Een mogelijke oorzaak voor het blijvend grote aandeel werklozen in de stad, ook als het aantal banen toeneemt, is de aantrekkingskracht van steden op armen. Zoals Glaeser (2011: 9) veronderstelt: ‘Cities don’t make people poor, they attract poor people.’ De stad zou als een magneet op hen werken vanwege de vele beschikbare voorzieningen waarop deze groep bovengemiddeld is aangewezen (zoals goedkopere huurwoningen en openbaar vervoer). In deze analyse beperken we ons tot de bijstandsontvangers, omdat zij, gezien hun lage inkomen, het minst te besteden hebben.
Als de stad als een magneet zou werken op werklozen, dan zouden de instromers in de bijstand in de stadsgewesten voor een belangrijk deel mensen moeten zijn die daar voorheen niet woonden. Dat blijkt echter niet zo te zijn als we kijken naar de herkomst van alle bijstandsontvangers die in een van de 22 stadsgewesten wonen; we maken daarbij een onderscheid tussen degenen die al in 1999 bijstand in het stadsgewest ontvingen en de nieuwe instromers tussen 1999 en 2012 (figuur 5.5). Slechts een klein aandeel van alle inwoners uit de stadsgewesten die in deze periode bijstand ontvingen, woonde een jaar voordat ze een bijstandsuitkering aanvraagden in dat stadsgewest elders. Veruit de meerderheid bestaat uit inwoners die al sinds 1999 bijstand ontvangen, of die in de bijstand terecht zijn gekomen terwijl ze al in een van de stadsgewesten woonden.
Ook als we de zeven stadsgewesten met de grootste gemeenten afzonderlijk bekijken, zijn er geen indicaties dat de stad als een magneet op werklozen werkt (zie figuur 5.5): in alle zeven stadsgewesten is het aandeel bijstandsontvangers dat voorheen niet in het stadsgewest woonde in 2012 veel kleiner dan het aandeel dat afkomstig is uit het eigen stadsgewest. Bijstandsontvangers wonen dus vaak al in de stad voordat ze in de bijstand belanden. Dit kan verschillende oorzaken hebben. In het algemeen gaat een verhuizing gepaard met hoge kosten die juist voor deze groep moeilijk zijn op te brengen. Daarnaast zijn sinds 2004 gemeenten verantwoordelijk voor de verstrekking van de bijstandsuitkering. Als iemand naar een andere gemeente verhuist, moet hij of zij opnieuw bijstand aanvragen. En hoewel de algemene voorwaarden voor het ontvangen
VIJF
VIJF
van bijstand overal gelijk zijn, verschillen gemeenten in hoe ze het beleid vormgeven en hoe actief ze instroom in de bijstand proberen te ontmoedigen (Edzes 2010). Bovendien heeft deze groep maar een beperkte vrijheid op de woningmarkt. Door hun zeer lage inkomen zijn bijstandsontvangers vooral aangewezen op de sociale huurwoningen waarvoor vaak (lange) wachtlijsten bestaan.
5.3 Kansen op een baan na werkloosheid in de stad
Moretti (2012) veronderstelt dat de hypothese dat door het stijgende tij alle boten in de stad stijgen vooral opgaat in steden met veel hoogbetaalde banen. De banengroei zou daar groter zijn, omdat hoogbetaald werk leidt tot nog meer hoogbetaalde banen (via agglomeratievoordelen), maar ook tot meer laagbetaalde banen vanwege de stijgende vraag naar consumptie- en producentendiensten, zoals horeca, beveiliging en schoonmaakdiensten; het al eerder genoemde trickle-down-effect. Profiteren werkloze inwoners van de stadsgewesten van dit effect? Verschillen de kansen op het vinden van
Figuur 5.5 2000 2002 2004 2006 2008 2010 2012 0 40 80 120 160 200 duizend personen
Bron: CBS (Sociaal Statistisch Bestand) 2015; bewerking PBL
pb
l.n
l
Woonachtig gebleven in hetzelfde stadsgewest sinds 1999
Instroom in bijstand na 1999 Bijstandsontvanger sinds 1999
Verhuisd naar het stadsgewest en bijstand ontvangen in jaar van verhuizing
Afkomstig uit buitenland Binnen Nederland
Alle 22 stadsgewesten
Aantal bijstandsontvangers in stadsgewesten naar herkomst
Alle 22 stads- gewesten Amsterdam Rotterdam Den Haag Utrecht Eindhoven Tilburg Groningen 0 20 40 60 80 100 % bijstandsontvangers pbl.nl Per stadsgewest, 2012
VIJF
Voor een goed beeld van de mogelijke verschillen in kansen op de arbeidsmarkt, moet ook rekening worden gehouden met persoonskenmerken: zo heeft niet iedereen die een ww- of een bijstandsuitkering ontvangt dezelfde werkervaring, opleiding of leeftijd, waardoor de individuele kansen op een nieuwe baan sterk uiteenlopen. Bovendien zijn werklozen met bepaalde, overeenkomstige kenmerken niet gelijkmatig over de steden verdeeld (zie Leidelmeijer et al. 2015). Daarom maken we hier gebruik van
regressieanalyses; deze maken het mogelijk om te controleren voor de heterogeniteit in persoonskenmerken.
Meer specifiek gebruiken we een zogenoemde duuranalyse, een methode waarmee de kans wordt geschat dat een bepaalde gebeurtenis op een bepaald moment plaatsvindt. In deze analyse is dat de kans dat iemand een nieuwe baan vindt vanaf de eerste dag of het eerste jaar dat hij of zij een ww- of bijstanduitkering ontvangt. Duuranalyse wordt vaak toegepast bij het onderzoeken van werkloosheid, omdat er met deze methode rekening mee wordt gehouden dat de kans op een baan ook afhankelijk is van hoe lang iemand al werkloos is (Groot & De Groot 2015). De coëfficiënten van een duuranalyse moeten worden geïnterpreteerd als de effecten op de relatieve kans dat een gebeurtenis (het vinden van een baan) zich op een bepaalde dag of in een bepaald jaar voordoet ten opzichte van de kans dat deze gebeurtenis zich niet voordoet.
We schatten de kans op een baan voor de ww- en bijstandsontvangers afzonderlijk. Deze twee groepen verschillen sterk in hun afstand tot de arbeidsmarkt, waardoor hun basiskans op het vinden van een nieuwe baan niet vergelijkbaar is. Daarnaast
beschikken we voor ww-ontvangers over de exacte datum waarop zij voor het eerst een uitkering ontvingen, terwijl we dit voor de bijstandsontvangers alleen per jaar weten. Het analyseren van dit soort gegevens vergt een andere aanpak van de duuranalyse (Jenkins 2005). De gebruikte modelschattingen lichten we nader toe in bijlage 5.1.
Kansen op een baan voor ww-ontvangers
Voor de werklozen die een ww-uitkering hebben ontvangen, onderzoeken we de kans dat zij binnen twee jaar na aanvang van die uitkering weer een nieuwe baan vinden. De werkloosheidsduur van de ww-ontvangers is daarbij niet gekoppeld aan de looptijd van de uitkering, maar afhankelijk van hoe lang iemand zonder baan is sinds de dag van aanvang van de uitkering. Dit hangt namelijk af van het opgebouwde arbeidsverleden (hoe meer jaren iemand heeft gewerkt, hoe meer maanden iemand een ww-uitkering ontvangt) en is daarom geen goede indicator voor de daadwerkelijke werkloosheidsduur.
We zijn geïnteresseerd in regionale verschillen in de kans dat iemand die in de ww is beland in staat is voor langere tijd weer een baan te vinden. Daarom beperken we de analyse tot alle werklozen met een ww-uitkering in de leeftijd van 25 tot 60 jaar die voorafgaand aan de ww-periode een baan hadden met een looptijd van minimaal 1 jaar
VIJF
VIJF
en voor minimaal 20 uur per week. Ook beschouwen we alleen het vinden van een baan voor wederom minimaal 1 jaar en 20 uur per week als het succesvol verlaten van de werkloosheidssituatie. Zo voorkomen we dat personen die gedurende een jaar
meerdere keren een ww-uitkering hebben ontvangen omdat ze tussendoor kortstondig
hebben gewerkt, de resultaten te veel beïnvloeden.9 Voor deze leeftijdsgrenzen is
gekozen omdat onder personen jonger dan 25 jaar vooral hogeropgeleiden vaak nog geen substantiële baan hebben, en personen vanaf de leeftijd van 60 jaar vaak ook kiezen voor eerder stoppen met werken.
Naast het stadsgewest waar iemand woont, zijn er vele andere factoren die de kans op het vinden van een nieuwe substantiële baan beïnvloeden. Uit ander onderzoek naar werkloosheidsduur is gebleken dat persoonskenmerken zoals leeftijd, geslacht, opleidingsniveau en huishoudenssituatie en kenmerken van de vorige baan, zoals loon, sector, het al dan niet in deeltijd werken een rol spelen (Arntz 2005; Arntz & Wilke 2009). Om het effect van het wonen in een bepaald stadsgewest zo goed mogelijk te isoleren, controleren we daarom voor deze kenmerken. Daarnaast controleren we ook voor mogelijke verschillen in het jaar van aanvang van de ww-periode, omdat de kans op een baan voor 2008 groter was dan na de start van de crisis. In bijlage 5.1 staat een overzicht van alle controlevariabelen.
Tabel 5.1 laat de resultaten van de analyse zien. Het effect van de controlevariabelen is in lijn met de resultaten van eerdere studies: de kans op een nieuwe baan is groter voor mannen, jongeren, autochtonen, hoger opgeleiden, personen die niet alleenstaand zijn, en personen die voorheen meer verdienden en fulltime werkten, maar die niet al heel lang werkzaam waren bij de vorige werkgever.
De regionale verschillen in de kans op een nieuwe baan na een ww-uitkering zijn veel minder eenduidig, zo blijkt uit tabel 5.1. De effecten voor de variabelen die aangeven in welk stadsgewest de ww-ontvanger woont zijn meestal wel statistisch significant, maar de richting van het effect verschilt per regio (zie model 1). In negen van de 22 stad- gewesten is die kans statistisch significant hoger dan voor een vergelijkbare persoon die niet in een stadsgewest woont. Dat geldt voor een aantal stadsgewesten in de Randstad (Amersfoort, Utrecht, Haarlem en Leiden), in Noord-Brabant (Breda, Tilburg en
Eindhoven) en in het oosten (Arnhem en Zwolle). In Apeldoorn en Den Bosch is de kans niet statistisch significant en dus vergelijkbaar met de kans voor werklozen van buiten het stadsgewest. In alle overige stadsgewesten is de kans juist significant kleiner. De kansen zijn dus vooral kleiner in die stadsgewesten (met name Amsterdam, Rotterdam en Den Haag) waar ondanks het grote aantal banen de werkloosheids- percentages het hoogst zijn (zie ook figuur 5.3). Zelfs als we rekening houden met het feit dat in deze stadsgewesten meer mensen wonen die (qua leeftijdsopbouw, het opleidingsniveau en het aantal allochtonen en alleenstaanden) een grotere kans op