Nulhypothese (H0): gemeentegrootte heeft geen invloed op de geëiste rol van burgemeesters in profielschetsen.
Alternatieve hypothese (H1): gemeentegrootte heeft invloed op de geëiste rol van burgemeesters in profielschetsen.
Onderzocht is of gemeentegrootte van invloed is op de eisen in profielschetsen. Middels de toets enkelvoudige lineaire regressie is nagegaan of er een causale relatie bestaat tussen de
gemeentegrootte en de eisen in de profielschets. De resultaten zijn te vinden in tabel 10. De kleuren corresponderen met de modellen. Rood geeft de kenmerken weer uit het humanrelationsmodel, geel de kenmerken uit het opensysteemmodel, blauw de kenmerken uit het rationeeldoelmodel en groen die uit het internprocesmodel.
In tabel 12 zijn een aantal resultaten weergegeven. Het belangrijkste getal waarnaar gekeken dient te worden is het getal onder Sig., de significantie van het onderzochte verband. Wanneer dit getal gelijk aan of lager is dan 0,05, is er sprake van een significant verband. Is het getal hoger dan 0,05, dan is er geen sprake van een significant verband. Het getal onder ‘r’ geeft de correlatiecoëfficiënt weer en het getal onder ‘r²’ geeft de determinatiecoëfficiënt weer. Om erachter te komen hoe sterk het verband is tussen de variabelen wordt de determinatiecoëfficiënt (r²) gebruikt. De
determinatiecoëfficiënt geeft het aandeel ‘verklaarde’ variantie van de afhankelijke variabele door de onafhankelijke variabele weer. Hoe groter de r², des te beter past het regressiemodel, en des te geringer is het aandeel onverklaarde variatie. Als r² gelijk is aan 1 (=100%), is het regressiemodel perfect. Bij een r² van 0 is er geen lineair verband. (De Vocht, 2013, p. 189). In tabel 13 is
weergegeven hoe beoordeeld wordt hoe sterk het verband is. Door de waarden uit tabel 12 te plaatsen in tabel 13, kan nagegaan worden of er sprake is van een zwak, matig sterk, sterk of zeer sterk verband.
47
Tabel 12 Lineaire regressie gemeentegrootte aanwezig of afwezig
Tabel 13
Correlatiecoëfficiënt r Verband Determinatiecoëfficiënt r²
0,1-0,3 Zwak <10% verklaarde variatie
0,3-0,5 Matig sterk 10-25% verklaarde variatie
0,5-0,7 Sterk 25-50% verklaarde variatie
>0,7 Zeer sterk >50% verklaarde variatie
Zoals uit tabel 12 blijkt, is het maximale aandeel ‘verklaarde’ variantie van de afhankelijke variabele (een productieve werkomgeving bevorderen) door de onafhankelijke variabele (gemeentegrootte) 1,3% (r²=0,013). Doordat r (0,112) tussen de 0,1 en 0,3 ligt en r² (1,3%) <10% verklaarde variatie betreft, kan op basis van deze analyse geconcludeerd worden dat er ten hoogste een zwak verband zou kunnen bestaan. Op basis van de lineaire regressie zou er hoogstens een zwak verband tussen de gemeentegrootte en de geanalyseerde kenmerken in profielschetsen kunnen bestaan. Zoals gezegd is de significantiewaarde het meeste van belang. De nulhypothese (H0) kan niet worden verworpen, omdat de resultaten niet significant zijn bevonden (Sig. > 0,05).
48
Tijdens de analyse van profielschetsen is niet alleen getoetst of er in een schets gevraagd wordt naar de aanwezigheid van een bepaald kenmerk, maar is ook onderzocht hoe vaak er in één schets naar een bepaald kenmerk gevraagd wordt. Er is dan ook onderzocht of gemeentegrootte van invloed is op hoe vaak naar een eis gevraagd wordt. In tabel 14 zijn de resultaten van de lineaire regressie te vinden.
Tabel 14 Lineaire regressie gemeentegrootte frequentie
Zoals uit tabel 14 valt op te maken tonen de resultaten over het algemeen geen significante verbanden aan. Er zijn twee variabelen waarbij het regressiemodel wél significant is. Deze twee variabelen zijn in de tabel voorzien van het asterisksymbool ‘*’. Bij de variabelen ‘verbinder’ en
‘netwerker’ is het regressiemodel significant (Sig. ≤0,05). Bij het kenmerk ‘verbinder’ is de
correlatiecoëfficiënt (r) 0,13 en de determinatiecoëfficiënt (r²) 0,017. Doordat r (0,13) tussen de 0,1 en 0,3 ligt en r² (1,7%) <10% verklaarde variatie betreft, is er sprake van een zwak verband tussen gemeentegrootte en de frequentie van de eis ‘verbinder’ in de onderzochte profielschetsen. Doordat
49
bij het kenmerk ‘netwerker’ r (0,172) tussen de 0,1 en 0,3 ligt en r² (0,6%) ligt, is er sprake van een zwak verband tussen gemeentegrootte en de frequentie van de eis ‘netwerker’ in de onderzochte profielschets.
Het verband tussen verbinder en gemeentegrootte kan nader geduid worden. In tabel 15 zijn de parameters van de regressievergelijking weergegeven.
Gemeentegrootte inw. 3,700E-6 ,000 ,130 2,065 ,040
Het getal in tabel 15 onder B van ‘gemeentegrootte inw.’ is de regressiecoëfficiënt. Is de
regressiecoëfficiënt negatief, dan geeft het een negatief verband aan. Is het een positief getal, zoals nu het geval is, dan geeft de regressiecoëfficiënt een positief verband weer. Dit betekent dat er voor iedere inwoner afgerond 0,0000037 (3,700E-6) keer méér naar ‘verbinder’ wordt gevraagd in een profielschets.
Voor het kenmerk ‘netwerker’ geldt ook dat er nog verder naar het zwakke verband gekeken kan worden. In tabel 16 zijn de parameters van de regressievergelijking weergegeven.
Tabel 16 Netwerken gemeentegrootte
De regressiecoëfficiënt is ook hier positief. Dit houdt in dat er voor iedere inwoner afgerond 0,000003158 (3,158E-6) keer meer naar ‘netwerker’ wordt gevraagd in een profielschets.
Uit het onderzoek blijkt dat er dus zwakke verbanden zijn tussen de kenmerken ‘verbinder’ en
‘netwerker’ met de variabele gemeentegrootte. Uit het literatuuronderzoek is niet naar voren gekomen dat grote gemeenten vaker een netwerkende of verbindende burgemeester nodig zouden hebben. Er is wél in de literatuur geschreven over grote gemeenten en de burgemeestersrol.
Korsten, Schoenmaker, Bouwmans en Resoort (2012, pp. 153-154) geven aan dat burgemeesters van grote gemeenten als Rotterdam, Venlo, Amsterdam, Groningen en Maastricht vaak moeten
50
speechen, vertolken wat een serieus probleem is of niet, ambtenaren en burgers moeten stimuleren en enthousiasmeren, en een visie moeten geven over waar het met de eigen gemeente of de aanpak van een bepaald vraagstuk heen moet. Ze moeten de voortekenen van een komende verandering proberen te zien, omdat ze ermee van doen krijgen in de publieke ruimte en op het vlak van openbare orde. Signalen van het heden zijn de werkelijkheden van overmorgen en later. Volgens Korsten, Schoenmaker, Bouwmans en Resoort (2012 p. 154) wachten burgemeesters in grotere gemeenten vrijwel nooit af wat ‘was, is en komt’. De burgemeester heeft eigen opvattingen en is geen dolende, maar zoekt het contact met burgers. “Hij stimuleert interactie. Dat betekent luisteren, ideeën vormen en aftasten, draagvlak vinden voor eigen opvattingen en wrijvingspunten
constateren.” Er is in de analyse van de onderzochte profielschetsen niet naar voren gekomen dat grotere gemeenten in de profielschets vaker ’stimuleren’, ‘visie geven’ en ‘ideeën vormen en aftasten’ als eis aan de burgemeester opnemen.
51 Hypothese 3 Plaats waarin een profielschets is opgesteld
Nulhypothese (H0): de (geografische) plaats van een gemeente heeft geen invloed op de geëiste rol van burgemeesters in profielschetsen.
Alternatieve hypothese H1: de (geografische) plaats van een gemeente heeft invloed op de geëiste rol van burgemeesters in profielschetsen.
Zoals in hoofdstuk 6 is aangegeven is de (geografische) plaats gecategoriseerd in provincies en regio.
Onderzocht is of de provincie van invloed is op de eisen in profielschetsen. Middels de
chikwadraattoets is nagegaan of er een verband is tussen de provincie en de eisen in de verkregen profielschets. Met de toets kan geen uitsluitsel gegeven worden. De reden hiervoor is dat cellen een
‘expected count’ hebben onder de 5, terwijl het 5 of hoger zou moeten zijn. In de gevallen wanneer wél bij alle cellen een expected count van 5 of meer aanwezig was, was het verband niet significant (sign > 0,05). Er kan dus geen uitsluitsel gegeven worden dat de provincie van invloed is op de gevraagde rol van de burgemeester in profielschetsen. H0 kan niet worden verworpen.
Om na te gaan of de plaats waaruit de profielschets afkomstig is invloed heeft op de eisen in de profielschetsen, zijn de verkregen profielschetsen gecategoriseerd in regio’s. Hierdoor kan het probleem van een te lage expected count mogelijk worden verholpen. De drie regio’s en de kenmerken zijn getoetst middels de chikwadraattoets. De resultaten zijn te vinden in tabel 17. De kleuren corresponderen met de modellen zoals eerder aangegeven bij tabel 11.
52 Tabel 17 Chikwadraattoets regio’s aanwezig of afwezig Afhankelijke variabele Value
d
f sig Afhankelijke variabele Value d
besluitvorming gebruiken 1,714 2 0,424
Een productieve
werkomgeving bevorderen 2,415 2 0,299 Conflict managen 2,304 2 0,316 Tijd- en stressmanagement 2,304 2 0,316
Mentor 0,520 2 0,771 Bestuurder 1,846 2 0,397
Inzicht in uzelf en anderen 11,398 2 0,003
Een visie ontwikkelen en
communiceren 1,417 2 0,492
Effectief communiceren 3,637 2 0,162
Doelen en doelstellingen
Ideeën presenteren 16,629 2 0,000 Kernprocessen beheren 3,771 2 0,152 De chikwadraattoets toetst of de variabelen statistisch onafhankelijk van elkaar zijn. De
chikwadraattoets heeft als nulhypothese dat er geen verband is tussen de variabelen. Met een betrouwbaarheid van 95% is er sprake van een statistisch verband wanneer het significantieniveau lager is dan 0,05. De resultaten van de chikwadraattoets in tabel 15 geven weer dat de variabelen
‘inzicht in uzelf en anderen’, ‘ideeën presenteren’, ‘procesregisseur’, ‘informatie beheren door kritisch denken’ en ‘omgaan met overvloed aan informatie’ een significant verband hebben met regio’s (Sig. ≤0,05).
De chikwadraattoets zegt niets over de sterkte van het verband. Om de sterkte van deze verbanden aan te tonen is gebruikgemaakt van associatiematen gebaseerd op chikwadraat (Phi and Cramer’s V).
De resultaten zijn te vinden in tabel 18.
53 Tabel 18 Sterkte verband van regio en kenmerken
Kenmerk Phi/Cramer’s V sig
Inzicht in uzelf en anderen 0,221 0,003
Ideeën presenteren 0,267 0
Procesregisseur 0,266 0
Informatie beheren door kritisch denken 0,246 0,001
Omgaan met overvloed aan informatie 0,218 0,004
De resultaten van de associatiematen gebaseerd op chikwadraat (Phi and Cramer’s V) kunnen de sterkte van het verband aangegeven. In tabel 19 is weergegeven hoe de waarde van Phi/Cramer’s V kan worden aangeduid.
Op basis van de gegevens in tabel 19 kan gezegd worden dat er een (zeer) zwak verband is tussen de variabelen ‘inzicht in uzelf en anderen’, ‘ideeën presenteren’, ‘procesregisseur’, ‘informatie beheren door kritisch denken’ en ‘omgaan met overvloed aan informatie’ en de regio waar de profielschets vandaan komt, omdat de Phi/Cramer’s V tussen de 0,1 en 0,3 uitkomt.
Wanneer, ondanks de zwakte van het verbanden, verder gekeken wordt naar de verbanden, wordt bij het kenmerk ‘inzicht in uzelf en anderen’ in regio Noord vaker dan gemiddeld gevraagd naar ideeën presenteren, terwijl de vraag lager dan gemiddeld is in regio Midden. Naar het kenmerk wordt in regio Zuid nagenoeg evenveel gevraagd als gemiddeld. Bij het kenmerk ‘ideeën presenteren’
wordt in de regio’s Noord en Zuid vaker dan gemiddeld gevraagd naar ideeën presenteren, terwijl er een lagere vraag dan gemiddeld is in regio Midden. Naar ‘procesregisseur’ wordt in regio Noord vaker gevraagd dan gemiddeld. In regio Midden wordt nagenoeg evenveel gevraagd als het
gemiddelde, terwijl in regio Zuid minder vaak gevraagd is naar procesregisseur dan het gemiddelde.
Naar het kenmerk ‘Informatie beheren door kritisch denken’ wordt in regio Noord en Zuid vaker gevraagd dan gemiddeld, in tegenstelling tot regio Midden. Wat betreft ‘omgaan met overvloed aan informatie’, wordt in regio Noord vaker dan gemiddeld gevraagd naar dit kenmerk, in tegenstelling tot regio Midden.
Tijdens de analyse van profielschetsen is niet alleen getoetst of een kenmerk aanwezig is of niet, maar is ook onderzocht hoe vaak er in één schets naar een bepaald kenmerk gevraagd wordt. Er is
54
dan ook onderzocht of de regio van invloed is op hoe vaak naar een eis gevraagd wordt. In tabel 20 zijn de resultaten van de chikwadraattoets te vinden.
Tabel 20 Chikwadraattoets regio’s frequentie
Afhankelijke variabele Value df sig Afhankelijke variabele Value df sig
Verbinder 16,325 18 0,570 Aanjager 9,956 8 0,268
Stimulator 23,200 12 0,026 Producent 1,159 2 0,56
Teambuilding 13,188 6 0,040 Productief werken 34,517 8 0 Participerende
besluitvorming gebruiken 1,555 4 0,817
Een productieve
werkomgeving bevorderen 6,723 4 0,151 Conflict managen 2,058 2 0,357 Tijd- en stressmanagement 3,172 4 0,529
Mentor 7,251 6 0,298 Bestuurder 5,015 10 0,89
Inzicht in uzelf en anderen 17,754 4 0,001
Een visie ontwikkelen en
communiceren 16,911 6 0,01 Effectief communiceren 10,487 10 0,399
Doelen en doelstellingen
formuleren 11,139 4 0,025
Ontwikkelen van werknemers 0,690 2 0,708 Ontwerpen en organiseren 4,438 4 0,35 Netwerker 17,942 12 0,117 Procesregisseur 26,362 8 0,001
Innovator 2,998 8 0,934 Coördinator 17,129 6 0,009
Leven met verandering 2,470 2 0,291 Projectmanagement 0,581 2 0,748 Creatief denken 2,216 4 0,706 Taken ontwerpen 14,293 4 0,006 Management van verandering 2,989 4 0,560
Crossfunctioneel
overeenstemming 2,819 6 0,831
Omgaan met overvloed
aan informatie 14,492 4 0,006 Ideeën presenteren 23,234 4 0,000 Kernprocessen beheren 2,717 2 0,257 De resultaten van de chikwadraattoets in tabel 20 geven weer dat de variabelen ‘inzicht in uzelf en anderen’, ‘ideeën presenteren’, ‘een visie ontwikkelen en communiceren’, ‘doelen en doelstellingen formuleren’, ‘procesregisseur’, ‘coördinator’, ‘taken ontwerpen’, ‘controleur’, ‘informatie beheren door kritisch denken’ en ‘omgaan met overvloed aan informatie’ een significant verband hebben met regio’s (Sig. ≤0,05). Een voorwaarde van de chikwadraattoets is dat de cellen minimaal een expected count van 5 moeten hebben. Doordat de expected count bij de cellen van bovenstaande variabelen (kenmerken) lager is dan 5, kan niet met zekerheid een uitspraak gedaan worden over het verband tussen de regio en frequentie van eisen in profielschetsen. H0 kan op basis hiervan niet verworpen worden. De plaats van de gemeente lijkt geen verklarende factor te zijn voor de eisen.
55
8. Conclusie
Zoals uit de profielschetsenanalyse blijkt, wordt er vaak naar dezelfde kenmerken gevraagd in de onderzochte profielschetsen. Zo wordt er in 89,7% van alle profielschetsen gevraagd naar het kenmerk ‘verbinder’. In 81,7% van de profielschetsen wordt gevraagd naar het kenmerk ‘netwerker’
en in 73% van de schetsen naar het kenmerk ‘effectief communiceren’. Dat er vaak naar deze
kenmerken gevraagd wordt, komt overeen met wat literatuur over het burgemeestersambt daarover zegt. Zo lijkt de verbindende rol centraal te staan in het burgemeestersambt. Prinsen (1946)
beschreef destijds al in zijn proefschrift dat de burgemeester moet verbinden. Korsten,
Schoenmaker, Bouwmans en Resoort (2012, p. 93) erkennen eveneens dat verbinden de kern van het burgemeestersambt is. Ook Schouw en Tops (1998, p. 134) halen aan dat een burgemeester vaak zelf een sterke verbinder is. In de gesprekken met (ervarings)deskundigen op het gebied van
burgemeestersbenoemingen werd de centrale positie van verbinder in het burgemeestersambt benadrukt. Zo gaf Oostendorp (2017) aan dat verbinder de kern van een burgemeesterschap is en zei Van Stappershoef (2017) dat “de rol van burgemeester hoofdzakelijk die van verbinder is”.
Over de rol van netwerker gaf Van Stappershoef (2017) aan dat ‘netwerker’ en ‘verbinder’ typische bestuursstijlen zijn voor burgemeesters, vanwege hun apolitieke karakter ten opzichte van de andere rollen. Oostendorp gaf aan dat ‘netwerker’ en ´verbinder’ de kern zijn van het burgemeesterschap.
Thomas (2017) bevestigde dat het logisch is dat er veel naar een ‘netwerker’ gevraagd wordt, omdat
“het ontzettend handig en prettig is voor een gemeente om een burgemeester te hebben die mensen kent of makkelijk een netwerk opbouwt, bijvoorbeeld een netwerk in Den Haag heeft of bij de provincie. Of die in de regio komt en makkelijk een netwerk opbouwt bij de provincie”.
Dat er vaak naar het kenmerk ‘effectief communiceren’ gevraagd wordt, komt ook niet zomaar uit de lucht vallen. Burgemeesters bezitten vaak de portefeuille communicatie, zoals Derksen en Schaap (2010 p. 89) en Karsten et al. (2014, p. 114) opmerkten. Van Stappershoef (2017) vult hierop aan dat
“‘effectief communiceren’ van belang is voor een burgemeester. Zeker in het digitale tijdperk met social media. Er dient doelgericht en snel bericht te worden. Management by speech is ook
belangrijk”. Verder gaf Van Stappershoef (2017) aan dat opmerkingen van burgemeesters een grote impact hebben en veel teweeg kunnen brengen. De reden dat er zo vaak, in 73% van alle
onderzochte profielschetsen, gevraagd wordt naar het kenmerk ‘effectief communiceren’, is wat betreft Van Stappershoef dus meer dan alleen vanwege de portefeuille communicatie. Van der Meer (2017) vult daarop aan: “Als je vraagt naar een burgemeester die in Den Haag, in de regio en lokaal met burgers en ondernemers moet praten, dan kan je maar beter een goede ‘communicator’
56
hebben. Het vergt het vermogen om op verschillende niveaus een boodschap over te brengen en dat moet een goede communicator. Ik begrijp dat er hierdoor vaak naar gevraagd wordt in zo’n schets.”
Waar weinig naar gevraagd wordt, zijn kenmerken als ‘ontwikkelen van werknemers’ (2%), ‘een machtsbasis opbouwen en handhaven’ (1,2%), ‘producent’ (0,8%), ‘ontwerpen en organiseren’
(1,6%), controleur (2,0%) en ‘kernprocessen beheren’ (0,4%). Over het gegeven dat er maar zo weinig naar het kenmerk ‘ontwikkelen van werknemers’ gevraagd wordt, gaf Van Stappershoef (2017) aan:
“De burgemeester is geen gemeentesecretaris. Als het gaat om ‘ontwikkelen van werknemers’ is het niet vreemd dat er daarom niet veel naar gevraagd wordt in een profielschets van de burgemeester.”
Oostendorp (2017) vult aan: “Een burgemeester is geen gemeentesecretaris, is geen directeur die zijn mensen aanstuurt”.
Over het kenmerk ‘kernprocessen beheren’ gaf Van Stappershoef (2017) aan: “De burgemeester is er niet om louter op de winkel te passen. Voor een waarnemende burgemeester zal dit van toepassing kunnen zijn, maar daarbij speelt doorgaans een profielschets geen rol.” Volgens Van der Meer (2017) is ‘kernprocessen beheren’ wél een belangrijk kenmerk, omdat gemeenteraden dat soort taken niet zien. “Een raad ziet de burgemeester alleen in de rol van voorzitter van de gemeenteraad. Zo hebben wij in ‘s-Hertogenbosch gesprekken met externe partijen erbij om aan te geven wat doet een
burgemeester nu nog meer. Omdat de raad diegene is die de rol kiest, worden er in de profielschets eigenschappen opgenomen welke dicht bij de rol liggen die voor gemeenteraden van belang is en minder bij de rol van de burgemeester in andere setting en dat komt omdat de raad die taken niet of minder ziet”. Oostendorp (2017) geeft als mogelijke verklaring voor het niet opnemen van het kenmerk ‘kernprocessen beheren’ aan dat het ook niet echt aantrekkelijk klinkt. “Een profielschets moet natuurlijk ook wervend zijn, want je wilt als gemeente toch graag dat je de beste
burgemeesters krijgt en in ieder geval dat iedereen die denkt daaraan te kunnen voldoen gaat solliciteren. Als ik zie staan dat u een producent moet zijn, u moet ontwerpen en organiseren, u moet controleren, kernprocessen beheren. Dan zou ik denken, die zoeken een controller of een
teamleider. Of een gemeentesecretaris, niet een burgemeester.”
Van Stappershoef (2017) gaf over het vaker vragen naar de kenmerken ‘omgaan met overvloed aan informatie’ en ‘informatie beheren door kritisch denken’, dan naar het kenmerk ‘controleur’ aan, dat het wat hem betreft beter aansluit bij de realiteit. Het past beter bij de tijdsgeest en agendadruk van burgemeesters.
57 Hypothese 1
Nulhypothese (H0): de eisen in profielschetsen verschillen niet tussen tijdsperioden waarin een profielschets is uitgebracht.
Alternatieve hypothese (H1): de eisen in profielschetsen verschillen tussen tijdsperioden waarin een profielschets is uitgebracht.
Onderzocht is of er verschillen in eisen in profielschetsen tussen tijdsperioden zijn. Middels de chikwadraattoets is nagegaan of er een verschil bestaat tussen het jaartal (gecategoriseerd naar tijdsperioden) en de eisen in de profielschetsen. Doordat de expected count bij de cellen lager is dan 5, kan niet met zekerheid een uitspraak gedaan worden over het verband tussen de regio en
frequentie van eisen in profielschetsen. H0 kan op basis hiervan niet verworpen worden. Er is ook onderzocht of de tijdsperiode waarin de profielschets opgesteld is van invloed is op hoe vaak naar een eis gevraagd wordt. Doordat de expected count bij de cellen lager is dan 5, kan niet met
zekerheid een uitspraak gedaan worden over het verband tussen de regio en frequentie van eisen in profielschetsen. H0 kan op basis hiervan niet verworpen worden. Omdat de nulhypothese (H0) niet verworpen kan worden, kan gezegd worden dat de eisen in profielschetsen niet verschillen tussen tijdsperioden waarin een profielschets is uitgebracht.
Hypothese 2
Nulhypothese (H0): gemeentegrootte heeft geen invloed op de geëiste rol van burgemeesters in profielschetsen.
Alternatieve hypothese (H1): gemeentegrootte heeft invloed op de geëiste rol van burgemeesters in profielschetsen.
Om vast te stellen of gemeentegrootte van invloed is op de aanwezigheid van bepaalde eisen, is een lineaire regressieanalyse uitgevoerd. De resultaten zijn niet significant bevonden. Zouden ze dat wél zijn, dan zou er op basis van de lineaire regressieanalyse ten hoogstens een zwak verband tussen de gemeentegrootte en de geanalyseerde kenmerken in profielschetsen bestaan. H0 kan daarom niet worden verworpen. Tijdens de analyse van profielschetsen is niet alleen getoetst of een kenmerk in een schets aanwezig is of niet, maar is ook onderzocht hoe vaak er in één schets naar een bepaald kenmerk gevraagd wordt. Er is dan ook middels de lineaire regressieanalyse onderzocht of
gemeentegrootte van invloed is op hoe vaak naar een eis gevraagd wordt. Er zijn twee variabelen
gemeentegrootte van invloed is op hoe vaak naar een eis gevraagd wordt. Er zijn twee variabelen