HELPHigher Educated Location Preferences(Locatievoorkeuren van kenniswerkers en gebiedsontwikkeling in de regio’s Amsterdam en Eindhoven)

Sako Musterd

RvT VerDuS, Den Haag, 10 december 2012

Onderzoeksteam Sako Musterd

Jan Rouwendal Marco Bontje

Jasper Dekkers Willem Boterman Wouter van Gent

Piet Rietveld Bart Sleutjes

Mark van Duijn Jan Möhlmann

Doel project

Maatschappelijke vraag: de veranderende economische structuur van steden genereert andere beroepscategorieën; welke woonpreferenties hebben deze? Hoe kunnen die worden geaccommodeerd? Specifieke aandacht voor werknemers in verschillende economische sectoren

en voor verschillende herkomstcategorieën (nationaal, internationaal)

Doel 1: begrijpen en beschrijven van de woonpreferenties. Doel 2: constructie van een model voor de locatiekeuze van

huishoudens in stedelijke omgevingen (brownfields, greenfields) Doel 3: optimaliseren van stedelijk/ruimtelijk/grond beleid

Resultaten project

Wetenschappelijk: een geïntegreerd model voor de woning en woonmilieu-oriëntatie van kenniswerkers in Nederland en in het bijzonder in het metropolitane gebied van Amsterdam en Eindhoven (met referentiesteden Helsinki en Copenhagen).

Maatschappelijk: een optimalisering van het grondgebruik en aanpassing van woning- en woonmilieuplanning aan veranderde economische contexten.

Voor Gebiedsontwikkeling 2.0 betekent het te verkrijgen inzicht dat meer adequate plannen kunnen worden ontwikkeld (met betere matching van vraag en aanbod) waarmee alternatieve ontwikkelingsscenario’s beter kunnen worden getoetst.

Onderzoeksopzet Meta-analyse: faciliteren van nationale en transnationale kenniswerkers

bij stedelijke ontwikkeling: literatuursurvey Stated choice: woonvoorkeuren van hooggeschoolde (potentiële)

werknemers: survey interviews (A’dam, Eindhoven; Helsinki referentie) Een model voor de analyse van werkelijk keuzegedrag van deze

werknemers, waarbij stated choice wordt geïntegreerd. WoON data en SSB register analyse (gehele land en regio’s A’dam en Eindhoven; Copenhagen als referentie)

Modelgebruik bij doorrekenen van consequenties van diverse beleidsscenarios

Koppeling met GIS (Land Use Scanner) en gebruik van het model als decision support system voor gebiedsontwikkeling

Aansluiting op de praktijk

Profijt van de onderzoeksresultaten? Overheden op verschillende schaalniveaus; ontwikkelaars; woningcorporaties; kenniswerkers; andere ruimtegebruikers

Betrokken in het consortium: publieke en private partijen, zoals gemeenten, regio’s, ontwikkelingsmaatschappijen, planbureaus, expatcenter, netwerk kennissteden (zij reageren op opzet, essentiële onderzoekskeuzen, onderzoeksuitkomsten en uitvoeringsvraagstukken

Kennisuitwisseling: via seminars, workshops, conferenties, deels zelf te organiseren (of samen met instanties als Platform 31, VERDUS, URD partners, e.d.).

Consortium (extern) Rudi Stroink (TCN) Jeroen Slot (gemeente Amsterdam; O+S) Eva Olde Monnikhof (Amsterdam Innovation Motor) Kees Dignum (Dienst Wonen Amsterdam) Paul Tholenaars (Woonbedrijf Eindhoven) Linco Nieuwenhuyzen (Brainport Development) Eric van der Kooij (Amsterdam; DRO) Otto Raspe (PBL) Mari Vaattoovaara (Helsinki) Kaisa Kepsu (Helsinki) Ismir Mulalic (Copenhagen)

Toegevoegde waarde VerDuS

Verbindingen met andere URD- en VerDuS-projecten en hun bijdrage aan het succes van dit project: diverse andere URD projecten besteden aandacht aan bereikbaarheid en duurzame ontwikkeling; de ontwikkeling van optimale woonmilieus raakt sterk aan deze projecten; confrontatie tussen deze projecten kan meerwaarde opleveren.

Directie en staf van VerDuS kunnen bijdragen aan het succes van dit project door reflectie op het onderzoek, in het bijzonder vanuit hun visie op de relatie wetenschap-praktijk

• Literatuurstudie (1e concept gereed 21 dec. 2012)• Statistische data verzameld• Werkafspraken met Helsinki en Copenhagen; gesprekken met

sleutelpersonen vanaf jan 2013• Besluit gebiedsafbakening: Stadsregio Eindhoven en

Metropoolregio Amsterdam• Besluit sectoren: reclamebureaus (creatief) en high-tech

industrie (kennisintensief; mogelijk i.h.b. ASML en Shell, anders ICT)

• Conceptueel schema • Concept vragenlijst surveys (ook internationale kenniswerkers)• Inventarisatie meten van stated preference (DPN, Q-method)• Eerste bevindingen Sorting Models• Eerste modellen stedelijk ruimtegebruik o.b.v. WoOn

Stand van zaken

Literatuurstudie, inhoudelijke inzichten (Sleutjes)– Ontwikkeling kennissteden in Europese context

» Typologie naar structurele kenmerken kenniseconomie: kennis, economische structuur, voorzieningen, QoL, bereikbaarheid, diversiteit, omvang, sociale gelijkheid

» Amsterdam (en Helsinki en Kopenhagen): stars: hoge score op alle indicatoren (zwak: Amsterdam: woningmarkt; duur en te weinig middensegment; Helsinki eenzijdige economie)

» Eindhoven: star-niche-player: gespecialiseerd in high-tech, design, beta; sterke triple helix (zwak: stedelijk imago; weinig stedelijke appartementen)

– Woonvoorkeuren kenniswerkers: stadskeuze verbonden met arbeidsmarkt, werkgelegenheid, carrièreperspectieven; niet met woonmilieu of andere ‘soft’ conditions; die zijn wel belangrijk om te blijven (als men werk heeft).

– Woonvoorkeuren verschillen met levensfase en leefstijl (jonge kenniswerkers aangetrokken om te blijven in grote steden; gesettlede kenniswerkers sterker aangetrokken door kleinere steden).

Literatuurstudie, implicaties– In interviews met sleutelpersonen ingaan op hoe men

sterke punten denkt uit te kunnen bouwen en zwakke punten denkt te verbeteren, passend bij de samenstelling van kenniswerkers.

– Reactie op crisis? Meer accent op culturele en historische kenmerken?

– Woonvoorkeuren richten op zachte factoren die helpen om mensen te binden aan de stad (cultureel, historisch), controlerend voor woongeschiedenis, levensfase en leefstijl.

– Vestigingsredenen vaststellen.

= independent variables= dependent variable

stated residential preference

- Relative Location (situation)- Neighbourhood characteristics- Characteristics of the dwelling - Tenure- Price

Cultural Capital of Household

Housing Assets

Employment sector

Social Network of Household

Location of Work

ResidentialTrajectories

Housing Market Context

Age

Household Income

Economic Capital of Household

Household Composition

Gender

Survey (Boterman)

Modellen op basis van revealed preference en kenmerken van de regio’s (zoals toegang tot banen, amenities, woonkosten)

Literatuur– Urban amenities zijn belangrijk– Groepen die het meest belang hechten aan

stedelijke voorzieningen zijn soms bereid genoegen te nemen met lagere lonen

Sorting Models (Rouwendal en Möhlmann) Eerste bevindingen

Schattingen(WoOn data): binnen de regio Amsterdam is sprake van duidelijke sortering naar sociaal-economisch niveau en land van herkomst– Hoge inkomens wonen in elkaars omgeving– Net als lage inkomens en etnische

minderheden

Eerste bevindingen (2)

Hoog opgeleiden (en i.h.b. hoog opgeleide stellen - power couples) zijn oververtegenwoordigd op de locaties (in gemeenten) met de beste bereikbaarheid, in het bijzonder nabij de arbeidsmarkt (hechten meer waarde aan bereikbaarheid dan anderen; en hebben veel koopkracht)

Eerste bevindingen (3)

Verdichting (gemeten als percentage netto toevoeging aan de woningvoorraad binnen het stedelijk gebied in 2000) verschilt behoorlijk per COROP regio: Hoge waarden in het zuiden en noordoosten, lage waarden (<30 procent) vooral in stedelijke gebieden in de Randstad.

Lage verdichting in al sterk verstedelijkt gebied duidt doorgaans op ruimtegebrek. In deze gebieden wordt in uitleggebieden dan ook juist een hoog aantal woningen per hectare waargenomen.

Beleidsambities in het algemeen hoger dan geobserveerde verdichting. Empirische analyse en modeltoepassing toont dat de huidige

beleidsambitie gehandhaafd moet worden om te voorkomen dat teveel open ruimte verloren gaat.

Urban intensification (Dekkers, Koomen en Broitman, HELP en AESUS)

Huishoudens en woningen bij Global Economy en Regional Community Scenario CPB et al. 2006

Km2 stedelijk gebied, waargenomen en projectie bij verschillende scenario’s

Stedelijk gebied, 2008 en 2020 beleids- ambities en trends, twee scenario’s.

Global Economy: substantiële bevolkingsgroei en sterke economische groei

Regional Community: stabiele bevolking en bescheiden economische groei

Literatuursurvey completeren Interviews sleutelinformanten Surveys uitvoeren (ook transnationale migranten) Revealed preference in twee stedelijke regio’s en verfijnen met

SSB en EBB data Modelbouw t.b.v. doorrekenen scenario’s Idem met Land use scanner Relaties tussen internationale studenten en stedelijke regio na

de studie Model van lokatiekeuze van internationale migranten bij

diverse scenario’s Lokatiegedrag bij verhuizingen van migranten na vestiging in

de regio

Te doen