensioen

-0,039

0,018

-0,023 *

overig

-0,008

0,037

-0,002

middelopgeleid

-0,049

0,020

-0,029 *

hoogopgeleid

-0,043

0,020

-0,027 *

Minima tot modaal

-0,025

0,024

-0,012

Modaal tot 2x modaal

-0,131

0,023

-0,079 **

2x modaal tot 3x modaal

-0,194

0,024

-0,113 **

Meer dan 3x modaal

-0,242

0,026

-0,122 **

matig

-0,085

0,032

-0,042 **

goed

-0,221

0,031

-0,142 **

zeer goed

-0,329

0,033

-0,170 **

Steun ontvangen (1-4)

-0,167

0,013

-0,100 **

Steun geven (1-4)

-0,054

0,013

-0,031 **

(Constante)

Beta

Sekse (man=ref)

Migratieachtergrond (geen=ref)

Woonsituatie (alleenstaand=ref) Meerpersoonshuishouden Arbeidspositie (in loondienst=ref)

Opleiding (laagopgeleid=ref)

Inkomen (Minima=ref)

Gezondheid ((zeer) slecht=ref)

Noot: R2 = .078, *p < .05, **p < .01

37

De verdeelde stad

Determinanten van vertrouwen in instituties Op basis van onderstaande vier stellingen is een schaal gemaakt (Cronbach’s alpha .859). Iemand die heel hoog scoort (max 5) heeft veel vertrouwen in instituties. Iemand die heel laag scoort juist niet. • Hoeveel vertrouwen heeft u in de landelijke overheid • Hoeveel vertrouwen heeft u in de lokale overheid • Hoeveel vertrouwen heeft u in Rijksinstituut voor Volksgezondheid en Milieu (RIVM) • Hoeveel vertrouwen heeft u in de GGD

Tabel b3.2 Determinanten van vertrouwen in instituties (lineaire regressie) B

SE

2,615

0,066

Vrouw

-0,012

0,013

-0,006

Leeftijd

-0,002

0,001

-0,031

**

Westers

-0,053

0,020

-0,018

**

Niet-Westers

-0,067

0,037

-0,013

-0,043

0,016

-0,021

onderwijsvolgend

0,016

0,028

0,005

zelfstandig

-0,187

0,019

-0,077 **

uitkering/arbeidsongeschikt

-0,182

0,029

-0,050 **

pensioen

-0,037

0,021

-0,019

overig

-0,155

0,042

-0,026 **

middelopgeleid

0,111

0,023

0,057 **

hoogopgeleid

0,300

0,023

0,166

Minima tot modaal

0,022

0,028

0,009

Modaal tot 2x modaal

0,097

0,026

0,051

2x modaal tot 3x modaal

0,153

0,028

0,076 **

Meer dan 3x modaal

0,254

0,029

0,110

matig

0,178

0,037

0,075 **

goed

0,342

0,036

0,189

**

zeer goed

0,409

0,038

0,182

**

Steun ontvangen (1-4)

0,201

0,015

0,104

**

Steun geven (1-4)

0,031

0,015

0,015

*

(Constante)

Beta

Sekse (man=ref)

Migratieachtergrond (geen=ref)

Woonsituatie (alleenstaand=ref) Meerpersoonshuishouden

**

Arbeidspositie (in loondienst=ref)

Opleiding (laagopgeleid=ref) **

Inkomen (Minima=ref) ** **

Gezondheid ((zeer) slecht=ref)

Noot: R2 = .076, *p < .05, **p < .01

38

De verdeelde stad

Determinanten van onvrede met het overheidsbeleid Op basis van onderstaande drie stellingen is een schaal gemaakt (Cronbach’s alpha .83). Iemand die heel hoog scoort (max 5) is het (helemaal) eens met deze 5 stellingen. Iemand die heel laag scoort juist niet. • De Nederlandse overheid en media overdrijven het gevaar van het coronavirus • De huidige coronamaatregelen veroorzaken meer schade dan zij proberen te voorkomen • De regering houdt onvoldoende rekening met de economische en sociale gevolgen van de coronamaatregelen

Tabel b3.3 Determinanten van onvrede met het overheidsbeleid (lineaire regressie) B

SE

3,335

0,075

Vrouw

-0,087

0,015

-0,043 **

Leeftijd

-0,009

0,001

-0,139

Westers

-0,027

0,023

-0,008

Niet-Westers

0,008

0,041

0,001

0,006

0,018

0,002

onderwijsvolgend

0,004

0,032

0,001

zelfstandig

0,212

0,021

0,079 **

uitkering/arbeidsongeschikt

0,051

0,033

0,013

pensioen

-0,001

0,024

-0,001

overig

0,048

0,048

0,007

middelopgeleid

-0,102

0,026

-0,047 **

hoogopgeleid

-0,282

0,026

-0,140

Minima tot modaal

0,065

0,031

0,025 *

Modaal tot 2x modaal

-0,055

0,030

-0,026

2x modaal tot 3x modaal

-0,101

0,031

-0,045 **

Meer dan 3x modaal

-0,161

0,033

-0,063 **

matig

0,047

0,042

0,018

goed

0,078

0,040

0,039

zeer goed

0,153

0,043

0,061

Steun ontvangen (1-4)

-0,102

0,017

-0,047 **

Steun geven (1-4)

-0,024

0,017

-0,011

(Constante)

Beta

Sekse (man=ref) **

Migratieachtergrond (geen=ref)

Woonsituatie (alleenstaand=ref) Meerpersoonshuishouden Arbeidspositie (in loondienst=ref)

Opleiding (laagopgeleid=ref) **

Inkomen (Minima=ref)

Gezondheid ((zeer) slecht=ref)

Noot: R2 = .05, *p < .05, **p < .01

**

39

De verdeelde stad

BETROKKEN ONDERZOEKERS Marianne van Bochove is universitair docent Health Care Governance aan de Erasmus School of Health Policy & Managment van de Erasmus Universiteit Rotterdam. Haar onderzoek richt zich op veranderende verhoudingen tussen overheid, markt en gemeenschap in het zorg- en welzijnsbeleid.

Jeroen van Lindert is projectmanager bij het onderzoeksinstituut Kieskompas. Hij werkt daar met een team van wetenschappers aan het inzichtelijk maken van politieke en maatschappelijke opinies door het ontwikkelen van wetenschappelijk verantwoorde stemhulpen en grootschalig panelonderzoek.

Jan de Boom is socioloog en werkt als onderzoeker bij Risbo van de Erasmus Universiteit Rotterdam. Zijn onderzoek richt zich op maatschappelijke ongelijkheid en in het bijzonder op ongelijkheid in het onderwijs en de overgang van onderwijs naar arbeidsmarkt.

Katja Rusinovic is socioloog en als lector Grootstedelijke Ontwikkelingen werkzaam aan De Haagse Hogeschool. Centrale thema’s in haar werk zijn de stedelijke arbeids-en woningmarkt, sociale mobiliteit en (super) diversiteit.

Jack Burgers is socioloog en emeritus hoogleraar Grootstedelijke vraagstukken aan de Erasmus Universiteit Rotterdam. Hij publiceerde over gebruik en beleving van openbare ruimte, huisvesting en verhuisgedrag, migratie en integratie, stadscultuur, stedelijke vernieuwing, en lokale gevolgen van economische structuurveranderingen.

Erik Snel is socioloog en als universitair docent werkzaam van het Department of Public Administration and Sociology (DPAS) van de Erasmus Universiteit Rotterdam. Zijn onderzoeksinteresses liggen bij internationale migratie en stedelijke ontwikkelingen en problemen. Snel is tevens coördinator van de Rotterdamse Kenniswerkplaats Leefbare wijken

Godfried Engbersen is hoogleraar Sociologie aan de Erasmus Universiteit Rotterdam en lid van de Wetenschappelijke Raad voor het Regeringsbeleid (WRR). Zijn onderzoek richt zich op vraagstukken van sociale ongelijkheid en internationale migratie.

Paul van Wensveen is socioloog en werkt als onderzoeker bij Risbo van de Erasmus Universiteit Rotterdam. Zijn onderzoek richt zich op ongelijkheid in schoolloopbanen van jongeren in achterstandsgebieden en studiesucces in het hoger onderwijs.

Tom Etienne is research fellow bij het onderzoeksinstituut Kieskompas. Hij werkt daar met een team van wetenschappers aan het inzichtelijk maken van politieke en maatschappelijke opinies door het ontwikkelen van wetenschappelijk verantwoorde stemhulpen en grootschalig panelonderzoek, waarbij zijn focus voornamelijk ligt op de methodologische aspecten.

Toine Wentink is socioloog en werkt als onderzoeker bij de afdeling Onderzoek en Business Intelligence (OBI) van de gemeente Rotterdam. Zijn beleidsonderzoek richt zich op het brede sociale domein, met de laatste jaren als zwaartepunt de jeugdzorg en de wijkteams.

André Krouwel is als politicoloog verbonden aan de Vrije Universiteit en is oprichter van Kieskompas. Zijn onderzoek richt zich vooral op publieke opinie, politieke partijen, stemgedrag en verkiezingen, maar ook populisme, samenzweringsgeloof en de rol van (negatieve) emoties in de politiek.

DE VERDEELDE SAMENLEVING De maatschappelijke impact van COVID-19 in Amsterdam, Den Haag, Rotterdam & Nederland ©

2020