Ontslagen of niet ontslagen?

In alle voorgaande analyses hebben we gekeken naar het gedrag van werklieden bij het begin van de staking en tijdens de staking. In de lijst met werklieden is echter ook vastgelegd welke werklieden na afloop van de staking zijn ontslagen. In deze paragraaf maken we modellen waarmee we analyseren welke eigenschappen een volhoudende werkman (n = 381) had die werd ontslagen. Ontslagen worden zegt echter niet per definitie iets over stakingsgedrag. Of een werkman definitief werd ontslagen bepaalde immers de directie. Wellicht hanteerde deze bij de selectie een gelijke verdeling over leeftijden, of juist niet: subversieve jongeren zouden nog decennialang kunnen zorgen voor onrust op de werkvloer. Toch kan ook het feit dat iemand is ontslagen een indruk geven van zijn gedrag tijdens de staking. Alle werklieden die door de opzichters in hun verslagen als opruiend waren beschreven, hoefden niet terug te komen. Hoewel minder duidelijk, zegt een derde paar regressiemodellen, zoals we deze presenteren in tabel 5.32, daarom wellicht iets over het gedrag tijdens de staking.

Tabel 5.32: Logistische regressiemodellen voor ontslagen worden

Variabele Categorie model 1 model 2

“(Intercept)” (*) 0.49 (*) 0.49 leeftijd 1) 1.03 omvang huishouden 1) 2) 1.21 aantal dienstjaren 1) 0.86 geboorteregio 3) noord (**) 3.23 (**) 3.33 (ref = Haarlem e.o.) oost 0.57 0.56 west 1.29 1.23 zuid 0.54 0.56 geloof gereformeerd 0.40 0.40 (ref = hervormd) rooms-katholiek 0.85 0.82 doopsgez./luth./rem. 0.57 0.58 overig 1.03 1.15

scholingsniveau 3) 9 (low skilled) 1.19 1.14

(ref = 7 (medium skilled)) 11 (unskilled) 1.38 1.26 dagloon 1) 1.18 1.17 statistieken N 381 381 Nagelkerkes R2 _{0.06 0.07} toelichting: significantie: ‘***’ = p<0.001; ‘**’ = p<0.01; ‘*’ = p<0.05; • 1) gestandaardiseerde variabele • 2) omvang huishouden = aantal evt. kinderen + evt. vrouw + evt. bejaarden • 3) geboorteregio ‘buitenland’ en scholingsniveau ‘6 (foremen)’ zijn uit de analyse

weggelaten

• script: dataAnalysis/R/binlogreg.R

Net als bij het volhouden of niet volhouden van de staking is de achtergrond van een werkman niet anders dan op andere momenten waarop hij de keuze maakt over zijn gedrag. Vanwege de invloed van de directie op deze variabele, zijn hier nog minder variabelen relevant bij het analyseren van het gedrag. Alleen werklieden afkomstig uit het noorden zijn significant meer dan gemiddeld ontslagen. Blijkbaar is de volharding van werklieden uit het noorden opgevallen.

Een meer voor de hand liggende verklaring voor de keuze van de directie om een werkman te ontslaan, heeft te maken met de mogelijkheid deze te kunnen

vervangen. Sloot kon bijvoorbeeld de bewerkers van metaal moeilijk missen: ‘Bekwame bankwerkers en vuurwerkers [krijg ik gewoonlijk] uit andere fabrieken van elders, want die zijn in Haarlem niet te vinden; timmerlieden en schilders [krijg ik gewoonlijk] uit de stad van particuliere inrichtingen.’ Als dit van invloed is geweest op het wel of niet ontslagen zijn van een staker, moeten we dat duidelijk kunnen zien. Tabel 5.33: HISCO units van volhoudende stakers en of zij zijn ontslagen of niet

HISCO unit ontslagen niet ontslagen totaal

“724” (gieter) 1 (33%) 2 (67%) 3 “725” (modelmaker) 1 (100%) 0 (0%) 1 “799” (zeilmaker) 4 (33%) 8 (67%) 12 “803” (zadelmaker) 0 (0%) 17 (100%) 17 “819” (wagenmakers) 20 (74%) 7 (26%) 27 “831” (vuurwerkers en voorslagers) 13 (21%) 50 (79%) 63 “832” (bankwerker) 38 (38%) 61 (62%) 99 “833” (draaier) 9 (24%) 29 (76%) 38 “834” (schavers, boorders, slijpers) 11 (55%) 9 (45%) 20 “839” (wielendraaier) 8 (35%) 15 (65%) 23 “841” (wagenlichter) 5 (38%) 8 (62%) 13 “873” (koper- en blikslager) 4 (29%) 10 (71%) 14 “931” (schilders) 6 (27%) 16 (73%) 22 “999” (poetsers) 10 (34%) 19 (66%) 29 totaal 130 (34%) 251 (66%) 381 χ2 _{toets niet mogelijk, vanwege de kleine waardes (<5) in sommige cellen; script:} dataAnalysis/R/HISCOunits.R

Tabel 5.33 geeft een overzicht van de aantallen werklieden die zijn ontslagen per beroepsgroep. De groepen zijn te klein om een goede statistische uitspraak te doen, maar een aantal zaken vallen wel op. De directie ontslaat bijvoorbeeld gemakkelijk te vervangen werklieden, zoals wagenmakers, schavers en boorders. Wagenmakers zijn in de stad goed te verkrijgen en eenvoudig bankwerk kon worden overgenomen door stakende machinisten die naar de werkplaats werden overgeplaatst. De poetsers komen precies uit op het gemiddelde. Vuurwerkers en voorslagers werden naar verhouding

heel weinig ontslagen, want deze zijn slecht te vervangen. Het maakt de lage lonen voor voorslagers overigens nog schrijnender.

We concluderen dat er geen verband bestaat tussen het gedrag tijdens de staking en het ontslag. De smeden deden namelijk intensief mee aan de staking, hielden de staking verhoudingsgewijs meer vol dan andere groepen werklieden, maar de ontslagen waren zeer beperkt. De zadelmakers hadden zich op maandagmorgen blijkbaar laten overhalen om te staken, want de meesten keerden terug naar hun werk. Maar zelfs van de volhouders werd er niet één ontslagen. De directie pakte kennelijk wel terug, maar alleen onder groepen werklieden die zij in de bedrijfsvoering makkelijker konden vervangen.

5.13 Conclusie

Om de redenen om te staken te achterhalen, hebben we onderzoek gedaan naar verschillende individuele eigenschappen die het gedrag van een werkman hebben beïnvloed. Dit hoofdstuk concentreerde zich op de individuele afwegingen die werklieden hebben gemaakt. Deze afwegingen hebben we gestructureerd door de verschillende aspecten van de situatie van een werkman te behandelen. Onze dataset bevat variabelen die uitdrukking geven aan deze situatie.

We onderzochten de leeftijd, gezinssituatie, geboorteplaats, geloof, aantal dienstjaren, scholingsniveau en dagloon. Nadat we deze variabelen een voor een in detail hebben geanalyseerd, hebben we logistische regressiemodellen geconstrueerd om het belang van de variabelen bij het stakingsgedrag in combinatie te onderzoeken. De belangrijkste conclusies hebben we kunnen trekken met betrekking tot geloof, scholingsniveau, geboorteplaats en dagloon.

Uit ons onderzoek blijkt dat de aandacht voor de verschillende (geloofs-) groepen in de Nederlandse samenleving voor, tijdens en na de spoorwegstaking terecht is. Gereformeerden en katholieken staakten duidelijk minder en protestanten van een vrijzinnige denominatie meer. De Nederlandse samenleving was – met een modern woord – gepolariseerd en de spoorwegstaking lijkt deze polarisatie inderdaad, zoals Siep Stuurman al stelde, te hebben versterkt.

Werklieden met een gemiddeld scholingsniveau staakten het meest, zeker in verhouding tot de laaggeschoolden. Laaggeschoolden die eenmaal voor staken hebben gekozen houden deze echter beter vol dan andere groepen.

Geboorteplaats geeft een ingewikkeld signaal. Er zijn weinig personen uit verschillende delen van Nederland om hele harde conclusies te trekken. Werklieden uit het noorden lijken meer te staken, maar houden een staking zeker beter vol. Werklieden uit het oosten staakten minder.

Samenvattend concluderen we dat de duidelijkste signalen zijn te vinden in de kleinste groepen. Vooral gereformeerden, ongeschoolden en werklieden geboren in het oosten staakten niet. Vrijzinnig protestanten staakten juist wel en werklieden uit het noorden hielden de staking het langste vol. Voor de gemiddelde, hervormde werkman uit Haarlem is welvaart de belangrijkste drijfveer: een beter loon en een eerlijker premiestelsel zijn de belangrijkste oorzaken van de relatief grote stakingsbereidheid aan de werkplaats in Haarlem tijdens de spoorwegstaking van 1903.