Methodische verantwoording

In de Methodische verantwoording bespreken we een aantal relevante methodologische keuzes die we gemaakt hebben. Daarnaast lichten we toe hoe we tot de drie indelingen naar achtergrondkenmerken gekomen zijn. Daarbij bespreken we achtereenvolgens voor opleiding, inkomen en herkomst wat de inhoudelijke argumenten zijn om naar de gekozen groepen te kijken. Hierbij geven we aan in welke mate de keuzes zorgen voor vergelijkbaarheid met andere onderzoeksresultaten.

Wanneer spreken we van een grote mate van onderwijssegregatie?

Bij het lezen van de resultaten gebruiken we geen vuistregel om aan te geven of we een bepaalde waarde op deze index veel of weinig onderwijssegregatie vinden. Hier kiezen we voor omdat de waarde van de Dissimilarity Index afhangt van de indeling van de groepen die we kiezen. Als we bijvoorbeeld een andere inkomensverdeling zouden kiezen dan zien we een andere waarde voor de Dissimilarity Index. Zo wordt de Dissimilarity Index waarschijnlijk lager door de 30% hoogste en laagste inkomens te kiezen. In dat geval worden minder extreme inkomensverschillen vergeleken, waardoor de gevonden mate van onderwijssegregatie lager zal zijn. En de Dissimilarity Index wordt waarschijnlijk hoger door bijvoorbeeld de 10% hoogste en laagste inkomens te kiezen. In dat geval worden juist extreme inkomensverschillen vergeleken, waardoor de gevonden mate van onderwijssegregatie hoger zal zijn. Een vaste grenswaarde voor veel of weinig onderwijssegregatie vinden we daarom niet passend. In andere publicaties, bijvoorbeeld door de Inspectie van het Onderwijs, wordt dit soms wel gedaan. Volgens Massey & Denton (1993) is een Dissimilarity Index van 0-0,3 lage segregatie, 0,3-0,6 gemiddelde segregatie en van 0,6-1 hoge segregatie. In deze monitor hebben wij ervoor gekozen om geen grenswaarden te gebruiken, maar om de Dissimilarity Index in Utrecht te duiden door te vergelijken met Nederland en andere G4-gemeenten. Je kunt bij een gelijke definitie van groepen wel segregatie tussen wijken, gemeenten of verschillende schooljaren vergelijken. Daardoor zien we of onderwijssegregatie in een wijk hoger of lager is dan in andere wijken of steden. Als de onderwijssegregatie bekend is voor meerdere jaren dan kunnen we ook zien of deze toeneemt of afneemt.

Waarom gebruiken we voor alle achtergrondkenmerken een drie-indeling?

Bij het berekenen van de mate van segregatie met segregatie indices, worden steeds twee groepen vergeleken. Het is belangrijk dat deze groepen een groot genoeg aantal leerlingen hebben om een goede vergelijking te kunnen maken. Het is daarom niet wenselijk om leerlingen naar de achtergrondkenmerken in te veel (kleine) groepen op te splitsen. Het streven is steeds geweest om de groepen zo te bepalen, dat er twee groepen zijn die sterk van elkaar verschillen, omdat hier segregatie zich het sterkst laat zien (Boterman, 2019; SCP, 2021). Zo zijn we gekomen tot een aantal driedelingen, waarbij we steeds uitrekenen in welke mate de meeste verschillende groepen samen naar school gaan.

Opleiding

De sociale scheidslijn waarlangs segmentatie zich in de Nederlandse samenleving aftekent is in sterke mate gebaseerd op opleiding (De Lange, Tolsma & Wolbers, 2014). Er is een kloof tussen mensen zonder startkwalificatie en hbo-/wo-opgeleiden op het vlak van de arbeidsmarkt, huwelijksmarkt, woonsituatie, gezondheid, vrijetijdsbesteding, waarden en normen, politieke belangstelling en maatschappelijke participatie. Onderwijssegregatie naar opleiding is in Nederland al jaren hoog en stabiel (Inspectie van het Onderwijs, 2022). Hierdoor is de opleiding van ouders van leerlingen een belangrijk achtergrondkenmerk om te onderzoeken wat de mate van onderwijssegregatie in Utrecht is.

Hiervoor kijken we naar de opleiding van de ouders van kinderen die in Utrecht naar school gaan. Om groepen kinderen te vergelijken is de volgende driedeling gemaakt:

• Beide ouders hebben geen startkwalificatie
• Eén of beide ouders hebben een havo/vwo of mbo-2,-3,-4 diploma
• Eén of beide ouders hebben een hbo- of wo-diploma

Dit is een veelgebruikte drie-indeling. Het CBS publiceert de basisstatistieken voor opleiding in de beroepsbevolking onder andere in deze drie-indeling (CBS Statline). De gekozen indeling sluit ook aan bij de indeling die gebruikt is in de landelijke segregatie monitor (KBA, Kohnstamm Instituut, Oberon, & SEOR, 2023) en de indeling die gebruikt wordt in onderzoek naar onderwijssegregatie in de gemeente Amsterdam en Rotterdam (Spijker et al., 2020; Vogel & Roode, 2021). Daarom zijn de uitkomsten voor onderwijssegregatie naar opleiding tussen de verschillende gemeenten en de landelijk cijfers zoveel mogelijk vergelijkbaar. Kleine afwijkingen in de gevormde groepen kunnen zijn ontstaan door eventuele verschillen in de methode van imputeren.

Inkomen

Voor de indeling naar inkomen kijken we naar het gestandaardiseerd besteedbaar huishoudinkomen van de huishoudens van kinderen die in Utrecht naar school gaan. Ook hierin is een indeling in drie groepen gemaakt:

• Laagste 20% inkomens
• Middelste 60% inkomens
• Hoogste 20% inkomens

Er is gekozen om te kijken naar de 20 procent laagste, 60 procent middelste en 20 procent hoogste inkomens. Hiermee kunnen we naar relatief grote inkomensverschillen kijken en tegelijk een voldoende groot aantal leerlingen per groep waarborgen. Beide uiterste groepen bevatten namelijk altijd 20 procent van de inwoners van Utrecht. Wanneer we voor landelijk geijkte cijfers hadden gekozen, dan waren de uitkomsten wellicht beter vergelijkbaar geweest met ander onderzoek. Tegelijk waren er ook nieuwe problemen ontstaan omdat de inkomensverdeling in Utrecht niet het gemiddelde voor Nederland volgt. In Utrecht zijn er meer inwoners met een hoog inkomen en laag inkomen en minder inwoners met een gemiddeld inkomen dan in Nederland gemiddeld (Utrecht in Cijfers, 2020). Het past bij het doel van deze monitor om specifiek naar de Utrechtse situatie te kijken.

De gebruikte 20-60-20% inkomensindeling sluit aan bij ander onderzoek naar onderwijssegregatie (Inspectie van het Onderwijs, 2020). Daarnaast wordt er ook gebruik gemaakt van een indeling in de 25 procent laagste, 50 middelste en 25 procent hoogste inkomens (Boterman, 2019; KBA, Kohnstamm, Oberon & SEOR, 2023). Een nadeel van de 25-50-25% inkomensindeling voor deze monitor is dat deze indeling verder af ligt van maatstaven die gebruikt worden om een laag inkomen aan te geven. In Utrecht kijken we bijvoorbeeld naar het aandeel huishoudens met een inkomen tot 125% van het wettelijk sociaal minimum (WSM), wat zo’n 15% van de huishoudens betreft in 2020 (Utrecht in Cijfers). De groep huishoudens (met én zonder kinderen) in Utrecht met de 20% laagste inkomens komt ongeveer overeen met de groep huishoudens met een inkomen tot 150% van het wettelijk sociaal minimum (CBS Statline). Huishoudens met kinderen hebben gemiddeld een hoger huishoudinkomen dan huishoudens zonder kinderen (Utrecht in Cijfers). Ongeveer 12% van de meerpersoonshuishoudens heeft in 2020 een inkomen tot 150% van het wettelijk sociaal minimum (CBS Statline). Met gebruik van een 20-60-20% inkomensindeling is het waarschijnlijk dat er een aandeel kinderen uit huishoudens met [lage] middeninkomens is meegenomen in de groep kinderen in huishoudens met de laagste 20% inkomens. Door een 25-50-25% inkomensindeling te gebruiken zou de categorie ‘laagste inkomens’ een groter aandeel kinderen in huishoudens met middeninkomens omvatten. Daarnaast zou het gebruik van een 25-50-25% inkomensindeling ook niet direct leiden tot een-op-een vergelijkbaar resultaat met landelijke studies omdat wij de inkomensindeling ijken op de situatie in Utrecht, en niet de landelijke inkomensverdeling gebruiken. Om deze redenen is besloten in deze monitor gebruik te maken van een 20-60-20% inkomensindeling.

Herkomst

Voor de indeling naar herkomst kijken we naar het geboorteland van de ouders van kinderen die in Utrecht naar school gaan. Hierin is de volgende indeling in drie groepen gemaakt:

• Beide ouders zijn in Nederland geboren
• Eén ouder is in Nederland geboren en één ouder is in het buitenland geboren
• Beide ouders zijn in het buitenland geboren

Hiermee sluiten we aan bij de nieuwe indeling naar herkomst die het CBS in 2021 geïntroduceerd heeft. In deze indeling speelt generatie geen rol en kijken we alleen naar het geboorteland van de ouders van kinderen. Ook in ander recent onderzoek naar onderwijssegregatie is gebruik gemaakt van deze indeling (KBA et al., 2023).

Missende data en imputatie opleiding van ouders

De gegevens over de opleiding van ouders bij het CBS zijn niet voor iedereen volledig. Voor de gebruikte dataset was bij 18 procent van de kinderen onbekend wat de behaalde opleiding van een van de ouders was. CBS beschrijft dat deze gegevens niet compleet willekeurig ontbreken: Het gaat met name om ouders die in het buitenland geboren zijn, ouders die een particuliere opleiding hebben gevolgd en ouders van hogere leeftijd (Arts et al., 2021). We hebben er daarom voor gekozen om de missende gegevens te imputeren. Zo kan vertekening van de resultaten beperkt worden.

We hebben multipele imputatie met Markoff Chain Monte Carlo simulaties uitgevoerd. In meerdere iteraties schatten we door middel van logistische regressie de opleiding van de ouders. Dit proces wordt een aantal keren herhaalt. Voor de predictoren in het logistische regressie model hebben we gekeken naar de correlatie van de kenmerken in de dataset en steeds per soort kenmerk het kenmerk met zoveel mogelijk cases en een zo hoog mogelijke correlatie gekozen. In totaal hebben we 15 kenmerken geselecteerd. Bij een hoger aantal predictoren is de toename in voorspellende kracht van het model vaak verwaarloosbaar (Buuren, 2018). Door naar de variatie tussen de schattingen te kijken van de verschillende iteraties, geven we een beeld geven van de betrouwbaarheid van de schattingen. Een vuistregel voor het te kiezen aantal iteraties is dat dit gelijk is aan het percentage missende data (Buuren, 2018). We hebben daarom gekozen voor 18 iteraties. Wanneer we de opleiding van ouders categoriseren naar de driedeling waarmee we de segregatie indexen hebben berekend (geen startkwalificatie; havo/vwo, mbo-2,3,4; hbo, wo), zien we dat er nauwelijks verschillen zijn tussen de verschillende imputaties. Er is doorgerekend met de opleidingscategorie het vaakste geschat is bij de 18 imputaties. In een aantal gevallen zijn twee opleidingscategorieën even vaak geschat zijn. In dat geval hebben we gekeken naar verhouding in de populatie voor de geschatte driedeling en op basis daarvan de meest waarschijnlijke categorie toegekend.

Bronvermelding en disclaimer

Resultaten in deze monitor, met als aangegeven bron ‘CBS Microdata’, zijn gebaseerd op eigen berekeningen door Gemeente Utrecht en Oberon op basis van niet-openbare microdata van het Centraal Bureau voor de Statistiek (CBS). Deze microdata zijn onder voorwaarden voor statistisch en wetenschappelijk onderzoek toegankelijk. Voor nadere informatie zie cbs.nl of neem contact op via microdata@cbs.nl.