KING-thema 2: Arbeidsparticipatie

Gerard Marlet, Roderik Ponds, Clemens van Woerkens

KING-thema 2: Arbeidsparticipatie Methodologische verantwoording

Atlas voor gemeenten Postbus 9627 3506 GP UTRECHT T 030 2656438 F 030 2656439 E [email protected] I www.atlasvoorgemeenten.nl © Atlas voor gemeenten, Utrecht, 2013 Alle rechten voorbehouden. Niets uit deze uitgave mag worden verveelvoudigd, opgeslagen in een geautomatiseerd gegevensbestand, of openbaar gemaakt, in enige vorm of op enige wijze, hetzij elektronisch, mechanisch, door fotokopieën, opnamen, of enig andere manier, zonder voorafgaande schriftelijke toestemming van de uitgever.

KING-thema

2: Arbeidsparticipatie

Methodologische verantwoording

Inhoud

1 Inleiding

6

2 Netto participatiegraad

7

3 Verklaringsmodel

10

4 Verklarende variabelen

15

1

Inleiding KING werkt samen met Atlas voor gemeenten aan verklaringsmodellen die de relatieve score van een gemeente op een bepaald thema zo goed mogelijk verklaren uit kenmerken van die gemeente.

Voor het thema Arbeidsparticipatie is een verklaringsmodel gebruikt waarbij de netto participatiegraad in een gemeente zo goed mogelijk wordt verklaard uit indicatoren die hier statistisch significant mee samenhangen. Deze indicatoren zijn vervolgens gegroepeerd naar categorieën verklarende kenmerken (zoals de beschikbaarheid van werk, bevolkingssamenstelling, etc.). Deze categorieën vormen de verklarende ‘staven’ in de grafieken op waarstaatjegemeente.nl. In deze achtergrondrapportage wordt ingegaan op de centrale indicator voor de netto participatiegraad in een gemeente, het achterliggende verklaringsmodel, de gebruikte indicatoren, de bijbehorende bronnen en de bewerkingen die daarop zijn uitgevoerd.

KING-thema

2


Netto participatiegraad De arbeidsmarkt kent – zoals elke markt – een vraagkant en een aanbodkant. De vraagkant zijn alle bedrijven en andere organisaties die werknemers in dienst hebben of zoeken. Het aantal of aandeel onvervulde vacatures kan een goede indicator vormen voor de matching: de mate waarin de vraag naar arbeid geaccommodeerd kan worden door het aanbod. De aanbodkant van de arbeidsmarkt zijn alle mensen die (kunnen en willen) werken. De participatiegraad vormt een indicator voor de mate waarin de aanbodkant van de arbeidsmarkt aansluit op de vraagkant. Hoe hoger de participatiegraad hoe hoger het aandeel van de bevolking dat wil (en kan) werken, en ook daadwerkelijk aan het werk is (in loondienst of als zelfstandige, met of zonder steun van de overheid). Als centrale indicator voor de arbeidsmarkt is gekozen voor de netto participatiegraad. De reden hiervoor is dat alle partijen die zich bezighouden met arbeidsmarktbeleid (zoals het Ministerie van SZW, gemeentelijke sociale diensten, het UWV Werkbedrijf, WSW-instellingen) arbeidsparticipatie als centrale doel hebben. Daarnaast bieden andere indicatoren (zoals werkloosheid en het aandeel uitkeringsgerechtigden) over het algemeen geen volledig beeld van het functioneren van de arbeidsmarkt maar slechts inzicht in een deel van de non-participatie. Voor de netto participatiegraad wordt meestal de volgende definitie gehanteerd: het aantal werkzame personen als aandeel van de totale potentiële beroepsbevolking (alle mensen tussen 15 en 65 jaar, ongeveer 11 miljoen mensen). Werkzame personen zijn mensen die minimaal 12 uur per week werken. Dat zijn zowel mensen die zonder als met steun van de overheid werken. Dit is de definitie die ook door het CBS in de enquête beroepsbevolking wordt gebruikt (de EBB). Hiernaast is er de bruto participatiegraad: alle mensen die aangeven te willen werken als aandeel van de potentiële beroepsbevolking. Binnen deze groep zijn er mensen die (gedeeltelijk) inkomenssteun krijgen of steun bij het zoeken naar werk. Binnen de potentiële beroepsbevolking vallen ook mensen die niet kunnen werken en daarom inkomenssteun ontvangen en mensen die niet (willen of kunnen) werken en geen inkomenssteun

7

KING-thema


ontvangen (bijvoorbeeld renteniers of vrouwen die om principiële redenen niet werken). Figuur 2.1 geeft een schematisch overzicht van de verschillende groepen werkenden en niet-werkenden. Onder de groep werkenden zijn dus twee categorieën te onderscheiden: 

participanten zonder steun van de overheid; mensen die zichzelf redden als werknemer of als zelfstandige.



participanten met steun van de overheid; mensen die met steun van de overheid deelnemen aan het arbeidsproces (via gesubsidieerde arbeid, sociale werkvoorziening of loonkostensubsidies).

Figuur 2.1 Werkenden en niet-werkenden

Geen steun

Niet-werkend

Steun bij zoeken naar werk Met inkomenssteun

Bevolking 15-64-jarigen Met steun van de overheid Werkend Zonder steun

Bron: Atlas voor gemeenten

8

KING-thema


De groep werkenden is gedefinieerd als het aantal mensen dat in een bepaald jaar 52 weken (dus géén seizoensarbeid) voornamelijk inkomsten uit arbeid en/of onderneming heeft genoten. De daarvoor gebruikte indicator is gebaseerd op het Regionaal Inkomens Onderzoek (RIO) van het CBS. Het RIO maakt gebruik van gegevens van de inkomstenbelasting en biedt de mogelijkheid om te bepalen wat de voornaamste inkomstenbron van mensen is. De gegevens hebben betrekking op de stand op 01-01-2012. De score van gemeenten op de netto participatiegraad is vervolgens zo goed mogelijk verklaard aan de hand van verschillende kenmerken van de vraagkant en de aanbodkant van de arbeidsmarkt in de gemeente.

9

KING-thema

3


Verklaringsmodel Voor een goede verklaring van de netto participatiegraad zijn zowel indicatoren voor de vraagkant als voor de aanbodkant van de arbeidsmarkt noodzakelijk. Met een regressieanalyse is onderzocht welke kenmerken (van zowel de vraag- als de aanbodkant van de arbeidsmarkt) van een gemeente significant samenhangen met de netto participatiegraad. Tabel 3.1 laat de resultaten zien. Een positieve coëfficiënt betekent dat een hogere waarde voor deze indicator samenhangt met een hogere participatiegraad. Voor een negatieve coëfficiënt geldt het omgekeerde. Uit de tabel blijkt dat de regionale beschikbaarheid van werk in het algemeen en specifiek voor hoger opgeleiden positief samenhangt met de arbeidsparticipatie. Deze indicator meet het gemiddeld aantal banen binnen acceptabele reistijd voor een inwoner van een gemeente ten opzichte van het aantal mensen dat in potentie voor deze banen in de markt is - zie hoofdstuk 4 voor een nadere omschrijving. Als de beschikbaarheid van werk ten opzichte van de potentiële beroepsbevolking relatief groot is, is de participatiegraad ook hoger. Aan de aanbodkant van de arbeidsmarkt bleken verschillende typen indicatoren een significante verklaring te bieden voor de netto participatiegraad. Allereerst de leeftijdsopbouw en etnische samenstelling van de bevolking. Bij de leeftijdsopbouw zijn verschillende leeftijdscategorieën meegenomen. Hierbij is het aandeel inwoners tussen 25 en 34 jaar als referentiecategorie genomen. Gemeenten die relatief veel inwoners hebben in andere leeftijdscategorieën - zowel hogere (veel ouderen) als lagere (veel jongeren) - kennen een lagere netto participatiegraad. Ook de etnische samenstelling van de beroepsbevolking hangt samen met de netto participatiegraad. Gemeenten met veel Marokkanen en Turken onder de beroepsbevolking hebben over het algemeen een lagere netto participatiegraad. Ook bevolkingscategorieën van andere herkomstlanden (en de indicator ‘overige niet-westerse allochtonen’) zijn getest maar bleken niet significant samen te hangen met de netto participatiegraad. Het opleidingsniveau van de inwoners heeft ook invloed. In gemeenten met relatief veel laagopgeleiden en vroegtijdig schoolverlaters is de netto participatiegraad lager. Hierbij speelt waarschijnlijk een gebrekkige matching 10

KING-thema


tussen vraag en aanbod een rol. Ook gemeenten met een relatief groot aandeel hoogopgeleiden hebben een lagere netto participatiegraad. Dit is mogelijk het gevolg van het feit dat hoogopgeleiden vaak eveneens een hoger opgeleide partner hebben en vaak ook een hoger (huishoud)inkomen. Hierdoor bestaat de kans dat één van beide partners besluit om (al dan niet tijdelijk) niet te werken omdat de economische prikkel niet zo groot is. Ook de huishoudenssamenstelling speelt een rol. Gemeenten met relatief veel eenoudergezinnen en/of veel woonachtige studenten kennen een lagere netto participatiegraad. In gemeenten met relatief veel huishoudens met een koopwoning is de netto participatiegraad daarentegen gemiddeld genomen juist hoger. Hier kunnen twee effecten (gelijktijdig) spelen. Enerzijds biedt een hypotheek een sterke prikkel om een baan te vinden wanneer iemand werkloos wordt. Anderzijds is het zonder inkomen uit werk of eigen bedrijf lastiger om een hypotheek af te sluiten waardoor er ook een selectie-effect optreedt. Tot slot heeft de relatieve omvang van de groep structurele nonparticipanten invloed op de netto participatiegraad. Gemeenten met relatief veel arbeidsongeschikten hebben logischerwijs een lagere participatiegraad. Maar ook culturele factoren spelen een rol. Gemeenten met veel SGPstemmers onder de bevolking hebben gemiddeld genomen een lagere netto participatiegraad. Die gemeenten (met een sterk kerkelijk karakter) kennen waarschijnlijk relatief veel vrouwen die wel kunnen werken maar dat om principiële redenen niet doen. Een oververtegenwoordiging van stemmers op de andere politieke partijen (inclusief de ChristenUnie) levert in de modellen overigens geen significante verklaring op voor de verschillen in participatiegraad tussen gemeenten. Dit impliceert dan ook dat het aandeel SGP-stemmers nadrukkelijk een proxy is voor cultureel-kerkelijke verschillen. 1

1

Deze gemeenten hebben overigens ook een lagere bruto participatiegraad – het aantal mensen dat kan en wil werken maar niet werkt zal hier immers relatief laag zijn.

11

KING-thema


Tabel 3.1 Wat zijn de achtergronden van de netto participatiegraad? Samenhang met netto participatiegraad Coëfficiënt Standaardfout2 BESCHIKBAARHEID WERK Beschikbaarheid werk (gemiddeld)

265,2

88,1

Beschikbaarheid werk (hoger opgeleiden)

496,3

130,7

Aandeel 15-19-jarigen in de beroepsbevolking

-0,44

0,19


-1,49

0,22


-0,67

0,13


-0,30

0,09


-0,85

0,09

Aandeel Marokkanen in de beroepsbevolking

-0,29

0,07

Aandeel Turken in de beroepsbevolking OPLEIDINGSNIVEAU

-0,20

0,06

Aandeel hoger opgeleiden

-0,11

0,02

Aandeel lager opgeleiden

-0,06

0,03

Aandeel vroegtijdig schoolverlaters

-0,37

0,15

-1,03

0,14

BEVOLKINGSSAMENSTELLING

HUISHOUDENSSAMENSTELLING Aandeel eenoudergezinnen Aandeel huishoudens met een koopwoning

0,07

0,02

Aandeel woonachtige studenten

-0,89

0,22

Aandeel arbeidsongeschikten

-0,50

0,06

Aandeel SGP-stemmers (als proxy voor nonparticipanten zonder steun van de overheid)

-0,06

0,02

STRUCTURELE NON-PARTICIPANTEN

Een + betekent dat die factor positief samenhangt met de participatiegaad (hoe hoger de waarde van die factor, hoe hoger het percentage werkenden t.o.v. de potentiële beroepsbevolking). Een - betekent dat die factor negatief samenhangt met de participatiegraad(hoe hoger de waarde van die factor, hoe lager de participatiegraad).

2

White Heteroskedasticity-Consistent standard errors.

12

KING-thema


De relatieve score van verschillende gemeenten op de verschillende onderdelen van het verklaringsmodel biedt waardevolle inzichten voor beleid. Zo kan het voor een gemeente met een lage participatiegraad als gevolg van gebrek aan werk een aanwijzing zijn om in te zetten op economisch beleid, zoals het aantrekken van bedrijven, het beter bereikbaar maken van bestaande banen, het aanbieden van gesubsidieerde arbeid of door middel van loonkostensubsidies. Voor gemeenten waar vooral de samenstelling van de beroepsbevolking problematisch is, kan het een aanwijzing zijn om in te zetten op een betere matching op de regionale arbeidsmarkt, bijvoorbeeld door scholing. Bij het schatten van het verklaringsmodel zijn naast de in tabel 3.1 opgenomen indicatoren verschillende andere hypotheses aan de orde geweest. In een aantal gevallen bleek er onvoldoende data beschikbaar te zijn om deze hypotheses betrouwbaar te testen. In andere gevallen bleek de hypothese niet te kunnen worden bevestigd en zijn de indicatoren daarom niet in het uiteindelijke verklaringsmodel opgenomen. Tabel 3.2 geeft een overzicht van deze hypotheses die niet in het model zijn opgenomen.

13

KING-thema


Tabel 3.2 Hypotheses die niet in het uiteindelijke model zijn opgenomen Hypothese

Indicator

Culturele verschillen

Politieke voorkeuren (stemgedrag) en aandeel bohemians

Verdringing a.g.v zwartwerk door o.a. MOE-landers

Beperkte data (alleen formeel geregistreerde MOE-landers)

Nee

Selectieve migratie van meer kansrijken uit krimpgemeenten

Dummyvariabele (krimp of niet)

Nee

Intensiteit van regionale of lokale samenwerking ROC’s en bedrijfsleven

Geen data

Specifiek gemeentelijk beleid en omvang ‘granieten bestand’

Geen data

Gezinnen

Aandeel huishoudens met kinderen

Nee

Eenpersoonshuishoudens

Aandeel eenpersoonshuishoudens

Nee

Kansen op de arbeidsmarkt (lager- en middelbaar opgeleiden

Zie kansen op arbeidsmarkt

Nee

Bron: Atlas voor gemeenten

14

Significant effect op netto participatiegraad Nee

KING-thema

4


Verklarende variabelen De in het uiteindelijke verklaringsmodel (tabel 3.1) gebruikte variabelen zijn afkomstig uit verschillende bronbestanden. Dit hoofdstuk geeft een overzicht van de definities van de verklarende variabelen en de hiervoor gebruikte bronbestanden. De gegevens over bevolkingssamenstelling hebben betrekking op de stand op 01-01-2012. De overige gegevens hebben betrekking op de (gemiddelde) waarde in het jaar 2011. Het aandeel woonachtige studenten heeft betrekking op het aantal studenten dat zich heeft ingeschreven voor studiejaar 2011-2012. Het percentage SGPstemmers heeft betrekking op 2012. De brondata zijn bewerkt en gecombineerd door Atlas voor gemeenten. Daarmee ontstaan indicatoren die zo goed mogelijk aansluiten bij de theorie, en ook voor kleinere gemeenten een betrouwbare analyse mogelijk maken. Bovendien zijn in alle gevallen gemeentegrenscorrecties doorgevoerd. Voor de indicator voor de beschikbaarheid van werk is een complexe methode gebruikt, die hieronder staat beschreven. Beschikbaarheid werk

Voor deze indicator is allereerst het aantal laagopgeleiden, hoogopgeleiden en jongeren in de gemeente genomen. Vervolgens is de beschikbaarheid van werk voor die mensen in de gemeente berekend. Die beschikbaarheid is afgeleid van het aantal mensen per leeftijdsklasse en opleidingsniveau dat per gemeente gemiddeld in de verschillende sectoren werkzaam is. Op basis van die sectorale structuur is vervolgens bepaald welk deel van de banen in de gemeente geschikt is voor laagopgeleiden, hoogopgeleiden en jongeren. De beschikbaarheid van banen is niet alleen het aantal banen in de gemeenten zelf, maar ook de banen in de rest van Nederland, die binnen acceptabele reistijd te bereiken zijn. Deze ‘acceptabele reistijd’ is gebaseerd op de feitelijke reistijden voor woon-werkverkeer. De beschikbaarheid van werk is het zogenoemde ruimtelijke gemiddelde van het aantal banen, op basis van werkelijke reistijden en rekening houdend met files. Vervolgens is berekend welke mensen van buiten de gemeente in potentie ook ‘in de markt zijn’ voor die banen: de potentiële beroepsbevolking. Voor die concurrentie is vervolgens gecorrigeerd. Het resultaat is een indicator die de kans op een baan voor de verschillende bevolkingsgroepen in de 15

KING-thema


gemeente weergeeft. Bij deze indicator wordt dus geredeneerd vanuit het aanbod van banen: hoeveel banen zijn er beschikbaar ten opzichte van het totale aantal hoogopgeleiden, laagopgeleiden en jongeren? De achterliggende brondata zijn afkomstig van CBS, ESRI en AVV. Aandeel 15-19-jarigen in beroepsbevolking

Aantal inwoners tussen 15 en 19 jaar, als percentage van de totale bevolking tussen 15 en 64 jaar (bron: CBS). Aandeel 20-24-jarigen in beroepsbevolking




Aantal inwoners tussen 55 en 64 jaar, als percentage van de totale bevolking tussen 15 en 64 jaar (bron: CBS). Aandeel Marokkanen in beroepsbevolking

Aantal Marokkanen tussen 15 en 64 jaar, als percentage van de totale bevolking tussen 15 en 64 jaar (bron: CBS). Aandeel Turken in beroepsbevolking

Aantal Turken tussen 15 en 64 jaar, als percentage van de totale bevolking tussen 15 en 64 jaar (bron: CBS). Hoogopgeleiden

Het aantal personen met een universitaire of hbo-opleiding (de SOI-niveaus 5, 6 en 7) als percentage van de beroepsbevolking in de gemeente (bron: CBS/EBB).

16

KING-thema


Laagopgeleiden

Het aantal personen met maximaal een lagere opleiding als percentage van de beroepsbevolking in de gemeente (bron: CBS/EBB). Onder lager onderwijs vallen de opleidingen op niveau 1, 2 en 3 van de zogenoemde SOI (Standaard Onderwijsindeling). Dit is het gehele basisonderwijs en de eerste fase van het voortgezet onderwijs: lbo, vbo, vmbo, mavo en de eerste drie leerjaren van havo en vwo, plus het laagste niveau van het beroepsonderwijs, vergelijkbaar met de huidige assistentenopleiding (mbo kwalificatieniveau 1). Aandeel vroegtijdig schoolverlaters

Vroegtijdig schoolverlaten is het niet halen van een startkwalificatie (diploma havo, vwo of niveau 2 van het MBO). Een startkwalificatie wordt gezien als het minimale niveau dat nodig is om voldoende toegerust de arbeidsmarkt te betreden (bron: CFI/VWS). Eenoudergezinnen

Het aantal jonge huishoudens met kinderen en slechts één ouder in de leeftijd tussen 20 en 39 jaar, als percentage van de potentiële beroepsbevolking (bron: CBS). Mensen die in een dergelijke gezinssituatie verkeren, blijken meer kans te hebben om werkloos te zijn. 3

Koopwoningen

Aantal koopwoningen als percentage van de woningvoorraad (bron: CBS). Aandeel studenten

Aantal hbo- en WO-studenten woonachtig in de gemeente als percentage van de totale bevolking (bron: CBS). Arbeidsongeschiktheid

Het aantal personen met een arbeidsongeschiktheidsuitkering (WIA, WAO, WAZ en Wajong) als percentage van de beroepsbevolking (bronnen: CBS en UWV Werkbedrijf). Aandeel SGP-stemmers

Aantal stemmen op SGP als percentage van het totaal aantal geldig verklaarde stemmen (bron: CBS). 3

G.A. Marlet, M. Bosker, C.M.C.M. van Woerkens, 2008: De schaal van de stad. Stadsspecifieke kansen en problemen, en de schaal waarop ze spelen (Atlas voor gemeenten, Utrecht).

17

KING-thema 2: Arbeidsparticipatie

Recommend Documents