- Onderzoeksbank Limburg

Commentaren

Transcriptie

- Onderzoeksbank Limburg
Auteur thesis
Simon F.P. van den Bighelaar
S0817430
Master Sociologie
Faculteit Sociale Wetenschappen
Radboud Universiteit Nijmegen
Begeleiding Radboud Universiteit
Dr. Ben J. Pelzer
Assistent Professor
Faculteit Sociale Wetenschappen
Radboud Universiteit Nijmegen
Prof. Dr. Rob N. Eisinga
Hoogleraar
Faculteit Sociale Wetenschappen
Radboud Universiteit Nijmegen
Begeleiding gemeente Maastricht
Drs. Paul L.M. Hinssen
Onderzoeker
Team Financieel Advies
Gemeente Maastricht
Dr. Camiel P.C. De Bruijn
Onderzoeker
Team Financieel Advies
Gemeente Maastricht
Universiteit
Radboud Universiteit Nijmegen
Maastricht, mei 2012.
2
3
4
SAMENVATTING
This study examines the effect of local policies on the safety feelings of citizens of Maastricht. To
test the effects of policies on the safety feelings data from the Integrale Buurtpeiling 2008 and
2010 are merged together with other neighbourhood-level data (n = 19442). Multilevel regression
models are used to analyse the data. The results show that safety policies have a significant long
term positive effect in the category town centre and the category other neighbourhoods.
Gentrification, policies for neighbourhood investments, have a negative and significant effect on
the riskperception of neighbourhood nuisance. Other significant and important neighbourhood
level predictor of safety feelings is heterogeneity of income. Riskperception is also proven to be a
predictor, just like individual characterics as sex, age, victimization, perception of police contact,
perception of neighbourhood involvement of the local government and the perception of social
cohesion.
Keywords: Safety feelings, safety policy, gentrification, multilevel analysis.
5
6
INHOUDSOPGAVE
SAMENVATTING
5
INHOUDSOPGAVE
7
1
INLEIDING
ACHTERGROND
WAT IS VEILIGHEIDSGEVOEL EN WAAROM IS HET EEN RELEVANT ONDERWERP?
WAARDOOR WORDT VEILIGHEIDSGEVOEL BEÏNVLOED?
VRAAGSTELLING
MAATSCHAPPELIJKE RELEVANTIE
WETENSCHAPPELIJKE RELEVANTIE
10
10
10
12
12
15
15
2
THEORETISCHE ACHTERGROND
WAT BEINVLOEDT DE VEILIGHEIDSBELEVING VAN MENSEN?
INDIVIDUELE KENMERKEN
16
16
17
17
18
18
19
19
19
19
20
21
22
KWETSBAARHEID
SLACHTOFFERSCHAP
GEPERCIPIEERDE FUNCTIONEREN VAN DE LOKALE OVERHEID
GEPERCIPIEERDE SOCIALE COHESIE
BUURTKENMERKEN
SOCIAALECONOMISCHE ACHTERSTAND
HETEROGENITEIT EN MOBILITEIT
BELEID
OVERLAST, VERLOEDERING EN CRIMINALITEIT
HET MODEL
3
DATA & ANALYSE
HERKOMST BESTANDEN
OPERATIONALISATIE VARIABELEN
AFHANKELIJKE VARIABELE
INTERMEDIËRENDE VARIABELEN
ONAFHANKELIJKE VARIABELEN OP INDIVIDUEEL NIVEAU
ONAFHANKELIJKE VARIABELEN OP BUURTNIVEAU
VARIABELEN OVERZICHT
MULTILEVELANALYSE
MODELLEN
4
RESULTATEN
RISICOPERCEPTIE VAN VERMOGENSDELICTEN
RISICOPERCEPTIE VAN GEWELDSDELICTEN
RISICOPERCEPTIE VAN OVERLAST
VEILIGHEIDSBELEVING
23
23
24
24
24
26
28
34
35
36
37
37
39
41
43
7
5
CONCLUSIE MET BETREKKING OP HYPOTHESEN
DRIE VORMEN VAN RISICOPERCEPTIE
KWETSBAARHEID
SLACHTOFFERSCHAP
PERCEPTIE VAN HET FUNCTIONEREN VAN DE LOKALE OVERHEID
GEPERCIPIEERDE SOCIALE COHESIE
VERHUISMOBILITEIT
OVERLAST, VERLOEDERING EN CRIMINALITEIT
KRACHT VAN INDICATOREN OP DE VEILIGHEIDSBELEVING
VERANDERING VAN DE VORMEN VAN RISICOPERCEPTIE TUSSEN 2008 EN 2010
VERANDERING VAN DE VEILIGHEIDSBELEVING TUSSEN 2008 EN 2010
6
BELEID
DISCUSSIE
45
45
45
46
46
47
47
48
48
49
49
GENTRIFICATIE
HET OBJECTIEVE VEILIGHEIDSBELEID
ENCORE GEMEENTE MAASTRICHT
VERGELIJKING BIVARIATE ANALYSE MET MULTILEVEL REGRESSIE ANALYSE
KRITIEKE PUNTEN
50
50
50
51
51
51
52
7
54
LITERATUUR
APPENDIX
APPENDIX I: ENCORE GEMEENTE MAASTRICHT
APPENDIX II: FREQUENTIETABELLEN ORIGINELE VARIABELEN
AFHANKELIJKE VARIABELEN
INDIVIDUELE KENMERKEN
BUURTKENMERKEN
APPENDIX III: FREQUENTIETABELLEN GEBRUIKTE VARIABELEN
AFHANKELIJKE VARIABELEN
INDIVIDUELE KENMERKEN
BUURTKENMERKEN
APPENDIX IV: BELEIDSSCHALEN
OBJECTIEF VEILIGHEIDSBELEID
GENTRIFICATIE
APPENDIX V: BELEID UIT STADSDEELPROGRAMMA’S
OBJECTIEF VEILIGHEIDSBELEID
GENTRIFICATIE
8
59
59
61
61
62
64
65
65
68
71
76
76
77
78
78
84
9
1
INLEIDING
We voelen ons niet veilig, aldus het Centrum voor Criminaliteitspreventie en Veiligheid (CCV, 2011). Het
algemene veiligheidsgevoel van Nederlanders wordt de laatste jaren niet beter, mensen voelen zich niet
veiliger. Het CCV geeft in haar Trendsignalement 2011 aan dat het algemene gevoel van veiligheid in Nederland
de laatste jaren niet vooruit of achteruit is gegaan. Volgens de Integrale Veiligheidsmonitor van het CBS en het
Ministerie van Veiligheid en Justitie, waarvan de cijfers door het CCV gebruikt zijn voor hun Trendsignalement
2011, bevindt het percentage Nederlanders dat aangeeft zich wel eens onveilig te voelen zich rond de
vijfentwintig procent. In de sterk verstedelijkte gebieden liggen onveiligheidsgevoelens flink boven het
landelijke gemiddelde (Veiligheidsmonitor, 2010).
ACHTERGROND
WAT IS VEILIGHEIDSGEVOEL EN WAAROM IS HET EEN RELEVANT ONDERWERP?
Het begrip veiligheid kan onderverdeeld worden in enerzijds objectieve veiligheid en anderzijds subjectieve
veiligheid. Er vanuit gaande dat het om de veiligheid van personen gaat kan objectieve veiligheid gezien
worden als het daadwerkelijk slachtoffer worden van misdrijven, rampen en ongevallen. Deze objectieve
veiligheid is niet wat aangeeft of een persoon zich veilig voelt. Objectieve veiligheid kan wel een oorzaak zijn
voor het gevoel van onveiligheid. Hier wordt in het volgende hoofdstuk – Theoretische achtergrond – verder op
ingegaan.
Als het gaat om het fenomeen dat we ons niet veilig voelen wordt er gesproken over subjectieve veiligheid,
ofwel de perceptie van veiligheid. Bruinsma en Bernasco (2004) spreken over veiligheidsgevoelens daarmee
bedoelen zij de sociale veiligheid en niet de dreiging die ontstaat door bijvoorbeeld de natuur of het
technologisch falen. Sociale veiligheid houdt derhalve de afwezigheid in van bedreigingen van de ene burger, of
burgergroep, door de andere burger, of burgergroep (Elffers & De Jong, 2004).
In de afgelopen jaren heeft het thema veiligheid vaak centraal gestaan. Zo komt het thema veel in de media en
heeft de politiek het als een belangrijk punt op de agenda staan. De Nederlandse overheid stelde de nota Naar
een veiligere samenleving (Ministerie van Justitie, 2002) op. In deze nota streeft de overheid ernaar dat de
burgers niet alleen objectief veilig zijn, maar zich ook veilig voelen.
Recente cijfers over het veiligheidsgevoel laten geen vooruitgang zien, ondanks het jarenlang gevoerde
veiligheidsbeleid. De cijfers verlopen naar verwachting van de door Signposts (2010) gestelde prognose in
2009. Deze prognose voorspelt dat de Nederlandse samenleving richting het toekomstscenario Bang Nederland
gaat. Wat, volgens Signposts, inhoudt dat Nederland in 2015 gekenmerkt zal worden door een nationale
oriëntatie, maar ook door angst. De economische recessie, en daarbij de toenemende werkloosheid, zouden
een invloed gaan uitoefenen op de armoede in oude wijken van grote steden, segregatie tussen
bevolkingsgroepen versterken en de vraag naar criminaliteitsbestrijding vanuit de overheid vergroten. Deze
ontwikkelingen dragen mogelijk bij aan een afname van het veiligheidsgevoel of het gelijk blijven van het
veiligheidsgevoel ondanks het gevoerde beleid.
Sinds 14 oktober 2010 is aan de naam van het Ministerie van Justitie de term Veiligheid toegevoegd Ministerie van Veiligheid en Justitie. Deze wijziging in de naam laat zien dat het thema veiligheid een belangrijk
onderwerp is voor de Nederlandse regering. De troonrede van 2011 bevestigt het belang van de
maatschappelijke veiligheid:
Veiligheid is bij uitstek een maatschappelijke basisbehoefte. De vorming van een nationale politie
is nodig om krachtiger op te kunnen treden tegen criminaliteit. De regering richt zich daarbij in
het bijzonder op misdrijven die zeer ingrijpend zijn voor het slachtoffer en de samenleving.
10
DE NEDERLANDSE SITUATIE
Volgens het CBS (2010) voelen inwoners van de vier grote steden – Amsterdam, Den Haag, Rotterdam en
Utrecht – en Politie regio Zuid-Limburg zich onveiliger dan inwoners van de rest van Nederland. Het percentage
bewoners dat zich in het stadscentrum van Den Haag en Rotterdam onveilig voelt, ligt twee keer zo hoog dan
het percentage bewoners dat zich onveilig voelt in centra van kleinere steden of dorpen.
De Integrale Veiligheidsmonitor 2010 maakt onderscheid
Figuur 1.1
tussen
algemene
onveiligheidsgevoelens
en
Algemene onveiligheidsgevoelens naar politieregio
(t.o.v. landelijke gemiddelde), 2010.
onveiligheidsgevoelens in de eigen woonbuurt.
Deze monitor geeft aan dat 26 procent van de Nederlandse
bevolking van 15 jaar en ouder zich wel eens onveilig voelt en
dat twee procent van deze bevolking zich vaak onveilig voelt.
Deze cijfers wijken niet significant af van die van 2008 en
2009.
In
figuur
1.1
zijn
procentueel
de
algemene
onveiligheidsgevoelens van mensen per politieregio
weergegeven.
Figuur
1.2
beeld
de
procentuele
onveiligheidsgevoelens van mensen in hun eigen buurt per
politieregio af. In beide figuren wijken dezelfde politieregio’s
significant hoger af van het landelijke gemiddelde van ervaren
veiligheid. Dit zijn de politieregio’s Amsterdam-Amstelland,
Haaglanden, Rotterdam-Rijnmond en Limburg-Zuid. Indien er
gekeken wordt naar het percentage mensen dat zich vaak
Bron: Integrale Veiligheidsmonitor 2010
onveilig voelt – niet weergegeven in de figuren – in de eigen
buurt wijken alleen de regio’s Amsterdam-Amstelland en Haaglanden significant hoger af van het landelijke
gemiddelde.
In de eigen woonbuurt voelt zeventien procent van de mensen zich wel eens onveilig en twee procent voelt
zich vaak onveilig in de eigen buurt. De cijfers van de politieregio’s uit 2010 wijken niet significant af van de
landelijke cijfers over veiligheidsbeleving uit 2008 en 2009. Deze cijfers over veiligheidsgevoelens in de eigen
buurt wijken af van de cijfers over algemene
Figuur 1.2
veiligheidsgevoelens (26 procent algemeen versus 17
Onveiligheidsgevoelens in eigen buurt naar politieregio
(t.o.v. landelijke gemiddelde), 2010.
procent in de buurt in 2010).
De politieregio Zuid-Limburg scoort op de aspecten
algemene
onveiligheidsgevoelens
en
onveiligheidsgevoelens in eigen buurt hoger dan het
landelijk gemiddelde (figuur 1.1 en 1.2); dit betekent dat in
de politie regio Zuid-Limburg het percentage inwoners dat
zich wel eens onveilig voelt hoger is dan het landelijk
gemiddelde. Binnen de onveiligheidsgevoelens in eigen
buurt wordt onderscheid gemaakt tussen de aspecten
fysieke verloedering, sociale overlast, dreiging en
verkeersoverlast. Ook op deze aspecten scoort de regio
Zuid-Limburg hoger dan het landelijke gemiddelde.
Opvallend is dat de gepercipieerde veiligheid in de
politieregio Limburg-Zuid, zowel op algemeen niveau als op
buurtniveau, negatief uit de Integrale Veiligheidsmonitor
komt. Deze regio valt op ten opzichte van de vier grote
steden doordat er bij de regio Limburg-Zuid geen sprake is
Bron: Integrale Veiligheidsmonitor 2010
van een dergelijke urbanisatie.
11
DE MAASTRICHTSE SITUATIE
De gemeente Maastricht heeft in het kader van het Grote Stedenbeleid en ten behoeve van Buurt- en
veiligheidsplannen enquêtes gehouden onder de Maastrichtse bevolking die resulteerden in de rapportage
Buurtpeiling 2010. Hieruit blijkt dat 37 procent van de Maastrichtse bevolking zich wel eens onveilig voelt in de
eigen buurt. Het percentage van de Maastrichtse buurtpeiling komt niet overeen met het percentage van de
landelijke veiligheidsmonitor. Dit komt doordat er bij de Integrale Buurtpeiling alleen is gekeken naar de
inwoners van Maastricht en bij de Integrale Veiligheidsmonitor gekeken is naar de Politieregio Limburg-Zuid.
De Integrale Veiligheidsmonitor onderzoekt een groter gebied, waarin meer mensen wonen, dan dat de
Integrale Buurtpeiling doet. Duidelijk wordt dat het percentage mensen in de stad Maastricht dat zich wel eens
onveilig voelt, volgens de Integrale Buurtpeiling, hoger is dan het percentage mensen in de politieregio
Limburg-Zuid.
Het gaat er in de Integrale Buurtpeiling om dat de omvang van de groep mensen die zich wel eens onveilig
voelt over de periode van 2004 tot en met 2010 niet groter of kleiner geworden is (Hinssen, 2011). Een ander
opmerkelijk punt binnen deze Rapportage Buurtpeiling 2010 is dat er een significante toename is gevonden in
de gepercipieerde dreiging in de woonbuurt op stedelijk niveau en een significante afname in de
gepercipieerde vermogensdelicten in de woonbuurt op stedelijk niveau, wanneer de rapportage van 2010
vergeleken wordt met die van 2008 (Hinssen, 2011).
WAARDOOR WORDT VEILI GHEIDSGEVOEL BEÏNVLOED?
Veiligheidsgevoelens worden niet alleen beïnvloed door de feitelijke gevaren, zoals criminaliteit, die betrekking
hebben op de veiligheid van burgers, maar ook door economische, sociale en culturele veranderingen in de
maatschappij (Signposts, 2010).
Volgens Boers e.a. (2008) zijn het niet alleen de gepercipieerde criminaliteit en slachtofferervaringen
(ervaringen van burgers die aan den lijve hebben ondervonden wat de invloed is van criminaliteit) die invloed
uitoefenen op de veiligheidsbeleving. Deze auteurs geven aan dat opbouwende elementen in de vormen van
onderling vertrouwen, sociale cohesie en inter-individueel contact niet uit het oog mogen worden verloren. Zij
spreken de wens uit dat beleidsmakers die in de praktijk voornamelijk acteren op het onder controle krijgen
van criminaliteit, overlast en verloedering, hier een les uit trekken door niet alleen in te spelen op de objectieve
veiligheid maar ook op de veiligheidsbeleving.
VRAAGSTELLING
De gemeente Maastricht voert beleid dat is gericht op de bevordering van de objectieve en subjectieve
veiligheid van haar bewoners. Naast het algemene beleid dat op stadsniveau uitgevoerd wordt, is er ook beleid
op buurtniveau. Het veiligheidsbeleid kan per buurt verschillen, afhankelijk van de behoefte en/of nood.
Als er gekeken wordt naar het door de gemeente – en partners – uitgevoerde beleid, dat van invloed is op de
veiligheidsbeleving van de inwoners van Maastricht, zijn er twee aspecten van beleid die op de voorgrond
treden. Enerzijds heeft het beleid dat zich richt op de objectieve veiligheid van de bewoners een – mogelijk –
effect op de ervaren veiligheid van deze bewoners. Dit beleid zal in het vervolg beschreven worden als objectief
veiligheidsbeleid. Anderzijds heeft het beleid dat uitgevoerd wordt om de buurt op te waarderen een –
mogelijk – effect op de veiligheidsbeleving. Deze opwaardering van de buurt zal in het vervolg van deze studie
gentrificatie genoemd worden. Beide vormen van beleid worden in hoofdstuk 2.3 (paragraaf: Beleid)
uitgebreider toegelicht.
Het objectieve veiligheidsbeleid kan globaal als volgt worden opgedeeld. Voor de vier aandachtsbuurten van
Maastricht geldt dat in de periode van 2008 tot en met 2010 extra beleid voor verbetering van de objectieve en
ervaren veiligheid is uitgevoerd. In deze buurten is namelijk sprake van sociale, fysieke en economische
problematiek. Met andere woorden: in deze wijken is sprake van een hogere werkeloosheid, meer
laagopgeleiden en een sterk homogene bevolkingssamenstelling ten opzichte van het gemiddelde van
Maastricht. In de stad Maastricht gaat het om de buurten Wittevrouwenveld, Limmel, Nazareth en
12
Wyckerpoort. De gemeente Maastricht voert in deze aandachtswijken meer beleid uit om de objectieve en
subjectieve veiligheid te bevorderen, ten opzichte van de overige buurten.
Na de aandachtsbuurten wordt in de twee buurten van het centrum, de binnenstad en Wijck, het meeste
beleid ten aanzien van de objectieve veiligheid van de bewoners uitgevoerd. Tegengesteld aan de
aandachtsbuurten is hier geen sprake van sociale, fysieke en economische problematiek. Deze buurten zijn te
kenmerken door hun heterogene samenstelling – studenten/ouderen, hoog/laag opgeleide, etc. De inzet voor
de extra veiligheid ontstaat door de horeca en winkels. De horeca brengt geluids- en uitgaansoverlast met zich
mee. Terwijl in het winkelgebied sprake is van leegstand. De woonruimte boven de winkels is niet altijd in
gebruik.
De buurten waar het Grootstedenbeleid (gsb) wordt uitgevoerd, worden gezien als derde groep. Bij het maken
van de beleidsschaal – hoofdstuk 3, beleid – is gebleken dat er een aantal buurten, die niet bij tot de gsbbuurten behoren, een gelijke score hadden aan de score van gsb-buurten. De buurten met een score gelijk aan
die van de gsb-buurten zijn toegevoegd aan de groep van gsb-buurten.
De laatste groep zijn de buurten waar geen extra objectief veiligheidsbeleid wordt uitgevoerd. Het ontstaan
van deze verdeling kan terug gevonden worden in hoofdstuk 3 (paragraaf: beleid).
Tabel 1.1
Bivariaat effect van het objectieve veiligheidsbeleid (vier categorieën) op veiligheidsbeleving in 2008 en 2010,
verdeling Objectief Veiligheidsbeleid a.d.h.v. berekende beleidsschaal.
Objectieve veiligheidsbeleid
Overige buurten (ref.)(0)
2008
N
2010
N
2010 t.o.v.
2008
2,29
3462
2,27
3456
-0,02
Buurten met score gsb (1)
t.o.v. ref.
2,11
-0,17 *
4261
2,10
-0,17 *
4198
-0,02
Centrum (Binnenstad & Wyck)(2)
t.o.v. ref.
2,04
-0,25 *
499
2,13
-0,14 *
571
0,10 *
Aandachtsbuurten(3)
t.o.v. ref.
1,84
-0,45 *
1179
1,77
-0,50 *
1183
-0,07 *
Totaal (N)
9401
9408
VERDELING BELEID A.D.H.V. BELEIDSSCHAAL (H3 - BELEID) & BELEIDSVORMEN.
SIGNIFICANTIE: P < .05 : *
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
Uit tabel 1.1 wordt duidelijk, indien de invloed van het objectieve veiligheidsbeleid op de veiligheidsbeleving
van de bewoners van Maastricht bivariaat gemeten wordt, dat er verschillende effecten te constateren zijn. In
de buurten die vallen onder de gsb-score, centrum en aandachtsbuurten voelen de bewoners zich significant
minder veilig, vergeleken met de buurten waar gering beleid toegepast wordt. Als de twee meetmomenten
vergeleken worden, is te zien dat in de aandachtsbuurten sprake is van een significante afname in
veiligheidsbeleving, ondanks het meest intensieve objectieve veiligheidsbeleid dat hier is uitgevoerd. Een
dergelijke afname betekent niet per direct dat het veiligheidsbeleid geen effect heeft gehad. Het gevoerde
beleid kan er toe geleid hebben dat de afname beperkt gebleven is. Opvallend is dat in het centrum sprake is
van een significante toename van veiligheidsbeleving.
13
Naast het objectieve veiligheidsbeleid speelt gentrificatie – de opwaardering die in een buurt plaatsvindt – een
rol in de veiligheidsbeleving van de inwoners. Net als voor het objectieve veiligheidsbeleid is er voor
gentrificatie in hoofdstuk 3 een beleidsschaal geoperationaliseerd. In onderstaande tabel is deze schaal
opgedeeld in twee categorieën. Een categorie buurten met veel gentrificatie en een categorie buurten met
weinig gentrificatie.
Tabel 1.2
Bivariaat effect van Gentrificatie (Weinig/Veel) op Veiligheidsbeleving in 2010,
verdeling Gentrificatie a.d.h.v. Weinig/Veel.
2010
2,13
N
2981
Veel (1)
t.o.v. ref.
2,11
-0,02
6427
Gentrificatie
Weinig (ref.) (0)
TOTAAL
9408
OPERATIONALISATIE TOEGELICHT IN HOOFDSTUK 3
VERDELING GENTRIFICATIE (0 - 4,23 = 0) (4,24 - 20 = 1)
SIGNIFICANTIE: P < .05 : *
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
In tabel 1.2 is het bivariate effect van gentrificatie op de veiligheidsbeleving van de bewoners van Maastricht
weergegeven. In deze tabel is alleen 2010 verwerkt, omdat er in deze studie gekeken is naar de gentrificatie die
in 2009 heeft plaatsgevonden. Tabel 1.2 laat zien dat er geen sprake is van een significant verschil tussen de
buurten waar veel gentrificatie wordt uitgevoerd, ten opzichte van buurten waar weinig gentrificatie wordt
uitgevoerd. Gentrificatie heeft nauwelijks invloed op de veiligheidsbeleving van de inwoners van deze buurten.
De Gemeente Maastricht is geïnteresseerd in het effect van het beleid in de periode van 2008 en 2010. Om dit
effect te achterhalen kan gekeken worden welk beleid daadwerkelijk is uitgevoerd. Bij de operationalisatie van
beleid wordt vanuit de beleidsstukken het beleid achterhaald op stads-, buurtniveau en straatniveau, om het
beleid per buurt zo goed als mogelijk in kaart te brengen. Daarnaast wordt er rekening gehouden met de
invloed van andere factoren, die samenhangen met de veiligheidsbeleving.
Uit tabel 1.1 en tabel 1.2 is te concluderen dat de verschillende vormen van beleid uiteenlopende effecten
hebben. Althans, als er bivariaat gekeken wordt naar de invloed. Blijven deze effecten gelijk als er rekening
gehouden wordt met individuele en buurtkenmerken? Deze studie zal nagaan of het polijsten van het bivariate
onderzoek resulteert in een andere conclusie. Hieruit volgt de centrale vraagstelling van dit onderzoek:
Hebben de vormen van beleid gericht op de veiligheid van de buurtbewoners een effect op de
veiligheidsbeleving van deze buurtbewoners van Maastricht in de periode van 2008 – 2010,
rekening houdend met andere factoren die van invloed zijn op de veiligheidsbeleving van de
buurtbewoners van Maastricht in dezelfde periode?
14
MAATSCHAPPELIJKE RELEVANTIE
De beantwoording van de vraagstelling biedt de Gemeente Maastricht een beeld van de factoren die van
invloed zijn op de veiligheidsbeleving van de bewoners van Maastricht. Er wordt daarbij gekeken of het
uitgevoerde beleid van invloed is, als er rekening gehouden wordt met andere factoren die van invloed zijn op
de veiligheidsbeleving. Met deze informatie wordt het nut van het in de praktijk brengen van het gemaakte
beleid bevestigd of ontkracht. Daarbij kan de vraagstelling de Gemeente Maastricht inzicht bieden in factoren
die van invloed zijn op de veiligheidsgevoelens.
WETENSCHAPPELIJKE RELEVANTIE
Op het gebied van beleidseffectiviteit naar veiligheidsgevoelens is nog erg weinig onderzoek gedaan. Deze
studie biedt meer inzicht in de beleidseffectiviteit op het gebied van veiligheidsbeleving. Er zijn weliswaar
studies over de veiligheidsbeleving van bewoners, maar deze studies houden vaak rekening met minder
factoren. Zo neemt het onderzoek van Boers e.a. (2008) naar veiligheidsbeleving het effect van beleid niet mee
en wordt er geen onderscheid gemaakt tussen de individuele en maatschappelijke context. In de studie van
Wittebrood (2000) wordt wel rekening gehouden met meerdere contexten, maar hierbij is het onderzochte
aspect criminaliteit en wordt de invloed van het gevoerde beleid eveneens niet meegenomen. Er zijn ook
studies naar het effect van Gentrificatie, het opwaarderen van een buurt (Covington, 1989). Dit zou gezien
kunnen worden als een vorm van beleid. Alleen kijkt deze studie niet naar de ervaren veiligheid van de
bewoners maar naar het effect van gentrificatie op de criminaliteit in het desbetreffende gebied. Er is veel
onderzoek gedaan naar veiligheidsgevoel in verscheidene contexten. Zoals, het effect van het Jeugdprogramma
op de veiligheidsgevoelens van de jeugdige etnische minderheden (Sun-A, 2009), de invloed van sociale banden
op veiligheidsgevoelens (Clampet-Lundquist, 2010), onveiligheidsgevoelens in publieke ruimte (Condon e.a,
2007), en de invloed van sociale integratie en de risicoperceptie (Adams & Serpe, 2000).
15
2
THEORETISCHE ACHTERGROND
Factoren die van invloed zijn op de veiligheidsbeleving zijn onder te verdelen in twee niveaus, namelijk de
individuele en de maatschappelijke context. Sommige gevoelens ontstaan namelijk door de persoon,
bijvoorbeeld de angst om slachtoffer te worden, en andere gevoelens ontstaan door de criminaliteit in de
directe omgeving. In het maken van dit onderscheid was Fürstenberg (1971) een van de eersten die het belang
hiervan benadrukte. Deze studie zal de factoren die van invloed zijn op de veiligheidsbeleving onderverdelen in
de individuele kenmerken en de buurtkenmerken.
WAT BEINVLOEDT DE VEILIGHEIDSBELEVING VAN MENSEN ?
Boutellier (2007) geeft aan dat veiligheidsbeleving niet alleen afhankelijk is van de directe invloed op de
veiligheidsbeleving via risicobeheersing, voorzorg en de daaruit voortkomende controlemaatregelen. Bij
veiligheidsbeleving gaat het volgens Boutellier evengoed om de indirecte invloed van de vertrouwenseconomie
van de samenleving op de risicoperceptie. Met andere woorden: of mensen zich veilig voelen, heeft voor een
aanzienlijk deel te maken met de sociale samenhang van de leefomgeving. Verscheidene studies richten zich
vooral op omstandigheden die inbreuk op de veiligheidsgevoelens maken. Boers e.a. (2008) benadrukken dat
het niet volstaat alleen deze negatieve factoren, die inbreuk maken op de veiligheidsgevoelens, mee te nemen
in onderzoek. Zij richten zich in hun studie op enerzijds de negatieve, veiligheidsverlagende, als op de positieve,
veiligheidsverhogende factoren en de onderlinge correlaties tussen dezen. Deze studie zal het Conceptueel
Model van Boers e.a. als hulpmiddel gebruiken om tot een eigen model te komen.
Figuur 2.1
Conceptueel Model (Boers Et al, 2008).
Daarvoor is het van belang het Conceptueel Model eerst te doorgronden. In figuur 2.1 is het model dat Boers
e.a. hebben opgesteld en vervolgens geanalyseerd, afgebeeld. Uit hun onderzoek blijkt dat naast negatieve
factoren de positieve factoren een duidelijke bijdrage leveren op de veiligheidsbeleving. Zij laten zien dat het
vertrouwen in de buurt zeer invloedrijk is. Daarnaast hebben zelfredzaamheid en leefbaarheid een positieve en
significante invloed op de veiligheidsbeleving. Bij de negatieve factoren wordt de onveiligheidsbeleving
voornamelijk verklaard door slachtofferervaring, maar ook door – de perceptie van – criminaliteit, overlast en
verloedering in de buurt. In het onderzoek van Boers e.a. hebben sociale cohesie en verloedering geen effect
op de veiligheidsbeleving. Zij geven aan dat dit kan ontstaan door definitiekwesties. De operationalisatie van
sociale cohesie heeft een sterk verwantschap met de operationalisatie van vertrouwen in de buurt, en het
missende effect van verloedering komt door de sterke relatie van verloedering met criminaliteit en overlast.
Eerdere studies (Oppelaar & Wittebrood, 2006) hebben de relatie tussen sociale cohesie en veiligheidsbeleving
al aangetoond.
16
Boers e.a. geven in hun model aan dat risicoperceptie causaal vooraf gaat aan de veiligheidsbeleving die een
persoon bezit. Een persoon kan de kans om slachtoffer te worden van een bepaald delict laag inschatten, maar
desondanks toch angst hebben slachtoffer te worden van dit delict resulterend in een onveiligheidsgevoel. Zo is
de kans om beroofd te worden relatief klein maar kan een persoon hier toch angst voor hebben. Deze situatie
kan ook andersom plaats vinden. Een persoon kan de kans om slachtoffer te worden hoog inschatten. Ondanks
deze hoge inschatting hoeft deze persoon geen angst te hebben om slachtoffer te worden. De kans dat de fiets
van iemand gestolen wordt is relatief groot, dit betekent niet dat iedereen bang is dat dit hem of haar zal
overkomen. De gedachtegang hierbij is dat signalen die uit de omgeving van een persoon komen via het
cognitieve verwerkingsproces worden overgebracht naar de inschatting om slachtoffer te worden van
criminaliteit en het is deze inschatting, de risicoperceptie, die invloed heeft op de angst voor criminaliteit,
ofwel de veiligheidsbeleving. Conform deze gedachtegang zal de risicoperceptie voorafgaan aan de
veiligheidsbeleving, een causale volgorde die in verscheidene onderzoeken bevestigd is (Ferraro en LaGrange,
1987; Ferarro, 1995; Warr, 2000).
Zodoende start dit onderzoek vanuit de basis van het model van Boers e.a. (2008). Hiermee wordt bedoeld dat
er rekening gehouden zal worden met positieve en negatieve factoren die van invloed kunnen zijn op de
veiligheidsbeleving en er gebruik gemaakt wordt van gelijke – en/of vergelijkbare – factoren als die gebruikt zijn
door Boers e.a. Daarnaast wordt er rekening gehouden met zowel het directe effect van deze factoren als het
indirect effect van deze factoren via risicoperceptie. In de volgende twee paragrafen zal per factor een
hypothese opgesteld worden die het directe effect veronderstelt – weergegeven als hypothese (a) – en een
hypothese die het indirecte effect veronderstelt – weergegeven als hypothese (b). Indien hypothesen de letter
(c) of (d) toegevoegd hebben, wordt er rekening gehouden met de tijd die beleid nodig heeft om effect te
hebben.
INDIVIDUELE KENMERKEN
Iedereen reageert anders op situaties. Zo is de één wel bang om ’s avonds alleen over straat te lopen en de
ander niet. Gevoelens van angst maken onderdeel uit van de persoonlijkheid van een individu, en hangen
samen met de subjectieve inschatting van de eigen kwetsbaarheid en hulpeloosheid (Gabriel & Greve, 2003). In
deze paragraaf worden factoren die de veiligheidsbeleving beïnvloeden in de individuele context besproken.
KWETSBAARHEID
In hoofdlijnen worden verschillen in risicoperceptie – of de angst om slachtoffer te worden van een delict –
verklaard door de verschillen in de subjectieve inschatting van de kans op slachtofferschap. De inschatting van
mogelijke fysieke en/of psychische gevolgen en de mate waarin men hulpeloos staat tegenover de risico’s
(Hale, 1996).
Er zijn bepaalde bevolkingsgroepen die zich kwetsbaarder voelen en daardoor ook angstiger zullen zijn
waardoor ze zich onveiliger voelen. Kwetsbaarheid zou kunnen verklaren waarom voornamelijk vrouwen,
ouderen en mensen uit sociaaleconomische lagere klassen een relatief hogere risicoperceptie hebben. De kans
dat vrouwen ten opzichte van mannen, of ouderen ten opzichte van jongeren, eerder slachtoffer worden is
relatief gelijk. Desondanks hebben zij een hogere risicoperceptie. Vrouwen versterken door hun socialisatie, in
tegenstelling tot mannen, de perceptie van fysieke kwetsbaarheid. Dat maakt vrouwen alerter dan mannen
voor mogelijke dreigingen (Vanderveen, 1999). De mogelijke fysieke dreiging heeft een grote rol bij de
veiligheidsbeleving van vrouwen. Een verhoogde kans op een seksueel misdrijf, in combinatie met de gevolgen
die zowel fysiek als psychisch kunnen zijn, zou een sterke verklaring kunnen vormen voor het verschil in
veiligheidsbeleving van vrouwen ten opzichte van mannen (Warr, 1985; Hale, 1996). Hieruit volgen de eerste
hypothesen die leidend zijn om – binnen deze studie – van theorie naar empirie te gaan: (1a) Vrouwen voelen
zich kwetsbaarder, wat leidt tot een lagere veiligheidsbeleving, dan mannen. (1b) Vrouwen voelen zich
kwetsbaarder, des te hoger hun risicoperceptie, wat leidt tot een lagere veiligheidsbeleving, dan mannen. (2a)
Naarmate mensen ouder zijn zullen zij zich meer kwetsbaar voelen, wat leidt tot een lagere veiligheidsbeleving.
17
En (2b) Naarmate mensen ouder zijn zullen zij zich meer kwetsbaar voelen, des te hoger is hun risicoperceptie,
wat leidt tot een lagere veiligheidsbeleving.
Een volgende reden waardoor een persoon zich kwetsbaar voelt, kan liggen in het minder ter beschikking
hebben van financiële en culturele hulpbronnen om zich tegen criminaliteit te wapenen (McCoy e.a. 1996). Zij
kunnen niet omgaan met de economische en psychische gevolgen van het slachtoffer worden van een misdrijf.
Hypothesen: (3a) Naarmate mensen over minder financiële en/of culturele hulpbronnen beschikken zullen zij
zich minder veilig voelen. En (3b) Naarmate mensen over minder financiële en/of culturele hulpbronnen
beschikken zullen zij een hogere risicoperceptie hebben, wat leidt tot een lagere veiligheidsbeleving.
SLACHTOFFERSCHAP
Van Wilsem (1997) geeft in zijn onderzoek aan dat personen die slachtoffer geweest zijn de kans om
(nogmaals) slachtoffer te worden hoger inschatten, dan personen die geen slachtoffer geweest zijn. Doordat zij
slachtoffer geweest zijn, zullen zij met meer angstgevoelens voor criminaliteit door het leven gaan dan mensen
zonder slachtofferervaringen. Hypothesen: (4a) Mensen die slachtofferervaringen hebben, zullen een lagere
veiligheidsbeleving hebben. (4b) Mensen die slachtofferervaringen hebben, zullen een hogere risicoperceptie
hebben, wat leidt tot een lagere veiligheidsbeleving.
GEPERCIPIEERDE FUNCTIONEREN VAN DE LOKALE OVERHEID
Naast persoonlijke kenmerken die een persoon kwetsbaarder maken en/of de ervaring van het
slachtofferschap kunnen bewoners zich minder veilig voelen door het functioneren van de lokale overheid. Het
gevoel dat bewoners hebben, wordt mede gecreëerd door de aanspraak die de bewoners kunnen maken op de
externe actoren waarmee criminaliteit kan worden bestreden (Bursik et al., 1993). De sociale desorganisatietheorie (Shaw, 1969) gaat over de sociale bindingen tussen de buurtbewoners die zorgen voor een positief
effect op de veiligheidsbeleving. De buurtoverstijgende sociale actoren als politie en overheid zijn daarnaast
net zozeer van belang (Bursik et al., 1993).
In het onderzoek van Vélez (2001) wordt bevestigd dat naarmate contacten tussen de politie en de
buurtbewoners beter zijn, het risico om slachtoffer van een delict te worden kleiner is. Ander onderzoek
(Skogan, 1990) komt tot vergelijkbare resultaten, maar voegt hieraan het belang van community policing toe.
Hierbij probeert de politie meer in contact te komen met de buurtbewoners. Het belang ligt bij de
gepercipieerde aanwezigheid van de politie door de buurtbewoners, waarmee de door de buurtbewoners
ingeschatte kans om slachtoffer te worden lager wordt. Indien er sprake is van minder criminaliteit en een
lagere risicoperceptie door contact tussen politie en burger, zal dit ten goede komen aan de veiligheidsbeleving
van de buurtbewoners. Hypothesen: (5a) Naarmate er meer contact is tussen de politie en buurtbewoners zal
de veiligheidsbeleving hoger zijn. En (5b) Naarmate er meer contact is tussen de politie en buurtbewoners zal de
risicoperceptie lager en de veiligheidsbeleving hoger zijn.
De andere externe actor die invloed uit kan oefenen op de veiligheidsbeleving van de buurtbewoners is de
gemeente. De gemeente kan invloed uitoefenen door beleid uit te voeren, bijvoorbeeld, gericht op de
veiligheid en veiligheidsbeveling. Het is hierbij interessant of de buurtbewoners het beleid als positief ervaren.
Gemeentelijk beleid met een positief effect op veiligheid(sbeleving) kan resulteren in burgers die hun kans om
slachtoffer te worden lager inschatten. Met andere woorden: als buurtbewoners het functioneren van de
gemeente in hun buurt als positief ervaren, zullen zij zich eerder veilig voelen. Hypothesen: (6a) Buurtbewoners
die het algemene functioneren van de gemeente in hun buurt als positief ervaren, zullen zich veiliger voelen. En
(6b) Buurtbewoners die het algemene functioneren van de gemeente in hun buurt als positief ervaren, zullen
een lagere risicoperceptie en een hogere veiligheidsbeleving hebben.
In deze studie wordt het functioneren van de lokale overheid gezien als een vorm van uitgevoerd beleid. Er kan
na beantwoording van de hypothesen aangegeven worden of het al dan niet positief ervaren van het
functioneren van de lokale overheid een effect heeft op de veiligheidsbeleving. De hypothesen kunnen laten
zien in hoeverre beleid – in de minst specifieke vorm – een effect heeft op de beleving van de buurtbewoners.
18
GEPERCIPIEERDE SOCIA LE COHESIE
Onderzoek (Wittebrood, 2007) laat zien dat uit sociale samenhang een onderlinge sociale controle tussen de
bewoners en tussen de bewoners en vreemden ontstaat. Buurtbewoners zullen elkaar, maar ook vreemden,
wijzen op ongewenst gedrag. Onderzoek van Sampson en Groves (1989) laat een relatie zien tussen sociale
cohesie in een buurt en veiligheidsbeleving. Er wordt in de onderzoeken naar sociale cohesie vaak
verondersteld dat naar mate de sociale cohesie in een buurt groter is er minder criminaliteit in deze buurt zal
plaatsvinden. Het contact tussen mensen, hoe oppervlakkig dit ook kan zijn, zorgt voor bindingen binnen de
buurt. Deze onderlinge bindingen tussen de bewoners kan gezien worden als de sociale cohesie die tussen hen
heerst. Het gaat bij sociale cohesie niet alleen om de letterlijke bindingen tussen de mensen in de buurt, maar
juist om het idee dat buren elkaar steunen en/of helpen indien dit nodig is. De gepercipieerde sociale cohesie is
voldoende om een positieve invloed te hebben op de veiligheidsbeleving (Lee, 2003). Met andere woorden:
indien er meer sociale cohesie in een buurt aanwezig is, zal dit een positief effect hebben op de
veiligheidsbeleving. Deze studie zal onderzoeken of de sociale cohesie van de Maastrichtse buurten van invloed
is op de veiligheidsbeleving. Hypothesen: (7a) Naarmate buurtbewoners meer sociale cohesie ervaren, des te
hoger is de veiligheidsbeleving bij deze bewoners is. En (7b) Naarmate buurtbewoners meer sociale cohesie
ervaren, des te lager is de risicoperceptie en des te hoger is de veiligheidsbeleving bij deze bewoners.
BUURTKENMERKEN
Naast de factoren die op het individuele niveau van invloed kunnen zijn op de veiligheidsbeleving of
risicoperceptie wordt in deze studie rekening gehouden met factoren die invloed uitoefenen vanuit de buurt.
Elke buurt heeft namelijk andere kenmerken. Zo is het gemiddelde inkomen in de ene buurt hoger dan in de
andere. Deze buurtkenmerken kunnen weer van invloed zijn op hoe veilig de bewoners zich voelen. In deze
paragraaf worden de verscheidene factoren van de maatschappelijke context besproken.
SOCIAALECONOMISCHE ACHTERSTAND
Een bevinding in onderzoeken naar ruimtelijke spreiding van criminaliteit is dat mensen in achterstandsbuurten
vaker slachtoffer zijn. In zowel Nederlands onderzoek (Wittebrood, 2000) als in andere landen (Bellair, 1997;
Sampson et al, 1997) komt naar voren dat inwoners van buurten met voornamelijk lage inkomensgroepen een
grotere kans hebben om slachtoffer te worden van een delict. In deze buurten zullen mensen de kans groter in
schatten om slachtoffer te worden van een delict en daardoor meer angstgevoelens hebben. Hypothesen: (8a)
Naarmate een buurt meer sociaal economische achterstand heeft, des te lager zal de veiligheidsbeleving van de
bewoners in deze buurt zijn. En (8b) Naarmate een buurt meer sociaal economische achterstand heeft, des te
hoger zal de risicoperceptie en des te lager zal de veiligheidsbeleving van de bewoners in deze buurt zal zijn.
HETEROGENITEIT EN MO BILITEIT
Sociale bindingen tussen bewoners van een buurt nemen af wanneer de onderlinge sociale verschillen groter
zijn, maar ook naarmate de verblijfsduur korter is door een sterke verhuismobiliteit. Lage sociale cohesie is een
belangrijke veroorzaker van lokale criminaliteit. Zo laten Bellair (1997), Sampson e.a. (1997) en Wittebrood
(2000) zien dat er een positieve samenhang bestaat tussen enerzijds slachtofferschap in een buurt en
anderzijds etnische heterogeniteit en verhuismobiliteit. In buurten met deze kenmerken zullen mensen meer
angst hebben om slachtoffer te worden, doordat zij een grotere kans maken om slachtoffer te worden van
criminaliteit. Ondanks dat deze kenmerken al bevestigd zijn in voorgenoemd onderzoek, worden deze alsnog
meegenomen in deze studie als predictoren. Zodoende deze vier hypothesen: (9a) Naarmate een buurt meer
etnisch heterogeen is, des te minder veiligheidsbeleving de inwoners zullen hebben. (9b) Naarmate een buurt
meer etnisch heterogeen is, des te hoger de risicoperceptie, des te minder veiligheidsbeleving de inwoners zullen
hebben. (10a) Naarmate een buurt een hoger verhuismobiliteit heeft, des te minder veiligheidsbeleving de
inwoners zullen hebben. (10b) Naarmate een buurt een hoger verhuismobiliteit heeft, des te hoger de
risicoperceptie, des te minder veiligheidsbeleving de inwoners zullen hebben.
19
Het missen van sociale samenhang tussen buurtbewoners kan naast etnische heterogeniteit en
verhuismobiliteit ontstaan door een hogere mate van inkomensheterogeniteit. Zo laten Kleinhans e.a. (2000)
zien dat er, in hun studie onder enkele Nederlandse buurten waar achterstandsconcentratie werd aangepakt
door differentiatie in woningvoorraad, een lage mate van sociale cohesie was door het geringe contact tussen
de bewoners van de verschillende sociale lagen. Hypothesen: (11a) Naarmate een buurt meer
inkomensheterogeniteit bevat, des te minder veiligheidsbeleving de inwoners zullen hebben. (11b) Naarmate
een buurt meer inkomensheterogeniteit bevat, des te hoger de risicoperceptie, des te minder veiligheidsbeleving
de inwoners zullen hebben.
BELEID
Het herstructureren vindt al jaren plaats in Nederland. Het stedelijke vernieuwingsbeleid is van krotopruiming
en reconstructie van de binnenstad in de jaren ’50 geëvolueerd tot een totaal stedelijke vernieuwingsbeleid
(VROM, 2006). Binnen dit beleid is verondersteld dat er een verband bestaat tussen de herstructurering en de
verbetering van de leefbaarheid en veiligheid in de buurt (Musterd et al, 2001; Ouwehand et al, 2006). In de
jaren ’60 en ’70 van de vorige eeuw was veel aandacht voor het verband tussen bebouwing en sociale
veiligheid (Van Wegen et al, 1991; Taylor et al, 1996). Er werd vanuit gegaan dat aanpassingen in de publieke
ruimte tot minder ongewenst gedrag en minder negatieve veiligheidsgevoelens leidden. In deze periode hield
dit in dat grootschalige wooncomplexen vervangen zijn door kleinschalige woningbouw die een positieve
invloed hebben op de leefbaarheid en veiligheidsbeleving. Zo laat onderzoek uit de jaren ’60 zien dat
herstructurering binnen buurten de sociale controle bevordert (Jacobs, 1961). Volgens Jacobs geldt dit voor
buurten die een hoge bebouwingsdichtheid hebben. Een buurt zou meerdere functies moeten hebben als
wonen en werken, met voorzieningen en kleinere huizen, zodat de streets with no eyes verdwijnen en de
gelegenheid ongestoord ongeoorloofde zaken te doen verkleint tot verdwijnt. Deze gedachtegang wordt in het
onderzoek van Van Kempen en Bolt in 2003 bevestigd. Zo heeft de environmentalistic approach (Jeffrey, 1971)
het belang van het verband tussen ruimtelijke inrichting van buurten en sociale controle benadrukt. Zijn
onderzoek laat zien dat de buurt dusdanig ingericht wordt dat er geen stille, donkere plekken zijn waar
controle moeilijk is. Dit zijn de plaatsen waar de veiligheidsbeleving negatief beïnvloed wordt. Om dit tegen te
gaan kan de (plaatselijke) overheid in de buurt investeren. Als in een buurt door de plaatselijke overheid
geïnvesteerd wordt, heeft dit als gevolg dat de buurt vaak een hogere sociaaleconomische status krijgt. Met
andere woorden: als de oude versleten woning vervangen wordt door nieuwbouw is er sprake van
buurtopwaardering. Buurtopwaardering is door O’Sullivan (2004) onderzocht. Gentrificatie – het opwaarderen
van een buurt – heeft een negatieve correlatie met de criminaliteitscijfers.
Het effect van gentrificatie is dat door de hogere status de buurt aantrekkelijker wordt voor mensen met een
hogere sociaaleconomische status en minder aantrekkelijk voor de huidige bewoners, die meestal een lagere
sociaaleconomische status hebben. Er zal een toenemende migratiestroom van welvarenden richting deze
buurt zijn. De sociaaleconomische buurtdynamiek verdrijft criminaliteit uit deze buurt. De risicoperceptie van
de bewoners van deze buurt zal daardoor afnemen en het gevoel van veiligheid zal groter worden.
Tegengesteld hieraan zal de sociaaleconomische situatie van buurten zonder dergelijke investeringen niet
toenemen (Knol, 1998; Skogan, 1986). In deze buurten geeft het migratiepatroon een beeld van het verhuizen
van welvarende inwoners, zoekende naar een betere woonsituatie (Quillian, 1999). In deze buurt zullen zich
wel nieuwe bewoners gaan vestigen; het zal hierbij gaan om huishoudens met een lage sociaaleconomische
status (Van der Wouden & De Bruijne, 2001). Het gevolg is dat in deze buurten de kans op slachtofferschap
groter wordt doordat de sociaaleconomische buurtdynamiek criminaliteit met zich mee brengt. Indien de
criminaliteit in deze buurt toeneemt, zal de risicoperceptie toenemen en de veiligheidsbeleving afnemen.
Hieruit volgen twee hypothesen, namelijk: (12a) Naarmate in een buurt meer wordt geïnvesteerd in
gentrificatie, des te hoger zal de veiligheidsbeleving zijn. En (12b) Naarmate in een buurt meer wordt
geïnvesteerd in gentrificatie, des te lager zal de risicoperceptie zijn en des te hoger zal de veiligheidsbeleving
zijn.
20
Naast de veranderingen die plaats vinden in de buurt heeft de gemeente, met het uitvoeren van beleid om
criminaliteit te bestrijden, invloed op de veiligheidsbeleving. In buurten waar de objectieve criminaliteitscijfers
hoog zijn, zal de gemeente meer beleid uitvoeren om deze buurten tot een positiever en veiliger niveau te
brengen. Het gemeentelijke beleid om de veiligheid te bevorderen is van negatieve invloed op het risico om
slachtoffer te worden in de eigen buurt (Bursik et al., 1993; Skogan, 1990) en van positieve invloed op de
veiligheidsbeleving. (13a) Naarmate in een buurt meer objectief veiligheidsbeleid wordt uitgevoerd, des te
hoger zal de veiligheidsbeleving zijn. En (13b) Naarmate in een buurt meer objectief veiligheidsbeleid wordt
uitgevoerd, des te lager zal de risicoperceptie zijn en des te hoger zal de veiligheidsbeleving zijn.
Het effect van beleid is doorgaans niet direct op het moment van uitvoeren van invloed op de ervaringen van
de buurtbewoners (Tirion, 2006). De verandering in de veiligheidsbeleving van de bewoners zal tijd nodig
hebben, zij moeten eerst de positieve effecten – indien deze er zijn – ervaren voordat het beleid van invloed is
op hun beleving. Zodoende zal beleid dat langere tijd in de praktijk uitgevoerd wordt meer effect hebben dan
beleid dat recentelijk ingevoerd is. Omdat in deze studie 2008 en 2010 vergeleken worden geldt dat 2008 het
meetmoment is dat beleid kort in de praktijk is en 2010 dat het beleid langer in de praktijk is. (13c) Naarmate
in een buurt beleid langer in de praktijk wordt uitgevoerd, des te hoger zal de veiligheidsbeleving zijn, ten
aanzien van het beleid dat korter in de praktijk is. En (13d) Naarmate in een buurt langer beleid in de praktijk
wordt uitgevoerd, des te lager zal de risicoperceptie zijn en des te hoger zal de veiligheidsbeleving zijn, ten
aanzien van het beleid dat korter in de praktijk is.
OVERLAST, VERLOEDERING EN CRIMINALITEIT
Uit onderzoek blijkt dat overlast, verloedering en criminaliteit de angst voor criminaliteit versterken (Ferraro,
1995; LaGrange et a., 1992). Naarmate meer burgers van een bepaalde buurt het gevoel hebben dat de situatie
in hun eigen buurt verslechtert, wanordelijk en/of bedreigend is zal de veiligheidsbeleving van de bewoners
van deze buurt afnemen. Dit gevoel kan ontstaan door vormen van overlast – zoals luidruchtige buren/feesten
– en/of verloedering – zoals rommel op straat, slecht onderhouden woningen – en/of criminaliteit – zoals
1
openbaar dronkenschap of vernieling (Taylor et al., 1986; Wilson et al., 1982).
Als mensen zich niet meer veilig voelen in hun eigen buurt zal dit ontstaan door de hogere ingeschatte kans van
slachtofferschap. Uit de begrippen overlast en verloedering zijn de volgende hypothesen gevormd: (14a)
Naarmate in een buurt veel overlast plaats vindt, des te lager is de veiligheidsbeleving van de bewoners van
deze buurt. (14b) Naarmate in een buurt veel overlast plaats vindt, des te hoger is de risicoperceptie en des te
lager is de veiligheidsbeleving van de bewoners van deze buurt. (15a) Naarmate een buurt sterker verloederd is,
des te lager is de veiligheidsbeleving van de bewoners van deze buurt. En (15b) Naarmate een buurt sterker
verloederd is, des te hoger is de risicoperceptie en des te lager is de veiligheidsbeleving van de bewoners van
deze buurt.
Daarnaast speelt objectieve criminaliteit een rol op de veiligheidsbeleving die mensen hebben. Als de
objectieve criminaliteit – het daadwerkelijke slachtofferschap – vaak voorkomt in een buurt, zullen de
bewoners van deze buurt hun kans om zelf slachtoffer te worden van criminaliteit hoger inschatten. Door deze
hogere risicoperceptie zullen de bewoners van deze buurt zich minder veilig voelen. Hieruit volgen de volgende
twee hypothesen: (16a) Naarmate meer (objectieve) criminaliteit in een buurt voorkomt zullen de bewoners van
deze buurt zich onveiliger voelen. En (16b) Naarmate meer (objectieve) criminaliteit in een buurt voorkomt
zullen de bewoners van deze buurt een hogere risicoperceptie en daardoor een lagere veiligheidsbeleving
hebben.
1
In de Engelse taal is incivilities het overkoepelend begrip voor verschillende sociale gedragingen en groeperingen in een samenleving die
21
HET MODEL
Vanuit de hypothesen uit de twee voorgaande paragrafen is een diagram (figuur 2.2) opgesteld. Daarin is het
onderscheid tussen de individuele en de maatschappelijke context goed zichtbaar. Beide contexten bevatten
variabelen die zowel positieve als negatieve invloed – kunnen – uitoefenen op de veiligheidsbeleving van de
buurtbewoners. De variabelen kunnen zowel een direct als een indirect, via risicoperceptie, effect hebben op
de veiligheidsbeleving. De nummering in het overzicht komt overeen met de nummering die per hypothese in
de twee voorgaande paragrafen is aangegeven.
INDIVIDUELE KENMERKEN
Figuur 2.2
Schematisch overzicht onderzoekshypothesen
Kwetsbaarheid
1. Geslacht
2. Leeftijd
3. Hulpbronnen
4.
Slachtofferschap
Gepercipieerde
functioneren
lokale overheid
5. Contact Politie
6. Betrokkenheid gemeente
7.
Gepercipieerde sociale
cohesie
B. Risicoperceptie
A. Veiligheidsbeleving
BUURTKENMERKEN
8. SE achterstand
9. Etnische heterogeniteit
10. Verhuismobiliteit
11. Inkomenheterogeniteit
Beleid
12. Gentrificatie
13. Veiligheidsbeleid
14. Overlast
15. Verloedering
16. Criminaliteit
Zoals in het diagram te zien is, zijn de pijlen richting risicoperceptie gestippeld afgebeeld. Deze staan voor het
feit dat risicoperceptie allereerst apart onderzocht wordt. Met andere woorden: het eerste model dat
onderzocht wordt is de invloed van alle onafhankelijke variabelen op de afhankelijke variabele risicoperceptie.
Vervolgens zal in het tweede model risicoperceptie meegenomen worden als onafhankelijke variabele die
invloed uitoefent op veiligheidsbeleving.
22
3
DATA & ANALYSE
Dit hoofdstuk laat zien hoe de stap van theorie naar analyse gemaakt wordt. Hiervoor worden allereerst de
gebruikte data besproken, waaruit de benodigde variabelen gehaald zullen worden en wordt per variabele
aangegeven hoe deze geoperationaliseerd wordt om mee te kunnen nemen in de analyse. Vervolgens wordt de
analyse methode van deze studie toegelicht.
HERKOMST BESTANDEN
In dit onderzoek wordt gebruik gemaakt van de datasets die afkomstig zijn van de Buurtpeiling Maastricht 2008
(Theunissen, 2009) en Buurtpeiling Maastricht 2010 (Hinssen, 2011). De datasets bevatten subjectieve
variabelen die zijn verzameld met een enquête. Daarnaast is gebruik gemaakt van objectieve buurtgegevens
van Maastricht (Maastricht 2008 & 2010).
In de maanden november en december 2008 is in de stad Maastricht de tweejaarlijkse Buurtpeiling gehouden.
De vragenlijst is verzonden naar een aselecte, gestratificeerde steekproef van 40.421 adressen waar minimaal
één persoon van 18 jaar of ouder volgens de gemeentelijke basisadministratie staat geregistreerd. Per adres
mocht één persoon meedoen. Er zijn 9.737 vragenlijsten in 2008 retour gekomen. Dit geeft een respons van 24
procent.
In december 2010 is de Buurtpeiling 2010 gehouden. In dit jaar zijn er naar een aselecte steekproef van 39.302
adressen uit de gemeentelijke basisadministratie vragenlijsten verzonden. Net als bij de enquête in 2008 geldt
ook bij de enquête van 2010 de voorwaarde dat de adressen moesten voldoen aan de eis dat er minimaal één
inwoner van Maastricht van 18 jaar of ouder op geregistreerd staat. Per adres mocht één persoon aan het
onderzoek meedoen. Het aantal retour gekregen vragenlijsten bedraagt 9.893. De respons bedraagt 25
procent. Beide vragenlijsten zijn hetzelfde opgebouwd en bestaan uit de volgende aspecten: voorzieningen in
de buurt, buurtproblemen, sociale samenhang/participatie, veiligheid, trots, zelfrespect en vertrouwen,
algemene waardering buurt, wonen, afvalinzameling en straatreiniging, sport, gezondheid en
achtergrondkenmerken.
De gegevens per buurt, de objectieve buurtcijfers, zijn afkomstig uit Maastricht in cijfers en zijn gebaseerd op
onder meer de gemeentelijke basisadministratie (GBA) en CWI.
Na het samenvoegen van de verschillende data is hierover een weging toegepast. Hiervoor is eerst het
steekproefkader naar leeftijd, geslacht en buurt vastgesteld van de populatieverdeling op basis van de
gemeentelijke basisadministratie van het desbetreffende jaar. Vanuit deze populatieverdeling zijn
weegfactoren gegenereerd om de verdeling in de datasets overeen te laten komen met de verdeling van de
betreffende populatie.
23
OPERATIONALISATIE VA RIABELEN
In de sociale wetenschap komt het vaak voor dat de gebruikte begrippen in hypothesen niet direct te meten
zijn. Deze zogeheten latente constructen, kunnen gemeten worden door indirecte aspecten van het
desbetreffende construct te meten. Met andere woorden: als het latente construct sociale cohesie in een buurt
bepaald moet worden, kan bijvoorbeeld gekeken worden naar de gepercipieerde omgang tussen bewoners,
het aantal contactmomenten, in hoeverre bewoners elkaar helpen, etc. Om te achterhalen of deze meetbare
variabelen daadwerkelijk in verband staan met het onderliggende latente construct zal een analyse uitgevoerd
2
moeten worden. Een methode hiervoor is factoranalyse.
Indien voldaan is aan de eisen van factoranalyse kunnen een of meerdere factoren ontstaan. Vervolgens is het
van belang te kijken naar de betrouwbaarheid van de ontstane schaal of schalen. Betrouwbaarheid betekent in
dit geval dat de schaal constant het latente construct meet. Dit wordt gecontroleerd aan de hand van de
3
Cronbach’s alpha.
Begrippen als veiligheid en andere zijn moeilijk te meten concepten. Zodoende wordt duidelijk of het wel of
niet met indirecte aspecten gemeten wordt. Indien het met indirecte aspecten gemeten wordt, zal er een
factoranalyse uitgevoerd worden en vervolgens wordt een betrouwbaarheidstoets uitgevoerd.
AFHANKELIJKE VARIABELE
VEILIGHEIDSBELEVING
De veiligheidsbeleving van de bewoners van Maastricht is gedefinieerd aan de hand van de volgende vragen:
Voelt u zich OVERDAG wel eens onveilig op straat? En Voelt u zich ‘S AVONDS wel eens onveilig op straat? Deze
twee vragen kon men beantwoorden met ja, vaak/altijd (1), ja, soms (2), zelden (3) en nooit (4). De
antwoordcategorie weet niet (5) is gecodeerd als missing (Appendix II, tabel 7.3).
Als controle zijn deze twee variabelen geanalyseerd in een betrouwbaarheidsanalyse. Uit deze analyse komt
een Cronbach’s alpha van .751, wat staat voor een redelijke tot goede betrouwbaarheid (Cronbach, 1951).
Zodoende kunnen deze variabelen verwerkt worden tot één nieuwe variabele, genaamd Veiligheidsbeleving.
Deze variabele kan gezien worden als een persoonskenmerk en wordt als continue variabele in de verdere
analysen behandeld.
Van deze twee variabelen wordt het gemiddelde berekend. Aangezien deze twee variabelen beide weinig
missende waarden hebben, zijn zij opgeteld en gedeeld door twee. Waarna er de waarde één vanaf gehaald
wordt. Zo ontstaat een score van (0) weinig veiligheidsbeleving tot (3) veel veiligheidsbeleving (Appendix III,
tabel 7.12).
INTERMEDIËRENDE VARIABELEN
RISICOPERCEPTIE
Normaliter wordt de risicoperceptie van personen gemeten met enquêtevragen die letterlijk informeren naar
de ingeschatte kans om slachtoffer te worden van verschillende soorten delicten. Dit is binnen deze studie niet
mogelijk door het afwezig zijn van deze vragen. Er is onderzoek (Oppelaar, 2006) dat risicoperceptie
operationaliseert als de inschatting die mensen maken om slachtoffer te worden van criminaliteit en/of
overlast. In dit onderzoek is de respondenten gevraagd in welke mate bepaalde problemen voorkomen in hun
eigen woonbuurt. Ze nemen aan dat naarmate mensen meer problemen in hun buurt waarnemen, zij hun
eigen kans om slachtoffer worden hoger inschatten, wat als gevolg heeft dat deze mensen sterkere
2
Factoranalyse heeft twee hoofddoelen: (1) het begrijpen van de structuur van een set variabelen; (2) het meten van een onderliggende
construct. Er moet aan de volgende eisen voldaan worden. Kaiser-Meyer-Olkin (KMO) > .5, Significantie Bartlett’s test <.05, Factorladingen
(communaliteiten) >.4(De Heus, et al., 1995; Field, 2005).
3
Cronbach’s alpha >.6: redelijke betrouwbaarheid. >.8 goede betrouwbaarheid. Indien na verwijdering van een variabele uit de factor een
stijging >.05 wordt deze variabele uit de uiteindelijke factor verwijderd (Cronbach, 1951; Field, 2005).
24
angstgevoelens zullen hebben. In de studie van Oppelaar zijn het signalen/problemen uit de omgeving die
personen ervaren, die de gepercipieerde kans op slachtofferschap bepalen. Zodoende wordt in dit onderzoek
gebruik gemaakt van de vragen die zich richten op problemen in de woonbuurt van de respondent.
De vragen over buurtproblematiek hebben betrekking op onderwerpen als geweld, diefstal, overlast en
verloedering in de buurt. Deze vragen konden beantwoord worden met (1) vaak, (2) soms en (3) nooit. De
antwoordcategorie Weet niet (4) is gecodeerd als missende waarde. Alle vragen zijn zo gecodeerd dat het
antwoordpatroon is omgedraaid, score (0) staat voor een Nooit en score (2) staat voor Vaak (Appendix II, tabel
7.4). Vervolgens is met een factoranalyse gekeken welke vragen zich zullen samenvoegen tot afzonderlijke
factoren. Uit deze analyse komen, na het controleren op lage communaliteitladingen en dubbelladers, met een
KMO van .940 en een significantie van .000 uit de Bartlett’s test drie factoren naar voren, namelijk
risicoperceptie van Vermogen, Geweld en Overlast.
Uit de betrouwbaarheidsanalyse komen de volgende resultaten voor de factoren Vermogen, Geweld en
Overlast, respectievelijk een alpha van .805, .859 en .805. Deze drie factoren hebben een dusdanig alpha dat zij
de betrouwbaarheidsanalyse goed doorkomen. Per factor wordt een nieuwe variabele aangemaakt die staat
voor de ervaren mate van geweld/diefstal/overlast in de buurt van de respondent.
Tabel 3.2: Factoranalyse Risicoperceptie.
FACTORLADINGEN
VERMOGEN
COMMUNALITEITEN
VERKLAARDE VARIANTIE
fietsendiefstal *
0,606
GEWELD
-
OVERLAST
-
0,478
17,450
diefstal UIT auto's *
0,848
-
-
0,784
16,394
beschadiging/vernieling AAN auto's *
0,702
-
0,318
0,630
15,677
diefstal VAN auto's *
0,623
0,302
-
0,499
vormen van geluidsoverlast *
-
-
0,694
0,530
bedreiging *
-
0,626
0,346
0,564
bekladding *
0,315
0,321
0,432
0,388
overlast van groepen jongeren *
-
-
0,585
0,459
dronken mensen op straat *
-
0,378
0,477
0,397
mensen worden lastig gevallen *
-
0,678
0,327
0,626
rommel (geen hondenpoep) *
-
-
0,478
0,329
inbraak in woningen *
0,429
-
-
0,283
gewelddelicten *
0,325
0,652
0,306
0,624
-
-
0,494
0,321
drugsoverlast *
0,304
0,269
0,417
0,408
tasjesroof *
0,336
0,617
-
0,541
jeugdcriminaliteit *
0,342
0,514
0,419
0,557
overlast omwonenden *
* in de eigen buurt
DATA IS GECONSTRUEERD A.D.H.V. PRINCIPALE FACTOR ANALYSE (OBLIQUE).
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
(N) LISTWISE DELETION = 14259.
De factoranalyse laat zien dat er drie factoren uit de analyse naar voren komen. De correlatie tussen deze
factoren is telkens groter dan (-).50, namelijk .588, .562 en .504. Met een dergelijke hoge score zou van deze
drie factoren één nieuwe variabele gemaakt kunnen worden. De drie ontstane factoren zijn dusdanig duidelijk
te onderscheiden dat er drie categorieën te benoemen zijn binnen de risicoperceptie, namelijk: de
risicoperceptie van vermogensdelicten, van geweldsdelicten en van overlast. In dit onderzoek zal verder
gewerkt worden met een onderscheid in deze drie vormen van risicoperceptie omdat ze specifieker aangeven
hoe mensen hun kans om slachtoffer te worden inschatten en wat de gevolgen van deze zijn op de
veiligheidsbeleving.
Van de oorspronkelijke variabelen in tabel 3.2 zijn, aan de hand van de vetgedrukte variabelen, drie nieuwe
variabelen geconstrueerd. Elke nieuwe variabele is geoperationaliseerd door een gemiddelde score te
berekenen van de oorspronkelijke variabelen. Om niet te veel missende waarde per begrip te creëren, wordt er
bij de operationalisatie van de nieuwe variabelen rekening mee gehouden dat niet alle respondenten alle
25
vragen hebben beantwoord. Bij de risicoperceptie van Vermogen en de risicoperceptie van Geweld wordt het
gemiddelde berekend met minimaal twee uit de vijf variabelen, en bij de risicoperceptie van Overlast wordt
van vier uit de zeven variabelen uitgegaan. Deze drie nieuwe variabelen worden gezien als persoonskenmerken
en worden in de analyse behandeld als continue variabelen. Deze variabelen verlopen van (0) lage
risicoperceptie tot (2) hoge risicoperceptie (Appendix III, tabel 7.13a & 7.13b).
ONAFHANKELIJKE VARIABELEN OP INDIVIDUEEL NIVEAU
KWETSBAARHEID
Volgens de gebruikte theorieën zijn mensen kwetsbaarder als zij van het vrouwelijk geslacht zijn, een hogere
leeftijd hebben en/of minder – financiële en/of culturele – hulpbronnen bezitten. Het construct kwetsbaarheid
zal niet letterlijk meegenomen worden in de analyse, maar als de losse kenmerken geslacht, leeftijd en
hulpbronnen. Zodoende wordt kwetsbaarheid in verschillende onderdelen meegenomen en kan gecontroleerd
worden of de theoretische achtergrond in de praktijk per kenmerk uitkomt. Met andere woorden: of vrouwen,
ouderen en met minder hulpbronnen bedeelden angstiger door het leven gaan.
De variabele geslacht wordt gebruikt om het verschil tussen mannen en vrouwen te achterhalen. De vraag:
Wat is uw geslacht?, met de antwoordcategorieën (1) man en (2) vrouw is de operationalisatie. Deze variabele
wordt gecodeerd zodat man (0) en vrouw (1) worden (Appendix II, tabel 7.5).
In de enquête is de respondenten naar hun leeftijd gevraagd. Bij deze vraag konden zij hun leeftijd in jaren
invullen. Deze variabele wordt gezien als continue variabele. In de bijlagen (Appendix II, tabel 7.6) is een
frequentietabel van leeftijd in categorieën weergegeven en een frequentietabel van de gemiddelde leeftijd per
buurt (Appendix III, tabel 7.15).
Het operationaliseren van de hulpbronnen wordt gedaan aan de hand van de twee onderscheiden bronnen,
namelijk financiële en culturele hulpbronnen. Voor de financiële hulpbronnen is gekeken naar het
huishoudelijke inkomen. Dit is in de enquête aan de hand van de volgende vraag achterhaald: Hoe hoog zijn de
netto maandinkomsten van uw huishouden? De respondenten kunnen deze vraag beantwoorden aan de hand
van vooraf vastgestelde categorieën, hierdoor is de vraag minder specifiek waardoor de respondent eerder
geneigd is deze in te vullen. De antwoordcategorieën zijn: (1) minder dan €250, (2) €250 tot €500, (3) €500 tot
€1000, (4) €1000 tot €1500, (5) €1500 tot €2000, (6) €2000 tot €2500, (7) €2500 tot €3000 en (8) €3000 of
meer. De antwoordcategorieën wil niet zeggen en niet van toepassing zijn gecodeerd als missende waarden
(Appendix II, tabel 7.7). In de analyse wordt deze variabele als continue variabelen behandeld (Appendix III,
tabel 7.16).
In de enquête is niet specifiek gevraagd naar cultuurdeelname. In deze studie wordt voor de culturele
hulpbronnen gekeken naar het opleidingsniveau van de respondent. Eerder onderzoek laat zien dat mensen
met meer culturele hulpbronnen gemiddeld hoger opgeleid zijn dan mensen met minder hulpbronnen (de
Graaf, 1987); er werd hierbij rekening gehouden met de financiële middelen en het opleidingsniveau van
ouders. In de enquête is opleidingniveau op de volgende manier gevraagd: Wat is uw hoogst genoten opleiding
die u met een diploma heeft afgerond? De respondenten konden uit de volgende antwoordcategorieën kiezen:
(1) lager onderwijs, (2) lager beroepsonderwijs, (3) middelbaar algemeen voortgezet onderwijs, (4) middelbaar
beroepsonderwijs, (5) havo/vwo en (6) hbo/wetenschappelijke opleiding. De antwoordcategorie weet niet is
gecodeerd als missende waarde (Appendix II, tabel 7.7). Voor deze variabele geldt dat deze behandeld wordt
als interval variabele in de regressie analyse. De uiteindelijke variabele is per jaar en per buurt weergegeven in
de bijlage (Appendix III, tabel 7.16).
SLACHTOFFERSCHAP
Het construct slachtofferschap begint in de enquête met de volgende inleiding: Bij de volgende vragen kunt u
aangeven van welke delicten u zelf in de afgelopen 12 maanden slachtoffer bent geweest. Als u slachtoffer bent
geweest wilt u dan tevens aangeven hoe vaak dat in uw eigen buurt was. Deze vraag konden de respondenten
op de volgende vormen van delicten beantwoorden: Poging tot inbraak, Inbraak, Autodiefstal, Diefstal uit auto,
26
Vernieling aan auto/diefstal vanaf auto, Fietsendiefstal, Diefstal met geweld (straatroof), Diefstal zonder
geweld (zakkenrollerij), Vernieling aan huis/tuin, Bedreiging met lichamelijk geweld en Mishandeling. In de
bijlage (Appendix II, tabel 7.8a) zijn de oorspronkelijke frequentieverdelingen toegevoegd.
Indien een respondent bij één van deze vormen van delicten aangegeven heeft dat hij/zij hiervan in de
afgelopen twaalf maanden slachtoffer geworden is, krijgt deze een score (1) voor dit delict toegekend. Indien
een respondent bij dit delict aangegeven heeft slachtoffer in de afgelopen twaalf maanden te zijn geworden,
krijgt deze een score (0) toegekend. Vervolgens zijn alle vormen van slachtofferschap opgeteld, zodat het
aantal delicten per respondent bekend is. Zodoende ontstaat een continue variabele, die het aantal maal dat
een respondent slachtoffer van een delict geworden is weergeeft. Deze variabele heeft een verloop van (0)
geen slachtoffer tot (11) maal slachtoffer (Appendix III, tabel 7.8b). In de bijlage is het gemiddelde aantal maal
dat men in een buurt slachtoffer geworden is van een delict ook toegevoegd (Appendix III, tabel 7.17).
PERCEPTIE VAN FUNCTIONEREN VAN DE LOKALE OVERHEID
De ervaring van de bewoners met het functioneren van de lokale overheid is in deze studie onderverdeeld in
het ervaren contact van de politie met buurtbewoners in een buurt en de ervaren betrokkenheid van de
gemeente in een buurt. Twee variabelen die gezien worden als persoonskenmerk en in de analyse
meegenomen worden als interval variabelen.
Het contact met de politie is aan de hand van een stelling gevraagd: De politie heeft hier contact met de
bewoners uit de buurt. Deze stelling kon beantwoord worden met de antwoordcategorieën (0) eens, (1) niet
eens/oneens en (2) oneens. De antwoordcategorie (3) weet niet is gecodeerd als missende waarde. De richting
van de antwoordmogelijkheden zijn andersom gecodeerd, zodat het contact van de politie met de bewoners
uit de buurt van weinig contact naar veel contact loopt.
Om de ervaring van de bewoners over de betrokkenheid van de gemeente te kunnen analyseren, is gekozen
om de volgende vraag te gebruiken: Vindt u dat de gemeente veel, voldoende of te weinig aandacht heeft voor
de problemen in uw buurt? Deze vraag konden de respondenten beantwoorden met (0) veel aandacht, (1)
voldoende aandacht en (2) weinig aandacht. Deze antwoordcategorieën zijn zo gecodeerd dat de richting
omgedraaid is, zodat de ervaring van de bewoners over de betrokkenheid van gemeente van negatief naar
positief verloopt. De antwoordcategorie (3) weet niet/geen mening is gecodeerd als een missende waarde.
Van beide variabelen zijn de oorspronkelijke frequentieverdelingen (Appendix II, tabel 7.9) en de score per
buurt en meetmoment (Appendix III, tabel 7.18) terug te vinden in de bijlage.
GEPERCIPIEERDE SOCIALE COHESIE
Voor het meten van sociale cohesie, het laatste persoonskenmerk, worden de volgende enquêtevragen
gebruikt: De mensen kennen elkaar in deze buurt nauwelijks; De mensen gaan in deze buurt op een prettige
manier met elkaar om; De mensen in deze buurt blijven hier graag wonen; Ik woon in een gezellige buurt waar
veel saamhorigheid is; Ik voel mij thuis bij de mensen die in deze buurt wonen. Met de antwoordcategorieën (1)
helemaal mee eens, (2) mee eens, (3) niet mee eens/ niet mee oneens, (4) niet mee eens en (5) helemaal niet
mee eens (Appendix II, tabel 7.10).
Alle vragen – op de eerste vraag na – zijn eerst gecodeerd zodat positief negatief wordt en vice versa. Dit
resulteert erin dat deze enquêtevragen van negatief (1) naar positief (5) lopen, zodat een hogere score duidt
op een hogere mate van sociale cohesie. Vervolgens is een factoranalyse uitgevoerd.
27
Tabel 3.3: Factoranalyse Gepercipieerde Sociale Cohesie.NSTRUEERD A.D.H.V. PRINCIPALE FACTOR ANALYSE (OBLIQUE ROTATIE).
VERKLAARDE
FACTORLADINGEN
COMMUNALITEITEN
VARIANTIE
SOCIALE COHESIE
0,573
0,328
Mensen in deze buurt gaan op een prettige manier met elkaar om.
0,752
0,565
Mensen kennen elkaar in deze buurt nauwelijks.
De mensen in deze buurt blijven hier graag wonen.
0,735
0,541
Ik woon in een gezellige buurt waar veel samenhorigheid is.
0,851
0,725
Ik voel mij thuis bij de mensen die in deze buurt wonen.
0,842
0,708
57,351
DATA IS GECONSTRUEERD A.D.H.V. PRINCIPALE FACTOR ANALYSE (VARIMAX).
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
(N) LISTWISE DELETION = 15547.
Uit deze analyse komt een KMO van .771 en een Bartlett’s significantie van .000. De conclusie uit deze analyse
is dat er één factor uit komt. De geanalyseerde variabelen vormen samen één construct voor het meten van
sociale cohesie.
Vervolgens zijn de variabelen meegenomen in een betrouwbaarheidsanalyse. Deze analyse geeft een alpha aan
van .800, wat staat voor een goede betrouwbaarheid. Vervolgens wordt van deze variabelen één nieuwe
variabele geconstrueerd. Deze schaal wordt aan de hand van het gemiddelde berekend, met het criteria dat er
minimaal vier uit de vijf variabelen beantwoord zijn. Voor de interpretatie zijn labels toegevoegd: (1) heel
weinig sociale cohesie, (2) weinig sociale cohesie, (3) niet weinig/veel sociale cohesie, (4) veel sociale cohesie en
(5) heel veel sociale cohesie.
ONAFHANKELIJKE VARIABELEN OP BUURTNIVEAU
SOCIAALECONOMISCHE ACHTERSTAND
Het construct sociaaleconomische achterstand is gebaseerd op meerdere indicatoren. Er zijn drie indicatoren
die de sociaaleconomische achterstand bepalen, namelijk het percentage werkloze, uitkeringsafhankelijke en
eenoudergezinnen. Normaliter wordt ook het percentage bewoners dat een inkomen heeft onder het sociale
minimum meegenomen in de operationalisatie van deze variabele. In deze studie is hiervan geen gebruik
gemaakt doordat het percentage van 2010 nog door het CBS vrijgegeven moet worden.
Deze drie variabelen zijn tesamen verwerkt in een factoranalyse. De analyse heeft hier betrekking op de 43
buurten – niet op het databestand bestaande uit de grote groep respondenten. De analyse gaf 1 factor als
resultaat, met als KMO .727 en een Bartlett’s significantie van .000. De drie variabelen samen hebben een zeer
goede betrouwbaarheid, namelijk een Cronbach’s alpha van .864.
Tabel 3.4: Factor analyse Sociaaleconomische Achterstand.
FACTORLADINGEN
COMMUNALITEITEN
VERKLAARDE
VARIANTIE
74,242
SOCIAALECONOMISCHE
ACHTERSTAND
Uitkeringsafhankelijken
0,874
0,765
Nietwerkenden/werkzoekenden
Eenoudergezinnen
0,929
0,775
0,863
0,600
DATA IS GECONSTRUEERD A.D.H.V. PRINCIPALE FACTOR ANALYSE (VARIMAX).
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
(N) LISTWISE DELETION = 43.
Vervolgens is van deze drie variabelen, aan de hand van het gemiddelde, één continue variabele
geconstrueerd. Omdat het hier gaat om een buurtkenmerk, gebaseerd op feitelijke cijfers, heeft deze geen
missende waarden en behoeft de constructie geen criteria waarop het gemiddelde is gebaseerd. Deze
variabele varieert over de twee meetmomenten (Appendix III, tabel 7.20).
28
ETNISCHE HETEROGENITEIT
Etnische heterogeniteit is gecodeerd als een variabele die de etnische diversiteit weergeeft. Dit houdt in dat er
gewerkt wordt met het percentage niet-westerse allochtonen en het percentage andere – autochtonen en
westerse allochtonen – per buurt. Deze percentages niet-westerse allochtonen zijn verkregen vanuit de
Gemeentelijke Basis Administratie (2008 & 2010). Vervolgens is aan de hand van de Herfindahl–Hirschman
4
Index , een diversiteitindex die de homogeniteit berekend. De heterogeniteit is achterhaald met de volgende
formule: 1 - Herfindahl–Hirschman Index. Zodoende ontstaat een buurtkenmerk variabele met een continue
score verloop van (0) Etnisch homogeen tot (1) Etnisch heterogeen. Deze nieuwe variabele varieert over de
twee meetmomenten. (Appendix III, tabel 7.21).
VERHUISMOBILITEIT
De variabele verhuismobiliteit is aangemaakt aan de hand van de cijfers over de verhuismobiliteit in Maastricht
(Maastricht in cijfers, 2008 & 2010). De verhuismobiliteit die in deze studie meegenomen wordt, is
gedefinieerd als het percentage mensen dat in 2010 in een desbetreffende buurt is komen wonen, berekend
aan de hand van het aantal verhuizingen naar een buurt van de totale stad. Verhuizingen uit een buurt of
binnen een buurt zijn niet meegenomen. Deze variabele heeft een continue verdeling en verschilt voor de jaren
2008 en 2010 (Appendix III, tabel 7.22).
INKOMENSHETEROGENITEIT
Inkomensheterogeniteit is geoperationaliseerd door de inkomensvariabele van de steekproeven van de
Integrale Buurtpeiling 2008 en 2010 te coderen. De keuze voor de cijfers van de Buurtpeiling is tot stand
gekomen doordat populatiecijfers per buurt in 2013 door het CBS worden vrijgegeven.
In de Buurtpeilingen kregen de respondenten de volgende vraag voorgelegd: Hoe hoog zijn de netto
maandinkomsten van uw huishouden? De respondenten konden deze vraag beantwoorden met: (1)minder dan
€250, (2) €250 tot €500, (3) €500 tot €1000, (4) €1000 tot €1500, (5) €1500 tot €2000, (6) €2000 tot €2500, (7)
€2500 tot €3000 en (8) €3000 of meer. De antwoordcategorieën wil niet zeggen en weet niet zijn gecodeerd als
missende waarden.
Om heterogeniteit van inkomens vast te stellen worden de antwoorden van de respondent in twee nieuwe
categorieën ingedeeld, zodat een categorie laag en een categorie hoog inkomen ontstaat. De score 1 tot en
met 5 zal behoren tot de lage inkomensgroepen en score 6 tot en met 8 tot de hoge inkomensgroepen. Er is
voor deze verdeling gekozen omdat er zo in het totale databestand – zowel 2008 als 2010 – een gelijke
verdeling is in de grootte van deze groepen. De lage inkomensgroep bestaat uit 7874 respondenten en de hoge
inkomensgroep uit 7731 respondent, procentueel is dit respectievelijk 50,5 procent en 49,5 procent.
Vervolgens is per enquêtejaar de Herfindahl–Hirschman Index toegepast, althans 1 - Herfindahl–Hirschman
Index. Deze index is een maat voor de concentratie van – in dit geval – inkomen. Bij het berekenen wordt
rekening gehouden met zowel de hoge als lage inkomensgroepen, zodat de inkomensheterogeniteit te
achterhalen is. Een continue variabele wordt aangemaakt met een score verloop van (0) inkomen homogeen
tot (1) inkomen heterogeen per buurt per jaar. Deze variabele zal in de verdere analyses gezien worden als een
buurtkenmerk en varieert over de twee meetmomenten (Appendix III, tabel 7.23).
BELEID
Alle vormen van beleid zijn geoperationaliseerd vanuit beleidstukken, namelijk de stadsdeelprogramma’s van
de gemeente Maastricht. In overleg met beleidsmedewerkers van de gemeente is achterhaald welk beleid uit
deze programma’s is uitgevoerd. Per vorm van beleid, namelijk objectief veiligheidsbeleid en gentrificatie, is
een lijst van uitgevoerd beleid opgesteld en toegevoegd aan de appendix (Appendix V: Beleid uit
stadsdeelprogramma’s 2007).
4
Herfindahl–Hirschman Index (Martin, 1993) is een diversiteitsindex.
29
Het operationaliseren van beleid is de minst specifieke operationalisatie van deze studie. Er zijn geen
bestaande cijfers of vragen die gebruikt kunnen worden. Daarom is allereerst achterhaald welk beleid in de
praktijk is uitgevoerd in de periode van 2008 tot en met 2010 (Gemeente Maastricht, Stadsdeelprogramma’s,
2007). In het beleid dat uitgevoerd is, wordt onderscheid gemaakt op drie niveaus, namelijk het beleid dat
uitgevoerd wordt per stadsdeel, per buurt of per specifieke straat van een buurt.
OBJECTIEF VEILIGHEIDSBELEID
Er is gekeken naar het objectieve veiligheidsbeleid dat in de totale periode van 2008 tot en met 2010 in de
praktijk uitgevoerd is. Bij deze variabele is er voor de totale periode gekozen omdat dit beleid nogal een
abstract begrip is wat moeilijk tastbaar uitgevoerd kan worden. Voor de beleidsschaal is per buurt een score
gegenereerd. Indien er objectief veiligheidsbeleid is uitgevoerd op stadsdeelniveau dan is er per uitgevoerd
beleid een score 1 toegekend aan alle buurten die tot dit stadsdeel behoren. Vervolgens is per uitgevoerd
objectief veiligheidsbeleid een score 1 toegekend indien deze op buurtniveau is uitgevoerd. En als laatste is een
score toegekend voor het objectief veiligheidsbeleid dat in een specifieke straat is uitgevoerd. Deze laatste is
berekend door het aantal straten waar beleid is uitgevoerd te delen door het totaal aantal straten van de
desbetreffende buurt. De score op straatniveau is zo berekend om de invloed van het beleid op straatniveau
niet gelijk te stellen aan het beleid op buurtniveau. Er is gekozen om het beleid ook op straatniveau mee te
nemen in de berekening, omdat deze ook van invloed is. Echter, de grootte van het beleid op straatniveau is
van kleinere mate dan de invloed van het beleid op buurt- of stadsniveau. Vervolgens zijn de drie scores die per
niveau berekend zijn opgeteld en dit cijfer vormt de mate van objectief veiligheidsbeleid voor een buurt
(Appendix IV, tabel 7.27).
Voor een makkelijkere interpretatie bij de analyse is deze ontstane variabele verminderd met een score van (4),
waardoor de uiteindelijke variabele verloopt van (0) weinig objectief veiligheidsbeleid tot (8,05) veel objectief
veiligheidsbeleid. Een rangorde van de ontstane beleidsschaal is terug te vinden in tabel 3.5. Deze beleidsschaal
is een continue variabele en kan in deze studie gezien worden als een buurtkenmerk, dat niet varieert over de
twee meetmomenten (Appendix III, tabel 7.25). In figuur 3.1 is de scoreverdeling van het objectieve
veiligheidsbeleid per buurt weergegeven.
Figuur 3.1: Objectief veiligheidsbeleid per buurt.
8,05
8,00
8
7,17
7,07
6,06
6,02
5,10
4,03
4
3,14
2,20
2,10
3,04
5,09
4,44
4,38
4,144,12
4,00 4,10
3,33
3,12 3,00
3,07 3,06
3,00 3,00
4,09
4,04
4,07
3,08 3,00
3,00
2,14
2,06
1,10
0,15
0,23
1,18
1,04
0,27
0,04
City
Jekerkwartier
Kommelkwartier
Statenkwartier
Boschstraatkwartier
St. Maartenspoort
Wyck
Villapark
Jekerdal
Biesland
Campagne
Wolder
St. Pieter
Brusselsepoort
Mariaberg
Belfort
Pottenberg
Malpertuis
Caberg
Oud Caberg
Malberg
Dousberg-Hazendans
Daalhof
Boschpoort
Boscscherveld
Frontenkwartier
Belvedere
Lanakerveld
Wyckerpoort
Heugemerveld
Wittevrouwenveld
Nazareth
Limmel
Scharn
Amby
Borgharen
Itteren
Meerssenhoven
Randwyck
Heugem
Heer
De Heeg
Vroendaal
0
30
LEGENDA
31
BELEIDBUURT
VIER DELING
AANDACHT BUURT
BELEIDSSCHAAL
In paragraaf 1.2 vraagstelling – tabel 1.1 – wordt een
Tabel 3.5: Objectief veiligheidsbeleid per buurt.
bivariate vorm van het objectieve veiligheidsbeleid
gebruikt, om de bivariate invloed van dit beleid op
veiligheidsbeleving weer te geven van 2008 en 2010. Er
wordt een tabel – 1.1 – weergegeven waarin het
objectieve veiligheidsbeleid opgesplitst is in vier
BUURT
0,00
0
0
categorieën. De eerste categorie aandachtsbuurten zijn Jekerdal
St. Pieter
0,04
0
0
de vier aandachtsbuurten van Maastricht, namelijk Villapark
0,15
0
0
Biesland
0,23
0
0
Limmel, Nazareth, Wittevrouwenveld en Wyckerpoort. Wolder
0,27
0
0
1,00
0
0
Deze buurten hebben, zoals in figuur 3.1 te zien is, de Campagne
Randwyck
1,04
0
0
hoogste
score
op
de
variabele
objectief Scharn
1,10
0
0
1,18
0
0
veiligheidsbeleid. Deze worden geoperationaliseerd als Heugem
Vroendaal
2,06
0
0
2,10
0
0
buurten waar het meeste objectieve veiligheidsbeleid Kommelkwartier
St. Maartenspoort
2,14
0
0
uitgevoerd is. Deze buurten hebben een score verloop Statenkwartier
2,20
0
0
3,00
0
0
van (7) tot (8,05) en worden gecodeerd als Frontenkwartier
Belvedere
3,00
0
0
3,00
0
0
aandachtsbuurt. Voor deze codering is gekozen omdat Lanakerveld
Itteren
3,00
0
0
deze overeen komt met de verdeling die de gemeente Meerssenhoven
3,00
0
0
3,04
0
0
hanteert. De andere drie categorieën zijn aan de hand Brusselsepoort
Dousberg-Hazendans
3,06
0
0
van het gemeente beleid en de score uit de Oud Caberg
3,07
0
0
Borgharen
3,08
0
0
beleidsschaal ingedeeld – zie figuur 3.5. Zo ontstaan de Boscscherveld
3,12
0
0
3,14
0
0
categorieën centrum (2), gsb-buurten (1) en gering (0). Jekerkwartier
Malpertuis
3,33
0
1
In tabel 3.5 is deze indeling af te lezen in de kolom Malberg
4,00
0
1
Boschstraatkwartier
4,03
0
1
vierdeling. De nieuwe categorie centrum is apart Heer
4,04
0
1
4,07
0
1
ingedeeld, omdat deze buurten niet behoren tot het Heugemerveld
De Heeg
4,09
0
1
gsb-beleid of het aandachtsbuurtenbeleid maar wel Daalhof
4,10
0
1
4,13
0
1
een dusdanig hoge score hebben op de beleidsschaal. Pottenberg
Belfort
4,14
0
1
De categorie gsb-buurten zijn buurten die een score op Caberg
4,38
0
1
4,44
0
1
de beleidsschaal hebben die gelijk is aan de score van Boschpoort
Amby
5,09
0
1
buurten die bij het gsb-beleid behoren.
Mariaberg
5,10
0
1
6,02
0
2
Bij de categorie gsb-buurten zitten, na vergelijking met City
Wyck
6,06
0
2
7,07
1
3
het beleid van de gemeente Maastricht, buurten die Wittevrouwenveld
Wyckerpoort
7,17
1
3
niet tot de gsb-buurten behoren. In de kolom Limmel
8,00
1
3
8,05
1
3
beleidbuurt, is de indeling van de vierdeling aangepast Nazareth
Gemiddelde
3,84
– in overleg met de gemeente Maastricht – door de
0
GEEN
GERING
1
WEL
GSB-BUURT
buurten die niet bij de categorie gsb-buurten (1)
1
GSB-SCORE
behoren te markeren als buurten met een gsb-score.
2
CENTRUM
Deze opdeling in vijf categorieën zal als toegift in de
3
AANDACHTSBUURT
bijlage (Appendix I, tabel 7.1 & tabel 7.2) worden
BRON: STADSDEELPROGRAMMA'S 2007
toegevoegd en meegenomen worden in de conclusies.
Zodoende kan het verschil tussen de gsb-buurten en buurten met een gsb-score – indien aanwezig – benadrukt
worden.
In de verdere analyse in deze studie zal gebruik gemaakt worden van het objectieve veiligheidsbeleid in de
vorm van de vierdeling. Er is voor deze indeling gekozen omdat deze ontstaan is vanuit de – berekende –
beleidsschaal.
Dit is de uiteindelijke variabele voor veiligheidsbeleid. Deze variabele is een buurtkenmerk die gelijk is op de
twee meetmomenten. Vanuit deze variabele – van de kolom beleidbuurt – zijn vier dummy variabelen
geconstrueerd, zodat de verschillende categorieën – vormen van veiligheidsbeleid – vergeleken kunnen
worden met de referentie categorie. Deze dummy variabelen worden in de analyse behandeld als dichotome
variabelen, waarbij de score (1) staat voor buurten die behoren tot de desbetreffende vorm van het objectieve
veiligheidsbeleid en de score (0) staat voor buurten die niet behoren tot deze vorm van beleid.
GENTRIFICATIE
De variabele gentrificatie is op een vergelijkbare manier vastgesteld als die van het objectieve veiligheidsbeleid.
Voor gentrificatie is gekeken wat er aan gentrificatiebeleid is uitgevoerd tussen de tijdstippen waarop de twee
buurtpeilingen plaatsvonden (Stadsdeelprogramma’s, 2008 & 2010). Alle buurten krijgen een score 0 in 2008.
De score voor 2010 wordt berekend aan de hand van het uitgevoerde beleid op het stadsdeel-, buurt- en
straatniveau. Voor deze variabele geldt ook dat er een score (1) per vorm van gentrificatiebeleid wordt
toegekend aan alle buurten die tot het desbetreffende stadsdeel behoren en een score (1) per vorm van
gentrificatiebeleid dat op buurtniveau is uitgevoerd. De score van het beleid dat is uitgevoerd in een straat van
een buurt is berekend aan de hand van het aantal straten in de buurt – waar het beleid is uitgevoerd – gedeeld
door het totaal aantal straten van deze buurt. Vervolgens zijn de scores van de drie verschillende niveaus
opgeteld en is er een gentrificatiescore ontstaan per buurt (Appendix IV, tabel 7.28).
Zodoende is er een score ontstaan die een verloop heeft van (0) helemaal geen gentrificatie, de score voor het
jaar 2008, en (2,21) weinig gentrificatie tot (9,1) veel gentrificatie. De variabele gentrificatie wordt in de
analyse behandeld als een continu buurtkenmerk, dat varieert over de twee meetmomenten. Een
frequentieverdeling van de score per buurt op de variabele gentrificatie is toegevoegd aan de bijlage (Appendix
III, tabel 7.24). Onderstaand diagram in figuur 3.2 geeft de gentrificatiescore per buurt weer.
Figuur 3.2: Gentrificatie per buurt.
9,14
8
8,16
7,20
6,44
4,24
3,12
0
4,09
3,18
5,30
4,234,04
3,06
4,16
3,03
4,44
3,20
4,194,09
3,10
3,11
4,00
3,093,00
6,156,18
6,06
5,07
4,004,054,00
4,11
3,00
2,50
2,06
City
Jekerkwartier
Kommelkwartier
Statenkwartier
Boschstraatkwartier
St. Maartenspoort
Wyck
Villapark
Jekerdal
Biesland
Campagne
Wolder
St. Pieter
Brusselsepoort
Mariaberg
Belfort
Pottenberg
Malpertuis
Caberg
Oud Caberg
Malberg
Dousberg-…
Daalhof
Boschpoort
Boscscherveld
Frontenkwartier
Belvedere
Lanakerveld
Wyckerpoort
Heugemerveld
Wittevrouwenveld
Nazareth
Limmel
Scharn
Amby
Beatrixhaven
Borgharen
Itteren
Meerssenhoven
Randwyck
Heugem
Heer
De Heeg
Vroendaal
2,21
2,24
6,20
5,10
5,00
4
7,097,19
32
In de inleiding 1.2 vraagstelling – tabel 1.2 – wordt een tweedeling van gentrificatie gebruikt, om de bivariate
samenhang van gentrificatie op veiligheidsbeleving weer te geven. In de tabel is gentrificatie opgesplitst in
twee categorieën, om het verschil tussen veel en weinig gentrificatie te analyseren. Gentrificatie is opgesplitst
door een grens te trekken bij vijftig procent van de buurten. Zodoende heeft de categorie weinig een verloop
van (0) tot (4,23) en de categorie veel een verloop van (4,23) tot (9,15). In de analyses die zullen volgen in deze
studie zal gentrificatie meegenomen worden als een continue variabele, die varieert over de twee
meetmomenten en gezien kan worden als een buurtkenmerk.
OVERLAST
De variabele overlast is gebaseerd op de overlastcijfers per buurt (Gemeente Maastricht, Objectieve
inbreukcijfers, 2009 & 2011). Binnen een buurt kunnen verschillende soorten overlast plaatsvinden. Overlast
wordt berekend aan de hand van het absolute cijfer van overlast gedeeld door de totale bevolking – per 31-122008 of 31-12-2010 – en te vermenigvuldigen met honderd. Hieruit volgt een gemiddelde score van overlast
per buurt. De variabele kan voor het verdere verloop gezien worden als een buurtkenmerk variabele die
varieert door de tijd, met een continue verdeling (Appendix III, tabel 7.26).
VERLOEDERING
Het operationaliseren van het construct verloedering is gedaan aan de hand van de Integrale Buurtpeiling 2008
en 2010. Er is hiervoor gekozen omdat verloedering niet gemeten kan worden als een objectief aspect. Er is
bijvoorbeeld geen aangifte van verloedering bij de politie, etc. Zodoende is aan de hand van de volgende
vragen een schaalscore gemaakt: Kunt u voor elk van deze voorvallen aangeven of die naar uw eigen idee vaak,
soms of (bijna) nooit voorkomen? Voor verloedering is gekozen om de volgende voorvallen te hanteren:
Bekladding van muren en/of gebouwen, Rommel op straat, Hondenpoep op straat en Vernieling van
telefooncellen of bushokjes (Appendix II, tabel 7.11). Vervolgens zijn deze voorvallen verwerkt tot een
gemiddelde per buurt. Deze variabele heeft een score verloop die loopt van nul tot tien, waarbij een hogere
score een hogere mate van verloedering aangeeft. Ook voor deze variabele geldt dat het een buurtkenmerk is
dat varieert over de twee meetmomenten, met een continue verdeling (Appendix III, tabel 7.26).
CRIMINALITEIT
De variabele criminaliteit is gebaseerd op de daadwerkelijke criminaliteitscijfers per buurt (Gemeente
Maastricht, Objectieve inbreukcijfers, 2009 & 2011). Er kunnen in een buurt verschillende soorten criminaliteit
plaatsvinden. De absolute criminaliteitscijfers bestaan uit het absolute aantal delicten per Maastrichtse buurt.
Hierbij moet gedacht worden aan delicten als diefstal, geweld, inbraak, vandalisme en verkeersmeldingen. Zo
wordt het construct criminaliteit berekend aan de hand van het absolute cijfer per inbreukcategorie gedeeld
door de bevolking per buurt – per 31-12-2008 of 31-12-2010 – en te vermenigvuldigen met honderd. In het
geval van inbraak wordt het absolute cijfer gerelateerd aan de gemiddelde woningvoorraad. De ontstane
scores per inbreukcategorie worden opgeteld en gecodeerd tot één continue variabele voor criminaliteit, zodat
de totale criminaliteit per buurt samengevoegd is. De buurtkenmerkvariabele die de totale criminaliteit meet,
laat een procentuele criminaliteitsscore zien, waarbij deze varieert over de twee meetmomenten. In tabel 3.6
is af te lezen dat er bij deze variabele van criminaliteit een maximale score is van 134,3. Deze is ontstaan
doordat in deze buurt van Maastricht meer meldingen van criminaliteit plaatsvinden dan mensen wonen
(Appendix III, tabel 7.26). De maximale score is achterhaald zonder de buurt Beatrixhaven mee te nemen in de
berekening. Deze buurt bestaat uit industrieterrein, dat door de afwezigheid van bewoners een hoge
criminaliteitsscore toebedeelt krijgt.
33
VARIABELEN OVERZICHT
Tabel 3.6 geeft een overzicht van alle variabelen samen. Dit houdt in dat voor alle variabelen het bereik, de
gemiddelde score, het aantal respondenten/buurten en de standaardafwijking per jaar is weergegeven.
Tabel 3.6: Overzicht onafhankelijke en afhankelijke variabelen.
Buurt kenmerken
Individuele kenmerken
Veiligheidsbeleving
Risicoperceptie
Vermogensdelicten
Geweldsdelicten
Overlast
Geslacht
Leeftijd
Opleidingsniveau
Inkomen (huishouden)
Slachtoffer
Politiecontact
Aandacht gemeente
Geperc. sociale cohesie
SE achterstand
Etnische heterogeniteit
Verhuismobiliteit
Inkomensheterogeniteit
Gentrificatie
Objectief veiligheidsbeleid
Overlast
Geperc. Verloedering
Criminaliteit
MINIMUM
MAXIMUM
2008
GEMIDDELDE
N
S.D.
2010
GEMIDDELDE
N
S.D.
0,00
3,00
2,14
9402
0,8
2,12
9408
0,8
0,00
0,00
0,00
0,00
18
1
1
0,00
0,00
0,00
1,00
0,00
0,18
3,24
0,00
0,00
0,00
0
0
3,3
2,00
2,00
2,00
1,00
98
6
8
11,00
2,00
2,00
5,00
16,30
0,47
47,30
0,84
9,00
8,05
9,6
9,8
134,3
0,88
0,34
0,79
0,52
48,19
4,36
5,47
0,83
0,49
0,35
3,42
8,31
0,35
13,77
0,65
0,00
3,83
1,57
7,77
13,84
7949
7820
9160
9662
9645
9280
7796
9257
5338
6238
8862
42
42
42
42
42
42
42
42
42
0,5
0,5
0,5
0,5
17,9
1,7
1,9
1,1
0,7
0,5
0,7
3,5
0,1
6,5
0,0
0,0
2,0
0,9
0,6
11,5
0,83
0,37
0,79
0,53
47,92
4,50
5,57
0,93
0,56
0,29
3,46
8,40
0,37
14,96
0,65
4,90
3,84
2,75
4,59
13,25
8117
8130
9296
9660
9653
9443
7812
9254
5033
6194
9080
42
42
42
42
42
42
42
42
42
0,5
0,5
0,5
0,5
17,9
1,6
1,8
1,6
0,8
0,5
0,7
3,5
0,1
8,5
0,1
1,7
2,0
1,8
0,9
10,9
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
34
MULTILEVELANALYSE
Deze studie heeft als doel het effect van (veiligheids-) beleid op de veiligheidsbeleving van buurtbewoners in
Maastricht te meten. Daarnaast wordt in de analyse rekening gehouden met individuele en contextuele
factoren die ook van invloed zijn op de veiligheidsbeleving. Om deze meting uit te voeren is er voor een
multilevel analyse met cross-sectionele opzet gekozen. Met een cross-sectionele analyse kunnen groepen
binnen een populatie in bepaalde tijdsaspecten vergeleken worden.
Het basis idee dat geprobeerd wordt te achterhalen, is het verschil in het effect van beleid. Aangezien beleid op
zichzelf een vaag begrip is en de uitvoering over een grote tijdsperiode plaatsvindt, wordt het beleid dat
onderzocht wordt in dit onderzoek gezien als uitgevoerd beleid. Het beleid dat gemeten wordt, is al eerder in
de praktijk uitgevoerd en heeft per buurt over de twee te meten jaren dezelfde score. Er zal dan ook gekeken
worden of het beleid in de tijdsperiode van 2008 tot en met 2010 een sterkere invloed heeft gekregen. Dit
gebeurt door de jaren te vergelijken waarin het beleid lopende is. Het onderstaande model is hiervan een
schematische weergave.
Figuur 4.1: Veiligheidsbeleving bij succesvol beleid (cross-sectionele opzet).
Weinig beleid
Veel beleid
+
-/+
-
2008
2010
+
-
+
-/+
Hoog veiligheidsgevoel
Midden veiligheidsgevoel
Laag veiligheidsgevoel
In figuur 4.1 is de verwachte verandering in veiligheidsbeleving weergegeven, indien het gevoerde beleid
succesvol is. Er is voor deze opzet gekozen, omdat zo het effect van jaar achterhaald kan worden. Indien er een
analyse plaats zou vinden voor één enkel jaar en men voelt zich in buurten met weinig beleid veiliger dan in
buurten met veel beleid, zoals in figuur 4.1 bij 2010 af te lezen is, zou men concluderen dat het beleid geen
effect heeft gehad. Er wordt nou eenmaal meer veiligheidsbeleid gevoerd in de buurten waar de situatie er op
het gebied van de veiligheid van de buurtbewoners er het slechtste voorstaat. Wordt er gekeken naar een
langere periode – in de studie de periode van 2008 tot en met 2010 – dan kan er voor de buurten waar veel
beleid is uitgevoerd een positief effect van dit beleid gevonden worden, terwijl dit effect niet aanwezig hoeft te
zijn in de buurten waar weinig beleid is uitgevoerd. Deze verwachting is in figuur 4.1 weergegeven.
In de inleiding – tabel 1.1 – van deze studie bleek het tegengestelde van de bovenstaande verwachting. Juist bij
de buurten waar veel beleid is uitgevoerd, is sprake van een daling, indien de veiligheidsbeleving van 2010 met
2008 vergeleken wordt. Hieruit zou opgemaakt kunnen worden dat de buurten, als de aandachtsbuurten, qua
veiligheidsbeleving door de tijd heen achteruit zijn gegaan. Wellicht was de situatie zonder het beleid nog
slechter geweest in 2010. De vraag is daarom; Is deze tendens van achteruitgang – van een laag
veiligheidsgevoel in 2008 naar een nog lager veiligheidsgevoel in 2010 – nog aanwezig als er rekening
gehouden wordt met andere factoren. Daarom worden alle individuele of contextuele kenmerken die van
invloed kunnen zijn op de risicoperceptie of veiligheidsbeleving toegevoegd aan de analyse, zodat met deze
aspecten rekening wordt gehouden bij het analyseren.
Wanneer wordt er in deze studie gesproken van een effectief beleid? Er wordt gesproken van een effectief
beleid indien de verandering in de buurten waar meer beleid wordt uitgevoerd – ten opzichte van de buurten
met het minste beleid – significant is, de juiste richting heeft en groter is dan in de buurten met het minste
beleid. Dit zal gecontroleerd worden door de vormen van beleid in de analyse mee te nemen als dummy
variabelen.
In deze studie wordt gebruik gemaakt van geneste data, namelijk bewoners binnen buurten. Het is hierbij van
belang dat er rekening gehouden wordt met een mogelijke aanwezigheid van correlatie van veiligheidsgevoel
binnen dezelfde buurt. Daarom zal er een multilevel analyse uitgevoerd worden. Een multilevel analyse heeft
de voorkeur omdat het probleem – de veiligheidsbeleving – dat onderzocht wordt namelijk met meerdere,
35
elkaar wederkerig beïnvloedende lagen in de samenleving te maken heeft (Eisinga, 2008): de buurt waarin
iemand woont kan van invloed zijn op de veiligheidsbeleving. Hier zal in het onderzoek rekening mee gehouden
moeten worden.
MODELLEN
In de analyse van deze studie worden vier afhankelijke variabelen onderzocht, namelijk risicoperceptie van
vermogensdelicten, risicoperceptie van geweldsdelicten, risicoperceptie van overlast en veiligheidsbeleving.
Voor deze afhankelijke variabelen zijn modellen van onafhankelijke variabelen geconstrueerd die meegenomen
worden in de analyse. De drie vormen van risicoperceptie en veiligheidsbeleving zullen ieder een analyse
hebben bestaande uit de onderstaande modellen.
NULMODEL
Dit eerste model is een model zonder predictoren. Het heeft alleen een intercept wat geschat kan worden, de
variantie van het intercept over de Maastrichtse buurten en de variantie van de waarnemingen over bewoners
binnen de buurten. Het nulmodel meet de variantie over buurten. Dit model kan aantonen dat er een verschil
is binnen en/of tussen buurten.
MODEL 1
Het vorige model kan aantonen of er variantie is binnen en/of tussen buurten. Nu wordt aangenomen dat deze
variantie binnen en/of tussen buurten te verklaren is door de individuele en contextuele aspecten, die naast de
twee vormen van beleid, invloed uitoefenen op de risicoperceptie en veiligheidsbeleving van de bewoners.
MODEL 2
In dit model wordt de eerste vorm van beleid toegevoegd, namelijk gentrificatie. Dit model zal dus aantonen of
gentrificatie een al dan niet positieve of negatieve invloed heeft op de risicoperceptie of veiligheidsbeleving,
gecontroleerd voor de verschillende individuele en contextuele aspecten.
MODEL 3
Vervolgens worden de dummy variabelen van het objectieve veiligheidsbeleid toegevoegd en de variabele jaar.
Zodoende kan gekeken worden of het uitgevoerde objectieve veiligheidsbeleid een positief of negatief effect
heeft op de risicoperceptie en veiligheidsbeleving van de inwoners van Maastricht, gecontroleerd voor de
kenmerken van de buurten en gentrificatie. Vanuit de hypothesen wordt verwacht dat het objectieve
veiligheidsbeleid een negatieve invloed heeft op de risicoperceptie en een positieve invloed heeft op de
veiligheidsbeleving. De variabele jaar laat zien of er een verschil is tussen de twee meetmomenten.
MODEL 4
De volgende stap is het achterhalen of het effect van het gevoerde objectieve veiligheidsbeleid door de tijd
heen is toegenomen. Om het effect van het objectieve veiligheidsbeleid te achterhalen, wordt een interactie
tussen jaar en dit beleid gemaakt. Zodoende kan gekeken worden of het effect van jaar anders is voor buurten
met verschillende maten van veiligheidsbeleid, zoals besproken in het schema in figuur 4.1. Het is aannemelijk
dat ingevoerd beleid niet op het moment van invoeren effect heeft op de ervaringen van de buurtbewoners.
Een bewoner zal zich niet van de ene op de andere dag veiliger voelen of een lagere risicoperceptie hebben. Dit
veranderingsproces heeft tijd nodig. Er wordt verwacht dat het tijdseffect sterker is voor buurten met veel
objectief veiligheidsbeleid dan buurten met weinig objectief veiligheidsbeleid.
36
4
RESULTATEN
De resultaten worden per afhankelijke variabele weergegeven in een tabel. Dit houdt in dat de vijf
bovenstaande modellen samen weergegeven zijn, zodat de veranderingen door het toevoegen van
onafhankelijke variabele(n) overzichtelijk af te lezen is.
Bij de resultaten van deze studie wordt allereerst gekeken naar de invloed van de individuele en contextuele
kenmerken op risicoperceptie. Risicoperceptie is, zoals gebleken bij de operationalisatie van deze, verwerkt tot
drie aparte variabelen. Deze drie zullen allen apart als afhankelijke variabele geanalyseerd worden. Vervolgens
wordt de veiligheidsbeleving besproken.
Als eerste is het nulmodel weergegeven. Deze is interessant omdat hieruit duidelijk wordt of er sprake is van
homogeniteit van buurtbewoners binnen buurten. Dit kan berekend worden aan de hand van de intraklasse
5
correlatie .
Daarnaast kan dit nulmodel vergeleken worden met de daarop volgende modellen, die wel voorzien zijn van
onafhankelijke variabelen. Indien het model inclusief onafhankelijke variabelen een beter fit heeft ten aanzien
van het nulmodel, geeft dit aan dat het model inclusief de onafhankelijke variabelen een beter model is voor
het toetsen van de onafhankelijke variabele, dan het nulmodel. De fit van het model wordt bepaald door de -2
loglikelihoodscore die onder model fit is weergegeven. De absolute waarde van deze -2 loglikelihoodscore
heeft op zichzelf niet veel betekenis. De basis gedachte hierbij is: hoe lager de score, des te beter het model
past.
In de tabel zijn onder de categorie random effect de variantie op het eerste en twee niveau weergegeven als
random effect respondent en buurten. Het random effect respondent staat voor de variantie op het individuele
level, ofwel de variantie binnen buurten. Buurten staat voor de variantie op het buurtniveau, ofwel de variantie
tussen buurten.
2 6
Als laatste is het interessant te kijken naar de verklaarde variantie (R ) van de modellen. Dit is de eenheid voor
de mate waarin een model de werkelijke data benadert. Deze zal per afhankelijke variabele apart benoemd
worden.
RISICOPERCEPTIE VAN VERMOGENSDELICTEN
In tabel 4.1 geeft het nulmodel weer dat er een significant verschil in variantie is tussen buurten. De
risicoperceptie van vermogensdelicten wordt voor 11 procent verklaard door het buurtniveau. Wanneer in
model 1 de individuele kenmerken, gepercipieerd beleid en buurtkenmerk variabelen worden toegevoegd aan
het random intercept neemt de variatie tussen buurten af naar 4,5 procent. Dit geldt ook voor de daarop
volgende modellen. De proportie verklaarde variantie voor level 1 van model 1 tot en met model 4 bevinden
zich rond de .14 en voor level 2 liggen deze rond de .7.
5
De intraklasse correlatie (ICC) is een coëfficient die de mate van gelijkenis tussen de bewoners in een buurt weergeeft, ofwel een maat
voor de homogeniteit van bewoners binnen buurten. Deze kan een score van nul tot één hebben. Een score van nul geeft aan dat de
schaalvariantie zich voordoet tussen de individuen binnen de buurten. Een score van één geeft aan dat de schaalvariantie zich voordoet
tussen de buurten. Berekend aan de hand van de volgende formule: ICC : σ2uo / (σ2uo + σ2e)
6
Om de proportie verklaarde variantie te bereken wordt in een multilevel model uit gegaan van een verklaarde variantie per niveau. Voor
het individuele niveau wordt er gebruik gemaakt van de variantie op het eerste niveau (σ2e) – terug te vinden bij random effect respondent
in de tabellen – van zowel het nulmodel als het nieuwe model. Voor de berekening van de proportie verklaarde variantie op het tweede
niveau, het buurtniveau, wordt gebruik gemaakt van buurten (σ2uo) in het nieuwe en nulmodel. Het berekende coefficient van de proportie
verklaarde variantie varieert tussen nul en één. Deze berekende R2 score is een maat voor de afname van de onverklaarde variantie als
gevolg van het toevoegen van één of meerdere variabelen aan het nulmodel. Een hoge score geeft aan dat de door het model voorspelde
waarden overeenstemmen met de reele waarden (R2=1) en vise versa. De proportie verklaarde variantie per niveau kan berekend worden
aan de hand van de volgende formules:
R12 = (σ2e nulmodel - σ2e nieuwmodel) / σ2e nulmodel = proportie verklaarde variantie niveau 1.
R22 = (σ2uo nulmodel - σ2uo nieuwmodel) / σ2uo nulmodel = proportie verklaarde variantie niveau 2.
37
Tabel 4.1: Coëfficiënten van multilevel regressie analyse, afhankelijke Risicoperceptie Vermogensdelicten.
NULMODEL
Individuele kenmerken
FIXED EFFECTS
Intercept
***
-
Objectieve
veiligheidsbeleid
SE achterstand
Etnische heterogeniteit
Verhuismobiliteit
Inkomensheterogeniteit
Overlast
Verloedering
Criminaliteit
Gentrificatie
Overige buurten (ref.)
Gsb-buurten
Centrum
Aandachtsbuurten
Overige*jaar (ref.)
Gsb-buurten*jaar
Centrum*jaar
Aandachtsbuurten*jaar
Jaar
RANDOM EFFECTS
Random effect respondent (σ2e)
Buurten (σ2uo)
MODEL FIT
-2 Log Likelihood
Buurtkenmerken
0,831
Geslacht
Leeftijd
Opleiding
Financieel
Slachtoffer
Contact politie
Betrokkenheid gemeente
Gepercipieerde sociale cohesie
MODEL 1
0,625
0,079
-0,000
-0,020
-0,008
0,103
0,029
-0,165
-0,052
**
***
***
***
**
***
***
-
0,022 **
-0,242
0,009 ***
0,186
-0,003
0,017 ***
0,002
0,262 ***
0,033 ***
0,214 ***
0,010 ***
25327,86
-
7201,83
MODEL 2
MODEL 3
MODEL 4
0,641 ***
0,079 ***
-0,000
-0,020 ***
-0,008
0,103 ***
0,029 ***
-0,165 ***
-0,052 ***
0,703 ***
0,079 ***
-0,000
-0,020 ***
-0,008
0,103 ***
0,028 **
-0,165 ***
-0,051 ***
0,740 *
0,080 ***
-0,000
-0,020 ***
-0,008
0,103 ***
0,028 **
-0,165 ***
-0,050 ***
0,022 **
-0,225
0,008 **
0,191
-0,002
0,014 *
0,002
-0,003
0,004
0,260
0,007 **
0,117
-0,001
0,005
0,001
-0,004
0,002
0,336
0,008 **
0,128
-0,003
-0,002
0,001
-0,003
0,214 ***
0,010 ***
7201,52
(ref.)
(ref.)
0,072
0,073
0,051
0,049
0,226 ***
0,215 **
(ref.)
0,018
-0,020
0,071
-0,075
-0,07
0,214 ***
0,006 ***
7188,07
0,214 ***
0,007 ***
7186,79
(N) 5726
SIGNIFICANTIE: P < .05 = *, P < .01 = **, P < .001 = ***
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
Indien de individuele kenmerken, gepercipieerd beleid en buurtkenmerken worden toegevoegd – model 1 – is
af te lezen dat vrouwen een significant hogere risicoperceptie van vermogensdelicten hebben dan mannen en
dat naarmate het opleidingsniveau toeneemt de risicoperceptie in vermogensdelicten afneemt. Naarmate
bewoners van Maastricht aangeven in de twaalf maanden voor het invullen van de desbetreffende enquête
vaker een vorm van slachtofferschap te zijn ondergaan, schatten zij de kans op vermogensdelicten hoger in.
Indien de politie in een buurt contact heeft met de bewoners vergroot dit de risicoperceptie ten opzichte van
buurten waar de politie dit niet heeft. Als de perceptie van de mate van betrokkenheid van de gemeente in de
buurt toeneemt, heeft dit als effect dat de risicoperceptie afneemt. Indien de bewoners meer sociale cohesie in
hun buurt ervaren, zorgt dit ervoor dat de risicoperceptie van vermogensdelicten afneemt. Als er in een buurt
sprake is van sociaaleconomische achterstand resulteert dit in een hogere risicoperceptie dan in buurten waar
hier geen sprake van is. Als de verhuismobiliteit toeneemt, leidt dit er toe dat de risicoperceptie van
vermogensdelicten toeneemt. Als er in een buurt verloedering plaatsvindt, resulteert dit in een door de
bewoners hogere ervaren kans van vermogensdelicten.
In model 2 is de eerste vorm van beleid toegevoegd aan de analyse, namelijk gentrificatie. Deze heeft geen
effect op de risicoperceptie van vermogensdelicten.
38
Vervolgens worden in model 3 de dummy variabelen van het objectieve veiligheidsbeleid en de variabele jaar
toegevoegd. Af te lezen is dat het aandachtsbuurtenbeleid hoger scoort op de variabele risicoperceptie van
vermogensdelicten, ten opzichte van de categorie overige buurten. Dit houdt in dat de bewoners van deze
buurten, waar meer objectief veiligheidsbeleid wordt toegepast dan in de buurten die onder de overige
buurten vallen, de kans hoger inschatten om slachtoffer te worden van vermogensdelicten.
Te zien in model 4 is dat de hoofdeffecten, die staan voor 2008, alle hoger scoren dan de referentiecategorie.
In 2008 geldt dat de bewoners waar het objectieve veiligheidsbeleid onder de aandachtsbuurten valt, de kans
om slachtoffer te worden van vermogensdelicten significant hoger inschatten dan in de buurten waar het
veiligheidsbeleid voor overige buurten wordt toegepast.
Het effect van jaar (-0,075) is voor geen van de buurten significant afwijkend van de referentiecategorie. De
buurten waar het gsb-beleid of het aandachtsbuurtenbeleid uitgevoerd wordt, laten zelfs een kleinere daling
zien dan de referentiecategorie, respectievelijk (-0,075 + 0,018 = -0,057) en (-0,075 + 0,071 = -0,004). De daling
van de gsb-buurten is minder sterk dan de referentiecategorie, maar zou significant kunnen zijn. Dit is geen
gevolg van het beleid. De buurten waar het centrumbeleid wordt toegepast laten een sterkere daling (-0,075 +
-0,020 = -0,095) zien dan de referentiecategorie.
Indien de referentiecategorieën worden doorgewisseld laat het effect van jaar zien of de verandering van de
beleidsvormen tussen 2008 en 2010 significant zijn. Voor alle drie de vormen van beleid – gsb-buurten,
centrum en aandachtsbuurten – is de verandering in de juiste richting, alleen is geen enkele verandering
significant.
RISICOPERCEPTIE VAN GEWELDSDELICTEN
Net als de voorgaande afhankelijke variabele, geldt voor risicoperceptie van geweldsdelicten dat er een
significant verschil in variantie tussen buurten is. Zo wordt 20 procent van de risicoperceptie van
geweldsdelicten verklaard door het buurtniveau. Ook geldt hier dat de intraklasse correlatie sterk afneemt als
de predictoren worden toegevoegd. De proportie verklaarde variantie voor level 1 van model 1 tot en met
model 4 bevinden zich rond de .08 en voor level 2 liggen deze rond de .79.
Gekeken naar de risicoperceptie van geweldsdelicten schatten vrouwen de kans significant hoger in om
slachtoffer te worden van geweldsdelicten, ten opzichte van mannen. Naarmate het huishoudelijke inkomen
hoger wordt neemt de risicoperceptie af. Naarmate mensen in de twaalf maanden voor het invullen van de
enquête vaker slachtoffer van een delict zijn geworden, schatten zij de kans op het slachtoffer worden van een
geweldsdelict significant hoger in. Indien de bewoners ervaren dat de politie in een buurt meer contact heeft
gehad met de bewoners stijgt de risicoperceptie significant en indien de bewoners ervaren dat de gemeente
meer betrokkenheid toont in de buurt daalt de risicoperceptie significant. Als de bewoners in een buurt meer
sociale cohesie ervaren heeft dit een significant en negatief effect op risicoperceptie van geweldsdelicten. In
buurten waar sprake is van sociaaleconomische achterstand neemt de risicoperceptie toe, ten aanzien van
buurten waar dit niet het geval is. Als er in een buurt meer verhuizingen plaatsvinden, heeft dit een significant
en positief effect op de risicoperceptie. Indien er in buurten meer criminaliteit is, heeft dit als gevolg dat
risicoperceptie van geweldsdelicten groter is.
Vervolgens worden in model 3 de dummy variabelen van het objectieve veiligheidsbeleid en de variabele jaar
toegevoegd. Af te lezen is dat de gsb-buurten en de aandachtsbuurten hoger scoren op de variabele
risicoperceptie van geweldsdelicten, ten opzichte van de categorie overige buurten. Dit houdt in dat de
bewoners van deze buurten, waar meer objectief veiligheidsbeleid wordt toegepast dan in de buurten die
onder de overige buurten vallen, de risicoperceptie van geweldsdelicten hoger is.
39
Tabel 4.2: Coëfficiënten van multilevel regressie analyse, afhankelijke Risicoperceptie Geweldsdelicten.
Individuele kenmerken
FIXED EFFECTS
Intercept
Geslacht
Leeftijd
Opleiding
Financieel
Slachtoffer
Contact politie
Betrokkenheid gemeente
Gepercipieerde sociale cohesie
Objectief
veiligheidsbeleid
Buurtkenmerken
SE achterstand
Etnische heterogeniteit
Verhuismobiliteit
Inkomensheterogeniteit
Overlast
Verloedering
Criminaliteit
Gentrificatie
Overige buurten (ref.)
Gsb-buurten
Centrum
Aandachtsbuurten
Overige*jaar (ref.)
Gsb-buurten*jaar
Centrum*jaar
Aandachtsbuurten*jaar
Jaar
RANDOM EFFECTS
Random effect respondent (σ2e)
Buurten (σ2uo)
MODEL FIT
-2 Log Likelihood
NULMODEL
MODEL 1
MODEL 2
MODEL 3
MODEL 4
0,339 ***
-
0,460 **
0,042 ***
0,000
-0,003
-0,012 ***
0,079 ***
0,052 ***
-0,136 ***
-0,098 ***
0,436 **
0,042 ***
0,000
-0,003
-0,012 ***
0,079 ***
0,051 ***
-0,135 ***
-0,098 ***
0,421 **
0,043 ***
0,000
-0,002
-0,012 ***
0,079 ***
0,052 ***
-0,135 ***
-0,098 ***
0,533 **
0,042 ***
0,000
-0,002
-0,012 ***
0,079 ***
0,051 ***
-0,134 ***
-0,098 ***
-
0,019 **
0,162
0,006 **
-0,096
0,005
-0,005
0,003 *
-
0,020 **
0,141
0,006 **
-0,102
0,002
-0,000
0,003 *
0,003
0,009
0,210
0,006 *
-0,167
0,002
-0,007
0,003 *
-0,003
0,007
0,316
0,007 **
-0,278
0,003
-0,001
0,002
-0,007
0,176 ***
0,007 ***
0,176 ***
0,007 ***
0,184 ***
0,034 ***
19223,90
6086,43
-
6085,59
(ref.)
0,100 *
0,024
0,125 *
0,065
0,176 ***
0,006 ***
6077,88
(ref.)
0,079
0,060
0,128 *
(ref.)
0,063 *
-0,072
0,015
0,023
0,176 ***
0,005 **
6068,94
(N) 5693
SIGNIFICANTIE: P < .05 = *, P < .01 = **, P < .001 = ***
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
De hoofdeffecten in model 4 laten zien dat de risicoperceptie van geweldsdelicten in 2008 voor de
aandachtsbuurten significant hoger is dan voor de buurten waar het objectieve veiligheidsbeleid voor overige
buurten wordt toegepast.
De interactie-effecten laten zien dat er bij de gsb-buurten en de aandachtsbuurten een grotere toename in de
risicoperceptie van geweldsdelicten is. In de gsb-buurten is het effect van jaar (0,063 + 0,023 = 0,086)
significant hoger dan het effect van jaar voor de buurten waar het objectieve veiligheidsbeleid voor overige
buurten wordt toegepast. In de gsb-buurten is de risicoperceptie van geweldsdelicten meer gestegen dan in de
overige buurten. Wat aangeeft dat het veiligheidsbeleid hier niet effectief is. Voor zowel de gsb-buurten als
voor de aandachtsbuurten is de verandering in de verkeerde richting. Daarnaast is de risicoperceptie van
geweldsdelicten in de gsb-buurten significant gestegen tussen 2008 en 2010. In de buurten met de andere
vormen – overige, centrum, aandachtsbuurten – van het objectieve veiligheidsbeleid is er geen sprake van een
significante verandering tussen 2008 en 2010. In de buurten waar het centrumbeleid wordt toegepast is sprake
van een verandering in de juiste richting (0,023 + -0,072 = -0,049). In deze buurten is sprake van een afname
van de risicoperceptie van geweldsdelicten. Deze afname is echter niet significant.
40
RISICOPERCEPTIE VAN OVERLAST
Het nulmodel in tabel 4.3 laat zien dat er een significant verschil in variantie tussen buurten is. Ongeveer 27
procent van de risicoperceptie van overlast wordt verklaard door het buurtniveau. De proportie verklaarde
variantie van de modellen in onderstaande tabel zijn voor level 1 ongeveer 5 procent en voor level 2 liggen
deze rond de .91.
Tabel 4.3: Coëfficiënten van multilevel regressie analyse, afhankelijke Risicoperceptie Overlast.
Individuele kenmerken
FIXED EFFECTS
Intercept
Geslacht
Leeftijd
Opleiding
Financieel
Slachtoffer
Contact politie
Betrokkenheid gemeente
Gepercipieerde sociale cohesie
MODEL 1
MODEL 2
MODEL 3
MODEL 4
0,763 ***
0,631 ***
0,045 ***
0,000
-0,001
0,001
0,050 ***
0,045 ***
-0,216 ***
-0,136 ***
0,674 ***
0,044 ***
0,000
-0,001
0,001
0,050 ***
0,045 ***
-0,217 ***
-0,136 ***
0,707 ***
0,045 ***
0,000
-0,000
0,001
0,051 ***
0,046 ***
-0,218 ***
-0,135 ***
0,919 ***
0,044 ***
0,000
-0,001
0,000
0,051 ***
0,045 ***
-0,217 ***
-0,134 ***
0,022
0,689
0,011
0,020
0,003
0,008
0,001
0,022
0,716
0,011
0,035
0,007
0,000
0,001
-0,007
0,016
0,724
0,011
-0,004
0,011
-0,001
0,001
-0,005
0,011
0,863
0,013
-0,221
0,017
-0,014
-0,001
-0,013
-
Objectieve
veiligheidsbeleid
Buurtkenmerken
SE achterstand
Etnische heterogeniteit
Verhuismobiliteit
Inkomensheterogeniteit
Overlast
Verloedering
Criminaliteit
Gentrificatie
Overige buurten (ref.)
Gsb-buurten
Centrum
Aandachtsbuurten
Overige*jaar (ref.)
Gsb-buurten*jaar
Centrum*jaar
Aandachtsbuurten*jaar
Jaar
RANDOM EFFECTS
Random effect respondent (σ2e)
Buurten (σ2uo)
MODEL FIT
-2 Log Likelihood
NULMODEL
*
-
0,207 ***
0,054 ***
24574,42
***
*
***
0,175 ***
0,005 ***
6517,27
***
*
***
*
0,175 ***
0,005 ***
6514,24
*
*
***
*
***
*
*
(ref.)
0,080 **
0,099
0,033
**
(ref.)
0,057
0,196 **
0,045
-0,020
(ref.)
0,091 **
-0,200 ***
0,038
0,175 ***
0,004 **
6506,12
-0,061
0,175 ***
0,004 **
6470,76
(N) 6128
SIGNIFICANTIE: P < .05 = *, P < .01 = **, P < .001 = ***
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
Model 1 geeft aan dat vrouwen een significant hogere risicoperceptie van overlast ervaren ten aanzien van de
risicoperceptie van mannen. Indien een persoon slachtoffer is geworden van een delict, de twaalf maanden
voor het invullen van de enquête, schat deze de kans significant hoger in om slachtoffer te worden van overlast
ten opzichte van personen die geen slachtoffer geworden zijn. Indien de perceptie van contact van de politie in
een buurt toeneemt, resulteert dit in een significant hogere risicoperceptie van overlast. Als de buurtbewoners
meer betrokkenheid van de gemeente ervaren, heeft dit een negatief effect op de risicoperceptie van overlast.
Naarmate de gepercipieerde sociale cohesie toeneemt, resulteert dit in een significant lagere risicoperceptie
van overlast. In buurten waar sprake is van een sociaaleconomische achterstand, meer etnische heterogeniteit,
een hogere verhuismobiliteit of meer verloedering is een significant hogere risicoperceptie van overlast.
41
Indien gentrificatie toegevoegd wordt aan het model geeft dit een kleine verandering op de significante
effecten van model 1. De invloed van verloedering op de risicoperceptie van overlast is niet meer significant en
het effect van gentrificatie wel. Naarmate er sprake is van meer gentrificatie neemt de risicoperceptie van
overlast af.
Model 3 laat het effect van de dummy variabelen van het objectieve veiligheidsbeleid en de variabele jaar zien.
Duidelijk wordt dat de gsb-buurten een hogere score hebben op de risicoperceptie van overlast, ten opzichte
van de referentie categorie.
Het hoofdeffect, weergegeven in model 4, laat zien dat in 2008 het centrum een significant hogere score heeft
op risicoperceptie van overlast, ten opzichte van de referentiecategorie. In de gsb-buurten is het effect van jaar
(0,091 + -0,061 = 0,03) significant hoger dan het effect van jaar voor de overige buurten. De risicoperceptie van
overlast is significant gestegen ten opzichte van de overige buurten. De verandering die het beleid in de gsbbuurten met zich meebrengt heeft een verkeerde richting. Het beleid is daarom niet effectief. Voor het
centrum geldt dat het effect van jaar (-0,200 + -0,061 = -0,261) significant lager is dan het effect van jaar voor
de overige buurten. In het centrum is de risicoperceptie van overlast lager ten opzichte van de overige buurten.
De verandering die in de centrumbuurten heeft plaatsgevonden is significant, in de juiste richting en groter dan
in de referentiecategorie. Het centrumbeleid is effectief geweest op de risicoperceptie van overlast. In de
aandachtbuurten is het effect van jaar (0,038 + -0,061 = -0,023) in de juiste richting. De verandering is niet
significant en niet groter dan de verandering van de referentiecategorie. Hierdoor wordt het beleid gezien als
niet effectief.
In 2008 liggen de buurten met het centrumbeleid nog significant boven de categorie overige. Dit is in 2010 niet
meer het geval. Deze verschuiving tussen 2008 en 2010 van (0,396) ten opzichte van de overige categorie is op
een schaal van (0) tot en met (3) aanzienlijk. Deze verandering is zowel in de juiste richting als significant. Het is
alleen niet zeker of deze verandering door het beleid is ontstaan. De veranderingen van de andere vormen van
het objectieve veiligheidsbeleid zijn niet significant.
42
VEILIGHEIDSBELEVING
In deze paragraaf wordt de invloed van de individuele kenmerken, buurtkenmerken en vormen van
risicoperceptie op de veiligheidsbeleving besproken. Het nulmodel in tabel 4.4 laat zien dat er sprake is van
variantie tussen buurten. De veiligheidsbeleving wordt voor ongeveer 10 procent verklaard door het
buurtniveau. De overige modellen hebben een proportie verklaarde variantie voor level 1 van om en nabij de
31 procent en voor level 2 liggen deze rond .89.
Tabel 4.4: Coëfficiënten van multilevel regressie analyse, afhankelijke Veiligheidsbeleving.
NULMODEL
Individuele kenmerken
FIXED EFFECTS
Intercept
Geslacht
Leeftijd
Opleiding
Financieel
Slachtoffer
Contact politie
Betrokkenheid gemeente
Gepercipieerde sociale cohesie
Risicoperceptie vermogensdelicten
Risicoperceptie geweldsdelicten
Risicoperceptie overlast
2,152
***
-
MODEL 2
MODEL 3
MODEL 4
2,519 ***
2,541 ***
2,453 ***
2,352 ***
-0,275
-0,005
0,045
0,009
-0,053
0,046
0,114
0,085
-0,122
-0,530
-0,263
-0,275
-0,005
0,045
0,009
-0,053
0,046
0,114
0,085
-0,121
-0,530
-0,263
-0,274
-0,005
0,046
0,008
-0,053
0,047
0,113
0,085
-0,119
-0,534
-0,262
-0,274
-0,005
0,046
0,008
-0,053
0,048
0,112
0,085
-0,120
-0,533
-0,260
***
***
***
***
***
***
***
***
***
***
-0,003
-0,184
0,005
0,136
-0,043 ***
-0,009
-0,001
-
Objectieve
veiligheidsbeleid
Buurtkenmerken
SE achterstand
Etnische heterogeniteit
Verhuismobiliteit
Inkomensheterogeniteit
Overlast
Verloedering
Criminaliteit
Gentrificatie
Overige buurten(ref.)
Gsb-buurten
Centrum
Aandachtsbuurten
Overige*jaar (ref.)
Gsb-buurten*jaar
Centrum*jaar
Aandachtsbuurten*jaar
Jaar
RANDOM EFFECTS
Random effect respondent (σ2e)
0,566 ***
Buurten (σ2uo)
0,065 ***
MODEL FIT
-2 Log Likelihood 44786,65
MODEL 1
0,374 ***
0,007 **
9415,61
(N) 5259
SIGNIFICANTIE: P < .05 = *, P < .01 = **, P < .001 = ***
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
43
***
***
***
***
***
***
***
***
***
***
-0,003
-0,179
0,005
0,143
-0,041 ***
-0,013
-0,001
-0,003
0,374 ***
0,007 **
9415,33
***
***
***
***
***
***
***
***
***
***
-0,006
-0,250
0,005
0,091
-0,049 ***
0,004
0,001
-0,017
(ref.)
0,062
-0,032
0,044
0,139
0,374 ***
0,007 *
9409,72
***
***
***
***
***
***
***
***
***
***
-0,004
-0,357
0,004
0,102
-0,049 ***
0,017
0,001
-0,010
(ref.)
0,085 *
-0,026
0,064
(ref.)
-0,069
0,006
-0,089
0,188 **
0,374 ***
0,006 *
9407,57
In de tabel is bij model 2 af te lezen dat vrouwen een significant lagere veiligheidsbeleving hebben dan
mannen, en dat naarmate mensen ouder worden de veiligheidsbeleving significant afneemt. Verder is te zien
dat naarmate het opleidingsniveau toeneemt, de veiligheidsbeleving significant toeneemt. Naarmate mensen
hebben aangegeven in het jaar voor het invullen van de enquête vaker slachtoffer van een delict te zijn
geworden hebben deze een significant lagere veiligheidsbeleving. Zowel het gepercipieerde contact van de
politie met de buurtbewoners als de ervaren betrokkenheid van de gemeente in de buurt heeft een significante
en positieve invloed op de veiligheidsbeleving. Naarmate de ervaren sociale cohesie binnen een buurt
toeneemt, resulteert dit in een significante toename in veiligheidsbeleving van de bewoners. Alle drie de
vormen van risicoperceptie hebben – indien deze zelf toenemen – een negatief effect op de
veiligheidsbeleving. Als de objectieve overlast in een buurt toeneemt, resulteert dit in een afname van de
veiligheidsbeleving.
In model 2 is gentrificatie toegevoegd. Deze heeft een negatief effect op de veiligheidsbeleving van de
bewoners. Dit effect is niet van significante invloed.
Model 3 geeft de effecten van de dummy variabele van veiligheidsbeleid en het effect van de variabele jaar
weer. Geen van deze nieuwe variabelen heeft een significant effect op de afhankelijke variabele
veiligheidsbeleving.
In model 4 zijn de hoofdeffecten van het objectieve veiligheidsbeleid weergegeven. In 2008 hebben de gsbbuurten een positief effect op de veiligheidsbeleving ten opzichte van de referentiecategorie Overig.
Uit model 4 blijkt dat het effect van jaar significant is. Dit houdt in dat het objectieve veiligheidsbeleid dat is
uitgevoerd in de overige buurten een positief effect heeft op de veiligheidsbeleving van de bewoners van deze
buurten, indien 2010 met 2008 vergeleken wordt. In de gsb-buurten is sprake van een significante afwijking.
Het objectieve veiligheidsbeleid heeft in 2008 een positieve invloed op de veiligheidsbeleving van de bewoners
van de gsb-buurten.
Deze variabele jaar geeft ook de basis van de interactie effecten. Deze moeten verrekend worden met de
referentiecategorie. Dit houdt in dat alle vormen van het objectieve veiligheidsbeleid – de overige buurten
(0,188), de gsb-buurten (0,188 – 0,069 = 0,119), het centrum (0,188 + 0,006 = 0,194) en de aandachtsbuurten
(0,188 – 0,089 = 0,099) – een positieve invloed hebben op de veiligheidsbeleving van de bewoners van deze
buurten, indien 2010 vergeleken wordt met 2008. De invloed van het objectieve veiligheidsbeleid is bij deze
meting, waarbij rekening gehouden wordt met de kenmerken van de buurt, in positieve zin omgeslagen ten
opzichte van de meting in de inleiding (tabel 1.1). Alleen in de buurten waar het centrumbeleid toegepast
wordt is sprake van een verandering in de juiste richting en een grotere stijging ten opzichte van de buurten
met het overige beleid. Deze afwijking is alleen niet significant. Het objectieve veiligheidsbeleid is volgens de
gehanteerde definitie niet effectief.
Indien de interactie-effecten met de hoofdeffecten vergeleken worden, is te zien dat alle drie een positieve
verandering zijn ondergaan. Deze verandering is significant in zowel de buurten met het gsb-beleid, in de
buurten met het centrumbeleid als in de buurten met het overige beleid. Of deze verandering ontstaan is door
het uitgevoerde beleid is niet zeker. Hiervoor is het gebruik van paneldata van belang.
44
5
CONCLUSIE MET BETREKKING OP HYPOTHESEN
In het vorige hoofdstuk is duidelijk geworden dat meerdere variabelen een significante invloed hebben op de
veiligheidsbeleving. Er zijn dus factoren die van invloed zijn op de veiligheidsbeleving van de buurtbewoners
van Maastricht. Deze worden hieronder per categorie besproken. De invloed van het uitgevoerde beleid zal in
de discussie behandeld worden.
DRIE VORMEN VAN RISICOPERCEPTIE
Een belangrijke bevinding in deze studie is dat de risicoperceptie een significante invloed heeft op de
veiligheidsbeleving van de bewoners. Zoals eerder is aangegeven, is er gewerkt met drie vormen van
risicoperceptie, namelijk: de risicoperceptie van geweldsdelicten, vermogensdelicten en overlast. Voor deze
drie geldt dat naarmate iemand de kans hoger inschat om slachtoffer te worden op een van deze drie vormen
van risicoperceptie, dit een negatieve invloed heeft op de veiligheidsbeleving.
De assumptie die Boers e.a. (2008) in hun studie naar de veiligheidsbeleving doen, dat risicoperceptie een
intermediaire factor vervult, wordt in deze studie bevestigd. Risicoperceptie is een bemiddelaar tussen
enerzijds de individuele factoren en buurtkenmerken en anderzijds de veiligheidsbeleving van de
buurtbewoners. Aangezien hier sprake van is, lijkt het aannemelijk dat er sprake is van een indirect effect van
de desbetreffende variabele, via risicoperceptie, op de veiligheidsbeleving. Welke variabelen naast
risicoperceptie van directe invloed zijn, of welke indirect invloed zouden kunnen hebben via risicoperceptie op
de veiligheidsbeleving, volgt hieronder.
KWETSBAARHEID
Als eerste is in deze studie gekeken naar een groep mensen die zichzelf als kwetsbaar beschouwt. Zo schatten
vrouwen de kans om slachtoffer te worden van een geweldsdelict, vermogensdelict of overlast significant
hoger in dan mannen. Dit geldt ook voor de veiligheidsbeleving van vrouwen. Het blijkt dat vrouwen zich
significant minder veilig voelen dan mannen. De theorie is dat vrouwen zich moeilijker kunnen verdedigen,
althans er wordt vanuit gegaan dat zij dit zelf zo inschatten, en hierdoor de kans op een slachtofferschap hoger
inschatten. Deze mogelijke ervaren fysieke dreiging heeft een negatieve invloed op de ervaren veiligheid (Warr,
1985; Vanderveen, 1999). Dit onderzoek laat zien dat vrouwen een hogere risicoperceptie hebben dan
mannen, als het gaat om geweldsdelicten, vermogensdelicten en/of overlast. Daarnaast voelen vrouwen zich
minder veilig dan mannen. Het ouder worden heeft een negatieve invloed op de veiligheidsbeleving.
Om te achterhalen of de sociaaleconomische klassen van invloed zijn op de risicoperceptie en
veiligheidsbeleving is er gekeken naar de invloed van opleidingsniveau en financiële huishoudelijke situatie.
Voor opleidingsniveau geldt dat deze van invloed is op de risicoperceptie van vermogensdelicten. Naarmate
het opleidingsniveau toeneemt, heeft dit als gevolg dat men de kans lager inschat om slachtoffer te worden
van vermogensdelicten. De ingeschatte kans op geweldsdelicten wordt alleen door financiële huishoudelijke
situatie significant beïnvloed. Hiervoor geldt dat naarmate het inkomen van een huishouden toeneemt de
risicoperceptie van geweldsdelicten afneemt. Alleen opleidingsniveau is van invloed op de ervaren veiligheid
van de bewoners. De theorie van McCoy e.a. (1996) dat bewoners uit lagere sociaaleconomische klassen zich
kwetsbaarder voelen, door het niet of minder tot hun beschikking hebben van financiële en culturele
hulpbronnen om zich te beschermen tegen criminaliteit, uit zich alleen direct via het opleidingsniveau op de
ervaren veiligheid van deze mensen. Deze hulpbronnen zouden wel indirect effect kunnen hebben. Het is
namelijk gebleken dat zowel de risicoperceptie van vermogensdelicten, geweldsdelicten, als overlast een
negatief effect hebben op de veiligheidsbeleving. Deze significante invloeden maken het wel aannemelijk dat er
een invloed is van de sociaaleconomische klassen, via de risicoperceptie, op de veiligheidsbeleving.
Het idee dat de veiligheidsbeleving van een individu en de persoonlijke situatie – gekeken naar het
opleidingsniveau en huishoudelijke inkomen – correleren met de risicoperceptie (Gabriel & Greve, 2003) wordt
aannemelijk gemaakt in deze studie.
45
SLACHTOFFERSCHAP
De volgende bevinding is dat mensen die vaker slachtoffer geworden zijn van een delict, enerzijds de kans
hoger inschatten dat zij – nogmaals – slachtoffer zullen worden van een delict, en anderzijds zich minder veilig
voelen. Deze bevinding bevestigt de theorie van Van Wilsem (1997); deze geeft aan dat slachtoffers van
criminaliteit angstiger in het leven staan dan de groep niet-slachtoffers. De resultaten gepresenteerd in
hoofdstuk 4 laten zien dat mensen die vaker slachtoffer geworden zijn van ongeacht wat voor misdrijf de kans
groter inschatten dat zij slachtoffer worden van vermogensdelicten, geweldsdelicten en overlast. Daarbij
hebben zij ook een significant lager gevoel van veiligheid. Het fenomeen slachtofferschap heeft zodoende
directe als – aannemelijke – indirecte invloeden op de veiligheidsbeleving van deze groep mensen.
PERCEPTIE VAN HET FUNCTIONEREN VAN DE LOKALE OVERHEID
Het veiligheidsgevoel dat bewoners hebben wordt mede gecreëerd door de aanspraak die de bewoners
kunnen maken op externe factoren waarmee criminaliteit kan worden bestreden. De bindingen tussen
buurtbewoners en buurtoverstijgende sociale actoren als politie en overheid zijn van belang, indien gekeken
wordt naar invloeden op de veiligheidsbeleving, aldus Bursik e.a. (1993). Naast de persoonlijke kenmerken
en/of ervaringen kunnen bewoners zich minder veilig of juist veiliger voelen door hun perceptie over het
functioneren van de lokale overheid. In deze studie wordt aangenomen dat de ervaren aanwezigheid van de
politie of de ervaren betrokkenheid van de gemeente door de bewoners een manier is om te achterhalen wat
het effect van beleid is op de perceptie van de bewoners.
Zo geeft onderzoek aan dat community policing een belangrijke invloed heeft op de veiligheidsbeleving (Vélez,
2001). Met community policing wordt bedoeld dat de politie meer in contact komt met de bewoners van een
buurt. Het belang hiervan ligt bij de gepercipieerde aanwezigheid van de politie door de buurtbewoners. Dit
zorgt namelijk voor een lagere risicoperceptie, wat ten goede komt aan de veiligheidsbeleving van deze
bewoners. Indien de buurtbewoners ervaren dat de politie meer contact heeft met de buurtbewoners heeft dit
een significant effect op de risicoperceptie van de bewoners. De resultaten in hoofdstuk 4 laten een opvallend
effect zien. Indien de bewoners ervaren dat er meer contact is met de politie zorgt dit voor een significante
stijging in de risicoperceptie. Bewoners die meer contact met de politie ervaren, hebben een hogere
risicoperceptie van vermogensdelicten, als geweldsdelicten, als overlast. Dit zou verklaard kunnen worden
doordat in buurten waar de politie veel contact heeft met de bewoners, het nodig is dat de politie daar
aanwezig is. Juist, omdat er in deze buurten sprake is van een hogere kans op slachtofferschap. Dus doordat de
bewoners vaker politie in hun buurt zien, krijgen zij het idee dat er redenen zijn waarom de politie in hun buurt
is, wat van invloed is op hun risicoperceptie.
Er zou hier twijfel kunnen ontstaan over de causale volgorde van de gevonden resultaten. Nu wordt
verondersteld dat de perceptie van meer contact van de politie met de bewoners resulteert in een hogere
risicoperceptie. Terwijl dit verband als schijneffect gezien zou kunnen worden. Indien er namelijk meer risico in
een buurt is, resulteert dit enerzijds in meer politie op straat en anderzijds in meer gepercipieerd risico van de
bewoners. Er is gecontroleerd voor het risico in de buurt, door criminaliteitscijfer mee te nemen in de analyse.
Er is geen sprake van een schijnverband.
Ondanks de toenemende risicoperceptie door de gepercipieerde aanwezigheid van de politie in de buurt heeft
deze gepercipieerde aanwezigheid een positieve invloed op de veiligheidsbeleving. Men schat de kans groter in
dat men slachtoffer kan worden van criminaliteit. Daarnaast voelt men zich significant veiliger door de
aanwezigheid van de politie in de buurt. Het directe effect van het toenemen van het gepercipieerde contact
van de politie met de buurt heeft een positieve invloed op de ervaren veiligheid van de buurtbewoners. Maar
er is gecontroleerd voor risicoperceptie – van vermogensdelicten, geweldsdelicten en overlast – waardoor
mensen met een zelfde risicoperceptie zich veiliger voelen als zij meer politie in de eigen buurt ervaren. Het
totale effect van perceptie van de politie in de buurt zou mogelijk een ander – negatief – effect kunnen hebben
op de veiligheidsbeleving. Dit is in deze studie niet geanalyseerd.
46
De tweede actor die van invloed kan zijn op de veiligheidsbeleving van de bewoners is de gemeente. In dit
onderzoek is deze actor meegenomen als de perceptie van de bewoners over de betrokkenheid van de
gemeente in de buurt. De gepercipieerde betrokkenheid van de gemeente is voor alle drie de vormen van
risicoperceptie significant. Hoe meer de bewoners ervaren dat de gemeente betrokken in hun buurt, des te
minder hoog schatten zij de kans in dat zij slachtoffer worden van criminaliteit. Daarnaast heeft de
betrokkenheid van de gemeente een significant effect op de ervaren veiligheid van de bewoners. Naarmate de
bewoners meer betrokkenheid van de gemeente ervaren, voelen zij zich veiliger.
Al met al is het functioneren van de lokale overheid een belangrijke speler in het spel van veiligheidsbeleving
van de buurtbewoners. Zowel het gepercipieerde contact van de politie met de buurt als de ervaren
betrokkenheid van de gemeente met de buurt heeft een directe, als indirecte invloed op de
veiligheidsbeleving.
GEPERCIPIEERDE SOCIALE COHESIE
Een andere bevinding is dat de door de bewoners ervaren sociale cohesie een significant effect heeft op zowel
de risicoperceptie als op de veiligheidsbeleving van de bewoners. Voorgaand onderzoek veronderstelt dat
onderlinge sociale controle van invloed is op de veiligheidsbeleving (Sampson en Groves, 1989). Er wordt dan
vanuit gegaan dat indien er meer sociale cohesie in een buurt aanwezig is er minder criminaliteit in deze buurt
zal plaatsvinden. Het contact tussen mensen, hoe oppervlakkig dit ook mag zijn, zorgt voor bindingen binnen
deze buurt. Deze bindingen kunnen gezien worden als de heersende sociale cohesie. Zo stelt Lee (2003) dat de
gepercipieerde sociale cohesie van buurtbewoners een positief effect heeft op de veiligheidsbeleving. In dit
onderzoek is gekeken naar sociale cohesie vanuit de mening van de buurtbewoners, ofwel een gepercipieerde
sociale cohesie. Deze studie bevestigt gedeeltelijk de stelling van Lee (2003). Sociale cohesie heeft namelijk een
positieve invloed op de ervaren veiligheid van de buurtbewoners. Indien er in een buurt meer sprake is van
sociale cohesie, dan voelen mensen in deze buurt zich veiliger. Het verschil is dat in deze studie is gekeken naar
het effect van gepercipieerde sociale cohesie, terwijl Lee de daadwerkelijke sociale cohesie onderzoekt.
Daarnaast geldt dat indien een bewoner meer sociale cohesie in een buurt ervaart dit zorgt voor een lagere
inschatting van de kans om slachtoffer van een delict te worden.
VERHUISMOBILITEIT
Naast de individuele context is er voor gekozen om in de analyse maatschappelijke contextkenmerken mee te
nemen. De eerste factor die interessante bevindingen laat zien, is de invloed van buurten met een hogere
verhuismobiliteit. In dit onderzoek wordt verondersteld dat een sterke verhuismobiliteit in een buurt een
positieve samenhang heeft met de risicoperceptie van de bewoners in deze buurt en een negatieve samenhang
heeft met de veiligheidsbeleving van de bewoners in deze buurt. Deze studie toont aan dat er een significant
effect van verhuismobiliteit is ten aanzien van de risicoperceptie van de bewoners van een buurt en geen direct
effect is ten aanzien van de veiligheidsbeleving van de bewoners van deze buurt. Indien de verhuismobiliteit in
een buurt toeneemt, resulteert dit in een hogere inschatting van de buurtbewoners op de kans om slachtoffer
te worden van vermogensdelicten, geweldsdelicten of overlast. De bevindingen van zowel Bellair (1997), als
Sampson e.a. (1997), als Wittebrood (2000), geven aan dat in buurten met een hogere verhuismobiliteit er
daadwerkelijk meer slachtoffers van criminaliteit zijn. Zij leggen een relatie tussen de verhuismobiliteit en
slachtofferschap. In deze studie wordt gecontroleerd voor de invloed van slachtofferschap en dan heeft de
verhuismobiliteit alsnog een significant invloed op de risicoperceptie van vermogensdelicten, geweldsdelicten
en overlast. Het lijkt dan ook aannemelijk dat verhuismobiliteit via risicoperceptie een indirect effect heeft op
de veiligheidsbeleving. Indien men de kans hoger inschat om slachtoffer te worden in buurten met een hogere
verhuismobiliteit, zal dit leiden tot een lagere veiligheidsbeleving van de bewoners die in dergelijke buurten
wonen, in vergelijking met bewoners die niet in dergelijke buurten wonen.
47
OVERLAST, VERLOEDERING EN CRIMINALITEIT
Uit onderzoek van Ferraro (1995) en LaGrange e.a. (1992) blijkt dat overlast, verloedering en criminaliteit de
angst voor criminaliteit vergroten. Indien buurtbewoners ervaren dat hun buurt verslechtert, wanordelijk en
bedreigend is, zal de veiligheidsbeleving van deze buurtbewoners afnemen. Dit gevoel kan ontstaan door
vormen van overlast – luidruchtige buren/etc. – en/of verloedering – rommel op straat/etc. – en/of
criminaliteit – openbaardronkenschap/vernieling/etc. (Taylor et al., 1986; Wilson et al., 1982). Het gaat hier om
het daadwerkelijk aanwezig zijn van overlast en criminaliteit. Deze studie laat zien dat alleen overlast zowel een
significant effect heeft op de risicoperceptie van overlast als op de veiligheidsbeleving. Er zou hier sprake
kunnen zijn van een indirect effect op de veiligheidsbeleving. Als er in een buurt meer overlast is stijgt de
gepercipieerde kans op slachtofferschap van overlast, die zich omzet in een afnemende veiligheidsbeleving van
deze bewoners.
Daarnaast is overlast van significante invloed op de veiligheidsbeleving. De aanwezige overlast in een buurt
heeft een directe invloed op de veiligheidsbeleving van de buurtbewoners. Indien er sprake is van overlast in
een buurt, heeft dit als direct gevolg dat de bewoners van deze buurt zich minder veilig gaan voelen. De
theorieën van voorgaande onderzoeken lijken hiermee deels bevestigd te worden.
KRACHT VAN INDICATOREN OP DE VEILIGHEIDSBEL EVING
Om een beeld te krijgen van de invloed van de verschillende indicatoren op de veiligheidsbeleving is in deze
paragraaf de kracht van deze indicatoren weergegeven (tabel 5.1). Alleen de indicatoren die van significante
invloed zijn op de veiligheidsbeleving van de bewoners zijn hierin meegenomen. De kracht per indicator is
berekend aan de hand van de score, die gegenereerd is in de analyse (hoofdstuk 4 – Veiligheidsbeleving – Tabel
4.4 – model 4). Deze score is vermenigvuldigd met het verschil in categorieën. Bijvoorbeeld: bij geslacht is
gekeken naar het verschil tussen mannen en vrouwen, bij leeftijd is gekeken naar het verschil tussen de jongste
en oudste respondent.
Tabel 5.1: Kracht van indicatoren op de Veiligheidsbeleving van de bewoners van Maastricht naar sterkte ingedeeld.
Risicoperceptie Geweldsdelicten
Slachtofferschap
Risicoperceptie Overlast
Overlast
Leeftijd
Gepercipieerde sociale cohesie
Geslacht
Risicoperceptie Vermogensdelicten
Opleidingsniveau
Gepercipieerde Aandacht Gemeente
Centrumbeleid (jaar + interactie-effect centrum)
Overige buurten beleid (in model 4 variabele jaar)
Gsb-beleid (jaar + interactie-effect gsb-buurten)
Gepercipieerd Contact Politie
Inkomensheterogeniteit
-1,07
-0,58
-0,52
-0,47
-0,40
0,34
-0,27
-0,24
0,23
0,22
0,19
0,19
0,12
0,10
-0,04
SCHAAL VEILIGHEIDSBELEVING 0 – 3.
BEREKEND A.D.H.V. VERSCHIL HOOGSTE & LAAGSTE CATEGORIE VAN INDICATOR.
BRON: TABEL 4.4 MODEL 4, HOOFDSTUK 4 – VEILIGHEIDSBELEVING.
Uit tabel 5.1 is af te lezen wat de invloed van de significante variabelen is op de veiligheidsbeleving. De
afhankelijke variabele veiligheidsbeleving heeft een schaalverloop van (0) tot en met (3). De weergegeven
variabelen hebben allen geen groot effect op de veiligheidsbeleving. Echter zijn deze wel allen van –
significante – invloed.
48
Het wordt duidelijk dat de risicoperceptie van geweldsdelicten de meeste invloed heeft op de
veiligheidsbeleving. Bij het objectieve veiligheidsbeleid is gekeken of de variabele jaar significant is. Om de
significantie van de verschillende vormen van beleid te achterhalen is elke vorm van beleid gecontroleerd door
deze per vorm mee te nemen als referentiecategorie in de analyse.
VERANDERING VAN DE V ORMEN VAN RISICOPERC EPTIE TUSSEN 2008 EN 2010
Voor de gemeente Maastricht is het interessant om te zien of het objectieve veiligheidsbeleid een verandering
teweeg heeft gebracht. Zoals eerder toegelicht, heeft beleid tijd nodig om effectief te kunnen zijn. Zodoende
wordt eerst gekeken of er sprake is van een significante verandering tussen 2008 en 2010, gekeken naar het
effect van het objectieve veiligheidsbeleid op de drie vormen van risicoperceptie.
Alleen buurten met het centrumbeleid laten een verandering op de risicoperceptie van overlast zien die
significant en de juiste richting is. In het centrum heeft in 2010 de invloed van het beleid op de risicoperceptie
van overlast een significant en negatieve score. Bewoners van de buurten met het centrumbeleid schatten in
2010 de kans lager in om slachtoffer te worden van overlast ten opzichte van 2008.
VERANDERING VAN DE VEILIGHEIDSBELEVING T USSEN 2008 EN 2010
Dit onderzoek richt zich op de vraag of het veiligheidsbeleid effect heeft op de veiligheidsbeleving van de
inwoners van Maastricht. De significante veranderingen van de invloed van het objectieve veiligheidsbeleid op
de veiligheidsbeleving tussen 2008 en 2010 geven hier een antwoord op.
In tabel 4.4 model 4 is weergeven dat de variabele jaar een positief en significant effect heeft. Deze variabele
staat in dit model voor de verandering van het effect van het overige buurten beleid op de veiligheidsbeleving
tussen 2008 en 2010. De bewoners van de overige buurten zijn zich in 2010 gemiddeld significant veiliger gaan
voelen, ten opzichte van 2008.
Naast het overige buurten beleid laat ook het gsb-beleid als het centrumbeleid een significant en positieve
verandering zien. De bewoners van de gsb-buurten en de centrumbuurten voelen zich in 2010 gemiddeld
veiliger dan in 2008.
Zowel het gsb-beleid, het centrumbeleid als het overige buurten beleid laten een positieve en significante
verandering zien als de veiligheidsbeleving van 2008 met 2010 vergeleken wordt. Het objectieve
veiligheidsbeleid in de aandachtsbuurten heeft ook een verandering in positieve richting. De invloed van deze is
alleen te klein en daardoor niet significant.
49
6
DISCUSSIE
De vraag die centraal stond in deze studie luidt als volgt: Hebben de vormen van beleid gericht op de veiligheid
van de buurtbewoners een effect op de veiligheidsbeleving van deze buurtbewoners van Maastricht in de
periode van 2008 – 2010, rekening gehouden met andere factoren die van invloed zijn op de veiligheidsbeleving
van de buurtbewoners van Maastricht in dezelfde periode?
In het voorgaande hoofdstuk is gebleken dat er meerdere factoren van invloed zijn op de veiligheidsbeleving
van de inwoners van Maastricht in de periode 2008 – 2010. In de basis van deze studie is uitgegaan van het
model van Boers e.a. (2008). Deze studie bevestigt dat er verscheidene – positieve en negatieve – factoren van
invloed zijn op veiligheidsbeleving, door Boers e.a. beschreven.
Echter, het gevoerde beleid van de gemeente Maastricht en – bijbehorende – partners heeft verschillende
effecten. De effecten worden hieronder per vorm van beleid besproken.
BELEID
Een belangrijk doel van deze studie is het analyseren van het uitgevoerde beleid. In deze paragraaf zullen
gentrificatie en het objectieve veiligheidsbeleid besproken worden. De resultaten van de beleidsschaal, de
resultaten van de indeling gehanteerd door gemeente Maastricht en de vergelijking van de resultaten van de
multilevel regressie analyse ten opzichte van de bivariate meting.
GENTRIFICATIE
Gentrificatie staat voor de opwaardering van een buurt. Gentrificatie heeft, volgens O’Sullivan (2004), een
negatief effect op criminaliteitscijfers, wat ten goede zou komen aan de veiligheidsbeleving van de
buurtbewoners. Het zou gezien kunnen worden als het beleid dat investeert in het verbeteren van een buurt,
zodoende is er sprake van buurtopwaardering. Het gevolg hiervan is dat de buurt voor mensen met een hogere
sociaaleconomische status aantrekkelijker wordt en minder aantrekkelijk voor de huidige bewoners, die veelal
een lagere sociaaleconomische status hebben. Door de toenemende migratiestroom van welvarenden naar
deze buurt, ontstaat er een nieuwe en hogere sociaaleconomische status van de buurt, dat als gevolg heeft dat
de buurt minder aantrekkelijk is voor criminaliteit. Nu heeft de gentrificatie in deze studie alleen een significant
effect op de risicoperceptie van overlast. Desondanks moet deze vorm van beleid zeker niet uit het oog
verloren worden door de afwezigheid van meer significante effecten. De afwezigheid zou namelijk kunnen
ontstaan doordat het beleid geoperationaliseerd is tussen de twee meetmomenten in. Er is gekeken welk
beleid in 2009 is uitgevoerd ten aanzien van de gentrificatie van buurten. Het kan zijn dat de intoxicatie tijd van
dit beleid – de tijd die het beleid nodig heeft om effectief te zijn – op de ervaringen van de buurtbewoners een
langere periode behelst. Gentrificatie is dan zeer zeker interessant om in een vervolg onderzoek over een
langere periode te analyseren.
50
HET OBJECTIEVE VEILIGHEIDSBELEID
Het objectieve veiligheidsbeleid laat in deze studie in eerste instantie zien dat het verschillende invloeden
heeft. Zo heeft het objectieve veiligheidsbeleid in alle vormen van beleid – gsb-buurten, centrum en
aandachtsbuurten - een versterkend effect op de risicoperceptie van vermogensdelicten, geweldsdelicten en
overlast. Daarnaast heeft het objectieve veiligheidsbeleid verschillende invloeden op de veiligheidsbeleving.
Indien gecontroleerd wordt voor individuele en buurtkenmerken blijkt – in tabel 4.4, model 3 – dat juist de
bewoners van de buurten met het centrumbeleid zich minder veilig voelen en de bewoners van de buurten
met het gsb-beleid en aandachtsbuurtenbeleid zich veiliger voelen, ten opzichte van de buurten met het
overige buurten beleid. Deze effecten zijn niet significant.
Vooraf is rekening gehouden met de tijd die beleid nodig heeft om invloed te uiten. Zodoende is er naar het
effect van het objectieve veiligheidsbeleid gekeken waarbij er rekening gehouden wordt met de verschillende
jaren. Door hiermee rekening te houden kan achterhaald worden of er een verandering in de invloed van het
objectieve veiligheidsbeleid is als deze een langere tijd van intoxicatie heeft. Uit de analyse – tabel 4.4, model 4
– blijkt dat alle vormen van veiligheidsbeleid, indien gecontroleerd voor individuele en buurtkenmerken, in
2010 een positief effect hebben op de veiligheidsbeleving ten opzichte van 2008. Deze effecten van de buurten
met meer uitgevoerd objectief veiligheidsbeleid hebben geen significant grotere verandering, dan de buurten
met het minst objectieve veiligheidsbeleid. De invloed van het objectieve veiligheidsbeleid is bij deze meting in
positieve zin omgeslagen ten opzichte van de meting in de inleiding.
De gemeente Maastricht bereikt met het gevoerde beleid positieve effecten op de veiligheidsbeleving. Er moet
vermeld worden dat de periode waarover het objectieve veiligheidsbeleid gemeten is van korte duur is. Een
studie met het objectieve veiligheidsbeleid over een langere periode kan meer significante invloeden
opleveren.
ENCORE GEMEENTE MAASTRICHT
In de bijlage (appendix I: Encore gemeente Maastricht, tabel 7.1 & 7.2) zijn resultaten toegevoegd, waarin het
objectieve veiligheidsbeleid is ingedeeld in mate van het objectieve veiligheidsbeleid zoals de gemeente
Maastricht deze hanteert. Als men naar tabel 7.1 kijkt, is te zien dat bij alle buurten met een hogere mate van
het objectieve veiligheidsbeleid er sprake is van een toename in het gevoel van veiligheidbeleving, ten opzichte
van de buurten waarin het overige buurten beleid is toegepast. Dit geldt niet voor de buurten waarin het
centrumbeleid is uitgevoerd. Hierbij is sprake van een afname in veiligheidsbeleving. Indien er gekeken wordt
naar het verschil in meetmoment – tabel 7.2 – geldt dat er een toename in veiligheid is in de buurten waarin
het centrumbeleid, gsb-score, gsb-beleid en aandachtsbuurten wordt uitgevoerd. Deze resultaten zijn gelijk aan
de resultaten van de beleidsschaal – hoofdstuk 4, tabel 4.4, model 4. Er kan gesteld worden dat de
beleidsschaal gevormd voor deze studie evenredig is aan de verdeling die gemeente Maastricht hanteert.
VERGELIJKING BIVARIA TE ANALYSE MET MULTILEVEL REGRESSIE ANALYSE
In de inleiding van deze studie worden – in tabel 1.1 en tabel 1.2 – resultaten van een bivariate meting van het
de twee vormen van beleid weergegeven – objectief veiligheidsbeleid & gentrificatie. De resultaten van de
multilevel regressie analyse komen met de bivariate analyse overeen op het volgende punt: de bewoners van
de buurten met het centrumbeleid voelen zich, indien gecontroleerd voor individuele en buurtkenmerken, in
2010 veiliger ten opzichte van 2008. Een verschil is dat de bewoners van de aandachtsbuurten bij de meting in
de inleiding een afname in veiligheidsbeleving laten zien indien 2010 met 2008 wordt vergeleken. Deze afname
is bij de multilevel regressie analyse niet meer aanwezig. De resultaten laten zien dat de bewoners in de
aandachtsbuurten zich in 2010 gemiddeld veiliger voelen dan in 2008.
Een groot verschil is dat de bewoners van de buurten met het centrumbeleid zich in 2010 veiliger voelen – niet
significant – dan die in de buurten met het overige buurten beleid, terwijl in de inleiding duidelijk wordt dat
deze zich minder veiliger voelen. En in 2008 voelen de bewoners van de buurten met het gsb-beleid en
51
aandachtsbuurtenbeleid zich veiliger ten opzichte van de bewoners van de buurten met het overige beleid,
vergeleken met de resultaten van de bivariate meting in de inleiding.
Voor gentrificatie geldt dat er geen significante invloed is op de veiligheidsbeleving, gekeken naar de bivariate
analyse als naar de multilevel regressie analyse. Wel laten de bivariate analyse en het multilevel regressie
analyse zien dat men zich onveiliger voelt in buurten waar veel gentrificatie is, ten opzichte van buurten waar
minder gentrificatie is.
KRITIEKE PUNTEN
In deze studie zijn een aantal zaken die ter discussie gesteld kunnen worden. Het zwaktste punt van deze studie
is dat er gebruik is gemaakt van een aselecte steekproef per meetmoment. Weliswaar zijn dezelfde
huishoudens aangeschreven. Dit betekent niet dat precies dezelfde personen de vragenlijsten retour gezonden
hebben. Om de verandering van de veiligheidsbeleving in kaart te brengen was een panel beter geweest. Er kan
in deze studie niet specifiek gezegd worden dat de factoren van invloed zijn op de veiligheidsbeleving, of dat er
een andere groep met een positievere of negatievere mening/ervaring de vragenlijst heeft ingevuld.
Het tweede punt is de aanname die gedaan wordt ten aanzien van de invloed van risicoperceptie op de
veiligheidsbeleving. Bij de resultaten wordt duidelijk dat alle drie de vormen van risicoperceptie –
geweldsdelicten, vermogensdelicten en overlast – van significante invloed zijn op de veiligheidsbeleving. Er
wordt verondersteld dat factoren die een significant effect laten zien op risicoperceptie, zodoende van
indirecte invloed zijn op de veiligheidsbeleving. Bijvoorbeeld, sociale cohesie heeft een significant en negatief
effect op de risicoperceptie (tabel 4.1 t/m tabel 4.3) en op haar beurt heeft risicoperceptie een significant en
negatief effect op veiligheidsbeleving (tabel 4.4). Hieruit wordt verondersteld dat naarmate buurtbewoners
meer sociale cohesie in hun buurt ervaren, zij een lagere risicoperceptie hebben en doordat zij een lagere
risicoperceptie hebben, is hun veiligheidsbeleving groter. Het indirecte verband is niet letterlijk onderzocht.
Hiervoor moet een padanalyse uitgevoerd worden op multilevel niveau.
Een derde discussiepunt is de opzet van – sommige – gebruikte variabelen. Allereerst de operationalisatie van
de variabelen risicoperceptie van geweld, diefstal en overlast. Deze variabelen zijn door gebrek aan specifieke
vragen over de ingeschatte kans om slachtoffer te worden van verschillende soorten delicten,
geoperationaliseerd aan de hand van vragen over problemen die men in de eigen buurt ziet. De gedachtegang
is: mensen die meer problemen in hun buurt zien en hun kans om slachtoffer te worden hoger inschatten
zullen sterkere angstgevoelens hebben. Het gaat hierbij om de signalen uit de omgeving die personen ervaren
die de gepercipieerde kans op slachtofferschap bepalen. Een variabele van risicoperceptie die specifiek naar de
ingeschatte kans om slachtoffer te worden vraagt, zou mogelijk andere resultaten kunnen aantonen.
Anderzijds lopen de effecten van de drie vormen van risicoperceptie zoals verwacht. Naarmate men de kans
hoger inschat slachtoffer te worden, is de veiligheidsbeleving van deze persoon lager.
Andere operationalisaties die ter discussie gesteld worden zijn de twee beleidsvariabelen, namelijk gentrificatie
en het objectieve veiligheidsbeleid. Deze variabelen hebben een score toegekend gekregen aan de hand van de
hoeveelheid beleid dat per buurt is uitgevoerd. Indien er het objectieve veiligheidsbeleid is uitgevoerd op
stadsdeelniveau dan is er per vorm van het objectieve veiligheidsbeleid een score 1 toegekend aan alle buurten
die tot dit stadsdeel behoren. Vervolgens is per vorm van het objectieve veiligheidsbeleid een score 1
toegekend indien deze op buurtniveau is uitgevoerd. En als laatste is een score toegekend voor het objectieve
veiligheidsbeleid dat in een specifieke straat is uitgevoerd. Deze laatste is berekend door het aantal straten
waar beleid is uitgevoerd te delen door het totaal aantal straten van buurt, hieruit ontstaat een score tussen de
nul en één. De score op straatniveau is zo berekend om de invloed van het beleid op straatniveau niet gelijk te
stellen aan het beleid op buurtniveau. Deze scores per buurt zijn opgeteld tot een totaal score van gentrificatie
of het objectieve veiligheidsbeleid. Bij deze operationalisatie kunnen vraagtekens gezet worden. Is het mogelijk
deze vormen van beleid op te tellen? In dit geval wordt elke vorm van beleid als gelijkwaardig gezien. Terwijl
het effect in de praktijk totaal verschillend kan zijn. Een andere operationalisatie zou daarom voor afwijkende
resultaten kunnen zorgen. Desondanks is per buurt van Maastricht duidelijk geworden, door middel van de
bovenstaande berekening, hoeveel beleid er per buurt in de praktijk is uitgevoerd op de gebieden van
52
gentrificatie en veiligheid en laten deze variabelen een effect in de resultaten zien die staat voor het effect van
de desbetreffende vorm van beleid. Daarnaast komen de resultaten van het objectieve veiligheidsbeleid
ontstaan uit de gemaakte beleidsschaal overeen met de resultaten uit de door de gemeente Maastricht
gehanteerde verdeling.
Ook is het gekozen tijdvak van twee jaar bij de variabele het objectieve veiligheidsbeleid wellicht te kort. Zoals
in de inleiding is aangegeven, heeft beleid tijd nodig om van invloed te zijn op de ervaringen van de bewoners
waar het beleid wordt uitgevoerd (Tirion, 2006). De vraag is of de gekozen periode tussen de twee
meetmomenten ver genoeg uit elkaar ligt om het beleidseffect te meten. Het objectieve veiligheidsbeleid
wordt over een langere periode in de praktijk uitgewerkt. Het meest ideaal zou zijn om een (nul)meting in het
begin van deze periode te houden en een effectmeting op het einde van de beleidstermijn te houden.
Zodoende worden de uiterste meetmomenten van de beleidstermijn onderzocht en heeft het beleid de meeste
tijd om op de ervaringen van de bewoners in te werken. Indien er voor een langere periode was gekozen zou
het effect van beleid mogelijk duidelijker aanwezig zijn. Deze toename van het effect van het objectieve
veiligheidsbeleid is geen zekerheid en zou onderwerp van een interessant vervolgonderzoek kunnen zijn. Het is
niet plausibel dat in de tijd een ontwikkeling in Maastricht – of zelfs Nederland – plaatsvindt die er voor zorgt
dat mensen die zich onveiliger voelen een sterkere toename van veiligheidsbeleving hebben, zonder dat dit
met beleid te maken heeft. In deze studie is het beleid pas effectief indien de verandering die het beleid
teweeg brengt sterker is als deze verandering significant groter is in buurten met meer beleid, ten opzichte van
buurten met minder beleid. Door de keuze van definitie worden veranderingen in de juiste richting – die niet
significant afwijken van de buurten met het minste beleid – niet gezien als effectief beleid. Met paneldata
zouden deze veranderingen als gevolg van beleid te meten zijn.
Hierbij komt het belang van de invloed van het gepercipieerde functioneren van de lokale overheid in beeld. Dit
kan gezien worden als de perceptie van de bewoners van beleid. Dit meet indirecte – namelijk gepercipieerde –
acties door de gemeente Maastricht richting haar bewoners. Deze actie hoeft niet persé op het objectieve
veiligheidsbeleid betrekking te hebben gehad, maar vergroot wel het gevoel van veiligheid. De aanwezigheid
van de lokale overheid is relevant. De perceptie die de bewoners van beleid hebben, laat zien dat er op twee
manieren beleid gemeten kan worden. Namelijk het directe effect, als ook het indirecte effect via de perceptie
van de bewoners.
53
7
LITERATUUR
Adams, R.E. & Serpe, R.T. (2000). Social integration, fear of crime, and life satisfaction. In: Sociological Perspectives, 43 (4),
605-629.
Atkinson, R. (2000). The hidden cost of gentrification: displacement in Central London. In: Journal of Housing and the Built
Environment, 15, 307-326.
Bellair, P.E. (1997). Social Interaction and Community Crime: Examining the Importance of Neighbor Networks. In:
Criminology (35) 4, p. 677-703.
Bellair, P.E. (2000). Informal Surveillance and Street Crime: A Complex Relationship. In: Criminology (38) 1, p. 137-169.
Boers, J., Steden, R. van & Boutellier, H. (2008). Het effect van positieve en negatieve factoren op veiligheidsbeleving. Een
kwantitatieve studie onder inwoners van Amsterdam. In: Tijdschrift voor veiligheid, 7, 34-49.
Boutellier, H. (2007) Nodale orde: veiligheid en burgerschap in een netwerk samenleving. Amsterdam: Vrije Universiteit.
Bruinsma, G.J.N. & Bernasco, W. (2004) De stad en sociale onveiligheid. Een state of the art van wetenschappelijke kennis in
Nederland. Leiden: NSCR.
Bursik, R.J. (1988). Social disorganization and theories of crime and delinquency. In: Criminology, 26, 519-551.
Bursik, R.J. & Grasmick, H. (1993). Neighborhoods and crime: the dimensions of effective community control. New York:
Lexington Books.
CCV (2011). Trendsignalement 2011. Ontwikkelingen in maatschappelijke veiligheid. Utrecht: Centrum voor
Criminaliteitspreventie en Veiligheid.
Centraal Bureau voor de Statistiek (2010). Integrale Veiligheidsmonitor 2010. Landelijke rapportage. Voorburg/Heerlen:
Centraal Bureau voor de Statistiek.
Clampet-Lundquist, S. (2010). "Everyone Had Your Back": Social Ties, Perceived Safety, and Public Housing Relocation. In:
City & Community, 9 (1), 87-108.
Condon, S., Lieber, M., Maillochon, F. (2007). Feeling unsafe in public places: Understanding women’s fears. In: Revue
Francaise de sociologie, 48, 101-128.
Covington, J. & Taylor, R.B. (1989). Gentrification and crime: robbery and larceny changes in appreciating Baltimore
neighborhoods during the 1970s. In: Urban Affairs Quarterly, 25, 142-172.
Cronbach, L.J. (1951). Coefficient alpha and the internal reliability of tests.In: Psychometrika, 16, 297-334.
Dijk, T. van, Flight, S. & Oppenhuis, E. (2000). Voor het beleid, achter de cijfers: de uitkomsten van de gsb-monitor veiligheid
en leefbaarheid nader geanalyseerd. Hilversum: Intomart.
Durkheim, E. (1970). Suicide: A Study in Sociology. New York: Free Press.
Eisinga, R., Lammers, J. & Pelzer, B. (2008). Syllabus Multiniveau Analyse. Nijmegen: Radboud Universiteit Nijmegen.
Elffers, H. & Jong, W. de (2004). Nee, ik voel me nooit onveilig. Determinanten van sociale onveiligheidsgevoelens. Den
Haag: Raad voor Maatschappelijke Ontwikkeling.
Ferraro, K.F. (1995). Fear of Crime: Interpreting Victimization Risk. New York: State University of New York Press.
Ferraro, K.F. & LaGrange, R. (1987). The Measurement of Fear of Crime. In: Sociological Inquiry (57) 1, 70-101.
Field, A. (2005). Chapter 15: Exploratory Factor Analysis. In: Discovering Statistics using SPSS, 619-680. London: Sage.
Fürstenberg, F.F. (1971). Public Reactions to Crime in the Streets. In: The American Scholar (40), 601-610.
Gabriel, U. & Greve, W. (2003). The Psychology of Fear: Conceptual and Methodological Perspectives. In: British Journal of
Criminology (43) 3, 600-614.
Garofalo, J. (1981). The fear of crime: causes and consequences. In: The Journal of Criminal Law & Criminology, 72 (2), 839857.
54
Graaf, P.M. de (1987). De invloed van financiële en culturele hulpbronnen in onderwijsloopbanen. Nijmegen: Instituut voor
Toegepaste Sociale Wetenschappen.
Gemeente Maastricht (2007). Stadsdeelprogramma Maastricht-Centrum. Maastricht: Bureau Buurtgericht werken.
Gemeente Maastricht (2007). Stadsdeelprogramma Maastricht-Noordoost. Maastricht: Bureau Buurtgericht werken.
Gemeente Maastricht (2007). Stadsdeelprogramma Maastricht-Noordwest. Maastricht: Bureau Buurtgericht werken.
Gemeente Maastricht (2007). Stadsdeelprogramma Maastricht-Zuidoost. Maastricht: Bureau Buurtgericht werken.
Gemeente Maastricht (2007). Stadsdeelprogramma Maastricht-Zuidwest. Maastricht: Bureau Buurtgericht werken.
Gemeente Maastricht (2009). Objectieve inbreukcijfers. In: Slachtofferkans 2008.
Gemeente Maastricht (2011). Objectieve inbreukcijfers. In: Slachtofferkans 2010.
Gemeente Maastricht (2011). Verdeling van etniciteiten in de buurten van Maastricht. In: Gemeentelijke basisadministratie.
Gemeente Maastricht (2011). Verhuismobiliteit 2004 tot en met 2010. In: Maastricht in cijfers.
Hale, C. (1996). Fear of Crime: A Review of the Literature. In: International Review of Victimology (4) 2, 79-150.
Heus, P. de, Leeden, R. van der, & Gazandam, B. (1995). Hoofdstuk 10: Principale componentenanalyse. In Toegepast dataanalyse: technieken voor niet-experimenteel onderzoek in de sociale wetenschap, 135-172. Maarssen: Elsevier
Gezondheidszorg.
Hinssen, P.L.M. (2011). Rapportage Integrale Buurtpeiling 2010. Maastricht: Gemeente Maastricht.
Hirschi, T. (1969). Causes of delinquency. Berkeley: University of California Press.
Jacobs, J. (1961). The death and life of great American cities. New York: Vintage Books.
Jackson J.J. (2004). Experience and expression. British Journal of Criminology, 44 (6), 946-966.
Jeffrey, C.R. (1971). Crime prevention through environmental design. Londen: Sage Publications Inc.
Kempen, R. van, & Bolt, G. (2003). Tussen fysiek en sociaal: een literatuuronderzoek naar de relatie tussen fysieke en sociale
verschijnselen in steden. Den Haag: Kenniscentrum Grote Steden.
Kleinhans, R., Veldboer, L. & Duyvendak, J.W. (2000) Integratie door differentiatie? Een onderzoek
naar de sociale effecten van gemengd wonen. Den Haag: Ministerie van VROM.
Knol, F. (1998). Van hoog naar laag; van laag naar hoog: de sociaal-ruimtelijke ontwikkeling van wijken tussen 1971 en
1995. Den Haag: SCP.
Kornhauser, R. (1978). Social sources of delinquency. Chicago: University of Chicago Press.
LaGrange, R.L., Ferraro, K.F. & Supancic, M. (1992). Perceived Risk and Fear of Crime: Role of Social and Physical Incivilities.
In: Journal of Research in Crime and Delinquency (29) 3, 311-334.
Lee, M.R. & T. Earnest (2003). Perceived Community Cohesion and Perceived Risk of Victimization. A Cross-national Analysis.
In: Justice Quarterly (20) 1, 131-157.
Maas-de Waal, C. (2002). Veiligheid, ontwikkelingen en stand van zaken. In: J. de Hart (red.), Zekere banden: sociale
cohesie, leefbaarheid en veiligheid, 245-278. Den Haag: Sociaal en Cultureel Planbureau.
Martin, S. (1993). Economic Analysis and Public Policy. In: Industrial Economics, 113-117. New Jersey: Prentice Hall.
McCoy, H.V. et al. (1996). Lifestyles of the Old and Not So Fearful: Life Situation and Older Persons’ Fear of Crime. In:
Journal of Criminal Justice (24) 3, 191-206.
McDonald, S. (1986). Does gentrification affect crime rates? In: A.J.Reiss jr. & M.Tonrey (eds.), Communities and crime, 163202. Chicago: University of Chicago Press.
Ministerie van Justitie (2002). Naar een veiligere samenleving. Verkrijgbaar op: www.justitie.nl. Den Haag.
Musterd, S. & Ostendorf, W. (2001). Beleid van stedelijke vernieuwing: tussen mythe en werkelijkheid. In: Beleid en
Maatschappij (28) 1, 30-41.
55
Oppelaar, J. & Wittebrood, K. (2006). Angstige burgers? De determinanten van gevoelens van onveiligheid onderzocht. Den
Haag: Sociaal en Cultureel Planbureau.
O'Sullivan, A. (2004). Gentrification and crime. In: Journal of Urban Economics, vol. 57, no. 1, pp.73–85.
Quillian, L. (1999). Migration patterns and the growth of high-poverty neighborhoods, 1970-1990. In: American Journal of
Sociology, 105, 1-37.
Ouwehand, A., Kleinhans, R. J., Van der Laan Bouma-Doff, W. & Van der Land, M. (2006). Een stap vooruit? De pretenties
van fysiek voor sociaal bij herstructurering. Delft: Onderzoeksinstituut otb.
Sampson, R.J. & W.B. Groves (1989). Community structure and crime: testing social-disorganization theory. In: American
Journal of Sociology, (94) 4, 774-802.
Sampson, R.J., S.W. Raudenbush & F. Earls (1997). Neighborhoods and Violent Crime: A Multilevel Study of Collective
Efficacy. In: Science (277) 918-924.
Shaw, C.R. & McKay, H.D. ([1942] 1969). Juvenile delinquency in urban areas. Chicago: University of Chicago Press.
Signposts (2010). Signposts voor scenario’s 2006–2010, ministerie van Justitie, Den Haag, 2010.
Skogan, W. (1986). Fear of crime and neighborhood change. In: A.J.Reiss jr. & M.Tonry (eds.), Communities and crime, 203230. Chicago: University of Chicago Press.
Skogan, W. (1990). Disorder and decline: crime and the spiral of decay in American neighborhoods. New York: The Free
Press.
Snijders, T. (2005). Fixed and random effects. In: Encyclopedia of Statistics in Behavioral Science, 2, 664-665. Chicester:
Wiley.
Snijders, T. & Bosker, R. (1999). Multilevel Analysis. An Introduction to Basic and Advanced Multilevel Modeling. Londen:
Sage.
Sun-A, L., Lynne, M., Serido, J. (2009). Ethnic Minority Youth in Youth Programs Feelings of Safety, Relationships With Adult
Staff, and Perceptions of Learning Social Skills. In: Youth & Society, 41 (2) 234-255.
Taylor, R.B. & M. Hale (1986). Testing alternative models of fear of crime. In: The Journal of Criminal Law & Criminology, 77
(1), 151-189.
Taylor, R.B. & A.V. Harrell (1996). Physical environment and crime. Washington: National Institute of Justice.
Theunissen, M. & Hinssen, P.L.M. (2009). Rapportage Integrale Buurtpeiling 2008. Maastricht: Gemeente Maastricht.
Tirion, H.B. (2006). Beleidseffectmeting en legitimiteit. Een studie over reflectie, objectiviteit, betrekkelijkheid en de
provinciale beleidsprakrijk. Twente: Universiteit Twente.
Vanderveen, G. (1999). Stoere mannen, bange vrouwen? Over het sprookje van de fearvictimization paradox. In: Tijdschrift
voor Criminologie (42) 1, 2-20.
Vanderveen, G. (2002). Beleving van veiligheid in de buurt: relaties tussen persoon, buurt en samenleving. In: Tijdschrift voor
Veiligheid en Veiligheidszorg (1) 1, 32-46.
VROM-raad (2006). Stad en stijging: sociale stijging als leidraad voor stedelijke vernieuwing. Den Haag: VROM-raad.
Warr, M. (1985). Fear of Rape Among Urban Women. In: Social Problems (32) 3, 238-250.
Warr, M. (2000). Fear of Crime in the United States: Avenues for Research and Policy. In: Duffee (red.), Measurement and
Analysis of Crime and Justice, 451-489. Washington: National Institute of Justice.
Wegen, H.B.R. van, & Van der Voordt, D.J.M. (1991). Sociale veiligheid en gebouwde omgeving: theorie, empirie en
instrumentontwikkeling. Delft: Technische Universiteit Delft.
Wilsem, J.A. van (1997). Slachtofferschap en onveiligheidsgevoelens. In: K. Wittebrood, J.A. Michon en M.J. ter Voert (red.),
Nederlanders over criminaliteit en rechtshandhaving, 55-66. Deventer: Gouda Quint.
56
Wilsem, J.A. van, Wittebrood, K. & Graaf, N.D. de (2003). Buurtdynamiek en slachtofferschap van criminaliteit: een studie
naar de effecten van sociaal-economische stijging, daling en stabiliteit in Nederlandse buurten. In: Mens &
Maatschappij, 78, 4-28.
Wilson, J. Q. & Kelling, G. L. (1982). Broken windows. In: Atlantic Monthly, March, 29-38.
Wittebrood, K. (2000). Buurten en geweldscriminaliteit: een multilevel analyse. In: Mens & Maatschappij, 75, 92-109.
Wittebrood, K. & Dijk, T. van (2007). Aandacht voor de wijk: effecten van herstructurering op de leefbaarheid en
veiligheid. Den Haag: SCP.
Wouden, R. van der & Bruijne, E. de (2001). De Stad in de omtrek: problemen en perspectieven van de vier grootstedelijke
gebieden in de Randstad. Den Haag: SCP.
57
58
APPENDIX
APPENDIX I: ENCORE GEMEENTE MAASTRICHT
Individuele kenmerken
Geslacht
Leeftijd
Opleiding
Financieel
Slachtoffer
Contactpolitie
Betrokkenheidgemeente
Gepercipieerde sociale cohesie
Risicoperceptie vermogensdelicten
Risicoperceptie geweldsdelicten
Risicoperceptie overlast
NULMODEL
VEILIGHEIDS
BELEVING
0,667 ***
0,400 **
0,676 ***
2,472 ***
0,079
0,000
-0,019
-0,007
0,103
0,028
-0,165
-0,050
-
0,043
0,000
-0,002
-0,012
0,079
0,052
-0,135
-0,098
-
0,045
0,000
-0,000
0,001
0,051
0,046
-0,218
-0,135
-
***
-0,275
-0,005
0,046
0,008
-0,053
0,048
0,114
0,084
-0,119
-0,534
-0,261
0,019
0,857
0,011
-0,048
0,011
-0,001
0,000
-0,006
(ref.)
0,096
0,015
0,102
-0,004
-0,021
**
*
***
***
***
*
***
**
***
***
Objectieve
Veiligheidsbeleid
SE achterstand
0,008
0,012
Etnische heterogeniteit
0,431
0,293
Verhuismobiliteit
0,007 **
0,006
Inkomensheterogeniteit
0,064
-0,189
Overlast
0,000
-0,002
Verloedering
0,005
0,006
Criminaliteit
0,001
0,003
Gentrificatie
-0,004
-0,004
Overige buurten (ref.)
(ref.)
(ref.)
Gsb-score
0,094
0,111
Gsb-buurten
-0,007
0,059
Centrum
0,058
0,027
Aandachtsbuurten
0,188 **
0,105
Jaar
-0,078
0,064
RANDOM EFFECTS
Random effect respondent (σ2e)
0,214 ***
0,185
Buurten (σ2uo)
0,006 **
0,006
MODEL FIT
-2 Log Likelihood
7185,48
6077,15
(N)
5726
5693
Buurtkenmerken
RISICOPERCEPTIE
OVERLAST
DELICTEN
RISICOPERCEPTIE
GEWELDS
DELICTEN
FIXED EFFECTS
Intercept
RISICOPERCEPTIE
VERMOGENS
DELICTEN
Tabel 7.1: Encore Gemeente Maastricht, alle onafhankelijke in één overzicht (aan de hand van model 3).
SIGNIFICANTIE: P < .05 = *, P < .01 = **, P < .001 = ***
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
59
***
***
***
***
***
***
**
*
***
***
***
***
***
***
*
0,175 ***
0,003 **
6503,42
6128
***
***
***
2,152
***
***
***
***
***
***
***
-
-0,010
-0,381
0,005 *
0,142
-0,049 ***
-0,004
0,001
-0,017
(ref.)
0,046
0,129
-0,037
0,076
0,144 *
-
0,374 ***
0,006 *
9408,25
5259
***
0,566 ***
0,065 ***
44786,65
5259
0,662 ***
0,491 ***
0,871 ***
2,399 ***
0,079
-0,000
-0,020
-0,008
0,103
0,029
-0,164
-0,049
-
0,042
0,000
-0,002
-0,012
0,079
0,051
-0,134
-0,098
-
0,045
0,000
-0,001
0,000
0,051
0,045
-0,216
-0,134
-
***
-0,274
-0,005
0,046
0,008
-0,053
0,048
0,112
0,084
-0,119
-0,533
-0,260
0,015
1,007
0,013
-0,268
0,016
-0,011
-0,001
-0,014
(ref.)
0,069
-0,004
0,201
0,016
(ref.)
0,101
0,075
-0,201
0,030
-0,053
*
**
***
Objectieve veiligheidsbeleid
Buurtkenmerken
SE achterstand
0,004
Etnische heterogeniteit
0,569
Verhuismobiliteit
0,007
Inkomensheterogeniteit
0,061
Overlast
-0,002
Verloedering
0,004
Criminaliteit
0,000
Gentrificatie
-0,004
Overige buurten (ref.)
(ref.)
Gsb-score
0,082
Gsb-buurten
0,031
Centrum
0,061
Aandachtsbuurten
0,200
Overig*jaar (ref.)
(ref.)
Gsb-score*jaar
0,047
Gsb-buurten*jaar
-0,034
Centrum*jaar
-0,026
Aandachtsbuurten*jaar
-0,055
Jaar
-0,049
RANDOM EFFECTS
Random effect respondent (σ2e)
0,214
Buurten (σ2uo)
0,006
MODEL FIT
-2 Log Likelihood
7180,72
(N)
5726
***
***
*
***
**
***
***
**
**
**
***
***
***
***
***
0,008
0,441
0,006 **
-0,311
0,003
0,002
0,002
-0,007
(ref.)
0,084
0,051
0,066
0,116
(ref.)
0,079 **
0,038 *
-0,075
0,009
0,036
***
**
0,184 ***
0,005 **
6066,73
5693
SIGNIFICANTIE: P < .05 = *, P < .01 = **, P < .001 = ***
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
60
***
***
***
***
*
**
**
*
***
0,177 ***
0,004 **
6467,09
6128
NULMODEL
VEILIGHEIDS
BELEVING
RISICOPERCEPTIE
OVERLAST
DELICTEN
Geslacht
Leeftijd
Opleiding
Financieel
Slachtoffer
Contactpolitie
Betrokkenheidgemeente
Gepercipieerde sociale cohesie
Risicoperceptie vermogensdelicten
Risicoperceptie geweldsdelicten
Risicoperceptie overlast
RISICOPERCEPTIE
GEWELDS
DELICTEN
Individuele kenmerken
FIXED EFFECTS
Intercept
RISICOPERCEPTIE
VERMOGENS
DELICTEN
Tabel 7.2: Encore Gemeente Maastricht, alle onafhankelijke in één overzicht (aan de hand van model 4).
***
***
***
*
***
***
***
***
***
***
***
-0,007
-0,525
0,005
0,167
-0,049 *
-0,012
0,001
-0,009
(ref.)
0,080
0,129
-0,036
0,084
(ref.)
-0,093
-0,030
0,009
-0,078
0,172 *
0,373 ***
0,006 **
9404,75
5259
2,152
***
0,566 ***
0,065 ***
44786,65
5259
APPENDIX II: FREQUENTIETABELLEN ORIGINELE VARIABELEN
AFHANKELIJKE VARIABELEN
Totaal
1
%
Missing
Tabel 7.3: Frequentietabel originele variabelen veiligheidsbeleving.
Voelt u zich OVERDAG wel eens onveilig op straat
in uw woonbuurt?
252
1,3%
2082
10,9%
4701
24,6%
12113
63,3%
19149
436
Voelt u zich ’S AVONDS wel eens onveilig op straat
in uw woonbuurt?
2066
10,9%
6110
32,1%
5178
27,2%
5655
29,8%
19010
576
JA VAAK/ALTIJD
JA, SOMS
2
%
ZELDEN
3
%
NOOIT
4
%
(N): 19585
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
Totaal
Missing
Tabel 7.4: Frequentietabel originele variabelen risicoperceptie.
fietsendiefstal *
3757
25,8%
7262
50,0%
3518
24,2%
14537
5048
diefstal UIT auto's *
2344
16,9%
6909
49,9%
4602
33,2%
13856
5729
beschadiging of vernieling AAN auto's *
3711
24,8%
7179
47,9%
4100
27,4%
14990
4595
diefstal VAN auto's *
805
7,0%
3815
33,2%
6862
59,8%
11481
8104
vormen van geluidsoverlast *
4885
26,3%
7974
42,9%
5738
30,9%
18596
989
overlast van scholen *
731
4,5%
1995
12,2%
13619
83,3%
16346
3240
VAAK
1
SOMS
%
2
(BIJNA) NOOIT
%
3
%
Frequentie voorkomen:
bedreiging *
587
3,9%
3492
23,1%
11059
73,1%
15137
4448
bekladding van muren en/of gebouwen *
2806
16,7%
6560
39,0%
7440
44,3%
16807
2778
overlast van groepen jongeren/jeugd *
3516
19,5%
7384
40,9%
7144
39,6%
18044
1541
dronken mensen op straat *
1816
10,5%
4957
28,6%
10560
60,9%
17333
2253
voorkomen vrouwen en mannen die op straat worden lastig gevallen *
618
4,2%
3151
21,2%
11087
74,6%
14856
4730
Rommel op straat (geen hondenpoep) *
6679
35,2%
7863
41,5%
4419
23,3%
18960
625
hondenpoep op straat *
7525
39,8%
7898
41,8%
3479
18,4%
18902
683
vernieling van telefooncellen of bushokjes *
2487
16,3%
5953
39,1%
6789
44,6%
15229
4357
inbraak in woningen *
1995
13,9%
7456
51,9%
4908
34,2%
14359
5226
gewelddelicten *
523
4,0%
3296
25,4%
9137
70,5%
12956
6629
overlast door omwonenden/burengerucht *
2271
12,9%
5418
30,9%
9867
56,2%
17556
2029
drugsoverlast *
4308
26,2%
5169
31,4%
6985
42,4%
16462
3123
tasjesroof *
330
2,6%
2468
19,6%
9818
77,8%
12617
6968
jeugdcriminaliteit *
1520
10,8%
4591
32,6%
7962
56,6%
14073
5512
* In de eigen buurt
(N): 19585
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
61
INDIVIDUELE KENMERKEN
19322
263
VROUW
%
GESLACHT
Missing
MAN
0
Totaal
Tabel 7.5: Frequentietabel originele variabele geslacht.
9172
1
%
47
10150
52
(N): 19585
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
LEEFTIJD
30 t/m 39
40 t/m 49
50 t/m 64
Missing
jongste t/m 29
Totaal
Tabel 7.6: Frequentietabel originele variabele Leeftijd (in categorieën).
19298
287
65 t/m oudste
0
%
1
%
2
%
3
%
4
%
4388
22,74%
2660
13,78%
3069
15,90%
5206
26,98%
3975
20,60%
(N): 19585
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
Tabel 7.7: Frequentietabel originele variabelen inkomen & opleidingsniveau.
226
%
1,4%
2
497
%
3,2%
Lager
onderwijs
Lager
beroeps
onderwijs
1
2
1127
%
6,0%
1667
%
8,9%
3
1752
%
11,2%
€ 1000,- tot €
1500,-
4
2612
%
16,7%
€ 1500,- tot €
2000,-
5
2788
%
17,9%
€ 2000,- tot €
2500,-
6
2382
%
15,3%
€ 2500,tot €
3000,-
7
1836
%
11,8%
Wat is uw hoogst genoten opleiding die u met een diploma heeft afgerond?
Middelbaar
algemeen
Middelbaar
voortgezet
beroeps
HBO/WO
onderwijs
onderwijs
HAVO VWO
opleiding
3
3042
%
16,3%
4
2911
%
15,5%
5
2140
%
11,4%
(N): 19585
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
62
6
7835
€ 3000,- of
meer
8
3516
Missing
€ 500,- tot €
1000,-
%
22,5%
15608
3978
Missing
1
€ 250,- tot €
500,-
Totaal
Minder dan €
250,-
Totaal
Hoe hoog zijn de netto maandinkomsten van uw huishouden?
18722
863
%
41,9%
Tabel 7.8a: Frequentietabel originele variabelen slachtofferschap.
POGING TOT INBRAAK*
N
INBRAAK*
%
AUTODIEFSTAL*
N
%
DIEFSTAL UIT AUTO*
N
%
N
%
ja
1209
6,3
783
4,1
631
3,3
1279
6,7
nee
17902
93,7
18375
95,9
18453
96,7
17750
93,3
totaal
19111
100,0
19158
100,0
19085
100,0
19029
100,0
missing
474
427
VERNIELING AAN
AUTO/DIEFSTAL VANAF AUTO*
N
%
500
556
DIEFSTAL MET GEWELD
(STRAATROOF)*
FIETSENDIEFSTAL*
N
%
DIEFSTAL ZONDER GEWELD
(ZAKKENROLLERIJ)*
N
%
N
%
ja
4088
21,5
3238
17,0
262
1,4
779
4,1
nee
14945
78,5
15825
83,0
18841
98,6
18303
95,9
totaal
19034
100,0
19063
100,0
19103
100,0
19082
100,0
missing
551
522
VERNIELING AAN HUIS/TUIN*
482
503
BEDREIGING MET LICHAMELIJK GEWELD*
N
%
N
MISHANDELING*
%
N
%
ja
3461
18,1
1179
6,2
298
1,6
nee
15626
81,9
17958
93,8
18802
98,4
totaal
19087
100,0
19137
100,0
19100
100,0
missing
498
448
485
(N): 19585
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
* IN DE AFGELOPEN 12 MAANDEN SLACHTOFFER VAN GEWEEST.
Tabel 7.8b: Frequentietabel variabele slachtofferschap.
SCORE
FREQUENTIE
PROCENT
0
1
2
3
4
5
6
7
8
9
10
11
Totaal
Missing
9797
4739
2190
1063
392
135
66
18
9
3
6
95
18510
1075
52,9
25,6
11,8
5,7
2,1
0,7
0,4
0,1
0,0
0,0
0,0
0,5
100,0
(N): 19585
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
Tabel 7.9: Frequentietabel originele variabelen perceptie functioneren lokale overheid.
0
%
1
%
2
%
TOTAAL
MISSING
6456
62,2%
2353
22,7%
1563
15,1%
10372
9213
8663
69,7
3605
29
164
0,8%
12432
7153
WEINIG
De politie heeft hier contact met de
bewoners.
Vindt u dat de gemeente veel, voldoende
of te weinig aandacht heeft voor de
problemen in uw buurt
VOLDOENDE
(N): 19585
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
63
VEEL
Tabel 7.10: Frequentietabel originele variabelen gepercipieerde sociale cohesie.
De mensen kennen elkaar in deze buurt nauwelijks
De mensen gaan in deze buurt op een prettige manier met
elkaar om*
De mensen in deze buurt blijven hier graag wonen*
Ik woon in een gezellige buurt waar veel saamhorigheid is*
Ik voel mij thuis bij de mensen die in deze buurt wonen*
%
2
%
3
%
1386
7,4
4786
25,6
4942
26,5
312
355
1101
904
1,7
2,1
6,0
4,9
1068
939
3438
1950
5,8
5,6
18,8
10,5
4348
2583
7346
5739
23,7
15,3
40,1
30,8
MEE ONEENS
4
HELEMAAL
MEE ONEENS
%
MISSING
1
NIET
EENS/ONEENS
MEE EENS
TOTAAL
HELEMAAL
MEE EENS
%
5
5721
30,7
1829
9,8
18663
922
10883
10112
5025
8075
59,3
60,0
27,4
43,4
1738
2862
1408
1952
9,5
17,0
7,7
10,5
18348
16852
18318
18620
1237
2734
1267
966
(N): 19585
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
* VOOR GELIJKE INTERPRETATIE ZIJN SCORE OMGECODEERD (1=5, 2=4, 3=3, 4=2, 5=1).
BUURTKENMERKEN
Tabel 7.11: Frequentietabel originele variabele gepercipieerde verloedering.
2
vaak
%
3
missing
soms
%
totaal
(bijna) nooit
1
%
Bekladding van muren en/of gebouwen*
7440
44,3
6560
39,0
2806
16,7
16807
2778,2
Rommel op straat*
4419
23,3
7863
41,5
6679
35,2
18960
625,3
Hondenpoep op straat*
3479
18,4
7898
41,8
7525
39,8
18902
683,5
Vernieling van telefooncellen of bushokjes*
6789
44,6
5953
39,1
2487
16,3
15229
4356,7
* frequentie van voorkomen in eigen buurt
(N): 19585
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
64
APPENDIX III: FREQUE NTIETABELLEN GEBRUIKTE VARIABELEN
AFHANKELIJKE VARIABELEN
Tabel 7.12: Frequentietabel Veiligheidsbeleving van variabele totaal & per buurt.
BUURT
MEAN
N
S.D.
SCORE
FREQUENTIE
PROCENT
City
2,10
290
0,7
0
1193
6,3
Jekerkwartier
2,41
251
0,7
1
4511
24,0
Kommelkwartier
2,06
361
0,7
2
7536
40,1
Statenkwartier
1,94
468
0,8
3
5570
29,6
Boschstraatkwartier
1,73
275
0,8
Totaal
18810
100,0
St. Maartenspoort
1,97
271
0,8
Missing
775
Wyck
2,08
780
0,8
Villapark
2,57
478
0,6
Jekerdal
2,56
181
0,6
Biesland
2,39
240
0,7
Campagne
2,32
204
0,7
Wolder
2,45
230
0,6
St. Pieter
2,34
93
0,6
Brusselsepoort
1,99
765
0,8
Mariaberg
1,94
708
0,8
Belfort
2,32
449
0,7
Pottenberg
1,96
400
0,8
Malpertuis
1,91
385
0,8
Caberg
1,87
491
0,8
Oud Caberg
2,26
265
0,7
Malberg
1,93
872
0,9
Dousberg-Hazendans
2,56
307
0,6
Daalhof
2,16
1041
0,7
Boschpoort
2,12
232
0,8
Boscscherveld
2,30
20
0,7
Frontenkwartier
1,93
87
0,8
Belvedere
1,75
2
1,8
Lanakerveld
2,30
10
0,8
Wyckerpoort
1,71
661
0,9
Heugemerveld
2,02
425
0,8
Wittevrouwenveld
1,71
833
0,8
Nazareth
1,81
529
0,9
Limmel
2,20
339
0,8
Scharn
2,23
1016
0,7
Amby
2,43
951
0,6
Borgharen
2,52
297
0,6
Itteren
2,65
151
0,6
Meerssenhoven
1,50
1
Randwyck
2,37
344
0,7
Heugem
2,36
728
0,6
Heer
2,27
1223
0,7
De Heeg
2,09
1008
0,7
Vroendaal
2,39
147
0,7
Totaal
2,13
18810
0,8
.
(N): 19585
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
65
Tabel 7.13a: Frequentietabel risicoperceptie per buurt.
RISICOPERCEPTIE VAN
RISICOPERCEPTIE VAN
VERMOGENSDELICTEN
GEWELDSDELICTEN
RISICOPERCEPTIE VAN
OVERLAST
Buurt
Mean
N
Mean
N
Mean
N
City
1,09
236
0,63
258
1,14
289
Jekerkwartier
0,93
200
0,34
207
0,90
249
Kommelkwartier
0,85
276
0,37
309
0,97
364
Statenkwartier
1,11
384
0,66
413
1,14
468
Boschstraatkwartier
1,08
230
0,76
251
1,22
276
St. Maartenspoort
0,86
223
0,39
232
0,93
260
Wyck
0,95
669
0,42
669
0,94
774
Villapark
0,66
437
0,08
425
0,41
478
Jekerdal
0,77
174
0,10
164
0,40
180
Biesland
0,73
218
0,13
216
0,52
240
Campagne
0,61
183
0,10
185
0,38
195
Wolder
0,53
207
0,09
208
0,44
230
St. Pieter
0,82
80
0,17
82
0,54
89
Brusselsepoort
0,91
690
0,41
671
0,85
770
Mariaberg
0,90
587
0,46
584
1,02
696
Belfort
0,68
383
0,23
384
0,60
443
Pottenberg
0,79
316
0,37
322
0,88
380
Malpertuis
0,78
326
0,41
318
0,85
364
Caberg
0,96
425
0,46
421
0,93
486
Oud Caberg
0,59
215
0,19
220
0,54
255
Malberg
0,94
715
0,56
733
0,96
837
Dousberg-Hazendans
0,47
255
0,12
272
0,46
302
Daalhof
0,87
860
0,40
837
0,80
1011
Boschpoort
0,82
206
0,30
200
0,75
232
Boscscherveld
0,90
17
0,25
16
0,62
20
Frontenkwartier
1,05
76
0,45
77
0,94
83
Belvedere
0,70
2
0,90
2
0,79
2
Lanakerveld
0,44
9
0,29
7
0,67
9
Wyckerpoort
1,06
600
0,55
603
0,96
664
Heugemerveld
0,92
339
0,42
350
0,95
413
Wittevrouwenveld
1,14
754
0,71
710
1,11
824
Nazareth
1,17
460
0,56
423
0,97
515
Limmel
1,12
291
0,41
269
0,89
339
Scharn
0,74
898
0,21
864
0,61
1018
Amby
0,75
854
0,17
812
0,51
910
Borgharen
0,65
262
0,20
251
0,59
274
Itteren
0,46
131
0,07
135
0,40
146
Meerssenhoven
0,20
1
0,40
1
0,57
1
Randwyck
0,71
292
0,18
294
0,63
338
Heugem
0,67
602
0,15
628
0,55
704
Heer
0,63
1027
0,17
1016
0,60
1184
993
De Heeg
0,93
833
0,39
777
0,91
Vroendaal
0,63
123
0,20
130
0,61
149
Totaal
0,85
16066
0,36
15950
0,79
18456
MISSING
3519
3635
(N): 19585
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
66
1129
Tabel 7.13b: Frequentietabel risicoperceptie van variabelen totaal.
RISICOPERCEPTIE VAN
VERMOGENSDELICTEN
SCORE
FREQUENTIE
PROCENT
RISICOPERCEPTIE VAN
GEWELDSDELICTEN
SCORE
FREQUENTIE
PROCENT
SCORE
0
1
2
Totaal
Missing
0
1
2
Totaal
Missing
0
1
2
Totaal
Missing
5042
9236
1788
16066
3519
31,4
57,5
11,1
100,0
11653
3905
392
15950
3635
(N): 19585
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
67
73,1
24,5
2,5
100,0
RISICOPERCEPTIE VAN
OVERLAST
FREQUENTIE
PROCENT
6232
10388
1837
18456
1129
33,8
56,3
10,0
100,0
INDIVIDUELE KENMERKEN
Tabel 7.14: Frequentietabel geslacht.
BUURT
MEAN
Tabel 7.15: Frequentietabel leeftijd.
N
S.D.
BUURT
MEAN
N
S.D.
City
0,48
294
0,50
City
39
294
17,70
Jekerkwartier
0,52
259
0,50
Jekerkwartier
48
258
19,74
Kommelkwartier
0,59
379
0,49
Kommelkwartier
49
377
21,69
Statenkwartier
0,53
472
0,50
Statenkwartier
40
471
18,22
Boschstraatkwartier
0,51
278
0,50
Boschstraatkwartier
42
275
17,40
St. Maartenspoort
0,53
270
0,50
St. Maartenspoort
43
269
18,07
Wyck
0,53
789
0,50
Wyck
47
786
20,14
Villapark
0,53
487
0,50
Villapark
53
483
16,86
Jekerdal
0,54
185
0,50
Jekerdal
54
185
14,54
Biesland
0,55
245
0,50
Biesland
56
247
16,61
Campagne
0,58
212
0,50
Campagne
62
210
15,85
Wolder
0,51
234
0,50
Wolder
51
233
15,44
St. Pieter
0,54
96
0,50
St. Pieter
60
96
12,30
Brusselsepoort
0,54
790
0,50
Brusselsepoort
48
790
19,87
Mariaberg
0,54
736
0,50
Mariaberg
47
738
18,23
Belfort
0,52
465
0,50
Belfort
51
463
17,90
Pottenberg
0,51
412
0,50
Pottenberg
51
412
17,76
Malpertuis
0,52
401
0,50
Malpertuis
54
400
18,31
Caberg
0,53
515
0,50
Caberg
49
514
18,51
Oud Caberg
0,51
272
0,50
Oud Caberg
54
272
16,68
Malberg
0,54
905
0,50
Malberg
52
904
17,44
Dousberg-Hazendans
0,50
310
0,50
Dousberg-Hazendans
43
310
12,61
Daalhof
0,52
1072
0,50
Daalhof
50
1073
15,62
Boschpoort
0,50
242
0,50
Boschpoort
49
243
16,83
Boscscherveld
0,45
22
0,51
Boscscherveld
52
22
18,43
Frontenkwartier
0,49
91
0,50
Frontenkwartier
58
91
12,16
Belvedere
1,00
2
0,00
Belvedere
65
2
4,95
Lanakerveld
0,42
12
0,51
Lanakerveld
52
12
15,80
Wyckerpoort
0,53
676
0,50
Wyckerpoort
46
677
19,65
Heugemerveld
0,54
435
0,50
Heugemerveld
46
434
18,72
Wittevrouwenveld
0,52
851
0,50
Wittevrouwenveld
43
852
16,83
Nazareth
0,52
552
0,50
Nazareth
47
550
18,85
Limmel
0,52
350
0,50
Limmel
43
348
17,28
Scharn
0,54
1054
0,50
Scharn
48
1053
17,57
Amby
0,53
975
0,50
Amby
50
978
15,50
Borgharen
0,50
299
0,50
Borgharen
51
298
16,64
Itteren
0,52
150
0,50
Itteren
54
150
Meerssenhoven
1,00
1
Meerssenhoven
64
1
Randwyck
0,50
348
0,50
Randwyck
45
346
16,65
Heugem
0,55
751
0,50
Heugem
47
749
16,66
Heer
0,52
1258
0,50
Heer
49
1256
17,96
De Heeg
0,50
1024
0,50
De Heeg
44
1024
14,80
Vroendaal
0,44
149
0,50
Vroendaal
49
150
11,72
Totaal
0,53
19322
0,50
Totaal
48
19298
17,87
MISSING
.
263
MISSING
287
(N): 19585
(N): 19585
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE
INDICATOREN.
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF
OBJECTIEVE INDICATOREN.
68
15,62
.
Tabel 7.16: Frequentietabel hulpbronnen.
FINANCIEEL
BUURT
MEAN
N
Tabel 7.17: Frequentietabel slachtofferschap.
OPLEIDING
S.D. MEAN
N
S.D.
City
5,06
253
2,19
5,49
287
1,00
Jekerkwartier
5,79
218
2,07
5,29
257
1,09
Kommelkwartier
5,27
298
2,22
4,95
371
1,48
Statenkwartier
4,73
406
1,99
5,08
459
1,31
Boschstraatkwartier
5,44
244
1,96
5,13
273
1,33
St. Maartenspoort
5,04
236
2,00
4,70
264
1,65
Wyck
6,13
641
1,85
5,34
780
1,15
Villapark
6,85
398
1,60
5,32
485
1,19
Jekerdal
6,68
147
1,61
5,16
182
1,39
Biesland
6,84
191
1,59
5,26
242
1,29
Campagne
6,31
163
1,79
4,83
208
1,48
Wolder
6,27
170
1,62
4,54
231
1,61
St. Pieter
6,69
75
1,68
4,87
95
1,52
Brusselsepoort
5,56
651
1,77
4,73
768
1,58
Mariaberg
4,50
565
1,74
3,94
692
1,82
Belfort
5,62
368
1,48
4,23
457
1,56
Pottenberg
4,66
343
1,59
3,57
393
1,67
Malpertuis
4,64
329
1,39
3,33
381
1,75
Caberg
4,47
425
1,60
3,68
474
1,69
Oud Caberg
6,19
221
1,72
4,55
265
1,52
Malberg
DousbergHazendans
4,98
755
1,56
3,40
855
1,60
Daalhof
Boschpoort
Boscscherveld
Frontenkwartier
Belvedere
Lanakerveld
Wyckerpoort
Heugemerveld
Wittevrouwenveld
Nazareth
Limmel
Scharn
Amby
Borgharen
Itteren
Meerssenhoven
6,79
5,60
5,52
4,53
5,82
4,50
6,25
5,27
5,07
5,05
4,56
5,26
6,10
6,37
5,64
5,87
6,00
225
1,37
858
1,64
196
1,69
15
1,51
77
1,67
2
0,71
8
1,28
570
1,86
364
1,91
703
1,79
438
1,51
283
1,58
882
1,90
765
1,62
230
1,64
131
1
1,64
.
4,64
4,07
3,98
302
86
3,50
4,07
3,82
3,74
4,90
4,34
4,05
3,86
1,76
2
4,73
4,10
1,70
1,56
422
1,72
802
1,70
519
Jekerkwartier
1,56
Kommelkwartier
0,93
360
1,38
Statenkwartier
1,25
451
1,65
Boschstraatkwartier
1,35
273
1,89
St. Maartenspoort
1,14
267
1,65
Wyck
0,90
765
1,33
Villapark
0,64
483
1,01
Jekerdal
0,75
174
1,18
Biesland
0,70
238
1,25
Campagne
0,51
200
0,98
Wolder
0,53
226
0,87
St. Pieter
0,99
91
1,60
Brusselsepoort
1,05
758
1,61
Mariaberg
0,95
696
1,41
Belfort
0,76
451
1,37
Pottenberg
0,94
388
1,53
Malpertuis
0,80
379
1,32
Caberg
1,10
477
1,38
Oud Caberg
0,63
263
1,21
Malberg
0,79
860
1,17
Dousberg-Hazendans
0,51
304
0,90
Daalhof
0,73
1027
1,29
Boschpoort
0,70
232
1,17
Boscscherveld
0,76
21
1,04
Frontenkwartier
1,07
83
1,31
Belvedere
0,50
2
0,71
Lanakerveld
0,36
11
0,50
Wyckerpoort
1,28
639
1,76
Heugemerveld
0,87
412
1,22
Wittevrouwenveld
1,33
820
1,43
Nazareth
0,99
512
1,37
Limmel
1,25
328
1,63
Scharn
0,88
1004
1,44
Amby
0,67
949
1,16
Borgharen
0,52
293
0,98
Itteren
0,51
146
1,20
Meerssenhoven
1,00
1
.
335
1,16
1,50
1038
1,46
950
1,59
287
1,63
149
1
1,74
245
1,68
342
6,00
287
1,49
661
1,73
.
S.D.
1,10
0,71
11
N
1,48
1,72
22
MEAN
City
1,55
233
4,74
4,74
1,32
1043
3,95
BUURT
Randwyck
5,96
272
1,78
5,08
347
1,30
Randwyck
0,71
Heugem
5,51
599
2,05
4,63
724
1,50
Heugem
0,68
722
1,14
Heer
0,64
1200
1,11
De Heeg
0,87
989
1,35
Vroendaal
0,65
146
1,00
Totaal
0,88
18510
1,37
287
1,74
Heer
De Heeg
Vroendaal
Totaal
MISSING
5,51
5,39
7,57
5,52
958
824
107
15608
3977
1,87
1,77
0,98
1,88
4,19
4,42
5,48
4,43
1213
1001
148
18722
1,62
1,49
1,01
1,63
MISSING
863
(N): 19585
(N): 19585
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE
INDICATOREN.
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE
INDICATOREN.
69
Tabel 7.18: Frequentietabel perceptie lokale overheid.
CONTACT POLITIE
BUURT
MEAN
N
Tabel 7.19: Frequentietabel gepercipieerde sociale cohesie.
BETROKKENHEID
GEMEENTE
MEAN
BUURT
N
City
0,40
178
0,43
214
Jekerkwartier
0,71
151
0,49
175
Kommelkwartier
0,93
217
0,36
271
Statenkwartier
0,45
278
0,34
308
Boschstraatkwartier
0,77
162
0,52
207
St. Maartenspoort
0,51
151
0,37
188
Wyck
0,60
394
0,43
520
Villapark
0,51
237
0,47
307
Jekerdal
0,46
92
0,47
121
Biesland
0,42
126
0,30
146
Campagne
0,34
105
0,37
117
Wolder
0,28
127
0,30
150
St. Pieter
0,40
47
0,28
57
Brusselsepoort
0,41
410
0,21
478
Mariaberg
0,57
386
0,24
504
Belfort
0,45
227
0,24
274
Pottenberg
0,46
220
0,25
292
Malpertuis
0,39
232
0,18
279
Caberg
0,57
285
0,23
317
Oud Caberg
0,40
135
0,35
158
Malberg
0,44
463
0,28
653
Dousberg-Hazendans
0,55
176
0,36
156
Daalhof
0,53
610
0,22
721
Boschpoort
0,51
133
0,21
178
Boscscherveld
0,33
9
0,26
19
Frontenkwartier
0,87
47
0,28
67
Belvedere
0,50
2
0,50
2
Lanakerveld
0,00
4
0,00
6
Wyckerpoort
0,78
370
0,36
459
Heugemerveld
0,56
250
0,32
267
Wittevrouwenveld
0,82
504
0,36
Nazareth
0,95
341
Limmel
0,86
Scharn
MEAN
N
City
3,2
262
Jekerkwartier
3,6
244
Kommelkwartier
3,2
331
Statenkwartier
3,2
398
Boschstraatkwartier
3,2
259
St. Maartenspoort
3,4
252
Wyck
3,3
747
Villapark
4,0
488
Jekerdal
3,9
184
Biesland
3,9
238
Campagne
3,7
203
Wolder
3,9
233
St. Pieter
3,9
94
Brusselsepoort
3,3
734
Mariaberg
3,2
657
Belfort
3,6
442
Pottenberg
3,3
368
Malpertuis
3,3
371
Caberg
3,2
459
Oud Caberg
3,8
261
Malberg
3,3
845
Dousberg-Hazendans
3,6
303
Daalhof
3,4
998
Boschpoort
3,7
229
Boscscherveld
3,9
22
Frontenkwartier
3,7
81
Belvedere
3,2
2
Lanakerveld
3,8
10
Wyckerpoort
3,1
610
Heugemerveld
3,4
393
Wittevrouwenveld
3,2
762
Nazareth
3,1
489
590
Limmel
3,3
329
0,27
372
Scharn
3,6
992
198
0,26
244
Amby
3,7
938
0,33
556
0,29
590
Borgharen
3,9
290
Amby
0,41
485
0,37
623
Itteren
3,9
149
Borgharen
0,63
161
0,24
195
Meerssenhoven
3,6
1
Itteren
0,75
87
0,28
103
Randwyck
3,4
326
Meerssenhoven
0,00
1
0,00
1
Heugem
3,7
672
Randwyck
0,34
183
0,30
211
Heer
3,5
1193
Heugem
0,40
349
0,28
420
De Heeg
3,2
939
Heer
0,33
659
0,34
716
Vroendaal
3,7
146
De Heeg
0,45
536
0,35
655
Totaal
3,4
17942
Vroendaal
0,49
84
0,42
103
MISSING
Totaal
0,53
10371
0,32
12432
MISSING
9214
1643
7153
(N): 19585
(N): 19585
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE INDICATOREN.
BRON: SCRIPTIE DATASET 2008-2010, INCLUSIEF OBJECTIEVE
INDICATOREN.
70
BUURTKENMERKEN
Tabel 7.20: Objectieve gegevens per buurt, voor variabele sociaal economische achterstand.
UITKERINGSAFHANKELIJK
2008
2010
NIETWERKENDE/WERKZOEKENDE
2008
2010
EENOUDERGEZIN
2008
2010
City
1,30
1,70
6,07
6,19
10,66
8,74
Jekerkwartier
0,50
0,70
5,04
5,24
7,83
6,48
Kommelkwartier
0,90
0,80
4,51
5,51
8,77
8,14
Statenkwartier
2,10
2,40
6,32
7,22
16,81
13,55
Boschstraatkwartier
1,40
1,30
6,46
6,41
15,27
16,02
St. Maartenspoort
2,30
2,00
11,04
9,91
18,31
18,75
Wyck
1,50
1,50
6,23
5,98
7,93
7,29
Villapark
0,30
0,30
3,34
2,99
5,54
7,63
Jekerdal
0,50
0,50
7,79
7,81
9,70
8,76
Biesland
0,10
0,20
4,14
4,60
9,03
7,88
Campagne
0,10
0,10
4,24
3,65
4,64
4,65
Wolder
0,30
0,30
5,04
5,75
10,79
10,14
St. Pieter
0,00
0,00
1,24
1,29
10,29
8,82
Brusselsepoort
2,80
2,80
7,67
8,04
10,93
10,78
Mariaberg
9,50
9,70
19,40
18,32
20,00
18,60
Belfort
0,30
0,20
5,30
6,13
7,13
9,11
Pottenberg
4,60
5,20
19,32
21,90
13,51
14,65
Malpertuis
4,70
4,60
20,59
20,80
13,76
14,81
Caberg
6,50
5,70
20,04
19,91
14,75
15,20
Oud Caberg
0,60
0,60
7,66
7,10
6,61
6,94
Malberg
8,80
8,30
17,35
16,25
12,37
11,81
Dousberg-Hazendans
0,20
0,20
4,90
6,38
6,93
7,81
Daalhof
4,80
4,40
10,05
10,85
9,53
10,72
Boschpoort
1,60
1,60
14,41
11,99
10,34
9,29
Boscscherveld
0,20
0,20
4,26
11,73
6,06
13,51
Frontenkwartier
0,60
0,50
19,15
15,95
3,90
2,53
Belvedere
0,00
0,00
0,00
0,00
20,00
0,00
Lanakerveld
0,00
0,00
6,94
3,43
10,00
18,18
Wyckerpoort
4,90
4,80
12,38
11,38
13,83
13,93
Heugemerveld
2,50
2,40
12,57
10,96
15,93
16,09
Wittevrouwenveld
9,10
10,50
15,86
17,68
16,12
16,57
Nazareth
5,40
5,40
16,65
16,94
17,64
18,52
Limmel
2,10
2,20
9,82
10,64
15,79
14,97
Scharn
1,90
2,10
4,52
5,26
8,50
8,49
Amby
1,50
1,40
5,92
6,42
8,38
7,79
Beatrixhaven
0,10
0,10
0,00
16,98
0,00
0,00
Borgharen
0,60
0,50
7,21
7,90
7,18
8,71
Itteren
0,10
0,20
4,99
5,31
8,88
9,71
Meerssenhoven
0,60
0,30
9,19
10,75
10,00
12,50
Randwyck
0,90
1,00
5,41
5,58
8,96
9,03
Heugem
3,20
2,90
8,68
7,99
10,13
11,39
Heer
4,90
5,30
9,48
10,32
10,36
10,70
De Heeg
5,50
5,00
9,04
10,45
12,54
12,22
Vroendaal
0,10
0,10
2,60
2,83
5,65
9,09
BRON: Maastricht in cijfers 2008 & 2010.
71
Tabel 7.21: Objectieve gegevens variabele etnische heterogeniteit.
AUTOCHTOON
ALLOCHTOON
ETNISCHE HETEROGENITEIT*
2008
2010
2008
2010
MEAN
S.D.
City
70%
68%
30%
32%
0,43
0,01
Jekerkwartier
75%
72%
25%
28%
0,39
0,01
Kommelkwartier
78%
75%
22%
25%
0,36
0,02
Statenkwartier
74%
71%
26%
29%
0,40
0,01
Boschstraatkwartier
76%
74%
24%
26%
0,38
0,01
St. Maartenspoort
68%
67%
32%
33%
0,44
0,01
Wyck
75%
72%
25%
28%
0,39
0,01
Villapark
82%
80%
18%
20%
0,31
0,01
Jekerdal
83%
84%
17%
16%
0,27
0,00
Biesland
84%
83%
16%
17%
0,28
0,00
Campagne
83%
84%
17%
16%
0,28
0,00
Wolder
81%
82%
19%
18%
0,30
0,00
St. Pieter
77%
74%
23%
26%
0,37
0,01
Brusselsepoort
71%
66%
29%
34%
0,43
0,02
Mariaberg
72%
70%
28%
30%
0,41
0,01
Belfort
84%
83%
16%
17%
0,27
0,00
Pottenberg
70%
69%
30%
31%
0,43
0,00
Malpertuis
66%
65%
34%
35%
0,45
0,00
Caberg
63%
63%
37%
37%
0,47
0,00
Oud Caberg
82%
81%
18%
19%
0,30
0,01
Malberg
72%
71%
28%
29%
0,41
0,01
Dousberg-Hazendans
82%
82%
18%
18%
0,29
0,00
Daalhof
79%
79%
21%
21%
0,33
0,00
Boschpoort
79%
77%
21%
23%
0,34
0,01
Boscscherveld
68%
67%
32%
33%
0,44
0,00
Frontenkwartier
78%
76%
22%
24%
0,35
0,01
Belvedere
70%
74%
30%
26%
0,40
0,03
Lanakerveld
80%
74%
20%
26%
0,35
0,03
Wyckerpoort
73%
72%
27%
28%
0,40
0,01
Heugemerveld
71%
69%
29%
31%
0,42
0,00
Wittevrouwenveld
71%
69%
29%
31%
0,42
0,01
Nazareth
75%
73%
25%
27%
0,39
0,01
Limmel
76%
76%
24%
24%
0,37
0,00
Scharn
82%
80%
18%
20%
0,31
0,01
Amby
85%
86%
15%
14%
0,25
0,00
Beatrixhaven
59%
55%
41%
45%
0,26
0,00
Borgharen
85%
85%
15%
15%
0,19
Itteren
90%
89%
10%
11%
0,36
Meerssenhoven
77%
80%
23%
20%
0,38
0,02
Randwyck
77%
73%
23%
27%
0,32
0,01
Heugem
81%
79%
19%
21%
0,33
0,01
Heer
80%
79%
20%
21%
0,38
0,01
De Heeg
76%
74%
24%
26%
0,25
0,03
Vroendaal
87%
83%
13%
17%
0,36
0,06
BRON: MAASTRICHT IN CIJFERS 2008 & 2010.
* A.D.H.V. HERFINDAHL-HERSCHMAN INDEX.
72
0,00
.
Tabel 7.23: Objectieve gegevens inkomen.
Tabel 7.22: Objectieve gegevens verhuismobiliteit.
INKOMENSHETEROGENITEIT
VERHUISMOBILITEIT
2008
2010
2008
2010
City
35,47
47,30
City
0,42
0,38
Jekerkwartier
23,21
29,43
Jekerkwartier
0,40
0,40
Kommelkwartier
27,38
29,57
Kommelkwartier
0,41
0,46
Statenkwartier
25,25
35,71
Statenkwartier
0,31
0,36
Boschstraatkwartier
24,51
25,76
Boschstraatkwartier
0,47
0,47
St. Maartenspoort
23,98
25,49
St. Maartenspoort
0,43
0,35
Wyck
24,68
28,55
Wyck
0,38
0,33
Villapark
9,18
11,55
Villapark
0,24
0,19
Jekerdal
9,29
6,75
Jekerdal
0,24
0,25
Biesland
7,70
7,90
Biesland
0,22
0,22
Campagne
8,67
11,14
Campagne
0,32
0,38
Wolder
7,43
7,60
Wolder
0,30
0,30
St. Pieter
3,27
8,29
St. Pieter
0,28
0,26
Brusselsepoort
18,80
22,80
Brusselsepoort
0,48
0,50
Mariaberg
14,71
17,33
Mariaberg
0,26
0,31
Belfort
8,76
7,90
Belfort
0,49
0,48
Pottenberg
9,54
9,71
Pottenberg
0,26
0,25
Malpertuis
7,46
8,94
Malpertuis
0,22
0,24
Caberg
11,57
11,17
Caberg
0,24
0,22
Oud Caberg
7,06
6,82
Oud Caberg
0,33
0,37
Malberg
11,17
9,90
Malberg
0,32
0,41
Dousberg-Hazendans
4,87
3,24
Dousberg-Hazendans
0,15
0,21
Daalhof
6,84
6,97
Daalhof
0,49
0,49
Boschpoort
13,23
10,87
Boschpoort
0,45
0,49
Boscscherveld
26,49
11,95
Boscscherveld
0,00
0,40
Frontenkwartier
21,97
18,16
Frontenkwartier
0,45
0,47
Belvedere
17,39
18,52
Belvedere
0,00
0,00
Lanakerveld
10,00
8,11
Lanakerveld
0,50
0,25
Wyckerpoort
19,59
18,32
Wyckerpoort
0,45
0,42
Heugemerveld
16,47
17,48
Heugemerveld
0,43
0,40
Wittevrouwenveld
18,32
16,02
Wittevrouwenveld
0,34
0,42
Nazareth
16,74
12,80
Nazareth
0,24
0,25
Limmel
22,55
24,24
Limmel
0,45
0,38
Scharn
12,61
14,22
Scharn
0,35
0,38
Amby
7,89
9,05
Amby
0,35
0,29
Beatrixhaven
3,13
19,35
Beatrixhaven
Borgharen
5,12
6,61
Itteren
5,13
5,34
Meerssenhoven
7,69
.
Randwyck
13,35
13,06
Heugem
11,88
Heer
10,42
De Heeg
Vroendaal
.
.
Borgharen
0,43
0,48
Itteren
0,47
0,37
.
.
Randwyck
0,38
0,37
11,39
Heugem
0,47
0,44
9,85
Heer
0,45
0,43
9,84
9,38
De Heeg
0,44
0,48
18,44
18,04
Vroendaal
0,05
0,04
Meerssenhoven
BRON: MAASTRICHT IN CIJFERS 2008 & 2010.
BRON: Maastricht in cijfers 2008 & 2010.
A.D.H.V. HERFINDAHL-HERSCHMAN INDEX
73
Tabel 7.24: Variabele gentrificatie.
2008
Tabel 7.25: Variabele objectief veiligheidsbeleid
(continue).
2010
2008
2010
City
0,00
2,21
City
6,02
6,02
Jekerkwartier
0,00
3,12
Jekerkwartier
3,14
3,14
Kommelkwartier
0,00
2,24
Kommelkwartier
2,10
2,10
Statenkwartier
0,00
4,24
Statenkwartier
2,20
2,20
Boschstraatkwartier
0,00
2,06
Boschstraatkwartier
4,03
4,03
St. Maartenspoort
0,00
2,50
St. Maartenspoort
2,14
2,14
Wyck
0,00
3,18
Wyck
6,06
6,06
Villapark
0,00
5,00
Villapark
0,15
0,15
Jekerdal
0,00
4,00
Jekerdal
0,00
0,00
Biesland
0,00
4,09
Biesland
0,23
0,23
Campagne
0,00
4,11
Campagne
1,00
1,00
Wolder
0,00
4,23
Wolder
0,27
0,27
St. Pieter
0,00
4,04
St. Pieter
0,04
0,04
Brusselsepoort
0,00
3,06
Brusselsepoort
3,04
3,04
Mariaberg
0,00
5,10
Mariaberg
5,10
5,10
Belfort
0,00
3,03
Belfort
4,14
4,14
Pottenberg
0,00
4,16
Pottenberg
4,13
4,13
Malpertuis
0,00
3,20
Malpertuis
3,33
3,33
Caberg
0,00
4,44
Caberg
4,38
4,38
Oud Caberg
0,00
3,10
Oud Caberg
3,07
3,07
Malberg
0,00
4,19
Malberg
4,00
4,00
Dousberg-Hazendans
0,00
4,09
Dousberg-Hazendans
3,06
3,06
Daalhof
0,00
3,11
Daalhof
4,10
4,10
Boschpoort
0,00
6,44
Boschpoort
4,44
4,44
Boscscherveld
0,00
3,09
Boscscherveld
3,12
3,12
Frontenkwartier
0,00
3,00
Frontenkwartier
3,00
3,00
Belvedere
0,00
4,00
Belvedere
3,00
3,00
Lanakerveld
0,00
3,00
Lanakerveld
3,00
3,00
Wyckerpoort
0,00
7,20
Wyckerpoort
7,17
7,17
Heugemerveld
0,00
5,30
Heugemerveld
4,07
4,07
Wittevrouwenveld
0,00
6,20
Wittevrouwenveld
7,07
7,07
Nazareth
0,00
8,16
Nazareth
8,05
8,05
Limmel
0,00
9,14
Limmel
8,00
8,00
Scharn
0,00
6,15
Scharn
1,10
1,10
Amby
0,00
6,18
Amby
5,09
5,09
Beatrixhaven
0,00
5,07
Beatrixhaven
3,08
3,08
Borgharen
0,00
4,00
Borgharen
3,00
3,00
Itteren
0,00
4,05
Itteren
3,00
3,00
Meerssenhoven
0,00
4,00
Meerssenhoven
1,04
1,04
Randwyck
0,00
6,06
Randwyck
1,18
1,18
Heugem
0,00
4,11
Heugem
4,04
4,04
Heer
0,00
7,09
Heer
4,09
4,09
De Heeg
0,00
7,19
De Heeg
2,06
2,06
Vroendaal
0,00
4,00
Vroendaal
3,8
3,8
BRON: STADSDEELPROGRAMMA'S 2007
BRON: STADSDEELPROGRAMMA'S 2007
Tabel 7.26: Variabele overlast, verloedering en criminaliteit.
OVERLAST
VERLOEDERING
CRIMINALITEIT
2008
2010
2008
2010
2008
2010
City
2,20
2,33
7,35
4,78
87,13
74,03
Jekerkwartier
2,84
4,23
7,76
4,84
35,92
29,16
Kommelkwartier
1,98
1,76
7,34
4,63
15,87
12,36
Statenkwartier
1,48
3,27
7,70
5,65
24,07
20,87
Boschstraatkwartier
3,86
5,51
6,80
5,25
25,57
20,32
St. Maartenspoort
3,23
2,90
8,01
4,00
25,73
17,95
Wyck
1,57
3,31
7,84
4,21
22,84
21,34
Villapark
1,26
0,49
8,33
3,16
10,21
7,84
Jekerdal
0,56
0,25
9,83
2,74
9,15
6,72
Biesland
1,67
5,17
8,79
2,97
14,90
14,85
Campagne
0,75
1,31
9,04
3,17
4,69
4,10
Wolder
0,89
4,42
8,45
2,93
3,95
9,59
St. Pieter
1,42
7,55
8,75
3,79
35,52
41,03
Brusselsepoort
1,50
4,46
7,81
4,47
16,88
17,09
Mariaberg
2,44
3,34
7,20
5,38
11,38
11,61
Belfort
1,25
2,91
8,28
4,18
7,62
8,29
Pottenberg
2,16
4,80
7,00
5,24
9,29
9,79
Malpertuis
1,22
2,59
7,48
4,87
8,46
7,33
Caberg
2,27
2,20
7,68
4,94
12,43
10,20
Oud Caberg
0,36
0,79
8,45
3,57
5,69
5,32
Malberg
1,44
2,64
7,17
5,98
10,01
8,98
Dousberg-Hazendans
1,17
0,96
8,14
2,61
8,44
6,52
Daalhof
0,80
1,54
7,57
5,13
6,86
5,93
Boschpoort
2,19
1,32
8,34
3,89
13,51
6,32
Boscscherveld
5,00
9,62
8,75
3,04
134,26
133,85
Frontenkwartier
2,78
4,62
7,86
4,43
21,94
18,95
Belvedere
4,17
0,00
0,00
8,75
95,83
56,02
Lanakerveld
0,00
0,00
7,50
3,75
3,33
5,33
Wyckerpoort
4,43
8,41
7,13
4,71
22,32
23,83
Heugemerveld
1,60
2,61
7,52
5,11
11,47
9,46
Wittevrouwenveld
2,34
4,79
6,98
5,98
17,54
19,92
Nazareth
2,04
3,25
6,98
6,13
16,58
16,32
Limmel
1,26
1,49
7,40
4,76
12,97
11,57
Scharn
0,70
2,44
8,06
3,68
10,41
11,23
Amby
0,63
0,62
8,46
3,77
7,41
7,84
Beatrixhaven
3,33
0,00
0,00
0,00
559,71
271,11
Borgharen
0,60
0,67
8,47
4,18
5,38
3,88
Itteren
0,61
0,91
8,00
2,83
5,81
3,47
Meerssenhoven
0,00
0,00
0,00
0,00
39,27
30,83
Randwyck
1,42
0,83
7,64
4,19
27,10
20,55
Heugem
1,08
2,11
7,72
3,84
7,01
7,53
Heer
1,10
2,24
8,32
4,37
7,29
7,91
De Heeg
1,48
1,52
7,40
5,68
8,79
6,86
Vroendaal
1,21
0,29
8,96
3,30
15,09
8,12
BRON: OBJECTIEVE INBREUKCIJFERS 2009 & 2011.
75
APPENDIX IV: BELEIDSSCHALEN
OBJECTIEF VEILIGHEIDSBELEID
Tabel 7.27: Beleidsschaal objectief veiligheidsbeleid.
OBJECTIEF VEILIGHEIDSBELEID
BEREKENING STRAATSCORE
STADSDEEL
BUURT
STRAAT
SCORE
INWONERS
BELEIDSSTRATEN
SCORE
City
5
5
0,02
10,02
61
1
0,02
Jekerkwartier
5
2
0,14
7,14
50
7
0,14
Kommelkwartier
5
1
0,10
6,10
21
2
0,10
Statenkwartier
5
1
0,20
6,20
25
5
0,20
Boschstraatkwartier
5
3
0,03
8,03
32
1
0,03
St. Maartenspoort
5
1
0,14
6,14
14
2
0,14
Wyck
5
5
0,06
10,06
50
3
0,06
Villapark
4
0
0,15
4,15
34
5
0,15
Jekerdal
4
0
22
5
0,23
Biesland
4
0
Campagne
4
1
4,00
0,23
4,23
5,00
Wolder
4
0
0,27
4,27
22
6
0,27
St. Pieter
4
0
0,04
4,04
27
1
0,04
Brusselsepoort
7
0
0,04
7,04
54
2
0,04
Mariaberg
7
2
0,10
9,10
68
7
0,10
Belfort
7
1
0,14
8,14
35
5
0,14
Pottenberg
7
1
0,13
8,13
32
4
0,13
Malpertuis
7
0
0,33
7,33
30
10
0,33
Caberg
7
1
0,38
8,38
34
13
0,38
Oud Caberg
7
0
0,07
7,07
29
2
0,07
Malberg
7
1
Dousberg-Hazendans
7
0
0,06
7,06
32
2
0,06
Daalhof
7
1
0,10
8,10
72
7
0,10
Boschpoort
7
1
0,44
8,44
9
4
0,44
Boscscherveld
7
0
0,12
7,12
33
4
0,12
Frontenkwartier
7
0
7,00
7,00
8,00
Belvedere
7
0
Lanakerveld
7
0
Wyckerpoort
7
4
0,17
11,17
41
7
0,17
Heugemerveld
5
3
0,07
8,07
27
2
0,07
Wittevrouwenveld
7
4
0,07
11,07
75
5
0,07
Nazareth
7
5
0,05
12,05
38
2
0,05
Limmel
7
5
Scharn
5
0
0,10
5,10
89
9
0,10
Amby
7
2
0,09
9,09
82
7
0,09
Beatrixhaven
7
1
0,07
8,07
14
1
0,07
Borgharen
7
0
0,08
7,08
36
3
0,08
Itteren
7
0
Meerssenhoven
7
0
Randwyck
5
0
0,04
5,04
50
2
0,04
Heugem
5
0
0,18
5,18
56
10
0,18
Heer
5
3
0,04
8,04
102
4
0,04
De Heeg
5
3
0,09
8,09
58
5
0,09
Vroendaal
5
1
0,06
6,06
17
1
0,06
7,00
12,00
7,00
7,00
BRON: STADSDEELPROGRAMMA'S 2007
76
GENTRIFICATIE
Tabel 7.28: Beleidsschaal gentrificatie.
GENTRIFICATIE
STADSDEEL
BUURT
BEREKENING STRAATSCORE
STRAAT SCORE
INWONERS
BELEIDSSTRATEN
SCORE
City
2
0
0,21
2,21
61
13
0,21
Jekerkwartier
2
1
0,12
3,12
50
6
0,12
Kommelkwartier
2
0
0,24
2,24
21
5
0,24
Statenkwartier
2
2
0,24
4,24
25
6
0,24
Boschstraatkwartier
2
0
0,06
2,06
32
2
0,06
St. Maartenspoort
2
0
0,50
2,50
14
7
0,50
Wyck
2
1
0,18
3,18
50
9
0,18
Villapark
4
1
5,00
Jekerdal
4
0
Biesland
4
0
0,09
4,00
4,09
22
2
0,09
Campagne
4
0
0,11
4,11
19
2
0,11
Wolder
4
0
0,23
4,23
22
5
0,23
St. Pieter
4
0
0,04
4,04
27
1
0,04
Brusselsepoort
3
0
0,06
3,06
54
3
0,06
Mariaberg
3
2
0,10
5,10
68
7
0,10
Belfort
3
0
0,03
3,03
35
1
0,03
Pottenberg
3
1
0,16
4,16
32
5
0,16
Malpertuis
3
0
0,20
3,20
30
6
0,20
Caberg
3
1
0,44
4,44
34
15
0,44
Oud Caberg
3
0
0,10
3,10
29
3
0,10
Malberg
3
1
0,19
4,19
81
15
0,19
Dousberg-Hazendans
3
1
0,09
4,09
32
3
0,09
Daalhof
3
0
0,11
3,11
72
8
0,11
Boschpoort
3
3
0,44
6,44
9
4
0,44
Boscscherveld
3
0
0,09
3,09
33
3
0,09
Frontenkwartier
3
0
3,00
4,00
Belvedere
3
1
Lanakerveld
3
0
Wyckerpoort
4
3
0,20
7,20
41
8
0,20
Heugemerveld
4
1
0,30
5,30
27
8
0,30
Wittevrouwenveld
4
2
0,20
6,20
75
15
0,20
Nazareth
4
4
0,16
8,16
38
6
0,16
Limmel
4
5
0,14
9,14
29
4
0,14
Scharn
4
2
0,15
6,15
89
13
0,15
Amby
4
2
0,18
6,18
82
15
0,18
Beatrixhaven
4
1
0,07
5,07
14
1
0,07
Borgharen
4
0
20
1
0,05
3,00
4,00
Itteren
4
0
Meerssenhoven
4
0
0,05
4,05
Randwyck
4
2
0,06
6,06
50
3
0,06
Heugem
4
0
0,11
4,11
56
6
0,11
Heer
4
3
0,09
7,09
102
9
0,09
De Heeg
4
3
0,19
7,19
58
11
0,19
Vroendaal
4
0
4,00
4,00
BRON: STADSDEELPROGRAMMA'S 2007
77
APPENDIX V: BELEID UIT STADSDEELPROGRAMMA’S
In de onderstaande twee paragrafen is het beleid weergegeven dat is gebruikt, per stadsdeel/buurt/straat, om
tot een beleidsschaal te komen. Deze informatie is afkomstig uit de stadsdeelprogramma’s van de gemeente
Maastricht (2007).
OBJECTIEF VEILIGHEIDSBELEID
Tabel 7.29: Beleid uit stadsdeelprogramma Centrum.
STADSDEEL
BUURT
CENTRUM
BOSCHSTRAATKWARTIER
STRATEN
integrale aanpak drugsoverlast door Joint
overlast alcoholisten en verslaafden
auto-inbraken
Hit Team en project BorderlineS gericht
op illegale handel, verkoopadressen,
jeugdoverlast (scholieren)
dealers en drugsrunners. Tevens aanpak
hennepteelt
overlast horeca (sluitingstijd, geluid,
milieu, bezoekers)
projectmatig (wijkgericht) toezicht tav
overlast, woninginbraak, diefstal uit
CITY
STRATEN
auto’s
handhaven openbare orde (wildplassen)
motordiefstallen m.n. op genoemde
spreidingsplan Coffeeshops
verkeersoverlast (laad- en losverkeer,
(Operatie Coffeecorner)
gebruik voetgangerszone buiten
locaties
venstertijden)
Internationale samenwerking Belgische
politiekorpsen en opsporingsinstanties
overlast van verslaafden
geïntegreerde handhavingsacties op de
winkeldiefstallen
overlast top 10
bestrijding zakkenrollers tijdens de
woensdag- en vrijdagmarkt
JEKERKWARTIER
STRATEN
overlast zwervers en drugsverslaafden
diefstal van en uit voertuigen (3X)
jeugdoverlast
drugsoverlast (handel en gebruik) (3X)
KOMMELKWARTIER
extra financiering voor
bewonersinitiatieven
ter verbetering van leefbaarheid
STRATEN
verkeersoverlast
overlast horeca (sluitingstijd, geluid,
milieu, bezoekers)
SINT MAARTENSPOORT
extra financiering voor
bewonersinitiatieven
ter verbetering van leefbaarheid
STRATEN
drugsoverlast
auto-inbraken
STATENKWARTIER
extra financiering voor
bewonersinitiatieven
ter verbetering van leefbaarheid
STRATEN
auto-inbraken (3X)
overlast gebruikers slaaphuis (looproute
richting binnenstad)
78
STADSDEEL
BUURT
overlast horeca (sluitingstijd, geluid,
milieu, bezoekers)
WYCK
STRATEN
preventief toezicht overlast zwervers en
toezicht op NS station ivm drugstoerisme
drugsgerelateerde overlast
toezicht voorzijde station
winkeldiefstallen
(brom)fietsdiefstallen rond bioscoop/
auto-inbraken
Centraal Station
jeugdoverlast
overlast horeca (sluitingstijd, geluid,
milieu, bezoekers)
BRON: STADSDEELPROGRAMMA’S MAASTRICHT-CENTRUM 2007.
79
Tabel 7.30: Beleid uit stadsdeelprogramma Zuidoost.
STADSDEEL
BUURT
ZUIDOOST
DE HEEG
Integrale aanpak drugsoverlast
Verbeteren inbraakwering tot niveau politiekeurmerk
Spreidingsplan
coffeeshops
Verkeersoverlast
Projectmatig toezicht tav overlast, inbraak/diefstal
Jeugdoverlast
Samenwerking Belgische Politiekorpsen en
opsporingsinstanties
HEER
STRATEN
Verbeteren inbraakwering tot niveau politiekeurmerk
Verkeerscontroles
Diefstal uit auto's
Overlast hangjeugd, alcoholisten/junks
Parkeeroverlast
Jeugdoverlast (diefstal, baldadigheid) (2x)
HEUGEM
STRATEN
STRATEN
Jeugdoverlast (geluid, gedrag, vandalisme)
(3x)
Jeugdoverlast (diefstal, baldadigheid, etc)
(2x)
Handhavingsacties op overlast
Jeugdoverlast (diefstal, baldadigheid) (5x)
Bromfietsdiefstallen (2x)
Parkeergedrag (3x)
HEUGEMERVELD
STRATEN
Diefstal van en uit auto's
Jeugdoverlast (2x)
Diefstallen mbt geplande nieuwbouw
Overlast bromfietsers
RANDWYCK
STRATEN
Jeugdoverlast (geluid, vervuiling, gedrag)
(2x)
SCHARN
STRATEN
Drugoverlast (4x)
Autodiefstallen (5x)
VROENDAAL
Overlast jeugd in Bruysterbosch
BRON: STADSDEELPROGRAMMA MAASTRICHT-ZUIDOOST 2007.
80
STRATEN
Schoolgaande jeugdoverlast (vandalisme &
mishandeling)
Tabel 7.31: Beleid uit stadsdeelprogramma Zuidwest.
STADSDEEL
BUURT
ZUIDWEST
BIESLAND
STRATEN
Integrale aanpak drugsoverlast
Diefstal uit voertuigen (3x)
Projectmatig (wijkgericht) toezicht tav overlast,
woninginbraak, diefstal
Jeugdoverlast (2x)
Internationale samenwerking Belgische
politiekorpsen
CAMPAGNE
STRATEN
Overlast
Geïntegreerde handhavingsacties op overlast
JEKERDAL
STRATEN
SINT PIETER
STRATEN
Toezicht in natuurgebied
VILLAPARK
STRATEN
Jeugdovelast (3x)
Agressief verkeersgedrag (2x)
WOLDER
STRATEN
Diefstal van en uit voertuigen (5x)
Jeugdoverlast
BRON: STADSDEELPROGRAMMA MAASTRICHT-ZUIDWEST 2007.
81
Tabel 7.32: Beleid uit stadsdeelprogramma Noordwest.
STADSDEEL
BUURT
NOORDWEST
BELFORT
STRATEN
Integrale aanpak drugsoverlast
Diefstal uit auto's
Agressief verkeersgedrag (2x)
Spreidingsplan Coffeeshops
Jeugdoverlast (vervuiling, vernieling,
geluidsoverlast) (2x)
Projectmatig (wijkgericht) toezicht tav overlast,
woninginbraak, diefstal
BELVEDERE
STRATEN
Internationale samenwerking Belgische
politiekorpsen
BOSCHPOORT
STRATEN
Buurtbemiddeling
Hennepplantages bij en in woonhuizen
Agressief rijgedrag (3x)
Gerichte aanpak jeugdoverlast & criminaliteit
Geintegreerde handhavingsacties op overlast
Controles (politie)
BOSSCHERVELD
STRATEN
Agressief rijgedrag (3x)
Growshop op industrieterrein
BRUSSELSEPOORT
STRATEN
Autoinbraken (2x)
CABERG
STRATEN
Diefstal van en uit auto's & bromfietsen
Overlast Jeugd (Caberg Noordoost) (13x)
DAALHOF
STRATEN
Aanpak vernielingen rondom jongerenplek
Agressief verkeersgedrag
Jeugdoverlast (geluid, vervuiling) (3x)
Diefstal van en uit voertuigen (3x)
DOUSBERG/HAZENDANS
STRATEN
Jeugdoverlast (vernieling, geluid, vervuiling) (2x)
LANAKERVELD
STRATEN
MALBERG
STRATEN
Zichtbaar aanwezig politie
MALPERTUIS
STRATEN
Jeugdoverlast (vandalisme, geluid) (10x)
MARIABERG
Optreden politie tegen discriminatie, bedreiging
en mishandeling
STRATEN
Project jong en veilig in Mariaberg
Jeugdoverlast (geluid, vandalisme, baldadigheid,
diefstal, intimidatie, etc.) (4x)
OUD CABERG
STRATEN
Veel voorkomende criminaliteit (3x)
Overlast jeugd (2x)
POTTENBERG
STRATEN
Zichtbaar aanwezig politie
Jeugdoverlast (vandalisme, baldadigheid, geluid,
vervuiling) (4x)
BRON: STADSDEELPROGRAMMA MAASTRICHT-NOORDWEST 2007.
82
Tabel 7.33: Beleid uit stadsdeelprogramma Zuidwest.
STADSDEEL
BUURT
NOORDOOST
AMBY
STRATEN
Integrale aanpak drugsoverlast
Inzet Mojo-bus
Jeugdoverlast (geluid, vervuiling, baldadigheid,
vernieling, geweld) (5x)
Spreidingsplan Coffeeshops
Surveillanca woning- & autoinbraken
Bedrijfsinbraken (2x)
Internationale samenwerking Belgische
politiekorpsen
BEATRIXHAVEN
STRATEN
Illegale woonboten
Overlast illegale waterrecreanten
BORGHAREN
STRATEN
Projectmatig (wijkgericht) toezicht tav overlast,
woninginbraak, diefstal
Jeugdoverlast (geluid, bromfiets) (3x)
Gerichte aanpak jeugdoverlast & criminaliteit
ITTEREN
STRATEN
LIMMEL
STRATEN
Geintegreerde handhavingsacties op overlast
Opstellen leefregels tbv leefbaarheid
Team veilige buurten
Studentenoverlast (geluid, vernielingen)
Mentoren op straat
Inzet Mojo-bus
MEERSENHOVEN
STRATEN
NAZARETH
STRATEN
Team veilige buurten
Jeugdoverlast (geluid, baldadigheid, bromfiets)
(2x)
Woninginbraken, autoinbraak & diefstal
Inzet Mojo-bus
Buurtbemiddeling
Mentoren op straat
WITTEVROUWENVELD
STRATEN
Team veilige buurten
Naleven blauwe zone
Buurtbemiddeling
Jeugdoverlast (geluid, vernieling, baldadigheid)
(4x)
Mentoren op straat
Inzet Mojo-bus
WYCKERPOORT
STRATEN
Team veilige buurten
Drugs- & zwerveroverlast (4x)
Buurtbemiddeling
Jeugdoverlast
Mentoren op straat
Autoinbraken (2x)
Inzet Mojo-bus
BRON: STADSDEELPROGRAMMA MAASTRICHT-ZUIDWEST 2007.
83
GENTRIFICATIE
Tabel 7.34: Beleid uit stadsdeelprogramma Centrum.
STADSDEEL
BUURT
CENTRUM
CITY
STRATEN
dagelijks beheer en onderhoud openbare
-
nieuwbouw 16 woningen boven Knibbeler
ruimte
ontwikkeling aanloopstraten
plaatsen HPLN-lampen (Hoge Druk
Kwiklampen)
nieuwbouw 12 woningen boven Pieters
Dortu
nieuwbouw 10 huurwoningen boven
Douglas
nieuwbouw 6 huurwoningen
restauratie Awwe Stiene
plusproject zwerfafval
nieuwbouw 65 woningen SNS bank
nieuwbouw 9 huurwoningen boven
Kruidvat
nieuwbouw Sint Amorsplein 7,
12 woningen
vervangen/verbeteren verlichting (2X)
BOSCHSTRAATKWARTIER
STRATEN
-
uitvoeringsplan Sphinx, start 1e woningen
Maagdendries (2X)
WYCK
STRATEN
herbestemming Ridderbrouwerij met
afwerking skatebaan
behoud van beschermd stadsgezicht
ontwikkeling aanloopstraten
vervangen/verbeteren verlichting (2X)
vervangen bomen Stationsstraat
Noord-Zuid v.v. fietsroute vanaf Vodafone (2X)
tot aan Centre Céramique
vervanging verkeerslichten
aanpassingen kruising tbv overzichtelijkheid
fietsers
JEKERKWARTIER
ontwikkeling bestemmingsplan Binnenstad
STRATEN
groot onderhoud/ vervanging brug Dr.
Nolenspark
afronden wegverharding J.F. Kennedybrug/
84
STADSDEEL
BUURT
Prins Bisschopsingel
groot onderhoud/ vervanging brug
Nieuwenhofpoortje
groot onderhoud rijweg
ontwikkeling aanloopstraten (2X)
groot onderhoud/ vervanging brug Vief
Köp
KOMMELKWARTIER
STRATEN
-
verlichting op niveau brengen (4X)
herinrichting Kommelplein
SINT MAARTENSPOORT
STRATEN
-
woningverbetering, 49 woningen (2X)
woningverbetering, 89 woningen (5X)
STATENKWARTIER
STRATEN
herontwikkeling Statenkwartier West
woningverbetering, 36 woningen
ontwikkeling bestemmingsplan Binnenstad
nieuwbouw 8 woningen
ontwikkeling aanloopstraten (3X)
vernieuwbouw 21 studio’s
BRON: STADSDEELPROGRAMMA MAASTRICHT-CENTRUM 2007.
85
Tabel 7.35: Beleid uit stadsdeelprogramma Zuidoost.
STADSDEEL
BUURT
ZUIDOOST
DE HEEG
STRATEN
Ontwikkeling nieuw afvalbeleid
Project A2 Maastricht
Extra controle milieuperron (2x)
Beheer & onderhoud openbare ruimte
Realisatie Speelvoorziening
Woningverbetering (3x)
Reinigen & inspect. Riolering
Omvorming groen
Kwaliteitssportpark (2x)
Plaatsen HPLN-lampen
Verbouwing 5 woningen
Verbouwing buurtcentrum de boeckel
Aanpassing speeltuin Wieringeberg
Herinrichting de Karosseer
HEER
STRATEN
Project A2 Maastricht
Afronding aanleg infrastructuur
Realisatie kindercentrum
Extra controle milieuperron (2x)
Bouw Zorgcentrum Providentia
HEUGEM
STRATEN
Bouw wijkcentrum
Extra controle milieuperron (3x)
Groot onderhoud rijweg/trottoir's
Bouw seniorenappartementen
HEUGEMERVELD
Aanpak openbaar gebied ism gemeente en
bewoners
STRATEN
Gefaseerde sloop
Uitwerking woningbouwplannen (2x)
Voorbereiding nieuwbouw (2x)
Nieuwbouw, gezinswoningen (2x)
Extra controle milieuperron
RANDWYCK
STRATEN
Project A2 Maastricht
Herontwikkeling bestaand vastgoed
Realisatie campus Maastricht
Naleving groen en grijze wetten
Pilot led verlichting
SCHARN
STRATEN
Project A2 Maastricht
Extra controle milieuperron (3x)
Uitwerken structuurvisie
Herontwikkeling locatie
86
STADSDEEL
BUURT
Aanleg busbaan & fietsstroken
Uitvoering verkeersarrangement (8x)
VROENDAAL
STRATEN
BRON: STADSDEELPROGRAMMA MAASTRICHT ZUIDOOST 2007.
Tabel 7.36: Beleid uit stadsdeelprogramma Zuidwest.
STADSDEEL
BUURT
ZUIDWEST
BIESLAND
STRATEN
Voorbereiden & uitvoeren bodemsanering
Dagelijks beheer & onderhoud openbare ruimte
Plaatsen HPLN-lampen
Reinigen & inspecteren riolering
Extra controle milieuperron
CAMPAGNE
STRATEN
Plaatsen speeltoestellen (2x)
Ontwikkeling afvalbeleid
JEKERDAL
STRATEN
SINT PIETER
STRATEN
Start renovatie
VILLAPARK
STRATEN
Groot onderhoud JFKennedybrug
WOLDER
STRATEN
Uitbreiding Basisschool
Extra controle milieuperron
Bouw seniorencomplex (3x)
BRON: STADSDEELPROGRAMMA MAASTRICHT ZUIDWEST 2007.
87
Tabel 7.37: Beleid uit stadsdeelprogramma Noordwest.
STADSDEEL
BUURT
NOORDWEST
BELFORT
STRATEN
Plaatsen HPLN lampen
Dagelijks beheer en onderhoud openbare ruimte
Extra controle milieuperron
BELVEDERE
STRATEN
Project belvedere
Reinigen, inspecteren riolering
BOSCHPOORT
STRATEN
Aandacht gebruik milieuperrons
Toezich & handhaven afvaldumpen (2x)
Oplevering woningen boostencomplex
Milieuverontreiniging (2x)
Oplevering jeu de boule baan
BOSCHERVELD
STRATEN
Toezich & handhaven afvaldumpen (3x)
BRUSSELSEPOORT
STRATEN
Afronden herbestemmingsplan (3x)
CABERG
STRATEN
Toezicht handhaving wegverontreiniging
Verkoop nieuwbouw (3x)
Sloop fase & nieuwbouw (4x)
Renovatie buitenzijde & entree's (2x)
Extra controle milieuperron
Oplevering seniorencomplexen (2x)
Sloop flats & nieuwbouw (2x)
Herinrichten woonwagenlocatie
DAALHOF
STRATEN
Woningverbetering (2x)
Schilderwerk (3x)
Extra controle milieuperron
Woningverbetering
Restauratie begraafplaats
DOUSBERG/HAZENDANS
STRATEN
Illegale (huisvuil-)stortingen
Extra controle milieuperron (2x)
Reconstructie Via Regiapark
LANAKERVELD
STRATEN
MALBERG
STRATEN
Toezicht handhaving wegverontreiniging
Ontwikkeling nieuwbouw
88
STADSDEEL
BUURT
Aanleg voetbalkunstgrasveld
Afronden herinrichting volkstuincomplex
Nieuwbouw 20 woningen
Bouw kleinschalig verpleegcentrum
Sloop 44 woningen
Woningverbetering 108 woningen
Woningverbetering 782 woningen
Afronding inrichting woonwagenlocatie
Sloop en nieuwbouw centrumplan
Start sloop flats
Renovatie 176 1gezinswoningen
Herontwikkeling groenzone
start verkoop en bouw 20 koopwoningen
MALPERTUIS
STRATEN
Illegaal storten aval
Woningverbetering 24 woningen
Schilderonderhoud aan flats
Extra controle milieuperrons
Uitwerken programma woningbouw
Woningverbetering 89 woningen
MARIABERG
STRATEN
Uitvoering verlichtingsplan
Schilderonderhoud
Project meer met geld
Vervangen 18 woningen
Nieuwbouw 16 woningen (2x)
Woningverbetering (3x)
OUD CABERG
STRATEN
Vernieuwing speelvoorziening
Aanleg vrije busbaan
Extra controle milieuperrons
POTTENBERG
STRATEN
Opknap beurt gemeenschapshuis
Schilderonderhoud duplexwoningen (4x)
89
STADSDEEL
BUURT
Extra controle milieuperron
BRON: STADSDEELPROGRAMMA MAASTRICHT ZUIDSWEST 2007.
Tabel 7.38: Beleid uit stadsdeelprogramma Noordwest.
STADSDEEL
BUURT
NOORDOOST
AMBY
STRATEN
Dagelijks beheer & onderhoud openbare ruimte
Project A2 Maastricht
Ontwikkeling Geusseltpark (3x)
Plaatsen HPLN-lampen
Ontwikkeling Ambyerveld
Sloop 14 duplexwoningen (2x)
Reinigen & inspecteren riolering
Oplevering supermarkt & appartementen (2x)
Verkoop 60 woningen
Oplevering appartementencomplex
Sloop 5 aanleunwoningen
Start bouw Hagerpoort
Afsluiting Molenweg Zuid
Extra controle milieuperron
verbouw 20 studenteneenheden
sloop en bouw 12 appartementen (2x)
BEATRIXHAVEN
STRATEN
Project A2 Maastricht
Herinrichting
BORGHAREN
STRATEN
ITTEREN
STRATEN
Verbouwing clubgebouw
LIMMEL
STRATEN
Project A2 Maastricht
Renovatie en aanbouw tbv herhuisvestiging
Extra budget beheer & onderhoud
Realisatie natuurspeelplaats (2x)
Extra inzet opbouwwerk
Start bouw 22 woningen
Inrichting bedrijventerrein Limmel
Verbetering wijkentrees
MEERSENHOVEN
STRATEN
NAZARETH
STRATEN
Project A2 Maastricht
Nieuwbouw 27 appartementen (2x)
Extra inzet opbouwwerk
Realisatie natuurspeelplaats (2x)
Oplevering & ingebruikname buurtcentrum
Pilot LED-verlichting
90
STADSDEEL
BUURT
Extra budget beheer & onderhoud
Extra controle milieuperron
WITTEVROUWENVELD
STRATEN
Project A2 Maastricht
Aanleg buurtpark
Extra budget beheer & onderhoud
Plaatsen speeltoestellen (2x)
Extra controle milieuperron
Verkoop 22 woningen
Oplevering infrastructuur (3x)
Herinvulling winkels, versterken straatbeeld
Oplevering 10 woningen
Oplevering 29 koopwoningen (2x)
Oplevering 15 koop en 4 huurwoningen (3x)
WYCKERPOORT
STRATEN
Aanleg ondergrondse parkeergarage en 1e
bouwblok
Project A2 Maastricht
Extra budget beheer & onderhoud
Afsluiting tunnel & opwaardering fietstunnel
Extra inzet opbouwwerk
Sloop 11 winkels, bovenwoningen &
appartementen
Nieuwbouw 74 huurappartementen
Nieuwbouw 120 koopwoningen (4x)
BRON: STADSDEELPROGRAMMA MAASTRICHT-NOORDOOST 2007.
91

Vergelijkbare documenten