• No results found

Regulering online werving

173bijstandsuitkering een baan te vinden. Hierbij ligt de focus op Nederlanders met een

6.2.2 Bijstandsgerechtigden: verschillende herkomst, verschillende baanvindkans?

Sinds 2015 is de Participatiewet ingevoerd ter vervanging van drie andere wetten (Wsw, Wajong en Wwb) voor sociale voorzieningen. Hoofddoel is een betere toeleiding naar werk voor mensen die dit zonder ondersteuning vaak niet lukt, zoals bijstandsgerechtigden. Onder de bijstandsgerechtigden zijn mensen met een migratie achtergrond oververtegen-woordigd (hoofdstuk 2; Muilwijk-Vriend et al. 2019c). Dit zegt nog niet per se iets over de toeleiding naar werk, dus de baanvindkans vanuit de bijstand.19 We richten ons in deze casestudie specifiek op de bijstandsgerechtigden zonder werk en laten personen die voor-heen onder de Wsw of Wajong vielen (of zouden vallen) buiten beschouwing.

We kijken naar de arbeidsmarktpositie in termen van de kans op het vinden van een baan (na een jaar) vanuit een bijstandsuitkering. Bijstandsgerechtigden kunnen om verschil-lende redenen uit de bijstand stromen. Ongeveer de helft van de totale uitstroom uit de bijstand is het gevolg van het vinden van een baan (Dräbing et al. 2017). Andere redenen van uitstroom zijn dat de partner een baan vindt, men een studie start, de AOW-leef-tijd is bereikt, of dat een bijstandsgerechtigde gaat samenwonen met een partner met

19 Het doel van de schatting in Muilwijk-Vriend et al. (2019c) (kans op bijstand voor alle huishou-dens) verschilt van ons onderzoek (baanvindkans van bijstandsgerechtigden per migratie-achtergrond). Dit beïnvloedt de meest geschikte keuze van achtergrondkenmerken. De geschatte coëfficiënten per migratie achtergrond in Muilwijk-Vriend et al. (2019c) kunnen een onderschatting zijn van de werkelijke verschillen doordat migratie achtergrond samenhangt met andere achtergrondkenmerken. Vanwege de focus op migratie achtergrond nemen wij alleen achtergrondkenmerken mee die direct de baanvindkans kunnen beïnvloeden, en kijken we naar het marginale effect per migratie achtergrond in plaats van de regressiecoëfficiënten.

174

voldoende inkomen. Ook kan men uit de bijstand stromen door meer uren te gaan werken of door een loonsverhoging.20

Voordat we kijken naar het verschil in baankansen binnen de P-wet voor personen met en zonder een migratie achtergrond, richten we ons eerst op een beschrijving van de standspopulatie. In de analyses bekijken we een aantal achtergrondkenmerken (zie bij-lage). Dat personen met een migratie achtergrond gemiddeld lager zijn opgeleid binnen de algehele bevolking is bekend (zie bv. CBS 2018a; Huijnk en Andriessen 2016), maar hoe zit dit specifiek bij de groep van bijstandsgerechtigden?

Op individueel niveau kijken we naar geslacht, leeftijd, huishoudsamenstelling, oplei-dingsniveau, medicijngebruik en het al dan niet verdachte zijn geweest van een misdrijf. Qua omgevingskenmerken hebben we informatie over in welke arbeidsmarktregio men woont en een indicator voor de regionale conjunctuur.21

Kenmerken van de P-wet-populatie; verschillen naar migratie achtergrond en generatie

Van de personen die vallen binnen de P-wet (bijstandsgerechtigden), zonder de zoge-noemde quasi-Wsw’ers en quasi-Wajongers22, heeft bijna de helft (49%) een niet-westerse herkomst. Personen zonder migratie achtergrond vormen 41% van de populatie, terwijl 10% een westerse migratie achtergrond heeft (cijfers gemeten vanaf invoering P-wet). Bijstandsgerechtigden met een niet-westerse achtergrond wijken op een aantal punten af van de bijstandsgerechtigden zonder migratie achtergrond (zie bijlage). Het opleidingsni-veau is ook binnen de P-wet-populatie gemiddeld lager. Bij degenen met een niet-westerse migratie achtergrond is het aandeel dat maximaal het primair onderwijs heeft afgerond veel groter dan bij personen zonder migratie achtergrond (respectievelijk 43% en 22%). Ook behoren zij minder vaak tot een éénpersoonshuishouden (respectievelijk 33% en 52%) en juist vaker tot een huishouden met kinderen (33% en 12%). Ook is er een aantal ver-schillen met betrekking tot de woonregio. Bijstandsgerechtigden met een niet-westerse migratie achtergrond zijn circa twee keer vaker woonachtig in de arbeidsmarktregio’s van de drie grootste steden (Groot-Amsterdam, Haaglanden en Rijnmond) dan bijstands-gerechtigden zonder migratie achtergrond. In de bijstandspopulatie is de eerste generatie aanzienlijk sterker vertegenwoordigd (49%) dan de tweede generatie (10%).23 Vooral onder

20 In 2018 was dertien% van de bijstandsgerechtigden werkzaam (CBS 2020).

21 De regionale conjunctuur in een arbeidsmarktregio wordt gemeten aan de hand van de gemid-delde baanvindkans van personen met de (op landelijk niveau gemeten) 20% laagste WW-uitke-ringen.

22 Quasi-Wsw’ers en quasi-Wajongers zijn personen die nu onder de Participatiewet vallen, maar voor 2015 in aanmerking zouden komen voor respectievelijk een Wsw-indicatie en een

Wajong-175 niet-westerse bijstandsgerechtigden is het verschil groot (43% versus 6%). De tweede

gene-ratie is gemiddeld jonger en hoger opgeleid dan de eerste genegene-ratie. De verschillen in woonregio zijn niet zo groot tussen de generaties. Zowel de eerste als tweede generatie woont geconcentreerd in de arbeidsmarktregio’s rond de grote steden.

Verschillen in baanvindkans binnen de P-wet

Migrantengroepen zijn oververtegenwoordigd in de groep van (reguliere) bijstands-gerechtigden. Dit kan komen door een grotere instroom, een kleinere uitstroom, of een combinatie van beide. We concentreren ons op de verschillen in baanvindkansen van ver-schillende migrantengroepen in de bijstand sinds de invoering van de P-wet in 2015 (zie tabel 6.3). Een lineair kansmodel is geschat voor de baanvindkansen van alle individuele bijstandsgerechtigden.24 We kijken naar de kans om als bijstandsgerechtigde zonder baan één jaar later wel een baan te hebben. Deze kans vergelijken we voor den met verschillende migratie achtergrond ten opzichte van die van bijstandsgerechtig-den zonder migratie achtergrond. We doen dit stapsgewijs: eerst (model 1) kijken we naar de feitelijke verschillen in baanvindkans, zonder rekening te houden met verschillen in achtergrondkenmerken. In model 2 voegen we individuele en contextuele factoren toe. In de online bijlage zijn de schattingen van de coëfficiënten van de individuele en contex-tuele factoren uit model 2 weergegeven. Daarnaast zijn in de online bijlage ook schattin-gen weergegeven van modellen met minder verklarende variabelen dan model 2. Hiermee is te zien dat het weglaten van de conjunctuur nauwelijks effect heeft op de uitkomsten per herkomstgroep.

176

Tabel 6.3

Jaarlijkse baanvindkans (%),a naar herkomst en generatie binnen de P-wet (2015-2019) Model 1 Alleen herkomst Model 2 Herkomst en achter-grondkenmerkenb

Zonder migratie achtergrond (ref.) 8,7 9,2

Verschillen ten opzichte van referentiegroep

Westers – totaal ­0,8*** ­0,4*** 1e generatie ­1,6*** ­0,6*** 2e generatie 0,4*** ­0,1 Niet­westers – totaal ­0,3*** ­1,1*** 1e generatie ­1,1*** ­1,1*** 2e generatie 5,9*** ­1,5***

Bron: CBS Microdata, SCP­bewerking.

a) Statistische significantie: *** 1%, ** 5%, * 10%.

b) In deze analyses is rekening gehouden met geslacht, leeftijd, huishoudsamenstelling, opleidingsniveau, medicijngebruik en het al dan niet verdachte zijn geweest van een misdrijf, arbeidsmarktregio en regionale conjunctuur.

Van de bijstandsgerechtigden zonder migratie achtergrond is de baanvindkans 8,7% in de periode 2015-2019 (zie tabel 6.3). Het deel dat na een jaar betaald werk heeft, is dus klein. Bijstandsgerechtigden met een migratie achtergrond slagen er (nog) minder vaak in om betaald werk te verkrijgen. Die kans is voor de personen met een westerse migratie achtergrond 0,8 procentpunt lager (7,9%) en bij personen met een niet-westerse achtergrond is die 0,3 procentpunt lager (8,5%) dan die van personen zonder migratie-achtergrond (model 1). In 2019, een jaar van hoogconjunctuur, was die kans voor personen met een niet-westerse migratie achtergrond juist gunstiger dan die voor personen zonder migratie achtergrond (zie online bijlage).

De verschillen in baanvindkansen tussen herkomstgroepen kunnen te maken hebben met verschillen in achtergrondkenmerken, zoals leeftijd, opleiding en arbeidsmarkt-regio. In model 2 controleren we voor zulke achtergrondkenmerken. Opvallend is dat het verschil in baanvindkans bij de niet-westerse groep juist toeneemt wanneer we rekening houden met diverse achtergrondkenmerken. De baanvindkans voor personen met een niet-westerse achtergrond die bijvoorbeeld in dezelfde regio wonen en dezelfde opleiding en leeftijd hebben als personen zonder migratie achtergrond, is 1,1 procent punt kleiner (model 2). Bij personen met een westerse migratie achtergrond is het beeld anders. Wan-neer we rekening houden met verschillen in achtergrondkenmerken is het verschil in

177

Tabel 6.4

Baanvindkansen (%)a van bijstandsgerechtigden naar herkomstgroepen (2015-2019)25

Model 1 Alleen herkomst

Model 2 Herkomst en

achter-grondkenmerken

Zonder migratie achtergrond (ref.) 8,7 9,3

Verschillen ten opzichte van referentiegroep

Marokkaans ­3,0*** ­3,4*** Turks ­2,3*** ­1,5*** Surinaams 1,5*** 1,0*** Antilliaans 2,5*** 1,1*** Vluchtelingenlanden 0,3 ­2,4*** Overig niet­westers 0,9*** ­0,2* Overig westers ­1,7*** ­1,4*** EU/Oost­Europa 2,0*** 1,5*** Midden­ en Oost­Azië 0,1 1,1***

Bron: CBS Microdata, SCP­bewerking.

a) Statistische significantie: *** 1%, ** 5%, * 10%.

De baanvindkans van bijstandsgerechtigden van de tweede generatie met een niet-wes-terse achtergrond is aanzienlijk groter (5,9 procentpunt) dan die van bijstandsgerechtig-den zonder migratie achtergrond. Echter, nadat we rekening houbijstandsgerechtig-den met de verschillen in individuele en contextuele achtergrondkenmerken, zoals leeftijdsverschillen, is de baanvindkans van die tweede generatie juist (1,5 procentpunt) kleiner dan die van bij-standsgerechtigden zonder migratie achtergrond, en zelfs kleiner dan die van de eerste generatie. Bij de tweede generatie spelen andere factoren dus ook nog een rol bij de ver-schillen in baanvindkansen ten opzichte van personen zonder migratie achtergrond. Bij de eerste generatie met een niet-westerse migratie achtergrond is er geen verandering in het verschil in baanvindkans ten opzichte van bijstandsgerechtigden als er rekening wordt gehouden met de verschillen in achtergrondkenmerken. Voor de westerse tweede gene-ratie geldt dat hun baanvindkansen (na controleren voor achtergrondkenmerken) niet afwijken van die van bijstandsgerechtigden zonder migratie achtergrond. Herkomst lijkt voor hen dus niet meer mee te spelen. De baanvindkans van de westerse eerste genera-tie is aanzienlijk kleiner (1,6 procentpunt) dan die van de bijstandsgerechtigden zonder migratie achtergrond. Corrigeren voor verschillen in achtergrondkenmerken nivelleert de onderlinge verschillen: de baanvindkans is dan 0,6 procent punt kleiner voor de bijstands-gerechtigden van de eerste generatie met een westerse migratie achtergrond.

25 De baanvindkans van personen zonder migratie achtergrond wijkt in tabel 6.2 (9,3%) iets af van de kans in tabel 6.1 (9,2%), doordat de verschillende indeling naar herkomst het effect van de andere achtergrondkenmerken beïnvloedt.

178

Samengevat zijn de baanvindkansen laag van bijstandsgerechtigden met en zonder migratie achtergrond, zowel gecontroleerd als ongecontroleerd. Wel hebben niet-westerse bijstandsgerechtigden, en dan met name die van de tweede generatie, een achterstand als we rekening houden met hun gunstigere kenmerken (bv. jonger en gemiddeld hoger opgeleid). Dit verschil tussen de generaties kwam niet naar voren uit de studie van Ponds et al. (2018), maar hierbij is een belangrijke kanttekening dat zij de baanvindkans voor bijstandsgerechtigden bekeken in een periode van voornamelijk laagconjunctuur (2008-2014). Daarnaast hebben zij deze kans onderzocht voor de totale groep van WW’ers en bijstandsgerechtigden (Ponds et al. 2018) en alleen banen van minimaal 12 uur per week meegenomen. Overigens is het aandeel van de tweede generatie bij het totaal van bij-standsgerechtigden met een niet-westerse herkomst gering.

Baanvindkans het kleinst bij Marokkaanse Nederlanders

In tabel 6.4 staan de verschillen in baanvindkansen voor verschillende subgroepen en subcategorieën van personen met een migratie achtergrond.

In het beeld van de overkoepelende categorieën westers en niet-westers is diversiteit op te merken. De feitelijke (dus ongecorrigeerde) baanvindkans van de diverse groepen is maximaal 2,5 procentpunt groter (Antilliaanse achtergrond) en niet meer dan 3 procent-punt kleiner (Marokkaanse achtergrond) dan die van de referentiegroep (zonder migratie-achtergrond). Er zijn dus wel verschillen (in procentpunten) naar herkomst, hoewel voor alle groepen de baanvindkans laag is. Zowel met als zonder rekening te houden met achter grondkenmerken zijn de baanvindkansen van bijstandsgerechtigden met een Antil-liaanse, Surinaamse en Oost-Europese achtergrond beter dan die van bijstandsgerech-tigden zonder migratie achtergrond. Bij de bijstandsgerechbijstandsgerech-tigden met een achtergrond uit een vluchtelingenland, Marokko of Turkije is de baanvindkans relatief ongunstig. Bij bijstandsgerechtigden met een achtergrond uit een vluchtelingenland verslechtert de baan vindkans aanzienlijk als er rekening wordt gehouden met verschillen in achter-grondkenmerken.

Onverklaarde verschillen in baanvindkans

In deze paragraaf zijn we ingegaan op de omvang van de verschillen in baanvindkansen tussen herkomstgroepen en in hoeverre deze terug te voeren zijn op verschillen in ach-tergrondkenmerken. We kunnen echter niet alle relevante factoren meenemen in onze analyse. Het verschil dat niet op basis van de meegenomen factoren verklaard kan wor-den, heeft te maken met deze factoren die niet zijn meegenomen. Eerder onderzoek naar verschillen op de arbeidsmarkt geeft diverse mogelijke verklaringen voor dit onverklaarde deel, zoals beheersing van de Nederlandse taal, culturele verschillen (zoals in arbeids-oriëntatie), de beperkte waarde van diploma’s en werkervaring opgedaan in het land van herkomst, discriminatie, gezondheid, sociale netwerken, sollicitatievaardigheden en soft skills (Huijnk en Andriessen 2016; Ponds et al. 2018; Renema en Lubbers 2019; SZW 2018;

179