Verdeling van de bijstandsmiddelen over gemeenten – doorontwikkeling
verdeelmodel 2018
Presentatie voor: Bijeenkomst verdeelmodel bijstandsbudgetten 2018
Utrecht, 13 September 2017
SEO: Caren Tempelman, Sandra Vriend, Lennart Kroon Atlas voor gemeenten: Gerard Marlet, Clemens van Woerkens
www.seo.nl - secretariaat@seo.nl - +31 20 525 1630
Overzicht
Hoe zit het model in elkaar?
Verfijning model 2018
Aanleiding en onderzoeksvragen
Nieuwe kenmerken toegevoegd
Bestaande kenmerken aangepast
Onderzocht, maar niet aangepast
Uitkomsten
Participatiewet
Gemeenten ontvangen budget voor uitkeringen in het kader van de Participatiewet.
Macrobudget wordt verdeeld met objectief verdeelmodel dat rekening moet houden met niet-beïnvloedbare
verschillen in termen van bijstandskansen:
kenmerken van inwoners.
kenmerken van de regio.
Objectief verdeelmodel
Vanaf budgetjaar 2017 op basis van integrale data.
Voorspelt de kans op bijstand van een huishouden.
Gebruikt daarbij breed scala aan verdeelkenmerken.
Budget per huishouden = kans op bijstand x normbedrag.
Budgetaandeel per gemeente is totaal budget over alle huishoudens gedeeld door totaal over alle gemeenten.
Welke kenmerken zitten in het model?
Het model bevat kenmerken in de volgende categorieën:
Niet-rechthebbenden.
Aanbodkant arbeidsmarkt.
Vraagkant arbeidsmarkt.
Buurteffecten.
Welke kenmerken zitten in het model? (I)
Kenmerken model 2017
AANBODKANT ARBEIDSMARKT NIET-RECHTHEBBENDEN Huishoudsamenstelling Te veel vermogen
Leeftijdsgroepen Student
Corporatiewoning Andere uitkering (AO, WW) Migratieachtergrond
Opleiding – Human capital index (laag, midden/hoog)
Gezondheid
Aandeel laagstopgeleiden in gemeente Regionaal klantenpotentieel
Kans op bijstand van huishoudens begin 2015
Kenmerk Feitelijke
bijstandskans
Doelpopulatie (huishoudens 18 - AOW-leeftijd) 6,0%
Aantal huishoudens 6.821.109
Alleenstaande 10,1%
Eenouder-moeder, jongste kind tot 5 33,6%
Paar zonder kinderen 2,3%
20 tot 25-jarige in hh 2,9%
50-jarige tot AOW-leeftijd in hh 7,3%
Corporatiewoning 18,1%
Migratieachtergrond Turkije 13,1%
Migratieachtergrond Marokko 18,9%
Gebruik GGZ-zorg 13,9%
Medicijnen voor depressie 11,6%
AO-uitkering 15-80% in hh 1,7%
Welke kenmerken zitten in het model? (II)
Kenmerken model 2017 VRAAGKANT ARBEIDSMARKT Beschikbaarheid van werk
WW-percentage
Werken onder niveau
Aandeel studenten (hbo/wo)
BUURTEFFECTEN
Overlast en onveiligheid in buurt Buurt met veel werkzoekenden
0,829 t ot 0,886 0,886 t ot 0,902 0,902 t ot 0,917 0,917 t ot 0,927 0,927 t ot 0,934 0,934 t ot 0,942 0,942 t ot 0,947 0,947 t ot 0,951 0,951 t ot 0,954 0,954 t ot 0,957 0,957 t ot 0,962 0,962 t ot 0,964 0,964 t ot 0,967 0,967 t ot 0,971 0,971 t ot 0,975 0,975 t ot 0,983
Kansen op de arbeidsmarkt (QR)
Verfijning model 2018
Verbetersuggesties na publicatie van de budgetten 2017 door gemeenten, experts, Rfv, onderzoekers en SZW.
Onderzoeksvragen:
Is het model stabiel?
Is het zinvol om rekening te houden met seizoeneffecten?
Is het zinvol om nieuwe indicatoren in het model op te nemen?
Is het zinvol om bestaande indicatoren aan te passen?
Nieuwe kenmerken model 2018 (I)
Op basis van afwegingskader. Een factor moet:
Uitlegbaar zijn: theoretische grond dat de factor van invloed is op bijstandskans.
Niet-beïnvloedbaar zijn: niet op korte termijn beïnvloedbaar door lokaal arbeidsmarktbeleid.
Aanvullend zijn: met de factor mag nog geen rekening gehouden zijn in het model.
Als verklaringskracht voldoende toeneemt is factor opgenomen in model 2018.
Nieuwe kenmerken model 2018 (II)
De volgende factoren zijn toegevoegd:
Stapeling van problematiek.
Speciaal of praktijkonderwijs gevolgd.
Niet-rechthebbenden (ANW-uitkering, Ziektewet,
wachtgeld of overige uitkering en pensioenuitkering).
Standplaatsen.
Stapeling van problematiek (I)
Centrumfunctie voor zorgtaken en maatschappelijke opvang, kan leiden tot een aanzuigende werking van probleemhuishoudens.
Huishoudens waar problemen zich opstapelen hebben een grotere kans op bijstand dan wordt verwacht als
afzonderlijke huishoudkenmerken worden ‘opgeteld’.
Kenmerk 1 Kenmerk 2 Bijstandskans Aantal hh
Feitelijk Voorspeld (oude
model)
Niet-westerse migratieachtergrond Gezondheidsproblemen 25,4% 23,8% 325.877 Niet-westerse migratieachtergrond 50-plusser 23,2% 22,0% 232.916 Human capital index-laag Gezondheidsproblemen 19,9% 18,8% 890.098
Stapeling van problematiek (II)
Voldoende modelverbetering? Ja
Variabele Coefficienten
Niet-westerse migratieachtergrond & gezondheidsproblemen 0,566***
Niet-westerse migratieachtergrond & 50-plusser 0,121**
Human Capital Index -laag & gezondheidsproblemen 0,157***
Kenmerk 1 Kenmerk 2 Bijstandskans
Feitelijk Voorspeld (oude model)
Voorspeld (nieuwe model)
Niet-westerse migratieachtergrond Gezondheidsproblemen 25,4% 23,8% 24,8%
Niet-westerse migratieachtergrond 50-plusser 23,2% 22,0% 22,7%
Human capital index-laag Gezondheidsproblemen 19,9% 18,8% 19,7%
Bestaande kenmerken aangepast (I)
Migratieachtergrond nader uitgesplitst:
Landen met sterk verhoogde bijstandskans (Eritrea, Iran).
Grootste herkomstlanden met afwijkende bijstandskans.
Migratieachtergrond Aantal hh Bijstandskans Werkelijk Voorspeld
(oud)
Voorspeld (nieuw)
Eritrea in hh 3.135 49,8% 35,7% 49,5%
China in hh 47.834 5,8% 7,5% 5,8%
Iran in hh 23.019 26,4% 20,5% 26,3%
India in hh 15.431 4,1% 6,7% 4,0%
Voormalig Sovjet-Unie in hh 44.024 12,8% 9,5% 12,8%
Wel onderzocht, geen modelaanpassing
De volgende aanpassingen zijn niet gedaan, meestal omdat het tot onvoldoende verbetering leidde:
Chronische ziekten.
Doorstroom vanuit WW.
Beschikbaarheid van werk:
reistijden OV
uitsplitsing naar opleidingsniveau
anders rekening houden met ligging aan de grens
GGZ-zorggebruik:
onderscheid basis en specialistische GGZ
hoogte van de zorgkosten
Arbeidsongeschiktheid- en Wajonguitkering.
Budgetberekening
Verklaringsmodel:
Gewichten volgen uit schattingen obv gegevens begin januari 2015.
Verdeelmodel:
Kenmerken eind december 2016.
Voorspelde bijstandskans per hh ultimo 2016 volgt uit vermenigvuldiging gewichten en kenmerken.
Voorspeld bedrag per hh ultimo 2016 volgt uit
vermenigvuldiging bijstandskans met norm van 1 juli 2017.
Gemeentelijk budget volgt door voorspelde bedragen over huishoudens binnen een gemeente op te tellen.
Uitkomsten: verschil tussen voorspeld en werkelijk aantal bijstandshuishoudens
Voorspeld aantal huishoudens per gemeente:
Voorspelde kans op bijstand per huishouden.
Optellen per gemeente (indeling 2018).
Procentueel verschil voorspeld en werkelijk:
Voorspeld aantal bijstandshuishoudens ten opzichte van feitelijk aantal bijstandshuishoudens.
% van feitelijk aantal bijstandshuishoudens.
Uitkomsten: verschil tussen voorspeld en werkelijk aantal bijstandshuishoudens
Afwijking voorspeld en werkelijk aantal huishoudens met bijstand
Model 2017
(peildatum 31 dec 2015)
Model 2018
(peildatum 31 dec 2016)
Abs gem min max # neg # pos Abs gem min max # neg # pos
Gemeentegrootte
15.000 – 25.000 inw (n =96/94) 11,1 -35,7 60,4 38 58 8,9 -26,7 49,7 40 54 25.000 – 50.000 inw (n = 140/140) 10,4 -21,9 46,6 60 80 8,8 -22,0 39,3 61 79 50.000 – 100.000 inw (n = 47/49) 7,5 -13,9 47,0 17 30 6,5 -12,7 40,0 23 26 100.000 – 250.000 inw (n = 27/27) 6,3 -7,7 33,0 13 14 5,5 -10,4 23,1 13 14
minstens 250.000 inw (n = 4/4) 5,4 -8,7 3,6 3 1 5,1 -8,5 3,8 2 2
Totaal (n = 314/314) 9,8 -35,7 60,4 131 183 8,1 -26,7 49,7 139 175
Gewogen naar inwonertal 8,0 -35,7 60,4 131 183 6,9 -26,7 49,7 139 175
Gewogen naar uitgavenaandeel 6,7 -35,7 60,4 131 183 6,0 -26,7 49,7 139 175
Vergelijking met model 2017- oorzaken verschillen
Instellingsbewoners zijn uit model gehaald.
Model 2018 bevat meer kenmerken dan model 2017.
Gewichten model 2018 verschillen tov 2017.
Gewijzigd beleid bij de gemeente.
Wijzigingen in de samenstelling van huishoudens of de regionale situatie in gemeenten.
Uitkomsten: herverdeeleffecten
Voorspeld budget per gemeente:
Voorspelde kans op bijstand per huishouden x Normbedrag voor ieder huishouden
Aggregeren per gemeente (indeling 2018) geeft budgetaandeel.
Herverdeeleffect:
Voorspelde budgetaandeel (model 2018) ten opzichte van historische uitgavenaandeel 2016.
%-verandering in uitgavenaandeel voor iedere gemeente.
Herverdeeleffecten 2017 ten opzichte van historische uitgaven 2015.
Let op: uitgavenaandeel bevat dak- en thuislozen en instellingsbewoners.
Herverdeeleffecten reguliere budgetten
Objectief budget Regulier budget Herverdeeleffecten Model 2017 Model 2018 Model 2017 (incl
overgangsreg.) Model 2018
Gemeentegrootte
15.000 – 25.000 inw / 0 – 25.000 inw
14,5 13,8 4,3 4,3
25.000 – 50.000 inw 12,9 12,3 8,0 9,8
50.000 – 100.000 inw 8,8 8,8 6,9 8,7
100.000 – 250.000 inw 5,8 5,7 4,5 5,7
minstens 250.000 inw 9,9 8,5 6,7 7,1
Totaal 12,1 11,6 6,0 7,0
Gewogen naar inwonertal 10,0 9,5 6,2 7,5
Gewogen naar uitgavenaandeel 8,5 8,1 5,6 6,8