Welke factoren zijn van invloed op armoede in Zuid-Afrika?

Welke factoren zijn van invloed op armoede in Zuid-Afrika?

26-06-2009 BA-Project Sociologie Erlyn Hesseling

3121232

Begeleidster

Karien Dekker

2e beoordelaar

Anca Minescu

Inhoudsopgave 1. Inleiding 1.1 Probleemstelling 1.2 Maatschappelijke relevantie 1.3 Wetenschappelijke relevantie 1.4 Opbouw 2. Eerder onderzoek 2.1Onderzoeksmethoden en maatstaven 2.1.1 Household surveys 2.1.2 Landenvergelijking 2.1.3 Combinatie onderzoek 2.1.4 Armoede grens in Zuid Afrika 2.1.5 Armoede en ras 2.2 Factoren en hypotheses 2.2.1 Gender 2.2.2 Gezinsgrootte 2.2.3 Opleiding 2.2.4 “Assets” 2.2.5 Stad/platteland 2.2.6 Etniciteit 2.3 Conclusie 3. Survey 4. Operationalisering 4.1 Afhankelijke variabele 4.2 Onafhankelijke variabelen 4.2.1 Gender 4.2.2 Grootte van het huishouden 4.2.3 Opleidingsniveau 4.2.4 “Assets” 4.2.5 Platteland/metro/stad 4.2.6 Etniciteit 4.3 Onderzoeksmethode 5. Beschrijving variabelen 6. Regressie model 7. Verklaring 8. Discussie 9. Conclusie 10. Literatuur

3 3 4 4 4 6 6 7 8 8 9 9 9 10 11 11 12 13 14 15 17 18 18 19 20 20 20 21 22 22 22 24 27 31 34 35 37

2

1. Inleiding 1.1 Probleemstelling In Zuid-Afrika zijn er een aantal ernstige sociale problemen, namelijk criminaliteit, werkloosheid en armoede. Dit onderzoek gaat over de verschillende factoren die van invloed zijn op armoede in Zuid-Afrika. Als er onderzoek wordt gedaan naar een situatie in de ZuidAfrikaanse samenleving moet altijd rekening worden gehouden met het historische gegeven van de apartheid. Het beleid van de apartheidsregeringen is diep in de samenleving doorgedrongen. Dit onderzoek zal proberen een beeld te schetsen van welke factoren van invloed waren op armoede aan de vooravond van een democratisch Zuid-Afrika en daarbij rekening houdend met de invloed van apartheid (Deegan 2001; Butler 2004). De centrale vraag in dit onderzoek is: Welke factoren zijn van invloed op armoede in ZuidAfrika? Hierbij wordt gekeken naar gender, gezinsgrootte, opleidingsniveau, assets, locatie (platteland/stad) en etniciteit. Assets zijn hulpmiddelen die ingezet kunnen worden om inkomen te genereren. Er is voor deze factoren gekozen omdat deze vaak naar voren komen in de literatuur van andere onderzoekers. In andere Afrikaanse landen zijn verbanden aangetoond tussen deze factoren en armoede: in dit onderzoek wordt gekeken of er in ZuidAfrika sprake is van vergelijkbare verbanden. Voor het onderzoek wordt gebruik gemaakt van de dataset Project for Statistics on Living Standards and Development (PSLSD) 1993 van de University of Capetown. Het voordeel van de dataset is dat deze zeer groot is. Er zijn meer dan 40.000 respondenten opgenomen in de dataset. Daarnaast werden er in de vragenlijst heel veel verschillende aspecten van het dagelijks leven behandeld. Een ander voordeel is, is dat de vragenlijst in een hele interessante periode is afgenomen, namelijk de periode tussen apartheid en invoering van democratie. Sommige datasets zijn te specifiek gericht op één aspect van armoede. Andere datasets zijn zo uitgebreid dat ze alleen oppervlakkige informatie geven die niet diepgaand genoeg is om goed onderzoek mee te doen. De verschillende hypotheses in dit onderzoek zullen getoetst worden door middel van een regressie analyse. Hiermee kan getoetst worden welke invloed de factoren hebben op armoede. 3

1.2 Maatschappelijke relevantie Zuid Afrika heeft al jaren problemen met armoede en werkloosheid. Een deel van de oorzaken van deze problemen komen voort uit de apartheidsjaren. Er is veel onderzoek gedaan naar de oorzaken van armoede in Zuid-Afrika voor en na de apartheid, maar wat gebeurde er eigenlijk in de overgangsperiode? Het Zuid-Afrika van nu is gebouwd op de apartheidsjaren maar ook op de periode tussen apartheid en de democratische periode. Na criminaliteit is armoede en werkloosheid het grootste maatschappelijke probleem in Zuid-Afrika. Het is daarom interessant om te onderzoeken hoe de situatie met betrekking tot armoede was aan de vooravond van de eerste democratisch gekozen regering omdat dit nieuwe inzichten kan opleveren die gebruikt kunnen worden om armoede te bestrijden. Als bijvoorbeeld blijkt dat mensen zonder opleiding armer zijn dan mensen met een opleiding dan kan de regering investeren in het onderwijs om zo het armoedeprobleem op te lossen (Deegan 2001; Butler 2004).

1.3 Wetenschappelijke relevantie Er zijn twee problemen met eerdere onderzoeken. Het eerste probleem is dat onderzoeken naar armoede vaak te breed zijn opgezet. Omdat er bijvoorbeeld naar het hele Afrikaanse continent wordt gekeken, terwijl er enorme verschillen tussen landen zijn. Een ander probleem is dat er heel weinig onderzoek is gedaan naar de periode tussen apartheid en de eerste democratische regering. Vier jaar lang was er een overgangsregering en er is weinig onderzoek gedaan naar armoede in die periode. Het is daarom belangrijk om dit onderzoek te doen omdat het een beeld zal geven van armoede in de overgangsperiode. Maar de belangrijkste reden om dit onderzoek te doen is dat er een gebrek is aan uitgebreid onderzoek dat rekening houdt met alle factoren (gender, gezinsgrootte, opleidingsniveau, assets, locatie (platteland/stad) en etniciteit) en deze samenvoegt in één model. Eerder onderzoek kijkt wel naar de invloed van bijvoorbeeld assets op armoede, maar houdt daarbij geen rekening met het effect van gender of opleidingsniveau. Dit onderzoek zal kijken naar alle verschillende factoren tegelijkertijd (Deegan 2001; Butler 2004).

1.4 Opbouw Ten eerste zal er in dit onderzoek gekeken worden naar hoe andere onderzoekers onderzoek hebben gedaan naar armoede. Hierbij zullen ook de bevindingen die uit deze onderzoeken besproken worden samen met de hypotheses die, aan de hand van eerdere bevindingen, opgesteld kunnen worden. Hierna zal kort de dataset besproken worden. Vervolgens zal de 4

operationalisering van dit onderzoek behandeld worden. Daarna worden de verschillende variabelen in dit onderzoek beschreven. Dit wordt gevolgd door de resultaten van dit onderzoek en een verklaring voor de gevonden resultaten. Het onderzoek wordt afgesloten met een discussie en een conclusie die bespreken wat de sterke en minder sterke kanten zijn van dit onderzoek.

5

2. Eerder onderzoek In dit hoofdstuk wordt besproken hoe andere onderzoekers hun onderzoek hebben uitgevoerd en wat hun bevindingen zijn. Eerst zal er besproken worden hoe andere onderzoek hebben gedaan. Er wordt daarbij vooral gekeken naar welke methodes en maatstaven bij eerdere onderzoeken zijn gebruikt. Vervolgens wordt er gekeken naar de bevindingen van deze eerdere onderzoekers. Op basis van deze bevindingen worden de hypotheses voor dit onderzoek geformuleerd.

2.1Onderzoeksmethoden en maatstaven Er zijn een aantal auteurs die niet zelf onderzoek hebben gedaan maar hun cijfers en stellingen baseren op onderzoeken van anderen (Woolard 2002; Rogerson 1996; Kabeer 2003; Aliber 2003; Devarajan e.a. 2002; Christiaensen 2003). Ook zijn er auteurs die alleen een literatuuronderzoek doen en geen data-analyse gebruiken (Amin 2004). Bijna alle artikelen benadrukken dat het zeer lastig is om onderzoek te doen naar armoede omdat het zeer lastig is om armoede te definiëren. Sommige onderzoekers doen onderzoek naar armoede in een aantal verschillende landen en daardoor is het nog lastiger om armoede te definiëren en te vergelijken, omdat men in het ene land wel kan rondkomen van een bepaald bedrag per maand en in een ander land kan dit absoluut niet. Er is een verschil tussen objectieve armoede en subjectieve armoede. Bij objectieve armoede wordt er een globale armoedestandaard opgesteld. Bijvoorbeeld hoeveel mensen moeten rondkomen van minder dan 1 dollar per dag, een maatstaf die de Wereldbank lange tijd heeft aangehouden en die nu nog steeds wordt gebruikt door de Verenigde Naties. Men kan ook kijken naar hoe vaak mensen geld moeten lenen etc. Objectieve armoede is gemakkelijker te meten en word daarom waarschijnlijk ook vaker gebruikt (White en Killick 2001; The MDG report United Nations 2008). Subjectieve armoede wordt op een andere manier gemeten. Bij subjectieve armoede wordt aan de “arme” mensen zelf gevraagd wat ze nodig hebben om te overleven. Iemand kan bijvoorbeeld objectief arm zijn maar subjectief niet tot die categorie behoren omdat hij een stukje land heeft waar hij zijn eigen eten op verbouwt of koeien heeft die hem van eten 6

voorzien. In sommige landen is het mogelijk om in je basisbehoeften te voorzien zonder geld. Armoede wordt soms ook gemeten aan de hand van de voedingsstoffen die iemand binnen krijgt maar ook dit kan objectief en subjectief gebeuren. Een mens heeft een bepaalde hoeveelheid calorieën en vitaminen per dag nodig om te kunnen leven en een gebrek daaraan kan gezien worden als armoede. Maar je kunt moeilijk het dieet van een Nederlander vergelijken met het dieet van iemand uit Malawi. Dit kan ook subjectief gemeten worden door te kijken wat de bevolking van een land zelf een normale goede hoeveelheid voedsel per dag vindt (White en Killick 2001; The MDG report United Nations 2008). Bijna alle onderzoeken doen echter op een objectieve manier onderzoek. Er wordt van te voren een armoedegrens opgesteld die gebaseerd is op een minimaal geldbedrag dat de onderzoekseenheid ( één persoon of gezin) per dag, per maand of per jaar kan besteden. Ook de auteurs die niet zelf onderzoek hebben gedaan maken gebruik van datasets die zijn gebaseerd op de objectieve manier van onderzoek doen. In de bovenstaande onderzoekssoorten is niet bekend hoe het onderzoek is gedaan. Hieronder wordt besproken hoe andere onderzoekers eerder onderzoek hebben gedaan naar armoede.

2.1.1 Household surveys Twee auteurs maken gebruik van Household surveys (Aliber2003; Haddad 1999). Beide auteurs hebben niet zelf de data verzameld maar één (Haddad 1999) van de twee geeft een duidelijke uitleg over hoe de data is gebruikt. Er is bij het uitzoeken van de datasets gekeken of de datasets nauwkeurig genoeg waren. Wat erg belangrijk wordt gevonden is of er rekening wordt gehouden met veranderingen zoals prijsstijgingen die de absolute armoedelijn kunnen veranderen. Uit het onderzoek van Haddad blijkt dat de armoede in stedelijke gebieden aan het stijgen is. Hij heeft dit uitgesplitst naar absolute aantallen en relatieve getallen. Zowel in absolute aantallen als in relatieve getallen is de armoede aan het stijgen. Dit betekent dat er elk jaar meer arme mensen bijkomen en dat het percentage arme mensen in de steden aan het stijgen is (Haddad 1999). Ook heeft Haddad onderzoek gedaan naar ondergewicht bij kinderen. Hieruit blijkt hetzelfde als voor armoede. Het aantal kinderen met ondergewicht is aan het stijgen en het percentage van kinderen met ondergewicht in steden stijgt. Ondergewicht kan een teken van armoede 7

zijn. Haddad concludeert hieruit dat steeds meer arme mensen in de stad leven (Haddad 1999). In het artikel zelf wordt ook benadrukt dat nog veel meer onderzoek nodig is. Dit onderzoek was heel uitgebreid gedaan in verschillende landen. Er kan bijvoorbeeld ook gekeken worden naar de situatie in verschillende steden in hetzelfde land om zo een gedetailleerder beeld te krijgen van de situatie in één land (Haddad 1999).

2.1.2 Landenvergelijking Andere onderzoekers vergelijken landen met elkaar en geven daardoor een globaler beeld van de situatie. Deze dataset is wel nauwkeurig maar levert weinig details op. Zo is er zeer uitgebreid onderzoek gedaan naar de oorzaken van armoede op landen niveau. Uit het onderzoek van White en Killick (2001) blijkt dat armoede een heel complex probleem is. Ze geven niet duidelijk aan hoe ze precies onderzoek hebben gedaan. Aan het eind van hun werk wordt wel de data bekend gemaakt die ze hebben gebruikt; er wordt alleen niet gezegd hoe. De data die ze hebben gebruikt zijn zeer uitgebreide gegevens van alle landen in Afrika, verzameld door de Wereldbank (Het artikel is voor de Wereldbank geschreven). Met deze data zijn allemaal uitgebreide berekeningen uitgevoerd, maar hoe deze berekeningen zijn uitgevoerd wordt niet vermeld in het artikel. Als onderzoeker kan er dus weinig worden gezegd over de precieze onderzoeksmethode. Deze kan dus ook lastig gecontroleerd worden (White en Killick 2001).

2.1.3 Combinatie onderzoek Shan en Stifel (2003) werken ook met Household survey’s maar hebben deze informatie aangevuld met andere data. Vervolgens hebben ze zelf indicatoren opgesteld uit deze data zoals scholing, werkloosheid, kindersterfte en er wordt ook gekeken naar de rol van gender en armoede. Vervolgens worden met verscheidene formules berekeningen uitgevoerd die de onderlinge relaties tussen verschillende factoren kunnen aantonen. Dit onderzoek is uitgevoerd voor bijna alle landen in sub Sahara Afrika. Ze zien verschillen tussen het platteland en de stad maar deze verschillen veranderen per landen. Ze kunnen daardoor geen eenduidige conclusie trekken. Ook wordt er gebruik gemaakt van objectieve metingen (Shan en Stifel 2003).

8

Het onderzoek dat is uitgevoerd is heel goed. Alleen is het voor zoveel verschillende landen gedaan dat er geen duidelijke conclusies getrokken kunnen worden. De onderzoeksopzet is goed alleen is er te breed onderzoek gedaan (Shan en Stifel 2003).

2.1.4 Armoede grens in Zuid Afrika Ander onderzoek heeft gekeken naar verschillende manieren om armoede te meten met dezelfde data in Zuid Afrika (Klasen 1997). Hierbij is gekeken naar de traditionele armoede grens van 1 dollar per dag, maar daarnaast is er ook gekeken naar wat in Zuid Afrika als arm wordt gezien. Deze grens is opgesteld op 300 Rand per maand. In die tijd was dat meer dan 1 dollar per dag. Dit is gedaan omdat Zuid Afrika niet wordt gezien als een derde wereldland maar als een opkomende Westerse economie. Hierdoor schuift de armoedegrens ook omhoog. Volgens de tweede manier van meten is er meer armoede in Zuid Afrika dan volgens de 1 dollar per dag methode (Klasen 1997).

2.1.5 Armoede en ras Klasen (1997) kijkt bij elke factor die hij onderzoekt naar de verschillen tussen rassen. Dit is interessant om te doen als men een situatieschets wil geven. Het onderzoek is gebaseerd op data uit 1993 toen apartheid nog niet officieel was afgeschaft. Niet-blanken zullen dus altijd in de mindere positie zijn omdat dat het beleid was van de apartheidsregering. Het verklaard de armoede wel, maar deze verklaringen gaan vandaag de dag niet meer op omdat apartheid is afgeschaft. Dit betekent natuurlijk niet dat de effecten niet nog steeds te voelen zijn (Klasen 1997).

2.2 Factoren en hypotheses In dit gedeelte van dit onderzoek worden verschillende factoren die invloed hebben op armoede behandeld. Deze theorieën komen voort uit onderzoek in Zuid-Afrika maar ook uit onderzoek dat is gedaan in heel Afrika. Er zijn veel verschillende factoren die van invloed zijn op armoede. Deze factoren hebben vaak ook weer invloed op elkaar: iemands opleiding heeft bijvoorbeeld invloed op wat voor baan die persoon krijgt. Om het overzicht te behouden worden hier de factoren apart behandeld.

9

2.2.1 Gender Vrouwen zijn vaker arm omdat er nog veel sprake is van ongelijke verhoudingen tussen mannen en vrouwen. Vrouwen hebben veel minder toegang tot opleidingsmogelijkheden. Hierdoor kunnen zij hun productiviteit niet vergroten. Doordat ze minder productief zijn als arbeidskracht zijn ze ook armer. Vrouwen hebben ook een slechtere toegang tot kapitaal. Niet alleen kapitaal in de vorm van economisch kapitaal, maar ook sociaal kapitaal. De samenleving maakt het makkelijker voor arme mannen om een nieuw bestaan op te bouwen dan voor arme vrouwen. Dit komt onder andere doordat mannen een betere toegang hebben tot nieuw land en banen. Vrouwen hebben daarnaast minder rechten in de samenleving en worden soms door de samenleving gehinderd als ze economisch actief willen worden (Aliber 2003; White en Killick 2001; Kabeer 2003; Sachs e.a. 2004; Rogerson 1996; Shan en Stifel 2003). Door de lagere status van vrouwen wordt er minder waarde gehecht aan (economische) beslissingen die vrouwen nemen. Vrouwen worden daardoor minder serieus genomen en dit hindert hen in hun pogingen om te ontsnappen aan armoede. Sommigen benadrukken ook dat dit patroon ervoor zorgt dat vrouwen nauwelijks toegang hebben tot een baan in de formele sector; vrouwen moeten zich daarom tot de slechter betalende informele sector wenden (Aliber 2003; White en Killick 2001; Kabeer 2003; Sachs e.a. 2004; Rogerson 1996; Shan en Stifel 2003). Ook het gezin speelt een rol bij de armoede van vrouwen. Vrouwen moeten vaak ook nog voor hun gezin zorgen naast hun werk. Bij afwezigheid van een man moeten vrouwen daardoor werken om een gezin te onderhouden maar tegelijkertijd ook voor het huishouden zorgen. Er wordt bijvoorbeeld opgemerkt dat vrouwen veel meer taken hebben dan mannen en dat zorgt er ook voor dat ze minder tijd kunnen besteden aan taken die geld opleveren. Alleenstaande moeders die voor hun kinderen moeten zorgen worden vaak het zwaarst getroffen door armoede en behoren het vaakst tot de armste groep in de samenleving. Dit is een patroon dat zich steeds herhaalt. De dochters van deze vrouwen zullen zeer waarschijnlijk ook erg arm zijn. Het is ook waarschijnlijk dat de dochters van deze vrouwen ook alleenstaande moeders zullen worden (Aliber 2003; White en Killick 2001; Kabeer 2003; Sachs e.a. 2004; Woolard 2002; Shan en Stifel 2003).

10

In steden zijn vrouwen juist vaak de kostwinner voor een heel gezin omdat ze makkelijker aan (in)formele baantjes komen dan mannen. Of dit komt omdat vrouwen minder betaald krijgen wordt niet aangegeven. Sommige onderzoekers merken wel op dat het verschil in lonen tussen mannen en vrouwen steeds kleiner wordt (Aliber 2003; White en Killick 2001; Kabeer 2003; Shan en Stifel 2003). Uit het bovenstaande kan geconcludeerd worden dat als de respondent een vrouw is zal zij armer zijn dan een vergelijkbare mannelijke respondent. Dit is de eerste hypothese voor dit onderzoek.

2.2.2 Gezinsgrootte Het is niet helemaal duidelijk of arme gezinnen meer kinderen hebben of dat het hebben van veel kinderen zorgt voor armoede. Dit is nog onduidelijk omdat sommige mensen er van uitgaan dat kinderen een bron van inkomsten zijn (White en Killick 2001; Sachs e.a. 2004). Een voordeel voor grote gezinnen op het platteland is dat er zo meer mogelijkheid is voor diversificatie. Bij diversificatie zijn er meerdere inkomstenbronnen door bijvoorbeeld verschillende gewassen te verbouwen of door bijbaantjes. Het gezin is daardoor niet meer afhankelijk van het verbouwen van één gewas en spreidt daardoor zijn kansen op inkomen. Diversificatie is vooral op het platteland voor mensen een manier om aan armoede te ontsnappen of om zichzelf te beschermen tegen het afglijden naar armoede. Sommigen zeggen dat kinderen zeer belangrijk zijn op het platteland omdat ze de productie van het land verhogen. Anderen zijn daar minder duidelijk over (White en Killick 2001; Sachs e.a. 2004). In de steden zijn kinderen een zwaardere last dan op het platteland. Op het platteland kunnen kinderen al vrij snel hun steentje bijdragen maar in de steden is het moeilijker om de productiviteit van het gezin te vergroten door gebruik te maken van de productiviteit van de kinderen (White en Killick 2001). Hieruit kan geconcludeerd worden dat Grote huishoudens zijn armer dan kleinere huishoudens.

2.2.3 Opleiding Opleiding heeft op verschillende manieren invloed op armoede. Mensen met een hogere opleiding hebben bijvoorbeeld een lagere kans hebben op armoede. Een goede opleiding zorgt voor een betere kans op een baan. Een goede gezondheid in combinatie met een goede 11

opleiding zorgt voor een hogere arbeidsproductiviteit. Daarnaast zorgt een goede opleiding ervoor dat mensen een betere toegang hebben tot hulpmiddelen. Als laatste heeft opleiding te maken met een poverty trap. Kinderen van arme ouders krijgen slechter of geen onderwijs en zullen daardoor ook een grotere kans hebben op armoede. Dit kan een vicieuze cirkel worden (Devarajan e.a. 2002; Aliber 2003; Woolard 2002; Shan en Stifel 2003). Het is belangrijk voor het hele gezin dat het hoofd van het gezin ( man of vrouw) een opleiding heeft gehad omdat dat de kans verkleint dat het gezin arm zal worden. Hoe hoger de opleiding hoe kleiner de kans dat het gezin arm zal worden. Het hebben van een opleiding zorgt ervoor dat die persoon werk kan gaan zoeken in de formele sector en zijn productiviteit kan vergroten en daardoor zijn gezin beter kan onderhouden (White en Killick 2001; Shan en Stifel 2003; Aliber 2003). Volgens sommigen is het vooral belangrijk dat vrouwen een goede opleiding krijgen omdat dit ervoor zorgt dat ze een betere kans hebben op een baan in de formele sector. Het hebben van een goede opleiding zorgt er bij vrouwen ook voor dat ze meer aanzien krijgen in de samenleving en dat er daardoor meer rekening wordt gehouden met hun mening. Als vrouwen een opleiding hebben gehad is de kans groter dat hun kinderen ook naar school zullen gaan (Devarajan e.a. 2002; Sachs e.a. 2004; Shan en Stifel 2003; Aliber 2003). Andere onderzoekers hebben dus aannemelijk gemaakt dat Mensen met een lage opleiding zijn armer dan mensen met een hoge opleiding. Dit is de derde hypothese voor dit onderzoek (Devarajan e.a. 2002; Sachs e.a. 2004; Shan en Stifel 2003; Aliber 2003).

2.2.4 “Assets” Assets zijn bezittingen die iemand heeft zoals een ploeg of een fiets. Volgens White en Killick hebben assets de eigenschap dat ze zorgen voor meer assets. Als mensen assets hebben kunnen ze deze inzetten om meer assets te verkrijgen. Iemand die bijvoorbeeld een ploeg heeft kan sneller zijn land bewerken en daardoor kan hij meer land bewerken. Op deze manier wordt er meer geproduceerd. Het surplus kan verkocht worden en daarmee kan iemand meer assets kopen, bijvoorbeeld een koe. Een voorbeeld voor de stad is het hebben van een fiets. Hierdoor kan iemand meer handelswaar meenemen naar een markt. Op die manier kan iemand meer goederen verhandelen en zo meer geld verdienen. Het hebben van assets is daardoor een manier om uit de armoede te komen. Assets zorgen er daarnaast voor iemands productiviteit verhoogd wordt. Daarnaast beschermen assets mensen tegen armoede in slechte 12

tijden. Mensen kunnen in slechte tijden een deel van hun assets verkopen om toch nog een inkomen te hebben. Het verkopen van assets zorgt er wel voor dat iemand kwetsbaarder is voor armoede als de slechte tijden langer duren dan gedacht. Het is opvallend dat Aliber in zijn onderzoek vindt dat mensen met een slechte toegang tot assets vaker tot de groep chronisch armen behoren. Daaruit kan geconcludeerd worden dat assets een manier kunnen zijn om uit de armoede te ontsnappen (White en Killick 2001; Sachs e.a. 2004; Kabeer 2003; Aliber 2003; Haddad e.a. 1999; The MDG report United Nations 2008; Shan en Stifel 2003). Hieruit kan de volgende hypothese herleid worden Mensen met weinig assets zijn armer dan mensen met veel assets.

2.2.5 Stad/platteland Op het platteland zorgt, onder andere, een gebrek aan vruchtbaar land voor armoede. Ook overbevolking van een gebied kan zorgen voor armoede, omdat er niet genoeg grond is voor de mensen om te bebouwen. De grond is niet vruchtbaar genoeg om voldoende eten te produceren. Mensen wenden zich vaak tot de informele sector om extra inkomsten te krijgen. In de stad zorgt een gebrek aan goede banen voor armoede. Soms zijn er wel banen in de formele sector maar het geld dat daarmee verdiend wordt is niet genoeg om aan de armoede te ontsnappen (Deegan 2001; Butler 2004; Haddad e.a. 1999; Sachs e.a. 2004; White en Killick 2001; The MDG report United Nations 2008; Aliber 2003; Shan en Stifel 2003). Een andere reden voor blijvende armoede is de landbouwsector in Afrika. Deze sector doet het minder goed dan de landbouwsector in andere landen buiten Afrika. De landbouwgebieden liggen vaak erg afgelegen waardoor ze niet goed zijn aangesloten op de economie in het land. Mensen kunnen moeilijk overleven van landbouw alleen en zijn daardoor arm. In Zuid-Afrika stuurde de apartheidsregering met opzet mensen naar onvruchtbare plattelandsgebieden. De blanke landbouwers hadden wel een goed ontwikkelde landbouwsector met toegang tot nieuwe machines en de beste stukken land. De zwarte landbouwers werden echter naar de slechtste gebieden gestuurd. Omdat deze mensen door de vastgelegde lage lonen al niet veel verdienden hadden ze het geld niet om machines te kopen (Deegan 2001; Butler 2004; Haddad e.a. 1999; Sachs e.a. 2004; White en Killick 2001; The MDG report United Nations 2008; Aliber 2003; Shan en Stifel 2003). Een oorzaak van armoede in de steden van Zuid-Afrika is het feit dat bedrijven gewend waren aan een enorme voorraad aan goedkope arbeid. Na de apartheid werd dit afgeschaft en hadden 13

blanken en zwarten recht op hetzelfde loon. Voor veel bedrijven betekende dit dat de kosten erg stegen en ze veel mensen moesten ontslaan. Met name de zwarte bevolking had tijdens apartheid een onderbetaalde baan. Maar doordat de lonen werden verhoogd werden er veel mensen ontslagen. De zwarte bevolking ging van slecht betaalde banen naar geen banen (Deegan 2001; Butler 2004; Haddad e.a. 1999; Sachs e.a. 2004; White en Killick 2001; The MDG report United Nations 2008; Aliber 2003; Shan en Stifel 2003). Uit eerder onderzoek kan de volgende hypothese herleid worden: Mensen die op het platteland wonen zijn armer dan mensen die in de stad wonen

2.2.6 Etniciteit Na de Tweede Wereldoorlog werd de National Party (NP) verkozen tot regeringspartij door de uitsluitend blanke kiezers. De NP begon verschillende wetten door te voeren die uiteindelijk apartheid creëerden. De eerste daarvan is de Group Areas Act van 1950. Deze wet verbood mensen van verschillende rassen in één wijk te wonen. Deze wet werd een jaar later extremer door de Bantu Authorities Act ( Bantu of Bantoe was de naam die werd gegeven aan de zwarte bewoners van Zuid-Afrika omdat zij allen Bantoe talen spreken). Deze uitbreiding creëerde de homelands, de gebieden waar de Bantoe-sprekende stammen van oorsprong hadden gewoond. De minst economisch nuttige gebieden werden weggegeven aan lokale leiders omdat die gebieden het originele thuisland vormden van de stammen die vóór de kolonisten in Zuid-Afrika woonden. In feite werden alle zwarte leden van de bevolking uit de economische centra gezet. Fabriekseigenaren werden aangemoedigd om hun fabriek op de grens met een homeland neer te zetten zodat ze konden profiteren van de goedkope arbeid. Velen zwarten hadden wel baantjes in de stad en moesten elke dag enorme afstanden reizen om op hun werk te komen. In 1952 kwam er een nieuwe paswet, ook wel pasjeswet genoemd. Zwarten moesten altijd een pas bij zich hebben. Op die pas kon de werkgever toestemming geven om een blank gebied te betreden. Zonder een pas mochten zwarten niet in sommige gebieden komen. Mensen die heel lang (25 jaar) voor dezelfde werkgever hadden gewerkt konden, met moeite, het recht krijgen om in het blanke gebied op het terrein van de werkgever te mogen wonen (Deegan 2001; Butler 2004). Deze wetten zorgden ervoor dat de zwarten geen economische kansen kregen. Ze werden met opzet naar de slechtste gebieden in het land gestuurd. De gebieden die ze kregen toegewezen waren namelijk niet geschikt voor commerciële landbouw (Deegan 2001; Butler 2004). 14

In 1953 kwam er de Bantu Education wet. Deze wet gaf de staat volledige controle over het onderwijs voor zwarten. Aangezien de overheid vond dat zwarten alleen maar handenarbeid mochten verrichten was het volgens de overheid volledig overbodig geld uit te geven aan een goede opleiding voor zwarten. De zwarte bevolking kreeg dan ook minimaal onderwijs omdat dit hen beter voorbereidde op hun toekomst (Deegan 2001; Butler 2004). Kortom apartheid had als doel de blanken te beschermen. Dit doel werd op een zeer buitensporige manier nagestreefd. De zwarte bevolking werd met opzet arm gehouden en werd met opzet van zijn kansen beroofd. Kleurlingen en Indiërs hadden wel meer rechten dan de zwarte bevolking maar ze hadden altijd minder rechten dan de blanke bevolking. Apartheid ging nog veel verder dan de twee groepen wetten die hierboven worden genoemd maar deze twee groepen wetten zijn belangrijk voor dit onderzoek omdat ze een deel van de armoede in Zuid-Afrika kunnen verklaren (Deegan 2001; Butler 2004). Uit deze onderzoeken komen drie hypotheses voort. Mensen die tot de zwarte bevolkingsgroep horen zijn armer dan blanken, kleurlingen en Indiërs. Kleurlingen zijn armer dan Indiërs en blanken. Indiërs zijn armer dan blanken. Er kan ook gezegd worden dat hoe donkerder iemand is hoe armer hij zal zijn, maar omdat er tijdens de apartheid een strenge rassenscheiding op na werd gehouden (ook tussen niet-blanken) wordt er in dit onderzoek vastgehouden aan de rassenscheiding die voortkomt uit de apartheid.

2.3 Conclusie Vooral Household surveys zijn erg populair bij onderzoeken naar armoede. Dit is ook te verklaren omdat deze surveys meestal alle benodigde informatie leveren. Sommige onderzoekers vullen deze Household surveys aan met data uit andere databronnen. Deze datasets kunnen voortkomen uit onderzoek dat specifiek naar één onderdeel kijkt bijvoorbeeld kindersterfte. Naast onderzoeken naar armoede in één land zijn er ook veel onderzoeken die verschillende landen met elkaar vergelijken of die kijken naar het hele continent Afrika. Uit deze onderzoeken blijkt dat gender, gezinsgrootte, opleidingsniveau, assets, locatie en etniciteit belangrijke factoren zijn bij het verklaren van armoede. De volgende hypotheses zijn op de bevindingen uit deze eerdere onderzoeken gebaseerd. 15

Als de respondent een vrouw is zal zij armer zijn dan een vergelijkbare mannelijke respondent Grote huishoudens zijn armer dan kleinere huishoudens. Mensen met een lage opleiding zijn armer dan mensen met een hoge opleiding. Mensen met weinig assets zijn armer dan mensen met veel assets. Mensen die op het platteland wonen zijn armer dan mensen die in de stad wonen. Mensen die tot de zwarte bevolkingsgroep horen zijn armer dan blanken, kleurlingen en Indiërs. Kleurlingen zijn armer dan Indiërs en blanken. Indiërs zijn armer dan blanken. Deze hypotheses zullen getoetst worden met behulp van een regressie model. De dataset is verkregen door Household surveys.

16

3. Survey Voor dit onderzoek is gebruik gemaakt van de dataset Project for Statistics on Living Standards and Development (PSLSD), afgenomen in 1993 in opdracht van de University of Capetown, Zuid-Afrika. De survey is afgenomen in 9000 huishoudens onder alle verschillende etniciteiten in Zuid-Afrika. Per huishouden is er voor gekozen om een willekeurig persoon te interviewen. Er worden ook vragen gesteld over de andere leden van het huishouden. De onderzoekseenheid is daarom het huishouden en niet de individuele persoon; de eenheden in de dataset bestaat uit alle individuele personen in de ondervraagde huishoudens. Omdat er ook informatie is verzameld over de leden van het huishouden bevinden zich er in totaal 43687 cases in de dataset. Omdat het onderzoek uit een zeer uitgebreide vragenlijst bestaat is er vaak voor gekozen om meerdere malen terug te komen en dus maar een deel van de vragenlijst per keer af te nemen. De vragenlijsten zijn face to face afgenomen. De respondent mocht zelf kiezen in welke taal de enquête werd afgenomen aangezien Zuid-Afrika elf officiële talen heeft. De vragenlijst bestaat uit elf verschillende onderdelen die gaan over het alledaagse leven. Omdat de vragenlijst zeer uitgebreid is wordt maar een klein percentage van de data gebruikt. Omdat er geen vergelijkingsmateriaal is uit 1993 worden de algemene gegevens gecontroleerd met de gegevens uit een census die in 1996 werd gehouden door het Centraal Bureau voor de Statistiek (Statistics South Africa) in Zuid-Afrika. Hieruit blijkt dat de etniciteiten binnen Zuid-Afrika goed vertegenwoordigd zijn. Het opleidingsniveau is echter niet goed vertegenwoordigd. Volgens de census van 1996 had 19 % van de inwoners van Zuid-Afrika geen opleiding gehad. De gegevens die zijn gebruikt geven aan dat 24.2 % van de respondenten geen opleiding heeft.

17

4. Operationalisering De datagegevens uit PSLSD zijn zeer uitgebreid en daarom zijn maar een beperkt aantal variabelen gebruikt voor dit onderzoek. Dit is vooral gedaan omdat er heel veel gegevens zijn die niet relevant zijn voor het onderwerp dat hier onderzocht wordt namelijk armoede.

4.1 Afhankelijke variabele Om de hypotheses te toetsen moest worden vastgesteld hoe hoog het inkomen van de mensen is. Omdat daar niet direct naar wordt gevraagd moet deze variabele gecreëerd worden. Als eerste is gekeken naar wat boeren per jaar verdienen. Voor zowel landbouwgrond als weidegrond waren er maar 137 gevallen in de dataset. Deze inkomensgegevens zijn gedeeld door twaalf om een maandinkomen vast te stellen. De missings zijn gehercodeerd zodat het antwoord 0 is in plaats van missing. Er is voor gekozen om de missings als 0 te coderen omdat er bij veel vragen niets is ingevuld als het antwoord 0 moet zijn. Dit is ook voor alle andere variabelen gedaan die zijn gebruikt om de variabele armoedegrens te maken. Het gemiddelde inkomen van een boer - hierbij niet rekening gehouden met de 43567 mensen die geen inkomen hebben van het boerenbestaan- is 34681.50 Rand. Dit is een heel hoog bedrag dat per maand wordt verdiend. Het is dus zeer waarschijnlijk dat er veel grote commerciële boerderijen in deze dataset zijn opgenomen. Ook is het waarschijnlijk dat dit het inkomen is van het boerenbedrijf en niet van alle individuele gezinsleden die op de boerderij wonen. Eén iemand op het bedrijf verdient dus zoveel geld maar moet daarvan zijn hele gezin onderhouden. Een deel van het geld zal ook nodig zijn om het bedrijf draaiende te houden. Vervolgens is gekeken naar wat mensen met een eigen bedrijf verdienen. Omdat het niet duidelijk is hoeveel deze mensen verdienen is er gekeken naar de winst van het bedrijf. Deze variabele werd al per maand gemeten. De dataset bevat 513 gevallen. Het gemiddelde inkomen van deze 513 mensen is 330,76 Rand. Daarna is er gekeken naar hoeveel mensen verdienen met een baan. Deze variabele werd opgesteld door te vragen wat het bedrag is dat mensen mee naar huis mogen nemen. Deze variabele moest gecombineerd worden met een andere variabele namelijk per welke tijdseenheid de mensen betaald worden, per week, twee weken of per maand. Er waren 966 18

mensen in de dataset die een inkomen haalden op deze variabele. Het gemiddelde inkomen is 418,29 Rand Naast deze variabelen was er ook nog een vraag over hoeveel mensen per maand betaald kregen voor een tweede of derde baan. Er zijn 6590 respondenten in de dataset. Nadat al deze variabelen zijn omgezet zodat ze het bedrag per maand opleveren zijn ze bij elkaar opgeteld. Het gemiddelde inkomen (de mensen die geen inkomen scoren op deze vraag) is 1230.07 Rand Daarnaast is gebruik gemaakt van de variabele teruggave. Het is gebruikelijk dat één van de leden van het gezin ergens anders werkt en geld terugstuurt naar zijn/haar familie. Hierbij is gekeken naar het totaalbedrag dat de respondent kreeg van anderen. Het gemiddelde bedrag is 204,38 Rand en dit gebeurde in 3733 gevallen. Al deze variabelen zijn bij elkaar opgeteld en vormen zo samen de variabele inkomen. Omdat een buitenproportioneel deel van de respondenten geen inkomen heeft ( bijna 60%) zijn zij niet meegenomen in de berekening. Hiervoor is gekozen omdat deze mensen bijvoorbeeld inkomen krijgen uit pensioen of met onbekende werkzaamheden die niet bekend zijn. Omdat er anders een vertekend beeld ontstaat zijn deze mensen niet meegenomen in de regressie analyse. Zoals in het hoofdstuk “Eerder onderzoek” al is gezegd ligt de armoedegrens op 300 Rand per maand. De helft van de overgebleven respondenten ( 51,1 %) heeft een inkomen van 300 Rand of minder. De meeste onderzoeken over armoede werken met deze objectieve maatstaaf om armoede te meten. Bij andere onderzoeken wordt er bijvoorbeeld vaak gekeken naar de armoede grens van 1 dollar per dag. In dit onderzoek wordt een regressie analyse uitgevoerd en daarom wordt er gekeken naar het inkomen en niet naar een armoede grens.

4.2 Onafhankelijke variabelen Er zijn zes afhankelijke variabelen: Gender, de grootte van het huishouden, opleidingsniveau, het aantal assets, locatie en etniciteit. De variabele Gender, grootte van het huishouden en opleidingsniveau zijn al direct in de dataset te vinden. Er is vastgesteld wat het geslacht is van de respondent, uit hoeveel mensen het huishouden bestaat en hoe hoog het opleidingsniveau is van de leden van het huishouden. 19

4.2.1 Gender Voor deze variabelen zijn er geen missings geregistreerd. Er is gevraagd aan de respondent om een lijst te maken van alle leden van het huishouden en daarbij onder andere hun geslacht te vermelden. Er zijn iets meer vrouwen (code 2) dan mannen (code 3) opgenomen in de dataset: 22575 vrouwen en 21101 mannen, 51.7 procent is vrouw en 48.3 procent is man.

4.2.2 Grootte van het huishouden Deze variabele was al aanwezig in de dataset en hoefde daarom niet gecreëerd te worde. Voor deze variabele zijn 3830 missings geregistreerd in 43687 eenheden. De lijst die het geslacht en meerdere gegevens van de leden van het huishouden registreert is gebruikt om te tellen uit hoeveel mensen het huishouden bestaat. Een huishouden met vijf leden komt het meest voor, 13.9 procent van de gevallen. Huishoudens met vier of zes leden maken beiden rond de 13 procent van de gevallen uit. Het laagst gemeten aantal leden is één dit komt in drie procent van de gevallen voor. Het hoogst gemeten aantal is 30 leden. Er zijn maar 30 gevallen van huishoudens die uit 30 leden bestaan. Zij maken 0.1 procent van de gevallen uit.

4.2.3 Opleidingsniveau Ook voor deze variabele is gebruik gemaakt van een lijst van alle leden van het huishouden, opgesteld door één van de leden van het huishouden. Hier zijn geen missings geregistreerd onder de 43678 gevallen, al waren er 232 gevallen waarin de respondent niet wist of weigerde te zeggen wat het hoogst behaalde opleidingsniveau was. Opvallend is dat bijna een kwart van de bevolking (24.7 procent) geen opleiding heeft gehad. Maar 0.9 procent van de ondervraagden heeft een universitair diploma. In totaal zijn er 18 verschillende opleidingscategorieën. Deze opleidingscategorieën zijn opgesplitst naar: geen onderwijs, basisonderwijs, middelbaar onderwijs en hoger onderwijs. De opleidingsindeling van de dataset volgt de standard methode die in Zuid-Afrika aangeeft wat kinderen al hebben geleerd. Maar het behalen van een standard loopt niet altijd gelijk met het overgaan naar een volgend jaar. Mensen die lager dan Sub A hebben ( het laagste niveau dat op de basisschool gegeven wordt) behoren tot de categorie “geen onderwijs”. Sub A tot en met standard 5 behoren tot de basisschoolgroep. Standard 6 tot en met 10 behoren tot de middelbare school en iedereen die daarna ook nog onderwijs heeft gevolgd behoort tot de categorie hoger onderwijs. De 232 respondenten die geen antwoord hebben gegeven op de vraag worden geclassificeerd als geen opleiding. 20

4.2.4 “Assets” Deze variabele moest gecreëerd worden. Er is gebruik gemaakt van een lijst van assets. Hierin wordt gevraagd hoeveel eenheden men van deze assets bezit. De verschillende assets in de lijst zijn: motorvoertuig, fiets, radio en telefoon. Voor het aantal motorvoertuigen waren er 33922 missings. Het meest voorkomende aantal motorvoertuigen per huishouden is 1 ( 13.8 procent), de meeste motorvoertuigen binnen één huishouden geregistreerd zijn 14 motorvoertuigen, dit was in 5 huishoudens het geval. Voor het aantal fietsen waren er 33923 missings. De meeste huishoudens ( 15.5%) hebben 1 fiets. Voor het aantal radio’s per huishouden zijn 8432 missings geregistreerd. 62.6 procent van de huishoudens heeft 1 radio. Het hoogste aantal radio’s is 8 per huishouden, dit kwam 38 keer voor. Voor het aantal telefoons waren er 34373 missings. Weer heeft de meerderheid (18.8 procent) maar één telefoon. Een probleem bij de manier waarop dit is onderzocht is dat er niets is ingevuld als mensen de assets niet bezitten. Zij worden daarom geregistreerd als missing. Daarom is bij het creëren van de variabele assets ervan uit gegaan dat een missing betekent dat mensen de assets niet bezitten. Een andere variabele waarmee is gewerkt is landbezit. Er wordt in de vragenlijst gevraagd of mensen toegang hebben tot landbouw/weide grond. Als men op deze vraag ja antwoord wordt er gevraagd van wie dat land is. Als daar wordt geantwoord dat men het land zelf bezit wordt dit gezien als het bezitten van één asset. Er is in de vraag onderscheid gemaakt tussen het hebben van landbouwgrond en weidegrond. Het is echter niet te achterhalen hoeveel landbouwgrond ze precies bezitten, omdat de variabele die antwoord geeft op deze vraag niet klopt. Bij deze vraag maken namelijk alle gezinsleden aanspraak op het land dat in bezit is van het gezin. Zowel de vader als de zoon maken bijvoorbeeld aanspraak op 4 hectare terwijl het hele gezin maar 4 hectare bezit. Deze variabele is daarom niet bruikbaar, vooral omdat land een hele belangrijke asset is. Mensen kunnen dus een 0, 1 of 2 scoren als wordt gevraagd of zij grond bezitten. Als men beiden bezit wordt dit gezien als het hebben van twee verschillende assets. Het aantal assets uit de vorige vraag: hoeveel, motorvoertuigen, fietsen, radio’s en telefoons men bezit is opgeteld bij de vraag of men land bezit. Dit vormt de nieuwe variabele assets. De antwoorden op de vragen waaruit deze variabele is gecreëerd is gehercodeerd zodat alle missings worden gezien als 0 assets per specifieke vraag. 40.6 procent van de huishoudens heeft 1 asset. Het hoogste aantal is 20, dit kwam maar in 5 21

gevallen voor. Een probleem bij deze variabele is dat meerdere mensen in een huis aanspraak kunnen maken op een asset. Vier verschillende mensen in hetzelfde huishouden kunnen zeggen dat zij een fiets bezitten, er zijn dan niet vier fietsen in het huishouden er is maar één fiets die door meerdere mensen wordt gebruikt. Dit is echter geen probleem voor de dataset omdat deze assets niet uitgeput raken, terwijl dit bij land wel het geval is, daar kan maar één keer per jaar op gezaaid worden en als de koeien het gras opeten kunnen andere koeien daar niet van eten. De asset kan dus niet meerdere malen door verschillende personen gebruikt worden terwijl dit met een fiets wel kan.

4.2.5 Platteland/metro/stad In de data is een variabele aangemaakt die aangeeft of mensen op het platteland wonen, in de stad of daar tussenin (metropolitan). Dit is niet direct gevraagd aan de respondenten. Waarschijnlijk is aan de hand van het adres en het district bepaald of dat adres tot de categorie platteland, metropolitan of stad behoort. Er zijn 3830 missings in deze variabele. De helft van de respondenten (50.6) woont op het platteland. Er wordt weer gekeken naar alle gezinsleden dus het is ook mogelijk dat de huishoudens op het platteland groter zijn dan huishoudens in de steden.

4.2.6 Etniciteit Bij deze variabele is aan de respondent zelf gevraagd tot welke etniciteit hij zichzelf rekent. Dit kan erg verschillen van wat de apartheidsregering claimde. Voor de apartheidsregering was je een kleurling als je over-over-overgrootvader of moeder niet blank was. Het grootste deel van de bevolking ( 78.9 %) ziet zichzelf als Afrikaans ( zwart ). 8.1% ziet zichzelf als kleurling. Maar 2.8 % behoort tot de Indische groep en 10,2 % behoort tot de categorie blank. Hierbij moet gezegd worden dat veel blanken die het niet eens waren met het apartheidsregime naar andere landen zijn vertrokken. Opvallend is dat er helemaal geen missings zijn.

4.3 Onderzoeksmethode Er is voor gekozen om een regressie analyse uit te voeren voor dit onderzoek. Dit is gedaan omdat er op deze manier goed gekeken kan worden naar hoe groot het effect is van de verschillende variabelen op het inkomen. Daarnaast kan het effect van verschillende variabelen met elkaar vergeleken worden. Dit is ook de beste manier om te kijken naar het 22

effect van één variabele terwijl er wel rekening wordt gehouden met de andere variabelen die een effect kunnen hebben. Verschillende variabelen kunnen namelijk onderling ook een effect op elkaar uitoefenen en door gebruik te maken van een regressie analyse wordt er in het rekenmodel rekening gehouden met het onderlinge effect van variabelen. Er wordt in het model gerekend met inkomen en niet met een armoedegrens. Omdat veel respondenten in deze dataset onder de armoedegrens leven kan er op deze manier gekeken worden naar de invloed van de verschillende factoren op het inkomen. Dit werkt als volgt: een positief effect van een factor (bijvoorbeeld opleiding) op het inkomen betekent dat mensen met een hoge opleiding een beter inkomen hebben dan mensen met een lage opleiding. Hieruit kan geconcludeerd worden dat mensen met een lage opleiding armer zijn dan mensen met een hoge opleiding. De mensen met een lage opleiding hebben dus een grotere kans dat ze onder de armoedegrens leven dan de mensen met een hoge opleiding.

23

5. Beschrijving variabelen In dit gedeelte wordt een beschrijving gegeven van de variabelen die later in een regressie analyse worden gebruikt om de hypotheses te toetsen. Tabel 1 Frequentietabel geslacht Frequentie

Percentage

Vrouw

22576

51,7

Man

21100

48,3

Totaal

43687

100,0

Bron: Project for Statistics on Living Standards and Development (PSLSD) 1993 Uit bovenstaande tabel blijkt dat de respons qua geslacht redelijk gelijk is verdeeld. Tabel 2 Aantal leden binnen het huishouden Gemiddelde

6,48

Standaard deviatie

3,528

Bron: PSLSD 1993 Deze verdeling is niet standaard normaal. Het gemiddelde aantal leden binnen een huishouden ligt op 6.48 en de standaard deviatie is 3.528. Bij deze verdeling liggen de meeste waardes aan de linkerkant van de normale verdeling. Dit betekent dat er veel lage waardes zijn gemeten en er maar een aantal hoge uitschieters zijn.

24

Tabel 3 Frequentietabel Opleiding Frequentie

Percentage

Geen opleiding

11491

26,3

Alleen basisschool

16517

37,8

Middelbare school.

13981

32,0

Hoger onderwijs

1698

3,9

Totaal

43687

100,0

Bron: PSLSD 1993 Het is schokkend om te zien dat 26.3 procent van de bevolking geen opleiding heeft. Dit is geen fout in de data, uit een census in 1996 blijkt dat inderdaad ongeveer 20 procent van de bevolking geen opleiding heeft. Tabel 4 Assets Gemiddelde

2,0791

Standaard deviatie

2,25259

Bron: PSLSD 1993 Assets zijn bezittingen die iemand heeft zoals een ploeg of een fiets. Volgens White en Killick hebben assets de eigenschap dat ze zorgen voor meer assets. Als mensen dus assets hebben kunnen ze deze inzetten om meer assets te verkrijgen. Het hebben van assets beschermd mensen daardoor tegen armoede. Het is opvallend dat bij het aantal assets de verdeling geen standaard normale verdeling is. Het gemiddelde ligt laag op 2.0791 terwijl de hoogst gemeten waarde 20 is. De standaarddeviatie is ook laag met 2.25259. Dit betekent dat de meerderheid van de waarden aan de linkerkant van de normale verdeling liggen.

25

Tabel 5 Frequentietabel locatie Frequentie

Percentage

Platteland

22107

55,5

Stad

8078

20,3

Metro

9672

24,3

Total

39857

100,0

Bron: PSLSD 1993 Het is hier opvallend dat een meerderheid van de respondenten op het platteland wonen. Tabel 6 Frequentietabel etniciteit Frequentie

Percentage

Afrikaans

31467

78,9

Kleurling

3210

8,1

Indisch

1132

2,8

Blank

4048

10,2

Totaal

39857

100,0

Bron: PSLSD 1993 Het is duidelijk dat een grote meerderheid in Zuid Afrika tot de etniciteit ( zwart ) Afrikaans behoord. De blanken zijn ver in de minderheid.

26

6. Regressie model Om de hypotheses te toetsen is ervoor gekozen om gebruik te maken van een multivariate regressie analyse. Met het model dat uit deze regressie analyse komt wordt 13.9 % van variaties in de hoogte van het inkomen verklaard door de variabelen die in het model zijn gebruikt. Helaas zijn niet alle effecten significant. Hieronder staan drie tabellen die het model laten zien. Daaronder wordt beschreven of de hypotheses worden aangenomen of niet. Tabel 7 Statistisch regressie model. Model Summary Model R 1

R Square Adjusted R Square Std. Error of the Estimate

,257 ,066

,065

5219,65186

Bron: PSLSD 1993 ANOVA Model

Sum of Squares

df

Mean Square

1

Regression

3,370E10

11

3,063E9

Residual

4,765E11

17489

2,724E7

Total

5,102E11

17500

F

Sig. 112,437

,000

Bron: PSLSD 1993

27

Coefficients Model

(Constant)

Unstandardized

Standardized

Coefficients

Coefficients

B

Beta 5005,368

Significantie

,000

Afrikaans (referentie blank)

-5264,542

-,370***

,000

Kleurling (ref blank)

-4346,090

-,202***

,000

Indisch (ref blank)

-3813,751

-,097***

,000

118,988

,010

,603

Alleen basisschool (ref hoger)

260,616

,023

,246

Middelbare school (ref hoger)

95,631

,008

,666

Vrouw ( ref man)

52,494

,005

,507

-6,508

-,004

,562

75,645

,031***

,000

628,032

,056***

,000

-464,333

-,034***

,001

Geen opleiding (ref hoger onderwijs)

Aantal

leden

in

het

huishouden Assets Platteland (ref stad) Metropolitan (ref stad) *** p ≤ 0.01 Bron: PSLSD 1993

28

Als de respondent een vrouw is zal zij armer zijn dan een vergelijkbare mannelijke respondent Er is een licht negatief verband tussen geslacht en inkomen, maar dit verband is absoluut niet significant (p = .507). Deze hypothese wordt daarom verworpen. Er kan echter ook niet gezegd worden dat mannen armer zijn dan vrouwen. Geslacht lijkt er dus niet toe te doen als men naar deze analyse kijkt. Grote huishoudens zijn armer dan kleinere huishoudens. Er is een licht positief verband tussen de grootte van het huishouden en het inkomen, maar dit verband is niet significant (p = 0. 562). De hypothese wordt daarom verworpen. Zelfs als het verband significant zou zijn dan is het verband te zwak om er conclusies uit te kunnen trekken. Mensen met een lage opleiding zijn armer dan mensen met een hoge opleiding. De referentie categorie voor deze hypothese is: mensen met de hoogst mogelijke opleiding. In de tabel is te zien dat er een negatief verband bestaat tussen opleiding en inkomen. Dit betekent niet dat mensen zonder opleiding het rijkst zijn, omdat de referentie categorie de hoogst mogelijke opleiding is. Het verband wordt groter naarmate het opleidingsniveau lager is. De verbanden zijn echter niet significant. De hypothese moet daarom verworpen worden. Mensen met weinig assets zijn armer dan mensen met veel assets Deze hypothese wordt bevestigd. Er is een positief verband dit betekend dat hoe meer assets iemand heeft hoe hoger zijn inkomen is. Het verband is ook significant de hypothese wordt dus bevestigd al is ook hier sprake van een zwak verband. Mensen die op het platteland wonen zijn armer dan mensen die in de stad wonen. Deze hypothese wordt niet bevestigd. Het verband is namelijk positief. Wonen op het platteland heeft een significant positief effect op het inkomen. De hypothese wordt daarom verworpen. Mensen die tot de zwarte bevolkingsgroep horen zijn armer dan blanken, kleurlingen en Indiërs. Deze hypothese wordt bevestigd. Er is een sterk negatief verband tussen inkomen en etniciteit. De hypothese is significant en wordt daarom aangenomen. 29

Kleurlingen zijn armer dan Indiërs. Deze hypothese wordt ook bevestigd. Het effect van kleurling zijn is minder groot dan dat van Afrikaans zijn, maar het negatieve effect is wel groter dan wanneer iemand tot de categorie Indiër behoord. Het verband is significant. De hypothese wordt dus aangenomen. Indiërs zijn armer dan blanken. Deze hypothese wordt bevestigd. Bij deze hypothese is echter wel het kleinste effect gemeten van de drie hypotheses over etniciteit. Dit effect is wel significant en dus wordt de hypothese aangenomen.

30

7. Verklaring In dit gedeelte wordt naar mogelijke verklaringen gekeken voor het verwerpen of aannemen van de hypotheses. Dit wordt gedaan met behulp van de literatuur die al eerder is besproken. Als de respondent een vrouw is zal zij armer zijn dan een vergelijkbare mannelijke respondent Deze hypothese werd niet bevestigd. Dit kan onder andere komen doordat geld dat mensen ontvangen van anderen ( bijvoorbeeld loon dat naar huis wordt gestuurd) wordt gezien als inkomen. Op deze manier krijgen vrouwen inkomen zonder dat ze dat zelf verdienen. Een andere mogelijke verklaring is dat de werkloosheid in Zuid-Afrika erg groot is en mannen eventueel moeilijker aan een baan komen dan vrouwen. Het is al gezegd dat vrouwen makkelijker toegang krijgen tot de informele sector in steden. In tijden van werkloosheid wenden meer mensen zich tot deze informele sector. Niet-blanke vrouwen kunnen bijvoorbeeld vaak aan werk komen als huishoudster bij blanke gezinnen. Deze trend was al gezet tijdens de apartheid en is nu nog steeds aanwezig (Aliber 2003; White en Killick 2001; Kabeer 2003; Sachs e.a. 2004; Rogerson 1996; Shan en Stifel 2003). Vrouwen zijn succesvoller in de informele sector dan mannen terwijl dit voor de formele sector andersom is. Deze twee effecten kunnen elkaar opheffen waardoor mannen en vrouwen netto een gelijke kans en dus inkomen hebben. Vrouwen krijgen meer inkomen in de informele sector en mannen krijgen meer inkomen in de formele sector. Omdat er niet is gevraagd naar hoe het inkomen is verdiend kan er niet gecontroleerd worden of vrouwen ook meer inkomen verdienen in de informele sector. (Aliber 2003; White en Killick 2001; Kabeer 2003; Sachs e.a. 2004; Rogerson 1996; Shan en Stifel 2003). Grote huishoudens zijn armer dan kleinere huishoudens. Ook deze hypothese is verworpen. Dit kan komen omdat er uit de dataset niet te achterhalen is hoeveel kinderen er in een huishouden zijn. Kinderen, die geen inkomen bijdragen, zijn namelijk belastend voor een huishouden. Een huishouden met veel volwassenen krijgt meer inkomen binnen en is daardoor minder snel arm. Ook hier kan het zijn dat de gegevens elkaar opheffen. De grote gezinnen met veel minderjarige kinderen zijn armer dan kleine gezinnen

31

terwijl grote gezinnen met kinderen die werken juist rijker zijn dan kleine gezinnen. (White en Killick 2001; Sachs e.a. 2004) Mensen met een lage opleiding zijn armer dan mensen met een hoge opleiding. Deze hypothese is ook verworpen. Dit kan komen doordat heel veel mensen helemaal geen opleiding hebben en door het grote aantal werklozen in de dataset. Deze twee factoren kunnen een erg vertekend beeld geven van de data. Het aantal werklozen is zeer groot, meer dan 50% is werkloos. Deze mensen hebben dus een beperkt inkomen. Het hoge aantal werklozen en ongeschoolden vertekent het beeld (Devarajan e.a. 2002; Aliber 2003; Woolard 2002; Shan en Stifel 2003). Mensen met weinig assets zijn armer dan mensen met veel assets Deze hypothese werd bevestigd door de data. Mensen met assets hebben dus een lagere kans om arm te zijn (White en Killick 2001; Sachs e.a. 2004; Kabeer 2003; Aliber 2003; Haddad e.a. 1999; The MDG report United Nations 2008; Shan en Stifel 2003). Mensen die op het platteland wonen zijn armer dan mensen die in de stad wonen. Deze hypothese werd niet bevestigd. Dit komt omdat uit de regressieanalyse blijkt dat de mensen op het platteland minder arm zijn dan de mensen in de steden. Dit kan komen omdat er rekening is gehouden met loon dat naar huis wordt gestuurd. Veel gezinnen zijn tijdens de apartheid naar het platteland gestuurd, maar vaak werkt één van de gezinsleden in de stad en stuurt zijn of haar geld terug. Deze gezinsleden hebben vaak schoonmaakbaantjes bij de rijken of ze werken in de mijnen die ook in de steden gelegen zijn. Er wordt dus wel meer inkomen gegenereerd in de steden dan op het platteland, maar omdat een deel wordt teruggestuurd naar het platteland zijn de mensen op het platteland niet armer dan mensen in de stad (Deegan 2001; Butler 2004; Haddad e.a. 1999; Sachs e.a. 2004; White en Killick 2001; The MDG report United Nations 2008; Aliber 2003; Shan en Stifel 2003). Een andere mogelijkheid is is dat er meer werkloosheid is in de steden dan op het platteland. Omdat deze dataset een buitenproportioneel aantal werklozen heeft kan hierop echter niet gecontroleerd worden. Na de apartheid moesten veel fabriekseigenaren mensen ontslaan omdat de lonen van blanken en niet blanken gelijk werden getrokken. Dit betekende dat de niet-blanke werknemers hetzelfde loon kregen als de blanke werknemers. Het is mogelijk dat de fabriekseigenaren al begonnen met het ontslaan van werknemers vlak voor deze 32

verandering (Deegan 2001; Butler 2004; Haddad e.a. 1999; Sachs e.a. 2004; White en Killick 2001; The MDG report United Nations 2008; Aliber 2003; Shan en Stifel 2003). Mensen die tot de zwarte bevolkingsgroep horen zijn armer dan blanken, kleurlingen en Indiërs. Kleurlingen zijn armer dan Indiërs en blanken. Indiërs zijn armer dan blanken. Deze hypotheses worden bevestigd door de dataset. De zwarte bevolkingsgroep is het armst omdat daar het grootste negatieve effect (-.370) op het inkomen wordt gemeten. Daarna zijn de kleurlingen het armst omdat zij na de zwarte bevolkingsgroep het sterkste negatieve effect (-.202) hebben op hun inkomen. De Indiërs zijn na de blanken het minst arm omdat bij hen het minst sterke negatieve effect (-.097) wordt gemeten. Al deze groepen hebben als referentiecategorie de blanke categorie. (Deegan 2001; Butler 2004).

33

8. Discussie Er zijn een aantal hypotheses die niet zijn bevestigd door dit onderzoek, terwijl veel literatuur over armoede suggereert dat ze wel kloppen. Waarom bevestigt de data niet wat de literatuur zegt? Er zijn verschillende verklaringen voor deze vraag. Ten eerste is er bij het zoeken naar literatuur gekeken naar literatuur die specifiek over Zuid-Afrika gaat, maar er is ook veel gebruik gemaakt van literatuur de over heel Afrika gaat. Zuid-Afrika is een land dat op de grens zit tussen Afrikaanse derde wereldlanden en de Westerse ontwikkelde wereld. Sommige effecten en verbanden kunnen daardoor minder sterk gelden voor Zuid-Afrika dan voor andere Afrikaanse landen. Een voorbeeld hiervan is de positie van de vrouw; zij heeft in ZuidAfrika meer rechten dan in sommige andere Afrikaanse landen. Daarnaast waren er twee problemen met de data waardoor het mogelijk is dat sommige hypotheses onterecht verworpen zijn. Het eerste probleem is dat de dataset niet uitgebreid is op sommige punten. Zo is het bijvoorbeeld niet te achterhalen hoeveel kinderen er onder de leden van een huishouden zijn. Als deze informatie wel beschikbaar was geweest dan was er een gedetailleerdere hypothese opgesteld namelijk, huishoudens met veel kinderen zijn armer dan huishoudens met weinig kinderen. Grote huishoudens met veel volwassenen zijn, als men kijkt naar inkomen per persoon, namelijk te vergelijken met kleine huishoudens. Het tweede probleem met de dataset is dat er op sommige punten een vertekend beeld is opgetreden. De dataset is namelijk niet helemaal representatief voor Zuid-Afrika. Er zijn bijvoorbeeld heel veel werklozen opgenomen in de data, zeker bij een onderzoek naar armoede vertekent dit het beeld. Deze problemen kunnen in het vervolg worden opgelost door zelf een dataset te maken door zelf vragenlijsten bij mensen af te nemen. Nu moest er gewerkt worden met een vragenlijst die voor andere doeleinden was opgesteld. Daardoor werden er veel vragen gesteld die helemaal niet relevant waren en andere vragen waren oppervlakkig, terwijl voor dit onderzoek juist een gedetailleerde vraag nodig was over bijvoorbeeld het inkomen.

34

9. Conclusie De onderzoeksvraag voor dit onderzoek was Welke factoren zijn van invloed op armoede in Zuid-Afrika? Volgens eerder onderzoek van andere wetenschappers zouden gender, gezinsgrootte, opleidingsniveau, assets, locatie (platteland/stad) en etniciteit van invloed zijn op armoede in Zuid-Afrika. Hierbij is gekeken naar wat de invloed is van deze factoren aan de vooravond van de eerste democratische regering in Zuid-Afrika. Er is specifiek naar deze periode gekeken omdat er weinig onderzoek is gedaan naar armoede in de periode tussen apartheid en democratie. Om dit onderzoek te doen is gebruik gemaakt van de dataset Project for Statistics on Living Standards and Development (PSLSD) 1993 van de University of Capetown. Deze dataset is gecreëerd om een overzicht te krijgen van de levensomstandigheden van Zuid-Afrikanen en is daardoor zeer bruikbaar voor dit onderzoek omdat er ook veel vragen zijn over de verschillende genoemde factoren en bronnen van inkomsten. Met behulp van deze dataset zijn verschillende variabelen gecreëerd namelijk gender, gezinsgrootte, opleidingsniveau, assets, locatie (platteland/stad) en etniciteit. Daarnaast is de variabele inkomen gecreëerd door te kijken naar het inkomen dat gegenereerd wordt door werk in loondienst ( voltijd of parttime), eventuele bijbaantjes, de opbrengsten van eigen bedrijven ( waaronder boerderijen) en het geld dat wordt toegestuurd door familieleden. Met deze variabelen is een multivariate regressieanalyse uitgevoerd. Hierdoor kan bekeken worden wat het effect is van de verschillende factoren op de variabele “inkomen”. Het voordeel van de regressieanalyse is dat er gecontroleerd wordt op de andere factoren. Als er wordt gekeken naar het effect van gender wordt daar tegelijkertijd rekening gehouden met de eventuele effecten van alle andere factoren. Uit deze regressieanalyse blijkt dat er maar één factor echt belangrijk is als er gekeken wordt naar armoede in Zuid-Afrika in 1993. De enige factor die een sterk significant effect heeft op armoede is iemands etniciteit. Hoe donkerder de huidskleur hoe armer iemand zal zijn. Daarnaast spelen locatie en assets een rol, maar het effect van deze factoren is veel kleiner dan het effect van etniciteit. De locatie speelt een onverwachte rol. De hypothese was dat mensen op het platteland armer zijn dan mensen in de steden maar dit blijkt niet het geval te 35

zijn. Mensen op het platteland ervaren een licht positief effect op hun inkomen. Dit kan komen door het hoge aantal werklozen in de dataset, maar omdat vast te stellen moet verder onderzoek worden gedaan met een andere (nieuwe) dataset. De hypothese dat mensen met veel assets minder arm zijn dan mensen met weinig assets wordt wel bevestigd. Dit kan komen doordat assets helpen bij het genereren van een inkomen. Zoals al in de discussie is besproken is het in het vervolg nodig zelf data te verzamelen zodat de dataset beter aansluit bij de hypotheses. De hypotheses die uit de literatuur voortkomen zijn daarom niet incorrect, de dataset geeft aan dat de richting van de hypotheses goed is. Er wordt in de data inderdaad het gewenste effect gemeten alleen is dit effect niet significant, daarom kan de hypothese niet aangenomen worden. De enige uitzondering hierop is de hypothese over de locatie die helemaal niet blijkt te kloppen.

Toch is er een goede

beginsituatie gesteld. In later onderzoek naar armoede moet zeker gekeken worden naar de factoren etniciteit en assets. Deze factoren worden vaak over het hoofd gezien in onderzoeken naar armoede maar ze blijken toch erg belangrijke factoren te zijn. De eerste democratische regering heeft wetten aangenomen die het effect van etniciteit proberen tegen te gaan door onder andere de eis te stellen dat bedrijven etnisch gezien een afspiegeling moeten zijn van de samenleving. Het zou zeer interessant zijn om in vervolgonderzoek te onderzoeken wat het effect van etniciteit nu is in 2009.

36

10. Literatuur M. Aliber (2003) “Chronic Poverty in South Africa: Incidence, Causes and Policies” Elsevier Vol. 31, No. 3, pp. 473–490 A. Amin (2004) “Regulating economic globalization” for Trans Inst Br Geogr Royal Geographical Society A. Butler (2004) “Contemporary South Africa” Palgrave MacMillan New York. L. Christiaensen, L. Demery, S. Paternostro (2003) “Macro and Micro Perspectives of Growth and Poverty in Africa” The World Bank Economic Review, Vol 17 No 3, pp 317-347 H. Deegan (2001) “The Politics of the New South Africa, Apartheid and After” Pearson Education Ltd Harlow S. Devarajan, M. J. Miller, E. V. Swanson (2002) “Goals for Development History, Prospects and Costs” for World Bank Policy Research Working Paper 2819 L. Haddad, M. T. Ruel, J. L. Garrett (1999) “Are Urban Poverty and Undernutrition Growing? Some Newly Assembled Evidence” World Development Vol. 27, No. 11, pp. 1891-1904 N. Kabeer (2003) “Gender Mainstreaming in Poverty Eradication and the Millennium Development Goals” for International Development Research Centre S. Klasen (1997) Poverty, Inequality and Deprivation in South Africa: an Analysis of the 1993 Saldu Survey” Social Indicators Research 41: 51–94 The Millennium Development Goals Report 2008 United Nations. C. M. Rogerson (1996) “Urban poverty and the informal economy in South Africa’s economic heartland” Environment&Urbanization Vol 8 No 1 April J. D. Sachs e.a. (2004) Ending Africa’s Poverty Trap Earth Institute at Columbia University March 22th, D. E. Shan, D. C. Stifel (2003) “Urban-Rural Inequality in Living Standards in Africa” Journal of African Economies, Volume 12, number 4, pp 564-597 37

Statistics South Africa 1996 http://www.statssa.gov.za/ H. White, T. Killick (2001) “African Poverty at the Millennium Causes, Complexities, and Challenges” The World Bank I. Woolard (2002) “An Overview of Poverty and Inequality in South Africa” Working Paper prepared for DFID (SA), July

38