De kwaliteit van gemeentelijk beleid

De kwaliteit van gemeentelijk beleid
Aute ur(s ):
Bijw aard, G.E. (auteur)
Werkzaam op NYFER. Met dank aan Klarita Sadiraj, Luuk Mallee, Eduard Bomhoff en Leo van der Geest. Dit artikel is grotendeels gebaseerd op
Atlas voor Gemeenten, NYFER, Breukelen, 1999.
Ve rs che ne n in:
ESB, 84e jaargang, nr. 4209, pagina 476, 18 juni 1999 (datum)
Rubrie k :
Monitor
Tre fw oord(e n):
overheidsfinanciën

Welk gemeentebestuur slaagt er het beste in om de armoede en het beroep op de bijstand terug te dringen?
In de nieuwe bijstandswet hebben gemeenten een duidelijke taak gekregen bij het aan werk helpen van bijstandsgerechtigden. In de
wet is een uitstroomdoelstelling opgenomen, en gemeenten hebben verschillende instrumenten tot hun beschikking gekregen om de
langdurige werkloosheid te bestrijden en jongeren aan werkervaring te helpen. Regelingen als de Wet Inschakeling
Werkzoekenden, Melkertbanen en de Wet Reïntegratie Arbeidsgehandicapten hebben de gemeenten meer verantwoordelijkheid
gegeven voor de reïntegratie van de uitkeringsgerechtigde. De gemeenten mogen nu gedeeltelijk zelf bepalen hoe ze het geld dat ze
van het Rijk ontvangen, inzetten voor werkervaring, scholing of activering.
Naast deze taken, zullen gemeenten ook steeds meer financiële verantwoordelijkheid voor bijstandsuitgaven gaan dragen. Vooralsnog
betaalt een gemeente 10% van de bijstandsuitkeringen aan inwoners zelf, maar binnenkort zal dit aandeel worden verhoogd naar
ongeveer 25% doordat de budgetten voor de toeslagen op de normuitkeringen worden gedecentraliseerd naar de gemeenten. In het
Regeerakkoord heeft het tweede kabinet-Kok aangekondigd het gemeentelijk aandeel in de uitkeringslasten verder te vergroten. De
gemeenten krijgen dus steeds meer financiële verantwoordelijkheid voor het bijstandsvolume. Ook voor het armoedebeleid zijn de
gemeentelijke verantwoordelijkheden sterk toegenomen. De budgetten zijn gedecentraliseerd en in omvang gestegen.
Met deze toename van verantwoordelijkheden en daarmee ook financiële risico’s, is het een belangrijke vraag hoe groot de invloed is van
gemeenten op het bijstandsvolume en het armoedeniveau. Tevens is het van belang dat de gemeenten inzicht krijgen in de doelmatigheid
van hun beleid. We kunnen de gemeenten echter niet rechtstreeks op hun bijstandsvolume of de verandering daarvan beoordelen. Veel
factoren buiten het directe bereik van het gemeentebeleid hebben een belangrijke invloed op het aantal bijstandsgerechtigden. In een
gemeente met een slechte sociaal-economische structuur zal het armoede- en bijstandsniveau over het algemeen hoger liggen.
Met behulp van een model heeft NYFER onderzocht in hoeverre de verschillen tussen de gemeenten wat betreft het aantal
bijstandsgerechtigden en het armoedeniveau samenhangen met demografische factoren en sociaal-economische karakteristieken. Het
gaat hier om objectieve kenmerken waarop de gemeenten zelf weinig invloed kunnen uitoefenen, maar die wel in hoge mate de uitkomsten
bepalen. De gemeenten zijn vergeleken op basis van vrij toegankelijke gegevens van het Centraal Bureau voor de Statistiek. Het
merendeel van deze data is beschikbaar voor de periode 1992 tot en met 1996. Het aantal huishoudens onder de armoedegrens is geschat
met behulp van een door het COELO ontwikkeld programma 1.
Arme en rijke gemeenten
Voor elke gemeente hebben we de relatieve sociaal-economische positie uitgedrukt in een index. Deze sociaal-economische index is
samengesteld uit tien factoren. Voor elk van die tien factoren hebben we de rangorde van de gemeente vastgesteld. Daarna hebben we
voor elk van die tien factoren punten toegewezen op basis van deze rangorde: de beste gemeente 10 punten tot 0,25 punten voor de
slechtste gemeente. In de index zijn opgenomen onder meer de percentages bijstandsgerechtigden, arme huishoudens, werklozen en
arbeidsongeschikten; de groei van de werkgelegenheid; het percentage banen in groeisectoren; en het aantal vermogens- en
geweldsmisdrijven.
De vijf gemeenten met de beste sociaal-economische structuur zijn allemaal groeikernen in de noordvleugel van de Randstad (zie figuur
1). Amstelveen, Zoetermeer en ook Alphen aan den Rijn, Haarlemmermeer en Almere liggen in de omgeving van Amsterdam en Schiphol.
Onderaan de lijst bungelen Heerlen en Rotterdam. Kennelijk concentreren de problemen zich in de oude steden. Daarnaast is wellicht de
nabijheid van het vliegveld en van cultuur, media, banken en andere zakelijke diensten belangrijk voor een gunstige stedelijke welvaart.

Figuur 1. De sociaal-economische index. Gemeten aan de hand van werkloosheid, armoede en criminaliteit in een gemeente
De structurele factoren
De sociaal-economisch index geeft zo een indicatie hoe gunstig of ongunstig de uitgangssituatie van een gemeente is. Om nu het beleid
van gemeenten te kunnen vergelijken, moeten we bepalen welke factoren deze uitgangspositie beïnvloeden. Deels zullen dit factoren zijn
waarop een gemeentebestuur geen of weinig invloed kan uitoefenen, zoals de samenstelling van de bevolking of de ligging van een
gemeente. Als we dergelijke factoren kunnen achterhalen en hun invloed bepalen, dan blijft er een ‘onverklaard’ effect over, dat met de
kwaliteit van het gemeentelijk beleid samenhangt.
In het model kijken we naar het percentage bijstandsgerechtigden en het armoedepercentage. Daarbij wordt onderscheid gemaakt tussen
structurele en temporele invloeden. Dit is in het model opgenomen door elk kenmerk op te splitsen in het gemiddeld niveau per gemeente
en de verandering van dat niveau over de jaren binnen een gemeente.
Eerst de structurele factoren. In tabel 1 zijn alle factoren die een significante bijdrage geven aan de verklaring van het bijstandsniveau en
het armoedeniveau opgesomd 2. Het model bevat demografische factoren, algemene kenmerken van de gemeenten en
arbeidsmarktkenmerken. In het model speelt de bevolkingsomvang een voorname rol. Niet alleen is de bevolkingsomvang een van de
belangrijkste verklarende variabelen, ook is bij het schatten van het model een groter gewicht toegekend aan gemeenten met een grotere
bevolkingsomvang.

Tabel 1. De achtergrondkenmerken met hun structurele en temporele invloed op het aantal bijstandsuitkeringen en het
armoedeniveau per 1000 inwoners
bijstand
niveau
Demografische factoren
gescheiden, %
verweduwd, %
1e en 2e generatie buitenlanders, %
eenoudergezinnen, %
inwonertal, %
stemmen op kleine christelijk, %
stemmen op linkse partij, %

verand.

+
0
+
0
+

armoede
niveau

0
0
x
x
0

verand.

+
0
0
+
+

+
+
x
x
0

0

x
x

+
+

x
x

Arbeidsmarktfactoren
netto arbeidsparticipatie
werkloosheidspercentage
Wao’ers, %
vacatures, aantal in RBA-regio
werkgelegenheid in RBA-regio
banen in zakelijke dienstverlening, %
banen in handel en horeca, % in RBA-regio

0
0
0
0

0
0
0
–

+
0
0
0
0

0
+
0
0
0
0
0

Andere factoren
gemeente buiten de Randstad
gemeente valt onder grote-stedenbeleid

0
+

x
x

+

x
x

In de tabel zijn alleen de factoren opgenomen waarvan in een van beide modellen de invloed significant is. Met “+” is een positieve

bijdrage, “-” is een negatieve bijdrage, “0” de bijdrage is niet significant en “x” bijdrage is niet te bepalen.

Arbeidsmarktbeleid
In de sectoren zakelijke dienstverlening en handel en horeca is landelijk het aantal banen het hardst gegroeid. In de gemeenten waar deze
sectoren oververtegenwoordigd zijn is de bijstand sneller gedaald. Verandering van persoonlijke omstandigheden heeft een grote
invloed op het aantal personen in de bijstand. Allochtonen 3 hebben een grotere kans om in de bijstand te komen. Dit kan verklaard
worden uit de gemiddeld slechtere arbeidsmarktpositie van deze groep. Hoe hoger het inwonertal van een gemeente hoe hoger het
relatieve bijstandsvolume. Het model lijkt ook te bevestigen dat veel van de zogenaamde G21-steden extra aandacht verdienen op dit
terrein. Tenslotte merken we op dat in de veertig grootste gemeenten een hoger percentage voor de stemmen van de kleine christelijke
partijen gepaard gaat met een lager bijstandsniveau.
Armoedebeleid
Armoede is nog sterker dan bijstand een situatie waarin men terechtkomt door persoonlijke omstandigheden. Uit de analyse blijkt dat het
aantal gescheiden en verweduwde personen een grote invloed heeft op het armoedeniveau (gemeten als het sociaal minimum zoals
vastgelegd in de Algemene Bijstandswet). Voor het aantal eenoudergezinnen geldt hetzelfde. Zoals verwacht hangt een hoge
werkloosheid samen met meer armoede. Als er meer banen beschikbaar zijn zal men gemakkelijker een (betere) baan vinden, waardoor
men uit de armoede kan ontsnappen. Zowel een meer linkse signatuur als een groter aantal stemmen op protestant-christelijke partijen
gaat samen met een hoger armoedeniveau. Tevens geldt dat hoe groter de gemeente hoe meer armen. De G21-steden hebben een
duidelijk hoger aantal arme huishoudens en de steden buiten de Randstad juist een beduidend minder hoog aantal.
Bij elkaar verklaren deze objectieve factoren meer dan 90% van de verschillen tussen de gemeenten. De resterende 10% is te wijten aan
andere factoren, die grotendeels (90%) uniek zijn per gemeente. Daartoe behoort ook de doelmatigheid van het gemeentelijk beleid. Er
dient echter wel opgemerkt te worden dat de waarde van het gemeente-effect ook door niet op beleid gebaseerde factoren die in het
model ontbreken beïnvloed wordt.
Gemeentelijk beleid
Simultaan met de schattingen van de invloed van de objectieve factoren worden de gemeente-effecten geschat. We onderscheiden vier
verschillende gemeente-effecten: bijstandsniveau, armoedeniveau en de verandering van deze niveaus. In tabel 2 is voor elke gemeente
aangegeven hoe ze presteert op elk van de vier indicatoren.

Tabel 2. De invloed van gemeentelijk beleid. + wil zeggen dat de gemeente erin slaagt een lager aantal bijstandsuitkeringen en
een lager aantal arme huishoudens te realiseren, dan men zou verwachten op basis van hun ‘objective kenmerken’.
bijstand

Alkmaar
Almere
Alphen a.d.Rijn
Amersfoort
Amstelveen
Amsterdam
Apeldoorn
Arnhem
Breda
Delft
Den Haag
Deventer
Dordrecht
Ede
Eindhoven
Emmen
Enschede
Gouda
Groningen
Haarlem
Haarlemmermeer
Heerlen
Helmond
Hengelo (O)
s-Hertogenbosch
Hilversum
Leeuwarden
Leiden
Maastricht
Nijmegen
Purmerend
Rotterdam
Schiedam
Spijkenisse
Tilburg
Utrecht

niveau
0
0
-++
+
-0
+
++
+
0
+
++
–0
+
0
+
++
+
-0
++
—

verand.
0
0
0
0
0
++
+
-0
++
0
++
++
-++
-0
++
++
-++
–

armoede
niveau
0
0
+
+
—0
0
++
+
+
++
++
–0
0
++
-+
0
+
++
0
+
0
–

verand.
0
0
0
0
0
++
++
-0
-0
++
0
++
+
-++
0
-0
0
++
0
++
-++
–

Vlaardingen
Zaandstad
Zoetermeer
Zwolle

+
0
0
+

-0
0

+
+
+
+

-0
0
–

Heerlen is de enige gemeente die op alle vier de indicatoren boven gemiddeld presteert. Deze stad stond op de sociaal-economische
index helemaal onderaan. Daarnaast doen Tilburg en Maastricht het ook erg goed. Utrecht, daarentegen, presteert op alle indicatoren
onder gemiddeld. Het beleid in Schiedam en Purmerend lijkt ook niet doelmatig. Het beeld van de vier grote steden is wisselend. In
Rotterdam zijn relatief goede verbeteringen in het slechte bijstands- en armoedeniveau opgetreden. In Den Haag staat het
bijstandsniveau gezien de sociaal-economische structuur op een relatief laag niveau. Amsterdam scoort nog redelijk goed wat betreft het
armoedeniveau.
De niveau-prestaties en de verandering-prestaties zijn negatief gecorreleerd. Dit wijst op een ‘remmende voorsprong’ voor de goed
presterende gemeenten en een inhaalslag van de slecht presterende gemeenten.
Conclusie
Meer dan negentig procent van de variatie in het gemeentelijke bijstands- en armoedeniveau is te verklaren uit objectieve gemeentelijke
kenmerken. De resterende tien procent varieert per gemeente, en zou gezien kunnen worden als de ‘reikwijdte’ van het gemeentelijk beleid.
Uit onze analyse blijkt vervolgens, dat er voor de gemeenten onderling wel degelijk voordeel valt te halen uit benchmarking. Neem weer
het voorbeeld van Heerlen. Als deze stad de gemeente-specifieke (beleids)kenmerken van Utrecht zou hebben, dan had de gemeente
1250 meer bijstandsgerechtigden en 630 meer arme huishoudens gehad. Het lijkt dus uiterst zinvol voor gemeenten om prestaties te
vergelijken, en informatie over hun beleidspraktijk uit te wisselen. Zo kan een gemeente de voorwaarden creëren om kwaliteitsverbetering
te behalen.
Zie ook:
P. van Winden, Discussie: Gemeentelijke bijstandsuitgaven, ESB, 30 juli 1999, blz. 556-557

1 M.A. Allers en F.J. Sijtsma, Kengetallen gemeentelijk armoedebeleid: Een praktische handleiding, VNG, Den Haag,1997 met diskette.
2 Daarvoor gebruiken we een zogenaamd random-effectenspecificatie paneldata model. Voor de schattingsmethode zie Y. Mundlak, On
the pooling of time series and cross sections data, Econometrica, 1978, blz. 69-85.
3 Eerste- en tweede-generatie Turken, Marokkanen, Surinamers en Antillianen.

Copyright © 1999 – 2003 Economisch Statistische Berichten (www.economie.nl)