Meer zicht op de regionale variatie in arbeidsomstandigheden

In deze publicatie wordt gekeken naar de regionale spreiding van arbeidsomstandigheden van werknemers. Dat er sprake is van een zekere mate van variatie in de arbeidsomstandigheden naar regio is evident (TNO, 2022). Echter, onduidelijk is wat aan deze regionale spreiding ten grondslag ligt. Doel van dit artikel is om na te gaan welke COROP-gebieden opvallend scoren op een aantal belangrijke arbeidsomstandigheden – fysieke arbeidsbelasting, autonomie en werkdruk – en daarnaast te bepalen waarmee de verschillen verband houden.

In dit artikel zijn arbeidsomstandigheden geselecteerd die als bepalende factoren gelden voor het welbevinden van werknemers en het optreden van gezondheidsklachten. Een voorbeeld hiervan is het kenmerk fysiek zwaar werk: fysieke overbelasting (of onderbelasting) op het werk is een belangrijke voorspeller voor latere (fysieke) gezondheidsproblemen en werkuitval (Douwes et al., 2020). De andere twee variabelen die bestudeerd worden, hebben te maken met psychosociale arbeidsbelasting: werkdruk in termen van taakeisen, en autonomie (zie ook kader). Taakeisen en autonomie komen volgens Karasek en Theorell in samenhang voor bij de analyse van werkdruk (Karasek & Theorell, 1990). Werkdruk als gevolg van extra hard werken of altijd heel veel of heel snel werken kan worden gecompenseerd door een werknemer regelmogelijkheden te bieden om met die werkdruk om te gaan. Zijn werkdruk en autonomie in het werk niet in balans dan kan dat leiden tot een (te) grote psychosociale arbeidsbelasting met als gevolg burn-outklachten en werkuitval.

Regionale verschillen in fysiek zwaar werk, autonomie en werkdruk houden verband met een andere opbouw van de werknemerspopulatie per regio. Fysiek belastend werk komt bijvoorbeeld vooral voor bij jongeren in de leeftijd van 15 tot 25 jaar (CBS StatLine 2022). Als leeftijdsgroepen ongelijk over de regio’s verdeeld zijn, dan hangt de regionale spreiding in fysiek zwaar werk daarmee voor een deel samen. Een belangrijke onderzoeksvraag is om te achterhalen welke kenmerken in samenhang bekeken een rol spelen bij de regionale spreiding in fysiek zwaar werk, werkdruk en autonomie. Uitgangspunten daarbij zijn:

1. Het kenmerk moet een samenhang vertonen met de arbeidsomstandigheid in kwestie.
2. De samenstelling van de werknemerspopulatie naar dit kenmerk verschilt per regio. Naarmate zowel de samenhang als de regionale verschillen groter zijn, is de bijdrage aan de regionale spreiding van de arbeidsomstandigheid navenant groter.

Om vast te stellen welke kenmerken samenhangen met arbeidsomstandigheden wordt in dit artikel onder meer gebruikgemaakt van de resultaten van eerder onderzoek. Voor fysiek zwaar werk zijn onder meer de volgende risicofactoren van belang (Douwes et al., 2020): bedrijfstak en beroepsgroep, leeftijd, soort arbeidsrelatie en onderwijsniveau. Bij werkdruk spelen naast demografische kenmerken en onderwijsniveau de volgende kenmerken een voorname rol (Smulders & Houtman, 2004; Wiezer et al., 2013, Bierings, 2017): autonomie, sociale steun van de leidinggevende, werk-privé (dis)balans, emotionele en fysieke arbeidsbelasting en kenmerken zoals arbeidsduur, soort arbeidsrelatie, werkzekerheid en verwachtingen ten aanzien van het werk. In dit artikel wordt deze verzameling van samenhangende kenmerken uitgebreid op basis van empirisch onderzoek.

De volgende onderzoeksvragen worden in dit artikel beantwoord:

1. Wat is de regionale variatie in fysiek zwaar werk, autonomie en werkdruk?
2. Welke kenmerken hangen samen met deze arbeidsomstandigheden?
3. Hoe groot is de bijdrage van deze kenmerken, totaal en afzonderlijk, aan de regionale variatie van fysiek zwaar werk, autonomie en werkdruk?
4. Wat is de regionale spreiding van de kenmerken met de sterkste bijdrage aan de regionale variatie van fysiek zwaar werk, autonomie en werkdruk?

Data

Het onderzoek naar de regionale verschillen in arbeidsomstandigheden is uitgevoerd met data van de Nationale Enquête Arbeidsomstandigheden (NEA) 2022 van het CBS en TNO. Het doel van de NEA is het in kaart brengen van de arbeidsomstandigheden van werknemers en deze in verband te brengen met kenmerken van de persoon en het bedrijf waar de werknemer in dienst is. De nettosteekproef bedroeg in 2022 ongeveer 61 duizend werknemers van 15 tot 75 jaar die in Nederland wonen en werkzaam zijn.

Vanaf het verslagjaar 2022 verschilt de wijze waarop gegevens voor de NEA zijn verzameld en verwerkt op enkele punten van eerdere verslagjaren. Daardoor zijn de cijfers vanaf 2022 mogelijk niet in alle gevallen vergelijkbaar met de cijfers tot en met 2021. Meer informatie is beschikbaar in de onderzoeksbeschrijving van de NEA 2022

Het steekproefontwerp is op een aantal punten gewijzigd ten aanzien van dat in 2021: er vindt geen oversampling meer plaats van jongeren en van personen met een niet-westerse migratieachtergrond, en na trekking is de steekproef willekeurig onderverdeeld in twee clusters voor het split-half vragenlijstontwerp. Bij het split-half vragenlijstontwerp worden (deels) verschillende sets van vragen gebruikt in de twee clusters. Zodoende is het aantal gemeten doelvariabelen uitgebreid zonder substantiële toename van het aantal vragen per respondent.

Vanwege de gewijzigde waarneming via een split-half vragenlijst is ook de weegprocedure in 2022 aangepast ten opzichte van die in voorgaande jaren. Clusters 1 en 2 zijn apart gewogen door middel van poststratificatie naar geslacht, leeftijd, herkomst, type huishouden, bedrijfstak, type contract en persoonlijk inkomen.

Methode

Uit de NEA-data zijn kenmerken geselecteerd die mogelijk verband houden met de regionale variatie in fysiek zwaar werk, autonomie en werkdruk. De selectie gebeurde in een drietal stappen:

• Voorselectie van variabelen op inhoudelijke gronden. Bijvoorbeeld het soort beroep gaat naar verwachting in sterke mate samen met de kans op zware lichamelijke belasting in het werk (Douwes et al., 2020). Deze variabele wordt daarom opgenomen in de lijst van te beschouwen variabelen. Van sommige andere variabelen is weliswaar een samenhang met fysiek zwaar werk te verwachten, maar lijkt de richting van de causaliteit eerder in de omgekeerde richting te liggen. Een voorbeeld van zo’n variabele is de leeftijd tot waarop de persoon wil doorwerken. Dit type variabelen wordt daarom niet opgenomen.
• De variabelenverzameling van de voorselectie is verder ingeperkt met de CHAID-beslisboom. De CHAID-beslisboom is een niet-parametrische methode waarmee de samenhang van een doelvariabele met andere variabelen en hun interacties in beeld wordt gebracht (IBM SPSS 2013, Kass 1980).
• De uitkomsten van de datareductie met CHAID vormden het startpunt voor het opstellen van expliciete (lineaire) regressiemodellen. Lineaire regressie (en logistische regressie) zijn parametrische schattingstechnieken (Searle 1971, Agresti 2002). De regressiemodellen zijn vervolgens getoetst naar de mate waarin ze in staat zijn om de geobserveerde waarnemingen (al dan niet geaggregeerd) te reproduceren. Een voorbeeld van een dergelijke toetsing is het vergelijken van de modelschattingen met de (gewogen) directe schattingen van het aandeel fysiek zwaar werk per COROP-regio (figuur 2.1). De modelschattingen blijken ook zonder het kenmerk COROP-regio een goede benadering op te leveren voor de aandelen fysiek zwaar werk per regio. Dit betekent dat de regionale variatie in fysiek zwaar werk voor een belangrijk deel samenhangt met de regionale verdeling van andere kenmerken dan COROP-regio.

Een beperking bij de uitvoering van de analyses is dat vanwege het split-half vragenlijstontwerp niet altijd alle variabelen tegelijkertijd in samenhang kunnen worden bekeken. Zo zijn bijvoorbeeld variabelen die van belang zijn voor de analyse van werkdruk in verschillende clusters van de split-half vragenlijst opgenomen: de kenmerken ‘emotioneel zwaar werk’, en ‘intimidatie door klanten’ bevinden zich in cluster 1, en een aantal variabelen ten aanzien van verwachtingen van het werk bevinden zich in cluster 2. Variabelen die in slechts één van de clusters voorkomen zijn niet in de analyse opgenomen.

In dit artikel is gekozen voor de regionale indeling volgens de COROP-classificatie. Deze classificatie betreft een regionaal niveau tussen gemeenten en provincies in en is de meest gedetailleerde regionale indeling waarvoor in dit artikel nog betrouwbare schattingen gerealiseerd konden worden. De COROP-regio-indeling komt overeen met niveau 3 van de Europese NUTS-indeling. De ‘Nomenclature des Unités Territoriales Statistiques’ (NUTS) wordt voor de regionalisering van statistieken door Eurostat gehanteerd.

3.1 Fysiek zwaar werk

Koplopers in fysiek zwaar werk: veelal aan ‘de rand van Nederland’

De aandelen werknemers met fysiek zwaar werk zijn relatief hoog in de COROP-gebieden aan de randen van Nederland (kaart 3.1.1). In 2022 is Delfzijl en omgeving koploper met een aandeel dat 18,2 procentpunt hoger ligt dan het landelijke percentage werknemers met fysiek zwaar werk, dat op 37,8 procent ligt. Behalve Delfzijl en omgeving hebben ook de volgende COROP-gebieden een relatief groot aandeel werknemers met fysiek zwaar werk; in procentpunten ten opzichte van het landelijk gemiddelde zijn dat: Oost-Groningen (+8,4), Zuidoost-Drenthe (+7,6), Zeeuws-Vlaanderen (+7,5), Zuidwest-Friesland (+7,3), Kop van Noord-Holland (+6,9), Overig-Zeeland (+6,5) en Midden-Limburg (+6,3). Gebieden met een relatief laag aandeel fysiek zwaar werk zijn Groot-Amsterdam (-7,0 procentpunt), Utrecht (-6,8 procentpunt) en het Gooi en Vechtstreek (-6,5 procentpunt).

Beroep, werkdruk en onderwijsniveau sterkste samenhang met fysiek zwaar werk

De kenmerken die het sterkst samenhangen met fysiek zwaar werk zijn beroeps(segment)¹⁾, werkdruk, en hoogst behaald onderwijsniveau. Verder zijn ook thuiswerken, het al dan niet uitvoeren van beeldschermwerk en de bedrijfstak relevant. In tabel 3.1.2 is aangegeven welk aandeel van de variatie in fysiek zwaar werk tussen werknemers in de lineaire regressieanalyse verband houdt met afzonderlijke kenmerken. Verder valt op dat de mate waarin het model de individuele verschillen in fysiek zwaar werk weet te beschrijven blijft steken op 26,9 procent: een groot deel van deze variatie kan zodoende niet aan de in het model opgenomen kenmerken worden toegeschreven.

De regionale variatie in fysiek zwaar werk kan mogelijk wel goed met de kenmerken in het model in verband worden gebracht. Een aanwijzing hiervoor is de relatief geringe bijdrage van het kenmerk COROP-regio: minder dan 0,1 procent van de individuele variatie in fysiek zwaar werk hangt samen met het regiokenmerk.

De mate waarin een kenmerk bijdraagt aan de regionale variatie in fysiek zwaar werk wordt niet alleen bepaald door de sterkte van de samenhang met fysiek zwaar werk, maar ook door de regionale verschillen in dat kenmerk. Als een kenmerk voor iedere regio dezelfde verdeling kent dan is de bijdrage aan de regionale variatie van fysiek zwaar werk gelijk aan nul. Andersom kunnen kenmerken die een geringe samenhang hebben met fysiek zwaar werk toch een grote bijdrage laten zien, omdat ze regionaal sterk variëren. Een extreem voorbeeld van dat laatste type kenmerk is COROP-regio: de samenhang van dit kenmerk met de doelvariabele is gering (zie tabel 3.1.2), maar de regionale variatie is maximaal: werknemers van een bepaalde COROP-regio scoren voor die betreffende regio-categorie altijd de waarde 1 en voor de andere COROP-regio’s de waarde 0.

De bijdrage van afzonderlijke kenmerken aan de regionale over- of ondervertegenwoordiging van werknemers met fysiek zwaar werk kan zichtbaar worden gemaakt door een regressiemodel. Het model geeft een indicatie van het relatieve belang van de kenmerken. Uit de modelschattingen blijkt in ieder geval dat beroepssegment een belangrijk kenmerk is voor het beschrijven van de regionale variatie in fysiek zwaar werk, naast andere kenmerken als beeldschermwerk en het hoogstbehaalde onderwijsniveau. Een voorbeeld hiervan is te zien in figuren 3.1.3 en 3.1.4 waar de regionale bijdrage van de afzonderlijke modelkenmerken aan het hoger (of lager) dan landelijke aandeel werknemers met fysiek zwaar werk is weergegeven. De bijdrage van COROP-regio kan worden opgevat als de regionale variatie in fysiek zwaar werk die niet aan andere kenmerken kan worden toegeschreven (en is inclusief de bijdrage van Corop-regio zelf). Deze laatste bijdrage blijkt voor de getoonde regio’s relatief groot te zijn en wel om de reden die in de voorgaande alinea al is genoemd: de individuele samenhang van COROP-regio met fysiek zwaar werk is weliswaar relatief gering, maar de regionale variatie van deze variabele is groot.

De bijdrage van een aantal modelkenmerken aan de regionale variatie van het aandeel fysiek zwaar werk is samengevat in tabel 3.1.5. Van de afzonderlijke modelbijdragen per kenmerk en regio zijn de absolute waarden genomen en vervolgens zijn deze waarden gemiddeld over de regio’s. In de tabel zijn de bijdragen van deze kenmerken vervolgens aflopend op bijdrage gerangschikt.

Beroepssegment blijkt niet alleen het kenmerk met de sterkste samenhang met fysiek zwaar werk, maar draagt ook het meeste bij aan de regionale variatie van fysiek zwaar werk. Dit betekent dat regionale verschillen in het aandeel werknemers met fysiek zwaar werk in belangrijke mate worden bepaald door verschillen in de beroepenstructuur over regio’s.

Beroepenstructuur in regio’s met fysiek zwaar werk

Uit de voorgaande analyses is gebleken dat het type beroep (beroepssegment) een belangrijke rol speelt bij het beschrijven van de regionale verschillen in fysiek zwaar werk. Om deze samenhang beter in beeld te brengen is een ordening gemaakt van beroepssegmenten naar de bijdrage aan fysiek zwaar werk in de lineaire regressieanalyse van de voorgaande paragraaf.

De tien beroepssegmenten die het hoogste scoren op werk dat fysiek zwaar is, gelden dan als de ’10 fysiek zwaarste beroepssegmenten’, de tien beroepssegmenten met de laagste score als ‘10 fysiek minst zware beroepssegmenten’. Wat fysiek zwaar werk betreft scoren de volgende drie beroepssegmenten het hoogst: ‘hulpkrachten landbouw’, ‘bouwarbeiders’ en ‘tuinders, akkerbouwers en veetelers’. De drie minst scorende beroepssegmenten zijn ‘specialisten op maatschappelijk gebied’, ‘managers op administratief en commercieel gebied of zonder nadere aanduiding’, en ‘algemeen directeuren’. De volledige lijst van deze ’10 fysiek zwaarste beroepssegmenten’ en ‘10 fysiek minst zware beroepssegmenten’ is in de bijlage opgenomen.

Om het verband met de eerder getoonde grafiek over de regionale variatie in fysiek zwaar werk zichtbaar te maken zijn in figuur 3.1.6 per COROP-regio de aandelen 10 zwaarste en 10 lichtste beroepssegmenten gepresenteerd, waarbij van de COROP-gebieden 10 regio’s zijn geselecteerd: 5 regio’s met het hoogste aandeel werknemers met fysiek zwaar werk (bovenste 5 regio’s in de grafiek) en 5 regio’s met het laagste aandeel.

3.2 Regio’s met weinig autonomie in het werk en regio’s met hoge werkdruk

De aandelen werknemers die aangeven regelmatig autonomie te ervaren in hun werk zijn relatief hoog in de regio’s Gooi en Vechtstreek, Utrecht en de agglomeratie Haarlem (kaart 3.2.1). In deze gebieden zijn deze aandelen respectievelijk 5,7, 4,4 en 3,4 procentpunt hoger dan het landelijk gemiddelde (57,7 procent). Gebieden met een relatief laag aandeel ten opzichte van het landelijk gemiddelde zijn merendeels te vinden aan de randen van Nederland: Zaanstreek (-5,7), Overig Zeeland (-5,0 procentpunt), Oost-Groningen (-4,4 procentpunt) en Noord-Limburg en Zeeuws-Vlaanderen (resp. -3,6 en -3.5 procentpunt).

Opvallend aan de regionale score op werkdruk (kaart 3.2.2) is dat de regio’s met een relatief hoog aandeel werknemers die vaak of altijd met werkdruk te maken hebben overwegend te vinden zijn in het westelijk gedeelte van Nederland. De drie gebieden die wat dit aandeel betreft vooroplopen zijn: Groot-Amsterdam (+4,8 procentpunt ten opzichte van het landelijk gemiddelde van 33,4 procent), IJmond (+4,4 procentpunt) en de agglomeratie ’s-Gravenhage (+4,0 procentpunt). Het aandeel werkenden met werkdruk is het laagst in Zuidwest-Overijssel (-3,4 procentpunt), Twente (-3,1 procentpunt), en Delft en Westland (-2,9 procentpunt).

Welke kenmerken hangen samen met autonomie in het werk/werkdruk?

De samenhang met kenmerken is voor andere arbeidsomstandigheden niet per se hetzelfde als voor fysiek zwaar werk. Voor de variabele autonomie in het werk geldt dat de sterkste samenhang te vinden is bij de kenmerken beroepssegment, leeftijd (zes 10-jaarsklassen), het al of niet in ploegendienst werken, en sociale steun van de leidinggevende (tabel 3.2.3).
Voor de variabele werkdruk zijn de kenmerken met de meeste samenhang: beroepssegment gevolgd door autonomie in het werk, het hebben van gevarieerd werk en het al dan niet hebben van een leidinggevende positie (tabel 3.2.4).

Beroepssegment is voor alle in dit artikel beschouwde arbeidsomstandigheden het kenmerk met de sterkste samenhang met de doelvariabele. Voor wat betreft de bijdrage aan de regionale variatie van een arbeidsomstandigheid ligt dat anders. Bij fysiek zwaar werk levert beroepssegment weliswaar de grootste bijdrage aan de regionale variatie van die doelvariabele (tabel 3.1.5), maar bij de twee andere arbeidsomstandigheden is dat COROP-regio (tabellen 3.2.5 en 3.2.6). Bij de doelvariabele autonomie in het werk komen de bijdragen van beroepsniveau en beroepssegment respectievelijk op plaats twee en drie. Bij de doelvariabele werkdruk zijn na COROP-regio beeldschermwerk en autonomie in het werk de belangrijkste variabelen.

De grote bijdrage van COROP-gebied aan de regionale variatie van de arbeidsomstandigheden autonomie in het werk en werkdruk is een aanwijzing dat nog andere kenmerken een rol spelen, die niet in de analyse zijn betrokken. Dit kunnen kenmerken zijn met een sterke samenhang met de doelvariabele of met een grote regionale variatie. Dit blijkt ook uit de resultaten van de regressiemodellen zonder het gebruik van COROP-regio: in het geval van autonomie in het werk houdt 65 procent van de regionale variatie verband met de in het model opgenomen kenmerken, in het geval van werkdruk is dat 40 procent. Bij fysiek zwaar werk kon 85 procent van de regionale variatie aan de regionale spreiding van de modelkenmerken worden toegeschreven. Het relatief lage percentage voor werkdruk is mede te wijten aan het split-half vragenlijstontwerp. Hierdoor konden niet alle samenhangende variabelen tegelijkertijd in het model worden opgenomen.

Regionale variatie in arbeidsomstandigheden

De aandelen werknemers met fysiek zwaar werk, autonomie en werkdruk zijn niet gelijk over de regio’s verdeeld. Wat fysiek zwaar werk en autonomie betreft hebben een aantal regio’s aan de randen van Nederland te maken met een relatief hoog aandeel werknemers met fysiek zwaar werk en geringe autonomie.

In het noordelijk deel van de randstad liggen die aandelen juist op een relatief laag niveau. De regionale verschillen in aandelen werknemers met een hoge werkdruk zijn anders dan bij fysiek zwaar werk en autonomie: een relatief hoog aandeel werknemers die vaak of altijd werkdruk ervaren is te vinden in het westelijk deel van Nederland.

Kenmerken die samenhangen met fysiek zwaar werk, autonomie en werkdruk

Er is één kenmerk dat met de individuele score op de genoemde arbeidsomstandigheden het sterkst samenhangt, namelijk: ‘beroepssegment’. Dit betekent nog niet dat de regionale variatie van arbeidsomstandigheden in alle gevallen het meest aan beroepssegment kan worden toegeschreven. Naast samenhang met de doelvariabele spelen ook de regionale verschillen in het kenmerk een belangrijke rol. Beroepssegment levert in het geval van fysiek zwaar werk de belangrijkste bijdrage aan de regionale variatie. Bij autonomie en werkdruk zijn dat (na COROP-regio) respectievelijk beroepsniveau en beeldschermwerk.

Regionale variatie in arbeidsomstandigheden

De mate waarin kenmerken anders dan COROP-regio samenhangen met de regionale variatie in arbeidsomstandigheden is per doelvariabele verschillend: voor fysiek zwaar werk houdt in de lineaire regressieanalyse 85 procent van de regionale variatie verband met deze kenmerken. Voor autonomie en werkdruk liggen die aandelen lager, op respectievelijk 65 en 40 procent. In het geval van werkdruk zou dit aanleiding kunnen zijn voor aanvullend onderzoek naar kenmerken die samenhangen met zowel werkdruk als met regio en die nog niet in de dataset zijn opgenomen. Denk bijvoorbeeld aan verschillen in de regionale krapte op de arbeidsmarkt of de vulling van de orderportefeuille van bedrijven.

Regionale spreiding van kenmerken die samenhangen met arbeidsomstandigheden

Voor fysiek zwaar werk is gekeken naar de regionale verdeling van het kenmerk dat het sterkst verband houdt met fysiek zwaar werk: beroep(ssegment). Er is op basis van de regressieanalyse een onderscheid gemaakt tussen fysiek zware, fysiek lichte en overige beroepssegmenten. De tien fysiek zwaarste beroepssegmenten, die zijn oververtegenwoordigd in gebieden met een hoog aandeel werknemers met fysiek zwaar werk, zijn in dit artikel beschreven (tabel 6.1). De drie fysiek zwaarste beroepssegmenten zijn: ‘hulpkrachten landbouw’, ‘bouwarbeiders’ en ‘tuinders, akkerbouwers en veetelers’. De drie fysiek minst zware beroepssegmenten zijn ‘specialisten op maatschappelijk gebied’, ‘managers op administratief en commercieel gebied of zonder nadere aanduiding’ en ‘algemeen directeuren’.

B.1 Tien beroepssegmenten met de hoogste bijdrage aan fysiek zwaar werk, 2022

Beroepssegment

• Schoonmakers en keukenhulpen
• Voedselverwerkende beroepen en overige ambachten
• Productiemachinebedieners en assemblagemedewerkers
• Elektriciens en elektronicamonteurs
• Hulpkrachten transport en logistiek
• Metaalarbeiders, machinemonteurs
• Hulpkrachten bouw en industrie
• Tuinders, akkerbouwers en veetelers
• Bouwarbeiders
• Hulpkrachten landbouw

B.2 Tien beroepssegmenten met de laagste bijdrage aan fysiek zwaar werk, 2022

Beroepssegment

• Specialisten op maatschappelijk gebied
• Managers z.n.d.
• Managers op administratief en commercieel gebied
• Algemeen directeuren
• Managers productie en gespecialiseerde dienstverlening
• Beveiligingswerkers
• Docenten
• Sociaal werkers, groeps- en woonbegeleiders
• Adviseurs marketing, public relations en sales
• Vertegenwoordigers en inkopers

Agresti, A. (2002). Categorical Data Analysis (2nd edition). Wiley Series in Probability and Statistics.

Bierings, H. (2017). Beroep en werkdruk in Nederland. Sociaaleconomische trends, april 2017.

Douwes, M., de Kraker, H., Wilms, M. Hosseini, Z., van der Meer, L., Bouwens, L., & Schoone, M. (2020). Preventie beroepsziekten door fysieke belasting. TNO.

IBM SPSS STATISTICS 22 Algorithms (2013). IBM.

Karasek, R., & Theorell, T. (1990). Healthy work; stress, productivity, and the reconstruction of working life. New York: BasicBooks.

Kass, G. (1980). An exploratory technique for investigating large quantities of categorical data. Applied Statistics, 29:2, 119-127.

Searle, S. R. (1971). Linear models. John Wiley & Sons.

Smulders, P.G.W., & Houtman, I. (2004). Oorzaken van werkdruk: een onderbelicht thema. Tijdschrift voor Arbeidsvraagstukken, 2004-20, nr. 1.

TNO (2022). Werkkenmerken naar regio. Website geraadpleegd op 16/08/2023. 

Wiezer, N., van Zwieten, M., Schelvis, R., Kraan, K., van der Klauw, M., Houtman, I. Kwantes, J.-H., & Bakhuys Roozeboom, M. (2013). Rapport Werkdruk. TNO.