De analyse is uitgevoerd als multinomiale logistische regressie met als afhankelijke variabele het verhuisgedrag. De student heeft drie opties: niet verhuizen, verhuizen richting de studiestad, of verhuizen verder weg van de studiestad. Van de 6.463 cases in de dataset waarvan de
verhuisbeweging bekend is, worden er in de analyse 6.073 gebruikt, die voor elke variabele data hebben. Tabel 5.1 laat de resultaten zien, waarbij de groep niet-verhuizers de referentiecategorie is. Telkens wordt de ‘odds ratio’ (OR) gerapporteerd met het bijbehorende significantieniveau. De OR geeft het effect weer van de desbetreffende variabele op de kans dat een case een student betreft die een van de twee verhuisbewegingen maakt, ten opzichte van de kans dat een case een student betreft die geen verhuisbeweging maakt.
Verhuisd richting studiestad Model
Hemelsbreed
Model Over de weg
Model
Kwaliteit van het OV Afstandsmeting
Afstand hemelsbreed (km) 1,021*** - -
Afstand over de weg (km) - 1,018*** -
Reistijd OV (dienstregeling) of auto - - 1,021***
Reistijd is auto - - 1,159 OV-gerelateerde variabelen Treinstation aanwezig - - 0,918 Betalen voor OV - - 1,287*** Persoonskenmerken Geslacht = Man 0,789*** 0,790*** 0,785*** Inkomen 1,115*** 1,114*** 1,085*** Leeftijd 0,992 0,992 0,991 Nationaliteit = NL 0,523*** 0,536** 0,470***
Studierichting (referentiecategorie is 'Recht')
Economie 1,184 1,184 1,194
Gedrag en Maatschappij 0,999 0,998 0,986
Gezondheidszorg 0,963 0,963 0,974
Landbouw en Natuurlijke Omgeving 0,718 0,694 0,535**
Natuur 1,421* 1,431* 1,467*
Onderwijs 1,133 1,134 1,087
Taal en Cultuur 0,818* 0,815* 0,793*
Techniek 1,264* 1,270* 1,277*
Studieduur (in maanden) 1,011*** 1,011*** 1,008***
Woont als 16-jarige in uiteindelijke universiteitsprovincie 0,738*** 0,737*** 0,686*** Kenmerken universiteitsgemeente Huizenprijzen 1,005*** 1,005*** 1,006*** Studenten in de bevolking 1,098*** 1,100*** 1,069*** Werkloosheidspercentage 1,144*** 1,146*** 1,115***
32
Verhuisd weg van studiestad Model
Hemelsbreed
Model Over de weg
Model
Kwaliteit van het OV Afstandsmeting
Afstand hemelsbreed (km) 1,009*** - -
Afstand over de weg (km) - 1,007*** -
Reistijd OV (dienstregeling) of auto - - 0,995*
Reistijd is auto - - 3,034*** OV-gerelateerde variabelen Treinstation aanwezig - - 0,927 Betalen voor OV - - 1,034 Persoonskenmerken Geslacht = Man 0,754** 0,754** 0,750** Inkomen 1,071*** 1,070*** 1,060*** Leeftijd 1,061*** 1,061*** 1,063*** Nationaliteit = NL 0,515* 0,51* 0,521
Studierichting (referentiecategorie is 'Recht')
Economie 1,584** 1,593** 1,632**
Gedrag en Maatschappij 1,191 1,19 1,119
Gezondheidszorg 1,115 1,118 1,128
Landbouw en Natuurlijke Omgeving 0,944 0,947 1,151
Natuur 1,172 1,174 1,222
Onderwijs 1,26 1,258 1,241
Taal en Cultuur 0,611* 0,612* 0,623*
Techniek 1,066 1,072 1,129
Studieduur (in maanden) 1,011*** 1,011*** 1,009**
Woont als 16-jarige in uiteindelijke universiteitsprovincie 0,87 0,846 0,538*** Kenmerken universiteitsgemeente Huizenprijzen 0,994** 0,994* 0,993** Studenten in de bevolking 1,047** 1,046* 1,027 Werkloosheidspercentage 1,033 1,029 1,004 Pseudo R2 statistieken
Cox & Snell 0,204 0,205 0,219
Nagelkerke 0,252 0,253 0,271
McFadden 0,138 0,138 0,150
33
Er zijn drie verschillende modellen, één voor elke methode om afstand mee te nemen in de analyse. Dit zijn de afstand hemelsbreed, de afstand over de weg, en de reistijd met het openbaar vervoer / de auto met andere OV-gerelateerde variabelen. De eerste twee modellen lijken sterk op elkaar wat betreft de resultaten, wat komt door de hoge correlatie tussen de twee afstandsmetingen. Om de bespreking van de resultaten te structuren, worden de in §2.5 opgestelde hypotheses gebruikt. De eerste hypothese luidt:
1) Naarmate de afstand toeneemt (hemelsbreed of over de weg gemeten), neemt de kans op verhuizen richting studiestad toe, in vergelijking met de kans op niet-verhuizen.
Dit wordt bevestigd door de resultaten: het effect van de afstand hemelsbreed en van de afstand over de weg is in de respectievelijke modellen significant en de OR is hoger dan 1, wat betekent dat bij een toename in de waarde van de variabele (oftewel de afstand) de kans dat de student tot de groep behoort die richting studiestad is verhuisd, toeneemt ten opzichte van de kans dat de student niet is verhuisd. Hieraan gerelateerd is de tweede hypothese:
2) OV-gerelateerde variabelen vormen een betere verklaring voor het verhuisgedrag van studenten dan de afstand (hemelsbreed of over de weg), waarbij geldt dat:
a) bij een hogere reistijd de kans dat een student besluit te verhuizen richting studiestad toeneemt, in vergelijking met de kans niet te verhuizen;
b) als de student voor het gebruik van het OV moet betalen, de kans dat een student besluit te verhuizen richting studiestad toeneemt, in vergelijking met de kans niet te verhuizen; c) als er een treinstation in de initiële woongemeente van de student is, de kans dat een
student besluit te verhuizen richting studiestad afneemt, in vergelijking met de kans niet te verhuizen.
Om te beginnen is de OR van de reistijd met het OV / auto boven de 1 en significant. Een hogere reistijd betekent een hogere kans om te verhuizen richting de studiestad. Of de student voor het OV moet betalen, is ook van invloed. Als de student moet betalen voor het OV is het waarschijnlijker dat de student er voor kiest om te verhuizen richting de studiestad. De aanwezigheid van een
treinstation heeft geen significant effect, en laat ook niet de verwachte OR zien van boven de 1. Het lijkt voor studenten dus niet uit te maken of er van de bus of van de trein gebruik gemaakt kan worden. Een kanttekening hierbij is dat de aanwezigheid van een treinstation nog niet betekent dat bij de reis die resulteert in de kortste reistijd, gebruik gemaakt wordt van de trein. Een voorbeeld hiervan is de verbinding tussen Emmen en Groningen. Er is wel een treinstation in Emmen, maar deze heeft geen treinverbinding met het Noorden. Met de trein zou er over Zwolle gereisd moeten worden. Derhalve is de kortste reis tussen Emmen en Groningen die met de bus.
Levert het gebruik van de verbinding met het OV een verbetering op in de verklarende kracht van het model? Om dit te beantwoorden kan er gebruik gemaakt worden van de Pseudo R2-waardes. Een hogere Pseudo R2 betekent dat het model de dataset beter verklaart. Het model met de OV-verbinding heeft inderdaad een hogere Cox & Snell Pseudo R2 van 0,219 ten opzichte van
0,204/0,205 in de andere twee modellen. De volgende vraag is welke variabele voor deze verbetering verantwoordelijk is. Het uitvoeren van het model met de afstand over de weg met de variabelen ‘Betalen voor het OV’ en ‘Treinstation’, resulteert in een Cox & Snell Pseudo R2 van 0,208. Dit is hoger dan het model zonder de twee toegevoegde variabelen, maar niet zo hoog als het model met de
34
reistijd. Het grootste deel van de verbetering komt dus door het meten van de reistijd in plaats van de afstand, waarmee de hypothese wordt bevestigd.
3) Voor studenten die verder weg gaan wonen van de studiestad, zullen factoren die te maken hebben met de kwaliteit van de verbinding geen rol spelen.
Als er alleen gekeken wordt naar het OV-model, dan zou deze hypothese bevestigd worden. Het effect van de reistijd op de kans dat studenten verder weg verhuizen van de studiestad dan dat ze eerst woonden in vergelijking met de kans dat ze niet verhuizen, is zeer licht significant. Naarmate de reistijd toeneemt, wordt de kans op een verhuisbeweging van de studiestad af iets minder
waarschijnlijk ten opzichte van de kans op het niet-verhuizen. De reistijd richting studiestad verder vergroten, wanneer deze al groot is, is dus weinig waarschijnlijk. De andere OV-gerelateerde variabelen zijn niet significant. Wel significant is de afstand hemelsbreed of over de weg: naarmate deze afstand toeneemt, wordt de kans dat iemand verder weg is verhuisd van de studiestad groter. Een reden hiervoor is niet gevonden.
Voor de overige variabelen zit er weinig verschil in de resultaten tussen modellen. Bij de bespreking worden derhalve de OR en de significantieniveaus van het OV-model gebruikt.
4) Mannen verhuizen minder vaak voor de studie dan vrouwen.
Dat deze hypothese klopt, blijkt uit de lage OR van 0,785 (p < 0,01) voor mannen wanneer gekeken wordt naar de kans op verhuizen richting de studiestad, en de lage OR van 0,750 (p < 0,01) voor mannen gelet op de kans om te verhuizen weg van de studiestad af. Mannen verhuizen minder vaak tijdens de studieperiode en blijven vaker in de gemeente van het ouderlijk huis wonen dan vrouwen. 5) Naarmate de leeftijd van de student toeneemt, is de kans op verhuizen groter.
Op de kans richting de studiestad te verhuizen heeft de leeftijd geen effect. Op de kans weg van de studiestad te verhuizen heeft het wel een significant effect: 1,063 (p < 0,01). Naarmate de leeftijd toeneemt, wordt de relatieve kans groter dat iemand weg van de studiestad verhuist, in plaats van dat iemand niet verhuist. Een reden hiervoor kan zijn dat studenten die weg van de studiestad verhuizen niet helemaal gericht zijn op de universiteit maar ook andere zaken hebben om rekening mee te houden, zoals een relatie of een baan. Hierdoor zijn er andere zaken die meespelen in het verhuisgedrag van dit type studenten, waardoor ze eerder weg van de studiestad verhuizen. Immers, als de universiteit de beslissing rond het verhuizen zou domineren, zou de verwachting zijn dat er besloten wordt om richting universiteit te verhuizen.
6) Een hoger inkomen resulteert in een hogere kans tot verhuizen in plaats van tot niet-verhuizen. De resultaten laten zien dat naarmate het gemiddelde inkomen in de herkomstgemeente toeneemt, de kans op verhuizen ook toeneemt. Dit geldt voor verhuisbewegingen richting de studiestad (1,085; p < 0,01) en verhuisbewegingen weg van de studiestad (1,060; p < 0,01). De hypothese is daarmee bevestigd. Echter kan hier niet worden gezegd of dit komt door een hoger budget voor verhuizen van de student, of door een ‘feathered-nest’ effect, omdat dit effecten zijn van het inkomen van het initiële huishouden van de student, terwijl hier het gemiddelde inkomen in de herkomstgemeente wordt gemeten. Eerder duidt het erop dat in studenten uit gemeentes met een betere economische
35
situatie, een hoger voorzieningenniveau of een betere leefomgeving (waar het gemiddelde inkomen in de gemeente een proxy voor is) een hogere kans hebben om te besluiten om te verhuizen. 7) Nederlandse studenten verhuizen vaker voor de studie dan niet-Nederlandse studenten. De variabele heeft in de analyse een sterk effect op de kans te verhuizen richting studiestad ten opzichte van de kans niet te verhuizen (0,470; p <0,01). Dit geldt niet voor de kans weg te verhuizen van de studiestad in vergelijking met de kans om niet te verhuizen: hier is het effect niet significant. Bij de modellen waarbij met afstand wordt gerekend is het effect wel licht significant. De hypothese lijkt hier dus deels bevestigd te worden. Er kan wel een kanttekening worden geplaatst. De groep studenten zonder Nederlandse achtergrond is slechts 2,9% van de dataset. De groep die weg van de studiestad verhuist is ook maar 5,9%. Derhalve gaat het hier maar om een zeer klein segment van de dataset.
8) Naarmate de studieduur toeneemt, is de kans op verhuizen richting de studiestad groter. Dit blijkt inderdaad het geval te zijn (1,008; p < 0,01). Bij een langere studieduur neemt de kans op verhuizen richting de studiestad toe, ten opzichte van de kans om niet te verhuizen. Opvallend is dat dit ook geldt voor de kans op verhuizen weg van de studiestad. Een mogelijke verklaring is dat studenten met een langere studieduur andere prioriteiten hebben die ze combineren met het studeren, wat resulteert in een langere studieduur. Deze andere prioriteiten zou de keuze omtrent verhuizen kunnen beïnvloeden.
9) Als de student al in de provincie woont waar hij later zal studeren, neemt de kans op verhuizen af. De OR van de kans dat een student verhuist richting studiestad ten opzichte van niet-verhuizen is 0,686 (p < 0,01), en die van de kans dat een student weg van de studiestad is verhuisd 0,0538 (p <0,01). De student is dus minder snel geneigd om te verhuizen naar een andere plaats dan de initiële woongemeente wanneer deze in de universiteitsprovincie is, waarmee de hypothese bevestigd wordt.
10) Wanneer een student een studie in de richting van Techniek, Natuur of Landbouw en Natuurlijke Omgeving gaat volgen, neemt de kans op verhuizen richting de studiestad toe.
Het idee hier is dat deze studierichtingen slechts op een aantal van de universiteiten beschikbaar zijn (TU Delft, TU Eindhoven, Wageningen University & Research). De andere studierichtingen zijn te volgen aan een groter deel van de universiteiten, waardoor de afstand tot andere studierichtingen kleiner is voor de studenten. Als referentiecategorie is in de analyse gekozen voor de studierichting Recht omdat deze het grootste is, en op elke van de niet-technische universiteiten te volgen is. De resultaten zijn hier niet eenduidig, maar er zijn wel een aantal licht significante effecten. In het OV-model heeft Landbouw en Natuurlijke Omgeving een OR van 0,535 (p < 0,05), wat betekent dat de kans op verhuizen richting de studiestad lager is voor studenten die deze studierichting volgen, dan voor studenten die Recht studeren. Dit effect blijft niet overeind in de andere twee modellen. Verder is wel bij Natuur (1,467; p < 0,1) en Techniek (1,277; p < 0,1) de kans groter op verhuizen dan niet-verhuizen. Voor Taal en Cultuur studenten (0,793; p < 0,1) geldt dat ze minder verhuizen richting de studiestad dan de referentiecategorie. Er lijken dus inderdaad aanwijzingen te zijn dat de hypothese klopt, maar sterk en consistent zijn de effecten niet.
36
De verschillen tussen studierichtingen vallen weg als er gekeken wordt naar de kans dat een student is verhuisd weg van de studiestad in vergelijking met de kans dat de student niet is verhuisd. Dit is weer in lijn met het idee dat deze studenten andere zaken dan de aan de universiteit gerelateerde zaken meenemen in het verhuisbesluit.
11) Kenmerken van de universiteitsregio spelen een rol in het verhuisgedrag van studenten: a) Naarmate de huizenprijzen in de stad hoger zijn, zal de kans op verhuizen richting de
studiestad afnemen;
b) Naarmate er meer studenten in de stad zijn, zal de kans op verhuizen richting de studiestad toenemen;
c) Naarmate er meer werkloosheid in de stad is, zal de kans op verhuizen richting de studiestad afnemen.
De huizenprijzen hebben niet het verwachte effect op de kans om te verhuizen. De OR (1,006; p < 0,01) laat zien dat de kans op verhuizen naar de studiestad toeneemt, wanneer de huizenprijzen hoger zijn. Huizenprijzen zijn vaak een afspiegeling van de economische situatie van de regio. Studenten zouden bereid kunnen zijn om meer te betalen om in de regio te wonen met een betere economische situatie. Het aandeel studenten in de bevolking van de studiestad blijkt wel het verwachte effect te hebben met een OR van 1,069 (p < 0,01). Dit betekent dat een hoger aandeel studenten leidt tot een hogere kans op een verhuisbeweging richting de stad. Ten slotte laat ook het werkloosheidspercentage niet het verwachte effect zien. Een OR van 1,115 (p < 0,01) betekent hier dat de kans op verhuizen richting de studiestad toeneemt bij een hoger werkloosheidspercentage. Hier valt wel de kanttekening bij te plaatsen dat de verschillen tussen de studiesteden klein zijn, zoals te zien is in §4.3.
12) Kenmerken van de universiteitsregio zullen geen effect hebben op de groep studenten die verder van de studiestad af verhuizen.
Wat betreft deze hypothese is er een gevarieerd beeld. Het werkloosheidspercentage blijkt geen significant effect te hebben op de kans om verder weg van de studiestad te verhuizen, in vergelijking met de kans om niet te verhuizen. Of het aandeel studenten een significant effect heeft, hangt af van het model. In het OV-model is het niet significant, in het afstand over de weg wel (p < 0,1) en in afstand hemelsbreed meer (p <0,05). Hier valt dus niet met zekerheid iets over te zeggen.
Huizenprijzen hebben wel een effect in elk model, met een OR van 0,993. Dit betekent dat de kans op verhuizen verder van de studiestad vandaan toeneemt ten opzichte van de kans om niet te verhuizen, naarmate de huizenprijzen in de universiteitsstad toenemen. Het kan zijn dat de
huizenprijzen de student afschrikken, waardoor de student eerder geneigd is prioriteit te geven aan niet aan de studie gerelateerde zaken bij het kiezen van een woonplaats.
37 5.2 De impact van de aankomsttijd
De analyse is herhaald voor de cases van studenten die naar de RUG gaan, met een andere
aankomsttijd. Deze aankomsttijd is 08.40u ’s ochtends. Het gaat hier om 9,6% (619) van de cases die in de vorige analyse zijn gebruikt. Figuur 5.1 laat de verschillen in reistijd zien bij een aankomsttijd van 08.30u (links) of van 08.40u (rechts). Te zien is dat Groningen nu vanuit een groter gebied bereikt kan worden. Dit is voornamelijk doordat de stad Groningen nu vanuit meer plekken op tijd bereikt kan worden wanneer er met de eerste trein of bus van de dag gereden wordt. Een voorbeeld hiervan is de verbinding Utrecht – Groningen. In de dienstregeling van 2014 is de eerste trein richting
Groningen vanuit Utrecht rond kwart over zes. De aankomsttijd is 8:30:50, wat 50 seconden na de beoogde aankomsttijd van 8.30u is, en derhalve wordt deze mogelijkheid niet meegerekend. Als er een aankomsttijd van 8:40u wordt gekozen, is deze verbinding wel mogelijk en is de reistijd tussen Utrecht – Groningen 130 tot 140 minuten. Dit betekent ook dat mensen in het omliggende gebied binnen 180 minuten naar Groningen kunnen reizen, mits ze binnen 40 tot 50 minuten naar het centraal station van Utrecht kunnen fietsen.
Er zijn echter ook twee manieren waarop de latere aankomsttijd kan resulteren in een langere reistijd binnen het model. De eerste is dat de OV-verbinding slechter aansluit op de aankomsttijd, waardoor er langer gewacht wordt op het station tot 8.40u. Dit kan oplopen tot 10 minuten, wanneer dezelfde OV-verbinding gebruikt wordt als het geval is bij een aankomsttijd van 8.30u. De tweede manier komt door het vervangen van de reistijd met het OV met de reistijd met de auto wanneer er langer dan 180 minuten met het OV gereisd zou worden. Deze reistijd met de auto is vaak korter. Bij een aankomsttijd van 8.40u zijn meer plekken bereikbaar met het OV binnen 180 minuten. Deze plekken hebben desondanks een hogere reistijd in het model bij een aankomsttijd om 8:40u dan het geval was bij een aankomsttijd van 8.30u, omdat de reistijd met het OV hier niet vervangen wordt met de reistijd met de auto.
Als deze nieuwe aankomsttijd wordt toegepast op de 619 cases, dan ontstaan de volgende verschillen. Voor 96 (15%) van de cases veranderd er niets. Dit zijn cases waar ongeacht de
aankomsttijd de reistijd met de auto wordt gebruikt. Voor 93 (15,5%) cases is de reistijd toegenomen met 0 – 10 minuten, wat komt door een slechtere aansluiting op de aankomsttijd voor gemeentes waar deze personen woonden. Voor 74 (12%) cases is er een grotere toename in de reistijd, doordat de reistijd met de auto (bij het model met een aankomsttijd van 8.30u) is vervangen met de reistijd met het OV (bij een aankomsttijd van 8.40u). Voor de overige 356 (57,5%) cases levert het
veranderen van de aankomsttijd een afname in de reistijd op, die kan oplopen tot 50 minuten. Deze laatste groep betreft cases in gemeentes waar de latere aankomsttijd beter aansluit op de
38
39
Bij de analyse worden de kenmerken van de universiteitsgemeente niet meegenomen, omdat deze voor alle cases hetzelfde zijn: de universiteitsgemeente is in alle gevallen Groningen. Wel worden de persoonlijke variabelen meegenomen, maar omdat het bij deze analyse gaat om het effect van de aankomsttijd op de reistijd worden deze niet gerapporteerd. Ook wordt de nationaliteit niet
meegenomen, omdat deze in foutmeldingen resulteert doordat er een te kleine groep cases is in de verschillende categorieën, waardoor de multinomiale logistische regressie niet goed werkt. In Tabel 5.2 zijn de resultaten te vinden. Te zien is dat ook bij een aankomsttijd de reistijd met het OV een significant effect heeft (1,016; p < 0,01). In tegenstelling tot bij de gehele dataset is er voor Groningse studenten geen significant effect van het wel of niet moeten betalen voor het OV voor het verhuizen richting de studiestad. Het model met een aankomsttijd van 8.40u heeft een lagere R2 dan die met