Bibliografie - Erasmus University Thesis Repository · Web viewIn model 2 wordt de relatie tussen...

Criminaliteit en inkomensongelijkheid in Rotterdam

Abstract

Er is sprake van toenemende inkomensongelijkheid in de wereld (Piketty, 2014). Ook in Nederland lijkt de inkomensongelijkheid de afgelopen jaren te zijn toegenomen (Salverda, et al., 2013). Wat zijn hiervan de gevolgen? Eén van de mogelijke gevolgen is toename van criminaliteit door het afnemen van sociaal vertrouwen. In dit onderzoek is het verband tussen inkomensongelijkheid en criminaliteit onderzocht en is gekeken welke invloed sociaal vertrouwen heeft op dit verband. Anders dan in reeds gedane studies, is er tijdens dit onderzoek gekeken naar dit verband op lokaal niveau. Hiervoor zijn binnen de wijken van Rotterdam drie categorieën van criminaliteit onderzocht, namelijk ‘Inbraak’, ‘Geweld’ en ‘Diefstal’. Daarbij is gebruik gemaakt van inkomensgegevens van het jaar 2012 en criminaliteitsgegevens van 2006-2012. Deze gegevens zijn verstrekt door de gemeente Rotterdam. Uit ‘Ordinary least Squares regressie analyse’ blijkt dat er geen significante associaties zijn tussen inkomensongelijkheid en de categorieën ‘Geweld’ en ‘Diefstal’. Er bestaat wel een significante associatie tussen ‘Inbraak’ en inkomensongelijkheid. Deze associatie blijkt deels verklaard te kunnen worden door het sociaal vertrouwen.

Inhoudsopgave

pagina

Voorwoord 3

Introductie 4

Theoretisch raamwerk 6

Data en methoden 12

Resultaten 18

Conclusies en discussie 20

Bibliografie 24

Appendix 27

2

Voorwoord

Dit paper is geschreven als bachelorthesis voor de opleiding Economie en Bedrijfseconomie van de Erasmus Universiteit Rotterdam. Deze bachelorthesis is geschreven door Bart Groen en begeleid door Jan-Jelle Witte, hoogleraar aan de Erasmus Universiteit Rotterdam.

Er is veel tijd gaan zitten in het schrijven van dit paper en ik heb veel geleerd tijdens het maken ervan. Naast de kennis die ik heb opgedaan over de onderwerpen criminaliteit, inkomensongelijkheid en sociaal vertrouwen, heb ik ook meer vaardigheid gekregen met het gebruik van statistische methoden.

Ik wil graag mijn begeleider Jan-Jelle Witte heel erg bedanken voor zijn advies en hulp bij het maken van deze scriptie. Hij heeft mij veel bijgebracht over het gebruik van statistische methoden en vaak een zetje in de juiste richting gegeven als dit nodig was. Daarnaast is hij altijd bereikbaar geweest als er vragen waren van mijn kant. Verder wil ik ook nog de gemeente Rotterdam, en specifiek Martijn Epskamp, bedanken voor de hulp bij het verzamelen van de data die nodig was voor het onderzoek. Zonder de hulp van deze personen had mijn bachelorthesis niet tot stand kunnen komen.

3

Introductie

Inkomensongelijkheid is altijd een actueel onderwerp geweest. De afgelopen jaren is echter de aandacht ervoor verder toegenomen. Uit onderzoek van Piketty bleek niet alleen dat de inkomensongelijkheid sinds de twee wereldoorlogen sterk was toegenomen. Er wordt zelfs gesteld dat deze trend zich onder de huidige omstandigheden in de nabije toekomst zal voortzetten (Piketty,2014). Deze vondsten worden verder onderschreven door de Organisatie voor Economische Samenwerking en Ontwikkeling, dat stelt dat de inkomensongelijkheid in geïndustrialiseerde landen op recordniveau is gekomen (OECD, 2015). Ook Nederland valt onder de geïndustrialiseerde landen die worden genoemd in het onderzoek van de OECD. Uit verder onderzoek blijkt dat in Nederland de Gini-coëfficiënt voor inkomensongelijkheid over de afgelopen jaren met 14% is toegenomen (Salverda, et al., 2013). Wat zijn echter de gevolgen van deze toenemende inkomensverschillen?

Het blijkt dat inkomensongelijkheid een versterkende werking heeft op een groot aantal maatschappelijke problemen, zoals schoolprestaties, geestesziektes, drugsgebruik, overgewicht en criminaliteit (Pickett & Wilkinson, 2009). Recent onderzoek naar de associatie tussen inkomensongelijkheid en criminaliteit kijkt voornamelijk naar de relatie tussen moord en inkomensongelijkheid (Kennedy et al., 1998). Uit dit onderzoek blijkt dat er een verband is tussen inkomensongelijkheid en delicten met vuurwapens in de Verenigde Staten, waarbij wordt gesteld dat dit verband loopt via het sociaal vertrouwen. Deze veronderstelling wordt onderstreept door later onderzoek dat eveneens naar de associatie tussen moord en sociaal vertrouwen kijkt (Rosenfeld & Baumer, 2001). Als men kijkt naar meerdere vormen van criminaliteit lijkt het er op dat er geen relatie met inkomensongelijkheid bestaat bij vermogensdelicten, maar wel bij geweldsdelicten (Kelly,2000). Verder onderzoek sluit zich hierbij aan en stelt dat de associatie tussen inkomensongelijkheid en geweldadige vermogensdelicten niet statistisch significant is (Neumayer, 2005). Recenter onderzoek spreekt dit echter tegen en toont aan dat er wel degelijk een significante relatie is tussen inkomensongelijkheid en zowel inbraken als overvallen (Choe, 2008). Een studie naar criminaliteit in een groot aantal landen wijst uit dat er internationaal gezien een positief verband bestaat tussen inkomensongelijkheid en moord, verkrachting en overvallen, maar dat er juist een negatief verband bestaat tussen inkomensongelijkheid en geweldpleging, inbraak en diefstal (Faaij & Boersma, 2014).

Er is dus geen eenduidig antwoord te geven op de vragen of inkomensongelijkheid een positief effect heeft op de hoeveelheid criminaliteit en op welke vormen van criminaliteit het een effect heeft. Er is al veel onderzoek gedaan naar het onderwerp, maar het grootste deel van deze onderzoeken lijkt op elkaar, in die zin dat ze kijken naar criminaliteit op macro-niveau. Een deel kijkt daarbij naar criminaliteit op nationaal niveau en dan voornamelijk voor wat betreft de Verenigde Staten (Choe, 2008; Kennedy et al., 1998 ), terwijl een ander deel kijkt naar criminaliteit op internationaal niveau (Faaij & Boersma, 2014; Wilkinson & Pickett, 2009). Daardoor ontstaat er een mogelijkheid om onderzoek te doen naar de impact van inkomensongelijkheid op criminaliteit op regionaal niveau. Uit het onderzoek van Neumayer blijkt namelijk dat de assiociatie tussen inkomensongelijkheid en geweldadige vermogensdelicten niet statistisch significant is. Dit omdat ‘Natie-specifieke vaste effecten’, zoals culturele verschillen, niet zijn meegenomen in het internationale onderzoek. Zelfs bij nationaal onderzoek, gedaan in een groot land als de Verenigde Staten, is het lastig te controleren op ‘fixed effects’ (Neumayer, 2005). Op een lager niveau is

4

controle op dergelijke effecten eenvoudiger. Daarnaast blijkt uit de hiervoor genoemde literatuur dat het kijken naar een enkele vorm van criminaliteit vaak geen uitsluitsel geeft ten aanzien van de effecten van inkomensongelijkheid.Daarom lijkt het voor dit onderzoek verstandig om naar meerdere vormen van criminaliteit te kijken. Dit mede omdat geweldsdelicten vaak andere oorzaken kennen dan vermogensdelicten. Geweldsdelicten komen vaak voort uit een gevoel van frustratie en een gebrek aan sociaal vertrouwen, hetgeen nauw samenhangt met inkomensongelijkheid. Vermogensdelicten daarentegen komen vaker voort uit economische motieven (Kelly, 2000). Er bestaat echter ook onderzoek dat er op wijst dat criminaliteit wel degelijk kan voortkomen uit economische motieven. Dit omdat mensen een kosten-baten afweging zouden maken bij het begaan van een misdaad (Becker, 1974).

De onderzoeksvraag voor dit onderzoek is ‘’Wat is de mate van associatie tussen inkomensongelijkheid en verschillende vormen van criminaliteit in de wijken van Rotterdam en in welke mate wordt deze associatie verklaard door het sociaal vertrouwen in de wijken?’’

De eerste hypothese bij deze onderzoeksvraag komt voort uit de literaire observatie dat er een verband zou bestaan tussen inkomensongelijkheid en criminaliteit (Kennedy et al.,1998;Wilkinson & Pickett, 2009). Verder lijkt dit verband zich niet alleen voor te doen op macro-niveau van criminaliteit, zoals de hiervoor genoemde studies hebben onderzocht. Uit onderzoek op meer lokaal niveau naar kleine gemeenschappen lijkt ook hier een verband te bestaan tussen de twee (Patterson, 1991).

Hypothese 1: ‘’Er is een positieve associatie tussen inkomensongelijkheid en criminaliteit in de verschillende wijken van Rotterdam’’.

De tweede hypothese gaat in op het mogelijke effect dat sociaal vertrouwen kan hebben op criminaliteit. Hierbij wordt gestelt dat naarmate er meer sociaal vertrouwen is binnen een samenleving of gemeenschap er minder criminaliteit zal zijn (Wilkinson, Kennedy, & Kawachi, 1998; Halpern, 2001).

Hypothese 2: ‘’Er is een negatieve associatie tussen sociaal vertrouwen en criminaliteit in de verschillende wijken van Rotterdam’’.

De derde hypothese evalueert de eerste en de tweede hypothese en kijkt in hoeverre het verband tussen inkomensongelijkheid en criminaliteit kan worden verklaard door de correlatie tussen sociaal vertrouwen en criminaliteit. Kijkend naar de literatuur kan men verwachten dat het effect van hypothese 2 op hypothese 1 substantieel is (Kawachi et al., 1997; Kennedy et al.,1998).

Hypothese 3: ‘’Een deel van de associatie tussen inkomensongelijkheid en criminaliteit wordt verklaard door het sociaal vertrouwen’’

5

Theoretisch raamwerk

Zoals in de introductie al is gesuggereerd, wordt bij onderzoek naar de gevolgen van inkomensongelijkheid op criminaliteit vooral gekeken naar de driekhoeksverhouding tussen inkomensongelijkheid, criminaliteit en sociaal vertrouwen (Kennedy et al., 1998; Kelly, 2000). In deze driehoek zijn drie paden van associatie te onderscheiden. Het eerste pad kijkt gewoonweg naar het effect van inkomensongelijkheid op criminaliteit. Bij het tweede en het derde pad wordt rekening gehouden met het mediërende effect van sociaal vertrouwen op de relatie tussen de andere twee variabelen. Het tweede pad geeft namelijk de associatie aan tussen inkomensongelijkheid en sociaal vertrouwen, terwijl het derde pad de associatie tussen sociaal vertrouwen en verschillende vormen van criminaliteit aangeeft. Hieronder in figuur 1 zijn deze paden schematisch weergegeven.

Figuur 1

Voor het

eerste pad zijn de verschillende motieven achter criminaliteit van belang. Zoals (Kelly, 2000) namelijk heeft beweerd, kunnen er achter criminaliteit verschillende motieven schuilgaan. Het eerste is het psychosociale motief voor criminaliteit. Dit is de reactie die zich voor kan doen als een persoon relatief minder bezit dan een ander. Dit motief wordt beschreven in de theorie van de ‘relative deprivation’. Deze theorie stelt dat als mensen rijkdom om zich heen waarnemen, maar hier niet in delen, er sentimenten van afkeur, frustratie en hopeloosheid ontstaan. Deze gevoelens kunnen dan gemakkelijk ontaarden in geweldadige criminaliteit (Blau & Blau, 1982). Het al eerder genoemde onderzoek sluit zich hierbij aan en stelt dat inkomensongelijkheid zorgt voor frustratie, die gemakkelijk leidt tot crimineel gedrag (Pickett & Wilkinson, 2009). Criminalteit en voornamelijk geweldadige criminaliteit is in gevallen van ongelijkheid vaak een uitlaatklep om gevoelens die gepaard gaan met ongelijkheid, zoals schaamte en vernedering, te onderdrukken en ze te vervangen door een gevoel van trots (Gilligan, 1996). De gemeenschap, ofwel de personen in de omgeving van een individu vormen het referentiekader voor deze ongelijkheid, maar ook de media kan hier een belangrijke rol in spelen. Dit proces van sociale vergelijking bepaalt in welke mate een individu een inkomensongelijkheid ervaart en dat beïnvloedt vervolgens weer in hoeverre een individu wordt aangetrokken door criminaliteit (Pickett & Wilkinson, 2009).

Naast dit psychosociale motief bestaat er ook een economisch motief voor criminaliteit, alhoewel sommige studies stellen dat dit motief het verband tussen inkomensongelijkheid en criminaliteit niet verklaart (Kelly, 2000; Faaij & Boersma, 2014). Ook is er onderzoek gedaan dat wel in deze richting wijst (Choe, 2008). Inkomensongelijkheid hangt namelijk nauw samen met het begrip

6

armoede. Armoede kan in deze zin op twee manieren worden uitgelegd. Aan de ene kant staat het autonome begrip van armoede en aan de andere kant staat het relatieve begrip van armoede. Vooral het relatieve begrip van armoede wordt geassocieerd met inkomensongelijkheid. Binnen het spectrum van alle inkomens zijn er immers altijd mensen die relatief armer zijn dan anderen. Dat betekent echter niet dat deze mensen arm zijn in de autonome betekenis van het woord. Hiervan is namelijk pas sprake wanneer de middelen van mensen, gezinnen of groepen mensen zo beperkt zijn dat zij daardoor worden uitgesloten van de minimaal aanvaardbare leefpatronen in de lidstaat waarin zij leven (Raad van Europese Gemeenschappen, 1985). Het is daarentegen niet nodig dat mensen voldoen aan deze criteria om zich arm te voelen in de maatschappij. Dit wordt namelijk beargumenteerd in de theorie van de ‘relative deprivation’ van Blau en Blau (Blau & Blau, 1982). Individuen hoeven zich hiervoor slechts relatief arm te voelen ten opzichte van de mensen in hun omgeving. Deze relatieve armoede die voortvloeit uit inkomensongelijkheid kan tot gevolg hebben dat er een geografische, ofwel ruimtelijke, concentratie van armoede ontstaat (Bowles, Durlauf, & Hoff, 2006). Dit kan verklaard worden uit het feit dat mensen het liefst samenleven met anderen die een vergelijkbaar inkomensniveau hebben. Dit sentiment zorgt voor een structurele segregatie in de maatschappij en dus voor een concentratie van armoede (Wilkinson, 1996). Uit eerder gedaan onderzoek blijkt tevens dat een dergelijke concentratie van armoede kan leiden tot toenemende criminaliteit. Dit wordt verklaard uit het feit dat criminaliteit contextueel van aard is, hetgeen betekent dat de context waarbinnen een individu zich beweegt van belang is. Criminaliteit is dus niet het gevolg van demografische kenmerken, omdat blijkt dat bepaalde buurten, ondanks raciale en ethnische veranderingen over de tijd, hoge criminaliteit blijven houden (Shaw & McKay, 1942). Deze studie stelt daarmee dat de doorslaggevende factor voor criminaliteit de leefomgeving van personen is. Daarnaast wordt geopperd dat in armere gebieden, waar mensen relatief het laagste inkomen hebben, sprake is van de geringste sociale cohesie binnen de gemeenschap (Kawachi & Kennedy, 1997). Verder blijkt dat een gebrek aan sociale cohesie tot gevolg heeft dat er eveneens weinig sociale controle bestaat. Binnen een gemeenschap is het uitermate belangrijk dat er sociale controle is, omdat mensen zich anders niet gedwongen voelen zichzelf te conformeren aan de geldende normen en waarden (Hirschi, 2002). De wetten binnen een samenleving zijn meestal een afspiegeling van deze normen en waarden (Beer & Hoed, 2004). Indien men zich, door een gebrek aan sociale cohesie en daardoor ook een gebrek aan sociale controle, niet langer conformeert aan geldende normen en waarden, botst het gedrag van deze individuen vaak met de wet en is er dus sprake van criminaliteit.

Teneinde verder in te gaan op dit economisch motief, kan men tevens kijken naar de kosten-baten afweging die personen maken voordat ze een misdaad begaan. Deze kosten-baten afweging is van verschillende factoren afhankelijk, zoals het inkomen van de persoon en de mate van sociale controle die de samenleving uitoefent op deze persoon (Becker, 1974). In het model dat in deze studie wordt geïntroduceerd, wordt een afweging gemaakt tussen, aan de ene kanten baten uit legale activiteiten en aan de andere kant baten uit illegale activiteiten. Becker beargumenteert dat het voor personen met een relatief laag inkomen aantrekkelijker is om op illegale wijze inkomsten te verwerven. Hij stelt dat voor deze mensen de inkomsten uit illegale activiteiten relatief hoog zijn ten opzichte van inkomsten uit legale activiteiten. Dit helemaal in vergelijking met mensen met een relatief hoog inkomen. Daarnaast zijn de kosten van criminaliteit voor mensen uit een omgeving met weinig sociale controle en cohesie lager dan voor mensen die zich in een hechte gemeenschap met veel sociale controle bevinden. Dit komt omdat een persoon zich door criminele activiteiten vaak

7

distantieert van de gemeenschap. Deze factoren zorgen ervoor dat een individu met een relatief laag inkomen gemakkelijker in de situatie komt waarin de kosten van criminaliteit, zoals gevangenisstraf en sociaal isolement worden overtroffen door de baten van criminaliteit, ofwel de opbrengsten uit illegale activiteiten (Becker, 1974).

Als men kijkt naar het tweede pad en daarmee naar het effect van inkomensongelijkheid op sociaal vertrouwen, dan dient eerst te worden vastgesteld wat sociaal vertrouwen behelst. Sociaal vertrouwen houdt in dat er een situatie is tussen personen waarin rationele overwegingen niet mogelijk zijn. Dit soort vertrouwen is niet zonder risico en bevat elementen van onzekerheid en twijfel (Lewis & Weigert, 1985). Binnen het frame van het begrip ‘sociaal vertrouwen’ zijn drie verschillende elementen te onderscheiden. Het eerste element is psychologisch van aard en bepaalt de mate van openheid en de houding van individuen naar anderen (Uslaner, 2000). Het tweede element draait om economische transacties. Een persoon baseert zijn vertrouwen op gedane transacties en kan met behulp van deze ervaring bepalen of individuen of groepen vertrouwenswaardig genoeg zijn om in de toekomst transacties mee uit te voeren. Dit is het economisch element (Knack & Keefer, 1997). Het laatste element is het sociaal kapitaal. Dit houdt in dat vertrouwen wordt gebaseerd op interacties en samenwerkingsverbanden. Het lijkt daarmee sterk op het economische element zonder het monetaire aspect hiervan (Coleman, 1990). Uit onderzoek blijkt dat er een negatieve associatie bestaat tussen inkomensongelijkheid en het onderling vertrouwen tussen personen (Brehm & Rahn, 1997). Recenter onderzoek onderstreept deze relatie en toont aan dat inkomensongelijkheid één van de centrale determinanten is voor sociaal vertrouwen. Daarnaast wordt in deze studie eveneens aangetoond dat sociaal vertrouwen een groot effect heeft op de maatschappelijke participatiegraad (Brown & Uslaner, 2005). Een andere studie heeft ook een relatie aangetoond tussen inkomensongelijkheid en sociaal vertrouwen en stelt dat dit mogelijk ook een effect heeft op criminaliteit (Kawachi et al., 1997).

Er zijn verschillende redenen waarom inkomensongelijkheid het hierboven genoemde effect heeft op sociaal vertrouwen. De eerste reden die genoemd kan worden is de theorie van de ‘trust radius’. Deze theorie houdt in dat een individu liever mensen vertrouwt die redelijk hetzelfde zijn als het individu zelf (Fukuyama, 1995). Inkomensongelijkheid is een van de redenen voor verschillen tussen individuen in een samenleving. Een oude studie naar heterogeniteit binnen de samenleving stelt dan ook dat wanneer er om wat voor reden dan ook heterogeniteit ontstaat in de samenleving, dit niet alleen voorkomt dat er sociaal vertrouwen wordt opgebouwd, maar dat dit er zelfs toe leidt dat het sociale vertrouwen wordt afgebroken ten gevolge van uit onwetendheid voortkomende argwaan (Simmel, 1906). De zogenaamde ‘social identity theory’ sluit zich bij deze oudere studie en het concept van de ‘trust radius’ aan. Deze ‘social identity theory’ stelt dat het voor het zelfbeeld van een individu van groot belang is om de groep waar de individu tot behoort positief te beoordelen ten opzichte van ‘vreemde’ groepen om zo een positieve sociale indentiteit te behouden. Meestal gaat dit echter gepaard met een gevoel van wantrouwen richting de ‘vreemde’ groepen (Tajfel & Turner, 1979). Een recentere studie probeert deze ‘social indentity theory’ echter te weerleggen door te stellen dat deze groepsvergelijking geen individueel doel heeft. Het wantrouwen tussen groepen ontstaat, volgens deze studie, omdat armere en rijkere groepen niet van elkaar kunnen verwachten dat ze de zelfde normen en waarden hebben. Hierdoor zijn de motieven van de ene groep onduidelijk voor de andere en dit werkt vertrouwen tegen. Het is eenvoudiger voor individuen om de motieven van andere personen te begrijpen wanneer deze dezelfde achtergronden en context hebben als zijzelf. Daarentegen bestaat er een grotere kans op misinterpretatie van de motieven van

8

personen waarbij dit niet het geval is. In een situatie van inkomensongelijkheid is het daarom natuurlijk voor individuen om wantrouwig en achterdochtig te zijn richting vreemden en is het logisch dat zij deze mensen minder vertrouwen (Uslaner, 2002).

De tweede reden voor de negatieve invloed van inkomensongelijkheid op sociaal vertrouwen is het compositie effect. Wanneer er sprake is van meer inkomensongelijkheid binnen een samenleving dan is er vaak relatief meer armoede en meer heterogeniteit. In de vorige alinea kwam naar voren dat inkomensongelijkheid op verschillende manieren tot verlies van vertrouwen leidt (Tajfel & Turner, 1979; Uslaner, 2002). Armoede kan echter om verschillende redenen ook op zichzelf zorgen voor minder sociaal vertrouwen. Armere personen hebben namelijk relatief meer te verliezen dan rijkere personen als hun vertrouwen beschaamd wordt. Dit komt doordat armen relatief weinig bezit hebben en daarom hebben financiële tegenslagen relatief grotere consequenties, waardoor het aan vertrouwen verbonden risico groter is (Delhey & Newton, 2003). Een latere studie van dezelfde onderzoekers, waarbij verschillende landen werden vergeleken, onderstreepte deze resultaten. In rijkere landen blijkt de ‘trust radius’ van individuen vaak groter te zijn dan in armere landen (Delhey, Newton, & Welzel, 2011). Het is dan ook logisch dat mensen die niet succesvol zijn op economisch gebied doorgaans minder vertrouwen hebben in anderen (Alesina & La Ferrara, 2002). Uit hetzelfde onderzoek blijkt eveneens dat mensen die zichzelf zien als niet succesvol op economisch gebied, minder snel geneigd zijn anderen te helpen. Als mensen omringd worden door personen die anderen niet vertrouwen heeft dit eveneens het effect dat ze minder snel geneigd zijn om anderen te helpen.

Voor het derde pad wordt er gekeken naar het verband tussen het sociaal vertrouwen en criminaliteit. Uit eerder genoemd onderzoek kwam naar voren dat er een sterke relatie bestaat tussen deze twee variabelen (Kennedy et al.,1998; Rosenfeld & Baumer, 2001). Middels deze onderzoeken werd aangetoond dat sociaal vertrouwen een mediërende werking heeft in de relatie tussen inkomensongelijkheid en criminaliteit. De basis voor de veel onderzoek naar de associatie tussen sociaal vertrouwen en criminaliteit is gelegd door de studie van Shaw en McKay (Shaw & McKay, 1942). Zij toonden aan dat inkomensongelijkheid en armoede zorgen voor sociale disorganisatie en stelden dat dit wordt veroorzaakt door verslechtering van de sociale cohesie. Deze sociale disorganisatie is te definiëren als het falen van een gemeenschap om de waarden van de individuen binnen deze gemeenschap te realiseren en effectieve sociale controle uit te oefenen (Sampson & Groves, 1989). Het blijkt dan ook dat er minder criminaliteit voorkomt in gemeenschappen met een hoge sociale cohesie omdat er dan sprake is van sterke sociale controle (Wilkinson, Kennedy, & Kawachi, 1998). De sociale controle theorie stelt, dat mensen sneller geneigd zijn de normen van een gemeenschap na te leven naarmate zij meer geïntegreerd zijn in deze gemeenschap (Hirschi, 2002). Indien er sprake is van weinig sociaal vertrouwen binnen een samenleving, heeft dit zijn weerslag op zowel de sociale cohesie als de sociale controle. Er bestaat in dat geval een grotere kans dat mensen normafwijkend gedrag gaan vertonen, zoals criminaliteit (Faaij & Boersma, 2014).

In deze scriptie worden de begrippen sociaal vertrouwen en sociaal kapitaal door elkaar heen gebruikt. Het is belangrijk om deze twee begrippen helder tegen elkaar af te zetten. Sociaal vertrouwen is één van de belangrijkste onderdelen van sociaal kapitaal en wordt soms gebruikt om de hoeveelheid sociaal kapitaal aan te duiden. Het is echter niet het enige onderdeel. Sociaal kapitaal kan ook aangeduid worden als de betrokkenheid bij verenigingen of andere gemeenschapsgeoriënteerde activiteiten (Halpern, 2001). In deze studie stelt Halpern dat in een

9

samenleving met weinig sociaal kapitaal een individu gemakkelijker los komt te staan van de maatschappij waarin hij leeft. Dit gebrek aan betrokkenheid heeft tot gevolg dat het individu egoïstischer wordt ten aanzien van zijn waarden en zijn handelen. Het individu zal in dat geval minder stilstaan bij de gevolgen van zijn daden voor andere leden van de maatschappij en daarbij zijn eigen belangen eerder voor die van de maatschappij stellen. Hierdoor wordt de drempel voor het plegen van een misdaad verlaagd. De theorie van Halpern verschilt wezenlijk van de sociale controle theorie in de zin dat Halpern stelt dat het gebrek aan sociaal kapitaal de oorzaak is van criminaliteit, terwijl de sociale controle theorie het gebrek aan sociaal vertrouwen als oorzaak ziet. Het verschil tussen deze theoriën is gelegen in het feit dat een individu bij een gebrek aan sociaal kapitaal meer intrinsiek geneigd zal zijn tot criminaliteit, terwijl bij een gebrek aan sociaal vertrouwen vooral de controlerende factoren van buitenaf onvoldoende zijn om te voorkomen dat een individu crimineel gedrag gaat vertonen (Halpern, 2001; Hirschi, 2002).

Behalve naar het effect van sociaal vertrouwen kan ook nog worden bekeken welke andere variabelen, die samenhangen met criminaliteit, belangrijk zijn voor de associatie tussen inkomensongelijkheid en criminaliteit. Een voor de hand liggende variabele die een effect heeft op criminaliteit is al genoemd met het begrip armoede in absolute zin. Er zijn diverse onderzoeken gedaan naar het effect van armoede en hieruit blijkt dat het een belangrijke voorspeller is voor criminaliteit (Becker, 1974). Ook uit onderzoek naar kleinere gemeenschappen blijkt dat armoede een grote invloed heeft op misdaadcijfers (Patterson, 1991). Een tweede variabele die ook een sterk effect kan hebben op criminaliteit is werkloosheid. Werkloosheid hangt natuurlijk nauw samen met het gemiddelde inkomen binnen de wijken. Het is echter een feit dat hoge werkloosheid niet altijd samen hoeft te gaan met een laag gemiddeld inkomen. Daarom is het interessant om werkloosheid toch onafhankelijk van inkomen te toetsen aan criminaliteit. Uit de literatuur blijkt dat er een sterk verband bestaat tussen werkloosheid en criminaliteit en dan voornamelijk ten aanzien van vermogensmisdrijven. Uit onderzoek blijkt de relatie tussen werkloosheid en geweldsmisdrijven niet zo sterk te zijn (Raphael & Winter-Ebmer, 2001). Ook eerder onderzoek toonde al een associatie aan tussen werkloosheid en criminaliteit. Daarnaast toonde deze studie tevens aan dat de sterkte van het verband voor diverse soorten criminaliteit varieerde. Er werd een gematigd positief effect gevonden op de hoeveelheid moorden en een klein negatief effect voor vermogensmisdrijven (Krohn, 1976). Werkloosheid lijkt over het algemeen genomen een positief effect te hebben op de hoeveelheid criminaliteit. Men kan daarom verwachten dat er in wijken met een hoge werkloosheid relatief meer criminaliteit voorkomt. Daarom is de werkloosheid ook als controlevariabele opgenomen in dit onderzoek.

10

Teneinde de effecten van de verschillende variabelen samen te vatten, is hieronder een schematische weergave te zien van de effecten die worden verwacht op basis van de literatuur.

Geweldadige

Criminaliteit

Economische

Criminaliteit

Inkomensongelijkheid

+ +

Sociaal vertrouwen

- -

Gemiddeld Inkomen

- -

Werkloosheid

+ +

11

Data en methoden

Teneinde de genoemde hyptheses en het verband tussen inkomensongelijkheid en criminaliteit te kunnen toetsen, zijn gegevens gebruikt die zijn verstrekt door de gemeente Rotterdam. Ten aanzien van de cijfers over de criminaliteit in de verschillende wijken is de online database van de gemeente Rotterdam geraadpleegd (Rotterdam buurtmonitor). Deze database bevat de criminaliteitscijfers van 93 verschillende wijken. Op basis van twee criteria is het aantal wijken teruggebracht naar 64. Het eerste criterium is de bepaling dat de wijken uit meer dan 550 huishoudens moeten bestaan. Dit omdat er anders onvoldoende gegevens beschikbaar zijn en toeval daardoor een te grote factor vormt ten aanzien van de resultaten. Het tweede criterium bepaalt dat er inkomensgegevens beschikbaar moeten zijn voor de wijk. Dit tweede criterium zorgt er echter feitelijk alleen voor dat bedrijventerreinen, parken en winkelgebieden worden uitgefilterd. Dit vanwege het feit dat voor alle overige wijken de inkomensgegevens gewoon beschikbaar waren. Tenslotte zijn de twee wijken van Hoek-van-Holland uit de dataset gehaald omdat hiervoor geen sociale index is gemeten. Er is gekozen om de criminaliteitsdata voor de jaren 2006-2012 te gebruiken omdat hiervoor genoeg inkomensgegevens beschikbaar zijn. De data met betrekking tot de inkomensgegevens van de wijken zijn uit een andere online database van de gemeente Rotterdam verkregen (Rotterdam in cijfers). Er zijn inkomensgegevens bekend van 80 wijken. Deze zijn teruggebracht naar het eerder genoemde aantal van 64 wijken. De gegevens zullen worden geanalyseerd op de wijze die hierboven is vermeld. De twee datasets zijn vervolgens samengevoegd en op basis daarvan is het statistisch onderzoek uitgevoerd.

Criminaliteit is in dit onderzoek de afhankelijke variabele. Hiervoor zijn acht vormen van criminaliteit, waarvan de data beschikbaar zijn, gebruikt. Deze misdrijven zijn inbraak in woningen, inbraak in bedrijven, vernieling, bedreiging, moord/doodslag, diefstal motorvoertuigen, overvallen en diefstal uit boxen/schuren/garages. Deze acht misdrijven zijn samengevoegd in drie categorieën om voldoende observaties te creëren en daarmee statistische analyse mogelijk te maken:

- Inbraak in woningen en inbraak in bedrijven zijn samengevoegd tot de categorie ‘inbraak’. - Vernieling, bedreiging en moord/doodslag zijn samengevoegd in de categorie ‘geweld’. - Als laatste zijn diefstal van motorvoertuigen, overvallen en diefstal uit aan het huis

gerelateerde gebouwen, zoals boxen, schuren en garages, samengevoegd in de categorie ‘diefstal’.

Deze verdeling in drie categorieën is ontstaan door factoranalyse toe te passen en door te kijken naar de correlatiematrix van de verschillende soorten criminaliteit (appendix 6). Er is niet gewogen ten aanzien van de ernst van de verschillende misdrijven binnen de categorieën. Dit met als doel het onderzoek niet te compliceren met dit arbitraire element.

12

Zoals hierna zal worden beschreven is er alleen op basis van de inkomensongelijkheidsgegevens voor het jaar 2012 getoetst. De criminaliteitsdata verschillen over de tijd voor de verschillende wijken, terwijl de inkomensongelijkheid redelijk constant blijft. Daarom is ervoor gekozen om ten aanzien van de drie criminaliteitscategorieën de gemiddelde waardes van 2006-2012 te gebruiken in de analyses, teneinde op deze wijze het tijdselement toch nog te betrekken in de modellen. Elk van de drie categorieën is apart in de modellen geschat met de onafhankelijke variabelen en de controlevariabelen. Eveneens zijn de criminaliteitscijfers voor de verschillende wijken gedeeld door het aantal huishoudens in de wijk. Dit als correctie voor de grootte van de wijk. Tenslotte zijn de cijfers, ter verbetering van de overzichtelijkheid van de resultaten, vermenigvuldigd met 1000.

De eerste onafhankelijke variabele in dit onderzoek is de inkomensongelijkheid in de verschillende wijken. Voor de inkomensongelijkheid is het gebruikelijk dat men naar de Gini index kijkt. Deze index geeft elke wijk een coëfficiënt die kan variëren van 0 tot 1. Bij een waarde van 0 is er sprake van perfecte gelijkheid en bij een waarde van 1 is er sprake van perfecte ongelijkheid (Gini, 1912). De Gini coëfficiënt is het meest gebruikte middel voor het duiden van inkomensongelijkheid. Voor dit onderzoek kan echter alleen gebruik worden gemaakt van deze index met betrekking tot het jaar 2012. Dit vanwege het feit dat de gemeente Rotterdam pas in dat jaar is begonnen met het meten van de Gini index op wijkniveau (Rotterdam in cijfers). Er zijn echter ook nog andere gegevens over de inkomensongelijkheid in wijken beschikbaar. In de data ten aanzien van de inkomens zijn door de gemeente Rotterdam namelijk drie inkomensgroepen gemaakt:

- De laagste categorie (40% van de populatie)- De middelste categorie (40% van de populatie)- De hoogste categorie (20% van de populatie)

Teneinde deze drie groepen in te kunnen delen wordt gekeken naar het inkomen van de huishoudens. Huishoudens met een gestandaardiseerd inkomen tot €19.300 vallen in de laagste categorie (40%), inkomens van €19.300 tot €30.900 vallen in de middelste categorie (40%) en inkomens boven €30.900 vallen in de hoogste categorie (20%). Deze gegevens meten ook de inkomensongelijkheid, alhoewel minder accuraat dan de Gini-coëfficiënt. Er kan dus aan de hand van deze gegevens gekeken worden of de mate van inkomensongelijkheid in Rotterdam redelijk stabiel is over de tijd. Immers indien er geen variatie zit in de percentages van de huishoudens binnen de verschillende inkomensgroepen over de verschillende jaren, is het niet onredelijk om aan te nemen dat de Gini-coëfficiënt ook redelijk stabiel is over de tijd. Wanneer de data in ogenschouw worden genomen, lijkt het inderdaad zo te zijn dat de percentages redelijk gelijk zijn gebleven over de periode 2006-2012. De meesten wijken vertonen verschuivingen van tussen 1-3 procent en de hoogste uitschieters zitten tussen de 7-10%, bij deze uitschieters gaat het meestal om kleinere wijken waar nieuwe huizenprojecten de inkomensverschillen sterker beïnvloeden dan de grotere wijken. Als men kijkt naar de verschillende kwartieren van Rotterdam dan blijkt dat over de tijd de middelste categorie niet met meer dan 1 procentpunt verschilt tussen 2006 en 2012.

De andere onafhankelijke variabele is het sociaal vertrouwen. Om dit sociaal vertrouwen te meten is de sociale index gebruikt, die wordt gemeten door de gemeente Rotterdam. De sociale index geeft een indexscore aan de hand van vier aspecten, te weten:

- Capaciteiten- Leefomgeving- Meedoen- sociale binding

13

Elk van deze vier aspecten is vervolgens opgedeeld in verschillende thema’s. Deze thema’s zijn opgebouwd uit verschillende indicatoren.Een voorbeeld hiervan is het thema sociale inzet dat is opgebouwd uit de indicatoren inzet mantelzorg, inzet vrijwilligerswerk en inzet voor de buurt. Voor elk van deze indicatoren krijgt de wijk een score, waarbij het gemiddelde van deze indicatorscores de themascore bepaalt. Het gemiddelde van de onderliggende themascores vormt vervolgens de aspectscore.De vier aspectscores bepalen uiteindelijk gezamenlijk het sociale index cijfer van een wijk. De index loopt van laag naar hoog, dus naarmate het index cijfer hoger is, gaat het vanuit sociaal oogpunt beter met de wijk (de Sociale Index, 2012). Voor de definities en de opbouw van de sociale index zie appendix 4.

Als eerste controlevariabele is het gemiddelde inkomen gebruikt. Deze is ingezet om te controleren wat het effect van armoede is op criminaliteit in kleine gemeenschappen (Patterson, 1991). Voor de data aangaande het gemiddelde inkomen is wederom gekeken naar de gegevens die zijn verstrekt door de gemeente Rotterdam (Rotterdam in cijfers). Uit deze gegevens is ten behoeve van dit onderzoek het gemiddelde gestandaardiseerde inkomen van de huishoudens in een wijk genomen. Het gemiddelde is gestandaardiseerd ter correctie van verschillen in grootte en samenstelling van de huishoudens in de verschillende wijken. Een groter huishouden heeft immers, gemiddeld gezien, meer inkomen dan een kleiner huishouden. Ten behoeve van dit onderzoek is het gemiddelde inkomen van het jaar 2012 gebruikt. Als tweede controlevariabele is met betrekking tot dit onderzoek gekozen voor de werkloosheidspercentages van de verschillende wijken. Ook hiervoor zijn gegevens gebruikt die zijn verstrekt door de gemeente Rotterdam. De percentages die gebruikt worden in dit onderzoek, zijn te definiëren als ´het percentage werkzoekenden zonder baan´ (Werkloosheidpercentages , 2012). Voor dit onderzoek zijn de werkloosheidspercentages van het jaar 2012 gebruikt.

Na deze uitleg ten aanzien van de gebruikte datasets volgt nu enige uitleg met betrekking tot de binnen dit onderzoek gebruikte onderzoeksmethoden. Ten eerste is de afhankelijke variabele getoetst op normaliteit van de verdeling. Dit betekent dat voor elk van de eerder genoemde drie categorieën van criminaliteit, namelijk ‘inbraak’, ‘geweld’ en ‘diefstal’, een Shapiro-Wilk test is uitgevoerd om te zien of ze normaal verdeeld waren. Deze toets op normaliteit van Shapiro en Wilk vereist dat de significantie groter moet zijn dan 0.05 (Shapiro & Wilk, 1965). Zoals hieronder in tabel 1 te zien is, blijkt dat geen van de drie criminaliteitscategorieën een normale verdeling kent, want geen van de drie voldoet aan de significantie vereiste van groter dan 0.05. Dit lijkt erop te duiden dat er sprake is van een ander soort verdeling bij de afhankelijke variabelen. Bij criminaliteitscijfers is vaak sprake van meer lage dan hoge waardes. Als gevolg hiervan zouden criminaliteitscijfers eerder een Poissonverdeling hebben. Poissonverdelingen worden meestal gebruikt voor het modelleren van ‘count’ variabelen, waarvan de meeste observaties zich sterk links bevinden op de verdeling. Bij deze verdelingen moeten alle waardes een minimum van 0 hebben (Haight, 1967). Als men kijkt naar de variabelen dan lijkt dit het geval te zijn. Uit analyse van de histogrammen blijkt namelijk dat voor alle drie de categorieën, de meeste observaties zich aan de linkerzijde van het histogram bevinden. Ook zijn er in de drie variabelen geen waardes die lager zijn dan 0. De criminaliteitsdata in dit onderzoek kunnen daarom worden gezien als ‘count’ data. Het is echter mogelijk dat er binnen de genoemde variabelen sprake is van underdispersion. Bij twee van de drie categorieën is de standaarddeviatie namelijk groter dan het gemiddelde. Hierdoor kan er geen sprake zijn van een zuivere Poissonverdeling. Ondanks deze constatering is besloten ‘Ordinary Least Squares’ (OLS) te gebruiken

14

voor het construeren van het lineaire regressie model, dat gebruikt is voor de modellen. De dataset is namelijk groot genoeg om ervoor te zorgen dat een normale verdeling niet strikt noodzakelijk is.

Tabel 1

Test of Normality

Shapiro-Wilk

Statistic df Sig.

Inbraak

Geweld

Diefstal

.818

.930

.917

64

64

64

.000

.001

.000

Teneinde gebruik te kunnen maken van het OLS regressie model dient echter ook te worden gecontroleerd of de criminaliteitsgegevens wel homoskedastisch zijn. In de tabellen 2, 3 en 4 zijn de scatterplots voor de residuen van de drie afhankelijke variabelen, namelijk de criminaliteitscategorieën, te vinden.

Tabel 2 Tabel 3

15

Tabel 4

Uit deze scatterplots lijkt naar voren te komen dat de residuen van de afhankelijke variabelen niet perfect homoskedastisch zijn. Zeker bij de variabelen ‘Diefstal’ en ‘Geweld’ lijken de residuen zich meer te verspreiden richting de rechterzijde van het scatterplot. Daarnaast lijken alle drie de variabelen last te hebben van outliers. Vanwege deze outliers lijkt het verstandig om aan de hand van de ‘Cook’s distance’ te controleren in hoeverre deze punten de regressieanalyse beïnvloeden (Cook, 1977). Op één waarde in de categorie ‘Inbraak’ na, liggen alle waardes van ‘Cook’s distance’ onder de 0.5, de gegevens zijn te vinden in appendix 2. Dit indiceert dat er geen outliers zijn die een groot effect hebben op de resultaten van de lineaire regressie. Ten slotte kan er ook nog statistisch getoetst worden voor heteroskedasticiteit met een Breusch-Pagan toets. In deze toets houdt de nul-hypothese in dat er sprake is van homoskedasticiteit en als deze nul hypothese wordt verworpen is er heteroskedasticiteit (Breusch & Pagan, 1979). Uit deze toets blijkt dat alle drie de categorieën van criminaliteit een p-waarde van hoger dan .05 hebben, dus wordt de nul-hypothese niet verworpen en is er sprake van homoskedasticiteit. In appendix 3 staan de resultaten van de Breusch-Pagan toets.

Verder kan er ook nog gekeken worden naar de correlatiematrix om te zien of er op het eerste oog bepaalde zaken opvallen in de onderlinge verbanden tussen de variabelen. Deze correlatiematrix is te zien in tabel 5. Zoals te verwachten viel, zijn een aantal van de verklarende variabelen sterk met elkaar gecorreleerd. Vooral de Gini-index en het inkomen vertonen logischerwijs een sterke samenhang, maar ook de sociale index en de werkloosheid tonen een duidelijke correlatie met de Gini-index. Ook de sociale index zelf heeft een hele sterke correlatie met beide controlevariabelen. Vanwege het feit dat de werkloosheid een hele hoge correlatie heeft met

16

de sociale index, is ervoor gekozen om de werkloosheid niet op te nemen in het tweede en derde model. Het risico dat deze correlatie leidt tot onduidelijkheid en onbetrouwbaarheid in de modellen wordt hiervoor te hoog geacht. Deze sterke correlaties zijn waarschijnlijk ontstaan omdat werkloosheid en inkomen, alhoewel dit indirect is, worden gebruikt om de sociale index te bepalen (appendix 4). Verder is op basis van de correlatiematrix besloten om werkloosheid weg te laten in model 1. Dit vanwege de sterke correlatie die werkloosheid heeft met de controlevariabele inkomen. Een combinatie van deze twee variabelen kan onduidelijkheid en onbetrouwbaarheid in het model veroorzaken. Daarbij kan het inkomen, door de sterke correlatie die het heeft met werkloosheid, een groot deel van de controlerende werking van werkloosheid absorberen.

Wanneer men kijkt naar de categorie ‘Inbraak’ dan valt op dat deze redelijk is gecorreleerd met de Gini Index, de Sociale Index en Werkloosheid. In mindere mate is er ook sprake van een correlatie met het Inkomen. De categorieën ‘Geweld’ en ‘Diefstal’ lijken ook gecorreleerd met de onafhankelijke variabelen, maar in mindere mate met de Gini index en juist sterker met de Sociale Index. Voorts kan opgemerkt worden dat de categorieën ‘Geweld’ en ‘Diefstal’ onderling ook sterk gecorreleerd zijn, terwijl ‘Inbraak’ juist niet erg samenhangt met deze twee.

Tabel 5

Correlations

GemInbraak GemGeweld GemDiefstal Gini SocialeIndex Inkomen Werkloosheid

GemInbraak Pearson Correlation 1 ,146 ,041 ,358 -,259 ,096 ,203

Sig. (2-tailed) ,250 ,749 ,004 ,039 ,451 ,107

N 64 64 64 64 64 64 64

GemGeweld Pearson Correlation ,146 1 ,781 -,287 -,281 -,336 ,228

Sig. (2-tailed) ,250 ,000 ,022 ,024 ,007 ,070

N 64 64 64 64 64 64 64

17

GemDiefstal Pearson Correlation ,041 ,781 1 -,314 -,398 -,395 ,358

Sig. (2-tailed) ,749 ,000 ,012 ,001 ,001 ,004

N 64 64 64 64 64 64 64

Gini Pearson Correlation ,358 -,287 -,314 1 ,290 ,742 -,345

Sig. (2-tailed) ,004 ,022 ,012 ,020 ,000 ,005

N 64 64 64 64 64 64 64

SocialeIndex Pearson Correlation -,259 -,281 -,398 ,290 1 ,769 -,866

Sig. (2-tailed) ,039 ,024 ,001 ,020 ,000 ,000

N 64 64 64 64 64 64 64

Inkomen Pearson Correlation ,096 -,336 -,395 ,742 ,769 1 -,777

Sig. (2-tailed) ,451 ,007 ,001 ,000 ,000 ,000

N 64 64 64 64 64 64 64

Werkloosheid Pearson Correlation ,203 ,228 ,358 -,345 -,866 -,777 1

Sig. (2-tailed) ,107 ,070 ,004 ,005 ,000 ,000

N 64 64 64 64 64 64 64

Aan de hand van de OLS methode zijn drie lineaire regressiemodellen opgesteld, waarmee de drie hypotheses zijn getoetst. In model 1 zal de eerste hypothese worden getoetst en daarmee het eerste pad (zie figuur 1) worden onderzocht. In dit model zal het effect van inkomensongelijkheid op de drie verschillende categorieën van criminaliteit worden onderzocht, gecontroleerd voor het gemiddeld inkomen en de werkloosheid. In model 2 zal de tweede hypothese en dus het derde pad worden onderzocht. In dit model zal het effect van sociaal vertrouwen op de drie verschillende categorieën van criminaliteit worden onderzocht, gecontroleerd voor het gemiddeld inkomen en de werkloosheid. In model 3 zal de derde hypothese en daarmee alle voornoemde paden als geheel worden onderzocht. In dit model fungeren zowel de inkomensongelijkheid als het sociaal vertrouwen als onafhankelijke variabelen en wordt het effect van deze twee op de drie criminaliteitscategorieën getoetst, gecontroleerd voor gemiddeld inkomen en de werkloosheid. Aan de hand van model 3 wordt gepoogd een inschatting te maken van de mate waarin de associatie tussen inkomensongelijkheid en criminaliteit kan worden verklaard door het sociaal vertrouwen. In alle drie de modellen zullen eerst de onafhankelijke variabelen worden getoetst, waarna de controle variabele zal worden geïntroduceerd.

Resultaten

In dit gedeelte worden de resultaten van de analyses weergegeven en geïnterpreteerd. In appendix 1 is de data weergegeven die is gebruikt om de analyses uit te voeren.

Tabel 6

Model 1 Model 2 Model 3Inkomen . -0.377~ . 0.723** . 0.435^Gini 0.358** 0,638** . . 0.473* 0.227^Social Index . . -0,259~ -0.816** -0.396** -0.660*R-square 0.114 0.166 0.052 0.257 0.248 0.259

18

Afhankelijke Variabele: Gemiddelde Inbraak~ < 0.05, * < 0.01, ** < 0.001, ^ > 0.05

Model 1 Model 2 Model 3Inkomen . -0.274^ . -0.293^ . -0.030^Gini -0.287~ -0.083^ . . -0.224^ -0.207^Social Index . . -0,281~ -0.056^ -0.216^ -0.198^R-square 0.067 0.087 0.064 0.085 0.096 0.081Afhankelijke Variabele: Gemiddelde Geweld~ < 0.05, * < 0.01, ** < 0.001, ^ > 0.05

Model 1 Model 2 Model 3Inkomen . -0.361~ . -0.217^ . 0.205^Gini -0.314~ -0.046^ . . -0.217^ -0.332^Social Index . . -0,398* -0.231^ -0.335* -0.459^R-square 0.084 0.129 0.145 0.151 0.175 0.167Afhankelijke Variabele: Gemiddelde Diefstal~ < 0.05, * < 0.01, ** < 0.001, ^ > 0.05

Hierboven, in de tabel 6, zijn de resultaten van model 1 te zien voor wat betreft de categorieën, ‘Inbraak’,’Geweld’ en ‘Diefstal’. Hieronder worden de belangrijkste resultaten uit model 1, waarmee hypothese 1 is getoetst, besproken. In model 1 wordt het effect van inkomensongelijkheid op criminaliteit getoetst, gecontroleerd voor gemiddeld inkomen. Uit het model blijkt dat inkomensongelijkheid een positief effect heeft op de categorie ‘Inbraak’ (b=0.638, p<.001). Een toename van de inkomensongelijkheid, gecontroleerd voor inkomen en werkloosheid, brengt dus een toename van het aantal inbraken met zich mee. In de tabel is eveneens te zien dat het lijkt alsof inkomensongelijkheid een negatief effect heeft op de categorie ‘Geweld’, zonder de controlevariabelen is deze relatie significant (p<.05). Echter na het toevoegen van de controlevariabele inkomen in het model blijkt de relatie niet langer significant te zijn. De derde categorie van criminaliteit ‘Diefstal’ vertoont eenzelfde effect. Op het eerste oog lijkt er een negatieve relatie te zijn tussen inkomensongelijkheid en deze vorm van criminaliteit (p<.05). Echter na toevoeging van de controlevariabele inkomen blijkt deze relatie niet langer statistisch significant te zijn.

In model 2 wordt de relatie tussen sociaal vertrouwen en criminaliteit getoetst en daarmee de tweede hypothese. De resultaten van model 2 zijn evenens in tabel 6 te vinden. In model 2 vinden we dezelfde trends als in model 1. Er blijkt een sterk negatief verband te zijn tussen sociaal vertrouwen en de criminaliteitsvorm ‘’nbraak’. Dit verband is significant gecontroleerd voor inkomen (b=-.816, p<.001). Voor de categorie ‘Geweld’ geldt in dit model dat er in eerste instantie een negatief verband lijkt te zijn tussen het sociaal vertrouwen en deze vorm van criminaliteit (p<.05). Echter wederom na het toevoegen van de controlevariabele valt deze significantie volledig weg. Hetzelfde geldt voor de categorie ‘Diefstal’. Voor het toevoegen van de controlevariabele is er een significant negatief effect van het sociaal vertrouwen op criminaliteit, maar nadat de controlevariabele is toegevoegd, verdwijnt dit effect.

Eveneens in tabel 6 zijn de resulaten van de analyses van het derde model weergegeven. In dit model worden model 1 en 2 samengevoegd. Dit is gedaan om het effect op de relatie tussen inkomensongelijkheid en criminaliteit te onderzoeken door toevoeging van sociaal vertrouwen aan het model. Dit met als doel hypothese 3 te kunnen toetsen. Bij de categorie ‘Inbraak’ blijkt na het

19

toevoegen van sociaal vertrouwen aan het model dat de in model 1 gevonden positieve associatie tussen inkomensongelijkheid en criminaliteit niet langer significant is (p=0.058). Het significante negatieve effect van sociaal vertrouwen op criminaliteit, gevonden in model 2, houdt wel stand in model 3 (b-.660, p<.001). Voor de categorieën ‘Geweld’ en ‘Diefstal’ is dit model minder interessant, aangezien voor beide categorieën geen significante relaties zijn gevonden in model 1 en 2. Wel kan worden opgemerkt dat bij allebei de categorieën de significantie van zowel sociaal vertrouwen als inkomensongelijkheid toe lijkt te nemen in model 3 ten opzichte van de modellen 1 en 2. Zeker voor de categorie ‘Diefstal’ is er een sterke toename in significantie te zien. De significantie van beide onafhankelijke variabelen blijft echter ook in model 3 boven de kritieke waarde van p=.05.

Samenvattend kan gesteld w orden dat slechts voor één van de drie categorieën significante effecten zijn gemeten van de onafhankelijke variabelen op criminaliteit, namelijk voor de categorie ‘Inbraak’. Voor de andere twee categorieën zijn voor geen van de onafhankelijke variabelen significante effecten gemeten. Ook niet na het samenvoegen van de modellen 1 en 2 in model 3, alhoewel dit wel een toename in significantie tot gevolg had. Terugkomend op de resultaten voor de categorie ‘Inbraak’, blijkt in model 1 dat er een significant positief effect is van inkomensongelijkheid op deze vorm van criminaliteit. In model 2 werd gevonden dat sociaal vertrouwen een sterk negatief effect heeft op deze categorie. Nadat in model 3 de twee onafhankelijke variabelen zijn samengevoegd in één model, blijkt dat door het toevoegen van sociaal vertrouwen de significantie van het positieve effect van inkomensongelijkheid verdwijnt. Het negatieve effect van sociaal vertrouwen blijf echter wel significant in model 3.

Conclusies en Discussie

Dit onderzoek begon met de constatering dat inkomensongelijkheid toeneemt in de wereld (OECD, 2015). Volgens Piketty zal deze trend zich waarschijnlijk doorzetten in de komende jaren (Piketty, 2014). Ook in Nederland blijkt de inkomensongelijkheid de laatste jaren te zijn toegenomen (Salverda, et al., 2013). Wat zijn de gevolgen hiervan? Uit onderzoek blijkt dat inkomensongelijkheid een scala aan gevolgen kan hebben (Pickett & Wilkinson, 2009). Middels dit onderzoek is gekeken naar het effect van inkomensongelijkheid op criminaliteit. In de literatuur worden verschillende oorzaken genoemd voor dit effect. Dit zijn onder andere armoede, ‘relatieve deprivatie’ en verslechtering van het sociaal vertrouwen. Eerdere studies zaten echter niet op één lijn met betrekking tot het verband tussen inkomensongelijkheid en criminaliteit (Choe, 2008; Kelly, 2000;

20

Neumayer, 2005; Patterson, 1991). Deze onderzoeken vonden verbanden voor verschillende vormen van criminaliteit, of stelden zelfs dat de verbanden niet significant waren. Dit kan veroorzaakt zijn omdat de onderzoeken verschillende vormen van criminaliteit in ogenschouw namen. Aan de ene kant zijn er vermogensmisdrijven, die verklaart kunnen worden vanuit economische motieven (Becker, 1974). Aan de andere kant zijn er geweldsmisdrijven, die verklaart kunnen worden vanuit frustratie (Blau & Blau, 1982). Het was daarom te verwachten dat het effect van inkomensongelijkheid niet hetzelfde is voor de verschillende vormen van criminaliteit. Dit onderzoek wijkt af van voorgaande studies, omdat die meestal zijn uitgevoerd op macro niveau. Bij dit onderzoek is er juist voor gekozen om de locale effecten van inkomensongelijkheid te onderzoeken, teneinde daarmee de vraag ‘’Wat is de mate van associatie tussen inkomensongelijkheid en verschillende vormen van criminaliteit in de wijken van Rotterdam en in welke mate wordt deze associatie verklaard door het sociaal vertrouwen in de wijken?’’ te kunnen beantwoorden.

In de analyses lijken zich een aantal onverwachte resultaten voor te doen. Uit de toetsing van hypothese 1 blijkt namelijk een significant positief effect van inkomensongelijkheid op ‘Inbraak’, maar geen significant effect op ‘Geweld’ en ‘Diefstal’, gecontroleerd voor inkomen. Voor de categorie ‘Inbraak’ is hypothese 1 daarmee geldig, maar voor de categorieën ‘Geweld’ en ‘Diefstal’ niet. Ook de gebruikte literatuur toont dat er verschillen zijn tussen de effecten van inkomensongelijkheid op deze categorieën (Choe, 2008; Kelly, 2000). Wel is opvallend dat voor het ene economische misdrijf wel een verband kan worden aangetoond en voor het andere niet. ‘Inbraak’ en ‘Diefstal’ kunnen namelijk beiden worden aangemerkt als economische misdrijven. Een verklaring hiervoor kan zijn dat de parameter ‘overvallen’ onderdeel is van de variabele ‘Diefstal’. Uit onderzoek blijkt dat overvallen vaak gepaard gaan met geweld (Hoogerwerf, 1996). Het is daarom mogelijk dat overvallen geen misdrijven zijn met een puur economisch motief. Wellicht speelt in dergelijke gevallen tevens de frustratie die verbonden is met geweldsmisdrijven een rol. Voorts is opmerkelijk dat er geen significante effecten zijn gevonden voor geweldsmisdrijven. Hier kunnen verschillende oorzaken voor zijn. Aan de ene kant kan gekeken worden naar de ‘fixed effects’, die door Neumayer worden aangehaald en waarmee hij tracht te bewijzen dat er geen statistisch relevante verbanden zijn tussen geweldadige misdaad en inkomensongelijkheid (Neumayer, 2005). Hij stelt dat in voorgaand onderzoek, waarin een relatie tussen inkomensongelijkheid en criminaliteit is gevonden, niet op de juiste wijze voor deze ‘fixed effects’ is gecontroleerd. In het onderzoek op lokaal niveau spelen deze ‘fixed effects’ een kleinere rol en het is mogelijk dat de analyses voor de wijken van Rotterdam daarom geen significante effecten vertonen. Een andere mogelijkheid komt voort uit onderzoek naar criminaliteit in kleine gemeenschappen. Daarbij is geconstateerd dat, in dergelijke gevallen, het effect van absolute armoede sterker is dan het effect van relatieve armoede (Patterson, 1991).Deze absolute armoede en relatieve armoede worden in dit onderzoek, respectievelijk gemeten met gemiddeld inkomen en de Gini index. Uit de correlatiematrix blijkt dat deze twee variabelen sterk gecorreleerd zijn met elkaar. Dit kan ertoe leiden dat de controlevariabele inkomen voorkomt dat de onafhankelijke variabele inkomensongelijkheid significant is. De resultaten lijken deze verklaring te ondersteunen. Inkomensongelijkheid heeft namelijk een significant effect totdat het inkomen wordt toegevoegd aan het model als controlevariabele. Ten slotte is het natuurlijk ook mogelijk dat er simpelweg geen significant effect is van inkomensongelijkheid op geweldsmisdrijven in de verschillende wijken van Rotterdam. Indien dit het geval is dan zouden de resultaten uit dit onderzoek sterk op de resultaten uit voorgaand onderzoek lijken (Choe, 2008). In die studie werden namelijk ook significante effecten gevonden voor inbraak, maar bleken er geen significante effecten

21

te zijn op geweldsmisdrijven. Om te beoordelen welke van deze drie verklaringen het dichtst bij de waarheid ligt, zou vervolgonderzoek moeten worden opgezet waarbij specifieker wordt gekeken naar de interactie tussen verschillende soorten criminaliteit en inkomensongelijkheid op lokaal niveau.

Zoals in de resultaten al is opgemerkt, volgt hypothese 2 over het algemeen de trends van hypothese 1. Zo blijkt voor de categorie ‘Inbraak’ wederom de onafhankelijke variabele, gecontroleerd voor inkomen, een significant effect te hebben. Echter wel met het verschil dat sociaal vertrouwen een negatief verband heeft met deze vorm van criminaliteit. Dit is in lijn met hypothese 2 en voelt ook logisch aan. Naarmate het sociaal vertrouwen toeneemt, neemt de hoeveelheid inbraken af. Voor de categorie ‘Inbraak’ is opmerkelijk dat de controlevariabele inkomen een significant positief effect heeft op deze categorie in model twee. Dit in tegenstelling tot de andere twee categorieën criminaliteit. Dit positieve effect kan daarentegen wel beredeneerd worden Wanneer het inkomen van de inwoners hoog is valt er meer te halen in een huis. Van de andere twee categorieën is het wederom ‘Geweld’ waarvan de resultaten in model 2 opvallend zijn. Bijna alle literatuur vindt voor geweldsmisdrijven namelijk een sterk verband met sociaal vertrouwen (Kennedy, Kawachi, Prothrow-Stith, Lochner, & Gupta, 1998; Knack & Keefer, 1997). Uit de resultaten van model 2 blijkt echter dat er geen statistisch significant verband is tussen sociaal vertrouwen en geweldsmisdrijven, gecontroleerd voor inkomen. Wellicht schuilt hierin nog wel een verklaring waarom er in dit onderzoek geen verband is gevonden tussen inkomensongelijkheid en geweldsmisdrijven. Immers als het verband tussen deze twee via het sociaal vertrouwen loopt, terwijl sociaal vertrouwen geen significant effect blijkt te hebben op lokaal niveau, dan zou dit verband kunnen wegvallen. Dit verklaart echter niet waarom er in dit onderzoek geen significant effect wordt aangetoond van sociaal vertrouwen op de categorie ‘Geweld’. Het is echter niet eenvoudig om hierover met behulp van de huidige resultaten en literatuur uitsluitsel te geven. Wederom is vervolgonderzoek nodig om het verband tussen sociaal vertrouwen en geweldsmisdrijven op lokaal niveau beter te begrijpen. Ook voor de categorie ‘Diefstal’ blijkt het effect van sociaal vertrouwen op criminaliteit niet statistisch significant. Dit is echter minder opvallend omdat uit eerder onderzoek al is gebleken dat deze relatie minder sterk is dan die van sociaal vertrouwen op geweldsmisdrijven (Wilkinson, Kennedy, & Kawachi, 1998). Er kan gesteld worden dat, in deze zin, de resultaten van model 2 voor deze categorie de verwachtingen uit de literatuur volgen.

Bij de conclusies ten aanzien van hypothese 3 is vooral gekeken naar de categorie ‘Inbraak’. Daarbij zijn de resultaten van de andere twee categorieën ‘Geweld’ en ‘Diefstal’ enigszins buiten beschouwing gelaten. Hier is voor gekozen omdat voor deze twee categorieën geen significante resultaten zijn gevonden tijdens het testen van hypothese 1 en 2. Daarom is hypothese 3 voor deze twee categorieën overbodig, aangezien deze hypothese toetst welke invloed het sociaal vertrouwen heeft op het verband tussen inkomensongelijkheid en criminaliteit. De resultaten voor de categorie ‘Inbraak’ zijn daarentegen wel interessant om te analyseren. Uit model 3 blijkt namelijk dat het significante positieve effect van inkomensongelijkheid op deze vorm van criminaliteit, gevonden in model 1, verdwijnt als het sociaal vertrouwen wordt geïntroduceerd in model 3. Het positieve effect van inkomensongelijkheid behoudt hierbij nog wel enige significantie, maar blijft wel boven de kritieke waarde van p<0.05. Zoals is beschreven in de resultaten blijft het negatieve effect van sociaal vertrouwen, gevonden in model 2, wel significant in model 3. Het lijkt er dus op dat een aanzienlijk deel van het effect van inkomensongelijkheid op de variabele ‘Inbraak’ wordt verklaard door het sociaal vertrouwen. Dit duidt erop dat, voor deze categorie, hypothese 3 zou kunnen kloppen. Ook

22

aan de hand van de literatuur was dit te verwachten, aangezien een dergelijk mediërend effect van sociaal vertrouwen al eerder is gemeten (Faaij & Boersma, 2014; Kennedy et al., 1998). Zoals al eerder aangegeven, zijn deze studies echter gedaan op een macro-niveau van criminaliteit. Uit de resultaten van dit onderhavig onderzoek lijkt naar voren te komen, dat er ook op lokaal niveau van criminaliteit een dergelijk mediërend effect van sociaal vertrouwen bestaat.

Ten slotte kan, aan de hand van de conclusies die zijn verbonden aan de drie hypotheses, gekeken worden naar het antwoord op de onderzoeksvraag: ‘’Wat is de mate van associatie tussen inkomensongelijkheid en verschillende vormen van criminaliteit in de wijken van Rotterdam en in welke mate wordt deze associatie verklaard door het sociaal vertrouwen in de wijken?’’. Uit het onderzoek blijkt dat er verschillende effecten zijn gemeten voor verschillende vormen van criminaliteit. Kijkend naar de literatuur viel dit te verwachten (Choe, 2008; Kelly, 2000; Patterson, 1991). Uit de resultaten blijkt dat er een positieve associatie is tussen inkomensongelijkheid en de hoeveelheid inbraken in een wijk. Daarentegen zijn er voor de hoeveelheid geweld en de hoeveelheid diefstal in een wijk geen significante associaties gemeten. De associatie tussen inkomensongelijkheid en criminaliteit voor de wijken van Rotterdam lijkt daarom het beste de resultaten te volgen die gevonden zijn in de studie van Choe (Choe, 2008).

Er zijn wel enkele kanttekeningen te plaatsen bij de resultaten die gevonden zijn in dit onderzoek. Ten eerste kan men zich afvragen hoe het komt dat bepaalde vormen van criminaliteit wel een verband tonen en andere niet. Dat er verschillen zijn tussen geweldsmisdrijven en economische misdrijven is niet abnormaal. Er kunnen namelijk verschillen bestaan in motieven tussen deze twee vormen van criminaliteit (Kelly, 2000). Er is in dit onderzoek echter ook een verschil gevonden tussen de effecten van inkomensongelijkheid op de verschillende economische misdrijven, namelijk ‘Inbraak’ en ‘Diefstal’. Dit is wel opmerkelijk aangezien het motief in dit geval niet kan worden aangevoerd als verklaring. Eerder is al aangegeven dat de parameter overvallen die binnen de categorie ‘Diefstal’ valt wellicht geen zuiver economisch misdrijf is. Dit zou het verschil in het bovengenoemd effect kunnen verklaren. Het is echter ook mogelijk dat inbraak als vorm van criminaliteit gewoonweg anders reageert op inkomensongelijkheid dan de overige economische criminaliteit. Het onderzoek van Choe lijkt ook in deze richting te wijzen (Choe, 2008). Zonder nadere bestudering in vervolgonderzoek is het echter lastig om enige wetenschappelijk relevantie te verbinden aan deze constatering. Als tweede kanttekening is het belangrijk om te beseffen dat alle effecten die gevonden zijn, slechts aangemerkt kunnen worden als associaties. Met behulp van de beschikbare data en de diepgang van dit onderzoek is vaststellen van causale verbanden wetenschappelijk gezien niet verantwoord. Het is onder andere niet mogelijk om in dit onderzoek vast te stellen of het verband tussen inkomensongelijkheid en criminaliteit asymmetrisch is. Hieruit vloeit voort dat niet bewezen kan worden dat de associatie slechts van inkomensongelijkheid naar criminaliteit loopt en niet andersom. Hierbij kan wel worden gezegd dat het niet erg waarschijnlijk is dat criminaliteit inkomensongelijkheid veroorzaakt. Wellicht is deze beperking meer toepasselijk op de onafhankelijke variabele sociaal vertrouwen. De Sociale Index wordt namelijk wel degelijk beïnvloed door de hoeveelheid criminaliteit in een buurt (appendix 4). Hierdoor loopt de associatie tussen sociaal vertrouwen en criminaliteit niet in één specifieke richting. Hieronder worden de beperkingen uitgelegd die ook de oorzaak van dit gebrek kunnen zijn.

Ten eerste is het belangrijk om te constateren dat analyseren van de data van één stad met zich meebrengt dat er slechts uit een beperkte hoeveelheid observaties cgeput kan worden. Daarom

23

zijn er per wijk voor veel vormen van criminaliteit maar enkele observaties beschikbaar. Dit kan tot gevolg hebben dat de resultaten van het onderzoek sterk worden beïnvloed door toeval en niet zozeer door een feitelijke associatie. Er is gepoogd om dit op te lossen door verschillende misdrijven samen te voegen in bepaalde categorieën. Dit leidt er echter toe dat moeilijk kan worden vastgesteld wat de effecten zijn voor de individuele soorten misdrijven. Ten tweede zijn er slechts gegevens voor inkomensongelijkheid bekend met betrekking tot het jaar 2012. Daarom is ervoor gekozen om in dit onderzoek alleen gebruik te maken van cross-sectie analyse. Alhoewel er is getracht om door gebruikmaking van gemiddelde criminaliteitscijfers van verschillende jaren toch een tijdselement in te voegen, is er niet gecontroleerd voor effecten over de tijd. Dit is in de meeste van de voorgaande studies wel gedaan. Teneinde meer duidelijkheid te scheppen ten aanzien van het verband tussen inkomensongelijkheid en criminaliteit op wijkniveau, lijkt het zinvol om opnieuw onderzoek te doen op het moment dat er inkomensongelijkheidsgegevens beschikbaar zijn over meerdere jaren. Op deze manier kan de dataset voor een enkele stad vergroot worden en kunnen er met meer zekerheid conclusies worden verbonden aan de resultaten. Ook is het voor vervolgonderzoek interessant om te kijken naar andere steden met als doel een duidelijker beeld te scheppen van de effecten op lokaal niveau.

Ondanks de beperkingen van dit onderzoek lijkt het erop dat er een associatie is tussen inkomensongelijkheid en inbraken en dat deze associatie voor een deel kan worden verklaard door het sociaal vertrouwen. Dit ligt in lijn met het driehoeksverband tussen inkomensongelijkheid, sociaal vertrouwen en criminaliteit dat gevonden is in de literatuur (figuur 1). Alhoewel er geen associatie is gevonden voor andere economische misdrijven en eveneens niet voor geweldsmisdrijven, is er misschien toch een reden om ons zorgen te maken over de toenemende inkomensongelijkheid in de wereld (Piketty, 2014). Maar vooral ook om de toenemende inkomensongelijkheid in ons eigen land (Salverda, et al., 2013).

Bibliografie

Alesina, A., & La Ferrara, E. (2002). Who Trust Others? Journal of Public Economics, 207-234.

Becker, G. S. (1974). Crime and Punishment: An Economic Approach. In G. S. Becker, & W. M. Landes, Essays in the Economics of Crime and Punishment (pp. 1-54).

Beer, P. d., & Hoed, P. d. (2004). Wat gij niet wilt dat u geschiedt... Amsterdam: Amsterdam University Press.

Blau, J. R., & Blau, P. M. (1982). The Cost of Inequality: Metropolitan Structure and Volient Crime. American Sociological Review, 114-129.

24

Bowles, S., Durlauf, S. N., & Hoff, K. (2006). Poverty traps. Princeton: Princeton University Press.

Brehm, J., & Rahn, W. (1997). Individual-Level Evidence for the Causes and Consequences of Social Capital. American Journal of Political Science, 999-1023.

Breusch, T. S., & Pagan, A. R. (1979). A Simple Test for Heteroscedasticity and Random Coefficient Variation. Econometrica, 1287-1294.

Brown, M., & Uslaner, E. M. (2005). Inequality, Trust, and Civic Engagement. American Politics Research, 868-894.

Choe, J. (2008). Income inequality and crime in the United States. Economics Letters, 31-33.

Coleman, J. S. (1990). Foundations of Social Theory. Cambridge/London: The Belknap Press of Harvard University Press.

Cook, D. R. (1977). Detection of Influential Observations in Linear Regression. Technometrics, 15-18.

Delhey, J., & Newton, K. (2003). Who trusts?: The origins of social trust in seven societies. European Societies, 93-137.

Delhey, J., Newton, K., & Welzel, C. (2011). How General is Trust in ''Most People''? Solving the Radius of Trust Problem. American Sociological Review, 786-807.

Faaij, M., & Boersma, W. (2014). De Inkomensongelijkheidshypothese; Het verband tussen inkomensongelijkheid en zes verschillende soorten criminaliteit, gemedieerd door sociaal vertrouwen.

Fukuyama, F. (1995). Trust: The Social Virtues and The Creation of Prosperity. London: Hamish Hamilton.

Gemeenschappen, R. v. (1985). Besluit van 19-12-1984 betreffende een specifieke communautaire actie ter bestrijding van de armoede. Publicatieblad van de Europese Gemeenschap.

Gilligan, J. (1996). Violence: Our deadly epidemic and its causes. New York: Grosset/Putnam Books.

Gini, C. (1912). Variability and Mutability. Bologna: C. Cuppini.

Haight, F. A. (1967). Handbook of the Poisson Distribution. New York: John Wiley & Sons.

Halpern, D. (2001). Moral Values, Social Trust and Inequality Can Values Explain Crime? British Journal of Criminology, 236-251.

Hirschi, T. (2002). Causes of delinquency. Piscataway, New Jersey: Transaction publishers.

Hoogerwerf, A. (1996). Geweld in Nederland. Uitgeverij Van Gorcum.

Kawachi, I., & Kennedy, B. P. (1997). Health and social cohesion: why care about income inequality? British Medical Journal, 1037.

Kawachi, I., Kennedy, B. P., Lochner, K., & Prothrow-Stith, D. (1997). Social capital, income inequality and mortality. American Journal of Public Health, 1491-1498.

25

Kelly, M. (2000). Inequality and Crime. The Review of Economics and Statistics, 530-539.

Kennedy, B. P., Kawachi, I., Prothrow-Stith, D., Lochner, K., & Gupta, V. (1998). Social capital, income inequality, and firearm violent crime. Social Science & Medicine, Volume 47: 7-17.

Knack, S., & Keefer, P. (1997). Does Social Capital Have an Economic Payoff? A Cross Country Investigation. Quarterly Journal of Economics, 1251-1288.

Krohn, M. D. (1976). Inequality, Unemployment and Crime: A Cross-National Analysis. The Sociological Quarterly, 303-313.

Lewis, D. J., & Weigert, A. (1985). Trust as a Social Reality. Social Forces, 967-985.

Neumayer, E. (2005). Inequality and Violent Crime: Evidence from Data on Robbery and Violent Theft. Journal of Peace Research , 101-112.

OECD. (2015). Income inequality. Parijs.

Patterson, E. B. (1991). Poverty, Income inequality and Community Crime Rates. Criminology , 755-776.

Pickett, K. E., & Wilkinson, R. G. (2009). Income Inequality and Social Dysfunction. Annual Review of Sociology, Vol. 35: 493-511.

Piketty, T. (2014). Capital in the Twenty-First Century. Cambridge: Belknap Press of Harvard University Press.

Raphael, S., & Winter-Ebmer, R. (2001). Identifying the Effect of Unemployment on Crime. The Journal of Law and Economics.

Rosenfeld, R., & Baumer, E. P. (2001). Social Capital and Homicide. Social Forces, 283-310.

Rotterdam Onderzoek (2012). de Sociale Index. Opgehaald van http://www.rotterdam.nl/COS/publicaties/Vanaf%202005/10-3337.Rotterdam%20sociaal%20gemeten.%204e%20meting%20Sociale%20Index.pdf

Rotterdam Onderzoek (2012). Werkloosheidpercentages .

Rotterdam Onderzoek (sd). Rotterdam buurtmonitor. Opgehaald van http://rotterdam.buurtmonitor.nl/jive

Rotterdam Onderzoek (sd). Rotterdam in cijfers. Opgehaald van http://www.rotterdam.nl/Clusters/RSO/Document2015/OBI/Publicaties/4092%20Feitenkaart%20Wijk%20en%20buurt%20RIO%202012_2e%20druk.pdf

Salverda, W., Haas, C., Graaf-Zijl, M. d., Lancee, B., Notten, N., & Ooms, T. (2013). Growing inequalities and their impacts in the Netherlands; Country Report for the Netherland.

Sampson, R. J., & Groves, W. B. (1989). Community Structure and Crime: Testing Social-Disorganization Theory. American Journal of Sociology, 774-802.

26

Shapiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality (complete samples). Biometrika, 591-611.

Shaw, C. R., & McKay, H. D. (1942). Juvenile delinquency and urban areas. Chicago: University of Chicago Press.

Simmel, G. (1906). The sociology of secrecy and of secret societies. The American Journal of Sociology, 441-498.

Tajfel, H., & Turner, J. C. (1979). An Integrative Theory of Intergroup Conflict. In W. G. Austin, & S. Worchel, The Social Psychology of Intergroup Relations (pp. 33-47). Monterey: Brooks/Cole.

Uslaner, E. M. (2000). Producing and Consuming Trust. PSQ: Political Science Quarterly, 569-590.

Uslaner, E. M. (2002). The Moral Foundations of Trust. Cambridge: Cambridge University Press.

Wilkinson, R. G. (1996). Unhealthy societies: the afflictions of inequality. London: Routledge.

Wilkinson, R. G., Kennedy, B. P., & Kawachi, I. (1998). Mortality, The Social Environment, Crime and Violence. Sociology of Heath and Illness, 578-597.

Appendix

Appendix 1

Descriptives

Statistic Std. Error

Gini Mean ,2877 ,00835

95% Confidence Interval for

Mean

Lower Bound ,2710

Upper Bound ,3043

27

5% Trimmed Mean ,2808

Median ,2700

Variance ,004

Std. Deviation ,06683

Minimum ,21

Maximum ,55

Range ,34

Interquartile Range ,09

Skewness 1,656 ,299

Kurtosis 3,565 ,590

SocialeIndex Mean 5,8141 ,11391


Mean

Lower Bound 5,5864

Upper Bound 6,0417

5% Trimmed Mean 5,7885

Median 5,7500

Variance ,830

Std. Deviation ,91128

Minimum 4,30

Maximum 7,90

Range 3,60

Interquartile Range 1,45

Skewness ,387 ,299

Kurtosis -,752 ,590

Descriptives


Inkomen Mean 22721,8750 705,27867


Mean

Lower Bound 21312,4880

Upper Bound 24131,2620


Median 21600,0000

Variance 31834751,984

Std. Deviation 5642,22935

Minimum 16200,00

28

Maximum 42000,00

Range 25800,00


Skewness 1,710 ,299

Kurtosis 3,053 ,590

Werkloosheid Mean 8,0313 ,44303


Mean

Lower Bound 7,1459

Upper Bound 8,9166


Median 7,8000

Variance 12,562


Minimum 2,30

Maximum 15,00

Range 12,70


Skewness ,080 ,299

Kurtosis -1,080 ,590

Descriptives


GemInbraak Mean 22,6501 1,18609


Mean

Lower Bound 20,2799

Upper Bound 25,0203


Median 22,2137

Variance 90,036


Minimum 5,60

29

Maximum 58,13

Range 52,53


Skewness 1,891 ,299

Kurtosis 5,245 ,590

GemGeweld Mean 149,1342 11,57107


Mean

Lower Bound 126,0113

Upper Bound 172,2572


Median 126,0626

Variance 8568,942


Minimum 15,14

Maximum 414,95

Range 399,80


Skewness ,914 ,299

Kurtosis ,431 ,590

Descriptives


GemDiefstal Mean 48,7224 3,71966


Mean

Lower Bound 41,2892

Upper Bound 56,1555


Median 45,2446

Variance 885,497


Minimum 6,66

30

Maximum 173,86

Range 167,20


Skewness 1,256 ,299

Kurtosis 3,469 ,590

Appendix 2

Cook’s distances

Wijken Inbraak Geweld Diefstal Wijken Inbraak Geweld DiefstalAfrikaanderwijk 0,00263 0,00146 0,00068 Oude Westen 0,00163 0,00504 0,00254Agniesebuurt 0,05831 0,0026 0,01013 Overschie 0,00013 0,00205 0,00006Bergpolder 0,00649 0,00444 0,0039 Pendrecht 0,00044 0,00086 0,01384Beverwaard 0,00009 0,00317 0,00272 Pernis 0,0243 0,01762 0,03382Blijdorp 0,00011 0,002 0,00086 Prinsenland 0,00483 0,00018 0,00011Bloemhof 0,0022 0,00604 0,01747 Provenierswijk 0,00461 0,0083 0,01335Bospolder 0,01489 0,00414 0,00477 Rozenburg 0,02198 0,00044 0,01979Carnisse 0,00977 0,00295 0,00279 Rubroek 0,00027 0,00033 0,0055

31

Cool 0,6858 0,17994 0,0023 s Gravenland 0,0086 0,00145 0,00104De Esch 0,007 0,01214 0,00082 Schiebroek 0,0006 0,00176 0,00315Delfshaven 0,00509 0,00136 0,01477 Schiemond 0,00201 0,00625 0Feijenoord 0,00241 0,01359 0,00104 Spangen 0,00106 0,00031 0,00135Groot IJsselmonde 0,00218 0,07014 0,18304 Stadsdriehoek 0,0027 0,09388 0,04626Heijplaat 0,00786 0,01574 0,01763 Struisenburg 0,01905 0,0107 0,00211Het Lage Land 0,00374 0,00043 0,00911 Tarwewijk 0,00689 0,00203 0,00498Hillegersberg Noord

0,01053 0,00005 0,00022 Terbregge 0,00615 0,01256 0,00555

Hillegersberg Zuid 0,00222 0 0,00058 Tussendijken 0,00334 0,0066 0,01476Hillesluis 0,00206 0,00071 0,00063 Vreewijk 0,01001 0,01915 0,00233Hoogvliet Noord 0,01175 0,00318 0,00004 Zevenkamp 0,0003 0,01243 0Hoogvliet Zuid 0,00093 0,04658 0,00004 Zuidplein 0,00955 0,00557 0,02301Katendrecht 0,00442 0,00705 0,00576 Zuidwijk 0,00022 0,00091 0,01585Kleinpolder 0,00016 0,00327 0,00033 Zuidwijk 0,00022 0,00091 0,01585Kop van Zuid 0,02753 0,01151 0,02886Kop van Zuid - Entrepot

0,00527 0,00259 0,00004

Kralingen West 0,0021 0,01982 0,0442Kralingen Oost 0,00796 0,01919 0,03029Kralingseveer 0,00123 0,0522 0,03558Liskwartier 0,00838 0,00341 0,00008Lombardijen 0,00013 0,00001 0,00066Middelland 0,00536 0,00749 0,00545Molenlaankwartier 0,00407 0,0042 0,00004Nesselande 0,02216 0,00644 0,00002Nieuw Crooswijk 0,10818 0,01422 0,01081Nieuwe Werk 0,98631 0,02686 0,08025Nieuwe Westen 0,00409 0,06169 0,05395Noordereiland 0,00755 0,00901 0,0062Ommoord 0,00007 0,04141 0,03976Oosterflank 0,00136 0,00345 0,00036Oud Charlois 0,0011 0,00034 0,00006Oud Crooswijk 0,00002 0,00262 0,00453Oud IJsselmonde 0,00016 0,00194 0,00063Oud Mathenesse 0,0048 0,01126 0,01817Oude Noorden 0,0019 0,01897 0,01294

Appendix 3

Resultaten

Variabele Chi PGemiddelde Inbraak 0.38 0.538Gemiddelde Geweld 0.05 0.830Gemiddelde Diefstal 1.46 0.228

Breusch-Pagan toets

32

Appendix 4

Uitgebreide omschrijving van de opbouw van de Sociale Index.

Definities van de gemeente Rotterdam zijn gebruikt voor de aspecten (de Sociale Index, 2012).

Aspect Persoonlijke capaciteiten

Dit is een voorwaardenscheppend aspect. Het gaat om de persoonlijke voorwaarden die nodig zijn om in de samenleving te kunnen participeren. Hieronder vallen de volgende thema’s: voldoende taalbeheersing, voldoende inkomen, een goede gezondheid en voldoende opleiding.

Voldoende taalbeheersing (vt)

Negatief: percentage personen dat moeite heeft met Nederlands lezen, schrijven en/of spreken.

Voldoende inkomen (vi)

Negatief: aandeel van huishoudens met een inkomen onder 110 procent van het sociaal minimum, aandeel ontvangers van een bijstandsuitkering en aandeel huishoudens dat aangeeft moeilijk tot zeer moeilijk rond te kunnen komen.

Goede gezondheid (gg)

Aandeel bewoners dat hun gezondheid als goed ervaart, apart gemeten voor 15-35 jarigen, 35-65 jarigen, 65+. Weinig meldingen bij lokale zorgnetwerken en weinig meldingen huiselijk geweld.

Voldoende opleiding (vo)

Weinig voortijdig schoolverlaters, voldoende jongeren met een startkwalificatie, voldoende inwoners met een startkwalificatie of werk. Een startkwalificatie is een diploma van havo/vwo of niveau 2 van het mbo.

Aspect Leefomgeving

Dit is een voorwaardenscheppend aspect. Het gaat om de vraag of de leefomgeving stimuleert of belemmerend werkt op meedoen. Onder dit aspect vallen de volgende thema’s: ontbreken van discriminatie, passende huisvesting, aanwezigheid van adequate voorzieningen en ontbreken van vervuiling en overlast.

Ontbreken van discriminatie (od)

Negatief: percentage mensen dat zich gediscrimineerd voelt. Verder het oordeel over het omgaan met elkaar van allochtonen en autochtonen.

Passende huisvesting (pv)

33

Geen sprake van overbewoning (cf. definitie buurtsignalering) en bewoners die tevreden zijn met hun woning.

Adequate voorzieningen (av)

Om te bepalen of de voorzieningen adequaat zijn, is de bewoners gevraagd naar: A. Tevredenheid met fysieke voorzieningen Dit betreft tevredenheid over speelplaatsen, peuterspeelzalen/kinderdagverblijven, basisscholen, voorzieningen voor jongeren, voorzieningen voor ouderen, algemeen groen, recreatief groen, voorzieningen voor binnensport, voorzieningen voor buitensport, winkels, buurthuizen en cafés. B. Bekendheid sociale voorzieningen Dit betreft de bekendheid met de volgende sociale voorzieningen: thuiszorg, steunpunt mantelzorg, ouderenadviseurs, maatschappelijk werk, opvoedingsondersteuning, schuldhulpverlening en de vraagwijzer. Er is ook gevraagd naar het gebruik, maar deze antwoorden zijn niet gebruikt voor het bepalen van de Sociale Index. Ze kunnen wel gebruikt worden bij de nadere analyses van de wijk. Er is niet gevraagd naar de tevredenheid omdat er per wijk te weinig gebruikers zijn voor een score per wijk.

Geen vervuiling of overlast (v+o)

Negatief: rommel op straat, vuil naast de containers, vernieling straatmeubilair, gaten en verzakkingen, overlast van hard rijdend verkeer, geluidshinder door verkeer, lawaai van omwonenden, overlast van drugs, overlast van groepen jongeren.

Aspect Participatie (Meedoen)

Dit betreft de kern van de Sociale Index: het is belangrijk dat iedereen meedoet in de samenleving (gedragsaspect). Onder dit aspect vallen de volgende thema’s: werkzoekenden, schoolgaande jeugd, voldoende sociale contacten, deelname aan sociale en culturele activiteiten en sociaal maatschappelijke inzet.

Werkzoekenden en Schoolgaande jeugd (w+s)

A. Werkzoekenden:

Aandeel werkzoekenden van de totale beroepsbevolking (15-65 jaar).

B. Schoolgaande jeugd:

Percentage jongeren van 16-22 jaar dat naar school gaat, als percentage van het totale aantal jongeren zonder startkwalificatie.

Voldoende sociale contacten (sc)

Percentage bewoners dat minimaal wekelijks contact heeft met vrienden en familie. Het contact kan bestaan uit een ontmoeting, een telefoontje of een e-mail. Daarnaast wordt apart meegerekend het

34

percentage volwassenen dat behoefte heeft aan meer contacten en het percentage 65+ dat behoefte heeft aan meer contacten.

Deelname aan sociale en culturele activiteiten (sca)

Percentage bewoners dat minstens een keer per maand sport, uitgaat (café, disco of uit eten), naar een theatervoorstelling of concert gaat of minimaal een keer per maand een creatieve hobby beoefent.

Sociaal maatschappelijke inzet (si)

Percentage bewoners dat iemand helpt die langere tijd ziek of hulpbehoevend is (mantelzorg). Percentage bewoners dat onbetaald actief is in één of meer organisaties (vrijwilligerswerk). Percentage bewoners dat de afgelopen twaalf maanden een actieve bijdrage heeft geleverd aan de leefbaarheid van de buurt.

Aspect Sociale binding

Bij dit aspect gaat het om het gevoel van de bewoners bij hun buurt. Hieronder vallen de volgende thema’s: voelen bewoners zich thuis in hun buurt (ervaren binding) en wonen ze lang in de buurt (mutaties).

Mutaties (m)

Percentage verhuizingen. Percentage bewoners dat korter dan twee jaar in Nederland woont (nieuwkomers). Percentage bewoners dat langer dan tien jaar in dezelfde woning woont (bij nieuwbouwwoningen geldt het criterium 90 procent van de leeftijd van de woning).

Ervaren binding (eb)

Percentage bewoners dat zich thuis voelt in hun buurt en vindt dat buurtgenoten goed met elkaar omgaan (familiariteit). Percentage bewoners dat zich verantwoordelijk voelt voor de buurt en zich inzet voor de buurt. Percentage bewoners dat vertrouwen heeft in het (deel)gemeentebestuur.

Appendix 5

Korte uitleg over het gebruik van factoranalyse bij het creëren van de criminaliteitscategorieën.

Voor het maken van de categorieën is, zoals gezegd, gebruik gemaakt van factoranalyse. Dit is gedaan door de correlatiematrix te analyseren. Als eerste zijn de vormen van criminaliteit uitgefilterd die met geen enkele van de andere variabelen, afhankelijk of onafhankelijk, een correlatie vertoonden. Bij deze vormen van criminaliteit zijn de observaties wellicht zo willekeurig dat ze nergens correlaties mee zullen vertonen. Het gebruiken van deze vormen van criminaliteit zou daarom de modellen beroven van elke vorm van verklarend vermogen.

Vervolgens is gekeken welk van de andere vormen van criminaliteit correlatie vertoonden met elkaar. Uit deze analyse bleek dat bepaalde vormen van criminaliteit die sterk op elkaar leken in definitie, bijvoorbeeld ´inbraak in woningen´ en ´inbraak in bedrijven´, correlaties vertoonden. Ten

35

slotte zijn de vormen van criminaliteit die op elkaar leken en met elkaar gecorreleerd waren samengevoegd in drie categorieën.

36

Bibliografie - Erasmus University Thesis Repository · Web viewIn model 2 wordt de relatie tussen...

Documents

Transcript of Bibliografie - Erasmus University Thesis Repository · Web viewIn model 2 wordt de relatie tussen...