Regionale Monitor Brede Welvaart 2020

In de regionale Monitor Brede Welvaart wordt de brede welvaart van gemeentes, provincies en COROP-gebieden in kaart gebracht. Aan de hand van meer dan veertig indicatoren geeft de monitor een breed en divers beeld van de staat en ontwikkeling van de regionale samenleving.

Brede welvaart betreft de kwaliteit van leven in het hier en nu en de mate waarin deze ten koste gaat van die van latere generaties of van die van mensen elders in de wereld. Er zijn drie dimensies:

  1. Brede welvaart ‘hier en nu’ betreft de persoonlijke kenmerken van mensen en de kwaliteit van de omgeving waarin zij leven.
  2. Brede welvaart ‘later’ betreft de hulpbronnen die volgende generaties nodig hebben om een zelfde niveau van welvaart te kunnen bereiken als de huidige generatie.
  3. Brede welvaart ‘elders’ betreft de effecten van de keuzes binnen een regio op banen, inkomens, (niet-hernieuwbare) hulpbronnen en het milieu in andere regio’s en andere landen.

In deze editie worden de brede welvaart ‘hier en nu’ en ‘later’ gepresenteerd. De brede welvaart ‘elders’ moet nog worden ontwikkeld.

De ontwikkeling van de brede welvaart wordt beschreven aan de hand van de trendmatige ontwikkeling gedurende de afgelopen acht jaren (de middellange termijn: 2012–2019) en de meest recente jaarlijkse verandering.

Per indicator wordt gekeken naar de positie van de regio ten opzichte van andere gemeenten, provincies of COROP-gebieden.

Indicator

Brede welvaart ‘hier en nu’ betreft de persoonlijke kenmerken van mensen en de kwaliteit van de omgeving waarin zij leven. En meer in het algemeen hun materiële welvaart en welzijn, en hun beleving daarvan. Er worden acht thema’s onderscheiden: welzijn, materiële welvaart, gezondheid, arbeid en vrije tijd, wonen, samenleving, veiligheid en milieu.

Brede welvaart ‘later’ betreft de hulpbronnen die volgende generaties nodig hebben om een zelfde niveau van welvaart te kunnen bereiken als de huidige generatie. De hulpbronnen worden hier aangeduid als ‘kapitaal’. Vier soorten kapitaal worden onderscheiden: economisch, natuurlijk, menselijk en sociaal. De hoeveelheid kapitaal per inwoner moet op zijn minst gelijk blijven, willen volgende generaties een zelfde niveau van welvaart kunnen bereiken.

Loading...

Brede welvaart trend

Brede welvaart ‘hier en nu’ betreft de persoonlijke kenmerken van mensen en de kwaliteit van de omgeving waarin zij leven. En meer in het algemeen hun materiële welvaart en welzijn, en hun beleving daarvan. Er worden acht thema’s onderscheiden: welzijn, materiële welvaart, gezondheid, arbeid en vrije tijd, wonen, samenleving, veiligheid en milieu.

Brede welvaart ‘later’ betreft de hulpbronnen die volgende generaties nodig hebben om een zelfde niveau van welvaart te kunnen bereiken als de huidige generatie. De hulpbronnen worden hier aangeduid als ‘kapitaal’. Vier soorten kapitaal worden onderscheiden: economisch, natuurlijk, menselijk en sociaal. De hoeveelheid kapitaal per inwoner moet op zijn minst gelijk blijven, willen volgende generaties een zelfde niveau van welvaart kunnen bereiken.

In de binnenste ring van het wiel is de trendmatige ontwikkeling in de jaren 2012-2019 aangegeven. In de buitenste ring is de meest recente verandering van jaar op jaar weergegeven. Daarbij is de betekenis van kleuren:

  • Groen: de indicator beweegt in de richting die wordt geassocieerd met een stijging van de brede welvaart.
  • Rood: de indicator beweegt in de richting die wordt geassocieerd met een daling van de brede welvaart.
  • Grijs: de indicator stijgt of daalt niet significant.

Alle kleuren zijn bepaald op basis van statistische criteria. De kleuraanduidingen hebben slechts een signaalfunctie. Er is nadrukkelijk niet sprake van een normatieve duiding. Bij het bepalen van de kleurcodes is alleen gekeken naar de eerste-orde-effecten. Wanneer in het geheel (nog) geen data beschikbaar zijn voor een indicator, dan kleurt deze wit.

Loading...

Brede welvaart per thema

Brede welvaart ‘hier en nu’ betreft de persoonlijke kenmerken van mensen en de kwaliteit van de omgeving waarin zij leven. En meer in het algemeen hun materiële welvaart en welzijn, en hun beleving daarvan. Er worden acht thema’s onderscheiden: welzijn, materiële welvaart, gezondheid, arbeid en vrije tijd, wonen, samenleving, veiligheid en milieu.

Brede welvaart ‘later’ betreft de hulpbronnen die volgende generaties nodig hebben om een zelfde niveau van welvaart te kunnen bereiken als de huidige generatie. De hulpbronnen worden hier aangeduid als ‘kapitaal’. Vier soorten kapitaal worden onderscheiden: economisch, natuurlijk, menselijk en sociaal. De hoeveelheid kapitaal per inwoner moet op zijn minst gelijk blijven, willen volgende generaties een zelfde niveau van welvaart kunnen bereiken.

De richting van de trendmatige ontwikkeling is weergegeven met een gekleurde pijl. Voor trends is de betekenis van kleuren:

  • Groen: de indicator beweegt in de richting die wordt geassocieerd met een stijging van de brede welvaart.
  • Rood: de indicator beweegt in de richting die wordt geassocieerd met een daling van de brede welvaart.
  • Grijs: de indicator stijgt of daalt niet significant.

Als er geen significante stijging of daling van de brede welvaart kan worden vastgesteld of als er geen data zijn om dit te bepalen, zal een pijl ontbreken. De kleuraanduidingen hebben slechts een signaalfunctie. Er is nadrukkelijk niet sprake van een normatieve duiding. Bij het bepalen van de kleurcodes is alleen gekeken naar de eerste-orde-effecten. Wanneer in het geheel (nog) geen data beschikbaar zijn voor een indicator, dan bevat het thema geen informatie.

Daarnaast wordt in een grafiek de positie van de regio in vergelijking met andere regio’s weergegeven. De bepaling van de positie van een regio op de ranglijst wordt gedaan zoals in de sport gebruikelijk is. Het bepalen van de ranglijst begint bovenaan. Bij gelijke stand krijgen alle regio’s met dezelfde waarde dezelfde hoogste plaats op de ranglijst. De kleuren worden op dezelfde manier – dat wil zeggen van bovenaf – bepaald. Waar regio’s op een gedeelde plaats staan met andere regio’s, wordt dit onder de grafiek aangegeven.

Loading...

Technische toelichting op de regionale Monitor Brede Welvaart 2020

1. Inleiding

Brede welvaart betreft de kwaliteit van leven in het hier en nu en de mate waarin deze ten koste gaat van die van latere generaties of van die van mensen elders in de wereld. Vanuit deze definitie wordt een onderscheid gemaakt tussen brede welvaart ‘hier en nu’, ‘later’ en ‘elders’.

In de regionale Monitor wordt een zeer diverse verzameling indicatoren gebruikt om de brede welvaart ‘hier en nu’ en ‘later’ te beschrijven. De brede welvaart ‘elders’ moet nog worden ontwikkeld. De dimensie ‘elders’ heeft zowel betrekking op de rest van Nederland als op de rest van de wereld. Naarmate we ruimtelijk verder inzoomen speelt een steeds groter deel van het complexe proces waarin de brede welvaart wordt gevormd zich af buiten de grenzen van de regio.

De regionale Monitor is een verbijzondering van de Monitor Brede Welvaart & Sustainable Development Goals waarin een nationaal beeld van de brede welvaart wordt gegeven. De onderliggende principes en gebruikte methoden zijn zoveel mogelijk dezelfde. De nationale Monitor is evenwel niet zonder meer betekenisvol voor een regio. De betekenis van brede welvaart is onafhankelijk van het niveau waarop ze gemeten wordt. Op ieder schaalniveau zijn de principes identiek. De concrete (thematische) uitwerking moet wel recht doen aan wat op het betreffende schaalniveau relevant is.

Het doel van deze toelichting is om zo transparant mogelijk te beschrijven hoe de regionale Monitor Brede Welvaart 2020 is gemaakt. Het CBS heeft geprobeerd om de resultaten zoveel mogelijk afhankelijk te maken van een strikte systematiek gebaseerd op beslisregels en statistische methoden. De ruimte voor de persoonlijke voorkeuren en intuïties van de betrokken onderzoekers is zo klein mogelijk gemaakt. In principe moet het mogelijk zijn om de resultaten van de monitor te repliceren op basis van de brondata en deze toelichting.

In deze toelichting wordt uitgelegd hoe het CBS is gekomen tot de resultaten in de regionale Monitor. Er wordt beschreven wat brede welvaart betekent, hoe thema’s en indicatoren zijn geselecteerd, wat een indicator is, welke statistische methoden zijn gebruikt, hoe kleurcodes zijn bepaald en wat kleuren betekenen.

2. De conceptuele basis

Voor het monitoren van de brede welvaart op regionaal niveau wordt het conceptuele kader van de Monitor Brede Welvaart & de Sustainable Development Goals (MBW & SDG’s) als uitgangspunt genomen. Het is belangrijk dat op alle schaalniveaus (nationaal, regio’s, gemeenten) eenzelfde statistische taal wordt gesproken en dat de cijfers die worden gebruikt vergelijkbaar zijn.

De conceptuele basis van de MBW & SDG’s is een statistisch raamwerk opgesteld door de Verenigde Naties, de OESO en Eurostat. Dit statistische raamwerk – vastgelegd in de CES Recommendations for Measuring Sustainable Development (UNECE/Eurostat/OECD, 2014) – is verankerd in een brede wetenschappelijke literatuur en onderschreven door 65 landen. Met het CES-meetsysteem hebben statistische bureaus een wetenschappelijk onderbouwde ‘gemeenschappelijke taal’ ontwikkeld om brede welvaart in kaart te brengen.

2.1 Definities

Brede welvaart betreft de kwaliteit van leven in het hier en nu en de mate waarin deze ten koste gaat van die van latere generaties of van die van mensen elders in de wereld. Vanuit deze definitie onderscheidt het CES-meetsysteem drie dimensies: kwaliteit van leven (‘hier en nu’), kapitaal (‘later’) en grensoverschrijdende impacts (‘elders’). Brede welvaart ‘hier en nu’ betreft de persoonlijke kenmerken van mensen, de kwaliteit van de omgeving waarin zij leven en meer in het algemeen hun materiële welvaart en welzijn. Brede welvaart ‘later’ betreft de hulpbronnen die volgende generaties nodig hebben om een zelfde niveau van welvaart te kunnen bereiken als de huidige generatie. Brede welvaart ‘elders’ betreft de effecten van Nederlandse keuzes op banen, inkomens, (niet-hernieuwbare) hulpbronnen en het milieu in andere landen.

2.2 Thema’s en indicatoren

Voor iedere dimensie – ‘hier en nu’ en ‘later’ in deze Monitor – zijn thema’s en kernindicatoren beschreven die relevant zijn voor de brede welvaart. Het meetsysteem maakt bovendien een onderscheid tussen een vaste set indicatoren die op conceptuele gronden wordt gekozen en een thematische set met beleidsrelevante thema’s en indicatoren die kan worden aangepast aan het heersende beleid.

2.3 Afbakening

De regionale Monitor beschrijft de staat van de brede welvaart puur vanuit het perspectief van de mens. Dat zijn in de praktijk individuen, huishoudens, kostwinners, werknemers, scholieren, enzovoorts, afhankelijk van de statistische informatie over een thema. Het gaat in de regionale Monitor om alles wat ons als mens een kwaliteit van leven geeft. Het gaat nadrukkelijk niet om bedrijven, overheden of instituties en evenmin om de intrinsieke waarde van de natuur of de groei van de economie.

De regionale Monitor heeft betrekking op alle mensen die in Nederland woonachtig zijn. Dit is geen harde richtlijn, omdat de gebruikte indicatoren zijn gemaakt aan de hand van verschillende standaarden die ieder een eigen afbakening hanteren. Er zijn dan ook verschillen in de populatie die ten grondslag ligt aan de indicatoren in de Monitor, al zijn deze verschillen doorgaans gering.

3. Indicatoren

In deze paragraaf wordt uitgelegd wat een indicator is en hoe de indicatoren zijn geselecteerd.

De regionale Monitor beschrijft het fenomeen brede welvaart. Het fenomeen is datgene waarover we iets willen weten. We willen weten hoe het gaat met brede welvaart in Nederland. De thema’s in het CES-meetsysteem gaan over de aspecten die een rol spelen in de vorming van de brede welvaart. Dit zijn als het ware de ‘onderdelen’ van brede welvaart. Om te meten hoe het met deze onderdelen gaat, gebruiken we indicatoren. Indicatoren zijn de instrumenten waarmee het fenomeen per thema in beeld wordt gebracht. Dit is wat we kunnen meten.

Een indicator is een statistisch gegeven waarvan wordt verondersteld dat het representatief is voor een fenomeen dat ermee wordt gemeten.

Een representatieve indicator is een valide maatstaf voor een fenomeen. Zo wordt het bruto binnenlands product (bbp) algemeen gezien als een valide maatstaf voor de omvang van een economie en worden veranderingen in het volume van het bbp gezien als een valide maatstaf voor de mate van economische groei.

Iedere indicator in de regionale Monitor meet een (onderdeel van een) thema in het raamwerk. Een thema kan worden gemeten met een of meerdere indicatoren. Iedere indicator moet valide zijn maar kan een ander aspect van het fenomeen meten. Daarom is ieder thema met meerdere indicatoren beschreven. Gezamenlijk geven de indicatoren een beeld van de trends in de brede welvaart ‘hier en nu’ en ‘later’.

De indicatoren voor de brede welvaart ‘hier en nu’ en ‘later’ zijn geselecteerd aan de hand van het de selectie van indicatoren in de Monitor Brede Welvaart & Sustainable Development Goals 2020. Waar een indicator niet regionaal kan worden uitgesplitst, is gezocht naar beschikbare indicatoren die het thema zo goed mogelijk benaderen. Ook zijn beschikbare data met een statistische methode (kleine domeinschatters) zodanig opgeschaald dat betrouwbare uitspraken op regionaal niveau gemaakt kunnen worden.

De indicatoren in het dashboard blijven zoveel mogelijk dezelfde. Het CBS zorgt dat de indicatorenset beperkt van omvang en in balans blijft. Vergelijkbaarheid door de tijd moet geborgd zijn. De huidige stand van de databeschikbaarheid is voor het CBS echter geen eindpunt. Het CBS streeft voortdurend naar het verbeteren van bestaande indicatoren, het ontsluiten van nieuwe databronnen en het ontwikkelen van nieuwe indicatoren om gaten in de data te dichten en de regionale Monitor te voorzien van additionele waardevolle informatie.

De keuze voor indicatoren is primair gebaseerd op datakwaliteit. Datakwaliteit betreft:

  • de validiteit ten aanzien van het thema;
  • vergelijkbaarheid met de Monitor Brede Welvaart & Sustainable Development Goals;
  • de betrouwbaarheid van de beschikbare bronnen;
  • tijdigheid;
  • volledigheid;
  • de internationale vergelijkbaarheid van gegevens; en
  • de interne consistentie door de tijd.

4. Statistiek

Deze paragraaf beschrijft de statistische methoden die zijn gebruikt voor de berekening van de trends in Nederland, de posities van regio’s op de ranglijst van Nederlandse regio’s en de meest recente jaarlijkse mutaties. In de volgende paragrafen wordt uitgelegd welke specifieke methoden zijn toegepast en worden eventuele tekortkomingen van deze methoden toegelicht.

4.1 Trends

De regionale Monitor meet de ontwikkeling van een fenomeen: de brede welvaart. Dat fenomeen wordt thema voor thema in kaart gebracht. Voor het meten van ieder thema worden één of meerdere indicatoren gebruikt die voor dat thema representatief zijn. Tezamen geven de indicatoren een beeld van een thema en van de brede welvaart als geheel in een bepaalde periode. Om die reden moeten de trends in de publicatie per se betrekking hebben op dezelfde periode. In de regionale Monitor 2020 is voor alle indicatoren de trend bepaald door alle beschikbare data voor de jaren 2012 tot en met 2019 te analyseren, ook wanneer voor het jaar 2019 geen gegevens beschikbaar zijn. Uitspraken over de trendmatige ontwikkeling hebben dus altijd betrekking op dezelfde periode.

De trends zijn berekend door middel van lineaire regressie door alle beschikbare datapunten in een periode van acht jaren.

De regressievergelijking is: y=ax+b
waarbij y de waarde van de indicator is, x het jaar waarop de waarde betrekking heeft, a de richting waarin de trend beweegt (de hellingshoek) en b het punt waar de trendlijn de y-as snijdt (het snijpunt).

Er is sprake van een stijgende of dalende trend wanneer parameter a significant is (p < 0,05). Een trend wordt stabiel genoemd wanneer parameter a niet significant is (p ≥ 0,05). Het minimale aantal datapunten voor een trendberekening is drie.

Voor een deel van de indicatoren geldt dat de brede welvaart stijgt als de trend omhoog gaat (bijvoorbeeld: tevredenheid met het leven). Voor het andere deel van de indicatoren geldt dat de brede welvaart stijgt als de trend omlaag gaat (bijvoorbeeld: fijnstof in de lucht). In de dashboards is de richting van de trend aangegeven met een pijl. De pijl wijst naar boven als de trend omhoog gaat en naar beneden als de trend omlaag gaat. De kleur van de pijl toont de betekenis van de richting van de trend voor de brede welvaart. De kleur van de pijl is groen voor een stijging van de brede welvaart of rood voor een daling.

In de regionale Monitor wordt de trend bepaald met behulp van een eenvoudig lineair regressiemodel waarmee een rechte lijn door een waargenomen tijdreeks wordt getrokken. Deze methode heeft echter wel een aantal tekortkomingen.

De kleinste-kwadratenmethode, die in deze methode wordt gebruikt om de best passende snijpunt en hellingshoek van de trendlijn te schatten, stelt geen veronderstellingen aan de data. Dat wil zeggen dat de methode valide is als er geen conclusies worden getrokken uit de significantie van de parameters. De schattingen voor het snijpunt en de hellingshoek zijn op zichzelf valide.

Echter, in de regionale Monitor worden deze conclusies wel getrokken. Indien hypothesen worden getoetst omtrent de significantie van snijpunt en hellingshoek, wordt de veronderstelling gemaakt dat de residuen van het regressiemodel onafhankelijk normaal verdeelde variabelen zijn met gelijke variantie. Bij het toepassen van lineaire regressie op tijdreeksen is de veronderstelling dat de residuen van het regressiemodel ongecorreleerd zijn echter vaak geschonden. Het gevolg is dat de verdeling van de toetsingsgrootheid voor het toetsen van de regressiecoëfficiënten onbekend is waardoor de toets mogelijk niet meer valide is.

Ondanks deze tekortkoming wordt de kleinste-kwadratenmethode in de Monitor gebruikt om de trendmatige ontwikkeling van indicatoren te bepalen. De methode is eenvoudig te begrijpen. De methode kan gestandaardiseerd worden uitgevoerd voor honderden indicatoren. De uitkomsten voor de verschillende indicatoren zijn vergelijkbaar: voor alle indicatoren in een dashboard is de betekenis van de trend gelijk. Bovendien is er op dit moment geen alternatieve gestandaardiseerde methode voorhanden waarmee de trendmatige ontwikkeling op de middellange termijn kan worden bepaald, rekening houdend met alle observaties gedurende de trendperiode. Voor indicatoren waarvoor in de berekeningen al een trendmatige ontwikkeling is gebruikt, wordt niet alsnog een trend bepaald. Dit geldt onder andere voor indicatoren die zijn geschat op basis van kleine domeinschatters (zie paragraaf 4.5).

4.2 Ranking

De positie van een regio (zoals een gemeente of een provincie) op de regionale ranglijst is bepaald met behulp van de frequentieverdeling van de indicatorwaarden van de afzonderlijke regio’s in het meest recente jaar. De beschikbare waarden zijn verdeeld in kwartielen (groepen van 25 procent). De kleur van de positie is groen wanneer de indicatorwaarde van de regio hoort bij de bovenste 25 procent van de verdeling. De kleur van de positie is rood wanneer de indicatorwaarde van de regio hoort bij de onderste 25 procent van de verdeling. In alle overige gevallen is de kleur van de positie grijs.

De bepaling van de positie van een regio op de ranglijst wordt gedaan zoals in de sport gebruikelijk is. Het bepalen van de ranglijst begint bovenaan. Bij gelijke stand krijgen alle regio’s met dezelfde waarde dezelfde hoogste plaats op de ranglijst. De kleuren worden op dezelfde manier – dat wil zeggen van bovenaf – bepaald. Bijvoorbeeld, wanneer alle regio’s exact dezelfde waarde hebben, staan ze allemaal gedeeld eerste op de regionale ranglijst, en is de kleur van de positie van alle regio’s groen. De ranglijst wordt bepaald op basis van de puntschattingen voor iedere regio. Er wordt geen rekening gehouden met de betrouwbaarheidsmarges van deze puntschattingen.

4.3 Meest recente jaarlijkse mutaties

De meest recente mutatie betreft de verandering tussen de twee meest recente datapunten gedeeld door het aantal jaren tussen deze datapunten. Dit cijfer is bij benadering een weergave voor de meest recente jaar-op-jaarmutatie.

Voor een indicator die als percentage wordt uitgedrukt, wordt de mutatie berekend in procentpunten. Bijvoorbeeld, de tevredenheid met het leven in Nederland steeg van 85,7 procent in 2018 naar 87,3 procent in 2019. De meest recente jaarlijkse mutatie is een stijging van 1,6 procentpunt per jaar.

Voor een indicator die niet als percentage wordt uitgedrukt, wordt een procentuele mutatie berekend. Daarbij wordt het verschil tussen de indicatorwaarden in het laatste en voorlaatste jaar uitgedrukt als percentage van de waarde in het voorlaatste jaar. Bijvoorbeeld, de werkelijke individuele consumptie in Nederland steeg van 26 088 euro per persoon in 2018 naar 26 289 euro in 2019 (in prijzen van 2015). De meest recente jaarlijkse mutatie is een stijging van 0,8 procent per jaar.

Voor iedere indicator is statistisch getest of de meest recente jaarlijkse mutatie significant is. Twee methoden zijn gebruikt. Voor indicatoren die afkomstig zijn uit enquêtes zijn betrouwbaarheidsintervallen bekend. Voor deze indicatoren is de significantie van de meest recente jaarlijkse mutatie bepaald aan de hand van het betrouwbaarheidsinterval rond de meest recente jaarlijkse mutatie. Een jaar-op-jaar mutatie is significant indien de waarde nul niet binnen dat betrouwbaarheidsinterval valt.

Voor alle overige indicatoren wordt de significantie van de meest recente jaarlijkse mutatie bepaald op basis van eenvoudige structurele tijdreeksmodellen die zijn gebaseerd op stochastische trendmodellen. De meest recente jaarmutatie wordt berekend als het verschil tussen de schattingen van het geselecteerde tijdreeksmodel voor het laatste jaar en het voorlaatste jaar. Het structurele tijdreeksmodel genereert de betrouwbaarheidsmarges rond de meest recente jaarmutatie. Met deze marges wordt – net als voor de indicatoren die afkomstig zijn uit CBS-enquêtes – de significantie van de mutatie bepaald. Een jaar-op-jaarontwikkeling is significant indien de waarde nul niet binnen dat betrouwbaarheidsinterval valt.

Als de trendlijn van een structureel tijdreeksmodel de originele tijdreeks exact volgt en de onder- en bovenmarges van het betrouwbaarheidsinterval niet of nauwelijks van elkaar verschillen, dan is sprake van ‘overfitten’. Het model vangt niet alleen de trend maar ook een deel van de variatie (de ‘ruis’). Indien dit ‘overfitten’ wordt vastgesteld, is de meest recente jaarlijkse mutatie niet significant en krijgt het de kleur grijs. De aanwezigheid van ‘overfitten’ is bepaald aan de hand van modeluitkomsten voor de hoeveelheid ‘ruis’ en voor de ruimte tussen de onder- en bovenmarges van het betrouwbaarheidsinterval van de mutatie. Bij een minimale hoeveelheid ‘ruis’ en geen of nauwelijks verschil tussen de marges van het betrouwbaarheidsinterval is sprake van ‘overfitten’. Voor alle indicatoren waarvoor op deze wijze werd vastgesteld dat de meest recente jaarlijkse mutatie significant was, zijn de statistische uitkomsten handmatig gecontroleerd.

4.4 Kleine domeinschatters (KDS)

Bij veel op enquêtegegevens gebaseerde indicatoren zijn tot nu toe nog geen jaarlijkse uitkomsten gepubliceerd op gemeenteniveau, of alleen voor een selectie van (grote) gemeenten. Ook op COROP-niveau waren deze niet altijd beschikbaar. Voor het maken van betrouwbare uitkomsten zijn over het algemeen een paar honderd deelnemers aan een onderzoek nodig. Wanneer een enquête onder de Nederlandse bevolking maar rond de 7 500 respondenten per jaar bevat, zoals bij de enquête ‘Sociale samenhang en Welzijn’, zijn de mogelijkheden om cijfers op jaarbasis uit te splitsen normaal gesproken beperkt tot bevolkingskenmerken op landelijk niveau zoals geslacht, leeftijd, onderwijsniveau en migratieachtergrond. Hoe kleiner het aantal personen in de steekproef van een subpopulatie, hoe groter de onzekerheidsmarge om de puntschattingen wordt.

De statistische methode van de kleine domeinschatters (KDS) biedt mogelijkheden om, bij een gegeven beperkte steekproefomvang, indicatoren op gedetailleerd niveau betrouwbaarder te schatten dan via directe schatters. Directe domeinschatters komen overeen met gewogen domein-specifieke steekproefgemiddelden, en hangen daarmee alleen af van waarnemingen uit het eigen domein. Bij KDS wordt een model over de domeinen heen toegepast waardoor voor elk domein, en vooral voor de domeinen met weinig waarnemingen, ook gebruik gemaakt wordt van informatie uit de andere domeinen (Bollineni-Balabay, O. et al., 2017; Boonstra en Van den Brakel, 2018; Rao en Molina, 2015;). De KDS methode is toegepast op cijfers over meerdere jaren uit de enquête ‘Sociale samenhang en Welzijn’, uitgesplitst naar landsdeel, provincie, COROP-gebied en woongemeente. Het KDS model ontleent in dit geval informatie uit zowel andere, met name omliggende, jaren, als uit andere gebieden om tot betere schattingen te komen.

Zeven indicatoren uit de enquête ‘Sociale samenhangen en welzijn’ zijn op deze manier geschat, namelijk:

  • het aandeel dat tevreden is met het leven;
  • het aandeel dat tevreden is met de hoeveelheid vrije tijd;
  • het aandeel dat tevreden is met de reistijd van en naar het werk;
  • het aandeel dat minimaal wekelijks contact heeft met familie, vrienden en/of buren;
  • het aandeel dat vertrouwen heeft in maatschappelijke instituties. Dit betreft het gemiddelde vertrouwen in de Tweede Kamer, politie en rechters;
  • het aandeel dat andere mensen in het algemeen te vertrouwen vindt; en
  • het aandeel dat het afgelopen jaar vrijwilligerswerk voor een organisatie of vereniging heeft gedaan.

Van deze eerste drie indicatoren zijn de waarnemingen uit de periode 2013-2019 gebruikt, voor de laatse vier indicatoren waarnemingen uit de periode 2012-2019.

Specifiek voor deze indicatoren is het volgende model toegepast. Elk gebied heeft haar eigen parameter van de stochastische trend, om de unieke (gebiedsspecifieke) dynamiek beter te beschrijven. De gebieden lenen echter ook informatie van de landelijke trend. Tevens wordt onderling informatie tussen de gebieden geleend doordat de intercepts van de gebieden uit één verdeling komen; hetzelfde geldt voor de hellingen van de trends. De uitkomsten zijn robuust voor verschillende variaties op deze modelspecificaties.

De uitkomsten op COROP, provinciaal en landsdeelniveau zijn consistent gemaakt met de uitkomsten op nationaal niveau. Omdat niet voor alle gemeenten betrouwbare schattingen konden worden gemaakt, was het ook niet mogelijk om deze consistent te maken met de resultaten op COROP-niveau.

De KDS-gebaseerde onzekerheidsmarges op COROP-niveau zijn gemiddeld ongeveer half zo groot als die van de directe schattingen. Bij provincies is het verschil kleiner omdat de steekproefmassa op dat niveau groter is. En bij gemeenten is de reductie in de onzekerheidsmarges meer dan de helft, bij sommige indicatoren tot 70 procent.

De onzekerheidsmarge wordt niet alleen bepaald door het (netto) aantal personen dat deelneemt aan het onderzoek, maar ook door de mate waarin de uitkomsten tussen hen variëren. Bij modelmatig schatten spelen daarnaast nog andere factoren een rol: de verschillen tussen jaren en verschillende regio’s. De zeven indicatoren die voor de regionale Monitor zijn geanalyseerd betroffen vooral verschijnselen die normaal gesproken relatief weinig schommelingen over de tijd laten zien, waardoor de KDS-gebaseerde foutmarges relatief klein zijn, in vergelijking met wat met zulke kleine steekproefaantallen verwacht mag worden bij indicatoren die meer over de tijd (in de werkelijkheid) veranderen, en zeker in vergelijking met de directe schatter. De KDS-marges zijn echter groter dan bij reguliere publicaties op landelijk niveau gebruikelijk is, zeker de KDS-marges voor gemeenten. Het is daarom belangrijk dat bij de interpretatie van de KDS cijfers rekening gehouden wordt met deze marges.

Voor alle provincies, COROP-gebieden en veel gemeenten kunnen schattingen worden gemaakt met een relatieve standaardfout van minder dan 20 procent. Maar voor een deel van de (vooral kleinere) gemeenten kan het model zich maar op een zeer klein aantal waarnemingen baseren. In veel van deze gevallen leidt dat tot relatief grote verschillen in waarden tussen opvolgende jaren. Dat roept vragen op over de plausibiliteit van deze uitkomsten. Voor publicatie zijn daarom als criteria aangehouden dat voor elke gemeente/regio/provincie het gemiddeld aantal waarnemingen per jaar minimaal 10 moet zijn en dat de relatieve standaardfout maximaal 20 procent mag bedragen. Voor alle provincies en COROP-regio’s kunnen voor alle zeven indicatoren cijfers worden gemaakt die aan deze criteria voldoen. Het aandeel van de gemeenten dat voldoet aan de criteria bedraagt 37 procent voor de indicator ‘tevredenheid met reistijd van en naar het werk’ en 68 tot 73 procent voor de andere indicatoren.

Ook met deze criteria blijven er gevallen waarin de uitkomsten onwaarschijnlijk lijken, omdat zoals hierboven gezegd uit eerder onderzoek blijkt dat deze indicatoren doorgaans niet heel snel veranderen. Een voorbeeld is de gemeente Assen waar de grafiek suggereert dat er tussen 2012 en 2019 een zeer sterke afname is bij de indicator ‘vertrouwen in mensen’ van 68 naar 46 procent. In Haarlem geeft de grafiek aan dat het ‘vertrouwen in mensen’ is gestegen van 58 naar 72 procent. Gezien het brede betrouwbaarheidsinterval zijn deze ontwikkelingen mogelijk niet statistisch significant, waardoor het niet mogelijk is om te stellen of er in realiteit wel een stijging plaats heeft gevonden, maar een gebruiker kan door het beeld op het verkeerde been worden gezet.

De KDS-methode heeft een neiging om extreme gebeurtenissen te onderschatten. Hetzelfde geldt voor een verandering in de trend die pas een paar jaar heeft geduurd/waargenomen is geweest. Zo is uit onderzoek onder inwoners van het aardbevingsgebied in Noord-Groningen gebleken dat inwoners met aardbevingsschade aan hun woning in recente jaren gezondheidsproblemen en negatieve emoties ervaarden (Boelhouwer et al., 2016; Stroebe et al., 2019). Dit heeft naar verwachting invloed op hun welzijn en het vertrouwen in instituties. Dit is echter niet altijd zichtbaar in de puntschattingen op basis van het gepresenteerde model, gegeven de enquêtedata die voor dat gebied beschikbaar is. Om een verandering in de trend te kunnen vaststellen zijn meer tijdwaarnemingen nodig die gebaseerd zijn op een voldoende aantal respondenten. Naarmate er meer jaar-waarnemingen beschikbaar komen, kunnen de KDS-uitkomsten verbeterd worden.

Veel regionale verschillen hangen samen met verschillen in bevolkingssamenstelling. Voor welzijn in Nederland geldt bijvoorbeeld dat mensen met een hoger onderwijsniveau of met een Nederlandse achtergrond vaker tevreden met het leven zijn. Verschillen in bevolkingssamenstelling kunnen daarom een reden zijn dat er verschillen tussen regio’s te zien zijn. Meer informatie hierover is te vinden in het onderzoek van Schmeets (2018a, 2018b) en Van Beuningen en Akkermans (2020).

De uitkomsten voor deze indicatoren zijn voorlopig. In een later stadium zal worden onderzocht of de reeksen verbeterd kunnen worden door in het model gebruik te maken van extra hulpinformatie zoals bijvoorbeeld de regionale bevolkingssamenstelling naar onderwijsniveau.

Voor deze indicatoren zijn in tegenstelling tot andere indicatoren in de monitor geen trendberekeningen gemaakt over de periode 2012-2019 zoals beschreven onder paragraaf 4.1. De meest recente jaarmutaties zijn alleen van een signaalkleur voorzien wanneer de toe- of afname statistisch significant was (op het 5%-significantieniveau).

4.5 Een conceptuele indicatorenset en geen samengestelde index

Brede welvaart is een zeer divers en complex fenomeen. Er zijn twee manieren om de brede welvaart in al haar diversiteit in beeld te brengen. De eerste manier is het maken van een samengestelde index waarin de indicatoren voor thema’s en dimensies worden gewogen tot een enkel cijfer. De tweede manier is het visualiseren van de hele indicatorenset en wel in een zodanige samenhang dat de lezer de ontwikkeling van de brede welvaart uit de visualisaties kan afleiden. Conform de aanbeveling van de CES Recommendations is in de regionale Monitor – net als in de Monitor Brede Welvaart & Sustainable Development Goals – gekozen voor een in samenhang gevisualiseerde indicatorenset en niet voor een samengestelde index.

Er zijn sterke analytische en normatieve redenen om af te zien van het maken van een samengestelde index. Een bezwaar is dat er geen eenvoudige objectieve manier is om de ‘juiste’ gewichten af te leiden waarmee een index kan worden samengesteld. Voor een goede weging is volledige informatie nodig over de feitelijke preferenties van de hele bevolking. Feitelijke preferenties zijn grotendeels onbekend, wellicht zelfs onkenbaar. Ze zijn bovendien voor ieder individu anders. Een samengestelde index van de brede welvaart van een hele bevolking is per definitie niet representatief voor de brede welvaart van specifieke bevolkingsgroepen. Daarmee is iedere weging arbitrair, ook wanneer alle indicatoren en thema’s een gelijk gewicht krijgen.

Essentiële informatie kan bovendien uit zicht raken. Zo zou een index van de brede welvaart ‘later’ bestaan uit informatie over economisch, menselijk, sociaal en natuurlijk kapitaal. In een dergelijke index zit impliciet de veronderstelling dat de vier soorten kapitaal onderling substitueerbaar zijn. Die veronderstelling is deels onjuist. Iedere soort kapitaal is essentieel voor het functioneren van een aspect van onze samenleving. Natuurlijk kapitaal is kritiek: zonder natuurlijk kapitaal is leven onmogelijk. In een samengestelde index verdwijnt een eventuele daling van een van de kapitalen uit het oog. Daarnaast moet benadrukt worden dat in een samengestelde index de dimensies ‘hier en nu’, ‘later’ en ‘elders’ nooit moeten worden samengevoegd.

5. Interpretatie van de indicatoren

In deze paragraaf wordt uitgelegd hoe de ontwikkeling van indicatoren wordt geduid in de tekst en in de kleuren van dashboards en visualisaties.

5.1 Interpretatie richt zich op eerste-orde-effecten

In complexe fenomenen hangt alles met alles samen. Het is vaak moeilijk om een indicator eenduidig te interpreteren. In de regionale Monitor is ervoor gekozen om alleen de zogenaamde eerste-orde-effecten te interpreteren. Eerste-orde-effecten zijn de effecten die direct – dat wil zeggen zonder tussenstappen – kunnen worden gerelateerd aan een ontwikkeling. Bijvoorbeeld: een stijging van de individuele consumptie is in de eerste orde goed voor de consument. Tweede-orde-effecten zijn het gevolg van eerste-orde-effecten. In de tweede orde kan hogere consumptie gepaard gaan met milieuvervuiling, obesitas, waterverbruik en CO2-uitstoot in Nederland en in andere landen, enzovoorts.

5.2 Korte, middellange en lange termijn

Waar wordt verwezen naar de korte, middellange of lange termijn wordt het volgende bedoeld:

  • Korte termijn betreft de meest recente jaarlijkse mutatie.
  • Middellange termijn betreft de trendmatige ontwikkeling in de periode 2012-2019 (de trendperiode).
  • Lange termijn betreft de ontwikkeling gedurende een langere periode (bijvoorbeeld, sinds 1995).

5.3 Kleuren

De regionale Monitor gebruikt kleuren om de resultaten van verschillende indicatoren vergelijkbaar te maken. Alle kleuren zijn bepaald op basis van statistische criteria. De kleuraanduidingen hebben slechts een signaalfunctie. Er is nadrukkelijk niet sprake van een normatieve duiding. Het is aan politiek en beleid om op basis van deze informatie te komen tot afwegingen en beleids¬conclusies.

In het dashboard worden kleuren gebruikt om de richting van de trend in de periode 2012-2019 en de positie van regio’s in Nederland te duiden.

Voor trends en voor de meest recente jaarlijkse mutaties is de betekenis van kleuren:

  • Groen: de indicator beweegt in de richting die wordt geassocieerd met een stijging van de brede welvaart.
  • Rood: de indicator beweegt in de richting die wordt geassocieerd met een daling van de brede welvaart.
  • Grijs: de indicator stijgt of daalt niet significant.

Voor posities is de betekenis van kleuren:

  • Groen: de regio staat in het bovenste kwartiel van de ranglijst van regio’s.
  • Rood: de regio staat in het onderste kwartiel van de ranglijst van regio’s.
  • Grijs: de regio staat in het midden van de ranglijst van regio’s.

6. Sluitingsdatum

De indicatoren in de 2020-editie van de regionale Monitor zijn geüpdatet tot 30 oktober 2020.

Referenties

Beuningen, J. van, en M. Akkermans, 2020, Regionale verschillen in geluksbeleving en tevredenheid met het leven in 2013-2019. CBS, Statistische Trends. https://www.cbs.nl/nl-nl/longread/statistische-trends/2020/regionale-verschillen-in-geluksbeleving-en-tevredenheid-met-het-leven-in-2013-2019

Boelhouwer, P. J., et al., 2016, Woningmarkt- en leefbaarheidsonderzoek aardbevingsgebied Groningen. TU Delft. http://resolver.tudelft.nl/uuid:7335a0f5-18e8-4aae-8358-120fdaab652a

Bollineni-Balabay, O., J. van den Brakel, F. Palm, en H. J. Boonstra (2017). Multilevel hierarchical Bayesian versus state space approach in time series small area estimation: the Dutch travel survey. Journal of the Royal Statistical Society: Series A (Statistics in Society) 180(4), 1281–1308.

Boonstra, H. J. (2018). mcmcsae: MCMC Small Area Estimation. R package version 0.9.

Boonstra, H. J. en J. van den Brakel (2018). Hierarchical Bayesian time series multilevel models for consistent small area estimates at different frequencies and regional levels. Statistics Netherlands discussion paper, December 4, 2018.

CBS, 2018a. Duurzame ontwikkelingsdoelen: de stand voor Nederland. Den Haag: Centraal Bureau voor de Statistiek.

CBS. 2018b. Monitor Brede Welvaart 2018. Den Haag: Centraal Bureau voor de Statistiek.

CBS. 2019. Monitor Brede Welvaart 2019. Den Haag: Centraal Bureau voor de Statistiek.

CBS. 2020. Monitor Brede Welvaart 2020. Den Haag: Centraal Bureau voor de Statistiek.

CES, 2014. Conference of European Statisticians Recommendations on Measuring Sustainable Development. New York/Genève: United Nations.

ESB, “Dossier Meten van welvaart”, inhoud 4772S, 11 april 2019 ( https://esb.nu/esb/20051494/dossier-meten-van-welvaart ).

Horlings, E., en J.-P. Smits. 2019. Conceptueel kader voor een regionale monitor brede welvaart. Den Haag: Centraal Bureau voor de Statistiek.

Rao, J. en I. Molina, 2015, Small Area Estimation, Wiley-Interscience.

Schmeets, H.,2018a, Participatie op de kaart. CBS, Statistische Trends. https://www.cbs.nl/nl-nl/achtergrond/2018/38/participatie-op-de-kaart

Schmeets, H.,2018b, Vertrouwen op de kaart. CBS, Statistische Trends. https://www.cbs.nl/nl-nl/achtergrond/2018/18/vertrouwen-op-de-kaart

Sen, A., 1999. Development as Freedom, Knopf, New York: Oxord University Press, New York.

Stiglitz, J.E., A. Sen en J.-P. Fitoussi, 2009. Report by the Commission on the Measurement of Economic Performance and Social Progress. Commission on The Measurement of Economic Performance and Social progress. Parijs.

Stroebe, K., et al., 2019, De sociale impact van gaswinning in Groningen. Rijksuniversiteit Groningen. https://www.groningsperspectief.nl/wp-content/uploads/2019/12/De-sociale-impact-van-de-gaswinning-in-Groningen-metingen-juni-en-september-2019.pdf

Afkortingen

bbp - Bruto binnenlands product

CBS - Centraal Bureau voor de Statistiek

CES - Conference of European Statisticians

KDS - kleine domeinschatters

MBW & SDG’s - Monitor Brede Welvaart & de Sustainable Development Goals

p-waarde - maatstaf voor significantie van uitkomst

SDG - Sustainable Development Goal

VN - Verenigde Naties

Beschrijving indicatoren

Downloads

Download technische toelichting

Download als .pdf

Download data en ranking

Download als .csv

Download mutaties

Download als .csv

Download meta

Download als .csv