De Aantrekkelijke Binnenstad - Radboud Universiteit
Transcript of De Aantrekkelijke Binnenstad - Radboud Universiteit
De Aantrekkelijke Binnenstad
Jesse Mangnus
Bachelor Thesis Geografie, planologie en milieu Nijmegen School of Management
Radboud Universiteit Nijmegen, Juni 2020
Begeleider: Huub Ploegmakers
Hoofdtekst: 17000
ii
iii
De Aantrekkelijke Binnenstad
Jesse Mangnus S4751248
Bachelor Thesis Geografie, planologie en milieu Nijmegen School of Management
Radboud Universiteit Nijmegen, Juni 2020
Begeleider: Huub Ploegmakers
Hoofdtekst: 17000
i
Voorwoord Waarde lezer, ik wens u veel plezier met het lezen van mijn bachelor scriptie. Ik wil graag DTNP
bedanken voor het beschikbaar stellen van de dataset. Daarnaast wil ik mijn begeleider Huub
Ploegmakers ook van harte bedanken voor zijn feedback.
i
Samenvatting De opkomst van internet winkelen heeft er voor gezorgd de fysieke winkelomgeving en
consumentenbehoeften zijn veranderd. Met name middelgrote binnensteden ondervinden hier
negatieven gevolgen van in de vorm van leegstand. Het behouden of vergroten van de
aantrekkelijkheid van een binnenstad wordt gezien als een oplossing voor structurele problemen. In
dit onderzoek wordt opnieuw onderzocht of verschillende aanbod kenmerken, deelwaarderingen van
winkelgebied kenmerken en persoonlijke kenmerken nog steeds invloed hebben op de algehele
aantrekkelijkheid zoals in de literatuur beschreven. De onderzoeksvraag luidt dan ook als volgt;
In welke mate beïnvloeden de kenmerken van een binnenstad de algehele aantrekkelijkheid?
De onderzochte aanbod kenmerken van een binnenstad zijn; de hoeveelheid winkelvloeroppervlakte,
het percentage horeca, het percentage mode en luxe winkels, het percentage zelfstandigen, het
percentage leegstand en historiciteit. Een grotere hoeveelheid winkelvloeroppervlak heeft tot gevolg
dat respondenten een binnenstad hoger beoordelen. Het percentage dat daarvan uit horeca en mode
en luxe winkels bestaat vertoont geen significant verband met de algehele aantrekkelijkheid. Een
hoger percentage zelfstandigen heeft wel tot gevolg dat respondenten wel een hogere waardering aan
een binnenstad toekennen. Meer leegstand heeft logischerwijs een lagere beoordeling tot gevolg.
Daarnaast worden historische steden relatief hoger gewaardeerd dan organisch of planmatig
ontwikkelde steden. De hogere waardering voor historische steden vertoont echter geen direct
verband met de algehele waardering, dit verloopt via de deelwaarderingen voor panden en straten.
Historische steden krijgen dus een hogere waardering voor panden en straten. Een hogere waardering
voor panden en straten verhoogt vervolgens de algehele waardering.
Het niet significante verband van de percentages horeca en mode en luxe winkels wordt verklaard
door de deelwaarderingen voor het winkel en horeca-aanbod. Een hoger percentage horeca en mode
en luxe winkels hangt positief samen met een hogere deelwaardering voor het winkel en horeca-
aanbod. De andere deelwaarderingen voor sfeer, bereikbaarheid en parkeergelegenheid hebben ook
een positief effect op de totale waardering door de respondent.
Van de verschillende persoonskenmerken; leeftijd, geslacht, inkomen, opleiding en huishouden blijkt
alleen leeftijd daadwerkelijk invloed te hebben op de algehele waardering. Des te ouder de respondent
is, des te lager waardeert deze een binnenstad.
Omdat een hogere algehele waardering in verband gebracht wordt met een hogere bezoekfrequentie,
bezoekduur en totale bestedingen is in dit onderzoek ook getoetst hoe deze variabelen beïnvloed
worden door de verschillende kenmerken van een binnenstad. De bezoekfrequentie wordt positief
beïnvloed door de grootte van het winkelvloeroppervlak, ook een hogere waardering voor
bereikbaarheid en een hogere leeftijd van de respondent hebben een positief effect op de
bezoekfrequentie. Historische steden worden daarnaast ook frequenter bezocht dan niet historische
steden. Het percentage leegstand en zelfstandige winkels zorgt voor een lagere bezoekfrequentie
evenals de waardering voor het winkelaanbod en parkeergelegenheid, de reden voor dit laatste zou te
maken kunnen hebben met de transportwijze van de respondent.
De bezoekduur van de respondent wordt positief beïnvloed door de grootte van het
winkelvloeroppervlak, het percentage zelfstandigen en het percentage mode en luxe winkels. Het ligt
voor de hand dat ook de waardering van het winkelaanbod en de waardering van de sfeer zorgen er
voor dat een bezoek van de respondent langer duurt.
ii
De totale uitgaven van de respondent worden positief beïnvloed door de grootte van het
winkelaanbod en de waardering hiervan. Opvallend is dat de waardering van de bereikbaarheid
negatief verhoud tot de totale uitgaven, een reden hiervoor zou kunnen zijn dat goed bereikbare
steden vaker bezocht worden. Dit heeft tot gevolg dat de bestedingen per bezoek naar beneden gaan.
iii
Inhoud Voorwoord ............................................................................................................................................... i
Samenvatting ........................................................................................................................................... i
1.1 Aanleiding ......................................................................................................................................... 1
1.2 Doel- en vraagstelling ....................................................................................................................... 4
1.2.1 Hoofdvraag ................................................................................................................................. 4
1.2.2 Deelvragen ................................................................................................................................. 4
1.3 Maatschappelijke relevantie ............................................................................................................ 5
1.4 Wetenschappelijke relevantie ......................................................................................................... 6
2. Theoretisch kader ............................................................................................................................... 7
2.1 modellen ........................................................................................................................................ 7
2.2.1 Gravitatiekracht modellen. ........................................................................................................ 7
2.2.2 Discrete keuzemodellen ............................................................................................................. 8
2.2.3 Aantrekkelijkheid verklarende modellen ................................................................................... 9
2.3 Winkelgebied kenmerken ........................................................................................................... 10
2.3.1 Bereikbaarheid ..................................................................................................................... 10
2.3.2 Parkeergelegenheid .............................................................................................................. 11
2.3.3 Winkel/horeca aanbod ......................................................................................................... 11
2.3.4 Productaanbod ..................................................................................................................... 11
2.3.5 Sfeer ..................................................................................................................................... 11
2.4 Fysieke aanbod eigenschappen ................................................................................................... 12
2.5 Persoonlijke kenmerken .............................................................................................................. 12
2.5.1 Leeftijd ...................................................................................................................................... 12
2.5.2 Geslacht .................................................................................................................................... 13
2.5.3 Inkomen en opleidingsniveau .................................................................................................. 13
2.5.4 Huishouden .............................................................................................................................. 13
2.6 Conceptueel model ..................................................................................................................... 14
2.7 Operationalisering ....................................................................................................................... 14
3 Onderzoeksmethodologie ................................................................................................................. 16
3.1 Onderzoeksstrategie ................................................................................................................... 16
3.2 Onderzoeksmateriaal .................................................................................................................. 18
3.2.1 Validiteit ................................................................................................................................... 19
3.2.2 Betrouwbaarheid ...................................................................................................................... 19
3.4 Selectie centra ............................................................................................................................. 20
3.5 Analysemethode .......................................................................................................................... 21
4.0 Resultaten ....................................................................................................................................... 22
iv
4.1 Beschrijvende statistiek ............................................................................................................... 22
4.1.1 Persoonskenmerken ............................................................................................................. 22
4.1.2 Fysieke aanbod kenmerken ...................................................................................................... 25
4.1.3 Deelwaarderingen winkelgebied kenmerken ...................................................................... 27
4.2 Multicollineariteit ........................................................................................................................ 32
4.3 Residuen analyse ......................................................................................................................... 33
4.4 Multipele-regressieanalyse ......................................................................................................... 33
5. Conclusie ........................................................................................................................................... 41
5.2 Aanbeveling ................................................................................................................................. 43
5.3 Reflectie ....................................................................................................................................... 44
6. Bronnen ............................................................................................................................................. 45
7 bijlagen. .............................................................................................................................................. 48
7.1 Multicollineariteit ........................................................................................................................ 50
7.2 Regressieanalyse ................................................................................................................... 54
v
1
1.1 Aanleiding Webwinkels zijn de laatste jaren sterk in opmars. Waar fysieke winkels zich voorheen konden
profileren middels het verschaffen van optimale informatie en het bieden van een goede service blijkt
dat online winkels naast het bieden van lagere prijzen ook op dit gebied de consument steeds beter
weten te bedienen (Ouwehand & Haringsma, 2016). De strijd tussen online winkels en fysieke winkels
lijkt nadelig uit te pakken voor veel fysieke winkels. Dit geldt vooral voor de niet-dagelijkse
winkelsector zoals kleding en elektrische apparaten. De online omzet binnen de detailhandel is tussen
2015 en 2019 bijna verdubbeld, de gehele omzet steeg in dit tijdsbestek slechts met 14% (CBS, 2020).
Dit laat zien dat de groei van het aantal internetverkopen nog steeds toeneemt. Uiteraard heeft dit
gevolgen voor de fysieke winkelomgeving. Het aantal fysieke winkelvestigingen is tussen 2010 en 2019
met ruim 11 procent gedaald terwijl het aantal webwinkels in hetzelfde tijdsbestek verdrievoudigd is
(CBS, 2019).
De opkomende webwinkels lijken dus structurele veranderingen in het winkellandschap te
veroorzaken. Deze transitie begint echter bij de consument. Er is niet alleen een groei in online winkels
waar te nemen, ook het aantal online consumenten neemt toe. Onder Nederlanders van twaalf jaar of
ouder bleek in 2012 slechts 64 procent wel eens online te winkelen, dit percentage is gestegen tot 79
procent in 2019 (CBS, 2019). Al in 2007 werd de opkomst van het internet als mogelijk alternatief voor
fysiek winkelen gezien, Weltevreden (2007) beschreef internet destijds als; “een innovatie die
bestaande maatschappelijke en economische processen rigoureus kan veranderen”. Destijds werd al
opgemerkt hoe snel het aandeel producten en/ of diensten groeide dat via internet gekocht werd. Uit
de bovenstaande cijfers van het CBS blijkt dat Weltevreden gelijk had.
Het hedendaagse winkellandschap bevindt zich dus niet meer vanzelfsprekend in het centrum van een
dorp of stad maar steeds meer online. Vooral het middensegment dat zich moeilijk weet te
onderscheiden, heeft te lijden onder de digitale revolutie (Lekkerkerker & Jansen, 2016). Het aanbod
aan verschillende producten is online namelijk veel groter en goedkoper. Dit grijze middensegment
biedt geen lage prijzen of bijzonder hoogstaand assortiment en weet zich onvoldoende te profileren
om de gunfactor of interesse van consumenten te winnen. Verschillende winkelketens zoals Intertoys
en de Coolcat zijn hier al aan ten onder gegaan terwijl andere grote ketens locaties sluiten of verkleinen
(DTNP, 2019).
Nederlandse binnensteden kampten al eerder met problemen, destijds te wijten aan de economische
crisis in 2008. Nog nooit eerder was het consumentenvertrouwen in een jaar zo ver gedaald als in dat
jaar (CBS, 2008). Dit zorgde er voor dat verschillende kleine ondernemers en nationale ketens de
deuren moesten sluiten. Binnensteden kampen sindsdien met aanhoudende winkelleegstand. Hoewel
de situatie ongunstig was, was het te vroeg om te spreken van een uitholling van de binnenstad (Evers
et. al, 2014). De crisis legde problemen in veel binnensteden bloot die ten grondslag liggen aan de
digitalisering van het winkellandschap en de veranderende behoeften van consumenten. Na de crisis
leek er reden tot optimisme, er kwam opnieuw meer consumentenvertrouwen en bestedingen namen
toe; hoogconjunctuur was in aantocht (CBS, 2020). Terwijl dit vooral de grote Nederlandse steden een
gunstiger perspectief bood lijken kleine en middelgrote binnensteden in veel mindere maten mee te
profiteren van dit gunstiger perspectief (Platform31, 2018).
Tot op heden lijken met name middelgrote binnensteden last te hebben van aanhoudende problemen.
De bevolkingsgroei die met name plaats vindt in grote steden, veranderend consumentengedrag en
2
de opkomst van internet winkelen zorgen ervoor dat voorzieningen juist in middelgrote steden onder
druk komen te staan (Lekkerkerker en Janssen, 2016). Kleinere centra hebben vaak minder
winkelvloeroppervlak en vervullen met name een boodschappenfunctie voor lokale bewoners. Dit
maakt dat zij kansrijk blijven, ook concurreren ze in sterkere mate met middelgrote binnensteden op
het gebied van dagelijkse boodschappen (Locatus, 2018). Grotere binnensteden bieden veel meer
aanbod en diversiteit in producten en diensten, ook is het aanbod in horeca en vermaak groter en
meer divers dan in middelgrote binnensteden. Veel van deze middelgrote binnensteden hadden ooit
de ambitie om een recreatieve winkelfunctie te bekleden voor een groot verzorgingsgebied (DTNP,
2019). Vaak wordt het behouden van deze regionale positie als prioriteit gezien terwijl deze situatie
op lange termijn onhoudbaar is. Ook op momenten dat het economisch gezien beter gaat blijft de
leegstand in middelgrote steden aanhouden. Verwacht wordt dat de vraag naar beschikbaar
winkelvastgoed af zal blijven zwakken en het verzorgingsgebied van de middelgrote binnenstad verder
zal krimpen komende decennia (Dynamis, 2019). Uit data van Locatus blijkt dat de middelgrote steden
sinds de crisis te maken hebben met groeiende percentages leegstand. De leegstand over heel
Nederland is veel lager dan in de middelgrote steden, ook is er zelfs een afname te zien op nationaal
niveau na 2016 terwijl deze trend niet te zien is in middelgrote steden (CLO, 2019).
Afbeelding 1 Winkelleegstand in middelgrote steden (Locatus, 2018). Afbeelding 2 winkelleegstand Nederland (CLO, 2019)
Lekkerkerker en Jansen (2016) stellen in Rooijlijn dat deze middelgrote steden in het algemeen de
meeste problemen hebben met het vormgeven van hun sociaaleconomische positie en toekomst. In
eerste instantie lijken grote steden vooral op sociaal en ecologisch gebied slecht te scoren, op het
platteland heeft men meer te maken met demografische en economische achterstand. Echter doen
de grootste problemen zich niet zozeer voor op het platteland of in de grote steden. Juist de
middelgrote stad lijkt de meeste problemen te kennen, ze draagt wel de lasten van stedelijkheid in de
vorm van sociale problemen maar kennen niet de lusten van een groeiende kenniseconomie en
grootschalige dienstensector. Het ontbreken van universiteiten, hoge scholen en noodzakelijke
infrastructuur voor een creatieve kenniseconomie zorgen voor een relatief grotere vergrijzing in
middelgrote steden.
De winkelfunctie van de middelgrote binnenstad is tot op heden altijd dominant geweest. Veel van
deze steden werden na de oorlog als industriegemeente of groeikern aangewezen, deze middelgrote
steden ontwikkelden een vrij compleet centrum en gunstige woon en werkgelegenheid (Lekkerkerker
en Janssen , 2016). Tegenwoordig lijkt de middelgrote binnenstad op gebied van dagelijkse
boodschappen echter ingehaald te worden door lokale dorpskernen terwijl dagjes mensen vaak kiezen
voor de grotere steden. De leegstand die hier het gevolg van is heeft invloed op de aantrekkelijkheid
van een binnenstad. Het is dus van belang dat de middelgrote binnensteden actie ondernemen zodat
3
klanten hun winkelcentrum blijven bezoeken. Het consumentengedrag verandert echter sterk, er zijn
daarom tal van visies voor het aantrekkelijk houden van middelgrote binnensteden. Sommige regio’s
zetten in op slim krimpen zoals Parkstad Limburg terwijl andere juist inzetten op een netwerk met
naburige gemeenten (Lekkerkerker, 2016). Een uitgebreid productaanbod alleen lijkt niet de oplossing
aangezien het grootste deel van het winkelaanbod bestaat uit landelijke ketens en het daardoor lastig
is om je te onderscheiden. Volgens DTNP (2016) is het ook belangrijk om de middelgrote binnenstad
te zien als ontmoetingsplek met eigen identiteit voor lokale bezoekers. Platform31 (2018) deelt deze
mening, de binnenstad moet gezien worden als ‘place to be’ in plaats van ‘place to buy’. Dit is echter
een complexe opgave voor middelgrote binnensteden aangezien deze verandering vraagt om een
eigen profiel, vaak gebaseerd op lokale historie, zodat bezoekers zich identificeren met de binnenstad
(Platform31, 2018). Het feit dat middelgrote binnensteden over het algemeen niet erg onderscheidend
zijn werkt hier echter niet echt aan mee. Het veelal gebruik van ‘doorsnee architectuur’ en landelijke
ketens zorgt voor een eenheidsworst in het straatbeeld (DTNP, 2016).
Waar Platform31 in het rapport De Nieuwe Binnenstad (2018) vooral kijkt naar trends in
consumentengerag en daarop aansluitende toekomstscenario’s lag de nadruk in het in 2014
verschenen rapport elders. Destijds was de insteek om vooral in te zetten op het verhogen of
behouden van de aantrekkelijkheid van het stadscentrum voor consumenten. De aantrekkelijkheid
van een centrum kan vergroot worden door onder andere te zorgen voor een goede bereikbaarheid,
sfeer en een goed gevuld winkelaanbod. Naast consumenten is aantrekkelijkheid ook van belang voor
winkeliers, immers hoe aantrekkelijker een centrum hoe meer bezoekers. Ook vastgoedondernemers
profiteren van een aantrekkelijk centrum, de waarde van hun panden wordt namelijk bepaald door de
aantrekkelijkheid van de binnenstad (Platform31, 2014). Om bezoekersaantallen op peil te houden
moet dus ingezet worden op een aantrekkelijke sfeer en beleving van een binnenstad. Met name
middelgrote binnensteden zouden moeten inzetten op een aantrekkelijk centrum als sociaal hart met
oog voor de lokale bevolking (DTNP, 2014).
Ook op wetenschappelijk gebied is er bewijs dat het verhogen van de aantrekkelijkheid een positief
socio-economisch effect heeft op binnensteden. Weltevreden en van Rietbergen (2007) onderzochten
middels een online survey zeven grote en middelgrote binnensteden en concludeerden dat hoe
aantrekkelijker een winkelcentrum gevonden wordt door consumenten, hoe minder negatieve
gevolgen ondervonden zullen worden door internetverkopen. Consumenten zijn namelijk minder snel
geneigd tot het doen van online aankopen als het dichtstbijzijnde winkelcentra aantrekkelijk gevonden
wordt. Een hogere aantrekkelijkheid zorgt dus voor meer klanten en meer omzet (Weltevreden en
van Rietbergen, 2007). Indien binnensteden hun aantrekkelijkheid zouden kunnen opschroeven zou
dat tot gevolg hebben dat er meer consumenten een bezoek brengen aan het winkelcentra. Op deze
manier zouden winkelcentra in kunnen spelen op de veranderende omstandigheden en zich
ontpoppen tot een bruisende ontmoetingsplek voor consumenten. Echter is de theorie en de
aanbevelingen betreft behoud of verhoging van aantrekkelijkheid redelijk gedateerd. De digitale
revolutie zet door en omstandigheden in de binnenstad blijven aan veranderingen onderhevig.
Aantrekkelijkheid van binnensteden is belangrijk maar zijn de verschillende factoren die
aantrekkelijkheid beïnvloeden nog steeds even belangrijk als ze waren ten tijden van de uitgevoerde
onderzoeken? Dit onderzoek zal daar een antwoord op verschaffen.
4
1.2 Doel- en vraagstelling Uit het bovenstaande blijkt dat de aantrekkelijkheid van middelgrote binnensteden centraal staat in
dit onderzoek. Het doel is om inzicht te krijgen in de onderliggende aspecten die de aantrekkelijkheid
van middelgrote binnensteden beïnvloeden. Deze doelstelling komt voort uit de aanname dat
bezoekers meer geld uitgeven en hun bezoek langer duurt in een aantrekkelijke binnenstad dan in een
binnenstad die als minder aantrekkelijk beoordeeld wordt.
Hierbij zullen verschillende aspecten meegenomen worden die vanuit de literatuur geacht worden
invloed te hebben op de aantrekkelijkheid van een binnenstad. Enerzijds zullen dit subjectieve
deelwaarderingen van winkelgebied kenmerken zijn zoals door bezoekers ervaren, anderzijds zullen
de fysieke aanbod kenmerken van de binnenstad meegenomen worden.
1.2.1 Hoofdvraag
Om dit onderzoek vorm te geven zal gewerkt worden aan de hand van de volgende hoofdvraag;
In welke mate beïnvloeden verschillende kenmerken van de binnenstad de aantrekkelijkheid?
1.2.2 Deelvragen
Om deze onderzoeksvraag duidelijk te kunnen beantwoorden zijn de volgende deelvragen opgesteld
om het onderzoek wat meer structuur te geven.
1. Hoe worden middelgrote binnensteden gewaardeerd door bezoekers?
2. Wat is de invloed van de deelwaarderingen op de aantrekkelijkheid?
3. Wat is de invloed van de fysieke aanbodkenmerken van de binnenstad op de aantrekkelijkheid?
4. Wat is de invloed van de kenmerken van de respondent op de waardering van een binnenstad?
5
1.3 Maatschappelijke relevantie Nederlandse middelgrote binnensteden weten hun achterstand nog steeds niet in te halen. Sinds de
economische crisis zijn er problemen aan het licht gekomen die structureel blijken te zijn. Vergeleken
met grote binnensteden profiteren de middelgrote binnensteden gemiddeld genomen weinig van de
economische vooruitgang die na de crisis op gang is gekomen (Platform31, 2018). Problemen die in
eerste instantie slechts een direct gevolg van de crisis leken, worden veroorzaakt door een
veranderend winkellandschap en veranderende behoeften van consumenten waaraan de digitalisering
ten grondslag ligt (DTNP, 2016). Winkelleegstand blijft structureel hoger dan in andere delen van
Nederland (Locatus, 2018). Het feit dat consumenten een alternatief aangeboden krijgen voor het
bezoeken van fysieke winkels zorgt voor teruglopende bezoekersaantallen in binnensteden. Met name
middelgrote binnensteden zijn hier de dupe van. Deze steden verliezen hun verzorgende regionale
functie en moeten opzoek naar een nieuwe identiteit (DTNP, 2019).
In verschillende adviesrapporten worden aanbevelingen gedaan op het gebied van aantrekkelijkheid
van binnensteden. Rapporten van Locatus (2018) en Dynamis (2018) stellen bijvoorbeeld dat er
structureel te veel winkels zijn en dat de hoeveelheid winkeloppervlak geleidelijk aan verminderd moet
worden. DTNP (2016) beveelt juist in te zetten op andere functies van een binnenstad dan de
winkelfunctie alleen, de functie en positie die een centrum in neemt in de maatschappij rijkt verder
dan winkelen alleen. Andere rapporten zetten juist wel in op het verhogen van aantrekkelijkheid
(Platform31,2016; Future retail city centre, 2018). Zo verwijst de expertgroep Future retail city center
(2018) naar een studie die 201 factoren onderscheiden heeft die van invloed zijn op aantrekkelijkheid.
Factoren die hier genoemd worden zijn bijvoorbeeld; openingstijden, uitstraling van het winkelgebied,
winkelaanbod en bereikbaarheid.
Bovenstaande factoren komen terug in verschillende wetenschappelijke bronnen. In dit onderzoek
worden de verschillende winkelgebied kenmerken en fysieke kenmerken van de binnenstad in verband
gebracht met de aantrekkelijkheid van een binnenstad. Op deze manier verschaft dit onderzoek een
duidelijk beeld van de verschillende factoren die binnen de grenzen liggen van een binnenstad om te
verbeteren. Dit maakt het mogelijk voor binnensteden om hun aantrekkelijkheid te behouden of te
vergroten. Factoren die voorheen als belangrijke invloeden voor aantrekkelijkheid beschouwd werden
zullen opnieuw getest worden. Op deze manier wordt er inzicht verschaft in eventuele oplossingen
voor de structurele problemen van middelgrote binnensteden.
6
1.4 Wetenschappelijke relevantie In de wetenschappelijke literatuur is veel geschreven over aantrekkelijkheid van binnensteden met
een dominante winkelfunctie. Te beginnen met zwaartekrachtmodellen. Deze modellen gaan uit van
twee variabelen om de zwaartekracht van een winkelcentrum te bepalen; de afstand van de
consument tot het betreffende centrum en de grootte van het centrum. (Reilly, 1931; Converse, 1949).
Later worden er nieuwe variabelen toegevoegd om de aantrekkelijkheid te verklaren zoals het
koopmotief (Huff, 1964). Bovenstaande auteurs bekijken aantrekkelijkheid vanuit het perspectief van
de binnenstad en bepalen aan de hand van bovenstaande kenmerken wat de aantrekkingskracht tot
de consument zal zijn.
Naast zwaartekrachtmodellen wordt er in wetenschappelijk onderzoek naar consumentengedrag ook
gebruik gemaakt van discrete keuzemodellen. In deze onderzoeken staat het keuzegedrag van de
consument en hoe dit beïnvloed wordt centraal. Aan de hand van verschillende keuzemogelijkheden
worden probabilistische keuzemodellen geschat die gebruikt kunnen worden om consumentengedrag
te analyseren en voorspellen (Timmermans, 1982; Oppewal et al., 1997; Arentze et al., 2005). Deze
studies verschillen in uitwerking en vraagstelling maar vertonen gelijkenis doordat ze allemaal het
discrete keuzemodel als uitgangspunt nemen.
Er wordt nog een derde categorie modellen onderscheidden waarbij dit onderzoek aansluit. Deze
modellen nemen de aantrekkelijkheid van een binnenstad of winkelcentrum als uitgangspunt en
worden ook wel Attribute-based Consumer Models genoemd omdat ze het multidimensionale begrip
aantrekkelijkheid aan de hand van verschillende kenmerken proberen te verklaren (Anselmsson,
2006). In deze onderzoeken worden enerzijds verschillende subjectieve kenmerken aangehaald zoals
waarderingen van sfeer en bereikbaarheid, anderzijds worden verschillende objectieve factoren zoals
winkelvloeroppervlak en historiciteit meegenomen die van invloed zijn op de algemene
aantrekkelijkheid van een binnenstad. Janssen et al. (2013) hebben in Nederlandse binnensteden
onderzoek gedaan naar hoe verschillende belevingskenmerken van de winkelomgeving door de
consument gewaardeerd worden. Er zijn zevenentwintig verschillende belevingskenmerken
geanalyseerd. Productaanbod bleek het meest invloed te hebben op de algemene aantrekkelijkheid.
Aantrekkelijkheid wordt in deze studies geoperationaliseerd aan de hand van waardering van de
binnenstad (Finn & Louviere, 1996; Anselmsson, 2006; Teller & Reutterer. 2008). Naast bezoekgedrag
worden in de studie van Teller en Reutterer (2008) drie dimensies van aantrekkelijkheid meegenomen
die geoperationaliseerd worden aan de hand van bezoekduur en bezoekintentie, naast het feit dat
deze dimensies zorgen voor een levendig centrum worden ze ook in verband gebracht met hogere
uitgave per bezoek (Anselmsson, 2006; Teller & Elms, 2010).
Zoals al eerder aangehaald wordt de opkomst van internetshoppen als grootste oorzaak van het
veranderende winkellandschap aangewezen. Aangezien en het aantal webwinkels sinds die tijd ruim
verdrievoudigd is en de verdere digitalisering van het winkellandschap is doorgezet is het van belang
om opnieuw te onderzoeken of het behouden of verhogen van aantrekkelijkheid een uitkomst kan
bieden voor de aanhoudende binnenstedelijke problemen. Er worden verschillende factoren in de
bovenstaande studies genoemd die geacht worden relevant te zijn voor aantrekkelijkheid. Hebben
deze factoren nog steeds dergelijke gunstige effecten op aantrekkelijkheid zoals in de literatuur
aangenomen wordt? Er is namelijk reden om aan te nemen dat deze verbanden veranderd zijn door
de veranderende behoeften van consumenten en een sterk veranderd winkellandschap.
7
2. Theoretisch kader
2.1 modellen
De keuze voor een winkelcentrum hangt samen met de aantrekkelijkheid van een winkelcentrum. Om
de keuze voor een winkelcentra te beschrijven, verklaren of voorspellen wordt gebruik gemaakt van
verschillende modellen. De volgende drie stromingen binnen het wetenschappelijk onderzoek naar
consumentengedrag worden onderscheiden; de eerste stroming zijn benaderingen die gebaseerd zijn
op de gravitatiekracht modellen. Hier wordt de aantrekkingskracht van een binnenstad op de
consument bepaald door de grootte van de binnenstad en de afstand tot de consument. Het
keuzeproces van de consument speelt een relatief kleine rol in deze modellen, in tegenstelling tot de
volgende stroming. Deze tweede stroming bestaat uit discrete keuzemodellen waar juist de
consument en zijn keuzeproces voor een binnenstad als uitgangspunt wordt genomen. Er wordt
specifiek gekeken naar de keuze tussen verschillende alternatieven en hoe de uiteindelijke keuze van
de respondent voor een binnenstad tot stand komt. De derde stroming bestaat uit auteurs die de zich
toespitsen op het verklaren van de aantrekkelijkheid van een binnenstad en door welke factoren deze
beïnvloed wordt. Deze studie sluit aan bij de laatste categorie.
2.2.1 Gravitatiekracht modellen.
Deze modellen zijn gebaseerd op ruimtelijke interactie. De Law of Retail Gravitation van Reilly (1931)
vormt de basis van de gravitatiekracht modellen. Zoals de naam al laat doorschemeren is deze theorie
geïnspireerd door de zwaartekracht theorie van Newton. De theorie van Reilly kent een zwaartekracht
toe aan binnensteden zoals Newton een zwaartekracht toekende aan planeten. Reilly gebruikt de
grootte van een locatie en de afstand tot een consument. Verschillende locaties zijn in competitie met
elkaar om zo veel mogelijk consumenten naar zich toe te trekken. Hoe verder weg de consument van
een bepaalde binnenstad woont hoe kleiner de aantrekkingskracht die een binnenstad heeft op een
consument, er zijn dan namelijk meer alternatieven voor een consument om uit te kiezen. Reilly stelt
dat de grootte van een locatie een positief effect heeft op de aantrekkingskracht, dit houdt in dat
bezoekers bereid zijn om grotere afstanden af te leggen voor grotere winkellocaties en daarbij wellicht
kleinere binnensteden voorbij reizen (Reilly, 1931).
De eerste aanpassing op de law of Retail Gravitation heeft er voor gezorgd dat er een break-point
berekend kan worden. Converse (1949) deed een rekenkundige wijziging aan het model die de analist
in staat stelde om het exacte punt te berekenen waar de aantrekkingskracht van de ene stad
overgenomen wordt door een andere stad. Door de breekpunten te berekenen tussen een binnenstad
en alle concurrenten kan een verzorgingsgebied van een stad berekend worden.
Later werd op basis van de law of retail gravitation en het break-point model een nieuw model
ontwikkeld door Huff (1963) dat meer probabilistisch van aard is. Huff stelde dat de keuze van een
consument niet alleen een resultaat is van grootte en de afstand tot een binnenstad maar samen hangt
met de mogelijke keuze voor andere binnensteden. Huff stelde dat consumenten voor verschillende
productsoorten verschillende afstanden willen reizen, er zou dus een grotere zwaartekracht aan
bepaalde winkels kunnen gekoppeld worden dan aan anderen. Dat betekent dat een wijds
productaanbod van belang is voor een aantrekkelijke binnenstad. Dit wordt gerealiseerd door het
toevoegen van een extra variabele namelijk het koopmotief, gemeten aan de hand van de grootte van
het assortiment producten en voorzieningen dat in een centrum aangeboden wordt. Het is dus van
belang dat een binnenstad beschikt over een breed aanbod producten en diensten om een grote
aantrekkelijkheid te genieten. Echter wordt productaanbod in het model alleen meegenomen door
8
winkelvloeroppervlak te gebruiken als indicator voor grootte in plaats van inwoneraantallen (Clapp &
Messner, 1988, Huff, 1963).
Het Huff model is later gebruikt als basis voor het nieuw model van Stanley en Sewall (1976), er werd
een multidimensionale schaal toegevoegd om imago van winkels te meten aan de hand van een
beoordeling door de consumenten. Uiteindelijk blijkt het model zoals al aangetoond door Huff dat
consumenten bereid zijn om verder te reizen voor voorzieningen die ze hoger waarderen (Clapp &
Messner, 1976).
2.2.2 Discrete keuzemodellen
Het probabilistische discrete keuzemodel is ontstaan door het samenvoegen van twee modellen
namelijk; het keuzeaxioma uit de mathematische psychologie van Luce (1959) en de random utility
theorie waarvoor de basis al in 1927 werd gelegd door Thurstone (1927). De econometrist McFadden
won in het jaar 2000 de nobelprijs voor zijn bijdrage aan het ontwikkelen van de basis van het discrete
keuzemodel. Hij was namelijk degene die beide theorieën integreerde en statistisch verder
ontwikkelde tot een praktisch werkbare methodologie (Oppewal en Timmermans, 1993).
De utility maximaization theory theorie gaat uit van een individu dat moet kiezen uit verschillende
alternatieven. Het individu zal altijd kiezen voor het alternatief met de hoogste utility, een Engelse
term die vaak vertaald wordt als nutswaarden. Dit houdt in dat een individu zal gaan voor de optie die
in zijn of haar ogen het meeste toevoegt. De waarden die toegekend worden aan een alternatief
verschillen per persoon en liggen niet vast maar schommelen eerder rond een bepaald gemiddelde,
dit is waarom men hier spreekt van toevalsvariabelen. Deze schommelingen worden veroorzaakt door
de stemming of situatie waarin het individu verkeert (Oppewal & Timmermans, 1993).
De tweede theorie die ten grondslag ligt aan het discrete keuzemodel is het axioma van Luce (1959)
dat stelt dat als het nut van alternatieven onafhankelijk en identiek verdeeld is, de keuzekansen
evenredig zijn met de nutswaarden. De theorie gaat er van uit dat de verhouding tussen de
alternatieven niet beïnvloed wordt door de eigenschappen of aanwezigheid van andere alternatieven
die een individu kan kiezen, dit wordt beschreven als the independence of irrelevant alternatives
(Oppewal en Timmermans, 1993). De utility maximaization theory van McFadden (1973) stelt dus dat
een individu keuzes maakt op basis van nutswaarden die hij toekent aan bepaalde alternatieven. Deze
alternatieven zijn onafhankelijk en identiek verdeeld en de waarde die het individu toekent aan een
alternatief verschilt per persoon en is afhankelijk van stemming of de situatie waarin een persoon zich
verkeert.
Voortbouwend op de theory van McFadden (1973) voegde Manski (1977) een component toe. Het
idee hierachter komt voort uit het feit dat een individu niet altijd een logische keuze maakt. In discrete
keuzemodellen wordt daarom het nut dat een individu toekent aan een alternatief verdeeld in een
structurele en een toevalscomponent. De structurele component wordt gevormd door de
nutswaarden van een alternatief en staat als het ware vast terwijl deze toevalscomponent beïnvloed
wordt door bijvoorbeeld de stemming waarin een persoon verkeert. Deze toevalscomponent wordt
verondersteld normaal verdeeld te zijn (Oppewal en Timmermans, 1993).
Discrete keuzemodellen leggen de nadruk op impact van vooraf gedefinieerde variabelen die onder
andere ook gebruikt worden in de zwaartekracht modellen, zoals afstand tot de consument en grootte
van de binnenstad (Teller & Reutterer, 2008). Er bestaan veel verschillende typen discrete
keuzemodellen, hieronder zullen enkele onderzoeken toegelicht worden die deze discrete
9
keuzemodellen als uitgangspunt gebruiken om consumentengedrag te onderzoeken (Timmermans,
1982; Oppewal et al., 1997; Arentze et al., 2005). Timmermans (1982) probeert om de winkelcentrum
keuze van een consument te verklaren aan de hand van een conjuncte keuze-experimenten zoals
eerder beschreven door Oppewal & Timmermans (1993). Er worden verschillende denkbeeldige
keuzemogelijkheden aan de respondent voorgelegd, op basis van de keuzes die de respondent maakt
kan een probabilistisch keuzemodel geschat worden. Een dergelijk model geeft inzicht in de
voorkeuren van de respondent en kan aan de hand daarvan inschatten hoe respondenten nieuwe
keuzemogelijkheden zouden beoordelen. Oppewal, Timmermans en Louviere (1997) voeren in feiten
eenzelfde soort experiment uit alleen dat met echt bestaande alternatieven die de respondenten ook
daadwerkelijk bezoeken. Productaanbod blijkt de grootste invloed te hebben op algemene
aantrekkelijkheid als door de consument ervaren, dit betekent een breed aanbod aan verschillende
productgroepen. Zelfs al hoeft de consument maar een winkel te bezoeken, dan nog wordt een
binnenstad met een groter productaanbod als aantrekkelijker ervaren. Daarnaast wordt ook
bereikbaarheid als invloedrijke factor genoemd (Timmermans, 1982; Oppewal et al., 1997; Arentze et
al., 2005). Ondanks dat al deze modellen op bepaalde aspecten van elkaar verschillen volgen ze
allemaal het discrete keuzemodel door het feit dat consumenten zullen kiezen voor het alternatief met
de hoogste subjectieve nut als uitgangspunt nemen (Arentze et al., 2005).
2.2.3 Aantrekkelijkheid verklarende modellen Zoals eerder al beschreven is het van belang voor ondernemers en binnensteden om als aantrekkelijk
beschouwd te worden. Consumenten moeten worden overtuigd om naar de binnenstad te komen,
geld te spenderen in winkels en horecagelegenheden en vervolgens dusdanig tevreden zijn dat ze de
volgende keer opnieuw komen. Naast de impact op bezoekfrequentie en de tijd van een bezoek zorgt
een hogere aantrekkelijkheid er ook voor dat consumenten uiteindelijk meer geld uitgeven per bezoek
(Anselmsson, 2006). In de wetenschappelijke literatuur zijn er verschillende auteurs die
consumentengedrag onderzoeken aan de hand van de aantrekkelijkheid van binnensteden (Finn &
Louviere, 1996; Anselmsson, 2006; Teller, 2008; Teller & Reutterer , 2008; Teller & Elms, 2010; Jansen
et al, 2013). Anselmsson (2006) duidt deze derde stroming modellen als Attribute-based Consumer
Models omdat deze modellen gebruik maken van verschillende attributen, karakteristieken of
kenmerken om de aantrekkelijkheid van een winkelcentrum te verklaren. Uit deze studies komen
verschillende aspecten naar voren die volgens de onderzoekers van invloed zijn op de
aantrekkelijkheid van of de keuze voor een bepaalde binnenstad. Ook worden er demografische
factoren, die toe te wijzen zijn aan een respondent, genoemd als van invloed op de waardering van
een binnenstad. Daarnaast worden ook fysieke eigenschappen van de binnenstad meegenomen in
sommige modellen (Finn & Louviere, 1996; Jansen et al., 2013). In de volgende paragraaf zullen de
verschillende factoren toegelicht worden.
Aantrekkelijkheid wordt op verschillende manieren beschreven, zo zijn er onderzoeken die spreken
over klanttevredenheid (Anselmsson, 2006), voorkeur of bezoekfrequentie (Teller, 2008; Teller & Elms,
2010) of totaaloordeel (Jansen et al, 2013). In feite gaat het in al deze onderzoeken over dezelfde
aantrekkelijkheid van een binnenstad. Aantrekkelijkheid wordt in de literatuur gezien als een veelzijdig
concept, zo stellen Teller en Reutterer (2008) dat aantrekkelijkheid bestaat uit drie dimensies waar
binnensteden verschillend op gewaardeerd worden. Aantrekkelijkheid bestaat uit de drie dimensies;
algemene aantrekkelijkheid, duurzame aantrekkelijkheid en situationele aantrekkelijkheid. De
algemene aantrekkelijkheid betreft de algemene mate van tevredenheid die een individu voelt bij een
10
winkelcentrum. De duurzame aantrekkelijkheid bestaat uit de kans dat een bezoeker opnieuw zou
kiezen voor de betreffende binnenstad. De situationele aantrekkelijkheid wordt bepaald aan de hand
van het vermogen van een winkelcentrum om klanten vast te houden, hier gaat het dus om de lengte
van het bezoek. Om aan te tonen welke kenmerken van invloed zijn op aantrekkelijkheid wordt in deze
studies bekeken of de waardering van een winkelcentrum als geheel beïnvloed wordt door de
waardering van aparte aspecten of persoonlijke kenmerken van de respondent. Uit deze studies
komen verschillende kenmerken naar voren die van invloed zijn op de gehele aantrekkelijkheid, deze
zullen in de volgende paragraaf besproken worden (Finn & Louviere, 1996; Anselmsson, 2006; Teller
& Reutterer, 2008; Teller & Elms, 2010).
Teller en Reutterer (2008) visualiseren de relatie tussen de verschillende winkelcentrum kenmerken
en de aantrekkelijkheid door aantrekkelijkheid te verdelen in drie dimensies. Finn en Louviere (1996)
noemen onder andere; multidimensional scaling, semantic differential ratings, als andere manieren
om het multidimensionale concept aantrekkelijkheid te visualiseren. Multidimensional scaling is een
methode waarbij de verschillende dimensies die aantrekkelijkheid meten over een assenstelsel
verdeeld worden zoals ze door de respondent beoordeeld worden. Semantic differential ratings
visualiseren de totale aantrekkelijkheid van een binnenstad door een verticale lijn tussen de waarden
van de verschillende aspecten door te trekken waarbij de linkse kant van de visualisatie vaak positieve
beoordeling zijn terwijl de rechtse kant negatievere waarderingen bevat.
2.3 Winkelgebied kenmerken
In de voorgaande stromingen zijn een aantal theorieën en modellen aan bod gekomen die ingaan op
de aantrekkelijkheid van binnensteden. Uit deze modellen komen verschillende aspecten naar voren
die invloed hebben op de aantrekkelijkheid. Verschillende binnensteden worden getypeerd door
verschillende kenmerken. Deze kenmerken hangen samen met de perceptie van de consument en
worden daarom beschouwd als subjectieve kenmerken. Verschillende aspecten worden geacht van
invloed te zijn op de algemene aantrekkelijkheid van een binnenstad, gezamenlijk bepalen ze de mate
van algehele aantrekkelijkheid van een binnenstad (Teller & Elms, 2010).
2.3.1 Bereikbaarheid
Bereikbaarheid betreft de afstand die overbrugd moet worden tussen de binnenstad en het
vertrekpunt. Het betreft niet alleen de fysieke of te temporale dimensie die overbrugd dient te worden
tot de winkellocatie maar ook de beleefde afstand. Verkeersopstoppingen of reisfrequenties van
treinen en bussen spelen hier een rol in (Teller en Elms, 2010). In de gravitatiekrachtmodellen wordt
de afstand die een consument moet overbruggen om een binnenstad te bereiken als (een van) de
belangrijkste factoren aangeduid om aantrekkelijkheid van een binnenstad verklaren (Reilly, 1931,
Converse, 1949, Huff, 1963). Ook latere onderzoeken op basis van discrete keuzemodellen hebben
aangetoond dat een goede bereikbaarheid een belangrijke invloed uitoefent op de bezoekfrequentie
en de aantrekkelijkheid van een winkellocatie (Anselmsson, 2006, Teller, 2008, Teller & Reutterer,
2008, Teller & Elms, 2012, Jansen Et al, 2013). Weltevreden en van Rietbergen (2007) tonen aan dat
het verschil in vervoersmiddelen uit maakt hoe consumenten een winkelcentrum waarderen.
Consumenten die een binnenstad bezoeken met de auto hechten meer waarde aan een goede
bereikbaarheid dan niet-autogebruikers. Ook is aangetoond dat hoe beter een binnenstad bereikbaar
is hoe minder snel consumenten die met de auto komen geneigd zijn tot online aankopen
(Weltevreden & van Rietbergen, 2007). Dit wordt ondersteund door onderzoek van Jansen Et al (2003)
11
die opmerken dat consumenten die vaak online winkelen de bereikbaarheid significant negatiever
beoordelen dan consumenten die voornamelijk winkelen in een fysieke omgeving.
2.3.2 Parkeergelegenheid
Aansluitend op bereikbaarheid wordt parkeergelegenheid als belangrijke factor gezien, Anselmsson
(2006) stelt dat de parkeergelegenheid een effect heeft op de aantrekkelijkheid. Consumenten
bezoeken een binnenstad het meest per auto. De beschikbaarheid van (gratis) parkeerplaatsen vormt
een essentieel onderdeel van de bereikbaarheid van een winkellocatie, ook is het van belang dat deze
parkeerplaatsen niet te ver verwijderd zijn van de binnenstad, wanneer hier te veel afstand overbrugd
dient te worden heeft dit een negatief gevolg op de bereikbaarheid en dus aantrekkelijkheid (Teller en
Elms, 2010).
2.3.3 Winkel/horeca aanbod
Het beschikken over een groot aanbod van verschillende winkels, restaurants en andere voorzieningen
zorgt ervoor dat de binnenstad kan voldoen aan de wensen van het groter publiek. Deze variabele
wordt als meest invloedrijke gezien op de algemene aantrekkelijkheid (Teller en Reutterer, 2008).
Door deze voorzieningen te clusteren in een accommodatie ontstaat een cumulatieve meerwaarde,
verschillende winkels profiteren van elkaars aanwezigheid aangezien ze verschillende consumenten
naar zich toe trekken (Teller en Elms, 2010). Het aanbod winkels is dus sterk van invloed op de
algemene aantrekkelijkheid van een binnenstad. Finn en Louviere (1996) hebben onderzoek gedaan
naar een specifiek aanbod van winkels, namelijk zogeheten anchorstores dit zijn grote warenhuizen
zoals de Bijenkorf of de Primark. Deze bezoekstrekkers dragen dusdanig veel bij aan het imago van een
binnenstad dat ze de aantrekkelijkheid ervan beïnvloeden. Clarke et. al (2012) halen juist aan dat het
aanbod van zelfstandige winkels een positief verband heeft met de algemene aantrekkelijkheid
doordat deze een grotere diversiteit aan producten bieden. Teller (2008) stelt dat naast een sterke
vertegenwoordiging van de winkelfunctie, het ook van belang is een breed aanbod horeca en
entertainment te bieden zoals bioscopen, bars en restaurants. Echter blijkt in later onderzoek dat het
aanbod horeca en entertainment geen invloed heeft op de algemene aantrekkelijkheid, maar er wel
voor kan zorgen dat consumenten langer in een binnenstad blijven. Consumenten lijken binnensteden
dan ook te het meest te associëren met winkelen (Teller & Reutterer, 2008, Teller & Elms, 2010).
Jansen et al (2013) bevestigen dat het winkelaanbod de grootste invloed heeft op de waardering van
binnensteden.
2.3.4 Productaanbod
Binnen deze factor zijn drie onderdelen te onderscheiden. Ten eerste het complete assortiment aan
producten dat in de verschillende winkels te koop is. Daarnaast gaat het ook om verschillende
prijsniveaus zodat voor verschillende portemonnees verschillend aanbod aanwezig is, een brede
selectie aan verschillende producten en koopjes hebben een significante impact op de keuze voor een
winkelcentrum (Anselmsson, 2006). Als laatst wordt de vriendelijkheid en mate van behulpzaamheid
van het personeel aangehaald. Deze drie onderdelen zijn sterk gerelateerd aan het winkel aanbod en
worden gezien als achtergrond voor de algemene aantrekkelijkheid van de binnenstad maar ook voor
de individuele aantrekkelijkheid van een winkel (Teller en Elms, 2010).
2.3.5 Sfeer
Sfeer wordt in de meeste onderzoeken in een adem genoemd met het winkelaanbod als belangrijkste
factoren die aantrekkelijkheid beïnvloeden. Consumenten krijgen te maken met verschillende prikkels,
niet alleen visuele prikkels maar ook geur en geluid zijn actief of passief van invloed op de sfeer die
12
een consument beleeft. Dit heeft een effect op de aantrekkelijkheid zoals deze door de consument
ervaren wordt (Teller en Elms, 2010). Sfeer wordt hoger gewaardeerd wanneer een binnenstad goed
scoort op moderniteit, hygiëne, ruimte en decoratie (Anselmsson, 2006). In de literatuur wordt ook
architectuur vaak meegenomen als een invloed op de sfeer van een binnenstad. Vooral historiciteit
van binnensteden kan zorgen voor een unieke sfeer, het is bijna onmogelijk voor overdekt
winkelcentrum om dit te imiteren (Telller, 2008). Teller en Reutterer (2008) toonde aan dat sfeer de
enige factor is die invloed heeft op de situationele aantrekkelijkheid, het vermogen van een binnenstad
om consumenten langer vast te houden. Tevens beïnvloed sfeer ook de algemene aantrekkelijkheid.
2.4 Fysieke aanbod eigenschappen Deze fysieke kenmerken van de binnenstad worden opgedeeld in drie verschillende delen. Ten eerste
heeft de grootte van een stad een positief effect op de waardering van de consument (Reily, 1931;
Huff, 1963). In dit onderzoek zal de grootte van een stad gemeten worden aan de hand van de grootte
van het winkelvloeroppervlak. Daarnaast zal ook de verdeling van het winkelvloeroppervlak over
verschillende sectoren, mode en luxe, horeca en vrije tijd en dagelijks aanbod meegenomen in het
onderzoek.
Het tweede deel van de fysieke aanbod kenmerken betreft de uitstraling van een stad. Historische
steden worden gezien als aantrekkelijkere steden en worden geacht daardoor meer bezoekers te
trekken (Teller, 2008; Finn & Louviere, 1996). In dit onderzoek zal onderscheid gemaakt worden tussen
historisch, organische en planmatig ontwikkelde steden.
Het derde deel van de aanbod kenmerken betreft het percentage leegstand en zelfstandigen.
Leegstand zorgt voor een degradatie van het straatbeeld en werkt verloedering in de hand, dit maakt
dat een groter aandeel leegstand een negatief effect heeft op de algemene aantrekkelijkheid van een
stad. Aanhoudende leegstand wordt gezien als negatief voor de aantrekkelijkheid van een binnenstad
en veroorzaakt daardoor voor andere negatieve effecten in een binnenstad, zoals het wegblijven van
voorzieningen en verloedering. Dit gaat echter wel over langere tijd ( Buitelaar, 2015; Evers et al.,
2015). Het aandeel zelfstandige winkels in de binnenstad lijkt te zorgen voor meer diversiteit in het
straatbeeld, dit wordt door consumenten positief gewaardeerd. Echter waarderen consumenten de
aanwezigheid van grote multinationale ketens in het straatbeeld ook hoger door het uitgebreide
productaanbod dat zij bieden (Finn & louviere, 1996; Clarke, 2000).
2.5 Persoonlijke kenmerken De waardering van een binnenstad is en blijft een subjectief gegeven, dit betekent dat naast factoren
die een binnenstad typeren de respondent zelf een grote rol speelt in de mate waarin hij of zij een
binnenstad als aantrekkelijk beschouwd. In de wetenschappelijke literatuur worden verschillende
persoonskenmerken genoemd die de aantrekkelijkheid zoals door de respondent ervaren wordt
beïnvloeden. In de gravitatiekracht modellen zijn deze persoonlijke kenmerken nog niet meegenomen,
in de discrete keuzemodellen werden deze factoren echter wel belangrijk.
2.5.1 Leeftijd
Leeftijd wordt in veel onderzoeken aangehaald als belangrijke eigenschap van een respondent die zijn
of haar waardering van de binnenstad bepaalt (Anselmsson, 2006; Janssen et al. 2013) Anselmsson
(2006) concludeert dat de typische “window shopper” over het algemeen behoort tot het jongere
segment. Voor jongeren is de binnenstad een plek om elkaar te ontmoeten en nieuwe vrienden te
maken. Tussen leeftijdscategorieën zijn meer verschillen, individuen met verschillende leeftijden
13
ervaren een binnenstad ook op een andere manier. Ouderen worden vaak afgeschilderd als minder
mobiel, dit betekent dat de voordelen van veel winkels en voorzieningen op eenzelfde plek een grotere
rol in de tevredenheid over de binnenstad van ouderen speelt. Ook parkeergelegenheden en
bereikbaarheid worden geacht belangrijker te zijn voor oudere bezoekers (Anselmsson, 2006).
Jongeren lijken een grotere voorkeur te hebben voor een breed aanbod aan verschillende producten
terwijl geacht wordt dat ouderen hier juist overweldigd door raken, ouderen zouden dan ook een
grotere behoefte hebben aan behulpzaam personeel. Naast de discussie over de verschillen tussen
leeftijdscategorieën op het gebied van winkelen in het algemeen is het van belang om te onderzoeken
of dit onderscheid maakt in de mate van algehele waardering van de binnenstad (Anselmsson, 2006)
2.5.2 Geslacht
Geslacht wordt geacht van invloed te zijn op de algehele waardering van de binnenstad door de
consument (Anselmsson, 2006; Janssen et al. 2013). Over het algemeen wordt er weinig aandacht
besteed aan de mannelijke bezoekers van de binnenstad. Vreemd is dat niet, in de VS is twee derde
van alle bezoekers vrouwelijk. In huishoudens is zelfs maar de helft van alle mannen verantwoordelijk
voor het kopen van hun eigen kleding. In de literatuur wordt vaak aangehaald dat winkelen door
vrouwen eerder als aangenaam beschouwd wordt terwijl mannen er een hekel aan zouden hebben.
Dit sluit aan bij het feit dat de typische “windowshopper” over het algemeen een vrouw is
(Anselmsson, 2006). Mannen worden over het algemeen gezien als utilitaire bezoekers terwijl vrouwen
eerder geacht worden een hedonistische winkelmotivatie te hebben (Anselmsson, 2006).
2.5.3 Inkomen en opleidingsniveau
Waar Anselmsson (2006) zijn onderzoek beperkt met enkel leeftijd en geslacht als persoonlijke
kenmerken binnen zijn onderzoek beveelt hij aan om inkomen en opleidingsniveau in vervolg
onderzoeken wel mee te nemen. In latere studies lijkt de hoogte van het opleidingsniveau en inkomen
invloed te hebben op de waardering van een binnenstad (Jansen et al. 2013).
2.5.4 Huishouden De samenstelling van een huishouden kan invloed hebben op de algemene waardering van een
binnenstad door de respondent. Anselmsson (2006) stelt dat in een meer persoons huishouden
vrouwen voornamelijk verantwoordelijk zijn voor het aankopen van goederen, zo zou slechts de helft
van alle mannen in de VS verantwoordelijk zijn voor het kopen van zijn eigen kleding. Dit heeft effect
op de bezoekfrequentie van verschillende respondenten en daarmee ook de waardering van het
centrum in het algemeen.
14
2.6 Conceptueel model
2.7 Operationalisering In het theoretisch kader is zijn de verschillende factoren al besproken die van invloed zijn op de
waargenomen aantrekkelijkheid. in deze paragraaf zal duidelijk worden hoe deze factoren gemeten
zullen worden in het onderzoek. Voorafgaand zal het begrip aantrekkelijkheid dat centraal staat in dit
onderzoek geoperationaliseerd worden. Aan het einde van deze paragraaf zullen de verschillende
persoonskenmerken toegelicht worden met oog op de operationalisering.
2.7.1 Aantrekkelijkheid
In de literatuur wordt aantrekkelijkheid zoals door de consument ervaren verdeeld in drie
verschillende dimensies namelijk, De algemene aantrekkelijkheid, de duurzame aantrekkelijkheid en
de situationele aantrekkelijkheid (Teller en Reutterer, 2008; Teller, 2008). De algemene
aantrekkelijkheid wordt gemeten aan de hand van een Likertschaal in de enquête waarop de
respondent een rapportcijfer toekent aan de betreffende binnenstad die hij bezocht heeft. De
duurzame aantrekkelijkheid wordt gemeten aan de hand van de kans dat een respondent verwacht
het centrum nog eens te bezoeken. De situationele aantrekkelijkheid wordt bepaald aan de hand van
het vermogen van een winkelcentrum om klanten vast te houden, hier gaat het dus om de lengte van
het bezoek dat de consument antwoord als vraag in de enquête (Teller en Reutterer, 2008;
Anselmsson, 2006). In dit onderzoek wordt voornamelijk gekeken naar de algemene aantrekkelijkheid
als afhankelijke variabele, deze zal dus gemeten worden aan het algemene rapportcijfer dat de
respondent gegeven heeft aan de bezochte binnenstad.
2.7.2 winkelgebied kenmerken
Uit de literatuur zijn verschillende factoren naar voren gekomen die geacht worden invloed te hebben
op de aantrekkelijkheid van een binnenstad. In de enquête zijn deze factoren bevraagd aan de hand
van een Likertschaal. Respondenten hebben de verschillende kenmerken een waarde van 1 tot en met
10 gegeven om hun mening kenbaar te maken. Deze cijfers zullen dienen als meting voor de kwaliteit
van de winkelgebied kenmerken. De variabelen bereikbaarheid, parkeergelegenheid, winkelaanbod en
Aantrekkelijkheid
- De beoordeling van de
binnenstad
Winkelgebied kenmerken
- Bereikbaarheid
- Winkel/horeca aanbod
- Productaanbod
- Sfeer
Fysieke kenmerken
- Historiciteit
- Leegstand
- Aandeel zelfstandigen
Persoonlijke kenmerken
- Leeftijd
- Geslacht
- Opleiding
- Inkomen
- Huishouden
15
sfeer zijn opgenomen als apart onderdeel in de enquête. De variabele ‘productaanbod’ is echter niet
gewaardeerd door de respondenten. Deze variabele kan uiteindelijk dus niet meegenomen kunnen
worden in het empirische deel van dit onderzoek. In de dataset is echter wel een aparte waarde voor
het horeca aanbod gegeven. Aangezien de wetenschappelijke literatuur verdeeld is over de impact die
een groot aanbod horeca heeft op de aantrekkelijkheid zal deze als aparte factor meegenomen worden
in dit onderzoek.
2.7.3 Persoonskenmerken
Er worden geacht verschillende persoonlijke kenmerken te zijn die wellicht een invloed hebben op de
algemene waardering van een centrum. Uit de literatuur worden de volgende kenmerken opgenomen
in dit onderzoek en als volgt geoperationaliseerd. Leeftijd en geslacht worden simpelweg als vraag
opgenomen in de enquête die de respondent invult. Opleidingsniveau wordt gemeten doordat de
respondent aangeeft wat zijn hoogst afgeronde opleiding is. Hierbij wordt onderscheid gemaakt tussen
lager onderwijs, v(m)bo/mavo, havo, vwo, mbo, hbo en wetenschappelijk onderwijs. Dit betekent dat
onderwijs een categorische variabele is die niet direct in de analyse opgenomen kan worden, de
verschillende antwoordmogelijkheden worden daarom verdeeld in vier categorieën; lagere school,
middelbaar onderwijs (v(m)bo/mavo, havo, vwo), beroepsonderwijs (mbo) en hoger onderwijs(hbo en
wo). Deze vier categorieën zullen uiteindelijk als dummyvariabelen in de regressieanalyse worden
meegenomen.
Inkomen wordt in drie verschillende categorieën verdeeld. Het kan respondenten afschrikken om
direct te vragen wat hun inkomen is, daarom is er voor gekozen om alleen laag, midden en hoog
inkomen als optie te kiezen. Tot 1500 euro per maand behoort men in de categorie laag inkomen. Hoge
inkomens beginnen vanaf 3700 euro per maand, alles ertussenin behoort tot de categorie
middeninkomens. Er is expliciet gekozen voor het gebruik van bedragen zodat de respondent een
objectief antwoord kan geven. Omdat er gebruik gemaakt is van categorieën geldt hetzelfde als voor
het opleidingsniveau, de variabelen zal getransformeerd moeten worden naar een dummy variabelen
om in de regressie gebruikt te worden. De situatie van het huidhouden wordt ook verdeeld in drie
categorieën, er wordt onderscheid gemaakt tussen een huishouden dat bestaat uit één persoon, een
huishouden dat bestaat uit meerder personen zonder kinderen en een huishouden van meerdere
personen met kinderen.
2.7.4 Fysieke aanbod Kenmerken
De grootte van het winkelgebied wordt gemeten aan de hand van de grootte van het
winkelvloeroppervlak, ook de verdeling van de verschillende sectoren, mode en luxe, horeca en vrije
tijd, het dagelijks aanbod, het aandeel zelfstandigen en het aandeel leegstand zullen gemeten worden
als percentage van het totale winkelvloeroppervlak.
Historiciteit is een nominale variabele die in de modellen als dummyvariabele opgenomen zal worden,
het onderscheid tussen historische, organische en planmatig ontwikkelde steden is door Dtnp (2020)
gemaakt.
16
3 Onderzoeksmethodologie
3.1 Onderzoeksstrategie Verschuren en Doorewaard (2015) halen drie kernbeslissingen aan die voorafgaand aan een
wetenschappelijk onderzoek genomen dienen te worden. De eerste kernbeslissing betreft de keuze
over hoe de onderzoeker zich voorziet van de benodigde data. Er moet namelijk gekozen worden
tussen het zelf verzamelen van empirisch materiaal in het veld of het gebruik van bestaande literatuur
en/of door andere samengesteld materiaal (Verschuren & Doorewaard, 2015). Het betreft hier dus de
keuze tussen een empirisch of niet empirisch onderzoek, aangezien dit onderzoek in gaat op de huidige
situatie in Nederlandse binnensteden is het van belang over zo recent mogelijke data te beschikken.
De beste manier om deze te verschaffen is door zelf empirisch materiaal te verzamelen.
De tweede kernbeslissing is de keuze tussen breedte en diepgang. Een brede onderzoeksopzet
betekent een grootschalige aanpak, er worden grote aantallen onderzoekseenheden onderzocht. Er
zal getracht worden een breed overzicht te creëren van een bepaald onderzoeksveld. Het voordeel
hiervan is dat de resultaten beter generaliseerbaar zijn voor de totale populatie. Een diepgaand
onderzoek is een meer kleinschalige aanpak die meer gericht is op het vergaren van diepgaande,
gedetailleerde en complexe data die samenhangt met een sterke argumentatie (Verschuren &
Doorewaard, 2015).
Om de onderzoeksvraag; “In welke mate beïnvloeden verschillende kenmerken van de binnenstad zich
tot aantrekkelijkheid?” zo goed mogelijk te kunnen beantwoorde is een brede onderzoeksopzet het
meest passend. Er zijn grote groepen onderzoekseenheden die onderzocht kunnen worden zodat de
resultaten een goed beeld kunnen verschaffen voor de gehele populatie. Dit komt ten goede van de
betrouwbaarheid. Over het algemeen kan men namelijk stellen dat wanneer er meer eenheden uit de
populatie onderzocht worden, dit een grotere betrouwbaarheid tot gevolg heeft (Korzilius, 2000). Het
nadeel hiervan is echter dat de resultaten minder uitgebreid en gedetailleerd zullen zijn in vergelijking
met een onderzoek dat gericht is op diepgang.
De derde kernbeslissing die gemaakt moet worden is de keuze tussen kwantitatief en kwalitatief
onderzoek. Kwantitatief onderzoek is gericht op het vergaren vaan grote hoeveelheden data. Dit komt
voort uit de wens een breed overzicht van een bepaald onderzoeksterrein te krijgen. Kwalitatief
onderzoek is meer gericht op het bemachtigen van een zeer uitgebreid en gedetailleerd beeld van een
bepaald onderwerp. Er wordt bij kwalitatief onderzoek veelal gebruik gemaakt van bestaande
literatuur en diepte-interviews, deze worden gebruikt om onderliggende oorzaken en verbanden op
een uitgebreide manier toe te lichten. Onderzoekseenheden worden vaak zorgvuldig geselecteerd en
uitgebreid onderzocht in tegenstelling tot kwantitatief onderzoek, waar onderzoekseenheden binnen
een vooraf vastgesteld steekproefkader over het algemeen zo veel mogelijk willekeurig gekozen
dienen te worden. Op deze manier wordt de generaliseerbaarheid van het onderzoek vergroot terwijl
respondenten die niet in het onderzoek opgenomen moeten worden kunnen worden uitgesloten
(Verschuren & Doorewaard, 2015).
Om daadwerkelijk te kunnen achterhalen welke kenmerken van de binnenstad van invloed zijn op de
aantrekkelijkheid ligt een kwantitatieve benadering voor de hand. Kwantitatief onderzoek is uiterst
geschikt om statistische verbanden tussen variabelen aan te tonen met grote hoeveelheden data, juist
het onderzoeken van grote hoeveelheden gegevens hebben een hoge betrouwbaarheid tot gevolg
(Korzilius, 2000; Vennix, 2011).
17
Op basis van de voorgaande drie kernbeslissingen over diepgang, kwantificering en empirie kan de
onderzoeksstrategie bepaald worden. De vijf meest gebruikte opties zijn; survey, experiment,
casestudy, gefundeerde theoriebenadering en het bureauonderzoek (Verschuren & Doorewaard,
2015). Omdat eerder al gekozen is voor een breed kwantitatief onderzoek is het uitvoeren van een
survey het meest geschikt voor dit onderzoek. Het voordeel van een survey is dat er grote aantallen
vergelijkbare onderzoekseenheden bereikt kunnen worden en dus veel actuele gegevens verzameld
kunnen worden (Vennix, 2011, Verschuren & Doorewaard, 2015 ).
Het survey kenmerkt zich door het gebruik van minder tijdrovende manieren van data verzameling.
Waar men bij kwalitatieve onderzoeken soms gebruikt maakt van verschillende methoden om data te
verzamelen beperkt het survey zich meestal tot een enkele methode, vaak is dit een schriftelijke
enquête. Het is tevens gebruikelijk om gegevens te verzamelen in de vorm van gesloten
antwoordmogelijkheden die vooraf aangeboden worden aan respondenten. Op deze manier kunnen
gegevens gemakkelijker op kwantitatieve wijze verwerkt worden. Het aantal potentiele
onderzoekseenheden is vaak groot, daarom is het gebruikelijk om een steekproef te nemen. Het is van
belang voor de generaliseerbaarheid van een onderzoek dat de steekproef aselect getrokken wordt,
dit houdt in dat iedere onderzoekseenheid evenveel kans maakt om in de steekproef terecht te komen.
Individuele kenmerken mogen niet leiden tot uitsluiting (Verschuren & Doorewaard, 2015).
Er bestaan verschillende varianten van het survey-onderzoek. De varianten onderscheiden zich vooral
van elkaar door de momenten waarop data verzameld wordt. De meest eenvoudige variant is het cross
sectioneel onderzoek, dat wordt gekenmerkt door het eenmalig verzamelen van data onder
willekeurig geselecteerde onderzoekseenheden binnen een populatie. Het panelonderzoek bestaat uit
een vast aantal onderzoekseenheden dat over langere tijd meerdere keren onderzocht wordt. Deze
methode leent zich uitstekend voor het onderzoeken van veranderingen binnen de
onderzoekseenheden zelf. Het tijdreeksonderzoek kenmerkt zich door het doen van verschillende
metingen op verschillende tijdstippen net zoals in het panelonderzoek. Echter wordt in het
tijdreeksonderzoek telkens een nieuwe steekproef getrokken (Verschuren & Doorewaard, 2015).
In dit onderzoek is gekozen voor een cross sectioneel survey-onderzoek. Het is technisch gezien niet
mogelijk om onderzoekseenheden meerdere malen te onderzoeken. De dataset die gebruikt wordt in
dit onderzoek maakt het echter wel mogelijk om cross secties over verschillende jaren te doen. Deze
methode maakt het mogelijk om onder grote hoeveelheden respondenten betrouwbare en
kwantificeerbare data te generen. Echter brengt de methode ook enkele nadelen met zich mee. Naast
het feit dat de verkregen data minder diepgaand zal zijn dan kwalitatief verkregen data zorgt het
gesloten karakter van de manier van onderzoeken er voor dat respondenten niet altijd ieder mogelijk
antwoord kunnen geven. Dit laatste speelt voornamelijk bij vragen waarbij slechts een beperkt aantal
keuzemogelijkheden zijn. In de enquête worden ook open vragen meegenomen, hier speelt dit
probleem niet. Daarnaast bestaat de kans dat bij gebrek aan controle verkeerde antwoorden gegeven
worden op de surveyvragen, dit heeft een negatieve invloed op de interne validiteit.
Dit onderzoek wijkt af van de criteria van een normale steekproef omdat er vooraf geen duidelijk
steekproefkader kan vastgesteld worden. Dat betekent dat er gebruik gemaakt wordt van een selecte
steekproef of een niet-kans steekproef (Korzilius, 2000). Het probleem hiervan is dat er een groep
respondenten kan ontstaan die niet aan het onderzoek kan of wil deelnemen. Er ontstaat
daadwerkelijk een probleem wanneer respondenten op basis van bepaalde kenmerken uitgesloten
kunnen worden van de steekproef (Vennix, 2011). Respondenten die een winkelcentrum als dusdanig
18
onaantrekkelijk beschouwen kunnen op grond hiervan beslissen het betreffende centrum niet te
bezoeken. Dit betekent dat respondenten op basis van hun mening over een bepaalde binnenstad
uitgesloten kunnun worden van de steekproef. Dit kan tot gevolg hebben dat algemene gegevens over
waardering gemiddeld hoger uitvallen dan daadwerkelijk het geval. De aselecte steekproef die als
voorwaarde voor een goed generaliseerbaar onderzoek geldt, is niet te waarborgen door het
ontbreken van een steekproefkader (Korzilius, 2000).
Door het ontbreken van een duidelijk steekproefkader ontstaat er nog een probleem. Het is namelijk
niet mogelijk om de non-response in kaart te brengen. Het is doorgaans gebruikelijk voor onderzoekers
om de non-response te verantwoorden door bijvoorbeeld een overzicht van de redenen van non-
response, de onderzoeker moet trachten te achterhalen of de weigering samenhangt met het
onderwerp van het onderzoek. De belangrijkste vraag bij non-response is of er sprake is van selectieve
non-response. Dit houdt in dat de non-respondenten niet geheel vergelijkbaar zijn met de
respondenten (Korzilius, 2000).
Echter is een niet-kans steekproef niet ongebruikelijk in onderzoeken naar consumentengedrag. Teller
en Reutterer (2008) spreken van een in vivo benadering die overeenkomt met de niet-kans steekproef,
zij stellen dat deze aanpak juist voordelen biedt omdat bezoekers direct hun waardering uitspreken
over verschillende factoren nadat ze het betreffende centrum bezocht hebben. Dit maakt dat de data
betrouwbaarder wordt. Daarnaast wordt er aangehaald dat bij een steekproef met steekproefkader
de kans bestaat op onbetrouwbare resultaten doordat resultaten verkregen worden van respondenten
die geen kennis hebben van het betreffende winkelcentrum.
3.2 Onderzoeksmateriaal In dit onderzoek zal gebruik gemaakt worden van een reeds bestaande dataset. Deze dataset is
afgelopen jaren samengesteld door studenten van het Radboud in samenwerking met Droogh
Trommelen en Partners (DTNP). Omdat het voor dit onderzoek niet mogelijk is om zelf nieuwe data te
verzamelen zal data uit voorgaande jaren gebruikt worden.
Bij het creëren van de dataset is gebruik gemaakt van enquêtes. Normaliter heeft een onderzoeker de
keuze tussen interviews of enquêtes om de benodigde data voor een survey-onderzoek te genereren.
Een enquête laat minder ruimte voor diepgaande antwoorden door het veelal gesloten karakter van
de vragen maar biedt daardoor wel de mogelijkheid om in korte tijd een grote groep respondenten te
bereiken. Dit is dan ook de reden dat bij het creëren van de dataset gebruik gemaakt is van enquêtes.
Het grote verschil tussen een interview en een enquête zit in de rol van de onderzoeker of enquêteur.
Bij een interview ligt meer de nadruk op het gesprek tussen de respondent en de onderzoeker terwijl
een enquête in essentie een formulier met vragen is dat door de respondent wordt ingevuld.
Er bestaan verschillende varianten enquêtes, Vennix (2011) noemt de volgende vier als belangrijkste;
face-to-face, telefonisch, schriftelijk en via het web. De eerste twee varianten kenmerken zich door
het feit dat vragen letterlijk voorgelezen worden aan de respondent. Terwijl de laatste twee varianten
het contact met de ondervrager missen. Bij het samenstellen van de dataset is gekozen voor face-to-
face enquêteren. Het voordeel hier van is dat respondenten ook daadwerkelijk bekend waren met de
betreffende binnenstad en al haar facetten omdat ze slechts een moment geleden nog in de
betreffende binnenstad waren. Dit zorgt er voor dat respondenten niet opnieuw alles voor de geest
moesten halen. Teller en Reutterer (2008) hanteren in hun onderzoek een soortgelijke aanpak, ze
19
noemen het een in vivo aanpak. Dat betekent dat ze ook in het veld respondenten onderzoeken om
een zo min mogelijk vertekend beeld van de werkelijke mening van respondenten te krijgen.
3.2.1 Validiteit De inhoudsvaliditeit is de mate waarin een instrument daadwerkelijk meet wat de onderzoek wil
weten (Korzilius, 2000; Vennix, 2011). Om de inhoudsvaliditeit zo groot mogelijk te maken dient men
er voor te zorgen dat de operationalisatie van het begrip zo nauwkeurig mogelijk gebeurt. De
indicatoren die gebruikt worden om een latente variabele te meten moeten dus daadwerkelijk in staat
zijn om dat te meten wat de onderzoeker wil weten. In dit onderzoek is bij het operationaliseren van
de begrippen gebruikt gemaakt van reeds bestaande literatuur. Betreffende auteurs hebben in hun
onderzoeken aangetoond dat de gebruikte operationalisatie werkbaar is, dit betekent dat de
inhoudsvaliditeit van dit onderzoek geen probleem zal vormen.
De tweede manier om validiteit te meten is begripsvaliditeit. Deze manier gaat in op de samenhang
tussen bepaalde begrippen. Wanneer in de literatuur gesteld wordt dat zich een bepaald verband
tussen variabelen voordoet is het van belang dat het onderzoeksinstrument dit verband ook aantoont.
Deze vorm kan echter pas vastgesteld worden nadat het meetinstrument is toegepast (Vennix, 2011).
Aangezien het meetinstrument dat gebruikt is om de benodigde data voor dit onderzoek te genereren
al verschillende keren gebruikt is lijken zich op dit vlak ook geen problemen voor te doen.
Interne validiteit duidt op de kwaliteit van de conclusies uit het hele onderzoek en de mate waarin
deze niet veroorzaakt worden door mogelijke andere factoren (Korzlius, 2000). Interne validiteit heeft
te maken met de mate waarin causale interpretaties en redenaties over causaliteit verklaard kunnen
worden. Om daadwerkelijk van een causaal verband te kunnen spreken zou onder dezelfde
omstandigheden oorzaak X altijd gevolg Y hebben. In een survey worden oorzaak en gevolg echter
tegelijk gemeten, daarom wordt er vaak theorie gebruikt om deze causale redenatie op te zetten.
Vervolgens wordt ook weer theorie gebruikt om de alternatieve causale redenaties uit te sluiten en zo
de interne validiteit zo hoog mogelijk te houden (Korzilius, 2000).
Externe validiteit gaat over de mate waarin resultaten generaliseerbaar zijn voor de gehele populatie.
Zoals eerder al beschreven is in dit onderzoek sprake van een selecte of niet-kans steekproef. Dit
betekent dit theoretisch gezien dat de resultaten uit dit onderzoek niet gegeneraliseerd kunnen
worden en alleen gelden voor de onderzochte onderzoekseenheden (Korzilius, 2000). Teller en
Reutterer (2008) stellen dat de niet-kans/ in vivo steekproef in een onderzoek naar aantrekkelijkheid
van winkelcentra verschillende voordelen biedt ten opzichte van een aselecte steekproef. Ondanks
het feit dat de externe validiteit verloren gaat wordt de data wel betrouwbaarder. Teller en Elms (2010)
stellen echter dat hun in vivo benadering wel in enige mate generaliseerbaar is, echter wel alleen naar
centra die overeenkomen met de door hen onderzochte centra.
3.2.2 Betrouwbaarheid Om een meting als betrouwbaar te bestempelen moeten bij herhaalde metingen van dezelfde
onderzoekseenheden dezelfde uitkomsten vastgesteld worden, metingen moeten onafhankelijk zijn
van de onderzoeker, tijdstip, plaats of gebruikt meetinstrument (Vennix, 2011; Korzilius, 2000).
Om de betrouwbaarheid te vergroten is het van belang om voldoende onderzoekseenheden binnen
de populatie te onderzoeken, hoe meer onderzoekseenheden hoe dichterbij de uitkomst van de
steekproef bij de werkelijkheid in de buurt komt. Honderd procent betrouwbaarheid kan echter niet
behaald worden omdat er een kans blijft bestaan dat respondenten verkeerde antwoorden opgeven,
dus zelfs wanneer iedere onderzoekseenheid binnen een populatie onderzocht zou worden bestaat er
20
nog steeds een kans op meetfouten. Bij een grotere steekproef wordt deze kans op toevallige
meetfouten echter relatief kleiner (Korzilius, 2000).
Betrouwbaarheid in van uitspraken in een meetinstrument. Het is van belang dat een vraag in een
survey onderzoek ook daadwerkelijk de data oplevert die ze zou moeten opleveren. Ten grondslag
hieraan ligt een correcte operationalisatie (Korzilius, 2000).
Betrouwbaarheid in plaats spelen mogelijk een rol in de verkregen data, zo is het bijvoorbeeld
waarschijnlijk dat consumenten een winkelcentrum op een zonnige dag in het weekend positiever
beoordelen dan op een regenachtige koopavond (Korzilius, 2000). Om dit zo veel mogelijk uit te sluiten
is bij het samenstellen van de dataset rekening gehouden met een aantal factoren. Data is op twee
verschillende momenten afgenomen, een maal in het weekend en een maal op een doordeweekse
dag. Op deze manier worden respondenten die op een van beide momenten om bepaalde redenen
geen tijd zouden hebben niet uitgesloten van het onderzoek. De keuze om alleen respondenten mee
te nemen in het onderzoek die daadwerkelijk het winkelcentrum bezocht hebben maakt dat zij
beschouwd kunnen worden als experts aangezien zij daadwerkelijke bezoekers zijn van het
winkelcentrum. Dit vergroot de betrouwbaarheid van de resultaten maar gaat ten kosten van het
steekproefkader en daarmee de externe validiteit (Teller en Reutterer, 2008).
3.4 Selectie centra In de dataset die gebruikt zal worden zijn middelgrote binnensteden onderzocht die gedefinieerd
worden aan de hand van de hoeveelheid winkelvloeroppervlak, namelijk tussen de 20 en 60.000 m2
(DTNP, 2019). In de dataset zijn over verschillende jaren verschillende steden onderzocht, echter
bestaan er verschillen in de data uit verschillende jaargangen. Aangezien de winkelgebied kenmerken
en hun invloed op de algemene aantrekkelijkheid centraal staan in dit onderzoek is de selectie voor de
centra daarop gebaseerd. Hierdoor komt de onderstaande selectie steden met bijbehorend aantal
respondenten tot stand, te zien in figuur 1.
Figuur 1
7595
115135155175195215
Am
ersf
oo
rt
Ber
gen
op
Zo
om
Do
etin
chem Ed
e
Elst
Ette
n-L
eu
r
Gel
een
Go
rin
chem
Go
ud
a
Haa
ksb
erge
n
Hel
mo
nd
Hen
gelo
Ho
ute
n
Mep
pel
Nijk
erk
Oo
ster
ho
ut
Oss
Ro
ose
nd
aal
Tiel
Tilb
urg
Ud
en
Ven
lo
Waa
lwijk
Wag
enin
gen
Wee
rt
Wijc
hen
Wo
erd
en
Zeve
naa
r
Zutp
he
n
Zwo
lleAantal respondenten
Aantal respondenten
21
Stad N Stad N
Amersfoort 96 Oosterhout 157
Bergen op Zoom 185 Oss 152
Doetinchem 134 Roosendaal 144
Ede 142 Tiel 175
Elst 193 Tilburg 145
Etten-Leur 169 Uden 180
Geleen 166 Venlo 139
Gorinchem 145 Waalwijk 160
Gouda 136 Wageningen 173
Haaksbergen 165 Weert 154
Helmond 152 Wijchen 158
Hengelo 138 Woerden 146
Houten 203 Zevenaar 171
Meppel 148 Zutphen 137
Nijkerk 167 Zwolle 164
3.5 Analysemethode Om de hoofd en deelvragen die eerder geformuleerd zijn te kunnen beantwoorden zal de dataset van
DTNP met IBM SPSS geanalyseerd worden. De aantrekkelijkheid van binnensteden en de daaraan ten
grondslag liggende factoren staan centraal in dit onderzoek. Dat betekent dat er één afhankelijke
variabele (aantrekkelijkheid) beïnvloed wordt door verschillende onafhankelijke variabelen, daarom
zal in dit onderzoek gebruik gemaakt worden van een multipele lineaire regressie. Op deze manier kan
worden onderzocht wat de invloed is van de verschillende winkelgebied kenmerken, persoonlijke
kenmerken van de respondent en fysieke aanbodkenmerken op de gehele aantrekkelijkheid van een
binnenstad. Er zullen verschillende regressiemodellen getest worden die de aantrekkelijkheid van
binnensteden verklaren. Ook zullen er analyses uitgevoerd worden met bezoekfrequentie, bezoekduur
en totale bestedingen als afhankelijke variabelen.
Om een multipele regressie analyse uit te kunnen voeren moet er aan een aantal vooronderstellingen
voldaan worden. Alle variabelen hebben een interval of ratio schaal. Het model is lineair, dit wordt na
de regressieanalyse gecontroleerd in een residuenplot. Er is geen sprake van multicollineariteit, dat wil
zeggen dat de onafhankelijke variabelen niet ongeveer hetzelfde meten. Dit wordt gecontroleerd door
de bivariate correlatiecoëfficiënten van alle onafhankelijke variabelen te berekenen (De Vocht, 2019).
Om aan de eerste veronderstelling te voldoen is het van belang dat de variabelen die niet van interval
of ratioschaal zijn getransformeerd worden tot dummyvariabelen. Dit betreft de variabelen; geslacht,
inkomen, opleidingsniveau, huishouden en historiciteit. Om deze dummyvariabelen uiteindelijk te
kunnen interpreteren wordt een van de onderscheidden categorieën niet opgenomen in de analyse,
dit is de referentiecategorie. De andere dummyvariabelen die wel in het model opgenomen zijn dienen
ten opzichte van deze referentiecategorie geïnterpreteerd te worden.
Er bestaan twee verschillende soorten multipele regressiemodellen; een standaard methode en een
stapsgewijze methode. Het verschil tussen beide bestaat uit het wel of niet meenemen van niet-
significante variabelen. De stapsgewijze methode voegt een voor een variabelen toe aan het model op
volgorde van relatieve invloed van de afhankelijke variabele terwijl de standaard methode alle
onafhankelijke variabelen meeneemt (De Vocht, 2019). In dit onderzoek zal de standaard methode
gehanteerd worden zodat over alle variabelen een uitspraak gedaan kan worden.
22
4.0 Resultaten In dit hoofdstuk zal de multipele regressie uitgevoerd worden. Bij het analyseren van de data van DTNP
is slechts een deel van de respondenten geanalyseerd. Omdat in dit onderzoek de verschillende
deelwaarderingen voor de winkelgebied kenmerken centraal staan zijn alle onderzoekseenheden die
voor deze variabelen missende antwoorden hebben uit de dataset verwijderd. Dit betekent dat van
het totaal aantal respondenten in de dataset, 11395 slechts 4788 respondenten onderzocht zijn. Op
deze manier wordt de betrouwbaarheid van de resultaten gewaarborgd aangezien het in de analyses
over dezelfde selectie respondenten gaat. Er zijn echter twee analyses waarbij een kleinere selectie
gebruikt is. Veel respondenten missen antwoorden over inkomen, opleidingsniveau en huishouden
maar ook deelwaarderingen over de uitstraling van de panden en straten ontbreken deels. Voordat de
uiteindelijke analyses uitgevoerd worden zal eerst de data over de respondenten besproken worden
in de beschrijvende statistiek. Daarna zal er gecontroleerd worden of er aan de veronderstellingen van
een multipele regressie voldaan wordt waarna de uiteindelijke regressie analyse uitgevoerd zal
worden.
4.1 Beschrijvende statistiek Voordat er een analyse uitgevoerd wordt zal er gekeken worden naar de respondenten en hun
beoordeling van de verschillende binnensteden. Op deze manier kan er een beeld geschetst worden
van de onderzochte respondenten en de verschillende binnensteden.
4.1.1 Persoonskenmerken Uit de literatuur zijn verschillende persoonlijke kenmerken naar voren gekomen die meegenomen
moeten worden in de analyses, daaraan voorafgaand zullen deze kenmerken eerst uiteengezet worden
om te zien hoe de respondenten per stad verschillen ten opzichten van elkaar.
Leeftijd
De gemiddelde leeftijd van de respondenten uit de dataset ligt tussen de 49 en 50 jaar. De jongste respondent die meegenomen is heeft een leeftijd van acht jaar. De oudste respondent is 93 jaar oud. De data uit de dataset is vergaard gedurende 2016, 2017 en 2018, destijds lag de gemiddelde leeftijd van de gehele Nederlandse bevolking tussen de 40 en 42 jaar (CBS, 2019). Dit betekent dat de gemiddelde leeftijd van de onderzochte respondenten hoger is dan het Nederlands gemiddelde en daarmee niet representatief voor de rest van de Nederlandse bevolking.
Geslacht Van de 4788 onderzochte respondenten is met 3077 vrouwen en 1711 mannen ruim twee derde van
het vrouwelijke geslacht. In de wetenschappelijke literatuur wordt opgemerkt dat bij
consumentenonderzoeken vaak de meerderheid van de respondenten vrouwelijk is (Anselmsson,
2006). Echter is de Nederlandse bevolking ongeveer evenredig verdeeld in mannen en vrouwen (CBS,
2019). Dit betekent dat de man-vrouw verhouding in het onderzoek niet representatief is voor de rest
van de Nederlandse bevolking. Anselmsson (2006) haalt aan dat vrouwen geacht worden winkelen
leuker te vinden dan mannen en daarom ook vaker te winkelen. Echter blijkt uit de dataset dat de
bezoekfrequentie per jaar bij mannen gemiddeld 107 keer is terwijl vrouwen aangeven 104 keer per
jaar naar een binnenstad te gaan. De gemiddelde duur van een bezoek aan een binnenstad is bij
vrouwen gemiddeld 71 minuten, bij mannen is met 68 minuten iets lager. Deze empirische gegevens
komen niet overeen met de aannames uit de literatuur en zijn dus geen verklaring voor de
oververtegenwoordiging van vrouwelijke respondenten in de dataset. Echter worden door de opzet
van het onderzoek alleen respondenten meegenomen die daadwerkelijk een bezoek hebben gebracht
aan de binnenstad, mannelijke respondenten die niet naar een binnenstad gaan worden dus ook niet
23
opgenomen in de dataset. Dit zou er voor kunnen zorgen dat de bezoekfrequenties onder mannelijke
respondenten hoger uitvallen dan op basis van de literatuur verwacht wordt.
Opleidingsniveau
Bij de analyse van de volgende drie variabelen inkomen, opleidingsniveau en huishouden moet vermeld
worden dat veel respondenten geen geldige waarden hebben opgegeven voor deze variabelen. Dit
betekent dat de selectie respondenten die voor al deze variabelen wel een geldige waarden opgegeven
hebben kleiner is dan de rest van de steekproef. De gehele steekproef bestaat uit 4788 respondenten
terwijl de selectie respondenten voor de bovengenoemde drie variabelen slechts bestaat uit 1904
respondenten.
Zoals in figuur 2 te zien heeft het grootste deel van de respondenten aangegeven dat hun hoogst
behaalde diploma van hbo of mbo niveau is. Tussen de binnensteden zijn enkele verschillen te
onderscheiden. Het hoge aantal respondenten dat aangeeft een wetenschappelijke opleiding
afgemaakt te hebben in het centrum van Wageningen valt direct op. Zoals eerder aangehaald is dit de
enige stad uit de dataset waar een universiteit gevestigd is, dat is een voor de hand liggende verklaring
voor het hoge aantal wetenschappelijk opgeleide respondenten.
Figuur 2
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Opleidingsniveau
Lager V(M)BO-MAVO HAVO VWO MBO HBO WO
24
Inkomen
Respondenten hebben in de enquête aan kunnen geven in welke inkomensschaal ze vallen, de drie
schalen zijn als volgt opgebouwd. De eerste schaal betreft de lage inkomens, hierin vallen de
respondenten die tot 1500 euro per maand verdienen. De hoogste schaal bestaat uit respondenten
die 3700 euro of meer verdienen. Alle respondenten die tussen 1500 en 3700 euro verdienen behoren
tot de midden categorie. Het Nederlands modaal inkomen valt exact in het midden van de midden
categorie, op basis hiervan zijn de verschillende categorieën ingedeeld. In de meest rechtse kolom in
onderstaande grafiek is de verdeling van de Nederlandse huishoudens over de inkomenscategorieën
te zien gebaseerd op de inkomensverdeling van het CBS (2019). Wat in figuur 3 direct opvalt is dat het
aandeel respondenten dat zich in de hoogste inkomenscategorie indeelt gemiddeld een stuk hoger is
dan de rest van de Nederlandse huishoudens.
Figuur 3
Huishouden
Volgens het CBS (2019) bestaat bijna veertig procent van de Nederlandse huishoudens uit slechts één
persoon. Uit de dataset blijkt dat alleen in Wageningen in de buurt zit van dit percentage, in de rest
van de onderzochte steden ligt het aantal eenpersoonshuishoudens veel lager dan in de rest van
Nederland. Dit bevestigd dat de steekproef niet representatief is en dus over een lage externe validiteit
beschikt. Wageningen daargelaten zijn er in de andere steden meer respondenten ondervraagd met
een meer persoons huishouden met kinderen dan gemiddeld. Een verklaring voor het relatief lage
aantal eenpersoons huishoudens in de dataset kan geboden worden door het feit dat de gemiddelde
leeftijd van de respondenten hoger ligt dan het gemiddelde in de rest van Nederland. Er bestaat
namelijk een verband tussen de leeftijd van een respondent en de samenstelling van het huishouden.
De leeftijd van een respondent die aangeeft een eenpersoons huishouden te hebben ligt gemiddeld
twaalf jaar lager dan een respondent met een huishouden zonder kinderen. Echter ligt de leeftijd van
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Gemiddeld inkomen
Laag €1500 - Midden €1500 - € 3700 Hoog €3700 +
25
een respondent met een meer persoons huishouden met kinderen ook lager dan een respondent met
een meerpersoonshuishouden zonder kinderen, dit betreft zelfs gemiddeld 17 jaar.
Figuur 4
4.1.2 Fysieke aanbod kenmerken In het onderzoek zijn verschillende objectieve kenmerken meegenomen, deze kenmerken komen tot
stand door de verschillen in fysieke toestand van een binnenstad. Deze cijfers worden dus niet door
respondenten ingevuld maar kunnen letterlijk gemeten worden.
Historiciteit.
In figuur 5 zijn de verschillende
binnensteden op kaart
weergegeven. Er is
onderscheid gemaakt tussen
historische, planmatige en
organische binnensteden.
Zwolle, Zutphen, Amersfoort,
Woerden, Gouda, Gorinchem,
Venlo en Bergen op Zoom zijn
met een rood icoon
aangegeven op de kaart, dit
zijn de historische
binnensteden. Uden, Houten,
Roosendaal en Geleen zijn met
een blauw icoon aangegeven,
dit zijn de planmatig ingerichte
binnensteden. De overige
binnensteden zijn aangegeven
met een groen icoon. Dit zijn
de binnensteden die op
organische wijze ontstaan zijn.
0%
20%
40%
60%
80%
100%
Huishouden samenstelling
Eenpersoons Meerpersoons zonder kinderen Meerpersoons met kinderen
Figuur 5
26
Hoeveelheid winkelvloeroppervlak.
In onderstaande tabel zijn de totale winkelvloeroppervlaktes en de verdeling onder de verschillende
sectoren per stad uiteengezet. In figuur 6 is te zien is dat er grote verschillen bestaan in de totale
aantallen winkelvloeroppervlakten. Tilburg is de grootste stad betreft de grootte van het
winkelvloeroppervlak. Houten en Wijchen beschikken over een veel kleiner winkelcentrum. In bijlage
1.1 zijn de exacte waarde voor de verdeling van het winkelvloeroppervlak te zien.
Figuur 6
Leegstand
Leegstand is een van de problemen die middelgrote binnensteden relatief vaker treffen, zoals te zien
in figuur 7 heeft het merendeel van de binnensteden te maken met percentages leegstand van boven
de 8% die in de rest van Nederland het gemiddelde is (CLO, 2019). Wijchen, Elst, Amersfoort en Zwolle
lijken het minst last van leegstand te hebben, hier is de gemiddelde leegstand vergelijkbaar met de
rest van Nederland. Deze steden worden door respondenten over het algemeen gemiddeld hoog
gewaardeerd.
0,00
0,05
0,10
0,15
0,20
0,25
0,30
Gel
een
Waa
lwijk
Hen
gelo
Ro
ose
nd
aal
Ber
gen
op
Zo
om
Go
rin
chem
Oo
ster
ho
ut
Ede
Hel
mo
nd
Mep
pel
Nijk
erk
Oss
Wee
rt
Haa
ksb
erge
n
Ven
lo
Go
ud
a
Tiel
Ho
ute
n
Zutp
he
n
Do
etin
chem
Ud
en
Wag
enin
gen
Zeve
naa
r
Tilb
urg
Wo
erd
en
Ette
n-L
eu
r
Zwo
lle
Am
ersf
oo
rt
Elst
Wijc
hen
percentage leegstand
percentage leegstand
Figuur 7
27
Geleen heeft het hoogste percentage leegstand met 24%. Waalwijk, Roosendaal en Hengelo hebben
daarnaast ook te maken met grote percentages leegstand. Behalve Waalwijk zijn deze steden de laagst
gewaardeerde binnensteden uit de dataset. Er lijkt dus een negatief verband tussen het percentage
leegstand en de gehele waardering door de respondent. In figuur 7 en figuur 8 is te zien dat steden
die gemiddeld een hogere algemene waardering krijgen ook lagere leegstandcijfers hebben zoals
Amersfoort en Wijchen. Er zijn echter ook uitzonderingen, Tilburg heeft bijvoorbeeld een relatief laag
percentage leegstaande winkels terwijl de algemene waardering slechts gering is.
4.1.3 Deelwaarderingen winkelgebied kenmerken Naast de persoonskenmerken hebben de respondenten ook vragen beantwoord over de verschillende
winkelgebied kenmerken. In iedere stad zijn naast rapportcijfers voor de stad algemeen ook
rapportcijfers gegeven voor; sfeer, bereikbaarheid, parkeergelegenheid, winkelaanbod en horeca-
aanbod. Aan de hand van deze waarderingen zal uiteindelijk getracht worden de algemene
aantrekkelijkheid van de steden te verklaren. In bijlage 1.2 zijn de exacte waarden weergegeven voor
de verschillende deelwaarderingen.
Algemene aantrekkelijkheid
In de eerste kolom van de tabel in bijlage 1.2 worden de exacte gemiddelde rapportcijfers voor de
algemene aantrekkelijkheid weergegeven die in figuur 8 gevisualiseerd zijn. Hengelo, Oss, Roosendaal,
Ede en Geleen staan onderaan met een gemiddelde waarderingen onder de 6.5. Het valt op dat deze
steden op bijna alle deelwaarderingen meestal ook bij de onderste waarderingen wordt ingedeeld.
Amersfoort, Zutphen, Wijchen en Gouda zijn de vier steden die de hoogste totale waardering krijgen
wat opvalt is dat al deze steden op de verschillende deelwaarderingen ook erg hoog beoordeeld
worden. Daarnaast zijn, behalve Wijchen, alle steden historisch ontwikkeld.
6
6,5
7
7,5
8
Hen
gelo
Ro
ose
nd
aal
Ede
Oss
Gel
een
Oo
ster
ho
ut
Tilb
urg
Wee
rt
Haa
ksb
erge
n
Waa
lwijk
Ber
gen
op
Zo
om
Do
etin
chem
Ho
ute
n
Tiel
Hel
mo
nd
Mep
pel
Nijk
erk
Zeve
naa
r
Zwo
lle
Go
rin
chem
Ven
lo
Ette
n-L
eu
r
Wag
enin
gen
Ud
en Elst
Wo
erd
en
Go
ud
a
Wijc
hen
Zutp
he
n
Am
ersf
oo
rt
Algemene aantrekkelijkheid
Figuur 8
28
Waardering algehele sfeer
In de wetenschappelijke literatuur wordt de waardering van de gehele sfeer in een centrum als een
van de belangrijkste subjectieve aspecten gezien die de totale aantrekkelijkheid van een binnenstad
verklaren. In onderstaande grafiek is te zien dat steden die als geheel laag op aantrekkelijkheid
beoordeeld worden zoals Hengelo, Roosendaal, Ede en Geleen ook relatief lage scoren als het gaat om
de waardering van de sfeer van de binnenstad. onderaan staan Geleen en Hengelo met een
gemiddelde waardering van de algehele sfeer van beide 5.89. De steden waar de algehele sfeer het
best beoordeeld worden zijn Amersfoort en Wijchen met respectievelijk een gemiddelde waardering
van 7.85 en 7.84. Deze steden genieten ook een hoge algehele waardering.
Figuur 9
Waardering bereikbaarheid
Zoals in onderstaande grafiek te zien variëren de gemiddelde waarderingen van de bereikbaarheid
minder dan bijvoorbeeld de waardering van de algehele sfeer. Roosendaal wordt het laagst
gewaardeerd op gebied van bereikbaarheid met een gemiddelde waarde van 7.05. Wijchen geniet de
hoogste waardering met een gemiddelde van 8.06.
5,5
6
6,5
7
7,5
8
Gel
een
Hen
gelo
Ede
Ro
ose
nd
aal
Oss
Oo
ster
ho
ut
Ho
ute
n
Wee
rt
Waa
lwijk
Tilb
urg
Haa
ksb
erge
n
Hel
mo
nd
Ette
n-L
eu
r
Ber
gen
op
Zo
om
Do
etin
chem
Zeve
naa
r
Tiel
Nijk
erk
Zwo
lle Elst
Ven
lo
Wag
enin
gen
Mep
pel
Go
ud
a
Ud
en
Go
rin
chem
Wo
erd
en
Zutp
he
n
Wijc
hen
Am
ersf
oo
rt
Waardering van de algehele sfeer van het centrum
Waardering van de algehele sfeer van het centrum
29
Figuur 10
Waardering parkeervoorzieningen
Aansluitend op de gemiddelde waardering van de bereikbaarheid volgen in onderstaande grafiek de
gemiddelde waarderingen voor de parkeervoorzieningen in de steden. Ede valt direct op met de enige
gemiddelde waardering die onvoldoende is, met een gemiddelde van 4.75 wordt de
parkeergelegenheid in Ede het laagst gewaardeerd. Houten krijgt gemiddeld de hoogste waardering
als het gaat om parkeergelegenheid met een gemiddelde van 7.79.
Figuur 11
4,5
5
5,5
6
6,5
7
7,5
8
Ede
Go
ud
a
Mep
pel
Do
etin
chem
Go
rin
chem
Ven
lo
Ro
ose
nd
aal
Zwo
lle
Ber
gen
op
Zo
om
Tiel
Ud
en
Am
ersf
oo
rt
Tilb
urg
Wo
erd
en
Zutp
he
n
Hen
gelo
Wag
enin
gen
Oss
Oo
ster
ho
ut
Nijk
erk
Zeve
naa
r
Hel
mo
nd
Haa
ksb
erge
n
Elst
Gel
een
Waa
lwijk
Wee
rt
Ette
n-L
eu
r
Wijc
hen
Ho
ute
n
Waardering van de parkeervoorzieningen in het centrum
Waardering van de parkeervoorzieningen in het centrum
7
7,5
8
8,5R
oo
sen
daa
l
Tilb
urg
Ber
gen
op
Zo
om
Hen
gelo
Oss
Haa
ksb
erge
n
Ven
lo
Mep
pel
Ede
Go
ud
a
Zeve
naa
r
Zutp
he
n
Gel
een
Oo
ster
ho
ut
Waa
lwijk
Zwo
lle
Wee
rt
Nijk
erk
Hel
mo
nd
Go
rin
chem
Wag
enin
gen
Elst
Do
etin
chem
Ud
en Tiel
Ette
n-L
eu
r
Am
ersf
oo
rt
Wo
erd
en
Ho
ute
n
Wijc
hen
Waardering van de bereikbaarheid van het centrum
Waardering van de bereikbaarheid van het centrum
30
Waardering winkelaanbod
De waardering van het winkelaanbod wordt gezien als een van de belangrijkste factoren die de
algemene aantrekkelijkheid beïnvloeden (Janssen et al, 2013). Hoewel er geen duidelijk uitschieters te
onderscheiden zijn zoals bij de waardering voor parkeervoorzieningen zijn er verschillende steden die
relatief laag scoren. Ook in dit geval geldt dat deze steden op gebied van de algehele aantrekkelijkheid
bij de laagst scorende steden horen.
Figuur 12
Waardering horeca-aanbod
Zoals in onderstaande grafiek te zien wordt het horeca-aanbod in Geleen het laagst beoordeeld met
een gemiddelde waardering van 6,48. Gouda en Wijchen krijgen de hoogste waarderingen met
respectievelijk een 8.38 en een 8.48 als gemiddelde waardering. De laatstgenoemde steden worden
ook op algemene aantrekkelijkheid relatief hoog gewaardeerd.
Figuur 13
6
6,5
7
7,5
8
Ro
ose
nd
aal
Oss
Ede
Hen
gelo
Tilb
urg
Gel
een
Wee
rt
Ber
gen
op
Zo
om
Oo
ster
ho
ut
Do
etin
chem
Hel
mo
nd
Waa
lwijk
Ho
ute
n
Haa
ksb
erge
n
Wag
enin
gen
Mep
pel
Zwo
lle
Nijk
erk
Tiel
Ven
lo
Ette
n-L
eu
r
Zeve
naa
r
Go
ud
a
Go
rin
chem
Am
ersf
oo
rt
Wo
erd
en
Zutp
he
n
Elst
Ud
en
Wijc
hen
Waardering van het winkelaanbod in het centrum
Waardering van het winkelaanbod in het centrum
6
6,5
7
7,5
8
8,5
Gel
een
Hen
gelo
Haa
ksb
erge
n
Ro
ose
nd
aal
Ede
Ho
ute
n
Oss
Oo
ster
ho
ut
Waa
lwijk
Wee
rt
Hel
mo
nd
Tilb
urg
Ber
gen
op
Zo
om
Nijk
erk
Zwo
lle
Zeve
naa
r
Zutp
he
n
Elst
Ette
n-L
eu
r
Wag
enin
gen
Mep
pel
Am
ersf
oo
rt
Ven
lo
Tiel
Go
rin
chem
Do
etin
chem
Wo
erd
en
Ud
en
Go
ud
a
Wijc
hen
Waardering van het horeca-aanbod in het centrum
Waardering van het horeca-aanbod in het centrum
31
Waardering panden en straten
Zoals in figuur 9 en 10 te zien ontbreken er voor verschillende steden gegevens over de waardering
van de uitstraling van de panden en straten in het centrum. In een van de analyses zullen deze
gegevens wel gebruikt worden, er wordt in dat geval gewerkt met een kleinere steekproef. Zoals te
zien zijn de meeste steden die een hoge waardering krijgen voor de uitstraling van de straten en
panden, historische steden. Wijchen wordt echter zoals op veel andere winkelgebied kenmerken ook
hier erg hoog gewaardeerd, ondanks het feit dat deze stad niet historisch is. Steden die gemiddeld als
geheel minder aantrekkelijk beoordeeld worden; Geleen, Hengelo, Oss, krijgen ook op dit punt relatief
lagere beoordelingen.
5,005,506,006,507,007,508,00
Hen
gelo
Gel
een
Oss
Haa
ksb
erge
n
Ho
ute
n
Hel
mo
nd
Tiel
Waa
lwijk
Wee
rt
Zeve
naa
r
Ber
gen
op
…
Oo
ster
ho
ut
Ette
n-L
eu
r
Mep
pel
Wag
enin
gen
Nijk
erk
Elst
Go
rin
chem
Wijc
hen
Go
ud
a
Wo
erd
en
Zutp
he
n
Am
ersf
oo
rt
Do
etin
chem Ed
e
Ro
ose
nd
aal
Tilb
urg
Ud
en
Ven
lo
Zwo
lle
Waardering van de uitstraling van panden in het centrum
Waardering van de uitstraling van panden in het centrum
Figuur 15
6,00
6,20
6,40
6,60
6,80
7,00
7,20
7,40
7,60
7,80
8,00
Gel
een
Hen
gelo
Oss
Haa
ksb
erge
n
Waa
lwijk
Mep
pel
Zeve
naa
r
Ho
ute
n
Elst
Tiel
Ber
gen
op
Zo
om
Wee
rt
Ette
n-L
eu
r
Go
ud
a
Hel
mo
nd
Wo
erd
en
Nijk
erk
Wag
enin
gen
Go
rin
chem
Oo
ster
ho
ut
Zutp
he
n
Wijc
hen
Am
ersf
oo
rt
Do
etin
chem Ed
e
Ro
ose
nd
aal
Tilb
urg
Ud
en
Ven
lo
Zwo
lle
Waardering van de uitstraling van straten in het centrum
Waardering van de uitstraling van straten in het centrum
Figuur 14
32
4.2 Multicollineariteit Alvorens de regressie analyse uitgevoerd kan worden zal eerst berekend moeten worden of de
onafhankelijke variabelen onderling niet te sterk correleren. Daarnaast moet een regressieanalyse aan
enkele veronderstellingen voldoen. Het model moet lineair en homoscedastisch zijn en de residuen
dienen normaal verdeeld te zijn. Alle outputs betreft de multicollineariteit zijn in bijlage 1.3
ondergebracht.
Om te controleren of de variabelen niet te sterk correleren zijn verschillende methoden nodig omdat
de onafhankelijke variabelen van verschillende meetniveaus zijn, de methode die gekozen dient te
worden hangt af van het meetniveau van de variabelen. Het geslacht van de respondent is opgenomen
als nominale variabele. Het inkomen, opleidingsniveau en huishouden van de respondent opgenomen
als ordinale variabele. Verder zijn alle andere variabelen ratio of interval. Om te controleren voor
multicollineariteit tussen twee nominale variabelen wordt de chi kwadraat toets gebruikt. Bij een chi
kwadraat kleiner dan 0,05 is er met 95% betrouwbaarheidsinterval sprake van een significant verband.
Tussen de variabelen geslacht en bezoekmotief bestaat geen significant verband wat betekent dat
beide variabelen zonder problemen in de analyse gebruikt kunnen worden.
Inkomen en opleidingsniveau en huishouden zijn ordinale variabelen, dergelijke variabelen worden
gecontroleerd op multicollineariteit door middel van de Spearman’s Rho, ook hiervoor geldt dat de
waarde lager dan 0.9 moet zijn. De hoogste correlaties die gevonden zijn, zijn die tussen inkomen en
opleidingsniveau zelf. Met een Spearman’s Rho 0.313 lijkt een hoger opleidingsniveau er dus voor te
zorgen dat de respondenten ook een hoger inkomen genieten. Ook lijkt er een lichte negatieve
correlatie tussen de leeftijd van een respondent en het opleidingsniveau. Dit betekent dat jongere
respondenten vaker hoog opgeleid zijn dan ouderen. Voor alle gevallen geldt echter dat de waarde
niet hoger dan 0.9 is wat betekent dat de variabelen opleidingsniveau en inkomen zonder problemen
in het model opgenomen kunnen worden.
De variabelen die van ratio of interval niveau zijn worden gecontroleerd op multicollineariteit middels
de Pearson’s R. Het betreft hier de variabelen leeftijd van de respondent, de winkelgebied kenmerken
en de fysieke kenmerken. Er zijn echter enkele interessante correlaties waargenomen die besproken
dienen te worden. Ten eerste zijn er correlatiecoëfficiënten gevonden met waarden boven de 0.9, dit
geldt voor de variabelen hoeveelheid winkelvloeroppervlakte en aantal verkooppunten. Beide
variabelen gaan in op de grootte van het winkelaanbod en meten daarmee dus eigenlijk hetzelfde. Er
is gekozen om de hoeveelheid winkelvloeroppervlakte in dit onderzoek op te nemen omdat deze
variabele de grootte van een het winkelaanbod het best weergeeft. Dat betekent automatisch dat het
aantal verkooppunten niet meegenomen kan worden.
Verder zijn er verschillende correlaties tussen de algemene waardering van het centrum en de
deelwaarderingen voor de centrumgebied kenmerken waargenomen. Ook tussen de verschillende
deelwaarderingen zijn verschillende correlaties waargenomen. Het is voor de hand liggend dat er
significante correlaties tussen de algemene waardering van het centrum en verschillende winkelgebied
kenmerken bestaan. Deze variabelen moeten namelijk de afhankelijke variabele algemene
aantrekkelijkheid verklaren. Ondanks het feit dat er dus significante correlaties bestaan tussen de
verschillende waarderingen zijn er zijn geen waarden boven de 0.9 waargenomen, dit betekent dat
alle variabelen zonder problemen toegevoegd kunnen worden aan het model.
33
4.3 Residuen analyse Nadat in de vorige paragraaf is geconcludeerd dat er geen multicollineariteit bestaat tussen de
verschillende variabelen die opgenomen zijn in de modellen moeten de laatste veronderstellingen van
de multipele regressie analyse gecontroleerd worden alvorens de analyses daadwerkelijk uitgevoerd
kunnen worden. In de residuen analyse wordt gecontroleerd of de residuen normaal verdeeld zijn, of
het model homoscedastisch is en of het model lineair is.
Uit de residuenplots blijken alle analysemodellen aan al deze voorwaarden te voldoen. Ten eerste is
te zien dat alle residuen normaal verdeeld zijn zoals vereist. Ook blijken de modellen homoscedastisch,
dat wil zeggen dat de variantie van de residuen niet beïnvloed wordt door de onafhankelijke variabele.
Uit de residuenplots blijkt dat de residuen in de verschillende analyses niet verder van de nullijn af
komen te liggen naarmate de waarde voor de afhankelijke variabele groter wordt. Dat betekent dat
de modellen homoscedastisch zijn. Als laatst wordt er bepaald of de modellen lineair zijn door te
observeren of de residuen evenwichtig verdeeld zijn rondom de nullijn zonder een patroon te vormen.
In geen van de residuenplots is een dergelijk patroon te onderscheiden dat er op wijst dat het model
niet lineair is. In bijlage 1.5 zijn de outputs en residuenplots van de verschillende regressieanalyses
weergegeven.
4.4 Multipele-regressieanalyse Er zijn in totaal zes verschillende regressieanalyses uitgevoerd, de eerste drie analyses gaan in op de
relatie tussen verschillende onafhankelijke variabelen en de algemene waardering van een binnenstad.
Omdat een groot aantal respondenten geen antwoorden op de vragen met betrekking tot inkomen,
opleidingsniveau en huishouden hebben gegeven is hier een aparte selectie respondenten voor
gemaakt die geen antwoorden op dit vlak missen. Deze selectie bestaat uit 1905 respondenten en
heeft daardoor een aparte analyse nodig. Om de invloed van de waarderingscijfers voor panden en
straten mee te kunnen nemen moet ook een aparte selectie respondenten gemaakt worden, deze
bestaat uit 3608 respondenten die al deze waarderingen hebben ingevuld. De rest van de modellen
zullen gebaseerd zijn op de onderstaande modellen en gebruiken een steekproef van 4788
respondenten (Tabel 1). Dit model zal niet alleen gebruikt worden om de relatie tussen de
onafhankelijke variabelen en de algemene waardering te onderzoeken maar ook tussen de
onafhankelijke variabelen en de bezoekfrequentie, bezoekduur en algehele uitgaven van de
respondent.
In de modellen worden de onafhankelijke variabelen in delen toegevoegd. Als eerst zullen de
aanbodkenmerken toegevoegd worden aan de analyse, daarna worden de standaard
persoonskenmerken leeftijd en geslacht meegenomen. Om vervolgens te kunnen onderzoeken of het
verband tussen de aanbodkenmerken en de algemene aantrekkelijkheid rechtstreeks verloopt of via
deelwaarderingen worden de waarderingen voor het winkel en horeca-aanbod toegevoegd. Als laatst
worden de overige fysieke kenmerken en waarderingscijfers toegevoegd aan het model. Uit
voorgaande paragrafen is gebleken dat alle modellen aan alle veronderstellingen voor een multipele
regressieanalyse voldaan hebben. Er bestaat geen multicollineariteit tussen de onderlinge variabelen,
de residuen zijn normaal verdeeld, en de modellen zijn homoscedastisch en lineair. Dit betekent dat
deze regressieanalyses uitgevoerd kunnen worden en alle variabelen in het model kunnen worden
opgenomen.
Voorafgaand aan de interpretatie regressieanalyse dient eerst de verklaringskracht van de
verschillende analyses in tabel 1 besproken te worden. In de modelsamenvatting wordt de R Square
van het model gegeven. Met enkel de toegevoegde aanbod kenmerken bedraagt de R Square 0.136 .
34
Dit betekent dat 13,6 procent van de variantie van de afhankelijke variabele, algemene
aantrekkelijkheid, in dit model verklaard wordt door de onafhankelijke variabalen. Zoals te zien in
tabel 1 worden de waarden voor de R Square steeds groter naarmate er meer onafhankelijke
variabelen toegevoegd worden, dit betekent dat de verklaringskracht van het model steeds groter
wordt.
Wanneer gekeken wordt naar de F waarde van het model zijn alle vier de modellen in de eerste tabel
significant, op dat punt verschillen ze dus niet. Naarmate er meer onafhankelijke variabelen
toegevoegd worden stijgt ook de F waarde. Echter wordt een F waarde geïnterpreteerd ten opzichte
van nul, dat betekent dat in alle gevallen het verschil in variantie tussen groepen groter is dan binnen
de groepen (De Vocht, 2019).
Interpretatie Tabel 1
De coëfficiënten voor de verschillende onafhankelijke variabelen worden in tabel 1 weergegeven voor
de eerste vier modellen. In model 1 zijn enkel de aanbod kenmerken meegenomen in de regressie, te
zien is dat op dat moment alle variabelen een significant verband vertonen met de afhankelijke
variabele. Het sterkste verband wordt veroorzaakt door het percentage zelfstandigen. Wanneer deze
variabele met één procent toeneemt neemt de waardering voor een binnenstad gemiddeld met 1.221
toe. Het percentage dagelijks aanbod en het percentage horeca en vrije tijd vertonen een negatief
effect ten opzichten van de waardering. Door het toevoegen van de verschillende deelwaarderingen
verliezen deze variabelen echter hun significantie, dat betekent dat er in model 1 sprake is van een
indirect verband. Dit indirecte verband loopt via de waardering van het horeca-aanbod en de
waardering van het winkelaanbod. Doordat deze variabelen in model 3 toegevoegd worden, verdwijnt
het verband zoals in model 1 aangegeven. Dit betekent dat de algemene waardering niet direct
beïnvloed wordt door het dagelijks aanbod, horeca-aanbod en het aanbod mode en luxe. Deze invloed
verloopt namelijk via de waardering van het winkel en horeca-aanbod naar de algehele
35
aantrekkelijkheid. Er is wel sprake van een positief significant verband tussen de waarderingen van het
horeca-aanbod en de waardering van het winkelaanbod en de algemene waardering van een
binnenstad. Deze deelwaarderingen worden vervolgens weer beïnvloed door de grootte van het
dagelijks aanbod, horeca-aanbod en het aanbod mode en luxe. Er is dus sprake van een indirect
verband.
Omdat model 4 de grootste verklaringskracht heeft wordt dit model als uitgangspunt genomen. De
aanbodkenmerken die wel significant blijven na het toevoegen van alle andere variabelen zijn; het
percentage zelfstandigen en het percentage leegstand. De grootte van het aantal zelfstandigen
vertoont een positief verband met de algemene waardering, wanneer er één procent meer
zelfstandigen in een binnenstad komen wordt die binnenstad dus gemiddeld met 0.554 hoger
gewaardeerd. Het percentage leegstand vertoont een negatief verband met de algemene
aantrekkelijkheid van een binnenstad; wanneer een er één procent leegstand van het
winkelvloeroppervlakte bij komt, daalt de waardering gemiddeld met 0.02.
Vanaf het tweede model worden de leeftijd en het geslacht van de respondent toegevoegd. De
mannelijke respondenten zijn in het model opgenomen, dat betekent automatisch dat deze
coëfficiënten geïnterpreteerd dienen te worden ten opzichten van de referentie categorie, namelijk
de vrouwelijke respondenten. In model 2 en model 3 lijken mannen binnensteden een fractie hoger te
beoordelen dan vrouwelijke respondenten, in model 4 lijkt de waardering echter lager te zijn. Wanneer
naar de significantie gekeken wordt is echter te zien dat het verband in geen van de modellen
significant is, er bestaat dus geen wezenlijk verschil in waardering van een binnenstad tussen
mannelijke en vrouwelijk respondenten. Leeftijd heeft in model 4 wel een significante invloed op de
algemene waardering. Een respondent waardeert een binnenstad gemiddeld 0.001 lager dan een
respondent die één jaar jonger is.
In model 4 zijn zoals eerder genoemd significante verbanden tussen de waardering van het horeca-
aanbod en de algemene waardering en de waardering van het winkelaanbod en de algemene
waardering. Wanneer een respondent het horeca-aanbod een punt hoger waardeert, wordt de
binnenstad als geheel ook 0,03 hoger gewaardeerd. Voor de waardering van het winkelaanbod geldt
dat wanneer een respondent het winkelaanbod met een punt hoger waardeert, deze respondent
geacht wordt het gehele centrum met 0.7 hoger te waarderen. De overige waarderingscijfers vertonen
ook een positief verband met de algemene waardering. Wanneer een respondent een binnenstad een
punt hoger geeft voor de algemene sfeer, bereikbaarheid of parkeergelegenheid heeft dit een hogere
waardering tot gevolg van respectievelijk 0.297, 0.054 en 0.026. De waardering van de sfeer heeft van
deze drie waarderingscijfers dus de grootste invloed op de gehele waardering.
Historische steden worden gemiddeld hoger gewaardeerd dan organisch ontwikkelde steden, deze
laatste steden vormen in dit geval de referentie categorie. Dit houdt in dat de historische steden
gemiddeld 0.078 hoger gewaardeerd worden dan organisch ontwikkelde steden. Ook planmatig
opgezette steden lijken hoger gewaardeerd te worden dan organische steden. Dit verband is echter
niet significant bij een betrouwbaarheidsinterval van 95%.
Inkomen, opleidingsniveau en huishouden
Zoals eerder besproken zijn er aanzienlijk minder respondenten opgenomen in het model waarin
inkomen, opleidingsniveau en huishouden als onafhankelijke variabelen zijn meegenomen. Ten eerste
is het van belang om te vermelden dat het dus niet om dezelfde selectie onderzoekseenheden gaat als
in tabel 1. In plaats van de 4788 respondenten die in tabel 1 meegenomen zijn er slechts 1905
36
respondenten meegenomen. De resultaten voor de regressieanalyse waar de variabelen inkomen,
opleidingsniveau en huishouden wel meegenomen zijn staan in onderstaande tabel 2. Zoals te zien in
de onderste rijen is de verklaringskracht van het model met 56% redelijk. Ook de F waarde toont aan
dat het model significant is. Het inkomen is onderverdeeld in drie categorieën; lage, midden en hoge
inkomens. De midden inkomens zijn opgenomen als referentiecategorie. Aan de coëfficiënten is af te
lezen dat respondenten met een hoger inkomen binnensteden relatief lager beoordelen dan lage en
midden inkomens. Dit verband is evenals de het positieve verband tussen de lage inkomens en de
gehele waardering niet significant. De waarden voor de opleidingscategorieën dienen geïnterpreteerd
te worden ten opzichten van de categorie respondenten die alleen de lagere school heeft afgemaakt.
Alle coëfficiënten zijn positief wat zou betekenen dat respondenten in de beschreven categorieën
binnensteden gemiddeld hoger waarderen dan respondenten die alleen de lagere school hebben
afgemaakt. Het verband is echter niet significant wat betekent dat er geen verschillen zijn in totale
waardering van binnensteden door respondenten op basis van hoogst behaald opleidingsniveau. Ook
voor de samenstelling van het huishouden geldt dat er geen significant verband te onderscheiden ten
opzichte van de algemene waardering van binnensteden.
Historisch, planmatig en organisch ontwikkelde steden
In Tabel 1 is geconcludeerd dat historische binnensteden hoger gewaardeerd worden dan organisch
ontwikkelde steden. Er is echter aanleiding om aan te nemen dat het verband tussen historiciteit en
de algemene waardering verloopt via de waardering van de panden en straten. Zoals eerder
aangehaald zijn echter niet voor alle steden de waarderingen van de straten en panden opgenomen in
37
de dataset. Dit maakt dat ook deze selectie onderzoekseenheden anders is dan de rest van de analyses.
In tabel 3 is de analyse te zien waar de waarderingscijfers van de straten en panden wel zijn
meegenomen. Waar de rest van de analyse overeenkomt met de waarden uit tabel 1 valt echter op
dat de waarden voor de historische steden en planmatige steden niet meer significant zijn. De
verklaring hiervoor zijn de toegevoegde waarderingscijfers voor panden en straten. Deze waarden zijn
namelijk wel significant. Dit betekent dat de invloed van historiciteit verloopt via de waarderingen van
de straten en panden. Historische steden krijgen gemiddeld een hogere waardering als het gaat om
uitstraling van hun straten en panden, deze waarderingen hebben vervolgens een positief effect op de
algehele waardering van een binnenstad.
Bezoekfrequentie
Naast de gehele waardering is ook onderzocht wat de invloed is van de verschillende onafhankelijke
variabelen op de bezoekfrequentie. Ten eersten dient vermeld te worden dat de verklaringskracht van
het model zeer gering is. In tabel 4 is te zien dat maximaal 6 procent van de variantie van de
bezoekfrequentie verklaard kan worden aan de hand van de onafhankelijke variabelen, dit . Het model
is met een F waarde van 21 wel significant. Wat opvallend is, is dat het aanbod mode en luxe, en het
aanbod zelfstandigen beide een negatief verband vertonen met de bezoekfrequentie. Daarnaast
vertoont ook het percentage leegstand een negatief verband met de bezoekfrequentie, respondenten
bezoeken een stad met meer leegstand dus relatief minder vaak. Het totale aantal
winkelvloeroppervlakte vertoont een significant positief verband met de bezoekfrequentie. Dit
38
betekent dat respondenten aangeven een binnenstad met een grotere hoeveelheid
winkelvloeroppervlakte vaker te bezoeken. Te zien is dat het waarderingscijfer voor bereikbaarheid
een significant positief verband vertoont met de bezoekfrequentie. Het waarderingscijfer voor de
parkeergelegenheid heeft een significant negatief verband met de bezoekfrequentie, dit is opvallend
aangezien dit zou betekenen dat respondenten die de parkeergelegenheid hoger waarderen minder
vaak een bezoek brengen aan een binnenstad, de verklaring hiervoor zou kunnen zijn dat
automobilisten wellicht minder vaak een bezoek brengen aan een binnenstad dan respondenten die
middels een andere vervoerswijze naar de binnenstad komen, parkeergelegenheid is met name voor
auto gebruikende respondenten van belang. De leeftijd van de respondent vertoont een significant
positief verband met de bezoekfrequentie. Met een positieve coëfficiënt van 0.803 wil dit zeggen dat
per jaar dat een respondent ouder is, deze gemiddeld 0.803 keer vaker per jaar een bezoek brengt aan
een binnenstad.
Bezoekduur
In tabel 5 is de relatie tussen de verschillende onafhankelijke variabelen en de bezoekduur onderzocht.
Ook dit model heeft slechts een verklaringskracht van 8.6 procent wanneer alle variabelen
meegenomen worden. De totale hoeveelheid winkelvloeroppervlakte heeft een positieve invloed op
de bezoekduur van de respondent evenals het aandeel mode en luxe en het aandeel zelfstandige
ondernemers. Dit houdt in dat per extra vierkante meter winkelvloer oppervlakte een respondent
geacht wordt 0.001 minuut langer in een binnenstad te verblijven. Daar op aansluitend wordt er een
positief verband gevonden tussen de waardering van het winkelaanbod en de bezoekduur. Voor ieder
punt dat een respondent een binnenstad hoger beoordeelt duurt het bezoek gemiddeld 2.4 minuten
langer. Het percentage zelfstandigen en mode en luxe winkels oefent ook een positief verband uit op
de algemene waardering. Wanneer er één procent meer zelfstandige of mode en luxe winkels bij
39
komen wordt de gemiddelde bezoekduur van een respondent respectievelijk 35.37 minuten en 0.65
minuten langer.
De waardering van de sfeer en parkeergelegenheid hebben een positief effect op de verblijfsduur van
respondenten. Tevens zijn de persoonskenmerken van de respondent meegenomen. De duur van een
bezoek van mannelijke respondenten is gemiddeld korter dan die van vrouwelijke respondenten zoals
in de beschrijvende statistiek al ondervonden. Oudere respondenten lijken een binnenstad gemiddeld
relatief langer te bezoeken dan jongere respondenten.
Totale uitgaven.
In tabel 6 worden de resultaten weergegeven voor de regressie met de totale uitgaven als afhankelijke
variabele. Met een R Square van slechts 0.014 is de verklaringskracht van het model erg laag. Slechts
1.4 procent van de variantie van de afhankelijke variabele wordt verklaard door de onafhankelijke
variabelen. Er zijn dan ook slechts drie significante verbanden in het model te onderscheiden.
Het verband tussen het aanbod winkelvloeroppervlakte en de totale uitgave is significant positief. Dit
houdt in dat een respondent gemiddeld meer geld uitgeeft in een binnenstad met een groter aanbod
winkels. Het is voor de hand liggend dat wanneer er meer aanbod is een respondent ook meer geld uit
zal geven in een binnenstad. Aansluitend op het aantal vierkante meters winkelaanbod vertoont ook
de waardering van het winkelaanbod een positief significant verband met de totale uitgaven van de
respondent. Wanneer de respondent een binnenstad met één punt hoger waardeert geeft de
respondent gemiddeld 4.63 euro meer uit bij een bezoek aan de stad.
40
Opvallend is dat de bereikbaarheid een negatief verband uitoefent op de totale uitgaven van de
respondent. Dit houdt in dat wanneer de respondent de bereikbaarheid van een binnenstad met een
punt hoger waardeert hij geacht wordt minder geldt uit te geven. Dit kan te maken hebben met het
feit dat de bereikbaarheid wel een positieve invloed heeft op de bezoekfrequentie. Wanneer een
respondent vaker naar een binnenstad gaat ligt het voor de hand dat hij per bezoek minder uitgeeft.
41
5. Conclusie Nadat in voorgaande paragrafen de resultaten van de analyses besproken zijn kunnen de hoofd en
deelvragen van dit onderzoek beantwoord worden. Daarnaast zullen in dit hoofdstuk ook
aanbevelingen met betrekking tot vervolg onderzoek gedaan worden en zal er kritisch gereflecteerd
worden op dit onderzoek.
De hoofdvraag die in dit onderzoek centraal staat; “In welke mate beïnvloeden verschillende
kenmerken van de binnenstad de aantrekkelijkheid?” kan na het vergaren van de benodigde resultaten
beantwoord worden. Daarnaast zullen de deelvragen ook meegenomen worden in het formuleren van
de beantwoording van de hoofdvraag. De eerste deelvraag betreft de waardering van middelgrote
binnensteden. In dit onderzoek zijn uiteindelijk dertig middelgrote Nederlandse binnensteden
meegenomen die allen een algemene beoordeling van de respondenten gekregen hebben. Gemiddeld
hebben de respondenten Amersfoort het hoogst beoordeeld met een gemiddelde totaal waardering
van 7.92. De stad Hengelo wordt het slechtst beoordeeld met een gemiddelde totaal waardering van
6.07. Deze data is voornamelijk gebruikt om de afhankelijke variabele ‘aantrekkelijkheid’ te meten. De
tweede en derde deelvraag zijn gebruikt om de verschillende fysieke kenmerken van een binnenstad
en de deelwaarderingen mee te nemen in de verklaring van de algemene aantrekkelijkheid. De vierde
deelvraag die gebruikt is om het onderzoek sturing te geven gaat in op de invloed van de persoonlijke
kenmerken van de respondent.
De tweede deelvraag dient als verdere beantwoording van de hoofdvraag. Deze deelvraag gaat
namelijk in op de invloed van de deelwaarderingen voor de winkelgebied kenmerken en de invloed op
de algemene waardering van de binnenstad door de respondent. Te beginnen met de
deelwaarderingen voor de winkelgebied kenmerken. Uit de resultaten sectie is al gebleken dat bijna al
deze onafhankelijke variabelen een significant positief verband vertonen met de afhankelijke variabele
aantrekkelijkheid. Met name het waarderingscijfer voor winkelaanbod en sfeer. Steden die op deze
gebieden goed gewaardeerd worden, worden over het algemeen dus ook als geheel hoger
gewaardeerd. Ook de deelwaarderingen voor bereikbaarheid, parkeergelegenheid en horeca-aanbod
vertonen een positief verband met de algehele aantrekkelijkheid van een binnenstad. De
waarderingen voor de panden en straten zijn in een kleinere selectie getoetst maar vertoonden wel
een significant positief verband met de algehele waardering van een binnenstad. Deze waarderingen
worden positief beïnvloed door historiciteit. Dit betekent dat via de waarderingen van panden en
straten, historische steden als geheel gemiddeld hoger gewaardeerd worden dan niet historische
steden.
Wat duidelijk wordt uit de regressie coëfficiënten uit de tabellen is dat de waardering van het
winkelaanbod de grootste invloed heeft op de algemene waardering door de respondent, dit komt
overeen met eerdere wetenschappelijke onderzoek van Janssen (2012) waar de waardering van het
winkelaanbod het sterkst samenhangt met de algehele waardering. Zoals in de inleiding besproken
zou er aanleiding kunnen zijn om de invloed van de waardering van het winkelaanbod te heroverwegen
aangezien consumentenbehoeften veranderen. Dit onderzoek toont echter aan dat de waardering van
het winkelaanbod dus nog steeds de belangrijkste factor is die de gehele aantrekkelijkheid van een
binnenstad bepaalt.
42
De waardering van de sfeer heeft in de verschillende modellen ook een hoog regressie coëfficiënt dit
betekent dat de invloed van de waardering op de algehele waardering erg sterk is. Het is dus van belang
voor binnensteden om op gebied van sfeer een hoge waardering te krijgen.
De waardering van het horeca-aanbod wordt door verschillende auteurs aangehaald als variabele die
een significant verband vertoont met de algemene aantrekkelijkheid van een binnenstad. Dit komt
overeen met de resultaten van dit onderzoek, in de meeste modellen vertoont de waardering voor het
horeca-aanbod namelijk een positief verband met de algehele waardering. Teller (2008) stelt in zijn
onderzoek dat een breed aanbod horeca en entertainment een significante positieve invloed heeft op
de algemene waardering van de binnenstad, dit sluit aan bij de resultaten die in dit onderzoek behaald
zijn. Andere studies vonden geen significant verband wordt gevonden tussen de waardering van de
horeca en de algemene aantrekkelijkheid van een binnenstad (Teller & Reutterer, 2008, Teller & Elms,
2010).
De laatste twee winkelgebied kenmerken die een significant verband vertonen ment de algemene
aantrekkelijkheid van een binnenstad zijn de waardering van de bereikbaarheid en
parkeergelegenheid. In beide gevallen wordt een positief verband gevonden tussen de onafhankelijke
en afhankelijke variabelen. Bereikbaarheid en parkeergelegenheid in veel wetenschappelijke studies
gezien wordt als een van de factoren die de aantrekkelijkheid beïnvloeden (Anselmsson, 2006, Teller,
2008, Teller & Reutterer, 2008, Teller & Elms, 2012, Jansen Et al, 2013).
De voorlaatste deelvraag die nog besproken dient te worden betreft de deelvraag over de fysieke
kenmerken. De invloed van het aandeel leegstand, historiciteit en de verschillende aanbod kenmerken
worden besproken op hun invloed op de algehele waardering. Te beginnen met leegstand, in alle
modellen heeft leegstand een negatief significant effect op de totale waardering van een binnenstad,
dit sluit aan op eerdere bevindingen in de literatuur. Historiciteit heeft een positief effect op de
algehele waardering. Zoals in de resultaten aangetoond worden historische steden hoger gewaardeerd
dan organisch of planmatig ontwikkelde steden. Echter is in tabel 3 aangetoond dat dit effect niet
rechtstreeks verloopt maar via de verschillende deelwaarderingen voor straten en panden. Er kan dus
geconcludeerd worden dat wanneer de straten en panden in een binnenstad hoger gewaardeerd
worden, de algehele waardering ook hoger is. Daarnaast worden de straten en panden in een
historische stad dus significant hoger gewaardeerd dan in planmatige of organische steden.
Als laatst moet de verdeling van het winkelvloeroppervlak besproken worden. Uit de resultaten is
gebleken dat de hoeveelheid winkelvloeroppervlak een positief significant verband vertoont met de
algehele aantrekkelijkheid. Het aantal zelfstandige ondernemers heeft een grotere positieve invloed
op de algehele aantrekkelijkheid. Een hoger percentage dagelijks, horeca of mode en luxe aanbod
heeft geen direct significant verband met de algemene waardering. Deze relaties lopen via de
waardering voor het winkel en horeca-aanbod.
In verschillende wetenschappelijke artikelen wordt gesteld dat de persoonlijke kenmerken van een
respondent van invloed zouden zijn op de gehele waardering van een binnenstad (Anselmsson,2006;
Janssen, 2012). Echter is in dit onderzoek geen significant verband gevonden tussen de
persoonskenmerken en de waardering van de algemene aantrekkelijkheid van binnensteden. Het
enige verband dat wel significant is, is de leeftijd van de respondent. Met een kleine negatief effect
van -0.001 kan dus gesteld worden dat oudere respondenten binnensteden over het algemeen lager
43
waarderen dan jongere respondenten. Dit komt overeen met de eerder onderzoeken van Anselmsson
(2006) en Janssen (2012).
Naast de invloed op waardering is ook onderzocht wat de invloed is van de verschillende
onafhankelijke variabelen op de bezoekfrequentie, bezoekduur en bestedingen van de respondent.
Deze modellen hebben een zeer geringe verklaringskracht. De bezoekfrequentie wordt positief
beïnvloed door de bereikbaarheid. Er bestaat echter een significant negatief verband tussen de
bezoekfrequentie en het waarderingscijfer voor parkeergelegenheid. Dit is opvallend aangezien dit zou
betekenen dat respondenten die de parkeergelegenheid hoger waarderen minder vaak een bezoek
brengen aan een binnenstad, de verklaring hiervoor zou kunnen zijn dat automobilisten wellicht
minder vaak een bezoek brengen aan een binnenstad dan respondenten die middels een andere
vervoerswijze naar de binnenstad komen, parkeergelegenheid is met name voor auto gebruikende
respondenten van belang. Verder blijkt dat oudere respondenten frequenter een bezoek brengen aan
een binnenstad dan jongere respondenten. Ook worden historische en planmatige binnensteden
frequenter bezocht dan organisch ontwikkelde binnensteden.
De bezoekduur hangt positief samen met het waarderingscijfer voor sfeer, ook een hogere waardering
van het winkelaanbod en de grootte van het winkelaanbod zorgt ervoor dat respondenten langer in
een binnenstad zullen blijven. Het aanbod zelfstandigen en het aandeel mode en luxe vertoont ook
een positief verband. Mannen lijken significant minder lang in een binnenstad te verblijven
De bestedingen in een binnenstad positief worden positief beïnvloed door de waardering en grootte
van het winkelaanbod en de waardering van de bereikbaarheid. Geen van de variabelen vertoont een
significant negatief verband met de bestedingen van de respondent.
Als antwoord op de hoofdvraag kan geconcludeerd worden dat de winkelgebied kenmerken die in de
wetenschappelijke literatuur genoemd worden als van invloed op de gehele aantrekkelijkheid een
positief significant verband vertonen met de algemene waardering van de onderzochte binnensteden.
Op de leeftijd van de respondent na vertonen de persoonlijke kenmerken van de respondenten echter
geen significant verband met de algemene waardering van de binnenstad. Alleen de leeftijd van de
respondent heeft een kleine negatief effect op de algemene waardering van de aantrekkelijkheid van
een binnenstad. De waardering en grootte van het winkelaanbod en de waardering van de sfeer
vertonen de sterkste verbanden met de algemene aantrekkelijkheid.
5.2 Aanbeveling In dit onderzoek is getracht te onderzoeken of de verschillende factoren die in de wetenschappelijke
literatuur gezien worden als van invloed op de algemene aantrekkelijkheid van een binnenstad in de
huidige tijd nog steeds van invloed zijn. Het is door de coronacrisis niet mogelijk geweest om zelf data
te verzamelen in binnensteden, dit heeft er voor gezorgd dat er reeds bestaande data gebruikt moest
worden. Wanneer er in de toekomst opnieuw onderzoek gedaan zal worden naar aantrekkelijkheid
van binnensteden en hoe deze verklaard zou kunnen worden is het wellicht wel mogelijk om nieuwe
data te vergaren. Op deze manier zou een meer actueel beeld geschetst kunnen worden van de stand
van zaken in middelgrote Nederlandse binnensteden. Daarnaast is de wijze van transport niet
meegenomen in het onderzoek, het negatieve verbanden tussen de waardering van
parkeergelegenheid de algemene aantrekkelijkheid hangt mogelijk samen met de wijze van transport.
In vervolg onderzoek zou deze variabele wellicht meegenomen kunnen worden om een completer
model te vormen.
44
De focus van dit onderzoek ligt op middelgrote binnensteden, in de aanleiding en relevantie is
besproken dat voor deze focus is gekozen doordat juist deze steden te maken hebben met problemen
als leegstand. Om een meer compleet beeld en referentiekader te creëren is het wellicht ook aan te
bevelen om in de toekomst enkele grote en kleine Nederlandse binnensteden mee te nemen in het
onderzoek. Op deze manier kan getoetst worden of de verschillen tussen middelgrote Nederlandse
binnensteden en relatief grotere en kleinere steden ook spelen onder respondenten. Op basis van
eventueel toekomstig onderzoek naar deze grotere en kleinere steden zouden de middelgrote
binnensteden in perspectief geplaatst kunnen worden omdat hierdoor dezelfde data beschikbaar komt
over al deze steden.
5.3 Reflectie In eerste instantie was de insteek van dit onderzoek om eigen data te verzamelen in middelgrote
binnensteden. Echter heeft de coronacrisis in het voorjaar van 2020 er voor gezorgd dat dit onmogelijk
werd. Om het onderzoek toch door te kunnen laten gaan heeft DTNP een dataset beschikbaar gesteld
die de onderzoekers instaat stelde toch empirisch onderzoek te kunnen doen. Het feit dat men als
onderzoeker werkt met data die niet zelf vergaard is zorgt ervoor dat de data niet vanaf moment een
eigen is. Dit maakt dat het op sommige punten lastig is om het overzicht te bewaren. Wanneer de data
uiteindelijk met SPSS geanalyseerd moet worden kan dit voor problemen zorgen. Het hebben van de
benodigde kennis over het analyseren van kwantitatieve data is ook een pre, wanneer deze kennis
ontbreekt ontstaat er een situatie waarin het doen van analyses meer tijd gaat kosten dan eigenlijk
noodzakelijk is, dit komt de resultaten van een onderzoek uiteraard niet ten goedde.
45
6. Bronnen Anselmsson, J. (2006). Sources of customer satisfaction with shopping malls: a comparative study of
different customer segments. International Review of Retail, Distribution and Consumer Research,
16(1), 115-138
Arentze, T., Oppewal, H., & Timmermans, H. (2005). A Multipurpose Shopping Trip Model to Assess
Retail Agglomeration Effects. Journal of Marketing Research, 42(1), 109-115. Retrieved June 3, 2020,
from www.jstor.org/stable/30162360
Buitelaar, E. (2014). Doemdenken over leegstand. Geraadpleegd op 23-5-2020 via
https://www.gebiedsontwikkeling.nu/artikelen/doemdenken-over-leegstand/
CBS, (2008). Consumentenvertrouwen stort in. Geraadpleegd op 29-5-20 via https://www.cbs.nl/nl-
nl/nieuws/2008/31/consumentenvertrouwen-stort-in
CBS, (2019). Bevolking; geslacht, leeftijd en burgerlijke staat, 1 januari. Geraadpleegd op 18-6-20 via
https://opendata.cbs.nl/statline/?dl=308BE#/CBS/nl/dataset/7461bev/table
CBS, (2019). Bevolking; kerncijfers. Geraadpleegd op 11-06-20 via
https://opendata.cbs.nl/statline/#/CBS/nl/dataset/37296NED/table?fromstatweb
CBS, (2019). Inkomensverdeling. Geraadpleegd op 18-6-20 via https://www.cbs.nl/nl-
nl/visualisaties/inkomensverdeling
CBS, (2019). In tien jaar tijd ruim 11 procent minder winkels. Geraadpleegd op 12-05-20 via
https://www.cbs.nl/nl-nl/nieuws/2019/51/in-tien-jaar-tijd-ruim-11-procent-minder-winkels
CBS, (2019). Meeste oppervlakte leegstand bij kantoren en winkels. Geraadpleegd op 25 januari 2020
op https://www.cbs.nl/nl-nl/nieuws/2019/48/meeste-oppervlakteleegstand-bij-kantoren-en-winkels
CBS, (2019). Particuliere huidhoudens naar samenstelling en grootte. Geraadpleegd op 18-6-20 via
https://opendata.cbs.nl/statline/#/CBS/nl/dataset/37975/table?ts=1557830646907
CBS, (2020). Conjunctuurklok. Geraadpleegd op 29-5-20 via https://www.cbs.nl/nl-
nl/visualisaties/conjunctuurklok
CBS, (2020). Detailhandel; omzetontwikkeling internetverkopen. Geraadpleegd op 19 april 2020 op
https://opendata.cbs.nl/statline/#/CBS/nl/dataset/83867NED/table
CBS, (2020). Omzet detailhandel ruim 3 procent hoger in 2019. Geraadpleegd op 19 april 2020 op
https://www.cbs.nl/nl-nl/nieuws/2020/07/omzet-detailhandel-ruim-3-procent-hoger-in-2019
Clarke, I. (2000). Retail Power, Competition And Local Consumer Choice In The UK Grocery Sector.
CLO, (2019). Leegstand van winkels, 2014- 2018. Geraadpleegd op 15-5-20 op
https://www.clo.nl/indicatoren/nl2151-leegstand-winkels
Clapp, J. Messner, S. (1988). Real Estate Market Analysis. Geraadpleegd op 21-05-20 via
https://books.google.nl/books?id=Dk2nayz_0sgC&pg=PA69&lpg=PA69&dq=breakpoint+model+conv
erse+gravitation&source=bl&ots=NCpH5cxx4w&sig=ACfU3U3GHHMltSKD8cHdYTdzxjI7Utcy-
A&hl=nl&sa=X&ved=2ahUKEwiulv_OgcXpAhVMjqQKHbOEDEY4ChDoATACegQICBAB#v=onepage&q=
breakpoint%20model%20converse%20gravitation&f=false
46
Converse, P. (1949). New Laws of Retail Gravitation. Journal of Marketing, 14(3), 379-384.
doi:10.2307/1248191
DTNP. (2015). De lokale kansen van middelgrote centra. Geraadpleegd op 27 maart 2020 op
file:///C:/Users/jesse/Downloads/SERVICE%20Magazine%2023.1-
De%20lokale%20kansen%20van%20middelgrote%20centra%20DEF.pdf
DTNP. (2019). Het middelgrote centrum als sociaal hart
Dynamis, (2019). Sprekende Cijfers Winkelmarkten 2019. Geraadpleegd op 27-3-20 op
https://dynamis.nl/uploads/media/file/ed42f0d2-33ed-4bed-ad24-8aefc5b33a93/sprekende-cijfers-
winkelmarkten-2019.pdf
Evers, D., Kooijman, D., & van der Krabben, E. (2011). Planning van winkels en winkelgebieden in
Nederland. Den Haag: Sdu Uitgevers bv.
Evers, D. Tennekes, J. van Dongen, F. (2014) De Bestendige Binnenstad. Geraadpleegd op 25 februari
2020 op https://www.pbl.nl/sites/default/files/downloads/PBL_2014_Bestendige_binnenstad.pdf
Future retail city center (2018). Een vitale en aantrekkelijke binnenstad. geraadpleegd op 15-6-20 via
https://www.shoppingtomorrow.nl/nl/themas/city-store/city-center/future-retail-city-center-2017-
2018
Huff, D. (1963). A Probabilistic Analysis of Shopping Center Trade Areas. Land Economics, 39(1), 81-90.
Geraadpleegd op 1 april 2020 op
https://www.jstor.org/stable/pdf/3144521.pdf?refreqid=excelsior%3A4dd3ae2648b82a1d0b1f615d
1f9d6331
Janssen, I. van den Berg, P. Borgers, A. (2013) Belevingskenmerken van binnenstedelijke
winkelgebieden. In Real estate research quarterly
Korzilius, H. (2000). De kern van survey-onderzoek.
Lekkerkerker, J. (2016) Midsize NL Het toekomstperspectief van de middelgrote stad. Platform31.
Geraadpleegd op 15-5-20 via
https://www.platform31.nl/uploads/media_item/media_item/60/18/Magazine_Midsize_NL-
1455112679.pdf
Lekkerkerker, J. Janssen, J. (2016) op zoek naar perspectief voor middelgrote steden. In Rooilijn
Jg.49/Nr.2/2016 (pp. 84 – 95) geraadpleegd op 19-04-2020 op
http://archief.rooilijn.nl/download?type=document&identifier=609471
Locatus. (2018). Hoe nu verder met de middelgrote stad.
Manski, C. (2001) Daniel Mcfadden and the Econometric Analysis of Discrete Choiche. Geraadpleegd
op 21-5-2020 via https://www.jstor.org/stable/3440992?seq=1#metadata_info_tab_contents
Oppewal, H., & Timmermans, H. J. P. (1993). Conjuncte keuze-experimenten : achtergronden, theorie,
toepassingen en ontwikkelingen. In Recente ontwikkelingen in het marktonderzoek : jaarboek van de
Nederrlandse Verenging van Marktonderzoekers 1992-'93 (pp. 33-58). Haarlem: de Vrieseborch.
47
Oppewal, H., Timmermans, H. J. P., & Louviere, J. J. (1997). Modelling the effects of shopping centre
size and store variety on consumer choice behaviour. Environment and Planning A, 29(6), 1073-
1090. https://doi.org/10.1068/a291073
Oppewal, H., & Timmermans, H. J. P. (1997). Retailer self-perceived store image and competitive
position. International Review of Retail, Distribution and Consumer Research, 7(1), 41-59.
Ouwehad, A. Haringsma, J. (2016). De transitie van de Nederlandse winkelstructuur, Van waarde naar
vitaliteit. Colliers international, Amsterdam. Geraadpleegd op 12-5-20 via https://nrw.nl/wp-
content/uploads/2015/02/Colliers-Transitie-van-de-nederlandse-winkelstructuur-13-05-2016.pdf
Platform31, (2014). Winkelgebied van de Toekomst. Geraadpleegd op 16-5-20 via
https://www.platform31.nl/publicaties/winkelgebied-van-de-toekomst
Platform31, (2018). De nieuwe binnenstad. geraadpleegd op 1-5-2020 via
https://www.platform31.nl/publicaties/de-nieuwe-binnenstad
Reilly, W.J., (1931) The law of Retail Gravitation, New York,
Teller, C. (2008), “Shopping streets versus shopping malls – determinants of agglomeration format
attractiveness from the consumers’ point of view”, International Review of Retail, Distribution &
Consumer Research, Vol. 18 No. 4, pp. 381-403.
Teller, C., Elms, J. R. (2010). Managing the attractiveness of evolved and created retail agglomerations
formats. Marketing Intelligence & Planning, 28(1), 25-45.
Teller, C., Reutterer, T. (2008). The evolving concept of retail attractiveness: What makes retail
agglomerations attractive when customers shop at them? Journal of Retailing and Consumer Services,
15(3), 127-143.
Timmermans, H. J. P. (1982). Consumer choice of shopping centre : an information integration
approach. Regional Studies, 16(3), 171-182. https://doi.org/10.1080/09595238200185201
Verschuren, P. & Doorewaard,H. (2015). Het ontwerpen van een onderzoek.
Vennix, J. (2011). Theorie en praktijk van empirisch onderzoek.
Wrigley, N., Lambiri, D. (2014). High Street Performance and Evolution. Geraadpleegd op 24 februari
2020 op http://thegreatbritishhighstreet.co.uk/pdf/GBHS-HighStreetReport.pdf
Weltevreden, J. (2007). E-shoppen een tijdbesparend alternatief.
Weltevreden, j. & van Rietbergen, T. (2007). E-shopping versus city centre shopping the role of
perceived city centre attractiveness