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