V o o r s p e l l e r s v a n g r o e n w o o n g e d r a g | 1
De invloed van milieubewustzijn, zelfwerkzaamheid en
“If we all think
only of our
own interests,
we are headed for
collective disaster.”
Voorspellers van
groen woongedrag.
De invloed van milieubewustzijn,
zelfwerkzaamheid en
buurtbetrokkenheid op het
energieverbruik van huishoudens.
Naam: Lydia Hofman (6165788)
Begeleider: Aslan Zorlu
Inleverdatum: 18 augustus 2014
Tweede lezer: Sako Musterd
Samenvatting
Het klimaat wordt onvoorspelbaarder en dit heeft ertoe geleid dat leden van de Europese Unie hebben toegezegd om voor 2020 hun CO2-uitstoot met
20% te hebben verlaagd. Een manier om dit te bewerkstelligen is om het energieverbruik te verminderen.
In deze scriptie is daarom onderzocht welke factoren leiden tot een laag energieverbruik, ofwel tot groen woongedrag. Aan de hand van een bivariate analyse, een meervoudige lineaire regressieanalyse en een multinomiale logistische regressieanalyse wordt voorspeld welke factoren leiden tot een laag energieverbruik. De focus ligt hierbij op de invloed van milieubewustzijn, zelfwerkzaamheid en buurtbetrokkenheid.
Of een huishouden groen woongedrag vertoont kan worden voorspeld op basis van woninggrootte, hoogte van het inkomen, omvang van het huishouden en milieubewustzijn. Daarnaast zijn buurtbetrokkenheid en stedelijkheid wel van invloed gebleken op de kans om niet veel energie te verbruiken, maar voorspellen ze niet groen woongedrag. Zelfwerkzaamheid voorspelt geen lager energieverbruik.
Deze inzichten kunnen worden meegenomen door beleidsmakers die een laag energieverbruik onder huishoudens willen stimuleren.
Voorwoord ... 7
1. Introductie ... 8
2. Theorie ... 10
2.1 Wereldwijde milieuproblematiek ... 11
2.2 Common pool resources ... 13
2.3 Milieubewustzijn ... 16 2.4 Zelfwerkzaamheid ... 17 2.5 Buurtbetrokkenheid ... 18 2.6 Stedelijkheid ... 18 2.7 Individuele kenmerken ... 21 3. Methodiek ... 24 3.1 Hoofdvraag en deelvragen ... 25 3.2 Conceptueel schema ... 25 3.3 Dataverzameling ... 26 3.4 Verantwoording en beperkingen ... 28
Inhoudsopgave
4. Operationalisering ... 29 4.1 Overzicht variabelen ... 30 4.2 Afhankelijke variabele ... 31 4.3 Onafhankelijke variabelen ... 33 5. Analyse ... 39 5.1 Bivariate analyse ... 40
5.2 Meervoudige lineaire regressieanalyse ... 44
5.3 Multinomiale logistische regressieanalyse ... 53
7. Conclusie ... 62
8. Discussie ... 66
9. Literatuur ... 68
Inhoudsopgave
Voorwoord
Tijdens een reis door Afrika raakte ik onder de indruk van hoe andere culturen en maatschappijen met de dagelijkse praktijken van het leven omgingen en werd ik mij bewust van hoe kansen in geografisch opzicht ongelijk verdeeld zijn. Waar je geboren wordt bepaalt in hoge mate de invloed die je op je eigen leven kunt uitoefenen en de vrijheid die je hebt om je dromen na te jagen. Dit gevoel was zo sterk dat ik me ging verdiepen in ontwikkelingssamenwerking en milieukwesties. Ik las de werken van Peter Singer en Elinor Ostrom en raakte in de ban van milieuethiek en community-based governance. Het studievraagstuk was plotsklaps opgelost toen ik Sociale Geografie en Planologie ging studeren. En mijn passie voor ons vakgebied groeit onverminderd door, evenals het besef dat er binnenkort een einde komt aan mijn academische carrière.
Tijdens de bachelor volgde ik de richting ‘duurzaamheid en leefomgeving’ en gaandeweg kwamen mijn geografische kennis en vaardigheden in verbinding te staan met mijn idealen. Sociale geografie staat in mijn beleving voor het samenspel tussen mens, natuur en ethiek. Voor een synergie van milieu en maatschappij. Voor duurzaamheid, mondiaal bewustzijn en een focus op wat ons verbindt (in plaats van een nadruk op verschillen). Geograaf-zijn betekent voor mij verbinden, vertalen en voortdurend een dialoog aangaan. Bruggen bouwen en zonder oordeel de wereld tegemoet treden. Op zoek naar een balans tussen ons en Systeem Aarde.
Omdat mijn bachelorscriptie een kwalitatief onderzoek was, wilde ik mijn laatste momenten als student aanwenden om kwantitatieve analysetechnieken te leren gebruiken. Na een lange zoektocht naar het Perfecte Onderwerp kwam ik uit bij het energiegebruik van huishoudens. We moeten minder energie gaan verbruiken, maar onze levensstandaard blijft zich uitbreiden. We moeten ons bewust worden van de eindigheid van natuurlijke hulpbronnen, maar technologische ‘vooruitgang’ doet de noodzaak hiertoe stagneren. Maar leidt een sterk milieubewustzijn wel echt tot groener gedrag? Hoe belangrijk is zelfperceptie op het eigen gedrag? En heeft gemeenschapsgevoel een positieve invloed op energieverbruik? Met mijn scriptieonderzoek onderzoek ik de invloed van milieubewustzijn, zelfwerkzaamheid en buurtbetrokkenheid door een bivariate analyse, een meervoudige regressieanalyse en een multinomiale logistische regressieanalyse uit te voeren.
Tot slot wil ik graag mijn dank betuigen aan iedereen die mij tijdens het schrijfproces heeft gesteund. Dank aan Aslan Zorlu voor zijn begeleiding en de ruimte die hij me heeft gegeven om het schrijf- en onderzoeksproces op mijn eigen manier in te vullen. Dank aan Maayke Braspenning voor de mental support en het simultaan scriptieschrijven. En – in het bijzonder – veel dank aan Diederik ten Cate. Mijn allerliefste.
1. Inleiding
Klimaatverandering en een toenemende mondiale middenklasse zorgen voor druk op de energiemarkt. Fossiele brandstoffen raken uitgeput terwijl steeds meer mensen zich een leefstijl aanmeten die gepaard gaat met intensief energieverbruik. Dit heeft ertoe geleid dat leden van de Europese Unie hebben toegezegd hun CO
2-uitstoot met 20% te hebben verlaagd in 2020 (Rijksoverheid, 2014). Beleid concentreert zich op klimaatneutrale doelstellingen en duurzame strategieën, maar indrukwekkende resultaten blijven uit. Maatregelen om het milieu minder te belasten, zoals belastingvoordeel voor alternatieve energieopwekking, werken stimulerend maar lijken slechts een klein deel van de bevolking te bereiken. Waarom lukt het ons niet om het milieu succesvol en aanzienlijk te sparen? Waarom lijkt er in praktijk vooral sprake te zijn van lastenverschuiving, in plaats van een lastenvermindering? Waarom worden strategieën beleidsmatig vergroend, maar dragen de doelstellingen, zelfs wanneer zij worden behaald, niet bij aan wezenlijk milieubehoud?
Dat groene energie het milieu minder belast dan grijze energie, neem ik voor dit moment als een gegeven. Maar hoe kunnen we zorgen dat er minder energie wordt verbruikt? Welke factoren leiden tot groener woongedrag, ofwel een lager energieverbruik? Om een antwoord op deze prangende vraag te vinden heb ik een statistisch onderzoek gedaan naar het energiegedrag van huishoudens in Nederland. Met behulp van een zeer gedetailleerd databestand dat in opdracht van het Ministerie van Binnenlandse Zaken en Koninkrijksrelaties is opgetekend, heb ik een bivariate analyse, een meervoudige lineaire regressieanalyse en een multinomiale logistische regressieanalyse uitgevoerd om voorspellers van groen woongedrag te achterhalen. De afhankelijke variabele “Energieverbruik” is samengesteld uit het water-, gas- en elektriciteitsverbruik en het onderzoek kent een bijzondere nadruk op de mogelijke rol van milieubewustzijn, zelfwerkzaamheid en buurtbetrokkenheid bij het energiegedrag van huishoudens.
Mijn scriptie is opgebouwd uit zeven hoofdstukken. Na het voorwoord volgt hoofdstuk 1 waarin mijn scriptieonderwerp wordt geïntroduceerd. Hoofdstuk 2 omvat het theoretische kader op basis waarvan enkele hypothesen zijn opgesteld, ondersteund door enkele kaarten. Hoofdstuk 3 behandelt de methodiek en bestaat uit de hoofd- en deelvragen, het conceptueel schema en een beschrijving van de dataverzameling, waarna ook de beperkingen van de gebruikte methodiek kort worden belicht. In het 4e hoofdstuk wordt de operationalisering van mijn onderzoek beschreven. Na een overzicht van alle variabelen worden de afhankelijke variabele “Energieverbruik” en de onafhankelijke variabelen nader geïntroduceerd. Hoofdstuk 5 omvat de analyses en is onderverdeeld in drie delen: bivariate analyse, meervoudige lineaire regressieanalyse en multinomiale logistische regressieanalyse. Aan de hand van de resultatentabellen wordt beschreven welke uitkomsten er zijn gevonden. In hoofdstuk 6 concludeer ik een antwoord op de onderzoeksvraag en in het laatste hoofdstuk doe ik enkele suggesties voor vervolgonderzoek.
2. Theorie
Hoofdstuk 2 vormt de theoretische basis van mijn onderzoek en bestaat uit zes paragrafen. De eerste paragraaf wijst op de urgentie van het energievraagstuk door een beschrijving van de wereldwijde milieuproblematiek en in de tweede paragraaf wordt energie als common pool resource geïntroduceerd. De hierop volgende paragrafen gaan respectievelijk in op de thema’s milieubewustzijn, zelfwerkzaamheid, buurtbetrokkenheid, stedelijkheid en de individuele kenmerken van huishoudens. Gaandeweg zullen er enkele hypothesen worden geformuleerd die de grondslag vormen voor het statistische onderzoek.
2.1 Wereldwijde milieuproblematiek
Wanneer menselijke gedragingen tot een verandering in de natuurlijke omgeving leiden en de mens dit vervolgens als een probleem ervaart, is er sprake van een milieuprobleem (Tellegen en Wolsink, 1998:6). Wereldwijd kunnen steeds meer mensen meer geld besteden aan steeds minder primaire behoeften, waardoor de druk op natuurlijke hulpbronnen toeneemt. Explosieve bevolkingsgroei, dynamische consumptiepatronen en een continu evoluerende technologische markt hebben milieuproblemen tot een everyday problem gemaakt (Tellegen en Wolsink, 1998:16-19), waar in toenemende mate op geacteerd zal moeten worden.
Milieuproblematiek reflecteert in de basis de risicomaatschappij van Ulrich Beck: doordat milieulusten en -lasten zich geografisch onevenredig verspreiden, zullen de menselijke gedragingen die leiden tot klimaatverandering in aantal en intensiteit blijven toenemen, totdat we aan onze eigenliefde ten ondergaan. Deze ondergang heeft in mijn beleving met name betrekking op de devaluatie waar ons leven aan onderhevig is wanneer de ethisch-morele implicaties van een wereld zonder respect voor Systeem Aarde ons gaan definiëren. Want doordat onze levensstandaard zich gradueel blijft verhogen en verbreiden groeit de wereldeconomie gestaag door. Rijke gebieden worden rijker en arme gebieden worden armer. Bovendien is er gaandeweg steeds meer afstand gekomen tussen maker en gebruiker, waardoor steeds minder facetten van het leven bewust worden beleefd. Tellegen en Wolsink wijzen in dezen op het belang van inschattingsvermogen. Ze redeneren dat statistische onzekerheid, kennisgebrek en wetenschappelijke meerduidigheid de kans op positieve veranderingen in milieugedrag negatief beïnvloeden (198, p.148-152). Mensen besluiten hun gedrag aan te passen, als zij nadelige effecten ervaren wanneer zij dit niet doen. Het risico dat een ramp zich daadwerkelijk voltrekt bepaalt, samen met de impact van die ramp, de mate waarin gedragingen worden veranderd. Als het risico groot is, maar de impact klein, kun je gemakkelijk het risico nemen om geen actie te ondernemen. Het risico dat ik nat word als het straks gaat regenen is groot, maar de impact (een nat pak) is klein. Ik zal soms besluiten om geen paraplu mee te nemen, omdat ik daar niet de hele dag mee wil rondlopen. Het risico dat de dijken van de Nederlandse kust doorbreken is klein, maar mócht dat gebeuren, dan is de impact groot. Vandaar dat er al jaren wordt gewerkt aan waterbeheersing in Nederland, bijvoorbeeld door projecten als ‘Ruimte voor de rivieren’ van Rijkswaterstaat.
In het kader van mijn onderzoek zou dit kunnen inhouden dat het signaal om bewust het energieverbruik te verminderen niet dringend genoeg is. Of dat het risico om zonder energieverbruik te moeten leven, te laag wordt ingeschat. Energie is dermate vanzelfsprekend geworden, dat we ons geen leven meer zonder kunnen voorstellen en daarom geen rekening kunnen houden met dit ‘spookbeeld’. Het zou ook kunnen dat een gemiddeld huishouden zich niet bewust is van wat energie inhoudt: waar het vandaan komt, hoeveel er beschikbaar is en misschien zelfs hoeveel er door henzelf wordt verbruikt. En of ze minder zouden kunnen verbruiken en hóe ze dat vervolgens zouden moeten aanpakken. Sinds we niet meer weten wie onze kleding naait, onze koe niet meer zelf slachten en ons graan niet meer zelf plukken, hebben we bovendien geen notie van de impact die ons leven op de wereld en andere aardverbruikers heeft. Maar hoewel onze kapitalistische wereldeconomie inherent als milieubelastend kan worden beschouwd, biedt de hedendaagse omvang en intensiteit van intermenselijke contacten en relaties in mijn optiek ook kansen.
Het belang van De Mensheid is niet langer louter absoluut, maar ook relatief geworden. De milieutechnische gevolgen van onze huidige gedragingen zullen wij immers zelf niet meemaken (Davidson, 2008; Hanser, 2005). Mochten wij onze eigenwaarde alleen niet belangrijk genoeg achten om een duurzame leefwijze aan te wenden, dan zou het lot van toekomstige generaties ons nog over de streep kunnen trekken. We zijn niet alleen onderdeel van een mondiale gemeenschap waarin onze belangen verder reiken dan ons persoonlijk-economisch welbevinden, maar we zijn ook verbonden met vorige en toekomstige generaties. Steiner (in Davidson, 2008:473) wijst op het feit dat deze toekomstige generaties nog niet bestaan, waardoor de verantwoordelijkheid om goede milieuafwegingen te maken vanuit ethisch oogpunt volledig bij ons ligt. Deze rechtschapen opvatting lijkt naast een oproep ook een verklaring te zijn voor onze huidige milieuhouding. We ervaren te weinig milieulasten om onze leefhouding wezenlijk aan te passen en de mensen die daar de gevolgen van lijden, hetzij omdat ze in gebieden wonen die het geografische onderspit delven, hetzij door dat ze simpelweg nog niet bestaan, hebben geen stem, dus wij ontkennen de ernst van de impact die onze leefstijl op het fysieke milieu heeft en vervolgen zorgeloos ons levenspad.
Helm (2008) analyseerde de divergentie tussen wetenschap en beleid en concludeert dat de focus bij milieubeleid veelal ligt bij het verminderen van de uitstoot van broeikasgassen in plaats van het beïnvloeden van consumptiegedrag. Dit heeft tot gevolg dat de producerende landen voor de moeite en kosten van een ‘groene wereldeconomie’ opdraaien, in plaats van de consumerende landen. Conform het marktprincipe van vraag en aanbod is dit eens te meer een voorbeeld van de ongelijkheid die onze wereld domineert.
Hoewel het na miljoenen jaren nog steeds niet duidelijk is in welke mate welke factoren tot schommelingen in het klimaat leiden, is klimaatverandering een heel normaal verschijnsel (Goudie 2008, p. 196-198). Het publieke debat echter, heeft klimaatverandering een negatieve connotatie doen toekomen. Het klimaat verandert, en dat is slecht. Goudies notie in acht genomen, ben ik van mening dat we ten minste kunnen concluderen dat, door de impact van de ongeëvenaarde bevolkingstoename en technologische ontwikkelingen sinds de Industriële Revolutie, de voorspelbaarheid van het klimaat enkel nog sterker is afgenomen. Dit heeft tot gevolg dat we ons moeten instellen op het verhogen van onze resilience. Om de aarde veerkrachtiger te maken is
milieubeleid in twee facetten opgedeeld: mitigatie en adaptatie. De menselijke impact op klimaatverandering moet worden verminderd en de gevolgen hiervan moeten zo goed mogelijk worden ondervangen.
Auerswald et al. (2011) onderzochten de wisselwerking tussen beide strategieën. Zij constateren ten eerste dat mitigatie vooral in een mondiaal verband in een positief effect resulteert, omdat eenzijdige mitigatiepogingen in feite andere, niet-mitigerende, landen een spreekwoordelijke hand boven het hoofd houden. Ten tweede tonen zij aan dat regionale adaptatie wel een positief effect heeft, doordat de toewijding van early investers andere landen zou aanzetten om hun mitigatiebeleid aan te scherpen. Dietz et al. (2008, p.193) halen de speltheorie1 aan en beweren dat landen pas zullen participeren in een internationale klimaatcoalitie als hen dit voldoende oplevert, wat leidt tot langdurige en ingewikkelde onderhandelingen over de kosten-batenbalans.
In de context van mijn onderzoek betekent dit dat energieverbruik in de breedte moet worden aangepakt, bijvoorbeeld door interlandelijke afspraken over CO2-uitstoot. Biesbroek et al. (2009) betwisten het nut van
bovenbeschreven tweedeling en stellen voor om beide strategieën met behulp van spatial planning te integreren tot een coherente “multi-level governance approach” (p.237). Gezien de complexiteit van de milieumaterie lijkt een holistische benadering op haar plaats, ook al moge duidelijk zijn dat geen combinatiemodel universeel toepasbaar kan zijn (Klein et al. 2005; Martens et al. 2009). Dit zou vertaald kunnen worden naar een integrale benadering van het energievraagstuk. Bijvoorbeeld door huishoudens financieel te stimuleren minder CO2 uit te stoten en tegelijkertijd laagdrempelige afvalscheidingsopties aan te
bieden, terwijl het bewustwordingsproces wordt gestimuleerd door inspirerende gastlessen op scholen.
Een ecocentrisch wereldbeeld lijkt systeem Aarde het meeste te waarborgen: binnen dit paradigma wordt bewust energieverbruik genormaliseerd en verschuift het vergroenen van energie naar het verminderen van energieverbruik. Verscheidene maatregelen kunnen op huishoudensniveau worden getroffen, zoals het aanpassen van transportkeuze of voedingspatroon. Dit onderzoek richt zich op energieverbruik van huishoudens. Welke huishoudens verbruiken de meeste energie? En welke factoren hangen samen met een bewust verbruik?
2.2 Common pool resources
Een common pool resource (CPR) is een voorziening die – in principe – onbeperkt en door iedereen wordt gebruikt, maar niemand toebehoort. Doordat iedereen toegang heeft tot CPR’s en het uitsluiten van gebruikers lastig tot onmogelijk is, kan er schaarste ontstaan. Dit leidt ertoe dat de voordelen van gebruik voor het individu zijn, terwijl de nadelen door de massa worden opgevangen. Veelgenoemde voorbeelden zijn overbevissing en ontbossing. Een heel regenwoud continu monitoren is lastig, waardoor er meer bomen worden gekapt dan maximaal mogelijk is wanneer we de ecosystemen in balans willen houden. Omdat een boom daarnaast maar
1
eenmaal gekapt kan worden is er ook nog sprake van individueel winstbejag, hetgeen tot overmatig verbruik en uiteindelijk de ondergang van de common leidt (Hardin 1968; Ostrom 1999, p.498). De wetenschap dat een CPR op gaat raken en de onzekerheid over wanneer dit gaat gebeuren bemoeilijkt een duurzame gebruikersbenadering, omdat niemand bereid is het eigen verbruik te verminderen als dit enkel betekent dat anderen méér kunnen verbruiken (Hardin, 1968).
Tijdens een reis over het Balkanschiereiland kwam ik erachter dat Lake Ohrid, begrensd door Macedonië en Albanië, door beide landen anders wordt beheerd. In Macedonië is het visregime sterk ingeperkt en wordt er vis gekweekt en uitgezet, terwijl Albanië vrijelijk gebruik maakt van het meer. Volgens Giordano (2003, p.365) is het probleem van de commons dan ook het samenspel tussen de mens, diens omgeving en de ruimtelijke relatie tussen beide. Hij onderzocht de rol van schaal en wijst erop dat het commonsprobleem is ontstaan doordat ‘well-defined property rights’ ontbreken. Wie mag er toegang hebben tot welke bron? Welke grenzen worden er door wie gesteld en wie gaat dat controleren? Omdat het gaat om dynamische fenomenen (het zwemgebied van een vis kan niet worden beperkt) is een universele maat het meest optimaal, maar dit is omwille van verschillen tussen landen lastig te bewerkstelligen. Zo behoren in de VS mineralen in de grond de eigenaar van het land toe en zijn wilde dieren eigendom van de staat, terwijl wilde dieren in Zimbabwe de landeigenaar toebehoren en de mineralen door de staat worden toegeëigend (Giordano 2003, p.366). De economische en sociale relaties die met eigendomsrechten gepaard gaan definiëren volgens Giordano de positie van elke betrokken individu met de common. Dit schijnt mij aannemelijk toe: zodra iemand de verantwoordelijkheid krijgt, is diegene tot meer inspanning bereid om die common veilig te stellen.
Volgens Hardin (1968) kunnen ‘gemeenschappelijke middelen’ enkel worden beheerd door staatsregulatie of privatisering. Deze deterministische visie schittert door de afwezigheid van enig vertrouwen in De Mens om het beste voor het grootste aantal mensen te kunnen doen en laat bovendien geen ruimte aan de kracht van lokale
bottom-up initiatieven. Door CPR’s op een laag schaalniveau te organiseren wordt het sociaal kapitaal optimaal
benut waardoor deze aanpak óók de direct betrokken individuen begunstigt. Dit is in mijn optiek de beste manier om een common op verantwoorde wijze te beheren.
Elinor Ostrom (1999, 2009) trok ten strijde tegen top-down governance van gemeenschappelijke bronnen door te pleiten voor lokale, op vertrouwen gebaseerde, samenwerkingsverbanden. Ze signaleerde de problematiek van algemene regelgeving ter voorkoming van milieuverwaarlozing en stelde een polycentrische benadering van natuurbehoud voor, met een bijzondere nadruk op lokaal ingebedde beslissingsstructuren. Haar theorie is gebaseerd op de premisse dat wanneer een individu zich erkend voelt als onderdeel van een gemeenschap, deze zich betrokken toont bij het collectieve goed. Het vertrouwen dat hierbij ontstaat, is een randvoorwaarde voor het duurzaam beheren van de aarde.
Dit onderzoek beschouwt energie als een CPR. Ten eerste is energie vrij toegankelijk in Nederland2. Bovendien wordt het steeds duidelijker dat fossiele energie op zal raken en rivaliserend is, zowel met andere potentiele verbruikers als met toekomstige afnemers, waardoor de druk op het verbruik toeneemt. Aangezien de fossiele energievoorraad uitputbaar is, geldt de opwekking van groene energie in feite als een voordeel voor het algemeen belang. Vernieuwbare energiebronnen als windenergie vormen een goed alternatief voor fossiel brandstofverbruik, maar de implementatie van deze energiegeneratoren stuit doorgaans op verzet. Bijvoorbeeld omdat men wel gebruik wil maken van de voordelen van een voorziening, maar hier geen directe nadelen van wil ondervinden. Dit fenomeen wordt ook wel het NIMBY-effect (not in my backyard) genoemd. Om alternatieve energieopwekking succesvol te laten toenemen, is het daarom zinvol om alle stakeholders van een dergelijk plan zo vroeg mogelijk bij de uitwerking te betrekken (Tellegen en Wolsink 1998, p.158-160).
Een common resource property kan alleen effectief worden beheerd als de lusten exclusief door dezelfde mensen worden gedeeld als de lasten (Ostrom 1999 2009; Wolsink 2011). Dit betekent polycentric adaptive
governance en is alleen mogelijk als er wordt voldaan aan vijf voorwaarden: (1) monitoring is mogelijk en
betaalbaar, (2) veranderingen in gebruikerspopulatie en technologie zijn gematigd, (3) er is sprake van vertrouwen en een groot sociaal kapitaal in de gebruikersgemeenschap, (4) buitenstaanders kunnen volledig en betaalbaar van gebruik worden uitgesloten en (5) de gebruikers stemmen in met monitoring en bijkomende regelgeving (Wolsink 2011, p.830). Met name het belang van sociaal kapitaal zou weleens een rol kunnen spelen bij groen energieverbruik. Hoewel het niet gaat om het opzetten van vernieuwende projecten of gedeeld
ownership van lokale initiatieven, draait dit onderzoek wel om bewust verbruik van energie. In een hechte
gemeenschap is misschien meer controle of kennisuitwisseling, waardoor het bewustzijn kan toenemen en de daaruit voortvloeiende acties heen en weer worden gekoppeld. Walker (2008) meent in dezen dat de instabiliteit op de energiemarkt en de maatschappelijke druk om CO2-uitstoot te reduceren wel eens tot het
inzicht zou kunnen leiden om te investeren in lokale energieprojecten.
Dit onderzoek legt de nadruk op bewust groen energieverbruik. Er is sprake van onbewust groen energieverbruik wanneer een laag energieverbruik te verklaren is door individuele kenmerken, zoals het aantal personen waaruit een huishouden bestaat (twee personen verbruiken meer energie dan één persoon). Bewust groen energiegebruik is het verschil tussen de voorspelde verwachte energie en de gemeten gebruikte energie. Als een huishouden minder energie verbruikt dan op basis van de individuele kenmerken en de stedelijkheidsgraad te voorspellen is, dan is dit grotendeels te verklaren door het woongedrag. Dit gedrag is vervolgens een samenspel van milieubewustzijn, mate van zelfeffectiviteit en buurtbetrokkenheid. Niet alleen het besef van milieuproblematiek, maar ook – en vooral – het vertrouwen van een individu in de eigen bekwaamheid om succesvol invloed uit te oefenen op de omgeving lijkt van belang te zijn bij de totstandkoming van groen woongedrag.
2
2.3 Milieubewustzijn
De meest gebruikte definitie van duurzaamheid is overgenomen uit het invloedrijke milieurapport genaamd Our Common Future (Brundtland 1987, p.43 in Adams 2009, p.5) en spreekt over een ‘ontwikkeling die in onze huidige behoeften voorziet zonder diezelfde mogelijkheid voor toekomstige generaties op het spel te zetten’. Vermeir en Verbeke (2006) bestudeerden consumentengedrag ten aanzien van duurzame producten waarbij zij zich met name richtten op vermeende discrepantie tussen de toenemende aandacht voor het milieu en het feitelijke koopgedrag. Het imago van sustainability is positief en aanbevelenswaardig, maar je leven erop inrichten lijkt hier los van te staan. Uit hun onderzoek blijkt dat mensen duurzame producten kopen wanneer zij in het algemeen meer betrokken zijn bij duurzame initiatieven, zich bewegen in kringen waar duurzaam voedsel de norm is of omdat er een lage toegangsdrempel ligt (bijvoorbeeld doordat het naast niet-duurzaam voedsel in het schap lag), op basis waarvan ze uiteindelijk concluderen dat er een samenhang bestaat tussen de intentie tot gedrag en het feitelijke gedrag. Dit contrasteert met de visie van Tellegen en Wolsink (1998, p.109-133) die menen dat er een direct verband bestaat tussen houding en intensie, maar niet tussen houding en gedrag. Duurzaamheid heeft een verplichte status verworven, met als gevolg dat greenwashing3 gemeengoed is geworden. Dit lijkt erop te wijzen dat er een publieke urgentie bestaat om het milieu te betrekken bij beleidsvorming. Klaarblijkelijk is de morele ernst duidelijk en de maatschappelijke relevantie groot. Een centrale vraag blijft zich daarom opdringen: als de dreiging sterk is en het bewustzijn hoog, waarom doen we dan zo weinig tegen onzorgvuldig energieverbruik?
Depuis (2000 in Vermeir en Verbeke 2006, p.170) merkt in dezen op dat de herkomst van voedsel met name belangrijk is voor reflexive consumers, aangezien het eten van voedsel veelzeggend is voor de manier waarop een persoon zijn of haar lichaam beschouwt. Het idee dat we onszelf definiëren door de keuzes die we maken kan inhouden dat huishoudens die een hoog milieubewustzijn hebben meer energiebesparende maatregelen treffen, omdat zij zichzelf identificeren met het ‘iemand zijn die iets goeds doet’. Concreet gesproken verwacht ik dat hoe milieubewuster een persoon is, hoe lager het energieverbruik van diens huishouden zal zijn.
3
2.4 Zelfwerkzaamheid
Bij milieukwesties lijkt er een discrepantie te bestaan tussen 'het juiste' en 'het werkelijke'; tussen communicatie en actie. Het bewustzijn (houding) neemt toe, maar het gedrag blijft onveranderd. Ajzen (1999) verklaart dit met zijn theorie van perceived behavioral control, waarmee hij de effecten van self-efficacy die Bandura (1997 in Bandura 2006) eerder beschreef, integreert in zijn theory of planned behaviour. Menselijke intenties en gedragingen zijn te voorspellen op basis van houding, (subjectieve) normen en de mate waarin er wordt geloofd dat een bepaalde gedraging haalbaar en effectief is. Volgens Ajzen is de waarschijnlijkheid van actie afhankelijk van hoe de potentiële actor zijn of haar kansen inschat om het beoogde resultaat veilig te stellen. Je wordt beïnvloed door verwachtingen over je zelf-effectiviteit, de moeilijkheidsgraad van de handeling en de mogelijke uitkomst van die handeling. Een persoon zal daarbij minder gemotiveerd zijn tot een handeling over te gaan waarvan hij verwacht dat deze nooit zal slagen of tot niets goeds zal leiden. De intentie om een bepaalde actie te ondernemen heeft volgens hem een sterke relatie met de omzetting van die intentie naar gedrag, maar op voorwaarde dat die intentie is uitgesproken naar de directe omgeving.
Bandura (1997) bepleit human agency en stelt dat de mens geen slachtoffer van zijn levensloop is, maar juist een actor die in sterke mate het eigen leven beïnvloedt door voortdurend te reflecteren, te organiseren en te reguleren. Skinner (in Catania 2003) deed veel onderzoek naar gedrag en is ondermeer bekend geworden met zijn visie dat gedrag in sterke mate afhangt van de uitkomst. Een actie moet zogezegd iets opleveren, anders is er geen incentive om die actie te ondernemen. Stern (2000) stelt dat positief milieugedrag samenhangt met altruïsme en dat mensen die de algemene effecten van hun gedrag in zien, sneller bereid zijn om dit getal aan te passen (te vergroenen). Vertaald naar groen woongedrag betekent dit dat besparingsmaatregelen pas genomen worden, als dit de actor iets oplevert. Meestal levert groen gedrag alleen ‘een goed gevoel’ op door de wetenschap dat je minder hebt afgedragen aan het milieu dan je, door een minder bewuste keuze te maken, óók had kunnen doen. Maar de vraag is of deze eco-ethische prijs hoog genoeg is voor een gemiddeld huishouden. Onder respondenten met een grote zelfeffectiviteit (mensen die zich niet snel laten ontmoedigen), kan groen woongedrag resulteren in de keuze voor milieubesparende woningmaatregelen of een bepaald type energiezuinige woning, waardoor het energieverbruik omlaag gaat.
Ik verwacht dat personen die zich snel laten ontmoedigen om energiebesparende maatregelen te treffen, minder geneigd zijn om hun energieverbruik bewust te verlagen en aldoende een hoger energieverbruik hebben dan personen die menen dat hun invloed op het eigen handelen (energieverbruik) groter is.
2.5 Buurtbetrokkenheid
Parks et al. (2002, in Permentier et al., 2010) menen dat gezinnen met kinderen vaak een hoge buurttevredenheid ervaren. Kinderrijke gezinnen hechten veel waarde aan een veilige leefomgeving, doordat zij op veel manieren gebruik maken van de publieke ruimte die hun huis omringt. Deze huishoudens zijn meer bereid om een actieve bijdrage te leveren aan het behoud van gedeelde openbare ruimten en investeren daarnaast ook meer in het onderhouden van sociale buurtcontacten (Dekker en Bolt 2005), wat sterk samenhangt met de buurttevredenheid (Parks et al. 2002 in Permentier et al. 2010). Volgens Lu (1999) draagt ook de waardering voor de buurt substantieel bij aan de woontevredenheid en ook Fleury-Bahi et al. (2008) onderschrijven dat de emotionele relatie van mensen met hun buurt van grote betekenis is voor hun tevredenheidperceptie. Het zou goed kunnen dat respondenten die zich positief over hun buurt uitlaten zich meer bij de buurt betrokken voelen, met als gevolg dat buurteffecten als sociale controle een grotere rol gaan spelen. In relatie tot dit onderzoek zou een hoge buurtbetrokkenheid op verschillende manieren tot een lager energieverbruik kunnen leiden. Ten eerste impliceert een hechte buurtbeleving veel sociale contacten, met als gevolg dat men vaak uithuizig is óf met meerdere mensen thuis, wat in beide gevallen een positief effect kan hebben op de thermostaat. En ten tweede is het aannemelijk dat er naast gezelligheid ook kennis en vaardigheden worden uitgewisseld, bijvoorbeeld met betrekking tot energiebesparing en milieubewustzijn. Als die hippe bakfietsbuurvrouw met haar biologische fruitmand terloops haar energierekening laat vallen wanneer je de kinderen komt ophalen, word je misschien zowaar nog eens op het idee gebracht óók wat vaker een extra trui aan te trekken. Er zou dan sprake kunnen zijn van een associatief sneeuwbaleffect: zodra een (vooraanstaand) lid van een buurtgemeenschap een bepaalde weg inslaat, volgen er meer buren. Bovendien kan hier ook sprake zijn van een, zoals eerder beschreven, ‘intentieverzekering’; door de intentie om groener woongedrag te gaan vertonen met elkaar te delen, is het waarschijnlijker dat dit wensgedrag ook daadwerkelijk tot wasdom komt dan wanneer dit een onuitgesproken voornemen was gebleven. Ik verwacht dan ook dat huishoudens die een hoge buurtbetrokkenheid rapporteren, vaker een lager energieverbruik hebben.
2.6 Stedelijkheid
Het CBS definieert stedelijkheid als ‘een maatstaf voor de concentratie van menselijke activiteiten gebaseerd op de gemiddelde omgevingsadressendichtheid (oad)’ en onderscheidt hierbij vijf categorieën: niet stedelijk (minder dan 500 adressen per km2), weinig stedelijk (500-1000 adressen), matige stedelijk (1000-1500 adressen), sterk stedelijk (1500-2500 adressen) en zeer sterk stedelijk (meer dan 2500 adressen).
Een consequentie van het verbranden van fossiele brandstoffen is de productie van warmte, wat ook wel het ‘urban heat island’-effect wordt genoemd (Goudie 2006, p.208). Stedelijke gebieden kunnen worden gezien als hitte-eilandjes in een waterlandschap van rurale gebieden, omdat stedelijke gebieden aanzienlijk meer zonnestraling opnemen dan landelijke gebieden. Dit komt doordat stedelijke gebieden meer warmte absorberen door de donkere kleuren van bijvoorbeeld daken en asfaltwegen en de (hoog)bouwdichtheid van steden die warmte vervolgens langer vasthoudt. Omdat de veelheid aan beton een enorme capaciteit en geleidbaarheid heeft, wordt het warmteoverschot van de dag opgeslagen om ’s nachts afgegeven te worden. Dit is anders in rurale gebieden, omdat daar minder ‘vrije warmte’ is, bijvoorbeeld doordat er meer vegetatie is die een gedeelte van de straling voor evapotranspiratie gebruikt. Bovendien geldt over het algemeen dat stedelijke gebieden meer huishoudens tellen en meer industrie kennen, wat een grote hoeveelheid kunstmatige warmte doet vrijkomen en leidt tot een hogere gemiddelde temperatuur (Goudie 2006, p.196-211). Voor enkele steden is dit effect gemeten, met als resultaat dat het temperatuurverschil tussen stedelijke en landelijke gebieden varieert tussen 0.6 en 1.8 °C (Goudie 2006, p.209).
Het inzichtelijk maken van informatie door leesbare kaarten te maken bij (academische) informatieverstrekking heeft een grote toegevoegde waarde (Murphy 2006). Madsen & Rump (2012) benadrukken de effecten van het gebruik van GIS op het ontwikkelen van een verhoogd ruimtelijk denkvermogen. Een goede kaart kan gelden als een simpele introductie tot een moeilijk onderzoek, wat een brug kan slaan tussen wetenschap en publiek. Bovendien kan een ruimtelijke weergave van informatie ook nieuwe inzichten bieden, tendensen ontwaren of een notie voor verder onderzoek aanduiden. Om deze redenen heb ik enkele kaarten gemaakt (zie ook § 2.7).
Om mijn onderzoeksdata uit SPSS aan geografische locaties te kunnen verbinden is eerst de “Wijk- en Buurtkaart 2012” 4 gedownload en geïmporteerd in ArcMap. Deze kaart is gepubliceerd door het CBS en bevat de digitale geometrie van de grenzen van de buurten, wijken en gemeenten in zogeheten ESRI™-shape formaat1. Deze shapefile fungeert als basiskaart, waar mijn data middels de gedeelde referentiewaarde “gemeentecode” aan kan worden gelinkt. Omdat de shapefile een lettertoevoeging had voor de gemeentecode (bijvoorbeeld GM0003 in het geval van Appingedam), is ArcMap de opdracht gegeven enkel de laatste drie cijfers van de gemeentecode te behouden. Beide bestanden zijn vervolgens gejoined: in ArcMap staan nu zowel de variabelen die reeds in de shapefile van het CBS stonden als de variabelen die eerder in SPSS zijn gemaakt. Om voor elke gemeente een waarde te bepalen is het gemiddelde verbruik genomen. Dit is doorgaans een prima vergelijkende maat, maar in dit geval betekent het ook dat de resultaten niet per se representatief zijn. Hoewel de steekproef redelijk groot was, zou het toch toevallig zijn als er voor elke gemeente (425 in totaal) een respondent aan het onderzoek heeft deelgenomen. Bovendien tellen de gemeenten die wél meegenomen zijn niet allemaal evenveel respondenten. Zo komt slechts één respondent uit Ten Boer, terwijl maar liefst 220 respondenten in Amsterdam wonen5. Ondanks dit bezwaar heb ik er toch voor gekozen om enkele kaarten op
4
Gebaseerd op het Basis Registratie Kadaster, de gemeenten en het Bestand Bodemgebruik van het CBS zelf.
5
te nemen in mijn (geografische) onderzoek.
Kaart 1 geeft het energieverbruik van huishoudens per Nederlandse gemeente weer: groen gekleurde gemeenten hebben een laag energieverbruik, oranje gemeenten hebben een gemiddeld energieverbruik en de rode gemeenten geven een hoog energieverbruik weer. De gemeenten die geen data-input hebben geleverd heb ik grijs gemaakt, waardoor in één oogopslag de respondentenspreiding te zien is. Dit geeft bijvoorbeeld al een eerste indruk van de generaliseerbaarheid van de data. Op de tweede kaart is de stedelijkheid van elke gemeente aangegeven. Uit het kaartje blijkt dat respondenten uit Gelderland relatief veel energie gebruiken, terwijl respondenten uit de Flevopolder nooit hoger dan gemiddeld scoren. Het valt direct op dat in omgeving-Apeldoorn veel energie wordt verbruikt. Het lijkt erop dat er weinig respondenten uit Gelderland aan het onderzoek meededen, maar dat zij die meededen, een hoog verbruik hadden.
De tweede kaart geeft een overzicht van de stedelijkheid weer: hoe donkerder het rood, hoe stedelijker de betreffende gemeente is. Uit beide kaarten tezamen valt ondermeer af te leiden dat de provincies Noord- en Zuid-Holland dichtbevolkt zijn, maar niet buitenproportioneel meer energie verbruiken. Te zien is dat landelijke regionen vaak een gemiddeld energieverbruik hebben, terwijl stedelijk gebieden (Zuid-Holland) opvallend vaak weinig energie verbruiken. De kaarten kunnen gelinkt worden aan de op de literatuur gebaseerde hypothese dat huishoudens in niet-stedelijke gebieden meer energie verbruiken dan stedelijke huishoudens.
Kaart 1. Gemiddeld energieverbruik per gemeente Kaart 2. Stedelijkheid per gemeente
Het KNMI (2014) meldt dat er weinig bekend is over de sterkte van dit stadseffect in Nederland. Figuur 1 geeft het theoretische stadseffect weer. Te zien is dat de gemiddelde temperatuur boven stedelijke hoogbouw bijna 3 °C hoger is dan in landelijk gebied. De curve is mooi gelijkmatig en geeft een trapsgewijs verloop weer: hoe stedelijker, hoe warmer (midden) en naarmate de stedelijkheid afneemt (naar beide zijkanten), neemt ook de temperatuur af. Het stadseffect ondersteunt de trend die ook in kaart 1 en 2 naar voren kwam; in stedelijke gebieden wordt minder energie verbruikt.
Figuur 1. Schematische weergave van het temperatuurverschil tussen stad en platteland (bron: KNMI)
2.7 Individuele kenmerken
Er zijn vele individuele kenmerken te onderscheiden die een invloed uitoefenen op het energieverbruik van een huishouden. Het bouwjaar zegt bijvoorbeeld iets over de energiezuinigheid van de woning. Zo is een woning die na 2000 is gebouwd doorgaans standaard voorzien van dubbel glas en isolatie (Kadasterdata, 2014), terwijl dit voor oude woningen zelden het geval is.
Yohanis et al. (2008) tonen aan dat het inkomen en het aantal bewoners een invloed uitoefenen op het verbruik van elektriciteit van een huishouden en dat woonoppervlakte zelfs sterk samenhangt met elektriciteitsverbruik. Bovendien concluderen zij op basis van hun onderzoek dat naarmate een huishouden meer bewoners heeft, het elektriciteitsverbruik per persoon afneemt. Deze logische gevolgtrekking is helaas niet bruikbaar voor mijn onderzoek omdat het alleen iets zegt over elektriciteitsverbruik en niet over gas- en waterverbruik. Hoewel een lamp voor meerdere mensen een kamer kan verlichten zonder meer energie te verbruiken, zal er in Nederland anno 2014 immers weinig gebruik van elkaars badwater worden gemaakt.
Dat een groter woonoppervlak leidt tot een hoger energieverbruik is aannemelijk, aangezien er meer interne lucht verwarmd moet worden en grotere woningen vaak duurder zijn. Dit betekent meestal dat er mensen wonen met een bovengemiddeld inkomen, die meer geld kunnen besteden aan energieverbruikende apparatuur. Tellegen en Wolsink (1998, p.113-120) menen dat het sparen van het milieu vaak een ongunstiger effect heeft dan bedoeld, doordat het huishoudensinkomen direct is gelinkt aan het energieverbruik (Tellegen
en Wolsink 1998, p.118). Welvaart of economische groei zou zich volgens hen zelfs lineair verhouden met consumptiepatronen. Met andere woorden: zodra er geld te besteden is, zal dit worden uitgegeven aan energieverbruikende uitgaven (wat bijkans een neopleonasme genoemd kan worden). Een huishouden dat bijvoorbeeld bewust het energieverbruik heeft verminderd en aan het einde van het jaar €500, - van de energiemaatschappij retour krijgt, gebruikt dat geld doorgaans niet om bomen mee te planten, maar om mee op (vlieg)vakantie te gaan.
Ten aanzien van woongedrag betekent dit dat als we meer gaan verdienen, we de kachel hoger zetten, we meer kamers gaan verwarmen en bovendien meer apparaten aanschaffen die op het elektriciteitsnet zijn aangesloten. Het zou interessant zijn om te kijken of dit laatste klopt, maar deze data is alleen indirect, door elektriciteitsverbruik, beschikbaar in dit onderzoek. Murray (2013) onderzocht in hoeverre groen gedrag daadwerkelijk iets oplevert en concludeert dat beleid het beste op de hoge inkomens kan worden toegespitst, omdat het zogenoemde rebound-effect daar kleiner is dan bij huishoudens met een laag inkomen. Bovenstaande gedachtegang van Tellegen en Wolsink (1998) is zeer geloofwaardig, maar heeft betrekking op het algehele energieverbruik van een huishouden, inclusief transport en vrijetijdsbesteding. In mijn onderzoek beperk ik mij tot het verbruik van gas, water en elektriciteit.
Volgens Wolsink (2014, ongepubliceerd werk) bestaat er een positief verband tussen opleiding en inkomen (hoe hoger de opleiding, hoe hoger het inkomen), tussen opleidingsniveau en milieubewustzijn (hoe hoger het opleidingsniveau, hoe hoger het bewustzijn) en tussen opleidingsniveau en energieverbruik (hoe hoger het opleidingsniveau, hoe hoger het energieverbruik). Een hoger opleidingsniveau leidt volgens hem tot een hoger milieubewustzijn, maar ook tot een hoger inkomen, waardoor het energieverbruik weer hoger wordt. Voortbordurend op Wolsink’s redevoering verwacht ik dat naarmate het huishoudensinkomen stijgt, het energieverbruik toeneemt.
Kaart 3 en 4 geven respectievelijk het gemiddelde opleidingsniveau en het gemiddelde inkomen per gemeente weer. Kaart 1 is nogmaals weergegeven, opdat beide variabelen gemakkelijk met het energieverbruik vergeleken kunnen worden.
Kaart 1. Gemiddeld energieverbruik per gemeente
Kaart 3. Gemiddeld opleidingsniveau per gemeente Kaart 4. Gemiddeld inkomen per gemeente
Wat vooral opvalt aan kaart 3 en 4 is dat hoewel gemeenten met een hoog gemiddeld inkomen ook een hoog gemiddeld opleidingsniveau hebben, een hoog opleidingsniveau geenszins een hoog inkomen ‘garandeert’. Zuid-West Friesland bijvoorbeeld kent en hoog gemiddeld opleidingsniveau, maar een laag gemiddeld inkomen. Daarbij lijkt er sprake te zijn van een gemiddeld-hoog energieverbruik. Wellicht komt dit door de veel voorkomende (vrijstaande) laagbouw in dit gebied. Zuid-Oost Drenthe daarentegen kent een laag gemiddeld energieverbruik, een laag gemiddeld inkomen en een gemiddeld-hoog opleidingsniveau.
N.B. Zoals in § 2.6 reeds aangegeven, kan niet gesproken worden van een zeer representatieve kaart, omdat een sterk wisselend aantal respondenten per gemeente tot een vertekend beeld kan leiden van de gemiddelde waarden.
3. Methodiek
Dit hoofdstuk is opgebouwd uit vier paragrafen: de eerste paragraaf bevat de hoofd- en deelvragen, de tweede geeft het conceptueel schema weer en de derde gaat in op de dataverzameling. Tot slot brengt de vierde paragraaf een verantwoording voor de onderzoeksmethodiek, waarbij ook de beperkingen worden aangestipt.
3.1 Hoofdvraag en deelvragen
In dit scriptieonderzoek wordt onderzocht welke factoren leiden tot energiebesparing op huishoudensniveau. De hoofdvraag van mijn scriptie is als volgt geformuleerd: “Welke factoren voorspellen groen woongedrag onder huishoudens in Nederland?”
Op basis van de literatuurstudie is deze onderzoeksvraag opgesplitst in meerdere deelvragen:
1. Wat is de invloed van milieubewustzijn op energieverbruik? 2. Welke rol speelt zelfwerkzaamheid bij duurzaam gedrag?
3. In hoeverre beïnvloedt de buurtbetrokkenheid het milieugedrag? 4. Welke rol speelt stedelijkheid bij energieverbruik?
5. Wat is de invloed van individuele kenmerken op energieverbruik?
3.2 Conceptueel schema
In figuur 1. wordt mijn onderzoek schematisch weergegeven. Ik heb voor 10 onafhankelijke variabelen gekozen, onderverdeeld in vijf categorieën: milieubewustzijn (zie 2.3), zelfwerkzaamheid (zie 2.4), buurtbetrokkenheid (zie 2.5), stedelijkheid (zie 2.6) en individuele kenmerken (zie 2.7). Alle variabelen oefenen mogelijk een invloed uit op het energieverbruik van een huishouden. Met behulp van regeressieanalyses wordt in dit onderzoek voorspeld welke factoren leiden tot een laag energieverbruik, ofwel tot groen woongedrag.
Figuur 1. Conceptueel schema
milieubewustzijn zelfswerkzaamheid buurtbetrokkenheid stedelijkheid individuele kenmerken
energieverbruik
3.3 Dataverzameling
6
Het Woon Onderzoek Nederland (WoON) is een grootschalig vragenlijstonderzoek om statistische informatie te verzamelen over de woningmarkt. De doelpopulatie voor dit onderzoek zijn alle in Nederland woonachtige personen van 18 jaar en ouder die deel uitmaken van particuliere huishoudens en ingeschreven staan bij de gemeentelijke basisadministratie. Voor dit onderzoek is WoON2012 gebruikt (N = 40.000).
De deelnemers van dit basisonderzoek die toestemming gaven voor herbenadering, behoren tot de moedersteekproef (N=22.000) waaruit deelsteekproeven worden getrokken voor de vervolgmodules, zoals de module Energie. Bij het trekken van de energiesteekproef (N=13.240) is de Nederlandse woningvoorraad verdeeld in 30 woningklassen. Per klasse is vervolgens een respons-eis vastgesteld, waarbij rekening is gehouden met de huishoudenssamenstelling en de inkomensklassen.Voor ruim een derde van de benaderde personen is uiteindelijk een bewonersenquête en woningopname gerealiseerd (deelnemers: N=4.790).
De module Energie brengt de energetische kwaliteit van de woningvoorraad en de invloed van de bewoners op het energieverbruik in beeld. De module is opgebouwd uit drie onderdelen: de bewonersenquête, de woningopname en de controleopname. Verscheidene maatregelen zijn getroffen om de kans op non-respons te verkleinen: de respondent kon zowel face-to-face als telefonisch of via het internet deelnemen en het interview kon in meerdere talen worden afgenomen.
Diverse partijen zijn verantwoordelijk geweest voor de dataverzameling. Inspectrum, met ondersteuning van Telescore en Covadis, heeft het veldwerk voor de bewonersenquête en de woningopname uitgevoerd en Arcadis heeft de controleopnames verricht. De dataprocessing is verzorgd door ABF Research en is gebaseerd op de bewonersenquête en de woningopname. Het uiteindelijke analysebestand is vermeerderd met en getoetst aan gegevens van de gemeentelijke basisadministratie, het CBS en de Belastingdienst.
De module richt zich zowel op het gedrag van de bewoners dat energieverbruik beïnvloedt als op de fysieke kwaliteit van de woning. Om tot een zo volledig en juist mogelijk databestand te komen zijn verscheidene maatregelen getroffen: de routing is nagekeken, interne consistenties zijn gecontroleerd en zijn er zowel binnen de bewonersenquête als de woningopname imputaties uitgevoerd. Omdat de dataverzameling deels op waarnemingen is gebaseerd, is het van belang dat de boordelingen van de opnemers en de controleurs voldoende gelijk zijn. Hiertoe zijn twee criteria opgesteld: afwezigheid van toevallige verschillen en afwezigheid van systematische verschillen. De toevallige verschillen zijn getoetst door de ‘interbeoordelaars overeenstemming’ vast te stellen (hoe hoger hoe beter). De systematische verschillen zijn vastgesteld door het gemiddelde verschil tussen beide beoordelaars te analyseren (hoe kleiner hoe beter).
6
Deze informatie is gebaseerd op de vragenlijsten, het veldwerkverslag en de onderzoeksdocumentatie die tezamen met de databestanden WoOn2012 en WoON2012Energie door het Ministerie van Binnenlandse Zaken en Koninkrijksrelaties beschikbaar zijn gesteld.
De verkregen informatie is verzameld in een geanonimiseerd bestand en als SPSS-database opgeleverd. Voor mijn scriptieonderzoek heb ik de gegevens van de Energiemodule samengevoegd met de resultaten van WoON2012.
De vragenlijst is gericht op het gedrag en de voornemens van de bewoners van de woning. Hierbij werd met name gekeken naar de algemene individuele kenmerken, gedrag dat energieverbruik beïnvloedt, eventuele voornemens om in de nabije toekomst te investeren in energiebesparende maatregelen en bereidheid om te investeren in woningverbetering of woningonderhoud. De vragenlijst bestaat uit 85 vragen en duurt 25 tot 40 minuten om in te vullen.
De woningen van de respondenten die toestemming gaven voor een fysiek onderzoek zijn vervolgens in beeld gebracht door veldonderzoekers aan de hand van een vooraf vastgestelde opnamelijst. Afhankelijk van het type woning duurt de woningopname 45 tot 180 minuten.
3.4 Verantwoording en beperkingen
Omdat ik geïnteresseerd was in energieverbruik op huishoudensniveau en de uitkomst van mijn onderzoek naar de populatie van Nederland wilde kunnen generaliseren, lag de keuze voor een kwantitatief onderzoek voor de hand. Omdat ik de omvang en kwaliteit van de dataverzameling zoals deze in opdracht van het Ministerie van Binnenlandse Zaken en Koninkrijksrelaties is uitgevoerd, binnen de tijdsperken van dit scriptieproject, nooit had kunnen evenaren, heb ik ervoor gekozen om mijn analyses op deze data te baseren. Hoewel geen enkel onderzoek exclusief een inductieve of deductieve benadering kent (Bryman 2008, p. 10), is mijn onderzoek vooral gericht op het testen van bestaande theorieën. Door gebruik te maken van reeds verzamelde data kent mijn onderzoek daarom enkele beperkingen.
Een groot nadeel is dat er enorm veel data beschikbaar is gesteld. Het samenvoegen van het WoOn2012-bestand met de Energiemodule resulteerde in een dataWoOn2012-bestand met meer dan 1800 variabelen. Het beschouwen en selecteren van de juiste variabelen heeft mij enorm veel tijd gekost. Ik heb het vooral als lastig ervaren om variabelen te selecteren (of samen te stellen) die precies datgene meten wat ik wilde weten op basis van het literatuuronderzoek. Ik wilde bijvoorbeeld de mate waarin een woning geïsoleerd is en het milieubewustzijn opnemen, omdat deze variabelen waarschijnlijk een grote invloed hebben op het energieverbruik van een huishouden. Maar welke isolatiebepalingen neem ik mee? En vooral: welke niet? In dit geval heb ik besloten om het bouwjaar als variabele op te nemen, omdat algemeen wordt aangenomen dat nieuwere woningen aan meer isolatie-eisen moeten voldoen, waardoor er minder energie voor verwarming wordt verbruikt. Het milieubewustzijn van huishoudens was eveneens moeilijk. Kijk ik naar welke energiemaatregelen er de afgelopen vijf jaar zijn getroffen? Of naar de maatregelen die men van plan is te treffen? Als een respondent rapporteert dat hij energiezuinigheid belangrijk vindt, zegt dat dan eigenlijk wel iets over zijn milieubewustzijn? En wat is precies de motivatie voor een besparingsmaatregel, het milieu of de portemonnee? Uiteindelijk heb ik besloten om een variabele samen te stellen uit bewuste pogingen om energieverbruik te minderen en afval te scheiden. Maar wat als ik toch voor energiezuinigheid was gegaan...?
Het feit dat ik de gebruikte data niet zelf heb verzameld, gecombineerd met het kwantitatieve karakter van de dataverzameling, heeft bovendien tot gevolg dat er geen ruimte is voor de context en achtergronden van respondenten en gegevens. Bryman (2008, p. 610-623) spreekt over triangulatie: het cross-checken van onderzoeksresultaten tussen verschillende methodieken (kwalitatief versus kwantitatief). Een mixed method is volgens hem doorgaans de beste methode voor een weloverwogen betekenisgeving aan onderzoeksresultaten. Wie weet, probeert een respondent al jaren zonnepanelen op het dak te krijgen, maar wordt dit door de buurtcommissie vertraagd. En wat betekent ‘nooit thuis’ voor respondenten die een wisselende aanwezigheid opgaven? Dit zijn voorbeelden van achtergronden en vragen die ik graag verder had uitgezocht.
Operationalisering.
4. Operationalisering
De kans dat een huishouden op groene wijze energie verbruikt, ofwel energie bespaart, wordt onderzocht aan de hand van factoren die het energieverbruik mogelijk beïnvloeden. Het energieverbruik wordt geanalyseerd aan de hand van 10 onafhankelijke variabelen, ingedeeld in vijf categorieën: milieubewustzijn, zelfwerkzaamheid, buurtbetrokkenheid, stedelijkheid en individuele kenmerken. Het hoofdstuk is opgebouwd uit drie paragrafen: de eerste paragraaf biedt een overzicht van de variabelen en de bijbehorende waarden en in de tweede en derde paragraaf worden respectievelijk de afhankelijke en de onafhankelijke variabelen beschreven.
4.1 Overzicht variabelen
Welke factoren leiden tot groen woongedrag wordt onderzocht met behulp van drie verschillende analysemethoden. Eerst is met behulp van een bivariate analyse de samenhang tussen de onafhankelijke variabelen op het energieverbruik van huishoudens verkend (zie paragraaf 5.1). Vervolgens is met een meervoudige lineaire regressieanalyse de invloed onderzocht van de verschillende onafhankelijke variabelen, terwijl de andere variabelen constant worden gehouden (zie paragraaf 5.2). Omdat de onderzoeksvraag gericht is op de factoren die een laag energieverbruik voorspellen, is tot slot een multinomiale logistische regressieanalyse uitgevoerd. Deze methode maakt het mogelijk om te onderzoeken of huishoudens met een laag energieverbruik door andere factoren worden beïnvloed dan huishoudens met een hoog energieverbruik.
Tabel Nul-a. Schematisch overzicht onafhankelijke variabele en tien onafhankelijke variabelen
Variabelen Waarden
Energieverbruik
(afhankelijke variabele)
Lineaire regressieanalyse waarden lopen van 2,77 tot 75,23 Logistische regressieanalyse drie categorieën: 1 = laag, 2 = gemiddeld, 3 = hoog 1. Bouwjaar 1 = voor 1945, 2 = 1945-2000, 3 = 2000 en later
2. Woonoppervlak 8 tot 600
3. Besteedbaar inkomen 1.180 tot 144.900
4. Aantal personen 1= 1, 2 = 2, 3 = 3 of meer
5. Aanwezigheid 1 = nooit, 2 = zelden, 3 = soms, 4 = vaak, 5 = altijd
6. Opleidingsniveau 1 = lager onderwijs, 2 = HAVO, VWO, MBO, 3 = HBO, universiteit
7. Stedelijkheid 1 = niet stedelijk, 2 = gemiddeld, 3 = stedelijk
8. Milieumaatregelen (Milieubewustzijn)
1 = geen activiteiten, 2 = 1 of 2 activiteiten, 3 = 3 activiteiten
9. Ontmoedigingskans (Zelfwerkzaamheid)
1 = laag , 2 = gemiddeld, 3 = hoog
4.2 Afhankelijke variabele
De afhankelijke ratiovariabele “Energieverbruik” is samengesteld uit het geregistreerde gasverbruik, elektriciteitsverbruik en waterverbruik (zie tabel Nul-b). Aangezien de gemiddelden en de medianen elkaar redelijk benaderen is te concluderen dat de variabelen normaal verdeeld zijn. Om deze variabelen samen te kunnen voegen zijn ze gestandaardiseerd tot waarden tussen 0 en 1. Dit is gedaan door de volgende formule: Nieuwe waarde variabele = (oude waarde variabele-laagste waarde)/(hoogste waarde-laagste waarde). Vervolgens zijn de gestandaardiseerde variabelen bij elkaar opgeteld, met als gevolg dat de samengestelde variabele waarden kan behalen tussen 0 en 3. Om tijdens de analyses gemakkelijker de verschillende effecten te kunnen benoemen zijn de waarden met 33,33 vermenigvuldigd, waardoor de waarden van de afhankelijke variabele “Energieverbruik” tussen 0 en 100 vallen (zie tabel Nul-c).
Tabel Nul-b. Gas-, water- en elektriciteitsverbruik Tabel Nul-c. Energieverbruik
Om te onderzoeken of laag energieverbruik door andere variabelen kan worden verklaard als hoog energieverbruik is de variabele energieverbruik voor het uitvoeren van de multinomiale logistische regressieanalyse in drie klassen verdeeld: laag, gemiddeld en hoog.
Dit is als volgt gedaan: de variabelen ‘gasverbruik’, ‘waterverbruik’ en ‘elektriciteitsverbruik’ zijn eerst onderverdeeld in vijf percentielen en daarna gecodeerd tot een 5-puntsschaal. Vervolgens is de nieuwe variabele “Energieverbruik 3 klassen” aangemaakt door de score van de drie afzonderlijke variabelen bij elkaar op te tellen. Tot slot heb ik de eindscore in drie klassen verdeeld: hoog, gemiddeld en laag energieverbruik (zie tabel Nul-d).
Hoewel de afhankelijke variabele “Energieverbruik 3 klassen ” ordinaal van aard is, kan de afstand tussen de afzonderlijke categorieën niet goed worden vastgesteld. Want hoeveel energie verbruikt iemand die veel energie verbruikt méér dan iemand die een gemiddelde hoeveelheid energie verbruikt? En is dat gelijk aan de hoeveelheid die een middelmatige verbruiker méér verbruikt dan een laagverbruiker? Om deze problematiek te vermijden is de afhankelijke variabele voor deze analyse als nominaal behandeld7.
De categorie “gemiddeld” is gekozen als referentiecategorie, omdat de focus ligt bij het mogelijke verschil
7
Zie mastercollege “Methoden en Technieken”, A. Zorlu.
Gas
Water
Elektriciteit
N
4744
4744
4744
gemiddelde
1616
103
3216
mediaan
1502
100
2926
minimum
6
53
1
maximum
7657
363
9704
Energieverbruik
N
4744
gemiddelde
23
mediaan
22
minimum
2
maximum
75
tussen voorspellende factoren voor huishoudens met een laag energieverbruik en huishoudens met een hoog energieverbruik. Er ontstaan twee modellen: laag ten opzichte van gemiddeld en hoog ten opzichte van gemiddeld. In feite ontstaan er twee binaire logistische modellen, waardoor de analyse zal resulteren in twee series die beide alle parameters in berekening nemen (Zorlu, mastercollege ‘Methoden en technieken’, 2014).
Tot slot moet worden opgemerkt dat bij het samenstellen van de afhankelijke variabele alledrie de componenten evenveel gewicht in de schaal leggen. Ik heb hiervoor gekozen omdat ik denk dat het verbruik van water een vergelijkbare druk op het milieu legt als de uitstoot van CO2 door het verbruik van gas en
elektriciteit. Bovendien vind ik het aannemelijk dat huishoudens met een groen waterverbruik in de meeste gevallen óók een groen gas- en elektriciteitsverbruik hebben. De groenheid van verbruik impliceert immers bewuste keuzes en heeft daardoor betrekking op de algehele houding ten opzichte van energieverbruik.
Tabel Nul-d. Energieverbruik in klassen
N
N%
laag
1903
40,1
gemiddeld
954
20,1
hoog
1887
39,8
4.3 Onafhankelijke variabelen
1. Bouwjaar
Tabel 1. Bouwjaar in klassen
Het bouwjaar van een woning is het jaar waarin een
woning is opgeleverd voor bewoning.
De variabele heeft drie categorieën: voor 1945, tussen
1945 en 2000 en vanaf 2000.
2. Oppervlakte woning
Tabel 2. Oppervlakte woning De oppervlakte van de woning is gemeten in m² en isexclusief buitenruimten.
De variabele is continu en loopt van 8 tot 600.
3. Besteedbaar inkomen
Tabel 3. Besteedbaar inkomen Het besteedbaar inkomen betreft het bruto jaarinkomenvan het huishouden, minus de premies en belastingen.
Sommige respondenten hadden grote (negatieve) verdiensten,
onder andere door hun zelfstandig ondernemerschap.
Om een scheef beeld te voorkomen zijn daarom 15 respondenten uit de analyse gehaald.
Het inkomen is door 1000 gedeeld, omdat de toename per euro geen waarneembare waarde kent.
N
N%
<1945
979
20,6
1945-2000
3263
68,8
>2000
502
10,6
totaal
4744
100,0
Woonoppervlak
N
4744
gemiddelde
112
min/max
8/600
standaardafwijking 583
Inkomen
N
4744
gemiddelde
34,7
min/max
1.2/144.9
standaardafwijking 18,2
4. Aantal personen
Tabel 4. Aantal personen in klassen Deze variabele omvat het aantal bewoners dat ophet moment van de opname hun hoofdverblijf in de woning heeft. Het aantal bewoners wordt gebruikt om de specifieke jaarlijkse nettowarmtebehoefte voor
warmtapwaterbereiding te bepalen.
Deze variabele is voorafgaand aan de woningopname ingevuld op basis van gegevens uit de bewonersenquête, tijdens de woningopname is deze invulling gecontroleerd.
Omdat maar weinig mensen met meer dan vier personen hun woning delen, is deze variabele onderverdeeld in drie categorieën: een persoon, twee personen en meer dan twee personen.
5. Aanwezigheid
Op de vraag hoe vaak er iemand aanwezig is in de woning kon men kiezen uit drie antwoordmogelijkheden: overdag en ’s avonds meestal niemand thuis, verschillend per dag en moment of bijna altijd iemand thuis (zie tabel 5a). De respondenten die onregelmatige aanwezigheid opgaven is gevraagd hun aanwezigheid te specificeren (zie tabel 5b). Per dagdeel (06.00-09.00, 09.00-12.00, 12.00-15.00, 15.00-18.00, 18.00-23.00 en 23.00-06.00) is ingevuld op hoeveel doordeweekse dagen er iemand thuis aanwezig is. De respondenten die 6, 7 of 8 doordeweekse dagen aanwezigheid opgaven zijn samengevoegd met de maximale dagdeelscore van 5. Elke onregelmatige respondent kan een minimale score van 0 en een maximale score van 30 behalen. De gehercodeerde variabele is vervolgens op basis van percentielscores in drie klassen ingedeeld: zelden iemand thuis, soms iemand thuis en vaak iemand thuis. Daarna is een nieuwe variabele aangemaakt waarin deze variabele gecombineerd is met de categorieën ‘nooit iemand’ en ‘altijd iemand’ (zie tabel 5c).
Voorbeeld vragenlijst:
Welke van de volgende situaties is het meeste op uw huishouden van toepassing? Er is overdag en ’s avonds meestal niemand thuis
Er is bijna altijd iemand thuis
Het verschilt per dag en moment van de dag of er iemand thuis is
N
N%
1
1556
32,8
2
1893
39,9
>3
1295
27,3
Tabel 5a. Aanwezigheid Tabel 5b. Wisselend aanwezig
Tabel 5c. Aanwezigheid in klassen
6. Opleidingsniveau
Met het opleidingsniveau wordt de hoogst afgeronde opleiding bedoeld die in het huishouden aanwezig is. Hiertoe zijn bij de variabelen ‘opleiding respondent’ en ‘opleiding partner’ eerst gehercodeerd met de waarden 9 (anders) als missing. Daarna is een nieuwe variabele samengesteld: “Opleidingsniveau huishouden”. De waarde van deze variabele is gelijk gesteld aan die van ‘opleiding respondent’ als de waarde voor ‘opleiding respondent’ hoger is dan de waarde van ‘opleiding partner’, als de waarde van ‘opleiding respondent’ gelijk is aan die van ‘opleiding partner’ of als de waarde ‘opleiding partner’ missing is.
De variabele is in klassen gecodeerd (zie tabel 6). Een laag opleidingsniveau omvat het basisonderwijs tot VMBO-niveau. 41 respondenten hebben geen opleidingsniveau opgegeven (missing values).
Tabel 6. Opleidingsniveau in klassen
