Scenariomodel wordt voorbereid
Modelresultaten en selecties worden geladen.
Vereniging van Nederlandse Gemeenten
Data en inzicht · scenariosturing

Gemeentelijk scenariomodel

Prognoses en beleidsvarianten met lokale modelelasticiteiten

Duiding en beleidsnotitie
Ontwikkeling verklaren en vergelijken

Eigen ontwikkeling en referentiegroepen

Basisontwikkeling van referentiejaar tot laatste prognosejaar. Exposuregroep en AMIGO volgen de keuzes in het menu; dubbelen tellen één keer mee.

Vergelijkbare historische ontwikkeling

Vergelijkt maximaal zes opeenvolgende waarnemingsjaren, met minstens vier jaren. Zoekt binnen dezelfde modelrun; in wijkmodus alleen binnen de gekozen gemeente.

Gevoeligheid van kenmerken
Download gevoeligheid

Voor gebruik en verspreiding: lees de proclaimer .

Historie, basisprognose en scenario

Download reeks
Grafiek wordt bijgewerkt…

Basisontwikkeling · klik een gebied voor details. Zoom: Ctrl + scroll of ↑ / ↓ wanneer de kaart focus heeft.

Kaart wordt geladen…
Gebied verkennen
Gebieden vergelijken
Download kaartwaarden
Kaartwaarden als tabel
Verdieping
Analyse, uitvoer en modelverantwoording logisch gegroepeerd
Open panel Sluit panel

Kwaliteit en onzekerheid

Bekijk voorspelkwaliteit, systematische afwijking en onzekerheid in samenhang.

Wat betekenen de kwaliteitsmaten?

WAPE is de som van absolute voorspelfouten gedeeld door de som van de waargenomen aantallen, in procenten. Lager is beter.

MAE is de gemiddelde absolute fout, in cliënten. Bias toont de richting van de gemiddelde afwijking: positief betekent gemiddeld te hoog voorspeld, negatief gemiddeld te laag.

OOS (out-of-sample) toetst jaren die niet zijn gebruikt bij het schatten. In-sample meet de passing op gebruikte gegevens. De intervaldekking toont hoe vaak de waarneming binnen het voorspelde interval valt.

Hoe beoordeel je de prognosekwaliteit?

Een lagere OOS-WAPE betekent kleinere voorspelfouten in de getoetste perioden. Een iets hogere WAPE sluit betere langetermijnprognoses niet uit, maar is daar ook geen bewijs voor. Een plausibel ogende curve vervangt geen validatie.

Vergelijk modellen op dezelfde gebieden, testjaren en prognosehorizon. Korte backtests onderbouwen een veel langere prognose slechts beperkt. Bekijk meerdere rolling-origin folds, bias, intervaldekking en gevoeligheid voor een extra meetjaar. WAPE over alle gebieden wordt relatief sterk bepaald door gebieden met grote aantallen.

Een NB-GAM kan niet-lineaire relaties beschrijven en multilevel-effecten kunnen lokale ruis dempen. Dat maakt de toekomst niet automatisch betrouwbaarder. De log-link zorgt voor positieve verwachtingen en kan bij een stijgende lineaire trend op de logschaal juist exponentiële groei geven. Afvlakking is geen ingebouwde garantie.

Kies bij een klein WAPE-verschil niet uitsluitend op de foutmaat of de vorm van de curve. Onderbouw de keuze met validatie op de gewenste horizon, stabiele prognoses, inhoudelijk verdedigbare aannames en vergelijking met eenvoudige baselines. Scenario-elasticiteiten zijn modelrelaties, geen bewezen causale beleidseffecten.

Methodische achtergrond: Forecasting: Principles and Practice .

Globale model fit · alle gemeenten of wijken

De volledige geselecteerde modelrun: OOS beoordeelt voorspelkracht; in-sample beschrijft historische passing.

Lokale model fit · geselecteerd gebied

Prognoseonzekerheid

Geselecteerd gebied en modelgemiddelde waar beschikbaar; intervalbreedte is geen historische foutmaat.

Onzekerheid per jaar

AMIGO · Gezondheid en Welzijn

Gemeenten met hetzelfde profiel. De gekozen gemeente telt niet mee in haar eigen referentielijn.

Welke features veroorzaken het scenario-effect per prognosejaar?

Gezamenlijke outcome-analyse

Verbinding met het scenariomodel herstellen…