Bijlage C: Netwerkanalyse

In deze bijlage wordt beschreven hoe de persoonsnetwerken van de onderzoeksgroepen zijn afgeleid uit de administratieve bronnen waar het CBS toegang tot heeft. Ook wordt ingegaan op de aanwezigheid van verschillende netwerken en het gebruik van netwerkgemiddeldes. Tenslotte wordt kort het verschil tussen samenhang en causaliteit beschreven. 

Doel van een netwerkanalyse

Middels een netwerkanalyse worden de potentiële contacten en de kenmerken van deze contacten van een bepaald persoon in kaart gebracht. Hierdoor kan meer inzicht worden verkregen in de sociale omgeving van bijvoorbeeld ZVH-cliënten en kwetsbare jongeren. 

Om de netwerken in kaart te brengen is gebruik gemaakt van gegevens uit het Stelsel van Sociaal-Statistische Bestanden (SSB) (Bakker et al., 2014). Dit stelsel van bestanden, het SSB, bevat tabellen met informatie uit administratieve bronnen die het CBS ontvangt voor wetenschappelijk en statistisch onderzoek. De data bevat geen namen, geen adressen en geen burgerservicenummers. Om gegevens uit verschillende bronnen aan elkaar te verbinden worden gepseudonimiseerde koppelsleutels gebruikt, die buiten het SSB geen betekenis hebben. Individuele personen zijn hierdoor niet direct te identificeren. In de analyses wordt bovendien uitsluitend onderzoek gedaan naar groepen en nooit naar individuele personen. Voor het samenstellen van de persoonsnetwerken is geen gebruik gemaakt van telefoon- of GPS-data of gegevens van sociale media. 

De persoonsnetwerken zijn afgeleid voor alle personen in Nederland die op 1 oktober 2018 ingeschreven stonden in de Basisregistratie Personen (BRP). Vervolgens is voor dit onderzoek een selectie gemaakt op de netwerken van ZVHRU-cliënten en hun referentiegroep in Utrecht (Hoofdstuk 3) en op de netwerken van jongeren met multiproblematiek in Utrecht (Hoofdstuk 5). In het persoonsnetwerk van de geselecteerde groepen kunnen ook contacten voorkomen die niet in Utrecht wonen of zelf niet jong zijn. 

Het doel van een netwerkanalyse is om een zo compleet mogelijk beeld van de sociale omgeving van personen te krijgen. Met de gegevens uit het SSB kunnen verschillende relaties tussen de personen worden geïdentificeerd. Let wel, het gaat hier om relaties in administratieve bronnen. De gebruikte bronnen zeggen niets over daadwerkelijke contacten. Ook al zijn twee personen volgens de gegevens in het SSB familie van elkaar of werken zij bij hetzelfde bedrijf, dit betekent nog niet dat de personen ook daadwerkelijk (frequent en/of goed) contact hebben. In het meest extreme geval kennen de personen elkaar helemaal niet. Desondanks geven de netwerken die zijn afgeleid een veel uitgebreider beeld van de sociale omgeving van de personen dan bijvoorbeeld een analyse van alleen de geografische omgeving laat zien. Ook zullen er relaties ontbreken. Administratieve bronnen registreren bijvoorbeeld geen vrienden van een sportclub of iemand die je via sociale media kent. De hier toegepaste netwerkanalyse is daarom een benadering van de potentiële sociale omgeving van de onderzochte groepen. 

Netwerken

Van ieder persoon zijn relaties afgeleid voor vijf mogelijke typen persoonsnetwerken: 1) familienetwerk, 2) huisgenotennetwerk, 3) burennetwerk, 4) klasgenotennetwerk en 5) collega-netwerk. Relaties zijn alleen afgeleid als een persoon het gegeven persoonsnetwerk ook heeft. Zo heeft iemand zonder werk geen collega-netwerk en iemand die geen onderwijs volgt, heeft geen klasgenotennetwerk. Of een persoon een bepaald netwerk heeft, hangt sterk samen met zijn of haar leeftijd. Zo neemt het aantal personen met een klasgenotennetwerk af als de leeftijd toeneemt. Het aantal collega’s neemt juist toe naar mate de leeftijd toeneemt. Bijna 100 procent van de inwoners van Utrecht heeft buren. Relaties tussen twee personen kunnen in meer dan één netwerk gevonden worden. Twee buren kunnen bijvoorbeeld ook collega's zijn. De volgende paragrafen beschrijven hoe de relaties voor de verschillende netwerken zijn afgeleid.

Familienetwerk
In de BRP wordt vastgelegd wie de ouders van een persoon zijn. Met kennis van deze ouder-kind relaties is het mogelijk om een familienetwerk af te leiden. Relaties van overledenen worden ook gebruikt bij deze afleiding. Op deze manier kunnen bijvoorbeeld broers en zussen geïdentificeerd worden van wie de ouders niet meer leven. In het definitieve familienetwerk worden alleen de relaties opgenomen tussen personen die op 1 oktober 2018 ingeschreven stonden in de BRP. Niet van iedere in Nederland woonachtige persoon is bekend wie zijn of haar de ouders zijn. Vooral voor de mensen die geboren zijn voor 1966 wil kennis over de ouders soms ontbreken net als voor mensen die niet zijn geboren in Nederland. Van 85 procent van de Nederlandse bevolking is wel bekend wie de ouders zijn. Door deze relatie om te draaien is ook de relatie tussen ouder en kind bekend. Vervolgens is het mogelijk om ook andere familierelaties af te leiden. Voor de andere relaties staan de regels in de tabel hieronder.

In het onderzoek zijn de familieleden die in hetzelfde huishouden wonen als de persoon niet meegenomen in het familienetwerk, maar in het huisgenotennetwerk. De belangrijkste reden is om onderscheid te kunnen maken tussen familieleden met wie de persoon zeer waarschijnlijk dagelijks contact heeft en familieleden met wie waarschijnlijk minder frequent contact is. 

Huisgenotennetwerk
Met onder andere de gegevens uit de BRP en gegevens van de Belastingdienst over de inkomstenbelastingen is het mogelijk om af te leiden welke personen samen een huishouden vormen en welke plaats de personen in een huishouden innemen (zoals ouder of kind). Deze informatie kan vervolgens gebruikt worden om het huisgenotennetwerk van een persoon af te leiden. Huisgenoten kunnen bestaan uit gezinsleden, maar dit kunnen ook vrienden zijn die samen een huis huren of een samenwonende partner. Studenten in studentenhuizen worden gezien als éénpersoonshuishoudens en zijn dus geen huisgenoten van elkaar. 

Burennetwerk
Door de Basisregistratie Adressen en Gebouwen (BAG) te combineren met de BRP is het mogelijk om aan het gepseudonimiseerde adres waarop iemand staat ingeschreven een locatie, gemeten in Rijksdriehoekscoördinaten, te koppelen. Deze locaties worden gebruikt om het burennetwerk af te leiden. Om te bepalen wie de buren van een persoon zijn, wordt er binnen een straal van 50 meter van die persoon gezocht naar de tien huishoudens die het meest dichtbij wonen. De leden van deze (maximaal tien) huishoudens zijn de buren van de persoon. Als de persoon zelf lid is van een meerpersoonshuishouden, dan krijgen de leden van zijn of haar huishouden hetzelfde burennetwerk.

Als er meer huishoudens op een gelijke afstand van de persoon op positie tien liggen, dan wordt het gewenste aantal huishoudens willekeurig gekozen uit de huishoudens die op positie tien liggen. Bij het bepalen van de afstand tussen het woonadres van de persoon en de woonadressen van de mogelijke buren, wordt geen rekening gehouden met hoogteverschillen. Personen die in een flat wonen hebben dus als dichtstbij wonende personen de huishoudens die recht onder of recht boven hun wonen.

Institutionele huishoudens worden anders behandeld vanwege de gemiddelde grootte van deze huishoudens. Institutionele huishoudens zijn doorgaans veel groter dan niet-institutionele huishoudens. Dit zou betekenen dat personen honderden buren hebben indien ze naast een institutioneel huishouden wonen. Wanneer institutionele huishoudens uit meer dan vier personen bestaan, worden deze personen daarom als losse huishoudens gezien.

Het burennetwerk is niet symmetrisch. Dit betekent dat persoon B in het burennetwerk kan voorkomen van persoon A, maar dat persoon A niet hoeft voor te komen in het burennetwerk van persoon B. Dit heeft te maken met de willekeurige selectie als er meer dan tien huishoudens binnen een straal van 50 meter liggen.

Collega-netwerk
Om het collega-netwerk af te leiden wordt informatie uit de Polisadministratie gebruikt. De Polisadministratie is een register waarin naast allerlei andere inkomstengegevens ook gegevens over de arbeidsvergoedingen van werkgevers aan werknemers worden opgeslagen. Met deze gegevens uit de Poliadministratie is het dus mogelijk om te bepalen welke personen werknemer bij een bepaald bedrijf zijn en dus ook welke personen collega's van elkaar zijn. In eerste instantie bevat het collega-netwerk van een persoon alle personen die werknemer zijn bij hetzelfde bedrijf. Aangezien het hier gaat om het bedrijf dat de arbeidsvergoeding van de werknemer betaalt, kan het voorkomen dat het geïdentificeerde collega-netwerk voor sommige personen wat minder aansluit bij het daadwerkelijke collega-netwerk (zoals voor personen die gedetacheerd zijn of als uitzendkracht werken). 

Bij kleine bedrijven werkt deze eenvoudige afleidingsregel waarschijnlijk goed, maar bij grote bedrijven worden de collega-netwerken van werknemers zo groot, dat het niet waarschijnlijk is dat zij contact hebben met iedereen in hun collega-netwerk. Ook houdt deze eenvoudige afleidingsregel er geen rekening mee, dat grote bedrijven meestal meer dan één vestiging kennen. Daarom is de keuze gemaakt om het aantal contacten in het collega-netwerk te beperken tot maximaal honderd. Heeft een persoon volgens de eenvoudige afleidingsregel meer dan honderd contacten in zijn of haar collega-netwerk, dan worden alleen de honderd contacten geselecteerd die het meest dichtbij wonen bij de persoon. Door deze selectie op afstand kent het collega-netwerk dezelfde asymmetrie als het burennetwerk.

In de afbakening zijn alleen collega’s van werknemers meegenomen. Dit betekent dat collega’s van ZZP’ers niet in kaart zijn gebracht. In het huidige onderzoek is het collega-netwerk niet meegenomen in de analyses. Zowel het aantal ZVH-cliënten als het aantal jongeren met multiproblematiek met een collega-netwerk is te klein om een betrouwbare netwerkanalyses op uit te voeren. 

Klasgenotennetwerk
Van verschillende instellingen krijgt het CBS gegevens over de inschrijvingen van leerlingen en studenten aan onderwijsinstellingen die de Nederlandse overheid bekostigt. Deze gegevens hebben betrekking op inschrijvingen in het basisonderwijs, het speciaal onderwijs, het voortgezet onderwijs, het middelbaar beroepsonderwijs en het hoger onderwijs. Van alle inschrijvingen is de onderwijsinstelling en het type onderwijs en opleiding bekend. Voor alle onderwijsvormen, behalve het middelbaar beroepsonderwijs, is ook bekend op welke locatie van de onderwijsinstelling de leerling of student staat ingeschreven. Voor het basisonderwijs en het voortgezet onderwijs is het leerjaar van de inschrijving bekend, van de andere onderwijsvormen is bekend voor het hoeveelste jaar de leerling of student zich inschrijft voor de gegeven onderwijsvorm.

Leerlingen of studenten kunnen zich op hetzelfde moment meer dan één keer inschrijven bij een onderwijsinstelling (bijvoorbeeld bij meerdere opleidingen). Voor het afleiden van het klasgenotennetwerk wordt alleen gekeken naar de hoofdinschrijving op 1 oktober. Onderstaande tabel laat zien welke combinaties van variabelen er worden gebruikt om een klas te identificeren. Deze manier om klassen te identificeren heeft ook beperkingen. Wanneer een locatie voor een bepaald type onderwijs bijvoorbeeld parallelklassen kent, dan worden deze parallelklassen samengevoegd tot één grote klas.

Het kan voorkomen dat een klasgenotennetwerk meer dan honderd contacten kent. Net zoals bij het collega-netwerk lijkt het niet waarschijnlijk dat er met elke klasgenoot contact is en daarom wordt ook het klasgenotennetwerk begrensd op maximaal honderd klasgenoten. Telt het klasgenotennetwerk meer dan honderd contacten, dan worden er uit alle contacten honderd willekeurig gekozen. In tegenstelling tot de begrenzing van een collega-netwerk, wordt er nu bij het kiezen van de contacten geen rekening gehouden met de afstand tussen de woonadressen van de leerling of student en zijn of haar contacten. De verschillen in afstand tussen woonadressen zijn hier minder groot. Door de willekeurige selectie bij het begrenzen van het netwerk zijn de klasgenotennetwerken niet altijd symmetrisch.

Over inschrijvingen aan onderwijsinstellingen die de Nederlandse overheid niet bekostigt, krijgt het CBS geen informatie. Klasgenotennetwerken die bestaan binnen deze vormen van onderwijs zijn dan ook niet meegenomen in het onderzoek.

Groepsgemiddeldes van netwerkgemiddeldes

Een veelgebruikte statistiek bij het beschrijven van een netwerk is het gemiddelde van een bepaald kenmerk voor alle contacten in het netwerk van een persoon. Een voorbeeld van zo'n netwerkgemiddelde, dat in dit onderzoek wordt gebruikt, is het percentage contacten in een netwerk dat verdacht is geweest van vermogens-, gewelds of drugsmisdrijf. 

Van dit netwerkgemiddelde kan ook een groepsgemiddelde berekend worden, door de netwerkgemiddeldes van de leden in een groep te middelen. Bij het middelen over de leden van de groep worden alleen de netwerkgemiddeldes geteld van de leden in de groep die dat bepaalde netwerk hebben. Leden zonder dat netwerk worden buiten het middelen gehouden. Voor het berekenen van het percentage klasgenoten dat verdacht is geweest zijn dus alleen de jongeren meegenomen die naar school gaan. 

Samenhang en causaliteit

In dit onderzoek is alleen gebruik gemaakt van beschrijvende netwerkanalyses waarin de samenhang tussen kenmerken van een persoon en de kenmerken van de contacten in zijn of haar potentiële sociale omgeving wordt geanalyseerd. Dit onderzoek test geen causale verbanden (oorzaak-gevolg). Mogelijk is er een causaal verband en lopen personen een grotere kans om cliënt te worden van een ZVH of op criminaliteit als zij blootgesteld worden aan bepaalde personen in hun netwerk. Bijvoorbeeld als jongeren elkaar beïnvloeden of als ouders normen en waarden aan hun kinderen doorgeven via de opvoeding. Maar er kunnen ook andere redenen zijn waardoor problematieken “clusteren” binnen bepaalde groepen, zonder dat er beïnvloeding plaatsvindt. Zo kan het zijn dat criminele jongeren elkaar actief opzoeken (een selectie-effect). En als problematieken samenhangen met een ander kenmerk waarop mensen gewoonlijk clusteren (zoals schoolniveau of sociaaleconomische positie) dan heeft dat automatisch ook clustering op problematieken tot gevolg. Om zicht te krijgen op causaliteit, selectie en onderliggende samenhangen met andere kenmerken, is verdiepend onderzoek nodig.