Regelovertreding in de AOW, AKW en ANW in 2004 november 2005 nummer 351
Auteurs: Peter van der Heijden (UU) Ger van Gils (BOA) Olav Laudy (UU)
Inhoudsopgave: 0. VERANTWOORDING
2
0.1. 0.2.
2 2
Methoden van onderzoek en uitvoering De opzet en het verloop van het veldwerk
1. GESCHATTE OMVANG VAN REGELOVERTREDING IN DE AOW, AKW EN ANW
3
1.1.
5
Omvang overtredingen vergeleken tussen AOW, AKW, ANW
2. KENNIS EN HOUDING REGELS EN HANDHAVING: T11-RISICOPROFIELEN
6
2.1.
6
Vergelijking van de profielen voor de drie wetten
3. KENNIS VAN DE WET BMTI
8
4. ACHTERGRONDEN VAN OVERTREDINGEN
10
4.1. 4.2. 4.3. 4.4.
10 12 12 16
Regels met betrekking tot het opgeven van inkomen Regels met betrekking tot het voeren van gezamenlijke huishouding Ervaringen met boete of korting Alle gevonden verbanden in één overzicht
5. TOT BESLUIT
19
1
VERANTWOORDING Het rapport bevat de resultaten van het eerste onderzoek naar regelovertreding in de volksverzekeringen, te weten de Algemene Ouderdomswet (AOW), de Algemene Kinderbijslagwet (AKW) en de Algemene Nabestaandenwet (ANW). Het onderzoek is uitgevoerd in het jaar 2004. Het onderzoek is sluit aan bij de Periodiek Onderzoeken naar Regelovertreding Sociale Zekerheid (WAO, WW en ABW/WWB in 2000, 2002 en 2004). Het doel van het onderzoek (AOW, AKW en ANW) is een bijdrage te leveren aan: x de onderbouwing van beslissingen over de bestrijding en preventie van regelovertreding (beleidsontwikkeling en -voorbereiding); x de beoordeling van de effectiviteit van het handhavingsbeleid (monitoring en evaluatie).
0.1.
Methoden van onderzoek en uitvoering
In het onderzoek is gebruik gemaakt van twee bijzondere onderzoeksinstrumenten: De vraagtechniek Randomized response is ingezet om te komen tot schattingen van de werkelijke omvang van verschillende vormen van regelovertreding. De methode is speciaal ontwikkeld om met grotere betrouwbaarheid uitspraken te doen over onderwerpen waarover een deel van de respondenten het moeilijk vindt om openheid van zaken te geven. De Tafel van Elf is gebruikt voor het bepalen van de kennis en houding van de doelgroep ten aanzien van de regels en hun handhaving, en het inschatten van risico’s voor handhaving van de regels. De Tafel van Elf (afgekort tot T11) is een veelgebruikt model voor de analyse van motieven om wetten al dan niet na te leven.
0.2.
De opzet en het verloop van het veldwerk
Net als eerdere onderzoeken is ook dit onderzoek voor de volksverzekeringen uitgevoerd aan de hand van grootschalige surveys onder uitkeringsgerechtigden. De eerste meting voor de regelingen WAO, WW en ABW bestond uit (kostbare) face-to-face gesprekken bij de respondenten thuis. Voor de tweede en derde meting is gekozen voor benadering via een zogenaamde accespool van respondenten (huishoudens) die vragenlijsten via een modemverbinding ontvangen en ingevuld weer terugzenden aan het veldwerkbureau. Het onderzoek voor de volksverzekeringen (AOW, AKW en ANW) is uitgevoerd via een pool van het marktonderzoekbureau GfK PanelServices Benelux bv door middel van CAWI (Computer Assisted Web Interviewing)-vragenlijsten. De access pool is representatief voor de verschillende populaties van uitkeringsgerechtigden op de binnen onderzoek gebruikelijke achtergrondkenmerken. Appendix 2 bevat een verantwoording van de uitvoering van het onderzoek.
2
1. GESCHATTE OMVANG VAN REGELOVERTREDING IN DE AOW, AKW EN ANW Tabel 1.1 geeft de geschatte omvang van regelovertreding voor de AOW, AKW en ANW voor 2004, het eerste jaar waarin een onderzoek naar regelovertreding voor deze regelingen heeft plaatsgevonden.1 Hierbij benadrukken wij dat de gerapporteerde percentages met voorzichtigheid geïnterpreteerd dienen te worden om redenen die uiteengezet worden in Appendix 4. Niet alle regels konden bij elke uitkering worden meegenomen in het onderzoek. Een liggend streepje in Tabel 1.1 wil zeggen dat deze regel niet van toepassing is voor de betreffende uitkeringsvorm of dat er geen vraag over is gesteld. De percentages voor de verschillende overtredingen in de tabel kunnen niet opgeteld worden tot een algemene maat voor overtreding. Vanuit beleidmatig oogpunt is het wenselijk om voor groepen regelovertredingen een maat voor de naleving vast te stellen. Om die maat te vinden is een methode ontwikkeld die wordt besproken in Appendix 4. De resultaten van de schattingen van de naleving zijn te vinden in appendix 3 (nalevingsmonitor 2004).
1
Appendix 1 bevat tabellen met naast de puntschattingen voor de verschillende overtredingen ook de betrouwbaarheidsintervallen.
3
1.1 |Geschatte omvang van regelovertreding voor AOW, AKW en ANW, 2004 %
N
AOW: Partner jonger dan 65 jaar in afgelopen 12 maanden per maand gemiddeld méér inkomsten verdiend met werk
10
120
1
527
0
694
0
694
2
778
0
778
AOW
AKW
ANW
%
%
%
4
4
16
17
12
-
dan € 190, zonder door te geven aan de SVB (gevraagd aan AOW-ers met gehuwdentoeslag) Woont samen met partner (vormt met partner gezamenlijke huishouding), zonder dat SVB op de hoogte is gesteld (gevraagd aan AOW-ers die eerder in vragenlijst aangaven niet met een partner samen te wonen) AKW: (gevraagd aan ouders die in de afgelopen jaar 12 maanden kinderen van 16, 17 jaar oud hebben (hadden) waarvoor recht op kinderbijslag bestaat (bestond)) Eén of meer kinderen afgelopen 12 maanden buiten de zomermaanden wel eens een kwartaal méér verdiend dan 1.175 euro netto (zonder dat dit aan de SVB is doorgegeven)? Eén of meer kinderen in deze zomer (zomer van 2004) méér dan 1.050 euro extra bijverdiend, dus méér dan 2.225 euro in totaal voor het zomerkwartaal (zonder dat dit aan de SVB is doorgegeven)? ANW: Afgelopen 12 maanden inkomsten uit arbeid, VUT-uitkering of winst uit onderneming (méér dan 630 euro bruto per maand), niet (helemaal) aan SVB opgegeven? Samenwonen met partner/ met andere persoon gezamenlijke huishouding vormen, zonder SVB op de hoogte te stellen? De 3 regelingen: Afgelopen 12 maanden/ ten tijde van uitkering wel eens boete of korting op uitkering gehad van SVB? Kent mensen in directe omgeving die ten onrechte een te hoge uitkering ontvangen
N.B.: De percentages in de tabel zijn niet optelbaar tot een algemene maat voor overtreding. Deze algemene maat wordt in appendix 3 behandeld.
4
1.1.
Omvang overtredingen vergeleken tussen AOW, AKW, ANW
De regels voor de AOW, AKW en ANW zijn wat betreft begrippen en voorschriften beperkt vergelijkbaar. Over het algemeen worden de regels weinig overtreden. Hierbij benadrukken wij dat de gerapporteerde percentages met voorzichtigheid geïnterpreteerd dienen te worden om redenen die uiteengezet worden in Appendix 4. 9 Overtreding van de regels met betrekking tot het rapporteren van inkomsten uit arbeid komt het meeste voor onder AOW-ers: 10% van de AOW-ers die een gehuwdentoeslag ontvangen geeft toe dat de partner in het afgelopen jaar met arbeid gemiddeld méér dan het toegestane bedrag van € 190 per maand heeft verdiend, zonder dat dit is doorgegeven aan de Sociale Verzekeringsbank (SVB). 9 Bij de AKW komt het verzwijgen van inkomsten uit arbeid van kinderen waarvoor kinderbijslag wordt ontvangen, (vrijwel) niet voor. 9 Ook in de ANW is het verzwijgen van inkomsten uit arbeid beperkt: 2% van de ANW-ers geeft toe in de afgelopen 12 maanden gemiddeld méér dan 630 euro bruto per maand aan inkomsten uit arbeid te hebben genoten, zonder deze (geheel) aan de SVB te hebben opgegeven. 9 Het samenwonen met een partner, zonder dat de uitkeringsinstantie daar weet van heeft, komt weinig voor: 1% van de AOW-ers geeft dat toe en geen van de ANW-ers. De laatste twee vragen zijn geen regelovertredingen. Wij vinden hier dat 9 4% van zowel de AOW-ers als de AKW-gerechtigden heeft in het afgelopen jaar een boete of korting van de uitkeringsinstantie gehad. Het aandeel ANW-ers dat is beboet of gekort is aanzienlijk hoger: 16% 9 17% van de AOW-ers en 12% van de AKW-gerechtigden zegt mensen in hun directe omgeving te kennen die ten onrechte een (te hoge) uitkering ontvangen.. Over de ANW zijn geen gegevens bekend.
5
2. KENNIS EN HOUDING REGELS EN HANDHAVING: T11RISICOPROFIELEN Inzicht in de achtergronden van overtreding kan belangrijke aanknopingspunten bieden voor handhaving. Om de benodigde informatie te verzamelen is gebruik gemaakt van de T11. De T11 onderscheidt elf verschillende factoren of ‘dimensies’ bestaande uit kennisdimensies (bekendheid met en duidelijkheid van de regels), dimensies van spontane naleving (kosten en baten van naleving en overtreding, acceptatie van de regels, wetgetrouwheid, ervaren sociale controle), controledimensies (controlekans, detectiekans, selectiviteit of trefzekerheid van de controle) en sanctiedimensies (sanctiekans, ernst van de sanctie). De T11-variabelen geven wij weer in een zogenaamd ‘risicoprofiel’ dat in één oogopslag de visies van de doelgroep op overtreding en handhaving duidelijk kan maken. Het risicoprofiel is verdeeld in drie delen. Het bovenste deel is het ‘veilige’ gebied. De verwachting is dat de houdingen weergegeven met T11-variabelen die in dat gebied liggen eerder bijdragen tot meer naleving van de regels. Het onderste gedeelte is het ‘kwetsbare’ gebied. Er wordt verondersteld dat visies in dat gebied eerder samengaan met overtreding. Het middengebied is neutraal en een ligging in dat gebied geeft op zichzelf niet aan of er sprake zal zijn van een neiging tot naleving of overtreding van de regels.
2.1.
Vergelijking van de profielen voor de drie wetten
De verschillen tussen de T11-risicoprofielen van de drie wetten zijn niet uitgesproken groot en de profielen komen in grote lijnen met elkaar overeen (Figuur 2.1). 9 Voor alle drie de groepen uitkeringsgerechtigden geldt globaal dat vooral spontane nalevingsdimensies (T1 tot en met T4) waarden in of dicht bij het veilige gebied kennen. De neiging tot spontane naleving is voor de volksverzekeringen kennelijk betrekkelijk groot. 9 De percepties van de kansen op een duidelijke informele sanctie (T5) of op enige vorm van controle (T6, T7a of b) vallen in het middengebied. AOW-ers vormen hier een uitzondering. Zij schatten de kans op een fysieke controle betrekkelijk laag in en vallen voor wat betreft deze dimensie in de ‘kwetsbare’ categorie. 9 De gevolgen van hetgeen gebeurt bij een controle (T8, detectiekans tot en met T11, ernst van een sanctie) worden over het algemeen weer iets groter ingeschat en liggen iets dichter bij het ‘veilige’ gebied. Opvallend is dat ANW-ers de kans op een sanctie (T10) betrekkelijk hoog inschatten, maar de ernst van een eventuele sanctie (T11) juist weer betrekkelijk laag. Voor wat betreft deze laatste dimensie vallen ANW-ers in de categorie ‘kwetsbaar’. Overigens stemt de hoge inschatting van de kans op een sanctie door ANW-ers overeen met het betrekkelijk grote aandeel van hen dat een boete of korting heeft gehad (16%, zie Tabel 1.1).
6
T1 re b: ge du ls id el ijk he id re ge T2 ls a: ko st en na T2 le ve b: n ba te T3 n ov :a er cc tre ce de pt n at ie va n de re ge T4 ls :w et ge tro uw T5 he :i id nf or m T6 el e :i sa nf nc or T7 m tie a: el e ka m ns el di op ng ad sk m an in s is tra T7 tie ve b: ka co ns nt ro op le fy si ek e co nt ro le T8 :d et ec tie T9 ka :s ns el ec tiv ite it co nt ro le T1 0: sa nc tie ka ns T1 1: sa nc tie -e rn st
T1 a: ke nn is
2.1 | Risicoprofielen AOW, AKW en ANW 2004
veilig AOW AKW ANW
middengebied
kwetsbaar
7
3. KENNIS VAN DE WET BMTI Kennis van sancties kan een rol spelen bij de keuze tussen naleven en overtreden. Uit de analyse van achtergronden van overtreding blijkt dat er voor AOW-ers inderdaad samenhang is tussen kennis van de sanctie en het overtreding zelf. Administratiefrechtelijke sancties zijn vastgelegd in de Wet Boeten, maatregelen en terug- en invordering sociale zekerheid (Wet BMTi). Aan de respondenten werd een aantal vragen voorgelegd om hun ervaringen met de boete en korting krachtens deze wet en hun kennis over het boetedeel van de wet te toetsen. Naar kennis over het maatregelenbeleid is niet gevraagd, omdat deze kennis niet met een beknopte vragenlijst is te bevragen. Volgens de enquête van 2004 heeft 4% van de AOW-ers en eveneens 4% van de AKW-gerechtigden in een periode van twaalf maanden wel eens een boete of korting gehad, tegen 16% van de ANW-ers (zie Tabel 3.1). 9 AKW-gerechtigden zijn het beste geïnformeerd over het sanctiebeleid krachtens de Wet BMTi: 40% van hen geeft een correct antwoord op een vraag naar de sanctie bij overtreding van de inlichtingenplicht, tegen 33% van de ANW-ers en 27% van de AOW-ers. 9 AOW-ers onderschatten de sanctie het vaakst: 35% denkt dat er een geringere straf staat op de overtreding dan in werkelijkheid het geval is. AKW-gerechtigden maken die fout het minst vaak, gevolgd door ANW-ers.
3.1 | Kennis van de Wet BMTi bij onjuiste of onvolledige inlichtingen 2004, AOW (n = 800), AKW (n = 800) en ANW (n = 879) Kennis sancties Wet BMTi bij overtreding inlichtingenplicht:
% AOW
ANW
Onderschatting
35
25
30
Redelijke kennis
24
21
24
Correct antwoord
27
40
33
2
6
6
11
8
7
100%
100%
100%
Overschatting Geen kennis Totaal
AKW
Aan degenen die het goede antwoord gaven op de vraag naar de sanctie, is ook gevraagd hoe hoog zij denken dat de boete zal zijn. Tabel 3.2 geeft de uitkomsten weer. Het juiste antwoord is 10% van het ten onrechte ontvangen bedrag.
8
9 AOW-ers die op de voorgaande vraag een juist antwoord gaven, zijn nu het beste op de hoogte: ruim éénderde geeft een juist antwoord op de vraag naar de hoogte van de boete. 9 AKW-gerechtigden daarentegen hebben meer de neiging de hoogte van de boete te overschatten. Bijna de helft (46%) van de AKW-gerechtigden die een juist antwoord geven op de vraag naar de aard van de sanctie, overschat de hoogte van de boete. 9 ANW-ers schieten het meest te kort in kennis van de details van de sancties. Zij onderschatten de hoogte van de boete iets vaker dan AOW-ers en AKW-gerechtigden en zij geven het vaakst een antwoord dat getuigt van geen kennis van de hoogte van boeten (27%).
3.2 | Schatting hoogte boete voor onjuiste of onvolledige inlichtingen 2004, AOW (n = 219), AKW (n = 319) en ANW (n = 286) %
Geschatte hoogte boete in % van het ten onrechte uitgekeerde bedrag:
Totaal
AOW
AKW
ANW
Onderschatting (boete = 5%)
12
13
17
Antwoord juist (boete = 10%)
35
25
26
Overschatting (boete >10%)
37
46
30
Geen kennis
16
16
27
100
100
100
9
4. ACHTERGRONDEN VAN OVERTREDINGEN De verbanden tussen overtredingen en achterliggende factoren zijn op twee manieren geanalyseerd. Allereerst is gebruik gemaakt van logistische regressie. Deze analysetechniek is vooral geschikt om zogenaamde lineaire verbanden tussen overtreding en één andere variabele te analyseren. We spreken dan over univariate (lineaire) verbanden. Bijvoorbeeld: hoe ouder iemand is, des te minder overtreedt hij de regels. Een tweede techniek (Answer Tree) kijkt ook naar niet-lineaire verbanden tussen overtreding en meerdere andere variabelen. Bijvoorbeeld, ouderen met minder opleiding overtreden minder dan uitkeringsgerechtigden van middelbare leeftijd met meer opleiding, terwijl jongeren, ongeacht opleiding, het minst overtreden. Met Answer Tree zijn overtrederprofielen te maken; dat wil zeggen combinaties van kenmerken van groepen die veel overtreden. Er zijn profielen gemaakt met T11-variabelen en profielen met achtergrondkenmerken. Bij de analyse van achtergrondkenmerken beperken wij ons tot kenmerken die bij de uitkeringsinstantie bekend (kunnen) zijn. Dat betekent dat in tegenstelling tot de T11-variabelen alleen wordt gekeken naar objectieve kenmerken en niet naar meningen of houdingen van de uitkeringsgerechtigden. De analyses van de achtergrondkenmerken geven inzicht in de vraag welke waarneembare kenmerken samengaan met overtreding of naleving. Het resultaat zijn meer ‘sociaaleconomische profielen’ van overtreders en nalevers. De profielen kunnen bijvoorbeeld worden gebruikt om prioriteiten te stellen ten aanzien van handhaving en opsporing. Dit samenvattende hoofdstuk behandelt alleen deze meer sociaal-economische profielen. De meer psychologische profielen met T11-variabelen komen in de hoofdstukken over de afzonderlijke regelingen ook aan bod. Een vergelijking van factoren die samenhangen met overtreding voor de drie volksverzekeringen is niet zinvol. De regels en de doelgroepen verschillen te veel van elkaar. In het navolgende behandelen wij kort de resultaten voor elk van de overtredingen afzonderlijk, weliswaar gegroepeerd per type regel. Voor meer gedetailleerde analyses van de achtergronden van overtreden verwijzen wij naar de hoofstukken over de afzonderlijke regelingen. Aan het eind van dit hoofdstuk wordt tevens een overzichttabel gepresenteerd met daarin alle gevonden verbanden op een rij.
4.1.
Regels met betrekking tot het opgeven van inkomen
AOW: naleving bepalingen gehuwdentoeslag Overtreding van de bepalingen met betrekking tot de gehuwdentoeslag hangt volgens de analyses met logistische regressie samen met de volgende twee algemene kenmerken: o Overtreding komt meer voor onder degenen die in de vragenlijst aangeven naast de AOW ook inkomsten uit arbeid te hebben. o Er is ook een verband met kennis van de Wet BMTi: degenen die een correct antwoord geven op de vraag naar de sanctie op het overtreden van de inlichtingenplicht, overtreden meer dan degenen die minder goed op de hoogte zijn. Verder zijn er zijn de volgende samenhangen met variabelen van de T11: o Het duidelijker vinden van de regels (T1b) gaat samen met minder overtreding. o Meer principiële trouw aan de wet (T4) gaat eveneens samen met minder overtreding. o Het verwachten van een grotere kans op fysieke controle (T7b) gaat juist gepaard met méér overtreding. o Hetzelfde geldt voor het verwachten van een grotere kans op een sanctie als een overtreding wordt geconstateerd (T10). 10
Deze laatste twee verbanden zijn omgekeerd aan wat gebruikelijk is voor deze T11-variabelen. Tabel 4.1 geeft de samenhangen weer tussen achtergrondkenmerken en het niet volledig rapporteren van het inkomen van de jongere partner van AOW-ers met een gehuwdentoeslag. Afhankelijk van het arbeidsverleden van de AOW-er zijn er met Answer Tree drie deelgroepen te onderscheiden. x De groep AOW-ers die nooit heeft gewerkt of in een gesubsidieerde werkplaats heeft gewerkt, bevat de meeste overtreders: 34%. x Degenen die als zelfstandige of werknemer in het bedrijfsleven of bij de overheid hebben gewerkt, tellen 11% overtreders, bijna gelijk aan het gemiddelde percentage voor de gehele populatie. x De groep die aangeeft ‘anders’ actief te zijn geweest, bevat geen overtreders.2
4.1 | Partner jonger dan 65 jaar méér verdiend dan toegelaten (overtreding 10%): variabelen die ermee samenhangen (n=647) Deelgroepen
% overtreding
N
Nooit gewerkt of in gesubsidieerde werkplaats gewerkt
34
55
Zelfstandige of werknemer bedrijfsleven of overheid
11
468
Anders
0
124
AKW: het opgeven van bijverdiensten van kinderen Het verzuim de bijverdiensten van kinderen op te geven komt (vrijwel) niet voor en er zijn géén samenhangen te constateren met andere variabelen. Dit geldt zowel voor het niet (volledig) doorgeven van verdiensten gedurende de negen maanden buiten de zomermaanden als voor het niet (volledig) doorgeven van verdiensten gedurende de zomermaanden.
ANW: het opgeven van inkomsten uit (vroegere) arbeid Volgens de analyses met logistische regressie hangt één T11-variabele samen met het niet of niet volledig rapporteren van inkomsten uit (vroegere) arbeid aan de SVB. Naarmate men de kans om op een of andere manier tegen de lamp te lopen (detectiekans, T8) groter acht, overtreedt men minder.
2
De groep die zegt ‘anders’ actief te zijn geweest bestaat merendeels uit vrouwen. Mogelijk zijn het vrouwen die als
huisvrouw actief zijn (geweest) en die in de vragenlijst deze categorie ‘anders’ kiezen.
11
Tabel 4.2 geeft de samenhangen weer tussen het niet volgens de regels opgeven van inkomsten uit arbeid en enkele achtergrondkenmerken van ANW-ers. Op basis van het jaar waarin men nog voor het laatst heeft gewerkt en de leeftijd zijn met Answer Tree drie deelgroepen te onderscheiden. x Het hoogste percentage overtreders komt voor binnen de groep die vóór 1992 voor het laatst heeft gewerkt en jonger is dan 57 jaar. Deze groep bevat 9% overtreders. x De groep die na 1992 nog heeft gewerkt bevat 4% overtreders. x De groep die voor 1992 voor het laatst heeft gewerkt, maar ouder is dan 57, bevat geen overtreders.
4.2 | ‘Inkomsten niet opgegeven’ (overtreding 2%): samenhangen met achtergrondkenmerken (n=778) Deelgroepen Vóór 1992 voor het laatst gewerkt
Jonger dan 57 jaar Ouder dan 57 jaar
Na 1992 nog gewerkt
4.2.
% overtreding 9 0 4
N 234 190 354
Regels met betrekking tot het voeren van gezamenlijke huishouding
AOW: het rapporteren van de samenstelling van het huishouden Het samenwonen zonder dat de SVB er weet van heeft hangt volgens de analyses met logistische regressie samen met twee zaken: o Meer opleiding gaat gepaard met meer overtreding. o Wie een grotere kans verwacht dat het constateren van een overtreding gevolgd wordt door straf (sanctiekans, T10), overtreedt meer. Dit laatste verband is tegengesteld aan het verband dat men bij deze T11-variabele zou verwachten. Voor het niet correct rapporteren van een gezamenlijke huishouding met een partner zijn op grond van achtergrondkenmerken met Answer Tree geen deelgroepen te onderscheiden.
ANW: Voeren van gezamenlijke huishouding zonder dit door te geven Het samenwonen met een partner zonder dat de SVB daarvan op de hoogte is gesteld komt (vrijwel) niet voor. Er zijn geen relaties vast te stellen met andere variabelen.
4.3.
Ervaringen met boete of korting
AOW Het beboet of gekort zijn hangt samen met een groot aantal variabelen. Er zijn twee verbanden met achtergrondkenmerken en acht met kenmerken van handhaving. Een van de achtergrondkenmerken houdt ook verband met handhaving. Er blijken verschillen te zijn in het hanteren van boeten en kortingen tussen de verschillende SVB-regio’s. o De groep die voorafgaande aan de AOW-uitkering een WAO-uitkering heeft gehad, heeft in de afgelopen 12 maanden vaker een boete of korting gehad. o Boeten en/ of kortingen komen meer voor in de SVB-regio Zaanstad.
12
Er zijn de volgende samenhangen met de kennis- en spontane nalevingdimensies van de T11: o het duidelijker vinden van de regels (T1b) o het onderkennen van (toch nog) meer voordeel van overtreding (T2b) o het hechten van meer belang aan principiële trouw aan de wet (T4) o het zich meer zorgen maken over de reactie op overtreding van de omgeving (informele sanctie, T5) gaan alle gepaard met minder boeten en kortingen. De overige verbanden met T11-variabelen wijzen eerder op beïnvloeding van de kijk op overtreding en handhaving door het beboet of gekort zijn. Wie is beboet of gekort ervaart: o meer informele controle (T6) o een grotere kans op een administratieve controle (T7a) o een grotere kans op een fysieke controle (T7b) o en een grotere trefzekerheid van controles (T9). Tot slot wijst de samenhang met een andere visie op handhaving in dezelfde richting: o AOW-ers die zijn beboet of gekort zijn er meer van overtuigd dat de medewerkers van de SVB alleen letten op de letter van de wet en geen oog hebben voor de persoonlijke situatie en problemen van de AOW-er. Tabel 4.3 geeft een overzicht van de T11-variabelen die samenhangen met het krijgen van een boete voor overtreding van de inlichtingenplicht. Op basis van arbeidsverleden en SVB-regio zijn met Answer Tree drie groepen te onderscheiden. o Wie gewerkt heeft als zelfstandige of ‘anders’ actief is geweest, heeft het afgelopen jaar geen boete of korting gehad. o Van de groep die in het bedrijfleven, bij de overheid, op een gesubsidieerde werkplek heeft gewerkt, of daarentegen nooit heeft gewerkt, en woont in een van de SVB-regio’s Breda, Utrecht, Roermond, Deventer, Zaanstad, Groningen, heeft 16% in de afgelopen twaalf maanden wel eens een boete of korting gehad. o Wie op dezelfde manier actief is geweest voorafgaand aan de pensionering, maar in een van de SVB-regio’s Nijmegen, Leiden, Rotterdam woont, is niet beboet of gekort.
4.3 | Boete of korting gehad (4%), variabelen die ermee samenhangen (n=647) Deelgroepen Werknemer bij bedrijf of overheid,
% boete/ korting Breda, Utrecht, Roermond, Deventer,
gesubsidieerde werkplaats, nooit gewerkt
N 312
Zaanstad, Groningen Nijmegen, Leiden, Rotterdam
Anders, zelfstandig ondernemer
16 0
159
0
176
AKW Het beboet of gekort zijn van AKW-gerechtigden hangt samen met drie algemene kenmerken: o De AKW-gerechtigden die als zelfstandigen werken hebben meer boeten en/ of kortingen gehad. o Boeten en kortingen komen meer voor in de regio Utrecht. o De AKW-gerechtigden die met ouders, broers of zussen samenwonen zijn vaker beboet of gekort.
13
Verder zijn er verbanden met een aantal visies op overtreding en handhaving. Boeten en kortingen komen minder voor onder de AKW-gerechtigden: o die tevredener zijn over hun eigen kennis van de regels van de kinderbijslag (T1a) o die de regels duidelijker vinden (T1b) o die de kosten van naleven (T2a) hoger inschatten o die de regels redelijker vinden en beter accepteren (T3) o die de kans op een sanctie bij constatering van een overtreding hoger achten (T10). Buiten de T11-variabelen zijn er ook verbanden met drie andere visies op handhaving. AKWgerechtigden die zijn beboet of gekort: o zijn er meer van overtuigd dat de SVB alleen een uitkering verstrekt en uitkeringsgerechtigden verder aan hun lot over laat. o zijn er eveneens duidelijker van overtuigd dat de medewerkers van de SVB alleen letten op de letter van de wet en geen oog hebben voor de persoonlijke situatie en problemen van de ontvanger van kinderbijslag. o achten echter de controle op bijverdiensten van kinderen, de belangrijkste beperkende bepaling van de AKW, minder waterdicht. Tabel 4.4 geeft de samenhangen weer tussen achtergrondkenmerken en het beboet of gekort zijn volgens de analyses met Answer Tree. o In de SVB-regio’s Utrecht, Deventer, Roermond, Zaanstad en Breda zijn naar verhouding meer boeten en kortingen uitgedeeld dan in de rest van het land (de SVB-regio’s Rotterdam, Nijmegen, Groningen en Leiden). De boeten en kortingen zijn opgelegd aan de ontvangers van kinderbijslag onder de 49 jaar: 15% van deze groep heeft in de afgelopen twaalf maanden een boete of korting op de uitkering gehad. o De groep in de genoemde regio’s ouder dan 49 is in het geheel niet beboet of gekort. o Hetzelfde geldt voor kinderbijslaggerechtigden in de SVB-regio’s Rotterdam, Nijmegen, Groningen en Leiden.
4.4 | Boete of korting gehad (4%), samenhangen met achtergrondkenmerken (n=693) Deelgroepen Utrecht, Deventer, Roermond, Zaanstad, Breda
% boete/ korting
N
Hoofdkostwinner jonger dan 49
15
329
Hoofdkostwinner ouder dan 49
0
50
0
315
R’dam, Nijmegen, Groningen, Leiden
ANW Het beboet of gekort zijn van ANW-ers hangt volgens de analyses met logistische regressie samen met twee algemene kenmerken: x ANW-ers die naast de ANW-uitkering ook betaald werk hebben, hebben vaker een boete of korting op de uitkering gehad. x Ook hier zijn er verschillen tussen regio’s. Boeten en kortingen voor de ANW komen meer voor in de SVB-regio Nijmegen.
14
Verder zijn er drie samenhangen met visies van ANW-ers op naleving en handhaving: x Wie de kosten van het naleven van de regels van de uitkering (T2a) hoger acht, heeft minder boeten en kortingen gehad. x ANW-ers die zijn beboet of gekort, zijn in sterkere mate van mening dat de SVB alleen een uitkering verstrekt en de uitkeringsgerechtigden verder aan hun lot over laat. x In het geval men beboet of gekort is, is men er ook meer van overtuigd dat de medewerkers van de SVB alleen acht slaan op de letter van de wet en geen oog hebben voor de persoonlijke situatie en problemen van de uitkeringsgerechtigde. Tabel 4.5 laat zien met welke kenmerken het beboet of gekort zijn volgens de analyses met Answer Tree samenhangt. Er zijn twee groepen te onderscheiden op grond van de vraag of men naast de ANW-uitkering nog werkt. x De groep die naast de uitkering werkt heeft de afgelopen twaalf maanden het meest een boete of korting gehad. Het gaat om 26% van de betreffende groep. x In het geval er niet wordt gewerkt naast de uitkering, loopt het aantal uitkeringsgerechtigden met een boete of korting terug tot 7%. De resultaten kunnen een aanwijzing zijn dat de respondenten het begrip ‘korting’ ruim hebben opgevat en er mogelijk ook de korting voor inkomsten uit arbeid toe rekenen.
4.5 | Boete of korting gehad (15%), samenhangen met achtergrondkenmerken (n=778) Deelgroepen Werk naast de ANW-uitkering Géén werk naast de ANW-uitkering
% boete/ korting 26 7
N 341 436
15
4.4.
Alle gevonden verbanden in één overzicht
Tabel 4.6 geeft een overzicht van de samenhangen tussen de onafhankelijke variabelen en de overtredingen voor respectievelijk de AOW, de AKW en de ANW. De tabel vermeldt de onafhankelijke variabelen, gegroepeerd naar type, en de richting of het teken van het verband. Een ‘+’ betekent een positief verband tussen een variabele en overtreding of een verband tussen het aanwezig zijn van een kenmerk (bijvoorbeeld het ‘man zijn’) en meer overtreding, vastgesteld met logistische regressie. Een ‘-‘ betekent een negatief verband of een verband tussen het aanwezig zijn van een kenmerk en minder overtreding, eveneens vastgesteld met logistische regressie. Met logistische regressie wordt vooral gekeken naar lineaire samenhangen. Een positieve samenhang wordt weergegeven met ‘+’ en een negatieve met ‘-’. Om ook na te gaan of er aanvullend daarop ook niet- lineaire verbanden zijn (dat wil zeggen verbanden voor specifieke groepen) is ook gebruik gemaakt van de Answer Tree methode. De resultaten daarvan worden in de tabel weergeven met ‘*’ voor een positieve samenhang, ‘=’ voor een negatieve en ‘~’ voor een niet-lineaire. Bijvoorbeeld: AOW-ers in de regio Zaanstad hebben volgens de analyse met logistische regressie gemiddeld genomen vaker een boete of korting gehad dan anderen, hetgeen wordt weergegeven met een ‘+’. De analyse met Answer Tree komt tot dezelfde conclusie. Dat wordt weergegeven met een ‘*’. De sterkte van de verbanden is per wet te vinden in de hoofdstukken over de afzonderlijke wetten. De tabel is gemaakt om een indruk te geven van het belang van verschillende variabelen. Er is wel een verschil in interpretatie van de verbanden in de tabel vastgesteld met logistische regressie en van de verbanden vastgesteld met Answer Tree. Deze laatste kunnen in een overzichtstabel alleen verkort worden weergegeven. Verbanden vastgesteld met Answer Tree zijn vrijwel steeds verbanden die alleen gelden voor delen van de populatie. Die delen zijn weer gedefinieerd door andere variabelen. Bijvoorbeeld, een relatie tussen regio en het beboet of gekort zijn, geldt alleen voor AOW-ers die als werknemer in het bedrijfsleven of bij de overheid hebben gewerkt, dan wel nooit hebben gewerkt of alleen gesubsidieerd en niet voor AOW-ers die als zelfstandig ondernemer of ‘anders’ werkzaam zijn geweest. Die gelaagdheid van de samenhangen is in de overzichtstabel niet weer te geven. Voor een volledig inzicht dient de lezer de Answer Tree tabellen op te zoeken eerder in deze samenvatting of in de hoofdstukken betreffende de afzonderlijke wetten.
16
| Overzicht samenhangen overtredingen met andere factoren, 2002 en 2004
10%
Percentage overtreding: I
II
1% I
II
4% I
II
0% I
II
II
4% I
Samenwoning
Inkomsten
Boete/ korting
0% I
II
2% I
Boete/ korting
ANW
zomer
mnd
Inkomsten 9
Samenwoning
inlichtingen over:
partner
overtreding regels mbt
AKW
Inkomsten
AOW Inkinkomsten
Regeling:
Boete/ korting
Tabel 4.6
II
0% I
II
16% I
II
Demografische kenmerken Geslacht
Man =
Leeftijd +
Woont samen met ouders,
=
*
SVB-regio
broers, zussen Breda
*
Deventer
*
*
Groningen
*
=
Leiden
=
=
Nijmegen
=
=
Rotterdam
=
=
Roermond
*
Utrecht
* +
Zaanstad
*
*
+
* +
* *
Werkzaam (geweest) als: Zelfstandig ondernemer
=
Werknemer bedrijfsleven
* *
Werknemer overheid Nooit of gesubsidieerd
*
*
anders
=
= =
Werkzaam geweest tot (jaar; ANW 1992) Inkomen uit arbeid naast
+
+
uitkering
I = resultaten logistische regressie, II = resultaten Answer Tree +, -: positief, c.q. negatief verband logistische regressie, *, =, ~: positief, c.q. negatief, cq. niet-lineair verband Answer Tree
17
10%
Percentage overtreding: Arbeidsmarktpositie Opleiding handarbeider Lager employé Middelbaar employé Hoger employé Zelfstandige Anders
1%
0%
0%
Samenwoning
Inkomsten 4%
Boete/ korting
ANW Boete/ korting
zomer
Inkomsten
Inkomsten 9 4%
mnd
AKW Boete/ korting
Samenwoning
inlichtingen over:
partner
overtreding regels mbt
AOW Inkinkomsten
Regeling:
2%
0%
16%
+
Tafel van 11 -
Kennis regels (T1a) Duidelijkheid regels (T1b)
-
-
-
Kosten naleven (T2a)
-
=
+ +
Kans adm. Controle (T7a) Kans fysieke controle (T7b)
+
+
*
*
Detectiekans (T8)
-
=
+
Selectiviteit (T9) Sanctiekans (T10)
=
-
Acceptatie regels (T3) Trouw a/d wet (T4) Informele sanctie (T5) Informele controle (T6)
-
-
Voordeel overtreding (T2b)
+
+
-
Sanctie-ernst (T11) Overige meningen handhaving SVB laat mensen aan lot over +
UWV/ DWI alleen oog voor
+
+
+
+
de regels -
Controle zwartwerk waterdicht Kennis sancties Onderschatting Redelijke kennis Correct antwoord Overschatting Geen kennis
+
I = resultaten logistische regressie, II = resultaten Answer Tree +, -: positief, c.q. negatief verband logistische regressie, *, =, ~: positief, c.q. negatief, cq. niet-lineair verband Answer Tree
18
5. TOT BESLUIT In de bijlagen bij dit rapport wordt uitgebreid ingegaan op de afzonderlijke wetten en worden deel onderwerpen nader (voornamelijk technisch) belicht in toegevoegde appendices. Hieronder staat een overzicht van het bijlagenboek “Regelovertreding in de AOW, AKW en ANW in 2004”
Inhoud Bijlagenboek “Regelovertreding in de AOW, AKW en ANW in 2004”
2 Gedetailleerde uitkomsten per wet
PAGINA
Bijlage 1: De geschatte omvang en de achtergronden van regelovertreding in de AOW
1
Bijlage 2: De geschatte omvang en de achtergronden van regelovertreding in de AKW
18
Bijlage 3: De geschatte omvang en de achtergronden van regelovertreding in de ANW
31
3 Technische toelichtingen Appendix 1: Puntschattingen en 95%- betrouwbaarheidsintervallen AOW, AKW en ANW 2004
43
Appendix 2: Steekproef en uitvoering van het veldwerk
44
Appendix 3: Nalevingsmonitor 2004
50
Appendix 4: Het gehanteerde model voor de schatting van de kans op regelovertreding
52
Appendix 5: De T11 in een staafdiagram
61
19
Bijlage 1: De geschatte omvang en de achtergronden van regelovertreding in de AOW In dit hoofdstuk behandelen we de AOW. Na een bespreking van de vragen over naleving en overtreding (paragraaf 1) presenteren we de met behulp van de Randomized response methode geschatte omvang van regelovertreding (paragraaf 2). Daarna kijken we naar het risicoprofiel dat is gebaseerd op de antwoorden op de Tafel van Elf vragen (paragraaf 3) en bezien we de kennis van AOW-ers over het boetedeel van de Wet Boeten, maatregelen en terug- en invordering sociale zekerheid (Wet BMTi; paragraaf 4). In paragraaf 5 gaan we na welke verbanden er zijn tussen regelovertreding enerzijds, en de dimensies van de Tafel van Elf, de kennis van de Wet BMTi en enkele achtergrondkenmerken van AOW-ers anderzijds.
1
1.1 Vraagstelling De AOW (Algemene Ouderdomswet) is een basispensioen voor mensen die 65 jaar of ouder zijn. Het bedrag van de AOW hangt onder meer af van de woonsituatie van de AOW-er. De AOW kent pensioenbedragen voor alleenstaanden, alleenstaande ouders en gehuwden of degenen die samenwonen (een “gezamenlijke huishouding” voeren)1. Verder kan wie een gehuwdenpensioen ontvangt en een partner heeft die jonger is dan 65 jaar, een toeslag op het AOW-pensioen krijgen. De hoogte van de toeslag hangt onder meer af van de inkomsten van de partner. De volledige toeslag bedraagt bruto € 636,81. Inkomsten uit arbeid, zoals loon, worden gedeeltelijk van de toeslag afgetrokken2. Degene die een AOW-uitkering ontvangt, dient zich aan een aantal regels en verplichtingen te houden. Een algemene regel voor het ontvangen van een uitkering is dat een verzekerde zelf gevraagd of ongevraagd zaken behoort door te geven, waarvan men kan veronderstellen dat ze gevolgen hebben voor het recht op en de hoogte van de uitkering. In het geval van de AOW gaat het daarbij met name om het opgeven van inkomsten uit werk van de partner aan de uitkeringsinstantie als men een gehuwdentoeslag geniet en het correct opgeven of men met iemand een gezamenlijke huishouding voert. Over het naleven of overtreden van deze regels zijn twee vragen gesteld. Het zijn:
Heeft uw partner in de afgelopen 12 maanden gemiddeld per maand méér inkomsten verdiend met werk dan 190 euro, zonder dat dit is doorgegeven aan de SVB?
Woont u samen met een partner, dat wil zeggen vormt u met een partner een gezamenlijke huishouding, zonder dat de SVB daarvan op de hoogte is gesteld?
De eerste vraag is alleen gesteld aan AOW-ers die een gehuwdentoeslag ontvangen. De tweede vraag is gesteld aan AOW-ers die niet aan die voorwaarde voldoen en hebben aangegeven niet samen te wonen met een partner. Over sancties met een boete of korting is één enkele vraag gesteld vanuit de gedachte dat uitkeringsgerechtigden de vorm en daarmee de exacte naam van een sanctie vaak niet onderkennen of moeilijk onthouden. Dat komt o.a. doordat zowel een opgelegde boete als een korting verrekend worden met een lopende uitkering. De vraag luidt:
Heeft u in de afgelopen 12 maanden wel eens een boete of korting opgelegd gekregen door de uitkeringsinstantie?
Tot slot is ook de vraag gesteld of men mensen in de directe omgeving kent die, ten onrechte, een te hoge uitkering genieten. De vraag luidt:
1
Kent u mensen in uw directe omgeving die ten onrechte een te hoge AOW-uitkering ontvangen?
Men voert een gezamenlijke huishouding als men met één andere meerderjarige persoon een woning deelt en allebei een
bijdrage levert in de kosten van de gezamenlijke huishouding of op andere wijze voor elkaar zorgt. Wie uitsluitend met een eigen kind of met een ouder een gezamenlijke huishouding voert, wordt als alleenstaand beschouwd. 2
De eerste € 189,72 plus éénderde deel van de inkomsten boven € 189,72 tellen niet mee (bedragen 2004). 2
1.2 De geschatte omvang van regelovertreding in de AOW In onderstaande tabel staan de geschatte proporties van AOW-ers die de verschillende regels met betrekking tot de uitkering overtreden. Hierbij benadrukken wij dat de gerapporteerde percentages met voorzichtigheid geïnterpreteerd dienen te worden om redenen die uiteengezet worden in Appendix 4. o
Van tien procent van de AOW-ers met een gehuwdentoeslag heeft de partner in de afgelopen twaalf maanden meer (bij)verdiend dan het toegestane bedrag van € 190, zonder dat daarvan melding is gemaakt bij de SVB.
o
Het samenwonen zonder dat de SVB er weet van heeft komt weinig voor: 1% van de groep die bij de SVB bekend staat als alleenstaand, maakt zich aan deze overtreding schuldig.
o
Een betrekkelijk klein deel van 4% van alle AOW-ers is in het afgelopen jaar wel eens een keer beboet of gekort op de uitkering.
o
Een aanzienlijk deel van de AOW-ers, zijnde 17%, zegt in haar directe omgeving mensen te kennen die ten onrechte een te hoge AOW-uitkering ontvangen.
1.1 | Geschatte omvang van regelovertreding en sancties, AOW, 2004 % Partner jonger dan 65 jaar in afgelopen 12 maanden per maand gemiddeld méér inkomsten verdiend met werk dan €
N
10 120
190, zonder door te geven aan de SVB (gevraagd aan AOW-ers met gehuwdentoeslag) Woont samen met partner (vormt met partner gezamenlijke huishouding), zonder dat SVB op de hoogte is gesteld
1 527
Afgelopen 12 maanden/ ten tijde van uitkering wel eens boete of korting op uitkering gehad van SVB?
4 647
Kent mensen in directe omgeving die ten onrechte een te hoge AOW-uitkering ontvangen
17 647
NB.: De percentages in de tabel zijn niet optelbaar tot een algemene maat voor overtreding.
3
1.3 Het Tafel van Elf-risicoprofiel voor de AOW De T11-variabelen geven wij weer in een zogenaamd ‘risicoprofiel’ dat in één oogopslag de visies van de doelgroep op overtreding en handhaving duidelijk kan maken. Het risicoprofiel is verdeeld in die delen. Het bovenste deel is het ‘veilige’ gebied. De verwachting is dat de houdingen weergegeven met T11-variabelen die in dat gebied liggen eerder bijdragen tot meer naleving van de regels. Het onderste gedeelte is het ‘kwetsbare’ gebied. Er wordt verondersteld dat de visies weergegeven met de T11variabelen in dat gebied liggen eerder samengaan met overtreding. Het middengebied is neutraal en een ligging in dat gebied geeft op zichzelf niet aan of er sprake zal zijn van een neiging tot naleving of overtreding van de regels.
1.2 | Risicoprofiel AOW 2004
veilig
middengebied
T1 a: T1 ke b: nn du is id re el ijk ge T2 he ls a: id re ko ge T2 st T3 en ls b: :a ba na cc te le ce ve n ov pt n at e rtr ie ed va en n T4 : w de r eg et ge el T5 T7 s tro T6 :i a: nf u :i or w ka nf he m or ns el id m e op el s e a ad nc m m el tie T7 in di is ng b: t r sk ka at ie an ns ve s op c on fy si tro ek le e c T8 o T9 nt :d ro :s et le el e ct ec i ek tiv an ite s it co T1 nt 0: ro sa le nc T1 tie 1: ka sa ns nc tie -e rn st
kwetsbaar
4
Figuur 1.2 geeft de T11-risicoprofielen voor de AOW aan de hand van de gemiddelde scores op de T11-vragen. De AOW kent één ‘kwetsbare’ dimensie, te weten de als laag ingeschatte kans dat er een controle ter plekke wordt gedaan (kans op fysieke controle, T7b). De volgende dimensies behoren tot het middengebied dat noch ‘kwetsbaar’ noch ‘veilig’ kan heten: o de reactie van de omgeving op overtreding (de informele sanctie, T5) o de perceptie van de kans op een administratieve controle (T7a) o de perceptie van de kans dat een overtreding ontdekt wordt (detectiekans, T8) o de perceptie van de trefzekerheid of selectiviteit van controles (selectiviteit controle, T9) o de perceptie van de kans op een straf op het moment dat een overtreding wordt geconstateerd (sanctiekans, T10) o de verwachte ernst van een eventuele sanctie (sanctie-ernst, T11) De overige dimensies zijn als ‘veilig’ te kwalificeren. Het zijn: o de kennis van de regels (T1a) en de duidelijkheid van de regels (T1b) o de kosten van naleven (T2a) en baten van overtreden (T2b) o de acceptatie van de regels (T3) o de principiële trouw aan de wet (T4) o de angst bij overtreding te worden verklikt (informele meldingskans, T6)
5
1.4 Ervaring met en kennis van de Wet BMTi onder AOW-ers Kennis van de mogelijke sancties kan van belang zijn voor naleving en overtreding van de regels. Aan de respondenten werd een aantal vragen voorgelegd om hun ervaringen met de boete en korting krachtens de Wet Boeten, maatregelen, terug- en invordering sociale zekerheid (Wet BMTi) en hun kennis over het boetedeel van deze wet te toetsen. Naar kennis over het maatregelenbeleid is niet gevraagd, omdat deze kennis niet met een beknopte vragenlijst is te toetsen. Uit het onderzoek blijkt dat 4% van de AOW-ers in de afgelopen 12 maanden wel eens een boete of een korting heeft gekregen. De kennis van het boetedeel van de Wet BMTi onder AOW-ers is als volgt te beoordelen (zie tabel 2)3. Ruim een kwart van de AOW-ers weet een correct antwoord te geven op de vraag naar de straf op overtreding van de inlichtingenplicht. 11% geeft een antwoord waaruit blijkt dat men geen duidelijk idee heeft van het sanctiebeleid van de wet, terwijl ruim éénderde (35%) de ernst van de sanctie onderschat. Slechts een klein deel van 2% overschat de sanctie.
1.3 | Kennis van de Wet BMTi bij onjuiste of onvolledige inlichtingen, AOW, 2004 (n = 800) % Kennis sancties Wet BMTi bij overtreding inlichtingenplicht Onderschatting
35
Redelijke kennis
24
Correct antwoord
27
Overschatting
2
Geen kennis Totaal
11 100%
Aan degenen die het goede antwoord gaven op de vraag naar de sanctie, is ook gevraagd hoe hoog zij denken dat de boete zal zijn. Tabel 1.4 geeft de uitkomsten weer. Het juiste antwoord is 10% van het ten onrechte ontvangen bedrag. Ruim éénderde (35%) van de groep die op de voorgaande vraag een juist antwoord gaf, weet ook hoe hoog de boete is. Een groter deel van 37% overschat de hoogte van
3
De volgende normen zijn gehanteerd:
x
correct antwoord: ‘Terugbetalen plus een boete’;
x
redelijke kennis: ‘terugbetalen plus een waarschuwing’, of ‘terugbetalen plus een korting op de uitkering’;
x
onderschatting: ‘geen straf, maar een waarschuwing’ of ‘terugbetalen van het ten onrechte ontvangen bedrag’;
x
overschatting: ‘terugbetalen plus stopzetten van de uitkering’ en ‘terugbetalen plus gevangenisstraf’;
x
geen kennis (‘weet niet’): ‘hangt helemaal af van het ten onrechte ontvangen bedrag\ de ernst van de overtreding’, ‘andere’ en ‘weet niet’. 6
de boete en 12% denkt dat de boete lager is dan zij in werkelijkheid is. Het voorgaande betekent dat bijna 10% volledig op de hoogte is van het boetebeleid krachtens de Wet BMTi4.
1.4 | Schatting hoogte boete voor onjuiste of onvolledige inlichtingen, AOW 2004 (n = 219) % Geschatte hoogte boete in % van het ten onrechte uitgekeerde bedrag
Totaal
4
Onderschatting (boete = 5%)
12
Antwoord juist (boete = 10%)
35
Overschatting (boete >10%)
37
Geen kennis
16 100
0,35 x 0,27 = 0,0945. 7
1.5 Samenhangen met overtredingen De verbanden tussen overtredingen en achterliggende factoren zijn op twee manieren geanalyseerd. Allereerst is gebruik gemaakt van logistische regressie. Deze analysetechniek is vooral geschikt om zogenaamde lineaire verbanden tussen overtreding en één andere variabele te analyseren. We spreken dan over univariate (lineaire) verbanden. Bijvoorbeeld: hoe ouder iemand is, des te minder overtreedt hij de regels. Een tweede techniek (Answer Tree) kijkt ook naar niet-lineaire verbanden tussen overtreding en meerdere andere variabelen. Bijvoorbeeld, ouderen met minder opleiding overtreden minder dan uitkeringsgerechtigden van middelbare leeftijd met meer opleiding, terwijl jongeren, ongeacht opleiding, het minst overtreden.
Naleving bepalingen gehuwdentoeslag Van tien procent van de AOW-ers met een gehuwdentoeslag heeft de partner in de afgelopen twaalf maanden meer (bij)verdiend dan het toegestane bedrag van € 190, zonder dit door te geven aan de SVB. De vraag luidde:
Heeft uw partner in de afgelopen 12 maanden gemiddeld per maand méér inkomsten verdiend met werk dan 190 euro, zonder dat dit is doorgegeven aan de SVB?
Tabel 1.5 laat zien dat de overtreding vooral samenhangt met T11-variabelen. Er zijn twee samenhangen met andere variabelen: o In de eerste plaats komt de overtreding meer voor onder degenen die naast de AOW ook inkomsten uit arbeid hebben. o Er is verder een verband met kennis van de Wet BMTi: degenen die een correct antwoord geven op de vraag naar de sanctie op het overtreden van de inlichtingenplicht, overtreden meer dan degenen die minder goed op de hoogte zijn van de sancties krachtens de Wet BMTi. Er zijn de volgende samenhangen met variabelen van de T11: o Het duidelijker vinden van de regels (T1b) gaat samen met minder overtreding. o Meer principiële trouw aan de wet gaat eveneens samen met minder overtreding. o Het verwachten van een grotere kans op fysieke controle (T7b) gaat juist gepaard met méér overtreding. o Hetzelfde geldt voor het verwachten van een grotere kans op een sanctie als een overtreding wordt geconstateerd (T10). Deze laatste twee verbanden zijn omgekeerd aan wat gebruikelijk is voor deze T11-variabelen.
8
1.5 | Partner méér verdiend dan toegelaten (overtreding 10%): variabelen die ermee samenhangen Tweewaardige onafhankelijke variabele:
Nee
Aantal
Ja
Aantal
Verschil
Heeft naast de AOW inkomsten uit werk
9%
547
26%
47
17%
Correct antwoord op de vraag naar Wet BMTi
7%
466
17%
181
10%
Algemene kenmerken: Kennis van sancties: Kwantitatieve onafhankelijke variabele:
– 1sd
+ 1sd
Duidelijkheid van de regels (T1b)
16%
6%
- 10%
Trouw aan de wet (T4)
21%
4%
- 17%
Kans op fysieke controle (T7b)
5%
14%
9%
Sanctiekans (T10)
3%
21%
18%
Tafel van 11:
NB.: de cellen onder ‘nee’ en ‘ja’ bij de ‘tweewaardige onafhankelijke variabele’ vermelden steeds het percentage overtreders zonder, respectievelijk met het betreffende kenmerk. Bijvoorbeeld de groep ‘heeft naast de AOW inkomsten uit werk, nee’ betreft de groep die in de vragenlijst aangeeft geen inkomen uit arbeid naast de AOW te hebben. De cellen onder –1 en +1 sd bij de ‘kwantitatieve onafhankelijke variabele’ vermelden steeds het percentage overtreders bij – 1 standaarddeviatie, respectievelijk + 1 standaarddeviatie van het gemiddelde van de onafhankelijke variabele.
Het rapporteren van de samenstelling van het huishouden Het samenwonen zonder dat de SVB er weet van heeft komt weinig voor: 1% van de groep die bij de SVB bekend staat als alleenstaand, maakt zich aan deze overtreding schuldig. De volgende vraag is gesteld:
Woont u samen met een partner, dat wil zeggen vormt u met een partner een gezamenlijke huishouding, zonder dat de SVB daarvan op de hoogte is gesteld?
Tabel 1.6 geeft twee verbanden weer met de overtreding. o Meer opleiding gaat gepaard met meer overtreding. o Wie een grotere kans verwacht dat het constateren van een overtreding gevolgd wordt door straf (T10), overtreedt meer. Dit laatste verband is tegengesteld aan het verband dat men bij deze T11-variabele zou verwachten.
1.6 | Woont samen zonder medeweten SVB, (overtreding 7%): variabelen die ermee samenhangen Kwantitatieve onafhankelijke variabele:
– 1sd
+ 1sd
Tafel van 11: Sanctiekans (T10)
0%
7%
7%
1%
7%
6%
Algemene kenmerken Opleiding
NB.: de cellen onder –1 en +1 sd bij de ‘kwantitatieve onafhankelijke variabele’ vermelden steeds het percentage overtreders bij – 1 standaarddeviatie, respectievelijk + 1 standaarddeviatie van het gemiddelde van de onafhankelijke variabele.
Ervaringen met boete of korting Tabel 1.7 geeft een overzicht van variabelen die samenhangen met het krijgen van een boete voor overtreding van de inlichtingenplicht. 9
De volgende vraag is opgenomen:
Heeft u in de afgelopen 12 maanden wel eens een boete of korting opgelegd gekregen door de uitkeringsinstantie?
Vier procent van de AOW-ers heeft in een periode van een jaar wel eens een boete of korting gehad. Er zijn twee verbanden met achtergrondkenmerken en acht met kenmerken van handhaving. o De groep die voorafgaande aan de AOW-uitkering een WAO-uitkering heeft gehad, is in de afgelopen 12 maanden vaker beboet of op de uitkering gekort. o Boeten en/ of kortingen komen meer voor in de SVB-regio Zaanstad. Er zijn de volgende samenhangen met de kennis- en spontane nalevingsdimensies van de T11: o het duidelijker vinden van de regels (T1b) o het onderkennen van (toch nog) meer voordeel van overtreding (T2b) o het meer belang hechten aan principiële trouw aan de wet (T4) o het zich meer zorgen maken over de reactie op overtreding van de omgeving (informele sanctie, T5) gaan alle gepaard met minder boeten en kortingen. De overige verbanden met T11-variabelen wijzen eerder op beïnvloeding van de kijk op overtreding en handhaving door het beboet of gekort zijn. Wie is beboet of gekort ervaart: o meer informele controle (T6) o een grotere kans op een administratieve controle (t7a) o een grotere kans op een fysieke controle (t7b) o en een grotere trefzekerheid van controles (T9). Tot slot wijst de samenhang met een andere visie op handhaving in dezelfde richting: o AOW-ers die zijn beboet of gekort zijn er meer van overtuigd dat de medewerkers van de SVB alleen letten op de letter van de wet en geen oog hebben voor de persoonlijke situatie en problemen van de AOW-er.
10
1.7 | Boete of korting gehad (4%), variabelen die ermee samenhangen Tweewaardige onafhankelijke variabele:
Nee Aantal
Ja
Aantal
Verschil
22%
Algemene kenmerken: e
Voor 65 WAO-uitkering gehad
2%
568
24%
79
Zaanstad
3%
562
16%
85
SVB-regio Kwantitatieve onafhankelijke variabele:
13%
– 1sd
+ 1sd
Verschil
Duidelijkheid van de regels (T1b)
9%
0%
Voordeel overtreding (T2b)
0%
9%
9%
Trouw aan de wet (T4)
13%
1%
- 12%
Informele sanctie (T5)
13%
1%
- 12%
Informele controle (T6)
0%
6%
6%
Kans op administratieve controle (T7a)
0%
8%
8%
Kans op fysieke controle (T7b)
0%
9%
9%
Selectiviteit controle (T9)
0%
2%
2%
1%
12%
11%
Tafel van 11: - 9%
Andere meningen over handhaving: Medewerkers SVB geen oog voor persoonlijke situatie uitkeringsgerechtigde NB.: de cellen onder ‘nee’ en ‘ja’ bij de ‘tweewaardige onafhankelijke variabele’ vermelden steeds het percentage overtreders zonder, respectievelijk met het betreffende kenmerk. Bijvoorbeeld de groep ‘SVB-regio Zaanstad, nee’, betreft alle AOW-ers die niet in deze regio wonen, maar elders in het land. De cellen onder –1 en +1 sd bij de ‘kwantitatieve onafhankelijke variabele’ vermelden steeds het percentage overtreders bij – 1 standaarddeviatie, respectievelijk + 1 standaarddeviatie van het gemiddelde van de onafhankelijke variabele.
Mensen in directe omgeving kennen die te hoge uitkering ontvangen Een aanzienlijk deel van de AOW-ers, zijnde 17%, zegt in haar directe omgeving mensen te kennen die ten onrechte een te hoge AOW-uitkering ontvangen. De vraag was:
Kent u mensen in uw directe omgeving die ten onrechte een te hoge AOW-uitkering ontvangen?
Tabel 1.8 bevat de verbanden met andere variabelen. Er zijn vier samenhangen met algemene achtergrondkenmerken: o De groep die tot aan het 65e levensjaar heeft doorgewerkt, zegt meer mensen te kennen die, op oneigenlijke gronden, een te hoge uitkering ontvangen. o Hetzelfde geldt voor de groep die voorafgaande aan de AOW-uitkering, een WAO-uitkering heeft ontvangen. o Ook wie huursubsidie ontvangt zegt meer mensen te kennen die een te hoge AOW ontvangen. o In de SVB-regio Utrecht kent men eveneens meer mensen met een te hoge AOW. De AOW-ers die over (vrijwel) geen enkele kennis van de Wet BMTi beschikken, kennen meer mensen in hun directe omgeving die ten onrechte een te hoge uitkering ontvangen dan de AOW-ers die wel over minstens enige kennis van die wet beschikken. Er zijn nog samenhangen met drie T11-variabelen: o Wie de regels van de AOW als redelijk accepteert (T3), kent minder AOW-ers in de directe omgeving met een te hoge uitkering.
11
o Hetzelfde geldt voor wie zegt trouwer te zijn aan de wet (T4). o Ook wie de kans op straf bij constatering van overtreding groter acht (T10), kent minder mensen met een te hoge AOW.
1.8 | Kent mensen in directe omgeving met ten onrechte te hoge AOW-uitkering (17%), variabelen die ermee samenhangen Tweewaardige onafhankelijke variabele: Algemene kenmerken:
e Heeft tot 65 gewerkt e Voor 65 WAO-uitkering gehad
Nee
Aantal
Ja
Aantal
Verschil
13%
493
39%
103
26%
15%
568
34%
79
19%
Ontvangt huursubsidie
11%
276
33%
132
22%
SVB-regio Utrecht
15%
575
36%
72
21%
Enige kennis van de Wet BMTi
32%
78
15%
Kennis van sancties: Kwantitatieve onafhankelijke variabele:
– 1sd
570
- 17%
+ 1sd
Verschil
- 15%
Tafel van 11: Acceptatie van de regels (T3)
24%
9%
Trouw aan de wet (T4)
24%
11%
- 13%
Sanctiekans (T10)
23%
11%
- 12%
NB.: de cellen onder ‘nee’ en ‘ja’ bij de ‘tweewaardige onafhankelijke variabele’ vermelden steeds het percentage overtreders zonder, respectievelijk met het betreffende kenmerk. Bijvoorbeeld de groep ‘SVB-regio Utrecht, nee’, betreft alle AOW-ers die niet in deze regio wonen, maar elders in het land. De cellen onder –1 en +1 sd bij de ‘kwantitatieve onafhankelijke variabele’ vermelden steeds het percentage overtreders bij – 1 standaarddeviatie, respectievelijk + 1 standaarddeviatie van het gemiddelde van de onafhankelijke variabele.
12
1.6 Overtrederprofielen: samenhangen van overtreding met meerdere variabelen Inleiding In deze en de volgende paragraaf presenteren we de tweede manier om de samenhang tussen overtreding van de regels en kenmerken van uitkeringsgerechtigden te analyseren. We analyseren nu de samenhang van overtreding met meerdere variabelen tegelijk. Dit gebeurt als volgt. De totale groep uitkeringsgerechtigden heeft een bepaald overtredingspercentage. Het speciaal statistisch programma voor deze analyses, Answer Tree, zoekt naar een opsplitsing van deze totale groep in twee of meer deelgroepen. Deze deelgroepen worden zodanig geconstrueerd dat het verschil tussen hun overtredingspercentages zo groot mogelijk is.5 Met Answer Tree zijn overtrederprofielen te maken; dat wil zeggen combinaties van kenmerken van groepen die veel overtreden. Er zijn profielen gemaakt met T11-variabelen en profielen met achtergrondkenmerken. Bij de eerste analyseren we de invloed van alle T11-variabelen gezamenlijk op overtreding en bij de tweede de gezamenlijke invloed van achtergrondkenmerken van de respondenten. De profielen kunnen bijvoorbeeld worden gebruikt om prioriteiten te stellen ten aanzien van handhaving en opsporing. Het programma Answer Tree presenteert zijn resultaten in de vorm van boomdiagrammen. Bij elke vertakking wordt een groep opgesplitst in (meestal twee) deelgroepen, indien deze deelgroepen significant van elkaar verschillen. Wij merken op dat dit niet betekent dat deelgroepen die afkomstig zijn van verschillende vertakkingen ook altijd significant van elkaar verschillen. De analyses met Answer Tree zijn gewogen uitgevoerd. Opsplitsingen van groepen kleiner dan ca. 80 respondenten of opsplitsingen in deelgroepen kleiner dan ca. 40 respondenten worden niet gerapporteerd. Bij deze kleine aantallen zijn toevallige verbanden namelijk niet goed uit te sluiten, en daarnaast is de relevantie geringer, omdat het hier om relatief kleine groepen gaat. In de tabellen worden ook steeds de aantallen respondenten in de deelgroepen vermeld. Door de steekproefaantallen te delen door de steekproefomvang, krijgt men een benadering van het belang van deze groepen in de populatie.
Overtrederprofielen op basis van T11-variabelen De analyses van de T11-variabelen geven inzicht in het complex van motieven dat met overtreding en naleving samengaat. Het betreft in feite ‘psychologische profielen’. De T11-variabelen worden weergegeven met schaaltjes bestaande uit vijf waarden 1 tot en met 5.6 De gevonden samenhangen bestaan uit unieke combinaties van variabelen. Het is niet mogelijk om voor elke T11-variabele een soort ‘kritisch niveau’ aan te wijzen waarbij naleving overgaat in overtreding. Dezelfde waarden voor een T11-variabele kunnen bij de ene overtreding samengaan met naleving en bij de andere met een
5
De analyses zijn uitgevoerd met een door ons voor Randomized response gemaakte aanpassing van het SPSS programma Answer Tree. Het overtredingspercentage vermeld in de titel van de tabellen is het gemiddelde percentage overtreding over de metingen van 2002 en 2004, gewogen naar steekproefomvang.
6
De waarden 1 tot en met 5 hebben hier alleen de gebruikelijke betekenis van ‘minder’ tot en met ‘meer’. Een waarde van ‘5’
betekent zo bijvoorbeeld meer (verwacht) voordeel van overtreding, hogere kosten van naleven, duidelijker regels, meer (verklaarde) trouw aan de wet, een hogere inschatting van de detectiekans etc. In de tabellen en in de toelichtende tekst worden de scores op de T11-variabelen vermeld zoals het programma Answer Tree die opsplitst. De vermelding 1-2 staat voor de scores ‘1’ en ‘2’; de vermelding 4-5 voor de scores ‘4’ en ‘5’; 3 – 5 voor de scores 3 tot en met 5, etc.
13
hoog percentage overtreders. Zo kan een score van ‘3’ voor de baten van overtreden in combinatie met andere T11-variabelen samengaan met een hoog overtredingspercentage voor de ene overtreding, maar juist met niet meer dan een gemiddeld percentage voor een andere overtreding.
Naleving bepalingen gehuwdentoeslag Tabel 1.9 geeft de samenhangen weer tussen T11-variabelen en het niet volledig rapporteren van het inkomen van de jongere partner van AOW-ers met een gehuwdentoeslag. Op basis van de verklaarde trouw aan de wet en de zorg dat overtreding op een of andere manier wordt ontdekt zijn drie groepen te onderscheiden. x De AOW-ers die principieel trouw (trouw aan de wet 4-5) zijn aan de wet, overtreden niet (0% overtreding). x De AOW-ers die minder trouw zijn aan de wet (trouw aan de wet 1-3) zijn nog te onderscheiden in twee deelgroepen, waarvan de groep die zich weinig zorgen maakt om tegen de lamp te lopen (detectiekans 1-2), 6% overtreders bevat. x De deelgroep die zich daar wel zorgen over maakt (detectiekans 3-5) bevat opmerkelijk genoeg 34% overtreders.
1.9 | Partner méér verdiend dan toegelaten (overtreding 10%): variabelen die ermee samenhangen (n=647) Groepen onderscheiden op basis van T11-variabelen
Trouw aan de wet 1-3 Trouw aan de wet 4-5
Detectiekans 3-5 Detectiekans 1-2
% overtreding
34 6 0
N
173 79 395
Naleving van de regels met betrekking tot samenwoning Voor overtreding van de regels met betrekking tot samenwoning zijn op grond van T11-variabelen geen deelgroepen te onderscheiden. Ervaringen met boete of korting Tabel 1.10 geeft een overzicht van de T11-variabelen die samenhangen met het krijgen van een boete voor overtreding van de inlichtingenplicht. Op basis van de verwachting van de kans op een fysieke controle zijn er twee groepen te onderscheiden. x De verwachting van een hoge kans op een fysieke controle (fysieke controlekans 4 –5) gaat samen met een groter aantal AOW-ers dat beboet of gekort is. De groep bevat 43% AOW-ers met een boete of korting in de afgelopen twaalf maanden. x De groep die de kans op een fysieke controle laag inschat (fysieke controlekans 1-3) bevat niemand die is beboet of gekort. Het is veilig om te stellen dat de AOW-ers die een boete of korting hebben gehad, de kans op een fysieke controle hoger inschatten.
14
1.10 | Boete of korting gehad (4%), variabelen die ermee samenhangen (n=647) Groepen onderscheiden op basis van T11-variabelen Fysieke controlekans 4-5 Fysieke controlekans 1-3
% boete/ korting 43 0
N 71 577
Mensen in directe omgeving kennen die te hoge uitkering ontvangen Tabel 1.11 bevat de verbanden tussen T11-variabelen en het in de directe omgeving kennen van mensen die ten onrechte een te hoge AOW-uitkering ontvangen. Op basis van acceptatie van de regels, de vrees voor sancties en de vrees te worden verklikt, zijn vier groepen te onderscheiden. x AOW-ers die de regels van de uitkering niet of nauwelijks als redelijk kunnen accepteren (acceptatie van de regels 1-3), zien meer overtreding van de regels in hun omgeving dan anderen. x Een kleine groep vormt een uitzondering. Deze accepteert de regels wel (acceptatie van de regels 4-5) en schat de ernst van sancties hoog in (sanctie-ernst 5). Van deze groep ziet 42% overtreding van AOW-ers in haar directe omgeving. x Wie de sancties op overtreding minder ernstig acht (sanctie-ernst 1-4), onderscheidt zich verder nog door de vrees te worden verklikt. Duidelijke zorg om te worden verklikt (klikkans 4-5) gaat gepaard met het zien van meer overtreding in de directe omgeving: 13% van deze groep zegt in de directe omgeving AOW-ers te kennen die ten onrechte een te hoge uitkering ontvangen. x De deelgroep die de regels accepteert, de te verwachten sancties niet heel serieus neemt en weinig rekening houdt met het gevaar om bij overtreding te worden verklikt (klikkans 1-3), ziet in haar directe omgeving ook geen overtreding van de regels van de AOW.
1.11 | Kent mensen in directe omgeving met (ten onrechte) te hoge AOW-uitkering (17%), variabelen die ermee samenhangen (n=647) Groepen onderscheiden op basis van T11-variabelen Acceptatie van de regels 1-3 Sanctie-ernst 5 Acceptatie van de regels 4-5 Klikkans 4-5 Sanctie-ernst 1Klikkans 1-3 4
% kent overtreders 30 42 13 0
N 210 46 254 136
Overtrederprofielen met achtergrondkenmerken Bij de analyse van achtergrondkenmerken beperken wij ons tot kenmerken die bij de uitkeringsinstantie bekend (kunnen) zijn. Dat betekent dat in tegenstelling tot de T11-variabelen alleen wordt gekeken naar objectieve kenmerken en niet naar meningen of houdingen van de uitkeringsgerechtigden. De analyses van de achtergrondkenmerken geven inzicht in de vraag welke waarneembare kenmerken samengaan met overtreding of naleving. Het resultaat zijn meer ‘sociaaleconomische profielen’ van overtreders en nalevers.
15
Naleving bepalingen gehuwdentoeslag Tabel 1.12 geeft de samenhangen weer tussen achtergrondkenmerken en het niet volledig rapporteren van het inkomen van de jongere partner van AOW-ers met een gehuwdentoeslag. Afhankelijk van het arbeidsverleden van de AOW-er zijn er drie deelgroepen te onderscheiden. x De groep die nooit heeft gewerkt of een gesubsidieerde baan heeft gehad, bevat de meeste overtreders: 34%. x Degenen die als zelfstandige of werknemer in het bedrijfsleven of bij de overheid hebben gewerkt, tellen 11% overtreders, bijna gelijk aan het gemiddelde percentage voor de gehele populatie. x De groep die aangeeft ‘anders’ actief te zijn geweest, bevat geen overtreders.7
1.12 | Partner méér verdiend dan toegelaten (overtreding 10%): variabelen die ermee samenhangen (n=647) Deelgroepen
% overtreding
N
Nooit gewerkt of in gesubsidieerde werkplaats gewerkt
34
55
Zelfstandige of werknemer bedrijfsleven of overheid
11
468
Anders
0
124
Naleving van de regels met betrekking tot samenwoning Voor overtreding van de regels met betrekking tot samenwoning zijn met achtergrondvariabelen geen deelgroepen te onderscheiden.
Ervaringen met boete of korting Tabel 1.13 geeft een overzicht van de achtergrondvariabelen die samenhangen met het krijgen van een boete of korting. Op basis van arbeidsverleden en SVB-regio zijn drie groepen te onderscheiden. x Wie gewerkt heeft als zelfstandige of ‘anders’ actief is geweest, heeft geen boete of korting gehad in de afgelopen twaalf maanden. x Van de groep die in het bedrijfleven, bij de overheid, of op een gesubsidieerde werkplek heeft gewerkt, of daarentegen nooit heeft gewerkt, en woont in een van de SVB-regio’s Breda, Utrecht, Roermond, Deventer, Zaanstad, Groningen, heeft 16% in de afgelopen twaalf maanden wel eens een boete of korting gehad. x Wie op dezelfde manier actief is geweest voorafgaand aan de pensionering, maar in de regio Nijmegen, Leiden of Rotterdam woont, is niet beboet of gekort.
1.13 | Boete of korting gehad (4%), variabelen die ermee samenhangen (n=647) Deelgroepen Werknemer bij bedrijf of overheid,
% boete/ korting Breda, Utrecht, Roermond, Deventer,
N 312
Zaanstad, Groningen
gesubsidieerde werkplaats, nooit gewerkt
Nijmegen, Leiden, Rotterdam Anders, zelfstandig ondernemer
7
16 0
159
0
176
De groep die zegt ‘anders’ actief te zijn geweest bestaat merendeels uit vrouwen. Mogelijk zijn het vrouwen die als
huisvrouw actief zijn (geweest) en die deze categorie ‘anders’ kiezen. 16
Mensen in directe omgeving kennen die te hoge uitkering ontvangen Tabel 1.14 geeft een overzicht van de belangrijkste kenmerken van AOW-ers die zeggen in hun directe omgeving mensen te kennen die ten onrechte een te hoge AOW-uitkering ontvangen. Op basis van vier kenmerken zijn zes groepen te onderscheiden. De meeste overtreding wordt waargenomen door degenen die tot hun 65e hebben gewerkt, of voor de AOW een andere uitkering hebben gehad, al zijn hier nog drie deelgroepen te onderscheiden met sterk uiteenlopende waarnemingen. x De meeste overtreding wordt waargenomen door AOW-ers die een middelbare beroepsopleiding hebben genoten of minder opleiding hebben en die in de SVB-regio’s Nijmegen, Leiden, Rotterdam, Utrecht, Zaanstad of Groningen wonen. De helft van deze groep (51%) zegt in haar directe omgeving mensen te kennen die een te hoge AOW-uitkering ontvangen. x AOW-ers in dezelfde regio’s, maar met meer opleiding kennen aanzienlijk minder mensen met een te hoge AOW-uitkering: hier geeft 12% aan van dit soort gevallen weet te hebben. x De groep die ook hun 65e hebben gewerkt, of voor de AOW een andere uitkering hebben gehad, maar in de SVB-regio’s Breda, Roermond of Deventer wonen, neemt nog minder overtreding waar: 7% van deze groep zegt mensen te kennen die een te hoge AOW-uitkering ontvangen. AOW-ers die voor hun 65e zijn gestopt met werken (met een VUT-uitkering, of ook zonder uitkering) onderkennen over het algemeen minder overtreding. Ook binnen deze groep zijn drie deelgroepen te onderscheiden met duidelijk verschillende waarnemingen. x Opnieuw zijn AOW-ers in de Randstad het meest achterdochtig: bijna de helft (49%) van de AOW-ers in de SVB-regio’s Rotterdam, Leiden en Utrecht die bovendien huursubsidie ontvangen zegt in hun directe omgeving mensen te kennen die een te hoge AOW-uitkering ontvangen. x Voor AOW-ers met huursubsidie in de regio’s Nijmegen, Breda, Roermond, Deventer, Zaanstad, Groningen valt dat percentage terug tot 9%. x AOW-ers (die voor hun 65e zijn gestopt met werken) en géén huursubsidie ontvangen zien vrijwel geen overtreding: slechts 1% van deze groep zegt in hun directe omgeving AOW-ers te kennen die in overtreding zijn.
1.14 | Kent mensen in directe omgeving met (ten onrechte) te hoge AOW-uitkering (17%), variabelen die ermee samenhangen (n=647) % kent overtreders
N
Nijmegen, Leiden, R’dam, Utrecht,
Deelgroepen Mbo of lager
51
128
Zaanstad, Groningen
Tot 65e gewerkt, andere
Meer dan mbo
12
54
Breda, Roermond, Deventer
7
64
Leiden, R’dam, Utrecht
49
54
Nijmegen, Breda, Roermond, Deventer,
9
76
1
270
uitkering Huursubsid VUT, voor 65e gestopt zonder
ie
Zaanstad, Groningen
uitkering Geen huursubsidie
17
Bijlage 2: De geschatte omvang en de achtergronden van regelovertreding in de AKW In dit hoofdstuk behandelen we overtreding van de regels van Algemene Kinderbijslagwet (AKW). Na een bespreking van de vragen over naleving en overtreding (paragraaf 1) presenteren we de met behulp van de Randomized response methode geschatte omvang van regelovertreding (paragraaf 2). Daarna kijken we naar het risicoprofiel dat is gebaseerd op de antwoorden op de Tafel van Elf vragen (paragraaf 3) en bezien we de kennis van AKW-gerechtigden over het boetedeel van de Wet Boeten, maatregelen en terug- en invordering sociale zekerheid (Wet BMTi; paragraaf 4). In paragraaf 5 gaan we na welke verbanden er zijn tussen regelovertreding enerzijds, en de dimensies van de Tafel van Elf, de kennis van de Wet BMTi en enkele achtergrondkenmerken van AKW-gerechtigden anderzijds.
18
2.1 Vraagstelling Degene die kinderbijslag ontvangt, dient zich aan een aantal regels en verplichtingen te houden. Een algemene regel voor het ontvangen van een uitkering is dat een uitkeringsgerechtigde zelf gevraagd of ongevraagd zaken behoort door te geven, waarvan men kan veronderstellen dat ze invloed hebben op het recht op en de hoogte van de uitkering. In het geval van de AWK gaat het daarbij met name om het opgeven van inkomsten van het kind of de kinderen waarvoor kinderbijslag wordt ontvangen. Vanaf 14 jaar tot 16 jaar mogen kinderen met een baantje onbeperkt bijverdienen. Vanaf 16 jaar mogen kinderen een beperkt bedrag bijverdienen per kwartaal. Elk jaar gelden andere inkomensbedragen. Tot 1 oktober 2004 gold een maximumbedrag van € 1.175,- netto per kwartaal. In de zomervakantie mogen kinderen, naast het bedrag van € 1.175,-, een extra bedrag bijverdienen. Voor de zomer van 2004 gold een bedrag van € 1.050,-. De bedragen gelden voor elk kind waarvoor kinderbijslag wordt ontvangen afzonderlijk. Over het naleven of overtreden van deze regels zijn twee vragen gesteld. Het zijn:
Heeft één of meer van uw kinderen in de afgelopen 12 maanden buiten de zomermaanden wel eens een kwartaal méér verdiend dan 1.175 euro netto (zonder dat dit aan de SVB is doorgegeven)?
Heeft één of meer van uw kinderen in deze zomer (zomer van 2004) méér dan 1.050 euro extra bijverdiend, dus méér dan 2.225 euro in totaal voor het zomerkwartaal (zonder dat dit aan de SVB is doorgegeven)?
Beide vragen zijn gesteld aan ouders die op het moment van de enquête of in de twaalf maanden daar aan voorafgaande kinderbijslag ontvingen voor kinderen in de leeftijd van 16 of 17 jaar. Over sancties met een boete of korting is één enkele vraag gesteld vanuit de gedachte dat uitkeringsgerechtigden de vorm en daarmee de exacte naam van een sanctie vaak niet onderkennen of moeilijk onthouden. Dat komt o.a. doordat zowel een opgelegde boete als een korting verrekend worden met een lopende uitkering. De vraag luidt:
Heeft u in de afgelopen 12 maanden wel eens een boete of korting opgelegd gekregen door de uitkeringsinstantie?
Tot slot is de vraag gesteld of men mensen in de directe omgeving kent die, ten onrechte, een te hoge kinderbijslag genieten. De vraag luidt:
Kent u mensen in uw directe omgeving die ten onrechte te veel kinderbijslag ontvangen, bijvoorbeeld omdat hun kind/kinderen al veel werkt en veel verdient of bijverdient?
19
2.2 De geschatte omvang van regelovertreding in de AKW In onderstaande tabel 2.1 staan de geschatte proporties van AKW-gerechtigden die de verschillende regels met betrekking tot de uitkering overtreden. Hierbij benadrukken wij dat de gerapporteerde percentages met voorzichtigheid geïnterpreteerd dienen te worden om redenen die uiteengezet worden in Appendix 4. o
Het niet of niet volledig opgeven van bijverdiensten van kinderen waarvoor kinderbijslag wordt ontvangen komt (vrijwel) niet voor. Dit geldt zowel voor de bijverdiensten gedurende het jaar als de zomerverdiensten.
o
4% van de kinderbijslaggerechtigden is in de afgelopen twaalf maanden wel eens beboet of is gekort op de uitkering.
o
Een groep van 12% van de kinderbijslaggerechtigden zegt in hun directe omgeving wel iemand te kennen die in strijd met de regels te veel kinderbijslag ontvangt omdat de kinderen te veel bijverdienen.
2.1 | Geschatte omvang van regelovertreding en sancties, AKW, 2004 (N = 694) (gevraagd aan ouders die in de afgelopen jaar 12 maanden kinderen van 16, 17 jaar oud hebben (hadden) waarvoor recht op kinderbijslag bestaat (bestond)) % Eén of meer kinderen afgelopen 12 maanden buiten de zomermaanden wel eens een kwartaal méér
0
verdiend dan 1.175 euro netto (zonder dat dit aan de SVB is doorgegeven)? Eén of meer kinderen in deze zomer (zomer van 2004) méér dan 1.050 euro extra bijverdiend, dus méér
0
dan 2.225 euro in totaal voor het zomerkwartaal (zonder dat dit aan de SVB is doorgegeven)? Afgelopen 12 maanden/ ten tijde van uitkering wel eens boete of korting op uitkering gehad van SVB?
4
Kent mensen in directe omgeving die ten onrechte te veel kinderbijslag ontvangen, bijvoorbeeld omdat
12
kind/kinderen al veel werkt en veel verdient of bijverdient? NB.: De percentages in de tabel zijn niet optelbaar tot een algemene maat voor overtreding.
20
2.3 Het Tafel van Elf-risicoprofiel voor de AKW De T11-variabelen geven wij weer in een zogenaamd ‘risicoprofiel’ dat in één oogopslag de visies van de doelgroep op overtreding en handhaving duidelijk kan maken. Het risicoprofiel is verdeeld in drie delen. Het bovenste deel is het ‘veilige’ gebied. De verwachting is dat de houdingen weergegeven met T11-variabelen die in dat gebied liggen eerder bijdragen tot meer naleving van de regels. Het onderste gedeelte is het ‘kwetsbare’ gebied. Er wordt verondersteld dat de visies weergegeven met de T11-variabelen in dat gebied eerder samengaan met overtreding. Het middengebied is neutraal en een ligging in dat gebied geeft op zichzelf niet aan of er sprake zal zijn van een neiging tot naleving of overtreding van de regels. Figuur 2.2 geeft de T11-risicoprofielen voor de AKW aan de hand van de gemiddelde scores op de T11-vragen. De kennisdimensies en een aantal spontane nalevingsdimensies liggen alle duidelijk in het ‘veilige’ gebied. Het gaat om: o de kennis van de regels (T1a) o de duidelijkheid van de regels (T1b) o de verwachte kosten van naleven (T2a) o het verwachte voordeel van overtreding (T2b) o de acceptatie van de regels (T3) De overige dimensies, te weten de trouw aan de wet, de sociale controle en de controle- en sanctiedimensies liggen alle in het middengebied. Het betreft: o de verklaarde trouw aan de wet (T4) o de verwachte reactie op overtreding van de omgeving (informele sanctie, T5) o de vrees te worden verklikt (informele meldingskans, T6) o de zorg om een administratieve controle (T7a) o de zorg om een fysieke controle (T7b) o de zorg dat een overtreding (op een of andere manier) wordt ontdekt (detectiekans, T8) o de verwachte trefzekerheid of selectiviteit van controles (selectiviteit controle, T9) o de mate waarin men verwacht dat overtreding gevolgd wordt door straf (sanctiekans, T10) o de verwachte ernst van sancties (T11)
21
2 2| Risicoprofiel AKW 2004
veilig
middengebied
T1
T1 a: ke b: nn du is id re el ge ijk he ls T2 id a: r ko eg st T2 el en s T3 b: na :a ba l cc te ev n ce en ov pt er at ie tre va de n n T4 de :w re et ge ge T5 ls tro T7 :i T6 n u a: :i fo w nf he rm ka or id ns e m le el op sa e nc ad m tie el m T7 di in ng is b: tra sk ka tie an ns ve s op co fy n tro si ek le e co T8 nt T9 :d ro :s et le ec el ec tie tiv ka ite ns it co T1 nt 0: ro sa le nc T1 t ie 1: ka sa ns nc tie -e rn st
kwetsbaar
Voor deze dimensies is dus niet duidelijk of ze een gevaar opleveren voor de naleving van de regels. Twee dimensies, te weten de kans om te worden verklikt (informele meldingskans, T6) en de kans op een fysieke controle (T7b) naderen het kwetsbare gebied dicht.
22
2.4 Ervaring met en kennis van de Wet BMTi onder AKW-gerechtigden Kennis van de mogelijke sancties kan van belang zijn voor naleving en overtreding van de regels. Aan de respondenten werd een aantal vragen voorgelegd om hun ervaringen met een boete of korting krachtens de Wet Boeten, maatregelen, terug- en invordering sociale zekerheid (Wet BMTi) en hun kennis over het boetedeel van deze wet te toetsen. Naar kennis over het maatregelenbeleid is niet gevraagd, omdat deze kennis niet met een korte vragenlijst is te toetsen. Uit het onderzoek blijkt dat 4% van de AKW-gerechtigden in de afgelopen 12 maanden wel eens een boete of een korting heeft gekregen. De kennis van het boetedeel van de Wet BMTi onder AKW-gerechtigden is als volgt te beoordelen (zie tabel 2.3)8. Een aanzienlijke groep van 40% van de AKW-gerechtigden weet het correcte antwoord op de vraag naar de sanctie voor een overtreding van de inlichtingenplicht, terwijl nog eens 21% over een redelijke kennis van het boeterégime beschikt. Een kwart onderschat de sanctie duidelijk en bij 6% is sprake van een overschatting. 8% beschikt over (vrijwel) geen kennis van de sancties krachtens het boetedeel van de Wet BMTi.
2.3 | Kennis van de Wet BMTi bij onjuiste of onvolledige inlichtingen, AKW, 2004 (n = 800) % Kennis sancties Wet BMTi bij overtreding inlichtingenplicht Onderschatting
25
Redelijke kennis
21
Correct antwoord
40
Overschatting
6
Geen Kennis
8
Totaal
100%
Aan degenen die het goede antwoord gaven op de vraag naar de sanctie, is ook gevraagd hoe hoog zij denken dat de boete zal zijn. Tabel 2.4 geeft de uitkomsten weer. Het juiste antwoord is 10% van het ten onrechte ontvangen bedrag. Eén kwart van de groep die op de voorgaande vraag een juist
8
De volgende normen worden gehanteerd:
x
correct antwoord: ‘Terugbetalen plus een boete’;
x
redelijke kennis: ‘terugbetalen plus een waarschuwing’, of ‘terugbetalen plus een korting op de uitkering’;
x
onderschatting: ‘geen straf, maar een waarschuwing’ of ‘terugbetalen van het ten onrechte ontvangen bedrag’;
x
overschatting: ‘terugbetalen plus stopzetten van de uitkering’ en ‘terugbetalen plus gevangenisstraf’;
x
geen kennis (‘weet niet’): ‘hangt helemaal af van het ten onrechte ontvangen bedrag\ de ernst van de overtreding’, ‘andere’ en ‘weet niet’.
23
antwoord gaf, weet ook hoe hoog de boete is. Een groter deel van 46% overschat de hoogte van de boete en 13% denkt dat de boete lager is dan zij in werkelijkheid is. Het voorgaande betekent dat 10% van de ontvangers van kinderbijslag volledig op de hoogte is van het boetebeleid krachtens de Wet BMTi9.
2.4 | Schatting hoogte boete voor onjuiste of onvolledige inlichtingen, AKW 2004 (n = 319) % Geschatte hoogte boete in % van het ten onrechte uitgekeerde bedrag
Totaal
9
Onderschatting (boete = 5%)
13
Antwoord juist (boete = 10%)
25
Overschatting (boete >10%)
46
Geen kennis
16 100
0,25 x 0,40 = 0,10.
24
2.5 Samenhangen met overtredingen De verbanden tussen overtredingen en achterliggende factoren zijn op twee manieren geanalyseerd. Allereerst is gebruik gemaakt van logistische regressie. Deze analysetechniek is vooral geschikt om zogenaamde lineaire verbanden tussen overtreding en één andere variabele te analyseren. We spreken dan over univariate (lineaire) verbanden. Bijvoorbeeld: hoe ouder iemand is, des te minder overtreedt hij de regels. Een tweede techniek (Answer Tree) kijkt ook naar niet-lineaire verbanden tussen overtreding en meerdere andere variabelen. Bijvoorbeeld, ouderen met minder opleiding overtreden minder dan uitkeringsgerechtigden van middelbare leeftijd met meer opleiding, terwijl jongeren, ongeacht opleiding, het minst overtreden. Wij behandelen eerst de samenhangen gevonden met logistische regressie.
Bijverdiensten kinderen in 12 maanden De overtreding komt (vrijwel) niet voor en er zijn géén samenhangen te constateren met andere variabelen.
Bijverdiensten kinderen in het zomerkwartaal Het overschrijden van het maximumbedrag dat een kind in het zomerkwartaal mag bijverdienen komt (vrijwel) niet voor en vertoont geen relaties met andere variabelen. Ervaringen met boete of korting Tabel 2.5 geeft een overzicht van variabelen die samenhangen met het krijgen van een boete voor overtreding van de inlichtingenplicht. In de enquête is de volgende vraag opgenomen:
Heeft u in de afgelopen 12 maanden wel eens een boete of korting opgelegd gekregen door de uitkeringsinstantie?
Vier procent van de AKW-gerechtigden heeft in een periode van een jaar wel eens een boete of korting gehad. Er zijn drie samenhangen met algemene kenmerken: o De AKW-gerechtigden die als zelfstandigen werken hebben meer boeten en/ of kortingen gehad. o Boeten en kortingen komen meer voor in de regio Utrecht. o De AKW-gerechtigden die met ouders, broers of zussen samenwonen zijn vaker beboet of gekort. Verder zijn er verbanden met een aantal visies op overtreding en handhaving. Boeten en kortingen komen minder voor onder de AKW-gerechtigden: o die tevredener zijn over hun eigen kennis van de regels van de kinderbijslag (T1a) o die de regels duidelijker vinden (T1b) o die de kosten van naleven (T2a) o die de regels redelijker vinden en beter accepteren (T3) o die de kans op een sanctie bij constatering van een overtreding hoger achten (T10). Buiten de T11-variabelen zijn er ook verbanden met drie andere visies op handhaving. AKWgerechtigden die zijn beboet of gekort: o zijn er meer van overtuigd dat de SVB alleen een uitkering verstrekt en de uitkeringsgerechtigden verder aan hun lot over laat. o zijn er eveneens duidelijker van overtuigd dat de medewerkers van de SVB alleen letten op de letter van de wet en geen oog hebben voor de persoonlijke situatie en problemen van de ontvanger van kinderbijslag.
25
o achten echter de controle op bijverdiensten van kinderen, de belangrijkste beperkende bepaling van de AKW, minder waterdicht.
2.5 | Boete of korting gehad (4%), variabelen die ermee samenhangen Tweewaardige onafhankelijke variabele:
Nee
N
Ja
N
Verschil
Algemene kenmerken: Werkzaam als zelfstandige
3%
638
20%
56
17%
Utrecht (8)
2%
617
21%
77
19%
Ouders/ broers/ zussen
2%
654
33%
SVB-regio Woont samen met:
Kwantitatieve onafhankelijke variabele:
36
31%
– 1sd
+ 1sd
Verschil
Kennis van de regels (T1a)
7%
2%
- 5%
Duidelijkheid van de regels (T1b)
7%
2%
-5%
Kosten naleven (T2a)
7%
2%
-5%
Acceptatie van de regels (T3)
8%
2%
- 6%
Sanctiekans (T10)
7%
1%
- 6%
Tafel van 11:
Andere meningen over handhaving: SVB geeft een uitkering en laat de mensen verder aan hun lot over
2%
8%
6%
Medewerkers SVB geen oog voor persoonlijke situatie
1%
11%
10%
9%
1%
- 8%
uitkeringsgerechtigde Controle op bijverdiensten kinderen is waterdicht
NB.: de cellen onder ‘nee’ en ‘ja’ bij de ‘tweewaardige onafhankelijke variabele’ vermelden steeds het percentage overtreders zonder, respectievelijk met het betreffende kenmerk. De cellen onder –1 en +1 sd bij de ‘kwantitatieve onafhankelijke variabele’ vermelden steeds het percentage overtreders bij – 1 standaarddeviatie, respectievelijk + 1 standaarddeviatie van het gemiddelde van de onafhankelijke variabele.
Mensen in directe omgeving kennen die te hoge uitkering ontvangen 12% van de AKW-gerechtigden zegt mensen in hun directe omgeving te kennen die ten onrechte te veel kinderbijslag ontvangen, bijvoorbeeld omdat hun kind of kinderen al veel werken en veel bijverdienen. De volgende vraag is gesteld:
Kent u mensen in uw directe omgeving die ten onrechte te veel kinderbijslag ontvangen, bijvoorbeeld omdat hun kind/kinderen al veel werkt en veel verdient of bijverdient?
Er is één samenhang met een algemeen kenmerk (zie tabel 2.6): o De ontvangers van kinderbijslag die ook huursubsidie ontvangen zeggen in hun directe omgeving duidelijk meer mensen te kennen met een te hoge kinderbijslag. Er zijn twee samenhangen met T11-variabelen: o Wie over een betere kennis van de regels (T1a) zegt te beschikken, kent meer mensen die in overtreding zijn en te veel kinderbijslag ontvangen. o Wie een duidelijker kans op een sanctie bij een geconstateerde overtreding verwacht (T10), kent daarentegen minder mensen die in overtreding zijn.
26
2.6 | kent mensen in directe omgeving met ten onrechte te veel kinderbijslag (12%), variabelen die ermee samenhangen Tweewaardige onafhankelijke variabele:
Nee Aantal
Ja
Aantal
Verschil
Algemene kenmerken: Ontvangt huursubsidie
10%
Kwantitatieve onafhankelijke variabele:
156 – 1sd
38%
47 + 1sd
28% Verschil
Tafel van 11: Kennis van de regels (T1a) Sanctiekans (T10)
6%
18%
12%
16%
8%
- 8%
NB.: de cellen onder ‘nee’ en ‘ja’ bij de ‘tweewaardige onafhankelijke variabele’ vermelden steeds het percentage overtreders zonder, respectievelijk met het betreffende kenmerk. De cellen onder –1 en +1 sd bij de ‘kwantitatieve onafhankelijke variabele’ vermelden steeds het percentage overtreders bij – 1 standaarddeviatie, respectievelijk + 1 standaarddeviatie van het gemiddelde van de onafhankelijke variabele.
27
2.6 Overtrederprofielen: samenhangen van overtreding met meerdere variabelen Inleiding In deze en de volgende paragraaf presenteren we de tweede manier om de samenhang tussen overtreding van de regels en kenmerken van uitkeringsgerechtigden te analyseren. We analyseren nu de samenhang van overtreding met meerdere variabelen tegelijk. Dit gebeurt als volgt. De totale groep uitkeringsgerechtigden heeft een bepaald overtredingspercentage. Het speciaal statistisch programma voor deze analyses, Answer Tree, zoekt naar een opsplitsing van deze totale groep in twee of meer deelgroepen. Deze deelgroepen worden zodanig geconstrueerd dat het verschil tussen hun overtredingspercentages zo groot mogelijk is.10 Met Answer Tree zijn overtrederprofielen te maken; dat wil zeggen combinaties van kenmerken van groepen die veel overtreden. Er zijn profielen gemaakt met T11-variabelen en profielen met achtergrondkenmerken. Bij de eerste analyseren we de invloed van alle T11-variabelen gezamenlijk op overtreding en bij de tweede de gezamenlijke invloed van achtergrondkenmerken van de respondenten. De profielen kunnen bijvoorbeeld worden gebruikt om prioriteiten te stellen ten aanzien van handhaving en opsporing. Het programma Answer Tree presenteert zijn resultaten in de vorm van boomdiagrammen. Bij elke vertakking wordt een groep opgesplitst in (meestal twee) deelgroepen, indien deze deelgroepen significant van elkaar verschillen. Wij merken op dat dit niet betekent dat deelgroepen die afkomstig zijn van verschillende vertakkingen ook altijd significant van elkaar verschillen. De analyses met Answer Tree zijn gewogen uitgevoerd. Opsplitsingen van groepen kleiner dan ca. 80 respondenten of opsplitsingen in deelgroepen kleiner dan ca. 40 respondenten worden niet gerapporteerd. Bij deze kleine aantallen zijn toevallige verbanden namelijk niet goed uit te sluiten, en daarnaast is de relevantie geringer, omdat het hier om relatief kleine groepen gaat. In de tabellen worden ook steeds de aantallen respondenten in de deelgroepen vermeld. Door de steekproefaantallen te delen door de steekproefomvang, krijgt men een benadering van het belang van deze groepen in de populatie.
Overtrederprofielen op basis van T11-variabelen De analyses van de T11-variabelen geven inzicht in het complex van motieven dat met overtreding en naleving samengaat. Het betreft in feite ‘psychologische profielen’. De T11-variabelen worden weergegeven met schaaltjes bestaande uit vijf waarden 1 tot en met 5.11 De gevonden samenhangen bestaan uit unieke combinaties van variabelen. Het is niet mogelijk om voor elke T11-variabele een soort ‘kritisch niveau’ aan te wijzen waarbij naleving overgaat in overtreding. Dezelfde waarden voor een T11-variabele kunnen bij de ene overtreding samengaan met naleving en bij de andere met een 10
De analyses zijn uitgevoerd met een door ons voor Randomized response gemaakte aanpassing van het SPSS programma Answer Tree. Het overtredingspercentage vermeld in de titel van de tabellen is het gemiddelde percentage overtreding over de metingen van 2002 en 2004, gewogen naar steekproefomvang.
11
De waarden 1 tot en met 5 hebben hier alleen de gebruikelijke betekenis van ‘minder’ tot en met ‘meer’. Een waarde van
‘5’ betekent zo bijvoorbeeld meer (verwacht) voordeel van overtreding, hogere kosten van naleven, duidelijker regels, meer (verklaarde) trouw aan de wet, een hogere inschatting van de detectiekans etc. In de tabellen en in de toelichtende tekst worden de scores op de T11-variabelen vermeld zoals het programma Answer Tree die opsplitst. De vermelding 1-2 staat voor de scores ‘1’ en ‘2’; de vermelding 4-5 voor de scores ‘4’ en ‘5’; 3 – 5 voor de scores 3 tot en met 5, etc.
28
hoog percentage overtreders. Zo kan een score van ‘3’ voor de baten van overtreden in combinatie met andere T11-variabelen samengaan met een hoog overtredingspercentage voor de ene overtreding, maar juist met niet meer dan een gemiddeld percentage voor een andere overtreding.
Bijverdiensten kinderen in 12 maanden De overtreding komt (vrijwel) niet voor en er zijn géén samenhangen te constateren met andere variabelen.
Bijverdiensten kinderen in het zomerkwartaal Het overschrijden van het maximumbedrag dat een kind in het zomerkwartaal mag bijverdienen komt (vrijwel) niet voor en vertoont geen relaties met andere variabelen. Ervaringen met boete of korting Op basis van de T11-variabelen zijn geen deelgroepen te onderscheiden die in het afgelopen jaar zijn beboet of gekort.
Mensen in directe omgeving kennen die te hoge uitkering ontvangen Tabel 2.7 geeft de T11-variabelen weer die samenhangen met het kennen van mensen die te veel kinderbijslag ontvangen in afwijking van de regels. Met vier T11-variabelen zijn vijf deelgroepen te onderscheiden. x De meeste waarnemingen van overtreding zijn te vinden in de groep die de regels zeer duidelijk vinden (duidelijkheid van de regels 5): 46% van deze groep zegt in de directe omgeving mensen te kennen die volgens de regels te veel kinderbijslag ontvangen. x Wie de regels minder duidelijk vindt (duidelijkheid van de regels 1-4) zegt minder mensen te kennen die de regels overtreden. De meeste mensen die wel iemand met te veel kinderbijslag kennen, zijn te vinden onder hen die een kans op een sanctie laag achten (sanctiekans 1-3): 15% kent overtreders in zijn directe omgeving. x Bij een hogere sanctiekans (sanctiekans 4-5) wordt over het algemeen minder overtreding gezien. Maar nog altijd 14% zegt mensen met een te hoge uitkering te kennen als de kans op ontdekking van de overtreding (betrekkelijk) hoog (detectiekans 3-5) en de informele sancties op overtreding als niet ernstig worden beschouwd (informele sanctie 1-3). x Bij een zelfde visie op de kans dat een overtreding wordt ontdekt, maar de verwachting van een krachtige reactie van de omgeving (informele sanctie 4-5), neemt men geen overtreding meer waar (0%). x De groep die denkt dat er weinig kans is dat een overtreding wordt ontdekt (detectiekans 1-2), neemt in haar omgeving geen overtreding waar (0%).
2.7 | kent mensen in directe omgeving met ten onrechte te veel kinderbijslag (12%), samenhangen met T11-variabelen (n=693) Groepen onderscheiden op basis van T11-variabelen Duidelijkheid van de regels 5
1-4
Detectiekans 3-5 Sanctiekans 4-5
N
46
45
15
292
Informele sanctie 1-3
14
203
Informele sanctie 4-5
0
76
0
75
Sanctiekans 1-3 Duidelijkheid van de regels
% kent overtreders
Detectiekans 1-2
29
Overtrederprofielen: samenhangen van overtreding met meerdere variabelen Ervaringen met boete of korting Tabel 2.8 geeft de samenhangen weer tussen achtergrondkenmerken en het beboet of gekort zijn. x In de SVB-regio’s Utrecht, Deventer, Roermond, Zaanstad en Breda zijn naar verhouding meer boeten en kortingen uitgedeeld dan in de rest van het land (de SVB-regio’s Rotterdam, Nijmegen, Groningen en Leiden). De boeten en kortingen zijn opgelegd aan de ontvangers van kinderbijslag onder de 49 jaar: 15% van deze groep heeft in de afgelopen twaalf maanden een boete of korting op de uitkering gehad. x De groep binnen de genoemde regio’s ouder dan 49 is in het geheel niet beboet of gekort. x Hetzelfde geldt voor kinderbijslaggerechtigden in de SVB-regio’s Rotterdam, Nijmegen, Groningen en Leiden.
2.8 | Boete of korting gehad (4%), samenhangen met achtergrondkenmerken (n=693) Deelgroepen Utrecht, Deventer, Roermond, Zaanstad, Breda
% boete/ korting
N
Hoofdkostwinner jonger dan 49
15
329
Hoofdkostwinner ouder dan 49
0
50
0
315
R’dam, Nijmegen, Groningen, Leiden
Mensen in directe omgeving kennen die te hoge uitkering ontvangen Tabel 2.0 geeft een overzicht van de achtergrondkenmerken die samenhangen met het kennen van mensen die te veel kinderbijslag ontvangen in afwijking van de regels. x Kinderbijslaggerechtigden die ook huursubsidie ontvangen, zien in hun directe omgeving meer overtreding dan wie geen huursubsidie ontvangt: 26% van deze groep zegt mensen te kennen die te veel kinderbijslag ontvangen. x Binnen de groep die geen huursubsidie ontvangt, zien de kinderbijslaggerechtigden in de SVBregio’s Utrecht, Nijmegen en Zaanstad de meeste overtreding: 20% zegt in de directe omgeving mensen te kennen met een volgens de regels te hoge kinderbijslag. x In de SVB-regio’s Rotterdam, Deventer, Roermond, Groningen, Breda en Leiden bedraagt dat percentage nog maar 5.
2.9 | kent mensen in directe omgeving met ten onrechte te veel kinderbijslag (12%), samenhangen met achtergrondkenmerken (n=693) Deelgroepen Ontvangt huursubsidie Ontvangt géén huursubsidie
Utrecht, Nijmegen, Zaanstad R’dam, Deventer, Roermond, Groningen, Breda,
% kent overtreders
N
26
92
20
194
5
407
Leiden
30
Bijlage 3: De geschatte omvang en de achtergronden van regelovertreding in de ANW In dit hoofdstuk behandelen we de ANW. Na een bespreking van de vragen over naleving en overtreding (paragraaf 1) presenteren we de met behulp van de Randomized response methode geschatte omvang van regelovertreding (paragraaf 2). Daarna kijken we naar het risicoprofiel dat is gebaseerd op de antwoorden op de Tafel van Elf vragen (paragraaf 3) en bezien we de kennis van ANW-ers over het boetedeel van de Wet Boeten, maatregelen en terug- en invordering sociale zekerheid (Wet BMTi; paragraaf 4). In paragraaf 5 gaan we na welke verbanden er zijn tussen regelovertreding enerzijds, en de dimensies van de Tafel van Elf, de kennis van de Wet BMTi en enkele achtergrondkenmerken van ANW-ers anderzijds.
31
3.1 Vraagstelling De Algemene nabestaandenwet (ANW) voorziet in een nabestaandenuitkering voor mensen van wie de partner is overleden. Ook regelt de Anw een halfwezenuitkering voor kinderen onder de 18 jaar. Degene die een ANW-uitkering ontvangt, dient zich aan een aantal regels en verplichtingen te houden. Een algemene regel voor het ontvangen van een uitkering is dat een verzekerde zelf gevraagd of ongevraagd zaken behoort door te geven, waarvan men kan veronderstellen dat ze invloed hebben op het recht op en de hoogte van de uitkering. In het geval van de ANW gaat het om het opgeven van inkomsten (uit verschillende bronnen) aan de Sociale Verzekeringsbank (SVB). Inkomsten uit arbeid worden gedeeltelijk afgetrokken. Daarbij is te denken aan loon, freelance inkomsten en winst uit onderneming, maar ook aan een VUT-uitkering, aanvullend ouderdomspensioen, invaliditeitspensioen of lijfrente op grond van een arbeidsovereenkomst. Van het inkomen uit arbeid wordt € 632,39 (50% van het bruto minimumloon) plus 1/3 deel van het inkomen boven deze € 632,39 vrijgelaten12. Bij verdiensten van meer dan € 2.103,16 bruto per maand, komt de nabestaandenuitkering op nul uit. Over het naleven of overtreden van deze regels zijn twee vragen gesteld. Het zijn:
Heeft u in de afgelopen 12 maanden inkomsten uit arbeid, uit een VUT-uitkering of winst uit onderneming gehad (méér dan 630 euro bruto per maand), die u helemaal niet of voor een deel niet aan de SVB heeft opgegeven?
Woont u samen met een partner, dat wil zeggen vormt u met een andere persoon een gezamenlijke huishouding, zonder dat de SVB daarvan op de hoogte is gesteld?
Over sancties met een boete of korting is één enkele vraag gesteld vanuit de gedachte dat uitkeringsgerechtigden de vorm en daarmee de exacte naam van een sanctie vaak niet onderkennen of moeilijk onthouden. Dat komt o.a. doordat zowel een opgelegde boete als een korting verrekend worden met een lopende uitkering. De vraag luidt:
12
Heeft u in de afgelopen 12 maanden wel eens een boete of korting opgelegd gekregen door de uitkeringsinstantie?
Bedragen geldend voor 2004. In de vragenlijst afgerond tot € 630 bruto per maand.
32
3.2 De geschatte omvang van regelovertreding in de ANW In tabel 3.1 staan de geschatte proporties van ANW-ers die de verschillende regels met betrekking tot de uitkering overtreden. Hierbij benadrukken wij dat de gerapporteerde percentages met voorzichtigheid geïnterpreteerd dienen te worden om redenen die uiteengezet worden in Appendix 4.
De overtreding van de regels is beperkt. x Over een periode van een jaar heeft 2% van de ANW-ers wel eens inkomsten uit arbeid, uit een VUT-uitkering of winst uit onderneming niet of niet volledig aan de SVB opgegeven. x Het samenwonen met een partner, zonder de SVB op de hoogte te stellen komt (vrijwel) niet voor.
Een aanzienlijk deel van 16% van de ANW-ers heeft in het afgelopen jaar wel eens een boete of korting op de utkering gehad.
3.1 | Geschatte omvang van regelovertreding en sancties, ANW, 2004 (N = 778) % Afgelopen 12 maanden inkomsten uit arbeid, VUT-uitkering of winst uit onderneming (méér dan 630
2
euro bruto per maand), niet (helemaal) aan SVB opgegeven? Samenwonen met partner/ met andere persoon gezamenlijke huishouding vormen, zonder SVB op de
0
hoogte te stellen? Afgelopen 12 maanden/ ten tijde van uitkering wel eens boete of korting op uitkering gehad van SVB?
16
NB.: De percentages in de tabel zijn niet optelbaar tot een algemene maat voor overtreding.
33
3.3 Het Tafel van Elf-risicoprofiel voor de ANW De T11-variabelen geven wij weer in een zogenaamd ‘risicoprofiel’ dat in één oogopslag de visies van de doelgroep op overtreding en handhaving duidelijk kan maken. Het risicoprofiel is verdeeld in drie delen. Het bovenste deel is het ‘veilige’ gebied. De verwachting is dat de houdingen weergegeven met T11-variabelen die in dat gebied liggen eerder bijdragen tot meer naleving van de regels. Het onderste gedeelte is het ‘kwetsbare’ gebied. Er wordt verondersteld dat de visies weergegeven met de T11variabelen in dat gebied liggen eerder samengaan met overtreding. Het middengebied is neutraal en een ligging in dat gebied geeft op zichzelf niet aan of er sprake zal zijn van een neiging tot naleving of overtreding van de regels. Figuur 3.2 geeft de T11-risicoprofielen voor de ANW aan de hand van de gemiddelde scores op de T11-vragen. Het T11-profiel voor de ANW bevat één ‘kwetsbare’ dimensie, maar betrekkelijk veel dimensies in het middengebied en slechts weinig dimensies in het ‘veilige’ gebied. De ‘kwetsbare’ dimensie is de gering geachte ernst van een eventuele sanctie bij het constateren van een overtreding. De dimensies in het middengebied zijn: x de betrekkelijk gering geachte duidelijkheid van de regels (T1b) x het voordeel van overtreding (T2b) x de relatief beperkte trouw aan de wet (T4) x de afkeuring door de omgeving die niet al te negatief wordt beschouwd (informele sanctie, T5) x de beperkte zorg te worden verklikt (informele meldingskans, T6) x de relatief beperkt geachte kans op een administratieve controle (T7a) x de eveneens beperkt geachte kans op een fysieke controle (T7b) x de als beperkt geziene kans dat een overtreding wordt geconstateerd (detectiekans, T8) x de relatief beperkt geachte trefzekerheid van controles (selectiviteit van controles, T9) De veilige dimensies zijn: x de kennis van de regels (T1a) x de beperkte kosten van het naleven van de regels (T2a) x de acceptatie van de regels (T3) x de verwachting dat het constateren van een overtreding gevolgd wordt door een sanctie (T10)
34
T1 a: T1 ke b: nn du is id re el ge ijk ls he T2 id a: r ko eg st T2 el en s T3 b: n :a ba al cc te ev n ce en ov pt er at tre ie va de n n T4 de :w r eg et el ge T5 s t r T7 :i T6 o uw nf a: :i or nf he ka m or id ns el m e el op s e an ad m ct el m ie di T7 in n i st b: g sk ra ka ti e an ns ve s op co fy n tro si ek le e co T8 nt :d T9 ro et le :s e el c tie ec ka tiv ite ns it co T1 nt 0: ro sa le n T1 ct ie 1: ka sa ns nc tie -e rn st
3.2 | Risicoprofiel ANW 2004
veilig
middengebied
kwetsbaar
35
3.4 Ervaring met en kennis van de Wet BMTi onder ANW-ers Kennis van de mogelijke sancties kan van belang zijn voor naleving en overtreding van de regels. Aan de respondenten werd een aantal vragen voorgelegd om hun ervaringen met de boete en korting krachtens de Wet Boeten, maatregelen, terug- en invordering sociale zekerheid (Wet BMTi) en hun kennis over het boetedeel van deze wet te toetsen. Naar kennis over het maatregelenbeleid is niet gevraagd, omdat deze kennis niet met een paar vragen is te toetsen. Uit het onderzoek blijkt dat 16% van de ANW-ers in de afgelopen 12 maanden wel eens een boete of een korting heeft gekregen. De kennis van het boetedeel van de Wet BMTi onder ANW-ers is als volgt te beoordelen (zie tabel 3.3)13. Eén derde van de ANW-ers (33%) geeft een correct antwoord op de vraag naar de sanctie krachtens de Wet BMTi op het overtreden van de inlichtingenplicht. Bijna een kwart geeft een antwoord dat getuigt van een redelijke kennis van het boetedeel van de wet. Bijna eenderde (30%) onderschat de sancties, terwijl een beperkt deel van 6% de sancties overschat. 7% van de ANW-ers geeft door hun antwoord te kennen weinig te weten over de Wet BMTi.
3.3 | Kennis van de Wet BMTi bij onjuiste of onvolledige inlichtingen, ANW, 2004 (n = 879) % Kennis sancties Wet BMTi bij overtreding inlichtingenplicht
Onderschatting
30
Redelijke kennis
24
Correct antwoord
33
Overschatting
6
Geen kennis
7
Totaal
100%
De groep die het correcte antwoord heeft gegeven op de vraag naar overtreding van de inlichtingenplicht is ook gevraagd naar de hoogte van de boete (zie tabel 3.4). Ruim een kwart van
13
De volgende normen zijn gehanteerd:
x
correct antwoord: ‘Terugbetalen plus een boete’;
x
redelijke kennis: ‘terugbetalen plus een waarschuwing’, of ‘terugbetalen plus een korting op de uitkering’;
x
onderschatting: ‘geen straf, maar een waarschuwing’ of ‘terugbetalen van het ten onrechte ontvangen bedrag’;
x
overschatting: ‘terugbetalen plus stopzetten van de uitkering’ en ‘terugbetalen plus gevangenisstraf’;
x
geen kennis: ‘hangt helemaal af van het ten onrechte ontvangen bedrag\ de ernst van de overtreding’, ‘andere’ en ‘weet niet’.
36
deze groep (26%) geeft ook op deze vraag een juist antwoord. 17% onderschat de hoogte van de boete en een niet onaanzienlijk deel van 30% overschat de boete. Ruim een kwart (27%) blijkt geen idee te hebben van de hoogte van de boete. Het bovenstaande betekent dat 9% van de ANW-ers volledig op de hoogte is van het boetedeel van de Wet BMTi14 3.4 | Schatting hoogte boete voor onjuiste of onvolledige inlichtingen, ANW 2004 (n = 286) 2004 Geschatte hoogte boete in % van het ten onrechte uitgekeerde bedrag
Totaal
14
Onderschatting (boete = 5%)
17%
Antwoord juist (boete = 10%)
26%
Overschatting (boete >10%)
30%
Geen kennis
27% 100%
0,33 x 0,26 = 0,0858.
37
3.5 Samenhangen met overtredingen Niet opgeven van inkomsten uit (vroegere) arbeid Tabel 3.5 geeft het resultaat weer van de analyses van de achtergronden van het niet of niet volledig rapporteren van inkomsten uit (vroegere) arbeid aan de SVB. 2% van de ANW-ers geeft aan zich daar in een periode van 12 maanden wel eens aan schuldig gemaakt te hebben. De volgende vraag is gesteld:
Heeft u in de afgelopen 12 maanden inkomsten uit arbeid, uit een VUT-uitkering of winst uit onderneming gehad (méér dan 630 euro bruto per maand), die u helemaal niet of voor een deel niet aan de SVB heeft opgegeven?
Er blijkt één T11-variabele te zijn die samenhangt met het begaan van de overtreding. Naarmate men de kans om op een of andere manier tegen de lamp te lopen groter acht, overtreedt men minder.
3.5 | ‘Inkomsten niet opgegeven’ (overtreding 2%): variabelen die ermee samenhangen Kwantitatieve onafhankelijke variabele:
– 1sd
+ 1sd
Tafel van 11: Detectiekans (T8)
6%
1%
- 5%
NB.: de cellen onder –1 en +1 sd bij de ‘kwantitatieve onafhankelijke variabele’ vermelden het percentage overtreders bij – 1 standaarddeviatie, respectievelijk + 1 standaarddeviatie van het gemiddelde van de onafhankelijke variabele.
Voeren van gezamenlijke huishouding zonder dit door te geven Het samenwonen met een partner zonder dat de SVB daarvan op de hoogte is gesteld komt (vrijwel) niet voor. Er zijn geen relaties vast te stellen met andere variabelen.
Ervaringen met boete of korting Tabel 3.6 geeft een overzicht van variabelen die samenhangen met het krijgen van een boete voor overtreding van de inlichtingenplicht. Zestien procent van de ANW-ers heeft in een periode van een jaar wel eens een boete of korting gehad. De volgende vraag is opgenomen:
Heeft u in de afgelopen 12 maanden wel eens een boete of korting opgelegd gekregen door de uitkeringsinstantie?
Er zijn twee verbanden met algemene kenmerken: x ANW-ers die naast de ANW-uitkering ook betaald werk hebben, hebben vaker een boete of korting op de uitkering gehad. x Boeten en kortingen voor de ANW komen meer voor in de SVB-regio Nijmegen. Verder zijn er drie samenhangen met visies van ANW-ers op naleving en handhaving: x Wie de kosten van het naleven van de regels van de uitkering hoger acht, heeft minder boeten en kortingen gehad. x ANW-ers die zijn beboet of gekort, zijn in sterkere mate van mening dat de SVB alleen een uitkering verstrekt en de uitkeringsgerechtigden verder aan hun lot over laat.
38
x In dat geval is men er ook meer van overtuigd dat de medewerkers van de SVB alleen acht slaan op de letter van de wet en geen oog hebben voor de persoonlijke situatie en problemen van de uitkeringsgerechtigde.
3.6 | Boete of korting gehad (16%), variabelen die ermee samenhangen Tweewaardige onafhankelijke variabele:
Nee
N
Ja
N
Verschil
Algemene kenmerken: Betaald werk naast de uitkering
7%
436
26%
342
19%
Nijmegen (5)
14%
690
28%
88
14%
SVB-regio
Kwantitatieve onafhankelijke variabele:
– 1sd
+ 1sd
Verschil
Tafel van 11: Kosten naleven (T2a)
23%
8%
- 15%
Andere meningen over handhaving: SVB geeft een uitkering en laat de mensen verder aan hun lot over
11%
23%
12%
Medewerkers SVB geen oog voor persoonlijke situatie
11%
25%
14%
uitkeringsgerechtigde NB.: de cellen onder ‘nee’ en ‘ja’ bij de ‘tweewaardige onafhankelijke variabele’ vermelden steeds het percentage overtreders zonder, respectievelijk met het betreffende kenmerk. De cellen onder –1 en +1 sd bij de ‘kwantitatieve onafhankelijke variabele’ vermelden steeds het percentage overtreders bij – 1 standaarddeviatie, respectievelijk + 1 standaarddeviatie van het gemiddelde van de onafhankelijke variabele.
39
3.6 Overtrederprofielen: samenhangen van overtreding met meerdere variabelen Inleiding In deze en de volgende paragraaf presenteren we de tweede manier om de samenhang tussen overtreding van de regels en kenmerken van uitkeringsgerechtigden te analyseren. We analyseren nu de samenhang van overtreding met meerdere variabelen tegelijk. Dit gebeurt als volgt. De totale groep uitkeringsgerechtigden heeft een bepaald overtredingspercentage. Het speciaal statistisch programma voor deze analyses, Answer Tree, zoekt naar een opsplitsing van deze totale groep in twee of meer deelgroepen. Deze deelgroepen worden zodanig geconstrueerd dat het verschil tussen hun overtredingspercentages zo groot mogelijk is.15 Met Answer Tree zijn overtrederprofielen te maken; dat wil zeggen combinaties van kenmerken van groepen die veel overtreden. Er zijn profielen gemaakt met T11-variabelen en profielen met achtergrondkenmerken. Bij de eerste analyseren we de invloed van alle T11-variabelen gezamenlijk op overtreding en bij de tweede de gezamenlijke invloed van achtergrondkenmerken van de respondenten. De profielen kunnen bijvoorbeeld worden gebruikt om prioriteiten te stellen ten aanzien van handhaving en opsporing. Het programma Answer Tree presenteert zijn resultaten in de vorm van boomdiagrammen. Bij elke vertakking wordt een groep opgesplitst in (meestal twee) deelgroepen, indien deze deelgroepen significant van elkaar verschillen. Wij merken op dat dit niet betekent dat deelgroepen die afkomstig zijn van verschillende vertakkingen ook altijd significant van elkaar verschillen. De analyses met Answer Tree zijn gewogen uitgevoerd. Opsplitsingen van groepen kleiner dan ca. 80 respondenten of opsplitsingen in deelgroepen kleiner dan ca. 40 respondenten worden niet gerapporteerd. Bij deze kleine aantallen zijn toevallige verbanden namelijk niet goed uit te sluiten, en daarnaast is de relevantie geringer, omdat het hier om relatief kleine groepen gaat. In de tabellen worden ook steeds de aantallen respondenten in de deelgroepen vermeld. Door de steekproefaantallen te delen door de steekproefomvang, krijgt men een benadering van het belang van deze groepen in de populatie.
Overtrederprofielen op basis van T11-variabelen De analyses van de T11-variabelen geven inzicht in het complex van motieven dat met overtreding en naleving samengaat. Het betreft in feite ‘psychologische profielen’. De T11-variabelen worden weergegeven met schaaltjes bestaande uit vijf waarden 1 tot en met 5.16 De gevonden samenhangen bestaan uit unieke combinaties van variabelen. Het is niet mogelijk om voor elke T11-variabele een soort ‘kritisch niveau’ aan te wijzen waarbij naleving overgaat in overtreding. Dezelfde waarden voor een T11-variabele kunnen bij de ene overtreding samengaan met naleving en bij de andere met een 15
De analyses zijn uitgevoerd met een door ons voor Randomized response gemaakte aanpassing van het SPSS programma Answer Tree. Het overtredingspercentage vermeld in de titel van de tabellen is het gemiddelde percentage overtreding over de metingen van 2002 en 2004, gewogen naar steekproefomvang.
16
De waarden 1 tot en met 5 hebben hier alleen de gebruikelijke betekenis van ‘minder’ tot en met ‘meer’. Een waarde van
‘5’ betekent zo bijvoorbeeld meer (verwacht) voordeel van overtreding, hogere kosten van naleven, duidelijker regels, meer (verklaarde) trouw aan de wet, een hogere inschatting van de detectiekans etc. In de tabellen en in de toelichtende tekst worden de scores op de T11-variabelen vermeld zoals het programma Answer Tree die opsplitst. De vermelding 1-2 staat voor de scores ‘1’ en ‘2’; de vermelding 4-5 voor de scores ‘4’ en ‘5’; 3 – 5 voor de scores 3 tot en met 5, etc.
40
hoog percentage overtreders. Zo kan een score van ‘3’ voor de baten van overtreden in combinatie met andere T11-variabelen samengaan met een hoog overtredingspercentage voor de ene overtreding, maar juist met niet meer dan een gemiddeld percentage voor een andere overtreding.
Niet opgeven van inkomsten uit (vroegere) arbeid Tabel 3.7 geeft de samenhangen weer van het niet volgens de regels opgeven van inkomsten uit arbeid die ook aanspraken op een VUT-uitkering of winst uit onderneming kunnen omvatten. Met de verwachte detectiekans en selectiviteit van controles zijn drie groepen te onderscheiden. x Wie zich weinig zorgen maakt om bij overtreding tegen de lamp te lopen overtreedt over het algemeen meer. Daarbij is een deelgroep te onderscheiden die bovendien weinig op heeft met de trefzekerheid van controles (selectiviteit controles 1-2), de kans dat controle bij een overtreder ook echt overtreding zal aantonen. Van deze groep is 20% in overtreding. x De deelgroep die wel denkt dat een controle bij een overtreder de overtreding aan het licht zal brengen (selectiviteit van controles 3-5), overtreedt niet. x Hetzelfde geldt voor de deelgroep die zich wel zorgen maakt over de kans op ontdekking van een overtreding (detectiekans 3-5). Ook hier is er geen overtreding.
3.7 | ‘Inkomsten niet opgegeven’ (overtreding 2%): samenhangen met T11-variabelen (n=778) Groepen onderscheiden op basis van T11-variabelen Selectiviteit van controles 3-5 Detectiekans 1-2 Selectiviteit van controles 1-2 Detectiekans 3-5
% overtreders 20 0 0
N 113 83 620
Voeren van gezamenlijke huishouding zonder dit door te geven Het samenwonen met een partner zonder dat de SVB daarvan op de hoogte is gesteld komt (vrijwel) niet voor. Er zijn geen relaties vast te stellen met andere variabelen.
Ervaringen met boete of korting Tabel 3.8 geeft de samenhangen weer tussen T11-variabelen en het beboet of gekort zijn. De (verwachte en/ of ervaren) kosten van naleven onderscheiden twee groepen. x De groep die in het naleven van de regels weinig kosten ziet (kosten naleven 1-2) is het meeste beboet of gekort: 42% van deze groep heeft in de afgelopen twaalf maanden een boete of korting gehad. x Bij hogere kosten van naleven (kosten naleven 3-5) zijn er 11% ANW-ers met een boete of korting in de afgelopen twaalf maanden.
3.8 | Boete of korting gehad (15%), samenhangen met T11-variabelen (n=778) Groepen onderscheiden op basis van T11-variabelen Kosten naleven 1-2 Kosten naleven 3-5
% boete/ korting 42 11
N 107 671
41
Overtrederprofielen met achtergrondkenmerken Niet opgeven van inkomsten uit (vroegere) arbeid Tabel 3.9 geeft de samenhangen weer tussen het niet volgens de regels opgeven van inkomsten uit arbeid en enkele achtergrondkenmerken van ANW-ers. Op basis van het jaar waarin men nog voor het laatst heeft gewerkt en de leeftijd zijn drie deelgroepen te onderscheiden. x Het hoogste percentage overtreders komt voor binnen de groep die vóór 1992 voor het laatst heeft gewerkt en jonger is dan 57 jaar. Deze groep bevat 9% overtreders. x De groep die na 1992 nog heeft gewerkt bevat 4% overtreders. x De groep die voor 1992 voor het laatst heeft gewerkt, maar ouder is dan 57, bevat geen overtreders.
3.9 | ‘Inkomsten niet opgegeven’ (overtreding 2%): samenhangen met achtergrondkenmerken (n=778) Deelgroepen Vóór 1992 voor het laatst gewerkt
Jonger dan 57 jaar Ouder dan 57 jaar
Na 1992 nog gewerkt
% overtreding 9 0 4
N 234 190 354
Voeren van gezamenlijke huishouding zonder dit door te geven Het samenwonen met een partner zonder dat de SVB daarvan op de hoogte is gesteld komt (vrijwel) niet voor. Er zijn geen relaties vast te stellen met andere variabelen.
Ervaringen met boete of korting Tabel 3.10 laat zien met welke kenmerken het beboet of gekort zijn samenhangt. Er zijn twee groepen te onderscheiden op grond van de vraag of men naast de ANW-uitkering nog werkt. x De groep die naast de uitkering werkt heeft de afgelopen twaalf maanden het meest een boete of korting gehad. Het gaat om 26% van de betreffende groep. x In het geval er niet wordt gewerkt naast de uitkering, loopt het aantal uitkeringsgerechtigden met een boete of korting in de afgelopen twaalf maanden terug tot 7%. De resultaten zijn een aanwijzing dat de respondenten in het onderzoek het begrip ‘korting’ ruim hebben opgevat en er mogelijk ook de korting voor inkomsten uit arbeid toe rekenen.
3.10 | Boete of korting gehad (15%), samenhangen met achtergrondkenmerken (n=778) Deelgroepen Werk naast de ANW-uitkering Géén werk naast de ANW-uitkering
% boete/ korting 26 7
N 341 436
42
Appendix 1: Puntschattingen en 95%-betrouwbaarheidsintervallen AOW, AKW en ANW in 2004
Tabel 1.1| Puntschattingen en 95%-betrouwbaarheidsintervallen overtredingen AOW 2004 (percentages) Regels met betrekking tot verschaffen van informatie in afgelopen 12 maanden x Partner jonger dan 65 jaar meer verdiend dan 190 euro zonder doorgeven x Samen leven met partner zonder doorgeven Sociale omgeving x
Mensen in omgeving die ten onrechte een te hoge uitkering ontvangen
Sancties (afgelopen 12 maanden wel eens): x Boete of korting gehad
Gemiddelde Ondergrens Bovengrens 9.7% 1.8% 19.6% 1.0%
-3.7%
4.7%
17.2%
13.3%
21.4%
4.4%
1.1%
8.1%
- De negatieve ondergrens is een gevolg van de gehanteerde schattingsmethode. In de praktijk is de ondergrens 0%.
Tabel 1.2| Puntschattingen en 95%-betrouwbaarheidsintervallen overtredingen AKW 2004 (percentages) Regels met betrekking tot grote verdienste kinderen in afgelopen 12 maanden x
Een van de kinderen buiten zomermaanden te veel verdiend (>1.175 euro)
x Een van de kinderen in de zomer te veel verdiend (>1050 euro) Sociale omgeving x
Mensen in omgeving die ten onrechte te veel kinderbijslag ontvangen
Gemiddelde Ondergrens Bovengrens 0.0% -3.3% 3.3% 0.0%
-3.3%
3.3%
11.9%
8.2%
15.8%
Sancties (afgelopen 12 maanden wel eens): 4.1% .04% 7.8% x Boete of korting gehad - De negatieve ondergrenzen zijn een gevolg van de gehanteerde schattingsmethode. In de praktijk zijn de ondergrenzen 0%.
Tabel 1.3| Puntschattingen en 95%-betrouwbaarheidsintervallen overtredingen ANW 2004 (percentages) Regels met betrekking tot verschaffen van informatiein de laatste 12 maanden x
Meer verdiend zonder doorgeven (>630 euro bruto)
x
Samen leven met partner zonder doorgeven
Gemiddelde Ondergrens Bovengrens 2.2% -0.2% 5.5% 0.0%
-3.2%
3.2%
Sancties (afgelopen 12 maanden wel eens): 15.5% 12.0% 19.2% x Boete of korting gehad - De negatieve ondergrenzen zijn een gevolg van de gehanteerde schattingsmethode. In de praktijk zijn de ondergrenzen 0%.
43
Appendix 2: Steekproef en uitvoering van het veldwerk Voor het onderzoek naar regelovertreding in de volkverzekeringen is, net als in het onderzoek “regelovertreding in 2002 en 2004”, gekozen voor benadering via een zogenaamde accespool van respondenten (huishoudens) die vragenlijsten via een modemverbinding ontvangen en ingevuld weer terugzenden. Er is gebruikgemaakt van de access pool van het marktonderzoekbureau GfK PanelServices Benelux bv. De access pool is representatief op de binnen onderzoek gebruikelijke achtergrondkenmerken en is opgebouwd op basis van de daarover bekende CBS gegevens en gegevens uit de Minicensus. Deelnemers aan de access pool zijn en worden geworven via onderzoek met traditionele instrumenten waarbij sprake is van a-selecte landelijk gespreide steekproeven. Door aan moeilijke doelgroepen extra aandacht te besteden wordt er naar gestreefd deze groepen in de juiste proportie in de access pool op te nemen.
Steekproef, uitvoering en respons Voor het onderzoek naar de volksverzekeringen zijn de volgende personen ondervraagd: - ANW: personen die een ANW-uitkering ontvangen. - AKW: huishoudens die een AKW-uitkering voor een of meer kinderen van 16 en/of 17 jaar ontvangen of in het afgelopen jaar ontvangen hebben. Het betreft hier ouders c.q. verzorgers van de betreffende kinderen. - AOW: personen die AOW ontvangen en alleenstaand zijn of een partner jonger dan 65 jaar hebben en partnertoeslag ontvangen. De netto gesprekstijd per vragenlijst bedroeg gemiddeld 22 minuten. Als dank voor de medewerking ontving de respondent een incentive in de vorm van bonuspunten. Steekproef De doelgroep van het onderzoek bestaat per volksverzekering uit de ontvangers van de uitkering van de betreffende volksverzekering. Voor ANW en AOW is er sprake van een personensteekproef, voor AKW van een steekproef op huishoudniveau. De steekproeven zijn getrokken uit de GfK consumentenpanels. De populatie bestaat uit de zelfstandig wonende, Nederlandssprekende bevolking. Taalproblemen worden geregistreerd als reden voor non-respons. Indien allochtonen in de steekproef vallen en de Nederlandse taal voldoende machtig zijn, is getracht ze in het onderzoek te betrekken. Het veldwerk heeft in twee fasen plaatsgevonden. Voorafgaand aan het daadwerkelijke veldwerk heeft een screening via internet (en voor ANW en AOW ook telefonisch) plaatsgevonden waarin is gevraagd of men een ANW, AKW of AOW-uitkering ontvangt of in de afgelopen 12 maanden heeft ontvangen. Deze screeningsvragenlijst is in de periode van medio juli tot en met medio oktober aan de panelleden voorgelegd. De geprogrammeerde CAWI-vragenlijsten (CAWI is Computer assisted web interview) van de drie genoemde volksverzekeringen zijn vervolgens aan de panelleden, die de screeningsvragenlijsten hadden ingevuld en aan de criteria voldeden, voorgelegd. Iedere respondent heeft maximaal één vragenlijst ingevuld. Indien een respondent aan had gegeven meer dan één van de genoemde volksverzekeringen te ontvangen is een keuze gemaakt welke vragenlijst deze persoon dan voorgelegd zou worden.
44
Indien ANW één van de genoemde verzekeringen was, heeft deze de voorkeur gekregen boven de andere twee. Dit gegeven het feit dat deze volksverzekering het laagst is gepenetreerd. In deze geprogrammeerde vragenlijsten is nogmaals gecheckt of men aan de criteria van de betreffende volksverzekering voldeed. Indien dit het geval was kreeg men de volledige vragenlijst voorgelegd. De respondenten hebben hun antwoorden direct in de CAWI-vragenlijsten, in de computer, vastgelegd. De veldwerkperiode per volksverzekering is als volgt geweest: - ANW: 10 september tot en met 26 oktober 2004; - AKW: 21 september tot en met 6 oktober 2004; - AOW: 29 september tot en met 29 oktober 2004. Tijdens de veldwerkperiode van iedere volksverzekering heeft een reminderprocedure plaats. Non-response Tabel 2.1 geeft een overzicht van de respons op de enquête.
Tabel 2.1| Respons AOW, AKW en ANW Wet: a. b.
Bruto steekproef Buiten doelgroep
c.
Werkelijke bruto steekproef Invullen voortijdig afgebroken Niet gerespondeerd Geslaagd
d. e. f.
AOW N 2578 1096
% 100,0 42,5
AKW N 1280 202
% 100,0 15,8
ANW N 2309 321
% 100,0 13,9
1482 57,5=100
1078
84,2=100
1988
86,1=100
112
7,6
135
12,6
264
13,2
570 800
38,4 54,0
143 800
13,2 74,2
853 871
42,9 43,8
De bovenstaande tabel laat zien dat de deelnamebereidheid bij de AKW duidelijk hoger is geweest dan bij de andere twee volksverzekeringen. Met name bij de ANW is dit zichtbaar. Gezien het beperkte potentieel zijn hierbij nog additionele bestanden aangeboord hetgeen invloed heeft gehad op het responspercentage.1 Ondanks de screening die op voorhand heeft plaatsgevonden bleken er toch nog respondenten te zijn die niet aan de criteria voldeden, niet in de doelgroep vielen en derhalve de CAWI-vragenlijst niet hebben ingevuld. Daarnaast blijkt dat bij elke groep een deel tijdens het invullen van de vragenlijst is gestopt. In dit kader is bekeken is of dit op een specifiek moment plaatsvond. Hieruit is naar voren gekomen dat men op verschillende momenten in de vragenlijst is afgehaakt. 1
Er zijn binnen de WAO meerdere GfK panels ingezet om de totale benodigde steekproefomvang te kunnen realiseren.
Hierbij was het niet voor elk panel mogelijk om de specifieke selectie 'gehuwde AOW ontvangers met partnertoeslag' en 'alleenstaanden' op voorhand te definiëren. Aangezien het deel van de AOW-ers die buiten de populatie zijn gevallen (gehuwde AOW-ers zonder toeslag) bijna de helft bedraagt van de totale groep AOW-ontvangers betekent dat dat de uitval ook relatief hoog is.
45
Representativiteit en weging Voor iedere volksverzekering heeft een weging plaatsgevonden. Onderstaand wordt per volksverzekering de weegprocedure weergegeven. Voor alle volksverzekeringen geldt dat de resultaten zijn geprojecteerd naar de populatieomvang van de betreffende verzekering, en naar de specifieke deelpopulatie waaronder de vragenlijsten zijn verspreid (dit laatste geldt met name voor de AOW en de AKW). AOW: De weging voor AOW heeft plaatsgevonden naar:
-
SVB Regio*; Type AOW-er (alleenstaand / met partner jonger dan 65 jaar met partnertoeslag); Geslacht x leeftijd (65-69 jaar / 70-74 jaar / 75 jaar of ouder).
* SVB Regio: Breda, Groningen, Deventer, Leiden, Nijmegen, Zaanstad, Rotterdam, Roermond, Utrecht. Voor AOW zijn er relatief grote weegfactoren waar te nemen. Dit wordt met name veroorzaakt door de afwijking van de netto steekproefstructuur ten opzichte van de populatie. Dit tengevolge van de keuze voor het uitsluitend benaderen van internetters. In welke mate dit ook invloed heeft op de feitelijke uitkomsten kan niet verder worden gespecificeerd zonder vervolganalyses uit te voeren. AKW: De weging voor de AKW heeft plaatsgevonden op basis van - leeftijd hoofdkostwinner (tot 39 jaar, 40 – 44 , 45 – 49 , 50 – 54, 55 jaar en ouder); - SVB-regio (zie AOW); - opleiding van de ondervraagde persoon (laag midden hoog); - plaats in het huishouden (hoofdkostwinner, partner van de hoofdkostwinner). ANW: De weging voor de ANW heeft plaatsgevonden op basis van: - SVB Regio (zie AOW); - leeftijd x geslacht (mannen: tot 50 jaar, 50-59, 60-64 jaar vrouwen: tot 40 jaar, 40-49, 50-59, 60-64 jaar). Tabel 2.2 | AOW steekproef SVB-regio, percentages van totale steekproef voor en na weging op basis van SVB-cijfers 2004 Regio Ongewogen %
Gewogen %
Breda Groningen Deventer Leiden Nijmegen Zaanstad Rotterdam Roermond Utrecht
11.8 11.6 8.1 14.3 8.4 14.5 8.4 11.1 11.9
9.8 12 11.1 14.1 7.9 12.4 8.6 10.6 13.5
Totaal
100
100
46
Tabel 2.3 | AOW steekproef geslacht en leeftijd, percentages van totale steekproef voor en na weging op basis van SVB-cijfers 2004 Geslacht Mannen Ongewogen Gewogen % %
Leeftijd
Vrouwen Ongewogen Gewogen % %
65-69 jaar
41.3
17.8
20.8
11.5
70-74 jaar 75 jaar en ouder
14.5 7.6
7.3 10.5
9.1 6.8
12.3 40.6
NB: geslacht x leeftijd telt op tot 100%
Tabel 2.4 | AOW steekproef type AOW-er, percentages van totale steekproef voor en na weging op basis van SVB-cijfers 2004 Type AOW-ontvanger Ongewogen %
Gewogen %
Alleenstaanden
65.6
81.2
Gehuwden met toeslag
34.4
18.8
Totaal
100
100
Tabel 2.5 | AKW steekproef SVB-regio, percentages van totale steekproef voor en na weging op basis van SVB-cijfers 2004 SZW Regio Ongewogen %
Gewogen %
Breda Groningen Deventer Leiden Nijmegen Zaanstad Rotterdam Roermond Utrecht
14.6 13.3 9.6 10.5 10.1 12.3 6.6 13.6 9.4
11.8 12.4 13.0 11.2 11.8 10.3 9.0 10.6 9.9
Totaal
100
100
47
Tabel 2.6 | AKW steekproef Opleiding, percentages van totale steekproef voor en na weging op basis van SVB-cijfers 2004 Opleiding Ongewogen %
Gewogen %
Laag
10.1
19.4
Middel Hoog
44.3 45.4
49.8 30.7
Anders/ weet niet
0.3
0.1
100
100
Tabel 2.7 | AKW steekproef Plaats ondervraagde persoon in huishouden, percentages van totale steekproef voor en na weging op basis van SVB-cijfers 2004 Hoofdkostwinner Ongewogen %
Gewogen %
Partner van hoofdkostwinner
54.1 45.9
53.4 46.6
Totaal
100
100
Hoofdkostwinner
Tabel 2.8 | AKW steekproef Leeftijd hoofdkostwinner in huishouden, percentages van totale steekproef voor en na weging op basis van SVB-cijfers 2004 Leeftijd hoofdkostwinner
39 jaar of jonger 40 - 44 jaar 45 - 49 jaar
Ongewogen % 5.1 23.1 42.6
Gewogen % 9.6 29.2 37.3
50 - 54 jaar 55 jaar en ouder
23.5 5.6
18.3 5.6
Totaal
100
100
48
Tabel 2.9 | ANW steekproef SVB-regio, percentages van totale steekproef voor en na weging op basis van SVB-cijfers 2004 SZW Regio Ongewogen %
Gewogen %
Breda
13.7
11.6
Groningen Deventer
12.4 11.3
11.1 11.9
Leiden
8.8
11.8
Nijmegen Zaanstad
9.3 12.9
11.2 9.8
Rotterdam Roermond Utrecht
9.2 10.1 12.4
11.5 10.7 10.4
Totaal
100
100
Tabel 2.10 | ANW steekproef geslacht en leeftijd, percentages van totale steekproef voor en na weging op basis van SVB-cijfers 2004
Leeftijd
Geslacht Mannen Vrouwen Ongewogen Gewogen Ongewogen Gewogen % % % % -*
-
-*
-
tot 40 jaar 40-49 jaar tot 50 jaar
5.2
50-59 jaar 60-64 jaar
7.1 4.8
3.9
7.0 16.6 -*
3.3 10.7 -
6.2 5.0
37.4 21.8
35.7 35.1
NB: geslacht x leeftijd telt op tot 100% * voor mannen en vrouwen zijn verschillende leeftijdscategorieën gehanteerd
49
Appendix 3: Nalevingsmonitor 2004 In het rapport worden in tabel 1.1 voor elke regelovertreding afzonderlijk de schattingen van de percentages regelovertreding gepresenteerd. In deze appendix wordt deze tabel weergegeven als Tabel 3.1. Wij rapporteren hier alleen de regelovertredingen, en niet de percentages voor boete en korting, en sociale omgeving. Vanuit beleidmatig oogpunt is het wenselijk om voor groepen regelovertredingen de naleving vast te stellen. Hierbij is naleving gedefinieerd als het percentage respondenten dat geen enkele regel uit de onderzochte groep regels overtreedt. De schatting van dit percentage is mogelijk met het model dat besproken wordt in Appendix 4: “Het gehanteerde model voor de schatting van de kans op regelovertreding”.
3.1 |Geschatte omvang van regelovertreding voor AOW, AKW en ANW, 2004 % AOW: Partner jonger dan 65 jaar in afgelopen 12 maanden per maand gemiddeld méér inkomsten verdiend met werk
10
dan € 190, zonder door te geven aan de SVB Woont samen met partner (vormt met partner gezamenlijke huishouding), zonder dat SVB op de hoogte is gesteld
1
AKW: Eén of meer kinderen voor wie recht op kinderbijslag bestaat afgelopen 12 maanden buiten de zomermaanden
0
wel eens een kwartaal méér verdiend dan 1.175 euro netto (zonder dat dit aan de SVB is doorgegeven)? Eén of meer van deze kinderen in deze zomer (zomer van 2004) méér dan 1.050 euro extra bijverdiend, dus
0
méér dan 2.225 euro in totaal voor het zomerkwartaal (zonder dat dit aan de SVB is doorgegeven)? ANW: Afgelopen 12 maanden inkomsten uit arbeid, VUT-uitkering of winst uit onderneming (méér dan 630 euro bruto per maand), niet (helemaal) aan SVB opgegeven? Samenwonen met partner/ met andere persoon gezamenlijke huishouding vormen, zonder SVB op de hoogte te stellen?
2
0
Het is niet zinvol om een nalevingsmaat te schatten voor de AOW, omdat de twee vragen gesteld worden aan elkaar uitsluitende groepen respondenten, en een respondent dus nooit meer dan een enkele regel kan overtreden. Het is wel zinvol om nalevingsmaten te schatten voor de twee regelovertredingen in de AKW en de twee regelovertredingen in de ANW.2
2
Voor de AKW is het model geschat voor zowel de twee regelovertredingen als voor de vraag naar korting en boete, en de
vraag naar sociale omgeving. Om tot een schatting van de naleving te komen, hebben wij de onder het model geschatte frequenties opgeteld over de vragen naar korting en boete en naar sociale omgeving. Evenzo zijn bij de ANW de frequenties
50
De resultaten staan gegeven in Tabel 3.2. Per groep regelovertredingen worden de volgende schattingen gepresenteerd: het nalevingspercentage voor de ANW regels is 98; dit wil zeggen dat 98 % van de respondenten geen enkele van de twee regels overtreedt; in andere woorden: 100 – 98 = 2 % van de respondenten overtreedt minimaal een van de twee regels; voor de ANW is dit percentage 100.
Tabel 3.2
Nalevingsmaten AKW en ANW 2004 %
95-% interval3
AKW
100
94-100
ANW
98
92-100
opgeteld over de vraag naar korting en boete. Een beter begrip van de constructie van de nalevingsmaat ontstaat na bestudering van Appendix 4. 3
berekend met een niet-parametrische methode, de zgn. bootstrapmethode.
51
Appendix 4: Het gehanteerde model voor de schatting van de kans op regelovertreding Inleiding Voor het schatten van de prevalentie van regelovertreding wordt door het Ministerie van Sociale Zaken en Werkgelegenheid gebruik gemaakt van vragenlijstonderzoek. Hiermee wordt in aanvulling op de uit de administratieve bestanden reeds bekende omvang van fraudeconstateringen ook kwantitatief inzicht verkregen in het feitelijk voorkomen van fraudegedrag. Deze lijn van onderzoek wordt ook gekozen door verschillende andere Ministeries, en ondersteund door het Expertisecentrum Rechtshandhaving van het Ministerie van Justitie. De vragen die men in vragenlijstonderzoek aan uitkeringgerechtigden wil voorleggen, zijn gevoelig van aard. Het kan daarom niet verwacht worden dat respondenten, wanneer deze vragen zonder meer worden voorgelegd, eerlijk zullen antwoorden. Daarom is in vragenlijstonderzoek waarin deze vragen zijn gesteld, gebruik gemaakt van een speciale vraagtechniek voor gevoelige vragen, namelijk Randomized response. Het Ministerie van SoZaWe maakt van deze methode gebruik sinds 1996 (validatieonderzoek), gevolgd door een pilot-onderzoek (1998), de eerste meting van de monitor ‘Periodiek onderzoek regelovertreding sociale zekerheid’ (2000), de tweede meting (2002) en de derde meting (2004; gepubliceerd in rapport P.G.M. van der Heijden, G. Van Gils en O. Laudy, 2005, Regelovertreding in de WAO, WW en ABW/WWB in 2004, vergeleken met 2000 en 2002. Den Haag: Ministerie van SZW), hierna aangeduid als het onderzoek “regelovertreding”... De Randomized response methode is speciaal ontwikkeld om in enquêtes informatie te verkrijgen over dergelijke gevoelige onderwerpen. Zij biedt de respondenten een betere waarborg voor anonimiteit van hun antwoorden, waardoor zij minder moeite zullen hebben om het overtreden van een regel toe te geven. De kern van de methode is dat door de introductie van toevalsfactoren in de vragen of antwoorden de enquêteur noch de onderzoeker weten op welke vragen de respondent naar waarheid heeft geantwoord. Toch kan achteraf door correctie voor de bekende toevalsfactor, worden geschat welke proportie van de respondenten het omstreden gedrag heeft toegegeven. De betrouwbaarheid van de antwoorden wordt met deze procedure aanmerkelijk vergroot. De Randomized response vraagtechniek kan op verschillende manieren worden ingezet. In dit onderzoek is gebruik gemaakt van de dobbelsteenmethode. De werkwijze is als volgt. De respondent wordt een ‘gevoelige’ vraag voorgelegd (bv. ‘Hebt u zwart gewerkt?’), die hij echter niet direct - ten overstaan van de enquêteur - behoeft te beantwoorden. In plaats daarvan wordt hem gevraagd met twee dobbelstenen te gooien, en wel zodanig dat de enquêteur de uitkomst niet te zien krijgt. De uitkomst van de worp is volstrekt willekeurig. Is de uitkomst van de worp 2, 3 of 4, dan dient de respondent altijd de vraag met ‘ja’ te beantwoorden. Is de uitkomst 11 of 12, dan dient het antwoord altijd ‘nee’ te luiden. Bij een uitkomst van 5 tot en met 10 dient de respondent naar waarheid te antwoorden. De verhouding 25% ‘verplicht ja of nee’ antwoorden en 75% ‘naar waarheid’ geeft volgens de literatuur over Randomized response aan individuele respondenten een zodanige bescherming dat de meeste van hen, wanneer daarom via de uitkomst van de worp wordt gevraagd, naar waarheid antwoorden.4 Voor alle respondenten gezamenlijk kan later worden geschat welk deel inderdaad zwart gewerkt heeft. 4
Fox, J.A. & Paul E. Tracy, The randomized response approach: applicability to criminal justice, research and evaluation, Evaluation Review, Vol. 4, no. 5, October 1980, 601-622; Moriarty, M. & F. Wiseman, On the choice of a randomization technique with the randomized response model, Proceedings of the Social Statistics Section of the American Statistical 52
Uit een meta-analyse5 blijkt dat Randomized response meer valide antwoorden oplevert dan andere methoden om valide antwoorden te verkrijgen, vooral indien de onderwerpen gevoeliger van aard worden. Het gebruik van de Randomized response methode brengt met zich dat bij de analyse van de aldus verzamelde data specifieke technieken en modellen moeten worden toegepast. Het Ministerie van SoZaWe en het Ministerie van Justitie spelen een actieve rol in de verdere ontwikkeling van de bij de Randomized response methode toe te passen technieken en modellen. Zij dragen bij in het onderzoek dat naar dit onderwerp wordt verricht bij de Utrechtse afdeling van de Onderzoekschool IOPS (Interuniversitaire Onderzoekschool voor Psychometrie en Sociometrie). Een nieuwe ontwikkeling op het gebied van Randomized response, waar in het onderzoek “regelovertreding” en in dit onderzoek van de volksverzekeringen gebruik van is gemaakt, wordt in deze appendix beschreven. Verdere ontwikkeling van de bij de Randomized response methode toe te passen analysemethoden De Randomized response methode zoals die tot en met 2002 in WAO, WW en ABW is gebruikt, kent enkele beperkingen. Wij bespreken er hier drie. In de eerste plaats levert de methode weliswaar meer valide schattingen op van de mate waarin uitkeringsgerechtigden de regels omtrent de uitkering overtreden dan andere vraagmethoden, maar zij is niet afdoende. Er is naar alle waarschijnlijkheid nog altijd sprake van een onderschatting. Hoe groot die onderschatting is, is tot op heden onbekend. De onderschatting is een gevolg van het feit dat niet alle respondenten de RR procedure zullen volgen, bijvoorbeeld omdat zij de RR procedure niet snappen of omdat zij zich niet veilig genoeg wanen. Om die reden antwoorden zij soms ‘nee’ hoewel de dobbelsteenmethode aangeeft dat zij ‘ja’ (omdat zij 2, 3 of 4 hebben gegooid) zouden dienen te antwoorden. Dit leidt tot de genoemde onderschatting van de regelovertreding. Bijvoorbeeld: in 2002 was er een vraag naar het doen van “kleinere klusjes voor geldelijke vergoeding voor of via bekenden zonder dat door te geven aan uitkeringsinstantie”, en voor de WAO werd in 2002 het percentage uitkeringsgerechtigden dat zich hieraan schuldig maakte geschat op 16%. Dit percentage is een onderschatting van het werkelijke percentage regelovertreders indien een deel van de ondervraagde uitkeringsgerechtigden de Randomized response procedure niet volgt door ‘nee’ te zeggen, terwijl zij ‘ja’ zouden moeten zeggen (omdat zij 2, 3 of 4 gooiden, dan wel omdat zij tussen 5 en 10 gooiden en in werkelijkheid de regel hadden overtreden). Het werkelijke overtredingspercentages zal in dit geval hoger liggen dan 16%. In 2002 was het niet mogelijk tot een betere schatting te komen voor deze schatting van de prevalentie . In de tweede plaats was het rekentechnisch nog niet mogelijk om de percentages voor verschillende overtredingen bij elkaar op te tellen om zo te komen tot één algemene maat van regelovertreding. Met andere woorden, indien er drie verschillende vragen naar regelovertreding zijn, welke percentage van de respondenten heeft dan 0 regels overtreden, welk percentage 1 regel, 2 regels en 3 regels? Association, 1976: 624-626; Soeken, Karen L. & George B. Macready, Respondents perceived protection when using randomized response, Psychological Bulletin, 1982, Vol. 92, No. 2, 487-489. 5
Een meta-analyse vat al het gepubliceerde onderzoek op een specifiek gebied samen. Hierbij wordt een kwantitatieve aanpak gehanteerd. Meta-analyses hebben tegenwoordig een hogere status dan een kwalitatieve aanpak bij de beschrijving van literatuur omdat zij minder willekeurig is en beter controleerbaar is. De referentie van de meta-analyse waar hier naar wordt gerefereerd is Lensvelt-Mulders, Gerty J.L.M.; Hox, Joop J.; van der Heijden, Peter G.M.; Maas, Cora J.M. (2005). Meta-Analysis of Randomized Response Research : Thirty-Five Years of Validation. Sociological Methods and Research, 33, 319-348. 53
Voor “gewone” vragen naar regelovertreding is dit te berekenen door een telvariabele te maken die telt hoe vaak iemand “ja” heeft gezegd. Echter, hier zijn de vragen gesteld met Randomized response, waarbij een “ja” of “nee” antwoord niet eenduidig verwijst naar het al dan niet overtreden van een regel omdat een “ja” of “nee” antwoord afgedwongen kan zijn door de dobbelsteen. Een voor de hand liggende optelling met grote beleidsrelevantie is het percentage respondenten dat geen van de drie vragen heeft overtreden. Dit percentage wordt verder aangeduid als het ‘nalevingsniveau’ of ‘nalevingspercentage’. In de derde plaats kan met de Randomized response methode wel een kans op regelovertreding geschat worden, maar dit maakt niet duidelijk welke bedragen er met deze overtreding gemoeid zijn. In de statistische literatuur zijn wel uitbreidingen van Randomized response bekend naar kwantitatieve variabelen, maar deze zijn slechts theoretisch uitgewerkt in de zin dat er in de praktijk weinig tot geen ervaring mee is opgedaan. Op alle drie punten is sinds 2002 meer ervaring opgedaan. x In deze Appendix zal uitgebreid worden ingegaan op de voortgang met betrekking tot het eerste punt, omdat vrijwel alle gegevens in het voorliggende rapport tot stand zijn gekomen met een model dat corrigeert voor het feit dat er respondenten zijn die de Randomized response methode niet volgen. Dit model is overigens ook gebruikt bij de analyse van de data van het onderzoek “regelovertreding”. x Het tweede punt, dat van de naleving, waarbij de score op verschillende fraudehandelingen tot een overallindicator worden samengevoegd, is inmiddels vormgegeven. Daarbij is een model ontwikkeld dat ook is toegepast op gegevens van 20026. Hierover wordt in Appendix 4 van het rapport “Regelovertreding in de WAO, WW en ABW/WWB in 2004” (auteurs: van der Heijden, van Gils en Laudy, Den Haag: Ministerie van SZW) de naleving voor de WAO, de WW en de ABW/WWB gerapporteerd. De resultaten hiervan zijn reeds verwerkt in de Rijksbegroting 2006 SoZaWe. x Het derde punt, de kwantitatieve uitkomsten, is in 2004 uitgeprobeerd. Inmiddels is geconstateerd dat voor een goede verwerking een meer specifieke analysetechniek moet worden ontwikkeld. Een statistisch model voor een meer valide schatting van de prevalentie van regelovertreding Recent is een statistisch model ontwikkeld dat poogt de onderschatting van de prevalentie, zoals dat binnen de Randomized response methode voorkomt, te ondervangen. Wij hebben hiertoe samengewerkt met Ulf Bockenholt.7 Een gedetailleerde beschrijving van het model is te vinden in twee manuscripten die ter publicatie aan tijdschriften zijn aangeboden en momenteel worden beoordeeld, en in een congresbijdrage.8
6
Rapportage in opdracht van het Ministerie van SoZaWe: P.G.M. van der Heijden, U. Bockenholt en G. van Gils (2005). Een nieuw model voor het meten van naleving op basis van POROSZ 2. Utrecht: BOA.
7
Ulf Bockenholt is momenteel als hoogleraar werkzaam aan McGill, Montreal, Canada. Hij is in 2004 verkozen tot President of the Psychometric Society.
8
Congresbijdrage: Bockenholt, U. and P.G.M. van der Heijden (2004). Measuring noncompliance in insurance benefit regulations with randomized response methods for multiple items. In: A. Biggeri, E. Dreassi, C. Lagazio and M. Marchi, In (Eds.), 19th International Workshop on Statistical Modelling. Florence, Italy, pp. 106-110. Manuscripten: (1) Bockenholt, U. and van der Heijden, P. G. M. (2004). Randomized--Response Models for Measuring Noncompliance: Risk--Return Perceptions, Social Influences, and Self-Protective Responses. Unpublished manuscript. McGill University. (2) Bockenholt, U. and van der Heijden, P. G. M. (2005). Do randomized--response designs eliminate response biases? An empirical study of non--compliance behavior with social--security--benefit regulations in the Netherlands. 54
Dit model biedt in principe de mogelijkheid om: (i) te schatten welk percentage van de respondenten de RR procedure niet heeft gevolgd; (ii) volgend uit (i), voor iedere afzonderlijke regel te komen met meer valide schattingen van regelovertreding, met andere woorden, schattingen waarin de onderschatting een minder grote rol speelt. Het model kan worden toegepast indien sprake is van een aantal (minimaal drie) inhoudelijk verwante vragen naar regelovertreding. Voor regelovertreding in 2004 kan men kan binnen de WAO bijvoorbeeld denken aan een aantal vragen naar regelovertreding op het gebied van arbeid, dan wel regelovertreding op het gebied van gezondheid. Voor de volksverzekeringen (dit rapport) wordt deze toepassing hieronder gedetailleerd besproken. Het model heeft twee onderdelen9: a) er wordt een schatting gemaakt van het percentage respondenten dat de RR procedure niet heeft gevolgd. Voor deze groep nemen we aan dat ze systematisch ‘nee’ zeggen, wat ze ook voor vraag wordt voorgelegd en ongeacht de uitkomst van de worp met de dobbelstenen. We noemen deze groep “degenen die niet volgens het Randomized-response-design antwoorden”. b) Voor de mensen die de RR procedure wel hebben gevolgd, wordt onderzocht of de vragen waarop het model wordt toegepast hetzelfde zogenaamde ‘latent kenmerk’ meten. Een latent kenmerk is een kenmerk dat je niet kunt zien maar waarvan je aanneemt dat het er is. Hier gaat het om het latente kenmerk ‘regelovertreding’. Bij drie vragen loopt dat latente kenmerk van 0 tot 3. Het model dat wij hiervoor gebruiken is erg populair in de psychometrie en staat bekend als het Rasch model. Het Rasch model is een van de bouwstenen van het model.10 Onderdeel (a) is een simpele aanname over het gedrag van respondenten die de Randomized response procedure niet volgen. Hoe wordt dit percentage geschat? De schatting van het percentage maakt onderdeel uit van de schatting van het gehele model. De schatting van het gehele model vindt plaats met de maximum likelihood methode. Kort gezegd komt hierbinnen de schatting van het percentage van degenen die niet volgens het Randomized-response-design antwoorden als volgt tot stand: bij drie items zijn er 2x2x2 frequenties met ja/nee antwoorden geobserveerd. Volgens een Rasch model moeten die frequenties een bepaald patroon volgen. Nu vinden we in de data dat de frequentie voor “nee-nee-nee” veel groter is dan volgens het Rasch model mag. Een deel van die frequentie, namelijk dat deel dat de frequentie te groot is, leidt tot een schatting van het percentage van degenen die niet volgens het Randomized-response-design antwoorden. Indien er geen respondenten zouden zijn die niet volgens het Randomized-response-design antwoorden, dan zou de kans op overtreding van een bepaalde regel als volgt tot stand komen: P(2,3,4) = 1/6 en P(5,6,7,8,9,10) = ¾, dus P(ja) = 1/6 + ¾*P(regelovertreding), zodat P(regelovertreding) = 4/3*[P(ja) – 1/6]. 9
Het model is veel algemener dan hier beschreven. Wij beschrijven hier alleen die delen die in deze rapportage worden gebruikt. Het model is ook gebruikt bij het schatten van de eerder genoemde nalevingspercentages.
10
Het Rasch model is een probabilistische versie van de zgn. Guttman schaal. 55
Indien deze respondenten die niet volgens het Randomized-response-design antwoorden, er niet zouden zijn, zou een schatting van P(ja) gelijk zijn aan: Schatting P(ja) = (aantal ja-antwoorden)/(totaal aantal respondenten).
(1)
Nu er sprake is van mensen die de Randomized response procedure niet hebben gevolgd, dient het totaal aantal respondenten hiermee verminderd te worden. Stel het geschatte percentage van die categorie is 10 %, dan wordt: Schatting P(ja) = (aantal ja-antwoorden)/(90 % van totaal aantal respondenten). (2) Dit laat zien dat de schattingen op regelovertreding omhoog gaan door rekening te houden met de aanwezigheid van respondenten die niet volgens het Randomized-response-design antwoorden. Wij maken nog enkele aanvullende opmerkingen om de consequenties van het model duidelijker te maken. Het model maakt geen onderscheid tussen respondenten die randomized response niet snappen en respondenten die zich niet veilig genoeg wanen. Het model licht een deel van die respondenten er uit die systematisch ‘nee’ hebben gezegd. Dus de respondenten die RR niet snappen zitten alleen in onze kans voor systematisch “nee-zeggen” als niet-snappen leidt tot systematisch ‘nee’ zeggen. Voor wat betreft component b) van het model merken we op dat het zinvol is om, als tussenstap, het Raschmodel te gebruiken. Het Rasch model is heel geschikt om te onderzoeken of vragen hetzelfde latente kenmerk meten. Het Rasch model maakt het vervolgens mogelijk om component a) (het percentage van degenen die niet volgens het Randomized-response-design antwoorden), te schatten indien het aantal vragen minimaal drie is. Als er namelijk drie vragen zijn, dan heb je 2x2x2 = 8 frequenties, en dit leidt tot 7 onafhankelijke kansen. Geschat worden 3 parameters voor de vragen, 1 zogenaamde discriminatieparameter, en de kans op “nee”-zeggen. Dit model heeft 7-3-1-1 = 2 vrijheidsgraden. Indien er echter slechts twee vragen zijn, dan is het model met zowel component a) als b) niet te schatten: indien er twee vragen zijn, dan zijn er 2x2 = vier frequenties, dus 3 onafhankelijke kansen. Je kunt in dit laatste geval maximaal drie parameters schatten. Indien het aantal vragen kleiner is dan drie, dus twee, dan heeft het Rasch model twee parameters voor de twee vragen nodig, en 1 discriminatieparameter. Je hebt in dat geval geen vrijheidsgraden meer om het percentage van degenen die niet volgens het Randomized-response-design antwoorden te schatten. Er zijn twee redenen om vertrouwen te hebben in het voorliggende model. In de eerste plaats biedt het model een redelijke verklaring voor een tot dusverre moeilijk te verklaren fenomeen dat in 2002 optrad. Er werden voor de WAO twee verschillende dataverzamelingsmethoden gehanteerd, namelijk bij een methode werden respondenten face-to-face geïnterviewd, en de andere methode maakte gebruik van een accespanel van het NIPO waar mensen over het internet werden benaderd. Indien we ongecorrigeerde schattingen maken met vergelijking (1) gaf voor de vraag naar zwart werk in de face-to-face steekproef 2.7 % van de respondenten toe zwart te werken terwijl dit voor de access panel steekproef 7.3 % was; kortom een verschil van 4.6 %. Indien we de gecorrigeerde schattingen maken met (2) vinden we voor de face-to-face steekproef 9,8 % terwijl we voor de access panel steekproef 12,1 % vinden; kortom een veel kleiner verschil van 2.3 56
%.11 Dit komt omdat voor het access panel het aantal mensen dat niet volgens het Randomizedresponse-design antwoordt, geschat is op 20 % terwijl dit voor de face-to-face steekproef 13 % was. De verklaring die dit model dus biedt, is dat respondenten binnen de face-to-face steekproef vaker de Randomized response procedure hebben gevolgd, en dus vaker eerlijk hebben geantwoord. In de Appendix Naleving uit het rapport “Regelovertreding in de WAO, WW en ABW/WWB in 2004” is een vergelijkbaar maar nog extremer voorbeeld te vinden dat vertrouwen geeft in het model: het nalevingspercentage voor werk zowel de face-to-face steekproef als voor de access panel steekproef is exact hetzelfde: 76.5 %. Een tweede reden om vertrouwen te hebben in het voorliggende model is dat het model meestal goed bij de data past (dit geldt overigens meer voor de analyses uitgevoerd in WAO, WW en ABW/WWB dan in de hier voorliggende volksverzekeringen; we komen hierop hieronder terug). Dit blijkt uit zgn. chi-kwadraattoetsen, waarmee (bijvoorbeeld voor een set van drie vragen 2x2x2 = 8) geobserveerde frequenties worden vergeleken met schattingen van verwachte frequenties die het model oplevert. Voor vrijwel alle analyses die wij hebben uitgevoerd is de chikwadraattoets niet significant, wat betekent dat het opstellen van een ingewikkelder model niet veel oplevert. Er zijn ingewikkeldere aannames mogelijk voor het niet volgen van de Randomized response procedure. Dergelijke ingewikkeldere aannames zijn onderzocht in Bockenholt en Van der Heijden (2005; zie noot 5) en het bleek dat de gegevens geen aanleiding geven ingewikkelder veronderstellingen te maken dan de twee simpele aannamen a) en b) die twee bladzijden terug besproken zijn. Bijvoorbeeld, men zou zich ook kunnen afvragen of er ook mensen zijn die systematisch “ja” zeggen, ongeacht de vraag die aan hun wordt voorgelegd. Uit de geanalyseerde gegevens blijkt echter dat deze groep niet bestaat, althans, niet groot genoeg is om hier in het model een parameter voor op te nemen. Het model is dus probaat genoeg om de voorliggende data goed adequaat te beschrijven. In het licht van deze laatste opmerking is het zinnig de vraag te bespreken of de voorliggende schattingen, die gebaseerd zijn op de respondenten die het Randomized-response-design wel volgen, nu nog steeds onderschattingen kunnen zijn. Er zijn twee redenen die er toe kunnen leiden dat de voorliggende (dus voor degenen die niet volgens het Randomized-response-design antwoorden) gecorrigeerde schattingen nog steeds een onderschatting laten zien. In de eerste plaats weten we niet wat het percentage regelovertreders is binnen de categorie respondenten die niet volgens het Randomized-response-design antwoorden. Door schattingen met formule (2) te berekenen nemen we feitelijk aan dat binnen die categorie de kans op regelovertreding identiek is aan die van de degenen die wel volgens het Randomized-response-design antwoorden. Indien er echter onder de eerstgenoemde categorie een grotere kans is op regelovertreding, dan zijn de gerapporteerde kansen nog steeds te interpreteren als onderschattingen. In dit licht zijn resultaten van belang uit Bockenholt en Van der Heijden (2004)12 die laten zien dat voor de WAO in 2002 er een relatie is tussen het niet volgen van de Randomized-response-design enerzijds en het minder goed begrijpen van de instructies en het hebben van een lage opleiding anderzijds. In 2004 blijkt echter het tegenovergestelde voor de variabele opleiding: voorzover er relaties zijn tussen regelovertreding en opleiding, overtreden juist mensen met een hogere opleiding vaker een regel. Dit maakt het minder aannemelijk dat de groep die niet volgens het Randomized-response-design antwoordt voor een groter deel bestaat uit mensen die regel overtreden dan de mensen die het 11
Dit verschil ligt binnen het betrouwbaarheidsinterval rondom de waarde nul, zodat het onverstandig is voor dit verschil een
12
Bockenholt, U. and van der Heijden, P. G. M. (2004). Randomized--Response Models for Measuring Noncompliance:
inhoudelijke verklaring naar voren te brengen.
Risk--Return Perceptions, Social Influences, and Self-Protective Responses. Unpublished manuscript. McGill University. 57
Randomized-response-design hebben gevolgd. Wij concluderen daarom voorzichtig dat een interpretatie als onderschatting ten gevolge van een overschot aan regelovertreders onder de degenen die niet volgens het Randomized-response-design antwoorden, niet waarschijnlijk is. In de tweede plaats is het mogelijk dat respondenten wel het Randomized-response-design volgen indien zij geforceerd ‘ja’ dienen te zeggen (d.w.z. bij een worp 2, 3 of 4) maar niet het Randomizedresponse-design volgen indien zij eerlijk dienen te antwoorden (d.w.z. bij een worp 5, 6, 7, 8, 9 of 10) en een regelovertreding zouden dienen toe te geven: in dit laatste geval liegen ze. Een dergelijke overtreding van het Randomized-response-design is in zijn algemeenheid door het model heel moeilijk op te sporen (het kan leiden tot een schending van het Rasch deel van het model), en niet indien dit vooral optreedt bij de regelovertredingen met een relatief lagere prevalentie (dan is het Rasch deel van het model niet geschonden). Wij hebben geen aanwijzingen of dergelijke overtredingen van de Randomized response procedure wel of niet plaatsvinden. Indien zij echter geregeld plaatsvinden, dan leidt dit voor de betreffende regelovertreding tot een onderschatting. Hoewel er dus twee redenen zijn te bedenken waarom de voorliggende schattingen nog steeds een onderschatting zouden kunnen zijn, is het aannemelijk, door de redelijkheid van de veronderstellingen, dat wij met dit model een grote stap hebben gemaakt om het realiteitsgehalte van de schattingen te vergroten. Het is ook duidelijk dat nader onderzoek gewenst is naar de kenmerken van de categorie respondenten die niet volgens het Randomized-response-design antwoordt. Enkele resultaten voor de onderzochte modellen Voor de volksverzekeringen zijn de modellen onderzocht voor elk van de wetten afzonderlijk13 . Wij noemen hier de groepen vragen voor elk van de wetten vallen: AOW 1. Partner jonger dan 65 jaar in afgelopen 12 maanden per maand gemiddeld méér inkomsten verdiend met werk dan € 190, zonder door te geven aan de SVB 2. Woont samen met partner (vormt met partner gezamenlijke huishouding), zonder dat SVB op de hoogte is gesteld 3. Afgelopen 12 maanden/ ten tijde van uitkering wel eens boete of korting op uitkering gehad van SVB? 4. Kent mensen in directe omgeving die ten onrechte een te hoge AOW-uitkering ontvangen
13
Voor een uitgebreide bespreking van de resultaten in 2004 verwijzen wij naar Appendix 5 van het rapport P.G.M. van der Heijden, G. Van Gils en O. Laudy, 2005, Regelovertreding in de WAO, WW en ABW/WWB in 2004. Den Haag: Ministerie van SZW 58
AKW: (t.a.v. kinderen van 16 en 17 jaar waarvoor recht op kinderbijslag bestaat (bestond)) 1. Eén of meer kinderen afgelopen 12 maanden buiten de zomermaanden wel eens een kwartaal méér verdiend dan 1.175 euro netto (zonder dat dit aan de SVB is doorgegeven)? 2. Eén of meer kinderen in deze zomer (zomer van 2004) méér dan 1.050 euro extra bijverdiend, dus méér dan 2.225 euro in totaal voor het zomerkwartaal (zonder dat dit aan de SVB is doorgegeven)? 3. Afgelopen 12 maanden/ ten tijde van uitkering wel eens boete of korting op uitkering gehad van SVB? 4. Kent mensen in directe omgeving die ten onrechte te veel kinderbijslag ontvangen, bijvoorbeeld omdat kind/kinderen al veel werkt en veel verdient of bijverdient?
ANW 1. Afgelopen 12 maanden inkomsten uit arbeid, VUT-uitkering of winst uit onderneming (méér dan 630 euro bruto per maand), niet (helemaal) aan SVB opgegeven? 2. Samenwonen met partner/ met andere persoon gezamenlijke huishouding vormen, zonder SVB op de hoogte te stellen? 3. Afgelopen 12 maanden/ ten tijde van uitkering wel eens boete of korting op uitkering gehad van SVB?
Wij hebben hierboven aangegeven dat er voor het schatten van het model minstens drie Randomized response-vragen nodig zijn. Dit heeft verschillende consequenties voor de toepassing op de AOW, de AKW en de ANW: x Voor de AOW is er een complicatie in die zin dat vraag 1 aan andere mensen is gesteld dan vraag 2. Wij hebben dit opgelost door voor die personen die vraag 1 niet hebben hoeven beantwoorden, de antwoorden op vraag 1 te schatten op basis van hun antwoorden op vraag 3 en 4 en de samenhang die we aantreffen voor die personen die vraag 1, 3 en 4 wel alle drie hebben beantwoord; evenzo hebben wij voor die personen die vraag 2 niet hebben beantwoord, de antwoorden op vraag 2 geschat op basis van hun antwoorden op vraag 3 en 4 en de samenhang die we aantreffen voor die personen die vraag 1, 3 en 4 wel hebben beantwoord. Op deze wijze heeft elke respondent antwoorden op elk van de vier vragen. x Voor de AOW, de AKW en de ANW bestaat verder het probleem dat bij vraag 3 geen sprake is van een regelovertreding, en dat het dus onduidelijk is of deze vraag betrekking heeft op dezelfde latente trek als de regelovertredingen 1 en 2. Bij de ANW zijn wij verplicht deze aanname te maken omdat het anders niet mogelijk is het model te schatten. Om te zorgen voor vergelijkbaarheid over de drie wetten hebben wij daarom vraag 3 ook bij de AOW en de AKW in het model betrokken. x Bij de AKW en de AOW speelt hetzelfde probleem bij vraag 4. Met enige goede wil kan men deze vraag ook bij regelovertreding betrekken omdat uit onderzoek bekend is dat mensen die regels overtreden ook vaker regelovertreders in hun omgeving menen waar te nemen. Al met al heeft dit tot gevolg dat de toepassing van het zojuist besproken statistische model minder vanzelfsprekend is dan de toepassingen die we aantreffen in het rapport dat betrekking heeft op de WAO, de WW en de ABW/WWB in 2004. Mogelijk is dit een oorzaak voor het feit dat de modellen niet al te goed passen voor de AOW (chikwadraattoets is 72.3 bij 9 vrijheidsgraden, p = .000) en de AKW (chi-kwadraattoets is 21.5 bij 9 vrijheidsgraden, p = .011.). 59
Voor de ANW past het model wel goed (chi-kwadraattoets is 1.8 bij 2 vrijheidsgraden, p = .407.). We moeten hieruit de conclusie trekken dat de resultaten voor de AOW en de AKW met voorzichtigheid dienen te worden geinterpreteerd. Het geschatte percentage personen dat zich niet aan het Randomized response-design heeft gehouden is 19.1 voor de AOW, 13.3 voor de AKW en .107 voor de ANW. De schattingen van de prevalenties van de Randomized responsevragen, zoals die in het rapport worden gerapporteerd, zijn gecorrigeerd voor deze percentages.
Consequenties voor overige analysetechnieken Naast aanpassing van de schatting van de univariate percentages op regelovertreding dienen de volgende analyse technieken te worden aangepast: x betrouwbaarheidsintervallen voor de univariate percentages; x logistische regressie; x answer tree. In deze aanpassingen dient rekening gehouden te worden met het percentage van degenen die niet volgens het Randomized-response-design antwoorden. Voor de betrouwbaarheidsanalyses is voor elke afzonderlijke regelovertreding een percentage neezeggers verwijderd dat gelijk is aan het percentage van die groep. Vervolgens is met een bootstrap procedure het betrouwbaarheidsinterval geschat, rekening houdend met het feit dat de gegevens verzameld zijn met het Randomized-response-design. Wij merken hierbij op dat voor vragen 1 en 2 van de AOW rekening gehouden is met het feit dat deze vragen niet aan de gehele groep zijn gesteld. Voor de logistische regressie is als volgt met de deze categorie rekening gehouden. In de ideale situatie zouden de degenen die niet volgens het Randomized-response-design antwoorden zelf verwijderd zijn. Dit zou ideaal zijn omdat de samenhang tussen de degenen die niet volgens het Randomized-response-design antwoorden en de afhankelijke variabele kan verschillen van de samenhang tussen degenen die wel het Randomized-response-design volgen en de afhankelijke variabele. In dit tijdbestek is het echter niet mogelijk de personen te identificeren die met de grootst mogelijke aannemelijkheid het Randomized-response-design niet volgen. Daarom is er voor gekozen alle ‘nee-zeggers’ een dusdanig lager gewicht te geven dat uit de totale groep ‘nee-zeggers’ een percentage wordt verwijderd dat gelijk is aan het percentage van degenen die het Randomizedresponse-design niet volgen. Hierdoor zijn de percentages die de logistische regressie oplevert in overeenstemming met de percentages van regelovertreding die het model heeft opgeleverd. Voor de answer tree speelt dezelfde problematiek als voor de logistische regressie en is een identieke aanpak gekozen als die gebruikt is voor de logistische regressie. Rest te vermelden dat alle analyses zijn uitgevoerd met gewichten zodat de gegevens zijn gewogen naar bekende populatiekenmerken.
60
Appendix 5: De Tafel van Elf (T11) in een staafdiagram De tweede presentatievorm van de T11, naast die in Figuur 2.1 in de Samenvatting en Figuur 1.2, 2.2 en 3.2 in de Bijlagen, is een staafdiagram dat de percentages respondenten weergeeft die worden gekwalificeerd als ‘kwetsbaar’, ‘middengroep’ en ‘veilig’. De donkere arcering wijst op kwetsbaarheid, de grijze arcering geeft het ‘veilige’ gebied aan en de lichte arcering het middengebied. Een respondent is ‘kwetsbaar’ ten aanzien van een dimensie, als hij of zij voor die dimensie van een houding getuigt die eerder met overtreding dan met naleving samengaat.
Risicospreidingsdiagram T11, AOW 2004
100%
veilig
80%
midden kwetsbaar 60%
40%
20%
o T11 Ernst sanctie
o T10 Sanctiekans
o T9 Selectiviteit controle
o T8a Detectiekans
o T7b Fysieke controlekans
o T7a Administratieve Controlekans
o T6 Kans op aangeven
o T5b Informele sanctie
o T4 Wetgetrouwheid
o T3 Acceptatie regels
o T2b Voordeel overtreding:
o T2a Kosten naleven:
o T1b Duidelijkheid regels:
o T1a Kennis regels:
0%
61
o T11 Ernst sanctie
o T10 Sanctiekans
o T9 Selectiviteit controle
o T8a Detectiekans
o T7b Fysieke controlekans
o T7a Administratieve Controlekans
o T6 Kans op aangeven
o T5b Informele sanctie
o T4 Wetgetrouwheid
o T3 Acceptatie regels
o T2b Voordeel overtreding:
o T2a Kosten naleven:
o T1b Duidelijkheid regels:
o T1a Kennis regels:
o T11 Ernst sanctie
o T10 Sanctiekans
o T9 Selectiviteit controle
o T8a Detectiekans
o T7b Fysieke controlekans
o T7a Administratieve Controlekans
o T6 Kans op aangeven
o T5b Informele sanctie
o T4 Wetgetrouwheid
o T3 Acceptatie regels
o T2b Voordeel overtreding:
o T2a Kosten naleven:
o T1b Duidelijkheid regels:
o T1a Kennis regels:
Risicospreidingsdiagram T11, ANW 2004
100%
80%
60%
veilig
midden
40%
kwetsbaar
20%
0%
Risicospreidingsdiagram T11, AKW 2004
100%
80%
60%
veilig
midden
40%
kwetsbaar
20%
0%
62
