Het verschil in opkomst tussen Tweede Kamerverkiezingen en gemeenteraadsverkiezingen

Een hoge opkomst bij verkiezingen wordt gezien als een belangrijke graadmeter voor een gezonde democratie (Lijphart, 2008). Een lage opkomst schaadt de legitimiteit van het politieke stelsel en kan ervoor zorgen dat mensen minder goed vertegenwoordigd worden (Lijphart, 2008). De opkomst voor de Tweede Kamerverkiezingen schommelt al jaren rond de 80 procent. Wel is sprake van een steeds groter wordend verschil in opkomst tussen de gemeenteraadsverkiezingen (lokale verkiezingen) en Tweede Kamerverkiezingen (landelijke verkiezingen). Dat de daling in de opkomst van de gemeenteraadsverkiezingen aanhoudt, lijkt bijzonder: sinds 2015 zijn er namelijk meer zorgtaken van de nationale overheid naar de gemeenten overgeheveld, zoals de Participatiewet en jeugdzorg. Burgers zien ook in steeds grotere mate de lokale overheid als verantwoordelijk voor dit beleid (De Blok en Van der Burg, 2019) en verkiezingen zijn een ideale manier om het beleid goed of af te keuren. Een stijging in opkomst was dus de verwachting, niet een verdere daling (Park, Frantzeskakis en Shin, 2019).

Het is van belang om inzicht te krijgen in deze kloof tussen de opkomst bij de gemeenteraadsverkiezingen en de Tweede Kamerverkiezingen. Meer inzicht kan tevens behulpzaam zijn bij de mogelijke implementatie van aanbevelingen die de Staatscommissie parlementair stelsel (commissie Remkes) recentelijk heeft ondernomen om de opkomst te verhogen bij verkiezingen (Staatscommissie Parlementaire Stelsel, 2018). De implementatie van de aanbevelingen van de commissie Remkes staat beschreven in het coalitieakkoord van 2021-2025 (VVD, D66, CDA en CU, 2021). Op 16 maart 2022 zijn er weer gemeenteraadsverkiezingen.

Om meer te begrijpen van bovengenoemde kloof wordt er specifiek gekeken naar de volgende verkiezingen: Tweede Kamer in 2017, gemeenteraad in 2018, en de herindelingen van de gemeenteraden in 2017 en 2018. Er wordt niet gekeken naar de toename van de kloof over de jaren heen. Er worden in dit onderzoek zowel kenmerken van de buurtbevolking als kenmerken van de omgeving in ogenschouw genomen als mogelijke verklaringen voor het verschil in opkomst tussen landelijke en gemeenteraadsverkiezingen. De eigenschappen van de buurtbevolking geven een indruk welke sociaaleconomische groepen mogelijk minder vaak stemmen bij gemeenteraadsverkiezingen. De kenmerken van de omgeving betreffen kerncijfers van buurten, zoals aantal inwoners en bevolkingsdichtheid, en kenmerken van de verkiezingen, zoals welke partijen er mee doen. De mogelijke verklarende factoren zijn ontleend aan de verkiezingsonderzoeksliteratuur (voor een samenvatting zie: Smets en Van Ham, 2013; Cancela en Geys, 2016).

Het effect van sociaaleconomische achtergrondkenmerken op de keuze van mensen om al dan niet te gaan stemmen, wordt bijna altijd onderzocht door middel van enquêtes (micro). Voor het effect van omgevingskenmerken op de opkomst zijn in het verleden verschillende macro-onderzoeken (vergelijkingen van landen of gemeenten) uitgevoerd (Cancela en Geys, 2016). Het meeste onderzoek richt zich op het verklaren van de opkomst van één soort verkiezing. Dit onderzoek onderscheidt zich ten opzichte van andere onderzoeken omdat het verschil in opkomst tussen twee soorten verkiezingen centraal staat. Omdat zowel kenmerken van de buurtbevolking als omgevingskenmerken meegenomen worden, is er sprake van een analyse op mesoniveau, waarbij het buurtniveau de analyse-eenheid is.

Bij de analyse is gebruikgemaakt van openbare stembureaudata, verzameld door de kiesraad. Deze data bevat onder andere het aantal kiesgerechtigden en het aantal opgedaagde kiezers per stembureau. Aangezien stemmen anoniem gebeurt, en dus onbekend is wie er precies is komen opdagen, worden de stembureaus geaggregeerd naar buurtniveau. Zo kan de opkomst per buurt worden berekend. Aan deze buurten worden CBS-StatLine gegevens gekoppeld. De buurtgegevens van CBS-StatLine kunnen een goede schatting geven over welke personen wel of niet zijn komen opdagen. Om het verschil in opkomst dat ontstaat doordat er bij de gemeenteraadsverkiezingen en/of de Tweede Kamerverkiezingen meer of minder personen zijn komen opdagen goed te begrijpen, zijn beide verkiezingen ook individueel meegenomen in de analyse.

2.1 Kenmerken van de buurtbevolking

Uit de literatuur is een grote lijst factoren bekend die, de een meer dan ander, effect hebben op de opkomst van verkiezingen (zie voor een uitgebreide lijst: Smets en Van Ham, 2013; Cancela en Geys, 2016). Er is voor gekozen om als de kenmerken van de buurtbevolking opleidingsniveau, leeftijd en inkomen mee te nemen in de analyse. Uit de literatuur komt naar voren dat mensen met een hoger opleidingsniveau relatief vaker naar de stembus gaan (Wille, 2017). Dit komt doordat hoger opgeleiden vaker politiek geïnteresseerd zijn, vaak meer kennis van de politiek hebben en vaak in een omgeving zitten waarbij iedereen stemt. Voor het tweede kenmerk, leeftijd, geldt grofweg hoe ouder, hoe groter de kans dat iemand gaat stemmen (Smets, 2016). Vanaf ongeveer 65-jarige leeftijd neemt de bereidheid om te stemmen echter in steeds grotere mate af, onder andere doordat mensen minder mobiel worden (Smets, 2016). Naast opleidingsniveau, wordt vaak ook een separaat effect gevonden voor een derde kenmerk: inkomen. Een lager inkomen gaat gepaard met een lagere opkomst tijdens de verkiezingen. Als mogelijke verklaring geldt dat een persoon met een lager inkomen minder interesse heeft in de politiek en dus minder snel naar de stembus gaat (Lahtinen, Mattila, Wass en Martikainen, 2017). De geringere interesse van degenen met een laag inkomen hangt samen met het feit dat deze groep meer zorgen heeft over en dus meer bezig is met elke dag rond te komen (Lahtinen, Mattila, Wass en Martikainen, 2017). Ook is aangetoond dat hogere inkomens sneller gaan stemmen als er een gerede kans is dat de belastingen omhooggaan, omdat deze groep relatief meer te verliezen heeft (Kasara en Suryanarayan, 2015).

2.2 Kenmerken van de omgeving

Als kenmerken van de omgeving worden achtereenvolgens meegenomen: het aantal deelnemende partijen, het soort partijen, het aantal stembureaus, het inwoneraantal van de gemeente, de bevolkingsdichtheid en of er sprake is van herindelingsverkiezingen. Uit diverse studies blijkt dat de deelname van politieke partijen zelf een rol speelt in de opkomst. Recent onderzoek wijst uit dat het aantal partijen bij verkiezingen (het vierde kenmerk) een rol kan spelen bij de opkomst. Robbins en Hunter (2012) vatten samen dat er twee tegenstrijdige mechanismen worden gevonden als het gaat om het aantal partijen en de opkomst. Een groter aantal partijen zorgt voor meer keuze, waardoor er een grotere kans is dat men zich met een partij kan identificeren. Dit zorgt voor een hogere opkomst (Robbins en Hunter, 2012). Anderzijds zou een groter aantal partijen ook voor een lagere opkomst kunnen zorgen, omdat kiezers meer moeite moeten doen om alle partijen te leren kennen (Robbins en Hunter, 2012). Stockemor (2017) ondervindt in zijn meta-analyse van twintig studies dat er zowel positieve, negatieve als geen effecten gevonden wordt van het aantal partijen op de opkomst.

Daarnaast speelt niet alleen het aantal, maar ook het soort partijen een rol. Het vijfde kenmerk, deelname van zogeheten ‘populistische partijen’, zou bij landelijke verkiezingen kunnen zorgen voor een hogere opkomst (Leininger en Meijers, 2020). Er is nog niet eerder onderzoek gedaan naar de vraag of de deelname van populistische partijen kan leiden tot een hogere opkomst bij lokale verkiezingen. In Nederland deden Partij voor de Vrijheid (PVV), Forum voor Democratie (FvD) en Leefbaar Rotterdam, die weleens aangeduid worden als ‘populistische partijen’ (Meijers en Zaslove, 2021), mee met de gemeenteverkiezingen in 2018. Tot op heden is er evenmin onderzoek gedaan naar de vraag of het zesde kenmerk, de deelname van lokale partijen, zorgt voor een hogere opkomst. Een hypothese is dat lokale partijen beter dan landelijke weten wat er lokaal speelt, waardoor kiezers zich beter vertegenwoordigd voelen en sneller naar de stembus gaan.

Ook het aantal stembureaus, het zevende kenmerk, is van belang. Van Oostaaijen, Eskamp, Dols en Van Zuydam (2016) tonen aan dat een groter aantal stembureaus in een buurt zorgt voor een hogere opkomst. Dit effect is sterker voor gemeenteraadsverkiezingen dan voor Tweede Kamerverkiezingen (Orford, Railings, Trasher en Borisyuk, 2011).

Het achtste kenmerk betreft het inwonertal van een gemeente. Van Houwelingen (2017) ondervindt in zijn meta-analyse van vijftien studies een overwegend positief effect van een kleiner aantal inwoners op de opkomst. Dit positieve effect zou komen doordat in een kleinere gemeente mensen elkaar sneller kennen, waardoor mensen eerder geneigd zijn om te gaan stemmen vanuit een hogere ‘sociale druk’ om erbij te horen (Tavares en Raudla, 2018). Daarnaast zouden politici makkelijker aanspreekbaar zijn en zouden kiezers in kleine gemeenten makkelijker informatie krijgen over politieke kwesties.

De bevolkingsdichtheid (het aantal mensen per vierkante kilometer), het negende kenmerk, kan het negatieve effect van gemeentegrootte op de opkomst bij verkiezingen enerzijds verzwakken, want hoe dichter mensen op elkaar wonen hoe groter de kans is dat ze elkaar tegenkomen, waardoor eveneens een ‘groepsdruk’ zou kunnen ontstaan om te gaan stemmen (Carr en Tavares, 2013). Anderzijds kan een hogere bevolkingsdichtheid ook voor een lagere opkomst zorgen. Gebieden met een hoge bevolkingsdichtheid zijn vaak stedelijk, waardoor men makkelijker in de anonimiteit kan treden, waarbij de ‘groepsdruk’ vervalt (Tavares en Raudla, 2018). Tenslotte heeft het tiende kenmerk, gemeentelijke herindelingen (samenvoeging van twee of meer gemeenten) een negatieve invloed op de opkomst. Een gemeente wordt hierdoor groter en kiezers moeten meer moeite doen om de nieuwe lokale politieke kwesties te begrijpen, wat zorgt voor een lagere opkomst bij gemeenteraadsverkiezingen (Allers, De Natris, Rienks en De Greef, 2021).

3.1 Data

Dit onderzoek maakt gebruik van openbare stembureaudata van de Tweede Kamerverkiezingen van 2017, de gemeenteraadsverkiezingen van 2018, en de herindelingsverkiezingen van 2017 en 2018 (Kiesraad, 2017a; Kiesraad, 2017b; Kiesraad, 2018a; Kiesraad, 2018b). De herindelingsverkiezingen vonden enige maanden eerder of later plaats dan de reguliere gemeenteraadsverkiezingen. De heringedeelde gemeenten deden niet mee tijdens de reguliere gemeenteraadsverkiezingen. De stembureaudata bevatten onder andere het aantal kiesgerechtigden zoals geregistreerd bij het stembureau en het aantal mensen dat daadwerkelijk heeft gestemd.

De stembureaudata zijn aan de hand van de postcode gekoppeld aan de CBS-buurtcode voor de buurt waarin het stembureau zich bevindt. De data zijn aan de hand van deze buurtcode geaggregeerd naar buurtniveau, zodat berekend kan worden wat de opkomst per buurt is. Deze buurtcode is tevens gebruikt om buurtgegevens van CBS-StatLine te koppelen aan deze buurten. De buurt is dus het analyseniveau van dit onderzoek. Zie bijlage 2 voor de definitie van alle variabelen in de analyse.

Een belangrijke reden om te kiezen voor stembureaudata gecombineerd met buurtgegevens is het feit dat er relatief weinig andere datasets ingaan op de opkomst van zowel gemeenteraads- als Tweede Kamerverkiezingen. Daarnaast is gebruikmaken van de beperkte hoeveelheid enquêtegegevens die wel ingaat op beide verkiezingen, niet zonder problemen. In enquêtes wordt de opkomst vaak overschat (Schmeets en Van den Brakel, 2015), wat kan leiden tot vertekende resultaten (Sciarini en Goldberg, 2016). Gebruikmaken van buurtgegevens om verklaringen te vinden is niet nieuw als het gaat om partijkeuze (Harteveld, Van der Brug, De Lange en Van der Meer, 2021). Het is echter wel nieuw als het gaat om het verklaren van de opkomst.

Om bij de analyses gebruik te kunnen maken van buurten, zijn twee aannamen gedaan. De eerste vooronderstelling in dit onderzoek is dat kenmerken van buurten, en dus van buurtbewoners, betrekking hebben op de stemgerechtigden van de stembureaus in die buurt. Dit is niet voor honderd procent het geval, omdat niet iedereen stemt in de buurt waar men woont. Er zijn bijvoorbeeld mensen die gaan stemmen op een station of in een ziekenhuis. Voor analysedoeleinden zal dat echter geen ernstige problemen geven, want kiezers gaan over het algemeen naar het dichtstbijzijnde stembureau (Orford, Railings, Trasher en Borisyuk, 2011) en buurten zijn tevens geen totaal gescheiden eenheden: er is enige overlap van kenmerken tussen naastgelegen buurten te verwachten (Sleutjes, De Valk en Ooijevaar, 2018). De tweede vooronderstelling is dat analyseresultaten op buurtniveau niet automatisch vertaald kunnen worden naar relaties op individueel niveau (De Blok en Van der Meer, 2018). Oftewel, er moet worden opgepast dat relaties tussen buurten en opkomst niet altijd direct vertalen zijn naar relaties tussen individuele kiezers en opkomst. Het gaat hierbij om het voorkomen van een zogeheten ‘ecologische fout’ (Kittel, 2006)

3.2 Methode

Om tot conclusies te komen over wat mogelijk het procentuele verschil in opkomst tussen de gemeenteraads- en nationale verkiezingen kan verklaren, wordt gebruikgemaakt van een multilevel lineaire regressieanalyse. Een regressieanalyse biedt de mogelijkheid om de samenhang tussen opkomst en meerdere kenmerken tegelijk te testen. Een multilevel lineaire regressieanalyse wordt gebruikt om te testen of een hoger niveau (gemeenten) effect heeft op een lager niveau (buurten). Daarnaast biedt een multilevel analyse de mogelijkheid om factoren van meerdere niveaus tegelijk te testen, zodat zowel gemeente als buurtkenmerken kunnen worden meegenomen in de analyse. De resultaten van de analyses zijn opgenomen in bijlage B.3 I t/m IV. Model 5 is het complete en meest zuivere model en is gebruikt om uitspraken te doen over het verschil in opkomst.

In deze paragraaf wordt allereerst ingegaan op de opkomst van de Tweede Kamerverkiezingen en de gemeenteraadsverkiezingen afzonderlijk. Hierna wordt het verschil in opkomst tussen beide verkiezingen besproken. De resultaten van de analyse voor beide verkiezingen afzonderlijk zijn nodig om het verschil in opkomst tussen beide verkiezingen te kunnen begrijpen.

4.1 Opkomst bij gemeenteraads- of Tweede Kamerverkiezingen

De meeste buurten hebben bij de Tweede Kamerverkiezingen een opkomst tussen de 80 en 90 procent. Bij de gemeenteraadsverkiezingen ligt de opkomst grotendeels tussen de 50 en 60 procent.

Buurten met relatief veel laagopgeleiden of veel personen met een laag inkomen hebben gemiddeld genomen een veel lagere opkomst voor zowel gemeenteraads- als Tweede Kamerverkiezingen. Ook valt te zien dat een buurt die valt in een heringedeelde gemeente gemiddeld genomen een veel lagere opkomst heeft tijdens gemeenteraadsverkiezingen. De opkomst tijdens de Tweede Kamerverkiezingen verschilt nauwelijks voor buurten die behoren tot een gemeente die is heringedeeld en buurten waarbij dat niet het geval is.

 4.2 Multilevel regressieanalyses voor een enkele verkiezing

Bovenstaande figuren laten zien hoe buurten kunnen verschillen in opkomst. Om te controleren of deze verbanden (ook gezamenlijk) tussen opkomst en bijvoorbeeld inkomen, opleidingsniveau of het voorkomen van herindelingen standhouden dan wel veranderen, wordt gebruik gemaakt van de multilevel regressieanalyse.

Zowel voor de Tweede Kamerverkiezingen (model 1) als gemeenteraadsverkiezingen (model 2) is te zien dat een hoger percentage hoger opgeleiden in de buurt samengaat met een hogere opkomst, terwijl een hoger percentage lager opgeleiden in de buurt samengaat met een lagere opkomst bij beide verkiezingen. Daarnaast valt op dat het effect op de opkomst van een hoger aandeel 15- tot 25-jarigen of 65-plussers in een buurt tijdens de landelijke verkiezingen heel gering is. Uitsluitend voor de gemeenteraadsverkiezingen valt juist op dat een groter percentage 15- tot 25-jarigen of 65-plussers in buurt voor een hogere opkomst zorgt. Dat een groter percentage jongeren in een buurt zorgt voor een hogere opkomst tijdens de gemeenteraadsverkiezingen, lijkt tegen de verwachting in. Het zou kunnen komen doordat wijken met relatief veel jongeren vaak buurten zijn met veel (hoogopgeleide) studenten. Tenslotte is te zien dat de opkomst lager is in buurten met waar veel stemgerechtigden wonen met een laag inkomen.

Opmerkelijk genoeg gaat een hoger percentage lokale partijen gepaard met een lagere opkomst voor de gemeenteraadsverkiezingen. Daarnaast verlaagt één extra partij (al dan een niet lokale partij) op de kieslijst de opkomst van de gemeenteraadsverkiezingen met 0,57 procentpunt. Ook valt te zien dat een hoge bevolkingsdichtheid een negatief effect heeft op opkomst. Tenslotte valt op dat herindelingsverkiezingen, ten opzichte van normale gemeenteraadsverkiezingen, voor een significant lagere opkomst bij de gemeenteraadsverkiezingen zorgen. Gemiddeld genomen hebben herindelingsverkiezingen een 8,5 procentpunt lagere opkomst.

4.2.1 Verschil in opkomst tussen nationale en gemeenteraadsverkiezingen.

Nu duidelijk is hoe de opkomst bij een enkele verkiezing verklaard kan worden, kan er ingegaan worden op het verschil in opkomst tussen beide verkiezingen. In de meeste buurten is de opkomst 20 tot 30 procentpunt lager bij de gemeenteraadsverkiezingen dan bij de Tweede Kamerverkiezingen.

4.2.2 Multilevel regressieanalyses voor het verschil

Om te beoordelen welke factoren zorgen voor een verschil in opkomst tussen de gemeenteraadsverkiezingen en Tweede Kamerverkiezingen, wordt er gekeken naar model 5. In deze paragraaf wordt er alleen beschreven wat er in het model te zien is; uitleg waarom er wel of geen effect wordt ondervonden volgt in de conclusie. Allereerst valt op dat een hoger percentage hoger opgeleiden in een buurt zorgt voor een kleiner verschil in opkomst tussen de gemeenteraads- en landelijke verkiezingen. Het percentage lager opgeleiden heeft geen effect op het verschil. Het verschil in opkomst is kleiner als er een groter percentage 65-plussers in een buurt woont, terwijl een groter percentage jongeren geen effect heeft op het verschil. Tenslotte is te zien dat een hoger percentage lage inkomens zorgt voor een iets groter verschil.

Daarnaast wordt duidelijk dat de deelname van PVV, FvD en Leefbaar Rotterdam aan de gemeenteraadsverkiezingen geen invloed heeft op het verschil in opkomst. Hetzelfde geldt voor de deelname van lokale partijen. Hoewel het soort partij dus geen invloed lijkt te hebben, heeft het aantal partijen wel een effect. Hoe meer partijen er mee doen tijdens de gemeenteraadsverkiezingen, hoe groter het verschil in opkomst. Een groter aantal inwoners zorgt voor een kleiner verschil in opkomst tussen de verkiezingen, terwijl een hogere bevolkingsdichtheid juist zorgt voor een groter verschil. Het verband tussen herindelingen en het verschil in opkomst houdt ook stand als deze wordt getest in model 5.

4.3 Het effect van stembureaus op opkomst

Gemiddeld genomen heeft elke buurt net iets minder dan twee stembureaus. In dataset zijn er ongeveer 70 buurten die één extra stembureau hadden bij de gemeenteraadsverkiezingen ten opzichte van de Tweede Kamerverkiezingen en 34 buurten die één stembureau minder hadden bij de gemeenteraadsverkiezingen. Verwacht wordt dat meer stembureaus in een buurt een positief effect op de opkomst zullen hebben (Van Oostaaijen, Eskamp, Dols en Van Zuydam, 2016). Dit is echter niet direct terug te zien in model 2 en 5. Om het effect van de toevoeging van een extra stembureau goed te testen, is het van belang dat het aantal kiesgerechtigden ongeveer gelijk blijft. De toevoeging van extra kiesgerechtigden aan een extra stembureau mag dus niet de reden zijn dat het opkomstcijfer wijzigt.

Het aantal kiesgerechtigden bij twee verschillende verkiezingen is nooit helemaal gelijk, omdat er personen verhuizen, overlijden of 18 jaar oud worden. Daarnaast zit er een verschil in de kieswet tussen landelijke en gemeenteraadsverkiezingen, waardoor het aantal kiesgerechtigden eveneens verschilt: om te mogen stemmen voor de landelijke verkiezingen moet men de Nederlandse nationaliteit hebben, terwijl men voor de gemeenteraadsverkiezingen vijf jaar in Nederland moet wonen (artikel 4 van de Nederlandse Grondwet).

In model 6 en 7 zijn alleen buurten meegenomen die voor 80 procent overeenkomen qua aantal kiesgerechtigden. Een extra stembureau tijdens de gemeenteraadsverkiezingen ten opzichte van de Tweede Kamerverkiezingen zorgt voor een hogere opkomst bij de gemeenteraadsverkiezingen (model 6). Toevoeging van een stembureau zorgt niet voor een kleiner verschil in opkomst (model 7).

Er is al veel onderzoek gedaan naar wat de opkomst bij één enkele verkiezing kan verklaren. In dit onderzoek is gepoogd om een verklaring te zoeken voor het verschil in opkomst tussen verschillende verkiezingen, namelijk de Tweede Kamer- en de gemeenteraadsverkiezingen. Hierbij is zowel gekeken naar het verband met kenmerken van de buurtbevolking als met kenmerken van de omgeving. Daarnaast is onderzocht of reeds aangetoonde verbanden tussen kenmerken en opkomst tijdens één soort verkiezingen op buurtniveau standhouden.

Met het analyseniveau van buurten worden dezelfde effecten gevonden als eerdere onderzoeken op enkele verkiezingen hebben aangetoond. Zoals te verwachten hebben een hogere leeftijd, een hoger opleidingsniveau en een hoger inkomen een positief effect op opkomst van zowel de Tweede Kamer- als de gemeenteraadsverkiezingen. Ook voor de omgevingskenmerken worden reeds aangetoonde effecten gevonden. Zo hebben herindelingsverkiezingen een negatief effect op de opkomst van de gemeenteraadsverkiezingen. Ook gaat, conform de studie van Tavares en Raudla (2018), maar in tegenspraak met Tavares en Carr (2013), een hogere bevolkingsdichtheid samen met een lagere opkomst bij zowel de gemeenteraads- als de Tweede Kamerverkiezing. Daarnaast heeft een groter aantal lokale partijen een negatief effect op de opkomst bij gemeenteraadsverkiezingen. Voor toekomstig onderzoek zou het interessant zijn om te kijken of er nog verschil zit in het effect van verschillende soorten lokale partijen op de opkomst (Boogers en Voerman, 2010).

Naast separate verkiezingen is onderzocht welke kenmerken samenhangen met het verschil tussen Tweede Kamer- en gemeenteraadsverkiezingen. Een hoger percentage hoogopgeleiden en 65-plussers in de buurt zorgt voor een kleiner verschil in opkomst. Het verschil in opkomst is groter, naarmate het percentage lage inkomens in een buurt toeneemt. Daarnaast resulteren herindelingsverkiezingen, een grotere bevolkingsdichtheid in een gemeente en een extra partij op de kieslijst tijdens de gemeenteraadsverkiezingen voor een groter verschil.

Een kleiner of groter verschil in opkomst wordt veroorzaakt door een negatief of positief effect op de opkomst bij de Tweede Kamerverkiezingen en/of een negatief of positief effect op de opkomst bij de gemeenteraadsverkiezingen. Zo wordt het verschil in opkomst kleiner, doordat een groter percentage hoger opgeleiden in een buurt resulteert in meer kiezers die naar de stembus gaan bij de gemeenteraadsverkiezingen. Dit komt waarschijnlijk vanwege een grotere politieke interesse voor en kennis over deze verkiezingen bij hoger opgeleiden (Jansen en Boogers, 2019). Voor het percentage laagopgeleiden in een buurt wordt geen effect gevonden op het verschil, omdat een hoger percentage laagopgeleiden voor een even sterke daling zorgt bij de gemeenteraads- en de Tweede Kamerverkiezingen. Het verschil wordt dus niet groter of kleiner. Ook het inkomensniveau blijkt een rol te spelen bij het verschil. Een hoger percentage lage inkomens in een buurt zorgt voor een groter verschil doordat deze groep ten opzichte van de Tweede Kamerverkiezingen nog minder komt opdagen bij de gemeenteraadsverkiezingen. Dit past binnen de bevindingen van Lahtinen, Mattila, Wass en Martikainen (2017) dat, ondanks toevoeging van opleidingsniveau en leeftijd, er toch nog een separaat effect is voor inkomen op opkomst. Ten slotte is er een effect gevonden voor een groter percentage 65-plussers in buurt, terwijl er geen effect wordt gevonden voor het percentage 15- tot 25-jarigen in een buurt. Een groter aandeel 65-plussers zorgt voor een veel hogere opkomst bij gemeenteraadsverkiezingen terwijl het maar tot een geringe toename van de opkomst tijdens de Tweede Kamerverkiezingen leidt. Kortom, een hoger aandeel 65-plussers verkleint het verschil in opkomst tussen beide verkiezingen. Dit lijkt wederom te bevestigen dat hoe ouder een persoon is, des te groter de kans is dat deze persoon gaat stemmen (Smets, 2016).

Niet alleen sociaaleconomische factoren spelen een rol bij het verschil in opkomst tussen de Tweede Kamer- en gemeenteraadsverkiezingen, maar ook partijen kunnen hieraan bijdragen. Hierbij worden twee belangrijke punten aangetoond voor het debat over het effect van het aantal partijen op opkomst (Robbins en Hunter, 2012), namelijk dat dit negatief is en voor alle verkiezingen lijkt te gelden. Ook hebben kenmerken van de gemeente waarin men woont invloed. Een grotere bevolkingsdichtheid in een gemeente zorgt voor een iets sterkere daling van de opkomst tijdens gemeenteraadsverkiezingen dan tijdens Tweede Kamerverkiezingen, waardoor er een groter verschil ontstaat. Voor vervolg zou het interessant zijn, om te kijken in hoeverre de eigenschappen van een buurt kunnen bijdragen aan de opkomst. Heeft verhuizen naar een andere buurt of stedelijkheid bijvoorbeeld invloed?

Een extra stembureau per duizend inwoners heeft alleen effect tijdens de gemeenteraadsverkiezingen, maar geen effect op het verschil in opkomst. Voor vervolgonderzoek zou het interessant zijn om te kijken in welke wijken een toevoeging van een extra stembureau het meest effect heeft. Hiermee zou het advies van Staatcommissie-Remkes, om juist stembureaus toe te voegen in buurten waar kiezersgroepen zitten die minder komen opdagen om zo de opkomst te verhogen, beter geïmplementeerd kunnen worden (Staatscommissie Parlementaire Stelsel, 2018).

Data

Dit onderzoek maakt gebruikt van stembureaudata. Deze zijn direct na de verkiezingen door gemeenten verzameld voor alle stembureaus binnen de gemeente. De gemeenten sturen deze gegevens door naar de Kiesraad, die ze samenvoegt en publiceert. De aldus ontstane dataset is echter onvolledig. Niet alle gemeenten leveren namelijk de gegevens aan de Kiesraad en daarnaast sturen gemeenten ook niet altijd de volledige gegevens door. Zo kunnen bijvoorbeeld de postcodes van de stembureaus of het aantal kiesgerechtigden per stembureau ontbreken. Zo is voor de Tweede Kamerverkiezingen 2017 van slechts 45 procent van de stembureaus de gegevens compleet voorhanden (4 288 van de 9 357 stembureaus in Nederland).

Voor dit onderzoek zijn een groot deel van de ontbrekende data aangevuld. De stembureaudataset is na aanvulling voor ongeveer 70 procent compleet. Om te controleren of de uiteindelijke dataset voor de analyse voldoende representatief is, is gekeken hoe de aangevulde dataset zich verhoudt tot de Nederlandse gemiddelden. In bijlage 1 is te zien dat de aangevulde dataset op geselecteerde variabelen inderdaad overeenkomt met de Nederlandse gemiddelden en dus representatief mag worden genoemd.

Het aanvullen van de missende gegevens is onder andere gedaan door deze op te vragen bij gemeenten en missende postcodes van stembureaus te achterhalen via Google Maps en de website Waarismijnstemlokaal?

De data is als eerste aangevuld met missende gemeenten die voldeden aan een of meer criteria.

1. Er was sprake van een herindeling;
2. PVV, FvD of Leefbaar Rotterdam deden mee met de gemeenteraadsverkiezingen in deze gemeente;
3. De gemeente behoort tot een van de grote 40 (G40) gemeenten. Er is specifiek gekozen voor G40, omdat eerder CBS-onderzoek aantoonde dat er qua kiezers voornamelijk verschillen in wijken van grotere gemeentes te vinden zijn.

Additionele analyses

In de analyse worden verschillende modellen gedraaid. Model 0 bevat nog geen variabelen en wordt gebruikt om te bepalen of het inderdaad zo is dat de opkomstpercentages van buurten beïnvloed worden door de gemeente waarin zij zich bevinden. Het model 0 in de analyse stelt dat 71 procent (55,239/(55,239+22,929)) van het verschil tussen de twee verkiezingen wordt verklaard door het buurtniveau en 29 procent wordt verklaard door het gemeentelijk niveau. Ook zijn beide niveaus significant (P<0,001), wat aantoont dat het zinvol is om een multilevel analyse te gebruiken. Voor elk model waarbij de gemeenteraadsverkiezingen en herindelingsverkiezingen in de afhankelijke variabele zit, is een dummy variabele van de datums van de gemeenteraads- en herindelingsverkiezingen toegevoegd om gedeeltelijk te controleren voor verschillen in tijd.

Toelichting buurttypen

• Laag inkomen: Percentage van huishoudens in een buurt die bij de 40 procent laagste inkomens in Nederland horen is meer dan 50 procent (N= 733)
• Hoog inkomen: Percentage van huishoudens in een buurt die bij de 20 procent hoogste inkomens in Nederland horen is meer dan 33 procent (N= 383)
• Laagopgeleid: Het percentage laagopgeleiden in een buurt is hoger dan de percentages middelbaar en hoogopgeleiden in dezelfde buurt (N= 266)
• Hoogopgeleid: Het percentage hoogopgeleiden in een buurt is hoger dan de percentages middelbaar en laagopgeleiden in dezelfde buurt (N=653)
• Buurt wel in gemeente met herindeling: buurt valt in een gemeente die in 2017 of 2018 is heringedeeld (N=399)
• Buurt niet in gemeente met herindeling: buurt valt niet in een gemeente die in 2017 of 2018 is heringedeeld (N=2631)
• De definiëring van de variabelen voor de analyse is te vinden in bijlage 2.

StatLine

CBS StatLine (2018). Kerncijfers wijken en buurten, 2018.

CBS StatLine (2019). Bevolking 15 tot 75 jaar; opleidingsniveau, wijken en buurten, 2019. 

Allers, M., J. Natris, de, H. Rienks en T. Greef, de (2021). Is small beautiful? Transitional and structural effects of municipal amalgamation on voter turnout in local and national elections. Electoral Studies, 70.

Blok, E. L. de, en T. Van der Meer (2018). The puzzling effect of residential neighbourhoods on the vote for the radical right an individual-level panel study on the mechanisms behind neighbourhood effects on voting for the Dutch Freedom Party, 2010–2013. Electoral Studies, 53, 122-132.

Blok, L. de, en W. van der Burg (2019). 6. Verantwoordelijkheid en publieke verantwoording. In G. Jansen en B. Denters (red.), Democratie dichterbij: Lokaal kiezersonderzoek 2018. Leiden, Nederland: Stichting kiezersonderzoek Nederland (SKON).

Boogers, M., en G. Voerman (2010). Independent local political parties in the Netherlands. Local Government Studies, 36(1), 75-90.

Cancela, J., en B. Geys (2016). Explaining voter turnout: A meta-analysis of national and subnational elections. Electoral Studies, 42, 264-275.

Harteveld, E., W. Van der Brug, S. de Lange, en T. Van der Meer (2021). Multiple roots of the populist radical right: Support for the PVV in cities and countryside. European Journal of Political Research.

Houwelingen, P. van (2017). Political participation and municipal population size: A meta-study. Local Government Studies, 43(3), 408-428.

Jansen, G., en M. Boogers. (2019). Opkomst en stemgedrag. In G. Jansen en B. Denters (red.), Democratie dichterbij: Lokaal kiezersonderzoek 2018. Leiden, Nederland: Stichting kiezersonderzoek Nederland (SKON).

Kasara, K., en P. Suryanarayan (2015). When do the rich vote less than the poor and why? Explaining turnout inequality across the world. American Journal of Political Science, 59(3), 613-627.

Kiesraad (2017a). Gemeentelijke herindelingsverkiezingen 2017. 

Kiesraad (2017b). Verkiezingsuitslag Tweede Kamer 2017. 

Kiesraad (2018a). Gemeentelijke herindelingsverkiezingen 2018. 

Kiesraad (2018b). Verkiezingsuitslagen Gemeenteraad 2018. 

Kittel, B. (2006). A crazy methodology? On the limits of macro-quantitative social science research. International sociology, 21(5), 647-677.

Lahtinen, H., M. Mattila, H. Wass, en P. Martikainen (2017). Explaining social class inequality in voter turnout: the contribution of income and health. Scandinavian Political Studies, 40(4), 388-410.

Leininger, A., en M.J. Meijers (2020). Do populist parties increase voter turnout? Evidence from over 40 years of electoral history in 31 European Democracies. Political Studies, 0032321720923257.

Lijphart, A. (2008) Unequal Participation: Democracy’s Unresolved Dilemma. In: A. Lijphart (red.) Thinking about Democracy. Power Sharing and Majority Rule In Theory and Practice (pp. 201–231). London, Engeland: Routledge.

Meijers, M. J., en A. Zaslove (2021). Measuring populism in political parties: appraisal of a new approach. Comparative Political Studies, 54(2), 372-407.

Orford, S., Railings, C., Thrasher, M. en G. Borisyuk (2011). Changes in the probability of voter turnout when resiting polling stations: a case study in Brent, UK. Environment and Planning C: Government and Policy, 29(1), 149-169.

Ostaaijen, J. van, Eskamp, M., Dols, M. en S. van Zuydam (2016). Verbetering op komst: Een verkenning naar effectieve gemeentelijke inzet van Communicatiemiddelen voor de opkomst bij lokale verkiezingen. Opgevraagd van Tilburg University en Gemeente Rotterdam: Onderzoek en Business Intelligence 

Park, B. B., N. Frantzeskakis en J. Shin (2019). Who is responsible? The effect of clarity of responsibility on voter turnout. West European Politics, 42(3), 464-494.

Robbins, J. W., en L. Y. Hunter (2012). Impact of electoral volatility and party replacement on voter turnout levels. Party Politics, 18(6), 919-939.

Schmeets, H., en M. van den Brakel (2015). 4. De selectiviteit van de respons in het Nationaal Kiezersonderzoek 2006-2012. In H. Schmeets (red.), Nationaal Kiezersonderzoek 2006-2012. Den Haag/ Heerlen, Nederland: Centraal Bureau van de Statistiek.

Sciarini, P., en A. C. Goldberg (2016). Turnout bias in postelection surveys: political involvement, survey participation, and vote overreporting. Journal of Survey Statistics and Methodology, 4(1), 110-137.

Sleutjes, B., H.A. de Valk en J. Ooijevaar (2018). The measurement of ethnic segregation in the Netherlands: Differences between administrative and Individualized neighbourhoods. European Journal of Population, 34(2), 195-224.

Smets, K., en C. Van Ham (2013). The embarrassment of riches? A meta-analysis of individual-level research on voter turnout. Electoral studies, 32(2), 344-359.

Smets, K. (2016). Revisiting the political life-cycle model: later maturation and turnout decline among young adults. European Political Science Review, 8(2), 225-249.

Staatscommissie Parlementaire Stelsel. (2018). Lage drempels, hoge dijken: Democratie en rechtsstaat in balans: Eindrapport van de Staatscommissie Parlementaire stelsel. Amsterdam, Nederland: Boom.

Stockemor, D. (2017). What affects voter turnout? A review article/meta-analysis of aggregate research. Government and Opposition, 52(4), 698-722.

Tavares, A. F., en J.B. Carr (2013). So close, yet so far away? The effects of city size, density and growth on local civic participation. Journal of urban affairs, 35(3), 283302.

Tavares, A. F., en R. Raudla (2018). Size, density and small-scale elections: A multi-level analysis of voter turnout in sub-municipal governments. Electoral Studies, 56.

VVD, D66, CDA en CU (2021). Omzien naar elkaar, vooruitkijken naar de toekomst: Coalitieakkoord 2021-2025. Den Haag, Nederland: Bureau Woordvoering Kabinetsformatie.

Wille, A. (2017). 6. Ongelijkheid en de hoog opgeleide participatie-elite. In T. Van der Meer, H. Van der Kolk en R. Rekker (red.), Aanhoudend Wisselvallig: Nationaal kiezersonderzoek 2017. Leiden, Nederland: Stichting kiezersonderzoek Nederland (SKON).

B.3 Multilevel lineaire regressieanalyse¹⁾ naar verschil in opkomst

Onderstaande tabellen zijn ook te downloaden als excelbestand