Gemeente Berkelland
Analyse van de negatieve
herverdeeleffecten van het
verdeelmodel voor de WMO
A. Notenboom
R. Goudriaan
G.J. Mazzola
M.M. van Asselt
© Aarts De Jong Wilms Goudriaan Public Economics bv (APE)
Den Haag, augustus 2008
Analyse van de negatieve herverdeeleffecten van het verdeelmodel voor de WMO
A. Notenboom, R. Goudriaan, G.J. Mazzola en M.M. van Asselt
Ape rapport nr. 592
© 2008 Aarts De Jong Wilms Goudriaan Public Economics bv (APE)
Website: www.ape.nl
Omslag: Brordus Bunder, Amsterdam
Niets uit deze uitgave mag worden verveelvoudigd en/of openbaar gemaakt via druk, foto-
kopie of op welke andere wijze dan ook, zonder voorafgaande schriftelijke toestemming.
INHOUD
SAMENVATTING 3
1 INLEIDING 5
1.1 Aanleiding 5
1.2 Verdeelmodel WMO 6
1.2.1 Gewichten 6
1.2.2 Lage inkomens 7
1.2.3 Gezondheidsfactoren 7
1.2.4 Intramurale capaciteit 8
1.2.5 Mantelzorgers 9
1.3 Aanpak 9
2 ZORGKANTOREN EN HERVERDEELEFFECTEN 11
2.1 Inleiding 11
2.2 Regionale herverdeeleffecten 11
2.3 Conclusie 14
3 LANDELIJKE PATRONEN 15
3.1 Inleiding 15
3.2 Samenhang herverdeeleffecten en uitgaven WMO 16
3.2.1 Inleiding 16
3.2.2 Factoren Cebeon 17
3.2.3 Lage inkomens bij 65+'ers 19
3.2.4 Gezondheidsfactoren 19
3.2.5 Intramuralisering 22
3.2.6 Mantelzorgers 22
3.3 Conclusies 23
4 VERGELIJKING MET REFERENTIEGEMEENTEN 25
4.1.1 Inleiding 25
4.1.2 Eenpersoonshuishoudens bij 65+'ers 25
4.1.3 Uitkeringsontvangers 26
4.1.4 Lage inkomens bij 65+'ers 26
4.1.5 Gestandaardiseerde mortaliteit 26
4.1.6 Chronische aandoeningen 26
4.1.7 Tevredenheid eigen leven 27
4.1.8 Lage opleiding 27
4.2 Conclusie 27
Ape 1
A BIJLAGE: BEPALING UITGAVEN 29
B BIJLAGE: VERHOUDING AWBZ EN WMO 31
C BIJLAGE: GEMEENTEN EN REFERENTIEGEMEENTEN 33
2 Ape
SAMENVATTING
Sinds 2008 wordt het gemeentelijk budget voor de WMO (Wet Maatschap-
pelijke Ondersteuning) volledig verdeeld op basis van een door Cebeon
ontwikkeld objectief verdeelmodel. Een aantal gemeenten ervaart in 2008
een fors nadeel aan de invoering van het objectief verdeelmodel WMO, op-
lopend tot een bedrag van circa 50 euro per inwoner (exclusief suppletie).
In het onderzoek proberen we te achterhalen waarom deze gemeenten
financieel nadeel ondervinden van de invoering van het verdeelmodel.
De belangrijkste bevindingen van het onderzoek zijn:
De manier waarop de gewichten van het verdeelmodel WMO tot stand
zijn gekomen, is onvoldoende transparant. De gebruikte methode is
niet gedocumenteerd. De resultaten zijn niet reproduceerbaar met de
gangbare wetenschappelijke methoden, die in de internationale en na-
tionale vakliteratuur worden gehanteerd.
Er treden grote verschillen in herverdeeleffecten op tussen zorgkan-
toorregio's. Het is lastig om deze verschillen te duiden. Het is goed
mogelijk dat althans een deel samenhangt met historisch gegroeide
beleids- en uitvoeringspraktijken van zorgkantoren. Van gemeenten
kan niet worden verwacht dat zij de historisch gegroeide beleids- en
uitvoeringspraktijk direct kunnen veranderen. Daarom dienen zij (al-
thans in de beginjaren van de WMO) te worden gecompenseerd voor
dergelijke historisch bepaalde verschillen in het uitgavenniveau.
De huidige gewichten in het objectief verdeelmodel WMO zijn niet op-
timaal. Gemeenten met negatieve herverdeeleffecten hebben minder
eenpersoonshuishoudens, meer uitkeringsontvangers en zijn minder
stedelijk.
Lage inkomens bij 65+ huishoudens is een betere maatstaf dan de in
het verdeelmodel vigerende interactie tussen het aandeel lage inko-
mens (ongeacht de leeftijd) en het aantal 65+ huishoudens. Gemeen-
ten met negatieve herverdeeleffecten hebben een relatief hoog aandeel
65+'ers met lage inkomens.
Gemeenten met negatieve herverdeeleffecten hebben een relatief on-
gezondere bevolking. We zien deze effecten terug op een breed scala
van indicatoren, zoals prevalentie van chronische aandoeningen, ge-
standaardiseerde mortaliteit, aandeel lager opgeleiden, bezoek aan
huisarts en tevredenheid met het eigen leven. Het verdient sterke aan-
beveling om in het verdeelmodel voor de WMO maatstaven op te ne-
men die recht doen aan de gezondheidsverschillen tussen de gemeen-
Ape 3
ten. Daarvoor kan worden aangesloten bij maatstaven die het ministe-
rie van VWS hanteert in het risicovereveningsmodel voor de Zorgver-
zekeringswet.
Aan de negatieve herverdeeleffecten van de in dit onderzoek betrokken
gemeenten ligt een combinatie van bovengenoemde factoren ten
grondslag.
Verbeteringen van het huidige objectief verdeelmodel zijn essentieel
voor een rechtvaardige verdeling van de WMO-middelen, zeker als in
de toekomst nog meer delen van de AWBZ naar de WMO worden over-
geheveld.
4 Ape
1 INLEIDING
1.1 Aanleiding
Sinds 2008 wordt het gemeentelijk budget voor de WMO (Wet Maatschap-
pelijke Ondersteuning) volledig verdeeld op basis van een door Cebeon
ontwikkeld objectief verdeelmodel. In 2007 was nog sprake van een mid-
delenverdeling die op de historische kosten was gebaseerd. Het objectief
verdeelmodel heeft betrekking op de huishoudelijke verzorging en een
aantal specifieke regelingen (ex WVG, ex Welzijnswet en ex AWBZ). Het
grootste deel van de WMO-middelen is gemoeid met de huishoudelijke
verzorging (zorg in natura en het persoonsgebonden budget).
Een aantal gemeenten ervaart in 2008 een flink nadeel aan de invoering
van het objectief verdeelmodel WMO, oplopend tot een bedrag van circa
50 euro per inwoner (exclusief de suppletieregeling).1 De gemeente
Doetinchem heeft namens een aantal gemeenten APE verzocht om de ach-
tergronden hiervan te onderzoeken. Deze gemeenten zijn: Aalten, Apel-
doorn, Berkelland, Bronckhorst, Brummen, Doesburg, Doetinchem, Dui-
ven, Epe, Heerde, Lochem, Maasdriel, Montferland, Oost Gelre, Oude IJs-
selstreek, Voorst, Westervoort, Winterswijk, Zevenaar, Zutphen en Sit-
tard-Geleen. Maastricht heeft zich bij dit initiatief aangesloten. De 22 ge-
meenten bevinden zich in twee provincies: de eerste twintig gemeenten in
Gelderland en de laatste twee in Limburg.
De vraag is wat de oorzaak is van het feit dat deze gemeenten een finan-
cieel nadeel ervaren van het objectief verdeelmodel. Zijn er onvolkomen-
heden in het verdeelmodel die specifiek in het nadeel van deze gemeenten
uitpakken? Houdt het verdeelmodel wel adequaat rekening met de speci-
fieke omstandigheden van gemeenten uit deze regio's? In dit onderzoek
proberen we te achterhalen waarom bovengenoemde gemeenten financi-
eel nadeel ondervinden van het verdeelmodel WMO. Later dit jaar brengt
het Sociaal en Cultureel Planbureau (SCP) als onafhankelijke derde een
advies uit waarin onder meer wordt ingegaan op de mogelijke tekortko-
mingen van het objectief verdeelmodel.
1 De suppletieregeling smeert de herverdeeleffecten uit over een periode van
drie jaar om grote veranderingen in het budget van individuele gemeenten te
voorkomen.
Ape 5
We gaan in het voorliggende rapport niet in op de omvang van het macro-
budget. Daarvoor wordt verwezen naar het Advies over het macrobudget
huishoudelijke WMO-hulp voor 2009 van het SCP. Vanzelfsprekend is het
van belang dat dit budget jaarlijks adequaat wordt geïndexeerd, onder
meer voor de groei van het aantal chronisch zieke, thuiswonende ouderen.
1.2 Verdeelmodel WMO
1.2.1 Gewichten
Allereerst geven we een korte uiteenzetting van de wijze waarop de mid-
delen voor de WMO verdeeld worden. Het objectief verdeelmodel WMO
- ontwikkeld door Cebeon - verdeelt middelen voor de huishoudelijke hulp
(zorg in natura en het persoonsgebonden budget) op basis van een aantal
factoren. Deze factoren zijn:2
de leeftijdsopbouw van de bevolking (voornamelijk ouderen in verschil-
lende leeftijdsgroepen);
het aantal eenpersoonshuishoudens in de verschillende oudere leef-
tijdsgroepen;
het percentage huishoudens met lage inkomens (met een drempel)
vermenigvuldigd met het aantal huishoudens van 65 jaar en ouder;
het aantal uitkeringsontvangers exclusief bijstandsontvangers;
omgevingsadressendichtheid (met een negatief teken);
regionaal klantenpotentieel;
minderheden;
bedden conform Besluit Bijdrage AWBZ Gemeenten (Bbag);
vast bedrag per gemeente.
De volgende factoren heeft Cebeon bij de opstelling van de verdeelsleutel
bewust niet expliciet gehonoreerd:
de beleids- en uitvoeringspraktijk van de indicatiestellers;
de beleids- en uitvoeringspraktijk van de zorgkantoren;
de beleids- en uitvoeringspraktijk van de zorgaanbieders;
de mate waarin mantelzorg is gemobiliseerd.
Gezien de gewichten die de verdeelfactoren in het verdeelmodel hebben
gekregen, wordt een groot deel van de middelenverdeling bepaald door de
eenpersoonshuishoudens, de combinatie van lage inkomens en huishou-
dens van 65 jaar en ouder, en de uitkeringsontvangers. De grootte van de
2 Zie circulaires van 2007 en 2008 en bijbehorende rekenmodules.
6 Ape
gewichten bepaalt Cebeon op basis van een `uitgavenanalyse' en een
`diepgaande verschillenanalyse'.3 Deze methoden zijn niet gedocumen-
teerd, dus we weten niet precies wat ze inhouden. In ieder geval gaat het
niet om methoden die in brede kring ingang hebben gevonden in de we-
tenschappelijke literatuur. De resultaten van Cebeon zijn niet reprodu-
ceerbaar met de gangbare wetenschappelijke methoden, die in de interna-
tionale en nationale vakliteratuur worden gehanteerd. We missen tevens
elementaire informatie zoals betrouwbaarheidsmarges van de gewichten
en de mate waarin de verdeelsleutel de variatie in de uitgaven tussen ge-
meenten verklaart. Zonder deze informatie is het onmogelijk de waarde
van de gewichten te beoordelen. In dit onderzoek doen we desondanks
een poging om de waarde van de gewichten te toetsen en bezien we welke
factoren of combinaties van factoren in het model ontbreken.
1.2.2 Lage inkomens
Het verdeelmodel bevat de factor percentage lage inkomens (in alle leef-
tijdsklassen) vermenigvuldigd met het aantal huishoudens van 65 jaar en
ouder. Deze interactiemaatstaf verdeelt een belangrijk deel van de WMO-
middelen. De ratio achter het grote gewicht van de interactiemaatstaf
wordt niet door Cebeon gegeven. Het is onduidelijk waarom Cebeon geko-
zen heeft voor de interactie tussen het percentage huishoudens met lage
inkomens (ongeacht de leeftijd) en het aantal 65+ huishoudens in een
gemeente als een verdeelfactor. Deze verdeelfactor is immers niet gelijk
aan het aantal 65+ huishoudens met lage inkomens, dat bij uitstek rele-
vant is voor het gebruik en de uitgaven van de WMO. Het is mogelijk dat
de 22 genoemde gemeenten nadeel ondervinden van het verdeelmodel
WMO omdat zij relatief veel 65+'ers met lage inkomens tellen, terwijl zij
een gemiddeld aandeel lage inkomens en een gemiddeld aandeel ouderen
hebben.
1.2.3 Gezondheidsfactoren
Verder houdt het objectief verdeelmodel WMO niet expliciet rekening met
gezondheidsverschillen tussen gemeenten. Juist de aanwezigheid van
(chronische) aandoeningen vormt echter de belangrijkste reden om ge-
bruik te maken van huishoudelijke verzorging (na toetsing door de indica-
tiesteller). Het belang van dergelijke indicatoren voor de verklaring van
3 Zie pag. 33 e.v. van de Verdeelsleutel decentralisatie eerste tranche middelen
Wet Maatschappelijke Ondersteuning, 2005, Cebeon. Deze methoden hanteert
Cebeon ook bij de bepaling van de verdeling van de middelen voor het Ge-
meentefonds.
Ape 7
het beroep op de WMO wordt ook onderkend in de studies van het SCP.4
Het verdeelmodel voor de WMO houdt alleen rekening met het aantal uit-
keringsontvangers (arbeidsongeschikten en gehandicapten). Het is de
vraag of uitkeringsontvangers relevant zijn voor de verdeling van de mid-
delen voor huishoudelijke verzorging. Personen van 65 jaar en ouder vor-
men de grootste groep die aanspraak maakt op huishoudelijke verzorging
in het kader van de WMO. Deze personen zijn echter per definitie geen
ontvanger van een arbeidsongeschiktheidsuitkering.
Het is mogelijk dat de gemeenten waarvoor het verdeelmodel WMO nega-
tief uitpakt een relatief hoog percentage inwoners tellen met chronische
gezondheidsklachten, waarvoor het huidige verdeelmodel onvoldoende
compenseert. Daarnaast is het mogelijk dat de gemeenten met negatieve
herverdeeleffecten een relatief laag percentage uitkeringsontvangers
(WAO'ers) tellen, waarmee eveneens een deel van de middelen wordt ver-
deeld.
1.2.4 Intramurale capaciteit
Het Centrum Indicatiestelling Zorg (CIZ) beoordeelt of iemand recht heeft
op zorg via de AWBZ. Gemeenten hebben geen invloed op de indicatiestel-
ling van de AWBZ. Eventuele wachtlijsten worden echter wel afgewenteld
op gemeenten. De aansturing van het CIZ is gecentraliseerd, maar tot
voor kort bepaalde iedere vestiging van haar voorloper, de Regionale Indi-
catie Organen (RIO), in welke mate de landelijke regels werden nageleefd.
Er bestonden grote verschillen tussen de verschillende RIO's.
Door de centrale indicatiestelling in de AWBZ fungeren de AWBZ en de
WMO als communicerende vaten. Een strengere selectie bij opname in een
AWBZ-instelling kan leiden tot een groter beroep op de WMO-middelen
voor huishoudelijke verzorging; in dat geval zouden gemeenten met veel
AWBZ-capaciteit lagere uitgaven voor de WMO hebben. De selectie aan de
poort van de AWBZ hangt mogelijk ten dele af van de omvang van de be-
schikbare AWBZ-capaciteit. Deze verschilt sterk per (zorgkantoor)regio.
De AWBZ-capaciteit in een regio is een historisch gegroeid gegeven dat
grotendeels buiten de invloedssfeer van een gemeente is ontstaan. Op
korte termijn hebben gemeenten geen invloed op de aanwezige intramura-
le AWBZ-capaciteit. Het is echter ook mogelijk dat gemeenten met groot-
schalige AWBZ-instellingen juist hogere WMO-uitgaven hebben. In een
4 Zie bijvoorbeeld de SCP-studie Verklaringsmodel verpleging en verzorging
2007.
8 Ape
aantal gevallen betalen gemeenten mee aan voorzieningen voor AWBZ-
cliënten, zoals rolstoelen. In het huidige verdeelmodel wordt hiermee re-
kening gehouden via het aantal bedden in AWBZ-instellingen (de Bbag-
bedden, conform Besluit Bijdrage AWBZ Gemeenten). Het gewicht van de
Bbag-bedden is positief. Dat betekent dat gemeenten met AWBZ-bedden
extra middelen ontvangen uit het fonds.
De vraag is of het verdeelmodel nadelig werkt in gemeenten waar in het
verleden of heden is geëxtramuraliseerd. De compensatie die het verdeel-
model biedt voor een `extra' thuiswonende oudere, is veel lager dan de
extra kosten die de gemeente moet maken. Dit is niet alleen beleidsmatig
een onwenselijke ontwikkeling, maar ook financieel, omdat extramuralise-
ring per saldo bezuinigingen in de AWBZ oplevert, die de extra kosten van
gemeenten ruimschoots overtreffen. Het is mogelijk dat de bovengenoem-
de gemeenten die nadeel ondervinden van het huidige verdeelmodel WMO
over weinig intramurale capaciteit beschikken en/of in het verleden of he-
den hebben geëxtramuraliseerd.
1.2.5 Mantelzorgers
De mate waarin de mantelzorg is gemobiliseerd wordt niet expliciet de
verdeelsleutel gehonoreerd. Dit plaatst gemeenten met een relatief be-
perkt aanbod van mantelzorg in een ongunstige positie. Het is mogelijk
dat het aanbod van mantelzorg beperkt is in regio's met een hoge ar-
beidsmarktparticipatie van vrouwen. Dat geldt evenzeer voor gemeenten
met relatief weinig sociale cohesie.
1.3 Aanpak
In het onderzoek staat de vraag centraal wat de oorzaak is van de gecon-
stateerde negatieve herverdeeleffecten van het objectief verdeelmodel
voor de betrokken gemeenten. Zijn de negatieve effecten het gevolg van
onvolkomenheden in het verdeelmodel, specifieke regionale of lokale om-
standigheden, historisch gegroeide uitgavenverschillen of verschillen in de
(intramurale) AWBZ-capaciteit?
Allereerst proberen we te ontdekken of er regionale patronen zichtbaar
zijn in de herverdeeleffecten. Concentreren de verliezen en winsten zich in
bepaalde (zorgkantoor)regio's of bij bepaalde gemeenten? In hoofdstuk 2
geven we een grafische presentatie van de herverdeeleffecten per ge-
meente en per zorgkantoorregio. Vervolgens onderzoeken we of negatieve
Ape 9
herverdeeleffecten ontstaan omdat een aantal relevante factoren in het
model ontbreken. Dit doen we door op landelijk niveau de samenhang tus-
sen de WMO-uitgaven en herverdeeleffecten WMO enerzijds en een aantal
factoren anderzijds te berekenen. De betreffende factoren zijn onder meer
lage inkomens bij 65+'ers, gezondheidstoestand, inzet van mantelzorgers
en intramurale AWBZ-capaciteit. De resultaten van deze analyse komen in
hoofdstuk 3 aan de orde. De vraag is vervolgens of de factoren die moge-
lijk in het verdeelmodel ontbreken ook relevant zijn voor de bij dit onder-
zoek betrokken gemeenten. Om deze vraag te beantwoorden, kiezen we
per gemeente vijf referentiegemeenten. We vergelijken de betreffende
gemeenten met de referentiegemeenten op basis van de bovenstaande
factoren. De uitkomsten van deze explorerende vergelijking met de refe-
rentiegemeenten beschrijven we in hoofdstuk 4. De bijlagen bevatten ge-
detailleerde achtergrondinformatie.
10 Ape
2 ZORGKANTOREN EN HERVERDEELEFFECTEN
2.1 Inleiding
Het verdeelmodel 2008 voor de WMO berust op de geïndexeerde uitgaven
2005. Deze zijn ontleend aan de administraties van de zorgkantoren.
Voordat de WMO haar intrede deed, hoefden zorgkantoren minder goed
rekening te houden met het verschil tussen cliënten met huishoudelijke
verzorging, persoonlijke verzorging en verpleging. Alle cliënten vielen im-
mers onder de AWBZ. Met de komst van de WMO is dit onderscheid rele-
vant geworden. Het is voorstelbaar dat er verschillen bestaan in de wijze
waarop zorgkantoren de scheiding tussen huishoudelijke verzorging en de
overige zorg aanbrengen. Uit eerdere analyses voor bijvoorbeeld de Ach-
terhoek is gebleken dat het betrokken zorgkantoor in 2004 tekortschoot
bij de registratie van huishoudelijke verzorging. Daardoor werden de
WMO-uitgaven en het bijbehorende budget voor gemeenten in de Achter-
hoek in eerste instantie fors onderschat, zo bleek nadat uitgavencijfers
2005 beschikbaar kwamen. Het blijft echter de vraag of de registraties van
de verschillende zorgkantoren voldoende adequaat en onderling vergelijk-
baar waren om de gewichten van het objectief verdeelmodel op deze ge-
gevensbron te baseren. Het gebruik van deze registraties kan leiden tot
lastig te duiden herverdeeleffecten.
Er bestaan historisch bepaalde verschillen in de beleids- en uitvoerings-
praktijk tussen regio's. Deze kunnen we terug zien in verschillen tussen
WMO-uitgaven en budgetten, onder meer op het niveau van zorgkantoor-
regio's. We geven een grafische presentatie van de herverdeeleffecten om
systematische verschillen tussen (zorgkantoor)regio's op te sporen, zoals
een samenhang met de concessiehouders van de zorgkantoren (de regio-
naal dominante zorgverzekeraar). Naast inzicht in de mogelijke regionale
herverdeeleffecten verschaft deze stap een indicatie van historisch ge-
groeide verschillen in beleids- en uitvoeringspraktijk tussen de zorgkanto-
ren (c.q. de Regionale Indicatie Organen).
2.2 Regionale herverdeeleffecten
Allereerst presenteren we de herverdeeleffecten van de WMO in 2008 per
gemeente (zie figuur 2.1). Deelnemende gemeenten hebben we gear-
Ape 11
ceerd. Het herverdeeleffect per gemeente hebben we uit de Junicirculaire
2007 van het Gemeentefonds overgenomen.5 Figuur 2.1 laat zien dat de
gemeenten met negatieve herverdeeleffecten vooral in de zorgkantoorre-
gio's Drenthe, Twente, Apeldoorn-Zutphen, Arnhem, Flevoland en Zuid-
Limburg te vinden zijn.
Figuur 2.1:
Herverdeeleffecten van de WMO in 2008 per gemeente (in eu-
ro's per inwoner)
12,50 tot 70 (108)
0 tot 12,50 (137)
-12,50 tot 0 (112)
-70 tot -12,50 (86)
Bron: Junicirculaire 2007 Gemeentefonds (APE-bewerking)
5 Zie voor het herverdeeleffect van de WMO pag. 85 e.v. van de Junicirculaire
2007 Gemeentefonds en voor het WMO-budget pag. 68 e.v. Zie voor een speci-
ficatie van de uitgaven bijlage A.
12 Ape
De vraag is of en hoe de herverdeeleffecten verschillen per zorgkantoorre-
gio. Figuur 2.2 toont de herverdeeleffecten per zorgkantoorregio.
Figuur 2.2:
Herverdeeleffecten van de WMO in 2008 per zorgkantoorregio
(in euro's per inwoner)
12,50 tot 70 (79)
0 tot 12,50 (175)
-12,50 tot 0 (110)
-70 tot -12,50 (79)
Bron: Junicirculaire 2007 Gemeentefonds (APE-bewerking)
De negatieve herverdeeleffecten zijn het grootst in Drenthe, Twente, Apel-
doorn-Zutphen, Arnhem, Flevoland en Zuid-Limburg. Daar staat tegenover
dat in Friesland, Kennemerland, Zaanstreek-Waterland, Amsterdam en
Zuidoost-Brabant substantiële positieve herverdeeleffecten optreden. De
positieve herverdeeleffecten van Friesland zijn opmerkelijk gezien de ne-
Ape 13
gatieve herverdeeleffecten in aangrenzende regio's zoals Drenthe en Fle-
voland. De ratio achter de grote regionale verschillen in de aard en de om-
vang van de herverdeeleffecten is moeilijk te duiden. We zien geen een-
duidige relatie tussen bepaalde zorgverzekeraars (concessiehouders) en
positieve of negatieve herverdeeleffecten.6 Gezien de complexiteit van de
regelgeving rondom de AWBZ en de WMO is het echter voorstelbaar dat in
de verschillende zorgkantoorregio's de scheiding tussen de twee regelin-
gen niet geheel uniform wordt aangebracht.
2.3 Conclusie
Een grafische presentatie van de herverdeeleffecten naar gemeente en
zorgkantoorregio toont aan dat grote verschillen in herverdeeleffecten op-
treden tussen regio's. Het is lastig om deze verschillen te duiden. Het is
goed mogelijk dat althans een deel samenhangt met historisch gegroeide
beleids- en uitvoeringspraktijken. Van gemeenten kan echter niet worden
verwacht dat zij de historisch gegroeide beleids- en uitvoeringspraktijk
snel kunnen veranderen. Dit is een kwestie van lange adem. Gemeenten
dienen daarom (althans in de beginjaren van de WMO) te worden gecom-
penseerd voor dergelijke historisch bepaalde verschillen in het uitgavenni-
veau.
6 Een aantal zorgverzekeraars is concessiehouder in meer dan één zorgkantoor-
regio. Zo is AGIS bijvoorbeeld concessiehouder in de zorgkantoorregio Amster-
dam (met een sterk positief herverdeeleffect), maar ook in de zorgkantoorregio
Apeldoorn-Zutphen (met een sterk negatief herverdeeleffect). Een ander voor-
beeld is CZ in de zorgkantoorregio Zuidoost-Brabant (sterk positief) versus de
zorgkantoorregio Zuid-Limburg). Ook tussen de zorgkantoren van respectieve-
lijk Het Groene Land en Menzis bestaan grote verschillen in de aard van de
herverdeeleffecten.
14 Ape
3 LANDELIJKE PATRONEN
3.1 Inleiding
De vraag is of het objectief verdeelmodel voor de WMO negatief (positief)
uitpakt voor gemeenten omdat een aantal relevante factoren in het model
ontbreken. We proberen deze vraag te beantwoorden door de samenhang
te bestuderen tussen de uitgaven en de herverdeeleffecten van de WMO
enerzijds en een aantal factoren die nu in het model gemist worden -
anderzijds. (zie voor een specificatie van de uitgaven bijlage A). In het
voorliggende hoofdstuk bestuderen we deze samenhang op landelijk ni-
veau. De volgende factoren nemen we in de analyse mee:
Factoren uit het huidige verdeelmodel. Dit zijn het aandeel ouderen, de
eenpersoonshuishoudens bij ouderen (gegevens over 2007), uitke-
ringsontvangers (WW'ers en WAO'ers in 2006), de interactieterm tus-
sen aandeel ouderen en aandeel lage inkomens (het tweede tot en met
vierde deciel van de inkomensverdeling), omgevingsadressendichtheid
(OAD) en relatief klantenpotentieel.
Het aantal huishoudens met lage inkomens (het tweede tot en met
vierde deciel van de inkomensverdeling) uitgesplitst naar leeftijd.
Indicatoren van de gezondheid. Per gemeente zijn de volgende indica-
toren beschikbaar: de gestandaardiseerde mortaliteit, het percentage
personen met chronische aandoeningen en het percentage personen
met een lage opleiding als benadering voor sociaal-economische ge-
zondheidsverschillen (vooralsnog alleen beschikbaar bij het CBS voor
personen in de leeftijdsklasse 15-64 jaar in de 391 grootste gemeen-
ten).7 Per COROP-gebied8 zijn als indicatoren beschikbaar: het aantal
bezoeken per persoon per jaar aan de huisarts, en het percentage per-
sonen dat tevreden is met het leven. Per GGD-regio is een OESO-
indicator (Organisatie voor Economische Samenwerking en Ontwikke-
ling) beschikbaar. Deze OESO-indicator geeft beperkingen in functiona-
7 De gestandaardiseerde mortaliteit is de werkelijke sterfte van een gemeente
gedeeld door de sterfte die op basis van leeftijd en geslacht verwacht wordt
(gezien landelijke cijfers). Als de gestandaardiseerde mortaliteit van een ge-
meente hoger (lager) is dan 1, dan is de sterfte hoger (lager) dan gemiddeld.
Dit duidt op een slechtere gezondheid van de bevolking. Chronische aandoe-
ningen zijn gemeten op basis van het structureel gebruik van bepaalde typen
medicijnen (bijvoorbeeld voor COPD, diabetes, ziekte van Parkinson, kanker,
epilepsie, hartaandoeningen en psychische aandoeningen).
8 Het CBS presenteert sommige informatie alleen regionaal niveau. Het COROP-
gebied is een veel gebruikte statistische indeling van Nederland in 40 regio's.
Ape 15
liteit weer. Daarnaast hebben we op niveau van de GGD-regio's de be-
schikking over percentages mensen met ten minste één malaiseklacht
(hoofdpijn, moeheid, slapeloosheid en pijn).
Indicatoren van intramuralisering. Per gemeente zijn het aantal perso-
nen in een geïnstitutionaliseerd huishouden, het aantal bedden verple-
ging, en het aantal plaatsen verzorging beschikbaar. De gegevens over
het aantal bedden (plaatsen) in de verpleging (verzorging) hebben wij
bewerkt. Verpleging- en verzorgingshuizen hebben vaak meer vesti-
gingen, terwijl in ons gegevensbestand het totaal aantal bedden ver-
pleging en verzorging aan één vestiging zijn toegeschreven. We heb-
ben daarom het aantal bedden (plaatsen) per 1.000 inwoners berekend
in een straal van 5, 10, 15 en 25 km rondom het betreffende postco-
degebied.
Een indicator van inzet van mantelzorgers: per COROP-gebied beschik-
ken wij over de arbeidsparticipatiecijfers van vrouwen. Deze indicator
berust op een aantal veronderstellingen; ten eerste dat vrouwen vaker
mantelzorger zijn dan mannen en ten tweede dat bij een hogere ar-
beidsparticipatie van vrouwen de inzet van mantelzorg minder is.
3.2 Samenhang herverdeeleffecten en uitgaven WMO
3.2.1 Inleiding
Allereerst onderzoeken we of op landelijk niveau een samenhang bestaat
tussen de herverdeeleffecten en de omvang van de uitgaven enerzijds en
bovengenoemde variabelen anderzijds. Met andere woorden: kunnen ge-
meenten met positieve of juist negatieve herverdeeleffecten op de WMO
gekarakteriseerd worden door één of meer bovenstaande factoren? Kun-
nen gemeenten die hoge uitgaven of juist lage WMO-uitgaven hebben on-
derscheiden worden op een aantal van bovengenoemde factoren? We on-
derzoeken dit door de correlatiecoëfficiënten te berekenen tussen het her-
verdeeleffect respectievelijk de totale WMO-uitgaven per gemeente en bo-
venstaande factoren. De correlatie is een maatstaf voor de (lineaire) sa-
menhang tussen twee sets factoren. Bij een perfecte samenhang heeft de
correlatiecoëfficiënt de waarde 1 of -1, terwijl bij afwezigheid van samen-
hang de correlatiecoëfficiënt gelijk is aan 0.
Bij de berekening van de correlatiecoëfficiënten wegen we met de bevol-
kingsomvang van de gemeente, zodat grote gemeenten zwaarder wegen
dan kleine. Ook controleren we voor het aandeel 65+'ers in een gemeente.
Het is immers voorstelbaar dat in gemeenten waar relatief veel ouderen
16 Ape
wonen bijvoorbeeld ook meer gezondheidsklachten gerapporteerd worden.
Het hoge percentage gezondheidsklachten heeft dan niet zozeer te maken
met een slechtere gezondheid, maar met het hogere percentage ouderen.
We controleren voor het percentage ouderen om dergelijke verbanden uit
te sluiten.9 In de analyse zijn alle gemeenten (in totaal 443) opgenomen,
uitgezonderd het kenmerk lager opgeleiden, waarvan het CBS alleen voor
de 391 grootste gemeenten gegevens publiceert.
Tabel 3.1 geeft een overzicht van de correlatiecoëfficiënten met de WMO-
uitgaven en de herverdeeleffecten. De WMO-uitgaven betreffen de totale
uitgaven: de zorg in natura plus PGB plus de toeslagen.10 Het herverdeel-
effect is berekend als het totale budget minus de totale uitgaven. Als de
geanalyseerde factoren statistisch significant samenhangen met de WMO-
uitgaven maar niet met de herverdeeleffecten, dan zijn deze factoren ade-
quaat direct of indirect in het verdeelmodel verwerkt. Wanneer de factoren
zowel significant samenhangen met de WMO-uitgaven als met de herver-
deeleffecten, dan is de invloed van de betreffende factoren afhankelijk
van het teken van de correlatiecoëfficiënt met de herverdeeleffecten te
sterk (positief teken) of te weinig (negatief teken) in het verdeelmodel
verwerkt. Als de factoren uitsluitend samenhangen met de herverdeelef-
fecten, dan duidt dit op een systematische onder- (negatief) of overcom-
pensatie (positief) van gemeenten die hoog op de betreffende factoren
scoren.
3.2.2 Factoren Cebeon
Allereerst tonen we in tabel 3.1 de belangrijkste factoren die Cebeon in het
model heeft opgenomen. Deze factoren zijn significant gecorreleerd met
de WMO-uitgaven. Met uitzondering van de interactie tussen 65+ huishou-
dens en lage inkomens, en het regionaal klantenpotentieel zijn deze varia-
belen ook gecorreleerd met de herverdeeleffecten. Dit betekent dat grosso
modo gemeenten die middelen tekortkomen, minder eenpersoonshuishou-
dens hebben, meer uitkeringsontvangers tellen, en een lage stedelijk-
heidsgraad hebben. We stellen daarmee vast dat de gewichten niet opti-
maal zijn vastgesteld: de gewichten van de eenpersoonshuishoudens en
de stedelijkheid zijn te groot, en het gewicht van de uitkeringsontvangers
te klein.
9 In statistisch jargon: we berekenen partiële gewogen correlatiecoëfficiënten.
10 We hebben ook de correlaties berekend tussen de kenmerken en het deelbe-
drag huishoudelijke verzorging (zorg in natura plus PGB). De resultaten wijken
slechts marginaal af van de hier gepresenteerde correlatiecoëfficiënten.
Ape 17
Tabel 3.1: Univariate correlaties herverdeeleffecten en uitgaven WMO
Herverdeeleffect Uitgaven
WMO 2008 WMO 2007
Cebeon-factoren
Eenpersoonshuishouden 65-74 0,23** 0,34**
Eenpersoonshuishouden 75-84 0,19** 0,42**
Eenpersoonshuishouden 85+ 0,20** 0,31**
Interactie lage inkomens en huish 65+ -0,03 0,66**
Uitkeringsontvangers -0,12** 0,49**
Omgevingsadressendichtheid 0,16** -0,34**
Regionaal klantenpotentieel 0,06 0,52**
Lage inkomens naar leeftijdsgroep
Lage inkomens bij 65+ huishoudens -0,13** 0,66**
Gezondheidsfactoren
Chronische aandoeningen -0,23** 0,56**
Gestandaardiseerde mortaliteit (SMR) -0,11* 0,47**
Laag opgeleidena -0,36** 0,23**
Contact huisarts -0,08 0,18**
Zelfrapportage tevredenheid leven 0,09* -0,13**
Disfunctionaliteit OESO -0,00 0,29**
Malaiseklachten 0,14** 0,06
Intramuralisering
65+'ers in institutionele huishoudens 0,11** 0,05
Bedden/plaatsen straal 1 km 0,08 0,21**
Bedden/plaatsen straal 5 km 0,03 0,15**
Bedden/plaatsen straal 10 km 0,02 0,15**
Bedden/plaatsen straal 15 km -0,02 0,14**
Bedden/plaatsen straal 20 km -0,02 0,13**
Bedden/plaatsen straal 25 km 0,01 0,15**
Mantelzorgers
Arbeidsparticipatie vrouwen 0,27** -0,32**
a Analyse van laag opgeleiden is uitgevoerd voor de 391 grootste gemeenten.
** Significant p=0,01: kans dat de correlatiecoëfficiënt 0 gelijk aan 0 is, is kleiner dan 1%.
* Significant p=0,05: kans dat de correlatiecoëfficiënt 0 gelijk aan 0 is, is kleiner dan 5%.
Bron: APE
Het geschetste beeld wordt bevestigd als we het verdeelmodel schatten
met de gangbare statistische methoden, zoals regressieanalyse. Deze
worden ook bij de vaststelling van de gewichten van de andere verdeel-
18 Ape
modellen gehanteerd (zoals voor de Zorgverzekeringswet en de Wet Werk
en Bijstand). We kunnen de huidige gewichten niet reproduceren. Daar-
naast blijkt dat de correlatie tussen het WMO-budget en de WMO-uitgaven
lager is dan redelijkerwijs zou mogen worden verwacht. Dat betekent dat
het WMO-budget (en de daaraan ten grondslag liggende factoren in het
verdeelmodel) een matige voorspelling geeft van de WMO-uitgaven.
3.2.3 Lage inkomens bij 65+'ers
Tabel 3.1 schetst vervolgens de alternatieve factoren die (mogelijk) een
verbetering van het model opleveren. Allereerst geldt dat er een sterk ver-
band bestaat tussen de lage inkomens bij 65+'ers en de WMO-uitgaven
(correlatiecoëfficiënt van 0,66). Het verband tussen de lage inkomens bij
65+'ers en het herverdeeleffect is negatief en significant (-0,13). Dit bete-
kent dat grosso modo gemeenten die een negatief herverdeeleffect heb-
ben, veel armere ouderen hebben, terwijl gemeenten die een positief her-
verdeeleffect hebben, juist weinig arme ouderen hebben. De huidige inter-
actieterm - percentage lage inkomens (ongeacht de leeftijd) vermenigvul-
digd met aantal 65+ huishoudens - compenseert gemeenten met arme
ouderen onvoldoende. De significante correlatie met het herverdeeleffect
impliceert dat de lage inkomens bij 65+'ers een betere verdeelmaatstaf is
dan de vigerende interactiemaatstaf. De ouderen met lage inkomens (als
percentage van de totale bevolking) zijn afgebeeld in figuur 3.1. De hoog-
ste percentages arme ouderen zijn vooral te vinden aan de randen van
Nederland (zoals het noorden, Limburg en Zeeland).
3.2.4 Gezondheidsfactoren
De tweede helft van tabel 3.1 toont de factoren die gezondheid beogen
meten. We zien positieve, significante verbanden tussen de WMO-uitgaven
en aandeel mensen met chronische aandoeningen, gestandaardiseerde
mortaliteit, aandeel lager opgeleiden, aantal malen contact met de huis-
arts en de disfunctionaliteit OESO. Dit betekent dat gemeenten die hoge
WMO-uitgaven hebben ook inwoners hebben die vaker naar de huisarts
gaan en die relatief vaker met chronische aandoeningen, klachten, en dis-
functies kampen. Deze gemeenten kennen tevens een groter aandeel lager
opgeleiden en worden gekenmerkt door een relatief hoge gestandaardi-
seerde mortaliteit.11
11 Het SCP constateert in het Advies over het macrobudget huishoudelijke WMO-
hulp voor 2009 dat het beroep op de WMO afneemt naarmate het opleidingsni-
veau toeneemt.
Ape 19
Figuur 3.1: Prevalentie lage inkomens bij 65+'ers
6 tot 11
5 tot 6
4 tot 5
2 tot 4
Bron: CBS (APE-bewerking)
De zelfrapportage van tevredenheid met het eigen leven heeft een nega-
tief teken: hoe tevredener de inwoners van de gemeente gemiddeld zijn,
hoe lager de WMO-uitgaven. We vinden geen significant effect van malai-
seklachten. De correlatie met het herverdeeleffect is significant positief
voor chronische aandoeningen, gestandaardiseerde mortaliteit, aandeel
lager opgeleiden en in mindere mate voor tevredenheid met het leven.12
12 De factor malaiseklachten is ook significant gerelateerd aan het herverdeelef-
fect, maar omdat deze variabele geen verband heeft met de WMO-uitgaven la-
ten we deze verder buiten beschouwing.
20 Ape
Dit betekent dat gemeenten met een ongezondere, lager opgeleide bevol-
king geld moeten toeleggen op de WMO, terwijl gemeenten met een ge-
zondere bevolking geld overhouden aan de WMO. Toevoeging van gezond-
heidsgerelateerde variabelen aan het model kunnen deze uitkomsten sterk
verbeteren. Figuur 3.2 geeft de prevalentie van chronische aandoeningen
grafisch weer. Het hart van Nederland heeft de laagste percentages men-
sen met chronische aandoeningen. In het noorden, de Achterhoek, Lim-
burg en Zeeland komen relatief chronische aandoeningen voor.
Figuur 3.2: Prevalentie van chronische aandoeningen (in %)
23 tot 35
21 tot 23
19 tot 21
12 tot 19
Bron: Vektis (APE-bewerking)
Ape 21
3.2.5 Intramuralisering
De aanwezige AWBZ-capaciteit houdt mogelijk verband met de mate
waarin een beroep wordt gedaan op de WMO. Het aandeel ouderen in een
geïnstitutionaliseerd huishouden in een gemeente heeft echter geen ver-
band met de WMO-uitgaven (zie tabel 3.1). We zien wel dat het aantal
verpleegbedden/plaatsen in verzorgingshuizen in een straal van 5 km of
meer een positief, significant verband houdt met de uitgaven. Dit betekent
dat gemeenten met veel verpleegbedden en/of plaatsen in verzorgingshui-
zen per inwoner hogere WMO-uitgaven hebben. Uit de cijfers van AWBZ-
besluiten over 2006 blijkt ook een positief verband tussen verblijf in een
institutioneel huishouden en huishoudelijke hulp bij alle onderzochte ge-
meenten (zie hiervoor bijlage B). Dit betekent dat er waarschijnlijk geen
`uitruil' plaatsvindt tussen de AWBZ en de WMO, maar dat gemeenten met
veel AWBZ-capaciteit ook hoge WMO-uitgaven kennen - mogelijk door hun
bevolkingssamenstelling of omdat uit de WMO ook voorzieningen voor
AWBZ-cliënten betaald worden. Een ondersteuning voor de eerstgenoemde
verklaring biedt het feit dat de verpleegbedden/plaatsen eveneens signifi-
cant gecorreleerd zijn met de lage inkomens bij 65+'ers en het aandeel
laag opgeleiden.
Tabel 3.1 geeft verder aan dat het aantal personen van 65 jaar en ouder
in institutionele huishoudens positief samenhangt met het herverdeelef-
fect. Dit betekent dat in gemeenten met een positief herverdeeleffect bij
de WMO meer ouderen in institutionele huishoudens wonen. Omdat we
geen significante verbanden vinden tussen herverdeeleffecten en ver-
pleegbedden/plaatsen, is het lastig dit effect te interpreteren.
3.2.6 Mantelzorgers
Ten slotte zien we in tabel 3.1 een significant negatief verband tussen de
arbeidsparticipatie van vrouwen en de WMO-uitgaven. Dit betekent dat
gemeenten met hogere uitgaven een lagere arbeidsparticipatiegraad van
vrouwen hebben. Dit resultaat is in strijd met de gepostuleerde veronder-
stellingen. De correlatie met het herverdeeleffect is positief en significant;
dit betekent dat gemeenten die geld overhouden op de WMO een hoge ar-
beidsparticipatie van vrouwen kennen. Ook dit resultaat is strijdig met de
veronderstellingen. Blijkbaar is het niveau van arbeidsparticipatie van
vrouwen geen adequate indicatie van de inzet van mantelzorgers. Dit re-
sultaat wordt ondersteund door de resultaten van de in 2003 verschenen
SCP-studie Mantelzorg in getallen.
22 Ape
3.3 Conclusies
In dit hoofdstuk hebben we de relatie tussen een aantal factoren - gerela-
teerd aan gezondheid, lage inkomens, intramuralisering en mantelzor-
gers - enerzijds en de WMO-uitgaven en herverdeeleffecten van de WMO
anderzijds onderzocht. We hebben daarbij alle 443 gemeenten van Neder-
land in de analyse betrokken. Op basis van de analyse komen we tot de
volgende conclusies:
De gewichten die Cebeon heeft vastgesteld zijn niet optimaal. Gemeen-
ten met negatieve herverdeeleffecten tellen minder eenpersoonshuis-
houdens, meer uitkeringsontvangers en zijn minder stedelijk. Dit
vraagt om een herijking van het objectieve verdeelmodel.
Lage inkomens bij 65+ huishoudens is een betere maatstaf dan de in
het verdeelmodel vigerende interactie tussen het percentage lage in-
komens (ongeacht de leeftijd) en het aantal 65+ huishoudens. Ge-
meenten met negatieve herverdeeleffecten hebben een relatief hoog
aandeel 65+'ers met lage inkomens.
Gemeenten met negatieve herverdeeleffecten hebben een relatief on-
gezondere bevolking. We zien deze effecten terug op een scala van
factoren, zoals prevalentie van chronische aandoeningen, gestandaar-
diseerde mortaliteit, aandeel lager opgeleiden, bezoek aan huisarts en
tevredenheid met het eigen leven.
Het verdient sterke aanbeveling om in het verdeelmodel voor de WMO
maatstaven op te nemen die recht doen aan de gezondheidsverschillen
tussen de gemeenten. Dit type informatie wordt door ministerie van
VWS ook gebruikt voor de middelenverdeling in het risicoverevenings-
model voor de zorgverzekeraars.
Er bestaat een positief verband tussen het aantal bedden in een AWBZ-
instelling en de uitgaven WMO. Dit is mogelijk terug te voeren op de
samenstelling van de bevolking.
Er zijn geen eenduidige relaties te leggen met de gebruikte indicator
voor de inzet van mantelzorgers.
Ape 23
4 VERGELIJKING MET REFERENTIEGEMEENTEN
4.1.1 Inleiding
In het vorige hoofdstuk is vastgesteld dat de gemeenten met negatieve
herverdeeleffecten in het algemeen worden gekenmerkt door een onge-
zondere bevolking, een groter aandeel lager opgeleiden (als indicator voor
sociaal-economische gezondheidsverschillen), een groter aandeel 65+'ers
met lage inkomens, minder eenpersoonshuishoudens, meer uitkeringsont-
vangers en een lagere stedelijkheidsgraad (zie tabel 3.1).
De vraag is of dit ook geldt voor de 22 gemeenten die deelnemen aan het
onderzoek. Deze vraag proberen we te beantwoorden door de betreffende
gemeente steeds te vergelijken met vijf referentiegemeenten, die verge-
lijkbaar zijn qua omvang, WMO-budget per inwoner, aandeel 65+'ers en
stedelijkheid. We selecteren referentiegemeenten bij voorkeur uit de ande-
re zorgkantoorregio's, waar het verdeelmodel neutraal of gunstig uitpakt.
Per kenmerk inventariseren we hoe de betreffende gemeente scoort ten
opzichte van de bijbehorende referentiegemeenten. We classificeren de
gemeente als afwijkend ten opzichte van de referentiegemeente als de
gemeente het meest extreem of op één na meest extreem scoort op het
betreffende kenmerk. De tabellen met gegevens per (referentie)gemeente
zijn opgenomen in bijlage C. We presenteren alleen die factoren die op
landelijk niveau een significante correlatie vertonen met de WMO-uitgaven
en de herverdeeleffecten, om toevallige effecten uit te sluiten. Deze facto-
ren zijn: de lage inkomens van 65+'ers, chronische aandoeningen, ge-
standaardiseerde mortaliteit, aandeel laag opgeleiden en tevredenheid met
het leven.
4.1.2 Eenpersoonshuishoudens bij 65+'ers
In het vorige hoofdstuk is vastgesteld dat het gewicht van de eenper-
soonshuishoudens bij 65+'ers te hoog is vastgesteld. Daardoor kampen
gemeenten met weinig alleenstaande 65+'ers met negatieve herverdeelef-
fecten. We vinden dat 10 van de 22 onderzocht gemeenten relatief weinig
alleenstaande 65+'ers hebben (Berkelland, Bronckhorst, Brummen,
Doetinchem, Lochem, Maastricht, Oost Gelre, Oude IJsselstreek, Sittard-
Geleen en Winterswijk).
Ape 25
4.1.3 Uitkeringsontvangers
Uit de resultaten van het vorige hoofdstuk blijkt dat het gewicht van de
uitkeringsontvangers te laag is vastgesteld. Gemeenten met veel uitke-
ringsontvangers kunnen daardoor in de min raken. We vinden dat 11 van
de 22 gemeenten relatief veel uitkeringsontvangers hebben ten opzichte
van de referentiegemeenten (Berkelland, Doesburg, Doetinchem, Maas-
tricht, Montferland, Oost Gelre, Oude IJsselstreek, Sittard-Geleen, Wester-
voort, Zevenaar en Zutphen).
4.1.4 Lage inkomens bij 65+'ers
Gemeenten met relatief veel arme ouderen ondervinden nadeel aan het
objectief verdeelmodel WMO. We zien dat 11 gemeenten relatief veel lage
inkomens bij 65+'ers tellen (Aalten, Berkelland, Bronckhorst, Brummen,
Duiven, Maasdriel, Montferland, Oost Gelre, Oude IJsselstreek, Winterswijk
en Zevenaar). De betreffende gemeenten hebben veelal een gemiddeld
percentage lage inkomens in de totale bevolking (niet uitgesplitst naar
leeftijdsklasse). Omdat de maatstaf in het huidige verdeelmodel gebaseerd
is op de lage inkomens in de totale bevolking in plaats van lage inkomens
bij ouderen, betekent dit dat de betreffende gemeenten nadeel ondervin-
den aan het feit dat zij relatief veel arme ouderen hebben.
4.1.5 Gestandaardiseerde mortaliteit
Gestandaardiseerde mortaliteit is een van de indicatoren van gezondheid
van de bevolking. 10 gemeenten hebben een hoge mortaliteit in vergelij-
king met de referentiegemeenten (Doesburg, Maasdriel, Maastricht, Mont-
ferland, Oost Gelre, Oude IJsselstreek, Sittard-Geleen, Westervoort, Win-
terswijk en Zutphen).
4.1.6 Chronische aandoeningen
Een andere indicator van gezondheid is de prevalentie van chronische
aandoeningen onder de bevolking. We vinden dat in 15 van de 22 onder-
zochte gemeenten een hoog percentage mensen met chronische aandoe-
ningen wonen (Aalten, Apeldoorn, Berkelland, Bronckhorst, Brummen,
Doesburg, Doetinchem, Heerde, Maastricht, Montferland, Oost Gelre, Oude
IJsselstreek, Sittard-Geleen, Winterswijk en Zutphen).
26 Ape
4.1.7 Tevredenheid eigen leven
12 gemeenten hebben een laag percentage inwoners dat tevreden is met
het eigen leven in vergelijking met de referentiegemeenten (Aalten, Ber-
kelland, Bronckhorst, Brummen, Doetinchem, Lochem, Montferland, Oude
IJsselstreek, Sittard-Geleen, Westervoort, Winterswijk en Zutphen).
4.1.8 Lage opleiding
Het CBS beschikt alleen over gegevens over lage opleiding van de 391
grootste gemeenten; dit betekent dat de vergelijking van Doesburg en re-
ferentiegemeenten niet mogelijk is. 11 van de 21 onderzochte gemeenten
hebben een hoog percentage laag opgeleiden (Aalten, Doetinchem, Dui-
ven, Epe, Lochem, Maasdriel, Montferland, Oost Gelre, Oude IJsselstreek,
Sittard-Geleen en Westervoort).
4.2 Conclusie
In dit hoofdstuk hebben we de betrokken 22 gemeenten vergeleken met
een aantal referentiegemeenten. Deze referentiegemeenten hebben we
gekozen op basis van gelijkenis op basis van inwonertal, WMO-budget per
inwoner, stedelijkheid en aandeel 65+'ers in de totale bevolking. Vervol-
gens vergelijken we de betrokken gemeenten met de referentiegemeenten
op basis van een aantal factoren. We zien bij de betrokken 22 gemeenten
grofweg dezelfde patronen terug als in de landelijke analyse. Een groot
gedeelte van de betrokken gemeenten heeft een relatief ongezondere be-
volking (gemeten op indicatoren als prevalentie chronische aandoeningen,
gestandaardiseerde mortaliteit, en tevredenheid met het eigen leven). On-
geveer de helft van de betrokken gemeenten heeft een groot aandeel laag
opgeleiden en/of een groot aandeel ouderen met lage inkomens. Verder
geldt dat ongeveer de helft van de betrokken gemeenten nadeel ondervin-
den aan de niet-optimale vaststelling van de gewichten voor eenpersoons-
huishoudens bij ouderen en de uitkeringsontvangers. Deze gemeenten
hebben relatief veel uitkeringsontvangers (dit is in overeenstemming met
de relatief ongezondere bevolking) en relatief weinig alleenstaande oude-
ren.
Geen van de door ons onderzochte indicatoren is relevant voor alle 22 ge-
meenten. Dit betekent dat er geen uniforme oorzaak ten grondslag ligt
aan de negatieve herverdeeleffecten bij onderzochte gemeenten. Bij de
Ape 27
meeste gemeenten geldt dat een combinatie van factoren het negatieve
herverdeeleffect verklaart.
De gemeenten met de meest negatieve herverdeeleffecten per inwoner
(Aalten, Berkelland, Bronckhorst, Doetinchem, Montferland, Oost Gelre,
Oude IJsselstreek en Sittard-Geleen komen meer dan 30 euro per inwoner
te kort), en scoren op ten minste drie van de door ons onderzochte indica-
toren extreem vooral op lage inkomens bij 65+'ers, prevalentie van
chronische aandoeningen en percentage laag opgeleiden. Niet toevallig
komen deze factoren ook uit de landelijke analyse in hoofdstuk 3 als het
meest relevant naar voren. We verwachten daarom dat ten minste een
deel van de negatieve herverdeeleffecten bij de meeste gemeenten ver-
dwijnen als een aantal modelverbeteringen worden doorgevoerd. Bij mo-
delverbeteringen denken we onder meer aan toevoeging van gezondheids-
gerelateerde factoren, aan wijziging van de interactieterm in lage inko-
mens bij 65+'ers, en aan opname van laag opgeleiden in het verdeelmo-
del. Modelverbeteringen zijn essentieel voor een rechtvaardige verdeling
van de WMO-middelen, zeker als in de toekomst nog meer delen van de
AWBZ naar de WMO worden overgeheveld.
28 Ape
A BIJLAGE: BEPALING UITGAVEN
De WMO-uitgaven voor 2007 zijn een benadering van de werkelijke uitga-
ven. We hebben de uitgaven als volgt bepaald. Uit de Junicirculaire 2007
nemen we uit de specificatie van de WMO uitkering13 de kolommen `netto
HV indexatie naar 2007' en `PGB indexatie naar 2007'. Deelbedragen voor
Coördinatie vrijwillige thuiszorg en mantelzorg (CVTM), Diensten bij wonen
met zorg (DBWMZ), Zorgvernieuwingsprojecten GGZ (ZVP), Vorming,
Training en Advies (VTA), Besluit Bijdrage AWBZ Gemeenten (BBAG) en
Collectieve preventie GGZ (CPGGZ) nemen we uit de Septembercirculaire
2006 Gemeentefonds14. In de Junicirculaire 2007 worden vervolgens enke-
le deelbedragen gecorrigeerd (correctie bedrag CVTM, DBWMZ en ZVP
GGZ, motie Mosterd). Deze gecorrigeerde bedragen ontvangen de ge-
meenten extra ten opzichte van de in de Septembercirculaire 2006 be-
paalde bedragen. We tellen alle bovengenoemde deelbedragen bij elkaar
op om de totale uitgaven van 2007 te verkrijgen (1.375 mln. euro). Dit
bedrag ligt boven het budget 2008 (1.349 mln. euro). Ook als we de uit-
gaven 2007 verminderen met het `Volledig pakket thuis' (22,3 mln. euro,
zie pag. 24 van de Junicirculaire), dan stemmen onze macro-uitgaven niet
exact overeen met het macrobudget 2008. We hebben dit probleem opge-
lost door de uitgaven van alle gemeenten te schalen naar het niveau van
het macrobudget 2008 (schaalfactor is 0,98). Zodoende zijn macro-
uitgaven en macrobudget aan elkaar gelijk gesteld. De consequentie is dat
we de herverdeeleffecten (uitgaven 2007 minus budget 2008) die in de
Junicirculaire genoemd zijn niet exact kunnen reconstrueren. De herver-
deeleffecten in latere jaren kunnen bovendien geheel anders uitpakken.
De vraag is of de geïndexeerde uitgaven van 2005 die voor het bepalen
van het objectief verdeelmodel gebruikt zijn overeenkomen met de werke-
lijke uitgaven van 2007. Een aantal van de bij dit onderzoek betrokken
gemeenten hebben de werkelijke uitgaven 2007 aan ons gestuurd; het re-
sultaat daarvan is te zien in tabel A.1.15 Bij een aantal gemeenten komen
de geïndexeerde uitgaven en de werkelijke uitgaven goed overeen (Apel-
doorn, Bronckhorst, Duiven, Lochem, Oost Gelre, Sittard-Geleen, Wester-
voort en Winterswijk). Bij een aantal gemeenten liggen de werkelijke uit-
13 Zie pag. 54 e.v. van de Junicirculaire 2007 Gemeentefonds.
14 Zie pag. 68 van de Septembercirculaire 2006 Gemeentefonds.
15 We hebben niet van alle gemeenten zorg in natura (huishoudelijke hulp) en
PGB gesplitst ontvangen; indien wij van gemeenten slechts één bedrag hebben
ontvangen, hebben wij dit ondergebracht in de kolom `netto zorg nat + pgb'.
Ape 29
gaven 2007 lager dan de geïndexeerde uitgaven 2007 (Aalten, Doetin-
chem, Epe, Maasdriel, Oude IJsselstreek, Voorst, Zevenaar en Zutphen).
Mogelijk is dit het gevolg van scherp aanbesteden. Het resultaat (herver-
deeleffect) per inwoner zal voor deze gemeenten gunstiger zijn dan in dit
onderzoek wordt voorgesteld. In één gemeente liggen de werkelijke uitga-
ven hoger dan de geïndexeerde uitgave (Brummen). Mogelijk heeft
Brummen niet de netto uitgaven, maar bruto uitgaven opgegeven (inclu-
sief eigen bijdragen).
Tabel A.1 : Overzicht uitgaven WMO 2007
Junicirculaire Opgave gemeenten
Netto Netto
Netto Zorg nat Netto zorg nat
zorg nat PGB +PGB zorg nat PGB +PGB
Aalten 3.216.504 291.835 3.508.339 2.908.539 263.817 3.172.356
Apeldoorn 12.855.477 1.418.231 14.273.708 14.319.369
Bronckhorst 3.980.391 269.335 4.249.726 4.060.051
Brummen 1.844.288 131.232 1.975.520 2.436.758
Doetinchem 6.311.456 544.630 6.856.086 5.186.287 529.596 5.715.883
Duiven 1.339.006 221.787 1.560.793 1.298.365 257.447 1.555.812
Epe 3.126.110 253.034 3.379.144 2.311.728
Lochem 3.107.582 318.314 3.425.896 3.419.613
Maasdriel 1.528.218 203.440 1.731.658 1.349.878 183.829 1.533.707
Maastricht 11.498.829 1.591.287 13.090.116 11.730.000 3.082.000 14.812.000
Oost Gelre 2.908.226 238.896 3.147.122 2.904.182 239.825 3.144.007
Oude IJsselstreek 4.272.509 444.821 4.717.330 3.795.102 486.068 4.281.170
Sittard-Geleen 10.569.843 1.796.612 12.366.455 8.827.922 3.858.049 12.685.971
Voorst 1.869.925 165.319 2.035.244 1.500.011
Westervoort 1.104.746 127.649 1.232.395 1.229.786
Winterswijk 3.398.302 231.870 3.630.172 3.348.000
Zevenaar 2.269.667 404.357 2.674.024 2.006.360 461.044 2.467.404
Zutphen 4.488.219 421.445 4.909.664 4.328.306
30 Ape
B BIJLAGE: VERHOUDING AWBZ EN WMO
De zorgbehoefte van mensen wordt uitgedrukt in zeven functies, waarbij
een combinatie van functies mogelijk is. Deze functies zijn:
1. huishoudelijke verzorging;
2. persoonlijke verzorging;
3. verpleging;
4. ondersteunende begeleiding;
5. activerende begeleiding;
6. behandeling;
7. verblijf.
Functie 1, de huishoudelijke verzorging, is per 1 januari 2007 vanuit de
AWBZ overgegaan naar de WMO; de overige functies komen voor rekening
van de AWBZ. Huishoudelijke verzorging heeft alleen betrekking op het
huishouden van de cliënt. Als de cliënt in een instelling verblijft, dan is de
huishoudelijke verzorging onderdeel van de functie 7, verblijf. Een hypo-
these is dat in de gemeenten met negatieve herverdeeleffecten het aantal
cliënten dat huishoudelijke verzorging krijgt hoger ligt dan het landelijk
gemiddelde, terwijl het aantal cliënten dat in een instelling verblijft, lager
ligt dan het landelijk gemiddelde. Van een aantal gemeenten hebben wij
de CIZ rapportages over de positieve AWBZ-besluiten 2006 ontvangen. In
deze rapportage is het aantal positieve AWBZ-besluiten per 100.000 inwo-
ners van een gemeente en van totaal Nederland gegeven, uitgesplitst naar
zorgfunctie (tabel 18 in CIZ rapportage). We hebben het aantal positieve
AWBZ-besluiten per 100.000 inwoners van de gemeente gedeeld op het
aantal positieve AWBZ-besluiten per 100.000 inwoners van totaal Neder-
land, onderscheiden naar de functies huishoudelijke verzorging en verblijf.
Deze getallen zijn weergegeven in tabel B.1. Voor Aalten bijvoorbeeld be-
tekent dit dat het aantal besluiten huishoudelijke verzorging 1,4 keer va-
ker gegeven wordt dan landelijk, en het aantal besluiten verblijf 1,2 keer
vaker gegeven wordt dan landelijk.
Uit tabel b.1 blijkt dat in veel gemeenten meer positieve besluiten huis-
houdelijke verzorging genomen worden dan landelijk. Dit geldt niet voor
de besluiten over verblijf, die naar het landelijk niveau tenderen. Een mo-
gelijke verklaring hiervoor is dat de indicatiestellers `soepeler' zijn in de
betrokken gemeenten bij toewijzing van huishoudelijke verzorging. Ge-
meenten waar de besluiten huishoudelijke zorg hoger (lager) liggen dan
landelijk, hebben ook meer (minder) besluiten verblijf dan landelijk. Dit
betekent dat er een positief verband bestaat tussen de besluiten huishou-
Ape 31
delijke zorg en verblijf. Dit duidt niet op een `uitruil' tussen de WMO en
AWBZ. Eerder lijkt er een gemeenschappelijke oorzaak te zijn voor de ho-
ge aanspraak op huishoudelijke verzorging en verblijf in een instelling. De-
ze oorzaak zou algehele ongezondheid van de bevolking kunnen zijn.
Tabel B.1: Verhouding AWBZ-besluiten over 2006 van gemeente t.o.v. to-
taal Nederland
Huishoudelijke verzorging Verblijf
(functie 1)a (functie 7)a
Aalten 1,4 1,2
Apeldoorn 1,2 1,1
Berkelland 1,3 1,0
Bronckhorst 1,3 1,1
Brummen 1,2 1,0
Deventer 0,7 0,7
Doetinchem 1,3 1,0
Duiven 0,9 0,7
Epe 1,2 1,0
Heerde 1,1 1,0
Lochem 0,9 0,7
Maasdriel 0,8 1,0
Montferland 1,0 0,8
Oost Gelre 1,3 0,8
Oude IJsselstreek 1,4 1,0
Voorst 1,2 1,1
Zevenaar 1,0 0,9
Zutphen 0,8 0,7
a Aantal positieve besluiten per 100.000 inwoners gemeente / aantal positieve besluiten per
100.000 inwoners totaal Nederland
32 Ape
C BIJLAGE: GEMEENTEN EN REFERENTIEGEMEENTEN
Tabel C.1 geeft de gegevens van de gemeente en de referentiegemeenten.
We hebben daarbij de onderstaande afkortingen gebruikt:
Gemeente Gemeente
Bevolking Aantal inwoners 2007
Sted Stedelijkheid; 1=zeer stedelijk, 5=landelijk
Budget p. inw Budget WMO per inwoner 2008
HVE p. inw Herverdeeleffect WMO per inwoner 2008
EPHH 65+ Aandeel eenpersoonshuishoudens van 65+'ers
UO Uitkeringsontvangers
Lage ink Aandeel lage inkomens
Lage ink 65+ Aandeel lage inkomens bij 65+'ers
SMR Gestandaardiseerde mortaliteit
Tevr Zelfrapportage tevredenheid eigen leven
Chron aand Aandeel chronische aandoeningen
Lage opl Aandeel lager opgeleiden 15-64 jaar
Ape 33
Tabel C.1: Vergelijking gemeente met referentiegemeenten
Budget HVE EPHH Lage ink Chron
Gemeente Bevolking Sted 65+ UO Lage ink SMR Tevr Lage opl
p. inw p. inw 65+ 65+ aand
Franekeradeel 20571 4 0.15 96 28 0.049 0.068 0.141 0.061 0.99 0.41 0.235 0.389
Opsterland 29583 5 0.15 86 9 0.044 0.067 0.125 0.054 0.86 0.44 0.206 0.370
Ermelo 26305 4 0.17 92 0 0.051 0.074 0.110 0.042 1.01 0.43 0.221 0.354
Aalten 27570 4 0.16 91 -42 0.048 0.061 0.129 0.065 0.96 0.40 0.240 0.390
Noordwijk 24700 3 0.15 87 13 0.048 0.069 0.130 0.051 0.98 0.39 0.206 0.321
Valkenswaard 30908 3 0.17 87 16 0.053 0.065 0.131 0.060 1.04 0.45 0.232 0.397
Deventer 96617 2 0.14 88 11 0.046 0.074 0.140 0.053 1.04 0.42 0.209 0.310
Enschede 154476 2 0.14 97 -5 0.051 0.085 0.165 0.059 1.17 0.44 0.213 0.323
Apeldoorn 155564 2 0.16 91 -9 0.051 0.069 0.132 0.055 1.01 0.43 0.216 0.312
Arnhem 142569 2 0.13 90 4 0.048 0.074 0.180 0.052 1.16 0.43 0.194 0.320
Nijmegen 160907 2 0.13 87 17 0.050 0.066 0.172 0.053 1.06 0.43 0.207 0.243
Eindhoven 209699 2 0.16 96 34 0.056 0.070 0.161 0.056 1.03 0.45 0.222 0.289
Berkelland 45213 4 0.17 80 -44 0.046 0.066 0.113 0.058 0.94 0.40 0.234 0.327
Castricum 34863 3 0.18 75 17 0.053 0.058 0.093 0.043 0.86 0.43 0.198 0.270
Heemskerk 38006 2 0.17 82 28 0.050 0.064 0.113 0.043 1.14 0.43 0.210 0.363
Oisterwijk 25743 4 0.17 78 23 0.048 0.059 0.105 0.054 0.96 0.46 0.231 0.294
Waalwijk 45667 3 0.15 77 -4 0.043 0.065 0.120 0.057 0.98 0.46 0.245 0.399
Geldrop-Mierlo 37823 3 0.16 77 6 0.051 0.064 0.116 0.050 1.06 0.45 0.194 0.365
34 Ape
Budget HVE EPHH Lage ink Chron
Gemeente Bevolking Sted 65+ UO Lage ink SMR Tevr Lage opl
p. inw p. inw 65+ 65+ aand
Hof van Twente 35137 4 0.18 86 5 0.053 0.059 0.104 0.053 1.01 0.44 0.221 0.354
Bronckhorst 37788 5 0.18 83 -35 0.049 0.058 0.105 0.056 0.93 0.40 0.238 0.346
Soest 45360 3 0.16 87 16 0.058 0.063 0.116 0.050 0.94 0.45 0.201 0.270
Heemskerk 38006 2 0.17 82 28 0.050 0.064 0.113 0.043 1.14 0.43 0.210 0.363
Maassluis 31567 2 0.15 85 5 0.051 0.060 0.127 0.049 1.00 0.41 0.223 0.408
Valkenswaard 30908 3 0.17 87 16 0.053 0.065 0.131 0.060 1.04 0.45 0.232 0.397
Opsterland 29583 5 0.15 86 9 0.044 0.067 0.125 0.054 0.86 0.44 0.206 0.370
Brummen 21229 4 0.17 84 -19 0.048 0.063 0.111 0.059 1.00 0.40 0.220 0.351
Heiloo 21979 3 0.20 83 18 0.057 0.059 0.098 0.048 0.76 0.43 0.198 0.185
Hillegom 20295 3 0.16 82 25 0.049 0.063 0.126 0.059 1.21 0.39 0.209 0.387
Vught 25239 3 0.17 85 13 0.051 0.068 0.109 0.052 1.24 0.45 0.214 0.296
Heeze-Leende 15153 4 0.17 83 11 0.042 0.061 0.086 0.043 0.91 0.45 0.183 0.278
Ferwerderadiel 8894 5 0.14 88 21 0.040 0.064 0.129 0.062 0.86 0.41 0.201
Olst-Wijhe 17327 5 0.15 81 0 0.043 0.069 0.101 0.058 0.85 0.42 0.201 0.284
Doesburg 11593 4 0.14 85 -30 0.046 0.082 0.138 0.060 1.08 0.43 0.239 0.383
Millingen aan de 5866 4 0.14 83 8 0.042 0.058 0.119 0.060 0.96 0.43 0.241
Rijn
Beemster 8476 4 0.15 85 27 0.046 0.065 0.100 0.053 0.79 0.40 0.174
Haaren 13772 5 0.15 82 7 0.035 0.076 0.094 0.040 1.03 0.45 0.210 0.294
Ape 35
Budget HVE EPHH Lage ink Chron
Gemeente Bevolking Sted 65+ UO Lage ink SMR Tevr Lage opl
p. inw p. inw 65+ 65+ aand
Assen 64391 3 0.14 87 8 0.045 0.075 0.144 0.051 1.02 0.42 0.208 0.255
Doetinchem 56238 3 0.15 91 -39 0.048 0.078 0.133 0.056 1.01 0.40 0.236 0.358
Utrechtse Heu- 48846 4 0.20 94 14 0.062 0.058 0.106 0.050 0.95 0.45 0.211 0.292
velrug
Den Helder 58227 2 0.15 89 -8 0.050 0.077 0.160 0.057 1.05 0.44 0.244 0.368
Velsen 67635 2 0.17 94 23 0.058 0.065 0.124 0.058 1.00 0.43 0.214 0.339
Purmerend 77955 2 0.14 86 0 0.049 0.079 0.127 0.050 1.02 0.40 0.213 0.308
Beuningen 25231 4 0.12 54 2 0.033 0.055 0.101 0.044 1.07 0.43 0.193 0.378
Duiven 25605 3 0.12 55 -10 0.035 0.055 0.090 0.043 0.86 0.43 0.180 0.337
Wijk bij Duurste- 23366 3 0.10 50 9 0.031 0.057 0.083 0.032 0.92 0.45 0.183 0.287
de
Langedijk 25934 4 0.12 55 -4 0.032 0.056 0.094 0.040 0.80 0.43 0.157 0.326
Albrandswaard 21523 4 0.13 52 9 0.034 0.048 0.077 0.033 0.90 0.41 0.175 0.295
Best 29006 3 0.13 56 8 0.035 0.056 0.093 0.041 0.91 0.45 0.197 0.288
Dongeradeel 24857 5 0.16 99 29 0.046 0.073 0.143 0.062 0.95 0.41 0.242 0.355
Ooststellingwerf 26224 5 0.17 98 18 0.053 0.072 0.133 0.063 1.00 0.44 0.230 0.356
Epe 32989 4 0.18 95 -13 0.055 0.065 0.112 0.056 0.88 0.43 0.236 0.394
Bergen (NH.) 31332 4 0.21 92 27 0.062 0.069 0.123 0.059 0.89 0.43 0.210 0.267
Maasgouw 24497 5 0.18 95 -5 0.047 0.088 0.120 0.061 0.96 0.40 0.243 0.326
Landgraaf 38866 3 0.17 102 1 0.053 0.106 0.149 0.063 1.15 0.40 0.264 0.404
36 Ape
Budget HVE EPHH Lage ink Chron
Gemeente Bevolking Sted 65+ UO Lage ink SMR Tevr Lage opl
p. inw p. inw 65+ 65+ aand
het Bildt 10963 5 0.15 90 24 0.047 0.065 0.141 0.064 0.90 0.41 0.218 0.455
Dantumadeel 19461 5 0.15 91 6 0.046 0.076 0.123 0.064 1.11 0.41 0.255 0.425
Heerde 18013 4 0.17 88 -5 0.046 0.061 0.111 0.061 0.95 0.43 0.238 0.385
Schagen 19083 3 0.16 88 14 0.047 0.069 0.126 0.047 1.15 0.44 0.190 0.339
Middelharnis 17792 4 0.16 90 2 0.046 0.056 0.115 0.056 1.10 0.41 0.236 0.368
Alblasserdam 18666 3 0.17 91 9 0.054 0.044 0.123 0.067 1.05 0.43 0.205 0.410
Tynaarlo 31731 5 0.19 91 6 0.055 0.061 0.120 0.063 0.96 0.42 0.230 0.226
Lochem 32832 4 0.21 92 -25 0.055 0.060 0.102 0.056 0.88 0.40 0.217 0.274
Utrechtse Heu- 48846 4 0.20 94 14 0.062 0.058 0.106 0.050 0.95 0.45 0.211 0.292
velrug
Bergen (NH.) 31332 4 0.21 92 27 0.062 0.069 0.123 0.059 0.89 0.43 0.210 0.267
Bloemendaal 17028 3 0.21 89 19 0.065 0.042 0.076 0.041 0.77 0.39 0.193 0.231
Wassenaar 25608 3 0.22 95 24 0.077 0.036 0.094 0.053 0.81 0.42 0.218 0.268
Zuidhorn 18465 5 0.13 67 11 0.034 0.053 0.106 0.043 1.05 0.42 0.205 0.327
Littenseradiel 10850 5 0.12 70 27 0.035 0.049 0.106 0.046 1.04 0.41 0.199 0.315
Druten 18114 4 0.12 68 5 0.030 0.069 0.110 0.047 1.00 0.43 0.195 0.355
Maasdriel 23514 5 0.13 69 -8 0.036 0.061 0.100 0.051 1.18 0.44 0.206 0.455
Drimmelen 26575 4 0.14 70 3 0.039 0.062 0.100 0.053 0.98 0.45 0.223 0.368
Boxmeer 28726 4 0.14 70 4 0.040 0.072 0.101 0.050 1.02 0.45 0.223 0.342
Ape 37
Budget HVE EPHH Lage ink Chron
Gemeente Bevolking Sted 65+ UO Lage ink SMR Tevr Lage opl
p. inw p. inw 65+ 65+ aand
Haarlem 146960 5 0.15 102 27 0.060 0.075 0.162 0.059 1.03 0.39 0.208 0.286
Amstelveen 78945 2 0.19 98 33 0.071 0.055 0.124 0.054 0.86 0.40 0.210 0.227
Hilversum 83669 2 0.18 106 16 0.064 0.064 0.149 0.061 0.90 0.49 0.225 0.305
Vlaardingen 71461 5 0.18 113 16 0.065 0.057 0.170 0.073 0.96 0.41 0.235 0.354
Heerlen 90537 2 0.18 127 5 0.068 0.105 0.195 0.076 1.15 0.40 0.279 0.414
Maastricht 119038 2 0.17 109 -14 0.061 0.087 0.170 0.068 1.10 0.40 0.254 0.318
Raalte 37311 4 0.15 73 3 0.041 0.058 0.102 0.048 0.88 0.42 0.191 0.283
Montferland 35054 4 0.16 74 -36 0.039 0.076 0.111 0.053 1.09 0.40 0.235 0.435
Medemblik 26569 5 0.13 73 7 0.037 0.080 0.111 0.047 0.93 0.44 0.196 0.380
Uithoorn 26977 3 0.16 72 29 0.048 0.055 0.098 0.046 0.82 0.40 0.202 0.268
Boxtel 30001 3 0.14 75 0 0.041 0.071 0.115 0.052 1.11 0.45 0.208 0.385
Deurne 31841 4 0.15 72 -2 0.038 0.072 0.107 0.055 1.05 0.45 0.200 0.376
Oost Gelre 29853 4 0.15 72 -51 0.039 0.062 0.117 0.055 1.12 0.40 0.229 0.371
Aalsmeer 25019 4 0.15 73 19 0.045 0.051 0.096 0.048 0.92 0.40 0.189 0.387
Uithoorn 26977 3 0.16 72 29 0.048 0.055 0.098 0.046 0.82 0.40 0.202 0.268
Lisse 21975 3 0.15 73 20 0.049 0.049 0.109 0.052 0.92 0.39 0.187 0.298
Borsele 22387 5 0.14 73 2 0.043 0.047 0.105 0.049 0.77 0.36 0.180 0.327
Eersel 18041 5 0.16 72 11 0.040 0.066 0.094 0.039 0.92 0.45 0.192 0.314
38 Ape
Budget HVE EPHH Lage ink Chron
Gemeente Bevolking Sted 65+ UO Lage ink SMR Tevr Lage opl
p. inw p. inw 65+ 65+ aand
Assen 64391 3 0.14 87 8 0.045 0.075 0.144 0.051 1.02 0.42 0.208 0.255
Hof van Twente 35137 4 0.18 86 5 0.053 0.059 0.104 0.053 1.01 0.44 0.221 0.354
Oude IJssel- 40068 4 0.16 86 -36 0.044 0.066 0.125 0.061 1.18 0.40 0.248 0.422
streek
Soest 45360 3 0.16 87 16 0.058 0.063 0.116 0.050 0.94 0.45 0.201 0.270
Capelle aan den 65374 2 0.14 83 12 0.050 0.058 0.138 0.054 1.00 0.41 0.208 0.329
IJssel
Valkenswaard 30908 3 0.17 87 16 0.053 0.065 0.131 0.060 1.04 0.45 0.232 0.397
Leeuwarden 92342 2 0.15 104 14 0.057 0.067 0.181 0.056 1.04 0.414 0.223 0.305
Zeist 60326 3 0.17 109 24 0.061 0.074 0.138 0.055 1.01 0.447 0.209 0.287
Hilversum 83669 2 0.18 106 16 0.064 0.064 0.149 0.061 0.90 0.485 0.225 0.305
Leidschendam- 72824 5 0.20 106 32 0.073 0.051 0.138 0.058 0.91 0.424 0.227 0.268
Voorburg
Vlissingen 45023 2 0.17 105 -3 0.063 0.061 0.167 0.064 0.88 0.364 0.230 0.345
Sittard-Geleen 96245 3 0.17 105 -34 0.057 0.101 0.153 0.060 1.11 0.399 0.239 0.363
Franekeradeel 20571 4 0.15 96 28 0.049 0.068 0.141 0.061 0.99 0.414 0.235 0.389
Ermelo 26305 4 0.17 92 0 0.051 0.074 0.110 0.042 1.01 0.429 0.221 0.354
Voorst 23510 4 0.17 92 -8 0.044 0.067 0.111 0.057 0.93 0.429 0.212 0.360
Enkhuizen 17826 3 0.14 91 0 0.047 0.087 0.146 0.056 0.85 0.437 0.206 0.397
Alblasserdam 18666 3 0.17 91 9 0.054 0.044 0.123 0.067 1.05 0.429 0.205 0.410
Gorinchem 34288 2 0.15 93 18 0.051 0.068 0.146 0.063 1.14 0.429 0.219 0.431
Ape 39
Budget HVE EPHH Lage ink Chron
Gemeente Bevolking Sted 65+ UO Lage ink SMR Tevr Lage opl
p. inw p. inw 65+ 65+ aand
Wymbritseradiel 16163 5 0.13 61 16 0.037 0.048 0.111 0.049 0.78 0.381 0.181 0.295
Westervoort 15599 3 0.11 62 -29 0.034 0.066 0.106 0.038 0.99 0.430 0.188 0.424
Vianen 19688 4 0.13 58 3 0.033 0.060 0.094 0.041 0.91 0.447 0.196 0.368
Boskoop 15223 4 0.13 62 -5 0.038 0.039 0.099 0.046 1.03 0.479 0.169 0.313
Nieuwkoop 26987 5 0.12 59 22 0.033 0.054 0.100 0.044 0.94 0.479 0.163 0.409
Oirschot 17852 4 0.15 60 8 0.041 0.052 0.098 0.050 0.92 0.453 0.196 0.300
Dongeradeel 24857 5 0.16 99 29 0.046 0.073 0.143 0.062 0.95 0.41 0.242 0.355
Sneek 33106 3 0.16 102 39 0.052 0.070 0.160 0.060 1.10 0.38 0.207 0.355
Ooststellingwerf 26224 5 0.17 98 18 0.053 0.072 0.133 0.063 1.00 0.44 0.230 0.356
Winterswijk 29249 3 0.17 100 -25 0.049 0.066 0.138 0.067 1.04 0.40 0.244 0.353
Beverwijk 36835 2 0.17 100 4 0.058 0.072 0.148 0.064 0.97 0.43 0.236 0.378
Sliedrecht 23774 2 0.16 107 19 0.056 0.064 0.139 0.067 1.03 0.43 0.238 0.379
Opsterland 29583 5 0.15 86 9 0.044 0.067 0.125 0.054 0.86 0.443 0.206 0.370
Zevenaar 31884 3 0.16 81 -9 0.048 0.070 0.125 0.056 1.01 0.430 0.211 0.348
Heemskerk 38006 2 0.17 82 28 0.050 0.064 0.113 0.043 1.14 0.429 0.210 0.363
Hillegom 20295 3 0.16 82 25 0.049 0.063 0.126 0.059 1.21 0.393 0.209 0.387
Voorschoten 22785 2 0.19 79 17 0.059 0.040 0.101 0.044 0.73 0.393 0.214 0.270
Oisterwijk 25743 4 0.17 78 23 0.048 0.059 0.105 0.054 0.96 0.462 0.231 0.294
40 Ape
Budget HVE EPHH Lage ink Chron
Gemeente Bevolking Sted 65+ UO Lage ink SMR Tevr Lage opl
p. inw p. inw 65+ 65+ aand
Smallingerland 54956 3 0.16 98 9 0.048 0.073 0.152 0.059 0.97 0.443 0.228 0.349
Assen 64391 3 0.14 87 8 0.045 0.075 0.144 0.051 1.02 0.420 0.208 0.255
Zutphen 46635 3 0.14 92 -24 0.049 0.084 0.145 0.053 1.06 0.395 0.216 0.329
Soest 45360 3 0.16 87 16 0.058 0.063 0.116 0.050 0.94 0.447 0.201 0.270
Dordrecht 118541 2 0.14 91 -1 0.051 0.060 0.155 0.058 0.98 0.429 0.209 0.344
Zwijndrecht 44400 2 0.18 94 0 0.058 0.050 0.132 0.062 0.91 0.429 0.211 0.354
Ape 41
---- --
3 september 2008
Rijk vergeet chronisch zieken en arme ouderen
Chronisch zieken en ouderen met een minimum inkomen tellen niet mee bij de verdeling van Rijksgelden voor de Wet maatschappelijke ondersteuning. Dat blijkt uit een onderzoek van Ape namens 22 gemeenten in Nederland.
Met de invoering van de Wet maatschappelijke ondersteuning (Wmo) in 2007 werden gemeenten verantwoordelijk voor een groot deel van de zorg. Gemeenten krijgen hiervoor geld van het Rijk. De verdeling vindt sinds kort plaats op basis van een in opdracht van het Rijk ontwikkeld 'objectief verdeelmodel'.
Daarbij houdt het Rijk vooral rekening met de bevolkingssamenstelling van een gemeente. De leeftijdsopbouw en het aantal ouderen speelt een rol, maar ook het aantal allochtonen en uitkeringsgerechtigden, met uitzondering van de bijstand. Het percentage lage inkomens wordt ook meegewogen, net als het aantal bedden in verpleeghuizen, gehandicapten en instellingen voor Geestelijke Gezondheidszorg waarvoor het Rijk verantwoordelijk is. Daarnaast speelt de mate van 'stedelijkheid' een niet onbelangrijke rol. Hoe meer huishoudens er per vierkante kilometer wonen, des te minder geld krijgt zo'n gemeente.
Onafhankelijk onderzoek door bureau Ape, in opdracht van 22 gemeenten, toont nu aan dat de zorgvraag slechts van een beperkt deel van deze factoren afhankelijk is. Factoren die een veel belangrijkere rol spelen bij die zorgvraag blijken geheel vergeten of op een verkeerde manier in het financieringsmodel te zijn verwerkt.
Uit het onderzoek blijkt dat juist in gemeenten waar relatief veel mensen naar de huisarts gaan, het sterftecijfer relatief hoog ligt en veel chronisch zieken wonen, de zorgvraag het hoogst is. Ook het opleidingsniveau blijkt van invloed op de zorg die mensen nodig hebben, evenals de mate waarin mensen tevreden zijn met hun leven.
In het verdeelmodel van het Rijk wordt het aantal uitkeringsgerechtigden apart meegewogen, net als het aantal huishoudens van 65-plussers. Daarmee ontvangt bijvoorbeeld een gemeente met relatief veel jonge uitkeringsgerechtigden, die verder geen hulp via de Wmo nodig hebben en welgestelde ouderen die ook volwaardig kunnen meedoen, hier relatief veel geld voor. Gemeenten met minder jonge uitkeringsgerechtigden, maar relatief veel 65-plussers die van een laag inkomen moeten rondkomen en in de praktijk de groep vormen die het meest een beroep op de Wmo doet, komen er in dit systeem juist bekaaid af.
Ook blijken gemeenten met een relatief ongezonde bevolking, waar de vraag naar zorg in de regel het grootst is, in veel gevallen juist minder geld van het Rijk te krijgen. Dat gaat nu naar gemeenten met relatief rijke en gezonde ouderen en jonge uitkeringsgerechtigden.
Het verdeelmodel van het Rijk blinkt volgens de onderzoekers bovendien uit in ondoorzichtigheid en is gebrekkig gedocumenteerd.
De 22 gemeenten die opdracht gaven voor het onderzoek zijn blij met de analyse van Ape. Zij hopen dat het kabinet op basis van deze analyse en een dit najaar verwacht advies van het SCP tot een nieuw verdeelmodel komt waarbij de zorg die mensen nodig hebben centraal staat. Volgens deze gemeenten moet niet de bevolkingssamenstelling bepalend zijn, maar de gezondheidssituatie van hun inwoners. Alleen dan komt de hulp ook daar terecht waar die het hardst nodig is.
Het onderzoek is uitgevoerd in opdracht van de gemeenten: Aalten, Apeldoorn, Berkelland, Bronckhorst, Brummen, Doesburg, Doetinchem, Duiven, Epe, Heerde, Lochem, Maasdriel, Maastricht, Montferland, Oost-Gelre, Oude IJsselstreek, Sittard-Geleen, Voorst, Westervoort, Winterswijk, Zevenaar en Zutphen.
Het onderzoeksrapport is vanaf woensdag 3 september 14.00 uur te downloaden op:
www.doetinchem.nl
Gemeente Berkelland