TNO-rapport TNO 2016 R11480 Ontwikkeling van kwantitatieve ...€¦ · 4500 huishoudens uit de...

Leeghwaterstraat 44 2628 CA Delft P.O. Box 6012 2600 JA Delft The Netherlands www.tno.nl T +31 88 866 22 00

TNO-rapport TNO 2016 R11480

Ontwikkeling van kwantitatieve modellen voor de predictie van warm tapwatergebruik

Datum 14 November 2016 Auteur(s) Y. de Kluizenaar, L Hoes van Oeffelen, H. Hofstetter , D. Levie Aantal pagina's 33 (incl. bijlagen) Naam rapport 04 Model douchegedrag Opdrachtgever Ministerie BZK

Turfmarkt 147 2511 DP Den Haag

Projectnummer 054.02465 Alle rechten voorbehouden. Niets uit deze uitgave mag worden vermenigvuldigd en/of openbaar gemaakt door middel van druk, fotokopie, microfilm of op welke andere wijze dan ook, zonder voorafgaande toestemming van TNO. Indien dit rapport in opdracht werd uitgebracht, wordt voor de rechten en verplichtingen van opdrachtgever en opdrachtnemer verwezen naar de Algemene Voorwaarden voor opdrachten aan TNO, dan wel de betreffende terzake tussen de partijen gesloten overeenkomst. Het ter inzage geven van het TNO-rapport aan direct belanghebbenden is toegestaan. © 2016 TNO

TNO-rapport | TNO 2016 R11480 2 /33

Samenvatting

Energiegebruik in woningen wordt mede bepaald door bewonersgedrag. In het kader van het project Building Future 2 is getracht deze invloed beter te begrijpen en waar mogelijk te kwantificeren. Doel is hiermee tevens een basis te leggen om in de voorspelling van energiegebruik beter rekening te kunnen houden met de invloed van de gebruiker. Dit deelrapport richt zich op:

1. Het identificeren van kenmerken van huishoudens en de woning die samenhangen met gedrag met betrekking tot warm tapwatergebruik, meer specifiek: douchegebruik;

2. Het ontwikkelen van een kwantitatief model voor het beter voorspellen van warm tapwatergebruik door rekening te houden met deze kenmerken.

Analyses zijn uitgevoerd op de Energiemodule behorend bij de WoON2006 database, aangevuld met gegevens uit de Woningmarktmodule van datzelfde jaar. Het WoON onderzoek wordt periodiek uitgevoerd in samenwerking tussen het Centraal Bureau voor de Statistiek (CBS) en het Ministerie van Binnenlandse Zaken en Koninkrijksrelaties. Het onderzoek laat zien dat er grote verschillen zijn in douchegebruik tussen deelgroepen. Zo is er een duidelijke (niet-lineaire) relatie met leeftijd. Onder kenmerken (van personen, het huishouden en de woning waarin zij wonen) waarvoor, naast leeftijd, een relatie werd gevonden met doucheduur (per persoon) vallen: aantal personen in het huishouden, etniciteit, eigendomssituatie van de woning en type warm tapwateropwekker. In het project is een kwantitatief model ontwikkeld. Hiermee kunnen eerste voorspellingen worden gedaan voor verwachte doucheduur voor bepaalde doelgroepen, rekening houdend met de geobserveerde verbanden met kenmerken van bewoners, het huishouden en de woning. Hoewel de enquête is uitgevoerd voor huishoudens, zijn in WoON2006 gegevens beschikbaar voor elk individueel persoon in het huishouden. Het model voor de doucheduur voorspelt dan ook het aantal doucheminuten per week per persoon. Een toets op de kwaliteit van implementatie van het model laat zien dat de geobserveerde (gerapporteerde) waarden (gemiddeld) goed overeenkomen met de gemodelleerde waarden, niet alleen voor de populatie als geheel, maar ook voor subgroepen (bijvoorbeeld de subgroepen ‘jongeren’ of ‘ouderen’). Het gedragsmodel dat is ontwikkeld maakt het mogelijk geobserveerde verschillen in gedrag tussen huishoudens met verschillende kenmerken beter te voorspellen dan op basis van een vaste standaardwaarde. Hierdoor kan in de energiemodellering beter rekening worden gehouden met deze (vaak substantiële) verschillen tussen groepen.


Inhoudsopgave

Samenvatting ............................................................................................................................ 2

1 Inleiding .................................................................................................................... 4 1.1 Energiemodellering en invloed van de gebruiker ...................................................... 4 1.2 Doel ........................................................................................................................... 5 1.3 Opbouw van dit rapport ............................................................................................. 5

2 Aanpak op hoofdlijnen ............................................................................................ 6 2.1 Gevolgde benadering: Naar verbeterde predictie van bewonersgedrag ................... 6 2.2 Aanpak: Onderzoeksfasen ........................................................................................ 6 2.3 Onderliggende data: Studie populatie ....................................................................... 7 2.4 Nadere beschrijving determinanten in modelvorming ............................................... 8

3 Warm tapwatergebruik en determinanten ........................................................... 10 3.1 Invloed van warm tapwatergebruik op het energiegebruik ...................................... 10 3.2 Prominente gedragingen met betrekking tot warm tapwatergebruik ....................... 10 3.3 Prominente determinanten uit de literatuur ............................................................. 10 3.4 Selectie van determinanten voor generiek toepasbaar model ................................ 11 3.5 Aandachtspunten ..................................................................................................... 12

4 Populatiegemiddeld douchegebruik.................................................................... 13

5 Relatie predictoren en douchegebruik ................................................................ 15 5.1 Enkelvoudige regressieanalyses douchegebruik .................................................... 15 5.2 Meervoudige regressieanalyses douchegebruik ..................................................... 19 5.3 Regressievergelijking voor douchegebruik .............................................................. 21

6 Voorspeld versus werkelijk gedrag ..................................................................... 23 6.1 Voorspeld gedrag versus gerapporteerd gedrag: hele populatie ............................ 23 6.2 Voorspeld gedrag versus werkelijk gerapporteerd gedrag: deelgroepen ................ 25 6.3 Simulaties: Verkennen relatieve invloed kenmerken op douchegebruik ................. 27

7 Conclusies .............................................................................................................. 28

8 Aanbevelingen voor toekomstige dataverzameling ........................................... 29 8.1 Vragenlijsten ............................................................................................................ 29 8.2 Monitoring ................................................................................................................ 30

9 Referenties ............................................................................................................. 31

10 Ondertekening ....................................................................................................... 33


1 Inleiding

Het werkelijk energiegebruik in woningen wordt — naast bouwkundige- en installatietechnische kenmerken van de woning en klimatologische kenmerken — mede bepaald door het gedrag van de gebruikers. In het kader van het project Building Future 2, is getracht deze invloed beter te begrijpen en waar mogelijk te kwantificeren. Het doel is hiermee een basis te leggen om in de modellering van het verwachte energiegebruik beter rekening te kunnen houden met de invloed van de gebruiker, teneinde de voorspelling van verwacht energiegebruik te verbeteren. Dit is belangrijk om het effect van energiebesparende maatregelen beter te kunnen inschatten en aanknopingspunten te verkrijgen voor het verminderen van het werkelijk energiegebruik in woningen.1 Groeiend aandeel warm tapwatergebruik in totale warmtevraag De warmtevraag van Nederlandse huishoudens bestaat uit ruimteverwarming, verwarmen van water (warm tapwater) en koken. Ruimteverwarming heeft gemiddeld het grootste aandeel in het totale gasgebruik van huishoudens, op afstand gevolgd door warm tapwater en koken. Het relatieve aandeel van warm tapwater in de totale warmtevraag van huishoudens zal echter toenemen, naarmate de energetische kwaliteit van woningen verbetert (en het ruimteverwarming-gerelateerde gasgebruik afneemt). Daarnaast is er over de afgelopen decennia een gestage stijging waargenomen van het warm tapwater gebruik voor douchen, in liters per persoon per dag (TNS-NIPO, 2014). Focus In het gemiddelde warm tapwatergebruik van huishoudens heeft douchen het belangrijkste aandeel (ongeveer 80%), op afstand gevolgd door baden, en warm tapwatergebruik aan de wastafel en in de keuken. Dit deelrapport richt zich op het identificeren van determinanten voor douchegedrag en het ontwikkelen van een kwantitatief model voor het beter voorspellen van dat gedrag.

1.1 Energiemodellering en invloed van de gebruiker

In energiemodellen wordt voor warm tapwatergebruik meestal uitgegaan van een standaard aanname voor het aantal liter warm tapwater (60oC) per persoon per dag, waarbij het aantal personen wordt bepaald op basis van de gebruiksoppervlakte van de woning. Echter, het warm tapwatergebruik kan in de praktijk sterk verschillen tussen huishoudens. Deze verschillen in het aantal liters warm tapwater voor douchen per persoon worden voor een groot deel veroorzaakt door verschillen in gebruikersgedrag (naast de aanwezige installatie en voorzieningen zoals de aanwezigheid van een waterbesparende douchekop, of een ‘comfort-douche’).

1 Ten behoeve van de leesbaarheid zijn de resultaten van de deelstudies naar verschillende gedragsaspecten (gedrag met betrekking tot ruimteverwarming, ventilatie, warm tapwater) in verschillende deelrapporten beschreven. Het onderliggend doel en algemene aanpak van het onderzoek naar energiegedrag voor de verschillende vormen van energiegedrag beschreven in verschillende deelrapporten is echter gelijk. Om het toch mogelijk te maken de deelrapporten ook afzonderlijk te kunnen lezen, is de inleiding (aanleiding en doel van het onderzoek), aanpak en bespreking van resultaten in de verschillende rapporten op dezelfde manier beschreven.


1.2 Doel

Het doel van het in dit rapport beschreven onderzoek is tweeledig: [1] Het identificeren van determinanten van douchegedrag (de kenmerken van personen, het huishouden en de woning waarin zij wonen, die samenhangen met douchegedrag) en [2] Het afleiden van een generiek toepasbare kwantitatief model voor de predictie van bewonersgedrag met betrekking tot het douchegedrag (totale doucheduur per persoon per week).

1.3 Opbouw van dit rapport

In dit rapport wordt achtereenvolgens op hoofdlijnen ingegaan op: 1. De gevolgde aanpak (Hoofdstuk 2); 2. De belangrijkste resultaten van het literatuuronderzoek met betrekking tot

warm tapwatergebruik en de selectie van determinanten ten behoeve van inclusie in het gedragsmodel (Hoofdstuk 3);

3. Het geobserveerde populatiegemiddelde gedrag ten behoeve van een eerste verfijning van huidige modelaannamen (Hoofdstuk 4);

4. Identificatie van determinanten voor douchegedrag en modelvorming: De resultaten van de enkelvoudige analyses en het meervoudige (gecombineerde) model (Hoofdstuk 5);

5. Evaluatie van de kwaliteit van de voorspelling door het ontwikkelde model: voorspeld versus gerapporteerd gedrag (Hoofdstuk 6);

6. Conclusies (Hoofdstuk 7). 7. Aanbevelingen voor toekomstige dataverzameling (Hoofdstuk 8);


2 Aanpak op hoofdlijnen

2.1 Gevolgde benadering: Naar verbeterde predictie van bewonersgedrag

In energiemodellen worden aannames gedaan voor de hoeveelheid warm tapwater die wordt gebruikt in het huishouden. Hoe beter deze aanname de werkelijkheid benadert, hoe beter het warm tapwater-gerelateerde energiegebruik voorspeld kan worden. Populatiegemiddeld gedrag Het populatiegemiddelde is berekend voor zelf-gerapporteerd douchegedrag (minuten per week). Na een vertaling (in liters per week) levert dit een eerste ruwe schatting van het warm tapwatergebruik voor douchen voor een ‘gemiddeld’ persoon (Hoofdstuk 4). Gedragsmodel Vervolgens is onderzocht welke kenmerken van personen, het huishouden en de woning een relatie hebben met de doucheduur, om inzicht te krijgen in verschillen in gedrag tussen verschillende typen personen of huishoudens. Zo zou bijvoorbeeld kunnen worden verwacht dat er (gemiddeld genomen) verschillen zijn in doucheduur tussen oudere en jongere bewoners. Een kwantitatief gedragsmodel maakt het mogelijk beter rekening te houden met deze verschillen tussen personen en huishoudens in de voorspelling van doucheduur (Hoofdstuk 5). Het onderzoek is verdeeld in verschillende onderzoeksfasen, hierna beschreven.

2.2 Aanpak: Onderzoeksfasen

2.2.1 Fase 1: Literatuuronderzoek (Hoofdstuk 3) Allereerst is een verkennend literatuuronderzoek uitgevoerd om inzicht te krijgen in de huidige stand van kennis over:

1. De voor warm tapwatergebruik prominente gedragingen; Hieruit kwam naar voren dat doucheduur de meest prominente gedraging is voor warm tapwatergebruik.

2. De kenmerken van personen, huishoudens en de woningen waarin zij wonen die mogelijk een relatie hebben met deze gedragingen (hierna genoemd ‘determinanten’ of ‘predictoren’).

Doel van deze literatuurstudie was onder andere het identificeren van belangrijke variabelen voor de ontwikkeling van kwantitatieve gedragsmodellen. De resultaten van dit literatuuronderzoek zijn eerder in detail beschreven in (De Kluizenaar et al., 2014) en worden in dit rapport daarom slechts kort en op hoofdlijnen samengevat.

2.2.2 Fase 2: Populatiegemiddeld gedrag (Hoofdstuk 4) Vervolgens is het populatiegemiddelde berekend voor zelf-gerapporteerd douchegedrag ten behoeve van een eerste ruwe schatting van het warm tapwatergebruik voor douchen voor een ‘gemiddeld’ persoon.


2.2.3 Fase 3: Enkelvoudige regressiemodellen (Hoofdstuk 5.1) In enkelvoudige regressiemodellen is voor douchegedrag onderzocht welke kenmerken van het huishouden en de woning hiermee samenhangen.

2.2.4 Fase 4: Meervoudig regressiemodel (Hoofdstuk 5.2) Vervolgens is een kwantitatief model ontwikkeld, waarin een combinatie van kenmerken van het huishouden en de woning is meegenomen, waarmee een voorspelling kan worden gedaan van de doucheduur (minuten per week).

2.2.5 Fase 5: Implementatie toetsing (Hoofdstuk 6) Het ontwikkelde model is geïmplementeerd en toegepast om voor alle respondenten in de database een voorspelling te doen voor het douchegebruik. Vervolgens zijn deze voorspellingen vergeleken met de gerapporteerde waarden, zowel voor de populatie als geheel, als voor subgroepen, ter toetsing van de implementatie.

2.3 Onderliggende data: Studie populatie

De Energiemodule behorend bij het WoON onderzoek is een periodiek grootschalig onderzoek dat inzicht geeft in het energiegedrag van huishoudens in Nederland. Het WoON onderzoek wordt iedere drie jaar uitgevoerd in samenwerking tussen het Centraal Bureau voor de Statistiek (CBS) en het Ministerie van Binnenlandse Zaken en Koninkrijksrelaties. Zowel in 2006 als in 2012 is hieraan ook een Energiemodule toegevoegd. In dit onderzoek is zowel gebruik gemaakt van de Energiemodule als van de Woningmarktmodule uit 2006. De woningmarktmodule bevat aanvullende gegevens van de huishoudens, zoals kenmerken van de woning. Informatie over douchegedrag is beschikbaar voor ruim 10 000 personen uit ruim 4500 huishoudens uit de Energiemodule behorend bij WoON2006. Omdat individuele demografische kenmerken (waaronder leeftijd, geslacht etc.) in de WoON 2006 database wel op individueel niveau beschikbaar waren, maar in WoON 2012 niet, is voor de modelontwikkeling uitgegaan van WoON2006.2 Uitbijters zijn ge-excludeerd (personen die hebben aangegeven vaker dan 3 maal per dag te douchen, of langer dan 60 minuten per douchebeurt: N = 8). In de WoON 2006 survey is de volgende vraag gesteld: “[….] Kunt u in onderstaand schema per persoon aangeven hoe vaak die per week doucht en hoe lang die daar gemiddeld over doet? Gebruikt u hier dezelfde namen als die u in het begin van vragenlijst heeft opgegeven. (Naam, Aantal douches per week, Gemiddelde duur van de douche)”

2 De WoON2006 Energiemodule database werd beschikbaar gesteld door door het Ministerie van Binnenlandse Zaken en Koninkrijksrelaties. De WoON2006 Woningmarktmodule werd aangeleverd door Data Archiving and Networked Services (DANS) (versie 1.2, 20 juli 2007). DGMR adviseurs heeft aan de hand van informatie over de fysieke kenmerken van de woning het energielabel van elke woning in de Energiemodule 2006 dataset bepaald. De onderliggende data voor deze berekening is door DGMR aan TNO verstrekt om de ‘warmteoverdrachtcoëfficiënt door transmisse (Ht)’ van de woning te kunnen berekenen, een maat voor de thermische isolatie van de woning. De hiervoor gebruikte rekenmethodiek is beschreven in ISSO 82.3 (2011).


Uit beschikbare gegevens is de doucheduur (in minuten per persoon per week) afgeleid.

2.4 Nadere beschrijving determinanten in modelvorming

In de modelontwikkeling voor douchegebruik is rekening gehouden met de volgende kenmerken van het individu, het huishouden en de woning, waaronder: − Leeftijd; − Geslacht; − Besteedbaar huishoudinkomen (CBS); − Huishoudgrootte; − Samenstelling huishouden; − Etnische achtergrond; − Werksituatie; − Eigendomssituatie woning; − Energetische kwaliteit woning; − Woningoppervlak; − Type warm tapwateropwekker. In Tabel 2.1 wordt een overzicht gegeven van alle kenmerken van personen, het huishouden en de woning, die in de analyses voor douchegebruik zijn meegenomen. In hoofdstuk 3 wordt de selectie van deze kenmerken op basis van de literatuur verder toegelicht. In de modelontwikkeling is op individueel niveau rekening gehouden met de leeftijd en geslacht, etnische achtergrond (categorieën: autochtoon, allochtoon westers, allochtoon niet-westers), werksituatie (categorieën: betaald werk, geen betaald werk, schoolgaand kind, onbekend), en met positie in het huishouden3. Op het niveau van het huishouden is rekening gehouden met het besteedbaar huishoudinkomen, het aantal bewoners, eigendomssituatie van de woning (huur of koop), warmteverliescoëfficiënt voor transmissie (als maat voor energetische kwaliteit van de woning; Ht), totale gebruiksoppervlakte van de woning en type warm tapwateropwekker. Voor verdiepende analyse: ‘energiebewustzijn’ Verondersteld werd dat ‘energiebewustzijn’ mogelijk van invloed is op gedrag. Omdat gegevens over ‘energiebewustzijn’ niet generiek beschikbaar zijn, is de variabele ‘energiebewustzijn’ in het uiteindelijke model niet meegenomen. Immers, het meenemen van kenmerken waarover vaak geen gegevens beschikbaar zijn, zou de toepasbaarheid van het model beperken, terwijl gestreefd werd naar generieke toepasbaarheid. Om toch meer gevoel te krijgen voor de invloed van ‘energiebewustzijn’, is (ter verkenning) wel een analyse gedaan, waarbij deze (extra) variabele aan het meervoudige model voor doucheduur is toegevoegd. Informatie over ‘energiebewustzijn’ was beschikbaar uit de Energiemodule, uit de vraag hoe belangrijk de respondent energiezuinig gedrag vindt. In de analyse is de variabele dichotoom meegenomen (‘heel belangrijk’ versus overig (‘belangrijk’, ‘niet belangrijk, niet onbelangrijk’, ‘niet zo belangrijk’, ‘helemaal niet belangrijk’)).

3 De variabelen positie in het huishouden en werksituatie zijn uiteindelijk niet in het meervoudige eindmodel meegenomen in verband met hoge multicollineariteit met leeftijd.


Tabel 2.1 Overzicht predictoren douchegebruik in WoON 2006 (N=10244).

Predictoren Voorkomen Leeftijd (gemiddelde, standaard deviatie) a 42,4 (23,5) Geslacht (%) Vrouwelijk 51,0 Etniciteit (%)b Autochtoon 87,6

Allochtoon niet-westers 5,4 Allochtoon westers 7,0

Positie in huishouden (%)c Hoofdkostwinner 43,6 Partner hoofdkostwinner

25,4

Anders 3,3 Thuiswonend kind 0-17 21,7 Thuiswonend kind >=18

6,0

Werksituatie: Betaald werk (%)d Ja 38,9 Nee 33,1 Schoolgaand kind 21,9 Onbekend 6,1

Inkomen (mediaan, 25e-75e percentiel)e

31985,5 (16296,5-42296,0)

Huishoudgrootte (%) 1 persoon 14,3 2 personen 33,9 3 personen 13,7 ≥4 personen 38,1

Eigendomssituatie woning (%) Huur 40,1 Koop 59,9

Warmtetransmissie coëfficiënt van de schil (W/K) (mediaan, 25e-75e percentiel) f

249 (169-370)

Gebruiksoppervlakte woning (m2) (mediaan, 25e-75e percentiel)

120 (80-160)

Type warm tapwater opwekker (%)g Combiketel, zonneboiler, warmtepompboiler of collectieve voorziening

83,7

Alleen geiser 10,5 Alleen boiler 5,8

a. De leeftijd van personen, bepaald uit het geboortejaar. b. Etniciteit van personen, in 3 categorieën: autochtoon, allochtoon niet-westers, allochtoon

westers. Voor kinderen is etniciteit afgeleid uit de etniciteit van de moeder. c. De positie in het huishouden van personen in 4 categorieën: hoofdkostwinner, partner van de

hoofdkostwinner, thuiswonend kind, anders. Zoals hiervoor opgemerkt is deze variabele niet opgenomen in het uiteindelijke model.

d. Werksituatie van personen, afgeleid uit de bron van het inkomen van hoofdbewoner en partner, thuiswonende kinderen onder de 18 ingedeeld in de categorie ‘schoolgaand’. Zoals hiervoor opgemerkt is deze variabele niet opgenomen in het uiteindelijke model.

e. Het besteedbaar huishoudinkomen (volgens CBS definitie). f. De warmteoverdrachtcoëfficiënt door transmissie (Ht), uitgedrukt in W/K is een maat voor de

warmteverliezen door transmissie door de gebouwschil en is daarmee een maat voor de thermische kwaliteit van de gebouwschil. Ht is afhankelijk van zowel de oppervlakte als de thermische kwaliteit van de schil. Een hogere Ht-waarde is een indicatie voor een slechtere thermische kwaliteit van de schil. Ht is berekend met de rekenmethodiek beschreven in ISSO 82.3 (2011), op basis van gegevens over fysieke woningkenmerken, aangeleverd door DGMR adviseurs.

g. Type warm water opwekker in 3 categorieën: 'combiketel/collectief' (combiketel, zonneboiler, warmtepompboiler of collectieve voorziening); 'alleen geiser'; 'alleen boiler'.

TNO-rapport | TNO 2016 R11480 10 /33

3 Warm tapwatergebruik en determinanten

Dit hoofdstuk vat de belangrijkste resultaten samen van het literatuuronderzoek voor het onderdeel warm tapwatergebruik, inclusief een toelichting bij gemaakte keuzes t.a.v. onderzocht gedrag en de selectie van determinanten (Fase 1 van dit onderzoek). De literatuurstudie is eerder in meer detail beschreven (De Kluizenaar et al., 2014).

3.1 Invloed van warm tapwatergebruik op het energiegebruik

Leidelmeijer en Cozijnsen (2009) relateerden douchegebruik aan totale energiekosten en concludeerden dat het verschil in energiekosten tussen ‘kort’ en ‘lang’ douchende huishoudens (gemiddeld) circa 10% bedraagt. In energiezuinige woningen is naar verwachting het relatieve belang van doucheduur groter.

3.2 Prominente gedragingen met betrekking tot warm tapwatergebruik

De spreiding in warm tapwatergebruik tussen huishoudens (Weegink et al., 1997) en verschillen in individueel gedrag zijn groot (Kempton, 1988). Douchegebruik is (met een gemiddeld aandeel van het totale warm tapwatergebruik van > 80%) het voor warm tapwater gerelateerd energiegebruik bepalende gedragsaspect (TNS NIPO, 2014). Het relatieve belang van badgebruik is (met een gemiddeld aandeel in het totale warm tapwatergebruik < 3%) uiterst klein. Dit onderzoek richt zich daarom op het ontwikkelen van een kwantitatief model voor verfijnde predictie van douchegebruik (doucheduur per persoon per week).

3.3 Prominente determinanten uit de literatuur

Beschikbare kennis over determinanten van warm tapwatergebruik wordt hieronder kort samengevat.

3.3.1 Gebruiker- en woning gerelateerde determinanten van douchegebruik Over determinanten van douchegebruik is slechts zeer beperkt literatuur beschikbaar. In een Australische studie naar determinanten van douche-gerelateerd watergebruik in 200 huishoudens, werden relaties gevonden met samenstelling van het huishouden, inkomen, opleidingsniveau, werksituatie, en ‘douchekop efficiëntie’. Leeftijd en de aanwezigheid van kinderen in bepaalde leeftijdsgroepen werd in verband gebracht met douchegebruik. Daarnaast werd ook een verband gevonden met de aanwezigheid van vrouwen in het huishouden (Makki et al., 2013). In een recent rapport van TNS-NIPO (2014), worden (deels) dezelfde kenmerken genoemd in relatie tot warm tapwatergebruik: leeftijd, geslacht, inkomen, samenstelling en grootte van het huishouden, douche type (bijv. comfortdouche). Daarnaast wordt in dit rapport genoemd: etnische achtergrond en buitentemperatuur. Ook de energetische kwaliteit van woningen en type warm tapwateropwekker zijn eerder genoemd in relatie tot warm tapwatergebruik (Leidelmeijer en Cozijnsen, 2009). En eigendomssituatie van de woning (Aydinalp

TNO-rapport | TNO 2016 R11480 11 /33

et al. 2004). Hierna worden bevindingen voor een aantal prominente factoren omschreven.

3.3.2 Sterkte en richting van eerder gevonden verbanden Hierna worden kort een aantal eerder gevonden verbanden beschreven: Geslacht Er zijn aanwijzingen dat het douchegebruik voor vrouwen iets hoger ligt dan voor mannen (TNS NIPO, 2014). Leeftijd Er zijn aanwijzingen voor een niet lineaire relatie met leeftijd, waarbij het douchegebruik vanaf zeer jonge leeftijd eerst toeneemt met de leeftijd en vanaf een zekere leeftijd weer afneemt (TNS-NIPO, 2014; Tigchelaar en Leidelmeijer, 2013). Inkomen Hoewel in verschillende studies een relatie is gevonden tussen inkomen en warm tapwatergebruik, verschilt de richting van deze relatie tussen studies. Terwijl niet-Nederlandse studies vaak een positieve relatie rapporteren (Makki et al., 2013; Aydinalp et al., 2004; review Arbues et al., 2003), is in Nederlandse studies juist een omgekeerde relatie gevonden (hoger inkomen, korter douchen) (Leidelmeijer en Cozijnsen, 2009; Tigchelaar en Leidelmeijer, 2013; TNS-NIPO, 2014). Etniciteit Verschillende studies rapporteren een relatie tussen doucheduur en etnische achtergrond, met hogere doucheduur in niet-Westerse allochtonen (Leidelmeijer en Cozijnsen, 2009; Tigchelaar en Leidelmeijer, 2013; TNS-NIPO, 2014). Type warm tapwateropwekker Er zijn aanwijzingen voor een kortere doucheduur bij aanwezigheid van een elektrische of keukenboiler (Leidelmeijer en Cozijnsen, 2009). Daarnaast blijkt ook de aanwezigheid van een waterbesparende douchekop samen te hangen met een (gemiddeld) iets kortere doucheduur (Leidelmeijer en Cozijnsen, 2009; Tigchelaar en Leidelmeijer, 2013).

3.4 Selectie van determinanten voor generiek toepasbaar model

Op basis van literatuur is een eerste selectie gemaakt van determinanten die worden meegenomen in de gedragsmodellering. Een voorwaarde voor het includeren van een determinant is dat informatie algemeen beschikbaar moet zijn (o.a. bij het Centraal Bureau voor Statistiek, CBS), zodat de ontwikkelde modellen generiek toepasbaar zijn. In de onderstaande tabel wordt een overzicht gegeven van de in de literatuur genoemde kenmerken, en de variabelen die worden meegenomen in de modellering. Vervolgens wordt de selectie kort toegelicht.

TNO-rapport | TNO 2016 R11480 12 /33

Tabel 3.1. Selectie van determinanten voor het douchegedragsmodel. Predictor uit literatuur Predictor in gedragsmodel3)

Leeftijd Leeftijd Geslacht Geslacht Inkomen Besteedbaar huishoudinkomen (CBS definitie) Samenstelling huishouden Huishoudgrootte: aantal inwoners1) Etniciteit Etniciteit: Autochtoon, allochtoon westers,

allochtoon niet-westers (CBS definitie) Eigendomssituatie woning Huur of koop Energetische kwaliteit woning Warmteverliescoëfficiënt voor transmissie (Ht) - Totale gebruiksoppervlakte woning2)

Type warm tapwateropwekker Type warm tapwateropwekker in 3 categorieën: 1) Combiketel, zonneboiler, warmtepompboiler of collectieve voorziening; 2) alleen geiser; 3) alleen boiler.

1) Demografische kenmerken als leeftijd, geslacht, etniciteit worden in de modellering meegenomen op individueel niveau. Voor het voorspellen van douchegedrag zijn deze persoonskenmerken (mogelijk) niet genoeg. Het is namelijk denkbaar dat een deel van het douchegedrag kan worden toegeschreven aan huishoudkenmerken, zoals aantal inwoners en het huishoudinkomen. Om douchegedrag te voorspellen wordt daarom een geneste (“multilevel”) structuur gehanteerd, waardoor rekening gehouden wordt met het feit dat personen binnen een huishouden – door huishoudkenmerken- meer op elkaar lijken in hun douchegedrag dan personen tussen huishoudens. Een analyse waarbij rekening gehouden wordt met deze multilevel structuur kan betere voorspelmodellen opleveren dan conventionele regressieanalyse (waarin wordt aangenomen dat waarnemingen onafhankelijk van elkaar zijn). 2) Als indicator voor het aantal en de omvang van aanwezige badruimte(s). 3) Werksituatie en positie in het huishouden zijn niet in deze tabel opgenomen omdat deze niet in het uiteindelijke model zijn meegenomen.

3.5 Aandachtspunten

Eerdere studies geven aan dat respondenten in vragenlijstonderzoeken hun douchegebruik mogelijk overschatten, met circa 15% (Beal et al., 2013; Weegink et al; 1997). Wellicht is daarom wanneer gedragsmodellen worden toegepast ten behoeve van predictie van verwacht douchegebruik een correctie nodig achteraf voor deze potentiele overschatting. Een inschatting voor de mate van overschatting kan worden verkregen door de berekende hoeveelheid douchewater per persoon o.b.v. de modellen ontwikkeld op basis van WoON2006 (doucheduur (minuten) x liters per minuut) te vergelijken met beschikbare meetgegevens. TNS NIPO (2014) bijvoorbeeld, berekende een gemiddelde hoeveelheid warm tapwater voor douchen van 51,4 liter per persoon per dag (voor peiljaar: 2013). Daarbij moet wel worden opgemerkt dat ook voor dit getal een onzekerheidsmarge geldt en dat de hoeveelheid warm tapwatergebruik voor douchen aanzienlijk kan verschillen per jaar, o.a. door verschillen in aantal warme dagen en door de eerder genoemde toenemende trend in de tijd.

TNO-rapport | TNO 2016 R11480 13 /33

4 Populatiegemiddeld douchegebruik

Het meest eenvoudige ‘model’ voor het gedrag van gebruikers is gebaseerd op het ‘populatiegemiddeld gedrag’ berekend op basis van gegevens uit de Energiemodule behorend bij WoON 2006 (Fase 2 van dit onderzoek). De resultaten worden hier beschreven. Voor warm tapwatergebruik wordt in energiemodellen meestal uitgegaan van een standaard aanname voor het aantal liters warm tapwater (60 °C) per persoon per dag, waarbij het aantal personen wordt bepaald op basis van de gebruiksoppervlakte van de woning. In de Energiemodule van de WoON2006 zijn echter voor een grote groep mensen (N > 10 000) gedetailleerde gegevens beschikbaar over gedrag met betrekking tot de doucheduur (aantal keer douchen per week en gemiddelde doucheduur per douche). De WoON survey is gericht op het verkrijgen van een zo representatief mogelijke steekproef van het Nederlandse woningbestand (ABF Research, 2007). De gegevens over gerapporteerd ‘werkelijk gedrag’ met betrekking tot aantallen doucheminuten vormen (na vertaling in liters) hiermee een eerste bescheiden stap richting verfijning van eerdere aannames voor ‘standaardgebruik’.4 Populatiegemiddelden voor gedrag zijn weergegeven in Tabel 4.1. Hierin wordt het gemiddeld aantal keer douchen per week, de gemiddelde doucheduur en het gemiddelde totale aantal minuten per week weergegeven. Daarnaast wordt de waarde aangegeven waarbij 50% van de mensen meer rapporteren en 50% minder rapporteren dan die waarde (de mediane waarde). Om een indruk te geven van de spreiding tussen individuen zijn daarnaast de 25e en 75e percentielgrenzen weergegeven. Tabel 4.1 Beschrijving gedrag met betrekking tot douchen (uit WoON 2006, N = 10244) Douchefrequentie:

(aantal keer per week)1 Doucheduur: (minuten per keer)

Totale doucheduur2

(minuten per week)

Gemiddeld 5,3 10,2 54,4 25e-75e percentiel

3-7 5-15 28-70

1 Wanneer alleen het aantal keer douchen per maand bekend is en niet het aantal keer douchen per week (slechts voor een kleine groep), is dit omgerekend in aantal keer douchen per week (=aantal keer douchen per maand * 12 maanden / 52 weken). 2 Voor 2 personen (<0,1%) was deze informatie niet beschikbaar. Tabel 4.1 laat zien dat de respondenten van WoON2006 gemiddeld 54,40 minuten per week douchen. Verder is er grote spreiding in gedrag te zien. In een onderzoek uitgevoerd door TNS-NIPO (TNS-NIPO, 2014) in een voor de Nederlandse populatie representatieve steekproef van 1349 consumenten, is het totaal gemiddeld warm tapwatergebruik voor douchen geschat op 51,4 liter per

4 Eventueel na correctie voor ‘over-rapportage’ (overschatting door respondenten) zie Hoofdstuk 3.5.

TNO-rapport | TNO 2016 R11480 14 /33

persoon per dag (peiljaar 2013). In datzelfde rapport wordt een verwacht gemiddelde watergebruik vermeld van 8,0 liter per minuut (voor normale douches, gebaseerd op een meting uit 2010). De geschatte 51,4 liter per persoon per dag (in 2013) is gebaseerd op het douchegebruik in 2010, waarbij gecorrigeerd is voor veranderingen in het gebruik (lagere frequentie, maar toename in duur: netto een positieve correctie) sinds 2010. Voor alle personen in de WoON2006 Energiemodule populatie is op basis van de gerapporteerde doucheduur het verwachte aantal liter per persoon berekend. Uitgaande van de 8,0 liter per minuut voor een normale douche, resulteert dit in een gemiddelde van 62,25 liter per persoon per dag. Dit is hoger dan de door TNS-NIPO berekende waarde (51,4). Dit verschil van ruim 10 liter kan mogelijk deels verklaard worden door een eerder genoemde overschatting van doucheduur in surveys (bijv. Beal et al., 2013, Weegink et al. 1997), eerder voor douche- en badgebruik geschat op circa 15% boven de gemeten waarde. Eventueel kan worden overwogen voor deze mogelijke overschatting te corrigeren. Hiervoor is echter nodig over voldoende kennis te beschikken over de omvang van eventuele overschatting in de Nederlandse populatie (verhouding populatiegemiddelde ‘zelf-gerapporteerde doucheminuten’ ten opzichte van populatiegemiddelde werkelijk aantal doucheminuten). Zo zou bijvoorbeeld rekening gehouden kunnen worden met de verhouding tussen het gemiddeld aantal ‘werkelijk gemeten’ doucheminuten voor een populatie in een bepaald jaar (indien meetgegevens voor voldoende grote populatiesteekproef beschikbaar) en het gemiddeld aantal zelf-gerapporteerde doucheminuten in WoON2006 (de populatiesteekproef op basis waarvan de modellen zijn ontwikkeld).

5 Het aantal minuten per week is omgerekend naar aantal minuten per dag (deling door 7). Vervolgens is deze waarde vermenigvuldigd met 8,0 liter per minuut.

TNO-rapport | TNO 2016 R11480 15 /33

5 Relatie predictoren en douchegebruik

In dit hoofdstuk worden eerst kort de inzichten beschreven die zijn opgedaan in de verkennende enkelvoudige analyses (Fase 3; H 5.1). Daarin is onderzocht welke van de kenmerken (individuele kenmerken, kenmerken van het huishouden en kenmerken van de woning) één op één samenhangen met douchegebruik. Waar relevant, is ook gekeken naar de vorm van dit verband. Deze resultaten vormen de basis voor de definitieve selectie van predictoren voor opname in het gecombineerde model, dat vervolgens worden gepresenteerd. Analyses Voor de volledigheid wordt er op gewezen dat relaties gevonden in enkelvoudige analyses met enige voorzichtigheid moeten worden geïnterpreteerd, omdat kenmerken onderling kunnen samenhangen en een gevonden enkelvoudige relatie dus (deels) verklaard zou kunnen worden door andere kenmerken die (ook) een rol spelen in de relatie tussen de determinant en de uitkomstmaat. In meervoudige analyses (Fase 4; H5.2) waarin de relatie wordt onderzocht tussen doucheduur en meerdere determinanten, wordt met dit soort onderlinge relaties rekening gehouden. Er wordt ook wel gezegd dat er in dit geval wordt ‘gecorrigeerd’ voor deze verbanden tussen kenmerken onderling. Het aantal minuten douchen per week is scheef verdeeld. Na logtransformatie is de variabele normaal verdeeld. Er bleek een relatie te zijn tussen het douchegedrag van leden binnen hetzelfde huishouden (bepaald op basis van de intra-class-correlation (ICC)). Het douchegedrag gerapporteerd door leden binnen eenzelfde huishouden, mag in de analyses dus niet als onafhankelijke waarnemingen worden beschouwd. Daarom is een multilevel model toegepast. Een multilevel model houdt rekening met het feit dat bepaalde personen tot eenzelfde huishouden behoren. In het model worden kenmerken van het huishouden op huishoudniveau (level 2) meegenomen en individuele kenmerken op persoonsniveau (level 1).

5.1 Enkelvoudige regressieanalyses douchegebruik

In de hierna volgende tabel (Tabel 5.1) worden de (enkelvoudige) relaties tussen predictoren en gedrag met betrekking tot doucheduur (na logtransformatie) weergegeven. Uit de enkelvoudige regressiemodellen kunnen niet direct conclusies worden getrokken met betrekking tot een directe link tussen een predictor en douchegedrag. Mogelijk spelen andere predictoren een belangrijke rol. In de gecombineerde modellen (meervoudige regressieanalyses) wordt dit verder onderzocht. Tabel 5.1 laat zien dat een aantal bewonerskenmerken duidelijk naar voren komt vanwege een relatie met doucheduur, waaronder leeftijd, etniciteit, werksituatie, huishoudgrootte en in mindere mate geslacht en inkomen. Daarnaast is voor een aantal woningkenmerken een relatie zichtbaar met de doucheduur, waaronder de

TNO-rapport | TNO 2016 R11480 16 /33

eigendomssituatie van de woning, energetische kwaliteit, type warmteopwekker en gebruiksoppervlak. Tabel 5.1 Resultaten enkelvoudige regressieanalyses: doucheduur (log minuten per week).

Determinant/Predictor Significantied)

Leeftijd (lineair)b ***

Leeftijd (kwadratisch)b ***

Leeftijd (tertiair)b ***

Geslachta) *

Etniciteita):

Allochtoon niet-Westers ***

Allochtoon Westers

Betaald werka)

Geen betaald werk ***

Schoolgaand kind ***

Onbekend ***

Aantal personen in het huishoudena

2 personen *

3 personen

>= 4 personen ***

Inkomen (log)c * Eigendomssituatie woning (huur vs. koop) ***

Warmtetransmissie coëficient (log)c ***

Oppervlakte woning (log)c ***

Type warm tapwateropwekkera, e)

Geiser

Boiler ***

a) Referentie-categorieën: ‘mannelijk’, ‘autochtoon’, ‘betaald werk’, ‘eenpersoonshuishouden’ en ‘combiketel e.a. voor respectievelijk: geslacht, etniciteit, betaald werk, aantal personen in het huishouden en type warm tapwateropwekker. b) Dit betreft een gecentreerde variabele (leeftijd-(42,38)). Voor leeftijd is tevens naar de kwadratische en tertiaire term gekeken i.v.m. verwachte niet-lineaire vorm van de relatie. c) Deze variabele is loggetransformeerd (ln(X)). d) † Coëfficiënt met p< 0.1; * Coëfficiënt is significant met p < 0.05;

** Coëfficiënt is significant met p < 0.01; *** Coëfficiënt is significant met p < 0.001 (Omdat de dataset vrij groot is (N > 10 000), wordt verwachten dat de t-verdeling de normale verdeling benadert, en als zodanig wordt geschat dat een voorspeller als significant beschouwd mag worden als: * Coëfficiënt is significant met p < 0.05 |t| >1.96; ** Coëfficiënt is significant met p < 0.01 als |t| >2.58; *** Coëfficiënt is significant met p < 0.001 als |t| >3.29.

e Combiketel, zonneboiler, warmtepompboiler of collectieve voorziening.

TNO-rapport | TNO 2016 R11480 17 /33

Ter illustratie wordt in de hierna volgende figuren een aantal van de meest in het oog springende verbanden weergegeven: Voor leeftijd (Figuur 5.1), etniciteit (Figuur 5.2), eigendomssituatie (Figuur 5.3) en type warmteopwekker (Figuur 5.4). Onderstaande figuren geven de mediane-6, de 25e en 75e percentiel waarden en de gemiddelde waarden weer.

Figuur 5.1. Relatie tussen leeftijd en doucheduur (aantal minuten per week).

Figuur 5.2. Relatie tussen etniciteit en doucheduur (aantal minuten per week).

6 De mediane waarde is de middelste waarde in een reeks naar grootte geordende getallen: de helft van de getallen ligt onder de mediaan, de andere helft erboven. Voordeel van de mediaan is dat deze minder gevoelig is voor ‘uitbijters’ (extreme waarden) dan het gemiddelde.

0-3 4-11 12-17 18-34 35-44 45-54 55-64 >650

20

40

60

80

100

Aant

al m

inut

en d

ouch

en p

er w

eek

Leeftijd (jaar)

mediaangemiddelde

autochtoon allochtoon niet-westers

allochtoon westers0

20

40

60

80

100

Aant

al m

inut

en d

ouch

en p

er w

eek

Etniciteit

mediaan

gemiddelde

TNO-rapport | TNO 2016 R11480 18 /33

Figuur 5.3. Relatie tussen eigendomssituatie van de woning en doucheduur

(aantal minuten per week).

Figuur 5.4. Relatie tussen type warmteopwekker en doucheduur

(aantal minuten per week).

Koopwoning Huurwoning20

30

40

50

60

70

80

Aant

al m

inut

en d

ouch

en p

er w

eek mediaan

gemiddelde

combiketel geiser boiler0

10

20

30

40

50

60

70

80

90

100

Aant

al m

inut

en d

ouch

en p

er w

eek

Type warmteopwekker

mediaangemiddelde

TNO-rapport | TNO 2016 R11480 19 /33

5.2 Meervoudige regressieanalyses douchegebruik

Tabel 5.2 geeft een overzicht van de gevonden verbanden in het gecombineerde model (meervoudige analyse) waarin alle predictoren tezamen zijn meegenomen. Dit meervoudige model laat zien in welke mate de afzonderlijke variabelen bijdragen aan de predictie van douchegebruik, rekening houdend met de andere kenmerken van de persoon, het huishouden en de woning. Hoewel hierdoor eventuele verbanden zuiverder aangetoond kunnen worden, moet ook hier voorzichtig worden omgegaan met conclusies over mogelijke causaliteit. Het meervoudige model bevestigt de niet-lineaire relatie met leeftijd, een langere doucheduur bij niet-Westerse allochtonen, een kortere doucheduur bij toenemend aantal personen in het huishouden, een langere doucheduur in huurwoningen en een kortere doucheduur in woningen met een boiler als warm tapwateropwekker. Opmerkingen:

• De variabelen leeftijd, betaald werk en positie in het huishouden bleken sterk te overlappen (multicollineariteit). Omdat multicollineariteit invloed heeft op de schatting van de coëfficiënten, is besloten het model te selecteren zonder betaald werk en positie in het huishouden.

• Gezien de scheve verdeling van de data werd in de modelontwikkeling uitgegaan van de log-getransformeerde waarden voor doucheminuten [‘log(doucheminuten)’]. Bij het evalueren van de implementatie van het meervoudige predictiemodel voor het aantal minuten douchen per week op een logschaal, bleek dat de gemiddelde predictie goed overeen kwam met de log-getransformeerde gerapporteerde waarden. Echter, de focus van dit onderzoek is de predictie van doucheminuten (niet log(doucheminuten)). Het middels de anti-log terugvertalen van voorspelde waarden voor ‘log(doucheminuten)’ naar een aantal minuten douchen per week, bleek voor een systematische onderschatting te zorgen. In de literatuur is dit een vaker beschreven probleem, dat optreedt wanneer modellen met een log-getransformeerde eindmaat toegepast worden voor scenarioberekeningen (voorspelling) van een eindmaat op de oorspronkelijke schaal. Er zijn wiskundige methodieken beschikbaar om waarden terug te kunnen schatten naar de oorspronkelijke verdeling. Deze bleken echter lastig toe te passen voor vertaling van de resultaten uit een multi-level predictiemodel. Daarom is tevens een meervoudig multi-level regressiemodel geschat, waarmee de relatie met doucheminuten in de oorspronkelijke schaal is onderzocht (zonder logtransformatie). Dit model bleek beter geschikt voor de predictie van doucheminuten en is daarom hier gepresenteerd. Echter, de dan optredende heteroscedasticiteit heeft invloed op de schatting van standaardfouten en daardoor zijn de significantietoetsen minder betrouwbaar. Enige voorzichtigheid moet daarom worden geboden bij het interpreteren van de p-waarden.

TNO-rapport | TNO 2016 R11480 20 /33

Tabel 5.2 Resultaten meervoudige regressieanalyses: doucheduur. Determinant/Predictor Richting en significantief) van het

verband richting significantief)

Leeftijd (lineair)b ↓ ***

Leeftijd (kwadratisch)b ↓ ***

Leeftijd (tertiair)b ↑ ***

Geslachta) -

Etniciteita):

Allochtoon niet-Westers ↑ ***

Allochtoon Westers -

Aantal personen in het huishoudena

2 personen ↓

3 personen ↓ **

>= 4 personen ↓ ***

Inkomen (log)c ↑ † Eigendomssituatie woning (huur vs. koop) ↑ ***

Warmtetransmissiecoëficient (log)c ↓ †

Oppervlakte woning (log)c

Type warm tapwateropwekkera, e)

Geiser

Boiler ↓ *

a) Referentie-categorieën: ‘mannelijk’, ‘autochtoon’, ‘betaald werk’, ‘eenpersoonshuishouden’ en ‘combiketel e.a.’ voor respectievelijk: geslacht, etniciteit, betaald werk, aantal personen in het huishouden en type warm tapwateropwekker. b) Dit betreft een gecentreerde variabele (leeftijd-(42,38)). Voor leeftijd is tevens naar de kwadratische en tertiaire term gekeken i.v.m. verwachte niet-lineaire vorm van de relatie. c) Deze variabele is loggetransformeerd (ln(X)). d) † Coëfficiënt met p< 0.1; * Coëfficiënt is significant met p < 0.05; ** Coëfficiënt is significant met p <

0.01; *** Coëfficiënt is significant met p < 0.001 (Omdat de dataset vrij groot is (N > 10 000), wordt verwachten dat de t-verdeling de normale verdeling benadert, en als zodanig wordt geschat dat een voorspeller als significant beschouwd mag worden als: † Coëfficiënt met p< 0.1 als |t| >1.65; * Coëfficiënt is significant met p < 0.05 |t| >1.96; ** Coëfficiënt is significant met p < 0.01 als |t| >2.58; *** Coëfficiënt is significant met p < 0.001 als |t| >3.29.

e) Combiketel, zonneboiler, warmtepompboiler of collectieve voorziening. f) Heteroscedasticiteit in deze modellen heeft invloed op de schatting van standaardfouten en daardoor zijn de significantietoetsen minder betrouwbaar.

TNO-rapport | TNO 2016 R11480 21 /33

Verdiepende analyse: energiebewustzijn De ter verkenning uitgevoerde (extra) analyse met ‘energiebewustzijn’ als extra variabele liet een significante bijdrage zien in het meervoudig model: Huishoudens waarin energiezuinig gedrag erg belangrijk wordt gevonden, hebben kortere voorspelde doucheduur per persoon en verbruiken dus naar verwachting gemiddeld minder warm water. Het model met energiezuinig gedrag gaf een iets betere fit dan een model zonder deze variabele (resultaten niet weergegeven). Het verschil in gemiddelde doucheduur tussen de groep die energiezuinig gedrag ‘heel belangrijk’ vindt en de rest van de studiepopulatie lijkt echter beperkt in omvang, met circa 4 minuten verschil (8%) in gemiddelde doucheduur tussen beide groepen. Tabel 5.3 Gemiddelde doucheduur naar ‘energiebewustzijn’ (dichotoom). N Gemiddelde doucheduur

(minuten per week) Heel belangrijk 2707 51,31 Belangrijk/niet belangrijk, niet onbelangrijk/ niet zo belangrijk/helemaal niet belangrijk

7498 55,57

Wanneer de gemiddelde doucheduur verder wordt opgesplitst naar antwoordcategorie, wordt wel een duidelijk oplopend gemiddelde zichtbaar. Tabel 5.4 Gemiddelde doucheduur naar ‘energiebewustzijn’ (nader bekeken). N Gemiddelde doucheduur

(minuten per week) Heel belangrijk 2707 51,31 Belangrijk 6530 54,81 Niet belangrijk, niet onbelangrijk

761 60,18

Niet zo/helemaal niet belangrijk

207 62,47

Zoals eerder vermeld, zijn er helaas buiten de WoON database doorgaans geen gegevens bekend die als determinant voor het energiebewustzijn kunnen worden gebruikt. Omdat het doel van deze studie was generieke modellen op te stellen, is de variabele ‘energiebewustzijn’ daarom niet meegenomen in het kwantitatieve model.

5.3 Regressievergelijking voor douchegebruik

Met meervoudige multilevel regressie analyse is de relatie onderzocht tussen enerzijds de kenmerken van personen, het huishouden en de woning en anderzijds de doucheduur (min. per week). Met de resulterende regressievergelijkingen kan verwachte doucheduur voorspeld worden, gegeven de waarden van de predictoren

TNO-rapport | TNO 2016 R11480 22 /33

(kenmerken). Hoewel de voorspelling op individueel niveau nog steeds sterk kan afwijken van het werkelijk gedrag van dat individu, kan zo beter rekening worden gehouden met verschillen in gedrag tussen groepen (bijv. ouderen vs. jongeren). De meervoudige regressieanalyse gepresenteerd in Tabel 5.2 resulteert in een regressievergelijking, waarmee het aantal doucheminuten per persoon per week voorspeld kan worden7 (Zie Box 1). Opgemerkt moet worden dat het aantal liters warm tapwater voor douchen per persoon een gestage toenemende trend in de tijd laat zien, vooral veroorzaakt door toename in doucheduur (TNS-NIPO, 2014). Bij voorspelling voor recentere jaren is van belang rekening te houden met deze trend.

7 In een multilevel regressiemodel worden zowel ‘fixed’ als ‘random’ effecten geschat. Fixed effecten slaan op het geschatte effect van een predictor op doucheduur waarbij geen rekening gehouden wordt met variatie tussen huishoudens, terwijl een random effect ongeobserveerde heterogeniteit tussen huishoudens modelleert. Voor het voorspellen van de verwachte doucheduur voor ‘nieuwe’ individuen (dat wil zeggen, individuen die niet in de dataset zitten) kan echter alleen gebruik worden gemaakt van de fixed effecten, omdat de waarden van de random (i.e., ongeobserveerde) effecten niet beschikbaar zijn voor nieuwe individuen. De verklaarde variantie van een predictiemodel waarbij alleen gebruik wordt gemaakt van de fixed effecten (uit een model waarin zowel fixed als random effecten geschat zijn) is goed (R2 = 0,20), wat betekent dat we door alleen gebruik te maken van fixed effecten een goed predictiemodel voorhanden hebben.

TNO-rapport | TNO 2016 R11480 23 /33

6 Voorspeld versus werkelijk gedrag

Het ontwikkelde regressiemodel is geïmplementeerd en vervolgens gebruikt om voor de studiepopulatie als geheel (zie 6.1) en voor een aantal specifieke deelgroepen (zie 6.2) het verwachte douchegedrag te voorspellen. Deze voorspellingen zijn vergeleken met het door de respondenten gerapporteerde ‘werkelijk gedrag’. Dit levert enerzijds een kwaliteitstoets van de implementatie op en geeft daarnaast inzicht in verschillen in douchegedrag tussen deelgroepen. Echter, doordat binnen specifieke deelgroepen van de populatie (bijvoorbeeld relatief jonge vs. relatief oude bewoners) ook overige kenmerken verschillen (bijvoorbeeld inkomen, of eigendomssituatie van de woning), levert dit nog beperkt zicht op de relatieve bijdrage van afzonderlijke determinanten (bijv. het effect van alleen ‘leeftijd’). Om toch wat meer gevoel te kunnen krijgen voor de verwachte relatieve bijdrage van de afzonderlijke determinanten in het model zijn simulatieberekeningen uitgevoerd, waarbij steeds een vaste ‘fictieve’ combinatie van kenmerken is aangenomen als uitgangssituatie. In deze simulatieberekeningen is steeds voor slechts 1 determinant een andere waarde is aangenomen, terwijl voor alle overige determinanten deze vaste waarden zijn aangehouden. De verschillen tussen berekeningen geven zo een indruk van het ‘effect’ van een verandering in 1 enkele parameter. Daarnaast is middels simulatieberekeningen verkend hoe groot de verwachte invloed is van een voor douchegebruik ‘gunstige’ en ‘ongunstige’ combinatie van kenmerken (zie 6.3).

6.1 Voorspeld gedrag versus gerapporteerd gedrag: hele populatie

Met behulp van het ontwikkelde regressiemodel zijn op basis van persoons-, huishoudens- en woningkenmerken voorspellingen gedaan van verwacht gedrag (doucheduur). Deze berekeningen (voorspellingen) zijn uitgevoerd voor alle respondenten in de studiepopulatie van de WoON 2006 dataset, om de implementatie van het model voor douchegebruik te toetsen. Figuur 6.1 toont het door de respondenten gerapporteerde aantal minuten douchen per week, uitgezet tegen de voorspelde doucheduur. Zoals verwacht is de spreiding in individueel gedrag groot. Desalniettemin laten de figuren een zeer duidelijke relatie zien tussen de voorspelde doucheduur en de gerapporteerde ‘werkelijke doucheduur’. Verwacht wordt daarom dat het op deze manier voorspelde gedrag een verfijning op kan leveren ten opzichte van het aannemen van een vast ‘standaard gedrag’. Hierbij moet worden opgemerkt dat het vertalen van verwacht gedrag in verwachte aantallen liters mogelijk een correctie (model kalibratie) nodig is, gebruikmakend van beschikbare meetgegevens t.a.v. populatiegemiddeld douchewatergebruik in een bepaald jaar, mede gezien: − Er aanwijzingen zijn uit de literatuur dat respondenten hun doucheduur neigen

te overschatten (zie Hoofdstuk 3); − Het gemiddeld warm tapwatergebruik verschilt van jaar tot jaar onder invloed

van o.a. het aantal warme dagen in de zomer (TNS-NIPO, 2014);

TNO-rapport | TNO 2016 R11480 24 /33

− Het aantal liters per minuut afhankelijk is van systeemkenmerken (geschat op 8 liter per minuut voor een normale douchekop, en 7,4 liter per minuut voor een waterbesparende douche (TNS-NIPO, 2014));

− Eerder onderzoek liet zien dat het aantal liters douchewater per persoon per dag een stijgende trend in de tijd vertoont (TNS-NIPO, 2014)

Figuur 6.1. Relatie tussen voorspelde aantal doucheminuten per week en gerapporteerde

doucheduur.

0-40 40-50 50-60 60-70 >700

20

40

60

80

100

120

Ger

appo

rtee

rd a

anta

l min

uten

dou

chen

per

wee

k

Voorspelling aantal doucheminuten per week

mediaan

gemiddelde

TNO-rapport | TNO 2016 R11480 25 /33

6.2 Voorspeld gedrag versus werkelijk gerapporteerd gedrag: deelgroepen

Op vergelijkbare manier als hierboven beschreven, zijn berekeningen uitgevoerd voor een aantal prominente deelgroepen van de studiepopulatie. In de onderstaande figuren is steeds de gemiddelde, voorspelde doucheduur vergeleken met de gemiddelde gerapporteerde ‘werkelijke’ waarde. De onderstaande figuren laten resultaten zien van voorspellingen voor groepen van verschillende leeftijd (Figuur 6.2), etniciteit (Figuur 6.3), eigendomssituatie (Figuur 6.4), en type warmteopwekker (Figuur 6.5). De figuren laten duidelijke verschillen zien in gemiddeld gedrag tussen deelgroepen. De met het ontwikkelde model voorspelde waarden komen (gemiddeld) zeer goed overeen met de gerapporteerde waarden.

Figuur 6.2a. Gemiddeld voorspelde aantal doucheminuten per week en gerapporteerde

doucheduur voor verschillende leeftijdsgroepen.

Figuur 6.2b. Gemiddeld voorspelde aantal doucheminuten per week en gerapporteerde

doucheduur voor verschillende leeftijdsgroepen.

25

35

45

55

65

75

85

voorspelling0-17 jr

gerapporteerd0-17 jr

voorspelling18-35 jr


voorspelling36-70 jr


voorspelling>70 jr

gerapporteerd>70 jr

Aant

al m

inut

en d

ouch

en p

er w

eek

TNO-rapport | TNO 2016 R11480 26 /33

Figuur 6.3. Gemiddeld voorspelde aantal doucheminuten per week en gerapporteerde

doucheduur voor verschillende etniciteit.


doucheduur voor verschillende eigendomssituatie.


doucheduur voor verschillend type warmteopwekker.

25

35

45

55

65

75

85

Voorspellingautochtoon

Gerapporteerdautochtoon

Voorspellingallochtoon niet-

westers

Gerapporteerdallochtoon niet-

westers

Voorspellingallochtoon westers

Gerapporteerdallochtoon westers

Aant

al m

inut

en d

ouch

en p

er w

eek

25

35

45

55

65

75

85

Voorspellingkoopwoning

Gerapporteerdkoopwoning

Voorspellinghuurwoning

Gerapporteerdhuurwoning

Aant

al m

inut

en d

ouch

en p

er w

eek

25

35

45

55

65

75

85

Voorspellingcombiketel

Gerapporteerdcombiketel

Voorspellinggeiser

Gerapporteerdgeiser

Voorspellingboiler

Gerapporteerdboiler

Aant

al m

inut

en d

ouch

en p

er w

eek

TNO-rapport | TNO 2016 R11480 27 /33

6.3 Simulaties: Verkennen relatieve invloed kenmerken op douchegebruik

Figuur 6.6 laat resultaten zien van simulaties uitgevoerd om de verwachte relatieve invloed van afzonderlijke kenmerken inzichtelijk te maken. Voor een ‘fictief persoon’ is het verwachte douchegedrag voorspeld, waarbij steeds een relatief lage (of juist relatief hoge) waarde is gekozen voor 1 specifiek kenmerk, terwijl voor alle overige kenmerken is uitgegaan van dezelfde vaste waarden (populatie-gemiddelde waarde voor normaal verdeelde variabelen, mediane waarde voor scheef verdeelde variabelen, meest voorkomende waarde bij categorische variabelen). Meest rechts in de figuur zijn simulaties weergegeven voor een ‘ongunstige’ en een ‘gunstige’ combinatie8 van kenmerken. De verschillen zijn substantieel. Let op: deze figuur geeft slechts een beeld van de mate van invloed van diverse parameters, maar geeft geen predictie voor subgroepen: alle overige kenmerken zijn in deze simulaties namelijk constant gehouden om de relatieve invloed van 1 enkele parameter te kunnen beschouwen. In werkelijkheid zullen groepen (die bijvoorbeeld verschillen in leeftijd) ook in andere kenmerken verschillen. Dit verklaart de verschillen tussen deze figuur en bijvoorbeeld figuur 5.2, waar wel voorspellingen zijn gedaan voor subgroepen, op basis van het volledig palet aan (werkelijke) kenmerken zoals deze beschikbaar waren per individu.

Figuur 6.6. Simulatie: verwachte aantal doucheminuten per week voor vaste combinatie van

kenmerken, waarbij steeds voor 1 variabele een (andere) waarde wordt aangenomen.

8 Voor de simulatie van (m.b.t. relatief lage doucheduur) ‘gunstige combinatie’ is uitgegaan van bewoner met relatief hoge leeftijd (70), groot huishouden (>= 4 personen), koopwoning, boiler, autochtoon. Deze combinatie is middels simulatie vergeleken met de combinatie van: relatief lage leeftijd (35), 1 persoonshuishouden, huurwoning, geiser, allochtoon niet westers.

TNO-rapport | TNO 2016 R11480 28 /33

7 Conclusies

Er zijn grote verschillen in gedrag tussen deelgroepen met betrekking tot douchegebruik. Zo is er een duidelijke (niet-lineaire) relatie met leeftijd. Andere kenmerken die, naast leeftijd, naar voren komen als determinant voor de doucheduur zijn etniciteit, aantal personen in het huishouden, eigendomssituatie van de woning en type warm tapwateropwekker. Een kwantitatief modellen is ontwikkeld waarmee voorspellingen kunnen worden gedaan voor doucheduur, op basis van individuele kenmerken, kenmerken van huishoudens en van de woning, waardoor in de voorspelling van warm tapwatergebruik beter rekening kan worden gehouden met verschillen tussen groepen. De gevonden verschillen in doucheduur tussen de verschillende subgroepen zijn deels in lijn met de verwachting. Zo is het bijvoorbeeld aannemelijk dat jonge kinderen relatief kort douchen, jong volwassenen relatief lang en ouderen weer korter. De essentie van dit onderzoek is echter dat deze (soms niet-lineaire) relaties nu zijn gekwantificeerd, waarbij rekening is gehouden met de onderlinge samenhang tussen kenmerken. Een kwaliteitstoets op de implementatie van het model laat zien dat de geobserveerde (gerapporteerde) waarden gemiddeld goed overeenkomen met de gemodelleerde waarden, niet alleen voor de populatie als geheel, maar ook voor subgroepen. Simulatieberekeningen geven een indruk van de verwachte relatieve bijdrage van de verschillende kenmerken. Uit die simulaties komt leeftijd komt naar voren als prominente determinant. Het ontwikkelde gedragsmodel maken het mogelijk de geobserveerde verschillen in gedrag tussen huishoudens met verschillende kenmerken beter te voorspellen dan op basis van een vaste standaardwaarde. Hierdoor kan in de energiemodellering beter rekening kan worden gehouden met deze substantiële verschillen tussen groepen.

TNO-rapport | TNO 2016 R11480 29 /33

8 Aanbevelingen voor toekomstige dataverzameling

In dit hoofdstuk worden (kort) een aantal aanbevelingen gedaan voor toekomstige dataverzameling met betrekking tot douchegedrag (vragenlijstonderzoek). Deze aanbevelingen hebben betrekking op het beter mogelijk maken en verbeteren van toekomstige modelvorming en validatie, monitoring en trendanalyse.

8.1 Vragenlijsten

Demografische variabelen Douchegebruik hangt samen met een aantal demografische variabelen (leeftijd, geslacht, etniciteit etc.). Het verdient daarom aanbeveling zowel de doucheduur als deze demografische gegevens uit te vragen op persoonsniveau. Aanvullende vragen Het type douche is direct van invloed op het aantal liters warm tapwatergebruik. Het verdient daarom aanbeveling hierover gedetailleerdere gegevens te verzamelen. Zo zouden de observanten verantwoordelijk voor het verzamelen van de fysieke kenmerken van de woningen bijvoorbeeld ook het douchewatervolume over 1 minuut kunnen bepalen. Mogelijk bestaat er ook een relatie tussen het type douche (waterbesparende-, normale- of comfortdouche) en de doucheduur. Door het ontbreken van gegevens hierover kon die relatie niet worden onderzocht. Dit onderdeel zou kunnen worden toegevoegd aan de woningobservatie. Warm tapwatergebruik voor ‘baden’ vormt slechts een zeer klein percentage van het totale warm tapwatergebruik. Indien echter toch meer inzicht gewenst is in de bijdrage hiervan aan het gebruikte warm tapwatervolume, zou kunnen worden overwogen een vraag toe te voegen over:

a) Aanwezigheid van baden in de woning (liefst met een indicatie van type i.v.m. de omvang: gaat het om een ligbad of een babybad)

met: b) Vulfrequentie (aantal malen per week of per maand).

Opmerking: In eerdere vragenlijstonderzoeken is wel gevraagd naar baden. Echter, hieruit kan niet goed worden afgeleid hoe vaak hiervoor het bad werd gevuld (vooral in huishoudens met kinderen is denkbaar dat meerdere personen met of na elkaar eenzelfde bad gebruiken) en wat voor soort bad (volume) het betrof: bijv. ligbad of babybadje betrof. Deze informatie is nodig om een schatting te kunnen maken van het verwachte gebruikte warm tapwatervolume. Continuïteit en trendanalyse Bewonersgedrag kan door de jaren heen aan verandering onderhevig zijn. Periodieke onderzoeken maken het mogelijk inzicht te verkrijgen in dergelijke trends, mits gegevens op eenzelfde consistente wijze zijn verzameld. Verschillen in vraagstelling tussen jaren, beperken de mogelijkheid tot trendanalyse en het in kaart brengen van eventuele veranderingen. Consistentie in de vraagstelling in de tijd (en tussen studies) maakt het mogelijk de resultaten van studies onderling te vergelijken en biedt de kans de voorspellingen uitgevoerd met ontwikkelde (gedrags)modellen voor andere studies te vergelijken met gerapporteerde waarden in (externe validatie).

TNO-rapport | TNO 2016 R11480 30 /33

8.2 Monitoring

Doucheduur Uit de literatuur is bekend dat zelf-gerapporteerde doucheduur kan afwijken van werkelijke doucheduur. Er zijn indicaties dat doucheduur (gemiddeld) wordt overschat. Deze overschatting ligt mogelijk in de orde van 15% (Beal et al., 2013; Weegink et al; 1997). Het verdient daarom aanbeveling inzicht te krijgen in de mate van mogelijke overschatting door zelfrapportage die optreedt in WoON, door monitoring, bijvoorbeeld in een representatieve steekproef van huishoudens. Debiet Voor de vertaling van doucheduur naar warm tapwatervolume is informatie over het debiet (aantal liters per minuut) nodig. Debieten zijn sterk afhankelijk van kenmerken van het systeem (bijv. aanwezigheid van een waterbesparende douchekop of ‘comfort douche’, installatiekenmerken etc.) en de gebruiker (mate van opening van de kraan). Kennis over de verwachte debieten voor verschillende systemen, door meting in representatieve steekproeven kan bijdragen aan het verkleinen van de onzekerheid in de vertaling van doucheminuten naar watervolume.

TNO-rapport | TNO 2016 R11480 31 /33

9 Referenties

ABF Research. Woon onderzoek Nederland 2006. Onderzoeksdocumentatie module Woningmarkt. Delft: ABF Research; 2007. Aydinalp, M., Ugursal, V.I., Fung, A.S. Modeling of the space and domestic hot water heating energy-consumption in the residential sector using neural networks. Applied Energy 2004; 79: 159-178. Beal, C.D., Stewart, R.A., Fielding, K. A novel mixed method smart metering approach to reconciling differences between perceived and actual residential end use water consumption. Journal of Cleaner Production 2013; 60: 116-128. Kluizenaar, Y. de, Spiekman, M.E., Hoes-van Oeffelen, Literatuurstudie gebruikersgedrag en energiegebruik, TNO rapport, 2014. ISSO 82.3. Handleiding Energieprestatie Advies Woningen – Formulestructuur EI en maatwerkadvies woningbouw – Herziene versie 2011. Kempton, W. Residential hot water: a behaviorally-driven system. Energy 1988; 13: 107-114. Kluizenaar, Y. de, Spiekman, M.E., Hoes-van Oeffelen, Literatuurstudie gebruikersgedrag en energiegebruik, TNO rapport, 2014. Kluizenaar, Y. de, Hoes-van Oeffelen, E.C.M, Hofstetter, H., Levie, D., Ontwikkeling van kwantitatieve modellen voor de predictie van temperatuurgedrag in de woning, Thermostaatinstelling, aanwezigheid, verwarmen overige ruimten, TNO rapport, 2015a. Kluizenaar, Y. de, Hoes-van Oeffelen, E.C.M, Hofstetter, H., Levie, D., Ontwikkeling van kwantitatieve modellen voor de predictie van ventilatiegedrag in de woning, TNO rapport, 2015b. Koene, F.G.H., Hoes-van Oeffelen, E.C.M, Spiekman, M.E., Kluizenaar, Y. de, Vertaling van de uitkomsten van de gedragsmodellen naar invoer voor het energierekenmodel, TNO rapport, 2015. Leidelmeijer K en Cozijnsen E (RIGO). Energiegedrag in de woning. Aanknopingspunten voor de vermindering van het energiegebruik in de woningvoorraad. RIGO Research en Advies BV, Amsterdam; Publicatie van het voormalig Ministerie van VROM/Wonen Wijk en Integratie (WWI), 2009. Makki, A.A., Stewart, R.A., Panuwatwanich, K., Beal, C. Revealing the determinants of shower water end use consumption: enabling better targeted urban water conservation strategies. Journal of Cleaner Production 2013; 60: 129-146. Tigchelaar en Leidelmeijer. Energiebesparing: Een samenspel van woning en bewoner – Analyse van de module Energie WoON 2012. ECN, RIGO. Rapport ECN-E- 3-037, 2013.

TNO-rapport | TNO 2016 R11480 32 /33

TNS-NIPO (2014) (Van Thiel, 2014). Watergebruik thuis 2013. TNS-NIPO Rapport G5707, 17 februari 2014. Weegink, R.J., Van der Westen, J.J.C., Bootsma, C., Bos, R.E.J., Geerse, C.P.M., Hollander, J., Wiersma, A.L. Praktijkonderzoek warm tapwater. Publikatie CV/O97.R.042, juni 1997.

TNO-rapport | TNO 2016 R11480 33 /33

10 Ondertekening

Delft, 14 november 2016 TNO F. Driessen Research Manager ad interim Heat Transfer and Fluid Dynamics Auteurs: Y. de Kluizenaar L Hoes van Oeffelen H. Hofstetter D. Levie

TNO-rapport TNO 2016 R11480 Ontwikkeling van kwantitatieve ...€¦ · 4500 huishoudens uit de...

Documents

Transcript of TNO-rapport TNO 2016 R11480 Ontwikkeling van kwantitatieve ...€¦ · 4500 huishoudens uit de...