Bijlage 5 Technische opmerkingen ten aanzien van het verdeelmodel
De UT heeft een "beknopte verkenning" uitgevoerd; alleen de recente onderzoeksrapporten en
de brief van de staatssecretaris aan de Tweede Kamer zijn in de beschouwing betrokken. De
rapporteurs constateren: "Helaas bieden de beschikbare documenten onvoldoende houvast om
deze verschillen in herverdeeleffecten voor het I-deel goed te kunnen beoordelen." (p. 3).
Niettemin doen de UT en Enschede c.s. enige constateringen die van belang kunnen zijn voor
de beoordeling van het verdeelmodel waar ik graag op in ga.
Het betreft: - het causale verband van de gekozen indicatoren met de bijstandsuitgaven
- de onderlinge samenhang van de gebruikte indicatoren (mulit-collineariteit)
- het gewicht van (regionale) economische indicatoren
- de gebruikte COROP-indeling
De UT werpt de vraag op of de gebruikte indicatoren een causale relatie hebben met de
bijstandsuitgaven. Sinds circa 10 jaar wordt er onderzoek verricht naar het objectief
verdeelmodel. Daarbij keren telkens drie typen variabelen terug: arbeidsmarktvariabelen,
demografische variabelen en variabelen die de centrumfunctie van een gemeente beschrijven.
Een van de toetsen die wordt toegepast bij de keuze van het model (zoals ook aangegeven in
mijn brief van 9 mei) is dat de variabelen een logische, inhoudelijke, samenhang moeten
hebben met de bijstandsuitgaven (toets op de plausibiliteit van de kenmerken).
De gebruikte indicatoren zijn het resultaat van een gerichte zoektocht naar variabelen die een
bijdrage kunnen leveren aan de verklaring van onvermijdelijke bijstandsuitgaven. Daardoor
(en niet door toevallige omstandigheden) is de verklaringskracht van het objectief
verdeelmodel zeer hoog: het verklaart de verschillen tussen gemeenten in uitgavenniveaus
voor circa 96% .
Kenmerk van onderlinge samenhang van de gebruikte indicatoren (multi-collineariteit) is, dat
gewichten van variabelen bij een kleine wijziging in de gegevensset sterk kunnen schuiven.
Het gevolg hiervan zou zijn dat ook de uitkomsten voor individuele gemeenten wijzigen. Dit
kan inderdaad ongewenste uitkomsten opleveren. Het vraagstuk van multi-collineariteit is
zowel door SEOR en APE onderkend en op adequate wijze ondervangen. In het voorgestelde
model is het effect van die multi-collineariteit juist laag. De correlatie tussen de
verdeelkenmerken is veel geringer dan de UT suggereert. Zo is de correlatie tussen lage
inkomens en laag-opgeleiden slechts 0,06 op een schaal van 0 tot 1. De gegevensset zoals die
nu gebruikt wordt is dan ook robuust. De gewichten van het verdeelmodel zijn in de tijd
stabiel. Hierop wordt het model ook telkens getoetst.
De gemeenten schrijven in hun brief dat in het verdeelmodel meer met de lokale economische
situatie rekening zou moeten worden gehouden. De ene gemeente zou voordeel `wegzuigen'
van de andere. De UT schrijft dat de bijstandsproblematiek ook in belangrijke mate wordt
beïnvloed door de uitstroommogelijkheden buiten het eigen COROP-gebied, maar geeft niet
duidelijk aan of dat betekent dat dus met een hoger schaalniveau rekening zou moeten worden
gehouden.
De UT uit voorts kritiek op de gebruikte COROP-indeling. Dit is een bestaande indeling in zo
homogeen mogelijke economische regio's. Het is een bruikbare indeling voor het objectief
verdeelmodel gebleken. Op lager schaalniveau zijn gegevens onbetrouwbaar, m.n. bij kleinere
gemeenten.
Voor kleine gemeenten is het COROP-niveau juist relevant omdat de uitstroomkansen voor
deze gemeenten juist bepaald worden door arbeidskansen in regio.
Niettemin kunnen voor gemeenten die op de grens van een COROP-regio liggen inderdaad
verschillen ontstaan door een andere regio-indeling te kiezen. In het toekomstig
onderhoudstraject kan nog worden nagegaan of er mogelijk bruikbare en alternatieven zijn.
Op dit moment zie ik overigens geen alternatief dat een betere verdeling op zou kunnen
leveren.
Bij de door de UT gemaakte analyse in de bijlage valt een aantal technische kanttekeningen te
plaatsen. Door de manier van definiëren is het herverdeeleffect van de COROP-regio vrijwel
per definitie gelijk aan het herverdeeleffect van de grootste gemeente. Het is onduidelijk
welke conclusie er uit de analyse getrokken zou moeten worden: is er te weinig rekening
gehouden met (regionale) economische factoren? De analyses van SEOR en APE tonen dit
niet aan. Dan zou er immers een (nog) zwaarder gewicht bepaald zijn in de analyse. De
economische variabelen hebben in de voorstellen gewichten die er toe doen.
Inderdaad klopt het dat er mensen over de grenzen van de regio werken. Dat geldt in principe
voor iedere regio-indeling, maar nog veel sterker als men alleen naar gegevens op
gemeenteniveau zou kijken. Enerzijds zou er dus sprake zijn van een overschatting van de
arbeidsmobiliteit als economische gegevens op een groot schaalniveau (bijv. provincie)
worden gebruikt. Anderzijds wordt deze onderschat door het gebruik van gemeentelijke
gegevens.
De UT suggereert dat (gemeenten in) regio's aan de Oostgrens benadeeld worden door het
verdeelmodel en trekt daaruit de conclusie dat het verdeelmodel onvoldoende rekening houdt
met de positie van die gemeenten. Dat is op basis van het overzicht op pagina 10 van het UT-
rapport zelf mijns inziens niet juist. Het aantal Oostelijke grensregio's met een positief
herverdeeleffect is groter dan het aantal Oostelijke grensregio's met een negatief
herverdeeleffect.
Overigens heeft de UT over het hoofd gezien dat het KAN-gebied eveneens aan de Oostgrens
is gelegen. In onderstaand overzicht (gebaseerd op de UT-notitie) is deze wel betrokken.
Oostelijke grensregio's met Oostelijke grensregio's met
negatief herverdeeleffect positief herverdeeleffect
Twente Achterhoek
Zuid Limburg Midden Limburg
Oost-Groningen Noord Overijssel
KAN-gebied Zuid Oost Drente (0-5%)
Noord Limburg (0-5%)
Delfzijl (0-5%) (1 gemeente)
Ministerie van Sociale Zaken en Werkgelegenheid