11.Ministerie van Binnenlandse Zaken en Koninkrijksrelaties; Themarapport 'Leefbaarometer 2020; verdiepende analyses; Leefbaarometer 2020

Figuur 2.14 Bewonersoordelen in gebieden met vroegsignalering en in gebieden met eenzelfde eindscore of beginscore waar geen daling is geweest

35

Hiervoor was al aangegeven dat de vroegsignaleringsgebieden relatief veel te vinden zijn in een betrekkelijk specifiek segment van bouwperiodes, te weten het naoorlogse segment tot 1970. Bij een eerste inspectie van bewonerskenmerken springt in het oog dat in de vroegsignaleringsgebieden relatief veel 55-plussers wonen en juist weinig 25-44-jarigen. In de gebieden met eenzelfde eindscore, maar waar de score op de Leefbaarometer niet is gedaald is dat net andersom (zie Figuur 2.15). Een meer vergrijsde populatie in een gebied brengt ook een mindere verhuisgeneigdheid met zich mee en gemiddeld positievere oordelen over de woonomgeving, waar men vaak al lang woont. Vermoedelijk is er hierbij wel een omslagpunt. Als de veranderingen te groot worden en de bewoners zich niet meer herkennen in hun buurt, zijn de oordelen vaak juist relatief negatief. Het lijkt erop dat dit bij de groep gebieden waarvoor vroegsignalering aan de orde is nog niet het geval is.

Figuur 2.15 Aandeel naar leeftijdsgroep in vroegsignaleringsgebieden en gebieden met eenzelfde leefbaarheidsscore in 2020 (eindscore), maar zonder negatieve ontwikkeling

Bij de paden van verslechtering van de vroegsignaleringsgebieden zijn geen duidelijke verschillen te zien in de bewonersoordelen van de eindsituatie in 2020. De indruk is dan ook dat die ofwel nog niet erg geprononceerd zijn, ofwel nog niet sterk worden waargenomen. Ook hierbij zou het kunnen dat het omslagpunt nog niet bereikt is waarop bewoners daadwerkelijk problemen ervaren.

36

2.4 Samenvatting en conclusies Van onvoldoende naar voldoende Van de gebieden die in 2014 nog onvoldoende scoorden, is een relatief groot deel verbeterd. Een deel ervan is zelfs zodanig verbeterd dat dit tot een score ‘voldoende’ in 2020 heeft geleid. Deze gebieden liggen relatief vaak buiten de G40 en G4. Meer specifiek: van de gebieden die in 2014 onvoldoende scoorden, is buiten de G4 en G40 9% verbeterd tot een voldoende in 2020 terwijl dat aandeel in de G4 en G40 respectievelijk 4% en 6% was. In de grotere steden gaat het gemiddeld genomen wel om een groter deel van de woningvoorraad omdat er in de steden meer gebieden met een onvoldoende score op de Leefbaarometer waren (en zijn) dan daarbuiten. De sterk verbeterde gebieden zijn vaak delen van wijken en buurten waarin in andere delen de leefbaarheid structureel onder druk is gebleven. De belangrijkste bijdrage aan de positieve ontwikkeling is een verbetering van de score op de dimensie Overlast en onveiligheid geweest. Daarin verschillen deze gebieden van hoe de verbetering gemiddeld in Nederland tot stand is gekomen in diezelfde periode. Gemiddeld in Nederland was namelijk de dimensie Voorzieningen de belangrijkste motor voor verbetering. Er lijken drie verschillende paden te zijn voor verbetering.

Allereerst is er een ‘gemiddeld’ pad waarin naast overlast en onveiligheid ook verbeteringen te zien zijn op de dimensies Woningvoorraad, Fysieke omgeving en Voorzieningen. Daarnaast zijn er twee paden die vooral voorkomen in de gebieden die erg laag scoorden in 2014. In beide paden is de dimensie Sociale samenhang relatief sterk verbeterd. Ze onderscheiden zich van elkaar doordat in één pad de verandering vooral op de dimensie Woningvoorraad te zien is en in het andere op de dimensie Overlast en onveiligheid. De veranderingen – en zelfs de paden van verbeteringen – worden weerspiegeld door de oordelen van bewoners. Zo zijn de oordelen van bewoners in de gebieden die zijn verbeterd langs het pad van de woningvoorraad opvallend positief over het onderhoud van de woningen in de buurt. De bewoners in deze gebieden zijn in meerderheid nieuwe bewoners. Verslechtering binnen zwak of onvoldoende Van een relatief klein deel van de gebieden die in 2014 zwak of onvoldoende scoorden, is de score op de Leefbaarometer in de periode 2014-2020 verder verslechterd. Voor het grootste deel gaat het om gebieden die liggen in buurten of wijken die zijn geïdentificeerd als een gebied waar de leefbaarheid structureel onder druk staat. Daarnaast gaat het ook om gebieden in kleinere gemeenten en gemeenten waar de problematiek minder grootschalig is.

De gebieden die verder verslechterden zijn vaak te vinden in de G4. Dat wil zeggen, van de

37

gebieden die in 2014 zwak of onvoldoende scoorden in een gemeente is in de G4 een groter deel verder verslechterd (7%) dan in de G40 (5%) of overig Nederland (4%). De belangrijkste bijdrage aan de verslechtering in deze gebieden leverde de dimensie Overlast en onveiligheid. Gemiddeld genomen is de verslechtering op de andere dimensies beperkt en is er zelfs een zeer kleine verbetering op de dimensie Voorzieningen. De dimensie Overlast en onveiligheid speelde ook gemiddeld genomen in Nederland de grootste rol in gebieden waar de score op de Leefbaarometer verslechterde. In de gebieden die verslechterden vanuit een score ‘zwak’ of ‘onvoldoende’ was dat wel beduidend sterker het geval. Naast de overheersende invloed van de dimensie Overlast en onveiligheid zijn er ook paden van verslechtering waarin de nadruk meer ligt op ofwel de woningvoorraad, ofwel een combinatie van voorzieningen en fysieke omgeving. Vooral het pad van een verslechtering via de dimensie Woningvoorraad kwam meer voor in gebieden die al een relatief ongunstige uitgangspositie hadden in 2014. Zowel de verslechtering in deze gebieden als het belang van de dimensie Overlast en onveiligheid daarin heeft zijn weerslag op de oordelen van bewoners. De oordelen zijn negatiever in de gebieden die zijn verslechterd dan in gebieden die al langer op datzelfde lage niveau zaten.

Daarbij valt in het bijzonder het relatief grote aandeel bewoners op dat bang is om te worden lastiggevallen of beroofd in de eigen buurt in de gebieden waar op deze dimensie ook de grootste verslechtering heeft plaatsgevonden. Vroegsignalering Er zijn veel buurten in Nederland waarvoor vroegsignalering aan de orde is. In totaal zijn er 100 duizend woningen in gebieden die vanuit een score voldoende of net ruim voldoende verslechterden (absolute vroegsignalering). Voor 300 duizend woningen geldt een relatieve verslechtering (minder gunstige ontwikkeling dan gemiddeld in Nederland). De meeste van de gebieden waarvoor vroegsignalering speelt, zijn te vinden buiten de G4 en G40. Dat komt vooral omdat daar meer gebieden zijn met een score voldoende of net ruim voldoende op de Leefbaarometer. Het is niet zo dat deze gebieden het buiten de G4 en G40 slechter deden dan daarbinnen. Het gaat vaak om gebieden met een (overheersende) bouwperiode tussen 1961 en 1990. Veel gebieden die in deze periode zijn gebouwd hebben anno 2020 namelijk een betrekkelijk lage score op de Leefbaarometer. Hierbinnen is het vooral de bouwperiode 1961-1970 die opvalt doordat er ook in verhouding tot het aandeel woningen met een dergelijke score, een groot deel verslechtert. Dat is ook het geval bij de vroeg-naoorlogse bouwperiode (1945-1960), maar daar gaat het dan in absolute zin

38

weer om minder woningen. Verder valt op dat het aandeel 55-plussers in de gebieden waar vroegsignalering speelt, vrij groot is. Gemiddeld genomen is een verslechtering op de dimensie Overlast en onveiligheid de belangrijkste reden van de verslechtering in de vroegsignaleringsgebieden. Maar tegelijkertijd lijken er vrij veel, namelijk zes, verschillende paden te zijn waarlangs de verslechtering vorm kan krijgen. In drie van de zes paden speelt de dimensie Overlast en onveiligheid de hoofdrol. Andere paden lopen langs woningvoorraad, voorzieningen of fysieke omgeving. In alle paden is er sprake van een relatief sterke verslechtering van de score op de dimensie Sociale samenhang. Anders dan bij de gebieden die hiervoor zijn besproken is er bij de gebieden waarvoor vroegsignalering speelt geen duidelijke relatie te vinden met bewonersoordelen. Mogelijk speelt de specifieke samenstelling van de bewoners een rol omdat het aandeel 55-plusbewoners in deze gebieden vrij groot is (met gemiddeld positievere oordelen over de woonomgeving en een mindere verhuisgeneigdheid). Maar het is ook mogelijk dat het omslagpunt nog niet bereikt is waarop bewoners daadwerkelijk meer problemen ervaren dan er voorheen waren.

39

3 Leefbaarheid en sociale ongelijkheid Wat kunt u verwachten bij dit thema? Dit hoofdstuk gaat in op (sociale) ongelijkheid in leefbaarheid. We schetsen eerst een beeld van de verschillen in leefbaarheid tussen buurten in Nederland en bekijken waar de verschillen het grootst zijn. Vervolgens onderzoeken we in hoeverre er sprake is van sociale ongelijkheid in leefbaarheid; de mate waarin er een verband is tussen de sociaaleconomische samenstelling van buurten en de leefbaarheid. We onderzoeken in hoeverre gemeenten verschillen in de mate van (sociale) ongelijkheid. Verder bekijken we in hoeverre sociaaleconomische diversiteit binnen buurten samenhangt met leefbaarheid. Ten slotte onderzoeken we of de sociale ongelijkheid in leefbaarheid tussen 2014 en 2020 is toeof afgenomen. In Nederland woont niet iedereen in een gebied met een goede leefbaarheid. Mensen met een lagere sociaaleconomische status (naar inkomen, vermogen, opleiding, arbeidsstatus, beroepsstatus) wonen over het algemeen in minder leefbare buurten. In sommige steden zijn de scheidslijnen tussen rijk en arm mogelijk groter dan in andere. Nu de Leefbaarometer 3.0 geen bewonerskenmerken meer bevat, die bijvoorbeeld gerelateerd zijn aan inkomen of opleiding, is het mogelijk om dergelijke relaties goed in kaart te brengen.

9 Hoe sterker sociaaleconomische status (SES) en leefbaarheid van buurten samenhangen, hoe groter de sociale ongelijkheid in leefbaarheid. Voor de leefbaarheid hanteren we peiljaar 2020, voor sociaaleconomische kenmerken hanteren we de nieuwe SES-data op buurtniveau van het CBS (peiljaar 2019) 10 en de Statline kerncijfers wijken en buurten (peiljaar 2020). Dit hoofdstuk gaat in op de vraag hoe ongelijk de leefbaarheid is verdeeld in Nederland. We kijken naar de mate van sociale ongelijkheid in leefbaarheid door de samenhang te onderzoeken tussen de sociaaleconomische samenstelling van buurten en de leefbaarheid in die

------------

9

In de Leefbaarometer 2.0 zaten indicatoren die potentieel als stigmatiserend konden worden ervaren, zoals migratieachtergrond, leeftijd, uitkeringsafhankelijkheid, huishoudsamenstelling en opleiding. Deze indicatoren zijn bij de herijking van het model om deze reden weggelaten uit de Leefbaarometer 3.0. Aangezien deze kenmerken raken aan sociaaleconomische status (SES), kon eerder niet de relatie tussen leefbaarheid en sociaaleconomische status worden onderzocht, omdat kenmerken van SES voorkwamen in de Leefbaarometer. Nu deze indicatoren zijn weggelaten, is deze vergelijking wel mogelijk. Zie de Instrumentontwikkeling van de Leefbaarometer 3.0 voor meer uitleg over welke indicatoren zijn weggelaten en welke zijn meegenomen (Mandemakers et al, 2021, beschikbaar via https://www.leefbaarometer.nl/resources/LBM3Instrumentontwikkeling.pdf).

10

Zie: https://www.cbs.nl/nl-nl/maatwerk/2021/45/berekenwijze-ses-score-per-wijk-buurt

40

buurten. Vervolgens gaan we in op de vragen welke steden de grootste (sociale) ongelijkheid in leefbaarheid kennen, en hoe dit zich door de tijd heeft ontwikkeld. We onderzoeken dit onderwerp op buurtniveau omdat leefbaarheid zich afspeelt op het niveau van buurten en er geschikte sociaaleconomische data op buurtniveau voorhanden zijn. We gaan uit van de CBS-buurten. Let wel, de afbakening van deze buurten hoeft niet overeen te komen met hoe bewoners de grenzen van hun buurt zouden afbakenen. Voor dit onderzoek zijn alleen buurten meegenomen met meer dan 25 woningen. Hierdoor vallen er 1.852 buurten af (13% van het totaal). 11 Dit onderzoek kent een beschrijvend karakter. Het is namelijk niet mogelijk om te achterhalen waarom er een samenhang is tussen sociaaleconomische kenmerken van de bewoners van een buurt en leefbaarheid, omdat dit een complex samenspel van mechanismen is. Er spelen bijvoorbeeld selectiemechanismen: mensen met meer financiële middelen zijn doorgaans beter in staat om minder goed leefbare buurten te verruilen voor leefbaardere buurten, waar over het algemeen de huizenprijzen/huren hoger liggen dan in minder leefbare buurten. Maar het kan ook zo zijn dat een mindere leefbaarheid van buurten mede wordt veroorzaakt en in stand gehouden door clustering van bewoners met minder hulpbronnen.

3.1 Hoe ongelijk is de leefbaarheid in Nederland verdeeld? Hoe ongelijk is de leefbaarheid in Nederland verdeeld? Een eerste antwoord op deze vraag volgt uit een blik op de leefbaarheid in buurten in Nederland. Als leefbaarheid gelijk verdeeld is, dan zijn er geen of slechts kleine verschillen tussen buurten te bespeuren. In deze paragraaf kijken we naar de samenhang tussen de sociaaleconomische samenstelling van de bevolking van buurten en de leefbaarheid in die buurten. Verdeling leefbaarheid De gemiddelde leefbaarheid van buurten in Nederland in 2020, gemeten aan de hand van de Leefbaarometerscore, is 4,16. Dit komt overeen met de Leefbaarometerklasse ’Goed’. De leefbaarheid van buurten verschilt echter sterk van elkaar; van een score van 3,36 (corresponderend met klasse ‘Zeer onvoldoende’) tot een score van 4,80 (’Uitstekend’) – zie Figuur 3.1. Bijna 5% van de buurten kent een zwakke leefbaarheid of minder, terwijl bijna 40% van de buurten een zeer goede tot uitstekende leefbaarheid kent.

------------

11

In omvang verschillen (CBS-)buurten sterk. Zo staan er gemiddeld 661 woningen in een buurt, maar er zijn ook buurten met slechts 26 woningen en buurten met meer dan 14 duizend woningen.

41

Figuur 3.1 Verdeling leefbaarheid over buurten in 2020

Als we kijken naar de vijf onderliggende dimensies van leefbaarheid, dan zien we dat met name in de dimensie Voorzieningen de buurten vrij ver uiteen liggen, terwijl bijvoorbeeld in de dimensie Fysieke omgeving de spreiding erg klein is – zie Bijlage B4.1. 12 Segregatie in leefbaarheid Het is interessant om te zien wat de spreiding is van de leefbaarheid door het land. Liggen bijvoorbeeld alle buurten met een lage leefbaarheidsscore bij elkaar? En geldt dit omgekeerd ook voor buurten met een goede leefbaarheid? Zijn er gemeenten waar buurten met een heel goede en heel slechte leefbaarheid vlak bij elkaar liggen? Om hier een beeld van te krijgen berekenen we de spreiding in leefbaarheid per gemeente. We berekenen de spreiding op 6-positie-postcodeniveau per gemeente door middel van de gemiddelde absolute-verschil-methode. De spreiding per gemeente die hieruit volgt, geeft per gemeente aan hoeveel een postcode gemiddeld verschilt van de andere postcodes binnen de gemeente. Een grote spreiding in leefbaarheid betekent dus dat binnen de gemeente de postcodegebieden gemiddeld sterk van elkaar verschillen in leefbaarheid. De gemiddelde spreiding volgens deze methode in heel Nederland bedraagt 0,12. Dit betekent dat gemiddeld in Nederland de Leefbaarometerscore van postcodegebieden 0,12 afwijkt van alle

------------

12

Voor een uitgebreide beschrijving van de verschillen in leefbaarheid, verwijzen we naar het analyserapport Leefbaarheid in Nederland 2020 (Leidelmeijer & Mandemakers, 2022; beschikbaar via https://www.leefbaarometer.nl/resources/rapport-leefbaarheid-in-nederland-2020.pdf).

42

andere postcodegebieden. De spreiding binnen gemeenten kan sterk verschillen. Zo zijn er gemeenten waarbinnen de spreiding 0,06 is, maar ook gemeenten waar dit 0,28 is.

Figuur 3.2 Spreiding leefbaarheid tussen postcodegebieden (PC6) binnen gemeenten in 2020

Figuur 3.2 toont de spreiding van leefbaarheid tussen postcodes per gemeente. Er is ten eerste een duidelijk onderscheid te zien tussen stedelijke en minder stedelijke gebieden, waarbij met name grote(re) steden een grote spreiding hebben in leefbaarheid. Ten tweede is ook duidelijk te zien dat in het noorden van het land de spreiding in leefbaarheid relatief groot is. Dit wordt mogelijk veroorzaakt doordat gemeenten in het noorden van het land een relatief groot oppervlak hebben en samengesteld zijn uit meerdere dorpen, die van elkaar kunnen verschillen in leefbaarheid. De spreiding in leefbaarheid is het grootst in de grote gemeenten – zie Tabel 3.1. Alle G4gemeenten (Den Haag, Utrecht, Rotterdam en Amsterdam) staan in de top-5 van gemeenten met de grootste spreiding in leefbaarheid. De onderste vijf gemeenten in de ranglijst zijn juist heel kleine gemeenten. De correlatie tussen het aantal huishoudens in een gemeente en de spreiding in leefbaarheid is 0,59. Dit betekent dat in grotere gemeenten

43

(met meer huishoudens) er grotere verschillen in leefbaarheid zijn dan in kleinere gemeenten. Zeist neemt tot slot een opvallende plek in de top-5 in.

Tabel 3.1

Ranglijst spreiding leefbaarheid in 2020

Rang

Gemeente

Spreiding Leefbaarometer

Aantal postcodes

Aantal inwoners

1

Amsterdam

0,275

18.410

455.700

2

's-Gravenhage

0,272

13.261

255.600

3

Zeist

0,215

1.712

28.700

4

Utrecht

0,213

8.263

175.300

5

Rotterdam

0,202

13.947

317.000

348

Zoeterwoude

0,065

313

3.200

349

Montfoort

0,063

326

5.600

350

Reusel-De Mierden

0,060

378

5.500

351

Ameland

0,060

270

1.600

352

Midden-Delfland

0,056

459

7.600

Sociale ongelijkheid in leefbaarheid Om een beeld te krijgen van de sociale ongelijkheid in leefbaarheid in Nederland onderzoeken we hoe de sociaaleconomische kenmerken van een buurt (kortweg rijke versus arme buurten) samenhangen met de leefbaarheid. Wanneer er sprake is van een sterkere samenhang dan hebben bewoners van arme buurten een minder leefbare woonomgeving en bewoners van rijkere buurten een leefbaardere woonomgeving. Het verschil tussen rijke en arme buurten is op verscheidene manieren te definiëren. In dit onderzoek maken we gebruik van de SES-WOA indicator (sociaaleconomische status – welvaart, opleiding en arbeidsverleden), zoals ontwikkeld door het CBS. 13 Deze indicator combineert informatie over het inkomen, vermogen, opleidingsniveau en recent arbeidsverleden van de bewoners van een buurt. Naast deze samengestelde statistische maat, -----------13

SES-WOA is gebaseerd op de welvaart (vermogen en inkomen), opleidingsniveau en recent arbeidsverleden van de bevolking van een buurt. Deze drie deelscores zijn op hun beurt weer gebaseerd op losse indicatoren als het aandeel laag-, middelbaar en hoogopgeleiden, het vermogen en inkomen uitgedrukt in percentielgroepen en de aandelen van de huishoudens die de afgelopen vier jaar volledig, deels, of niet gewerkt hebben of gepensioneerd zijn (Arts et al., 2022. Berekenwijze Sociaal Economische Status scores. CBS/Den Haag). Zie ook: https://www.cbs.nl/nl-nl/onze-diensten/methoden/onderzoeksomschrijvingen/korte-onderzoeksomschrijvingen/ses-woa-scores-per-wijk-en-buurt.

44

kijken we ook naar een aantal specifieke indicatoren die onderdeel vormen van deze sociaaleconomische status en waar mensen een directer beeld bij hebben. We zoomen specifiek in op het gemiddeld inkomen, het opleidingsniveau en de arbeidsparticipatie van de bewoners van een buurt. Figuur 3.3. verbeeldt de sociaaleconomische verschillen op basis van de SES-WOA voor 2019 in Nederland. Figuur 3.3a laat zien dat er grote verschillen in sociaaleconomische status zijn tussen gemeenten. Met name in het midden van het land is de sociaaleconomische status hoger, terwijl deze in het noorden, Limburg en Zeeland lager is. Verder valt op dat hoewel de sociaaleconomische status in de Randstad vrij hoog is, dit in de grootste steden (Amsterdam, Rotterdam, Den Haag en Utrecht) juist niet het geval is. Wanneer we kijken naar de spreiding in sociaaleconomische status binnen gemeenten (Figuur 3.3b) dan zien we dat er veel grote verschillen zijn tussen gemeenten; juist in de grotere steden is de spreiding groter. De spreiding is berekend aan de hand van mean absolute difference, waarbij de score van elke buurt binnen een gemeente is vergeleken met de score van elke andere buurt binnen de gemeente. Om op betrouwbare resultaten uit te komen, zijn alleen gemeenten in de kaart opgenomen met meer dan 25 buurten. Gemeenten met minder buurten zijn wit gelaten.

Figuur 3.3 Verdeling SES-WOA over het land in 2019. Linker paneel a gemiddelde score per gemeente. Rechter paneel b: spreiding tussen buurten binnen gemeente (wit = 25 buurten of minder, niet meegenomen)

45

We hebben gezien dat er grote verschillen in leefbaarheid tussen buurten zijn en er tevens (grote) verschillen in sociaaleconomische status zijn. Naar verwachting is er sprake van sociale ongelijkheid, waarbij de rijke buurten leefbaarder zijn en armere buurten minder leefbaar. Figuur 3.4 toont het verband tussen de leefbaarheid (uitgedrukt in de Leefbaarometerscore) en de sociaaleconomische status van een buurt. De correlatie is 0,67. Dat wil zeggen dat als de SES-WOA van een buurt met één standaarddeviatie toeneemt, de leefbaarheid met ~2/3 standaarddeviatie toeneemt (en andersom). Buurten met een hogere sociaaleconomische status zijn over het algemeen dus beter leefbare buurten zijn (en vice versa). Let wel, een samenhang betekent niet dat het één het gevolg is van het ander (zie tekstblok ‘Niet-causale verbanden’).

Niet-causale verbanden Een hogere correlatie tussen leefbaarheid en sociaaleconomische kenmerken betekent dat er een sterker verband is. Dat wil echter niet zeggen dat dit verband causaal is (dat het een door het ander wordt veroorzaakt). Er zouden bijvoorbeeld ook andere factoren kunnen meespelen, waardoor de correlatie tussen de twee kenmerken hoog is, terwijl er geen oorzaak-gevolgrelatie bestaat. Bijvoorbeeld: Leefbaarheid heeft een sterke (positieve) correlatie met het aandeel hoogopgeleiden in een buurt. Dit betekent dat wanneer de leefbaarheid hoog is, het aandeel hoogopgeleiden gemiddeld gezien ook groot is. Dat wil echter niet zeggen dat het aandeel hoogopgeleiden ervoor zorgt dat de leefbaarheid in de buurt hoog is, of andersom: dat er veel hoogopgeleiden in een buurt zijn gaan wonen (en blijven wonen) omdat de buurt leefbaar is. Het is goed mogelijk dat beide mechanismen een rol spelen, maar het is niet te zeggen of en in welke mate ze een rol spelen. Er kan mogelijk ook een andere verklaring zijn voor de gevonden samenhang. Bijvoorbeeld omdat de leefbaarheid van universiteitssteden gemiddeld gezien hoog is en veel hoger opgeleiden blijven plakken in steden waar zij afgestudeerd zijn.

46

Figuur 3.4

Verband tussen sociaaleconomische status (SES-WOA 2019) en leefbaarheid (Leefbaarometerscore 2020) op buurtniveau (correlatie = 0,67)

Er zijn positieve verbanden met de Leefbaarometerscore voor zowel de totaalscore op sociaaleconomische status als de drie deelscores (welvaart, opleiding en arbeidsverleden) – zie Bijlage B4.2. We geven de samenhang weer met de correlaties tussen de leefbaarheid en SES-indicatoren op buurtniveau, waarbij gewogen is naar het aantal woningen. Die samenhang is het grootst voor de SES-WOA deelscore opleidingsniveau en het kleinst voor de deelscore arbeidsverleden. Als de leefbaarheid één standaarddeviatie hoger is dan neemt het gemiddelde opleidingsniveau van de inwoners met ~3/4 standaarddeviatie toe (en omgekeerd). In het geval van arbeidsverleden is dit een toename van bijna een halve standaarddeviatie. De sociale ongelijkheid in leefbaarheid is dus sterker naar opleidingsniveau in een buurt dan naar het arbeidsverleden van de bewoners. Als we inzoomen op de samenhang van SES met de dimensiescores van leefbaarheid, dan zien we dat Overlast en onveiligheid, Sociale samenhang en Woningvoorraad een sterke samenhang vertonen met de sociaaleconomische status van een buurt, in hetzelfde patroon als de totaalscore: de status hangt positief samen met de dimensiescores. De dimensie Fysieke omgeving hangt nauwelijks samen met de sociaaleconomische status van een buurt.

Opvallend is dat — hoewel het verband minder groot is dan in andere dimensies — de samenhang tussen de dimensie Voorzieningen en sociaaleconomische status een omgekeerd patroon volgt dan de andere dimensies: de status van een buurt

47

hangt negatief samen met het voorzieningenniveau. Dat wil zeggen dat buurten met veel voorzieningen over het algemeen buurten zijn waar de sociaaleconomische status lager is. Dit geldt echter niet voor de deelscore opleidingsniveau. In buurten met veel voorzieningen wonen over het algemeen huishoudens met een hoger opleidingsniveau. Deze patronen zijn wellicht te verklaren doordat de grote steden het hoogste voorzieningenniveau kennen, relatief veel buurten met een gemiddeld lagere sociaaleconomische status hebben, maar ook veel net afgestudeerden met een hoog opleidingsniveau huisvesten. Inzoomen op enkele onderliggende SES-indicatoren Door de gebruikte methode van het CBS om de SES-WOA-scores (en onderliggende deelscores) te ontwikkelen, zijn deze scores niet eenvoudig te interpreteren. In het vervolg van dit hoofdstuk lichten we een aantal SES-indicatoren van de drie deelscores van de SESWOA uit. Hierdoor ontstaat een beter beeld van de sociaaleconomische verschillen dan bij de totaal- en deelscores. Bovendien kunnen zo interessante verschillen tussen aspecten van sociaaleconomische status worden uitgelicht. Omdat de verbanden van de onderliggende indicatoren met leefbaarheid allemaal een vergelijkbaar beeld geven en de indicatoren onderling (met name per deelscore) een hoge correlatie hebben (zie Bijlage B4.2), is deze simplificatie ook statistisch te rechtvaardigen.

Voor de deelscore welvaart zoomen we in op de gemiddelde percentielgroep van het gestandaardiseerd inkomen en de gemiddelde percentielgroep van vermogen. Deze geven weer waar de huishoudens van een buurt gemiddeld staan in de vermogens- en inkomensverdeling. Voor opleiding hanteren we het aandeel hoogopgeleiden en voor arbeidsverleden het aandeel niet-werkenden (in de afgelopen vier jaar). Figuur 3.5 toont de sociale ongelijkheid in leefbaarheid op basis van deze vier SES-indicatoren.

48

Figuur 3.5 Samenhang leefbaarheid (Leefbaarometerscore) in 2020 (y-as) met sociaaleconomische kenmerken in 2019 (x-as)

Zoals blijkt uit Figuur 3.5 bestaan er sterke positieve verbanden tussen de gemiddelde percentielgroep van gestandaardiseerd inkomen, die van vermogen en het aandeel hoogopgeleiden enerzijds, en de Leefbaarometerscore anderzijds. Dit betekent dat het gemiddelde inkomen, vermogen en opleidingsniveau van de bewoners hoger is in buurten waar de leefbaarheid beter is. Voor het aandeel niet-werkenden in een buurt is het verband negatief: waar een groter aandeel van de huishoudens in een buurt de afgelopen vier jaar niet heeft gewerkt, is de leefbaarheid slechter. Ook hier geldt de waarschuwing dat deze verbanden niet causaal geïnterpreteerd mogen worden – zie bovenstaand tekstblok ‘Niet-causale verbanden’.

49

Kans op een buurt met goede leefbaarheid Een andere manier om de sociale ongelijkheid in leefbaarheid in beeld te brengen is door de kans te onderzoeken dat de leefbaarheid in een buurt goed is. In 2020 was de leefbaarheid in 8.269 van de 12.098 buurten “goed”, oftewel 68%. Dit betekent dat de kans dat een buurt een goed leefbare buurt is, zonder de sociaaleconomische kenmerken van de buurt in acht te nemen of te wegen naar het aantal woningen in de buurt, 68 procent is. Om de sociale ongelijkheid te onderzoeken bekijken we de relatie tussen sociaaleconomische kenmerken en de kans dat een buurt een goede leefbaarheid heeft middels logistische regressies (gewogen naar aantal woningen in een buurt). Uit deze analyses komt eenzelfde beeld naar voren. Sociaaleconomische kenmerken van de buurt hangen sterk samen met de kans dat een buurt een goede leefbaarheid heeft. Zo is de kans dat een buurt een goede leefbaarheid heeft slechts 4% (respectievelijk 5%) wanneer de gemiddelde inkomens- respectievelijk vermogenspercentielgroep in een buurt 25 is. Dit betekent dat het armste kwart van de buurten in Nederland slechts een kans van 4% tot 5% heeft om een goede leefbaarheid te hebben. Wanneer de gemiddelde percentielgroep op 50 ligt (oftewel de mediane buurt in Nederland), is deze kans al gestegen naar 52% respectievelijk 53%.

Bij een gemiddelde percentielgroep van 75 is de kans bijna 100% dat de leefbaarheid in de buurt goed is. Bij opleidingsniveau zien we een vergelijkbaar beeld. Wanneer één op de vijf buurtbewoners hoogopgeleid is, is de kans dat de buurt een goede leefbaarheid heeft 16%. Als het aandeel hoogopgeleiden verdubbelt naar twee op vijf bewoners, dan is deze kans gestegen naar 67% en bij een aandeel hoogopgeleiden van drie op vijf is de kans dat de leefbaarheid goed is al 95%. Bij een klein aandeel niet-werkenden (in de afgelopen vier jaar) van één op de honderd, is de kans dat de leefbaarheid in de buurt goed is 84%. Als het aandeel niet-werkenden toeneemt naar één op twintig dan daalt die kans naar 61%, en als één op de 10 bewoners nietwerkend is, dan is de kans dat de buurt goed leefbaar is slechts 25%.

3.2 Sociale ongelijkheid in leefbaarheid op lokaal niveau In de vorige paragraaf hebben we in beeld gebracht in welke gemeenten de verschillen in leefbaarheid het grootst zijn tussen buurten en hebben we de algemene verbanden tussen sociaaleconomische status van buurten en de leefbaarheid laten zien. Vervolgens willen we weten of de sociale ongelijkheid in leefbaarheid verschilt tussen gemeenten. Zijn die verschillen er? En zo ja, in welke gemeenten zijn de verschillen in leefbaarheid tussen rijke en arme buurten het grootst of kleinst? We brengen deze sociale ongelijkheid in leefbaarheid

50

in beeld door correlaties op gemeenteniveau te berekenen (gewogen naar aantal woningen per buurt). We beperken ons tot gemeenten met meer dan 25 buurten, aangezien correlaties in gemeenten met weinig buurten onbetrouwbare resultaten geven. Wat zijn de meest ongelijke gemeenten? Figuur 3.6 laat de lokale samenhang tussen leefbaarheid en de SES-WOA-score per gemeente zien. Het verband lijkt sterker te zijn in de grote(re) steden dan in de kleine(re) gemeenten. Verder springt een aantal regio’s met grotere sociale ongelijkheid in leefbaarheid (sterkere correlaties) eruit. De sociale ongelijkheid in leefbaarheid lijkt groter te zijn in ’t Gooi, in een aantal Veluwse gemeenten, de regio IJsselmonde en in het oosten van Groningen. Ook als we kijken naar de relatie tussen leefbaarheid en de onderliggende indicatoren waar we eerder op inzoomden (aandeel hoogopgeleiden, aandeel niet-werkenden, gemiddelde percentielgroep inkomen en vermogen) zien we vergelijkbare patronen – zie Bijlage B4.3.

51

Figuur 3.6 Correlaties tussen Leefbaarometerscore en SES-WOA binnen gemeenten in 2020

Gemeenten met 25 buurten of minder zijn niet meegenomen in de analyse. Op de kaart zijn deze wit.

Stapeling van problematiek Uit voorgaande paragrafen blijkt dat er een sterk verband is tussen de sociaaleconomische status en de leefbaarheid van een buurt. In deze paragraaf onderzoeken we de gemeenten met buurten waar er een stapeling van problematiek te verwachten is: buurten met veel bewoners onderaan de sociaaleconomische ladder en tegelijk ook een zwakke of lagere leefbaarheid. We richten ons op de buurten met een Leefbaarometerklasse van ‘zwak’ of lager en het onderste kwartiel van de buurten naar sociaaleconomische status (SES-WOA). Dit zijn in 2020 561 buurten. Uit Tabel 3.2 blijkt dat in Kerkrade het grootste aandeel van de buurten een combinatie heeft van een lage sociaaleconomische status en een lage leefbaarheid, met 35%. Andere gemeenten met een groot aandeel buurten met deze combinatie zijn Helmond, Tiel, Doesburg en Vlaardingen. Met name rond de regio Rijnmond en de metropoolregio Amsterdam lijkt een clustering van buurten met stapeling van problematiek te liggen – zie Figuur 3.7.

52

Tabel 3.2 Gemeenten met grootste aandeel buurten (≥15%) met lage sociaaleconomische status (SES-WOA) en lage leefbaarheid (LBM) in 2020 Rang

Gemeente

Aandeel van buurten lage SES-WOA en lage LBMscore

Aantal buurten met lage SES-WOA en lage LBMscore

1

Kerkrade

35%

6

2

Helmond

31%

12

3

Tiel

30%

8

4

Doesburg

29%

2

5

Vlaardingen

28%

8

6

Nissewaard

27%

20

7

Heerlen

25%

13

8

Schiedam

23%

11

9

Rotterdam

23%

18

10

Maassluis

22%

4

11

's-Gravenhage

21%

23

12

Tilburg

20%

42

13

Arnhem

20%

16

14

Lelystad

20%

16

15

Beverwijk

19%

6

16

Den Helder

19%

10

17

Delft

18%

13

18

Almelo

16%

10

19

Leeuwarden

16%

16

20

Dordrecht

15%

15

21

Amsterdam

15%

63

22

Capelle aan den IJssel

15%

10

23

Nijmegen

15%

6

24

Zwijndrecht

15%

10

25

Sittard-Geleen

15%

5

53

Figuur 3.7 Aandeel buurten per gemeente met lage sociaaleconomische status en lage leefbaarheid

Lage sociaaleconomische status én hoge leefbaarheid Als we ons richten op de afwijking van de algemene trend, dan zijn er 202 buurten die een lage SES-WOA (onderste kwartiel) combineren met een hoge score op de Leefbaarometer (‘zeer goed’ of hoger) – zie Tabel 3.3. 14 Bovenaan deze lijst staan Groningen met 18%, gevolgd door Leiden, Bloemendaal, Nijmegen en Terschelling.

-----------14

Er zijn maar vier buurten die de andere kant op afwijken, waar de SES-WOA hoog is (hoogste kwartiel), terwijl de

leefbaarheid juist laag is (‘zwak’ of lager). Deze buurten liggen in Zeewolde, Wageningen, Dronten en Tilburg.

54

Tabel 3.3 Gemeenten met het grootste aandeel buurten met lage sociaaleconomische status en hoge leefbaarheid Rang

Gemeente

Aandeel buurten

Aantal buurten

1

Groningen

18%

19

2

Leiden

17%

9

3

Bloemendaal

14%

3

4

Nijmegen

13%

5

5

Terschelling

13%

1

6

Wassenaar

11%

2

7

Amsterdam

10%

41

8

Delft

10%

7

Dimensies van leefbaarheid naar hoogte SES-WOA en leefbaarheid De dimensiescores voor leefbaarheid variëren tussen buurten met verschillende combinaties van lage of hoge sociaaleconomische status en leefbaarheid – zie Figuur 3.8. Als grens voor laag en hoog is bij leefbaarheid gekozen voor ‘zwak’ en lager en ‘zeer goed’ en hoger. Bij sociaaleconomische status is het laagste kwartiel en hoogste kwartiel gekozen. We tonen alleen de combinaties lage SES + lage LBM, lage SES + hoge LBM en hoge SES + hoge LBM, aangezien de combinatie hoge SES + lage LBM slechts vier buurten betreft. Uit Figuur 3.8 blijkt dat de scores op de dimensies Overlast en onveiligheid, Sociale samenhang en Woningvoorraad over het algemeen relatief hoog zijn in buurten met een hoge sociaaleconomische status, en omgekeerd alle drie juist laag zijn in buurten met een lage SES-WOA. Met andere woorden, er is relatief veel overlast in buurten met een lage sociaaleconomische status. En naast een geringere sociale samenhang worden die buurten ook gekenmerkt door een relatief slechte woningvoorraad. Een omgekeerd patroon zien we bij de dimensie Voorzieningen. Buurten met een hoge sociaaleconomische status hebben over het algemeen weinig voorzieningen, terwijl buurten met een lage SES-WOA juist relatief veel voorzieningen hebben.

De dimensie Fysieke omgeving lijkt met name samen te hangen met de leefbaarheidsscore en minder met sociaaleconomische status.

55

Figuur 3.8 Dimensiescores van leefbaarheid naar combinatie leefbaarheid en sociaaleconomische status in 2020

3.3 Sociaaleconomische verschillen in een buurt en leefbaarheid Tot nu toe lag de focus op de verschillen tussen buurten. Het is echter ook interessant om te kijken naar sociaaleconomische verschillen binnen buurten. Het wordt over het algemeen onwenselijk geacht als buurten te homogeen zijn naar sociaaleconomische achtergrond. Dan leven rijk en arm fysiek van elkaar gescheiden en worden de scheidslijnen in de samenleving versterkt. Maar hoe zit het met de leefbaarheid van de buurt zelf, bestaat er een samenhang tussen hoe sociaaleconomisch homogeen of divers een buurt is en leefbaarheid? Aan de ene kant kan een grotere sociaaleconomische diversiteit in een buurt positief zijn voor de leefbaarheid, aangezien mensen van verschillende achtergronden met elkaar in contact kunnen komen. Aan de andere kant kunnen grote(re) verschillen in sociaaleconomische status tussen bewoners in buurten ook tot spanningen leiden en een lagere leefbaarheid, doordat mensen met verschillende sociaaleconomische achtergronden wellicht minder goed mixen. Spreiding in SES-WOA en leefbaarheid in 2020 We onderzoeken of er een verband is tussen spreiding in sociaaleconomische status (de mate waarin er verschillen zijn in een buurt) en leefbaarheid van een buurt. We maken gebruik van de door het CBS gemaakte spreidingsmaat van sociaaleconomische status binnen buurten.

We wegen de analyses naar het aantal woningen in een buurt. Daarnaast maken we gebruik van longitudinale gegevens over de ontwikkeling van de leefbaarheid in

56

buurten tussen 2014-2020 en de ontwikkeling in de spreiding van de sociaaleconomische status in die periode. De mate van spreiding in sociaaleconomische status in een buurt is niet los te zien van het gemiddelde niveau van de sociaaleconomische status van een buurt. Figuur 3.9 laat dit duidelijk zien. 15 Er is sprake van een sterke samenhang tussen de mate van spreiding en de sociaaleconomische status (verklaarde variantie = 74,7%). Buurten onderaan de sociaaleconomische ladder worden gekenmerkt door grote sociaaleconomische verschillen. Zij hebben een ruim bovengemiddeld grote spreiding in sociaaleconomische status. Naarmate het gemiddelde sociaaleconomische niveau van een buurt toeneemt, worden de sociaaleconomische verschillen binnen buurten kleiner. De meest welvarende buurten zijn het meest homogeen want zij hebben de kleinste spreiding in sociaaleconomische status.

Figuur 3.9 Spreiding in SES-WOA (Z-score) naar gemiddelde niveau SESWOA (Z-score) voor buurten in 2020

Uit eerdere paragrafen weten we dat er een sterk verband is tussen het niveau van sociaaleconomische status in een buurt en de leefbaarheid van een buurt. Om de samenhang tussen de mate van spreiding (grote/kleine verschillen) en leefbaarheid goed in beeld te brengen dienen we daarom statistisch te controleren voor het niveau van sociaaleconomische status van een buurt. Dit doen we door te kijken naar het verband tussen spreiding in -----------15

Voor deze figuur zijn de scores getransformeerd naar Z-scores. Het gemiddelde van een buurt in 2020 correspondeert met 0 en elke hele stap correspondeert met één standaarddeviatie op de verdeling.

57

sociaaleconomische status die niet verklaard wordt door het niveau van sociaaleconomische status met de leefbaarheid die niet verklaard wordt gegeven het niveau van sociaaleconomische status. 16 In figuur 3.10 is deze relatie weergegeven. Dan zien we dat de spreiding licht positief samenhangt met de leefbaarheid; de verklaarde variantie is slechts 5,9%. Dit betekent dat in 2020 in buurten waar de sociaaleconomische verschillen groter zijn, de leefbaarheid over het algemeen wat hoger ligt dan in buurten waar de sociaaleconomische status van bewoners minder scherp van elkaar verschilt, maar die qua gemiddeld niveau van sociaaleconomische status verder vergelijkbaar zijn.

Figuur 3.10 Onverklaarde leefbaarheid (LBM) naar spreiding in SES-WOA (gegeven niveau van SES-WOA) voor buurten in 2020

Longitudinale analyse 2014-2020 In een volgende stap kijken we naar de ontwikkeling tussen 2014 en 2020 in de leefbaarheid en hoe deze samenhangt met de waargenomen ontwikkeling in de spreiding én het gemiddelde niveau in sociaaleconomische status. Deze analyse over de tijd geeft antwoord op de vraag of ontwikkelingen in leefbaarheid samenhangen met ontwikkelingen in het niveau en/of de mate van sociaaleconomische verschillen in een buurt. Buurten worden

-----------16

In statistische termen: een added value plot (weergegeven in figuur 3.10).

58

immers door de tijd heen vergeleken. 17 Dit is relevant om te onderzoeken want veranderingen in de sociaaleconomische samenstelling van een buurt beïnvloeden zowel het gemiddelde niveau van een buurt als de grootte van de sociaaleconomische verschillen in de buurt (spreiding). We onderzoeken hoe de leefbaarheid in de onderste 25% buurten naar sociaaleconomische status in 2014, de middelste 50% en de hoogste 25% zich heeft ontwikkeld tussen 2014 en 2020. Zie Tabel 3.4 voor de resultaten. Ten eerste blijkt dat de trend in leefbaarheid verschilt naar uitgangssituatie in 2014. De armere buurten en de middelste 50% kennen een vergelijkbare en over het algemeen sterke positieve ontwikkeling in de leefbaarheid vergeleken met de rijkste buurten (eerste kolom van tabel 3.4). Ten tweede blijkt dat er geen eenduidig verband in de tijd is tussen spreiding en leefbaarheid. Het verband tussen de mate van spreiding en leefbaarheid verschilt naar gelang de gemiddelde sociaaleconomische status van buurten. Het verband is licht negatief in de onderste 25% buurten naar sociaaleconomische status in 2014. Er is geen verband in de resterende buurten (middelste 50% en hoogste 25%). Deze uitkomst staat haaks op het eerdere gevonden zeer lichte positieve verband voor de stand in 2020.

Gegeven de sterkere methodische kracht van een vergelijking door de tijd is het aannemelijk dat een toename van de sociaaleconomische verschillen in arme buurten - bij een gelijkblijvend gemiddeld niveau - samenhangt met een kleine afname van de leefbaarheid. 18 Ten derde geldt voor alle buurten dat een verbetering van het gemiddelde sociaaleconomische niveau samenhangt met een toename van de leefbaarheid. Dit verband blijkt sterker te zijn naarmate een buurt een lager sociaaleconomisch niveau heeft in 2014.

-----------17

Een analyse van veranderingen in de tijd controleert voor alle verschillen tussen buurten die constant zijn over de tijd en waar de vorige standanalyse geen rekening mee kan houden, zoals de ligging ten opzichte van centra, treinstations, de mix van bebouwing in een buurt, die mogelijk relevant zijn voor leefbaarheid en ook samenhangen met de mate van sociaaleconomische spreiding. Let wel, een longitudinale analyse controleert niet voor mogelijke andere veranderingen in een buurt (zoals herstructurering, nieuwbouw) die mogelijk ook een samenhang tussen veranderingen in de bevolkingssamenstelling en de leefbaarheid kunnen verklaren. Bovendien geeft het geen uitsluitsel over de richting van een mogelijke oorzaak-gevolg relatie tussen leefbaarheid en sociaaleconomische status, zie ook box “Niet-causale verbanden” op p. 52.

18

Een verklaring van dit verschil ligt waarschijnlijk in ongemeten buurtkenmerken die samenhangen met spreiding en leefbaarheid, waar in de standanalyse van 2020 niet voor is gecontroleerd. Welke dit precies zijn, vereist nader onderzoek.

59

Tabel 3.4 Ontwikkeling Leefbaarheid naar ontwikkeling in het gemiddelde niveau en de spreiding van SES-WOA tussen 2014-2020 naar aanvangsniveau in 2014. Gestandaardiseerde coëfficiënten. R2=0,49 SES-WOA buurt in 2014

Algemene trend

ontwikkeling

ontwikkeling

SES-WOA

SES-WOA

spreiding

niveau

Onderste 25%

0,51***

-0,07***

0,17***

Middelste 50%

0,46***

-0,01

0,11***

Hoogste 25%

0,22***

0,02

0,06**

* p < 0,05 ** p < 0,01 *** p < 0,001

Er blijkt een licht negatief verband te zijn tussen spreiding en leefbaarheid in de tijd voor het onderste kwart van de buurten in de sociaaleconomische verdeling. We willen benadrukken dat de invloed van veranderingen in het niveau van sociaaleconomische status van een buurt voor de leefbaarheid een stuk sterker is en altijd een positieve invloed heeft vergeleken met het verband met de mate van spreiding. Bovendien kunnen de sociaaleconomische spreiding en het gemiddelde niveau niet los van elkaar worden gezien(zie Figuur 3.10); buurten met weinig sociaaleconomische verschillen zijn steevast de rijkere buurten. Dit verband blijkt ook in de tijd op te gaan. Een stijging van het gemiddelde niveau van sociaaleconomische status in een buurt tussen 2014-2020 gaat gepaard met een afname van de spreiding, en vice versa. 19 Het mogelijk licht negatieve effect van het vergroten van sociaaleconomische verschillen in arme buurten gaat dus alleen op als het gemiddelde niveau niet gelijktijdig meebeweegt.

3.4 Ontwikkeling sociale ongelijkheid in leefbaarheid 2014-2020 In deze paragraaf bekijken we of de sociale ongelijkheid in leefbaarheid is toegenomen of afgenomen van 2014 tot 2020. De leefbaarheid van buurten is licht verbeterd in deze periode. 20 De sociaaleconomische status is gemiddeld over alle buurten vrijwel gelijk gebleven tussen 2014 en 2020. 21 Om te kijken of de sociale ongelijkheid in leefbaarheid is veranderd in de periode 2014-2020 kijken we naar verandering in de samenhang tussen leefbaarheid en de indicatoren voor -----------19

Als het gemiddelde niveau van SES-WOA in een buurt met één standaarddeviatie toeneemt/afneemt tussen 20142020 dan daalt/stijgt de spreiding met 0,54 standaarddeviaties (R2 = 0,38).

20

Leidelmeijer, K. en J. Mandemakers (2022), Leefbaarheid in Nederland 2020: een analyse op basis van de Leefbaarometer 3.0. Amsterdam: In Fact Research & Atlas Research

21

In 2014 bedroeg de gemiddelde SES-WOA-score -0,0015, in 2020 was dit -0,0012.

60

sociaaleconomische status. Uit Tabel 3.5 blijkt dat de sociale ongelijkheid in leefbaarheid (d.w.z. de correlatie tussen leefbaarheid en sociaaleconomische status) nagenoeg gelijk is gebleven tussen 2014 en 2020. 22 De onderzochte verbanden zijn vergelijkbaar in grootte en stabiel in de tijd. Wanneer we inzoomen op een aantal van de onderliggende indicatoren zien we slechts kleine verschillen. Het positieve verband tussen vermogen en inkomen met leefbaarheid is iets minder sterk geworden tussen 2014 en 2020, terwijl het verband tussen leefbaarheid en het aandeel hoogopgeleiden in een buurt juist licht is toegenomen. Het verband tussen het aandeel niet-werkenden en leefbaarheid is eveneens licht toegenomen.

Tabel 3.5 Ontwikkeling in samenhang leefbaarheid en sociaaleconomische status (SES) in de buurt Correlatie met leefbaarheid 2014

2020

Verschil

SES-WOA

0,69

0,67

-0,02*

Gemiddelde percentielgroep gestandaardiseerd inkomen

0,67

0,63

-0,03*

Gemiddelde percentielgroep vermogen

0,69

0,65

-0,04*

Aandeel hoogopgeleiden

0,64

0,68

0,04*

Aandeel niet-werkenden (afgelopen 4 jaar)

-0,61

-0,60

0,01*

* p<,01.

3.5 Samenvatting en conclusies In dit hoofdstuk is onderzocht hoe groot de verschillen in leefbaarheid tussen buurten zijn; waar de verschillen tussen buurten het grootst zijn en in hoeverre verschillen in leefbaarheid van buurten samenhangen met de sociaaleconomische status van buurten. De samenhang met de sociaaleconomische status van een buurt geeft de mate van sociale ongelijkheid in leefbaarheid weer. De sociale ongelijkheid in leefbaarheid is hiermee voor het eerst goed in beeld gebracht, omdat bewonerskenmerken niet langer onderdeel zijn van de Leefbaarometer 3.0 én omdat het CBS gedetailleerde data over de sociaaleconomische samenstelling van buurten beschikbaar heeft gemaakt.

------------

22

De lichte afname in de correlatie is wel statistisch significant.

61

De grootste verschillen tussen buurten in leefbaarheid zijn te vinden in de grote(re) steden. De G4-gemeenten (Den Haag, Utrecht, Rotterdam en Amsterdam) staan in de top-5 van gemeenten met de grootste verschillen in leefbaarheid tussen buurten in de gemeente. Er is sprake van grote sociale ongelijkheid in leefbaarheid. Er blijken sterke positieve verbanden te bestaan tussen de sociaaleconomische status van een buurt en de leefbaarheid van een buurt in 2020; de sociale ongelijkheid in leefbaarheid. We vinden sterke verbanden of we nu kijken naar de samengestelde sociaaleconomische status schaal (SES-WOA) of naar de onderliggende scores voor inkomen, vermogen, opleidingsniveau of arbeidsverleden van de bewoners van buurten. Ter illustratie: Zonder het meewegen van de sociaaleconomische kenmerken van de buurt is de kans 68% dat een buurt een goede of hogere leefbaarheid heeft. Als rekening wordt gehouden met bijvoorbeeld het opleidingsniveau, dan zien we dat als één op de vijf bewoners in een buurt hoogopgeleid is, de kans dat een buurt een goede leefbaarheid heeft slechts 16% is. Wanneer het aandeel hoogopgeleiden verdubbelt naar twee op vijf bewoners dan stijgt de kans naar 67%, en bij een aandeel hoogopgeleiden van drie op vijf is de kans dat de buurt een goede leefbaarheid heeft al 95%. De sociale ongelijkheid in leefbaarheid verschilt per gemeente en ook regionaal.

Zo lijkt het verband tussen sociaaleconomische status en leefbaarheid van buurten sterker te zijn in de grote(re) steden dan in de kleine(re) gemeenten. Verder springt een aantal regio’s met grotere sociale ongelijkheid in leefbaarheid (sterkere correlaties) eruit. De ongelijkheid lijkt hoger te zijn in ’t Gooi, in een aantal Veluwse gemeenten, de regio IJsselmonde en in het oosten van Groningen. Hoe homogeen of divers een buurt sociaaleconomisch gezien is, maakt niet veel uit voor de leefbaarheid van buurten. Alleen het armste kwart van de buurten werd wat minder leefbaar als de sociaaleconomische verschillen in de buurt waren toegenomen in de periode 2014-2020. Dit verband valt echter in het niet bij het zeer sterke positieve verband tussen (veranderingen in) het gemiddelde sociaaleconomische niveau van de buurt en de leefbaarheid. Verder blijkt dat de sociale ongelijkheid in leefbaarheid tussen 2014 en 2020 nagenoeg gelijk is gebleven. Al krijgt de ongelijkheid wel een iets andere vorm. Zo is de samenhang tussen leefbaarheid van een buurt en het gemiddelde inkomens- en vermogensniveau licht afgenomen, terwijl het verband met het aandeel hoogopgeleiden juist is toegenomen.

62

4 Ondermijnende criminaliteit en ervaren onveiligheid Wat kunt u verwachten bij dit thema? Ondermijnende criminaliteit in een gemeente hangt sterk samen met onveiligheidsgevoelens van bewoners. Dat is in het bijzonder zo voor (ontruimingen van) hennepkwekerijen en het aandeel verdachte en veroordeelde bewoners voor drugs- en vermogensmisdrijven in een gemeente. Veel (indicaties voor) ondermijnende criminaliteit en de ervaren onveiligheid van bewoners gaan veelal samen in steden, maar is daar niet toe beperkt. Er zijn ook kleinere gemeenten waar dit speelt. Wel is het relatief vaak zo dat in kleinere gemeenten met indicaties voor ondermijnende criminaliteit bewoners zich niet evenredig onveilig voelen. In die gemeenten is de sociale samenhang vaak sterk, wat hierin een rol lijkt te spelen. Er is de laatste jaren veel aandacht voor ondermijnende criminaliteit. Het Openbaar Ministerie 23 definieert georganiseerde ondermijnende criminaliteit als “misdaad die maatschappelijke structuren of het vertrouwen daarin schaadt. Deze vorm van criminaliteit gaat niet zelden gepaard met geweld, bedreiging en intimidatie met als doel het verdienen van zoveel mogelijk geld.” Het gaat dan bijvoorbeeld om drugsproductie en –handel, het witwassen en veiligstellen van criminele winsten en de activiteiten die daarbij komen kijken zoals intimidatie, omkoping en excessief geweld.

Daarbij wordt misbruik gemaakt van legale logistieke en economische voorzieningen en financiële en juridische adviseurs en worden kwetsbare jongeren gerekruteerd voor het ‘vuile werk’. In het dashboard Zicht op Ondermijning, 24 dat is geïnitieerd door het ministerie van BZK, is een groot aantal gegevens verzameld die nader inzicht geven in de mate waarin een aantal van de zaken die aan ondermijnende criminaliteit gerelateerd zijn lokaal voorkomen. 25 Het gaat onder meer om: •

Aanwezigheid drugsproblematiek, waaronder: o

Hennepkwekerijen

o

Delicten

o

Verdachten

o

Familienetwerken

-----------23

https://www.om.nl/onderwerpen/ondermijnende-criminaliteit

24

https://www.zichtopondermijning.nl/

25

De indicatoren zijn gebaseerd op (combinaties van) gegevens van het CBS, het Openbaar Ministerie, Kamer van Koophandel, gemeenten, het Kadaster en de Financial Intelligence Unit (FIU).

63

o •

•

Jonge aanwas

Potentieel misbruik van vastgoed, waaronder: o

Aandelen verblijfsobjecten in bezit van personen met risico-indicatoren

o

Aandelen verblijfsobjecten in bezit van bedrijven met risico-indicatoren

o

Vaak verhandelde woningen

o

Onverklaarbare woningaankopen

Witwasgevoelige branches, blijkend uit onder meer: o

Aandeel vestigingen witwasgevoelige branches

o

Afwijkende omzetten

o

Veroordelingen (bedrijf, eigenaar of bestuurder)

o

Opvallende kenmerken van bedrijven

De gegevens in het dashboard zijn beschikbaar op het niveau van gemeenten, CBS-wijken en voor een deel van de indicatoren op het niveau van CBS-buurten. De meetperiodes verschillen per indicator. Niet elke indicator leent zich even goed voor nadere analyse, bijvoorbeeld omdat er veel ontbrekende waarden zijn in de registraties of als gevolg van onthullingsrestricties, omdat er geen recente gegevens beschikbaar zijn, of er alleen uitkomsten op een hoog schaalniveau (regio’s) beschikbaar zijn. In dit hoofdstuk verkennen we in welke mate een aantal van de indicatoren voor ondermijnende criminaliteit samenhangt met de dimensie Overlast en onveiligheid van de Leefbaarometer en met de indicator ‘ervaren onveiligheid’ in het bijzonder. 26 De aandacht gaat vooral uit naar de indicator ‘ervaren onveiligheid’ omdat de interpretatie hiervan eenduidig is: het gaat om hoe onveilig bewoners zich in hun buurt voelen. Dat is waar we in dit hoofdstuk primair in geïnteresseerd zijn. In de dimensie Overlast en onveiligheid van de Leefbaarometer zitten meerdere indicatoren en is het (dus) minder scherp waar de samenhang door komt: ervaren overlast, ervaren onveiligheid of het voorkomen van specifieke misdrijven.

Voor een aantal indicatoren uit het dashboard Zicht op Ondermijning worden voor de volledigheid de samenhangen met de dimensie Overlast en onveiligheid en met de totaalscore van de Leefbaarometer weergegeven. Dan blijkt dat de samenhang met de dimensie Overlast en onveiligheid veelal in dezelfde orde van grootte ligt en dat die met de totaalscore van de Leefbaarometer logischerwijs kleiner is.

-----------26

Hierbij gebruiken we de bewerkte en op het meetjaar 2018 gestandaardiseerde score van ervaren overlast en onveiligheid die ook in de Leefbaarometer wordt gebruikt. Het gemiddelde ligt daarbij net iets boven 0. Een hogere score betekent meer ervaren onveiligheid en een lagere score minder ervaren onveiligheid.

64

De verwachting is dat een deel van de indicatoren uit het dashboard Zicht op Ondermijning zich aan de waarneming van bewoners onttrekt en dus niet zal samenhangen met de onveiligheid die zij ervaren, terwijl andere indicatoren daar juist wel mee samenhangen. Omdat de gegevens van het dashboard Zicht op Ondermijning in ruimtelijke zin niet bijzonder specifiek zijn en niet voor alle gemeenten en wijken beschikbaar zijn (als gevolg van onthullingsrestricties), verwachten we a priori geen bijzonder sterke samenhangen. Dit hoofdstuk gaat verder in op: 1.

welke indicatoren uit het dashboard Zicht op Ondermijning samenhangen met ervaren onveiligheid;

2.

in welke (typen) gebieden er sprake is van een samenloop van indicatoren uit Zicht op Ondermijning en ervaren onveiligheid: wat zijn de gebieden met (relatief) veel ondermijnende criminaliteit en (relatief) veel ervaren onveiligheid;

3.

In welke (typen) gebieden de samenloop juist veel minder sterk is: wat zijn de gebieden met (relatief) veel indicaties voor ondermijnende criminaliteit en (relatief) weinig ervaren onveiligheid.

De relaties tussen de indicatoren uit Zicht op Ondermijning en de ervaren onveiligheid in de Leefbaarometer worden zoveel mogelijk gebaseerd op peiljaar 2019 voor Zicht op Ondermijning en meetjaar 2020 voor de Leefbaarometer. De analyses worden uitgevoerd op het niveau van gemeenten en van wijken. We zijn bij de analyses geïnteresseerd in samenhangen op het niveau van gemeenten of wijken. Hoeveel inwoners de gemeenten of wijken hebben, doet er daarbij niet toe. Bij de berekening van de samenhangen wordt dan ook niet gewogen voor inwonertal van de gemeenten of wijken. Zouden we dat wel doen, dan zijn de samenhangen gemiddeld genomen overigens groter omdat de uitzonderingen op de regel vaker in de kleinere gemeenten te vinden zijn.

4.1 Drugsproblematiek Hennepkwekerijen Het aantal ontruimde hennepkwekerijen is een indicatie van de mate waarin er in een gebied hennepkwekerijen zijn en daarmee van de ondermijnende criminaliteit die ermee samenhangt. In het dashboard Zicht op Ondermijning zijn van 247 gemeenten gegevens opgenomen over ontruimde hennepkwekerijen in 2019. Van de ontbrekende gemeenten kan niet worden aangenomen dat daar geen hennepkwekerijen zijn omdat in het dashboard een minimumaantal van tien wordt aangehouden (en wordt afgerond op tientallen)

65

in verband met het onthullingsrisico dat door het CBS wordt gehanteerd. In deze 247 gemeenten zijn dus minimaal tien hennepkwekerijen ontruimd in 2019. 27 Binnen deze groep van gemeenten bestaat een vrij sterke samenhang tussen het aandeel ontruimde hennepkwekerijen (als percentage van het aantal woningen in de gemeente) en de ervaren onveiligheid 28 in de gemeente (r = 0,55, R2 = 30%). 29 Hierbij geldt: hoe meer (ontruimde) hennepkwekerijen, hoe groter de ervaren onveiligheid in de gemeente. Het is aannemelijk dat de samenhang nog sterker zou zijn als ook de gemeenten waar weinig of geen hennepkwekerijen zijn ontruimd in de vergelijking zouden zijn betrokken. 30 De gevonden samenhang wordt weergegeven in Figuur 4.1. We delen de figuur in vier kwadranten in op basis van boven- en benedengemiddelde scores op beide dimensies (weergegeven door de horizontale en verticale lijnen in Figuur 4.1). 31 In het kwadrant rechtsboven is de groep gemeenten met veel ontruimingen en veel ervaren onveiligheid te vinden. Hierin voeren Kerkrade en Heerlen de lijst aan. In Brunssum en Landgraaf zijn er ook veel ontruimingen geweest, maar valt het met de ervaren onveiligheid nog mee, hoewel die ook in deze relatief kleine gemeenten groter is dan gemiddeld in Nederland.

In het kwadrant rechtsonder zijn de gemeenten te vinden met veel ontruimingen, maar met een ervaren onveiligheid die gunstiger is dan gemiddeld. Dit zijn vaak wat kleinere gemeenten zoals Nuenen, Gerwen en Nederwetten, Asten, Druten en Pekela. Ook in deze gemeenten lijkt er - afgemeten aan het aandeel ontruimingen - sprake van bovengemiddelde ondermijnende criminaliteit, maar de ervaren onveiligheid van de bewoners is er minder groot dan in de wat grotere gemeenten.

-----------27

Van een aantal gemeenten zijn ook gegevens uit gemeentelijke opgaven bekend. Voor de vergelijkbaarheid van de uitkomsten met de andere gemeenten is ook voor die gemeenten de landelijke opgave van Domein Roerende Zaken (DRZ) aangehouden. Dit is wel een onderschatting van de werkelijke aantallen. Soms scheelt dit veel. Zo is het aantal ontruimingen in Rotterdam in 2019 volgens DRZ 990 en volgens de gemeentelijke opgave 2.610.

28

Ook met de andere indicatoren in de dimensie Overlast en onveiligheid zijn er samenhangen. De samenhang met ervaren onveiligheid is het sterkst.

29

De samenhang wordt weergegeven met de Pearson correlatiecoëfficiënt (r), die kan variëren van -1 (maximaal negatieve samenhang) tot +1 (maximaal positieve samenhang). Een waarde ‘0’ staat voor ‘geen samenhang’. De verklaarde variantie (R2), die aangeeft hoeveel de verschillen in de ene variabele de verschillen in de andere variabele verklaren, is het kwadraat van de correlatiecoëfficiënt.

30

Als we aannemen dat het aantal ontruimingen in de ontbrekende gemeenten nul is, geldt r = 0,61, wat dit vermoeden bevestigt.

31

Voor de indeling in kwadranten in deze figuur is gebruikgemaakt van naar woningen/huishoudens gewogen gemiddelden.

66

Figuur 4.1 Samenhang aandeel ontruimde hennepkwekerijen en ervaren onveiligheid in gemeenten

Noot. De gelabelde gemeenten in de figuur worden ter illustratie weergegeven zodat er een indruk ontstaat van welk type gemeente waar te vinden is. Het gaat niet om een top-10 of top-20 ‘hoogst’ of ‘laagst’ scorende gemeenten.

In de twee kwadranten met een lager dan gemiddeld aandeel ontruimingen valt op dat er relatief weinig gemeenten zijn waarin weinig ontruimingen zijn en de ervaren onveiligheid groot is (kwadrant linksboven). Omgekeerd telt het kwadrant met weinig ontruimingen en een gunstige ervaren onveiligheid juist veel gemeenten. Meer in algemene zin moet overigens in ogenschouw worden genomen dat een gemiddeld hoog niveau van ervaren onveiligheid in kleinere gemeenten misschien wel zwaarder zou moeten wegen dan eenzelfde niveau in grote gemeenten. In grote gemeenten zijn er namelijk meer andere bronnen van onveiligheid die bijvoorbeeld in het centrum van die gemeenten een belangrijke rol spelen in de veiligheidsbeleving. Daarbij geldt dat er in grote gemeenten bij een ongunstige gemiddelde ervaren onveiligheid er ook nog altijd buurten en wijken zijn waar de situatie gunstig is. In kleinere gemeenten is er veel minder ruimte voor een dergelijke variatie. Voor een vergelijking op het niveau van wijken hebben de onthullingsrestricties (minimum aantal van tien) en de verschillende bronnen voor de gegevens een nog groter effect dan voor een vergelijking op gemeenteniveau. De kans op minimaal tien ontruimingen in een