4. Multivariate regressie-analyse

In hoofdstuk 3 is voor elk achtergrondkenmerk afzonderlijk in beeld gebracht wat de relatie is met de inzet van jeugdzorg. In dit hoofdstuk wordt dit beeld verder aangescherpt, door de verschillende achtergrondkenmerken in hun onderlinge samenhang te beoordelen in een multivariaat logistisch regressiemodel. Dit is nodig omdat achtergrondkenmerken met elkaar verweven kunnen zijn, denk bijvoorbeeld aan inkomen en vermogen. Door de kenmerken in een multivariaat model te beoordelen, wordt daar rekening mee gehouden. Daarmee wordt duidelijk welk kenmerk het sterkst samenhangt met de inzet van jeugdzorg en welk kenmerk het minst sterk. Het is hierbij nog steeds van belang om goed te blijven beseffen dat ook een sterke samenhang nog niets zegt over een eventueel causaal verband tussen het achtergrondkenmerk en de inzet van jeugdzorg. Een sterke samenhang wil alleen zeggen dat het achtergrondkenmerk en jeugdzorg relatief vaak samen voorkomen in een huishouden. 

4.1 Methode

Omdat de samenhang tussen de achtergrondkenmerken en de inzet van jeugdzorg verschillend kan zijn voor de verschillende soorten jeugdzorg, zijn er vier aparte logistische regressiemodellen gedraaid voor de vier soorten jeugdzorg: jeugdhulp zonder verblijf, jeugdhulp met verblijf, jeugdbescherming en jeugdreclassering. Er is a priori gekozen om in alle vier de modellen alle achtergrondkenmerken per definitie mee te nemen, ook als sommige achtergrondkenmerken in het model een lage significantie zouden hebben. Dit is gedaan omdat de lijst met achtergrondkenmerken op inhoudelijke gronden is samengesteld, waarbij experts inschatten dat er een relatie met de inzet van jeugdzorg kan zijn. Ook als een achtergrondvariabele in een model niet statistisch significant zou zijn, kan deze alsnog een effect hebben op de kans op jeugdzorg. Ook bij een kleine mate van multicollineariteit in het model, kan het weglaten van deze variabelen invloed hebben op de uiteindelijke effectgroottes van de variabelen die wel statistisch significant zijn.

Als achtergrondkenmerken in het model aan elkaar gerelateerd zijn (multicollineariteit), zijn de effectgroottes per kenmerk niet goed meetbaar meer. Om deze multicollineariteit tegen te gaan is voor elke vorm van jeugdzorg eerst een regressiemodel gedraaid met alle kenmerken los en is de Variance Inflation Factor (VIF) per kenmerk berekend. Een gebruikelijke grenswaarde voor de VIF om de mate van collineariteit beperkt te houden is 5³⁾. Bij een hogere waarde van de 5 is het beter om betreffende variabelen samen te nemen in een gecombineerde variabele (of om een van de variabelen helemaal uit het model te laten). In dit onderzoek waren de VIF-waarden overal kleiner dan 5. 

Er zijn twee achtergrondkenmerken die een verbijzondering zijn van een ander achtergrondkenmerk, te weten ‘verdachte van een geweldsmisdrijf’ en ‘slachtoffer van een geweldsmisdrijf’. Dit zijn verbijzonderingen van de achtergrondkenmerken ‘verdachte van een misdrijf’ en ‘slachtoffer van een misdrijf’. Omdat een geweldsmisdrijf zelf ook een misdrijf is, moeten de uitkomsten gezien worden als een extra effect bovenop het effect van de achtergrondkenmerken voor verdachte/slachtoffer van een misdrijf.

In de rest van dit hoofdstuk wordt per jeugdzorgvorm het resultaat van het regressiemodel besproken in termen van de Odds Ratio, het relatieve belang van de variabele en de (pseudo-) R². Hieronder volgt een toelichting van elk van deze begrippen.

De Odds Ratio beschrijft de mate waarin de kans dat de betreffende vorm van jeugdzorg voorkomt bij jongeren met die specifieke waarde van het achtergrondkenmerk afwijkt van diezelfde kans bij jongeren met de referentiewaarde voor dat achtergrondkenmerk. Een Odds Ratio van 1 betekent dat er geen verschil is, terwijl een Odds Ratio van 2 aangeeft dat de kans tweemaal zo groot is ten opzichte van de referentiecategorie. Een Odds ratio van 0,5 geeft aan dat de kans tweemaal zo klein is ten opzichte van de referentiecategorie. 

Het relatieve belang van een kenmerk geeft aan hoe belangrijk het achtergrondkenmerk is in het model. Er zijn verschillende maatstaven om het relatieve belang te meten. In dit onderzoek is gekozen voor de Wald-score. De Wald-score is namelijk wat minder gevoelig voor kenmerken die weinig voorkomen in de gehele groep, maar wel een hoge odds ratio hebben áls ze bij een jongere voorkomen. Voor de Wald-score geldt dat hoe groter de score, des te groter het belang in het model. De waardes van Wald-scores hebben alleen betekenis binnen het model voor een specifieke vorm van jeugdzorg, een vergelijking van een Wald-score uit het model voor de ene vorm van jeugdzorg met een Wald-score uit het model voor een andere vorm van jeugdzorg is betekenisloos.

De (pseudo)-R² laat zien hoe krachtig het model is, met andere woorden welk deel van de verschillen tussen jongeren in de doelvariabele (in dit geval de inzet van jeugdzorg) samenhangen met de achtergrondkenmerken in het model. Een lage waarde voor de (pseudo)-R² suggereert dat er kritieke achtergrondkenmerken zijn die nog ontbreken in het model. Omdat het niet mogelijk is een traditionele R² te draaien in een logistisch model, wordt vaak gekeken naar soortgelijke maatstaven die op eenzelfde manier geïnterpreteerd kunnen worden. In dit onderzoek is hiervoor de McFadden pseudo-R² gebruikt; een maat die valide is voor elk model wat een log-likelihood berekent. Hierbij moet wel rekening worden gehouden met het feit dat deze pseudo-R² vaak lager uitvalt van een traditionele R²; een waarde van 0.2 tot 0.4 voor de pseudo-R² wordt gezien als een uitstekende model fit⁴⁾.

Bij de interpretatie van de Odds-ratio’s en relatieve belangen is het goed om te realiseren dat deze nog geen zicht geven hóe de achtergrondkenmerken verbonden zijn met de inzet van jeugdzorg, alleen dát ze vaker samen met jeugdzorg voorkomen. Een hoge odds-ratio als ouders niet meer elkaar zijn wil niet zeggen dat het feit dat de ouders niet meer bij elkaar zijn de oorzaak is voor de inzet van jeugdzorg. De causale relatie tussen die twee feiten kan in de praktijk nog allerlei vormen aannemen. Zo kan de scheiding bijvoorbeeld veroorzaakt zijn doordat een van de ouders verliefd is geworden op iemand anders en kan het kind jeugdhulp krijgen omdat het een licht verstandelijke beperking heeft; beide zaken hebben in dit voorbeeld niet eens een causale relatie. Of de scheiding wordt veroorzaakt doordat ouders het niet met elkaar eens kunnen worden over de juiste opvoedstijl waarmee ze hun kind met probleemgedrag moeten opvoeden. Of er kan een achterliggend kenmerk zijn dat de oorzaak is voor zowel de scheiding als het jeugdzorggebruik, bijvoorbeeld het alcoholgebruik van moeder. 

Een andere kanttekening bij de interpretatie van de resultaten in dit hoofdstuk is dat ze op het eerste oog kunnen ‘afwijken’ van de resultaten uit de frequentietabellen in hoofdstuk 3. Dit komt omdat in een regressiemodel alle kenmerken tegelijkertijd worden bekeken. Neem bijvoorbeeld de inkomensongelijkheid in de buurt. In hoofdstuk 3 is te zien dat er wel degelijk verschillen zijn tussen de diverse groepen voor dit achtergrondkenmerk. Maar in de rest van dit hoofdstuk zal blijken dat de inkomensongelijkheid in de buurt slechts een zeer beperkt belang heeft in de regressiemodellen. Dit betekent dat de verschillen in inkomensongelijkheid niet erg van belang zijn als er ook rekening wordt gehouden met alle andere achtergrondkenmerken; andere kenmerken hebben een grotere samenhang met de inzet van jeugdzorg. 

4.2 Jeugdhulp zonder verblijf

Tabel 4.2.1 toont de resultaten van het regressiemodel voor jeugdhulp zonder verblijf. De achtergrondkenmerken zijn aflopend gesorteerd op hun belang in het model. Of nog preciezer geformuleerd: zij zijn gesorteerd op het maximum per achtergrondkenmerk van de Wald-scores van de categorieën waarin het achtergrondkenmerk wordt uitgesplitst. Hieronder worden de achtergrondkenmerken met de hoogste waarden voor de Wald-score kort benoemd.

In de tabel is de zien dat voor jeugdhulp zonder verblijf de samenhang het sterkst is met het gebruik van GGZ-zorg en/of –medicatie in het huishouden. Als er GGZ-zorg en/of –medicatie in het huishouden wordt gebruikt, is de kans twee keer zo groot dat er in het huishouden ook jeugdhulp zonder verblijf wordt ingezet (zie de kolom met odds-ratio’s). Als het kind speciaal onderwijs volgt, is de kans vier keer zo groot dat het kind ook jeugdhulp zonder verblijf krijgt. Ook is te zien dat de leeftijd van het kind een sterke samenhang vertoont met de inzet van jeugdhulp zonder verblijf; met name bij kinderen van 0 tot 4 jaar en bij jongeren van 18 tot 23 jaar wordt minder vaak jeugdhulp zonder verblijf ingezet. Gebruik van Wmo en/of Wlz-zorg in het huishouden vergroot ook de kans dat er ook jeugdhulp zonder verblijf wordt ingezet in het huishouden. Als ouders bij elkaar op hetzelfde adres wonen, is de kans kleiner dat er jeugdhulp zonder verblijf wordt ingezet. Kijkend naar het aantal ouders dat in het buitenland is geboren, is de samenhang met de inzet van jeugdhulp zonder verblijf met name groot bij 2 buitenlandse ouders uit Turkije, Marokko en overig. De kans dat er ook jeugdhulp zonder verblijf wordt ingezet in het huishouden is dan ongeveer gehalveerd. Ook bij zo goed als alle andere herkomstlanden is te zien dat er een kleinere kans is dat er jeugdhulp zonder verblijf wordt ingezet in het huishouden dan in huishoudens waarvan beide ouders in Nederland zijn geboren.

De pseudo-R² van het model voor jeugdhulp zonder verblijf is 0,16. Dit is iets lager dan de bandbreedte van 0,2 tot 0,4 voor een uitstekende model fit. Dit is van alle vier de modellen ook de laagste waarde. Bij jeugdhulp zonder verblijf is er dus meer dan bij de andere vormen van jeugdzorg, nog een grote rol voor andere factoren die buiten beeld zijn gebleven in dit onderzoek. 

4.3 Jeugdhulp met verblijf

Tabel 4.3.1 toont de resultaten van het model voor jeugdhulp met verblijf. Bij deze vorm van jeugdzorg is de samenhang het sterkst met speciaal onderwijs. Bij kinderen in het speciaal onderwijs is de kans ruim vijf keer zo groot dat ze ook jeugdhulp met verblijf ontvangen. Ook het type huishouden vertoont veel samenhang met de inzet van jeugdhulp met verblijf. Met name als er sprake is van een ‘ander’ huishouden (niet zijnde ‘eenouderhuishouden’ of ‘paar met kinderen’) is de kans op jeugdhulp met verblijf zes keer zo groot. Deze uitkomst hangt samen met de beslisboom waarmee voor elk kind een huishouden is geselecteerd. Zoals in hoofdstuk 3 is beschreven bevat deze groep onder andere gevallen waarbij de jongere in 2019 niet meer bij een van de ouders stond ingeschreven in de BRP en er ook geen andere juridische kinderen van de ouder(s) meer in het huishouden van de ouder(s) stonden ingeschreven.

Als ouders bij elkaar wonen in hetzelfde huishouden is de kans dat er jeugdhulp met verblijf wordt ingezet drie keer zo laag dan als ouders niet meer bij elkaar wonen. Het gebruik van GGZ-zorg en/of –medicatie in het huishouden verdubbelt de kans dat er ook jeugdhulp met verblijf wordt ingezet in het huishouden. De kans op jeugdhulp met verblijf is, net zoals bij jeugdhulp zonder verblijf, kleiner voor kinderen van 0 tot 4 jaar en voor jongeren van 18 tot 23 jaar. 

Net zoals bij jeugdhulp zonder verblijf, is te zien dat de kans op jeugdhulp met verblijf in het huishouden kleiner is als er een of twee ouders in het buitenland zijn geboren. Het belang in het model is het grootst bij jongeren met twee ouders uit Marokko of Turkije; bij deze jongeren is de kans dat er ook jeugdhulp met verblijf wordt ingezet een factor vier tot vijf kleiner dan bij jongeren waarvan beide ouders in Nederland zijn geboren. 

De pseudo-R² van het model is 0,34. Dit valt ruim binnen de bandbreedte van 0,2 tot 0,4 voor een uitstekende model fit.

4.4 Jeugdbescherming

In tabel 4.4.1 worden de resultaten van het model voor jeugdbescherming getoond. Er is de meeste samenhang met of de ouders nog bij elkaar wonen. Als dat zo is, dan is de kans dat er jeugdbescherming is ingezet bij de jongere vier keer zo klein. Bij de verhoogde kans bij het type huishouden ‘anders’ speelt weer de beslisboom mee, net zoals bij jeugdhulp met verblijf. Bijna de helft van de jongeren met jeugdbescherming in 2021, ontving in 2021 namelijk ook jeugdhulp met verblijf. Ook in het model voor jeugdbescherming heeft het volgen van speciaal onderwijs een groot belang in het model en als een jongere speciaal onderwijs volgt is de kans drie keer zo groot dat er ook jeugdbescherming is ingezet. Ook de inzet van Wmo en/of Wlz in het huishouden is van belang en verdubbelt de kans dat er ook jeugdbescherming wordt ingezet. Het belang van leeftijd is met name erg groot in de leeftijdscategorie 18 tot 23 met een extreem lage odds-ratio. Dit is het gevolg van wat ruis rondom geboortedatums en einddatums van de jeugdbeschermingsmaatregel, want jeugdbescherming stopt per definitie als de jongere 18 jaar wordt. Met name is te zien dat de kans op jeugdbescherming toeneemt naarmate de jongere ouder wordt. Als een jongere vaker is verhuisd in de afgelopen 3 jaar, is de kans ook groter dat hij of zij jeugdbescherming heeft. Ook wordt de kans op jeugdbescherming verdubbelt als er een slachtoffer van een geweldsmisdrijf in het huishouden is of als de belangrijkste inkomensbron van het huishouden een uitkering is. Bij gebruik van GGZ-zorg en/of –medicatie is de kans ruim anderhalf keer zo hoog dat er ook jeugdbescherming is. Het aantal in het buitenland geboren ouders speelt in het model bij jeugdbescherming een minder grote rol dan bij jeugdhulp. Voor de meeste herkomstlanden is de kans verlaagd dat er ook jeugdbescherming is, behalve bij jongeren met één ouder die in Europa of overig Afrika/Azië/Amerika/Oceanië is geboren.

De pseudo-R² van het model is 0,36. Dit valt ruim binnen de bandbreedte van 0,2 tot 0,4 voor een uitstekende model fit.

4.5 Jeugdreclassering

In tabel 4.5.1 staan de resultaten van het model voor jeugdreclassering. De kenmerken met de meeste samenhang met de inzet van jeugdreclassering zijn of iemand in het huishouden verdachte is en of de jongere zelf in aanraking is gekomen met HALT. In die gevallen is de kans vier tot bijna vijf keer zo groot dat er ook jeugdreclassering is. Hierbij moet echter wel gerealiseerd worden dat de meeste jongeren jeugdreclassering krijgen omdat ze zélf als verdachte in aanraking zijn gekomen met politie en justitie. Ook het geslacht van de jongere speelt een grote rol, voor meisjes is de kans op jeugdreclassering vier keer kleiner dan voor jongens. Ook bij jeugdreclassering is de samenhang met speciaal onderwijs hoog. Als de jongere speciaal onderwijs volgt, is de kans dat er ook jeugdreclassering is 3,5 keer zo hoog. Ook is er relatief veel samenhang met het opleidingsniveau van de jongere. Hoe hoger het opleidingsniveau, hoe kleiner de kans dat er ook jeugdreclassering is. Kijkend naar het aantal keer dat de jongere verhuisd is in de afgelopen drie jaar, is de samenhang met jeugdreclassering vooral hoog als de jongere 3 keer of meer is verhuisd. In die gevallen is de kans bijna drie keer zo hoog dat er jeugdreclassering is. Ook is er een relatie met voortijdig schoolverlaten. Bij jongeren die voortijdig schoolverlater zijn is de kans op jeugdreclassering ruim twee keer zo groot. Het is goed om hierbij te beseffen dat een jongeren ook jeugdreclassering kan krijgen als hij in aanraking is gekomen met de leerplichtambtenaar vanwege schoolverzuim. Het belang van het aantal in het buitenland geboren ouders is het hoogst als beide ouders in Marokko zijn geboren. Voor alle herkomstlanden is te zien dat de kans dat er jeugdreclassering is, hoger is dan voor kinderen waarvan beide ouders in Nederland zijn geboren. 
Het achtergrondkenmerk leeftijd leidt in het model voor jeugdreclassering niet tot zinnige waarden voor de Wald-score en de odds-ratio. Dit komt omdat de referentiecategorie in alle modellen de leeftijdsgroep 0 tot 4 jaar is. Maar deze categorie komt niet voor bij jeugdreclassering, waardoor het model geen zinnige waarden kan berekenen.

De pseudo-R² van het model is 0,37. Dit valt ruim binnen de bandbreedte van 0,2 tot 0,4 voor een uitstekende model fit.