VEILIGHEID DOOR SAMENWERKEN
LEREN OVER HET LOKALE INBRAAKRISICO Verslag van een onderzoek
VOORWOORD We willen deelnemers aan workshops en seminars aan Goethe Universität Frankfurt, University College London, Erasmus Universiteit Rotterdam, Aarhus Universitet, Centraal Planbureau, Ruhr Universität Bochum en Universität Essen bedanken voor hun suggesties. Het Centraal Bureau voor de Statistiek zijn wij erkentelijk voor de inzage in de gegevens van de Integrale Veiligheidsmonitor (IVM) 2008-2011 en de Gemeentelijke Basisadministratie (GBA). Tot slot willen we Karin Bongers en Lilian Tieman van het Centrum voor Criminaliteitspreventie en Veiligheid (CCV) bedanken voor hun commentaar en voor de financiële bijdrage aan de kosten voor de gegevens ten behoeve van dit onderzoek. Martin Salm en Ben Vollaard
INLEIDING Stel dat het lokale inbraakrisico verandert, hoe snel past de risico inschatting van bewoners zich vervolgens aan de nieuwe situatie aan? En wat vertelt dit ons over hoe percepties van het inbraakrisico gevormd worden? In dit rapport doen we verslag van een empirisch onderzoek naar deze vragen. De vraag hoe snel mensen een goed idee hebben van het lokale inbraakrisico is relevant, omdat risicoperceptie een belangrijke factor is bij het nemen van preventiebeslissingen. De risicoperceptie is niet de enige factor (denk ook aan de neiging om preventiemaatregelen van anderen te kopiëren en aan de moeilijkheid om de risicoperceptie te vertalen in actie), maar het is wel een belangrijke. Als mensen langzaam leren over het risico, dan bestaat er gedurende langere tijd een kloof tussen de daadwerkelijke situatie en hun inschatting daarvan. Preventiebeslissingen op basis van onjuiste informatie kunnen resulteren in hoger slachtofferschap van woninginbraak, wat leidt tot hoge kosten voor het individu en de maatschappij.
EEN VERHUIZING ALS NATUURLIJK EXPERIMENT Om te bestuderen hoe snel mensen een goed idee hebben van het lokale risico, stellen we idealiter een groep mensen gedurende langere tijd bloot aan een willekeurig gekozen verandering in het inbraakrisico. Vervolgens vergelijken we de ontwikkeling van hun risico inschatting met dat van een vergelijkbare groep mensen waarvoor het risico niet verandert. De vraag is dan hoe snel de perceptie van het risico zich aanpast aan de nieuwe situatie. Een dergelijk experiment is niet eenvoudig te realiseren, omdat we mensen niet zomaar bloot kunnen stellen aan een willekeurig gekozen inbraakrisico. Dat zou ook op ethische bezwaren stuiten, gegeven de vaak grote emotionele gevolgen van een inbraak. Een gebeurtenis die het bovenstaande experiment benadert, is een verhuizing. Na een verhuizing kunnen burgers belanden in een buurt met een ander inbraakrisico. Dit varieert namelijk sterk per locatie, al speelt ook iemands levensstijl een rol (Vollaard en Koning 2009). Het verschil tussen een verhuizing en een echt experiment is dat de verandering in het risico niet willekeurig is. De verandering is het resultaat van een keuze om naar een bepaalde plaats te verhuizen. Bij een verhuizing is dus zowel de grootte van de verandering in het risico als de groep mensen die bloot wordt gesteld aan de verandering niet willekeurig gekozen. Om deze reden vergelijken we alleen mensen die naar dezelfde wijk zijn verhuisd. Zij zijn onderling vergelijkbaar, want zij hebben een soortgelijke keuze gemaakt. Omdat we bewoners niet kunnen volgen na hun verhuizing, analyseren we hoe de risicoperceptie binnen een cohort van verhuizers verandert na het moment van verhuizen. We nemen alle cohorten gedurende dezelfde periode waar. Sommige cohorten zijn dan net verhuisd; andere cohorten al eerder. Cohorten kunnen onderling verschillen, bijvoorbeeld omdat in een gespannen woningmarkt gemiddeld genomen andere mensen verhuizen dan in een slappe woningmarkt. Daar kunnen we voor corrigeren (hierover later meer). Als referentiegroep gebruiken we de lokale bewoners die al lange tijd in deze wijk wonen. Zowel de bestaande bewoners als de verhuisde personen hebben een perceptie van het inbraakrisico in hun wijk. Daarom ligt het voor de hand om de bestaande wijkbewoners als referentiegroep te gebruiken.
THEORIE Als nieuwelingen in een wijk het lokale inbraakrisico direct correct zouden inschatten, zoals gebruikelijk verondersteld in modellen van criminaliteit (Ehrlich, 1981 en 1996), dan zouden we geen verschil moeten zien met de risico inschatting van de bestaande wijkbewoners. Het gaat immers om een inschatting van het risico op inbraak in de eigen woonomgeving. Daarvoor zou het (bij afwezigheid van enige vertekening in de risicoperceptie) niet moeten uitmaken of iemand recent in de wijk is komen wonen of daar al langer woont. Zodra we de veronderstelling van directe en correcte aanpassing van de risicoperceptie loslaten, dan laten we toe dat recente verhuizers tijd nodig hebben om te leren. Als mensen hierbij systematische inschattingsfouten maken, dan is er gedurende bepaalde tijd wél een verschil te zien met bestaande bewoners. Hieronder werken we twee mogelijke inschattingsfouten uit die van toepassing kunnen zijn op de context van een verhuizing.
Inschatting leunt te sterk op inbraakrisico in oude situatie (‘anchoring and adjustment bias’) Allereerst zouden mensen na een verhuizing uit kunnen gaan van het inbraakrisico in de plaats waar ze vandaan komen, om dat vervolgens aan te passen op basis van informatie over de nieuwe woonplaats. Bij het gebruik van een dergelijke vuistregel voor het maken van de risico inschatting blijken mensen systematisch fouten te maken: de nieuwe inschatting wordt te veel bepaald door de oude situatie. Dit is de zogenoemde anchoring and adjustment bias (Tversky en Kahneman 1974). Bij een verhuizing van een relatief veilige plaats als Doorn naar een relatief onveilige plaats als Amsterdam zouden mensen volgens deze theorie in eerste instantie geneigd zijn het risico te onderschatten. Bij een verhuizing van een relatief onveilige plaats als Amsterdam naar een relatief veilige plaats als Doorn zouden mensen in eerste instantie het risico juist overschatten. Mettertijd past deze inschatting zich natuurlijk aan. Deze theorie biedt geen verklaring voor hoe dat gebeurt.
Inschatting leunt te sterk op gemak waarmee inbraak in nieuwe situatie is voor te stellen (‘availability bias’) Mensen zouden zich bij hun inschatting van het inbraakrisico ook te veel kunnen laten leiden door het gemak waarmee een inbraak in hun nieuwe woonplaats is voor te stellen. Het duurt een tijd voordat mensen horen over inbraken bij andere wijkbewoners, verdachte situaties zien, laat staan zelf slachtoffer worden van een inbraak. Mensen zouden volgens deze theorie gedurende deze periode van onwetendheid in eerste instantie geneigd zijn het risico te onderschatten. Dit is de zogenoemde availability bias (Tversky en Kahneman 1973). Vertaald naar woninginbraak: naarmate mensen meer informatie verzamelen over hoe het er werkelijk voorstaat, gaat hun inschatting convergeren met die van de bestaande wijkbewoners.
Het is net of mensen een voorraad ervaringen opbouwen. Net na de verhuizing is die voorraad klein; mettertijd wordt de voorraad opgebouwd. De risico inschatting past zich aan deze situatie aan. Daarbij maakt het niet uit of iemand van een relatief veilige plaats als Doorn naar een relatief onveilige plaats als Amsterdam verhuist of andersom. Natuurlijk hebben mensen wel een idee van het lokale inbraakrisico en weten zij dat dit hoger is in Amsterdam dan in Doorn, maar de neiging tot onderschatting zal bij beide typen verhuizingen bestaan.
Afwijking perceptie recent verhuisden ten opzichte van bestande bewoners
Figuur 1
Alternatieve theorieën over aanpassing perceptie lokale risico na verhuizing
I GEEN VERTEKENING
II ANCHORING AND ADJUSTMENT BIAS
Naa
r ve
ilig
er w
Tijd sinds verhuizing
oon
pla
ats
Tijd sinds verhuizing
ilige
Naar
ve inder
III AVAILABILITY BIAS
Tijd sinds verhuizing
s
plaat
woon
m
In bovenstaande figuur geven we de verschillende hypothesen schematisch weer. Op de horizontale as staat de tijd sinds verhuizing; op de verticale as de afwijking van de risicoperceptie van recent verhuisden ten opzichte van de bestaande bewoners. De meest linkse figuur geeft de situatie zonder enige vertekening van de perceptie weer. De middelste figuur laat zien dat als mensen zich gedragen volgens de anchoring en adjustment bias, de afwijking afhangt van het type verhuizing. De meest rechtse figuur laat zien dat er volgens de availability bias altijd een neiging tot onderschatting bestaat, los van het type verhuizing.
SCHATTINGSMETHODE We schatten hoe snel de inschatting van het lokale inbraakrisico van nieuwelingen convergeert met dat van de bestaande bewoners van de wijk. We leunen hierbij op methoden die zijn ontwikkeld in de immigratieliteratuur. Daarbij gaat het om methoden die gericht zijn op het in beeld brengen van de convergentie van lonen van immigranten met die van de lokale bevolking (Borjas 1995). In deze literatuur staat een soortgelijke onderzoeksvraag centraal en hebben de gebruikte gegevens soortgelijke kenmerken. We maken de volgende vergelijking: Perceptie lokale inbraakrisicoi = β Tijd sinds verhuizingi + γ Verhuisdi + Persoonlijke kenmerkeni λ + Cohort indicatorc µ + Wijk en enquêtejaar indicatort,n +εi Te verklaren variabele is Perceptie lokale inbraakrisico van respondent i. De variabele is 1 als de respondent zegt dat inbraak in de eigen buurt zeldzaam is en is anders 0. De verklarende variabele Tijd sinds verhuizing meten we per maand. We toetsen dus of het tenminste langer dan één maand duurt voordat percepties van de nieuwelingen zich aanpassen aan die van de bestaande bewoners. Parameter β is waar we primair in geïnteresseerd zijn: β geeft aan hoe de risicoperceptie varieert met de tijd sinds verhuizing. Het model is lineair, we gaan er dus van uit dat elke additionele maand een soortgelijke invloed heeft op de risicoperceptie.1 In hoeverre dit ook het geval is, onderzoeken we later in dit hoofdstuk met behulp van een grafische analyse. De variabele Verhuisd geeft aan of de respondent de afgelopen tien jaar een of meerdere malen is verhuisd. We houden rekening met Persoonlijke kenmerken van de respondent die zowel de tijd sinds verhuizing (via de verhuisgeneigdheid) als de risicoperceptie kunnen beïnvloeden. Het gaat om leeftijd, geslacht, huishoudgrootte, indicatoren voor hoogst behaalde opleiding (secundair, tertiair onderwijs), betaald werk voor meer dan 12 uur per week, eigen woningbezit en indicatoren voor het type woning (vrijstaand, rijtjeswoning, appartement). Om verschillen in risicoperceptie tussen cohorten van mensen die verhuisd zijn uit te sluiten, nemen we een indicator op die aangeeft in welk jaar iemand is verhuisd (Cohort indicator; zogenoemde cohort-fixed effects). Tot slot nemen we indicatoren op voor de wijk waar iemand naar verhuisd is en laten deze indicatoren variëren naar enquêtejaar (Wijk en enquêtejaar indicator; zogenoemde neighbourhood by survey year-fixed effects). Dankzij de wijkindicatoren vergelijken we mensen die recent zijn verhuisd alleen met andere mensen die de afgelopen jaren op dezelfde wijze zijn verhuisd en met de bestaande bewoners van de bewuste wijk. We laten vervolgens toe dat het lokale inbraakrisico verschilt tussen de enquêtejaren waarin we de cohorten waarnemen. Tot slot geeft ε de storingsterm aan. We clusteren de storingsterm naar wijk en enquêtejaar. 1
Een alternatieve schattingsmethode is multinomial logit, waarbij we de verschillende categorieën van het gepercipieerde risico gebruiken. Het is mogelijk om met deze methode indicatoren voor wijk en enquêtejaar te gebruiken. De schattingsresultaten blijken niet fundamenteel verschillend van het aanzienlijk sneller te schatten en eenvoudiger te interpreteren linear probability model dat we gebruiken.
GEBRUIKTE GEGEVENS Bron van gegevens over perceptie van het inbraakrisico is de Integrale Veiligheidsmonitor (IVM) voor de jaren 2008, 2009, 2010 en 2011. De IVM is een enquête die jaarlijks wordt afgenomen onder een willekeurig gekozen groep Nederlanders ouder dan 15 jaar. In oneven jaren gaat het om circa 200.000 respondenten, in even jaren om circa 50.000 respondenten. De omvang van de steekproef is uniek in de wereld: in geen enkel ander land benadert het aantal respondenten (ten opzichte van de bevolking) die van de IVM. Het Centraal Bureau voor de Statistiek (CBS) coördineert de uitvoering van de enquête. Deze wordt tussen 15 september en 31 december afgenomen. Ongeveer 40 procent van de benaderde personen is (soms na herhaalde pogingen) bereid om deel te nemen aan de enquête. In totaal hebben we gegevens van 550.440 respondenten. Dankzij een koppeling van de enquêtegegevens aan de Gemeentelijke Basisadministratie (GBA) is te achterhalen wanneer respondenten voor het laatst verhuisd zijn. De verhuisgegevens gaan terug tot 1995. In de analyse definiëren we mensen die recent verhuisd zijn: de laatste verhuizing is niet meer dan 10 jaar geleden. Het oudste cohort is dus in 1998 verhuisd; het meest recente cohort in 2010. In de gegevens worden de gevolgen van de kredietcrisis voor de huizenmarkt duidelijk zichtbaar. Vanaf 2009 nemen verhuisbewegingen duidelijk af. De daling is vooral te zien onder woningbezitters (zie ook ABF Research, 2013, p. 50). In de analyse gaan we terug tot het wijkniveau. We gebruiken de definitie van wijken van het Centraal Bureau voor de Statistiek. In 2011 telde Nederland in totaal 2.572 wijken. Het gemiddeld aantal inwoners per wijk was 6.475. Een kleine gemeente als Ten Boer (7.400 inwoners) telt twee wijken. Een provinciehoofdstad als Groningen (200.000 inwoners) telt 10 wijken. Een grote stad in de Randstad als Den Haag (500.000 inwoners) telt 44 wijken.
Tabel 1 geeft een overzicht van de in de analyse gebruikte variabelen. Tabel 1
Overzicht van gebruikte variabelen
RECENT VERHUISDEN VOLLEDIGE STEEKPROEF gemiddelde standaard gemiddelde standaard - deviatie - deviatie
Risicoperceptie ‘Woninginbraak is zeldzaam in deze buurt’
0,422
0,493
0,387
0,487
Persoonlijke kenmerken Leeftijd Geslacht
42,581 15,323 49,017 17,423 0,531 0,499 0,537 0,498
Huishoudgrootte
2,620 1,230 2,623 1,229
Hoogst behaalde opleiding: secundair onderwijs
0,366
0,481
0,370
0,482
Idem: tertiair onderwijs
0,431
0,495
0,303
0,459
Betaald werk voor tenminste 12 uur per week
0,674
0,468
0,546
0,497
Woningbezitter
0,717 0,450 0,677 0,467
Woont in vrijstaande woning
0,162
0,368
0,170
0,375
Woont in rijtjeshuis
0,502
0,499
0,535
0,498
0,470
0,285
0,451
Woont in appartement
0,330
Aantal maanden sinds verhuizing
61,061
33,236
1,828
1,221
Aantal malen verhuisd afgelopen 10 jaar
Aantal waarnemingen
79.738
550.444
Gebaseerd op enquêtegegevens uit de IVM voor de jaren 2008-2011, gekoppeld aan het GBA. Recent verhuisden zijn respondenten voor wie de laatste verhuizing niet meer dan 10 jaar geleden is.
SCHATTINGSRESULTATEN Grafische analyse In de schattingsvergelijking gaan we uit van een lineair verband tussen de tijd sinds verhuizing en de risicoperceptie. Om te onderzoeken of dit een goede benadering is, voeren we eerst een grafische analyse uit. Daarbij schatten we voor elk jaar sinds het moment van verhuizing het verschil in risicoperceptie van de verhuisde personen met die van de bestaande wijkbewoners. Het enige wat aan de schattingsvergelijking verandert, is dat we parameter β vervangen door een verzameling indicatoren die het aantal jaren na het moment van verhuizing weergeeft.
‘inbraak in buurt zeldzaam’ (%) ten opzichte van lokale bewoners
Figuur 2
Percentage verhuisden eens met stelling ‘Woninginbraak is zeldzaam in deze buurt’ ten opzichte van bestaande bewoners (zonder vaste effecten voor cohorten)
0,16
1998 1999 2000
0,12
2001 2002
0,08
2003 2004
0,04 0,00
2005 2006
0
1
2
3
4
5
6
7
8
9
10
tijd sinds verhuizing (jaren)
2007 2008 2009 2010 2011
‘inbraak in buurt zeldzaam’ (%) ten opzichte van lokale bewoners
Figuur 2 geeft de schattingsresultaten weer. Op de horizontale as staat het aantal jaren sinds het moment 0,20van verhuizing. Op de verticale as staat het gemiddelde verschil in risicoperceptie tussen personen die naar eenzelfde wijk zijn verhuisd en de bestaande wijkbewoners. Voor nog meer flexibiliteit de 0,16 laten we de vaste effecten voor cohorten uit de schattingsvergelijking. We dwingen veilig - veilig verschillende cohorten dus niet om op één lijn te liggen. onveilig - veilig
0,12
onveilig - onveilig veilig - onveilig
0,08 0,04 0,00
0
1
2
3
4
5
6
7
8
9
10
‘inbraak in buurt zeldzaam’ (%) ten opzichte van lokale bewoners
De figuur laat duidelijk zien dat de ontwikkeling van de risicoperceptie voor zo goed als elk cohort 1998 0,16 negatief is. Naarmate mensen langer in een plaats wonen, zijn zij het minder vaak eens met de 1999 stelling0,12 dat inbraak in de buurt zeldzaam is. Nieuwelingen in de wijk schatten de kans op inbraak2000 2001 veel lager in dan de overige bewoners. Het gaat om een verschil van meer dan 30 procent 2002 (0.12 gedeeld 0,08 door het gemiddelde van 0.38). Na 10 jaar is dit verschil zo goed als verdwenen. 2003 De opgedane negatieve indrukken cumuleren dus over deze periode van 10 jaar. Dit suggereert dat 2004 het niet0,04 om vluchtige indrukken gaat. 2005 2006
0,00
Eén belangrijke kunnen kost jaren 2007 en 0 conclusie 1 2 3we nu al4 trekken: 5 leren6 over het 7 lokale 8 inbraakrisico 9 10 2008 indrukken die de risicoperceptie voeden blijven jaren hangen. tijd sinds verhuizing (jaren)
2009
‘inbraak in buurt zeldzaam’ (%) ten opzichte van lokale bewoners
Figuur 3
Percentage verhuisden eens met stelling ‘Woninginbraak is zeldzaam in deze buurt’ ten opzichte van 2010 2011 bestaande bewoners, naar type verhuizing (met vaste effecten voor cohorten)
0,20 0,16
veilig - veilig onveilig - veilig
0,12
onveilig - onveilig veilig - onveilig
0,08 0,04 0,00
0
1
2
3
4
5
6
7
8
9
10
tijd sinds verhuizing (jaren)
‘inbraak in buurt zeldzaam’ (%) ten opzichte van lokale bewoners
Een wijk met een niveau van vermogenscriminaliteit beneden het nationale gemiddelde wordt aangeduid als ‘veilig’; een wijk0,14 met een niveau van vermogenscriminaliteit boven het nationale gemiddelde wordt aangeduid als ‘onveilig’. 0,12
binnen zelfde wijk andere wijk, zelfde gemeente
In Figuur 0,1 3 laten we toe dat aanpassing van de perceptie van het buurtrisico verschilt naar type andere gemeente, zelfde provincie verhuizing. Zoals besproken zou dit volgens de anchoring-and-adjustment bias uit moeten maken andere provincie voor de0,08 vertekening van de risicoperceptie. We onderscheiden vier typen verhuizingen: (1) van een wijk met een benedengemiddeld criminaliteitsniveau naar een wijk met een bovengemiddeld 0,06 criminaliteitsniveau; (2) van een wijk met een bovengemiddeld criminaliteitsniveau naar een wijk 0,04 met een bovengemiddeld criminaliteitsniveau; (3) van een wijk met een bovengemiddeld 0,02
criminaliteitsniveau naar een wijk met een benedengemiddeld criminaliteitsniveau; (4) van een wijk met een benedengemiddeld criminaliteitsniveau naar een wijk met een benedengemiddeld criminaliteitsniveau. Voor het bepalen van het criminaliteitsniveau in een wijk gebruiken we het slachtofferschap van alle vormen van vermogenscriminaliteit. Het slachtofferschap van inbraak is hier sterk mee gecorreleerd. Reden om niet alleen naar het inbraakrisico te kijken, is dat zelfs met een totale steekproefgrootte van meer dan een half miljoen personen het inbraakrisico op het niveau van een wijk vaak niet voldoende betrouwbaar is vast te stellen.2 In de figuur duiden we een benedengemiddeld criminaliteitsniveau aan als ‘veilig’ en een bovengemiddeld criminaliteitsniveau als ‘onveilig’. Voor de helderheid voegen we in de schattingen vaste effecten toe voor de cohorten; we dwingen nu de aanpassing van de risicoperceptie op één lijn te liggen. De figuur laat zien dat de risicoperceptie in alle gevallen negatiever wordt na een verhuizing. Dit is een belangrijke bevinding, want dit suggereert dat de anchoring-and-adjustment bias niet opgaat. Er lijkt geen sprake te zijn van een vertekening in de risico inschatting doordat mensen te sterk uitgaan van de situatie in hun vorige woonplaats. Dan zouden we immers moeten zien dat de risicoperceptie zich na het moment van verhuizing in ongunstige zin aanpast bij een verhuizing van een wijk met een benedengemiddeld criminaliteitsniveau naar een wijk met een bovengemiddeld criminaliteitsniveau en in gunstige zin bij een verhuizing van een wijk met een bovengemiddeld criminaliteitsniveau naar een wijk met een benedengemiddeld criminaliteitsniveau. Wat we nu vinden, is veel meer in lijn met de availability bias: de risico inschatting is vertekend, omdat mensen zich te veel laten leiden door het gemak waarmee inbraak in de nieuwe woonplaats is voor te stellen. Mensen die net zijn verhuisd, hebben schijnbaar nog weinig weet van inbraken in hun nieuwe buurt. Ze schatten de situatie daarom gunstiger in dan de bestaande bewoners. We kunnen nu een tweede belangrijke conclusie trekken: na een verhuizing onderschatten mensen systematisch het inbraakrisico. Daarbij maakt het niet uit of het criminaliteitsniveau in de nieuwe woonplaats hoger of lager ligt dan in de oude woonplaats.
2
De reden is dat in sommige gebieden relatief meer mensen zijn geënquêteerd dan in andere gebieden. Gemeenten hadden de vrijheid om extra waarnemingen in te kopen. Dit doen zij over het algemeen in oneven jaren, vandaar de grote steekproef in de oneven jaren. Maar niet elke gemeente maakt in dezelfde mate van deze optie gebruik.
Statistische toets op de resultaten Als tweede stap in de empirische analyse voeren we een statistische toets uit op het hierboven gevonden verband tussen risicoperceptie en de tijd sinds verhuizing. Dat doen we aan de hand van de eerder gepresenteerde schattingsvergelijking. De grafische analyse heeft laten zien dat een lineair model een goede benadering vormt van de relatie. De schattingsresultaten zijn in Tabel 2 weergegeven. Tabel 2
Effect van tijd sinds verhuizing op perceptie van verhuisden van het lokale inbraakrisico ten opzichte van bestaande bewoners, naar type verhuizing (1)
Te verklaren variabele: ‘Woninginbraak is zeldzaam in deze buurt’ (% eens) Maanden sinds verhuizing * veilig-veilig verhuizing
(1) (2) -0,8735 (0,0757)***
-1,4318 (0,1622)***
Maanden sinds verhuizing * onveilig-veilig verhuizing
-0,7436 (0,0890)***
-1,3024 (0,1616)***
Maanden sinds verhuizing * veilig-onveilig verhuizing
-0,4418 (0,1154)***
-0,9911 (0,1807)***
Maanden sinds verhuizing * onveilig-onveilig verhuizing
-0,5858 (0,1012)***
-1,1375 (0,1666)***
Cohort-vaste effecten
nee
ja
Aantal waarnemingen
447.487
447.487
Gebaseerd op enquêtegegevens uit de IVM voor de jaren 2008-2011, gekoppeld aan het GBA. Coëfficiënten zijn vermenigvuldigd met een factor 1.000. Schattingsresultaten voor verhuisindicator, persoonlijke kenmerken, cohort indicatoren en wijk-en-enquêtejaar indicatoren zijn niet weergegeven. Tussen haakjes standaardfouten geclusterd naar wijk en enquêtejaar. ***, **, * geven statistische significantie aan op het 1, 5 en 10 procent niveau. (1) Een wijk met een niveau van vermogenscriminaliteit beneden het nationale gemiddelde wordt aangeduid als ‘veilig’; een wijk met een niveau van vermogenscriminaliteit boven het nationale gemiddelde wordt aangeduid als ‘onveilig’.
In de eerste kolom van Tabel 2 schatten we geen vaste effecten voor cohorten mee. We gaan er dan van uit dat cohorten niet verschillen op niet-waargenomen kenmerken – althans niet op een manier die hun risicoperceptie beïnvloedt. In lijn met de resultaten van de grafische analyse zien we voor alle typen verhuizingen een duidelijk negatief verband tussen de tijd sinds verhuizing en de risicoperceptie. Alle geschatte coëfficiënten zijn statistisch significant verschillend van nul op het 1 procent niveau. In de tweede kolom schatten we ook vaste effecten voor cohorten mee. Dit vergt het uiterste van onze gegevens, omdat we cohorten maximaal maar gedurende vier jaar waarnemen. De moeilijkheid is verschillen tussen cohorten niet te verwarren met hun verschillende tijd sinds verhuizing. De resultaten blijken opnieuw statistisch significant en het geschatte effect wordt eerder groter dan kleiner. Kortom, de resultaten van de grafische analyse doorstaan ook deze statistische toets.
NADERE INTERPRETATIE VAN DE RESULTATEN De resultaten suggereren dat mensen zich bij de inschatting van het inbraakrisico te veel laten leiden door het gemak waarmee inbraak in de nieuwe woonplaats is voor te stellen. Het lijkt er op dat de risicoperceptie is gebaseerd op de voorraad indrukken en ervaringen die iemand heeft. Deze voorraad is lokaal bepaald. Na een verhuizing wordt op ‘reset’ gedrukt. De voorraad indrukken en ervaringen gerelateerd aan inbraken in de nieuwe woonplaats is dan tijdelijk op een laag niveau en dat vertaalt zich in een te lage inschatting van het inbraakrisico. Mettertijd worden meer indrukken en ervaringen opgedaan en wordt de kloof tussen de perceptie en de werkelijke situatie kleiner. Als deze ‘voorraadtheorie’ klopt, dan zouden we ook moeten zien dat de vertekening van de risicoperceptie kleiner is voor verhuizingen dichtbij dan voor verhuizingen veraf. Bij een verhuizing over korte afstand is het voor te stellen dat de opgedane voorraad indrukken en ervaringen voor een deel relevant blijft, waardoor de vertekening in de risicoperceptie kleiner zou zijn dan voor verhuizingen waarbij de voorraad ervaringen en indrukken wel hun relevantie verliezen. Dat is eenvoudig te toetsen: we kunnen met de gebruikte gegevens vier typen verhuizingen onderscheiden: binnen dezelfde wijk; naar een andere wijk, maar binnen dezelfde gemeente; naar een andere gemeente, maar dezelfde provincie; naar een andere provincie. Onze gegevens staan niet toe om naar een lager geografisch niveau af te dalen dan de wijk. Zoals aangegeven in de paragraaf over gebruikte gegevens is een wijk nog een redelijk groot gebied, met gemiddeld 6.475 inwoners. In een stad kan een wijk gemakkelijk drie of vier buurten omvatten. Ook een verhuizing binnen een wijk kan dus een verandering van woonomgeving betekenen, maar het is aannemelijk dat de schok kleiner is dan bij een verhuizing naar een andere wijk of een andere gemeente.
‘inbraak i ten opzicht
veilig - onveilig
0,08 0,04 0,00
Figuur 4
0
1
2
3
4
5
6
7
8
9
10
tijd sinds verhuizing (jaren) Percentage verhuisden eens met stelling ‘Woninginbraak is zeldzaam in deze buurt’ ten opzichte van bestaande bewoners, naar type verhuizing (met vaste effecten voor cohorten)
‘inbraak in buurt zeldzaam’ (%) ten opzichte van lokale bewoners
0,14 binnen zelfde wijk
0,12
andere wijk, zelfde gemeente
0,1
andere gemeente, zelfde provincie andere provincie
0,08 0,06 0,04 0,02 0
1
2
3
4
5
6
7
8
9
10
-0,02 tijd sinds verhuizing (jaren)
Figuur 4 laat de relatie tussen de risicoperceptie en de tijd sinds verhuizing zien voor de vier verschillende typen verhuizingen. We zien duidelijk dat de mate van vertekening van de risicoperceptie kleiner is voor verhuizingen binnen dezelfde wijk dan voor verhuizingen over een grotere afstand. De resultaten suggereren dat het voor de vertekening van de risicoperceptie niet veel uitmaakt of het gaat om een verhuizing naar een andere wijk, andere gemeente of zelfs andere provincie. Figuur 4 maakt een alternatieve interpretatie van onze resultaten onwaarschijnlijk. De vertekening van de risicoperceptie na een verhuizing zou ook het resultaat kunnen zijn van de neiging om gemaakte keuzes te rechtvaardigen. Dit staat bekend als de zogenoemde choice-supportive bias (Mather en Johnson 2000). Een verhuizing is een belangrijke keuze en het zou kunnen zijn dat mensen de situatie na hun verhuizing met opzet te rooskleurig zien om hun keuze te recht vaardigen. Dat onze resultaten een geleidelijk aanpassingsproces van 10 jaar laten zien, maakt deze alternatieve interpretatie al wat minder waarschijnlijk. Maar het sterke verband tussen de vertekening van de risicoperceptie en de afstand van de verhuizing maakt deze interpretatie onwaarschijnlijk. Een laatste aanwijzing dat de choice-supportive bias geen goede verklaring vormt voor onze resultaten is dat de door ons gevonden vertekening in de risicoperceptie in het geheel niet blijkt af te hangen van de leeftijd van de respondent (resultaten op verzoek verkrijgbaar van de auteur). Uit onderzoek blijkt namelijk dat ouderen meer neigen tot de choice-supportive bias dan jongeren (Mather en Johnson 2000).
Wat betekenen onze resultaten voor de inschatting van het inbraakrisico voor mensen die niet verhuizen? Als de voorraad opgedane indrukken en ervaringen inderdaad sterk bepalend zijn voor de risicoperceptie, dan zou meer algemeen gelden dat de risicoperceptie vertraagd reageert op een schok in het inbraakrisico. Als het inbraakrisico plotseling stijgt, dan reflecteert de voorraad indrukken en ervaringen nog de oude, veiliger situatie. In dat geval zijn mensen geneigd het inbraakrisico te onderschatten. Bij een plotselinge daling van het risico zouden mensen geneigd zijn het risico te overschatten. Onze analyse suggereert dat het jaren kan duren eer de risico inschatting weer in lijn is met het daadwerkelijke risico. Dit vertekende beeld van het risico kan een aanleiding vormen voor preventiebeleid, omdat het kan resulteren in een preventieniveau dat niet in overeenstemming is met de voorkeuren van het individu en de maatschappelijke welvaart verlaagt.
REFERENTIES • ABF Research, 2013, Wonen in ongewone tijden. De resultaten van het Woononderzoek Nederland 2012, rapport voor het ministerie van Binnenlandse Zaken en Koninkrijksrelaties, Delft. • Borjas, George, 1995, Assimilation and changes in cohort quality revisited: what happened to immigrant earnings in the 1980s?, Journal of Labor Economics, 13 (2), 201-245. • Dijk, Jan J.M. van en Ben A. Vollaard, 2012, Self-limiting crime waves, in: Jan J.M. van Dijk, Andromachi Tseloni, Graham Farrell (red.), The International Crime Drop: New Directions in Research, Palgrave MacMillan, New York, 250-267. • Ehrlich, Isaac, 1981, On the usefulness of controlling individuals: an economic analysis of rehabilitation, incapacitation and deterrence, American Economic Review, 71 (3), 307-322. • Ehrlich, Isaac, 1996, Crime, Punishment, and the Market for Offenses, Journal of Economic Perspectives, 10 (1), 43-67. • Mather, Mara en Marcia K. Johnson, 2000, Choice-supportive source monitoring: do our decisions seem better to us as we age?, Psychology and Aging, 15 (4), 596–606. • Salm, Martin en Ben Vollaard, 2014, Learning about risk in a new environment, mimeo, Universiteit Tilburg. • Tversky, Amos en Daniel Kahneman, 1973, Availability: a heuristic for judging frequency and probability, Cognitive Psychology, 5, 207-232. • Tversky, Amos en Daniel Kahneman, 1974, Judgment under uncertainty: heuristics and biases, Science, 185, 1124–1130. • Vollaard, Ben en Pierre Koning, 2009, The effect of police on crime, disorder and victim precaution. Evidence from a Dutch victimization survey, International Review of Law and Economics, 29 (4), 336-48.
CENTRUM VOOR CRIMINALITEITSPREVENTIE EN VEILIGHEID
Het Centrum voor Criminaliteitspreventie en Veiligheid (CCV) draagt bij aan de maatschappelijke veiligheid door met partners integrale aanpakken te ontwikkelen en een brede implementatie daarvan te bevorderen. Het CCV zorgt voor ondersteuning en afstemming op maat, gericht op de lokale praktijk. MEER INFORMATIE
Heeft u na het lezen van deze brochure nog vragen, neem dan contact op met het CCV. Centrum voor Criminaliteitspreventie en Veiligheid (CCV) Churchilllaan 11, 3527 GV Utrecht Postbus 14069, 3508 SC Utrecht www.hetccv.nl
Eindredactie: Centrum voor Criminaliteitspreventie en Veiligheid Vormgeving: CO3 grafisch ontwerpers. Fotografie: Inge van Mill. © Het CCV, april 2014.
Stichting Centrum voor Criminaliteitspreventie en Veiligheid (CCV) draagt bij aan de maatschappelijke veiligheid door het stimuleren van publiek-private samenwerking, actieve kennisdeling van de veiligheidspraktijk en kwaliteitsontwikkeling van instrumenten en regelingen.