KRIMP in SRAN (stadsregio Arnhem-Nijmegen) Analyse van oorzaken en effecten met behulp van SCODEK

KRIMP in SRAN (stadsregio Arnhem-Nijmegen) Analyse van oorzaken en effecten met behulp van SCODEK

Opdrachtgever:

Rapportnummer:

B1006/R01

Status rapport:

Publieksversie

Datum :

9 oktober 2012

Invisor Postbus 40220 3504 AA UTRECHT Tel: 06-14066466 E-mail: [email protected]

Omgevingsmanagement

Krimp in Stadsregio Arnhem-Nijmegen

Inhoudsopgave 1 2 3

4 5

6

7 8

Inleiding ............................................................................................................................................1 Visie op analyse van krimp .............................................................................................................3 Krimpindicatoren en scoremodel demografische krimp (SCODEK) ..........................................5 3.1 Oorzaakindicatoren ....................................................................................................................5 3.1.1 Algemeen ............................................................................................................................5 3.1.2 Uitwerking ...........................................................................................................................5 3.2 Effectindicatoren ........................................................................................................................6 3.2.1 Identificatie ..........................................................................................................................6 3.2.2 Uitwerking ...........................................................................................................................8 3.3 SCODEK ................................................................................................................................. 16 Analyse van krimp volgens SCODEK ......................................................................................... 17 Analyse van de oorzaken van krimp ........................................................................................... 20 5.1 Bevolkingsgroei, groene en grijze druk ................................................................................... 20 5.2 Migratie ................................................................................................................................... 23 5.3 Conclusie oorzaken ................................................................................................................ 24 Analyse van de effecten van krimp ............................................................................................. 25 6.1 Voorzieningen ......................................................................................................................... 25 6.1.1 Isolement ten opzichte van voorzieningen ...................................................................... 25 6.1.2 Krimpgevoeligheid ........................................................................................................... 26 6.2 Woningmarkt ........................................................................................................................... 27 6.3 Verhuismobiliteit en doorstroming op de woningmarkt ........................................................... 29 6.4 Werken en economie .............................................................................................................. 30 6.5 Werkgelegenheid .................................................................................................................... 32 6.5 (Gezondheids)zorg ................................................................................................................. 33 6.6 Leefbaarheid ........................................................................................................................... 34 Resume resultaten ........................................................................................................................ 37 Conclusies en aanbevelingen ..................................................................................................... 39

Bijlagen: Bijlage 1: Bijlage 2: Bijlage 3:

Oorzaak indicator Effect indicatoren Score SCODEK model

rapportnummer B1006/ R01 d.d. 9 oktober 2012


1

INLEIDING

Algemeen Bevolkingskrimp is een fenomeen waar in Nederland veel over te doen is. De aandacht gaat hierbij vaak met name uit naar de gekende krimpgebieden Zeeuws Vlaanderen, Parkstad Limburg, Delfzijl en omgeving en oost Groningen. De vraag is of in de Stadsregio Arnhem-Nijmegen (SRAN) sprake is van krimp en of, indien dat het geval is, de gevolgen van krimp hier een soortgelijke impact zullen hebben als voor de krimpgebieden Zeeuws Vlaanderen, Parkstad Limburg, Delfzijl en omgeving en oost Groningen wordt voorspeld. Indien er ergens sprake is van bevolkingskrimp in de SRAN zou dit ten dele al zichtbaar moeten zijn in een toename van de negatieve effecten die in het algemeen met bevolkingskrimp worden geassocieerd. Deze negatieve effecten zijn bijvoorbeeld verminderde leefbaarheid door het wegvallen van voorzieningen, zoals bijvoorbeeld huisartsen, ziekenhuizen, scholen en winkels, of negatieve trends op de huizenmarkt, zoals leegstand, prijsdaling en lange verkooptijden, toenemende vraag naar zorg, etc. Invisor Omgevingsmanagement brengt met behulp van het Scoremodel demografische Krimp (SCODEK) de oorzaken en effecten van demografische krimp in beeld. Met SCODEK kunnen gemeenten kunnen worden geïdentificeerd waar demografische krimp zich manifesteert of zich zal manifesteren in de nabije toekomst. Door middel van indicatoren kan worden bepaald of en in welke vorm effecten van demografische krimp zich manifesteren en op welke punten gemeenten kwetsbaar zijn. Het model, de indicatoren en de bijbehorende indices zijn uitgewerkt en toegelicht in separate (deel)rapporten. Voorliggend rapport presenteert de op basis van genoemd model vastgestelde oorzaken en effecten van krimp in de SRAN. Het rapport is opgesteld door Invisor in collegiale samenwerking met Envita Nijmegen. Het onderzoek naar krimp in de SRAN maakt deel uit van een landsdekkende serie. Voor andere CoROP-gebieden (bijvoorbeeld Twente, Emmen en omstreken) zijn vergelijkbare onderzoeken verricht. SCODEK en krimpindicatoren Het SCODEK model met indicatoren is ontwikkeld op basis van een uitgebreide analyse van de demografische gegevens van de 40 CoROP (Coördinatie Commissie Regionaal OnderzoeksProgramma) gebieden in Nederland. Deze uit meerdere gemeenten samengestelde gebieden zijn onderscheiden omdat zij ruimtelijke en economische samenhang vertonen. Binnen het model zijn een aantal tools ontwikkeld om de oorzaken en effecten van krimp inzichtelijk te maken. Deze tools zijn ontwikkeld op basis van bestaande gegevens. De gegevens worden periodiek gegenereerd en met regelmaat gemonitoord zodat het mogelijk is om de uitkomsten van deze tools geregeld te actualiseren. De meeste gegevens zijn niet alleen beschikbaar op gemeentelijke, doch tevens buurtniveau zodat de oorzaken en effecten van krimp op het hiervoor meest geschikte schaalniveau kunnen worden beoordeeld. De tools leiden tot de identificatie van thema’s met bijbehorende oorzaak- en effectindicatoren. Op basis van een integrale combinatie van deze krimpindicatoren is het krimpmodel SCODEK met bijbehorende scoresystematiek ontwikkeld. Door de ontwikkelingen van de effectindicatoren (ruimtelijk) te analyseren en te koppelen aan demografie wordt het mogelijk om vast te stellen waar en wanneer problemen zullen optreden en kunnen passende maatregelen worden bepaald en gedimensioneerd. Hierbij moet in beschouwing worden genomen dat demografische krimp een oorzaak is en de effectindicatoren een indicatie zijn voor de gevolgen. Waar geen oorzaak is kan ook geen gevolg zijn, althans niet veroorzaakt door demografische krimp. Sommige effectindicatoren drukken een potentie uit die pas geëffectueerd wordt wanneer er daadwerkelijk sprake is van krimp. Hierbij kan het overigens wel zo zijn dat bepaalde effecten (zoals een lage verhuismobiliteit) het tot


1/39


stand komen van oorzaken kunnen versnellen. Het is uiteraard altijd mogelijk om reeds maatregelen te nemen vooruitlopend op demografische krimp die in de toekomst kan optreden. De manier waarop oorzaak en effect zijn uitgewerkt in het krimpmodel is naar analogie van een dosisrespons of risico-effect relatie. Oorzaak en effect moeten beiden aanwezig zijn om een gevolg te verkrijgen. Naast de realiteit van demografische krimp en de bijbehorende effecten is het feitelijk tevens van belang om vast te stellen in hoeverre de leefbaarheid in het geding is. Ofschoon er sprake kan zijn van krimp en krimpeffecten hoeven de bewoners dit immers niet perse als een aantasting van de leefbaarheid te ervaren. Om de leefbaarheid meetbaar te maken is als effect indicator de KAPU-index ontwikkeld. De KAPU-index vertoont een correlatie met andere, meer bewerkelijke methoden, zoals de Leefbaarheidsmonitor (LEMON) en de leefbarometer van het voormalige ministerie van VROM (Buschenhenke et al, 2012). Aan de hand van verschillende “harde” data wordt een index berekend. Dit is een getal op buurtniveau, het is hiermee mogelijk om leefbaarheid te meten en de vergelijking tussen gebieden qua leefbaarheid te maken. Monitoring Naast het monitoren van gegevens kunnen ook de oorzaakindicatoren en effectindicatoren worden gemonitoord. Hierdoor kan de genese van het krimpmodel SCODEK in de tijd worden gevolgd en kan met behulp van krimpscores het effect van de genomen maatregelen worden vastgesteld. Leeswijzer Alvorens in te gaan op de analyse van krimp in SRAN wordt de visie op krimp (hoofdstuk 2) en de werking van het krimpmodel SCODEK-2 (hoofdstuk 3) toegelicht. In hoofdstuk 4 wordt het scoremodel besproken. Vervolgens worden in hoofdstuk 5 en 6 de oorzaakrespectievelijk de effectindicatoren besproken. Het resumé van het onderzoek is verwerkt in hoofdstuk 7. In het afsluitende hoofdstuk 8 wordt de conclusies en aanbevelingen van het onderzoek samengevat. In de bijlagen zijn de resultaten van de scores van de oorzaak- en van de effectindicatoren en van de resulterende score volgens het SCODEK-model grafisch weergegeven. In het rapport zijn, daar waar beschikbaar en zinvol, de resultaten van de CRAN gemeenten vergeleken met voor de gekende krimpgebieden karakteristieke gemeenten als Delfzijl, Heerlen, Hulst en/of Borger-Odoorn. In het gehele rapport wordt qua kleurcode de volgende systematiek gehanteerd: Groei/gunstig Kritiek/alert Krimp/ongunstig

In bijlagen 1 is een overzicht opgenomen van de eindbeoordeling van alle gemeenten. Bijlage 2 geeft de beoordeling van de oorzaken voor alle gemeenten en bijlage 3 een beoordeling van de effecten voor alle gemeenten.


2/39


2

VISIE OP ANALYSE VAN KRIMP

Algemeen De CoROP-gebieden worden ieder voor zich beschouwd als een complex dynamische systeem. Door middel van indeling in verschillende thema’s en voor elk van deze thema’s representatieve indicatoren te selecteren, zijn de ontwikkelingen in het systeem te volgen en te karakteriseren. Bij het krimpmodel SCODEK worden bij de karakterisatie van de thema’s door indicatoren uitsluitend bestaande gegevens gebruikt. Met de identificatie van thema’s en de onderbouwing van het systeem door middel van indicatoren kunnen oorzaken en effecten van demografische krimp kwalitatief en kwantitatief in beeld worden gebracht. Daarnaast is het model een solide basis voor verdere begripsvorming van de processen die van oorzaken naar effecten leiden. Het krimpmodel SCODEK kan modulair worden uitgebouwd. De oorspronkelijke versie van SCODEK had 4 thema’s en 7 indicatoren. Omdat de kennis en het begrip van de samenhang tussen oorzaken en gevolgen is toegenomen is SCODEK uitgebreid. SCODEK-2 heeft met betrekking tot de oorzaak 1 thema en 4 indicatoren en voor het effect 7 thema’s en 27 indicatoren. Achtergronden Om de effecten van demografische krimp in al zijn facetten te begrijpen moet het onderliggende systeem dat deze processen reguleert worden blootgelegd. De processen die zich afspelen in dynamische systemen zijn in de regel complex. Het is van belang om de complexiteit hiervan te erkennen, te herkennen en waar mogelijk te begrijpen voordat aan werkelijk structurele oplossing gewerkt gaat worden. Hierbij is de aanpak altijd incrementeel, d.w.z. dat in kleine stappen naar een oplossing wordt toegewerkt waarbij het effect van elk van die stapjes voortdurend moeten worden getoetst en gevalideerd. Een lange termijn visie is weinig zinvol vanwege het feit dat het gedrag van dergelijke complexe dynamische systemen op een dergelijke termijn onvoldoende voorspelbaar of modelleerbaar is. Met een incrementele methode kan wel een lange termijn doelstelling worden nagestreefd waarbij voortdurend gecontroleerd wordt of de middelen die worden ingezet voldoende effectief zijn om deze doelstelling te bereiken. Overeenkomstig deze aanpak is de eerste stap in een dergelijk proces het vinden van representatieve indicatoren van zowel oorzaak als effect. Hierbij is gekozen voor indicatoren voor verschillende expressies van de effecten. Een indicator kan een bestaand getal zijn (bijv. groene druk), maar ook een berekende waarde (bijvoorbeeld “groei groene druk”, de richtingscoëfficiënt van een regressielijn), maar ook een samengesteld getal of index, bijvoorbeeld de WUK-index (Werk en Uitkeringen). Door het periodiek monitoren van deze indicatoren kan worden bepaald hoe de verhouding tussen oorzaak en effect op termijn veranderd. De tweede stap is het begrijpen hoe de verschillende indicatoren onderling met elkaar samenhangen. Met behulp van meervoudige of multivariate regressie- en correlatietechnieken kan worden bepaald hoeveel variantie van de effecten kan worden verklaard uit de oorzaken. Er kan dan worden bepaald welke indicatoren “stuurbaar” zijn (“interventie-indicatoren”). Met behulp hiervan kunnen voorspellingen worden gedaan wat de uitkomsten zullen zijn van maatregelen die bedoeld zijn om de effecten van demografische krimp (in positieve zin) te beïnvloeden. Terminologie De terminologie van SCODEK is hiërarchisch en is uitgelegd in onderstaande schema: Term CoROP gebied Thema Indicator Index


Waardering SCODEK score Thema score Indicator score Waarde

3/39


De SCODEK classificatie ontstaat door een combinatie van de onderliggende themascores. Een thema bestaat uit een of meerdere indicatoren. De thema score is een resultante van de scores van de afzonderlijke indicatoren. Een indicator kan worden gerepresenteerd door een index. De waarde van de index wordt omgezet in de score van de indicator.


4/39


3

KRIMPINDICATOREN EN SCOREMODEL DEMOGRAFISCHE KRIMP (SCODEK)

De krimpindicatoren van het complex dynamisch systeem zijn samengesteld uit oorzaak- en effectindicatoren. Op basis van een integrale combinatie van deze krimpindicatoren is het scoremodel demografische krimp SCODEK ontwikkeld. 3.1

Oorzaakindicatoren

3.1.1 Algemeen Aan de basis van de krimpproblematiek staat de manier waarop de bevolking zich ontwikkeld. Aan de oorzaakzijde is sprake van 1 thema (demografie). Dit thema wordt gerepresenteerd door 4 indicatoren. De eerste indicator van de oorzaak van krimp is als absolute toename of afname van het aantal inwoners (1) van een bepaald gebied of gemeente. Verder kan de oorzaak van krimp worden uitgedrukt worden als de manier waarop de samenstelling van de bevolking zich ontwikkeld. Hiervoor bestaan de termen groene en grijze druk. Groene druk (2) is de ratio tussen het percentage van de bevolking < 20 jaar (jeugd) en het percentage van de bevolking tussen 20 en 65 jaar (de “productieven”). Grijze druk (3) is de ratio tussen het percentage van de bevolking > 65 jaar (gepensioneerden) en het percentage van de bevolking tussen 20 en 65 jaar (de “productieven”). Tenslotte speelt de balans tussen inkomende en vertrekkende verhuizers nog een rol voor krimp. Indien dit migratiesaldo (4) negatief is vertrekken er meer personen dan dat er bij komen. Deze vier indicatoren vormen gezamenlijk de oorzaakindicatoren van demografische krimp. In de scoresystematiek krijgt elk van deze indicatoren maximaal 2,5 punt, voor een gesommeerd maximum van 10 punten. 3.1.2 Uitwerking De specificaties van de oorzaakindicatoren van demografische krimp zijn weergegeven in bijgaande tabel 1. De uiteindelijk oorzaakscore is de som van de vier krimpindicatoren (bevolkingsgroei, groene druk, grijze druk en migratiesaldo).


5/39


Tabel 1: Oorzaak indicator Wat zegt indicator

Indicatoren voor oorzaken van krimp

de

Opbouw indicator

Drempel Waarde

Berekening indicator score

Schaal Covariantie

3.2

Thema demografie Groene druk Grijze druk

Bevolkingsgroei Geeft het tijdstip aan vanaf wanneer de netto bevolking af is gaan nemen of af gaat nemen

Migratiesaldo

Geeft aan dat (en in welke mate) de bevolkingsaanwas naar de “productieve groep” te laag is en dat de bevolking dus verouderd. Trendanalyse van de periode 2000-2012 - Bepaling van regressielijn. - Bepaling van groeisnelheid

Geeft aan dat (en in welke mate) de bevolking vergrijsd.

Geeft aan of (en in welke mater) een gebied leegloopt.

Trendanalyse van de periode 2000-2012 - Bepaling van regressielijn. - Bepaling van groeisnelheid

Het percentuele verschil tussen verhuizingen van en naar de gemeente gemiddeld over 20002010.

Groene druk < 35%

Grijze druk > 35%

Uitgaande migratie inkomende migratie

Berekenen of groene druk < 35% voor t =0 en berekenen van de situatie over 3 jaar (t=3).

Berekenen of grijze druk > 35% voor t =0 en berekenen van de situatie over 3 jaar (t=3).

Score = het gemiddelde van t=0 en t=3 uitgedrukt in jaren. Geen krimp, dan score is nul.

Score = het gemiddelde van t=0 en t=3 uitgedrukt in percentage verschil ten opzichte van 35 %.

Score = het gemiddelde van t=0 en t=3 uitgedrukt in percentage verschil ten opzichte van 35 %.

Score = het percentuele verschil tussen uitgaande en inkomende migratie. Als In> Uit, dan score is nul.

Score: 0 – 3 = 0,5 Score: 3 – 10 = 1,5 Score: > 10 = 2,5



Score: 0 - -0,1 = 0,5 Score: -0,1 - -0,5 = 1,5 Score: > - 0,5 = 2,5

Bovenlimiet = 2,5 R2 = - 0,44 met grijze druk

Bovenlimiet = 2,5 R2 = 0, 46 met grijze druk

Bovenlimiet = 2,5 R2 = - 0,44 bevolking

Trendanalyse van de periode 2000-2012 - Bepaling van regressielijn. - Bepaling van groeisnelheid - Regressie met 2de orde polynoom - Groei moet negatief zijn < 0, of - Neerwaartse trend uit polynoom Berekenen hoelang er reeds sprake is van krimp (t=0) en hoe de situatie is over drie jaar (t=3). Berekenen uit maximum van groeiparabool.

met

>

Bovenlimiet = 2,5 R2 = 0,30 met grijze druk

Effectindicatoren

3.2.1 Identificatie Effectindicatoren representeren bepaalde thema’s die relevant zijn voor krimp. De 27 effectindicatoren zijn ondergebracht in zeven verschillende thema’s. VOORZIENINGEN Er zijn twee indicatoren geselecteerd op buurtniveau. Deze twee indicatoren geven inzicht in de mate van isolement van een buurt en van de gevolgen van het eventueel wegvallen van voorzieningen op de mate van isolement. 1. Isolement ten opzichte van voorzieningen (Km-index). Indien er sprake is van dunbevolkte gebieden die geografisch ver van kernen zijn gelegen, kunnen bewoners van deze gebieden ver van voorzieningen (zoals winkels, huisarts, scholen) verwijderd zijn. Een dergelijk isolement kan met een vergrijzende bevolking die minder mobiel wordt problematisch worden omdat naast geografisch isolement ook sociaal isolement dreigt en de leefbaarheid van geïsoleerde gebieden onder druk komt te staan. Isolement wordt uitgedrukt als de Km-index. De Km-index is de equivalent afstand in kilometers tot een aantal voorzieningen. Aangezien er verschil is in het relatief belang van de verschillende rapportnummer B1006/ R01 d.d. 9 oktober 2012

6/39


voorzieningen is het belang gewogen conform de Maslow systematiek. De Km-index is uitgewerkt tot op buurten buurtschapniveau. 2. Krimpgevoeligheid ten opzichte van voorzieningen (Kg-index). Hiermee wordt de toename van het isolement ten opzichte van voorzieningen tot uitdrukking gebracht wanneer bepaalde voorzieningen zouden wegvallen. Krimpgevoeligheid wordt uitgedrukt als de Kgindex en is uitgewerkt tot op buurten buurtschapniveau. WONINGMARKT De vijf indicatoren in dit thema geven op gemeentelijk niveau inzicht in de relatieve kracht van de woningwaarde en de mate waarin de woningwaarde onder druk staat of komt. 3. Woningwaarde t.o.v. landelijke verwachtingswaarde (LAVER index). Uit de analyse van de gemiddelde woningwaarden van alle gemeenten van Nederland (ca. 425 gemeenten) kan een verwachtingswaarde worden berekend voor de woningwaarde in een bepaalde gemeente. Aan de hand van deze indicator kan worden vastgesteld in hoeverre de woningwaarde boven of onder deze verwachtingswaarde ligt. 4. Woningwaarde t.o.v. lokale verwachtingswaarde (LOVER index). Uit de analyse van de gemiddelde woningwaarden van alle gemeenten van Nederland (ca. 425 gemeenten) kan een lokale verwachtingswaarde worden berekend voor de woningwaarde in een bepaalde gemeente. Aan de hand van deze indicator kan worden vastgesteld in hoeverre de woningwaarde boven of onder de lokale verwachtingswaarde ligt. 5. Ontwikkeling woningwaarde t.o.v. landelijke verwachtingswaarde (Δ-LAVER index). Door het analyseren van tijdreeksen kan worden bepaald hoe de woningwaarde in een bepaalde gemeente zich ontwikkeld ten opzichte van de landelijke verwachtingswaarde. 6. Ontwikkeling woningwaarde t.o.v. van lokale verwachtingswaarde (Δ-LOVER index). Door het analyseren van tijdreeksen kan worden bepaald hoe de woningwaarde in een bepaalde gemeente zich ontwikkeld ten opzichte van de locale verwachtingswaarde. 7. Toegankelijkheid van de woningmarkt (R-HP/BINK index) Deze wordt bepaald door de relatieve verhouding van woningwaarde en besteedbaar inkomen per huishouden. De indicator bepaald de mate waarin inwoners van omliggende gemeenten zich een woning kunnen permitteren in de betreffende gemeente. VERHUISMOBILITEIT Er zijn vier indicatoren geselecteerd op gemeenteniveau. Deze hebben betrekking op de doorstroming op de woningmarkt en de (relatieve) schaarste van woningen. Drie hiervan hebben betrekking op verkoop van koopwoningen. Deze zijn voor de beoordeling en de berekeningen gecombineerd tot één sleutelindicator Doorstroom. Dit is een sleutelindicator die correleert met de vierde indicator, verhuismobiliteit. Ten behoeve van de inzichtelijkheid zijn de individuele indicatoren, mede om de opbouw van de sleutelindicator Doorstroom te laten zien. 8. Percentage woningstuw. Deze indicator geeft aan welk percentage woningen te koop is van de totale voorraad koopwoningen. 9. Omloopsnelheid. Deze indicator geeft het percentage koopwoningen van de totale voorraad koopwoningen aan dat jaarlijks van eigenaar wisselt. 10. Relatieve verkooptijd (REVERT index). Tijd die nodig is om een woning te verkopen en te berekenen door het aantal woningen te koop te delen door het aantal woningen verkocht in een jaar tijd. 11. Verhuismobiliteit (MOBI index). Aantal personen dat per jaar per duizend inwoners verhuisd. Hierin worden inkomende verhuizers en uitgaande verhuizers elk voor 0,5 meegerekend. WERKEN EN ECONOMIE De economische situatie wordt beoordeeld aan de hand van inkomens en uitkeringen en de ontwikkelingen hiervan over de tijd. Hiervoor zijn op gemeenteniveau zes indicatoren beschikbaar. 12. Besteedbaar inkomen per huishouden (BINK index). Geeft aan wat huishoudens gemiddeld te besteden hebben in een gemeente. 13. Groei van het besteedbaar inkomen per huishouden (Δ-BINK index). Geeft aan hoe snel het beschikbaar inkomen per huishouden toeneemt. De beschouwde periode is vijf jaar. 14. De uitkeringsindex (UK). Geeft aan wat de situatie is met betrekking tot uitkeringen in een bepaalde gemeente. rapportnummer B1006/ R01 d.d. 9 oktober 2012

7/39


15. Groei van de uitkeringsindex (Δ-UK index). Geeft aan hoe snel het totaal aantal uitkeringsontvangers veranderd in een gemeente. De beschouwde periode is vijf jaar. 16. De werken uitkeringsindex (WUK index). Is een maat voor de verhouding tussen werkenden en uitkeringsontvangers. 17. Groei van de werken uitkeringsindex (Δ-WUK index). Geeft aan hoe snel de verhouding tussen werkenden en uitkeringsontvangers veranderd in een gemeente. De beschouwde periode is vijf jaar. WERKGELEGENHEID De situatie met betrekking tot werkgelegenheid wordt beoordeeld met behulp van zes indicatoren op gemeentelijk niveau. Daarvan worden er slechts twee gebruikt om mee te rekenen en zijn de overige vier bedoeld om een beter kwalitatief begrip te krijgen van de situatie. 18. Banen per productieve inwoner (B/PI index). de mate waarin een gemeente werkgelegenheid schept komt tot uiting in de verhouding tussen het aantal banen in een gemeente en het aantal productieve inwoners. 19. Verandering van het aantal banen per productieve inwoner (Δ-B/PI index). Met deze indicator kan de groei van het aantal banen worden beschouwd over tijd. De beschouwde periodes zijn 6 jaar en 2 jaar. 20. Aantal bedrijfsvestigingen. Aantal bedrijven dat actief is in een gemeente uitgedrukt per productieve inwoner (kwalitatief). 21. Verandering van het aantal bedrijfsvestigingen. Verandering van het aantal bedrijven dat actief is in een gemeente uitgedrukt per productieve inwoner. De beschouwde periode is vijf jaar (kwalitatief). 22. Werkgelegenheidskarakteristiek (WEKA). Het quotiënt van het percentage banen in commerciële dienstverlening en het percentage banen in de nijverheid. In de regel vraagt commerciële dienstverlening hoger opgeleid personeel en worden er hogere salarissen betaald dan nijverheid. Werkgelegenheid in nijverheid is kwetsbaar voor verplaatsing naar lage(re) lonen-landen. 23. Verandering van het werkgelegenheidskarakteristiek (Δ-WEKA index). Verandering van de werkgelegenheidskarakteristiek over de tijd. De beschouwde periode is 5 jaar (kwalitatief). GEZONDHEIDSZORG Voor de relatieve vraag naar (gezondheids)zorg zijn twee indicatoren ontwikkeld op gemeentelijk niveau. 24. Relatieve inzet van zorgverleners (ZORG index). Geeft de relatief benodigde inzet van een viertal groepen van zorgverlening (huisarts, specialist, fysiotherapeut en ziekenhuisopname) gebaseerd op vier leeftijdscohorten. 25. Verandering van de relatieve inzet van zorgverleners (Δ-ZORG index). De verandering van de relatieve zorginzet is het gevolg van vergrijzing/ontgroening enerzijds en demografische krimp anderzijds. De twee oorzaken van verandering werken in tegengestelde richting. LEEFBAARHEID Om leefbaarheid te bepalen wordt gebruik gemaakt van de KAPU-index. De KAPU-index wordt berekend wordt op buurtniveau en is getoetst aan bestaande, meer bewerkelijke methodieken zoals RIGO leefbaarheidsmonitor (LEMON) en de leefbarometer van het voormalige ministerie van VROM. De correlatie met deze methodieken is dermate dat een representatieve afspiegeling van de leefbaarheid wordt gewaarborgd. 26. Leefbaarheidsindex (KAPU-index). Aan de hand van een aantal buurtkarakteristieken wordt de leefbaarheid tot uitdrukking gebracht. 27. Verandering van de leefbaarheidsindex (Δ-KAPU index). Hiermee wordt de verandering van de leefbaarheidsindex over een periode van drie jaar in beeld gebracht. 3.2.2 Uitwerking De aan de effectzijde onderscheiden 27 indicatoren onderscheiden vertegenwoordigen 7 thema’s. Deze thema’s vertegenwoordigen de “harde” en de “zachte” kant van de effecten. In het navolgende wordt kort ingegaan op de relatie van deze indicatoren met demografische krimp.


8/39


Voorzieningen Het is een misvatting te veronderstellen dat voorzieningen “verdwijnen” als gevolg van demografische krimp. Feitelijk is er sprake van een verdunning van voorzieningen omdat het draagvlak minder wordt. Het effect per saldo is dat de afstand tot de voorzieningen als gevolg van demografische krimp kan toenemen. Voor sommige voorzieningen is deze toename in afstand mogelijk ongewenst. Dit geldt bijvoorbeeld als minder mobiele groepen (zoals kinderen en ouderen) minder makkelijk toegang hebben tot primaire voorzieningen zoals huisarts of lager onderwijs. Om de situatie tot uitdrukking te brengen zijn twee indexen ontworpen en uitgewerkt. - Isolement ten opzichte van voorzieningen wordt uitgedrukt als de Km-index. De Km-index is de equivalent afstand in kilometers tot dertien (primaire en secundaire) voorzieningen. Hieronder vallen onder meer huisarts, ziekenhuis, primair en secundair onderwijs, supermarkt en spoorwegstation. Aangezien er verschil is in het relatief belang van de verschillende voorzieningen is het belang gewogen conform de Maslow systematiek: primaire voorzieningen, zoals huisarts en lager onderwijs wegen zwaarder mee dan bijvoorbeeld café of bioscoop. De Km-index is uitgewerkt tot op buurten buurtschapniveau. - Krimpgevoeligheid ten opzichte van voorzieningen wordt uitgedrukt als de Kg-index. Hiermee wordt de toename van het isolement ten opzichte van zeven voorzieningen tot uitdrukking gebracht wanneer bepaalde voorzieningen zouden wegvallen. De Kg-index geeft aan in welke mate het isolement zal toenemen. De Km-index geeft een situatie weer zoals deze op een bepaald moment is (“status”). De Kg-index is feitelijke een waarschuwingsindex (“alert”) en geeft inzicht in het potentiële effect van demografische krimp. Bij de beoordeling van de gevolgen van krimp op de leefbaarheid moet de “nulwaarde” eveneens in beschouwing worden genomen, omdat demografische krimp niet noodzakelijk de oorzaak hoeft te zijn van een negatieve beleving van isolement. Woningmarkt De woningmarkt is een van de kwetsbare zaken in gebieden die te maken hebben met demografische en/of economische krimp. Deze kwetsbaarheid komt tot uiting als een onderwaardering van de woningwaarde ten opzichte van de (lokale en landelijke) verwachtingswaarden en als een groeisnelheid van de woningwaarde die (veel) lager is dan die van de verwachtingswaarden. De zwakte van de woningmarkt komt ook tot uiting als een relatief hoge toegankelijkheid van de woningmarkt voor omliggende gemeenten, gecombineerd aan lage groeisnelheden. Dit betekent dat huizen wel betaalbaar zijn, maar dat de animo voor koop laag is. Slechts weinig mensen willen in een dergelijke gemeente wonen, ondanks de relatief lage woningprijzen. Dit thema dient ook in relatie met het thema “verhuismobiliteit” te worden beschouwd. Verhuismobiliteit Een hoge verhuismobiliteit is vaak karakteristiek voor een stedelijke omgeving. Het is gerelateerd aan buurten met veel huurwoningen, een relatief jonge bevolking en lagere inkomens. Anderzijds is een hoge verhuismobiliteit een probaat middel tegen vergrijzing. Het houdt buurten relatief jong. Gerelateerd aan verhuismobiliteit kan het percentage stuw op de woningmarkt worden bepaald, de omlooptijd, alsmede de relatieve verkooptijden. Hiermee komt overschot of schaarste op de woningmarkt tot uitdrukking. Een lage omlooptijd (en dus een lange relatieve verkooptijd) zijn karakteristiek voor demografische of economische krimpgemeenten. Veel meer dan bijvoorbeeld een hoog percentage stuw. Werk en economie De indicatoren voor het thema werk en economie hebben betrekking op inkomen en uitkeringen en de verhouding tussen aantal werkenden en aantal uitkeringsontvangers. Hiermee wordt de economische positie van een gemeente in beeld gebracht en de ontwikkeling hiervan in de tijd. De combinatie van demografische krimp en economische krimp kan op termijn allerlei ongewenste neveneffecten tot gevolg hebben zoals verminderde leefbaarheid en een zwakke woningmarkt. Werkgelegenheid De situatie rond werkgelegenheid wordt in beeld gebracht door de werkgelegenheid zowel kwantitatief als kwalitatief te beoordelen. De werkgelegenheid wordt uitgedrukt als de verhouding tussen het rapportnummer B1006/ R01 d.d. 9 oktober 2012

9/39


aantal aanwezige banen en de productieve beroepsbevolking tussen 20 en 65 jaar weergeeft (B/PI index). Wanneer B/PI < 1 betekent dit dat het aantal banen kleiner is dan de potentiële beroepsbevolking en de bewoners van een dergelijke gemeente dus naar elders hun emplooi moeten vinden. De economische activiteit van een dergelijke gemeente is dan relatief laag, er is weinig aanzuigende werking op bedrijven en banen en dus mensen. De kans dat arbeidsactiviteit verloren gaat door bijvoorbeeld consolidatie is groot, hetgeen leegloop van een dergelijke gemeente kan veroorzaken. Verder is het aantal bedrijfsvestigingen en de ontwikkeling hiervan een indicator van de bedrijvigheid in een gemeente. De kwaliteit van de werkgelegenheid wordt tot uitdrukking gebracht als de verhouding tussen het percentage werkgelegenheid in commerciële dienstverlening en het percentage werkgelegenheid in nijverheid. Deze werkgelegenheidskarakteristiek (WEKA) geeft weer of een gemeente naar verhouding veel of weinig werkgelegenheid heeft in commerciële dienstverlening. Hiervoor zijn is in de regel hoger opgeleid personeel nodig met relatief hoge inkomens. Uit andere studies blijkt dat woningwaarde correleert met hogere inkomens (Hol, 2012). Een hoge waarde van de WEKA correleert eveneens met hogere inkomens. Gemeenten met een hoge WEKA zijn naar verwachting minder kwetsbaar voor verlies van werkgelegenheid aan lage(re) lonenlanden. Zorg De ZORG-indicator geeft uitdrukking aan de relatieve behoefte aan zorg voor vier verschillende leeftijdscohorten. Hiervoor wordt gekeken naar zorg door de huisarts, specialisten, fysiotherapeuten en ziekenhuisopname. De ZORG-indicator heeft een referentieniveau van 1,00. Dit referentieniveau omvat een hypothetische situatie waarin alle vier de leeftijdscohorten 25% van de totale bevolking omvatten. Bij relatief jongere bevolking is de ZORG-indicator < 1,00 en bij een oudere bevolking > 1,00. Om de relatieve afname van zorg te kunnen bepalen moet ook het effect van demografische krimp worden verdisconteerd. Bij demografische krimp is er enerzijds sprake van vergrijzing en ontgroening en anderzijds neemt de bevolking af. Beide effecten werken in tegengestelde richting. Als de vergrijzing sneller gaat dan de bevolkingsafname, neemt de ZORG-indicator (en dus de vraag naar zorg) toe. Leefbaarheid Demografische en economische krimp kan verpaupering in de hand werken. Dit komt dan tot uitdrukking als een verslechtering van de leefbaarheid. De KAPU-index is een efficiënte methode om de leefbaarheid in beeld te brengen en de ontwikkeling over tijd te duiden. In de KAPU-index zijn zes sociaaleconomische buurtfactoren “probleembuurten” gevolgd worden.

verwerkt.

Met

de

KAPU-index

kan

het

ontstaan

van

Tabel 2 geeft informatie over de betekenis van de indexen en hoe de verschillende effectindicatoren zijn berekend. Het is een compacte samenvatting van de voorgaande paragrafen.


10/39


Tabel 2:

Indicatoren en bijbehorende indexen voor effecten van krimp

Thema met indicator/ indexen

Wat zegt het effect

Berekening Index

Geeft aan hoe ver een gebied verwijderd is van voorzieningen. Uitgedrukt in equivalent kilometers

De som van de gewogen afstand tot 13 voorzieningen wordt bepaald (in km). Dit is de Km-index. Vervolgens wordt deze som geclassificeerd als niet, licht, sterk of uiterst geïsoleerd. Aan de hand van het percentage sterk en uiterst geïsoleerde gebieden wordt de score voor een gemeente bepaald. Door het aantal voorzieningen in een gebied stapsgewijs te verminderen wordt een regressielijn geconstrueerd. De richtingscoëfficiënt van deze lijn is de Kg-index en heeft betrekking op 8 voorzieningen. Vervolgens wordt deze Kg-index geclassificeerd als niet, licht, sterk of uiterst krimpgevoelig. Aan de hand van het percentage sterk en uiterst krimpgevoelige gebieden wordt de score voor een gemeente bepaald.

Data

Drempelwaarde, score en schaal

1: VOORZIENINGEN Km-index Isolement opzichte voorzieningen

ten van

Kg-index Krimpgevoeligheid ten opzichte van voorzieningen

Geeft aan in hoeverre en hoe snel het isolement ten opzichte van voorzieningen toeneemt als voorzieningen verdwijnen


2008

Maximaal 10 punten Drempelwaarde = geen Score = 0,1* percentage uiterst geïsoleerd + 0,05* percentage sterk geïsoleerd. Schaal: bovenlimiet = 10

2008

Drempelwaarde = geen Score = 0,1* percentage uiterst geïsoleerd + 0,05* percentage sterk geïsoleerd. Schaal: bovenlimiet = 10

11/39


2: WONINGMARKT LAVER Landelijke verwachtingswaarde voor woningwaarde

LOVER Lokale verwachtingswaarde voor woningwaarde

Geeft het percentage verschil van de woningwaarde in een gemeente ten opzichte van de landelijke verwachtingswaarde voor woningwaarde.

Geeft het percentage verschil van de woningwaarde in een gemeente ten opzichte van de lokale verwachtingswaarde voor woningwaarde.

Uit de gegevens van de verschillende gemeenten (ca. 425) wordt de gemiddelde verhouding tussen woningwaarde en besteedbaar inkomen per huishouden bepaald (HP/BINK) voor heel Nederland. Hieruit wordt met behulp van het gemiddeld besteedbaar inkomen per huishouden de verwachtingswaarde voor woningwaarde bepaald. Het percentage verschil met de werkelijke woningwaarde in de betreffende gemeente wordt hieruit berekend, gemiddeld over een periode van 6 jaar.. Uit de gegevens van de verschillende gemeenten (ca. 425) wordt een regressielijn gemaakt van de gemiddelde verhouding tussen woningwaarde en het besteedbaar inkomen per huishouden. Met deze regressievergelijking wordt de lokale verwachtingswaarde voor woningwaarde berekend. Het percentage verschil met de werkelijke woningwaarde in de betreffende gemeente wordt hieruit berekend, gemiddeld over een periode van 6 jaar.. De verhouding tussen de richtingscoefficienten van de regressielijnen van de woningwaarde in een gemeente en de landelijke verwachtingswaarde over een periode van 6 jaar.

20052010

Score: LAVER -5 tot -10% = 0,5 LAVER < -10% = 2,0 Schaal: bovenlimiet = 2

20052010

Drempelwaarde = - 5% Score LOVER -5 tot -10% = 0,5 LOVER < -10% = 2,0 Schaal: bovenlimiet = 2

Δ%-LAVER % groei ten opzichte van landelijke verwachtingswaarde

Geeft aan hoe de groei van de woningwaarde in een gemeente is ten opzichte van de landelijke verwachtingswaarde

Δ%-LOVER % groei ten opzichte van lokale verwachtingswaarde

Geeft aan hoe de groei van de woningwaarde in een gemeente is ten opzichte van de lokale verwachtingswaarde

De verhouding tussen de richtingscoëfficiënten van de regressielijnen van de woningwaarde in een gemeente en de lokale verwachtingswaarde over een periode van 6 jaar.

20052010

R- HP/BINK Toegankelijkheid van de woningmarkt

Geeft aan in hoeverre inwoners van omliggende gemeenten zich een huis kunnen veroorloven in de gemeente waarvoor deze indicator is bepaald

De verhouding tussen woningwaarde en gemiddelde besteedbaar inkomen per huishouden voor deze gemeente en het landelijk gemiddelde van woningwaarde gedeeld door besteedbaar inkomen per huishouden

2010


Maximaal 10 punten Drempelwaarde = - 5%

20052010

Drempelwaarde = 0,095 Score: Δ%-LAVER 0,95 – 0,90 = 0,5 Δ%-LAVER < 0,90 = 2,0 Schaal: bovenlimiet = 2 Drempelwaarde = 0,95 Score: Δ%-LOVER 0,95 – 0,90 = 0,5 Δ%-LOVER < 0,90 = 2,0 Schaal: bovenlimiet = 2 Drempelwaarde = 0,95 Score: R-HP/BINK 0,95 – 0,90 = 0,5 R-HP/BINK < 0,90 = 2,0 Schaal: bovenlimiet = 2

12/39


3: VERHUIS MOBILITEIT REVERT of relatieve verkooptijd: Doorstroming op de koopwoningmarkt

Geeft aan hoe snel de doorstroming is in het koopwoningenbestand van een bepaalde gemeente. Lage REVERT werkt vergrijzing in de hand. Geeft aan hoeveel mensen per 1000 inwoners jaarlijks verhuizen binnen en naar/van de gemeente. Lage MOBI werk vergrijzing in de hand.

Samengesteld uit de indicatoren %STUW, %OMLOOP. %STUW geeft aan welk percentage van de koopwoningen in de verkoop is. %OMLOOP geeft aan welk percentage van de koopwoningen per jaar van eigenaar wisselt. Zonder bewerking overgenomen van data van het CBS-STATLINE

Geeft aan hoeveel huishoudens te besteden hebben. Van belang van de koopkracht maar ook ter beoordeling van de relatieve welvaart van een bepaalde gemeente.

Zonder bewerking overgenomen van data van het CBS-STATLINE

Geeft aan hoeveel het besteedbaar inkomen per huishouden is gegroeid over de laatste 5 jaar.

Regressieanalyse van de inkomensgegevens van 2005-2010

UK Uitkeringsindex

Geeft de som van de langdurige uitkeringsontvangers weer (in %)

Som van bijstand en WAO in promillen

2008

Δ-UK Groei van de uitkeringsindex

Geeft de ontwikkeling van de uitkeringsindex weer voor een gemeente

Regressieanalyse van de som van de bijstand en WAO in promillen over de laatst beschikbare 5 jaar.

2004 2008

WUK Werk/ Uitkeringsindex

Geeft de verhouding tussen het aantal werkenden (en pensioengerechtigden) en het aantal (langdurige) uitkeringsontvangers

Som van het percentage werkenden en pensioengerechtigden gedeeld door het percentage bijstandsuitkeringen vermenigvuldigd met het percentage langdurige uitkeringsontvangers.

2004 – 2008

MOBI of verhuismobiliteit

Augustus 2012

Maximaal 10 punten Drempelwaarde = 2 Als REVERT > 2 Score =( REVERT-2)*5/3 Schaal: bovenlimiet = 5

2011

Drempelwaarde = 100 Score: (100-MOBI)/20 Schaal: bovenlimiet = 5

4: WERKEN EN ECONOMIE BINK Besteedbaar INkomen Huishouden

Δ-BINK Groei van besteedbaar inkomen huishouden

per

het per


Maximaal 10 punten Drempelwaarde = € 35.700,- (MEDIAAN)

2010

Score BINK < 33500 = 1 (1ste kwartiel) BINK < 35700 = 0,25 (mediaan)

2005 2010

-

Schaal: bovenlimiet = 1 Drempelwaarde = 1,46 (MEDIAAN) Score Δ-BINK < 1,31 = 1 (1ste kwartiel) Δ-BINK < 1,46 = 0,25 (mediaan) Schaal: bovenlimiet = 1 Drempelwaarde = 100 Score UK 100-125 = 0,5 UK 125-150 = 1,0 UK > 150 = 2,0

–

Schaal: bovenlimiet = 2 Drempelwaarde = 5 Score Δ-UK < -1,0 = 2,0 Δ-UK < - 2,5 = 1,0 Δ-UK - 2,5- -5,0 = 0,5 Schaal: bovenlimiet = 2 Drempelwaarde = 7,5 Score: WUK 10 - 7,5 = 0,5 WUK 7,5 – 5,0 = 1,0 WUK < 5,0 = 2,0 Schaal: bovenlimiet = 2

13/39


Δ-WUK Groei van de Werk /Uitkeringsindex

Geeft de ontwikkeling van de Werk/ Uitkeringsindex weer voor een gemeente

Regressieanalyse van de som van het percentage werkenden en pensioengerechtigden gedeeld door het percentage bijstandsuitkeringen vermenigvuldigd met het percentage langdurige uitkeringsontvangers over de laatst beschikbare 5 jaar.

2004 2008

Het quotiënt van het aantal banen en het aantal productieve inwoners (tussen 20 en 65 jaar oud) in een gemeente (B/PI).

2008

-

Drempelwaarde = 0,5 Score: Δ-WUK < 0,1 = 2,0 Δ-WUK < 0,25 = 1,0 Δ-WUK 0,25-0,5 = 0,5 Schaal: bovenlimiet = 2

5: WERK GELEGENHEID B/PI Aantal banen per productieve inwoner

Δ- B/PI Groei van het aantal banen per productieve inwoner

Bedrijfsvestigingen

Δ-Bedrijfs Vestigingen

WEKA WerkgelegenheidsKarakteristiek

Δ-WEKA Verandering van de WerkgelegenheidsKarakteristiek

Geeft het aantal banen per productieve inwoner weer. Een indicatie van de mate waarin een gemeente zelfvoorzienend is qua werkgelegenheid Geeft de groei van het aantal banen per productieve inwoner weer. Geeft een indicatie van de mate waarin een gemeente zelfvoorzienend wordt of blijft qua werkgelegenheid Geeft de status weer van het aantal bedrijven in een bepaalde gemeente Geeft de groei van het aantal bedrijfsvestigingen in een gemeente weer. Geeft de aard van de werkgelegenheid in een bepaalde gemeente weer. Een hoge waarde van WEKA geeft aan dat commerciële dienstverlening relatief belangrijk is. Geeft de eventuele verandering van de aard van de werkgelegenheid in een bepaalde gemeente weer


Maximaal 10 punten Drempelwaarde = 0,8 Score = ( 0,8 – BP/I)*8 Schaal: bovenlimiet = 6,4

Regressieanalyse van het quotiënt van het aantal banen en het aantal productieve inwoners (tussen 20 en 65 jaar oud) in een gemeente (B/PI) over de laatst beschikbare 5 jaren

2005 2008

-

Drempelwaarde = 0,1 Score: Δ- B/PI < 0,05 = 1,0 Δ- B/PI < 0,0 = 2,0 Schaal bovenlimiet = 2

Zonder bewerking overgenomen van data van het CBS-STATLINE

2009

Regressieanalyse van de bedrijfsvestigingsgegevens van de laatste vijf beschikbare jaren

2004 2009

% banen in commerciële dienstverlening/ percentage banen in nijverheid.

2009

Regressieanalyse van % banen in commerciële dienstverlening/ percentage banen in nijverheid van de laatste vijf beschikbare jaren.

2004 2009

Kwalitatief. Draagt niet bij aan de score. Covariant met B/PI -

Kwalitatief. Draagt niet bij aan de score. Covariant met Δ- B/PI Score: WEKA < 2,5 = 0,8

-

Score: Δ-WEKA < 0 = 0,8

14/39


6: (GEZONDHEIDS) ZORG ZORG

Δ-ZORG

Geeft de relatieve behoefte aan zorg van een gemeente weer. Door vergrijzing kan de behoefte aan zorg toenemen. Door bevolkingskrimp neemt de behoefte af.

Geeft de percentuele toename van de relatieve behoefte aan zorg in 2015 ten opzichte van 2012

De inzet van zorgverleners kan worden berekend voor vier verschillende leeftijdscohorten. Deze is samengesteld uit het percentage mensen dat zorg afneemt en het aantal bezoeken aan zorgverleners. Bij de ouderen is de afname van zorg hoger dan bij jongeren. De afname wordt berekend op basis van percentagexaantal bezoeken voor huisarts, specialisten, fysiotherapie en ziekenhuisbezoek. Referentie is een “standaardgemeente” (ZORG-2015 – ZORG-2012)/ ZORG-2012. ZORG-index 2015 wordt berekend uit de demografische verwachting voor 2015.

Maximaal 10 punten Drempelwaarde = 1,0

2012

Score: (ZORG-index-1,0)*5 Schaal bovenlimiet = 5

2012 2015

-

Drempelwaarde = 1 % Score: Δ-ZORG 1% - 2,5% = 1 Δ-ZORG 2,5% - 5,0% = 2 Δ-ZORG > 5% = 5 Schaal bovenlimiet = 5

7: LEEFBAARHEID KAPU-index

Δ-KAPU-index

Geeft de leefbaarheid van een bepaalde buurt weer. Leefbaarheid is gerelateerd aan demografische krimp. Vaak vertrekken de kansrijke, hoger opgeleiden, hoger inkomens en neemt de leefbaarheid af. Geeft de toename van het aantal buurten matig en slecht.

De KAPU-index wordt berekend uit sociaal economische factoren, zoals woningwaarde, uitkeringen, huishoudensamenstelling. Hiermee wordt een getal verkregen waarmee landelijke vergelijking mogelijk is van de leefbaarheid van buurten. Onderverdeeld in drie categorieën, goed, matig en slecht.

2010

Percentuele toename van het aantal buurten met score matig en score slecht in de periode 2008 tot 2010

2008 2010

Maximaal 10 punten Drempelwaarde = geen Score = 0,1* percentage slecht (KAPU >10) + 0,05*percentage matig (KAPU > 5) Schaal: bovenlimiet = 10

-

Drempelwaarde = geen Score = percentage >10) + percentage > 5)

0,1* toename slecht (KAPU 0,05*toename matig (KAPU

Schaal: bovenlimiet = 10


15/39


3.3

SCODEK

De wijze van berekening van indicatoren is nooit objectief omdat een waarde wordt toegekend aan een getal (index). Er wordt echter wel een kader gecreëerd waarmee verschillende gebieden of gemeenten onderling vergeleken kunnen worden. De ernst en urgentie van aanpak van demografische krimp kan worden bepaald door de oorzaak te koppelen aan het effect. Deze aanpak resulteert in het Scoremodel Demografische Krimp (SCODEK). Met SCODEK wordt duidelijk op welke onderdelen het effect zich het meest nadrukkelijk manifesteert. Door deze scores periodiek (jaarlijks) met SCODEK te bepalen kan bovendien worden vastgesteld of de situatie verergert of dat maatregelen die reeds genomen effect hebben. Een gemeente kan met de SCODEK-2 systematiek maximaal 700 punten scoren. De interpretatie van de scores is weergegeven in tabel 3 Tabel 3:

Systematiek SCODEK-2 met toelichting interpretatie van scores

Score 1/5 oorzaak * 1/5 effect ¼ oorzaak * ¼ effect

Punten < 28 28 tot 43,75

¼ oorzaak * ½ effect of ½ oorzaak * ¼ effect ½ oorzaak * ½ effect

43,75 tot 87,50

> ½ oorzaak * ½ effect

87,50 tot 175 > 175


Interpretatie Geen significante effecten van demografische krimp Lichte effecten van demografische krimp meetbaar Maatregelen te overwegen Matige effecten van demografische krimp meetbaar Maatregelen aanbevolen. Sterke effecten van demografische krimp meetbaar Maatregelen noodzakelijk Zeer sterke effecten van demografische krimp meetbaar Maatregelen noodzakelijk

aanwezig. aanwezig. aanwezig. aanwezig.

16/39


4

ANALYSE VAN KRIMP VOLGENS SCODEK

Voor de berekening van de oorzaken en effecten voor de 20 gemeenten in de SRAN is de in hoofdstuk 3 beschreven methodiek (SCODEK) gebruikt. Bovendien zijn ter vergelijking de resultaten van een viertal krimpgemeenten bijgevoegd. Bijgaande tabellen 4 t/m 6 geven hiervan het eindresultaat weer. Tabel 4:

Indicator- en themascores voor oorzaken krimp

Indicatoren met bijbehorende score Gemeente

Bevolking

Groene druk

Grijze druk

Migratiesaldo

THEMASCORE

Arnhem

0,0

0,5

0,0

0,0

0,5

Beuningen

0,0

0,0

0,0

0,0

0,0

Doesburg

0,0

0,0

0,0

0,0

0,0

Duiven

0,0

0,0

0,0

1,5

1,5

Groesbeek

1,5

0,0

0,5

0,0

2,0

Heumen

1,5

0,0

0,5

2,5

4,5

Lingewaard

0,0

0,0

0,0

0,0

0,0

Millingen aan de Rijn

0,0

0,0

0,0

0,0

0,0

Montferland

0,0

0,0

0,5

0,5

1,0

Mook en Middelaar

1,5

0,0

1,5

2,5

5,5

Nijmegen

0,0

1,5

0,0

0,0

1,5

Overbetuwe

0,0

0,0

0,0

0,0

0,0

Renkum

2,5

0,0

2,5

0,0

5,0

Rheden

2,5

0,0

1,5

0,0

4,0

Rijnwaarden

0,0

0,0

0,0

0,5

0,5

Rozendaal

0,0

0,0

2,5

1,5

4,0

Ubbergen

0,0

0,0

1,5

0,0

1,5

Westervoort

2,5

0,0

0,0

2,5

5,0

Wijchen

0,0

0,0

0,0

0,0

0,0

Zevenaar

0,0

0,0

0,5

0,0

0,5

Borger-Odoorn

1,5

0,0

0,5

1,50

3,5

Delfzijl

2,5

0,0

1,5

2,50

6,5

Heerlen

2,5

1,5

0,0

2,50

6,5

Hulst

1,5

0,5

0,5

1,50

4,0

REFERENTIE

*Renkum Westervoort bevolking lineair dalend

Uit tabel 4 blijkt dat de som van de verschillende indicatoren voor krimp het grootst zijn voor Heumen, Renkum, Rheden, Rozendaal, Westervoort en Mook en Middelaar. Voor deze gemeenten geldt dat zij alleen een gezamenlijke oorzaak score hebben van 2,5 of meer (1/4 maximale score van oorzaakindicatoren). In deze gemeenten is al reeds enkele jaren sprake van demografische krimp (behalve Rozendaal). Groene druk speelt alleen een rol voor de gemeente Nijmegen, waarschijnlijk omdat het een relatief grote studentenstad is. Grijze druk is vooral sterk aanwezig in Rozendaal en Renkum en in mindere mate bij de gemeente Groesbeek, Mook en Middelaar, Rheden en Ubbergen. rapportnummer B1006/ R01 d.d. 9 oktober 2012

17/39


Het migratiesaldo is negatief voor zeven gemeenten, waarbij het migratiesaldo in Westervoort het hoogst is, gevolgd door Heumen en Mook en Middelaar. Mook en Middelaar, Westervoort, Heumen, Renkum, Rheden en Rozendaal scoren het hoogst voor de oorzaak. Opvallend is dat de totaal-scores voor de oorzaakindicatoren vergelijkbaar zijn met die van gekende krimpgemeenten, zoals Delfzijl, Heerlen en Borger-Odoorn. De score voor Hulst (Zeeuws Vlaanderen) ligt zelf wat lager dan die van Westervoort, Renkum en Mook en Middelaar. In tabel 5 zijn de combiscores voor de effecten weergegeven. Tabel 5:

Themascores voor effecten van krimp

Thema’s met bijbehorende score Voor zieningen

Woning markt

Verhuis mobiliteit

Werk en economie

Werkgelegen heid

(gezondheid) Zorg

Leefbaar heid

Arnhem

0,22

5,0

0,5

5,50

0,00

1,00

5,2

Beuningen

1,25

0,5

5,5

0,25

3,60

2,00

0,8

Doesburg

1,25

0,5

5,3

5,00

2,88

3,35

2,5

Duiven

0,83

1,5

7,1

0,25

0,00

2,00

0,0

Groesbeek

1,18

0,0

4,8

3,00

2,80

2,50

0,4

Heumen

1,38

2,0

4,3

0,50

1,60

2,70

0,0

2,02

1,0

5,0

0,25

5,72

1,00

0,0

8,13

5,0

7,1

2,50

7,52

5,00

0,0

Montferland

2,23

0,5

8,2

2,25

3,60

2,80

0,0

Mook en Middelaar

2,92

0,0

9,2

0,00

3,36

5,40

0,0

Nijmegen

0,17

4,0

0,0

4,00

0,80

1,00

5,1

Overbetuwe

3,03

4,0

3,7

0,00

1,76

1,00

0,0

Renkum

0,95

4,0

3,4

2,25

1,68

4,65

0,7

Rheden

1,63

2,5

3,0

2,50

2,16

2,85

0,4

Rijnwaarden

4,85

0,5

9,1

3,00

5,44

5,00

0,0

Rozendaal

0,00

GEEN

8,7

0,00

5,28

4,10

0,0

Ubbergen

2,50

4,0

2,4

1,75

3,60

2,85

0,8

Westervoort

0,00

10,0

5,4

1,75

5,28

2,00

1,7

Wijchen

1,81

0,0

4,3

1,75

3,20

2,00

0,0

Zevenaar

0,93

5,0

5,1

1,50

1,68

3,20

0,0

Borger-Odoorn

3,5

7,0

5,3

3,25

5,2

2,9

0,0

Delfzijl

2,6

6,5

4,9

5,0

1,3

2,1

0,5

Heerlen

0,6

8,5

1,8

9,0

0,8

2,8

3,6

Hulst

2,3

6,5

3,9

4,75

5,4

3,9

0,5

Gemeente

Lingewaard Millingen Rijn

aan

de

REFERENTIE

Uit tabel 5 volgt dat effecten in diverse gemeenten bij de meeste gemeenten in verschillende mate aanwezig zijn. Voor Rozendaal zijn voor de woningmarkt geen gegevens voorhanden. Gelet op het feit dat Rozendaal een van de meest welvarende gemeenten is in Nederland, wordt hiervoor eenzelfde dynamiek aangehouden als voor de gemeenten Groesbeek, Mook en Middelaar en Wijchen en wordt een score van 0 gehanteerd.


18/39


Tabel 6:

Oorzaken x effecten OORZAAK X EFFECT THEMA’s Voor zienIngen

Woning Morkt

Verhuis mobiliteit

Werk en economie

Werk gelegenheid

Zorg

Leefbaar heid

SCODEK SCORE

Arnhem

0,1

2,5

0,3

2,8

0,0

0,5

2,6

8,7

Beuningen

0,0

0,0

0,0

0,0

0,0

0,0

0,0

0,0

Doesburg

0,0

0,0

0,0

0,0

0,0

0,0

0,0

0,0

Duiven

1,2

2,3

10,7

0,4

0,0

3,0

0,0

17,5

Groesbeek

2,4

0,0

9,6

6,0

5,6

5,0

0,8

29,4

Heumen

6,2

9,0

19,4

2,3

7,2

12,2

0,0

56,2

Lingewaard

0,0

0,0

0,0

0,0

0,0

0,0

0,0

0,0


0,0

0,0

0,0

0,0

0,0

0,0

0,0

0,0

Montferland

2,2

0,5

8,2

2,3

3,6

2,8

0,0

19,6

16,1

0,0

50,6

0,0

18,5

29,7

0,0

114,8

Nijmegen

0,3

6,0

0,0

6,0

1,2

1,5

7,7

22,6

Overbetuwe

0,0

0,0

0,0

0,0

0,0

0,0

0,0

0,0

Renkum

4,8

20,0

17,0

11,3

8,4

23,3

3,5

88,2

Rheden

6,5

10,0

12,0

10,0

8,6

11,4

1,6

60,2

Rijnwaarden

2,4

0,3

4,6

1,5

2,7

2,5

0,0

13,9

Rozendaal

0,0

0,0

34,8

0,0

21,1

16,4

0,0

72,3

Ubbergen

3,8

6,0

3,6

2,6

5,4

4,3

1,2

26,9

Westervoort

0,0

50,0

27,0

8,8

26,4

10,0

8,5

130,7

Wijchen

0,0

0,0

0,0

0,0

0,0

0,0

0,0

0,0

Zevenaar

0,5

2,5

2,6

0,8

0,8

1,6

0,0

8,7

Borger-Odoorn

12,3

24,5

18,6

11,4

18,2

10,2

0,0

95,0

Delfzijl

16,9

42,3

31,9

32,5

8,5

13,7

3,3

148,9

Heerlen

3,9

55,3

11,7

58,5

5,2

18,2

23,4

176,2

Hulst

9,2

26,0

15,6

19,0

21,6

15,6

2,0

109,0

Gemeente

Mook Middelaar

en

REFERENTIE

Tabel 6 geeft het resultaat weer, waarbij oorzaak (de mate waarin er sprake is van demografische krimp) vermenigvuldigd is met het effect. De hoogste scores vallen toe aan Mook en Middelaar, Westervoort en Renkum. De score voor Mook en Middelaar en voor Westervoort is vergelijkbaar met die van een krimpgemeenten Hulst. Deze gemeenten vallen in de categorie sterke krimp, waarbij de effecten reeds duidelijk waarneembaar zijn. Voor Westervoort, Mook en Middelaar en Renkum is er sprake van een dermate impact waarbij maatregelen overwogen moeten worden. Verder scoren de gemeenten Heumen, Rheden en Rozendaal is de categorie “matige krimp”. Ook hier is het nemen van maatregelen wenselijk.


19/39


5

ANALYSE VAN DE OORZAKEN VAN KRIMP

In voorgaand hoofdstuk zijn (per thema) de verschillende indicatoren aan bod gekomen en is de betekenis hiervan uitgelegd en gekwantificeerd. Door analyse van de onderliggende indicatoren kan inzicht worden gegeven in de vele facetten van demografische krimp, waarmee krimpgemeenten verder kunnen worden gekarakteriseerd. In voorliggend hoofdstuk wordt ingegaan op de oorzaakindicatoren die ten grondslag liggen aan demografische krimp. 5.1

Bevolkingsgroei, groene en grijze druk

In tabel 7a t/m 7c zijn de groeisnelheden van de bevolking, de groene en grijze druk weergegeven. voor de SRAN weergegeven voor de jaargang 2012 en de verandering t.o.v. 2008. Voor bevolkingsgroei (tabel 7a’ is bepaald of er sprake is van een parabool met een maximum. In dat geval is er sprake van demografische krimp. Het maximum van de parabool is dan het moment waar krimp is begonnen. De waarde van de index is dan het aantal jaren dat er reeds sprake is van demografische krimp. Tabel 7a:

(Groei van) bevolking Bevolking

Gemeente

2012

groei %/jr

Arnhem

149226

0,92

0,0

Beuningen

25428

0,16

0,0

Doesburg

11596

0,16

0,0

Duiven

25528

-0,01

0,0

Groesbeek

18885

-0,26

4,5

1,5

Heumen

16414

-0,34

7,3

1,5

Lingewaard

45737

0,60

0,0


5904

0,20

0,0

Montferland

35042

-0,10

0,0

Mook en Middelaar

jaren krimp

7,1

Indicator score

7867

-0,67

Nijmegen

165180

0,62

0,0

Overbetuwe

46256

1,06

0,0

Renkum

31626

-0,12

11,5

2,5

Rheden

43612

-0,01

12,4

2,5

Rijnwaard

11008

0,01

0,0

Rozendaal

1514

0,02

0,0

Ubbergen

9386

0,13

0,0

Westervoort

15293

-0,20

Wijchen

40733

0,66

0,0

Zevenaar

32432

0,51

0,0

13,4

1,5

2,5

LEGENDA 0

0,0

Licht

0-3

0,5

Matig

3 - 10

1,5

Sterk

> 10

2,5

Niet


20/39


Uit tabel 7a blijkt dat over de periode van 2000 tot 2012 in zeven van de 20 gemeenten sprake is van netto bevolkingsafname. Vooral in Westervoort is de krimp aanzienlijk De grotere kernen van de SRAN (Arnhem, Nijmegen, Overbetuwe, Lingewaard en Zevenaar) laten vaak een aanzienlijke bevolkingsgroei zien. de

De groeipatronen zijn afzonderlijk beschouwd en beoordeeld op trends, in het bijzonder de 2 orde polynoom. In zes gevallen (Heumen, Mook en Middelaar, Groesbeek, Renkum, Rheden en Westervoort) bleek er sprake te zijn van een parabool met een maximum, kenmerkend voor de overgang naar bevolkingskrimp. Grafiek 1 (Heumen) is hiervan een voorbeeld en laat zien dat er sprake is van een neergaande trend nadat het maximum is bereikt. Grafiek 1:

bevolkingsontwikkeling in Heumen

Heumen 16900 16800 16700 16600

Heumen

16500

Poly. (Heumen)

16400 16300 16200 1995

2000

2005

2010

2015

Ontgroening is geen belangrijk fenomeen in het SRAN gebied, zo blijkt uit tabel 7b. Alleen voor Arnhem en Nijmegen speelt ontgroening een bescheiden rol. Voor de meeste gemeenten zal ontgroening de komende jaren geen rol van betekenis spelen.


21/39


Tabel 7b:

Ontgroening Groene druk*

Gemeente

2012

groei %/jr

Index waarde

Indicator score

Arnhem

33,8

0,16

0,96

0,5

Beuningen

40,0

-0,79

-3,82

0,0

Doesburg

39,2

-0,22

-3,87

0,0

Duiven

44,2

-0,80

-8,00

0,0

Groesbeek

36,9

-0,55

-1,08

0,0

Heumen

44,2

-0,32

-8,72

0,0

Lingewaard

41,2

-0,08

-6,08

0,0


37,8

-0,79

-1,61

0,0

Montferland

38,9

-0,34

-3,39

0,0

Mook en Middelaar

41,4

-0,30

-5,95

0,0

Nijmegen

31,4

-0,05

3,68

1,5

Overbetuwe

45,1

-0,06

-10,01

0,0

Renkum

40,0

0,03

-5,05

0,0

Rheden

37,9

-0,01

-2,89

0,0

Rijnwaard

37,7

-0,12

-2,52

0,0

Rozendaal

50,7

0,53

-16,50

0,0

Ubbergen

38,9

0,18

-4,17

0,0

Westervoort

36,9

-1,1

-0,25

0,0

Wijchen

41,1

-0,30

-5,65

0,0

Zevenaar

36,9

-0,05

-1,83

0,0

Niet

0

0,0

Licht

0-3

0,5

Matig

3 - 10

1,5

LEGENDA

> 10 2,5 Sterk *Groene druk = De verhouding tussen het aantal personen van 0 tot 20 jaar ten opzichte van de personen in de zogenaamde .'productieve' leeftijdsgroep van 20 tot 65 jaar

Vergrijzing speelt wel een belangrijke rol in de SRAN. Negen gemeenten hebben in meer of mindere mate te maken met vergrijzing. In sommige gemeenten is de grijze druk veel hoger dan in de krimpgebieden zoals Parkstad en Oost-Groningen. SRAN is dus een regio waarvan met name de suburbane en landelijke gemeenten aan het vergrijzen zijn. Rozendaal en Renkum spannen de kroon, maar ook voor de gemeenten Rheden, Mook en Middelaar en Ubbergen vergrijzen relatief snel. de grote steden Arnhem en Nijmegen, hebben minder last van vergrijzing.


22/39


Tabel 7c:

Vergrijzing Grijze druk**

Gemeente

2012

groei %/jr

Indexwaarde

Indicator score

Arnhem

20,3

0,25

-14,33

0,0

Beuningen

23,2

0,73

-10,71

0,0

Doesburg

31,3

1,59

-1,32

0,0

Duiven

22,5

0,48

-11,78

0,0

Groesbeek

36,0

0,76

2,14

0,5

Heumen

33,6

1,68

1,12

0,5

Lingewaard

26,1

1,05

-7,33

0,0


27,1

0,92

-6,52

0,0

Montferland

33,3

1,31

0,26

0,5

Mook en Middelaar

37,0

1,71

4,57

1,5

Nijmegen

21,2

0,32

-13,32

0,0

Overbetuwe

25,4

0,83

-8,36

0,0

Renkum

44,2

0,74

10,31

2,5

Rheden

43,4

0,61

9,32

1,5

Rijnwaard

26,6

1,06

-6,81

0,0

Rozendaal

53,9

0,92

20,28

2,5

Ubbergen

39,2

1,23

6,05

1,5

Westervoort

20,4

0,66

-13,61

0,0

Wijchen

26,6

1,14

-6,69

0,0

Zevenaar

33,4

1,55

0,72

0,5

Niet

0

0,0

Licht

0-3

0,5

Matig

3 - 10

1,5

Sterk

> 10

2,5

LEGENDA

**Grijze druk = De verhouding tussen het aantal personen van 65 jaar of ouder ten opzichte van de personen in de zogenaamde 'productieve' leeftijdsgroep van 20 tot 65 jaar.

5.2

Migratie

Migratie is het komen en gaan van bewoners van een gemeente. Migratie betekent is de regel het verwisselen van huis en van woonomgeving, omwille van het verkrijgen van werk elders of om te verhuizen naar een betere passende leefomgeving. Een negatief migratiesaldo is vanuit de optiek van bevolkingskrimp een van de aanjagers van de krimpproblematiek. Het betekent dat een gemeente als minder gunstig wordt beschouwd als vestigingsomgeving. Het brengt een proces op gang tot uitdrukking komt als de negatieve effecten voor de verschillende thema’s die onderdeel maken van deze analyse. Vanuit demografische oogpunt is migratie “bestijdbaar” door bijvoorbeeld de omgeving aan te passen aan wensen van huishoudens die overwegen te vertrekken en voor hen die overwegen zich te vestigen. Migratie is, nadat huishoudens eenmaal zijn verhuisd, in de regel irreversibel.


23/39


Tabel 8:

Migratiesaldo

Gemeente Arnhem Beuningen Doesburg Duiven Groesbeek Heumen Lingewaard Millingen aan de Rijn Montferland Mook en Middelaar Nijmegen Overbetuwe Renkum Rheden Rijnwaarden Rozendaal Ubbergen Westervoort Wijchen Zevenaar

MIGRATIESALDO in % Over 5 jaar 0,31 0,12 0,09 -0,31 0,54 -0,60 0,46 0,23 -0,02 -0,53 0,12 0,93 0,36 0,34 -0,08 -0,39 0,36 -0,87 0,21 0,28

Legenda Goed

Standaard deviatie

Indicator score

0,32 0,18 0,54 0,27 0,30 0,40 0,31 0,61 0,36 0,68 0,30 0,70 0,28 0,39 0,47 1,16 0,39 0,80 0,45 0,40

0,0 0,0 0,0 1,5 0,0 2,5 0,0 0,0 0,5 2,5 0,0 0,0 0,0 0,0 0,5 1,5 0,0 2,5 0,0 0,0

>0

0

0 - -0,1

0,5

Kritisch

-0,1- -0,5

1,5

Slecht

< -0,5

2,5

Alert

Uit tabel 8 blijkt dat een negatief migratiesaldo met name een rol speelt voort de gemeenten westervoort, Heumen, Mook en Middelaar en in mindere mate voor Duiven, Montferland, Rijnwaarden en Rozendaal. Vergeleken met de krimpgemeenten is alleen het migratiesaldo voor Delfzijl meer negatief dan dat van Westervoort, Heumen en Mook en Middelaar. De overige krimpgemeenten hebben een minder negatief migratiesaldo. 5.3

Conclusie oorzaken

Voor een aantal gemeenten in de SRAN speelt demografische krimp reeds een belangrijke rol. Met name de scores van vergrijzing en migratiesaldo zijn vergelijkbaar en soms zelfs vaak hoger dan voor de vier krimpgemeenten die ter vergelijking zijn meegenomen.


24/39


6

ANALYSE VAN DE EFFECTEN VAN KRIMP

In hoofdstuk 4 zijn (per thema) de verschillende indicatoren aan bod gekomen en is de betekenis hiervan uitgelegd en gekwantificeerd. In hoofdstuk 5 is ingegaan op de oorzaakindicatoren. In voorliggend hoofdstuk wordt ingegaan op de effectindicatoren. 6.1

Voorzieningen

6.1.1 Isolement ten opzichte van voorzieningen Isolement is een probleem wanneer door vergrijzing de mobiliteit van mensen afneemt en waardoor mensen in een sociaal isolement kunnen raken. In tabel 9 is het percentage buurten en wijken weergegeven die sterk of uiterst geïsoleerd zijn ten opzichte van belangrijke voorzieningen, zoals huisarts, scholen, supermarkt, etc. Tabel 9:

Percentage geïsoleerde buurten

Gemeente

% niet

% licht

% sterk

% uiterst

Km index score

Arnhem

71,6%

24,7%

3,7%

0,0%

0,09

Beuningen

0,0%

82,5%

17,5%

0,0%

0,44

Doesburg

0,0%

62,5%

37,5%

0,0%

0,94

Duiven

11,1%

88,9%

0,0%

0,0%

0,00

Groesbeek

5,9%

76,5%

17,6%

0,0%

0,44

Heumen

0,0%

100,0%

0,0%

0,0%

0,00

Lingewaard

0,0%

65,4%

34,6%

0,0%

0,87


0,0%

0,0%

0,0%

100,0%

5,00

Montferland

7,1%

64,3%

28,6%

0,0%

0,71

Mook en Middelaar

0,0%

66,7%

33,3%

0,0%

0,83

Nijmegen

59,1%

43,2%

0,0%

0,0%

0,00

Overbetuwe

0,0%

60,6%

39,4%

0,0%

0,98

Renkum

0,0%

90,5%

9,5%

0,0%

0,24

Rheden

20,0%

40,0%

40,0%

0,0%

1,00

Rijnwaarden

0,0%

29,4%

58,8%

11,8%

2,06

Rozendaal

100,0%

0,0%

0,0%

0,0%

0,00

Ubbergen

0,0%

63,6%

36,4%

0,0%

0,91

Westervoort

0,0%

100,0%

0,0%

0,0%

0,00

Wijchen

10,3%

69,0%

20,7%

0,0%

0,52

Zevenaar

63,0%

33,3%

3,7%

0,0%

0,09

De beoordelingsschaal voor isolement is gebaseerd op evaluatie van ca. 1.000 buurten en wijken verdeeld over heel Nederland. De Km-index die dit isolement uitdrukt is de equivalent afstand tot de belangrijkste voorzieningen waarin bovendien een weging is toegepast. Zo weegt de afstand tot bijvoorbeeld een bioscoop minder zwaar dan de afstand tot een huisarts. De gemeente Millingen aan de Rijn kent uitsluitend buurten die volgens de gehanteerde systematiek uiterst geïsoleerd zijn ten opzichte van voorzieningen. Hiermee wordt de maximale score bereikt. Rijnwaarden, Rheden, Overbetuwe, Doesburg, Ubbergen, Lingewaard en Mook en Middelaar zijn voor een groot deel ook sterk of uiterst geïsoleerd van voorzieningen. Ook Beuningen, Groesbeek, Montferland en Wijchen kennen nog sterk geïsoleerde buurten. De grote steden Arnhem en Nijmegen rapportnummer B1006/ R01 d.d. 9 oktober 2012

25/39


hebben geen nauwelijks sterk tot uiterst geïsoleerde buurten Ook de gemeenten Duiven, Heumen, Rozendaal en Westervoort hebben geen sterk of uiterst geïsoleerde buurten. 6.1.2 Krimpgevoeligheid In tabel 10 is het percentage buurten en wijken weergegeven die sterk of uiterst krimpgevoelig zijn ten opzichte van belangrijke voorzieningen, zoals huisarts, scholen, supermarkt, etc. Krimpgevoeligheid is een probleem wanneer door demografische krimp (maar ook bijvoorbeeld door bezuinigingen) voorzieningen wegvallen waardoor het geografisch en sociaal isolement toenemen. Hierdoor komt de leefbaarheid van dergelijke gebieden nog verder onder druk te staan hetgeen de leegloop verder in de hand kan werken. Tabel 10:

Percentage krimpgevoelige buurten

Gemeente

% niet

% licht

% sterk

% uiterst

Kg index score

Arnhem

92,6%

2,5%

4,9%

0,0%

0,12

Beuningen

22,5%

45,0%

32,5%

0,0%

0,81

Doesburg

0,0%

87,5%

12,5%

0,0%

0,31

Duiven

33,3%

33,3%

33,3%

0,0%

0,83

Groesbeek

17,6%

52,9%

29,4%

0,0%

0,74

Heumen

15,0%

30,0%

55,0%

0,0%

1,38

Lingewaard

23,1%

30,8%

46,2%

0,0%

1,15


0,0%

0,0%

75,0%

25,0%

3,13

Montferland

0,0%

39,3%

60,7%

0,0%

1,52

Mook en Middelaar

0,0%

16,7%

83,3%

0,0%

2,08

Nijmegen

84,1%

9,1%

6,8%

0,0%

0,17

Overbetuwe

15,2%

6,1%

75,8%

3,0%

2,05

Renkum

23,8%

47,6%

28,6%

0,0%

0,71

Rheden

50,0%

25,0%

25,0%

0,0%

0,63

Rijnwaarden

0,0%

0,0%

88,2%

11,8%

2,79

Rozendaal

100,0%

0,0%

0,0%

0,0%

0,00

Ubbergen

18,2%

18,2%

63,6%

0,0%

1,59

Westervoort

71,4%

28,6%

0,0%

0,0%

0,00

Wijchen

3,4%

44,8%

51,7%

0,0%

1,29

Zevenaar

55,6%

11,1%

33,3%

0,0%

0,83

De beoordelingsschaal voor krimpgevoeligheid is gebaseerd op evaluatie van ca. 1.000 gebieden verdeeld over heel Nederland. De Kg-index die dit isolement uitdrukt is de richtingscoëfficiënt van regressielijn die ontstaat bij het wegnemen van voorzieningen. Voor niet krimpgevoelige buurten en wijken is deze richtingscoëfficiënt 0 (geen effect, voorzieningenniveau wordt niet aangetast) en voor uiterst krimpgevoelige buurten en wijken maximaal 5. Net als voor isolement is een weging toegepast. Zo weegt de afstand tot bijvoorbeeld een bioscoop minder zwaar dan de afstand tot een huisarts. Rijnwaarden, Mook en Middelaar en Millingen aan de Rijn hebben de hoogste percentages krimpgevoelige buurten, meer dan 80%. Hiervan is een deel uiterst krimpgevoelig. Millingen scoort zelfs 100% sterk en uiterst krimpgevoelige buurten. Heumen, Montferland, Overbetuwe, Ubbergen en Wijchen scoren > 50% krimpgevoelige buurten. De grote steden Arnhem en Nijmegen hebben minder problemen met krimpgevoeligheid, de scores liggen hier onder de 10 procent. De buurten in de gemeenten Rozendaal en Westervoort zijn niet krimpgevoelig. SRAN is een regio met twee sterk urbane centra waarin veel voorzieningen geconcentreerd lijken te zijn. De landelijke gemeenten hebben naar verhouding weinig voorzieningen. De surburbane rapportnummer B1006/ R01 d.d. 9 oktober 2012

26/39


gemeenten zijn vaak iets beter voorzien maar kennen vaak nog een relatief hoog percentage sterk krimpgevoelige buurten. 6.2

Woningmarkt

Demografische krimp heeft in de regel gevolgen voor de woningmarkt.  Er ontstaat op termijn een woningoverschot.  Kansrijken hoger opgeleiden met hogere inkomens kunnen wegtrekken naar andere plaatsen. Deze effecten hebben gevolgen voor de verkooptijden en voor de woningwaarde (en dus de verkoopprijs). Het effect van (langere) verkooptijden wordt beschouwd in paragraaf 6.3. Verkooptijden hebben in de eerste plaats gevolgen voor verhuismobiliteit. In dit kader wordt de woningmarkt in relatie gebracht met woningwaarde. Het effect van leegstand heeft veel minder consequenties voor de woningwaarde dan een brain/money-drain. Voor de SRAN is het aannemelijk de demografische krimp wel leegstand kan veroorzaken maar dat een brain/moneydrain minder voor de hand liggend is. Tabel 11:

Woningmarkt

Gemeente

Lokaal

landelijk

Groeilokaal

Groei--landelijk

R-HP/BINK

Thema score

Arnhem

13,8%

-6,8%

0,90

0,85

0,94

5,0

Beuningen

-0,4%

3,0%

1,17

1,15

1,04

0,5

Doesburg

9,4%

-0,9%

1,35

0,97

1,00

0,5

Duiven

-2,0%

-1,5%

1,08

0,93

0,98

1,5

Groesbeek

18,2%

16,2%

1,03

1,04

1,17

0,0

Heumen

5,9%

13,6%

0,85

1,01

1,14

2,0

Lingewaard

3,1%

3,7%

0,93

0,94

1,03

1,0


5,8%

-2,3%

0,70

0,49

0,94

5,0

Mook en Middelaar

6,5%

14,3%

0,91

0,97

1,16

0,5

Montferland

8,7%

6,1%

1,15

1,02

1,06

0,0

Nijmegen

19,9%

2,6%

0,68

0,74

0,99

4,0

Overbetuwe

1,1%

4,0%

0,66

0,74

1,03

4,0

Renkum

6,0%

9,8%

0,75

0,87

1,08

4,0

0,90

0,82

1,00

2,5

0,5

Rheden

8,5%

3,2%

Rozendaal

GEEN

DATA

Rijnwaarden

7,9%

-3,1%

6,92**

1,05

0,97

Ubbergen

15,6%

12,8%

0,86

0,85

1,13

4,0

Westervoort

-7,6%

-12,4%

0,47

0,43

0,85

10,0

Wijchen

5,4%

5,5%

1,29

1,19

1,07

0,0

Zevenaar

1,5%

-4,5%

0,84

0,74

0,94

5,0

> 5%

> 5%

0,95 - 1,05

0,95 - 1,05

0,95 - 1,05

0 - -5%

0 - -5%

0,90 - 0,95

0,90 - 0,95

0,90 - 0,95

0,5 2

** Statistisch niet beoordeelbaar GOED KRITISCH SLECHT

< -5%

< -5%

< 0,9

< 0,9

< 0,9

VERHIT

> 10%

> 10%

> 1,10

> 1,10

> 1,10

De ontwikkeling van de woningwaarde over de 6-jaars periode van 2005-2010 is vergeleken met de ontwikkeling van de verwachtingswaarde voor woningwaarde voor de betreffende gemeenten over dezelfde periode. De sleutelindicatoren zijn het percentuele verschil van de woningwaarde ten opzichte van de verwachtingswaarden en de ontwikkeling over tijd ten opzichte van de


27/39


verwachtingswaarde. Tenslotte sleutelindicator.

is

de relatieve

toegankelijkheid

van

de

woningmarkt een

Met betrekking tot woningwaardeontwikkeling zijn er twee onwenselijke scenario’s denkbaar: 1. De woningmarkt is onderkoeld. De woningwaarde ligt dan onder de lokale en landelijke de de verwachtingswaarden (2 en 3 kolom in tabel 10) de ontwikkeling van de woningwaarde kan de de de verwachtingswaarden niet volgen. De groei (4 en 5 kolom in tabel 10) ligt lager dan de de 1,0. De relatieve toegankelijkheid van de woningmarkt (R-HP/BINK, 6 kolom) ligt beneden 1,0. Dat wil zeggen dat de woningwaarde beduidend lager is dan de omliggende gemeenten. Dit betekent dat de vraag naar woningen in deze gemeente relatief laag is. Onderkoeling is typisch voor perifere krimpgemeenten. 2. De woningmarkt is oververhit. De woningwaarde ligt altijd boven de lokale verwachtingswaarde en meestal ook boven de landelijke verwachtingswaarde. De groei is groter dan 1,0, dat betekent dat de woningwaarde sneller toeneemt dan de de verwachtingswaarden. De relatieve toegankelijkheid van de woningmarkt (R-HP/BINK, 6 kolom) ligt boven 1,0. Dat wil zeggen dat de woningwaarde beduidend hoger is dan de omliggende gemeenten. Woningen in deze gemeenten zijn zeer gewild maar ook gevoelig voor het “zeepbeleffect”. Waardedaling als gevolg van economische crisis kan relatief groot zijn. Gekoppeld aan een lage verhuismobiliteit werkt oververhitting demografische krimp in de hand. Met name door vergrijzing. Idealiter is de woningmarkt niet onderkoeld of oververhit. In tabel 12 is een interpretatie van de indicatoren in onderlinge samenhang. Tabel 12:

Interpretatie woningmarkt situatie 2010

Gemeente Arnhem Beuningen Doesburg Duiven Groesbeek Heumen Lingewaard Millingen aan de Rijn Mook en middelaar Montferland Nijmegen Overbetuwe Renkum Rheden Rozendaal Rijnwaarden Ubbergen Westervoort Wijchen Zevenaar

Interpretatie woningmarkt Licht onderkoeld Normaal maar met wei. Normaal maar oververhitting dreigt Normaal Sterk oververhit. Nu zeepbeleffect Sterk oververhit, tekenen van afkoeling Normaal, lichte onderkoeling mogelijk Licht onderkoeld, maar sterke onderkoeling dreigt. Oververhit, omslag naar onderkoeling. Zeepbeleffect Licht oververhit Normaal maar onderkoeling op termijn mogelijk Normaal maar onderkoeling op korte termijn Licht oververhit,omslag naar onderkoeling Normaal maar onderkoeling op termijn mogelijk Normaal Sterk oververhit, snelle afkoeling. Zeepbeleffect Sterk onderkoeld, situatie verslechtert Licht oververhit, sterke oververhitting dreigt. Licht onderkoeld, situatie verslechtert

Directe effecten van demografische krimp, zoals deze optreden in de perifere krimpgemeenten zijn vooral waarneembaar in Westervoort. Westervoort bereikt de maximale score voor beoordeling van de woningmarkt. Verder is de situatie in Mook en Middelaar, Heumen en Ubbergen interessant: hier lijkt de “zeepbel” te worden doorgeprikt. De toegankelijkheid van de woningmarkt is laag, maar het groeitempo ten opzichte van de verwachtingswaarden is inmiddels gestagneerd. Dit duidt snelle vermindering van de woningwaarde. Voor Rozendaal zijn geen inkomensgegevens beschikbaar. De verwachting is dat ook hier de woningmarkt redelijk verhit is. Naast Westervoort is ook de situatie op de woningmarkt in Zevenaar en Millingen a/d Rijn enigszins zorgelijk. Arnhem en Nijmegen kennen een lagere groei dan de lokale verwachtingswaarden, maar de lokale overwaardering is hier relatief hoog.


28/39


6.3

Verhuismobiliteit en doorstroming op de woningmarkt

De verhuismobiliteit is een indicator voor de doorstroming op de woningmarkt. In het kader van demografische krimp is doorstroming belangrijk om vergrijzing te voorkomen. Aan de hand van de meest recente marktcijfers (augustus 2012) worden de indicatoren woningstuw ( STUW %), omloopsnelheid (OMLOOP %) en relatieve verkooptijd (REVERT) bepaald. Woningstuw geeft een indicatie van de relatieve krapte op de koopmarkt. Relatieve schaarste begint bij < 5% stuw. De omloopsnelheid geeft aan welk percentage woningen van het koopbestand jaarlijks van eigenaar wisselt. De relatieve verkooptijd is het quotiënt tussen woningen op de markt en woningen die het laatste jaar verkocht zijn. REVERT wordt aangehouden als de belangrijkste marktindicator voor marktmobiliteit. Verder zijn de mobiliteitsgegevens van de verschillende gemeenten weergegeven (MOBI). Deze hebben betrekking op zowel huur- als koopwoningen. De resultaten zijn weergegeven in tabel 13. Tabel 13:

Verhuismobiliteit STUW (%)

OMLOOP (%)

MOBI (‰)

REVERT

THEMA SCORE

Arnhem

8,30%

3,60%

124,2

2,28

0,5

Beuningen

5,20%

1,60%

64,0

3,15

5,5

Doesburg

8,90%

2,40%

75,0

3,65

5,3

Duiven

7,40%

2,00%

56,5

3,65

7,1

Groesbeek

7,50%

2,20%

75,9

3,44

4,8

Heumen

5,50%

2,40%

62,4

2,3

4,3

Lingewaard

6,70%

2,20%

66,9

2,99

5,0


8,30%

2,30%

55,8

3,58

7,1

Montferland

10,20%

1,70%

68,4

6,04

8,2

Mook en Middelaar

8,70%

1,60%

57,8

5,45

9,2

Nijmegen

7,20%

3,90%

128,5

1,85

0,0

Overbetuwe

7,00%

3,00%

68,8

2,34

3,7

Renkum

8,50%

2,60%

87,6

3,27

3,4

Rheden

7,90%

2,80%

84,1

2,86

3,0

Rijnwaarden

10,00%

1,40%

58,9

7,15

9,1

Rozendaal

9,10%

1,30%

63,5

6,86

8,7

Ubbergen

6,10%

2,90%

76,8

2,05

2,4

Westervoort

6,40%

1,80%

72,5

3,57

5,4

Wijchen

5,50%

2,00%

68,9

2,74

4,3

Zevenaar

5,20%

1,40%

79,0

3,77

5,1

Goed

>100

<2

0

Matig

50 - 10

2-5

0-5

Slecht

< 50

>5

5

GEMEENTE

LEGENDA

De minst goede doorstroming is te vinden in de gemeenten Montferland, Mook en Middellaar, Rijnwaarden en Rozendaal. De gemeenten Nijmegen en Arnhem kennen de beste doorstroming op de woningmarkt. Arnhem en Nijmegen hebben de hoogste verhuismobiliteit. Hierin zijn ook de verhuizingen van en naar huurwoningen en kamers meegenomen. De verschillen tussen de rapportnummer B1006/ R01 d.d. 9 oktober 2012

29/39


verschillende gemeenten in SRAN izijn zeer groot. Opvallend is bovendien dat veel gemeenten in de SRAN veel slechter scoren dan de gemeenten in de Krimpregio’s. 6.4

Werken en economie

Bij de indicatoren die werk en inkomen inzichtelijk te maken wordt gekeken naar het besteedbaar inkomen per huishouden (BINK), de uitkeringen (uitkeringsindex of UK) en de verhouding tussen werkenden en (langdurige) inkomensontvangers (WUK). Gegevens over het Besteedbaar INkomen per Huishouden (BINK) zijn weergegeven in tabel 14. Van de groei van de inkomens over de laatste 5 jaar is bovendien de correlatiecoëfficiënt meegenomen. Dit geeft aan in hoeverre inkomensgroei structureel is. Tabel 14

Besteedbaar inkomen particuliere huishoudens BINK (€) x 1000

R-kwadraat L5

GROEI (€) x 1000/jr

INDICATOR SCORE

Arnhem

29,8

0,96

1,16

2,0

Beuningen

37,0

0,97

1,45

0,25

Doesburg

32,0

0,98

1,18

2,0

Duiven

35,6

0,97

1,36

0,25

Groesbeek

34,5

0,93

1,31

0,5

Heumen

39,3

0,93

1,74

0,0

Lingewaard

35,6

0,92

1,43

0,25


32,7

0,94

1,13

2,0

Montferland

34,5

0,94

1,24

1,25

Mook en Middelaar

39,2

0,94

1,61

0,0

Nijmegen

30,3

0,96

1,12

2,0

Overbetuwe

37,0

0,96

1,67

0,0

Renkum

37,6

0,91

1,43

0,25

Rheden

33,7

0,95

1,11

1,0

Rijnwaarden

31,7

0,98

0,94

2,0

Rozendaal

x

x

x

0,0

Ubbergen

34,6

0,92

1,11

1,25

Westervoort

34,3

0,95

1,25

1,25

Wijchen

35,5

0,96

1,37

0,25

Zevenaar

33,8

0,97

1,33

0,5

Gemeente

GOED KRITISCH SLECHT

> 38,53

> 1,66

33,50- 35,70

1,31-1,46

0,25

< 33,50

< 1,31

1

De beoordeling is geschaald aan de hand van inkomenskwartielen. Uit tabel 14 blijkt dat drie welvarende gemeenten in de SRAN inkomens kent in het hoogste kwartiel. Daarnaast zijn er ook 5 gemeenten met inkomens in het laagste kwartiel. Zoals te verwachten liggen de grote steden in het laagste kwartiel. De helft van de gemeenten in de SRAN kennen een gemiddeld besteedbaar inkomen per huishouden (BINK) dat hoger is dan het Nederlands mediaan-inkomen. De groeisnelheid van de inkomens ligt veelal hoger dan € 1.000,-/jaar. Toename van BINK over de laatste vijf jaar is nagenoeg lineair, zo blijkt uit R-kwadraat van de regressielijn over de laatste 5 jaar. rapportnummer B1006/ R01 d.d. 9 oktober 2012

30/39


WUK en UK De WUK en UK zijn twee indices die de situatie met betrekking tot uitkeringsontvangers en de verhouding tussen werkenden en langdurige uitkeringsontvangers in beeld brengt. Het zijn qua uitkeringen lange termijn indicatoren. Voor de periode 2004-2008 zijn tevens de correlatiecoëfficiënten bepaald en weergegeven om te bepalen in hoeverre toename of afname van WUK en UK structureel zijn. Tabel 15:

UK en WUK WUK

UK

WUK 2008

Δ-WUK

R-kwadraat

UK 2008

Δ-UK

R-kwadraat

INDICATOR SCORE

Arnhem

5,99

0,33

0,94

154

-10,0

0,99

3,5

Beuningen

10,63

0,60

0,95

80

-5,6

0,84

0,0

Doesburg

6,49

0,31

0,95

138

-5,0

0,93

3,0

Duiven

10,74

0,63

0,93

80

-5,8

0,95

0,0

Groesbeek

7,30

0,40

0,89

130

-7,8

0,93

2,5

Heumen

10,72

0,66

0,94

84

-4,6

0,93

0,5

Lingewaard

10,34

0,58

0,93

84

-5,6

0,98

0,0


9,70

0,60

0,95

91

-5,2

0,90

0,5

Montferland

8,02

0,61

0,99

113

-8,7

0,99

1,0

Mook en Middelaar

10,70

0,85

0,96

86

-6,6

0,92

0,0

Nijmegen

7,28

0,55

0,93

126

-10,0

0,90

2,0

Overbetuwe

11,39

0,85

0,95

81

-5,8

0,94

0,0

Renkum

8,70

0,32

0,97

102

-4,7

0,99

2,0

Rheden

7,82

0,43

0,97

118

-6,0

0,92

1,5

Rijnwaarden

8,15

0,50

0,94

104

-6,3

0,93

1,0

Rozendaal

16,39

1,09

0,82

47

-5,3

0,95

0,0

Ubbergen

9,65

0,52

0,90

92

-6,8

0,99

0,5

Westervoort

9,78

0,68

0,85

99

-6,9

0,97

0,5

Wijchen

9,63

0,36

0,92

89

-4,8

0,95

1,5

Zevenaar

8,76

0,54

0,96

102

-7,3

0,99

1,0

Gemeenten

GOED

> 10

> 0,5

WAARDE

< 50

<-5

WAARDE

KRITISCH

< 10 < 7,5

< 0,5 <0,25

0,5 1

> 125 > 100

> - 2,5 >-5

0,5 1

SLECHT

<5

< 0,1

2

> 150

>-1

2

Uit tabel 15 blijkt dat Arnhem een relatief hoog aandeel uitkeringsontvangers heeft en de meest ongunstige verhouding tussen werkenden en langdurige uitkeringsontvangers. Doesburg, Groesbeek en Nijmegen volgen op afstand. Wat tevens opvalt is dat in vrijwel alle gemeenten sprake is van een snelle , structurele verbetering van de situatie gedurende de periode 2003-2008.


31/39


6.5

Werkgelegenheid

Het is ook van belang te kijken hoe het gesteld is met de werkgelegenheid in de SRAN. Als eerste is het aantal banen per productieve inwoner bepaald voor de verschillende gemeenten. Verder is gekeken naar de relatieve groei van het aantal B/PI in de periode van 2004 tot 2008. Voor Montferland zijn slechts vier jaargangen voorhanden. Tabel 16:

Aantal banen per productieve inwoner B/PI laatste 5 waarnemingen

Gemeente

2008

R-kwadraat

Richting

INDICATOR SCORE B/PI

INDICATOR SCORE Δ-B/PI

Arnhem

1,11

0,90

0,039

0

0

Beuningen

0,45

0,60

0,009

3,5

1

Doesburg

0,44

0,88

0,021

3,6

0

Duiven

0,90

0,75

0,042

0

0

Groesbeek

0,65

0,92

0,047

1,5

0

Heumen

0,60

0,96

0,051

2,0

0

Lingewaard

0,41

0,82

0,003

3,9

1


0,21

0,00

-0,001

5,9

2

Montferland

0,55

0,93

0,024

2,5

0

Mook en Middelaar

0,38

0,58

0,023

4,2

0

Nijmegen

0,95

0,92

0,031

0

0

Overbetuwe

0,58

0,82

0,022

2,2

0

Renkum

0,59

0,42

0,011

2,1

0

Rheden

0,53

0,67

0,010

2,7

0

Rijnwaarden

0,32

0,98

0,022

4,8

0

Rozendaal

0,39

0,11

-0,010

4,1

2

Ubbergen

0,45

0,60

0,015

3,5

0

Westervoort

0,24

0,65

0,016

5,6

0

Wijchen

0,60

0,94

0,025

2,0

0

Zevenaar

0,69

0,26

0,011

1,1

0

GOED

> 0,8

> 0,02

KRITISCH

0,25-0,8

< 0,005

SLECHT

< 0,25

< 0,00

Millingen aan de Rijn en Westervoort scoren het laagst, veel inwoners zijn hier afhankelijk van werkgelegenheid elders. Heumen en Groesbeek laten de grootste groei zien, de werkgelegenheid neemt hier snel toe. De gemeenten Arnhem, Nijmegen en Duiven hebben een hoge B/PI en bovendien een naar verhouding hoge groei van 0,03 - 0,04 procent per jaar. Met name Duiven is bijzonder. Dit is een relatief kleine gemeente, maar een van de economische motoren in de SRAN. Gemeenten met een lage B/PI zijn in de regel gevoelig voor de effecten van demografische krimp. Bewoners kunnen migreren naar andere gemeenten waar wel werk is. In tabel 16 zijn als kwalitatieve verklarende werkgelegenheidskarakteristieken weergegeven.


het

aantal

bedrijfsvestigingen

en

de

32/39


Tabel 17:

Werkgelegenheidskaraktersitiek (WEKA) WEKA WEKA

R-kwadraat

Δ-WEKA

INDICATOR SCORE

Arnhem

5,0

0,00

0,00

0

Beuningen

2,9

0,72

-0,04

0,8

Doesburg

3,8

0,12

0,07

0

Duiven

3,5

0,36

0,03

0

Groesbeek

2,0

0,24

-0,04

1,6

Heumen

3,3

0,22

0,04

0

Lingewaard

2,3

0,12

-0,01

1,6


2,6

0,72

-0,06

0,8

Montferland

2,2

0,94

-0,10

1,6

Mook en Middelaar

3,5

0,12

0,03

0

Nijmegen

4,5

0,03

-0,01

0,8

Overbetuwe

3,2

0,68

0,06

0

Renkum

4,4

0,1

0,02

0

Rheden

3,6

0,29

0,03

0

Rijnwaarden

2,2

0,52

-0,05

1,6

Rozendaal

12

0,88

0,90

0

Ubbergen

3

0,06

-0,02

0,8

Westervoort

2,7

0,24

-0,03

0,8

Wijchen

2,3

0,19

-0,02

1,6

Zevenaar

3,1

0,72

-0,05

0,8

< 2,5

0,8

< 0,01

0,8

Gemeenten

Kritisch

Nijverheid is belangrijk voor de landelijkere gemeenten Montferland, Groesbeek, Lingewaard, Rijnwaarden en Wijchen. Deze gemeenten hebben de laagste WEKA en zijn daarmee het meest kwetsbaar voor verplaatsing van dit soort werkzaamheden naar het buitenland. In elf gemeenten neemt de WEKA af. 6.5

(Gezondheids)zorg

Demografische krimp, in het bijzonder vergrijzing, heeft gevolgen voor de behoefte aan zorg. Naarmate de bevolking van een gemeente ouder wordt, neemt de vraag naar zorg toe. Dit proces wordt deels of geheel gecompenseerd door het afnemende bevolkingsaantal. In tabel 18 is de relatieve zorgbehoefte weergegeven. Als vergelijk is een denkbeeldige bevolkingsopbouw gebruikt waarin de vier bevolkingscohorten (0-25 jaar; 25-45 jaar; 45-65 jaar en > 65 jaar) een percentuele opbouw hebben van 30%; 25%; 25% en 20%. De relatieve zorgbehoefte van een dergelijke bevolkingsopbouw is 0,939. Een bevolkingsopbouw met een meer vergrijsde karakteristiek heeft een hogere zorgbehoefte. Voorts is met behulp van demografie de situatie in 2015 weergegeven. Ook hiervan is de relatieve zorgbehoefte bepaald en het percentuele verschil met 2012. Hierbij dient tevens te worden opgemerkt dat bij een afnemende bevolking de werkelijke zorgbehoefte kan afnemen doordat er minder mensen in een gemeente wonen. De toename door ouderdom wordt dan meer dan gecompenseerd door de afname van de bevolking. Dit effect is niet verrekend in de indicator.


33/39


Tabel 18:

Relatieve zorgbehoefte, situatie 2012 en 2015 Relatieve zorgbehoefte

ZORG 2012

ZORG 2015

Δ-ZORG

INDICATOR SCORE

Arnhem

0,874

0,887

1,5%

1,00

Beuningen

0,906

0,944

4,3%

2,00

Doesburg

0,967

0,999

3,3%

3,35

Duiven

0,895

0,931

4,0%

2,00

Groesbeek

0,970

0,988

1,9%

2,50

Heumen

0,954

0,989

3,7%

2,70

Lingewaard

0,919

0,937

2,0%

1,00


0,910

1,002

10,1%

5,00

Montferland

0,956

0,986

3,1%

2,80

Mook en Middelaar

0,948

1,039

9,6%

5,40

Nijmegen

0,879

0,890

1,3%

1,00

Overbetuwe

0,902

0,921

2,1%

1,00

Renkum

1,013

1,030

1,7%

4,65

Rheden

0,997

1,005

0,8%

2,85

Rijnwaarden

0,920

0,968

5,3%

5,00

Rozendaal

1,002

1,019

1,6%

4,10

Ubbergen

0,997

0,983

-1,4%

2,85

Westervoort

0,923

0,952

3,1%

2,00

Wijchen

0,918

0,942

2,6%

2,00

Zevenaar

0,964

0,994

3,1%

3,20

GOED

< 0,94

0

< 1,0%

0

KRITISCH

0,94-1,04

0-5

1,0 % -5,0%

0-5

SLECHT

> 1,04

5

> 5%

5

GEMEENTE

Renkum en Rozendaal hebben in 2012 de grootste relatieve zorgbehoefte. Het tempo waarin deze behoefte toeneemt is relatief laag. De snelheid waarmee de behoefte aan zorg groeit is het hoogst voor Millingen a/d Rijn, Mook en Middelaar en Rijnwaarden. In 2015 hebben naast Renkum en Rozendaal, ook Millingen, Mook en Middelaar en Rheden een relatieve zorgbehoefte > 1,0. Opvallend is verder dat voor de gemeenten Ubbergen voor wat betreft de relatieve zorgbehoefte de zorgbehoefte in 2015 afneemt. Arnhem en Nijmegen hebben in 2012 met afstand de laagste relatieve zorgbehoefte. In 2015 zijn de is dit nog steeds het geval.. 6.6

Leefbaarheid

Demografische krimp kan gevolgen hebben voor de leefbaarheid, met name als kansrijken, hoger opgeleiden en hogere inkomens een gemeente verlaten. Hierdoor kan de leefbaarheid in de verschillende buurten onder druk komen te staan. Met de KAPU-index kan op een efficiënte en


34/39


compacte wijze de leefbaarheid in beeld worden gebracht en kunnen de veranderingen over tijd inzichtelijk worden gemaakt. In tabel 19 is het percentage buurten voor de verschillende leefbaarheidsklassen (goed < 5, matig 5 10 en slecht > 10) voor de verschillende gemeenten in SRAN weergegeven voor twee jaargangen (2008 en 2010). Tabel 19:

Percentages buurten met KAPU-index klassen, situatie 2008 en 2010 KAPU-index klasse 2008

Gemeente

2010

Aantal buurten in de analyse

<5

5 - 10

> 10

<5

5 - 10

> 10

Arnhem

31%

51%

18%

26%

52%

22%

49,46 buurten

Beuningen

90%

10%

0%

87%

13%

0%

31, 23 buurten

Doesburg

100%

0%

0%

75%

25%

0%

* 2008 1 buurt

Duiven

100%

0%

0%

100%

0%

0%

7 buurten

Groesbeek

93%

7%

0%

93%

7%

0%

14 buurten

Heumen

100%

0%

0%

100%

0%

0%

13, 10 buurten

Lingewaard

95%

5%

0%

100%

0%

0%

19,14 buurten


100%

0%

0%

100%

0%

0%

1 buurt

Montferland

100%

0%

0%

100%

0%

0%

24, 20 buurten

Mook en Middelaar

100%

0%

0%

100%

0%

0%

6 en 4 buurten

Nijmegen

19%

76%

5%

19%

70%

11%

37 buurten

Overbetuwe

100%

0%

0%

100%

0%

0%

21, 15 buurten

Renkum

91%

9%

0%

89%

11%

0%

11, 9 buurten

Rheden

92%

8%

0%

92%

8%

0%

13, 13 buurten

Rijnwaarden

100%

0%

0%

100%

0%

0%

10, 11 buurten

Rozendaal

100%

0%

0%

100%

0%

0%

1 buurt

Ubbergen

88%

13%

0%

86%

14%

0%

8, 7 buurten

Westervoort

100%

0%

0%

83%

17%

0%

6 buurten

Wijchen

100%

0%

0%

100%

0%

0%

22, 16 buurten 21, 19 buurten

Zevenaar

95%

5%

0%

100%

0%

0%

Beoordeling

Goed

Matig

Slecht

Goed

Matig

Slecht

Arnhem en Nijmegen hebben de grootste differentiatie qua leefomgeving en leefbaarheid. Arnhem heeft percentueel meer “slechte” buurten, Nijmegen heeft meer “middelmatige” buurten. Voor het overige zijn er weinig gemeenten met noemenswaardige leefbaarheidsproblemen. Beuningen, Doesburg, Groesbeek, Renkum, Rheden en Westervoort kennen enkel buurten met een matige leefbaarheid. In totaal 11 gemeenten hebben uitsluitend buurten met een goede leefbaarheid. In tabel 20 zijn de veranderingen voor elk van de leefbaarheidcategorieën in percenten weergegeven voor de 20 gemeenten in de SRAN.


35/39


Tabel 20:

Verschillen in percentage buurten per KAPU-klasse, situatie 2008-2010 Δ-KAPU klasse 2008-2010 verschil

Gemeente

KAPU index SCORE

Δ-KAPU index SCORE

<5

5 - 10

> 10

Arnhem

-5%

1%

3%

4,8

0,4

Beuningen

-3%

3%

0%

0,7

0,2

Doesburg

-25%

25%

0%

1,3

1,3

Duiven

0%

0%

0%

0,0

0,0

Groesbeek

0%

0%

0%

0,4

0,0

Heumen

0%

0%

0%

0,0

0,0

Lingewaard

5%

-5%

0%

0,0

0,0


0%

0%

0%

0,0

0,0

Montferland

0%

0%

0%

0,0

0,0

Mook en Middelaar

0%

0%

0%

0,0

0,0

Nijmegen

0%

-5%

5%

4,6

0,5

Overbetuwe

0%

0%

0%

0,0

0,0

Renkum

-2%

2%

0%

0,6

0,1

Rheden

0%

0%

0%

0,4

0,0

Rijnwaarden

0%

0%

0%

0,0

0,0

Rozendaal

0%

0%

0%

0,0

0,0

Ubbergen

-2%

2%

0%

0,7

0,1

Westervoort

-17%

17%

0%

0,9

0,9

Wijchen

0%

0%

0%

0,0

0,0

Zevenaar

5%

-5%

0%

0,0

0,0

Voor de gemeenten Doesburg en Westervoort zijn de veranderingen het grootst. Hier is schijnbaar sprake van significante toename van het percentage buurten met een matige leefbaarheid. Dit percentage lijkt echter groot omdat er slechts een beperkt aantal buurten in deze gemeenten zijn (Doesburg 4, Westervoort 7). Feitelijk gaat het bij elk van deze gemeenten om één buurt. Voor sommige gemeenten is er sprake van verbetering. Dit is het geval voor Zevenaar en Lingewaard (geen buurten met matige leefbaarheid).


36/39


7

RESUME RESULTATEN

Voor de situatie met betrekking tot demografische krimp in de StadsRegio Arnhem Nijmegen zijn in algemene termen de volgende aspecten van toepassing:  De twee stadskernen Arnhem en Nijmegen kennen een relatief jonge bevolking. Economische activiteit en verhuismobiliteit zijn hier hoog. De werkgelegenheidskarakteristiek geeft aan dat de werkgelegenheid vooral te vinden is in de commerciële dienstverlening. De besteedbare inkomens per huishouden zijn het laagst. Hier vinden we ook buurten met “matige” tot “slechte” leefbaarheid.  De suburbane gemeenten ondergaan een “snelle” vergrijzing. De economische activiteit is hier overwegend laag. De besteedbare inkomens per huishouden zijn relatief hoog. In een aantal van deze gemeenten is de huizenmarkt in de “goede jaren” oververhit geraakt. Inmiddels is hier de kentering ingezet. Westervoort loopt demografisch gezien “leeg”. De werkgelegenheid is hier zeer laag.  De landelijke gemeenten hebben een wat hogere economische activiteit. Nijverheid is relatief belangrijk qua werkgelegenheid. Hierdoor zijn deze gemeenten kwetsbaar. De inkomens zijn overwegend wat lager in vergelijking met de suburbane gemeenten. De huizenmarkt is overwegend als normaal te classificeren.  14 gemeenten vertonen een of meer verschijnselen die getuigen van demografische krimp. In 7 gevallen betreft het een negatief migratiesaldo (leegloop). Vergrijzing speelt een rol bij 9 gemeenten. 6 gemeenten ondervinden bevolkingsafname en bij 2 gemeente is sprake van ontgroening.  Typische verschijnselen die mogelijk veroorzaakt kunnen worden door demografische krimp zijn aangetoond voor alle gemeenten.  Voor de gemeenten Westervoort, Renkum en Mook en Middelaar zijn de gecombineerde effecten dermate groot dat er sprake is van sterke demografische krimp. In deze gevallen is bevolkingsafname door leegloop een belangrijke oorzaak.  Bij Westervoort is leegloop een belangrijke factor die demografische krimp triggert. Deze leegloop is mogelijk het gevolg van het zeer lage aantal banen per productieve inwoner. Er is dus nauwelijks werk. De leegloop heeft ook een verslechtering van de woningmarkt tot gevolg, waarbij de ontwikkeling van de woningwaarde fors achterloopt op de verwachtingswaarde en er dus sprake is van relatieve waardevermindering. De doorstroom en de verhuismobiliteit zijn ondanks de relatief gunstige huizenprijzen laag. Er is bovendien sprake van een effect op de leefbaarheid.  Mook en Middelaar scoort minder goed voor isolement en krimpgevoeligheid. Er was sprake van oververhitting van de huizenmarkt, maar inmiddels is de zeepbel hier doorgeprikt en neemt de overwaardering snel af en dalen de huizenprijzen relatief snel. De doorstroom en de verhuismobiliteit zijn ondanks de momenteel relatief gunstige huizenprijzen zeer laag. Desondanks is leegloop van de gemeente een van de belangrijkste demografische processen. De werkgelegenheid is relatief laag. Mook en Middelaar is een van de drie gemeenten in de SRAN met de hoogste inkomens.  In de gemeenten Renkum wordt de bevolkingsafname hoofdzakelijk getriggerd door de zeer snelle vergrijzing. De woningmarkt is niet goed, de verhuismobiliteit laag en de behoefte aan gezondheidszorg is reeds hoog en zal nog verder toenemen.  Rozendaal, Rheden en Heumen hebben te maken met effecten die in verband gebracht kunnen worden met matige demografische krimp. Oorzaken en effecten verschillen per gemeente. Uit de analyse blijkt dat bij veertien gemeenten een of meerdere demografische krimpfenomenen zijn vastgesteld. Ondanks het feit dat de SRAN niet perifeer gelegen is in Nederland en de betreffende gemeenten relatief dicht bij grote steden liggen, is er sprake van krimpproblematiek die vergelijkbaar is met de perifere krimpgebieden. In het bijzonder is dit het geval voor de gemeente Westervoort. De score van Westervoort is vergelijkbaar met krimpgemeenten zoals Hulst en in mindere mate met Delfzijl. Aanbevolen wordt om als betreffende gemeenten (eventueel in samenwerking met de Regio) een visie te ontwikkelen over maatregelen die in de toekomst nodig zijn om de leefbaarheid op peil te houden. rapportnummer B1006/ R01 d.d. 9 oktober 2012

37/39


Met name van belang is om de bevolkingsdaling door migratie naar elders tot staan te brengen in Westervoort en Mook en Middelaar. De woningmarkt verslechtert en de verhuismobiliteit is hierdoor laag. Het aantrekken van werkgelegenheid kan bijvoorbeeld een belangrijke stap zijn om de situatie te verbeteren. In Renkum is het vooral vergrijzing die de krimp aanjaagt. Hierdoor is sprake van bevolkingsafname en kunnen overschotten ontstaan op de woningmarkt. Dalende prijzen kunnen op termijn een compensatie zijn voor uitval van de vraag. Dee verhuismobilteit is hier naar verhouding goed. Renkum is als woonomgeving zeer gewild waardoor het mogelijk is dat huishoudens van buiten de gemeente zich hier zullen vestigen.


38/39


8

CONCLUSIES EN AANBEVELINGEN

Samenvating en conclusies  Het Scoremodel Demografische Krimp (SCODEK) is een bruikbaar model is om de oorzaken en effecten van demografische krimp te kwantificeren en in de tijd te volgen.  SCODEK -2 is toegepast voor de StadsRegio Arnhem Nijmegen. De oorzaken en effecten van demografische krimp zijn gekwantificeerd en met elkaar in verband gebracht in de vorm van een risico-effect model.  Uit het onderzoek blijkt dat in de StadsRegio Arnhem Nijmegen een aantal gemeenten reeds de effecten van krimp ondervinden (Westervoort, Renkum, Mook en Middelaar en in mindere mate Heumen, Renkum en Rozendaal). De effecten zijn vergelijkbaar met de perifere krimpgebieden en worden veroorzaakt met name door migratie en hierdoor dalende bevolkingsaantallen. Met name in Westervoort is de situatie zorgelijk: er is sprake van een verslechterende woningmarkt en een lage doorstroom en verhuismobiliteit.  Aangezien deze gemeenten niet in perifere krimpgebieden gelegen zijn, maar in de nabijheid van economisch zeer vitale steden lijkt een oplossing voor de problematiek eenvoudiger dan voor de perifere krimpgebieden die vaak een gebrek hebben aan economische activiteit. Aanbevelingen  De StadsRegio Arnhem Nijmegen is krimpgevoelig vanwege de demografische karakteristieken van dit gebied. Vergrijzing speelt reeds een belangrijke rol in deze regio en de effecten hiervan merkbaar en meetbaar. Om deze reden wordt aanbevolen de effecten van krimp met behulp van SCODEK jaarlijks te actualiseren en opnieuw te kwantificeren. Zelfregulerende mechanismen spelen een belangrijke rol in een krimpsysteem (Complex Dynamisch Systeem). Hierdoor kan de ontwikkeling van de krimpproblematiek een andere wending nemen. Deze informatie is bovendien van vitaal belang voor het begrijpen van deze mechanismen. Door deze aanpak kunnen veranderingen in beeld worden gebracht, gealloceerd en gemonitoord.  Aanbevolen wordt om te bepalen welke maatregelen effectief kunnen zijn om de krimpproblematiek in met name Westervoort, Mook en Middelaar en Renkum, waar deze in sterke vorm is vastgesteld, aan te pakken.  Voor Westervoort en Mook en Middelaar kan bestrijding relatief eenvoudig en effectief zijn. De gemeenten zijn niet ongunstig gelegen in de regio, in de nabijheid van twee economisch sterke steden. Het afremmen van de migratie naar buiten lijkt hierin een belangrijke stap te zijn. De lage werkgelegenheid in beide gemeenten werkt deze migratie mogelijk in de hand. Aantrekken van economische activiteit kan mogelijk oplossing bieden. Het verdient aanbeveling om eventuele stappen in overleg met de regio te nemen zodat de gevolgen niet afgewenteld worden op andere gemeenten in de regio. Het SCODEK-model, waarin ook gekeken wordt naar de onderlinge samenhang tussen de verschillende indicatoren, kan van nut zijn bij het optimaliseren van passende maatregelen.  Voor Renkum is vergrijzing het belangrijkste probleem. Hier is sprake van een voor vestiging gewilde gemeente. Indien de huizenprijzen verder dalen zal de woningmarkt weer aantrekken en huishoudens van buiten de gemeente aantrekken.


39/39


BIJLAGEN



Bijlage 1:

Oorzaakindicator





Bijlage 2:

Effect indicatoren

















Bijlage 3:

Score SCODEK model




KRIMP in SRAN (stadsregio Arnhem-Nijmegen) Analyse van oorzaken en effecten met behulp van SCODEK

Recommend Documents