Artikel bewaren

Je hebt een account nodig om artikelen in je profiel op te slaan

Login of Maak een account aan
Reacties0

Profielschets uitkeringsafhankelijken moet helpen

Avatar
Annemarie Künn-Nelen
Avatar
Davey Poulissen
Een aanzienlijk deel van de potentiële beroepsbevolking in Limburg staat aan de zijlijn van de arbeidsmarkt. Inzicht in de kenmerken van deze kwetsbare Limburgers is nodig voor een goed re-integratiebeleid. Vanuit dit perspectief hebben we de vraag gesteld: welke profielen hebben deze mensen en wat belemmert hun (re)integratie in de arbeidsmarkt?
'&JOY zet jongerenparticipatie op lokale agenda'

Vanuit de Sociale Agenda Limburg wil de Provincie Limburg o.a. de participatie van kwetsbare personen in de samenleving verbeteren. In dat kader subsidieerde de provincie het door de Universiteit Maastricht ontwikkelde programma 4Limburg, dat bestaat uit verschillende deelprojecten.1

In een van die deelprojecten hebben we allereerst de omvang van vier verschillende kwetsbare groepen per Limburgse gemeente in kaart gebracht: (1) mensen met een arbeidsongeschiktheidsuitkering, (2) mensen met een bijstandsuitkering, (3) mensen met een werkloosheidsuitkering en (4) mensen zonder werk en zonder een van deze uitkeringen (Künn-Nelen e.a. 2018).

Daaropvolgend hebben we voor elke Limburgse gemeente gekeken naar verschillen in de omvang van deze kwetsbare groepen tussen de wijken binnen de gemeente (Künn & Poulissen 2019). Vervolgens hebben we in kaart gebracht welke profielen mensen met een arbeidsongeschiktheids-, bijstands-, of werkloosheidsuitkering hebben en wat hen belemmert in hun (re)integratie op de arbeidsmarkt (Künn-Nelen e.a. 2020a, Künn-Nelen e.a. 2020b).

Omvang kwetsbare groepen

In tabel 1 is te zien dat Limburg eind 2015 bijna 770.000 inwoners telde die vallen onder de potentiële beroepsbevolking. Ongeveer een op de vier inwoners is uitkeringsafhankelijk of niet actief op de arbeidsmarkt. In Zuid-Limburg was het aandeel kwetsbaren relatief gezien het hoogst (27,5%), maar dit percentage is wel lager dan het percentage in de benchregio Rotterdam (29,7%). Vergeleken met Nederland in het geheel scoort de provincie Limburg wel bovengemiddeld.

Tabel 1. Overzicht van de absolute en relatieve omvang van de kwetsbare groepen in Limburg en in twee benchmark regio’s

Bron: ROA, berezicht van de absolute en relatieve ombang van de kwetsbare groepen in Limburg en in twee benchmark regio’s
Overzicht van de absolute en relatieve omvang van de kwetsbare groepen in Limburg en benchmarkregio’s. Bron: ROA, berekeningen op basis van microdata van het CBS (eerder gepubliceerd in Künn & Poulissen 2018).
Totaalaantal kwetsbaren
Arbeids ongeschiktheids uitkering
Werkloosheids uitkering
Bijstands-uitkering
Inactief zonder uitkering
Potentiële beroepsbevolking
Limburg totaal
191.493 (24,9%)
65.022 (8,5%)
27.527 (3,6%)
33.667 (4,4%)
67.411 (8,8%)
769.396
Noord-Limburg
40.674 (21,2%)
12.576 (6,5%)
8.069 (4,2%)
6.934 (3,6%)
13.537 (7,0%)
192.277
Midden-Limburg
36.387 (22,5%)
12.613 (7,8%)
5.732 (3,6:%)
5.428 (3,4%)
13.007 (8,1%)
161.438
Zuid-Limburg
114.432 (27,5%)
39.833 (9,6%)
13.726 (3,3%)
21.305 (5,1%)
40.867 (9,8%)
415.681
Rotterdam
133.325 (29,7%)
25.508 (5,7%)
16.356 (3,6%)
45.649 (10,2%)
47.029 (10,5%)
449.506
Provincie Groningen
101.263 (24,6%)
28.631 (7,0%)
14.227 (3,5%)
24.526 (6,0%)
35.024 (8,5%)
411.750
Nederland totaal
2.572.531 (22,0%)
735.060 (6,3%)
387.389 (3,3%)
507.187 (4,3%)
968.802 (8,3%)
11.704.796

Problematiek

De profielschets is gebaseerd op vijf aspecten waarvan we vanuit de literatuur weten dat ze vaak gerelateerd zijn aan een kleinere kans om werkzaam te zijn en op de arbeidsmarkt te re-integreren:2

  • gezondheidsproblematiek
  • financiële problematiek
  • opleidingsniveau
  • migratieachtergrond
  • gezinssituatie
We definiëren een gezondheidsprobleem als het ervaren van een chronische ziekte of aandoening. Daarbij kijken we naar de mate waarin iemand arbeidsongeschikt is verklaard door het UWV, alsook naar het medicijngebruik. Financiële problematiek wordt in kaart gebracht op basis van de deelname aan schuldsanering (WSNP), het hebben van een huishoudinkomen onder de armoedegrens3 of het hebben van schulden boven de 10.000 euro. Iemand met een laag opleidingsniveau heeft een vmbo-diploma of lager.4
Wat betreft migratieachtergrond maken wij onderscheid tussen het al dan niet hebben van een niet-westerse migratieachtergrond.5 Ten slotte kijken we of iemand deel uitmaakt van een eenoudergezin. Alle informatie is gebaseerd op registerdata van het CBS.6
Vervolgens hebben we voor alle Limburgse gemeenten de profielen van mensen met een arbeidsongeschiktheids-, bijstands-, of werkloosheidsuitkering in kaart gebracht. Ook laten we zien in hoeverre er bij de uitkeringsafhankelijken in de Limburgse gemeenten sprake is van een opeenstapeling van deze factoren die de re-integratie kunnen bemoeilijken. Hiervoor hebben we de complexiteitsindex ontwikkeld.

Profielschets bijstandsontvangers

Op alle onderdelen van de profielschets blijken mensen in een uitkeringssituatie bovengemiddeld slecht te scoren (Künn-Nelen e.a. 2020a). In de figuren 1-3 is op gemeenteniveau het profiel voor de mensen in de bijstand in kaart gebracht.7 We hebben ons daarbij beperkt tot het tonen van de gezondheidsproblematiek, de financiële problematiek en de complexiteitsindex.
Figuur 1 gaat in op de mate waarin er sprake is van gezondheidsproblemen onder de bijstandsontvangers in de Limburgse gemeenten.

Uit de figuur blijkt dat gezondheidsproblemen onder bijstandsontvangers het meest voorkomen in de Midden-Limburgse gemeenten. In Roerdalen, Roermond, Weert, Echt-Susteren en Nederweert is de gezondheidsproblematiek onder bijstandsontvangers het grootst. Ook in Peel & Maas en Beekdaelen zijn de gezondheidsproblemen onder bijstandsontvangers zeer hoog in vergelijking met de andere Limburgse gemeenten. De zes gemeenten met de minste gezondheidsproblemen onder de mensen met een bijstandsuitkering zijn over heel Limburg verspreid.

https://static-content.springer.com/image/art%3A10.1007%2Fs41196-020-0685-y/MediaObjects/41196_2020_685_Fig1_HTML.jpg
Figuur 1. Relatieve positie gemeenten m.b.t. gezondheidsproblemen onder bijstandsontvangers.

Figuur 2 laat zien dat veel mensen in de bijstand te kampen hebben met financiële problemen. In alle Limburgse gemeenten heeft tussen de 62 en 79 procent van alle bijstandsontvangers financiële problemen. In zeven gemeenten komen financiële problemen relatief gezien zeer veel voor onder bijstandsontvangers (tussen de 75% en 79%). Het gaat hier om de gemeenten Beekdaelen, Sittard-Geleen, Maastricht, Heerlen, Vaals, Kerkrade en Valkenburg aan de Geul. Dit zijn allemaal Zuid-Limburgse gemeenten.

https://static-content.springer.com/image/art%3A10.1007%2Fs41196-020-0685-y/MediaObjects/41196_2020_685_Fig2_HTML.jpg
Figuur2. Relatieve positie gemeenten m.b.t. financiële problemen onder bijstandsontvangers.
Bronnen: ROA, berekeningen op basis van microdata van het CBS; Kadaster/CBS, Wijk- en buurtkaart 2017.
Figuur 3 geeft een overzicht van de complexiteit van de problematiek waarmee bijstandsontvangers in de verschillende Limburgse gemeenten te kampen hebben. De complexiteitsindex is een optelsom van het aantal re-integratie belemmerende factoren dat in een gemeente relatief zeer vaak voorkomt. Uit de figuur blijkt dat er in vier gemeenten sprake is van een zeer complexe problematiek. In deze gemeenten komen vier of vijf van de onderscheiden factoren relatief vaak voor onder de bijstandsontvangers.

Het gaat hier om de gemeenten Landgraaf, Kerkrade, Roermond en Weert. Bij 18 van de 31 Limburgse gemeenten is er sprake van een meervoudige problematiek: bij deze gemeenten is de problematiek onder de bijstandsontvangers op twee of drie aspecten (zeer) hoog. In een zestal gemeenten is de problematiek enkelvoudig. In deze gemeenten komt slechts één aspect (zeer) vaak voor onder de bijstandsontvangers. Het gaat hier om de gemeenten Bergen en Simpelveld (eenoudergezin), Meerssen en Maasgouw (niet-westerse migratieachtergrond), Valkenburg aan de Geul en Gulpen-Wittem (financiële problematiek). In Gennep, Leudal en Eijsden- Margraten hebben de bijstandsontvangers in vergelijking met de andere Lim- burgse gemeenten minder te kampen met de vijf aspecten die de re-integratie bemoeilijken dan in de andere gemeenten.

https://static-content.springer.com/image/art%3A10.1007%2Fs41196-020-0685-y/MediaObjects/41196_2020_685_Fig3_HTML.jpg
Figuur 3: Complexiteitsindex naar gemeenten gericht op mensen in de bijstand.
Bronnen: ROA, berekeningen op basis van microdata van het CBS; Kadaster/CBS, Wijk- en buurtkaart 2017.

Profielschetsen op wijkniveau

In een pilotstudie hebben we voor de gemeente Heerlen ook profielschetsen gemaakt op wijkniveau. Hierbij hebben we ons gericht op de bijstandsontvangers, gegeven de verantwoordelijkheid die gemeenten hebben om deze mensen (weer) naar werk te geleiden. De profielschets is met dezelfde indicatoren opgesteld; alleen kunnen er op wijkniveau geen uitspraken gedaan kunnen worden over het opleidingsniveau.8
Omdat er als gevolg van de kleine aantallen geen percentages gepubliceerd kunnen worden, wordt de relatieve positie van de wijk ten opzichte van andere wijken in dezelfde gemeente getoond. Hierbij wordt de mate waarin een bepaalde problematiek voorkomt onder de bijstandsontvangers in een bepaalde wijk afgezet tegen de mate waarin deze problematiek voorkomt onder alle bijstandsontvangers in Heerlen.

In de figuren 4-6 is de relatieve positie van de Heerlense wijken op het gebied van gezondheidsproblematiek, financiële problematiek en de opstapeling van problemen grafisch weergegeven. Uit deze figuren blijkt dat er geen enkele wijk is die relatief hoog scoort op alle aspecten van de profielschets.

Zo komen financiële problemen relatief gezien zeer veel voor onder de bijstandsontvangers in de wijken Maria Gewanden en Terschuren en Welten-Benzenrade, maar is er in deze wijken juist een relatief laag aandeel van bijstandsontvangers die te maken hebben met gezondheidsproblematiek. Er zijn wel veel wijken (10 van de 14 waarvoor we de index kunnen berekenen) die gekenmerkt worden door een complexe problematiek: deze wijken scoren relatief gezien (zeer) hoog op twee aspecten. Wederom geldt dat de twee aspecten waar het om gaat, verschillen tussen de wijken.

https://static-content.springer.com/image/art%3A10.1007%2Fs41196-020-0685-y/MediaObjects/41196_2020_685_Fig4_HTML.jpg
Figuur 4. Relatieve positie wijken m.b.t. gezondheidsproblemen onder bijstandsontvangers.
https://static-content.springer.com/image/art%3A10.1007%2Fs41196-020-0685-y/MediaObjects/41196_2020_685_Fig5_HTML.jpg

Figuur 5. Relatieve positie wijken m.b.t. financiële problemen onder bijstandsontvangers.

Bronnen: ROA, berekeningen op basis van microdata van het CBS; Kadaster/CBS, Wijk- en buurtkaart 2017.
https://static-content.springer.com/image/art%3A10.1007%2Fs41196-020-0685-y/MediaObjects/41196_2020_685_Fig6_HTML.jpg

Figuur 6. Complexiteitsindex naar wijk gericht op mensen in de bijstand.

Bronnen: ROA, berekeningen op basis van microdata van het CBS; Kadaster/CBS, Wijk- en buurtkaart 2017.

Re-integratiekansen klein

We hebben bekeken in hoeverre de profielen van mensen van begin 2016 samenhangen met hun re-integratiekansen eind 2017.9 We hebben hierbij expliciet gekeken naar duurzame en volledige re-integratie. We hebben dit gedefinieerd als het onafgebroken werk hebben gedurende zes maanden in de tweede helft van 2017, zonder daarnaast een uitkering te ontvangen.
Alle vijf onderzochte profieldimensies hangen samen met een lagere kans om duurzaam en volledig op de arbeidsmarkt te re-integreren. Dit geldt het sterkst voor financiële en gezondheidsproblemen. De complexiteit van de problematiek speelt ook een rol in de kans om duurzaam en volledig te re-integreren.
Die kans neemt ongeveer twee keer zo sterk af als op bijstandsontvangers alle vijf aspecten (in plaats van één aspect) van toepassing zijn: mensen voor wie één aspect van toepassing is, hebben gemiddeld genomen 11 procent minder kans om te re-integreren dan mensen op wie geen enkel aspect van toepassing is.10 Als daarentegen alle aspecten van toepassing zijn, en er dus sprake is van een zeer complexe problematiek, is de kans 20 procent lager om duurzaam te re-integreren dan wanneer geen enkel aspect van toepassing is.

Implicaties gemeentelijk beleid

Veel bijstandsontvangers kampen met financiële problemen, die sterk gerelateerd zijn aan iemands re-integratiekansen. De rol van de gezondheidsproblemen waarmee ook veel mensen in de bijstand kampen, is eveneens groot. Daarom is het van groot belang dat gemeenten bij hun re-integratiebeleid vooral inzetten op het verminderen van de financiële en gezondheidsproblemen van bijstandsontvangers.

Omdat er in Heerlen tussen wijken grote verschillen zijn in de mate waarin bijstandsontvangers te maken hebben met financiële en gezondheidsproblemen, pleiten we voor een wijkgerichte aanpak van deze problematiek. Omdat in sommige wijken financiële problemen relatief veel voorkomen en gezondheidsproblemen relatief minder vaak of andersom, zou per wijk gekeken moeten worden waar het beleid zich vooral op zou moeten richten. Een wijkgerichte aanpak, gefocust op de belangrijkste problematiek in de wijk, zou een groter effect kunnen hebben omdat er spill-over-effecten kunnen optreden waarbij bewoners zich aan elkaar kunnen optrekken.

Annemarie Künn-Nelen is senior onderzoeker Researchcentrum voor Onderwijs en Arbeidsmarkt, Maastricht University. Davey Poulissen is PhD student Researchcentrum voor Onderwijs en Arbeidsmarkt Maastricht University.

Referenties

  • Künn, A. & Poulissen, D. (2018). Omvang risicogroepen in Limburg, ROA-F-2018/20.
  • Künn, A. & Poulissen, D. (2019). Omvang risicogroepen in de Limburgse gemeente xxx. ROA-F-2019/3. Zie https://​roa.​nl/​publications/​roa-fact-sheets?​year=​2019 voor elke Limburgse gemeente.
  • Künn-Nelen, A., Poulissen, D., De Grip, A. (2020a). Profielschets uitkeringsafhankelijke inwoners in Limburg. ROA-F-2020/5.
  • Künn-Nelen, A., Poulissen, D., De Grip, A. (2020b). Profielschets bijstandsontvangers Heerlen. Complexiteit van de problematiek en reïntegratiekansen. ROA-R-2020/3.
  • Künn-Nelen, A., Poulissen, D., De Grip, A. (2020c). Operationalisatie profielschetsen kwetsbare groepen, ROA-TR-2020/6

Noten

2. Voor gebruikte bronnen, referenties en de operationalisering van de dimensies, zie Künn-Nelen e.a. (2020c).
3. Gebaseerd op de inkomensgrens die het CBS gebruikt voor de afbakening van armoede.
4. Informatie over het opleidingsniveau is alleen gebaseerd op inwoners geboren na 1994.
5. Het al dan niet hebben van een niet- westerse migratieachtergrond is gebaseerd op het geboorteland van de persoon zelf en/of dat van zijn of haar ouders.
6. Informatie over het opleidingsniveau is gedeeltelijk gebaseerd op de Enquête Beroepsbevolking van het CBS.
7. Eerder gepubliceerd in: Künn-Nelen e.a. (2020a).
8. Op wijkniveau zijn er te weinig observaties om betrouwbare cijfers te geven.
9. Voor deze analyses hebben we de indicatoren van december 2015 (in het geval van gezondheid) en januari 2016 (voor de overige indicatoren) meegenomen en we hebben gekeken naar de arbeidsmarktdeelname in de 23 maanden daaropvolgend.
10. Wat de afname van re-integratiekansen is, hangt van het aspect dat van toepassing is. Als er sprake is van financiële problemen, neemt de kans op duurzame en volledige re-integratie al met 17 procent af.

Geef je reactie

Om te kunnen reageren moet je ingelogd zijn. Heb je nog geen account, maak dan hieronder een account aan. Lees ook de spelregels.