CConstaterende datDen Haag
Koppel je AI →
Document · PDF

RIS322877 Bijlage Onderzoek De veranderende doelgroep in beeld

Commissie Samenleving 2 oktober 2025, gemeente Den HaagBij agendapunt: Ingekomen bestuurlijke stukken11.939 woorden

Open het PDF bij de gemeente ↗Naar de vergadering →

Tekst van het document

Uit het bestand gehaald, zonder opmaak, tabellen en afbeeldingen · deel 2 van 2

26

TERUG NAAR INHOUDSOPGAVE

Gebruikte kenmerken In totaal zijn 20 kenmerken gebruikt voor de clusteranalyse van de bijstands­populatie in 2015, te weten: • Geslacht • Leeftijd • Type huishouden • Leeftijd jongste kind • Geboren in Nederland • Herkomstland • Verblijfsduur in Nederland • Migratiemotief • Gezondheid: ° Aantal hoofdgroepen medicatie ° Medicatie pijn en epilepsie ° Medicatie psychofarmaca ° Medicatie verslaving

° GGZ-zorgkosten ° Totale zorgkosten exclusief GGZ

• Human Capital index

• Werk in hetzelfde jaar als bijstand • Duur van bijstandsuitkering • Ervaring als werknemer • Ervaring als zelfstandige • Verdachte misdrijf

Voor de definities van de verschillende kenmerken zie: https://www.cbs.nl/ nl-nl/maatwerk/2024/24/clusteranalyse-bijstandsgebruikers-den-haag-20 15-2018-en-2022)

27

TERUG NAAR INHOUDSOPGAVE

BIJLAGE ACHTERGRONDKENMERKEN CLUSTERANALYSE BIJSTANDSGERECHTIGDEN 2015 Tabel B1. Achtergrondkenmerken in de clusteranalyse per cluster (percentages en *leeftijd) Cluster 1

Cluster 2

Cluster 3

Cluster 4

Cluster 5

Cluster 6

Cluster 7

Totaal

vrouwen

62

47

25

36

45

69

65

52

mannen

38

53

75

64

55

31

35

48

Eerste kwartiel

24

28

32

40

34

34

51

32

Mediaan

29

35

42

48

43

42

56

43

Derde kwartiel

36

47

51

56

51

49

61

53

Eenpersoonshuishouden

.

60

87

43

53

.

60

42

Niet-gehuwd paar zonder kinderen

1

12

8

8

8

.

5

5

Gehuwd paar zonder kinderen

1

6

4

7

2

0

15

5

Niet-gehuwd paar met kinderen

15

2

.

6

4

10

1

5

Gehuwd paar met kinderen

27

4

.

20

7

51

1

17

Eenouderhuishouden

56

12

.

15

22

38

18

24

Overig huishouden

1

4

2

2

4

.

1

2

Institutioneel huishouden

.

.

.

.

.

.

.

.

Geen Kind

33

6

.

12

6

33

0

14

0-5 jaar oud

9

3

.

7

7

19

3

7

5-10 jaar oud

11

2

.

6

6

14

6

7

10-15 jaar oud

29

3

.

10

10

12

10

10

15-20 jaar oud

15

3

.

7

6

22

1

8

20 jaar of ouder

3

82

.

59

67

0

80

54

1 persoon

.

60

87

43

53

.

60

42

2 personen

30

28

13

25

23

14

33

23

Geslacht:

Leeftijd*:

Type huishouden:

Leeftijd jongste kind:

Aantal personen in huishouden:

28

TERUG NAAR INHOUDSOPGAVE

Tabel B1. Achtergrondkenmerken in de clusteranalyse per cluster (percentages en *leeftijd) Cluster 1

Cluster 2

Cluster 3

Cluster 4

Cluster 5

Cluster 6

Cluster 7

Totaal

3 personen

33

7

1

13

10

29

5

15

4 personen

22

3

.

10

7

26

1

10

5 personen of meer

15

1

.

10

7

31

0

10

40

30

22

37

40

0

40

26

Migrant

9

51

63

51

42

100

56

59

Kind van migrant(en)

51

19

15

12

18

.

4

15

Nederland, Vml West-Ind. koloniën

99

66

53

57

75

10

65

56

Belgisch, Angelsaksisch, Duitstalig, Mediterrane en Scandinavische groep

0

3

2

3

3

1

2

2

Herkomst: Nederlands(e)

Geolinguïstische groep:12

Midden- en Oost-Europa

.

7

4

8

2

5

1

4

Overige geolinguïstische groepen

0

25

40

32

20

83

32

39

6

7

19

5

5

6

0

8

Twee tot vijf jaar

7

10

20

3

10

10

1

10

Vijf jaar of langer

16

46

45

54

51

84

62

53

Onbekend of n.v.t.

70

37

16

37

34

.

37

29

Asiel

.

7

15

5

3

16

5

9

Arbeid

.

4

2

4

1

2

0

1

Gezin

.

3

1

2

1

2

0

1

Gezinshereniging

1

7

5

5

4

19

3

7

Gezinsvorming

.

3

4

4

2

11

2

4

Studie

.

1

0

.

.

0

.

0

Verblijfsduur in Nederland: Korter dan 2 jaar

Migratiereden:

Overig en onbekend

.

3

4

3

1

3

1

2

Geen migratie(reden)

99

74

70

77

89

47

89

74

Totaal %

100

100

100

100

100

100

100

100

Totalen

5.040

4.440

7.200

1.220

1.980

7.610

6.210

33.700

* Leeftijd is als volgt te lezen: Eerste kwartiel: Kwart van het cluster is de leeftijd in de cel of jonger. Mediaan: mediane leeftijd, d.w.z. de helft is jonger dan de leeftijd in de cel, de andere helft die leeftijd of ouder. Derde kwartiel: drie kwart van het cluster is even oud of jonger dan de leeftijd in de cel, en een kwart is ouder dan de leeftijd in de cel.

12 Dit is de geolinguïstische indeling van de Wetenschappelijke Raad voor het Regeringsbeleid (WRR) die herkomstlanden in 18 groepen indeelt (Jennissen, Engbersen, Bokhorst en Bovens, 2018). Die indeling ziet er als volgt uit: (1) Angelsaksische landen; (2) Duitstalige landen; (3) Scandinavische landen; (4) Mediterrane landen; (5) Midden- en Oost-Europa; (6) Arabische landen; (7) Latijns-Amerika; (8) Sub-Sahara-Afrika; (9) Zuid-Azië; (10) Centraal-Azië; (11) Zuidoost-Azië en Oceanië; (12) Oost-Azië; (13) Voormalige West-Indische koloniën (Suriname en de voormalige Nederlandse Antillen); (14) België; (15) Indonesië/voormalig Nederlands-Indië; (16) Marokko; (17) Turkije; en (18) Nederland. Voor de analyse zijn bepaalde groepen samengenomen.

29

TERUG NAAR INHOUDSOPGAVE

Figuur B1. de HCI (in de clusteranalyse) en werkte in jaar van bijstand van de zeven clusters (percentages)

Human Capital Index 100 80 60 40 20

4

29

0

92

Laag

90

92

100

5

6

7

15 80

51

34

1

5

42

53 64

7

2

3 Midden

4

Hoog

Totaal

HCI onbekend

Tabel B2. Uitkeringsduur en werkervaring (in de clusteranalyse) van de zeven clusters (aantal maanden) Cluster 1

Cluster 2

Cluster 3

Cluster 4

Cluster 5

Cluster 6

Cluster 7

Totaal

Uitkeringsduur in maanden: Eerste kwartiel

7

4

14

7

21

15

84

12

Mediaan

18

11

28

15

55

40

144

32

Derde kwartiel

38

21

52

27

97

85

176

81

Eerste kwartiel

1

29

0

0

0

0

0

0

Mediaan

13

37

2

0

0

0

0

0

Derde kwartiel

28

48

12

6

6

9

0

20

Eerste kwartiel

0

0

0

36

0

0

0

0

Mediaan

0

0

0

48

0

0

0

0

Derde kwartiel

0

0

0

60

0

0

0

0

Werkervaring in maanden:

Ervaring zelfstandigen in mnd:

30

TERUG NAAR INHOUDSOPGAVE

Figuur B2. Medicijngebruik (in de clusteranalyse) van de 7 clusters (percentages)

Medicijngebruik 100 80 60 40 20 0

24

30

30

20

11

11

6

19

23

18

21

30

39

47

66

37

54

52

49

50

50

42

1

2

3

4

5

6

geen medcijnen

1-3 hoofdgroepen

28 7

45 Totaal

> 4 hoofdgroepen

Medicijnen voor: 80 60 40 20 0

13 17

1

16

25

62

26

10

13

14

19

20

10

23

2

3

4

5

6

pijn en epilepsie

psychofarmac a

38 21 40

7

25

Totaal

verslaving

31

TERUG NAAR INHOUDSOPGAVE

Tabel B3 Gezondheid (in de analyse) van de 7 clusters (kosten in euro’s) Cluster 1

Cluster 2

Cluster 3

Cluster 4

Cluster 5

Cluster 6

Cluster 7

Totaal

0

0

0

0

32.575

0

0

0

GGZ-zorgkosten: eerste kwartiel mediaan

1.000

0

0

0

42.000

600

0

300

derde kwartiel

5.200

1.300

2.800

2.300

42.000

4.550

3.500

4.800

eerste kwartiel

12.125

1.900

1.200

4.200

7.300

14.100

8.700

4.600

mediaan

20.700

4.800

3.400

11.900

15.200

24.100

17.900

13.100

derde kwartiel

34.700

10.800

8.100

25.350

29.400

38.600

33.600

27.100

Totale zorgkosten (ex. GGZ):

Figuur B3. Percentage van de populatie die verdacht zijn van een misdrijf

Percentage verdacht van misdrijf 50

46

45 40 35

40 35 28

30

26

23

25 20 15

14

13

Cluster 6

Cluster 7

10 5 0

Cluster 1

Cluster 2

Cluster 3

Cluster 4

Cluster 5

Allen

32

TERUG NAAR INHOUDSOPGAVE

Tabel B4 Verdeling van de clusters in de wijken 2015 (percentages) Cluster 1

Cluster 2

Cluster 3

Cluster 4

Cluster 5

Cluster 6

Cluster 7

n

Schildersbuurt

12

8

15

2

4

39

21

4.850

Laakkwartier en Spoorwijk

16

14

21

3

4

24

17

3.670

Moerwijk

12

13

28

2

6

21

17

3.060

Bouwlust en Vrederust

14

11

19

3

6

29

18

2.720

Morgenstond

15

15

24

2

7

18

19

2.050

Transvaalkwartier

13

10

15

3

5

36

18

1.730

Centrum

10

16

23

4

6

18

23

1.540

Mariahoeve en Marlot

15

15

25

3

7

18

17

1.150

Valkenboskwartier

16

17

27

4

6

14

15

1.110

Stationsbuurt

9

16

26

3

5

23

17

1.110

Rustenburg en Oost-broek

19

20

19

5

2

27

9

1.020

Waldeck

22

11

17

5

9

10

25

870

Regentessekwartier

12

21

24

5

8

13

17

840

Zeeheldenkwartier

11

16

26

7

9

14

17

760

Scheveningen

21

13

19

5

8

11

23

750

Ypenburg

28

9

12

7

5

19

20

750

Loosduinen

23

13

13

3

9

16

24

700

Onbekend wijk

1

13

69

3

12

0

1

670

Bezuidenhout

14

17

21

5

8

17

20

660

Wateringse Veld

35

7

7

4

4

22

22

550

Leyenburg

18

14

22

6

8

12

18

490

Groente- en Fruitmarkt

14

10

17

5

5

31

19

420

Leidschenveen

35

11

8

5

5

19

16

370

Duindorp

26

12

15

3

15

3

26

340

Geuzen- en Staten-kwartier

15

15

26

7

7

7

22

270

Duinoord

7

19

44

7

11

0

11

270

Bomen- en Bloemen-buurt

16

16

24

8

4

8

24

250

Vruchtenbuurt

25

19

19

6

13

0

19

160

Belgisch Park

27

13

27

7

0

7

20

150

Archipelbuurt

13

25

25

13

.

.

25

80

Benoordenhout

14

29

29

14

.

.

14

70

Bohemen en Meer en Bos

14

29

29

.

.

.

29

70

Kraayenstein en Vroondaal

67

.

.

.

33

.

.

30

Kijkduin en Ockenburgh

.

.

.

.

.

.

100

10

33

TERUG NAAR INHOUDSOPGAVE

LITERATUUR • Berkhout, B., I. Van Eldik, M. Heekelaar., W. Verbeek, P. Schenderling, M. Van der Staaij en K. Tsjoe Ny, (2022) De Haagse re-integratieaanpak 2018-2020 onderzocht. Berenschot. • Bos, M. (2023) Bijstand en (ervaren) gezondheid. dSZW, Den Haag. • Bouwhuis, S. en M. Nas (2021) Het verdeelmodel BUIG in de Haagse buurten. Den Haag, Gemeente Den Haag. • CBS (2019). Geestelijke gezondheidszorg en arbeidsmarktpositie 2016. https://www.cbs.nl/nl-nl/maatwerk/2019/16/ geestelijke-gezondheidszorg-en-arbeidsmarktpositie-2016 • CBS (2021) https://dashboards.cbs.nl/v2/cohortanalyse_bijstand_den_haag/ • CBS (2022) De kwetsbaarheid in de sociale omgeving van Haagse bijstandsontvangers. https://www.cbs.nl/nl-nl/longread/ aanvullende-statistische-diensten/2022/kwetsbaarheid-in-de-sociale-omgeving-van-haagse-bijstandsontvangers/3-kwetsbaarheid-in-de-sociale-omgeving • CBS (2023) Bijstandsmonitor Den Haag. https://dashboards.cbs.nl/v3/Bijstandsmonitor_Den_Haag/ • Den Haag (2022) Eindrapport Werkoffensief +500. RIS311554. • De Hek, P., A. van der Toorn, M. den Hartog, E. de Vleeschouwer en K. Zandvliet (2022) Cohortstudie participatiewet. Seor BV, Rotterdam. • GGD Haaglanden (2020). Ervaren gezondheid en moeite met rondkomen, Den Haag. https://www.cbs.nl/nl-nl/maatwerk/2020/33/ ervaren-gezondheid-en-moeite-met-rondkomen-den-haag • GGD Haaglanden (2020).

Gezondheidsgids: lichamelijke gezondheid. ggdhaaglanden.nl https://gezondheidsgids.ggdhaaglanden.nl/ • Heekelaar, M., B. Berkhout., D. van Duivenboden, J. ten Hoor en P. Schenderling (2023) Onderzoek infrastructuur sociale ontwikkelbedrijven. Berenschot • Jennissen R., G. Engbersen, M. Bokhorst en M. Bovens (2018) De nieuwe verscheidenheid. Toenemende diversiteit naar herkomst in Nederland, WWR, Den Haag. • Muilwijk-Vriend, S., C. Tempelman, L. Kroon en M. Lammers (2019) Gezondheidsproblemen in de WW en bijstand. SEO, Amsterdam. • Nas, M. en O. van der Vet (2013a) Klantgroepen in de WWB. • Nas, M. en O. van der Vet (2013b) Klantgroepen binnen de doelgroep participatie. • Nas, M. (2015). Klantstromen participatie. Den Haag: gemeente Den Haag. • Nas, M. (2017) Quickscan alleenstaande ouders met bijstand. Den Haag: gemeente Den Haag. • Rekentool Verdeelmodel BUIG, (SEO 2023) https://atlasresearch.shinyapps.io/rekentool-bijstandsverdeelmodel/ • Schuring, M., A. Burdorf, M. Stam, M. Knoef, M., M. Kersing en L. van Zoonen (2023). Re-integratie in BOLD Cities II. Den Haag, Rotterdam en Amsterdam. • Van Echtelt, P., Sadiraj, S., Hoff, S. Muns, S., Karpinska, K, Das, D en Versantvoort, M (2019). Eindevaluatie van de Participatiewet. Den Haag: SCP. • Van Echteld. P. en E. Eggink en K. Sadiraj (2023) Een brede blik op bijstand, Sociaal Cultureel Planbureau, Den Haag • Van Loon, N. i.s.m.

S. Douwes en M. Nas (2024) Verhaallijn veranderende doelgroep. SZW, Gemeente Den Haag, Den Haag. • Van der Vet, O en M. Nas (2012) Terug van weggeweest, Draaideurklanten en herhaalde instroom nader bekeken

34

De tekst is automatisch uit het bestand gehaald en kan afwijken van het origineel (kolommen, tabellen en koppen lopen door elkaar). Het officiële stuk bij de gemeente is leidend. Bron: https://api.notubiz.nl/document/16017631/1