Gemeenten creëren graag een veilige leefomgeving voor hun bewoners. Ze houden hiervoor veelal een vinger aan de pols door deel te nemen aan de Veiligheidsmonitor. Daarmee beschikken ze over veel informatie, zoals het rapportcijfer dat burgers geven voor de veiligheid in de eigen buurt. Maar wat meet je eigenlijk met dit rapportcijfer? En wat kun je als gemeente met dit rapportcijfer doen?

• 1 Inleiding

  De afgelopen jaren is er een nieuwe traditie ontstaan: begin maart komen telkens de resultaten van de Veiligheidsmonitor (VM) in het nieuws. Uit de lange vragenlijst en vele resultaten wordt veelal een selectie gemaakt om de veiligheid in Nederland, en de daarbinnen te onderscheiden politieregio’s, gemeenten en wijken, weer te geven. Zo wordt er vaak verwezen naar het aandeel bewoners dat zich vaak onveilig voelt in de eigen buurt, of het rapportcijfer voor de veiligheid in de eigen buurt.
  Maar wat is dat eigenlijk, het rapportcijfer voor de veiligheid in de buurt, of veiligheid in het algemeen? Vaak wordt onderscheid gemaakt tussen objectieve en subjectieve veiligheid. Het rapportcijfer voor de veiligheid in de buurt is één van de indicatoren voor subjectieve veiligheid. Subjectieve veiligheid als begrip omvat het geheel van risicoperceptie, inschatting van veiligheid, oordeel over veiligheid, algemene gevoelens van onbehagen en angst voor slachtofferschap (Vanderveen et al., 2011; Oppelaar & Wittebrood, 2006).
  Subjectieve veiligheid is daarmee iets geheel anders dan objectieve veiligheid: de cijfers over de geregistreerde criminaliteit (zie ook Pleysier, 2011: 24). Soms ontwikkelen objectieve en subjectieve veiligheid zich op dezelfde wijze, soms ook niet. Om een voorbeeld te noemen van het eerste: Eysink Smeets en Vollaard (2015) laten zien dat over een tijdspanne van de laatste twintig jaar de daling van het aandeel mensen dat zich vaak veilig voelt, gelijk is aan de daling van het aandeel vermogensdelicten. Figuur 1 laat daarentegen zien dat minder criminaliteit niet altijd hand in hand gaat met een betere veiligheidsbeleving. We zien de laatste jaren namelijk wel een afname van de geregistreerde criminaliteit, maar het rapportcijfer voor veiligheid blijft nagenoeg ongewijzigd. Lag in 2008 het aantal geregistreerde misdrijven op 78 per 1.000 inwoners, in 2013 is dit gedaald naar 65 per 1.000 inwoners (-17%). Deze afname zien we terug bij de vier grootste criminaliteitscategorieën: vermogensmisdrijven, vernielingen, geweldsmisdrijven en verkeersmisdrijven. Het rapportcijfer voor veiligheid in de buurt volgt deze afname niet, maar schommelt daarentegen op en rond de 7,0.

  Figuur 1 Ontwikkeling geregistreerde criminaliteit en rapportcijfer veiligheid, 2008-2012
  Bron: bVM/CBS (2014) en CBS Statline (2014)

  Vanderveen (2006: 16) geeft een verklaring voor de uiteenlopende lijnen: ‘Aan objectieve en subjectieve veiligheid liggen verschillende processen ten grondslag. Het is een illusie om te denken dat wanneer de objectieve veiligheid verbetert, de subjectieve veiligheid ook verbetert. Maatregelen die effect hebben op de omvang van criminaliteit, zijn grotendeels ongelijk aan de interventies die effect hebben op de onveiligheidsbeleving.’
  Het rapportcijfer voor veiligheid in de eigen buurt wordt door gemeenten gebruikt voor de evaluatie van hun beleid. In meerjarenprogramma’s komt het rapportcijfer terug als indicator om te zien of gestelde veiligheidsdoelen in de afgelopen collegeperiode zijn behaald. Maar in plaats van je blind te staren op een rapportcijfer beargumenteren Van den Herrewegen en Kristof (2011: 4) dat beleidsmakers moeten ‘begrijpen wat (on)veiligheid concreet betekent voor diverse belanghebbenden’. Niet het rapportcijfer an sich, maar de onderliggende verklaringen moeten worden begrepen.
  De doelstelling van ons onderzoek is dan ook het voor gemeenten inzichtelijk maken wat zij kunnen met het rapportcijfer voor veiligheid in de eigen buurt. Daarbij formuleren we de volgende onderzoeksvraag: ‘Welke kenmerken en variabelen dragen bij aan een hoger (of lager) rapportcijfer voor de veiligheid in de eigen buurt en wat betekent dit voor gemeenten?’
  We voeren eerst een verkenning uit naar wat er al bekend is over wat de veiligheid in de eigen buurt beïnvloedt. Vervolgens nemen we het conceptueel model van Oppelaar en Wittebrood (2006) als uitgangspunt voor het uitvoeren van de analyses op het databestand van de Veiligheidsmonitor (VM) van het Centraal Bureau voor de Statistiek (CBS) voor de Drechtsteden. We sluiten af met wat dit alles betekent voor gemeenten.

• 2 Rapportcijfer veiligheid in de buurt

  Elchardus et al. (2005) onderscheiden twee paradigma’s die kunnen verklaren waar het gevoel van onveiligheid vandaan komt: een rationalistisch en een symbolisch paradigma. Het rationalistische paradigma gaat uit van de ‘inschatting van de kans op slachtofferschap’ op basis van het risico op slachtofferschap, de ernst van de gevolgen en de mate waarin men hulpeloos staat tegenover die risico’s. In het symbolische paradigma komt het gevoel van onveiligheid voort uit een algemeen onbehagen. Het door Elchardus gemaakte onderscheid zien we terug bij anderen, zoals Spithoven (2014: 5), die stelt dat gevoelens van onveiligheid gaan ‘over een complexe set van interacterende gevoelens, percepties, emoties, waarden en oordelen op zowel persoonlijk als maatschappelijk niveau’ (curs. toegevoegd).
  Het door Oppelaar en Wittebrood (2006) ontwikkelde conceptueel model voor het verklaren van het gevoel van angst door burgers kent drie contexten: de individuele, de situationele en de sociaal-culturele context. De individuele context bevat ‘persoonlijke kenmerken die bepalen in welke mate individuen zich angstig voelen als gevolg van bepaalde signalen’ (p. 35), de situationele context bevat kenmerken van de woonbuurt die onveilige gevoelens kunnen oproepen, en de sociaal-culturele context omvat de invloed van de media, individualisering en internationalisering (figuur 2). In het uitgewerkte conceptueel model laten Oppelaar en Wittebrood de sociaal-culturele context verder buiten beschouwing. Al dan niet via de ingeschatte risicoperceptie beïnvloeden de individuele en situationele context de door individuen ervaren angst. Voor een meer gedetailleerde beschrijving van het conceptueel model en de variabelen verwijzen we naar Oppelaar & Wittebrood (2006: 32-42).

  Figuur 2 Conceptueel model voor verklaren van angstgevoelens
  Bron: Oppelaar & Wittebrood (2006: 35)

  Voor de analyse van het rapportcijfer voor veiligheid in de buurt sluiten we aan bij het door Oppelaar en Wittebrood (2006) ontwikkelde model. Een rapportcijfer is een geobjectiveerd oordeel over de situatie die wordt ingekleurd door de eigen ervaringen. Burgers die een rapportcijfer geven voor de veiligheid in hun buurt, zullen zich laten leiden door hoe zij – eventueel afgezet tegen de situatie in andere buurten – tegen de eigen buurt aankijken en hun gevoelens en eerdere ervaringen die ze daarbij hebben. Het gaat dus hoofdzakelijk om de individuele en de situationele context. Daar komt bij dat de door Oppelaar en Wittebrood (2006) genoemde determinanten goed aansluiten bij de vragen die zijn opgenomen in de VM.
  De in figuur 2 benoemde kenmerken vinden we ook terug in de literatuur. Zo geven Van Noije en Wittebrood (2008) aan dat de drie indicatoren criminaliteit, overlast en onveiligheidsbeleving een goed beeld geven van de ervaren veiligheid. Verder benadrukt Damen (2010: 34-35) de invloed van de fysieke omgeving. Verloedering (wat zich uit in leegstaande panden, graffiti, vervuiling en verval door nalatig onderhoud) en een onoverzichtelijke inrichting van de openbare ruimte (plekken waar mensen zich kunnen verstoppen, weinig verlichting) hebben een negatieve invloed op de veiligheidsbeleving. Boers et al. (2008: 46) geven aan dat onveiligheid mede wordt verklaard door het (ontbreken van) vertrouwen dat burgers hebben in de buurt. In Rotterdam geraadpleegde veiligheidsprofessionals noemen vanuit hun expertise ook een aantal risicofactoren: woningbezit (goedkope huurwoningen en snel wisselende onderverhuur), fysieke inrichting (die aanleiding geeft tot drugshandel, winkelcentra en OV-knooppunten), voorzieningen (opvang en zorg), de bevolkingssamenstelling (leeftijd, etniciteit, opleidingsniveau, werkloosheid) en sociale samenhang (Meint et al., 2009: 50). Ten slotte zien we dat de risicoperceptie tevens afhankelijk is van de aanwezigheid van specifieke groepen, zoals junks en hangjongeren (Damen, 2010: 34; Van der Aa & Van Oostrom-van der Meijden, 2009: 54).

• 3 Analyse

  We beschrijven hier eerst de gevolgde aanpak. Onder het kopje ‘resultaten’ beschrijven we de samenhangen die we zien met het rapportcijfer voor veiligheid in de eigen buurt, zowel met samengestelde kenmerken als met individuele variabelen.

  3.1 Aanpak

  De meest geëigende manier om te verklaren waar het rapportcijfer voor veiligheid in de eigen buurt mee samenhangt, is een regressieanalyse. We konden volstaan met een lineaire regressie, doordat we ons uitsluitend baseerden op de individuele antwoorden van de respondenten en het bestand niet verrijkten met variabelen op buurtniveau. Om het belang van iedere variabele te kunnen vergelijken, voerden we een gestandaardiseerde regressieanalyse uit.
  Een regressieanalyse geeft aan in hoeverre de onafhankelijke variabelen een verklaring geven voor de afhankelijke variabele. Als afhankelijke variabele gebruikten we de volgende vraag uit de VM:

  Als u de veiligheid in uw buurt een rapportcijfer zou mogen geven van 1 tot en met 10, welk cijfer zou u dan geven?

  Op basis van het model van Oppelaar en Wittebrood (2006) selecteerden we de onafhankelijke variabelen uit het databestand van de VM om de samenhang met het rapportcijfer voor veiligheid in de buurt te verklaren. Voor alle kenmerken uit de situationele context van het model van Oppelaar en Wittebrood (2006) bevat de VM een geschikte onafhankelijke variabele. Van de individuele context nemen we de slachtofferervaringen mee en we vullen dit aan met de persoonskenmerken. In tabel 1 hebben we de geselecteerde individuele variabelen gerangschikt naar zes samengestelde kenmerken: ervaren overlast, slachtofferschap, risicoperceptie, oordeel criminaliteit, oordeel wijkkenmerken en persoonskenmerken.

  Tabel 1 De onafhankelijke variabelen naar thema

  Ervaren overlast	Slachtofferschap	Risicoperceptie	Oordeel criminaliteit	Oordeel wijkkenmerken	Persoons-kenmerken
  rommel op straat	(poging tot) woninginbraak	verwachte kans op zakkenrollerij	omvang van de criminaliteit	onderhoud wegen, paden en pleinen	geslacht
  vernieling straatmeubilair	autodiefstal	verwachte kans op beroving met geweld		onderhoud perken, plantsoenen en parken	leeftijd
  graffiti	diefstal ander motorvoertuig	verwachte kans op woninginbraak		buurtverlichting	etniciteit
  hondenpoep	diefstal uit of vanaf buitenkant auto	verwachte kans op mishandeling		mensen in de buurt gaan prettig met elkaar om	opleidingsniveau
  te hard rijden	fietsendiefstal			gezellige buurt waar mensen elkaar helpen
  agressief verkeersgedrag	diefstal tas, portemonnee, telefoon			zich thuis voelen in de buurt
  dronken mensen op straat	mishandeling of bedreiging			veel contact met andere buurtbewoners
  drugsgebruik of -handel				tevreden met bevolkingssamenstelling
  overlast van horecavoorzieningen				tevredenheid functioneren politie in de buurt
  mensen worden op straat lastiggevallen
  rondhangende jongeren

  Eerst voerden we een factoranalyse uit per samengesteld kenmerk. Op die manier wordt, zonder meteen in detail te treden, duidelijk welke ‘overkoepelende’ kenmerken vooral het rapportcijfer voor veiligheid in de buurt beïnvloeden. Voor ‘ervaren overlast’ stelden we bijvoorbeeld op basis van alle variabelen uit de eerste kolom van tabel 1 een nieuwe variabele samen. Met behulp van deze nieuwe variabele voerden we een regressieanalyse uit. Vervolgens herhaalden we de regressieanalyse met de individuele onafhankelijke variabelen om te achterhalen welke specifieke variabelen (welke overlast, welk slachtofferschap?) het veiligheidsoordeel beïnvloeden.
  We gebruikten de variabelen zoals opgenomen in het oorspronkelijke, door het CBS aangeleverde, bestand. Alleen de elf variabelen over ‘ervaren overlast’ (rommel op straat, vernieling straatmeubilair, graffiti, et cetera) hebben we per overlastvorm opnieuw berekend op basis van de vragen: ‘Komt de volgende vorm van overlast weleens voor in uw buurt?’ en ‘In welke mate ervaart u hier zelf overlast van?’
  De analyses voerden we uit op het databestand van de VM van het CBS uit 2012 voor de Drechtsteden. De Drechtsteden omvat zes gemeenten¹x Dit zijn de gemeenten Alblasserdam, Dordrecht, Hendrik-Ido-Ambacht, Papendrecht, Sliedrecht en Zwijndrecht. en is vanwege de gevarieerde opbouw van de regio redelijk representatief voor Nederland, hoewel nader onderzoek hiernaar wenselijk is. De Drechtsteden omvat niet alleen een 100.000+ gemeente (Dordrecht) en kleinere gemeenten (zoals Alblasserdam met 20.000 inwoners), maar ook landelijke gebieden en dorpen (Heerjansdam), oude wijken met een goede leefbaarheid (Dubbeldam in Dordrecht), VINEX-wijken (De Volgerlanden in Hendrik-Ido-Ambacht) en achterstandswijken (Wielwijk en Crabbehof in Dordrecht). De inwoners in de Drechtsteden oordeelden in 2012 iets positiever over de veiligheid in de eigen buurt dan de gemiddelde Nederlander: ze gaven het rapportcijfer 7,1 (tegenover landelijk een 6,9).
  Doordat we de regressieanalyse listwise uitvoerden (en dus de respondenten met een ontbrekende score op de meegenomen variabelen buiten de analyse lieten), hielden we uiteindelijk 2.600 van de oorspronkelijk 6.300 respondenten over.²x Ter controle herhaalden we de analyse, waarbij we de ontbrekende waarden vervingen door het gemiddelde. Dan komen we tot vergelijkbare resultaten.

  3.2 Resultaten

  Allereerst presenteren we de uitkomsten van de regressieanalyse met de samengestelde kenmerken. We kijken hierbij eerst of een kenmerk statistisch significant is (p < 0,05). Vervolgens bepaalt de gestandaardiseerde bèta het belang van elke onafhankelijke variabele waarbij geldt: hoe hoger de bèta, hoe groter de invloed of het belang.
  Het oordeel over de omvang van de criminaliteit in de eigen buurt blijkt dan de grootste ‘bijdrage’ te leveren aan de hoogte van het rapportcijfer voor de veiligheid in de buurt, op de voet gevolgd door de ervaren overlast en het oordeel over de wijkkenmerken (tabel 2). De ingeschatte kans op toekomstig slachtofferschap speelt een grotere rol in de totstandkoming van het rapportcijfer dan recent slachtofferschap. Persoonskenmerken spelen zo goed als helemaal niet mee.

  Tabel 2 Geschatte effectparameters van samengenomen kenmerken met het rapportcijfer voor veiligheid in de eigen buurt

  	Gestandaardiseerde bèta
  ervaren overlast	0,252 ***
  risicoperceptie	0,166 ***
  slachtofferschap	0,085 ***
  oordeel criminaliteit	0,285 ***
  oordeel wijkkenmerken	0,238 ***
  persoonskenmerken	0,036 **

  * p < 0,05; ** p < 0,01; *** p < 0,001

  De resultaten van de regressieanalyse met individuele variabelen staan in tabel 3. Vooral het grote aantal variabelen dat in meer of mindere mate het rapportcijfer beïnvloedt valt op, namelijk 17 stuks. Deze 17 variabelen verklaren voor 50% het gevoel van veiligheid. Boers et al. (2008: 46) komen in een vergelijkbare studie tot een iets lager verklaarde variantie (namelijk 43%).
  De variabele die het sterkst het rapportcijfer voor veiligheid omlaag drukt, is de inschatting of de buurt veel criminaliteit kent. Daarna volgt drugsoverlast, wat zich kan uiten in handel en/of het gebruik ervan. Ook de inschatting dat men snel slachtoffer kan worden van een woninginbraak of beroving met geweld en onvrede met de bevolkingssamenstelling leiden tot een lager rapportcijfer. Wat betreft de inrichting van de publieke ruimte: het ontbreken van goede verlichting leidt tot een lager oordeel over de veiligheid. Het enige persoonskenmerk dat volgens de uitgevoerde analyse meespeelt, is geslacht: vrouwen geven een iets lager rapportcijfer dan mannen.
  Dit gezegd hebbende, er zijn ook variabelen die juist niet samenhangen met het rapportcijfer voor veiligheid. Het gaat dan onder andere om overlast van dronken mensen op straat, de mate waarin buurtbewoners elkaar kennen, diefstal van andere motorvoertuigen en de leeftijd, de etniciteit en het opleidingsniveau van respondenten.

  Tabel 3 Geschatte effectparameters van individuele kenmerken met het rapportcijfer voor veiligheid in de eigen buurt

  	Gestandaardiseerde bèta
  ervaren overlast
  drugsgebruik of -handel	0,157 ***
  mensen worden op straat lastiggevallen	0,078 ***
  rommel op straat	0,066 ***
  rondhangende jongeren	0,056 **
  te hard rijden	0,039 *
  risicoperceptie
  verwachte kans op woninginbraak	0,112 ***
  verwachte kans op beroving met geweld	0,069 ***
  slachtofferschap
  diefstal uit of vanaf buitenkant auto	0,034 *
  mishandeling of bedreiging	0,035 *
  (poging tot) woninginbraak	0,035 *
  oordeel criminaliteit
  omvang van de criminaliteit	0,252 ***
  oordeel wijkkenmerken
  bevolkingssamenstelling	0,109 ***
  verlichting	0,114 ***
  prettige omgang bewoners	0,054 **
  zich thuis voelen bij mensen in de buurt	0,068 ***
  functioneren politie	0,056 ***
  persoonskenmerken
  geslacht	0,035 *

  * p < 0,05; ** p < 0,01; *** p < 0,001

• 4 Betekenis voor gemeenten

  Het eerste deel van onze onderzoeksvraag was: ‘Welke kenmerken en variabelen dragen bij aan een hoger (of lager) rapportcijfer voor de veiligheid in de eigen buurt?’ De analyse laat zien dat verschillende kenmerken de hoogte van het rapportcijfer voor veiligheid in de buurt beïnvloeden. Naast criminaliteit spelen ook ervaren overlast, risicoperceptie, slachtofferschap en het oordeel over de wijk mee. Subjectieve veiligheid is een containerbegrip waarop verschillende zaken invloed hebben, van het functioneren van de politie tot rommel op straat, van slachtofferschap tot de inschatting van de criminaliteit. Hieruit blijkt duidelijk dat zowel de individuele context als de situationele context een belangrijke rol speelt in het rapportcijfer dat bewoners geven voor de veiligheid in hun buurt.
  In het tweede deel van de onderzoeksvraag zijn we op zoek naar wat de uitkomst van de analyse betekent voor gemeenten. Kort geformuleerd komt het erop neer dat de veiligheid op vele manieren kan worden verbeterd, maar de weg waarlangs dat gaat per buurt kan verschillen. Daar komt bij dat sommige situaties die bijdragen aan een lagere beleving van de veiligheid door buurtbewoners, lastig of zelfs helemaal niet kunnen worden aangepakt. Tot slot blijkt dat het rapportcijfer voor veiligheid in de buurt een ongeschikte indicator is voor het evalueren van het gemeentelijke beleid. We werken deze vier punten hieronder nader uit.
  Ten eerste moeten gemeenten die de ervaren veiligheid door bewoners willen vergroten, beseffen dat vele variabelen invloed hebben op die veiligheid. Gemeenten zullen hun doel niet bereiken door zich op één aspect van het veiligheidsspectrum te richten; het vereist een palet aan maatregelen op diverse terreinen; maatregelen die ook nog eens wijk- of buurtspecifiek moeten worden ingezet. Een beter oordeel over de veiligheid vraagt in buurt X om de aanpak van drugsoverlast, in wijk Y om het aanpassen van de verlichting.
  Ten tweede zijn sommige situaties die samenhangen met een onveilig gevoel, lastig aan te pakken. Denk aan rondhangende jongeren of de geuite ontevredenheid met de bevolkingssamenstelling. Dat zijn niet alleen lastig te beïnvloeden zaken, maar vooral ook: de jongeren en de bevolkingsgroepen doen niets wat niet mag. Dat ze toch samenhangen met het rapportcijfer voor veiligheid komt door wat mensen ervan denken, wat ze als onveilig beleven. Het is duidelijk dat niet iedereen daar hetzelfde over denkt. Maar het is een illusie om te denken dat alle ervaren onveiligheid uit te bannen is.
  Ten derde zijn er duidelijke grenzen aan het gemeentelijke veiligheidsbeleid. Als we kijken naar het lijstje met 17 variabelen die samenhangen met het rapportcijfer voor veiligheid in de eigen buurt, ontkomen we niet aan de conclusie dat het wegnemen van de bron eerder contraproductief is. Zo zien we dat de angst voor een woninginbraak bijdraagt aan een lager rapportcijfer voor veiligheid in de buurt. Maar de boodschap dat woninginbraken minder vaak voorkomen dan men vreest, kan ook nalatigheid – en daarmee meer inbraken – in de hand werken.
  Ten vierde maakt de analyse duidelijk dat het rapportcijfer voor veiligheid in de buurt slecht bruikbaar is voor het evalueren van het beleid en evenmin een bruikbare indicator is in gemeentelijke meerjarenprogramma’s. Het feit dat talloze redenen meespelen bij de totstandkoming van het cijfer, heeft verschillende nadelige consequenties. Om te beginnen: in het geval een latere meting tot een ander rapportcijfer leidt, is niet duidelijk waardoor dat komt. Er zijn namelijk allerlei mogelijke oorzaken voor aan te wijzen. Verder: door de invloed van de vele kenmerken is het rapportcijfer stabiel door de tijd. Een verbetering op het ene vlak (bijvoorbeeld sociale samenhang) kan weer teniet worden gedaan door een achteruitgang op een ander vlak (de ingeschatte kans op een woninginbraak). In het verlengde hiervan: doordat vele factoren meespelen, behaalt een wijk, laat staan een gemeente, hiervoor praktisch nooit een onvoldoende. Zo scoorden in het najaar van 2012 slechts twee van de 322 wijken in de VM een onvoldoende voor de veiligheid in de eigen buurt (namelijk de twee Haagse wijken Schildersbuurt en Transvaalkwartier, bVM/CBS, 2013). Toch stellen gemeenten zich nog steeds op het standpunt dat de veiligheid op orde is zolang het rapportcijfer een voldoende is.

  Concluderend: waar het rapportcijfer ogenschijnlijk de complexiteit van veiligheid tot een eenvoudig te begrijpen getal lijkt te reduceren, doet het dat bij nadere beschouwing allerminst. Het kan gemeenten zelfs op het verkeerde been zetten, doordat ze het relatieve fenomeen ‘onveiligheid’ (Van den Herrewegen, 2011) te absoluut benaderen. Niet voor niets waarschuwen Vanderveen et al. (2011: 103): ‘meten’ is (…) niet noodzakelijk ‘weten’: ‘Het rapportcijfer is een harde statistiek dat ten onrechte de indruk kan wekken dat het een objectieve weergave is van de complexe realiteit.’
  Om dit artikel toch positief te eindigen: de aspecten die een bijdrage leveren aan de veiligheid, zijn op zichzelf gerechtvaardigde doelen: een leefomgeving die schoon en heel is, weinig tot geen overlast en criminaliteit kent en waar enige mate van sociale samenhang is. Dat is niet alleen allemaal informatie die goed kan worden ontleend aan de Veiligheidsmonitor. Maar ook: als dat allemaal wordt bewerkstelligd, volgt de verbetering van de veiligheid in het kielzog.

Literatuur

• Aa, B.J.M. van der, & Oostrom-van der Meijden, S.A.W. van. (2009). Leefbaarheid en veiligheid. Zwijndrecht: Onderzoekcentrum Drechtsteden.

• Boers, J., Steden, R. van, & Boutellier, H. (2008). Het effect van positieve en negatieve factoren op veiligheidsbeleving: een kwantitatieve studie onder inwoners van Amsterdam. Tijdschrift voor Veiligheid, 7(3), 34-52.

• bVM/CBS. (2014). Databank Veiligheidsmonitor. Op 27 november 2014 ontleend aan http://www.ivm11.databank.nl.

• bVM/CBS. (2013). Databank Veiligheidsmonitor. Op 3 december 2014 ontleend aan http://www.veiligheidsmonitor.databank.nl.

• CBS. (2014). Statline. Op 27 november 2014 ontleend aan http://statline.cbs.nl/statweb.

• Damen, M. (2010). De invloed van de omgevingskwaliteit op de beoordeling van de leefbaarheid door bewoners. Tijdschrift voor Veiligheid, 9(1), 22-43.

• Elchardus, M., Groof, S. de, & Smits, W. (2005). Rationele angst of collectieve voorstelling van onbehagen: Een vergelijking van twee paradigma’s ter verklaring van onveiligheidsgevoelens. Mens en Maatschappij, 80(1), 48-68.

• Eysink Smeets, M., & Vollaard, B. (2015). Trends in perceptie van criminaliteit. Tijdschrift voor Criminologie, 57(2), 229-241.

• Herrewegen, E. van den. (2011). Help! De burgers voelen zich onveilig! Constructies en bronnen van veiligheidsbeleving bij burgers. In L.G. Moor, F. Hutsebaut, P. van Os & D. van Rijckeghem (red.), Burgerparticipatie (pp. 27-50) (CPS 2, nr. 19). Antwerpen: Maklu.

• Herrewegen, E. van den, & Kristof, V. (2011). Waarheidsaanspraken over ‘Onveiligheid’: De kloof tussen objectieve en subjectieve onveiligheid anders bekeken. Panopticon, (3), 4-20.

• Meint, A., Meere, F. de, & Wonderen, R. van. (2009). Analyse Rotterdamse Veiligheidsindex: Eindrapportage.

• Noije, L. van, & Wittebrood, K. (2008). Sociale veiligheid ontsleuteld: Veronderstelde en werkelijke effecten van veiligheidsbeleid. Den Haag: Sociaal en Cultureel Planbureau.

• Oppelaar, J., & Wittebrood, K. (2006). Angstige burgers: De determinanten van gevoelens van onveiligheid onderzocht. Den Haag: Sociaal Cultureel Planbureau.

• Pleysier, S. (2011). Over objectieve en subjectieve onveiligheid: En de (on)zin van het rationaliteitdebat. Tijdschrift voor Veiligheid, 10(4), 24-40.

• Spithoven, R. (2014). Een terughoudende praktijk: over de praktische vraagtekens bij het bestrijden van onveiligheidsgevoelens. Tijdschrift voor Veiligheid, 13(3), 3-20.

• Vanderveen, G.N.G. (2006). Onveiligheidsbeleving meten: spelregels voor de praktijk. Tijdschrift voor de Politie, (10), 14-18.

• Vanderveen, G., Pleysier, S., & Rodenhuis, W. (2011). Meten van onveiligheid. In W. Stol, C.W. Tielenburg, S. Rodenhuis, S. Pleysier & J. Timmer (red.), Basisboek integrale veiligheid (pp. 91-104). Den Haag: Boom Lemma uitgevers.

Noten

• 1 Dit zijn de gemeenten Alblasserdam, Dordrecht, Hendrik-Ido-Ambacht, Papendrecht, Sliedrecht en Zwijndrecht.

• 2 Ter controle herhaalden we de analyse, waarbij we de ontbrekende waarden vervingen door het gemiddelde. Dan komen we tot vergelijkbare resultaten.