Inhoudsopgave Voorwoord... 2 Samenvatting... 3 Hoofdstuk 1: doelstellingen en onderzoekgeschiedenis : doelstellingen

Transcriptie

1 Onderzoek schoonbeleving winkelgebieden Uitgebreid onderzoeksrapport December 2014

2 Inhoudsopgave Voorwoord... 2 Samenvatting... 3 Hoofdstuk 1: doelstellingen en onderzoekgeschiedenis : doelstellingen : theoretisch kader : onderzoekgeschiedenis... 6 Hoofdstuk 2: methodologie en hypothesen : data verzameling : schoonbeleving : hypothesen : statistische analyses Hoofdstuk 3: resultaten : de totstandkoming van de schoonbeleving van het winkelend publiek : het rendement van schoon in winkelgebieden : mediatie analyse : kennis van de Supporter van Schoon campagne : vervuilgedrag : winkelgebieden door de jaren heen : typering winkelgebieden Hoofdstuk 4: koppeling onderzoek stationsgebieden Hoofdstuk 5: conclusies en aanbevelingen : conclusies : aanbevelingen Bijlage 1: correlatiecoëfficiënten uit eerder onderzoek Bijlage 2: variabelen Bijlage 3: uiteenzetting enquête en observatieformulier B3.1: de enquête B3.2: het observatieformulier Bijlage 4: schoonbeleving per gemeente Bijlage 5: gedrag variabelen Bijlage 6: typering winkelgebieden

3 Voorwoord Winkelgebieden is al enige tijd één van de aandachtsgebieden van Stichting Nederland Schoon. Net als in de rest van Nederland voeren we ook hier onderzoek en pilots uit, voeren we interventies door, en geven we adviezen om de hoeveelheid zwerfafval blijvend te verminderen. De Schoonste Winkelgebied Verkiezing, die sinds 2012 wordt gehouden, is één van deze acties. Jaarlijks wordt door Stichting Nederland Schoon de ranglijst van schoonste winkelgebieden in Nederland gepresenteerd, die voortkomt uit dit onderzoek. Ook voorzien wij alle gemeenten die deelnemen aan dit onderzoek van een individueel rapport waarin de scores van hun winkelgebieden staan samengevat. Als derde en laatste output van de Schoonste Winkelgebied Verkiezing maken wij een rapport op met daarin alle resultaten uit het onderzoek, dit rapport ligt hier nu voor. Bij de Schoonste Winkelgebied Verkiezing wordt Stichting Nederland Schoon bijgestaan door verschillende partijen. In het bijzonder willen we daarbij onze dank uitspreken richting: Jaarlijks voort ABR Activatie de dataverzameling van het onderzoek uit, door in de zomermaanden 55 onderzoekers uit te zetten in de ruim 400 winkelgebieden die onderzocht worden. Dr. Janet Veldstra van de Rijksuniversiteit Groningen assisteert jaarlijks in het onderzoek, door mee te denken met de vragenlijsten en onderzoeksmethodiek, en mee te lezen met onze onderzoeksresultaten. Wij hopen dat het lezen van dit rapport nieuwe inzichten en handvaten verschaft aan gemeenten, winkeliers, beheerders en vastgoed eigenaren om zwerfafval in hun winkelgebied te bestrijden. Heeft u vragen of opmerkingen over dit rapport? Neem dan contact op met Stichting Nederland Schoon via of via avansanten@nederlandschoon.nl. 2

4 Samenvatting In de zomer van 2014 is voor het derde achtereenvolgende jaar in opdracht van Stichting Nederland Schoon in winkelgebieden in de 25 grootste gemeenten in Nederland data verzameld met betrekking tot de schoongraad van diezelfde winkelgebieden. De in totaal 437 winkelgebieden zijn geobserveerd door zorgvuldig geïnstrueerde enquêteurs. Wanneer een winkelgebied een binnenstad betrof, zijn hierin meerdere observaties uitgevoerd op verschillende punten, welke herkenbaar zijn doordat de benaming van het winkelgebied aanvangt met hoek. Per winkelgebied zijn tenminste 40 willekeurig uitgekozen bezoekers geënquêteerd. In totaal zijn er gegevens van respondenten opgenomen in de enquête. De ontstane dataset is gebruikt om een tweetal zaken te onderzoeken: de totstandkoming van schoon en het rendement van schoon. In het rapport wordt met schoon beleving bedoeld de door de bezoekers beleefde schoongraad van een winkelgebied op het moment van het afnemen van de enquête en in het algemeen, aangegeven met een rapportcijfer. De totstandkoming van schoon Uit de analyse is gebleken dat de hoeveelheid zwerfafval en vandalisme die er in de ogen van de bezoeker in het winkelgebied aanwezig is, de schoonbeleving van de bezoekers beïnvloed. Daarbij geldt dat hoe minder zwerfafval en vandalisme aanwezig zijn, hoe schoner de bezoeker het winkelgebied beleeft. Daarnaast is vast komen te staan dat de perceptie door de bezoeker van de mate waarin het winkelgebied wordt schoongemaakt en van afvalbakken is voorzien, positief bijdraagt aan de schoonbeleving. Oftewel: hoe meer men het idee heeft dat er voldoende wordt schoongemaakt en er voldoende afvalbakken zijn geplaatst, hoe schoner de bezoeker het winkelgebied ervaart. Daarnaast is uit de observatie vast komen te staan dat de aanwezige hoeveelheid grof (bonnetjes, fastfoodafval) en fijn (kauwgom, peuken) zwerfafval de schoonbeleving negatief beïnvloed, en dat de schoonheid van het aanzicht en de ramen van het winkelgebied een positief effect heeft. Naast een aantal significante resultaten is er ook een groot aantal niet significante resultaten die het vermelden waar zijn. Zo blijkt dat de vindbaarheid van afvalbakken en peukenpalen, de schoonheid van afvalbakken en het al dan niet overlopen van deze afvalbakken niet significant zijn voor de totstandkoming van schoon dat wil overigens niet zeggen dat het geen nastrevenswaardige zaken zijn. Het rendement van schoon Naast de totstandkoming van schoon is ook gekeken naar het rendement dat een toegenomen schoonbeleving vervolgens heeft. Uit de data-analyse van de variabelen die zijn gemeten, is gebleken dat het winkelend publiek zich zowel overdag als s avonds veiliger voelt in een winkelgebied dat men als schoon ervaart. Verder is aangetoond dat wanneer de schoonbeleving hoog is, de bezoekbeleving (de mate waarin men een winkelgebied prettig, gezellig en aangenaam vindt) toeneemt. De bezoekfrequentie blijkt echter omlaag te gaan wanneer de schoonbeleving hoog is, mogelijk doordat bezoekers per bezoek langer in het winkelcentrum verblijven. Tot slot is gebleken dat het gemiddelde bedrag dat bezoekers per winkelgebied uitgeven omhoog gaat wanneer men het winkelgebied als schoon ervaart, omdat hierdoor de bezoekbeleving positiever is. Oftewel, wanneer een winkelgebied door bezoekers als schoon wordt ervaren stijgt de bezoekbeleving van de bezoekers en geeft men dientengevolge per bezoek ook gemiddeld meer uit. Wanneer het rapportcijfer, dat bezoekers voor de schoonbeleving uitdelen, met één punt omhoog gaat, blijkt dat men gemiddeld per bezoek 0,77 meer uitgeeft. Als echter in detail wordt gekeken naar de relatie tussen de schoonbeleving en het uitgavenpatroon, valt op dat de stijging het grootst is bij lage scores (scores tussen 1 en 6), namelijk meer dan 0,77 en minder groot is bij de hogere scores (boven de 6), namelijk minder dan 0,77. De winkelgebieden die momenteel een lage score op de schoonbeleving hebben, hebben dus economisch gezien veel te winnen, terwijl de 3

5 Vervuilgedrag winkelgebieden die momenteel hoog scoren vooral moeten oppassen voor het verlies dat met een dalende schoonbeleving samenhangt. Ontwikkeling schoonbeleving op landelijk- en lokaal niveau Naast de totstandkoming van schoon en het rendement daarvan is ook gekeken naar de ontwikkeling van de schoonbeleving op landelijk- en lokaal niveau over de periode van het onderzoek tot nu toe ( ). Hieruit bleek dat de totale schoonbeleving in Nederland gedurende het onderzoekstraject is gestegen van een 6,54 naar een 6,75, maar viel tegelijkertijd op dat er in de laatste twee jaren sprake is van een daling (in 2013 was de score nog 6,89). Een mogelijke verklaring voor de recente daling komt voort uit het feit dat de schoonbeleving in 2014 op een andere schaal is gemeten dan in de jaren daarvoor, hetgeen vergelijking bemoeilijkt. Op lokaal niveau is er gekeken naar tien specifieke winkelgebieden: de vijf winkelgebieden met de grootste stijging en de vijf met de grootste daling in de schoonbeleving tussen 2013 en Wat opviel is dat het contrast lang niet voor iedere variabele even duidelijk was en voor de door de respondent beleefde hoeveelheid zwerfafval in het winkelgebied het duidelijkst was. Wat hieruit op te maken valt is dat met name een daling in de door bezoekers waargenomen hoeveelheid zwerfafval bepalend is voor de ontwikkeling in de door de bezoeker beleefde schoongraad van het winkelgebied, en dat overige interventies (vandalisme, schoonmaken, plaatsen afvalbakken, vindbaarheid afvalbakken en peukenpalen, schone gevel en ramen) nog altijd zeer afhankelijk zijn van maatwerk. Overige analyses Tot slot zijn er een aantal afsluitende analyses gedaan. Eén van die analyses is het vervuilgedrag. De onderstaande figuur geeft aan dat er een verschil is tussen mannen en vrouwen als het gaat om vervuilgedrag: gemiddeld genomen geven vrouwen aan minder te vervuilen dan hun mannelijke leeftijdsgenoten. Daarnaast valt op dat hoe ouder men wordt, hoe minder zelfafval men naar eigen zeggen achterlaat op een plek die daarvoor niet bestemd is. Vervuilgedrag naar geslacht en leeftijd Mannen Vrouwen 5,1 4,9 4,7 4,5 4,3 4,1 3,9 3,7 3, Mannen 3,71 4,09 4,47 4,72 4,71 4,81 4,86 Vrouwen 3,91 4,3 4,73 4,83 4,87 4,91 4,96 Leeftijd 1 = jonger dan 18; 2 = 18 tot 25; 3 = 26 tot 35; 4 = 36 tot 45; 5 = 46 tot 55; 6 = 56 tot 65; 7 = ouder dan 65 4

6 Hoofdstuk 1: doelstellingen en onderzoekgeschiedenis 1.1: doelstellingen Dit rapport is het resultaat van een analyse van onderzoeksgegevens met betrekking tot de schoonbeleving van het winkelend publiek in 25 Nederlandse gemeenten 1 die in de zomer van 2014 zijn verzameld. Het onderzoek is onderdeel van een onderzoekstraject naar de schoonbeleving in winkelgebieden dat (voorlopig) van 2013 tot en met 2017 loopt (met 2012 als pilot jaar). Ieder jaar worden dezelfde 25 gemeenten onderzocht, om hiermee vorderingen en veranderingen binnen gemeenten te kunnen monitoren. Het doel van dit onderzoek is primair om de schoonbeleving van bezoekers aan winkelgebieden in Nederland te meten. Daarnaast brengt het factoren in kaart die bijdragen, positief en negatief, aan de schoonbeleving. De resultaten worden vervolgens gebruikt om tal van stakeholders rondom het zwerfafvalprobleem in winkelgebieden (winkeliers, eigenaren, beheerders, gemeenten, etc.) te motiveren om het probleem aan te pakken en hiervoor handvatten te bieden. 1.2: theoretisch kader Het onderzoek dat in dit rapport wordt gepresenteerd is mede gebaseerd op het winkelgebieden onderzoek van de afgelopen twee jaren, ander onderzoek van NederlandSchoon en onderzoek van andere instanties zoals Gemeente Schoon 2 en Keep Britain Tidy 3. Een greep uit deze onderzoek historie wordt hieronder kort toegelicht. NederlandSchoon heeft in 2010 met behulp van een koffietest gedrag geobserveerd op verzorgingsplaatsen langs Nederlandse snelwegen. Hieruit bleek onder meer dat bezoekers van schone verzorgingsplaatsen langer blijven, meer moeite doen om hun afval in afvalbakken te deponeren, en dat men positiever en geduldiger is dan bij verzorgingsplaatsen die minder schoon zijn. Bij een pilot van NederlandSchoon op de verzorgingsplaats van Ruyven werden vergelijkbare resultaten gevonden. Na een grondige metamorfose van de verzorgingsplaats bleven bezoekers langer, was er sprake van minder criminaliteit en ontstond voor winkeliers zelfs de mogelijkheid om ruimere openingstijden aan te houden. Verder heeft Gemeente Schoon laten zien dat bezoekers van binnensteden een behoorlijk accurate voorstelling hebben van de schoongraad van het gebied op dat moment, met andere woorden: zwerfafval wordt door burgers actief en betrouwbaar vastgesteld, men is er daadwerkelijk (al dan niet bewust) mee bezig. Verder heeft de pilot op de verzorgingsplaats van Ruyven aangetoond dat het belangrijk is om de anonimiteit bij de bezoeker weg te halen, men moet zich verbonden voelen met de omgeving waar hij of zij zich bevindt om schoon gedrag te ontlokken. Verder is het belangrijk om regelmatig en zichtbaar schoon te maken en daarbij niet alleen afval op te ruimen en faciliteiten te legen, maar deze faciliteiten zelf ook schoon te houden. Onderzoek van NederlandSchoon naar de peukenproblematiek laat zien dat de juiste faciliteiten op de juiste plaatsen van groot belang zijn om niet alleen de objectief waarneembare schoongraad, maar ook de schoonbeleving bij burgers positief te beïnvloeden. Daarnaast kunnen de juiste stimulerende teksten gedrag beïnvloeden en blijkt het belangrijk te zijn om te realiseren dat verschillende doelgroepen op een verschillende manier met zwerfafval omgaan. Toevallige passanten en mensen die regelmatiger op een plek komen gaan bijvoorbeeld heel anders met hun peuken om. 1 De 25 gebieden met het grootste aantal inwoners is geselecteerd. Daarbij is de selectie sinds 2012 gelijk gehouden, om vergelijking over de jaren te faciliteren. Feitelijk zijn de 25 gemeenten een selectie van de 25 postcode gebieden met het hoogste aantal inwoners in Binnen deze 25 gebieden zijn alle winkelgebieden met een winkelvloeroppervlakte van meer dan vierkante meter onderzocht, waarvoor de database van Locatus is gebruikt. Grootschalige clusters (waaronder woonboulevards) zijn buiten beschouwing gelaten. De focus ligt hierdoor op buurt- en wijkwinkelcentra en andere (binnen)stedelijke winkelgebieden. Sinds 2014 zijn daarom aan de selectie ook de binnensteden toegevoegd

7 Keep Britain Tidy doet al geruime tijd onderzoek naar de schoongraad in Engeland. Hierbij wordt een aantal zaken gemeten die tezamen de schoongraad bepalen. Hierbij onderscheidt Keep Britain Tidy een groot aantal indicatoren, zoals peuken, zwerfafval, graffiti, flyers, onkruid, hondenpoep en bladeren. Uiteindelijk zijn in dit onderzoek slechts een aantal van die indicatoren opgenomen (graffiti, peuken, zwerfafval) maar het is goed om stil te staan bij het feit dat de schoonbeleving door een heel scala aan factoren kan worden beïnvloed. Een tendens die de Britse organisatie over de jaren heen heeft waargenomen is dat gebieden die het sociaaleconomisch relatief slecht doen vaak een lagere schoongraad hebben dan gebieden die hoger op de sociaaleconomische ladder staan. 1.3: onderzoekgeschiedenis Het onderzoek wordt in een vergelijkbare vorm al sinds 2012 uitgevoerd (waarbij 2012 het pilotjaar was en minder grootschalig) en dat heeft reeds tot een aantal interessante inzichten geleid Het onderzoek in 2012 heeft geresulteerd in onder meer een regressiemodel (waarbij meerdere effecten gelijktijdig worden gemeten) waaruit blijkt dat de door het winkelend publiek waargenomen hoeveelheid zwerfafval en vandalisme (vernielingen en graffiti) en de door de onderzoekers geobserveerde hoeveelheid graffiti voorspellers waren voor de schoonbeleving van het winkelend publiek. Het model uit 2012 heeft een verklarende kracht (R 2 ) van 0,235, dat wil zeggen dat wanneer de schoonbeleving van het winkelend publiek met 1 eenheid toeneemt, 23,5% hiervan te danken is aan de variabelen in het model (zwerfafval, vandalisme, graffiti), het restant komt voort uit voorlopig nog onbekende variabelen. Daarnaast bleek er een positieve relatie te bestaan tussen een als schoon ervaren winkelgebied en de mate waarin een individu zijn bezoek aan het winkelgebied als aangenaam ervaart, zich er veilig voelt, zich gelukkig voelt, een hoge betrokkenheid van winkeliers ervaart en de hulpvaardigheid van bezoekers aan het winkelgebied. In bijlage 1 staan voor de volledigheid alle correlatiecijfers uit het rapport van Een jaar later is het onderzoek op vergelijkbare wijze uitgevoerd. Allereerst is wederom een regressiemodel gecreëerd om de voorspellers van de schoonbeleving van het winkelend publiek in kaart te brengen. Hieruit is gebleken dat enkel de door de bezoeker waargenomen hoeveelheid zwerfafval een voorspeller is van de schoonheidsbeleving. Ten aanzien van het rendement van schoon zijn de mate waarin een bezoeker zijn bezoek aan het winkelgebied als aangenaam ervaart, het gevoel van veiligheid dat de bezoeker in het winkelgebied ervaart, de betrokkenheid van winkeliers in het winkelgebied, de hulpvaardigheid van de bezoekers, of een bezoeker al dan niet mee wenst te werken aan het onderzoek en de mate waarin een bezoeker zelf schoon gedrag laat zien allen positief gecorreleerd met de individuele schoonheidsbeleving. In bijlage 1 staan exacte correlatiecijfers uit Ten opzichte van 2012 en 2013 is in 2014 getracht een aantal relaties te repliceren, enkele verder te onderzoeken en is een poging gedaan om nieuwe relaties aan het bestaande model toe te voegen. Verder is er voor gekozen om een aantal relaties niet nogmaals te onderzoeken, het gaat daarbij om de sociale variabelen (betrokkenheid, hulpvaardigheid) die in voorgaande jaren al een rendement van schoon bleken te zijn. Een belangrijke motivatie voor het toevoegen van nieuwe variabelen komt voort uit de totale verklarende kracht (R 2 ) van het model van de schoonbeleving dat in ,235 is. Op basis hiervan kan gesteld worden dat nog een groot deel van de schoonbeleving nog niet verklaard kan worden door de zaken die tot op heden gemeten zijn. 6

8 Ten aanzien van verder onderzoek van reeds aangetoonde relaties komt de motivatie vooral voort uit het feit dat de conclusies in voorgaande jaren voor een groot deel zijn getrokken op basis van correlatiecijfers, een vorm van statistisch onderzoek waarbij wel een relatie tussen variabelen kan worden aangetoond, maar niet duidelijk is welke hiervan de oorzaak en het gevolg is. Om het totale rendement van schoon beter in kaart te brengen is er dit jaar in het analysehoofdstuk gekozen voor andere methoden die wel in staat zijn om uitspraak te doen over het totale rendement van schoon. 7

9 Hoofdstuk 2: methodologie en hypothesen 2.1: data verzameling In de zomer van 2014 zijn in de 25 grootste Nederlandse gemeenten in tal van winkelgebieden data verzameld. Voor het vergaren van data zijn een tweetal instrumenten gebruikt: een enquête en een observatieformulier. De enquête is willekeurig aan minimaal veertig bezoekers van het winkelgebied voorgelegd en is met behulp van de enquêteur voltooid. Het observatieformulier is na instructie verstrekt aan de enquêteurs die daarmee van ieder winkelgebied één observatie hebben gedaan. Bijlage 2 geeft een overzicht van alle vragen in de enquête en het observatieformulier, de afkorting van de variabele die daaruit voort is gevloeid en de volledige vraagstelling zoals die in de enquête en het observatieformulier staat. Bijlage 3 bespreekt in detail iedere variabele en de bedenkingen die daar bij te plaatsen zijn, de lezer die hierin geïnteresseerd is, wordt aangeraden deze bijlage te lezen. 2.2: schoonbeleving De mate waarin een winkelgebied als schoon te classificeren valt is op verschillende manieren gemeten. Enerzijds in de enquête door respondenten te vragen hun schoonbeleving van het winkelgebied op het moment van de afname van de enquête en in het algemeen te beoordelen met een rapportcijfer (1-10). Anderzijds door de observant de opdracht te geven de hoeveelheid grof- en fijn zwerfafval te classificeren op een schaal van 1 (heel veel) tot 5 (niks). Ten behoeve van de ranglijst op basis waarvan het schoonste winkelgebied wordt uitgeroepen, is gekozen om de gemiddelde rapportcijfers uit de enquête voor een winkelgebied te middelen. Het observatieformulier speelt voor de ranglijst dus geen rol. Deze keuze vloeit voort uit een aantal zaken. Allereerst is de beoordeling door de bezoekers gebaseerd op minimaal 40 enquêtes, wat meer zegt dan 1 observatie. Daarnaast geven de variabelen uit de enquête een beter beeld van het geen waar het in dit onderzoek precies om draait: de subjectieve schoonbeleving van het winkelend publiek. Tot slot is gebleken dat de objectief waarneembare hoeveelheid grof- en fijn zwerfafval en de subjectieve vaststelling daarvan via een rapportcijfer zeer gelijk opgaan, en dus feitelijk hetzelfde zijn (dit wordt gemeten met de Cronbach s alfa op een schaal van 0 = helemaal geen overlap, tot 1 = volledig gelijk opgaande resultaten. De Alfa hierin was 0,916). 2.3: hypothesen De gestelde hypothesen zijn globaal in twee categorieën te verdelen: hypothesen ten aanzien van de totstandkoming van de schoonbeleving (categorie 1) en hypothesen die het rendement van schoon beschrijven (categorie 2). De codes die in de hypothesen tussen haakjes staat vermeld corresponderen met de codering van de gebruikte variabelen in bijlage 2. Figuur 1 en figuur 2 geven de hypothesen per categorie grafisch weer. Categorie 1: H1a: Winkelgebieden waar minder zwerfafval wordt waargenomen (S3) worden door het winkelend publiek als schoner ervaren. H1b: Winkelgebieden waar minder vandalisme wordt waargenomen (S4) worden door het winkelend publiek als schoner ervaren. H1c: Winkelgebieden waar naar mening van het winkelend publiek voldoende afvalbakken staan (I1) worden als schoner ervaren. H1d: Winkelgebieden waar naar mening van het winkelend publiek voldoende wordt schoongemaakt (I2) worden als schoner ervaren. 8

10 H1e: Winkelgebieden met een schoner aanzicht (S5) worden door het winkelend publiek als schoner ervaren. H1f: Winkelgebieden met schonere ramen (S6) worden door het winkelend publiek als schoner ervaren. H1g: Winkelgebieden waar minder grof zwerfafval op de stoep en de straat ligt (Z1)worden door het winkelend publiek als schoner ervaren. H1h: Winkelgebieden waar minder fijn zwerfafval op de stoep en de straat ligt (Z2) worden door het winkelend publiek als schoner ervaren. H1i: Winkelgebieden met een lage hoeveelheid graffiti (F1) worden door het winkelend publiek als schoner ervaren. H1j: Winkelgebieden met makkelijk vindbare afvalbakken (P1) worden door het winkelend publiek als schoner ervaren. H1k: Winkelgebieden met schone afvalbakken (P2) worden door het winkelend publiek als schoner ervaren. H1l: Winkelgebieden zonder overlopende afvalbakken (P4) worden door het winkelend publiek als schoner ervaren. H1m: Winkelgebieden met makkelijk vindbare peukenpalen (P3) worden door het winkelend publiek als schoner ervaren. Figuur 1: grafische weergave van hypothesen H1a tot en met H1m, links staan de variabelen die hun oorsprong vinden in de enquête, rechts die uit het observatieformulier. 9

11 Categorie 2: H2a: Winkelgebieden die door het winkelend publiek als schoner worden ervaren, worden frequenter bezocht (B1). H2b: Winkelgebieden die door het winkelend publiek als schoner worden ervaren, worden als aangenamer ervaren (B3). H2c: Winkelgebieden die door het winkelend publiek als schoner worden ervaren, worden tevens overdag als veiliger ervaren (V1). H2d: Winkelgebieden die door het winkelend publiek als schoner worden ervaren, worden tevens s avonds als veiliger ervaren (V2). H2e: In winkelgebieden die door het winkelend publiek als schoner worden ervaren, koopt men frequenter (K1). H2f: In winkelgebieden die door het winkelend publiek als schoner worden ervaren, geeft men gemiddeld meer geld uit per bezoek (K2). Figuur 2: grafische weergave van hypothesen H2a tot en met H2f. 2.4: statistische analyses Allereerst is getracht om een model samen te stellen dat in staat is de schoonbeleving te verklaren. Het ontstane model toetst de hypothesen in categorie 1, H1a tot en met H1m. Het biedt stakeholders idealiter een reeks variabelen die in zekere zin door hen beïnvloedbaar zijn om daarmee de schoonbeleving van het winkelend publiek te kunnen sturen. Vervolgens is getracht om het rendement van schoon in kaart te brengen om daarmee antwoord te geven op de vraag wat het exact voor stakeholders kan betekenen wanneer een winkelgebied als schoon wordt ervaren, de hypothesen uit categorie 2, H2a tot en met H2f, worden hier getoetst. Deze resultaten dienen ter motivatie en moeten ervoor zorgen dat stakeholders inzien dat schoon voor hen waarde creëert. 10

12 Bij de analyse van deze hypotheses zijn verschillende statistische methoden en basis veronderstellingen gebruikt. Deze worden hieronder kort toegelicht. Significantie Statistiek is nooit 100% zeker. Relaties zijn soms wel aanwezig en soms niet, en zelfs als ze aangetoond worden, wil dit niet zeggen dat het in alle gevallen zo zal gaan. Daarom wordt gewerkt met een betrouwbaarheidsinterval. Wanneer een relatie binnen dit betrouwbaarheidsinterval valt, noemen we het significant. Stellen we het betrouwbaarheidsinterval bijvoorbeeld op 99%, dan spreken we over een 1% significantieniveau, en wil dit zeggen dat bij 99% van de winkelbezoekers deze relatie (in meer of mindere mate) gevonden is. Over het algemeen geldt dat hoe groter de steekproef, des te hoger het betrouwbaarheidsinterval moet zijn. We gaan dus in dit onderzoek constant uit van 99%, wanneer we het hebben over een significant resultaat. Correlatie Correlatie is de meest simpele en gangbare methode om relaties te onderzoeken. Het gaat uit van het idee dat wanneer 2 variabelen op hetzelfde moment toenemen of afnemen, er een verband is tussen deze variabelen. Bijvoorbeeld wanneer respondent 1 aangeeft dat hij veel vandalisme ziet én in dezelfde vragenlijst ook aangeeft dat hij het winkelgebied niet schoon vindt, suggereert dit een verband. Wanneer vervolgens respondent 2 in een ander winkelgebied aangeeft dat hij géén vandalisme ziet én het winkelgebied erg schoon vindt, is dit verband sterker, het werkt namelijk 2 kanten op. De uitdrukking van deze relatie is een correlatiecoëfficiënt tussen 0 en 1. Hoe hoger de correlatiecoëfficiënt, des te sterker wordt de relatie geacht, omdat de situatie dan vaker en consistenter voorkomt. Een probleem met correlatie is de causaliteit. In het voorbeeld hierboven lijkt de volgorde in oorzaak en gevolg logisch, maar omdat beide variabelen tegelijk stijgen of dalen, kunnen we feitelijk niets zeggen over welke van de 2 de oorzaak en het gevolg is. Sterker nog, er bestaat ook de kans dat een derde variabele effect heeft op beide, maar dat ze individueel niets met elkaar te maken hebben. Ter verduidelijking: als variabele A een effect heeft op zowel B als C, dan stijgen B en C, wanneer A ook stijgt. Ze stijgen (of dalen) dus alle 3 op dezelfde manier. Als we dan alleen zouden kijken naar B en C, lijkt het alsof die 2 een relatie met elkaar hebben, terwijl dit helemaal niet zo is. Daarom is een vervolgstap in statistische analyse altijd een regressiemodel, zie onderstaand. Regressie model Een regressie model is simpel gezegd een uitgebreide correlatie. In een regressiemodel kun je meerdere variabelen tegelijk onderzoeken, waardoor je een meer zuiver beeld krijgt van de verhoudingen. Een correlatie is daarmee feitelijk een enkelvoudige regressie, en wanneer we meer variabelen toevoegen, spreken we over een meervoudige regressie. In het geschetste voorbeeld hierboven, zouden we dus alle variabele A, B, en C kunnen toevoegen, en zal het regressiemodel tonen dat A een effect heeft op B, maar C niet. Vervolgens kun je in het regressiemodel zo veel variabelen toevoegen als je wil, en krijg je daarmee in inzicht in hoe variabele A, B, C, D, enz. een effect hebben op variabele X (A, B, C, D, enz. zijn in dit geval de onafhankelijke variabelen, en X is de afhankelijke variabele). Een regressiemodel kijkt daarbij zowel naar het gezamenlijke effect, als naar het individuele effect van een variabele (wat er zou gebeuren als je alleen A aanpast bijvoorbeeld). Het mooie van een regressiemodel is daarbij, dat omdat je B, C, D, enz. ook het toegevoegd, het model hun effecten er uit zuivert. Zo krijg je inzicht in het effect wanneer je alleen dat ene fenomeen zou aanpakken. Net als bij de correlatie, resulteert ook een regressie in een coëfficiënt. Dit wordt de Bèta genoemd. Bij de correlatie is de correlatiecoëfficiënt enkel een kwantificering van de mate waarin de variabelen gelijk opgaan. Is de correlatiecoëfficiënt 0,6 dan zegt dit alleen dat dit dichter bij de 1 zit, dan bij de 0, en dus dat er een sterke relatie is. Verder niets. Is de Bèta 0,6 daarentegen, dan zegt dit dat wanneer variabele A met 1 eenheid toeneemt, variabele B met 0,6 eenheid zal toenemen. Je kan 11

13 er dus vanaf dat moment een berekening van maken, die voorspelt wat de waarde van een variabele zal zijn. Het regressiemodel wordt toegepast om de oorzaken van schoon (in het vervolg de totstandkoming van schoon genoemd) en de gevolgen van schoon (in het vervolg het rendement van schoon genoemd) te onderzoeken. Verklarende kracht Een regressiemodel produceert ook een R 2, de verklarende kracht. De verklarende kracht is de variantie in de afhankelijke variabele die verklaard wordt door de aanwezige onafhankelijke variabele. Wanneer bijvoorbeeld variabele A, B, C, en D een verklarende kracht van 20% hebben of de afhankelijke variabele X, wil dit zeggen dat wanneer X met 1 eenheid toeneemt of afneemt, 20% hiervan te wijten is aan veranderingen in A, B, C, en D. 20% lijkt daarbij weinig, maar bedenk wel dat de schoonbeleving naast de hoeveelheid zwerfafval ook samen kan hangen met uw gemoedstoestand, de uitstraling van het winkelgebied, het gezelschap waarin u verkeert, en nog vele andere zaken die niet in het model worden mee genomen. In de statistiek is daarom een verklarende kracht tussen de 20% en 50% al zeer waardevol. Multivariate general lineair model In een regressiemodel kun je het gezamenlijk effect van meerdere onafhankelijke variabelen, op 1 afhankelijke variabele meten. Als we echter kijken naar de gevolgen van schoon willen we graag weten of schoon (zeg variabele X) een totaal effect heeft op Y en Z (bijvoorbeeld veiligheidsgevoel en uitgaven). Eén op één kunnen deze relaties door een enkelvoudige regressie worden gekwantificeerd. Maar een regressiemodel kan niet alle effecten tegelijk berekenen. Daarom wordt hierbij de multivariate general linear model (GLM) test gebruikt. Dit kan niet kwantificeren hoe groot het effect van X is op Y en Z, maar kan wel aantonen dat het effect van X op Y en Z gelijktijdig plaats vindt. Met andere woorden, wanneer de GLM test significant is, kun je met zekerheid zeggen dat X in alle gevallen een gelijktijdig en evenredig effect heeft op Y en Z, en dus niet soms de ene niet en de ander wel. Mediatie Een ander effect wat op kan treden in een relatie is mediatie. Wat er hierbij gebeurt is dat A een effect lijkt te hebben op C, maar dat feitelijk A een effect heeft op B, en B een effect heeft op C. Dit kan onderzocht worden door middel van Hayes s PROCESS macro voor SPSS. Dit proces is een complexere vorm van een regressiemodel, waarbij feitelijk meerdere regressies simultaan worden uitgevoerd. Mediatie wordt vervolgens vastgesteld wanneer in het model het effect van A op C niet meer significant is, zodra het effect van A op B en B op C wordt toegevoegd. Normale verdeling Een van de belangrijkste voorwaarden voor het gebruik van parametrische testen zoals correlatie en regressieanalyse, is dat de data normaal verdeeld moet zijn. Dit omdat parametrische testen uitgaan van een lineair verband. Om een lineair verband te kunnen aantonen heb je resultaten nodig aan beide uiteinden van de schaal, zodat je daadwerkelijk een lijn kan trekken van 1 naar 10. Wanneer de steekproef te klein is, bestaat het risico dat je alleen resultaten hebt tussen bijvoorbeeld 5 en 10, waardoor je feitelijk niets kan zeggen over de hele lijn. Een goede verdeling van je steekproef heeft dus resultaten aan alle uiteinden, dit is de normale verdeling, ook wel klokvorm genoemd. De centrale limietstelling stelt vervolgens dat je er vanaf een steekproef van 40 vanuit kunt gaan dat je voorzien bent van genoeg diverse resultaten. In dit onderzoek ligt de steekproefgrootte ver boven het minimaal benodigde aantal, er zijn in een totaal van 437 winkelgebieden respondenten geënquêteerd. 12

14 Hoofdstuk 3: resultaten De dataverzameling heeft plaats gevonden in 437 winkelgebieden verspreid over 25 gemeenten in Nederland, hetgeen heeft geresulteerd in een dataset met in totaal respondenten, dat is gemiddeld 42 respondenten per winkelgebied. Voor de analyse zijn enkel de volledig ingevulde enquêtes gebruikt. Ten opzichte van de originele vragenlijst is er één nieuwe variabele, S1S2, de (gemiddelde) schoonbeleving, die het gemiddelde is van het rapportcijfer op dit moment en in het algemeen voor schoon. 3.1: de totstandkoming van de schoonbeleving van het winkelend publiek Om de totstandkoming van de schoonbeleving te bepalen zijn hypothesen H1a tot en met H1m getoetst via een regressie. De regressievergelijking die hieruit voortkwam is hieronder weergegeven en in figuur 3 geïllustreerd. S1s2 = 3, ,508(S3) + 0,101(S4) + 0,025(I1) + 0,342(I2) S1S2 = schoonbeleving; S3 = hoeveelheid zwerfafval; S4 = hoeveelheid vandalisme; I1 = voldoende afvalbakken; I2 = voldoende schoonmaken Figuur 3: visuele presentatie van regressievergelijking (1) Het model heeft een totale verklarende kracht (R 2 ) van 0,359, dat wil zeggen dat ongeveer 36% van de schoonbeleving beïnvloed wordt door de variabelen die zijn opgenomen in het model de overige 64% van de schoonbeleving wordt verklaard door variabelen die niet in het onderzoek zijn meegenomen. In het model van 2012 was diezelfde verklarende kracht overigens nog 0,235 (zie tabel 2 in bijlage 1). De regressievergelijking is dus een functie van de 4 input variabelen, met een constante (het deel van het rapportcijfer dat niet te beïnvloeden is, het nulpunt in de grafiek). Het plusteken geeft aan dat iedere relatie positief is, anders gezegd: hoe hoger de waarde van de inputvariabele, hoe hoger de schoonbeleving. Hiermee worden hypothesen H1a tot en met H1d allen bevestigt. De onderdelen van de regressievergelijking dienen als volgt te worden geïnterpreteerd. Indien de bezoeker van het winkelgebied de door hem of haar beleefde hoeveelheid zwerfafval (S3) met één punt hoger beoordeelt, bijvoorbeeld van weinig naar heel weinig (schaal van 1 tot 5), dan stijgt de individuele schoonbeleving met 0,508 grofweg een half punt. 13

15 Toevoeging van het observatieformulier Naast de informatie uit de enquête is er ook informatie uit de observaties per winkelgebied beschikbaar. Het gaat hierbij om de hypothesen H1e tot en met H1m. De onderstaande regressievergelijking vormt het resultaat hiervan, figuur 4 illustreert diezelfde regressievergelijking. Er dient te worden gezegd dat variabelen die niet in de regressievergelijking te vinden zijn ook niet significant bijdragen. De variabelen uit de enquête zijn hier nog altijd in opgenomen, waardoor deze regressievergelijking de meeste complete vergelijking is uit de beschikbare gegevens, uit zowel de enquête als de observatie. S1S2 = 2, ,484(S3) + 0,093(S4) + 0,028(I1) + 0,334(I2) + 0,064(Z1) + 0,072(Z2) + 0,056(S5) + 0,046(S6) S1S2 = schoonbeleving; S3 = hoeveelheid zwerfafval; S4 = hoeveelheid vandalisme; I1 = interventie afvalbakken; I2 = interventie schoonmaken; Z1 = hoeveelheid grof zwerfafval; Z2 = hoeveelheid fijn zwerfafval; S5 = schoonheid van de gevel of het aanzicht; S6 = schoonheid van de ramen Figuur 4: visuele presentatie van regressievergelijking (2) Ten opzichte van regressievergelijking 1 is er een aantal relevante variabelen bijgekomen: de geobserveerde hoeveelheid grof- (Z1) en fijn (Z2) zwerfafval en de geobserveerde staat van het aanzicht (S5) en de ramen (S6). De variabelen uit H1e tot en met H1h zijn allen in de regressievergelijking vindbaar met daarvoor het in de hypothese verwachte plusteken, deze kunnen dus allen worden bevestigt. De variabelen uit de hypothesen H1i tot en met H1m komen niet voor in de regressievergelijking, hetgeen leidt tot de conclusie dat deze hypothesen niet bewezen zijn. Over regressievergelijking 2 dient verder gezegd te worden dat de totale verklarende kracht van dit model (R 2 ) 0,37 is, ten opzicht van 0,359 in regressievergelijking 1. Dit betekent dat - ondanks dat er vier significante variabelen uit het observatieformulier aan het model zijn toegevoegd - de verklarende kracht van het model slechts met een honderdste omhoog is gegaan. De conclusie is dat voor de totstandkoming van de schoonbeleving van het winkelend publiek de variabelen uit de enquête de meeste verklarende kracht hebben, oftewel de beleving van de bezoekers is relevanter dan de feitelijke toestand. 14

16 3.2: het rendement van schoon in winkelgebieden Om het rendement van de schoonbeleving te bepalen zijn hypothesen H2a tot en met H2f getoetst via een regressie. De regressievergelijkingen die hieruit voortkwamen zijn hieronder weergegeven en in figuur 5 geïllustreerd. (3) B1 = 4,750 0,032(S1S2), B1 = bezoekfrequentie (4) B3 = 1, ,253(S1S2), B3 = bezoekbeleving (5) V1 = 3, ,083(S1S2), V1 = veiligheid overdag (6) V2 = 2, ,162(S1S2), V2 = veiligheid s avonds (7) K2 = 28, ,772(S1S2), K2 = gemiddelde uitgaven per bezoek Figuur 5: visuele presentatie van regressievergelijkingen (3), (4), (5), (6) en (7) Zoals kan worden afgelezen draagt een hogere individuele schoonbeleving positief bij aan zowel de bezoekbeleving (B3), het gevoel van veiligheid, zowel overdag (V1) als s avonds (V2), en het bedrag dat bezoekers per keer uitgeven in het winkelgebied (K2). Naast deze positieve verbanden toont regressievergelijking (3) aan dat wanneer de schoonbeleving (S1S2) toeneemt de bezoekfrequentie (B1) juist afneemt. De regressievergelijkingen bevestigen daarmee hypothesen H2b, H2c, H2d en H2f en wijzen hypotheses H2a en H2e af. Hypothese H2a verdient speciale aandacht aangezien regressievergelijking (3) aantoont dat bij een verhoogde schoonbeleving de bezoekfrequentie juist afneemt (in plaats van de verwachtte toename). Een verklaring hiervoor kan niet worden gegeven met de huidige data, maar mogelijk houdt dit verband met een langere bezoekduur (niet gemeten variabele) bij een hoge schoonbeleving, waardoor men minder vaak hoeft terug te komen. De regressievergelijkingen dienen als volgt te worden gelezen: We kunnen stellen dat het gemiddelde bedrag dat het winkelend publiek per persoon per keer uitgeeft in een winkelgebied met 0,77 toeneemt als de gemiddelde schoonbeleving met één punt op de gebruikte schaal omhoog gaat. Het lijkt in eerste instantie om relatief klein geldbedragen te gaan maar men dient zich te realiseren dat dit om iedere bezoeker gaat. Paragraaf 3.3 gaat dieper op deze relatie in. Voor de andere relaties geldt wederom dat als de schoonbeleving met 1 punt toeneemt, de bezoek beleving met 0,253 stijgt (op een schaal van 1 tot 5, waarop alle variabele gemeten zijn). 15

17 3.3: mediatie analyse Het effect van schoon op koopgedrag Klaarblijkelijk is het zo dat wanneer men een winkelgebied als schoon ervaart men ook meer in dat winkelgebied uitgeeft. Door middel van mediatie analyse is onderzocht of er zich tussen de variabelen schoonbeleving (S1S2) en aankoop besteding (k2) eventueel een mediator bevindt. Uit de analyse bleek dat er feitelijk geen significante, directe relatie tussen S1S2 en K2 is, maar een significante, indirecte relatie met B3 de bezoekbeleving - als mediator. Wanneer een individu een winkelgebied als schoner ervaart is de bezoekbeleving positiever en stijgt dientengevolge de hoeveelheid geld die hij of zij per bezoek uitgeeft, figuur 6 dient ter illustratie van het bovenstaande. Figuur 6: visuele presentatie van de werking van B3 als mediator in de relatie tussen S1S2 en K2 Ontwikkeling koopgedrag en schoonbeleving Regressievergelijk (7) toont aan dat een verbetering van een schoonbeleving 0,77 oplevert in de aankoop besteding. Die 0,77 is echter een gemiddelde over de gehele schaal van 1 tot 10. Nadere analyse van deze relatie toont aan dat dit verband vooral opgaat tussen een schoonscore van 1 en 6. Tabel 1 geeft deze relatie weer. Tabel 1: het gemiddelde uitgavenpatroon voor groepen respondenten met verschillende niveaus in schoonbeleving In tabel 1 staan op de eerste rij groepen respondenten die van links naar rechts de schoongraad van een winkelgebied steeds beter hebben beoordeeld. Op de tweede rij staat het gemiddelde uitgavenpatroon dat met de respondenten in die categorie correspondeert. Hieruit volgt dat de grootste, economische winst te behalen valt door winkelgebieden die (nu nog) een onvoldoende scoren. 3.4: kennis van de Supporter van Schoon campagne In de enquête is een vraag opgenomen die meet of een respondent al dan niet bekend is met de Supporter van Schoon campagne (C1). Deze vraag is in de eerste plaats toegevoegd om nieuwe Supporters van Schoon te werven, maar biedt ook mogelijkheden voor interne analyse. 16

18 BEKENDHEID CAMPAGNE Gekeken is naar de bekendheid van de campagne (over het algemeen en per gemeente) op basis van het percentage respondenten dat aangaf bekend te zijn met de Supporter van Schoon campagne. In 2014 is dezelfde vraag (C1) ook gesteld in het onderzoek naar de stationsgebieden in Nederland (zie hoofdstuk 4). Deze antwoorden zijn voor de analyse toegevoegd aan die van dit onderzoek.. In totaal gaf ruim een kwart (26,2%) van de geënquêteerden aan bekend te zijn met de Supporter van Schoon campagne in 2013 was dit overigens nog 23%. Daarnaast is gebleken dat de Supporter van Schoon campagne het bekendst is onder de respondenten in Tilburg (51,8%) en Groningen (51,7%) terwijl Arnhem onderaan de lijst van 25 gemeenten staat (11,9%). Bekendheid campagne naar geslacht, opleidingsniveau en leeftijd Tevens is gekeken in hoeverre de bekendheid van de campagne verschilt tussen groepen respondenten. In figuur 7 staat een grafiek waarin de bekendheid van de campagne op twee demografische variabelen is uitgesplitst: geslacht en opleidingsniveau. Bekendheid campagne naar geslacht en opleidingsniveau 35,0% 30,0% Mannen Vrouwen 25,0% 20,0% 15,0% 10,0% Basisonderwijs Beroepsonderwijs MAVO HAVO MBO HBO WO Mannen 12,5% 19,9% 24,3% 24,8% 23,3% 26,5% 28,5% Vrouwen 17,8% 23,6% 26,9% 26,9% 26,9% 30,9% 27,7% OPLEIDINGSNIVEAU Figuur 7: bekendheid campagne naar geslacht en opleidingsniveau Wat direct in het oog springt is dat de groene lijn bijna continu boven de blauwe lijn loopt, hetgeen wil zeggen dat de campagne over het algemeen genomen meer bekendheid geniet bij vrouwen dan bij mannen. Op de horizontale as staan van links naar rechts het hoogst genoten opleidingsniveau van de respondent. Met deze kennis kunnen we concluderen dat hoe hoger de hoogst genoten opleiding van een respondent is, hoe groter de kans is dat hij of zij bekend is met de campagne. Naast geslacht en opleidingsniveau is ook de bekendheid van de campagne onder verschillende leeftijdsgroepen onder de loep genomen. Hieruit bleek dat er geen waarneembare opwaartse- of neerwaartse trend aanwezig is wanneer gekeken wordt naar leeftijd, er lijkt eerder sprake te zijn van een parabolisch verband. De bekendheid van de campagne start laag onder de jongste leeftijdsgroep (17% voor respondenten jonger dan 18 jaar), eindigt ook laag onder de oudste leeftijdsgroep (22% voor respondenten ouder dan 65 jaar) en is het hoogst voor de middelste leeftijdsgroep (31% voor respondenten tussen de 36 en 45 jaar). 3.5: vervuilgedrag In de enquête is een vraag opgenomen over het vervuilgedrag. Er wordt de respondenten hierbij gevraagd aan te geven op een vijfpuntschaal van vaak (1) tot nooit (5) in hoeverre men wel eens afval achter laat op een plek die daarvoor niet is bestemd dat gaat overigens niet om gedrag in uitsluitend het winkelgebied waar de respondent op dat moment wordt geënquêteerd, maar ook 17

19 Vervuilgedrag daarbuiten. In de analyses die tot dusverre zijn uitgevoerd is de variabele niet gebruikt omdat een meting van vervuilgedrag in het algemeen geen waarde heeft in een analyse van schoonbeleving in een specifiek gebied. Desalniettemin biedt de data inzicht in het vervuilgedrag in relatie tot demografische variabelen. Er moet wel een kanttekening bij deze gegevens worden geplaatst. Het gaat hier om selfreports, een vraagsoort waarbij respondenten worden gevraagd om hun gedrag in een hypothetische situatie te beschrijven. In regel is het zo dat de antwoorden bij self-reports een ietwat geflatteerd beeld van de werkelijkheid geven. Figuur 8 geeft het gemiddelde antwoord voor mannen en vrouwen van verschillende leeftijden, op de horizontale as geldt dat de leeftijdsgroep van links naar rechts steeds ouder wordt. Net als in hoofdstuk 3.4 geldt dat de respondenten in het onderzoek naar bezoekers aan stationsgebieden zijn toegevoegd aan de respondenten in het onderzoek naar de winkelgebieden. Vervuilgedrag naar geslacht en leeftijd Mannen Vrouwen 5,1 4,9 4,7 4,5 4,3 4,1 3,9 3,7 3, Mannen 3,71 4,09 4,47 4,72 4,71 4,81 4,86 Vrouwen 3,91 4,3 4,73 4,83 4,87 4,91 4,96 Leeftijd 1 = jonger dan 18; 2 = 18 tot 25; 3 = 26 tot 35; 4 = 36 tot 45; 5 = 46 tot 55; 6 = 56 tot 65; 7 = ouder dan 65 Figuur 8: vervuilgedrag naar geslacht en leeftijd Op basis van de bovenstaande figuur kan worden geconcludeerd dat vrouwen van iedere leeftijdsgroep minder vervuilen dan hun mannelijke leeftijdsgenoten. Daarnaast kan over het algemeen worden gesteld dat hoe ouder een respondent wordt, hoe minder men vervuilt. Naast leeftijd en geslacht is er ook gekeken of er een interessante tendens waarneembaar is wanneer het opleidingsniveau in de analyse wordt betrokken. Er blijkt echter geen betekenisvolle tendens ten aanzien van opleidingsniveau waarneembaar te zijn wanneer er wordt gekeken naar vervuilgedrag. Er kan niet worden gesteld dat er een verschil bestaat tussen hoog- en lager opgeleiden. 3.6: winkelgebieden door de jaren heen Tot dusverre zijn de resultaten besproken van het onderzoek dat in 2014 is uitgevoerd in de deelnemende winkelgebieden. Het onderzoek vond echter in ongeveer dezelfde vorm al plaats sinds 2012, inmiddels is er dus data beschikbaar over een periode van drie jaar hetgeen de mogelijkheid geeft om een aantal statistieken te presenteren en daaruit lessen te leren. Er worden in het restant van dit analysehoofdstuk een tweetal zaken verricht. Allereerst wordt gekeken naar de ontwikkeling die de individuele schoonbeleving van bezoekers aan winkelgebieden door de jaren heen heeft doorgemaakt, zowel op landelijk als lokaal niveau. Vervolgens worden een tiental opvallend scorende winkelgebieden uitgelicht die ofwel een bijzondere stijging- ofwel een bijzondere daling mee hebben gemaakt ten aanzien van de individuele schoonbeleving, om vervolgens te kijken of het mogelijk is om de oorzaak van deze stijging of daling aan te wijzen en daaruit lessen te trekken. 18

20 De landelijke en lokale ontwikkeling van de schoonbeleving Ten aanzien van de ontwikkeling van de schoonbeleving op landelijk en lokaal niveau zijn in bijlage 4 een aantal tabellen gepresenteerd met daarin de gemiddelde schoonbeleving (S1S2) per gemeente en de verandering over een bepaalde periode. Alvorens er conclusies worden getrokken moeten we rekening houden met een tweetal nuances. Allereerst zijn er niet in ieder jaar exact dezelfde winkelgebieden gebruikt. Er is een groep winkelgebieden ontstaan in 2012 en deze is in de loop der tijd aangevuld. Daarnaast zijn de schalen die in 2012, 2013 en 2014 zijn gebruikt om de schoonbeleving te meten verschillend, waardoor cijfers niet 100% vergelijkbaar zijn. De belangrijkste bevinding is dat over de periode van 2012 tot 2014 de schoonbeleving in het gros van de gemeenten in de lift is (tabel 1, kolom 4), dat geldt overigens ook voor het landelijke cijfer dat van een 6,54 in 2012 steeg tot een 6,75 (+0,21) in 2014 (in 2013 was het cijfer overigens 6,89. De daling in 2014 is vermoedelijk het gevolg van de nieuwe meet methode). Verder valt op dat een aantal gemeenten zich consistent in de bovenste regionen van de lijst bevinden, terwijl er ook een aantal gemeenten zijn die continu minder goed scoren. Zo zijn gemeenten als Zwolle, Helmond en Apeldoorn ieder jaar bovenin te vinden en scoren gemeenten als Leiden en Rotterdam consistent minder goed. De grootste stijgers in het bestand zijn over de periode Breda (+0,84), Haarlem (+0,76) en Tilburg (+0,59) terwijl de gemeenten s-hertogenbosch (-0,2), Arnhem (-0,16) en Almere (-0,14) wegzakken uit de lijst. Opvallende winkelgebieden Naast de geaggregeerde gegevens per gemeente is gekeken naar de vijf best scorende en de vijf slechtst scorende winkelgebieden als het gaat om de ontwikkeling van de schoonbeleving (S1S2) tussen 2013 en Van deze tien winkelgebieden zijn alle gegevens met betrekking tot de in eerdere analyses vastgestelde variabelen verzameld om te analyseren of er verschuivingen (stijgingen of dalingen) in de variabelen zijn waar te nemen die een verklaring kunnen vormen voor het goede of slechte presteren van de winkelgebieden. Tabel 2 geeft voor iedere variabele in ieder winkelgebied de relatieve ontwikkeling tussen 2013 en In de eerste rij van de tabel staan de winkelgebieden, de meest linkse (groene codes) staan voor de winkelgebieden die een positieve ontwikkeling hebben doorgemaakt, de meest rechtse (rode codes) staan voor de winkelgebieden die een negatieve ontwikkeling hebben doorgemaakt. Zie voornoot 5 onderaan de vorige pagina voor een legenda met betrekking tot de codering. In de eerste kolom staan de in de analyses relevant gebleken variabelen in vier groepen opgesplitst: de individuele schoonbeleving (S1S2), de significante variabelen uit de enquête (S3, S4, I1, I2), de significante variabelen uit het observatieformulier (S5, S6, Z1, Z2, P1) en het rendement van schoon (B1, B3, V1V2, K2). Voor de volledigheid is in voetnoot 6 iedere variabele uitgeschreven, voor details over iedere variabele kan de tabel in bijlage 2 worden bekeken. In de rest van de tabel staan percentages die de ontwikkeling aangeven die een bepaald winkelgebied heeft doorgemaakt op een variabele. De rood gemarkeerde cellen geven een daling aan, de groen gemarkeerde cellen geven een stijging aan en de blauw gemarkeerde cellen geven aan dat er in de periode van 2013 tot 2014 geen ontwikkeling heeft plaatsgevonden. 19