Correlatie attitude en fietsgedrag kent twee richtingen

Om meer mensen aan het fietsen te krijgen richt veel onderzoek zich op de vraag welke factoren een positief effect hebben op fietsgebruik. Recent werk in de onderzoeksgroep van Caspar Chorus en elders laat zien dat de meeste wetenschappelijke studies en beleidsdocumenten de causale verbanden tussen factoren en het gebruik van de fiets, soms fors overschatten. Tijdens de openingslezing van het wetenschappelijke deel van het internationale fietscongres Velo-City in juni in Nijmegen ging Chorus in op de resultaten van dit onderzoek. De Amerikaanse fietsersbond schreef vervolgens een stuk naar aanleiding van deze presentatie. Hieronder een samenvatting van de lezing van Caspar Chorus.

Inleiding
Iedereen lijkt het erover eens: fietsen is goed. Goed voor de fietser (want: gezond) en goed voor de maatschappij (want: duurzaam). Het is daarom geen verrassing, dat veel wetenschappers en beleidsmakers in binnen- en buitenland hard op zoek zijn naar manieren om meer mensen aan het fietsen te krijgen. Ook tijdens het afgelopen Velo-City symposium 2017 was dit hét onderwerp.

Beleidsmakers en onderzoekers
Tijdens mijn openingslezing van het wetenschappelijke deel van dit fietscongres, schetste ik een aantal problemen waar dergelijk onderzoek tegenaan loopt. Kort samengevat: de meeste conclusies over de determinanten van gebruik van de fiets in de wetenschappelijke literatuur zijn gebaseerd op veel te optimistische inschattingen van de relevante causale relaties. Kijkend naar de hoeveelheid discussie die mijn lezing opriep onder de toehoorders, concludeer ik dat dit punt erg relevant is voor de gemeenschap van beleidsmakers en onderzoekers die zich richten op het verklaren en stimuleren van het gebruik van de fiets. In dit artikel probeer ik de meest belangrijke punten uit mijn lezing op toegankelijke wijze weer te geven, ter informatie en om verdere discussie te stimuleren.

Factoren
In onderzoek naar de determinanten van gebruik van de fiets, wordt meestal onderscheid gemaakt tussen zogenaamde ‘harde’ en ‘zachte’ factoren. Harde factoren betreffen voornamelijk ruimtegebruik, zoals de aanwezigheid van goede fietsinfrastructuur; zachte factoren betreffen veelal attitudes. De vraag die de fietsgemeenschap zich stelt, is de volgende: welke harde en zachte factoren zorgen ervoor, dat mensen geneigd zijn de fiets te gebruiken? Het beantwoorden van die vraag heeft uiteraard forse beleidsimplicaties: moeten beleidsmakers zich vooral richten op infrastructuur en ruimtelijke indeling van de stad, of juist op het beïnvloeden van attitudes door bij voorbeeld informatiecampagnes en voorlichting? Of op (geen van) beide?

Het spreekt voor zich, dat het begrip causaliteit cruciaal is voor het beantwoorden van deze vragen. Kort gezegd, als het zo is dat mensen met een positieve attitude richting de fiets, die leven in een stad met goede fietsinfrastructuur, ook veel fietsen, is dit dan een causale relatie? Indien ja, dan biedt dit inderdaad veel aanknopingspunten voor beleid. Indien nee, dan is er geen reden om je als beleidsmaker met deze factoren te bemoeien. Recent werk[1] in mijn groep en elders laat zien, dat de causaliteit tussen enerzijds de genoemde harde en zachte determinanten, en anderzijds het gebruik van de fiets, fors overschat wordt in de meeste wetenschappelijke studies en beleidsdocumenten. In de volgende twee paragrafen leg ik uit hoe dit zit, te beginnen bij onderzoek naar ‘zachte’ factoren en eindigend met een discussie over ‘harde’ determinanten.

Attitudes: een voorspeller van fietsgebruik? In mindere mate dan men denkt
Om te kunnen concluderen dat gebruik van de fiets (deels) verklaard wordt – of: voorspeld wordt, of: beïnvloed wordt – door een positieve attitude ten opzichte van de fiets, moet worden voldaan aan ten minste twee voorwaarden. Ten eerste, er moet een empirische associatie, bijvoorbeeld een correlatie, zijn tussen de attitude ten opzichte van de fiets en het gebruik van de fiets. Ten tweede, de attitude moet exogeen zijn. Dit laatste kan als volgt geïnterpreteerd worden: het moet niet zo zijn, dat de correlatie tussen attitude en gedrag veroorzaakt wordt door een effect van gedrag op de attitude. In dat laatste geval is de attitude een endogene variabele, en heeft het beleidsmatig geen zin om door middel van het beïnvloeden van attitudes een poging te wagen fietsgebruik te bevorderen.

Nu wordt in veruit de meeste onderzoeken naar fietsgedrag duidelijk voldaan aan de eerste voorwaarde; er wordt meestal een sterke positieve correlatie gevonden tussen de attitude richting fietsen, en het gebruik van de fiets. Maar helaas stelt de data in de grote meerderheid van studies de onderzoeker niet in staat om na te gaan of de attitude wel een exogene variabele is. Met andere woorden, de onderzoeker kan niet beoordelen, gegeven de beschikbare data, of de causaliteit loopt van attitude naar gedrag, of andersom.

De reden is, dat de data die gebruikt wordt voor dit type onderzoek bijna zonder uitzondering ‘cross-sectional’ is, oftewel, gemeten op één punt in de tijd. Met dergelijke data kan alleen gesproken worden van een associatie (“mensen met een positieve attitude richting fietsen, fietsen meer”), maar niet van een causaal verband (“als iemand een positievere attitude krijgt richting fietsen, gaat hij/zij meer fietsen”). Simpel geformuleerd: op basis van correlaties in cross-sectionele data kun je wel spreken van verschillen tussen personen (in attitudes, en fietsgebruik), maar niet van veranderingen binnen één en dezelfde persoon.

Reverse causality
Want wie zegt dat het verschil in attitude en fietsgebruik tussen persoon A en persoon B in de steekproef, veroorzaakt wordt door een causaal effect van attitude op fietsgebruik, en niet door een causaal effect van fietsgebruik op attitude? Sterker nog, er is veel onderzoek gedaan naar zogenaamde ‘reverse causality’ in de sociale wetenschappen, waarbij overtuigende redenen genoemd worden waarom gedrag attitudes zou kunnen beïnvloeden (in plaats van andersom). Twee cruciale voorbeelden betreffen leergedrag en cognitieve dissonantie.

De leergedrag-hypothese stelt, dat mensen door hun gedrag leren of ze iets al dan niet leuk vinden, en dus door middel van (gedrags-)ervaring hun attitudes bijstellen. In de context van fietsen: iemand die a priori geen positieve attitude heeft richting de fiets, maar door omstandigheden (auto kapot?) moet gaan fietsen, kan door eigen ervaring leren dat hij of zij fietsen toch wel prettig vindt, en zijn of haar attitude aanpassen. In dit geval loopt de pijl van causaliteit duidelijk van gedrag naar attitude.

De cognitieve dissonantie-hypothese stelt, dat mensen graag hun ideeën en hun acties met elkaar in overeenstemming laten zijn, en dat ze een eventueel gebrek aan overeenstemming het liefst opheffen. In de context van fietsen: stel dat iemand vaak fietst (bijvoorbeeld omdat er geen geld is voor een auto), maar een negatieve attitude heeft ten opzichte van fietsen. Dit individu zal, wanneer geënquêteerd door een fietsonderzoeker, zich ongemakkelijk voelen bij deze discrepantie tussen attitude en gedrag. En hoe kan deze cognitieve dissonantie het makkelijkst opgeheven worden? Juist, niet door het gedrag aan te passen, maar door een positieve attitude richting de fiets te rapporten. Ook in dit geval loopt de pijl van causaliteit van gedrag naar attitude.

Cross-sectionele data
Zoals gezegd: buiten het transportdomein (bijvoorbeeld in studies naar verslaving aan sigaretten) zijn deze omgekeerde causaliteiten heel bekend en overtuigend aangetoond, maar in veel onderzoek naar fietsgedrag komen ze niet aan bod. Men veronderstelt simpelweg, dat elke gevonden correlatie een causaal effect betreft van de attitude naar het gedrag, terwijl de cross-sectionele data feitelijk niet in staat is om die conclusie te dragen.

longitudinale dataset
Om te onderzoeken welke kant de causale relatie werkelijk opgaat, is een zogenoemde longitudinale dataset nodig: een survey waarin attitudes en fietsgebruik van één en dezelfde persoon op meerdere momenten in de tijd gemeten wordt, en dit dan voor meerdere personen. Het Nederlandse LISS-panel is zo’n dataset (NB: het panel is veel breder dan mobiliteitsgedrag – er is dus geen sprake van zelfselectie van deelnemers met een bijzondere interesse in de fiets of andere vervoerswijzen).

Gedrag is gemeten in termen van het zelfgerapporteerde – geschatte – aantal afgelegde kilometers met een bepaalde vervoerswijze in een gemiddelde week (Auto, OV, fiets). Attitudes richting de specifieke vervoerswijzen zijn gemeten door middel van antwoorden (van zeer mee oneens tot zeer mee eens) op een serie vervoerswijze-specifieke stellingen, zoals “fietsen is leuk”. Deze metingen zijn verricht voor meer dan duizend deelnemers aan het panel, die in juli 2013 en in juli 2014 dezelfde LISS-vragenlijst hebben ingevuld.

Schokkend
Deze data hebben we geanalyseerd met behulp van statistische technieken die specifiek bedoeld zijn om causale effecten (in beide richtingen) te achterhalen tussen variabelen op basis van dergelijke longitudinale data; zogenoemde cross lagged panel modellen en latent transition modellen. De resultaten zijn, voor wie gelooft in een sterk causaal effect van attitude richting gedrag, schokkend.

Voor alle bestudeerde vervoerswijzen, zien we dat er een sterker effect is van het gedrag op de attitude, dan andersom. Met andere woorden, het effect van gedrag in 2013 op de bijbehorende attitude in 2014 is groter dan het effect van de attitude in 2013 op het gedrag in 2014. Voor geen enkele andere vervoerswijze is deze omgekeerde causaliteit zo sterk aanwezig als bij de fiets: het effect van fietsgebruik op attitude richting de fiets is bijna twee keer groter dan het omgekeerde effect.

Beleidsimplicaties
De beleidsimplicaties van dit resultaat zijn aanzienlijk: zoals gezegd, veruit de meeste studies naar de ‘zachte’ determinanten van fietsgedrag gebruiken cross-sectionele data, en interpreteren gevonden correlaties volledig als een causaal effect van attitude op gedrag. Als onze studie representatief is, dan zou dit betekenen dat dergelijke correlaties slechts voor ruim éénderde deel zo geïnterpreteerd mogen worden (want voor bijna tweederde deel betreft het ‘reverse causality’). Kort door de bocht geformuleerd: studies die attitudes en fietsgebruik correleren op basis van cross-sectionele data, lopen het risico dat de conclusies en beleidsimplicaties bijna drie maal zo fors worden weergegeven, dan ze in feite zijn.

Infrastructuur: een voorspeller van fietsgebruik? In mindere mate dan men denkt
De meeste presentaties op het Velo-City congres gingen over de effecten van fietsinfrastructuur op fietsgebruik. Twee typen onderzoek kwamen aan de orde. Een eerste type vergeleek steden of landen in termen van de twee variabelen (infrastructuur en gebruik), en kwam tot de niet geheel verrassende conclusie dat in landen waar meer en betere fietsinfrastructuur voorhanden was, er ook meer gefietst wordt. Een tweede type onderzoek vergeleek fietsgebruik in een stad of regio voor en na de introductie of verbetering van lokale fietsinfrastructuur. Ook hier werd doorgaans geconcludeerd dat er een positief effect is van fietsinfrastructuur op fietsgebruik. De beleidsimplicaties liggen dan voor de hand: verbeter de fietsinfrastructuur in plekken waar deze niet op orde is, en lokale inwoners zullen (meer) gaan fietsen.

Terwijl de meeste onderzoekers het eerste type onderzoek (terecht) niet zullen beschouwen als bewijs voor een effect van fietsinfrastructuur op fietsgebruik, is men doorgaans enthousiaster over het tweede type onderzoek, dat voor- en nametingen verricht. Maar ook hier is grote reden tot voorzichtigheid; de kans is namelijk groot dat ook in deze studies, er sprake is van een aanzienlijke mate van endogeniteit.

Gedachte-experiment
Naar dit specifieke geval heeft mijn groep geen onderzoek gedaan, en ik ken ook geen onderzoek de endogeniteit van (fiets-)infrastructuurbeleid, maar een gedachte-experiment maakt het risico van endogeniteit overduidelijk. Om de relatie tussen fietsinfrastructuur en fietsgebruik te begrijpen, is het cruciaal om het bijbehorende politieke proces mee te nemen: fietsinfrastructuur wordt niet willekeurig verdeeld tussen landen en steden, maar is het gevolg van politieke keuzes van (lokale) bestuurders.

In democratische landen worden deze politici gekozen op basis van – onder andere –hun beloften aan kiezers, en hun track record. Met andere woorden, wanneer inwoners van een stad graag fietsen, en niet tevreden zijn over de beschikbare fietsinfrastructuur, zullen zij geneigd zijn – bijvoorbeeld bij gemeenteraadsverkiezingen – te stemmen op een partij of persoon die belooft dat er meer en/of betere fietsinfrastructuur komt.

Conclusie: achter een verbetering of uitbreiding van fietsinfrastructuur door een overheid ligt een wens (om te fietsen) van de bevolking ten grondslag. Het gevolg van dit politieke proces, is dat fietsinfrastructuur het best is, daar waar mensen graag fietsen en dus behoefte hebben aan deze infrastructuur. Ook hier geldt dus dat de omgekeerde causaliteit – van de wens om te fietsen naar fietsinfrastructuur – waarschijnlijk sterker is dan de vaak veronderstelde causaliteit – van fietsinfrastructuur naar fietsgebruik.

Ook hier zijn de beleidsimplicaties aanzienlijk: de introductie van fietsinfrastructuur op plekken waar de lokale bevolking daar niet om gevraagd heeft, zal niet het beoogde effect (meer gebruik van de fiets) hebben. Een mooi voorbeeld vind ik Tirana (Albanië), waar vers aangelegde fietspaden – ongetwijfeld neergelegd met de beste bedoelingen, geïnspireerd door het ‘positieve effect’ van fietsinfrastructuur op fietsgebruik in andere landen en steden – gebruikt worden als parkeerplaats voor auto’s, en als trottoir voor voetgangers.

Conclusie
Recent onderzoek aan de TU Delft en andere universiteiten laat zien, dat de meeste studies naar de harde (fietsinfrastructuur) en zachte (attitudes) determinanten van fietsgebruik het causale effect van deze variabelen op fietsgebruik aanzienlijk overschatten. Wat zijn de implicaties van deze conclusie voor onderzoekers en voor professionals en beleidsmakers?

Voor onderzoekers geldt, dat er meer ruimte moet komen voor meerjarig, longitudinaal onderzoek en voor experimenteel onderzoek waarbij de studie-objecten – (potentiële) fietsers – geen invloed hebben op de experimentele condities (zoals de kwaliteit van fietsinfrastructuur). Het medische onderzoeksveld, zoals de epidemiologie, heeft veel ervaring met dit type onderzoek – van hen kan het nodige geleerd worden op dit vlak.

Praktische noot
Voor beleidsmakers en professionals geldt, dat men uiterst voorzichtig moet zijn bij de interpretatie van resultaten van onderzoek, zeker als het niet-experimenteel, cross-sectioneel onderzoek betreft. De kans is groot, dat de in dergelijke studies veronderstelde causaliteit tussen harde en zachte variabelen enerzijds, en fietsgebruik anderzijds, in de praktijk veel minder sterk is. En om af te sluiten met een heel praktische noot: kijk uit met investeringen in fietsinfrastructuur, wanneer de lokale bevolking er niet om gevraagd heeft.

Verantwoording
[1] Omwille van de leesbaarheid, zijn in dit artikel geen verwijzingen opgenomen naar relevante wetenschappelijke literatuur. Geïnteresseerde lezers stuur ik graag werk van mijn eigen groep toe, met daarin ook verwijzingen naar werk van andere onderzoekers. Graag wil ik bij deze Maarten Kroesen noemen, met wie ik de afgelopen jaren onderzoek heb gedaan naar causale relaties van mobiliteitsgedrag. Dit artikel is grotendeels gebaseerd op ons gezamenlijk werk, dat zonder zijn bijdragen niet tot stand had kunnen komen.

 
Auteur: Caspar Chorus, Sectie Transport en Logistiek, TU Delft