Auteur: Brenda Bos, Rosanne Pronk, Hanneke Posthumus

Kwetsbaarheid in de sociale omgeving van Haagse bijstandsontvangers

Over deze publicatie

In dit onderzoek is de kwetsbaarheid in de sociale omgeving (familieleden en buren) van bijstandsontvangers in Den Haag in kaart gebracht. Er is daarnaast een vergelijking gemaakt met de sociale omgeving van enerzijds bijstandsontvangers in de andere steden van de G4 (Amsterdam, Rotterdam en Utrecht) en anderzijds Haagse werkende armen en niet-arme werkenden.

Samenvatting

De gemeente Den Haag telde op 1 oktober 2018 ruim 27 duizend bijstandsontvangers. Uit de bijstandsmonitor blijkt dat een groot deel van de bijstandsontvangers niet uitstroomt naar werk. De sociale omgeving van bijstandsontvangers kan hierin een belangrijke rol spelen. Verschilt deze bijvoorbeeld met die van werkenden in Den Haag of met die van bijstandsontvangers in de overige steden van de G4? 

De gemeente Den Haag heeft daarom aan het Urban Data Center (UDC) Den Haag van het Centraal Bureau voor de Statistiek (CBS) gevraagd een verkennende netwerkanalyse uit te voeren om inzicht te krijgen in de sociale omgeving van bijstandsontvangers. Daarbij is het unieke persoonsnetwerkenbestand van het CBS gebruikt om de kwetsbaarheid van familieleden en meest dichtstbijzijnde buren van bijstandsontvangers in Den Haag in kaart te brengen. Hierbij wordt een vergelijking gemaakt met de sociale omgeving van enerzijds Haagse werkenden die al dan niet arm zijn en anderzijds bijstandsontvangers in Amsterdam, Rotterdam en Utrecht. De kenmerken van deze potentiële persoonsnetwerken zijn op 3 thema’s onderzocht: sociaaleconomische positie, voorzieningengebruik en zorg. 

Voordat de persoonsnetwerken onderzocht zijn, is eerst gekeken naar de demografische kenmerken (geslacht, leeftijd, herkomst, huishoudenssituatie) van de onderzoeksgroepen. Om een zinvolle vergelijking van de kwetsbaarheid van de sociale omgeving tussen groepen te kunnen maken is het namelijk van belang dat de demografische achtergrondkenmerken van de Haagse bijstandsontvangers niet te veel verschillen van die van de vergelijkingsgroepen. De Haagse bijstandsontvangers zijn in demografisch opzicht vergelijkbaar met de meeste vergelijkingsgroepen, met uitzondering van de groep Haagse niet-arme werkenden. Met een speciale techniek (propensity score matching) is een vergelijkbare groep niet-arme werkenden samengesteld. Verschillen in de kwetsbaarheid van de sociale omgeving tussen de groepen zijn daardoor niet het resultaat van initiële verschillen op deze demografische kenmerken.

Vervolgens is de mate van kwetsbaarheid van de sociale omgeving van bijstandsontvangers in kaart gebracht. Tussen familieleden van de verschillende groepen bijstandsontvangers in de G4 zijn, behalve op het thema zorg, enkel minieme verschillen te zien. De kwetsbaarheid van de meest dichtstbijzijnde buren van de verschillende groepen bijstandsontvangers verschilt wel, waarbij de buren van bijstandsontvangers in Den Haag en Rotterdam gemiddeld vaker kwetsbaar zijn dan de buren van bijstandsontvangers in Amsterdam en Utrecht. Vergelijkbare resultaten zijn gevonden voor alle onderzochte kenmerken op het gebied van sociaaleconomische positie en voorzieningengebruik. De resultaten op het gebied van zorg wijken af van de twee andere thema’s. De groep Haagse bijstandsontvangers heeft een hoger percentage gezondheidsproblemen in zowel het familie- als burennetwerk, gevolgd door de bijstandsontvangers uit Rotterdam, Utrecht en Amsterdam.

De familieleden en buren van Haagse bijstandsontvangers zijn vaker kwetsbaar dan die van Haagse werkenden die al dan niet arm zijn. Daarbij zijn de verschillen tussen de bijstandsontvangers en de niet-arme werkenden het grootst. Dit patroon is vooral bij de sociaaleconomische kenmerken terug te zien. De grootste verschillen tussen de Haagse onderzoeksgroepen zijn zichtbaar bij armoede. Gemiddeld zijn familieleden van Haagse bijstandsontvangers bijna 1,5 en 2 keer zo vaak arm in vergelijking met familieleden van respectievelijk werkende armen en niet-arme werkenden. Wat verder opvalt is dat voor de meeste groepen en kenmerken het gemiddelde percentage armoede in het burennetwerk hoger ligt dan het percentage in het familienetwerk. De verschillen in kwetsbaarheid op het gebied van zorg zijn zowel voor het familienetwerk als het burennetwerk tussen de Haagse vergelijkingsgroepen minder groot. 

Om de verschillen tussen de Haagse vergelijkingsgroepen omtrent de aanwezigheid van armoede in het familienetwerk nader te onderzoeken zijn twee verdiepende analyses uitgevoerd. Ten eerste is gekeken naar verschillen tussen wijken. Het blijkt dat er, voor alle Haagse onderzoeksgroepen, verschillen tussen wijken zichtbaar zijn. Dit betekent dat de familieleden van Haagse bijstandsontvangers of al dan niet arme werkenden in de ene wijk kwetsbaarder zijn dan de familieleden van dezelfde groep in een andere wijk. Uit een tweede, meer verkennende, analyse blijkt dat armoede vaker voorkomt onder elk type familielid van bijstandsontvangers ten opzichte van de twee andere Haagse groepen. Armoede speelt dus in de bredere familie. Daarnaast komt armoede vaker voor onder relaties die dichter bij de persoon zelf staan. 

1. Inleiding

1.1 Aanleiding

De gemeente Den Haag heeft behoefte aan inzicht in de sociale omgeving van inwoners die bijstand ontvangen. Door wie worden zij omringd? Deze behoefte wordt gevoed door twee ontwikkelingen. Om te beginnen blijkt uit de resultaten van de bijstandsmonitor dat een groot deel van de Haagse bijstandsontvangers niet uitstroomt naar werk. De sociale omgeving van bijstandsontvangers kan hierin een belangrijke rol spelen. Maar hoe die omgeving eruit ziet, en of die bijvoorbeeld verschilt met de omgeving van werkenden, is nog onbekend. Een netwerkanalyse kan daar verandering in brengen. Een goed begrip van de problematiek is belangrijk om effectief beleid te kunnen ontwikkelen. 

Daarnaast blijken in de gemeente Den Haag meer personen bijstand te ontvangen dan het BUIG verdeelmodel voorspelt. Uit eigen onderzoek van de gemeente blijkt dat dit onder andere komt doordat in Den Haag een slechte gezondheid vaker samengaat met bijstand dan dit verdeelmodel voorspelt. Ook een afwijkende sociale omgeving, met een concentratie van multiproblematiek, zou een reden kunnen zijn voor het surplus aan bijstandsuitkeringen in Den Haag. Vanuit dit oogpunt is het van meerwaarde te onderzoeken of de sociale omgeving van bijstandsontvangers in Den Haag verschilt van die in de andere gemeenten die deel uitmaken van de G4. 

1.2 Opzet

Om meer inzicht te krijgen in de sociale omgeving van bijstandsontvangers heeft de gemeente Den Haag aan het Urban Data Center (UDC) Den Haag van het Centraal Bureau voor de Statistiek (CBS) gevraagd om verkennende netwerkanalyses uit te voeren. Daarbij wordt gebruik gemaakt van een innovatieve methode die het CBS heeft ontwikkeld om op basis van registraties voor alle inwoners in Nederland verschillende type potentiële persoonsnetwerken (familieleden, huisgenoten, buren, klasgenoten en collega’s) af te leiden. Het resulterende unieke persoonsnetwerkenbestand kan op tal van manieren worden gebruikt om meer inzicht te krijgen in de sociale omgeving van bijstandsontvangers. 

Het UDC Den Haag heeft samen met de gemeente Den Haag iteratief verkend welke toepassingen de meeste meerwaarde hebben. Aangezien bijstandsontvangers vaak geen collega’s of klasgenoten hebben, en de huisgenoten van bijstandsontvangers over het algemeen een vergelijkbare sociaaleconomische status kennen, is er voor gekozen alleen familie- en burennetwerken te onderzoeken. Deze familieleden wonen niet alleen in Den Haag, maar kunnen ook in de rest van Nederland wonen. Verder heeft de gemeente behoefte aan een breed beeld van de potentiële persoonsnetwerken van de geselecteerde onderzoeksgroepen. Daarom is besloten deze zowel in sociaaleconomisch opzicht (verschilt bijvoorbeeld het aandeel potentiële contacten dat werkt, of arm is) als op het gebied van voorzieningengebruik en zorg met elkaar te vergelijken. Gezien de twee aanleidingen voor dit onderzoek is verder gekozen om de sociale omgeving van Haagse bijstandsontvangers enerzijds te vergelijken met die van werkenden die al dan niet arm zijn in Den Haag, en anderzijds met de omgeving van bijstandsontvangers in de andere steden binnen de G4. Al deze gemaakte keuzes leiden uiteindelijk tot de volgende centrale onderzoeksvraag:

In hoeverre verschilt het familie- en burennetwerk van bijstandsontvangers in Den Haag in sociaaleconomisch opzicht en op het gebied van voorzieningengebruik en zorg van dat van, al dan niet arme, werkenden in Den Haag, en bijstandsontvangers in Amsterdam, Rotterdam en Utrecht?

Behalve dat de centrale onderzoeksvraag wordt beantwoord, is eveneens verdiepend onderzoek uitgevoerd om één van de belangrijkst bevindingen nader te duiden: namelijk dat de familieleden van Haagse bijstandsontvangers aanzienlijk armer zijn dan die van, al dan niet arme, werkenden in Den Haag. Allereerst is gekeken of er regionale verschillen zijn: verschilt het percentage armen in de netwerken van bijstandsontvangers tussen Haagse wijken? Vervolgens zijn de verschillende familieleden binnen het familienetwerk nader onderzocht.  Zijn er verschillen in armoede te zien tussen generaties of in hoe ver familieleden van bijstandsontvangers afstaan? 

1.3 Leeswijzer

In het vervolg van dit rapport staan de belangrijkste bevindingen uit de analyses centraal. In hoofdstuk 2 worden eerst de verschillende onderzoeksgroepen en hun demografische kenmerken kort besproken. Hoofdstuk 3 geeft antwoord op de hoofdvraag, en hoofdstuk 4 beschrijft de uitkomsten uit de verdiepende analyses omtrent armoede in het familienetwerk van bijstandsontvangers. Het rapport sluit af met de belangrijkste conclusies.  

2. Haagse bijstandsontvangers en vergelijkingsgroepen

2.1 Inleiding

In dit onderzoek staat de kwetsbaarheid van de sociale omgeving van Haagse bijstandsontvangers centraal en wordt deze vergeleken met verschillende vergelijkingsgroepen. In dit hoofdstuk worden de onderzoeksgroepen beschreven door middel van verschillende demografische achtergrondkenmerken. Op basis hiervan wordt bekeken in hoeverre de Haagse bijstandsontvangers in demografisch opzicht vergelijkbaar zijn met de vergelijkingsgroepen. 

2.2 Samenstelling van onderzoeksgroepen

Haagse bijstandsontvangers 

De focus in dit onderzoek ligt op bijstandsontvangers in Den Haag. Deze bijstandsontvangers zijn personen die op 1 oktober 20181) stonden ingeschreven in de Basisregistratie Personen (BRP), op dat moment in Den Haag woonden én op 1 oktober 2018 bijstand ontvingen. Het betreft hier enkel personen die op deze peildatum een leeftijd van 18 tot 67 jaar hadden. Er vallen 27 860 personen in deze groep.

Deze onderzoeksgroep wordt vergeleken met een aantal vergelijkingsgroepen, namelijk enerzijds werkende armen en niet-arme werkenden in Den Haag en anderzijds bijstandsontvangers in de drie andere grote steden in de G4. De groepen worden hieronder verder toegelicht. Ook bij deze groepen is een leeftijdsselectie van 18 tot 67 jaar toegepast.

Haagse werkende armen 

De groep werkende armen in Den Haag bestaat uit personen die op 1 oktober 2018 stonden ingeschreven in de BRP, op dat moment in Den Haag woonden, in 2018 werk als voornaamste inkomensbron hadden én in 2018 een inkomen tot 130% van het sociaal minimum hadden. Deze groep is daarmee op dezelfde manier afgeleid als de groep werkende armen in het onderzoek Werkende armen in Den Haag. Deze groep bestaat uit 13 150 personen.

Haagse niet-arme werkenden 

De groep niet-arme werkenden Den Haag bestaat uit personen die op 1 oktober 2018 stonden ingeschreven in de BRP, op dat moment in Den Haag woonden, in 2018 werk als voornaamste inkomensbron hadden én in 2018 een inkomen van 130% of meer van het sociaal minimum hadden. Met 206 350 personen is dit de grootste groep.

Bijstandsontvangers in de andere drie grote steden

De bijstandsontvangers in Den Haag worden daarnaast vergeleken met bijstandsontvangers in de andere grote steden in de G4: Amsterdam, Rotterdam en Utrecht. Deze groepen bijstandsontvangers zijn, met uitzondering van de woongemeente op 1 oktober 2018, op dezelfde manier afgebakend als de Haagse bijstandsontvangers. De groepen Amsterdamse, Rotterdamse en Utrechtse bijstandsontvangers bestaan respectievelijk uit 44 850, 39 610 en 11 570 personen.

2.3 Demografische beschrijving van de onderzoeksgroepen

In deze paragraaf worden de demografische achtergrondkenmerken van de Haagse bijstandsontvangers vergeleken met die van de vergelijkingsgroepen. Dit geeft een eerste beeld van de verhouding van de groepen ten opzichte van elkaar. De volgende tabellen geven respectievelijk de verdeling van geslacht, leeftijd, herkomst en huishoudenssituatie weer voor de verschillende onderzoeksgroepen. Deze kenmerken zijn bepaald op 1 oktober 2018.

Tabel 2.3.1 laat zien dat de Haagse bijstandsontvangers wat betreft geslacht geen grote verschillen kennen in vergelijking met de bijstandsontvangers uit de andere steden. Tussen de Haagse bijstandsontvangers en de werkenden die al dan niet arm zijn, zijn wel verschillen zichtbaar; de bijstandsontvangers zijn vaker vrouwen in vergelijking met de werkenden. De grootste verschillen ten opzichte van de Haagse bijstandsontvangers zijn te zien voor de groep niet-arme werkenden.

2.3.1 Verdeling van geslacht naar onderzoeksgroepen, 1 oktober 2018 (%)
ManVrouw
Onderzoeksgroep
Bijstandsontvangers Den Haag4753
Werkende armen Den Haag5347
Niet-arme werkenden Den Haag5446
Bijstandsontvangers Amsterdam4852
Bijstandsontvangers Rotterdam4258
Bijstandsontvangers Utrecht4951

Uit Tabel 2.3.2 blijkt dat Haagse bijstandsontvangers wat betreft leeftijd het meest vergelijkbaar zijn met bijstandsontvangers in Rotterdam, Amsterdam en Utrecht. De Haagse bijstandsontvangers wijken wat betreft leeftijd iets af van de niet-arme werkenden in Den Haag; deze laatste groep is iets jonger. De verdeling van leeftijd van werkende armen wijkt het meest af van die van bijstandsontvangers in Den Haag. Deze is groep is jonger dan de Haagse bijstandsontvangers. De categorie 18 tot 35-jarigen komt ruim anderhalf keer zo vaak voor onder werkende armen in Den Haag in vergelijking met bijstandsontvangers in Den Haag.

2.3.2 Verdeling van leeftijd naar onderzoeksgroepen,
1 oktober 2018 (%)
18 tot 35 jaar35 tot 50 jaar50 tot 67 jaar
Onderzoeksgroep
Bijstandsontvangers Den Haag253540
Werkende armen Den Haag393823
Niet-arme werkenden Den Haag313930
Bijstandsontvangers Amsterdam193447
Bijstandsontvangers Rotterdam213544
Bijstandsontvangers Utrecht273637

Tabel 2.3.3 laat de verdeling naar herkomst in de verschillende onderzoeksgroepen zien. Een persoon heeft een eerste generatie migratieachtergrond wanneer deze in het buitenland is geboren en ten minste één in het buitenland geboren ouder heeft. Een persoon heeft een tweede generatie migratieachtergrond wanneer deze in Nederland is geboren en ten minste één ouder heeft die in het buitenland is geboren. De tabel laat zien dat de Haagse bijstandsontvangers wat betreft herkomst vergelijkbaar zijn met alle groepen behalve met de groep Haagse niet-arme werkenden. De niet-arme werkenden hebben ruim twee keer zo vaak geen migratieachtergrond in vergelijking met de Haagse bijstandsontvangers.

2.3.3 Verdeling van herkomst naar onderzoeksgroepen,
1 oktober 2018 (%)
AutochtoonEerste generatieTweede generatie
Onderzoeksgroep
Bijstandsontvangers Den Haag236313
Werkende armen Den Haag295516
Niet-arme werkenden Den Haag513316
Bijstandsontvangers Amsterdam206615
Bijstandsontvangers Rotterdam226414
Bijstandsontvangers Utrecht295913

Tabel 2.3.4 geeft inzicht in de huishoudenssituatie van de onderzoeksgroepen. Dit laat eenzelfde beeld zien wat betreft de vergelijkbaarheid van de onderzoeksgroepen als voor geslacht en herkomst. De huishoudenssituatie van bijstandsontvangers in Den Haag is vergelijkbaar met de bijstandsontvangers in de andere drie grote steden. De Haagse werkende armen laten kleine afwijkingen zien in vergelijking met de Haagse bijstandsontvangers; deze groep bevat bijvoorbeeld iets minder eenoudergezinnen en iets meer paren. De grootste afwijking is opnieuw te zien tussen de Haagse niet-arme werkenden en de bijstandsontvangers. De niet-arme werkenden zijn veel minder vaak eenoudergezinnen of eenpersoonshuishoudens en veel vaker paren.

2.3.4 Verdeling van huishoudenssituatie naar onderzoeksgroepen,
1 oktober 2018 (%)
EenoudergezinEenpersoons-
huishouden
PaarOverig
Onderzoeksgroep
Bijstandsontvangers Den Haag22412711
Werkende armen Den Haag1442385
Niet-arme werkenden Den Haag822665
Bijstandsontvangers Amsterdam21432510
Bijstandsontvangers Rotterdam2541278
Bijstandsontvangers Utrecht18403210

Samenvattend kan gezegd worden dat de Haagse bijstandsontvangers wat betreft de demografische kenmerken geslacht, leeftijd, herkomst en huishoudenssituatie grotendeels vergelijkbaar zijn met de meeste vergelijkingsgroepen, met uitzondering van de groep niet-arme werkenden in Den Haag. 

2.4 Matching niet-arme werkenden

Voor een zinvolle vergelijking van de kwetsbaarheid van de sociale omgeving is het belangrijk dat de demografische achtergrondkenmerken van de bijstandsontvangers in Den Haag niet te veel verschillen van de kenmerken van de vergelijkingsgroepen. In de vorige paragraaf kwam naar voren dat de Haagse bijstandsontvangers op belangrijke achtergrondkenmerken sterk verschillen van de groep Haagse niet-arme werkenden. Met een speciale techniek (propensity score matching) is daarom binnen de totale groep niet-arme werkenden in Den Haag een kleinere groep geselecteerd die wat betreft demografisch profiel vergelijkbaar is met de groep Haagse bijstandsontvangers. Er zijn 27 860 niet-arme werkenden geselecteerd die niet statistisch significant van de bijstandsontvangers verschillen wat betreft hun geslacht, leeftijd, herkomst en huishoudenssituatie. Dit zijn evenveel niet-arme werkenden als het aantal bijstandsontvangers in Den Haag. Verschillen in de kwetsbaarheid van de sociale omgeving tussen deze twee groepen zijn daardoor niet het resultaat van initiële verschillen op deze demografische kenmerken. Meer informatie over de afbakening van de gematchte vergelijkingsgroep niet-arme werkenden staat in Bijlage A

1) Het unieke persoonsnetwerkenbestand van het CBS is tot nu toe enkel afgeleid voor peildatum 1 oktober 2018. In dit onderzoek is daarom gekozen voor deze peildatum.

3. Kwetsbaarheid in de sociale omgeving

3.1 Inleiding

In dit hoofdstuk wordt ingegaan op de kwetsbaarheid van de sociale omgeving van bijstandsontvangers in Den Haag en wordt deze vergeleken met de sociale omgeving van de geselecteerde vergelijkingsgroepen. Mensen leven doorgaans niet in afzondering: ze hebben verschillende soorten contacten en relaties. Deze kunnen dichtbij de persoon zelf staan, zoals familieleden, maar ook in de buurt komen mensen (dagelijks) in contact met anderen. Zowel de kenmerken van sterke als zwakke relaties kunnen van invloed zijn op personen (Granovetter, 1973). Daarom is het belangrijk om naar het brede netwerk van personen te kijken. 

Onderzoek heeft aangetoond dat sociale contacten en netwerken kunnen zorgen voor een betere sociaaleconomische positie, hogere sociaaleconomische mobiliteit en betere fysieke en mentale gezondheid (McKenzie et al., 2002). Een groot gedeelte van de wetenschappelijke studies op het gebied van sociaal kapitaal focust op de positieve gevolgen en uitkomsten van sociale netwerken en connecties: het idee dat grotere en betere netwerken zorgen voor tal van positieve uitkomsten. Er zijn echter ook potentiële negatieve gevolgen van sociale netwerken (Portes, 1998). Zo kan er ook beïnvloeding zijn van een netwerk indien dit netwerk kwetsbaar is of kwetsbare kenmerken heeft. Er is veel onderzoek gedaan naar de invloed van ouders op hun kinderen door middel van intergenerationele transmissie van bijvoorbeeld sociaaleconomische positie, zoals het ontvangen van uitkeringen (Boschman, et al. 2019). Deze transmissie gebeurt bijvoorbeeld door de overdracht van waarden en normen rondom werk en uitkeringen. Ook kunnen familieleden op basis van informatie uit eerste hand vertellen hoe het systeem werkt. Wanneer ouders een uitkering ontvangen kan dit ook een negatieve impact hebben op het opleidingsniveau van de kinderen (Dahl et al. 2014). Verder laat bestaand onderzoek zien dat buren het gedrag en de positie van mensen sterk kunnen beïnvloeden (Kristiansen, 2021). 

Aangenomen kan worden dat personen extra kwetsbaar zijn indien zij niet alleen zelf in een kwetsbare positie zitten, maar daarnaast ook omringd worden door personen met een vergelijkbare situatie. Op basis van een uniek netwerkenbestand van het CBS kan meer zicht gekregen worden op de sociale omgeving door de potentiële persoonsnetwerken in kaart te brengen. Dit netwerkenbestand is uniek, omdat het informatie bevat over zowel veel meer personen en contacten als verschillende contexten (zoals familie en buurt) in vergelijking met eerdere netwerkonderzoeken die vaak gebruik maken van enquêtes of interviews. Het is tijds- en kostenintensief om veel personen en contacten uit te vragen, dus hier worden doorgaans keuzes in gemaakt. 

Het CBS heeft op basis van integrale registerdata zoals de Basisregistratie Personen, schoolinschrijvingen en belastingdata, voor alle Nederlanders kunnen afleiden wie zij in potentie tegenkomen in 1) het huishouden, 2) de familie, 3) op de school, 4) in de buurt en 5) op het werk. Bijstandsontvangers hebben over het algemeen geen werk en gaan niet naar school, en zullen daarom ook geen klasgenoten of collega’s hebben. Daarnaast worden huisgenoten niet meegenomen in dit onderzoek, omdat ze vaak een vergelijkbare sociaaleconomische situatie hebben als de persoon zelf. Met het familienetwerk wordt inzicht verkregen in bredere familierelaties; er wordt niet alleen naar ouders, broers, zussen en kinderen gekeken, maar ook naar verdere familieleden, zoals grootouders, ooms, tantes, nichten en neven. Deze familieleden wonen niet alleen in Den Haag, maar kunnen ook in de rest van Nederland wonen. Familieleden kunnen alleen in kaart gebracht worden wanneer ze staan ingeschreven in het BRP. Dit betekent dat bijvoorbeeld familieleden die in het buitenland wonen of inmiddels overleden zijn niet meegenomen worden. Dit eerste speelt met name bij personen met een eerste generatie migratieachtergrond. Daarnaast worden in het familienetwerk enkel familieleden meegenomen die geen huisgenoten zijn. In vergelijking met bestaand regionaal onderzoek, waar vaak de kenmerken van de gehele buurt worden geanalyseerd, wordt bij het burennetwerk juist meer focus toegebracht door enkel naar de meest dichtstbijzijnde buren te kijken. Om te bepalen wie deze buren van een persoon zijn, wordt binnen een straal van 50 meter van die persoon gezocht naar de tien dichtstbijzijnde huishoudens2). De familieleden en buren zijn afgeleid op peildatum 1 oktober 20183)

Ook is vanuit registerdata informatie over tal van achtergrondkenmerken van deze contacten beschikbaar. Daarbij moet wel worden aangemerkt dat de netwerkleden die aan de hand van deze registraties kunnen worden afgeleid, alleen potentiële contacten betreffen. Het is niet bekend of personen daadwerkelijk contact hebben en hoe intensief of goed dat contact is. Daarom wordt in dit onderzoek gesproken over potentiële persoonsnetwerken. Ook kunnen niet alle netwerken, bijvoorbeeld degenen die ontstaan bij sportverenigingen, met registers worden afgeleid. Desalniettemin biedt dit bestand de mogelijkheid om een breed beeld te krijgen van de sociale omgeving van bijstandsontvangers. Meer informatie over dit bestand en de operationalisering van de persoonsnetwerken staat in Bijlage B.

3.2 Aanwezigheid en omvang van de netwerken

Deze paragraaf gaat eerst in op de aanwezigheid en omvang van bepaalde potentiële persoonsnetwerken. Ongeveer 3 op de 4 bijstandsontvangers in de G4 heeft familieleden die in kaart kunnen worden gebracht. Voor Haagse werkende armen en met name niet-arme werkenden kan iets minder vaak het familienetwerk in kaart worden gebracht. Bijna alle personen in elke onderzoeksgroep hebben buren. 

Indien bepaalde netwerken aanwezig zijn, is de volgende vraag: verschilt de omvang van deze persoonsnetwerken tussen de groepen? Gemiddeld hebben bijstandsontvangers in Den Haag 15 familieleden die niet behoren tot hetzelfde huishouden. Dit gemiddelde is hetzelfde voor de groep werkende armen in Den Haag en ligt iets lager bij de groep niet-arme werkenden. Bijstandsontvangers in de andere steden in de G4 hebben een vergelijkbaar gemiddeld aantal van 13 familieleden. Bij de buren is een selectie gemaakt op de tien dichtstbijzijnde huishoudens. Hierdoor zijn bij het gemiddeld aantal buren geen grote verschillen te zien tussen de groepen.

3.2.1 Aanwezigheid en omvang van netwerken, 1 oktober 2018
Aanwezigheid (minimaal
1 contact)
Aantal contacten (indien aanwezig)
%gemiddelde
NetwerklaagOnderzoeksgroepen
Familieleden (exclusief huisgenoten)Bijstandsontvangers Den Haag7315
Familieleden (exclusief huisgenoten)Werkende armen Den Haag6415
Familieleden (exclusief huisgenoten)Niet-arme werkenden Den Haag6913
Familieleden (exclusief huisgenoten)Bijstandsontvangers Amsterdam7313
Familieleden (exclusief huisgenoten)Bijstandsontvangers Rotterdam7713
Familieleden (exclusief huisgenoten)Bijstandsontvangers Utrecht7415
BurenBijstandsontvangers Den Haag10019
BurenWerkende armen Den Haag10020
BurenNiet-arme werkenden Den Haag10021
BurenBijstandsontvangers Amsterdam10019
BurenBijstandsontvangers Rotterdam10020
BurenBijstandsontvangers Utrecht10020

3.3 Kwetsbaarheid van de persoonsnetwerken

Vervolgens is in kaart gebracht in welke mate de sociale omgeving van bijstandsontvangers in Den Haag kwetsbaarder is dan die van de geselecteerde vergelijkingsgroepen. Hiervoor worden verschillende kenmerken geanalyseerd, verdeeld in de volgende thema’s: sociaaleconomische positie, voorzieningengebruik en zorg. De operationalisering van deze kenmerken is uitgewerkt in Bijlage C. In paragrafen 2.3 en 2.4 is aangetoond dat de Haagse bijstandsontvangers in demografisch opzicht vergelijkbaar zijn (al dan niet na matching) met de vergelijkingsgroepen. Verschillen in de kwetsbaarheid van de sociale omgeving tussen deze groepen zijn daardoor niet het resultaat van initiële demografische verschillen.

Sociaaleconomische positie

Allereerst is onderzocht of de netwerken van bijstandsontvangers in Den Haag in sociaaleconomisch opzicht kwetsbaarder zijn dan de potentiële persoonsnetwerken van de vergelijkingsgroepen. Hiervoor is gekeken naar (langdurige) armoede, werk als voornaamste inkomensbron en de Human Capital Index. 

Ten eerste is bekeken in hoeverre armoede en langdurige armoede voorkomen in de persoonsnetwerken van de verschillende groepen. Personen met armoede worden gedefinieerd als personen die zowel een laag inkomen als een vermogen onder de vermogensgrens hebben. Zie ook Bijlage C. Figuur 3.3.1 geeft het gemiddelde percentage armoede (persoon leeft minimaal 1 jaar in armoede) in de netwerken van Haagse bijstandsontvangers en de verschillende vergelijkingsgroepen weer. Dit heeft alleen betrekking op de personen die een bepaald netwerk hebben. Als alle contacten in een bepaald netwerk van een persoon niet in armoede leven dan is het percentage 0. Als alle contacten in een bepaald netwerk van een persoon wel in armoede leven dan is het percentage 100. Vervolgens is een gemiddelde berekend van de percentages voor elke onderzoeksgroep.

3.3.1 Armoede in het familie- en burennetwerk, 2018
 Familieleden (%)Buren (%)
Bijstandsontvangers Den Haag2330
Bijstandsontvangers Amsterdam2224
Bijstandsontvangers Rotterdam2430
Bijstandsontvangers Utrecht2325
Werkende armen Den Haag1619
Niet-arme werkenden Den Haag1313

Wanneer naar het familienetwerk wordt gekeken is te zien dat het percentage armoede in het netwerk van Haagse bijstandsontvangers ongeveer hetzelfde is in vergelijking met de familieleden van bijstandsontvangers uit Amsterdam, Rotterdam en Utrecht. Grotere verschillen zijn zichtbaar tussen de Haagse bijstandsontvangers en de werkende armen en niet-arme werkenden uit Den Haag. Gemiddeld zijn familieleden van deze bijstandsontvangers bijna 1,5 en 2 keer zo vaak arm in vergelijking met familieleden van respectievelijk werkende armen en niet-arme werkenden. 

Het burennetwerk volgt een enigszins vergelijkbaar patroon als het familienetwerk: de persoonsnetwerken van de Haagse bijstandsontvangers wijken wat betreft het hebben van armoede het meest af van de netwerken van de groep niet-arme werkenden, gevolgd door de groep werkende armen en de bijstandsontvangers in de overige steden. Wat opvalt is dat voor de meeste groepen het gemiddelde percentage armoede in het burennetwerk hoger ligt dan het percentage in het familienetwerk. Daarnaast zijn de verschillen tussen de groepen groter voor het burennetwerk dan voor het familienetwerk. Zo zijn de verschillen tussen bijstandsontvangers in de verschillende steden nu duidelijker zichtbaar: het percentage arme buren van bijstandsontvangers ligt hoger in Den Haag en Rotterdam (30 procent) in vergelijking met Utrecht en Amsterdam (24-25 procent). Voor werkende armen en niet-arme werkenden in Den Haag is het verschil met de Haagse bijstandsontvangers zogezegd groter. De buren van werkende armen en niet-arme werkenden kennen respectievelijk ruim 1,5 en ruim 2 keer minder vaak armoede in vergelijking met de Haagse bijstandsontvangers.

Figuur 3.3.2 geeft voor dezelfde groepen het gemiddelde percentage langdurige armoede (persoon leeft 3 jaar of langer in armoede) in de persoonsnetwerken weer. De bevindingen voor langdurige armoede zijn vergelijkbaar met de hierboven besproken bevindingen voor armoede in het algemeen. De bijstandsontvangers hebben gemiddeld zowel vaker familieleden als buren met langdurige armoede in vergelijking met de werkende armen. De familieleden en buren van niet-arme werkenden kennen het minst vaak langdurige armoede.

3.3.2 Langdurige armoede in het familie- en burennetwerk, 2018
 Familieleden (%)Buren (%)
Bijstandsontvangers Den Haag1825
Bijstandsontvangers Amsterdam1820
Bijstandsontvangers Rotterdam1925
Bijstandsontvangers Utrecht1821
Werkende armen Den Haag1215
Niet-arme werkenden Den Haag1010

Waar armoede gezien kan worden als een risicofactor, is werk als voornaamste inkomensbron een mogelijke beschermingsfactor in het netwerk van kwetsbare groepen. Personen met inkomen uit werk als voornaamste inkomensbron zouden kunnen functioneren als positief rolmodel. Ook kan dit mogelijk een toegang zijn tot een bepaald bedrijf en/of kan er op die manier meer informatie verkregen worden over een bepaalde functie. In deze analyse zijn alleen netwerkleden meegenomen in de leeftijd van 18 tot en met 66 jaar. Figuur 3.3.3 laat het gemiddeld percentage werkenden zien in de persoonsnetwerken van de verschillende onderzoeksgroepen.

3.3.3 Werk als voornaamste inkomensbron in het familie- en burennetwerk, 2018
 Familieleden (%)Buren (%)
Bijstandsontvangers Den Haag5545
Bijstandsontvangers Amsterdam5652
Bijstandsontvangers Rotterdam5546
Bijstandsontvangers Utrecht5548
Werkende armen Den Haag6458
Niet-arme werkenden Den Haag6764

Er zijn minieme verschillen in de percentages familieleden en buren met werk als voornaamste inkomensbron tussen bijstandsontvangers in de G4. De buren van Amsterdamse en Utrechtse bijstandsontvangers hebben net iets vaker werk in vergelijking met Rotterdamse en Haagse bijstandsontvangers. Voor zowel de familieleden als buren geldt dat de percentages werkenden in de netwerken van Haagse bijstandsontvangers lager liggen dan deze percentages bij de groepen werkende armen en niet-arme werkenden.

Het laatste kenmerk dat gebruikt is om te onderzoeken of de netwerken van Haagse bijstandsontvangers in sociaaleconomisch opzicht kwetsbaarder zijn dan de netwerken van de vergelijkingsgroepen is de Human Capital Index (HCI). De HCI is een kenmerk waarin opleidingsniveau en arbeidsverleden van personen gecombineerd worden, zie ook Bijlage C. De HCI is ingedeeld in drie categorieën: laag, midden en hoog. In dit onderzoek wordt gefocust op de netwerkleden met een lage HCI. Figuur 3.3.4 laat het gemiddeld percentage personen met een lage HCI in de netwerken van de verschillende onderzoeksgroepen zien.

3.3.4 Lage HCI in het familie- en burennetwerk, 2018
 Familieleden (%)Buren (%)
Bijstandsontvangers Den Haag5765
Bijstandsontvangers Amsterdam5657
Bijstandsontvangers Rotterdam5763
Bijstandsontvangers Utrecht5859
Werkende armen Den Haag5253
Niet-arme werkenden Den Haag4751

Ook hier zijn vergelijkbare patronen zichtbaar. In de familienetwerken van de bijstandsontvangers uit de verschillende steden zijn kleine verschillen zichtbaar in het percentage netwerkleden met een lage HCI. De buren van Haagse en Rotterdamse bijstandsontvangers hebben vaker een lage HCI dan de buren van Amsterdamse en Utrechtse bijstandsontvangers. Zowel buren als familieleden van Haagse bijstandsontvangers hebben vaker een lage HCI in vergelijking met de netwerkleden van al dan niet arme werkenden in Den Haag. Zo heeft gemiddeld 57 procent van de familieleden van Haagse bijstandsontvangers een lage HCI tegenover 47 procent van de familieleden van Haagse niet-arme werkenden.

Voorzieningengebruik

In dit onderzoek is verder gekeken naar kwetsbaarheid van de potentiële persoonsnetwerken op het gebied voorzieningengebruik. Hierbij zijn enkel netwerkleden meegenomen in de leeftijd van 18 tot en met 66 jaar. De eerste analyse betreft het gebruik van bijstand. Figuur 3.3.5 geeft het gemiddelde percentage bijstandsgebruik in de netwerken van de Haagse bijstandsontvangers en de verschillende vergelijkingsgroepen weer. 

3.3.5 Gebruik van bijstand in het familie- en burennetwerk, 1 oktober 2018
 Familieleden (%)Buren (%)
Bijstandsontvangers Den Haag1625
Bijstandsontvangers Amsterdam1520
Bijstandsontvangers Rotterdam1623
Bijstandsontvangers Utrecht1519
Werkende armen Den Haag912
Niet-arme werkenden Den Haag88

Bijstandsgebruik volgt een vergelijkbaar patroon als de eerdere bevindingen omtrent de sociaaleconomische positie van netwerkleden. Gemiddeld maakt 16 procent van de familieleden van de Haagse bijstandsontvangers gebruik van bijstand, voor Haagse werkende armen is dit 9 procent en voor Haagse werkenden die niet arm zijn is dit 8 procent. Voor het burennetwerk zijn de verschillen groter. Daar komt bijstandsgebruik ruim 2 en ruim 3 keer zo weinig voor onder respectievelijk arme werkenden en niet-arme werkenden in vergelijking met bijstandsontvangers. Daarnaast zijn de verschillen tussen buren van bijstandsontvangers in de verschillende steden van de G4 duidelijk zichtbaar. Het percentage buren dat bijstand ontvangt ligt het hoogst bij bijstandsontvangers in Den Haag, gevolgd door Rotterdam, Amsterdam en Utrecht. Zo ontvangt 19 procent van de buren van bijstandsontvangers in Utrecht bijstand, voor bijstandsontvangers Den Haag is dit 25 procent. Het percentage familieleden dat bijstand ontvangt is tussen deze groepen vergelijkbaar (15 tot 16 procent).

Om meer inzicht te krijgen in het gebruik van bijstand door familieleden en buren van de verschillende onderzoeksgroepen is ook naar de bijstandsduur gekeken. Er is onderzocht in hoeverre familieleden en buren 18 maanden tot 4 jaar of 4 jaar of langer bijstand ontvingen op het peilmoment 1 oktober 2018. Figuur 3.3.6 en figuur 3.3.7 geven deze resultaten weer.

3.3.6 Bijstandsduur 18 maanden tot 4 jaar in het familie- en burennetwerk, 1 oktober 2018
 Familieleden (%)Buren (%)
Bijstandsontvangers Den Haag46
Bijstandsontvangers Amsterdam34
Bijstandsontvangers Rotterdam45
Bijstandsontvangers Utrecht34
Werkende armen Den Haag23
Niet-arme werkenden Den Haag22

3.3.7 Bijstandsduur 4 jaar of langer in het familie- en burennetwerk, 1 oktober 2018
 Familieleden (%)Buren (%)
Bijstandsontvangers Den Haag1013
Bijstandsontvangers Amsterdam910
Bijstandsontvangers Rotterdam1014
Bijstandsontvangers Utrecht810
Werkende armen Den Haag67
Niet-arme werkenden Den Haag55

Net als voor het gebruik van bijstand is ook in deze figuren te zien dat voor de meeste onderzoeksgroepen geldt dat buren gemiddeld vaker langdurig bijstand ontvangen dan familieleden. Ook zijn hier de eerder gevonden patronen zichtbaar. Zo zijn er tussen de bijstandsontvangers in de verschillende steden enkel kleine verschillen wat betreft het familienetwerk te zien. Bij buren zijn er grotere verschillen te zien, waarbij de buren van bijstandsontvangers in Den Haag en Rotterdam vaker langdurig bijstand ontvangen in vergelijking met Amsterdam en Utrecht. Opnieuw zijn de percentages in de netwerken van Haagse bijstandsontvangers voor beiden periodes hoger dan de percentages in de netwerken van de Haagse arme werkenden en niet-arme werkenden. Bij de Haagse bijstandsontvangers ontvangt respectievelijk 10 en 13 procent van hun familieleden en buren 4 jaar of langer bijstand. Voor de arme werkenden in Den Haag gaat het om respectievelijk 6 en 7 procent en voor de niet-arme werkenden om respectievelijk 5 en 5 procent. 

Naast bijstand is er in dit onderzoek gekeken naar nog twee voorzieningen, namelijk het gebruik van een arbeidsongeschiktheidsuitkering (AO) en een werkloosheidsuitkering (WW) onder netwerkleden. Voor beide kenmerken geldt dat deze voor alle onderzoeksgroepen in zeer geringe mate voorkomen in het familie- en burennetwerk (2 tot 3 procent voor WW en 6 tot 11 procent voor AO). Tevens bleek dat er voor deze kenmerken geen grote verschillen zichtbaar waren tussen de onderzoeksgroepen. 

Zorg

Het laatste onderzochte thema betreft zorg. Daarbij is gekeken naar de aanwezigheid van gezondheidsproblemen en het gebruik van jeugdzorg onder familieleden en buren in de verschillende groepen. 

Uit de bijstandsmonitor blijkt dat op 1 januari 2019 54 procent van de Haagse bijstandsontvangers gezondheidsproblemen had. Het huidige onderzoek richt zich op de aanwezigheid van gezondheidsproblemen onder familieleden en buren van deze groep en de vergelijksgroepen. Figuur 3.3.8 wijkt op sommige vlakken af van de eerdere resultaten in dit hoofdstuk. Zo zijn grotere verschillen te zien tussen de familieleden van de groepen bijstandsontvangers in de G4. Een vergelijkbaar patroon is zichtbaar bij de buren. De groep Haagse bijstandsontvangers heeft het hoogste percentage gezondheidsproblemen in het potentiële persoonsnetwerk, gevolgd door de bijstandsontvangers uit Rotterdam, Utrecht en Amsterdam. Zo heeft 30 procent van de familieleden van bijstandsontvangers in Den Haag gezondheidsproblemen tegenover 26 procent in Amsterdam en Utrecht. 

3.3.8 Gezondheidsproblemen in het familie- en burennetwerk, 2018
 Familieleden (%)Buren (%)
Bijstandsontvangers Den Haag3034
Bijstandsontvangers Amsterdam2628
Bijstandsontvangers Rotterdam2732
Bijstandsontvangers Utrecht2630
Werkende armen Den Haag2727
Niet-arme werkenden Den Haag2726

Bij een vergelijking van de Haagse onderzoeksgroepen valt voor het familienetwerk op dat de verschillen minder fors zijn dan in eerdere figuren. Er is nog steeds te zien dat de Haagse bijstandsontvangers vaker familieleden met gezondheidsproblemen hebben in vergelijking met de werkende armen en niet-arme werkenden in Den Haag, maar de verschillen zijn minder groot. Voor het burennetwerk zijn er grotere verschillen tussen de Haagse onderzoeksgroepen. Zo heeft 34 procent van de buren van Haagse bijstandsontvangers gezondheidsproblemen tegenover 27 en 26 procent voor respectievelijk werkende armen en niet-arme werkenden in Den Haag.

Ook Figuur 3.3.9 wijkt in enige mate af van de patronen bij de eerdere thema’s. In deze analyse zijn alleen netwerkleden meegenomen met een leeftijd onder 23 jaar (zie ook Bijlage C). Jeugdzorg komt het vaakst voor bij familieleden en buren van bijstandsontvangers uit Utrecht (17 procent van de familieleden en 18 procent van de buren). Onder Haagse bijstandsontvangers ontvangt 15 procent van de familieleden en 12 procent van de buren jeugdzorg. Het patroon tussen de verschillende Haagse onderzoeksgroepen is vergelijkbaar met eerdere figuren. Jeugdzorg komt het vaakst voor in de persoonsnetwerken van de Haagse bijstandsontvangers en het minst vaak voor onder de Haagse werkenden die niet arm zijn.

3.3.9 Jeugdzorg in het familie- en burennetwerk, 2018
 Familieleden (%)Buren (%)
Bijstandsontvangers Den Haag1512
Bijstandsontvangers Amsterdam1312
Bijstandsontvangers Rotterdam1514
Bijstandsontvangers Utrecht1718
Werkende armen Den Haag1110
Niet-arme werkenden Den Haag109

2) Als er meer huishoudens op een gelijke afstand van de persoon op positie tien liggen, dan wordt het gewenste aantal huishoudens willekeurig gekozen uit de huishoudens die op positie tien liggen.
3) Veranderingen in het familienetwerk na verloop van tijd kunnen onder andere ontstaan door geboortes en overlijdens in de familie, maar ook wanneer familieleden verhuizen naar het buitenland. Veranderingen in het burennetwerk kunnen bijvoorbeeld het gevolg zijn van verhuizingen van de persoon zelf of van de buren. Daarnaast kan de huishoudenssamenstelling van de buren veranderen door bijvoorbeeld geboortes, overlijdens, of samenwonen. De verwachting is dat het familie- en burennetwerk voor het gros van de personen redelijk stabiel is over de tijd. 
4) De bijstandsmonitor laat zien dat op 1 januari 2019 83 procent van de bijstandsontvangers in Den Haag een lage HCI had. Ter vergelijking: in 2018 had circa 50 procent van de Nederlandse bevolking een lage HCI.

4. Verdiepende analyses rondom armoede in het familienetwerk

4.1 Inleiding

Eén van de opvallendste bevindingen uit het vorige hoofdstuk is dat Haagse bijstandsontvangers vaak te maken hebben met een arm familienetwerk: gemiddeld is bijna een kwart (23 procent) van de familieleden arm. Dit is een stuk hoger in vergelijking met de familieleden van Haagse werkende armen (16 procent) en niet-arme werkenden (13 procent). In dit hoofdstuk wordt armoede in het familienetwerk daarom op twee manier verder onderzocht. Ten eerste worden verschillen tussen wijken in Den Haag geografisch inzichtelijk gemaakt. Ten tweede wordt een verkennende analyse uitgevoerd naar het type familielid binnen het familienetwerk. Dit wordt visueel weergegeven door middel van een stamboom. Ook wordt kort ingegaan op verschillen in gezondheidsproblemen, omdat dit bij de gemeente Den Haag momenteel veel aandacht krijgt in relatie tot bijstand. 

4.2 Verschillen tussen wijken

Uit hoofdstuk 3 blijkt dat armoede 1,5 tot 2 keer zo vaak voorkomt in de familienetwerken van Haagse bijstandsontvangers dan in de netwerken van werkende armen en overige werkenden. Een interessante vervolgvraag is of dit tussen wijken verschilt. Zijn er bijvoorbeeld wijken waar bijstandsontvangers veel meer armoede in hun familienetwerk hebben? En hoe zit dit bij de arme werkenden en niet-arme werkenden? 

Figuren 4.2.1, 4.2.2 en 4.2.3 geven de verdeling weer van het gemiddelde percentage armoede in het familienetwerk van respectievelijk Haagse bijstandsontvangers, Haagse arme werkenden en Haagse niet-arme werkenden.

Figuur 4.2.1 laat zien dat het gemiddelde percentage familieleden met armoede verschilt tussen bijstandsontvangers die in verschillende wijken in Den Haag wonen. Hoe donkerder blauw de wijk op de kaart kleurt, hoe vaker er armoede voorkomt onder de familieleden van de bijstandsontvangers in die wijk. Het hoogste percentage bijstandsontvangers met arme familieleden komt voor in Binckhorst, daar is gemiddeld 29 procent van de familieleden van bijstandsontvangers arm. Ook in de Schildersbuurt, Moerwijk en Transvaalkwartier komt relatief veel armoede voor onder de familieleden van bijstandsontvangers. Dit is beduidend minder vaak het geval in Bomen- en Bloemenbuurt, Vruchtenbuurt en Archipelbuurt. Het laagste percentage komt voor in de Archipelbuurt, waar 11 procent van de familieleden van bijstandsontvangers arm is. De mate waarin bijstandsontvangers een arm familienetwerk hebben verschilt dus sterk tussen Haagse wijken. 

4.2.1 Armoede in het familienetwerk van Haagse bijstandsontvangers, 2018
WijkArmoede (%)
Wijk 02 Belgisch Park18
Wijk 03 Westbroekpark en Duttendel
Wijk 04 Benoordenhout
Wijk 05 Archipelbuurt11
Wijk 06 Van Stolkpark en Scheveningse Bosjes
Wijk 07 Scheveningen18
Wijk 08 Duindorp19
Wijk 09 Geuzen- en Statenkwartier19
Wijk 10 Zorgvliet
Wijk 11 Duinoord16
Wijk 12 Bomen- en Bloemenbuurt13
Wijk 13 Vogelwijk
Wijk 14 Bohemen en Meer en Bos
Wijk 15 Kijkduin en Ockenburgh
Wijk 16 Kraayenstein en Vroondaal17
Wijk 17 Loosduinen19
Wijk 18 Waldeck20
Wijk 19 Vruchtenbuurt13
Wijk 20 Valkenboskwartier19
Wijk 21 Regentessekwartier21
Wijk 22 Zeeheldenkwartier18
Wijk 23 Willemspark
Wijk 24 Haagse Bos
Wijk 25 Mariahoeve en Marlot23
Wijk 26 Bezuidenhout21
Wijk 27 Stationsbuurt24
Wijk 28 Centrum22
Wijk 29 Schildersbuurt27
Wijk 30 Transvaalkwartier25
Wijk 31 Rustenburg en Oostbroek19
Wijk 32 Leyenburg18
Wijk 33 Bouwlust en Vrederust24
Wijk 34 Morgenstond24
Wijk 35 Zuiderpark
Wijk 36 Moerwijk26
Wijk 37 Groente- en Fruitmarkt23
Wijk 38 Laakkwartier en Spoorwijk24
Wijk 39 Binckhorst29
Wijk 40 Wateringse Veld23
Wijk 41 Hoornwijk
Wijk 42 Ypenburg23
Wijk 44 Leidschenveen21

Ook bij familieleden van werkende armen zijn er verschillen tussen de wijken zichtbaar. Figuur 4.2.2 laat zien dat de werkende armen met de hoogste percentages arme familieleden in Transvaalkwartier, Groente- en Fruitmarkt en Moerwijk wonen (respectievelijk 24, 27 en 27 procent). De laagste percentages komen voor in Benoordenhout (3 procent) en Duinoord (7 procent). Opnieuw zijn er dus grote verschillen tussen wijken. Het verschil tussen het laagste en het hoogste aandeel arme familieleden is tussen wijken zelfs groter bij de groep werkende armen in vergelijking met de groep bijstandsontvangers. 

4.2.2 Armoede in het familienetwerk van Haagse werkende armen, 2018
WijkArmoede (%)
Wijk 02 Belgisch Park10
Wijk 03 Westbroekpark en Duttendel
Wijk 04 Benoordenhout3
Wijk 05 Archipelbuurt8
Wijk 06 Van Stolkpark en Scheveningse Bosjes
Wijk 07 Scheveningen10
Wijk 08 Duindorp12
Wijk 09 Geuzen- en Statenkwartier8
Wijk 10 Zorgvliet
Wijk 11 Duinoord7
Wijk 12 Bomen- en Bloemenbuurt9
Wijk 13 Vogelwijk
Wijk 14 Bohemen en Meer en Bos
Wijk 15 Kijkduin en Ockenburgh
Wijk 16 Kraayenstein en Vroondaal
Wijk 17 Loosduinen12
Wijk 18 Waldeck17
Wijk 19 Vruchtenbuurt8
Wijk 20 Valkenboskwartier12
Wijk 21 Regentessekwartier10
Wijk 22 Zeeheldenkwartier9
Wijk 23 Willemspark
Wijk 24 Haagse Bos
Wijk 25 Mariahoeve en Marlot18
Wijk 26 Bezuidenhout10
Wijk 27 Stationsbuurt16
Wijk 28 Centrum13
Wijk 29 Schildersbuurt23
Wijk 30 Transvaalkwartier24
Wijk 31 Rustenburg en Oostbroek18
Wijk 32 Leyenburg13
Wijk 33 Bouwlust en Vrederust21
Wijk 34 Morgenstond22
Wijk 35 Zuiderpark
Wijk 36 Moerwijk27
Wijk 37 Groente- en Fruitmarkt27
Wijk 38 Laakkwartier en Spoorwijk21
Wijk 39 Binckhorst
Wijk 40 Wateringse Veld18
Wijk 41 Hoornwijk
Wijk 42 Ypenburg16
Wijk 43 Forepark
Wijk 44 Leidschenveen15

Het patroon in figuur 4.2.3 is niet anders dan dat in de vorige twee figuren. Er zijn forse verschillen tussen wijken. Het percentage armen in het familienetwerk van niet-arme werkenden is het laagst in Benoordenhout en de Vogelwijk (beiden 4 procent) en het hoogst in de Schildersbuurt (21 procent). Dit betekent dat werkenden die niet arm zijn in de Schildersbuurt gemiddeld genomen nog altijd een hoger aandeel arme familieleden hebben dan bijstandsontvangers in de Archipelbuurt. 

4.2.3 Armoede in het familienetwerk van Haagse niet-arme werkenden, 2018
WijkArmoede (%)
Wijk 02 Belgisch Park7
Wijk 03 Westbroekpark en Duttendel
Wijk 04 Benoordenhout4
Wijk 05 Archipelbuurt5
Wijk 06 Van Stolkpark en Scheveningse Bosjes
Wijk 07 Scheveningen8
Wijk 08 Duindorp10
Wijk 09 Geuzen- en Statenkwartier7
Wijk 10 Zorgvliet
Wijk 11 Duinoord6
Wijk 12 Bomen- en Bloemenbuurt6
Wijk 13 Vogelwijk4
Wijk 14 Bohemen en Meer en Bos5
Wijk 15 Kijkduin en Ockenburgh
Wijk 16 Kraayenstein en Vroondaal10
Wijk 17 Loosduinen10
Wijk 18 Waldeck11
Wijk 19 Vruchtenbuurt6
Wijk 20 Valkenboskwartier10
Wijk 21 Regentessekwartier11
Wijk 22 Zeeheldenkwartier9
Wijk 23 Willemspark6
Wijk 24 Haagse Bos
Wijk 25 Mariahoeve en Marlot13
Wijk 26 Bezuidenhout8
Wijk 27 Stationsbuurt16
Wijk 28 Centrum13
Wijk 29 Schildersbuurt21
Wijk 30 Transvaalkwartier17
Wijk 31 Rustenburg en Oostbroek14
Wijk 32 Leyenburg12
Wijk 33 Bouwlust en Vrederust19
Wijk 34 Morgenstond17
Wijk 35 Zuiderpark
Wijk 36 Moerwijk20
Wijk 37 Groente- en Fruitmarkt17
Wijk 38 Laakkwartier en Spoorwijk17
Wijk 39 Binckhorst
Wijk 40 Wateringse Veld14
Wijk 41 Hoornwijk
Wijk 42 Ypenburg12
Wijk 43 Forepark
Wijk 44 Leidschenveen11

Naast de verschillen tussen wijken in de drie kaarten, zijn er ook duidelijke overeenkomsten tussen de drie kaarten zichtbaar. Figuur 4.2.1 geeft de donkerste uitstraling, gevolgd door figuur 4.2.2 en figuur 4.2.3. Dit laat zien wat eerder in hoofdstuk 2 al benoemd is: wanneer de drie Haagse onderzoeksgroepen worden vergeleken komt armoede gemiddeld gezien het vaakst voor in het familienetwerk van de bijstandsontvangers gevolgd door de arme werkenden en vervolgens de niet-arme werkenden. Wanneer de verschillende onderzoeksgroepen met elkaar worden vergeleken is het hoogste gemiddelde percentage arme familieleden over het algemeen terug te zien in dezelfde wijken. 

Naast armoede is ook onderzocht of het aandeel familieleden met gezondheidsproblemen voor de Haagse onderzoeksgroepen verschilt over de wijken. Uit deze analyse kwamen voor alle drie de onderzoeksgroepen geen grote verschillen tussen de wijken naar voren. Dit betekent dat bijstandsontvangers in de verschillende wijken van Den Haag gemiddeld ongeveer eenzelfde percentage familieleden met gezondheidsproblemen hebben. Hetzelfde is het geval voor de Haagse werkenden die al dan niet arm zijn. 

4.3 Armoede per type familielid

Om nog meer inzicht te krijgen in de aanwezigheid van armoede in het familienetwerk van bijstandsontvangers is een verkennende analyse uitgevoerd waarin de vraag centraal staat of armoede even vaak voorkomt onder verschillende typen familieleden. Zijn het bijvoorbeeld vooral de familieleden die dichtbij staan (denk aan ouders of kinderen) die vaker arm zijn? 

De volgende typen familieleden zijn hierbij onderzocht: 

  • uitwonende kinderen;
  • ouders;
  • grootouders;
  • zussen en broers;
  • tantes en ooms (broers en zussen van ouders);
  • nicht en neef (zowel kinderen van zussen en broers als kinderen van tantes en ooms). 

Familieleden die in hetzelfde huishouden wonen als een persoon worden niet meegenomen in het familienetwerk, omdat hun sociaaleconomische situatie (zoals armoede) vaak vergelijkbaar is (zie ook Bijlage B). 

Niet voor iedereen kan elk type familielid in kaart worden gebracht. Sommige familieleden zijn bijvoorbeeld niet aanwezig (bijv. iemand heeft geen kinderen of geen broers of zussen), zijn overleden of wonen in het buitenland. Tabel 4.3.1 geeft aan hoe vaak een bepaalde familierelatie voorkomt in de drie onderzoeksgroepen en wat de gemiddelde leeftijd dan is. Relaties met ouders, zussen/broers en nichten/neven (kinderen van zussen/broers) komen het vaakst voor. Grootouderrelaties komen het minst voor. De leeftijd van de verschillende typen relaties verschilt sterk tussen generaties. De grootouders zijn het oudst, en de kinderen en nichten/neven (kinderen van broers/zussen) het jongst. Tante en ooms zijn gemiddeld iets jonger dan ouders. Ook is te zien dat nichten en neven (kinderen van tantes en ooms) gemiddeld iets jonger zijn dan broers en zussen. Kinderen van broers en zussen zijn over het algemeen ook wat jonger dan de eigen kinderen van de onderzoeksgroepen.5) 

4.3.1 Aanwezigheid en leeftijd van familieleden, 1 oktober 2018
Aanwezigheid (minimaal
1 contact)
Leeftijd van contacten
%gemiddelde
Type familielidHaagse onderzoeksgroepen
GrootouderBijstandsontvangers980
GrootouderWerkende armen1481
GrootouderNiet-arme werkenden982
OuderBijstandsontvangers3767
OuderWerkende armen4465
OuderNiet-arme werkenden4169
Tante/oomBijstandsontvangers2563
Tante/oomWerkende armen3361
Tante/oomNiet-arme werkenden2764
Zus/broerBijstandsontvangers4943
Zus/broerWerkende armen5039
Zus/broerNiet-arme werkenden5144
Nicht/neef (kind van tante/oom)Bijstandsontvangers2637
Nicht/neef (kind van tante/oom)Werkende armen3334
Nicht/neef (kind van tante/oom)Niet-arme werkenden2837
Uitwonend kindBijstandsontvangers3526
Uitwonend kindWerkende armen1723
Uitwonend kindNiet-arme werkenden2425
Nicht/neef (kind van zus/broer)Bijstandsontvangers4018
Nicht/neef (kind van zus/broer)Werkende armen3615
Nicht/neef (kind van zus/broer)Niet-arme werkenden4018

Het is bekend dat armoede samenhangt met leeftijd. Ouderen boven de AOW-leeftijd hebben bijvoorbeeld minder vaak een inkomen boven het sociaal minimum.6) Dit heeft er onder andere mee te maken dat het sociaal minimum tot aan de AOW-leeftijd wordt gebaseerd op de hoogte van de bijstandsuitkering en vanaf de AOW-leeftijd op de hoogte van de AOW-uitkering. Bij het interpreteren van deze resultaten is het daarom zinvol om familierelaties met een vergelijkbare leeftijd naast elkaar te zetten (bijv. ouders vergelijken met ooms en tantes, en niet met neven en nichten).

Deze familiestructuur voor Haagse bijstandsontvangers is door middel van een stamboom weergegeven in figuur 4.3.2. De figuur laat zien dat 64 procent van de bijstandsontvangers in armoede leeft; niet alle bijstandsontvangers zijn dus arm.7) Naast dat armoede vaker voorkomt onder oudere familieleden valt ook een ander patroon op: relaties die dichterbij de persoon zelf staan kennen een hoger percentage armoede. Zo is gemiddeld 45 procent van de ouders van bijstandsontvangers arm, terwijl gemiddeld 22 procent van de tantes en ooms arm is (familierelaties in een vergelijkbare leeftijdscategorie). Van de broers en zussen van Haagse bijstandsontvangers is 23 procent arm, terwijl 13 procent van hun nichten en neven armoede kent. Ook de kinderen van Haagse bijstandsontvangers zijn iets vaker arm in vergelijking met de kinderen van hun broers of zussen. 

4.3.2 Armoede onder verschillende typen familierelaties van Haagse bijstandsontvangers, 2018grootouders tante/oom nicht/neef zus/broer nicht/neef zelf kind ouders 45% 22% 45% 23% 64% 13% 20% 23%grootouderstante/oomnicht/neefzus/broernicht/neefzelfkindouders45%22%45%23%64%13%20%23%

Figuren 4.3.3. en 4.3.4 laten de resultaten voor de werkende armen en niet-arme werkenden zien. Om te bepalen of werkenden arm zijn is gekeken of het inkomen onder het beleidsmatig minimum ligt. Om te bepalen of er sprake is van armoede wordt daarnaast een vermogensgrens toegepast. Personen en netwerkleden met een vermogen boven de vermogensgrens leven volgens dit onderzoek niet in armoede. Bij de groep werkende armen is te zien dat 58 procent van de werkende armen zelf in armoede leeft. Bij familieleden van werkende (niet-) armen zijn dezelfde patronen in de figuren zichtbaar als voor bijstandsontvangers: ouders zijn gemiddeld vaker arm dan tantes en ooms, zussen en broers zijn gemiddeld vaker arm dan nichten en neven, en eigen kinderen kennen vaker armoede in vergelijking met de kinderen van hun broers of zussen. Bij de groep niet-arme werkenden zijn de verschillen tussen familieleden wel minder groot, met uitzondering van ouders en tantes en ooms. Bij deze leeftijdsgroep speelt mogelijk ook de AOW-leeftijdgrens. 

4.3.3 Armoede onder verschillende typen familierelaties van Haagse werkende armen, 2018 grootouders tante/oom nicht/neef zus/broer nicht/neef zelf kind ouders 33% 14% 28% 14% 58% 9% 14% 19%4.3.3 Armoede onder verschillende typen familierelaties van Haagse werkende armen, 2018grootouderstante/oomnicht/neefzus/broernicht/neefzelfkindouders33%14%28%14%58%9%14%19%

4.3.4 Armoede onder verschillende typen familierelaties van Haagsegrootouders tante/oom nicht/neef zus/broer nicht/neef zelf kind ouders 36% 13% 27% 11% 0% 8% 10% 12%grootouderstante/oomnicht/neefzus/broernicht/neefzelfkindouders36%13%27%11%0%8%10%12%

Wanneer een vergelijking wordt gemaakt tussen de stamboom van Haagse bijstandsontvangers (figuur 4.3.2) en die van de twee vergelijkingsgroepen (figuren 4.3.3 en 4.3.4) valt op dat voor elk type familierelatie geldt dat het percentage armoede hoger ligt bij de groep bijstandsontvangers. Armoede lijkt dus in de bredere familie van bijstandsontvangers te spelen. Dit onderstreept het belang om te kijken naar het bredere familienetwerk, en niet enkel naar de directe relatie tussen ouders en kinderen oftewel intergenerationele armoede. Daarnaast komt armoede bij bijna elk type familierelatie vaker voor bij werkende armen in vergelijking met de groep niet-arme werkenden (met uitzondering van grootouders). 

Het grootste absolute verschil in percentages tussen de vergelijkingsgroepen is te zien bij de ouders: gemiddeld kent 45 procent van de ouders van Haagse bijstandsontvangers armoede, terwijl dit bij de vergelijkingsgroepen rond de 27-28 procent ligt. Bij de zussen en broers, kinderen en nichten en neven (hier: kinderen van zussen en broers) is daarnaast te zien dat armoede ongeveer twee keer zo vaak voorkomt bij de familieleden van bijstandsontvangers in vergelijking met de familieleden van niet-arme werkenden. De groep werkende armen ligt tussen deze beide groepen in. Bij de andere type familierelaties zijn ook verschillen te zien tussen de groepen, maar zijn deze minder groot. 

4.4 Gezondheidsproblemen per type familielid

Een vergelijkbare verkennende analyse is uitgevoerd voor gezondheidsproblemen binnen het brede familienetwerk. Paragraaf 3.3 liet zien dat 30 procent van de familieleden van Haagse bijstandsontvangers gezondheidsproblemen heeft tegenover 27 procent van de familieleden van werkende (niet-) armen in Den Haag. Bij bijstandsontvangers in Amsterdam, Utrecht en Rotterdam ligt dit ook rond de 26-27 procent.

54 procent van de Haagse bijstandsontvangers heeft zelf gezondheidsproblemen (zie ook Bijstandsmonitor Den Haag). Figuur 4.4.1 geeft daarnaast de aanwezigheid van gezondheidsproblemen per type familierelatie weer voor de Haagse bijstandsontvangers. Hier zijn vergelijkbare patronen in de stamboom te zien als bij armoede in de vorige paragraaf. Gezondheidsproblemen komen vaker voor bij de oudere generaties en bij de jongste generatie ligt dit het laagst. Ook hier kennen relaties die dichterbij de persoon zelf staan een hoger percentage gezondheidsproblemen. De verschillen met twee vergelijkingsgroepen werkende (niet-) armen zijn echter veel minder groot dan in analyse omtrent armoede. De percentages in de Haagse vergelijkingsgroepen liggen telkens een paar procentpunten lager.

4.4.1 Gezondheidsproblemen onder verschillende typen familierelaties van Haagse bijstandsontvangers, 2018 grootouders tante/oom nicht/neef zus/broer nicht/neef zelf kind ouders 74% 52% 65% 36% 54% 25% 14% 23%4.4.1 Gezondheidsproblemen onder verschillende typen familierelaties van Haagse bijstandsontvangers, 2018grootouderstante/oomnicht/neefzus/broernicht/neefzelfkindouders74%52%65%36%54%25%14%23%

Ten slotte is een vergelijking gemaakt met de bijstandsontvangers in de andere steden in de G4. Gezondheidsproblemen bij familieleden van deze vergelijkingsgroepen komen in vergelijking met de Haagse bijstandsontvangers bij elk type familielid ook iets minder vaak voor. Dit verschil is bij elk type minder dan 5 procentpunt.

5) Mogelijk is dit het gevolg van het enkel meenemen van uitwonende kinderen van bijstandsontvangers, terwijl voor broers en zussen van bijstandsontvangers alle kinderen meegenomen zijn. Dit is niet verder onderzocht.
6) Zie bijvoorbeeld Statline tabel over laag en langdurig laag inkomen van personen.
7) Onderzoek van het Sociaal Planbureau (SCP) laat ook zien dat niet alle bijstandsontvangers arm zijn. Het SCP noemt het ontvangen van verschillende toeslagen en de algemene heffingskorting als verklaringen hiervoor. Ook in het huidige onderzoek tellen toeslagen en heffingskortingen mee in de bepaling van het jaarinkomen. Daarnaast kunnen bijstandsontvangers (bepaald op peilmoment 1 oktober 2018) op een later moment in het jaar wel werk hebben gehad, waardoor het jaarinkomen hoger ligt.

5. Conclusie

Middels een beschrijvende netwerkanalyse is onderzoek gedaan naar de kwetsbaarheid van de sociale omgeving van bijstandsontvangers in Den Haag. De kenmerken van de bredere familie en meest dichtstbijzijnde buren van Haagse bijstandsontvangers zijn in kaart gebracht en vergeleken met de kenmerken van de sociale omgeving van vergelijkingsgroepen: enerzijds de Amsterdamse, Rotterdamse en Utrechtse bijstandsontvangers en anderzijds de Haagse al dan niet arme werkenden. 

De resultaten laten voor alle kenmerken, met name op sociaaleconomisch gebied en op het gebied van voorzieningengebruik, zien dat de sociale omgeving van Haagse bijstandsontvangers ten opzichte van al dan niet werkende armen in Den Haag vaker kwetsbaar is. Met name bij de aanwezigheid van armoede zijn grote verschillen te zien tussen deze groepen. Ook zijn de meest dichtstbijzijnde buren van deze onderzoeksgroepen over het algemeen vaker kwetsbaar dan familieleden. 

Verder zijn er tussen de familieleden van de bijstandsontvangers uit de verschillende steden in de G4, behalve op het thema zorg, alleen minieme verschillen te zien. In het burennetwerk zijn wel verschillen zichtbaar. Buren van bijstandsontvangers uit Den Haag en Rotterdam zijn over het algemeen kwetsbaarder dan buren van bijstandsontvangers uit Amsterdam en Utrecht. De groep Haagse bijstandsontvangers heeft gemiddeld wat vaker buren en familieleden met gezondheidsproblemen, gevolgd door de bijstandsontvangers uit Rotterdam, Utrecht en Amsterdam.

Voor de Haagse onderzoeksgroepen verschilt het gemiddelde percentage arme familieleden tussen wijken. De familieleden van bijstandsontvangers in sommige Haagse wijken zijn dus armer dan familieleden van bijstandsontvangers in andere wijken. Bij het percentage gezondheidsproblemen onder familieleden zijn juist geen verschillen te zien tussen wijken. Verder blijkt uit een verkennende analyse dat armoede onder elk type familielid van bijstandsontvangers vaker voorkomt dan bij de al dan niet werkende armen. Het lijkt dus relevant om naar het bredere familienetwerk te kijken en niet alleen naar ouders en kinderen (intergenerationele armoede). Daarnaast komt armoede vaker voor onder relaties die dichter bij een persoon staan, zoals ouders en broers/zussen, ten opzichte van tantes/ooms en neven/nichten. 

De groep Haagse bijstandsontvangers is mogelijk een diverse groep: niet alleen verschillen zij in de duur van de bijstand, maar ook in de mate waarin gezondheidsproblemen een rol spelen. De mate van kwetsbaarheid van de sociale omgeving binnen de groep bijstandsontvangers kan daarom verschillen. Dit kan mogelijk in een vervolgonderzoek verder onderzocht worden.

Referenties

Bakker, B.F.M., J. van Rooijen en L. van Toor (2014). The system of social statistical datasets of Statistics Netherlands: An integral approach to the production of register-based social statistics. Statistical Journal of the IAOS, 30(4), 411-424.

 

Boschman, S., I. Maas, M. Kristiansen, en C. Vrooman (2019). The reproduction of benefit receipt: Disentangling the intergenerational transmission. Social Science Research, 80, 51-65.

 

Dahl, G.B., Kostøl, A.R., en M. Mogstad (2014). Family welfare cultures. The Quarterly Journal of Economics, 129(4), 1711-1752.

 

Granovetter, M. S. (1973). The strength of weak ties. American Journal of Sociology, 78(6), 1360-1380.

 

Kristiansen, M. (2021). Contacts with benefits. How social networks affect benefit receipt dynamics in the Netherlands. Utrecht: Proefschrift ICS, Universiteit Utrecht.

 

McKenzie, K., R. Whitley en S. Weich (2002). Social capital and mental health. British Journal of Psychiatry, 181, 280-283.

 

Portes, A. (1998). Social capital: it’s origins and applications in modern sociology. Annual Review of Sociology, 24, 1-24.

 

Rosenbaum, P. en D. Rubin (1983). The central role of propensity score in observational studies for causal effects. Biometrika, 70(1), 41-55. 

Bijlage A: Matchen vergelijkingsgroep niet-arme werkenden Den Haag

In dit onderzoek wordt onderzocht in hoeverre bijstandsontvangers in Den Haag andere persoonsnetwerken hebben dan personen in vijf vergelijkingsgroepen. In hoofdstuk 2 kwam naar voren dat de vergelijkingsgroep bestaande uit niet-arme werkenden in Den Haag (206 350 personen) op belangrijke achtergrondkenmerken verschilt van bijstandsontvangers in Den Haag. Zo laat hoofdstuk 2 zien dat niet-arme werkenden statistisch significant vaker mannen zijn en minder vaak een leeftijd boven de 50 jaar hebben. Ook zijn dit significant minder vaak personen die in het buitenland zijn geboren (eerste generatie migratieachtergrond). Verder betreft de huishoudenssituatie duidelijk vaker een samenwonend paar (met of zonder kinderen). Deze initiële demografische verschillen kunnen van invloed zijn op de kwetsbaarheid van hun sociale omgeving.

Voor een goede vergelijking van de persoonsnetwerken van bijstandsontvangers en niet-arme werkenden in Den Haag moet voor deze demografische verschillen worden gecorrigeerd. Zonder correctie kan er mogelijk onterecht geconcludeerd worden dat er verschillen bestaan in de persoonsnetwerken tussen beide groepen, terwijl deze verschillen eigenlijk komen doordat de groep niet-arme werkenden vaker man is, minder vaak een (eerste generatie) migratieachtergrond heeft, jonger is, en een andere huishoudenssituatie heeft. Met andere woorden, er is een vergelijkingsgroep nodig van werkenden die niet arm zijn die wat betreft de opbouw van geslacht, leeftijd, herkomst en huishoudenssituatie vergelijkbaar is met de groep Haagse bijstandsontvangers. Dit zorgt voor een meer zuivere vergelijking tussen die twee groepen. 

Om dit te kunnen realiseren is gebruik gemaakt van propensity score matching (Rosenbaum en Rubin, 1983). Met deze statistische techniek is een groep werkenden die niet arm zijn in Den Haag gemaakt die vergelijkbaar is met de groep Haagse bijstandsontvangers wat betreft geslacht, leeftijd, herkomst en huishoudenssituatie. Meer specifiek is gebruikt gemaakt van de nearest neighbour-methode en is als verhouding 1 op 1 aangehouden. Deze verhouding is gekozen, omdat dit de enige verhouding was waarop de (vergelijkings)groep niet significant verschilt van de focusgroep: de bijstandsontvangers in Den Haag. Het resultaat is dat een groep van 27 860 niet-arme werkenden in Den Haag is geselecteerd die niet van de Haagse bijstandsontvangers verschillen wat betreft opbouw van geslacht, leeftijd, herkomst en huishoudenssituatie. 

A.1 Aantal bijstandsontvangers en niet-arme werkenden in Den Haag, 2018
OnderzoeksgroepAantal personen
Bijstandsontvangers in Den HaagPopulatie27 860
Niet-arme werkenden in Den HaagPopulatie206 350
Niet-arme werkenden in Den HaagSteekproef27 860

Bijlage B: Netwerkanalyse

In deze bijlage wordt beschreven hoe de persoonsnetwerken van de onderzoeksgroepen zijn afgeleid uit de administratieve bronnen waar het CBS toegang tot heeft. Ook wordt ingegaan op de aanwezigheid van verschillende netwerken en het gebruik van netwerkgemiddeldes. Tenslotte wordt kort het verschil tussen samenhang en causaliteit beschreven. 

Doel van een netwerkanalyse

Middels een netwerkanalyse worden de potentiële contacten en de kenmerken van deze contacten van een bepaalde persoon in kaart gebracht. Hierdoor kan meer inzicht worden verkregen in de sociale omgeving van bijstandsontvangers in de gemeente Den Haag. 

Om de netwerken in kaart te brengen is gebruik gemaakt van gegevens uit het Stelsel van Sociaal-Statistische Bestanden (SSB) (Bakker et al., 2014). Dit stelsel van bestanden bevat tabellen met informatie uit administratieve bronnen die het CBS ontvangt voor wetenschappelijk en statistisch onderzoek. De data bevat geen namen, geen adressen en geen burgerservicenummers. Deze gegevens zijn vervangen door gepseudonimiseerde koppelsleutels, die buiten het SSB geen betekenis hebben. Deze koppelsleutels worden vervolgens gebruikt om gegevens uit verschillende bronnen aan elkaar te verbinden. Individuele personen zijn hierdoor niet direct te identificeren. In de analyses wordt bovendien uitsluitend onderzoek gedaan naar groepen en nooit naar individuele personen. Voor het samenstellen van de persoonsnetwerken is geen gebruik gemaakt van telefoon- of GPS-data of gegevens van sociale media.

De persoonsnetwerken zijn afgeleid voor alle personen in Nederland die op 1 oktober 2018 ingeschreven stonden in de Basisregistratie Personen (BRP). Vervolgens is voor dit onderzoek een selectie gemaakt op de netwerken van (1) bijstandsontvangers in de gemeenten Amsterdam, Den Haag, Utrecht en Rotterdam en (2) werkende armen en niet-arme werkenden in de gemeente Den Haag. In het persoonsnetwerk van de geselecteerde groepen kunnen ook contacten voorkomen die niet in Den Haag of de G4 wonen of zelf niet arm zijn of geen bijstand ontvangen. 

Het doel van een netwerkanalyse is om een zo compleet mogelijk beeld van de sociale omgeving van personen te krijgen. Met de gegevens uit het SSB kunnen verschillende relaties tussen de personen worden geïdentificeerd. Let wel, het gaat hier om relaties in administratieve bronnen. De gebruikte bronnen zeggen niets over daadwerkelijke contacten. Ook al zijn twee personen volgens de gegevens in het SSB familie van elkaar of werken zij bij hetzelfde bedrijf, dit betekent nog niet dat de personen ook daadwerkelijk (frequent en/of goed) contact hebben. In het meest extreme geval kennen de personen elkaar helemaal niet. Desondanks geven de netwerken die zijn afgeleid een veel uitgebreider beeld van de sociale omgeving van de personen dan bijvoorbeeld een analyse van alleen de geografische omgeving. Ook zullen er relaties ontbreken. Administratieve bronnen registreren bijvoorbeeld geen vrienden van een sportclub of iemand die je via sociale media kent. De hier toegepaste netwerkanalyse is daarom een benadering van de potentiële sociale omgeving van de onderzochte groepen. 

Netwerken

Op basis van de ontwikkelde methode kunnen voor iedere persoon relaties worden afgeleid voor vijf mogelijke typen persoonsnetwerken: 1) familienetwerk, 2) huisgenotennetwerk, 3) burennetwerk, 4) klasgenotennetwerk en 5) collega-netwerk. Dit onderzoek is alleen gericht op het familie- en het burennetwerk. Bijstandsontvangers hebben over het algemeen geen werk en gaan niet naar school, zij zullen daarom ook geen klasgenoten of collega’s hebben. Huisgenoten hebben daarnaast vaak een vergelijkbare sociaaleconomische situatie als de persoon zelf en worden daarom niet meegenomen. Relaties zijn alleen afgeleid als een persoon het gegeven persoonsnetwerk ook heeft. Wanneer familieleden niet ingeschreven staan in het BRP kan het familienetwerk voor deze persoon niet in kaart worden gebracht. Bijna 100 procent van de onderzochte groepen heeft buren. Relaties tussen twee personen kunnen in meer dan één netwerk gevonden worden. Twee buren kunnen bijvoorbeeld ook familieleden zijn. De volgende paragrafen beschrijven in meer detail hoe de relaties voor de familie- en burennetwerken zijn afgeleid.

Familienetwerk

In de BRP wordt vastgelegd wie de ouders van een persoon zijn. Met kennis van deze ouder-kind relaties is het mogelijk om een familienetwerk af te leiden. Relaties van overledenen worden ook gebruikt bij deze afleiding. Op deze manier kunnen bijvoorbeeld broers en zussen geïdentificeerd worden van wie de ouders niet meer leven. In het definitieve familienetwerk worden alleen de relaties opgenomen tussen personen die op 1 oktober 2018 ingeschreven stonden in de BRP. Niet van iedere in Nederland woonachtige persoon is bekend wie zijn of haar ouders zijn. Vooral voor de mensen die geboren zijn voor 1966 wil kennis over de ouders soms ontbreken net als voor mensen die niet zijn geboren in Nederland. Ook als familieleden in het buitenland wonen kunnen zij op basis van de BRP niet in kaart worden gebracht. Van 85 procent van de Nederlandse bevolking is wel bekend wie de ouders zijn. Door deze relatie om te draaien is ook de relatie tussen ouder en kind bekend. Vervolgens is het mogelijk om ook andere familierelaties af te leiden. Voor de andere relaties staan de regels in de tabel hieronder.

B.1 Verschillende type familierelaties
RelatieAfleiding
GrootouderOuder van ouder
KleinkindKind van kind
Zus/broerKinderen van zelfde ouder
Co-ouderOuders van zelfde kind
Tante/oomZus/broer van ouder
Nicht/neefKind van zus/broer
Volle nicht/neefKind van tante/oom

In het onderzoek zijn de familieleden die in hetzelfde huishouden wonen als de persoon niet meegenomen in het familienetwerk, omdat de sociaaleconomische situatie (zoals armoede) vaak vergelijkbaar is. 

Burennetwerk

Door de Basisregistratie Adressen en Gebouwen (BAG) te combineren met de BRP is het mogelijk om aan het gepseudonimiseerde adres waarop iemand staat ingeschreven een locatie, gemeten in Rijksdriehoekscoördinaten, te koppelen. Deze locaties worden gebruikt om het burennetwerk af te leiden. Om te bepalen wie de buren van een persoon zijn, wordt er binnen een straal van 50 meter van die persoon gezocht naar de tien dichtstbijzijnde huishoudens. De leden van deze (maximaal tien) huishoudens zijn de buren van de persoon. Als de persoon zelf lid is van een meerpersoonshuishouden, dan krijgen de leden van zijn of haar huishouden hetzelfde burennetwerk.
Als er meer huishoudens op een gelijke afstand van de persoon op positie tien liggen, dan wordt het gewenste aantal huishoudens willekeurig gekozen uit de huishoudens die op positie tien liggen. Bij het bepalen van de afstand tussen het woonadres van de persoon en de woonadressen van de mogelijke buren, wordt geen rekening gehouden met hoogteverschillen. Personen die in een flat wonen hebben dus als dichtstbij wonende personen de huishoudens die recht onder of recht boven hen wonen.

Institutionele huishoudens (zoals verzorgingshuizen, gevangenissen of andere instellingen) worden anders behandeld vanwege de gemiddelde grootte van deze huishoudens. Institutionele huishoudens zijn doorgaans veel groter dan niet-institutionele huishoudens. Dit zou betekenen dat personen honderden buren hebben indien ze naast een institutioneel huishouden wonen. Wanneer institutionele huishoudens uit meer dan vier personen bestaan, worden deze personen daarom als losse huishoudens gezien.

Het burennetwerk is niet symmetrisch. Dit betekent dat persoon B in het burennetwerk kan voorkomen van persoon A, maar dat persoon A niet hoeft voor te komen in het burennetwerk van persoon B. Dit heeft te maken met de willekeurige selectie als er meerdere huishoudens op positie tien liggen.

Groepsgemiddeldes van netwerkgemiddeldes

Een veelgebruikte statistiek bij het beschrijven van een netwerk is het gemiddelde van een bepaald kenmerk voor alle contacten in het netwerk van een persoon. Een voorbeeld van zo'n netwerkgemiddelde, dat in dit onderzoek wordt gebruikt, is het percentage contacten in een netwerk met langdurige armoede. 

Van dit netwerkgemiddelde kan ook een groepsgemiddelde berekend worden, door de netwerkgemiddeldes van de leden in een groep te middelen. Bij het middelen over de leden van de groep worden alleen de netwerkgemiddeldes geteld van de leden in de groep die dat bepaalde netwerk hebben. Leden zonder dat netwerk worden buiten het middelen gehouden. Voor het berekenen van het percentage familieleden met langdurig armoede zijn dus alleen de personen meegenomen waarvoor het familienetwerk in kaart kan worden gebracht. 

Samenhang en causaliteit

In dit onderzoek is alleen gebruik gemaakt van beschrijvende netwerkanalyses waarin de samenhang tussen kenmerken van een persoon en de kenmerken van de contacten in zijn of haar potentiële sociale omgeving wordt geanalyseerd. Dit onderzoek test geen causale verbanden (oorzaak-gevolg). Mogelijk is er een causaal verband en lopen personen een grotere kans om bijstandsontvanger te worden als zij blootgesteld worden aan bepaalde personen in hun netwerk. Bijvoorbeeld als personen elkaar beïnvloeden of als ouders normen en waarden aan hun kinderen doorgeven via de opvoeding. Maar er kunnen ook andere redenen zijn waardoor problematieken “clusteren” binnen bepaalde groepen, zonder dat er beïnvloeding plaatsvindt. Problematieken kunnen samenhangen met een ander kenmerk waarop mensen gewoonlijk clusteren (zoals schoolniveau of sociaaleconomische positie). Dat heeft dan automatisch ook clustering op problematieken tot gevolg. Om zicht te krijgen op causaliteit, selectie en onderliggende samenhangen met andere kenmerken, is verdiepend onderzoek nodig.

Bijlage C: Operationalisering kenmerken

In deze bijlage wordt toegelicht welke bronnen zijn gebruikt om de achtergrond- en netwerkkenmerken in dit onderzoek in kaart te brengen. Daarnaast wordt besproken hoe de verschillende kenmerken geoperationaliseerd zijn.

Gebruikte bronnen en variabelen

In dit onderzoek is gebruik gemaakt van gegevens uit het Stelsel van Sociaal-Statistische Bestanden (SSB) (Bakker et al., 2014). Het SSB bevat tabellen met informatie uit administratieve bronnen die het CBS ontvangt voor wetenschappelijk en statistisch onderzoek. Onderstaande tabel geeft een overzicht en een korte omschrijving van de gebruikte bronnen uit dit stelsel. Daarnaast wordt aangegeven voor welke variabelen de desbetreffende bron is gebruikt. 

C.1 Overzicht bronnen en variabelen
BronnenBetreffende variabelen
Achtergrondkenmerken
Personen die op 1 oktober 2018 in de
Basis Registratiepersonen (BRP)
staan ingeschreven. De BRP is
een persoonsregistratiesysteem van
de gemeenten.
Geslacht, leeftijd, huishoudenssituatie,
herkomst en woonplaats.
Sociaaleconomische kenmerken
Inkomensgegevens van huishoudens
over 2018. De belangrijkste
dataleverancier is de Belastingdienst.
Armoede en langdurige armoede
Vermogensgegevens van huishoudens
over 2018. De belangrijkste
dataleverancier is de Belastingdienst.
Armoede en langdurige armoede
De belangrijkste sociaaleconomische
categorie van personen op 1 oktober 2018
is een samengestelde bron op basis
van veel verschillende inkomens- en
uitkeringsregistraties.
Werk als voornaamste inkomstenbron
Opleidingsniveaubestand dat is gebaseerd
op gegevens uit diverse registers en het
hoogst behaalde en hoogst gevolgde
opleidingsniveau op 1 oktober 2018
vertegenwoordigt. Deze registratie is niet
compleet.
Hoogst behaalde onderwijsniveau
(onderdeel van HCI)
Verdiende loonbedragen per jaar van
werknemers van 2013 t/m 2017. De
belangrijkste dataleverancier is de
Belastingdienst.
Arbeidsverleden (onderdeel van HCI)
Regelingen en voorzieningen
De belangrijkste sociaaleconomische
categorie van personen op 1 oktober 2018
is een samengestelde bron op basis van
veel verschillende inkomens- en
uitkeringsregistraties.
Bijstand, bijstandsduur,
arbeidsongeschiktheidsuitkering (AO)
en werkloosheidsuitkering (WW)
Zorg
Jeugdzorgtrajecten in 2018 worden
bijeengebracht uit bestanden die door alle
aanbieders van jeugdhulp en de
gecertificeerde instellingen aan CBS worden
geleverd. Gecertificeerde instellingen (GI)
voeren jeugdbeschermingsmaatregelen en
jeugdreclassering uit.
Jeugdzorg
Geneesmiddelenverstrekkingen in 2018
vergoed door de basisverzekering exclusief
verstrekkingen door ziekenhuizen en
verpleeghuizen (AWBZ), inclusief verstrekkingen
door poliklinische ziekenhuisapotheken en
verstrekkingen aan personen in verzorgingshuizen.
De data zijn afkomstig uit de Risicoverevenings-
bestanden van het Zorginstituut Nederland.
Gezondheidsproblemen
Zorgkosten in 2018 van Nederlandse ingezetenen
voor zorg die verzekerd is via de basisregistratie.
De kosten zijn de kosten die daadwerkelijk vergoed
zijn door de zorgverzekeraars. De zorgkosten zijn
inclusief de kosten die vanwege het verplicht
of vrijwillig eigen risico uiteindelijk door de
verzekerden zelf zijn betaald maar exclusief eigen
betalingen. Indien de verzekerde zelf een rekening
heeft ontvangen en deze niet heeft ingediend
bij de verzekering zijn de kosten niet in de cijfers
opgenomen.
Gezondheidsproblemen

Operationalisering van netwerkkenmerken

Hieronder wordt de operationalisering van de gebruikte kenmerken in het onderzoek beschreven. Voor sommige netwerkkenmerken zijn leeftijdsselecties gemaakt, omdat ze alleen betrekking hebben op een bepaalde populatie. Werkgerelateerde kenmerken zijn over het algemeen alleen relevant voor volwassenen die de AOW-leeftijd (in 2018 was dit 66 jaar) nog niet hebben bereikt. Ook zijn er factoren die alleen voor jongeren in kaart kunnen worden gebracht, zoals jeugdzorg. Deze selecties zijn per kenmerk benoemd.

Armoede
Inkomen onder 130 procent van het beleidsmatig minimum in 2018 én een vermogen (exclusief eigen woning) in 2018 onder de vermogensgrens. Beleidsmatig minimum is bepaald op basis van het besteedbaar huishoudensinkomen. Er is geen leeftijdsselectie toegepast. De armoededefinitie is gelijk aan de definitie in de Armoedemonitor Den Haag.

Langdurige armoede
Inkomen onder 130% van het beleidsmatig minimum in de laatste drie jaar (2016 t/m 2018) en een vermogen in 2018 onder de vermogensgrens (vermogen exclusief eigen woning). Er is geen leeftijdsselectie toegepast. Dit wordt op dezelfde manier afgeleid als in de Armoedemonitor Den Haag.

Werk als belangrijkste inkomensbron
Belangrijkste inkomensbron in 2018 is inkomen uit arbeid of inkomen uit eigen onderneming. Er is een leeftijdsselectie toegepast van personen vanaf 18 jaar tot en met 66 jaar. Dit wordt op dezelfde manier afgeleid als in de Armoedemonitor Den Haag.

Lage Human Capital Index
Human Capital Index (HCI) is gebaseerd op de lonen van 2013 tot en met 2017 en het hoogst behaalde opleidingsniveau in 2018. De categorie lage HCI is onderzocht in de analyses. Er is geen leeftijdsselectie toegepast. Dit wordt op dezelfde manier afgeleid als in de Bijstandsmonitor Den Haag.

Gebruik bijstand
Ontvanger van bijstandsuitkering op  1 oktober 2018. Er is een leeftijdsselectie toegepast van personen vanaf 18 jaar tot en met 66 jaar.

Bijstandsduur
Voor bijstandsduur wordt vanaf peilmoment 1 oktober 2018 48 maanden (aaneensluitend) terug gekeken. Er worden twee categorieën onderscheiden: 

  1. Tussen de 18 en 47 maanden bijstand ontvangen
  2. 48 maanden (4 jaar) of meer aaneensluitend bijstand ontvangen.

Er is een leeftijdsselectie toegepast van personen vanaf 18 jaar tot en met 66 jaar.

Arbeidsongeschiktheidsuitkeringen gebruik
Ontvanger van AO-uitkering op  1 oktober 2018. Er is een leeftijdsselectie toegepast van personen vanaf 18 jaar tot en met 66 jaar.

WW-gebruik
Ontvanger van WW-uitkering op  1 oktober 2018. Er is een leeftijdsselectie toegepast van personen vanaf 18 jaar tot en met 66 jaar.

Jeugdzorg
Ontvanger van jeugdhulp, jeugdbescherming en/of jeugdreclassering in 2018. Er is een leeftijdsselectie toegepast van personen vanaf 0 jaar tot en met 22 jaar.

Gezondheidsproblemen
Indicator is gebaseerd op vier variabelen:

  1. Medicijngebruik tegen verslaving, depressie, psychose of bipolaire stoornis in 2018 (categorieën: wel gebruik/geen gebruik)
  2. Medicijngebruik uit 4 of meer hoofdgroepen in 2018 (categorieën: wel gebruik/geen gebruik)
  3. GGZ-zorgkosten in 2018 (continue variabele)
  4. Zorgkosten boven 50 000 euro in 2018 (categorieën: wel/niet).

Een persoon heeft gezondheidsproblemen als er tenminste één van de indicatoren aanwezig is. 
Er is geen leeftijdsselectie toegepast. Dit wordt op dezelfde manier afgeleid als in de Bijstandsmonitor Den Haag.