– Gemeenten zijn op basis van risicokenmerken goed in te delen in homogene clusters. En deze clusters verschillen ook duidelijk op het gebruik van sociaaldomeinvoorzieningen, waarbij krimpende plattelandssteden en grootstedelijke gebieden een hoog voorzieningengebruik kennen, en gewone plattelandsgemeenten en gemeenten met veel welgestelden juist een laag voorzieningenniveau.
– De risicokenmerken kunnen de gemeentelijke verschillen in het voorzieningengebruik wel voor een groot deel verklaren, maar niet helemaal.
– In de noordelijke drie provincies en Zuid- en Midden-Limburg is het voorzieningengebruik hoog. In het midden van het land is het voorzieningengebruik juist relatief laag. Dit beeld blijft ook bestaan na correctie voor de risicokenmerken.
5.1 Risicoprofielen op gemeentelijk niveau 5.1.1 Clustering van gemeenten
Gemeenten verschillen op vele kenmerken. Om de presentatie van uitkomsten naar deze kenmerken overzichtelijk te houden clusteren we de gemeenten in groepen die ‘op elkaar lijken’. Het meest interessante perspectief hierbij is de wijze waarop de gemeenten de inrichting van het sociaal domein vorm hebben gegeven. king (2014) heeft hiervoor een aantal zogenaamde archetypen ontwikkeld.1 Helaas is er momenteel geen landelijke infor-matie beschikbaar over dit soort inrichtingskeuzes. We gaan daarom hier uit van een clus-tering van gemeenten die is gebaseerd op verschillen in het risicoprofiel van de bevolking van gemeenten. In hoofdstuk 4 over kwetsbare groepen zijn de belangrijkste risicofactoren aangegeven. Waar het in hoofdstuk 4 om risicokenmerken op het niveau van personen of huishoudens ging, vertalen we deze hier naar gemeenten. Zo wordt het kenmerk laag huis-houdensinkomen vervangen door het aandeel huishoudens met een laag inkomen in een gemeente.
Er zijn verschillende methoden om een clustering vast te stellen. De kunst is om clusters zodanig samen te stellen dat de verschillen binnen de clusters zo klein mogelijk zijn (homo-geniteit) en tussen de clusters zo groot mogelijk (hetero(homo-geniteit). In dit geval gaat het dus om verschillen in gemeentelijk risicoprofiel die de kans op het gebruik van een voorziening in het sociaal domein bepalen. Hierbij is gebruikgemaakt van een techniek die bekend staat als latente klassenanalyse (zie Muthén en Muthén 2010). Op basis van een aantal sta-tistische maten en de interpreteerbaarheid van de klassen is een beslissing genomen over het aantal latente klassen. De clusters zijn vervolgens gekarakteriseerd op basis van de scores op de kenmerken die het risicoprofiel samenstellen.
Op basis van de meest onderscheidende kenmerken kunnen we de resulterende clusters als volgt karakteriseren, waarbij eerst wordt uitgegaan van stedelijkheid en vervolgens van de aanwezigheid van andere differentiërende kenmerken2 (tabel 5.1):
Tabel 5.1
Indeling van gemeenten in 8 clusters
cluster aantal
gemeenten
aandeel van de totale
bevolking (%) vitale stedelijke agglomeraties met veel niet-westerse migranten 6 13,4 populaire studentensteden met veel alleenstaanden en hogeropgeleiden 11 10,2
middelgrote gemeenten met stedelijke allure 45 21,4
middelgrote gemeenten met landelijke allure 75 17,8
krimpende plattelandssteden, met veel laagopgeleide inwoners 28 6,8
gemeenten met veel welgestelden en dure woningen 24 3,2
gewone plattelandsgemeenten met gewone gezinnen 129 17,2
krimpende plattelandsgemeenten, met veel laagopgeleide inwoners 75 9,9
Bron: scp
In figuur 5.1 wordt een geografisch beeld gegeven van de gemeenten, ingedeeld in de onderscheiden clusters. De vitale stedelijke agglomeraties betreffen de brede regio’s rond Rotterdam (inclusief Schiedam) en Amsterdam (inclusief Almere en Diemen).
Ook Den Haag is als agglomeratie aangemerkt, maar dan zonder omliggende gebieden.
Tot de populaire studentensteden behoren de overige gemeenten met een universiteit, met uitzondering van Tilburg en aangevuld met Arnhem.3 De krimpgemeenten zijn vooral gelegen in de drie noordelijke provincies, Zuid-Limburg en Zeeland. Ten slotte vormen 24 gemeenten het cluster ‘gemeenten met veel welgestelden’, waarvan de meeste zich langs de Noordzeekust of in het midden van het land bevinden. Een handjevol ‘rijke
gemeenten’ bevindt zich verder van de Randstad, waarbij Haren (in een krimpgebied) wel-licht het meest opvalt.
Figuur 5.1
Clustering van gemeenten naar risicoprofielen, 2015
vitale stedelijke agglomoraties populaire studentensteden middelgroot stedelijke allure middelgroot landelijke allure krimpende plattelandssteden gemeenten met veel welgestelden gewone plattelandsgemeenten krimpende plattelandsgemeenten
Bron: cbs (StatLine) scp-bewerking
5.1.2 Voorzieningengebruik naar gemeenteprofiel
In deze paragraaf wordt het gebruik van sociaaldomeinvoorzieningen in het eerste halfjaar van 2015 naar gemeenteprofielen gepresenteerd. Daarbij worden twee indelingen van gemeenten gebruikt: gemeentegrootte en risicocluster (zie § 5.1.1). Naar verwachting wordt het gebruik van voorzieningen in het sociaal domein voor een deel bepaald door het risico-profiel van de gemeenten. Zo zal in gemeenten met veel eenoudergezinnen doorgaans meer gebruik worden gemaakt van jeugdzorg en in gemeenten met veel ouderen van hulp bij het huishouden. Maar ook binnen clusters van gemeenten met een vergelijkbaar
risico-profiel kan het voorzieningengebruik verschillen. Dit kan te maken hebben met verschillen in uitvoeringspraktijk, beleidsvoorkeuren of historisch gegroeide situaties.
Om een zuiver beeld te krijgen van deze verschillen wordt het voorzieningengebruik gecor-rigeerd voor het risicoprofiel van de gemeente. Hierbij worden de risicofactoren in aanmer-king genomen die in hoofdstuk 4 (tabel 4.1) zijn afgeleid uit de verdeelmodellen voor de drie decentralisatiewetten. Dit zijn factoren die theoretisch zijn verantwoord en empirisch standhouden. Uit de uitgevoerde correctie resulteert het ‘onverklaarde gebruik’. Dit wordt aangeduid met de ‘situatie na correctie voor verschillen in risicoprofielen’.4 De uitkomsten hebben een signaleringsfunctie. Gemeenten die een voorziening effectiever inrichten of meer aandacht geven aan preventie kunnen daardoor na correctie voor gemeentelijke risicoprofielen een laag voorzieningenniveau hebben. Dit hoeft dus niet te betekenen dat ze hun burgers slecht bedienen. Om dit goed in beeld te krijgen zijn een outcomemeting en cliëntervaringsonderszoeken nodig. In deze rapportage is dat nog niet mogelijk.
Gebruik Participatiewet naar gemeenteprofiel
In dit hoofdstuk onderscheiden we zowel voorzieningen in de Participatiewet (bijstand, re-integratie) als voorzieningen voor arbeidsbeperkten (Wsw, Wajong). Samen worden deze aangeduid met ‘participatievoorzieningen’.
Gemiddeld gebruikt 9% van de bevolking van 18-64 jaar in de eerste helft van 2015 een participatievoorziening (figuur 5.2). Het gaat dan vaak om bijstand (3,6%), gevolgd door Wajong (2,3%) en re-integratie (2%). 1% van de bevolking maakt gebruik van een Wsw-voorziening. Het gebruik van deze voorzieningen neemt toe naarmate de gemeente groter is. Dit geldt vooral voor het gebruik van bijstand en (in mindere mate) voor de
re-integratievoorzieningen. Er zijn veel grotere verschillen als we kijken naar de risicoprofielen van de gemeenten. Vooral het hoge gebruik in de krimpende plattelandssteden springt in het oog. In gewone plattelandsgemeenten, gemeenten met veel welgestelden en middel-grote gemeenten met landelijke allure wordt in verhouding weinig beroep gedaan op voor-zieningen voor arbeidsbeperkten (Wajong, Wsw) en de bijstand. In stedelijke agglomeraties en krimpende plattelandssteden wordt veel gebruikgemaakt van voorzieningen voor
arbeidsbeperkten en de bijstand. In deze groepen gemeenten wordt ook relatief vaak gebruikgemaakt van re-integratievoorzieningen. Ook bij krimpende plattelandsgemeenten is het gebruik van re-integratievoorzieningen hoog, zeker ten opzichte van het aantal bij-standsuitkeringen.
Figuur 5.2
Gebruik van Participatiewetvoorzieningen naar gemeentegrootte en clusters van gemeenten, eerste halfjaar 2015 (in procenten van de bevolking van 18-64 jaar)a
vitale stedelijke agglomeraties
bijstand (% 18-64) wajong (% 18-64) wsw (% 18-64) re-integratie (% 18-64)
a Inclusief mogelijke overlap door gelijktijdig gebruik van meer dan één voorziening.
Bron: cbs (StatLine) scp-bewerking; Panteia (2015) scp-bewerking
Als we gemeenten indelen op basis van het gebruik van de participatievoorzieningen, dan kunnen we laten zien welke risicofactoren een belangrijke rol spelen. We delen de gemeenten hierbij in op basis van het percentage 18-64-jarige inwoners dat gebruikmaakt van een regeling volgens de bijstand, de Wajong of de Wsw. De re-integratie laten we hier weg omdat deze een grote overlap vertoont met de andere regelingen. Het gemiddelde gebruik van participatievoorzieningen (exclusief re-integratie) komt uit op 6,8% van de 18-64-jarigen, maar varieert van vrijwel 0% tot bijna 14,5%. In tabel 5.2 zijn de voor de participatievoorzieningen belangrijkste verklarende factoren opgenomen. De waarde van deze factoren varieert tussen de gemeenten per klasse van gebruik.
Zo woont in de veertien gemeenten die in de hoogste klasse vallen (11,0%-14,5% gebrui-kers), 68% van de bevolking in stedelijk gebied, tegen 12% in de 40 gemeenten in de laag-ste klasse. Ook is het aandeel niet-welaag-sterse migranten en huishoudens met een laag inkomen duidelijk hoger in de gemeenten met veel gebruik, terwijl de woningwaarde daar juist lager is. Het aandeel gezinnen met kinderen is hier juist lager.
Tabel 5.2
Kenmerken van gemeenten naar verschillen in gebruik van voorzieningen, Participatiewet, eerste halfjaar 2015 (in aantallen en procenten)a
aandeel totaal gebruik voorzieningen (%)
0-3 3-5 5-7 7-9 9-11
11,0-14,5 totaal
aantal gemeenten 40 142 117 57 23 14 393
personen in stedelijke gebieden (%)
12 23 45 59 57 68 45
niet-westerse migranten (%) 4 5 10 16 16 23 12
huishoudens met een laag inkomen (%)
5 6 8 11 13 15 9
woningwaarde x 1000 304 266 227 213 182 156 225
eenoudergezinnen (%) 6 6 7 7 7 9 7
gezinnen met kinderen (%) 30 29 26 24 23 22 26
personen met psychische medicatie 18-64 jaar (%)
5 5 5 5 6 5 5
a Regelingen: Wwb, Wsw, Wajong; inclusief dubbeltellingen.
Bron: cbs (StatLine) scp-bewerking, gewogen met gemeentegrootte
Als we het gebruik van voorzieningen corrigeren voor de factoren die het risicoprofiel van de gemeenten bepalen, vallen de meeste verschillen weg. De verschillen in gebruik tussen groepen van gemeenten zijn dus voor het grootste deel te verklaren door het risicoprofiel.
Bij krimpende plattelandssteden is het gecorrigeerde gebruik van
participatie-voorzieningen nog steeds iets hoger dan gemiddeld (vooral door meer re-integratie), bij middelgrote gemeenten met stedelijke allure is het iets lager dan gemiddeld (zie figuur Bijlage A4).
Gebruik Wmo 2015 naar gemeenteprofiel
De verschillen in het gebruik van voorzieningen in de Wmo 2015 naar clusters van
gemeenten in de eerste helft van 2015 lijken iets minder groot dan bij de voorzieningen van de Participatiewet (figuur 5.3). Het gebruik wordt hier weergegeven als percentage van de bevolking van 18 jaar of ouder. Gemiddeld ligt het gebruik op net iets meer dan 5%.
Met name de huishoudelijke hulp neemt daarbij een belangrijke plaats in. De verschillen tussen de gemeenten naar gemeentegrootte zijn niet heel groot; de middelgrote
gemeenten kennen iets meer gebruikers, en de kleine gemeenten juist iets minder dan de andere gemeenten. Een relatief laag beroep op Wmo-voorzieningen vinden we in gewone plattelandsgemeenten, gemeenten met veel welgestelden, middelgrote gemeenten met landelijke allure en de vitale stedelijke agglomeraties. In krimpende plattelandssteden wordt, net als bij de Participatiewet, een groot beroep gedaan op alle voorzieningen bin-nen de Wmo 2015.
Figuur 5.3
Gebruik van Wmo 2015-voorzieningen naar gemeentegrootte en clusters van gemeenten, eerste halfjaar 2015 (in procenten van de bevolking van 18 jaar en ouder)a
vitale stedelijke agglomeraties
a Inclusief mogelijke overlap door gelijktijdig gebruik van bijvoorbeeld hulp bij het huishouden en onder-steuning.
Bron: cak (maatwerkbestand) scp-bewerking
Ook voor de Wmo 2015 delen we de gemeenten weer in naar het aandeel gebruikers.
Gemiddeld maakt 4,6% van de bevolking gebruik van een of meerdere voorzieningen van de Wmo 2015. Dit percentage wijkt af van figuur 5.3, omdat de dubbeltellingen in dit cijfer zijn verwijderd, en varieert van 1,6% tot 8,3%. De 23 gemeenten met een laag gebruik (tot 2,5%) zijn weinig stedelijk, hebben weinig niet-westerse migranten en weinig huis-houdens met lage inkomens (tabel 5.3). Het aandeel alleenstaanden en personen met een uitkering ligt hier onder het gemiddelde, terwijl de gemiddelde woningwaarde relatief hoog is. Bij de dertien gemeenten met een hoog gebruik (meer dan 6,5%) van Wmo 2015-voorzieningen zien we een hoog aandeel kwetsbare personen: lage inkomens, laag opge-leiden, met een uitkering en een lage woningwaarde. Ook heeft deze groep gemeenten het hoogste percentage 65-plussers.
Tabel 5.3
Kenmerken van gemeenten naar verschillen in gebruik van voorzieningen, Wmo 2015, eerste halfjaar 2015 (in aantallen en procenten)
aandeel totaal gebruik voorzieningen (%)
1,3-2,5 2,5-3,5 3,5-4,5 4,5-5,5 5,5-6,5 6,5-8,2 totaal
aantal gemeenten 14 86 149 99 32 13 393
≥ 65 jaar (%) 18 12 17 18 19 21 18
personen in stedelijke gebieden (%)
11 30 53 45 45 29 45
niet-westerse migranten (%) 5 8 14 12 9 6 12
huishoudens met een laag inkomen (%)
5 7 9 10 10 11 9
woningwaarde x 1000 275 260 240 202 201 159 225
alleenstaanden (%) 26 30 38 37 37 35 36
huishoudens met een lage opleiding (%)
30 30 27 30 30 36 29
huishoudens meteen uitkeringa
11 13 16 18 19 24 16
a Exclusief bijstandsuitkeringen.
Bron: cak (maatwerkbestand) scp-bewerking, gewogen met gemeentegrootte; cbs (StatLine) scp-bewerking, gewogen met gemeentegrootte
Net als bij de voorzieningen in de Participatiewet kunnen we het gebruik van de onder-scheiden Wmo 2015-voorzieningen corrigeren voor de risicoprofielen van de gemeenten.
Ook hier verdwijnen de grootste verschillen tussen de onderscheiden clusters. Plattelands-gemeenten en middelgrote Plattelands-gemeenten met stedelijke allure komen nu iets onder het gemiddelde gebruik te liggen. De krimpende plattelandssteden vormen ook hier de groep gemeenten waarin nog steeds bovengemiddeld gebruikgemaakt wordt van de voor-zieningen (zie figuur Bijlage A5). Dit hogere gebruik zit vooral in de hulp bij het huishouden en de hulpmiddelen en diensten.
Gebruik Jeugdwet naar gemeenteprofiel
Het gemiddelde gebruik voor heel Nederland ligt op iets meer dan 10% van de
0-17-jarigen. Net als bij de Wmo kennen de middelgrote gemeenten de meeste gebruikers en de kleine gemeenten de minste (figuur 5.4). Ook hier springen de krimpende
plattelandssteden eruit met een hoog voorzieningengebruik. De figuur laat betrekkelijk grote verschillen tussen de clusters zien. In gemeenten met veel welgestelden wordt in ver-houding weinig jeugdzorg ingezet, en ook in de gewone plattelandssteden is het beroep op de jeugdzorg doorgaans lager dan gemiddeld.
Figuur 5.4
Gebruik van jeugdzorg naar gemeentegrootte en clusters van gemeenten, eerste halfjaar 2015 (in procenten van de bevolking van 0-17 jaar)a
vitale stedelijke agglomeraties
a Inclusief mogelijke overlap door gelijktijdig gebruik van meer dan één voorziening.
Bron: cbs (StatLine) scp-bewerking
Er zijn betrekkelijk grote verschillen in het gebruik van jeugdzorg per gemeente in het eer-ste halfjaar van 2015 (tabel 5.4). Het gemiddelde gebruik komt uit op 9,8% met een sprei-ding van minimaal 3,8% tot maximaal 14,4%.5 Hierbij moet worden aangetekend dat het woonplaatsbeginsel (de woonplaats van de gezaghebbende ouder is bepalend voor de ver-antwoordelijke gemeente) het beeld enigszins kan vertekenen. Voor kinderen onder voog-dij en kinderen van 18 jaar en ouder die nog jeugdhulp ontvangen, geldt het adres van de voogd, respectievelijk de jeugdige zelf. Het gaat hier echter om kleine aantallen: de jeugd van 18 jaar en ouder vormt 2,6% van alle jeugdigen in jeugdzorg.
Tabel 5.4
Kenmerken van gemeenten naar verschillen in gebruik van voorzieningen, jeugdzorg, eerste halfjaar 2015 (in aantallen en procenten)
aandeel totaal gebruik voorzieningen (%)
3,8-5,5 5,5-7,0 7,0-8,5
8,5-10,0
10,0-11,5
11,5-14,4 totaal
aantal gemeenten 15 97 123 99 36 23 393
personen in stedelijke gebieden (%)
17 44 42 51 43 45 45
niet-westerse migranten (%) 3 14 11 14 8 10 12
huishoudens met een laag inkomen (%)
5 9 9 10 10 10 9
woningwaarde x 1000 316 260 229 210 194 194 225
eenoudergezinnen (%) 5 7 7 7 7 7 7
gezinnen met kinderen (%) 30 26 27 25 24 24 26
personen met psychische medicatie 18-64 jaar (%)
4 5 5 5 6 6 5
Bron: cbs (StatLine) scp-bewerking, gewogen met gemeentegrootte
Het aantal gemeenten met een betrekkelijk lage score (3,8%-5,5%) is met vijftien gering.
Uit de karakterisering van de betreffende gemeenten blijkt dat dit doorgaans weinig stede-lijke gemeenten zijn met weinig eenoudergezinnen, weinig lage inkomens, weinig niet-westerse migranten en dure woningen. Dit zijn factoren die doorgaans bijdragen aan een lager beroep op jeugdzorg. Een nadere inspectie van de betrokken gemeenten wijst uit dat het hier in belangrijke mate gaat om gemeenten met een sterke religieuze inslag, waar het gezin ‘als hoeksteen van de samenleving’ een belangrijke plaats inneemt. Er behoren ech-ter ook gemeenten toe waar veel welgestelden wonen en waar religie een veel minder grote rol speelt.
Na correctie voor verschillen in gemeentelijke risicoprofielen zijn zowel bij de indeling naar gemeentegrootte als bij de indeling in gemeentelijke clusters de verschillen in het gebruik van jeugdzorgvoorzieningen zeer gering geworden (zij bijlage figuur A6). Zelfs de krim-pende plattelandssteden wijken niet veel meer af van de overige clusters.
5.2 Risicoprofielen op regionaal niveau
De verschillen in het gebruik van voorzieningen in het sociaal domein kunnen niet alleen variëren naar gemeentelijke risicofactoren, maar kunnen ook regionaal samenhangen.
Daarom brengen we het gebruik ook regionaal in beeld. Daarbij wordt uitgegaan van het gemiddelde gebruik per inwoner. Voor deze rapportage wordt uitgegaan van regionale
gebiedsindelingen die relevant zijn voor de betrokken deelsectoren:
Participatiewet: 35 arbeidsmarktregio’s Wmo: 43 Wmo-regio’s
Jeugdwet: 42 jeugdzorgregio’s
Bij de voorzieningen in het sociaal domein als geheel wordt uitgegaan van de 40 Corop-gebieden, die samengesteld zijn rond centrumgemeenten. De overlap tussen de indeling van gemeenten in Corop-gebieden en de indelingen in arbeidsmarktregio’s, Wmo-regio’s en jeugdzorgregio’s is groot en bedraagt voor ieder van de regio’s iets minder dan 80%.
Evenals het gebruik op gemeenteniveau kan ook het gebruik op regionaal niveau voor een deel worden verklaard uit de risicoprofielen. Daardoor resulteren twee regionale profielen:
het waargenomen gebruik en het gebruik na correctie voor gemeentelijke risicoprofielen (zie § 5.1).6 De uitkomsten na correctie voor verschillen in gemeentelijke risicoprofielen weerspiegelen verschillen in beleid over het gewenste voorzieningenniveau, verschillen in effectiviteit van beleid (bijvoorbeeld als gevolg van arbeidsmarktbeleid), historisch
gegroeide situaties of imperfecties in het model waarmee wordt gecorrigeerd voor ver-schillen in gemeentelijke risicoprofielen.
De analyse die hier wordt uitgevoerd, is vergelijkbaar met een analyse die de Algemene Rekenkamer onlangs heeft uitgevoerd naar regionale verschillen in langdurige zorg
(ar 2015). Ook in dit onderzoek zijn mogelijke verklarende factoren in beschouwing geno-men om regionale verschillen te verklaren. In het onderzoek van de Algegeno-mene Rekenkamer is bovendien rekening gehouden met factoren die in ons onderzoek niet zijn meegenomen.
Het gaat om leefstijlkenmerken (roken, overgewicht en alcoholgebruik), het gebruik van mantelzorg en het zorgaanbod. Geen van deze kenmerken bleek relevant voor de verkla-ring van regionale verschillen in het gebruik van langdurige zorg. Voorts is in het onderzoek van de Algemene Rekenkamer een onderscheid gemaakt tussen het aantal gebruikers per regio (deelname) en de omvang van het gebruik per gebruiker (intensiteit). Deze blijken op regionaal niveau wel samen te hangen, maar er zijn ook regio’s waar de deelname hoog is maar de intensiteit laag, en omgekeerd. Helaas kunnen wij in deze rapportage het onder-scheid tussen deelname en intensiteit niet maken. De gegevens in deze rapportage hebben uitsluitend betrekking op de deelname.
Het waargenomen gebruik per regio is oplopend ingedeeld in vijf naar omvang ‘gelijke’
groepen (kwintielen). Iedere groep omvat 20% van alle regio’s. De resulterende kwintiel-grenzen zijn ook gebruikt om het voor verschillen in risicoprofielen gecorrigeerde gebruik in te delen. Deze berekeningen zijn uitgevoerd per voorziening, voor het totale gebruik per decentralisatiewet en het totale gebruik van de hier beschreven voorzieningen. Het gebruik is opgeteld door te wegen met de kosten per gebruiker. Daardoor tellen gebruikers van duurdere voorzieningen (zoals beschermd wonen) zwaarder mee in het eindresultaat dan gebruikers van goedkopere voorzieningen (zoals huishoudelijke hulp). In bijlage A7 zijn alle grafieken per voorziening voor en na correctie voor gemeentelijke risicoprofielen opgeno-men.
Regionale profielen participatievoorzieningen
Tot de participatievoorzieningen worden hier naast de bijstand en de re-integratie ook de twee regelingen voor arbeidsbeperkten gerekend (Wajong en Wsw). Het gebruik van de participatievoorzieningen is weergegeven per 18-64-jarige (potentiële beroepsbevolking).
Figuur 5.5 geeft een beeld van het gebruik van de vier voorzieningen tezamen. De regio’s zijn ingedeeld naar de eerder genoemde kwintielen (20%-groepen). Omdat er 35 arbeids-marktregio’s zijn bevat elke 20%-groep zeven arbeidsarbeids-marktregio’s.
Figuur 5.5
Gebruik van participatievoorzieningen door 18-64-jarigen voor en na correctie voor gemeentelijke risico-profielen naar arbeidsmarktregio’s, eerste halfjaar 2015 (in procenten)a
erg hoog hoog gemiddeld laag erg laag
kwintielen erg laag laag gemiddeld hoog erg hoog
7 7 7 7 7
8 4 6 12 5
aantal Corop-regio’s voor correctie aantal Corop-regio’s na correctie
waargenomen gebruik gebruik na modelcorrectie
a Voorzieningen: Wwb, Wajong, Wsw en re-integratie. Gebruik is gewogen opgeteld met de uitgaven per gebruiker per voorziening.
Bron: cbs (StatLine) scp-bewerking
Al met al laat figuur 5.5 zien dat de correctie voor verschillen in gemeentelijke risico-profielen weinig invloed heeft op de regionale uitkomsten: er zijn maar weinig verschillen tussen de linker figuur (waargenomen gebruik) en de rechterfiguur (gecorrigeerd gebruik).
Door de correctie verschuift er één regio (Midden-Utrecht) vanuit de groep met het laagste percentage Participatiewetgebruikers naar een volgend kwintiel en vallen twee andere regio’s nu wel in het laagste kwintiel (Amersfoort en Gooi- en Vechtstreek). Verder zijn er na de correctie twee regio’s minder in het hoogste kwintiel (Drenthe en Midden-Gelder-land). Na correctie voor risicoprofielen treffen we erg laag gebruik van
participatie-voorzieningen aan in de arbeidsmarktregio’s die zijn gesitueerd rond Midden-Utrecht, met uitzondering van Groot Amsterdam. Deze laatste regio kent met de twee andere grootste-delijke regio’s (Rijnmond en Haaglanden) en de arbeidsmarktregio’s Groningen en Zuid-Limburg juist na correctie een erg hoog gebruik van participatievoorzieningen.
Regionale profielen Wmo 2015
Tot de Wmo worden hier alle maatwerkvoorzieningen gerekend. De gegevens in deze paragraaf zijn gebaseerd op de cak-registraties omdat deze een landelijke dekking bieden.
Omdat gegevens over de maatschappelijke opvang ontbreken, wordt tot de categorie
‘opvang’ alleen het beschermd wonen gerekend. Wat ook van belang is, is dat een substan-tieel aantal gemeenten huishoudelijke hulp en dagbesteding ook als algemene voorziening
‘opvang’ alleen het beschermd wonen gerekend. Wat ook van belang is, is dat een substan-tieel aantal gemeenten huishoudelijke hulp en dagbesteding ook als algemene voorziening