Document · PDF

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

Gemeenteraad 28 juni 2023, gemeente NissewaardBij agendapunt: Lijst ingekomen stukken en mededelingen27.711 woorden

Open het PDF bij de gemeente ↗Naar de vergadering →

Tekst van het document

Uit het bestand gehaald, zonder opmaak, tabellen en afbeeldingen · deel 3 van 3

wijk is vanzelfsprekend kleiner dan in een hele gemeente. Er zijn dus per definitie veel ‘missende’ wijken, waar meer dan nul, maar minder dan tien ontruimingen hebben plaatsgevonden. Daarnaast zijn voor een aantal wijken alleen gegevens bekend uit gemeentelijke bronnen. Voor vergelijkingen binnen een gemeente zijn de gemeentelijke gegevens preferent, voor een vergelijking tussen wijken van verschillende gemeenten zal moeten worden teruggevallen op de landelijke dataset. Daarin zijn voor 2019 slechts gegevens voor 353 wijken bekend. Al deze 353 wijken zijn dus wijken waarin veel (minimaal tien) hennepkwekerijen zijn ontruimd. Het is aannemelijk dat in het merendeel van deze wijken de ervaren onveiligheid ongunstig is. Dat is ook terug te zien in Figuur 4.2.

Figuur 4.2 Gemiddelde ervaren onveiligheid naar aandeel ontruimingen hennepkwekerijen in de wijk

In alle wijken waar ontruimingen zijn geweest, is de score voor ervaren onveiligheid ongunstiger dan gemiddeld in Nederland. Die ervaren onveiligheid neemt bovendien – zelfs binnen deze groep wijken - toe als het aandeel ontruimingen groter is. Alleen in de groep wijken met meer dan 0,8% ontruimingen (als aandeel van de panden in de wijk) is de ervaren onveiligheid weer minder groot. In deze groep zitten echter deels ook atypische wijken zoals bedrijventerreinen waar het aantal ontruimingen ten opzichte van het aantal panden al snel groter is dan in een woonwijk. Ook wonen er in veel van deze wijken weinig bewoners. Hoewel een goede vergelijking met ervaren onveiligheid over de gehele range van wijken in Nederland dus niet mogelijk is door ontbrekende data, is het zelfs binnen de selectie van wijken waar ontruimingen hebben plaatsgevonden zo dat naarmate het aandeel ontruimingen groter is, de ervaren onveiligheid ongunstiger is. Hennepkwekerijen (en in ieder geval de ontruimingen daarvan) lijken dus door te werken in de ervaringen van bewoners.

Delicten Een aantal delicten wordt in het bijzonder geassocieerd met ondermijnende criminaliteit. Dit zijn drugsdelicten, vermogensdelicten en witwassen. Van deze delicten wordt in het dashboard Zicht op Ondermijning bijgehouden hoeveel verdachten er zijn en hoeveel veroordelingen (m.u.v. witwassen waarvan nog niet voldoende veroordelingen bekend zijn om te worden opgenomen in het dashboard). Bij de verdachten van drugsdelicten wordt onderscheid gemaakt tussen jongeren en de totale groep. De beschikbare indicatoren worden in het schema in Tabel 4.1 weergegeven.

Tabel 4.1 Overzicht beschikbare indicatoren voor delicten in het dashboard Zicht op Ondermijning Verdachten totaal

Veroordelingen

Vermogensdelict

Witwassen

Drugsdelict

Verdachten 18-23 jaar x

Niet voor alle indicatoren zijn gegevens over evenveel gemeenten beschikbaar. Voor verdachten van witwassen zijn gegevens van 81 gemeenten bekend en voor verdachten van vermogensdelicten van 352 gemeenten (op drie na alle gemeenten in 2020). Dat maakt het lastig om tussen de indicatoren te vergelijken welke de sterkste samenhang vertoont met ervaren onveiligheid. Immers, als er veel gemeenten ontbreken, mist ook een belangrijk deel van de benodigde informatie: de gemeenten waar weinig of geen verdachten of veroordeelden zijn. Alle indicatoren hangen op gemeenteniveau samen met ervaren onveiligheid. Hoe meer verdachten of veroordeelden van genoemde misdrijven, hoe sterker de ervaren onveiligheid. De samenhang is het sterkst (zie Tabel 4.2) voor het aandeel verdachten van vermogensdelicten (r = 0,800, R2 = 64%) en het zwakst voor het aandeel jonge verdachten van drugsdelicten (r = 0,291, R2 = 8%). Opvallend is ook de samenhang met de gehele dimensie Overlast en onveiligheid van de Leefbaarometer. Deze is voor het aandeel verdachten van vermogensmisdrijven zelfs nog sterker dan alleen met de ervaren overlast en onveiligheid (r = -0,874, R2 = 76%). Dat is opvallend omdat in de dimensie Overlast en onveiligheid weliswaar ook misdrijven zijn opgenomen, maar vermogensdelicten daar geen deel van uitmaken.

De samenhang met de totaalscore van de Leefbaarometer is het grootst voor het aandeel veroordeelden van drugsdelicten (r = -0,499, R2 = 25%).

Tabel 4.2 Samenhang delicten met ervaren onveiligheid, dimensie Overlast en onveiligheid en de totaalscore van de Leefbaarometer (gemeenten) Ervaren onveiligheid

Dimensie

Totaalscore

onveiligheid

baarometer -0,462

349 293

Overlast en -0,664

Leef-

Aantal gemeenten

drugsdelict - verdachten

0,670

drugsdelict - jong verdachten

0,291

-0,277

-0,175

drugsdelict veroordeelden

0,713

-0,664

-0,499

331

vermogensdelict - verdachten

0,800

-0,874

-0,452

352

vermogensdelict - veroordeeld

0,755

-0,824

-0,469

349

witwassen - verdachten

0,380

-0,391

Noot. Alle getoonde samenhangen zijn significant op p < 0,01; niet-significante relaties zijn weggelaten

De samenhang tussen het aandeel verdachten van vermogensdelicten in de gemeente en de ervaren onveiligheid is weergegeven in Figuur 4.3. Als het aandeel verdachten in een gemeente groter is dan 1,2% dan is de ervaren onveiligheid in de gemeente ook hoger dan gemiddeld in Nederland.

Figuur 4.3 Gemiddelde ervaren onveiligheid naar aandeel verdachten van vermogensdelicten in de gemeente

De relatie tussen het aandeel verdachten in een gemeente en de ervaren onveiligheid geldt echter ook bij minder verdachten. In gemeenten met 0,5% verdachten ven vermogensmisdrijven voelen de bewoners zich gemiddeld genomen veiliger dan in gemeenten met 0,7% verdachten. Ook is de ervaren onveiligheid in beide typen gemeenten gunstiger

dan gemiddeld in Nederland. In de gemeenten met relatief veel verdachten van vermogensmisdrijven is wat meer variatie te zien. Dat komt omdat het hier om soms kleine aantallen gemeenten gaat. Hoe de verdeling er op het niveau van afzonderlijke gemeenten uitziet, is weergegeven in Figuur 4.4. In 48 gemeenten zijn er bovengemiddeld veel verdachten van vermogensdelicten en is de ervaren onveiligheid ongunstiger dan gemiddeld. Deze gemeenten zijn te vinden in het kwadrant rechtsboven in Figuur 4.4. Het gaat veelal om grote(re) gemeenten, maar er is ook een aantal kleinere gemeenten dat er ongunstig uitspringt, zoals Tiel, Capelle, Nieuwegein en Diemen, maar ook Gouda, Hoorn, Nissewaard en Brunssum. Dat de samenhang zo sterk is, zorgt er ook voor dat er maar weinig gemeenten zijn met relatief veel verdachten van vermogensdelicten en een relatief gunstige ervaren onveiligheid, het kwadrant rechtsonder. De meeste zitten dan in de buurt van het gemiddelde. Ook gemeenten met een ongunstige positie op ervaren onveiligheid maar juist weinig verdachten van vermogensdelicten zijn er niet veel (kwadrant linksboven). Vaals, Stein en Alphen-Chaam zijn de meest opvallende.

Figuur 4.4 Samenhang verdachten van vermogensmisdrijven en ervaren onveiligheid per gemeente

Noot. De gelabelde gemeenten in de figuur worden ter illustratie weergegeven zodat 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.

Ook op het niveau van wijken is er een samenhang tussen het aandeel verdachten/veroordeelden van delicten en de ervaren onveiligheid (zie Tabel 4.3). Die samenhang is echter minder sterk dan op gemeenteniveau (vergelijk met Tabel 4.2). Wel geldt – net als op gemeenteniveau - dat de samenhang tussen het aandeel verdachten van vermogensdelicten in een wijk het sterkst samenhangt met ervaren onveiligheid. Wat zich hier vermoedelijk wreekt, is de ondergrens voor het aantal waarnemingen dat wordt gehanteerd om onthulling tegen te gaan. Dat er in een wijk meer dan tien mensen zijn veroordeeld voor bijvoorbeeld een drugsdelict komt relatief weinig voor. Voor geheel Nederland is dat het geval in 910 van de 3.151 wijken (29%) waar Leefbaarometergegevens voor zijn. Van de overige 71% is geen score bekend, terwijl er tussen die wijken vermoedelijk ook relevante verschillen bestaan (zowel in aandelen verdachten/veroordeelden als in ervaren onveiligheid). Er zijn 42 wijken waar minimaal tien mensen verdacht zijn van witwassen.

Tabel 4.3 Samenhang delicten met ervaren onveiligheid, dimensie Overlast en onveiligheid en de totaalscore van de Leefbaarometer (wijken) Ervaren onveiligheid

Dimensie

Totaalscore

onveiligheid

baarometer

Overlast en

drugsdelict - verdachten

0,279

-0,254

drugsdelict - jong verdachten

0,177

drugsdelict - veroordeelden

0,099

vermogensdelict - verdachten

0,310

-0,316

vermogensdelict - veroordeelden

0,138

-0,136

Leef-

Aantal wijken

-0,132

-0,153

1.242 480 910

-0,150

witwassen - verdachten

1.924 1.487 42

Noot. Alle getoonde samenhangen zijn significant op p < 0,01; niet-significante relaties zijn weggelaten

Hoewel de samenhangen op wijkniveau niet bijzonder sterk zijn, is het niveau van ervaren onveiligheid in wijken waar veel verdachten/veroordeelden zijn, wel duidelijk minder gunstig dan in wijken met een beperkt aandeel. In Figuur 4.5 wordt dit getoond voor drugsdelicten, waarbij alle wijken zonder waarnemingen op ‘0’ verdachten/veroordeelden zijn gezet. In de wijkgemiddelden naar aandeel veroordeelden zit vrij veel variatie. Dit komt doordat het hier om kleinere aantallen gaat. Opvallend is verder de relatief gunstige ervaren onveiligheid in wijken met meer dan 1% verdachten/veroordeelden. Dit speelt ook een rol bij de beperkte samenhang. Het gaat hier – vergelijkbaar met wat hiervoor over hennepkwekerijen is gemeld - voor een groot deel om ‘bijzondere’ wijken met betrekkelijk weinig bewoners.

Figuur 4.5 Ervaren onveiligheid naar aandeel verdachten/veroordeelden van drugsdelicten in een wijk

De relatie tussen aandeel verdachten/veroordeelden in een wijk en de ervaren onveiligheid van bewoners in diezelfde wijk is voor vermogensdelicten weergegeven in Figuur 4.6. Vergelijking met Figuur 4.5 levert een aantal opvallende verschillen op.

Figuur 4.6 Ervaren onveiligheid naar aandeel verdachten/veroordeelden van vermogensdelicten in een wijk

Allereerst wordt duidelijk dat het aandeel verdachten/veroordeelden van vermogensdelicten gemiddeld genomen groter is dan het aandeel verdachten/veroordeelden van

drugsdelicten. Daarnaast blijkt dat de omslag naar een minder dan gemiddeld in Nederland ervaren onveiligheid voor het aandeel verdachten van vermogensdelicten behoorlijk hoog ligt: op circa 1,3%. Bij de drugsdelicten was dat 0,4%. Bij vermogensdelicten is er ook een groot verschil in de relatie van verdachten en veroordeelden met het niveau van ervaren onveiligheid. Waar het omslagpunt (meer ervaren onveiligheid dan gemiddeld in Nederland) bij verdachten van vermogensdelicten op 1,3% ligt, is dat bij de veroordeelden 0,7%. Voor drugsdelicten is dat verschil veel minder groot (namelijk 0,4% en 0,3%). Hoewel de samenhang tussen het aandeel verdachten van vermogensdelicten en ervaren onveiligheid dus groter is dan de samenhang van het aandeel verdachten van drugsdelicten en ervaren onveiligheid lijkt de ‘impact’ net andersom te verlopen. Waar het pas vanaf een aandeel van 1,3% verdachten van vermogensdelicten in een wijk zo is dat er een meer dan gemiddelde ervaren onveiligheid is, is dat voor verdachten van drugsdelicten al het geval bij een aandeel van 0,4%. Ook de niveaus van ervaren onveiligheid komen lager (dus gunstiger) uit bij grotere aandelen verdachten van vermogensdelicten dan bij grotere aandelen verdachten van drugsdelicten.

Sociale factoren: familienetwerken en hoog-risico jongeren Onderzoek toont aan dat vertrouwensbanden in ondermijnende en georganiseerde (drugs)criminaliteit een belangrijke rol kunnen spelen. Daarbij kunnen familiebanden belangrijk zijn. Om die reden is in het dashboard Zicht op Ondermijning gekeken naar het aandeel verdachten van drugsdelicten (vervaardiging van softdrugs en/of harddrugs en handel in harddrugs) van wie familieleden (al dan niet in dezelfde gemeente woonachtig) in dezelfde periode ook verdacht zijn geweest van drugsdelicten. Dit blijkt vooral in kleinere gemeenten aan de orde te zijn. Gemeenten die er uitspringen zijn onder meer Best, Rhenen, Brummen, Lingewaard en Rucphen. Dit zijn geen gemeenten waar de ervaren onveiligheid opvallend ongunstig is. Voor deze indicator is dan ook een licht negatieve relatie met de ervaren onveiligheid: hoe meer familienetwerken een rol spelen in de drugscriminaliteit in een gemeente, hoe gunstiger de ervaren onveiligheid binnen de gemeenten waarin familienetwerken aan de orde zijn. In grotere gemeenten lijkt de georganiseerde drugscriminaliteit meer door aanwas van kinderen/jongeren te verbreden. In het dashboard Zicht op Ondermijning is hiervoor onder meer een indicator ‘hoog-risico jongeren’ ontwikkeld. Het gaat om een aanduiding op gebiedsniveau van de kwetsbaarheid van jongeren (8-23 jaar) om drugsverdachte te worden.

Het gaat dus niet om feitelijke verdachten maar om de kans die jongeren – gegeven hun persoonlijke situatie en omstandigheden – lopen om in de drugscriminaliteit te

belanden. Hoewel het bij deze indicator niet om feitelijke drugsproblematiek gaat, is er zowel op wijk- als gemeenteniveau een behoorlijk sterke samenhang tussen het aandeel hoog-risico jongeren en ervaren onveiligheid. De samenhang verklaart iets minder dan de helft van de verschillen in ervaren onveiligheid (R2 = 45%). Het verband is duidelijk: hoe meer hoog-risico jongeren, hoe groter de ervaren onveiligheid in de wijk (zie Figuur 4.7). Bij meer dan 10% hoog-risico jongeren is er geen duidelijke toename meer. Vanaf 6 à 7% hoog-risico jongeren is de ervaren onveiligheid ook ongunstiger dan gemiddeld in Nederland. Het zijn niet alleen de grote steden met een groot aandeel hoog-risico jongeren. Hoewel Rotterdam het hoogst uitkomt, bestaat de top-15 van gemeenten - naast Rotterdam - namelijk uit: Kerkrade, Vlaardingen, Gorinchem, Appingedam, Helmond, Roosendaal, Zaanstad, Roermond, Purmerend, Zoetermeer, Vlissingen, Bergen op Zoom, Den Helder en Zandvoort. Niet in al die gemeenten is de ervaren onveiligheid relatief groot, maar gemiddeld genomen is het wel zo dat waar veel hoog-risico jongeren worden voorspeld, de ervaren onveiligheid ongunstiger is.

Figuur 4.7 Ervaren onveiligheid naar aandeel hoog-risico jongeren in de wijk

4.2 Potentieel misbruik van vastgoed In het dashboard Zicht op Ondermijning worden indicatoren gepresenteerd die inzicht geven in het risico dat vastgoed mogelijk wordt gebruikt voor het witwassen van (crimineel)

geld of andere vormen van misbruik. Daarvoor wordt gekeken naar kenmerken van personen en bedrijven die als eigenaar betrokken zijn bij transacties van vastgoed en naar kenmerken van de transacties/objecten. Kenmerken van personen die zijn meegenomen, zijn: •

In afgelopen vijf jaar veroordeelde eigenaar;

•

Eigenaar met buitenlands adres;

•

Laag inkomen en vermogen (minstens één verblijfsobject);

•

Meerbezit: drie tot en met vijf verblijfsobjecten;

•

Meerbezit: meer dan vijf verblijfsobjecten.

Kenmerken van bedrijven die zijn meegenomen, zijn: •

Stichtingen (exclusief woningcorporaties) met een alleen- en beroepsbestuurder; 32

•

Stichtingen (exclusief woningcorporaties) met een alleenbestuurder;

•

Stichtingen (exclusief woningcorporaties) met een beroepsbestuurder.

Het kenmerk van objecten dat is meegenomen is of een bestaande particuliere koopwoning in de twintig jaar voorafgaand aan het peiljaar meer dan vijf keer verkocht is (vaak verhandelde woningen). 33 Kenmerken van de hypotheeknemer (degene die de lening verstrekt) die zijn meegenomen, zijn: •

Persoon (en geen ouder van koper);

•

Buitenlands rechtspersoon.

Er wordt onderscheid gemaakt naar woningen, niet-woningen en het totaal van alle verblijfsobjecten. Van niet-woningen zijn vaak minder kenmerken beschikbaar. Om die reden komt deze categorie niet in veel gemeenten voor bij de risico-indicatoren. We gaan om die reden in deze paragraaf alleen in op woningen en op het totaal van de verblijfsobjecten. De gegevens bij dit thema die in deze paragraaf zijn verwerkt hebben peiljaar 2018. We gaan ------------

Een beroepsbestuurder is een natuurlijk persoon die meer dan vijf stichtingen bestuurt.

Als aandeel van de woningvoorraad varieert dit - binnen de gemeenten waar het wordt geconstateerd - tussen de 0,02% en 0,2%. In het dashboard wordt dit in alle gevallen afgerond tot 0%. We hebben deze aandelen herberekend op basis van de aantallen die in het dashboard worden vermeld.

ervan uit dat deze nog steeds op een zinvolle manier met de uitkomsten van de Leefbaarometer kunnen worden vergeleken. Een aantal andere indicatoren die wel in het dashboard zijn opgenomen, maar niet in deze paragraaf (onverklaarbare transacties, verdachte transacties) heeft als meest recente (of enige) peiljaar 2015 of 2016. Die laten we buiten beschouwing omdat dat verschil met het meetjaar van de Leefbaarometer te groot is. Ook sommige combinaties (transacties van woningen met stichtingen met alleen- en beroepsbestuurders bijvoorbeeld) zijn buiten de analyses gelaten omdat er te weinig gemeenten zijn (N=9 bij deze combinatie) met waarnemingen. De samenhang van de indicatoren voor (potentieel) misbruik van vastgoed met ervaren onveiligheid is op het gemeenteniveau weergegeven in Tabel 4.4. Daarin is te zien dat een aantal indicatoren de verwachte positieve samenhang laat zien, maar een aantal ook nauwelijks samenhangt met ervaren onveiligheid of er zelfs negatief mee samenhangt. Of er relatief veel woningen in een gemeente een veroordeelde eigenaar hebben, vertoont de sterkste samenhang met ervaren onveiligheid in die gemeente. Dit hoeft echter niet met het woningbezit zelf te maken te hebben. We weten immers dat in gemeenten waar veel veroordeelden van delicten zijn, er ook gemiddeld genomen een groter gevoel van onveiligheid heerst (Tabel 4.2).

Die samenhangen zijn sterker dan die voor woningbezit van veroordeelde eigenaren. Als in de samenhang bijvoorbeeld wordt gecontroleerd voor het aandeel veroordeelden van vermogensmisdrijven in een gemeente halveert deze tot 0,217. In termen van verklaarde variantie is die reductie groter. De samenhang tussen veroordeelde eigenaren en ervaren onveiligheid verklaart zonder controle voor het aandeel veroordeelden in een gemeente 33% van de verschillen tussen gemeenten. Met controle is dat niet meer dan 5%. Het potentiële misbruik van vastgoed door veroordeelde eigenaren heeft daarmee als indicator geen grote extra invloed op de ervaren onveiligheid bovenop het aandeel veroordeelden in een gemeente. Als zelfstandige indicator, dus bij een eenop-eenvergelijking van de indicator met ervaren onveiligheid, is de samenhang echter wel betekenisvol.

Tabel 4.4 Samenhang indicatoren (potentieel) misbruik van vastgoed met ervaren onveiligheid bewoners (gemeenten) woningen

samen-

aantal ge-

veroordeelde eigenaar (afgelopen 5 jaar)

0,571

224

eigenaar met buitenlands adres

0,430

191

hang

meenten

totaal verblijfsobjecten samen-

aantal ge-

0,541

350

hang

meenten

personen 334

laag inkomen en vermogen

116

meerbezit: drie t/m vijf verblijfsobjecten meerbezit: meer dan vijf verblijfsobjecten

0,461

351

-0,157

353

350

0,408

353

-0,431

bedrijven

stichtingen met alleen- en beroepsbestuurder

stichtingen met alleenbestuurder

-0,230

216

stichtingen met beroepsbestuurder

-0,355

103

-0,206

0,187

331

109

248

hypotheeknemers persoon (en geen ouder van koper) buitenlands rechtspersoon objecten vaak verhandeld

Noot. Alle getoonde samenhangen zijn significant op p < 0,01; niet-significante relaties zijn weggelaten

Iets minder sterke samenhangen (circa 20% verklaarde variantie) worden gevonden voor eigenaren met een buitenlands adres en eigenaren die meer dan vijf verblijfsobjecten bezitten. In gemeenten waar woningen vaker in bezit zijn van eigenaren met een buitenlands adres of eigenaren meer dan vijf verblijfsobjecten in bezit hebben, is de ervaren onveiligheid groter. Voor deze indicatoren geldt hetzelfde als voor veroordeelde eigenaren. De aanvullende informatie die ze bieden voor verschillen in ervaren onveiligheid tussen gemeenten komt uit op circa 5%. Hiermee worden dus goeddeels dezelfde gemeenten geïdentificeerd als weergegeven in Figuur 4.4. Er is bij deze indicator wel wat meer nadruk op de grote steden Amsterdam, Rotterdam en Den Haag (Figuur 4.8). Daarnaast is in de figuur te zien dat de spreiding groot is in relatie tot ervaren onveiligheid. Zo is het aantal woningen van eigenaren met meer dan vijf woningen ook relatief groot in Schiermonnikoog en Vlieland, terwijl daar op het gebied van ervaren onveiligheid weinig aan de hand is. Er is in Tabel 4.4 ook een aantal indicatoren met negatieve samenhangen met ervaren onveiligheid in een gemeente. Als verblijfsobjecten vaker in bezit zijn van bedrijven met beroepsbestuurders van stichtingen, is de ervaren onveiligheid in de gemeente gemiddeld lager (dus gunstiger).

Het is mogelijk dat bezit van stichtingen met beroepsbestuurders een goede indicator is voor potentieel misbruik van vastgoed, maar er is dus geen samenhang

met de ervaren onveiligheid van bewoners. Het is denkbaar dat de indicator wat te algemeen is gedefinieerd. Aanwijzingen 34 dat beroepsbestuurders van stichtingen relatief vaak voor misbruik van vastgoed worden veroordeeld, hebben in het bijzonder betrekking op bestuurders van stichtingen voor administratiekantoren voor aandelen en obligaties, overige belangenbehartiging en steunfondsen, en niet voor bijvoorbeeld stichtingen op het gebied van welzijnszorg. Die nadere selectie is niet gemaakt in het dashboard. Alleen woningstichtingen zijn uitgesloten.

Figuur 4.8 Samenhang op gemeenteniveau tussen aandeel woningen in bezit van eigenaar met meer dan vijf verblijfsobjecten en ervaren onveiligheid van de bewoners in de gemeente

Ook is het aannemelijk dat witwasactiviteiten via vastgoed zich goeddeels onttrekken aan de waarneming van de bewoners van de gemeente waarin die woningen staan. Zo zijn woningen met beroepsbestuurders relatief veel te vinden in de gemeenten Montferland, Wijchen en Westerveld of – op het niveau van wijken – bijvoorbeeld in de grachtengordel West en Zuid en de Jordaan in Amsterdam. Hoewel de ervaren onveiligheid in het centrum van Amsterdam best hoog is, is het onwaarschijnlijk dat die ervaren onveiligheid te maken heeft met het potentieel witwassen van crimineel vermogen via vastgoed. Bovendien zijn -----------34

Ministerie van BZK (2019), City Deal Zicht op Ondermijning, 1e fase; Rapportage voor de Tweede Kamer, pp.17.

de genoemde gemeenten met een relatief groot aandeel woningen in bezit van beroepsbestuurders gemeenten waar de ervaren onveiligheid van bewoners juist relatief gunstig is. De relaties tussen kenmerken van hypotheeknemers en ervaren onveiligheid zijn beperkt (3,5% verklaarde variantie voor buitenlandse hypotheeknemers) en tussen het aandeel vaak verhandelde objecten en ervaren onveiligheid non-existent. De geringe relatie tussen aandeel buitenlandse hypotheeknemers en ervaren onveiligheid is komt naar voren in Figuur 4.9.

Figuur 4.9 Samenhang op gemeenteniveau tussen aandeel woningen met buitenlandse hypotheeknemer en ervaren onveiligheid van de bewoners in de gemeente

Van de indicatoren die op gemeenteniveau de meest relevante samenhang hebben met ervaren onveiligheid van bewoners is ook op wijkniveau nagegaan of die samenhang wordt teruggevonden. Het gaat dan om: •

Veroordeelde eigenaar (afgelopen vijf jaar);

•

Eigenaar met meer dan vijf objecten in bezit.

Er zijn 1.696 wijken waarvoor voldoende verblijfsobjecten 35 in bezit zijn van in de afgelopen vijf jaar veroordeelde eigenaren om deze te kunnen publiceren. Dit is een grote groep, maar deze vormt geen dwarsdoorsnede van Nederlandse wijken. Het is aannemelijk dat de groep op zichzelf al een selectie vormt waarbinnen het risico op mogelijk misbruik van vastgoed groot is en de ervaren onveiligheid van bewoners mogelijk ook relatief ongunstig is. Dat is ook terug te zien in Figuur 4.10. De ervaren onveiligheid is het laagst (dus het gunstigst) in de wijken waar te weinig waarnemingen zijn om deze wijken te kunnen tonen (minder dan 10). Bij een toenemend aandeel veroordeelde eigenaren in een wijk neemt de gemiddelde ervaren onveiligheid in die wijken toe. Het omslagpunt naar een voor Nederland bovengemiddelde ervaren onveiligheid ligt rond de 2%.

Figuur 4.10 Ervaren onveiligheid naar aandeel verblijfsobjecten van in de afgelopen vijf jaar veroordeelde eigenaren (wijken)

Voor 1.103 wijken is het aandeel woningen in bezit van eigenaren met minimaal vijf verblijfsobjecten in bezit bekend. Ook voor deze indicator geldt dat de ervaren onveiligheid het laagst is als er geen gegevens bekend zijn en het hoogst als veel woningen in de wijk tot deze categorie behoren (Figuur 4.11). Voor zowel de veroordeelde eigenaren als voor eigenaren die meer dan vijf objecten in bezit hebben, is de samenhang met ervaren onveiligheid lager op het niveau van wijken dan ------------

Hoewel de samenhang met bezit van woningen sterker is, kijken we hier naar het totaal van verblijfsobjecten omdat het aantal wijken waarvoor gegevens beschikbaar zijn voor woningen erg klein is: 172.

op het niveau van gemeenten. Dat wordt vermoedelijk deels veroorzaakt door het selectiecriterium van minimaal tien waarnemingen. Daardoor blijft een deel van de variatie die er wel is op gemeenteniveau onzichtbaar. Tegelijkertijd valt op dat het niveau van ervaren onveiligheid - ook in de gebieden waar op de indicator een relatief hoge score wordt bereikt nog steeds relatief gunstig is. In wijken waar hennepkwekerijen worden ontruimd (vergelijk met Figuur 4.2) of waar verdachten/veroordeelden van drugsdelicten wonen (vergelijk met Figuur 4.5), voelen meer mensen zich onveilig dan waar potentieel misbruik is van vastgoed.

Figuur 4.11 Ervaren onveiligheid naar aandeel woningen van eigenaren met meer dan vijf verblijfsobjecten in bezit (wijken)

4.3 Witwasgevoelige branches In de City Deal Zicht op Ondermijning zijn analyses uitgevoerd die inzicht geven in het risico dat een branche (via gelegenheidsstructuren) wordt misbruikt voor witwaspraktijken. De geanalyseerde branches zijn geselecteerd op basis van inzichten en ervaringen van meerdere RIEC’s en van deelnemende gemeenten. Per branche worden verschillende kenmerken in beeld gebracht: •

De concentratie van vestigingen van witwasgevoelige branches in een gemeente;

•

Het voorkomen van ‘afwijkende omzetten’; 36

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

Voor deze indicator is in de download van het dashboard alleen het mediane bedrag van de top-10-bedrijven per branche met de hoogste omzet per fte beschikbaar. De duiding of dat meer of minder is dan verwacht is, is niet

•

Of eigenaren/bestuurders van bedrijven zijn veroordeeld;

•

Het aandeel bedrijven met ‘opvallende’ kenmerken. Deze zijn gebaseerd op de zogenaamde Graydon Xseptions 37 waarbij het bijvoorbeeld gaat om zaken als: o

een bedrijf dat niet traceerbaar of bereikbaar is en wanneer er geen inzicht is in de huidige situatie;

een wijziging in de aandeelhouders kort na de oprichting van de bv;

een bij (vele)(lopende) faillissementen betrokken leiding;

meerdere jaarrekeningen die tegelijk zijn ingeleverd;

een Nederlandse rechtsvorm, maar een buitenlands adres;

een negatieve registratie van de toezichthouder.

In deze paragraaf gaan we niet in op de afzonderlijke branches, maar alleen op het totaal van branches die in het dashboard als witwasgevoelig zijn aangemerkt. Dit betreft de branches die in Tabel 4.5 zijn weergegeven.

Tabel 4.5 Overzicht witwasgevoelige branches in dashboard Zicht op Ondermijning Afvalverwerking

Groothandel in groente en fruit

Overige groothandels

Binnenvaart

Haarverzorging

Bouwnijverheid

Handel in en reparatie van auto's

Overige wellness dienstverlening (geen haar- of schoonheidsverzorging) Restaurants

Cafés

Schoonheidsverzorging

Cafeteria’s, lunchrooms, snackbars, e.d.

Handel in en verhuur van onroerend goed Hotel-restaurants

Catering

Hotels

Telefoonwinkels

Expediteurs, cargadoors, bevrachters, e.d. Financiële holdings

Interieurreiniging van gebouwen

Uitzendbureaus

Internethandel

Visserij

Fitnesscentra, sportscholen, e.d.

Juweliers

Vloerenbedrijven

Goederenvervoer over weg (geen verhui- Koeriers zingen) Groot- en detailhandel in auto's Managementadvisering Groothandel in bloemen en planten

Taxibranche

Zee- en kustvaart en laad-, los- en overslagactiviteiten Zoetwarenwinkels

Opslag (distributiecentra en overig)

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

beschikbaar waardoor dit kenmerk niet goed aan externe gegevens kan worden gekoppeld. Deze indicator wordt om die reden verder niet in dit hoofdstuk behandeld.

Zie voor een meer gedetailleerde lijst van kenmerken de toelichting in het dashboard Zicht op Ondermijning.

Concentratie Voor de analyse van de concentratie van witwasgevoelige branches kijken we naar het aantal per 10 duizend verblijfsobjecten in een gemeente en naar het aantal per 1.000 vestigingen (alle bedrijven) in een gemeente. In de eerste maat klinkt mogelijk ook het algemene voorzieningenniveau in een gemeente door. In de tweede wordt zichtbaar of op het totaal van bedrijfsvestigingen in een gemeente de witwasgevoelige branches een relatief groot deel vormen. De samenhang tussen de concentratie van witwasgevoelige bedrijven en ervaren onveiligheid van bewoners is beperkt. Er is een licht negatieve samenhang (r = -0,244) als de concentratie wordt uitgedrukt in termen van het aantal per 10 duizend verblijfsobjecten en een licht positieve samenhang (r = 0,222) als de concentratie wordt gemeten als aantal per 1.000 bedrijfsvestigingen in een gemeente. De negatieve samenhang met het totaal aantal verblijfsobjecten heeft er vermoedelijk deels mee te maken dat dit verhoudingsgetal vaak hoog uitkomt in kleine gemeenten. De top-10 van gemeenten met de meeste witwasgevoelige vestigingen ten opzichte van het totaal aantal verblijfsobjecten in de gemeente bestaat uit: Edam-Volendam, Maasdriel, Laren, Renswoude, Buren, Urk, Bloemendaal, Blaricum, Sint-Michielsgestel en Wijdemeren. In dit type kleinere gemeenten is de ervaren onveiligheid vaak beperkt.

Ook ten opzichte van het totaal aantal bedrijfsvestigingen in een gemeente komt een aantal van dit soort kleine gemeenten terug in de top-10, te weten Edam-Volendam, Urk en Maasdriel. Maar anders dan bij de verhouding ten opzichte van alle verblijfsobjecten in een gemeente is het aandeel bedrijven in witwasgevoelige branches ook groot in gemeenten waar het minder goed is gesteld met de ervaren onveiligheid. Soms gaat dat om relatief kleine gemeenten zoals Kerkrade. Maar er zijn ook meer middelgrote gemeenten die hoog uitkomen op deze index, zoals Ridderkerk, Zwijndrecht, Haarlemmermeer, Schiedam, Vlaardingen, Oss, Velsen en Beverwijk. Per saldo resulteert dat – zoals hier aangegeven – in een licht positieve samenhang tussen het aandeel bedrijven in witwasgevoelige branches en ervaren onveiligheid van bewoners. De samenhang is weergegeven in Figuur 4.12.

Figuur 4.12 Samenhang tussen aandeel bedrijven uit witwasgevoelige branches in een gemeente en de ervaren onveiligheid van bewoners

De samenhang is beperkt en verklaart slechts een kleine deel van de verschillen in ervaren onveiligheid tussen gemeenten. Tussen gemeenten met veel witwasgevoelige bedrijven zijn de verschillen in ervaren onveiligheid van de bewoners groot. Dat wil niet zeggen dat de indicator niet relevant is voor de aanwezigheid van witwaspraktijken. Het lijkt er echter niet op dat de concentratie van witwasgevoelige bedrijven in een gemeente in algemene zin doorwerkt in de perceptie van onveiligheid van bewoners. Veroordelingen Per branche wordt in het dashboard Zicht op Ondermijning getoond waar relatief veel bedrijven, bedrijfseigenaren en bedrijfsbestuurders zijn met een veroordeling op hun naam. Voor de vergelijking met ervaren onveiligheid kijken we naar veroordelingen van ofwel de bestuurder, de eigenaar of het bedrijf zelf en naar alle veroordelingen (drugsdelict, vermogensdelict en witwassen). De veroordelingen betreffen de laatste tien jaar. De samenhang tussen het aandeel bedrijven in een gemeente met een veroordeling van het bedrijf, de bestuurder of de eigenaar voor een delict dat te maken heeft met drugs, vermogen of witwassen en de ervaren onveiligheid van bewoners in de gemeente is gemiddeld (r = 0,409, R2 = 17%). Dat houdt in dat er wel een samenhang is tussen beide,

maar dat er nog steeds behoorlijke verschillen zijn in de ervaren onveiligheid van de bewoners tussen gemeenten met eenzelfde aandeel veroordelingen. Dit komt naar voren in Figuur 4.13. In de gemeente waar deze indicator het hoogst is (Urk), is de ervaren onveiligheid van bewoners gemiddeld genomen een stuk gunstiger dan gemiddeld in Nederland. Maar er zijn ook gemeenten met relatief veel veroordeelde bedrijven, eigenaren of bestuurders waar de ervaren onveiligheid ongunstig is, zoals Schiedam, Rotterdam, Den Haag, Vlaardingen en Beverwijk. De uitzonderingen – gemeenten met relatief veel veroordelingen en een gunstige ervaren onveiligheid - zijn veelal kleinere gemeenten. De gemeenten met relatief veel veroordelingen van bedrijven, eigenaren of bestuurders van bedrijven zijn vaak ook gemeenten met veel veroordeelde personen voor dezelfde delicten. Als wordt gecontroleerd voor het aandeel voor drugsdelicten veroordeelde personen in een gemeente, wordt de verklaarde variantie dan ook minder groot. De partiële correlatie komt uit op 0,279 (R = 8%). Dat verschil (ten opzichte van r = 0,409) is minder groot dan bij de indicator veroordeelde eigenaren van woningen (zie paragraaf 4.2). Voor bedrijven met veroordelingen geldt dan ook minder sterk dan voor vastgoed in eigendom dat de aanwezigheid ervan samenhangt met waar de veroordeelden zelf wonen.

Dat zorgt ervoor dat de indicator over veroordelingen van bedrijven, bestuurders of eigenaren meer aanvullende verklaringskracht heeft voor de ervaren onveiligheid van bewoners dan of de eigenaren van vastgoed veroordeeld zijn geweest (in aanvulling op waar de veroordeelden van delicten zelf wonen). Het aandeel witwasgevoelige bedrijven met veroordelingen hangt ook op wijkniveau samen met ervaren onveiligheid. Die samenhang is iets minder sterk dan op gemeenteniveau, maar leidt wel tot een aannemelijk gemiddeld beeld (Figuur 4.14).

Figuur 4.13 Samenhang tussen aanwezigheid van bedrijven met veroordelingen in een gemeente en de ervaren onveiligheid van bewoners

Figuur 4.14 Ervaren onveiligheid naar aandeel bedrijven met veroordelingen (van bedrijf, bestuurder of eigenaar) in de afgelopen tien jaar (wijken)

Opvallende kenmerken van bedrijven Of bedrijven in een gemeente relatief vaak ‘opvallende kenmerken’ hebben volgens de Graydon Xseptions hangt gemiddeld samen met de ervaren onveiligheid van bewoners (r = 0,295; R2= 9%). De aard van de samenhang is weergegeven in Figuur 4.15.

Figuur 4.15 Samenhang tussen aandeel bedrijven met opvallende kenmerken in een gemeente en de ervaren onveiligheid van bewoners

In algemene zin geldt dat er naarmate er meer bedrijven zijn met opvallende kenmerken, de ervaren onveiligheid van bewoners in de betreffende gemeente ongunstiger is. Er is echter wel veel variatie waarbij in een aantal kleinere gemeenten de indicator hoog is, maar de ervaren onveiligheid daar niet gelijk mee opgaat.

4.4 Algemene indicatie voor ondermijnende criminaliteit Sommige gemeenten komen in de voorgaande paragrafen bij meer indicatoren voor ondermijnende criminaliteit voor, andere nooit of slechts bij een enkele. Deels hangt dat samen met de grootte van de gemeente en met de kans dat er meer dan tien waarnemingen op een indicator zijn, maar voor een groot deel gaat het ook om ‘echte’ verschillen. In deze pararagraaf nemen we een aantal van de indicatoren samen zodat een breder onderscheid kan worden gemaakt tussen gemeenten met (verhoudingsgewijs) veel

indicaties voor ondermijnende criminaliteit en gemeenten met weinig indicaties. De selectie van de indicatoren wordt primair gebaseerd op het aantal gemeenten waar waarnemingen voor beschikbaar zijn. Als ondergrens stellen we het aantal gemeenten dat een score heeft op ontruimde hennepkwekerijen (N=247). Op die manier zijn in potentie niet alleen de grote gemeenten vertegenwoordigd in de lijst. Verder proberen we indicatoren die erg veel op elkaar lijken niet mee te nemen (dus niet verdachten én veroordeelden van dezelfde misdrijven) om ‘dubbeltellingen’ te voorkomen. De volgende indicatoren zijn meegenomen om een meer algemene indicatie voor ondermijnende criminaliteit in gemeenten te krijgen: •

Ontruimde hennepkwekerijen;

•

Veroordeelden voor drugsmisdrijven;

•

Verdachten van vermogensmisdrijven;

•

Groot aandeel risicojongeren;

•

Meerbezit > vijf woningen;

•

Buitenlands rechtspersoon als hypotheeknemer;

•

Vestigingen witwasgevoelige branches;

•

Veroordelingen bedrijven;

•

Opvallende kenmerken van bedrijven (score Graydon Xseptions).

Omdat de waarden per indicator sterk verschillen, kan niet zomaar een gemiddelde worden berekend. Dan zou een indicator met bijvoorbeeld een groot aandeel een veel zwaarder gewicht krijgen dan een andere indicator met een kleiner aandeel terwijl het kleine aandeel misschien wel veelzeggender is. Om die reden zijn de indicatoren eerst gestandaardiseerd tot scores met gemiddelde 0 en standaarddeviatie 1. 38 Op die manier worden de indicatoren qua verdeling vergelijkbaar en kunnen ze worden gemiddeld om een meer algemene indicatie te krijgen van de (kans op) ondermijnende criminaliteit in de gemeente. Alle genoemde indicatoren rekenen we hierbij even zwaar mee. Bij het berekenen van de score rekenen we verder alleen gemeenten mee die op minimaal zeven van de negen indicatoren een waarde hebben. De 141 gemeenten die op deze samengestelde indicator een bovengemiddelde score hebben (> 0), zijn weergegeven in Bijlage 5. In die gemeenten is dus meer dan gemiddeld in Nederland een kans op ondermijnende criminaliteit. Maar de verschillen zijn wel groot. Zo scoort de top-25 een stuk ongunstiger dan de gemeenten die in rangorde uitkomen op 117 tot en met 141.

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

Standaardscore = (score – gemiddelde) /standaard deviatie.

In de top-25 valt op dat deze gemeenten redelijk verspreid over het land liggen. De meeste provincies zijn erin vertegenwoordigd. Alleen Drenthe en Groningen hebben geen gemeente in de top-25. In Groningen komen Groningen (stad) en Pekela als eerste gemeenten voor in de lijst op de plekken 47 en 51. Pekela is daarmee de derde echt kleine gemeente (minder dan 20 duizend inwoners) in deze lijst (na Zandvoort en Vaals). De eerste Drentse gemeente is Emmen op plek 62. Het is niet zo dat alleen grote gemeenten hoog in deze lijst staan. De lijst wordt ook niet aangevoerd door echt grote gemeenten, maar door Heerlen en Kerkrade, waarvan Kerkrade minder dan 50 duizend inwoners heeft. In de top-25 geldt dat ook voor Vlissingen, Brunssum, Waalwijk en Beverwijk. Onder de grote gemeenten valt de lage plek voor Utrecht op plek 83 op. Veel gemeenten die hoog in de lijst staan, hebben een bovengemiddelde score op veel indicatoren. De breedte waarin die indicaties voor ondermijnende criminaliteit voorkomen, ondersteunen de constatering dat er in een dergelijke gemeente wat aan de hand is op dit vlak. Dat is echter niet in alle gemeenten in deze lijst het geval. Vaals heeft bijvoorbeeld slechts voor drie van de negen een bovengemiddelde score, te weten ‘meerbezit > vijf woningen’, ‘buitenlands rechtspersoon als hypotheeknemer’ en veroordeelden voor drugsmisdrijven’.

Vooral de score op ‘buitenlands rechtspersoon als hypotheeknemer’ is bijzonder hoog en daarmee vooral verantwoordelijk voor de aanwezigheid van de gemeente in deze lijst. Het lijkt aannemelijk dat de ligging van Vaals nabij de grens hier een rol in speelt. Ook in Urk zijn slechts drie indicatoren verantwoordelijk voor de ongunstige score. Dit zijn ‘aantal vestigingen witwasgevoelige branches’, ‘veroordelingen van bedrijven’ en ‘opvallende kenmerken van bedrijven’. Voor de overige gemeenten die hoog staan in de lijst in Bijlage 5 geldt dat de indicaties voor ondermijnende criminaliteit vrij breed zijn. Dat geldt ook voor de kleinere gemeenten in de lijst, zoals Zandvoort, Rucphen, Pekela, Gilze en Rijen en Doesburg die op minimaal zes van de negen indicatoren een bovengemiddelde indicatie voor ondermijnende criminaliteit hebben. De algemene indicatie voor ondermijnende criminaliteit hangt sterk samen met ervaren onveiligheid (r = 0,79; R2 = 62%). Die samenhang is weergegeven in Figuur 4.16. In gemeenten met meer indicaties voor ondermijnende criminaliteit voelen bewoners zich gemiddeld onveiliger, en omgekeerd als er weinig indicaties zijn, voelen bewoners zich gemiddeld veiliger. Toch zijn er ook gemeenten met een bovengemiddelde score op ondermijnende criminaliteit en een benedengemiddelde score op ervaren onveiligheid (kwadrant rechtsonder in Figuur 4.16).

We vergelijken die groep gemeenten met de gemeenten die eveneens

een bovengemiddelde score hebben op ondermijnende criminaliteit maar ook op ervaren onveiligheid (kwadrant rechtsboven in Figuur 4.16). Voor deze twee groepen gaan we na hoe die op de andere dimensies van de Leefbaarometer verschillen. We betrekken hier ook het aantal inwoners in een gemeente bij. De indruk is immers dat het vooral de grote gemeenten zijn waar ondermijnende criminaliteit en onveiligheid samengaan, terwijl beide meer uit elkaar lopen in een aantal kleinere gemeenten.

Figuur 4.16 Samenhang tussen algemene indicatie ondermijnende criminaliteit in gemeenten en de ervaren onveiligheid van bewoners

De groep gemeenten met een bovengemiddelde ervaren onveiligheid (kwadrant rechtsboven) wijkt af van de groep gemeenten met een benedengemiddelde ervaren onveiligheid (kwadrant rechtsonder) door: •

een lagere score op de dimensie Sociale samenhang;

•

een lagere totaalscore op de Leefbaarometer;

•

een lagere score op de dimensie Woningvoorraad;

•

een hogere score op de dimensie Voorzieningen;

•

een groter aantal inwoners.

Het verschil in sociale samenhang is het grootst tussen de twee groepen. Met andere woorden: in de groep gemeenten waar wel veel indicaties zijn voor ondermijnende criminaliteit, maar waar de ervaren onveiligheid gunstiger is dan gemiddeld in Nederland, is in het bijzonder de sociale samenhang positiever dan in gemeenten met meer ervaren onveiligheid. Het bepaalt ongeveer 30% van de verschillen tussen beide groepen. Er kan niet zonder meer worden benoemd wat het mechanisme hierachter is. Het kan zijn dat de sociale samenhang ervoor zorgt dat bewoners, ondanks ongewenste activiteiten, zich toch veilig voelen. Maar het kan ook zo zijn dat een sterke sociale samenhang samengaat met een gesloten cultuur waarin criminele activiteiten goed kunnen gedijen. Alleen met nader lokaal onderzoek kan daar meer duidelijkheid over ontstaan. Meer in algemene zin zijn de verschillen tussen de twee groepen te herleiden tot een mate van stedelijkheid, zonder dat dit heel erg strikt met het inwonertal in de gemeente te maken heeft.

Daarvoor zijn er aan de ene kant te veel kleine gemeenten met een bovengemiddelde score op zowel ondermijnende criminaliteit als ervaren onveiligheid (zoals Vaals, Tiel, Stein, Diemen, Brunssum en Delfzijl) en aan de andere kant te veel grotere gemeenten met een bovengemiddelde score op ondermijnende criminaliteit, maar een gunstiger dan gemiddelde score op ervaren onveiligheid (zoals Amersfoort, Apeldoorn, Groningen, Hilversum, Leiden of Zwolle).

4.5 Samenvatting en conclusies Het dashboard Zicht op Ondermijning is een bijzonder interessante bron voor inzicht op gemeente- en wijkniveau van een groot aantal indicatoren die te maken hebben met ondermijnende criminaliteit. Omdat onthullingsrisico’s een belangrijke rol spelen bij het openbaar maken van de (veelal) registerdata zitten er wel de nodige lacunes in de data (ontbrekende gemeenten en wijken door te weinig waarnemingen). Daarnaast zijn veel van de indicatoren gevoelig voor (de effectiviteit van) beleid en de uitvoering daarvan. Die effectiviteit kan per gemeente of regio verschillen. Zo zijn aantallen ontruimingen, verdachten en veroordeelden wel indicatief, maar als men in de ene gemeente of regio succesvoller is in de opsporing en vervolging dan in een andere kan dit de uitkomsten vertekenen. Er zijn ook indicatoren die samenhangen met andere omstandigheden dan alleen ondermijnende criminaliteit. Denk hierbij bijvoorbeeld aan of een bedrijf een buitenlandse eigenaar heeft (komt relatief veel voor in gemeenten die nabij de grens liggen), of meervoudig woningbezit (komt meer voor in studentensteden). Ook dat soort samenhangen kunnen het beeld verstoren. Voor ervaren onveiligheid geldt eveneens dat dit ook door andere omstandigheden dan ondermijnende criminaliteit kan worden bepaald.

Ondanks de bovengenoemde beperkingen is de samenhang van veel indicatoren voor ondermijnende criminaliteit met de ervaren onveiligheid van bewoners groot. Dat geldt het sterkst voor het aandeel veroordeelden en verdachten in een wijk, voor zowel drugs- als vermogensdelicten. Ook (ontruimingen van) hennepkwekerijen hangen sterk samen met ervaren onveiligheid. Voor potentieel misbruik van vastgoed en de aanwezigheid van witwasgevoelige bedrijven is de samenhang minder sterk. Die activiteiten zijn vermoedelijk ook minder goed waarneembaar, waardoor de invloed ervan op de ervaren onveiligheid van bewoners minder groot is. Door indicatoren samen te nemen ontstaat een meer algemene indicatie van de ondermijnende criminaliteit in een gemeente. Ook die algemene indicatie hangt sterk samen met de ervaren onveiligheid van bewoners. Ondermijnende criminaliteit en ervaren onveiligheid gaan vooral samen in de meer stedelijke gemeenten (zie Bijlage 5). De posities van Kerkrade en Heerlen zijn daarbij opvallend: veel ervaren onveiligheid en een hoge score op veel van de indicatoren voor ondermijnende criminaliteit. Het is aannemelijk dat de samenloop in de grotere steden voor een deel ‘toevallig’ is. In de grote steden komen veel problemen samen. Daardoor voelen mensen zich er vaker onveilig. Waar dat dan precies door komt, is juist doordat veel problemen samenkomen niet duidelijk.

De aanwezigheid van ondermijnende criminaliteit kan er een van de belangrijke factoren zijn, maar hoeft niet allesbepalend te zijn. In een aantal kleinere gemeenten zijn ook vrij veel indicaties voor de aanwezigheid van ondermijnende criminaliteit, maar werkt dit niet of nauwelijks door in ervaren onveiligheid. Het gaat dan bijvoorbeeld om gemeenten als Rucphen, Urk of Goes. Het lijkt erop dat in dit type kleinere gemeenten andere mechanismen werken die ervoor zorgen dat ondermijnende criminaliteit hier minder een probleem is voor bewoners. Dat de sociale samenhang in dit type gemeenten groot is, kan hier mogelijk een rol in spelen. Ook is het denkbaar dat de ondermijnende criminaliteit in deze gebieden zich meer in het landelijke gebied concentreert dan in de kernen, waardoor de zichtbaarheid ervan kleiner is dan in de dichtbebouwde steden. Tot slot is er een groep kleinere gemeenten waar vrij veel indicaties zijn voor ondermijnende criminaliteit, terwijl ook de ervaren onveiligheid er relatief groot – dus ongunstig - is (zoals in Vaals, Tiel, Stein of Beverwijk). In dat type gemeenten is de sociale samenhang vaak ook minder groot, wat lijkt samen te hangen met de ervaren onveiligheid.

Ook kan de ondermijnende criminaliteit er meer zichtbaar zijn of kunnen er andere al dan niet gerelateerde problemen zijn op het gebied van ervaren onveiligheid, zoals overlast door (soft)drugstoerisme. Lokaal onderzoek kan daar meer inzicht in geven.

Bijlage 1: Leefbaarometer 3.0 De Leefbaarometer De Leefbaarometer is een instrument dat tot op laag schaalniveau (rastervierkanten van 100 x 100 meter) een inschatting geeft van de leefbaarheid. Het instrument doet dat met een groot aantal kenmerken van de woonomgeving, variërend van de in een gebied gepleegde misdrijven tot de lokale geluidsbelasting. Het instrument is bedoeld om een beeld te geven van waar het naar verwachting, op basis van die omgevingskenmerken, goed of slecht is gesteld met de leefbaarheid en hoe deze zich ontwikkelt. Hoe de situatie ter plekke écht is, vraagt altijd om nader onderzoek omdat er ook andere zaken kunnen spelen dan die de Leefbaarometer meet. De kaarten en de achterliggende gegevens van de Leefbaarometer zijn openbaar toegankelijk en te raadplegen via www.leefbaarometer.nl. Hier kan ook een uitgebreide toelichting op het model en de herijking worden gedownload. De Leefbaarometer is opgebouwd uit een oordelenmodel en een gedragsmodel. Beide worden samengevoegd om te komen tot de score van de Leefbaarometer. De modellen zijn gebaseerd op de samenhang tussen omgevingskenmerken en een voor elk model specifiek criterium: 1.

Oordelenmodel bewoners: het oordeel van bewoners over hoe prettig zij het vinden om in hun buurt te wonen. Dit is afgeleid uit het WoonOnderzoek Nederland, een representatief steekproefonderzoek met in 2018 67 duizend respondenten.

Gedragsmodel woningmarkt: de waardering voor een omgeving die tot uitdrukking komt in hoeveel mensen ervoor over hebben om op een specifieke plek te wonen. Hiervoor zijn ruim 700 duizend transacties op de woningmarkt in de jaren 2017-2019 geanalyseerd.

Aanwijzingen voor gebruik De modellen van de Leefbaarometer zijn niet causaal. Ze zijn niet gebaseerd op hoe oordelen en gedrag veranderen als omgevingskenmerken veranderen. De modellen van de Leefbaarometer zijn gebaseerd op de samenhang tussen omgevingskenmerken enerzijds en oordelen en gedrag van bewoners anderzijds op een bepaald moment. De omgevingskenmerken die in het instrument zijn opgenomen, zijn dan ook niet automatisch de beste ‘knoppen om aan te draaien’ om de leefbaarheid te verbeteren.

De opgenomen kenmerken dienen om signalering en monitoring mogelijk te maken van hoe het in een gebied (waarschijnlijk) is gesteld met de leefbaarheid en waar kwetsbaarheden of juist sterke punten van een gebied moeten worden gezocht. Zo zijn er vele mogelijkheden om in een gebied de overlast en onveiligheid te verminderen. De Leefbaarometer geeft geen directe aanwijzingen voor hoe dat zou moeten, maar signaleert alleen dat er op een bepaald thema wat aan de hand lijkt te zijn. Dimensies De Leefbaarometer is onderverdeeld in vijf dimensies waarbinnen thematisch met elkaar samenhangende indicatoren/omgevingskenmerken zijn gegroepeerd: 1.

Fysieke omgeving;

Woningvoorraad;

Voorzieningen;

Sociale samenhang;

Overlast en onveiligheid.

De dimensies van de Leefbaarometer zijn geen integrale weergave van alles wat belangrijk zou kunnen zijn in zo’n dimensie. Ze bevatten de omgevingskenmerken waarvoor gegevens beschikbaar zijn (landelijk en op laag schaalniveau) en die een op elkaar aanvullende bijdrage leveren aan de verklaring van de verschillen in oordelen van bewoners over hun buurt en hoeveel mensen ervoor over hebben om ergens te wonen. Omgevingskenmerken waarvoor geen landelijke gegevens beschikbaar zijn (zoals bijvoorbeeld de aanwezigheid van zwerfvuil, de kwaliteit en het gebruik van openbaar groen of de nabijheid van familie en vrienden) zijn niet in het model opgenomen, maar dat betekent niet dat ze er niet toe doen. Hetzelfde geldt voor kenmerken die sterk samenhangen met kenmerken die wel in het model zijn opgenomen. Zo komen woninginbraken niet in het model voor omdat het voorkomen ervan sterk samenhangt met het voorkomen van andere misdrijven. Dat betekent vanzelfsprekend niet dat woninginbraken er niet toe doen. Ze bieden alleen geen aanvullende verklaring. De indicatoren/omgevingskenmerken die in de Leefbaarometer zijn opgenomen, zijn weergegeven in onderstaand overzicht.

Dimensie

Omgevingskenmerk

Variabele in gedragsmodel

Variabele in oordelenmodel

Fysieke omgeving Nabijheid snelweg

snelweg (<100m) snelweg (100-300m)

Nabijheid hoofdweg Nabijheid spoorbaan

hoofdweg (<100m)

aandeel hoofdwegen

hoofdweg (100-300m)

(500m)

spoorbaan (<100m)

afstand tot spoorbaan

spoorbaan (100-300m) Nabijheid hoogspan-

hoogspanningsmast (<100m)

afstand tot hoogspannings-

ning

hoogspanningsmast (100-

mast (log)

300m) Nabijheid zendmast

zendmast (<100m)

afstand tot zendmast (log)

zendmast (100-300m) Nabijheid windturbi-

aantal windturbines (<500m,

aantal middelhoge en hoge

nes

log)

windturbines (<1000m)

aantal windturb.es (5002000m, log) Functiemenging

Nabijheid groen

aandeel winkels (500m)

winkels naar oppervlak

aandeel industrie (300m)

(500m)

aandeel kantoren (300m)

industrie naar aantal (300m)

aandeel bos (500m)

afstand tot bos (log) aandeel groen (100m)

Nabijheid duinen

duinen (< 2km)

Nabijheid open na-

aandeel open natuur (500m)

aandeel duinen (500m)

tuur Nabijheid agrarisch

aandeel agrarisch (500m)

Nabijheid water

aandeel binnenwater (500m)

aandeel buitenwater (verval-

afstand water (log)

curve)

Nabijheid semibe-

aandeel semibebouwd

bouwd

(500m)

Aardbevingsrisico

bevingen grondsn. >= 2,9 mm/s

Hittestress

hittestress

Geluidsbelasting

geluidsdruk (totaal)

geluidsbelasting

Overstromingsrisico

overstromingsdiepte

Luchtkwaliteit

fijnstof (pm10)

Ongevallen

ongevallen/hectare (300m, log)

Autodichtheid

autodichtheid (log)

Winkelleegstand

winkelleegstand

Oppervlakte wonin-

oppervlakte woningen (300m,

mediaan woonoppervlak per

gen

log van gemiddelde)

bewoner (300m)

Woningvoorraad

Nabijheid monumen-

aandeel monumenten (300m)

ten Bouwhoogte

aandeel woningen bouwhoogte 22,5-30m. (300m) Aandeel woningen bouw-

aandeel woningen bouw-

hoogte > 30m (300m)

Woningleegstand

woningleegstand

Bouwperiode

aandeel woningen bouwperiode voor 1900 (<500m) 1900-1920 (<500m) 1921-1945 (<500m) 1961-1970 (<500m)

Particuliere huur

aandeel particuliere huur met lage WOZ (300m)

Koopwoningen

aandeel koopwoningen (300m) aandeel financieel kwetsbare eigenaar-bewoners (500m)

Overbewoning Bouwtype

overbewoning (<20m per be-

overbewoning (<20m2 per

woner) (300m)

bewoner) (500m)

aandeel twee-onder-1-kap en vrijstaande woningen (300m)

Voorzieningen Afstand tot onderwijs

Afstand tot

afstand tot onderwijs (log)

BSO/KDV/basisschool (log) Afstand tot voortgezet onderwijs (log) Afstand tot horeca

afstand tot hotel (log)

afstand tot horeca (log)

afstand tot restaurant (log) café (<100m) Afstand tot cultuur

afst. tot bibliotheek/museum

afstand tot cultuurvoorzie-

(log)

ningen (log)

afstand tot podium/poppodium/bioscoop (log) Afstand tot winkels

afstand tot warenhuis (log) supermarkt (<2km)

Afstand tot zorg

afstand tot huisarts (log) afstand tot ziekenhuis (log)

Bereikbaarheid

treinstation (<3km) extra afst. tot overstapstation (log)

Voorzieningendicht-

Voorzieningenindex

heid

aantal restaurants (<1km)

Voorzieningendichtheid

aantal cafés (<1km) aantal winkels dag. levensbehoefte Baanbereikbaarheid

baanbereikbaarheid

Diversiteit levensfase

diversiteit levensfase (300m)

Menging naar levensfase

Inwonerdichtheid

inwonerdichtheid (300m, log)

Mutatiegraad

mutatiegraad personen

Sociale samenhang (300m) inwonerdichtheid (300m)

(100m) Ontwikkeling huishou-

ontwikkeling aantal huishou-

dens

Sociale cohesie

sociale cohesie

Overlast en onveiligheid Geweldsmisdrijven

geweldsmisdrijven (log)

geweldsmisdrijven (decielen)

Vernielingen

vernielingen (log)

vernielingen (decielen)

Ordeverstoringen

ordeverstoringen (log)

ordeverstoringen (decielen)

Overlast & onveilig-

ervaren overlast & onveiligheid

ervaren overlast (kwadraat)

heid

& onveiligheid

Bijlage 2: Buurten met een verbetering van onvoldoende naar voldoende tussen 2014 en 2020

doende naar voldoende

% kleinere verbetering

180

150

440

41%

17%

Ossenkoppeler-

Ossenkoppelerhoek-

540

670

11%

81%

Almere Buiten

Bloemenbuurt

115

605

2270

27%

Ossenkoppelerhoek hoek

Almere Poort

Almere Stad

Buurt

Midden-Noord

% verbeterd van onvol-

Boomplaats

Wijk

kleinere verbetering

totaal

buurt

structureel onder druk

Almere

% van totaal in

vanuit onvoldoende

Almelo

verbeterd van onvol-

Gemeente

doende naar voldoende

Aantal woningen in buurt

Columbuskwartier

1360

Europakwartier

165

2310

Nobelhorst

215

730

29%

12%

Centrum Almere Stad

190

630

2635

24%

Kruidenwijk

400

745

3325

12%

22%

Muziekwijk Noord

230

4550

Parkwijk

2155

Stedenwijk

330

615

4200

15%

Tussen de Vaarten

145

455

2235

20%

Noord

Verzetswijk

115

110

1375

Amersfoort

Schuilenburg

Ariaweg

185

425

855

22%

50%

Amstelveen

Uilenstede, Kro-

Uilenstede

465

1155

40%

Amsterdam

Banne Buiksloot

Banne Noordwest

135

675

785

1120

12%

60%

Banne Zuidwest

215

615

1255

17%

49%

Buikslotermeer Noord

265

1250

21%

nenburg

Buikslotermeer

doende naar voldoende

% kleinere verbetering 52%

1540

755

1895

2230

34%

940

1650

2755

34%

140

1510

550

Van der Pekbuurt

2480

1150

kleinere verbetering

390

Plan van Gool

285

Kolenkitbuurt Noord

960

Laan van Spartaan

110

Osdorp-Oost

Osdorpplein e.o.

210

Slotermeer-

Buurt 3

115

Slotervaart Zuid

Staalmanbuurt

Tuindorp Oost-

Tuindorp Oostzaan

Volewijck

West

% verbeterd van onvol-

totaal

20%

structureel onder druk

1405 1860

vanuit onvoldoende

0 1005

De Kolenkit

560

De Kleine Wereld

zaan

buurt

49%

Buurt

Noordoost

% van totaal in

34%

Wijk

verbeterd van onvol-

Gemeente

doende naar voldoende

Aantal woningen in buurt

Apeldoorn

Centrum

Binnenstad

165

3695

Arnhem

Klarendal

Klarendal-Noord

1275

Malburgen-West

120

765

1040

2075

37%

Assen

Lariks

Luchiesland Zuid

105

145

505

21%

29%

Breda

Breda west

Heuvel

115

575

3975

14%

Capelle aan

Middelwatering

Hovenbuurt

200

390

1175

17%

33%

Koperwiek

740

11%

den IJssel Delft

Oost

Voordijkshoorn

Kuyperwijk-Zuid

100

945

11%

Voorhof

Roland Holstbuurt

440

505

1760

25%

Diemen

Holland Park

Holland Park Zuid

250

500

50%

Dordrecht

Crabbehof/Zuid-

Crabbehof-Noord

145

970

1110

1400

10%

69%

Het Reeland

Vogelplein-Aalschol-

140

445

1310

11%

34%

Wijk 06 Staart

Merwedepolder-West

215

685

31%

Eindhoven

hoven

verstraat en omgeving

De Laak

Lakerlopen

150

1610

Erp

Woensel-West

120

2000

Oud-Woensel

Limbeek-Noord

380

240

1470

26%

16%

Rozenknopje

Schrijversbuurt

105

1590

Enschede

Landelijk gebied

Boekelerveld

115

410

28%

Gouda

De Korte Akkeren

Weidebloemkwartier

225

29%

Noorddijk e.o.

Lewenborg-Noord

1840

Lewenborg-Zuid

1585

Groningen

en kernen

100

← Vorig deel

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/12889255/1