TWOL studie :

TWOL studie 2003-00164:

ONTWIKKELING VAN EEN COHERENT BELEIDSKADER VOOR DE EVALUATIE VAN LEEFMILIEUGERELATEERDE FINANCIELE TEGEMOETKOMINGEN (VOORAL SUBSIDIES) EN TOEPASSING VAN DIT EVALUATIEKADER OP EEN AANTAL CASES

Eindrapport 21 December 2005

Simon De Jaeger (EHSAL) Johan Eyckmans (EHSAL) Karl Van Biervliet (Ecolas) Tom Van Puyenbroeck (EHSAL)

Rapport 1: Eindrapport Methodologie Rapport 2: Eindrapport Gevalstudie Rapport 3: Eindrapport Overige Gevalstudies

TWOL studie 2003-00164:

ONTWIKKELING VAN EEN COHERENT BELEIDSKADER VOOR DE EVALUATIE VAN LEEFMILIEUGERELATEERDE FINANCIELE TEGEMOETKOMINGEN (VOORAL SUBSIDIES) EN TOEPASSING VAN DIT EVALUATIEKADER OP EEN AANTAL CASES

Eindrapport Methodologie

21 December 2005

Simon De Jaeger (EHSAL)

Johan Eyckmans (EHSAL) Karl Van Biervliet (Ecolas) Tom Van Puyenbroeck (EHSAL)

1

INHOUDSTAFEL DEEL 1: INLEIDING .................................................................................................... 6 1

Leeswijzer .............................................................................................................7

2

Doelstellingen en Afbakening van de studie..............................................................8

3

Enkele basisbegrippen van evaluatietheorie ........................................................... 11

4

Enkele relevante keuzes vooraf ............................................................................. 15

4.1 4.2

Evaluatie ex ante of ex post? ................................................................................ 15 Evaluatie van Wat? .............................................................................................. 16

4.2.1 4.2.2 4.2.3 4.2.4 4.2.5

input → output relatie of institutionele effectiviteit............................................................................ 16 output → outcome relatie of outcome-effectiviteit ............................................................................ 17 Outcome → impact relatie of impacteffectiviteit................................................................................ 17 Een pragmatische aanpak ................................................................................................................ 17 Recente Voorbeelden evaluatiestudies.............................................................................................. 18

DEEL

2: DRIE HOOFDCRITERIA: EFFECTIVITEIT, EFFICIËNTIE EN RECHTVAARDIGHEID. ...................................................................................... 19

5

Effectiviteit meten................................................................................................ 20

5.1 5.2 5.3 5.3.1 5.3.2 5.3.3

5.4 5.4.1 5.4.2 5.4.3

5.5 6

Definitie .............................................................................................................. 20 Een poging tot structureren van de methodologiekeuzes......................................... 23 Ex post evaluatie ................................................................................................. 24 Een voldoende grote steekproef van “treated” en “nontreated” subjecten ......................................... 24 Zijn de resultaten van de “treated” en “nontreated” significant verschillend? ..................................... 26 Is er een oorzakelijk verband tussen de subsidie en de outcome/impact? .......................................... 29

Ex ante evaluatie ................................................................................................. 36 Uitgebreide bevragingen van ontvangers (enquêtes) ........................................................................ 37 Expertbevragingen (delphi studies, diepte-interviews, …).................................................................. 40 Structurele Modellen ........................................................................................................................ 42

Samenvatting effectiviteit ..................................................................................... 54 Efficiëntie meten.................................................................................................. 55

6.1 6.2 6.3 6.3.1 6.3.2

6.4 7

Definitie .............................................................................................................. 55 Een poging tot structureren van de methodologiekeuze .......................................... 57 Meettechnieken voor efficiëntie............................................................................. 57 Ex post meten van efficiëntie ........................................................................................................... 57 Ex ante meten van efficiëntie ........................................................................................................... 60

Samenvatting efficiëntie ....................................................................................... 65 Rechtvaardigheid ................................................................................................. 66

7.1 7.2 7.2.1 7.2.2 7.2.3 7.2.4

7.3

Rechtvaardigheid en De vervuiler betaalt of betaald? .............................................. 66 Rechtvaardigheid Als draagkracht.......................................................................... 67 De techniek ..................................................................................................................................... 67 Ex post............................................................................................................................................ 68 Ex ante............................................................................................................................................ 68 Datavereisten en toepasbaarheid voor milieusubsidies ...................................................................... 69

Samenvatting rechtvaardigheid ............................................................................. 69

2

DEEL 3: VERDIEPINGEN: ADMINISTRATIEVE LASTEN, MACRO-ECONOMISCHE NEVENEFFECTEN, INCENTIEVEN, INNOVATIE, ASPECTEN VAN LOKALE PUBLIEKE FINANCIËN...................................................................................... 70 8

Administratieve lasten .......................................................................................... 71

8.1 8.2 8.3 8.4 9

Lasten voor wie?.................................................................................................. 71 Bottom-up benadering ......................................................................................... 71 Top-down benadering .......................................................................................... 71 Adminstratieve lasten als onderdeel van reguleringskosten...................................... 72 Macro economische Neveneffecten........................................................................ 74

9.1 9.2 10

10.1 10.2 10.2.1 10.2.2 10.2.3

10.3 10.3.1 10.3.2 10.3.3 10.3.4

11

11.1 11.1.1 11.1.2

11.2 11.2.1 11.2.2 11.2.3

11.3 12

12.1 12.2 12.2.1 12.2.2 12.2.3 12.2.4

12.3

Macro-economische modellen ............................................................................... 74 Double dividend argumenten ................................................................................ 74 Incentieven ......................................................................................................... 76

Imperfecte en asymmetrische informatie ............................................................... 76 Adverse selection................................................................................................. 77 Definitie........................................................................................................................................... 77 Gevolgen en remedies ..................................................................................................................... 77 Checklist adverse selection............................................................................................................... 85

Moral hazard ....................................................................................................... 85 definitie ........................................................................................................................................... 85 Tegengestelde objectieven............................................................................................................... 86 Remedies ........................................................................................................................................ 88 Checklist moral hazard..................................................................................................................... 91

Innovatie ............................................................................................................ 93

Waarom zou de overheid O&O naar milieutechnologie subsidiëren? ......................... 93 Eerst externaliteiten internaliseren! .................................................................................................. 93 Toch nog redenen voor subsidies?.................................................................................................... 94

Evaluatie van innovatie-effecten van milieusubsidies............................................... 96 Prijsinstrumenten beter dan klassieke regulering?............................................................................. 96 Endogene technologische vooruitgang en milieusubsidies ................................................................. 97 Effecten van milieusubsidies op O&O meten ..................................................................................... 97

Samenvatting innovatie ........................................................................................ 98 Aspecten van lokale publieke financiën .................................................................. 99

Inleiding ............................................................................................................. 99 Modellering en schatting van gedragswijzigingen bij lokale overheden: het mediaankiezermodel. ......................................................................................... 100 Impactanalyse van toelagen: basisinzichten.................................................................................... 100 Politieke onderbouwing van het model ........................................................................................... 106 Kanttekeningen bij de realiteitswaarde van het model..................................................................... 107 Econometrische specificaties van het model.................................................................................... 108

Samenvatting aspecten van lokale publieke financiën............................................ 111

Referenties .................................................................................................................... 113 Index

119

3

LIJST VAN FIGUREN Figuur 1: Basisbegrippen Beleidsevaluatie........................................................................... 12 Figuur 2: Keuzeboom effectiviteit....................................................................................... 23 Figuur 3: Schematisch Overzicht Input-Ouput model ........................................................... 49 Figuur 4: Keuzeboom efficiëntie......................................................................................... 57 Figuur 5: Reconstructie van productiemogelijkheden ........................................................... 59 Figuur 6: Gelijke marginale reductiekosten ......................................................................... 61 Figuur 7: Inefficiëntie van subsidies met variabel tarief en/of plafonds .................................. 62 Figuur 8: Effect van specifieke lump-sum subsidies ........................................................... 101 Figuur 9: Effect van gebonden toelagen ........................................................................... 105 Figuur 10: Effect van een gebonden toelage met een plafond ............................................ 106

4

LIJST VAN LEESKADERS Kader 1: Strategische en Operationele doelstellingen........................................................... 14 Kader 2: Evaluatie van ontwikkelingseducatieprojecten........................................................ 22 Kader 3: Vergelijken van twee gemiddelden ....................................................................... 27 Kader 4: Eenvoudige regressieanalyse................................................................................ 30 Kader 5: Sample selection bias corrigeren dmv Heckman’s schatter ...................................... 34 Kader 6: Effectiviteit energiebesparingsbeleid in de Nederlandse glastuinbouw ...................... 35 Kader 7: Evaluatie van Beheersovereenkomsten met landbouwers in Duitsland...................... 39 Kader 8: Evaluatie van Beheersovereenkomsten met landbouwers in Vlaanderen................... 40 Kader 9: Effectiviteit energiebesparingsbeleid in de glastuinbouw [VERVOLG]........................ 40 Kader 10: Evaluatie van Samenwerkingsovereenkomsten tussen de Vlaamse overheid en de gemeenten................................................................................................................ 41 Kader 11: Pimpernelblauwtjes en opportuniteitskosten ........................................................ 45 Kader 12: MilieuKostenModel (MKM) Vlaanderen ................................................................. 46 Kader 13: MARKAL model.................................................................................................. 47 Kader 14: het RAINS model............................................................................................... 64 Kader 15: Draagkrachtoverwegingen in een intersectorale afweging van inspanningen om luchtemissies te verminderen ...................................................................................... 69 Kader 16: Onderzoeksopdracht reguleringskosten ............................................................... 72

5

Deel 1: Inleiding

6

1

LEESWIJZER

Subsidies zijn een economisch instrument dat binnen het beleidsdomein leefmilieu veel gebruikt wordt en dat ook budgettair zeer belangrijk is. In het jaar 2004 heeft de Vlaamse milieuadministratie voor ongeveer €220 miljoen aan subsidies gefinancierd. Daarom heeft de cel milieueconomie van AMINAL Directoraat-generaal een studie opgestart met als opdracht: het uitwerken van een methodologie om de leefmilieusubsidies op een consequente en eenduidige manier te evalueren en het toepassen van dit evaluatiekader op enkele cases. Het hoofddoel van de studie is het ontwikkelen van een methodiek, op basis van een literatuurstudie en op basis van een aantal casestudies. Het is de bedoeling dat de cel milieueconomie zelf, in nauw overleg en samenwerking met de subsidiebeheerders, deze methodiek kunnen gebruiken om milieusubsidies te evalueren en, indien nodig, verbeteringen te suggereren. Hieronder verstaan we dat de subsidieverantwoordelijke de nodige gegevens aanlevert en voortdurend betrokken is bij de methodologische keuzes die in zulk een evaluatieoefening gemaakt moeten worden. De cel milieueconomie neemt echter de technische uitwerking van de evaluatie (dataverwerking, statistische analyse, …) voor haar rekening. Rekening houdende met deze taakverdeling zijn wij bij het schrijven van dit rapport er dan ook van uitgegaan dat de lezer vertrouwd is met enkele basisnoties van economie en statistiek in het algemeen en milieueconomie in het bijzonder. De tekst is echter niet zo hermetisch dat de lezer die niet met die begrippen vertrouwd is, de basisredeneringen niet zou kunnen volgen. Waar nodig worden basisbegrippen intuïtief uitgelegd en de tekst is ook doorspekt met leeskaders waarin verwezen wordt naar goede voorbeelden en toepassingen van de besproken methodologieën. Sommige meer technische materies zijn ook in zulk een leeskader verwerkt om de logische lijn van de tekst niet teveel te onderbreken. Hoofdstuk 2 bakent het onderzoeksonderwerp van de studie af en in hoofdstukken 3 en 4 worden enkele basisbegrippen uit beleidsevaluatietheorie en enkele belangrijke voorafgaandelijke keuzes bij evaluaties besproken. Daarna worden in Deel 2 de drie hoofdcriteria voor evaluatie van subsidies systematisch overlopen: hoofdstuk 0 behandelt het meten van effectiviteit, hoofdstuk 6 is gewijd aan efficiëntie en hoofdstuk 7 gaat dieper in op rechtvaardigheid. Deel 3 behandelt verdiepingen van de hoofdcriteria, dat wil zeggen gaat meer in detail in op deelaspecten die een belangrijke impact kunnen hebben op de hoofdcriteria. Administratieve lasten worden besproken in hoofdstuk 8, macro-economische neveneffecten in hoofdstuk 0, incentieven in hoofdstuk 10, innovatie in hoofdstuk 11 en, tenslotte, behandelen we aspecten van publieke financiën in hoofdstuk 12. Wij wensen nog uitdrukkelijk alle mensen te bedanken die meegewerkt hebben aan deze studie door ons hun opmerkingen te verstrekken op voorgaande versies van dit eindrapport. In het bijzonder bedanken wij de opdrachtgevers van de studie, de cel milieueconomie van het Directoraat-generaal van AMINAL, Dhr. R. Bormans, Mevr. E. Hutsebaut en Mevr. S. Ochelen. Ook de leden van de stuur- en gebruikersgroep van deze studie hebben met hun opmerkingen het uiteindelijke resultaat in sterke mate mede bepaald. 7

2

DOELSTELLINGEN EN AFBAKENING VAN DE STUDIE

Het opzet van deze studie is het evalueren van “leefmilieugerelateerde financiële tegemoetkomingen” die door het beleidsdomein leefmilieu van het Ministerie van de Vlaamse Gemeenschap worden uitbetaald. Hieronder verstaan we alle subsidieschema’s die momenteel al door het beleidsdomein leefmilieu gefinancierd worden maar de methodologie die in deze studie wordt voorgesteld, kan ook toegepast worden op nieuwe subsidies die in de toekomst overwogen worden. Om het onderwerp van deze studie scherp af te bakenen, is het nuttig om duidelijk te stellen wat we NIET zullen behandelen. Ten eerste behandelen we niet de vraag of overheidsoptreden in het leefmilieudomein wel noodzakelijk zou zijn. Wanneer we een bepaalde subsidie evalueren, gaan we ervan uit dat de overheid goed overwogen heeft of haar optreden gerechtvaardigd is. Meestal zal hiervoor beroep gedaan worden op het argument dat er een marktfaling bestaat, met andere woorden dat zonder overheidstussenkomst de spontane interactie van economische agenten (consumenten, bedrijven, overheid, NGO’s, …) zou leiden tot een maatschappelijke ongewenste situatie. Voor het beleidsdomein leefmilieu zijn de typische voorbeelden hiervan negatieve externe effecten en publieke goederen. We speken van negatieve externe effecten wanneer het consumptie- of productiegedrag van bepaalde economische agenten de consumptie- of productiemogelijkheden van andere agenten vermindert. Een bedrijf dat stroomopwaarts vervuilende stoffen loost in een rivier beïnvloedt daardoor op negatieve wijze de productiemogelijkheden van een viskwekerij stoomafwaarts. We spreken van publieke goederen wanneer, ten eerste, consumenten niet uitgesloten kunnen worden van het gebruik van die goederen en, ten tweede, bijkomende consumenten kunnen bediend worden tegen een verwaarloosbare meerkost. Een publiek toegankelijk natuurgebied is een voorbeeld hiervan. De economische theorie stelt heel duidelijk dat de onbelemmerde werking van het marktmechanisme leidt tot teveel productie van negatieve externe effecten en te weinig voorziening van publieke goederen. Intuïtief is de reden daarvan dat economische agenten onder het marktmechanisme weinig prikkels ervaren om rekening te houden met de gevolgen van hun handelen op andere economische agenten. Dit argument vormt dan ook de klassieke rechtvaardiging van overheidsoptreden, zie Berlage en Decoster (2000) en Moesen en Van Puyenbroeck (2006). We vertrekken van de subsidies die door de leefmilieuadministratie verstrekt worden zonder het onderliggende beleidsprobleem noch het subsidie-instrument zelf in vraag te stellen.

Ten tweede bekijken we enkel en alleen leefmilieugerelateerde financiële tegemoetkomingen, dat wil zeggen, voornamelijk subsidies. In deze studie worden dus geen alternatieve beleidsinstrumenten bekeken die voor het leefmilieubeleid al ingezet worden of overwogen worden om ingezet te worden in de toekomst. In principe kan deze studie dus niet gebruikt worden om verschillende milieubeleidsinstrumenten onderling te vergelijken op hun effectiviteit of efficiëntie. Maar het spreekt voor zich dat een goed inzicht in de performantie van het subsidie-instrument een eerste stap is in een vergelijking van beleidsinstrumenten. Daarom zal in dit rapport op verschillende plaatsen verwezen worden naar de comparatieve voordelen van prijsinstrumenten (en dus ook subsidies) over andere beleidsinstrumenten. Dit is ondermeer het 8

geval in hoofdstuk 6 wanneer we het criterium (statische) kostenefficiëntie bespreken en in hoofdstuk 11 dat handelt over innovatie en de dynamische efficiëntie van subsidies. De methodologieën die in deze studie besproken zullen worden, kunnen in vele gevallen ook aangewend worden om de performantie van andere milieubeleidsinstrumenten zoals lozingsnormen, technische standaarden, vrijwillige overeenkomsten (convenanten), verhandelbare uitstootrechten, uitstootheffingen enz. te evalueren. We willen echter nogmaals duidelijk stellen dat het vergelijken van beleidsinstrumenten niet het voorwerp uitmaakt van deze studie en veelal een specifieke aanpak vergt. De economische analyse en vergelijking van beleidsinstrumenten voor het leefmilieu is al uitgebreid onderzocht en vormt het onderwerp van talloze publicaties. Voor Vlaanderen is het overzicht van Peter Van Humbeeck (1992) nog steeds een goed uitgangspunt. Een veelgeciteerde internationale klassieker is Bohm en Russel (1985). Recentere inzichten kan men terugvinden in Goulder et al. (1999), Fullerton (2001) en Stavins (2004) en de talrijke referenties in deze werken. Ten derde willen we van bij de aanvang duidelijk stellen dat we niet ingaan op milieuschadelijke subsidies (zogenaamd “environmentally harmful subsidies” in het jargon van de Organisatie voor Economische Samenwerking en Ontwikkeling OESO) die door andere overheden dan de administratie leefmilieu gefinancierd worden om andere doelstellingen dan milieudoelstellingen te realiseren. De negatieve milieugevolgen van een aantal subsidieschema’s in de landbouw-, transport en energiesector zijn soms zodanig groot dat een effectief milieubeleid beter gericht zou zijn op het afbouwen van deze subsidies aan milieuvervuilende activiteiten in plaats van het ondersteunen van positieve milieumaatregelen. De OESO heeft in een aantal recente publicaties het probleem in kaart gebracht en een checklist ontwikkeld om na te gaan of het eventuele afschaffen van de betrokken subsidie een positieve invloed zou hebben op leefmilieuindicatoren, zie OECD (1998) en OECD (2004) en de referenties hierin. Wij hebben, in overleg met de opdrachtgevers, er voor gekozen deze piste niet verder te onderzoeken. Ten eerste zijn hiervoor reeds vele goede handleidingen voorhanden (zie hoger). Ten tweede betreffen deze “environmentally harmfull subsidies” vooral steun aan bedrijven (niet aan gezinnen, lagere overheden of NGO’s) terwijl de Vlaamse milieuadministratie relatief weinig subsidieschema’s financiert die rechtstreeks door bedrijven aangevraagd kunnen worden. De subsidies die aan bedrijven uitgekeerd worden, vallen meestal onder de bevoegdheid van andere administraties dan de leefmilieuadministratie. Ten vierde willen we nog wijzen op het nut van evaluatie-oefeningen. De belangrijkste reden is ongetwijfeld dat overheidsmiddelen schaars zijn omdat het erg kostelijk is ze via belastingen op arbeid of andere productie-inputs te vergaren. Hieruit volgt onmiddellijk dat die schaarse overheidsmiddelen zodanig ingezet moeten worden dat ze maximaal resultaat opleveren. Evaluatie-oefeningen kunnen daarom uiterst nuttig zijn om ex post na te gaan of deze ambitie wel gehaald wordt, of om ex ante het subsidieschema zodanig te ontwerpen opdat de kans op succes zo groot mogelijk is. Een tweede reden voor evaluatie-oefeningen is dat ze belangrijke argumenten kunnen opleveren die gebruikt kunnen worden in het politieke debat over de wenselijkheid van de subsidie op zich of om extra middelen te vragen om de opgelegde beleidsdoelstellingen te kunnen realiseren. Vaak worden namelijk ambitieuze beleidsdoelstellingen voorop gesteld en probeert men die door middel van een subsidieschema te realiseren maar wordt een té kleine subsidiepot voorzien. Hoewel de keuze van de 9

beleidsdoelstellingen en beleidsinstrumenten niet het voorwerp uitmaken van deze studie, willen wij er toch op wijzen dat evaluatie-oefeningen een noodzakelijke input zijn om beleidsdoelen en de nodige financiële middelen op elkaar af te stemmen. Men kan aan de hand van een evaluatie berekenen hoeveel middelen gereserveerd moeten worden om een gegeven beleidsdoelstellingen te halen. Andersom kan men de evaluatie ook gebruiken om te berekenen wat, gegeven de beschikbare middelen, realistische beleidsdoelstellingen zijn. Tenslotte willen we nog expliciet iets zeggen over de doelstellingen van evaluatieoefeningen. De doelstelling is expliciet om sterke en zwakke punten te identificeren in bestaande (of geplande) subsidiemechanismen en daaruit suggesties te distilleren over hoe het (nog) beter zou kunnen. Evaluaties mogen nooit gezien worden als een finaal “oordeel” dat aanleiding zou Evaluaties moeten gebruikt worden om sterke en zwakke punten te identificeren in bestaande (of geplande) subsidiemechanismen om daaruit suggesties te distilleren over hoe het (nog) beter zou kunnen.

geven tot bijvoorbeeld het simpelweg afschaffen van een bestaande subsidieregeling omdat ze een “slechte” evaluatie zou gekregen hebben. Daarvoor is de evaluatiemethodologie té veel waardegebonden (er moeten vele aannames gebeuren onderweg en sommige daarvan weerspiegelen waardeoordelen van de onderzoekers). Evaluaties zijn ook nooit “af”, er zijn steeds nog nieuwe mogelijke verklaringen en meer verfijnde analyses mogelijk.

10

3

ENKELE BASISBEGRIPPEN VAN EVALUATIETHEORIE

Beleidsevaluatie is een zeer uitgebreid studiedomein met een eigen begrippenkader, methodologie, academische opleidingen, publicaties en wetenschappelijke organisaties en congressen. Beleidsevaluatie is grotendeels het onderzoeksdomein van bestuurswetenschappers maar ook vele andere maatschappijwetenschappers worden regelmatig geconfronteerd met de vraag van de overheid: “leveren al onze beleidsinspanning wel de beoogde resultaten op?”. Klassieke voorbeelden vinden we terug in arbeidseconomie (wat zijn de resultaten van opleidingstrajecten voor langdurige werklozen?), gezondheidseconomie (wat zijn de effecten voor de volksgezondheid van een publiciteitscampagne om roken te ontmoedigen?), R&D beleid (wat is de impact van een R&D subsidieschema voor KMO’s?) enz. Ook in het leefmilieudomein in Vlaanderen is er al uitgebreid werk geleverd rond beleidsevaluatie wat resulteerde in 2003 in de publicatie van het MIRA-BE 2003 rapport Beleidsevaluatie, zie Van Steertegem (2003). Beleidsevaluatie is ook een belangrijke onderzoekslijn van het Steunpunt Milieubeleidswetenschappen (www.milieubeleidswetenschappen.be), een samenwerkingsverband tussen de universiteiten van Antwerpen, Gent en Leuven dat sinds 2001 door de Vlaamse overheid gefinancierd wordt. In het kader van dit steunpunt wordt momenteel trouwens gewerkt aan een vademecum beleidsevaluatie1. Wij gaan in deze tekst de verworven inzichten op het vlak van beleidsevaluatie niet nog eens dunnetjes overdoen of nog eens samenvatten op onze manier. In deze paragraaf belichten wij kort enkele sleutelbegrippen uit de beleidsevaluatietheorie die we verder in onze methodologie nodig zullen hebben. Deze uiteenzetting is grotendeels gebaseerd op Tieleman en Leroy (2003) en op Algemene Rekenkamer (2003a). In algemene termen kunnen we vier stappen onderscheiden in de resultatenketen die voortkomt uit het beleid. Figuur 1 (gebaseerd op Figuur 2 in Tieleman en Leroy, 2003) geeft op een schematische wijze deze vier stappen weer en geeft bovendien aan welke verbanden tussen de begrippen bestaan.

1

Wij danken Kris Bachus (HIVA) voor zijn opmerkingen en suggesties op een eerdere versie van dit hoofdstuk over beleidsevaluatie. Wij zijn er ons van bewust dat sommige termen in ons rapport niet volledig dezelfde lading dekken als in de beleidsevaluatieliteratuur. Wij hebben ervoor gekozen om onze “economische” terminologie te behouden opdat de geïnteresseerde lezer niet in verwarring zou komen als hij of zij de oorspronkelijke referenties zou willen raadplegen. 11

Figuur 1: Basisbegrippen Beleidsevaluatie

Input verwijst naar de middelen die de overheid inzet om de beleidsdoelstellingen te realiseren. De belangrijkste zijn: menselijk kapitaal (aantal arbeidsuren van ambtenaren van verschillend opleidingsniveau), verbruikte materialen (papier, computerhardware, …), ingezette diensten (informatica ondersteuning), … Al deze inputs worden meestal op één noemer gebracht door ze in geldtermen uit te drukken. Voor de meeste inputs stelt de waardering Voorbeeld van de Administratie Natuur: in geldtermen geen probleem omdat er • INPUT: aantal ambtenaren, hardware en marktprijzen voorhanden zijn waartegen de software, … goederen en diensten aangekocht zijn in de • OUTPUT: aantal verwerkte aanvraagdossiers, bedrag uitgekeerde subsidies, … private sector. Voor de waardering van de arbeidsprestaties in de publieke sector doet • OUTCOME: aantal dossiers ingediend door NGO’s of aantal hectaren erkende natuurreservaten in zich soms de complicatie voor dat de beheer door NGO’s uitbetaalde lonen geen perfecte • IMPACT: evolutie biodiversiteitindicatoren. weerspiegeling zijn van de 2 opportuniteitskosten van de arbeid. We gaan dit probleem hier echter uit de weg door aan te bevelen om toch de uitbetaalde lonen als kostprijs te hanteren. Dit is trouwens ook de manier

2

Opportuniteitskosten zijn de waarde van de beste, alternatieve aanwending van de middelen. Toegepast op dit voorbeeld betekent dat dus dat de mensen die werken in publieke dienst niet meer ingezet kunnen worden in de 12

waarop de nationale rekeningen (waaruit de schattingen van het Bruto Binnenlands Product BBP enz. volgen) worden opgesteld.

Output verwijst naar de producten en diensten die de overheid met de inputs ter beschikking kan stellen. Als maatstaven daarvan kunnen we het aantal verwerkte dossiers of het uiteindelijke bedrag van de uitgekeerde subsidies beschouwen.

Outcome wijst op de reactie van de doelgroep op de overheidsoutput. Door het ter beschikking stellen van subsidies hoopt de overheid om het gedrag van de doelgroepen te sturen. Bijvoorbeeld, in het geval van de subsidies voor de aanleg van groendaken, is het de bedoeling van de overheid om gezinnen die zonder steun geen groendak overwegen toch te overhalen een groendak aan te leggen.

Impact verwijst naar de finale effecten van het beleid. Teruggrijpend naar het voorbeeld van de groendaken gaat het dan over bescherming tegen overstromingen als gevolg van piekdebieten (omdat groendaken het water enige tijd vasthouden en op later tijdstip geleidelijk afgeven) of eventueel extra biodiversiteit in een verstedelijkte omgeving. Het is belangrijk dat we hier even wijzen op de terminologie die momenteel vaak in de beleidsdocumenten van de Vlaamse overheid gebruikt wordt. Vele beleidsnota’s, ondermeer ook de beleidsnota van Minister PEETERS (zie Peeters, 2004), spreken over operationele en strategische doelstellingen. In onze interpretatie verwijst het begrip operationele doelstelling eerder naar de output of outcome begrippen en strategische doelstelling eerder naar het impact concept.

private sector. De opportuniteitskost van deze mensen in de publieke sector tewerk te stellen is de toegevoegde waarde die ze in de private sector zouden kunnen produceren. In een perfect competitieve arbeidsmarkt weerspiegelen de evenwichtsmarktlonen op deze opportuniteitskost. 13

Kader 1: Strategische en Operationele doelstellingen Strategische (SD’s) en Operationele (OD’s) doelstellingen in Beleidsnota 2004-2009, Leefmilieu en Natuur, (zie: Peeters, 2004) Blz. 67: “SD 3: Er wordt werk gemaakt van soortenbeleid en van meer verweving van activiteiten, met het oog op het behoud, het herstel en de versterking van de biodiversiteit.” Blz. 63: “OD 2: Verdere afbouw van de totale hoeveelheid huishoudelijk afval. De doelstelling om de hoeveelheid definitief te verwijderen huishoudelijk afval te verminderen tot 150 kg afval per inwoner blijft behouden. Het doel is tevens om de totale hoeveelheid huishoudelijke afvalstoffen minstens gelijk te houden of te verminderen t.o.v. 2002 en meer achter te laten blijven op de groei van de consumptie t.o.v. 2000.”

Het is belangrijk te wijzen op de bedrieglijke lineariteit en causaliteit die het schema in Figuur 1 suggereert. Voor vele beleidsproblemen bestaan er zeer sterke autonome ontwikkelingen en is het zeer moeilijk die te onderscheiden van de effecten die het overheidsoptreden heeft. Een voorbeeld daarvan is de evolutie van de mestproductie in Vlaanderen. Los van de beleidsinitiatieven zoals mestactieplannen is er natuurlijk de autonome evolutie van de betrokken markten. In de laatste jaren hebben zich verschillende crisissen voorgedaan in de landbouwsector (dioxinecrisis, gekkekoeienziekte, …) die een zeer sterke invloed gehad hebben op het aantal dieren en de productieniveaus in de betrokken sectoren. Het spreekt voor zich dat bij een eventuele evaluatie van de mestactieplannen enkel de additionele effecten, bovenop de autonome evolutie, mogen in rekening gebracht worden. De verschillende stappen in Figuur 1 geven ook aanleiding tot neveneffecten die de effecten van beleidsmaatregelen kunnen versterken of verzwakken. Een voorbeeld van het laatste zijn bijvoorbeeld de zogenaamde terugslag of “rebound” effecten. Als de overheid een sterk beleid voert om energie-efficiëntie te stimuleren, dan is het erg waarschijnlijk dat de efficiëntieverbetering leidt tot een lagere (variabele) energiekost per eenheid eindproduct. Hierdoor is het mogelijk dat er opnieuw meer energie wordt gebruikt in het productieproces en/of er gewoon meer geproduceerd gaat worden simpelweg omdat de productiviteit van de energie-input verbeterd is. Dit “rebound” of terugslageffect vermindert echter het effect van de initiële beleidsmaatregelen die gericht waren op het verbeteren van de energie-efficiëntie. Een ander voorbeeld van een neveneffect is dat door het aanpakken van één milieuprobleem, er soms andere, nieuwe milieuproblemen kunnen opduiken. Een voorbeeld hiervan zou kunnen zijn het verplichten van een roetfilter voor dieselwagens. Deze maatregel is enerzijds zeer effectief om de uitstoot van fijn stof terug te dringen maar zorgt anderzijds wel voor extra gevaarlijk afval wanneer de auto uiteindelijke gesloopt wordt en de verzadigde filter verwijderd wordt. Tot slot willen we er nog op wijzen dat Figuur enkele sterke gelijkenissen vertoont met het klassieke DPSIR (“Driving forces, Pressure, State, Impact, Response”) analysekader dat ondermeer in de MIRA-T rapporten gehanteerd wordt (zie: Van Steertegem, 2004, MIRA-T 2004). Het belangrijkste verschil is dat Figuur 1 niet expliciet een terugkoppelingsmechanisme (“Response”) voorziet. 14

4 4.1

ENKELE RELEVANTE KEUZES VOORAF EVALUATIE EX ANTE OF EX POST?

Ex ante evaluatie verwijst naar het onderzoeken van de verwachte effecten van een nieuw beleidsinstrument dat op het moment van de evaluatie nog niet operationeel is. Ex post evaluatie is een onderzoek na de feiten. Meestal vereisen ex ante en ex post evaluaties zeer verschillende methoden. Ex post zijn er meestal gegevens bekend over hoeveel geld uitgegeven werd via het betrokken subsidiekanaal, kent men soms karakteristieken van de ontvangers uit de aanvraagdossiers en heeft men soms gegevens over monitoringsindicatoren die de overheidsoutput of zelfs de milieu-impact beschrijven. Ex post evaluatie is in dat geval niets anders dan een doorgedreven statistische analyse van de data om significante « behandelingseffecten » vast te stellen3. Indien er echter geen gegevens (of van onvoldoende kwaliteit) verzameld werden, dan wordt ex post analyse eigenlijk een oefening in het opstellen van een hypothetisch scenario zonder beleid. De technieken die daarvoor gebruikt kunnen worden, zijn conceptueel eigenlijk veelal dezelfde als bij een ex ante evaluatie. Ex ante zijn er nog geen specifieke meetgegevens beschikbaar en moet men dus een hypothetische situatie proberen in te schatten (« wat zou er gebeuren indien … »). Dit kan op verschillende manieren, bijvoorbeeld door een experiment waarbij een aantal individuen wel en andere niet met de nieuwe subsidie worden geconfronteerd (bijvoorbeeld pilootprojecten). Of door middel van een gerichte bevraging bij de potentiële doelgroep te peilen naar hun mogelijke reacties op de invoering van een nieuwe subsidie (« indien u 150€ zou krijgen, bent u dan bereid een amfibieënpoel aan te leggen? »). Een andere manier is om via econometrische

3 Noteer dat het inschatten van de effecten van een “behandeling” een probleem is dat in vele exacte en sociale wetenschappen opduikt, denken we bijvoorbeeld aan het inschatten van de effectiviteit van een nieuw geneesmiddel, de effecten van een ander maairegime in vochtige hooilanden op het broedsucces van een populatie ooievaars die in de buurt broeden of de effecten van speciale opleidingsprogramma’s voor langdurig laaggeschoolde werknemers op hun tewerkstellingskansen. Met andere woorden, de technieken die we verder zullen bespreken zijn zeker niet specifiek of nieuw maar zijn integendeel gebaseerd op de uitgebreide kennis en ervaring die hiermee in verschillende disciplines is verworven.

15

technieken vraagfuncties en prijselasticiteiten4 voor de betrokken milieugoederen te schatten. Subsidies zijn eigenlijk prijskortingen en de reactie van de doelgroep kan dan onder bepaalde voorwaarden voorspeld worden door middel van deze geschatte prijselasticiteiten. We willen er ook op wijzen dat ex ante evaluatie sinds kort eigenlijk een verplichting is geworden voor elke nieuwe Vlaamse beleidsmaatregel onder het Reguleringsimpactanalyse (RIA) decreet. De Kenniscel Wetsmatiging van de Vlaamse Overheid heeft daartoe recent een handleiding opgesteld, zie Ministerie van de Vlaamse Gemeenschap (2004). Deze handleiding is zeer concreet over de formele vereisten waaraan zo een RIA moet voldoen maar laat de betrokken administratie veel vrijheid met betrekking tot de diepgang van de analyse en de technieken die daarvoor gebruikt worden.

4.2

EVALUATIE VAN WAT?

Wanneer we teruggrijpen naar Figuur 1, dan is onmiddellijk duidelijk dat het begrip evaluatie op verschillende zaken kan slaan. Zo kunnen we ten eerste de relatie onderzoeken tussen de ingezette overheidsmiddelen (bijvoorbeeld de loonkost van de betrokken ambtenaren) en de overheidsprestaties (aantal verwerkte dossiers en totaal bedrag uitbetaalde subsidies). Deze relatie duiden we aan met input → output. Ten tweede kunnen we het effect van de output (uitbetaalde subsidies) op de outcomevariabele (gedrag van de ontvangers) proberen te meten (output → outcome). Ten derde kunnen we proberen om de impact van de output op de milieuindicatoren (output → impact) te meten. 4.2.1 input → output relatie of institutionele effectiviteit Meestal gaat het hier om het evalueren van de interne bedrijfsvoering van de betrokken publieke diensten. Dit is een belangrijk publiek managementprobleem en is het onderwerp van talrijke handleidingen en publicaties (zie ondermeer de opleidingen, handleidingen en het onderzoek van het Instituut voor de Overheid van de Katholieke Universiteit Leuven, Prof. G. Bouckaert). Deze interne evaluatie maakt niet onmiddellijk deel uit van de opdracht van deze studie maar we willen er wel op wijzen dat enkele van de methodologieën die we bespreken in bepaalde omstandigheden zeer geschikt kunnen zijn voor het evalueren van de input → output relatie (zie verder hoofdstuk 6 over efficiëntiemeting).

4

De prijselasticiteit van de vraag naar een goed vertelt ons in welke mate een stijging (daling) van de prijs van het goed, zich vertaald in een daling (stijging) van de gevraagde hoeveelheid. Bijvoorbeeld, een prijselasticiteit van -1,5 betekent dat een 10% prijsstijging aanleiding zal geven tot een daling van de vraag met (-1,5)x10%=-15%. 16

4.2.2 output → outcome relatie of outcome-effectiviteit Het evalueren van deze relatie is aangewezen in die gevallen waarbij er expliciet “operationele” doelstellingen in termen van overheidsprestaties geformuleerd werden. Deze operationele doelstellingen worden meestal wel slechts als instrumentele doelstellingen gezien op weg naar het realiseren van een strategische doelstelling die in termen van impact geformuleerd is. De outcome variabele (bijvoorbeeld het aantal hectaren landbouwgebied dat onder bepaalde beheersovereenkomsten met landbouwers valt) wordt hierbij typisch als een proxy variabele beschouwd van de uiteindelijke doelstelling. Men veronderstelt dan eigenlijk dat een voldoende groot aanbod van de overheidsprestaties uiteindelijk wel zal leiden tot een positieve impact. Outcome-effectiviteit wordt in Gysen et al. (2003) ook “doelgroepeffectiviteit” genoemd. 4.2.3 Outcome → impact relatie of impacteffectiviteit Outcome evalueren is in principe eenvoudiger dan impact evalueren omdat outcome vaak makkelijker meetbaar is en de evaluatieoefening geen rekening moet houden met de finale relatie tussen outcome en impact. Deze laatste relatie is dikwijls een zeer technische relatie (bijvoorbeeld, wat is de link tussen het aantal hectaren natuurgebied van een bepaald ecotype onder een bepaald beheersregime en de uiteindelijke biodiversiteitindicatoren?) die maar bij benadering gekend is of slechts door middel van zeer uitgebreid en tijdrovend onderzoek kan geschat worden. Meestal vergt dit interdisciplinair onderzoek tussen economen/sociologen enerzijds en biologen/milieuwetenschappers anderzijds. 4.2.4 Een pragmatische aanpak Zoals hoger aangegeven gaan we in deze methodologiebeschrijving niet in op de interne bedrijfsvoering of the input → output relatie. We bekijken enkel beleidsevaluatieproblemen. De vraag is dan of we outputs of impacts moeten evalueren. De ideale evaluatie kijkt naar impact als doelstellingsvariabele. Het is uiteindelijk de impact die zich zal vertalen naar goederen en diensten naar de consumenten. De consument is niet geïnteresseerd in veel hectare natuurgebied op zich maar wel in de diensten die de natuurreservaten opleveren, namelijk dat hij of zij in die gebieden kan gaan wandelen en van de natuurwaarde genieten, of waardering heeft voor het loutere bestaan van zulke gebieden ook al maakt hij of zij er zelf geen onmiddellijk gebruik van. In feite willen we hier enkel zeggen dat de ultieme toets voor elk overheidsbeleid het welzijn van de burgers zou moeten zijn. Maar het ideaal is dikwijls niet realiseerbaar en het antwoord op de vraag wat we moeten evalueren is dat de evaluator een pragmatische aanpak moet volgen. Pragmatisch in de zin dat de beschikbaarheid van gegevens en onderzoekstijd meestal doorslaggevend zal zijn voor de ambitie van het evaluatieniveau. Ondanks de praktische belemmeringen zouden wij een sterk pleidooi willen houden voor doorgedreven kwantitatieve evaluaties op een zo hoog mogelijk niveau in de output → outcome → impact keten.

17

4.2.5 Recente Voorbeelden evaluatiestudies In Tieleman, B. en Leroy, P. (2003) wordt een uitgebreid overzicht gegeven van Vlaamse evaluatiestudies in het leefmilieudomein (zie Tabel 4, blz. 34-35) tot het jaar 2003. Tieleman (2005) rapporteert studies die tussen 1/7/2003 en 30/05/2005 gepubliceerd zijn (zie Tabel 1, blz. 37). In deze tekst zullen we zoveel mogelijk proberen om de evaluatietechnieken te illustreren met voorbeelden van studies uit Vlaanderen en het buitenland. Dit zal doorgaans de vorm aannemen van zelfstandige leeskaders in de tekst. In de volgende hoofdstukken behandelen we achtereenvolgens de grote evaluatiecriteria: effectiviteit, efficiëntie, rechtvaardigheid en overige criteria zoals administratieve lasten, macro economische neveneffecten, incentieven, innovatie en aspecten van lokale publieke financiën.

18

Deel 2: Drie Hoofdcriteria:

Effectiviteit, Efficiëntie en Rechtvaardigheid.

19

5 5.1

EFFECTIVITEIT METEN DEFINITIE

De klassieke vraag bij het meten van de effectiviteit van een beleidsmaatregel in het algemeen, en van subsidies in het bijzonder, is:

Vraag 1: Draagt de beleidsmaatregel bij tot het realiseren van de beleidsdoelstelling? Deze vraag valt uit elkaar in twee deelvragen: ten eerste in welke mate wordt de beleidsdoelstelling gerealiseerd (ook wel de “doelbereikingsvraag” genoemd) en, ten tweede, in welke mate is dit het gevolg van de inzet van het beleidsinstrument dat we aan het evalueren zijn? De laatste vraag focust op het causale verband tussen de beleidsmaatregel en het bereiken van de beleidsdoelstelling. De eerste deelvraag, in welke mate wordt de beleidsdoelstelling gerealiseerd, veronderstelt dat er een duidelijke beleidsdoelstelling, in termen van outcome (operationele doelen) of impact (strategische doelen) geformuleerd werd in de eerste plaats. Nog te vaak wordt bij het ontwerp van beleidsmaatregelen onzorgvuldig omgegaan met deze vereiste. Volgens de Handreiking Verantwoorden over Beleid van de Nederlandse Algemene Rekenkamer (zie Algemene Rekenkamer, 2000) moet een ideale beleidsdoelstelling minstens voldoen aan drie voorwaarden: (1) toetsbaar, (2) tijdsgebonden en (3) realistisch. Ten eerste moet een beleidsdoelstelling toetsbaar zijn, dat wil zeggen ze zoveel mogelijk in specifieke en meetbare eenheden gesteld moet worden. Ten tweede moet de doelstelling tijdsgebonden zijn, er moet SMART doelstellingen: met andere woorden een tijdskader De omzendbrief FB 98/4 van 18 december 1998 mbt de toetsing door de Inspectie van Financiën van de afgebakend worden waarbinnen de dossiers volgens de methodiek van de overheid het beoogde doelen doelmatigheidsanalyse, vraagt om doelstellingen te gerealiseerd wil zien. Indien er geen formuleren die SMART zijn, dwz: concreet tijdskader vermeld werd, dan is (1) Specific, (2) Measurable, het niet duidelijk wanneer de evaluatie (3) Achievable, kan plaatsvinden. Ten derde moeten (4) Realistic, en doelen realistisch zijn, dat wil zeggen (5) Time specific. ambitieus maar niet te hoog gegrepen. Té hoog gegrepen doelstellingen die door geen enkel lid van de doelgroep binnen de gestelde tijd bereikt kunnen worden, zijn evident niet evalueerbaar. Het zelfde geldt voor té zwakke doelstellingen die door iedereen gemakkelijk gerealiseerd kunnen worden. In feite zegt deze vereiste dat er voldoende variatie moet zijn in de uiteindelijke realisaties door de leden van de doelgroep. Los van deze evaluatie-overwegingen spreekt het voor zich dat te ambitieuze of te zwakke doelstellingen weinig motiverend werken op de doelgroep.

20

De mate waarin de doelstelling gerealiseerd wordt, wordt in de beleidsevaluatieliteratuur soms de doelafstand of doelbereiking genoemd. De doelafstand is met andere woorden het verschil tussen de gerealiseerde waarde van de doelstellingsindicator en zijn beoogde waarde. Indien er gegevens beschikbaar zijn, is dit dus een triviale vergelijking tussen het gerealiseerde en het gewenste resultaat. De klassieke vraagstelling verwijst duidelijk naar een beleidsdoelstelling maar eigenlijk kunnen we ook de outcome of impact van een beleidsmaatregel ook proberen te meten zonder dat er een concrete doelstelling geformuleerd werd door de beleidsmaker. Het enige probleem in dit geval is dat er geen referentiepunt is waartegen de prestatie van het beleidsinstrument zouden kunnen worden getoetst. Dus, eigenlijk kan effectiviteit dus ook gevat worden door de vraag: heeft het beleid gewerkt? Of, meer concreet:

Vraag 2: Heeft de beleidsmaatregel extra outcome of impact veroorzaakt? De tweede deelvraag die vervat zat in de oorspronkelijke vraag 1, in welke mate heeft het ingezette beleidsinstrument bijgedragen aan de realisatie van de beleidsdoelstelling, is eigenlijk de vraag naar het oorzakelijke verband tussen het instrument en de doelstelling. Het spreekt voor zich dat de loutere vaststelling dat we over de loop van de laatste vijf jaren meer subsidies gegeven hebben en dat tegelijkertijd de toestand van een bepaalde milieu-indicator verbeterd is, op zich natuurlijk onvoldoende bewijs is om te besluiten dat er een oorzakelijk verband zou zijn tussen de twee geobserveerde fenomenen. Wij gaan in deze studie vooral in op het geval dat er gegevens aanwezig zijn met betrekking tot de doelstellingsvariabelen en de uitbetaalde subsidies. Wij zijn er ons van bewust dat dit momenteel misschien nog eerder de uitzondering is dan de regel maar wij willen toch een sterk pleidooi houden voor een doorgedreven kwantitatieve analyse. Indien geen geschikte data voorhanden is, pleiten wij ervoor om te investeren in het verzamelen van gegevens en we zullen ook aanbevelingen formuleren over de aard van de gegevens die nodig zijn voor zulke kwantitatieve analyse. Dit betekent niet dat indien kwantitatieve gegevens volledig zouden ontbreken, evaluatie onmogelijk zou zijn. Het is dan immers steeds mogelijk om op kwalitatieve wijze het oorzakelijke verband tussen het beleidsinstrument en de evolutie van de outcome of impact te evalueren. Gysen et al. (2002) geven hieromtrent een nuttige methodologische aanzet die o.a. toegepast werd in Gysen et al. (2003) op het Uitvoeringsplan OrganischBiologisch Afval en in De Bruyn et al. (2003) op het Uitvoeringsplan Huishoudelijke Afvalstoffen 1997-2001. Sommige beleidsmaatregelen zijn zeker moeilijker in kwantitatieve termen te evalueren als anderen. Bijvoorbeeld de impact van ontwikkelingseducatieprojecten lijkt op het eerste gezicht moeilijk meetbaar. Toch wordt door de betrokken administratie (Administratie Buitenlands Beleid) voor dit type projecten momenteel een sterk kwantitatief georiënteerde evaluatie vereist.

21

Kader 2: Evaluatie van ontwikkelingseducatieprojecten Administratie Buitenlands Beleid – Beoordeling van subsidies voor ontwikkelingseducatieprojecten Context Ontwikkelingseducatie heeft als doel het draagvlak voor ontwikkelingssamenwerking in Vlaanderen te verruimen. Het wordt opgevat als een activiteit die zich richt op het ontwikkelen van inzichten, houdingen en gedragingen van mensen opdat zij zouden meewerken aan de uitbouw van een meer solidaire en duurzame mondiale samenleving. Hiervoor kunnen Vlaamse organisaties projectsteun aanvragen voor initiatieven die aansluiten bij dit doel. Evaluatie De organisaties die een gesubsidieerd project uitvoeren zijn verplicht om een evaluatie te doen van hun project en dit te rapporteren in hun eindverslag. In hun subsidieaanvraag moeten ze deze evaluatie al voorzien en de concrete doelstellingen en parameters aangeven die geëvalueerd zullen worden (dit is de aanpak van de PCM - Project Cycling Management methode). Ze mogen deze evaluatie zelf doen of uitbesteden. Er is nog geen evaluatiehandleiding, maar de organisaties worden aangemoedigd om op zeer concrete parameters, kwantitatief te evalueren en als het financieel haalbaar is (het budget voor evaluatie moet in proportie blijven met de totale kosten van het project) met een nulmeting en een impactmeting. Voorbeeld Fair Trade scholen Dit is een lopend project van Oxfam wereldwinkels gericht naar jongeren in TSO-scholen. Doel is jongeren instrumenten aanreiken om de wereld(handelsverhoudingen) beter te begrijpen, bij jongeren een positief beeld te creëren van eerlijke handel en bewust verbruiken, jongeren aanzetten tot actieve betrokkenheid in het kader van een brede noord-zuid beweging en jongeren ertoe aanzetten zelf deze boodschap te promoten bij leeftijdsgenoten. De evaluatie na afloop van het project zal nagaan wat het verschil is tussen scholen die aan het project meegewerkt hebben en scholen waar geen sprake is van een werking rond noord-zuidthema’s. Voorbeeld Max Havelaar Dit project liep tijdens de Fair Trade week van 2003. In de projectaanvraag werden algemene en specifieke doelstellingen en verwachte resultaten aangegeven, met indicatoren en verificatiebronnen. Hetzelfde kader wordt gebruikt in het eindverslag. Bvb. de algemene doelstelling is dat meer en meer mensen achter het concept van eerlijke handel, het keurmerk Max Havelaar staan en zich engageren. Een van de indicatoren is of aantal personen die het Max Havelaar keurmerk kennen, stijgt. Dit is geëvalueerd door een TNS-Dimarso onderzoek van een nationaal representatieve steekproef via telefonische bevraging. Hieruit bleek dat er in vergelijking met vorige jaren een kleine vooruitgang was van de kennis van eerlijke handel: van 42% naar 50% bij Nederlandstalige VVA’s . Hier was geen meting bij een controlegroep. De meer specifieke resultaten werden geëvalueerd via indicatoren als het aantal webzoekers, het aantal verkooppunten van de Delhaize, GB/Carrefour en Colruyt waar tijdens de Fair Trade week acties werden georganiseerd enzovoort. (Met dank aan Mevr. S. Ochelen (cel milieu-economie AMINAL-DG) en Mevr. H. Daelman (Administratie Buitenlands Beleid) voor het verstrekken van deze gegevens)

In de tweede definitie van effectiviteit (vraag 2) is het woord extra belangrijk. Het toetscriterium zou in dit verband dus moeten zijn of de beleidsmaatregel enig verschil uitmaakt, 22

of scherper gesteld, wat zou de outcome of impact geweest zijn zonder de beleidsmaatregel? Zou het resultaat niet hetzelfde geweest zijn zonder subsidie omdat de potentiële ontvangers al uit eigen beweging (of omdat ze onderworpen zijn aan andere beleidsmaatregelen, bijvoorbeeld milieunormen die ze moeten respecteren) hun gedrag in de beoogde richting bijgesteld zouden hebben? In de Beer et al. (2000) wordt in dat verband gesproken over “free riders”, of bedrijven en consumenten die een gesubsidieerde techniek of product ook zonder die regeling toch wel zouden hebben aangeschaft. Eigenlijk willen we dus bij het toetsen van het criterium effectiviteit nagaan of de maatregel additioneel is. Belangrijk is hierbij dus dat we bij het meten van de outcome of impact effect controleren voor autonome ontwikkelingen en eventuele neveneffecten (zie Figuur 1).

5.2

EEN POGING TOT STRUCTUREREN VAN DE METHODOLOGIEKEUZES

Om uiteindelijk tot een keuze van de juiste methodologie te komen om effectiviteit van een concrete subsidie zijn verschillende parameters van belang. Wij hebben getracht om de keuze in een stroomdiagram of keuzeboom te gieten, zie Figuur 2. Figuur 2: Keuzeboom effectiviteit

23

Het eerste keuzemoment gaat over de vraag of het een ex ante of ex post evaluatie betreft. We bespreken achtereenvolgens beide mogelijkheden.

5.3

EX POST EVALUATIE

We starten met effectiviteitevaluaties ex post, nadat het subsidiemechanisme dus is ingevoerd en er voldoende tijd verlopen is om redelijkerwijze effecten op outcome of impact te kunnen verwachten. We beschouwen eerste het geval waarin er voldoende kwantitatieve en betrouwbare gegevens aanwezig zijn om een kwantitatieve evaluatie uit te voeren. 5.3.1 Een voldoende grote steekproef van “treated” en “nontreated” subjecten Een eerste noodzakelijke voorwaarde voor een doorgedreven kwantitatieve evaluatie-oefening is dat er gegevens beschikbaar moeten zijn over een voldoende aantal subsidieontvangers met betrekking tot de outcome- of impactvariabelen die we willen evalueren. Een bespreking van de technieken om de ideale steekproefgrootte te bepalen valt buiten het bestek van dit rapport maar we verwijzen de geïnteresseerde lezer graag naar gespecialiseerde literatuur zoals Anderson et al. (2006).5 Een tweede datavereiste om de effectiviteit van een subsidieschema te evalueren, is dat we gegevens hebben over subjecten die wél en die niet van de subsidie gebruik maken. De groep die gebruik maakt van de subsidie zullen we de “behandelde groep” (treated subjects) noemen, de anderen zullen we de “controle groep” (nontreated subjects) of “nietbehandelde groep” noemen. De benodigde gegevens daarvoor kunnen minstens drie verschillende vormen aannemen.

Bijvoorbeeld, in het geval van de subsidies aan Vlaamse gemeenten in het kader van de cluster Energie van de Samenwerkingsovereenkomsten (zie www.samenwerkingsovereenkomst.be), is een overzicht vereist van het gebouwenbestand (administratie, magazijn, werkplaats, zwembad, …) en het energiegebruik (in Joule/m² bijvoorbeeld) per gebouw. Dit soort gegevens zou zowel voor gemeenten die ingetekend hebben als voor gemeenten die niet meedoen aan de SO beschikbaar moeten zijn om de effectiviteit van de subsidies te kunnen evalueren.

Ten eerste kan men proberen gegevens in te zamelen die betrekking hebben op de periode voor en op de periode na het invoeren van de subsidie. Dit soort gegevens die variëren

5

Dit is natuurlijk erg vaag maar we willen er de lezer op wijzen dat er een uitgebreide statistische literatuur bestaat over de “optimale” steekproefgrootte. In algemene termen probeert met in deze benadering om de minimale steekproefgrootte te bepalen zodanig dat de kans dat een test een foute hypothese verwerpt een gegeven betrouwbaarheid (bvb. 95%) bereikt. 24

doorheen de tijd noemen we tijdreeksgegevens of time series data. De periode voor de invoering is als het ware een nulmeting en fungeert als referentiepunt (ook soms Business-asUsual of baseline scenario genoemd). De periode na geldt dan als het scenario met beleid of het experiment. Differentiatie tussen treated en nontreated gebeurt hier dus doorheen de tijd. Bijvoorbeeld in Kader 2, de evaluatie van ontwikkelingseducatieprojecten, werd als indicatoren het aantal personen die het Max Havelaar keurmerk kennen, gebruikt. Dit is geëvalueerd door middel van herhaalde, representatieve steekproeven via telefonische bevraging. Hieruit bleek dat er in vergelijking met vorige jaren een kleine vooruitgang was van de kennis van eerlijke handel: van 42% naar 50%. De tweede manier is het omgekeerde. Hierbij meet men maar op één moment in de tijd maar zorgt ervoor dat er vertegenwoordigers van beide type individuen zijn: zij die wél en zij die geen subsidie ontvangen. Differentiatie gebeurt hier dus tussen individuen en niet tussen tijdsperiodes. Dit soort gegevens noemt men doorsnedengegevens (“cross section”). Opnieuw in Kader 2, ditmaal het OXFAM-Wereldwinkel project gericht naar jongeren in technische scholen. De evaluatie na afloop van het project zal nagaan wat het verschil is tussen scholen die aan het project meegewerkt hebben en scholen waar geen sprake is van een werking rond noord-zuidthema’s. De derde vorm is een mengvorm van de vorige twee. In sommige gevallen heeft men differentiatie doorheen tijd en individuen. Dit soort gegevens heet paneldata.6 Het spreekt voor zich dat dit laatste type gegevens de meeste informatie bevat en de meest verfijnde analyses toelaat maar tegelijkertijd ook technisch het moeilijkst hanteerbaar is. Tot nog toe hebben we enkel gesproken over gegevens in verband met de te evalueren outcome of impact. Om de loutere effectiviteit (deelvraag 1) van een subsidie te meten zou dit soort gegevens in principe moeten volstaan. Maar vaak willen we meer, we willen meestal ook kunnen verklaren waarom bepaalde individuen wel of niet de subsidie aanvragen. Bovendien hebben we hoger gezegd dat het belangrijk is om te controleren voor autonome ontwikkelingen om de additionaliteit (deelvraag 2) van de subsidie te kunnen afzonderen in de metingen. Dit laatste veronderstelt dat we ook relevante achtergrondkenmerken van de individuen en de evolutie van gemeenschappelijke factoren aan de individuen (bijvoorbeeld veranderingen in de relevante wetgeving) kennen en gegevens daarover inzamelen.

6

Men maakt nog een onderscheid tussen herhaalde cross sections en panel data. Bij panel data worden dezelfde individuen doorheen de tijd gevolgd. Bij herhaalde cross sections worden op verschillende momenten in de tijd doorsnede gegevens verzameld maar die hoeven niet noodzakelijk betrekking te hebben op dezelfde individuen. 25

Ten slotte nog een opmerking over het belang van gegevens in verband met de ontvangen subsidies. Om de effectiviteit van een subsidie te meten is het in strikte zin voldoende te weten of een bepaald individu wel of niet van de subsidie genoten heeft. Dat zou voldoende moeten zijn om te kunnen antwoorden op de vraag of de subsidie extra outcome of impact heeft veroorzaakt. Maar, wanneer men data begint te verzamelen, is het ook nuttig om alvast rekening te houden met de andere criteria die men wil onderzoeken, ondermeer efficiëntie (zie hoofdstuk 6). Om efficiëntie te kunnen meten moet men beschikken over informatie over hoeveel geld elke ontvanger via de subsidie toegestopt gekregen heeft. Op die manier kan een link gemaakt worden tussen de productiefactoren (subsidiegeld) en de outcome of impact en dit voor de verschillende individuen afzonderlijk. We zullen daarover meer in detail gaan in het hoofdstuk over efficiëntiemeting. 5.3.2 Zijn de resultaten van de “treated” en “nontreated” significant verschillend? 5.3.2.1

Vergelijken van de gemiddelde outcome/impact tussen behandelde en niet behandelde subjecten

Veronderstel dat een overheid, bijvoorbeeld een gemeente, een subsidie uitkeert aan gezinnen om een groenafval thuis te composteren. Om de effectiviteit van die subsidie te evalueren, wordt een hypothetisch experiment opgezet waarbij een toevalssteekproef van gezinnen wordt geselecteerd die in principe in aanmerking komen om de subsidie aan te vragen (dat wil zeggen gezinnen die voldoen aan de administratieve voorwaarden zoals gedomicilieerd zijn in te betrokken gemeente, voldoen aan eventuele inkomensgrenzen en alle mogelijke andere voorwaarden). De steekproef wordt daarna in twee delen verdeeld waarbij het ene deel wél en het andere deel geen toegang krijgt tot de subsidie. De verzameling van alle gezinnen in de steekproef stellen we voor door S, het deel van de gezinnen die de subsidie krijgen door B (“behandeld”) en het deel die de subsidie niet krijgen door NB (“niet behandeld”). Er wordt een nulmeting uitgevoerd, dat wil zeggen, voor elke gezin in de steekproef wordt gemeten (via een gerichte bevraging bijvoorbeeld) hoeveel groenafval zij wekelijks meegeven met de ophaalronde (voorgesteld door y i,0 ). Na verloop van een jaar worden de resultaten gemeten, dat wil zeggen dat via een nieuwe bevraging opnieuw de productie van groenafval wordt opgenomen (voorgesteld door y i,1 ). In deze geïdealiseerde testomgeving kan het effect van de subsidie in principe eenvoudig bepaald worden door het vergelijken van gemiddelde groenafval van de beide subgroepen in de steekproef: α ˆ1 = y1NB − y1B

Waarbij y1NB = ∑ i∈NB

y NB i,1 NB

n

en y1B = ∑ i∈B

y Bi,1 nB

de gemiddelde groenafvalproductie van de niet-

behandelde en de behandelde gezinnen voorstelt. De subsidie is effectief in de betekenis dat de subsidie leidt tot een lagere hoeveel groenafval die door de behandelde huisgezinnen wekelijks wordt op de stoep gezet in vergelijking met de 26

niet behandelde gezinnen indien α ˆ1 > 0 . Om te kunnen besluiten dat de subsidie inderdaad een verschil uitmaakt is het belangrijk correcte statistische toetsen te gebruiken om de significantie van het verschil in de geobserveerde gemiddeldes na te gaan7. Kader 3: Vergelijken van twee gemiddelden De cluster Vaste Afvalstoffen van de Samenwerkingsovereenkomsten tussen de gemeenten en AMINAL. [Eigen berekeningen]

Voor de gevalstudie Samenwerkingsovereenkomsten beschikken we voor de cluster Vaste Afvalstoffen over een databank met gegevens voor alle 308 Vlaamse gemeenten over hun structuurkenmerken (ondermeer het aantal inwoners, oppervlakte, gemiddelde inkomen per inwoner, …), hun score op afvalindicatoren (ondermeer de restafvalfractie per inwoner, …) en of ze al dan niet de cluster Vaste Afvalstoffen van de Samenwerkingsovereenkomsten hebben onderschreven (0: niet onderschreven, 1: onderschreven op niveau 1, 2: onderschreven op niveau 2 enz.). Een mogelijk test bestaat erin om na te gaan of de gemiddelde restafvalfractie per inwoner in gemeenten die de cluster niet onderschreven hebben significant zou afwijken van de restafvalfractie in gemeenten die de cluster wél onderschreven hebben, eender op welk niveau. We stellen door “RA2003” de restafvalfractie (kg/inwoner) in jaar 2003 voor en we construeren een dummy variabele “treated” die waarde nul aanneemt indien de gemeente in kwestie de cluster niet onderschreven heeft en waarde 1 indien ze de cluster wel onderschreven heeft op niveau 1, 2 of 3. We testen nu de nulhypothese of het gemiddelde restafvalniveau over de gemeenten die niet ingeschreven hebben significant afwijkt van 0

1

gemeenten die wél ingeschreven hebben, dwz H0: α ˆ = RA2003 − RA2003 = 0 tegen de alternatieve hypothese dat de gemiddelden niet gelijk zijn. We berekenen de t-test statistiek voor deze toets met behulp van het statistische softwarepakket Stata, versie 7.08. De resultaten voor de test worden weergegeven in onderstaande schermafdruk.

7

De meeste statistische software pakketten hebben standaard procedures (meestal zogenaamde “t-testen” om te testen of de gemiddeldes van een variabele in twee delen van de steekproef significant van elkaar verschillen. Hierbij is het van belang dat men expliciet een nulhypothese vooropstelt (bijvoorbeeld H0 : α ˆ1 = 0 ) die getest wordt tegen een specifieke alternatieve hypothese (bijvoorbeeld Ha :

α ˆ1 ≠ 0 ). Een test kan tweezijdig zijn (zoals in het

voorgaande voorbeeld) of eenzijdig (bijvoorbeeld H0 : α ˆ 1 > 0 tegen Ha :

α ˆ1 ≤ 0 ). Op voorhand moet men ook het

significantieniveau, dat is de kans dat de nulhypothese ten onrechte verworpen wordt, kiezen voor de test. De “power” van een test is de kans dat een foutieve nulhypothese terecht wordt verworpen. 8

Zie http://www.stata.com voor meer informatie over het softwarepakket.

27

Stata resultaten voor t-test Samenwerkingsovereenkomsten

De rood omcirkelde testresultaten geven aan dat de t-testwaarde 1,0037 bedraagt voor de tweezijdige test dat de gemiddelden voor beide deelgroepen gelijk zouden zijn aan elkaar. De kritische t-waarde voor een significantieniveau van 1% bedraagt 2,576 (voor meer dan 100 waarnemingen) en 1,960 voor een significantieniveau van 5%. De blauw omcirkelde cijfers geven de testresultaten weer voor een eenzijdige test. Bijvoorbeeld, aan de rechterkant, de nulhypothese dat de gemiddelden gelijk (H0: α ˆ = 0 ) zijn tegen de alternatieve hypothese dat het gemiddelde restafvalniveau voor de gemeenten die wél ingetekend hebben, significant lager zouden zijn dan voor de anderen gemeenten (H0: α ˆ > 0 ). Ook deze nulhypothese wordt verworpen (kritische t-waarde bedraagt 2,326 voor een significantieniveau van 1% en 1,645 voor een significantieniveau van 5% en meer dan 100 waarnemingen). We zouden bijgevolg met vrij grote waarschijnlijkheid kunnen besluiten dat de gemiddelde restafvalscore in het jaar 2003 niet significant verschilt tussen gemeenten die de cluster Vaste Afvalstoffen al dan niet ondertekend hebben. Maar deze conclusie mag zeker niet te snel getrokken worden in het licht van de vooronderstellingen die nodig zijn opdat deze aanpak statistisch betrouwbaar zou zijn. Meer bepaald is het in dit geval hoogst onwaarschijnlijk dat de keuze om in te tekenen in de samenwerkingsovereenkomsten onafhankelijk zou zijn van de uiteindelijke milieuscore. De gemeenten kiezen zelf of ze instappen in de cluster, er is met andere woorden zelfselectie, en dus zijn de voorwaarde van een experimentele opzet (toevalssteekproef) niet voldaan. In de volgende paragrafen zullen we voorbeeld verder uitdiepen.

Merk op dat deze test enkel iets zegt over het verschil in groenafvalproductie tussen de behandelde en niet behandelde gezinnen. De procedure zegt echter helemaal niets over de mate waarin de subsidie de productie van groenafval zou verminderen. Om hierover iets te kunnen zeggen is informatie van een nulmeting nodig.

28

Bijvoorbeeld

kan

met

de

procentuele

verandering

 y − y i,1  ∆y i =  i,0

y i,0

meten

in

groenafvalproductie per gezin en hiervan testen of de gemiddelden tussen de behandelde en niet behandelde gezinnen significant van elkaar verschillen: H0 :

5.3.2.2

∆α ˆ = ∆y

NB

B

− ∆y = 0

Experimentele versus niet-experimentele gegevens

Een belangrijke methodologische opmerking bij het voorgaande is dat de testprocedure enkel en alleen geldig is als er geen verband is tussen het al dan niet krijgen van een subsidie en de uiteindelijke uitkomst. Deze voorwaarde zou in principe voldaan moeten zijn indien de toevalssteekproef echt random is. Dat wil zeggen, behandelde en niet-behandelde individuen worden geselecteerd op volledig willekeurige wijze, zonder enige voorafgaandelijke screening die gerelateerd zou kunnen zijn aan het eindresultaat. In dit geval spreken we over experimentele gegevens, dat wil zeggen dat de onderzoeker de steekproeftrekking zodanig kan organiseren dat ze volledig willekeurig is. Spijtig genoeg zijn zulke experimentele gegevens voor socio-economische beleidsevaluatie bijna nooit voorhanden. Meestal observeert men enkel behandelde individuen die zich zelf in de steekproef geselecteerd hebben. Bijvoorbeeld, bij het evalueren van de resultaten van een opleidingsprogramma voor laaggeschoolde werklozen moet men ermee rekening houden dat de groep die voor deze opleiding gekozen heeft, geen toevallige steekproef vormt van alle werklozen die in aanmerking kwamen om de opleiding te volgen. Diegene die inschreven zijn waarschijnlijk een ander type mensen die initiatief durven nemen en bijvoorbeeld denken dat ze door het volgen van de opleiding betere kansen hebben op de arbeidsmarkt. Deze zelfselectie in het opleidingsprogramma zorgt ervoor dat de steekproef van behandelde personen niet langer een toevalssteekproef is uit de hele populatie. Het gevolg van de zelfselectie is dat we de effecten van de behandeling (dit is de kans dat individuen een job vinden) waarschijnlijk overschatten bij een eenvoudige vergelijking van het aandelen van personen die een job vonden mét en zonder het opleidingsprogramma. Diegene die de opleiding volgden, hadden sowieso al een hogere kans om een job te vinden als gevolg van niet-geobserveerde kenmerken zoals zin voor initiatief nemen en dergelijke. Ondanks deze vaststelling, blijven de hoger beschreven t-testen nuttig in een eerste verkennende fase van het onderzoek. Ze laten nog steeds toe om te bepalen of er een significant verschil is tussen de resultaten van de twee groepen. We moeten echter erg voorzicht zijn met de interpretatie van het testresultaat omdat het verschil ook door andere (niet geobserveerde) factoren beïnvloed wordt dan de beleidsmaatregel die we aan het evalueren zijn. 5.3.3 Is er een oorzakelijk verband tussen de subsidie en de outcome/impact? De meest belangrijke vraag die ons bij een evaluatie-oefening interesseert is of het verschil tussen behandelde en niet-behandelde subjecten veroorzaakt werd door de subsidie die we 29

evalueren. Met andere woorden, we willen niet alleen weten of er een verschil is tussen de twee groepen, we willen bovendien weten of dat verschil het gevolg is van de subsidie. Hiertoe moeten we dus het oorzakelijk verband tussen subsidie en outcome/impact testen. 5.3.3.1

Eenvoudige regressieanalyse

Merk op dat de testen tot nog toe enkel kunnen zeggen of er een significant verschil in gedrag is tussen de behandelde en niet-behandelde groepen maar niet in staat zijn om het causale verband met de subsidie of eventueel andere variabelen (bijvoorbeeld een verandering van de tarifering van de containers die gebruikt worden om het groenafval aan te bieden tijdens de ophaalronde) te meten. Bovendien hebben we op geen enkele manier gecontroleerd voor autonome evoluties in het recyclagegedrag. Om hiermee toch rekening te houden, wordt vaak gebruik gemaakt van regressieanalyse. Dat wil zeggen dat men een causale relatie (meestal lineair) vooropstelt tussen een te verklaren variabele y (bijvoorbeeld een outcome/impact variabele) en een aantal verklarende variabelen xk (bijvoorbeeld output variabelen, structuurkenmerken van de individuen, …): y i = β0 + β1 x1i + β2 x i2 + … + βm x mi + ui

Regressieanalyse is een statistische techniek waarbij de onbekende parameters βk van bovenstaande lineaire relatie worden bepaald in functie van de beschikbare observatie van de te verklaren variabele y en de verklarende variabelen x k . De ui term in bovenstaande uitdrukking is de zogenaamde storingsterm waarvan aangenomen wordt dat die gemiddeld, over alle observaties, de waarde nul heeft. Dit betekent dat gemiddeld genomen de bovenstaande relatie (zonder storingsterm) geldt, maar dat individuele afwijkingen kunnen voorkomen. De sterkte van regressieanalyse is dat men de geschatte parameters βk kan interpreteren als het effect van verklarende variabele x k op de te verklaren variabele y. Kader 4: Eenvoudige regressieanalyse De cluster Vaste Afvalstoffen van de Samenwerkingsovereenkomsten tussen de gemeenten en AMINAL [Eigen berekeningen, VERVOLG I].

We verwachten dat het restafvalniveau niet alleen door het intekenen op de samenwerkingsovereenkomst maar ook door structuurkenmerken van de gemeente bepaald zal worden. Het lijkt op voorhand aannemelijk dat grootsteden een hogere afvalproductie zullen hebben dan landelijke gemeenten omdat grootsteden moeilijker hun inwoners kunnen aanzetten tot recycleren enz. We stellen daarom, bij wijze van proef, het volgende lineaire verband voor tussen restafvalproductie en zijn verklarende variabelen: RA2003i = β1PRICEi + β2 YCAP2002i + β3DENS2002i + β4NIVi + ui

PRICEi YCAP2002i DENS2002i NIVi

prijs afvalverwerking (€ cent per kg) gemiddeld inkomen per hoofd in 2002 (€ per inwoner) bevolkingsdichtheid in 2002 (oppervlakte in ha gedeeld door aantal inwoners) niveau inschrijving cluster afval samenwerkingsovereenkomsten (waarden 0, 1, 2 of 3) 30

De resultaten voor de test worden weergegeven in onderstaande schermafdruk. Stata resultaten voor regressie Samenwerkingsovereenkomsten

De resultaten geven aan dat het feit dat een gemeente intekent (en het niveau waarop) een negatieve invloed heeft op de restafvalproductie. De geschatte coëfficiënt bedraagt -7,996, met andere woorden, indien een gemeente naar een hoger niveau opschuift in de cluster Vaste Afvalstoffen van de Samenwerkingsovereenkomsten, zal de gemiddelde restafvalfractie per inwoner met ongeveer 8 kg afnemen. Maar de geschatte coëfficiënt is niet significant verschillend van nul voor een significantieniveau van 5% (de t-waarde van de geschatte coëfficiënt bedraagt 1,86 wat kleiner is dan de kritische waarde van 1,960 bij een significantieniveau van 5%). Enigszins verrassend is dat de prijsvariabele wel het verwachte teken heeft (negatief) maar dat de geschatte coëfficiënt niet significant van nul verschilt. Blijkbaar is de prijs geen doorslaggevende verklarende factor van het restafvalaanbod in de gemeenten. De bevolkingsdichtheid (DENS2002) en het gemiddelde inkomen per hoofd van de bevolking (YCAP2002) hebben beide een significante positieve invloed (zowel bij 5% als 1% significatieniveau) op het restafval. Een toename van het gemiddelde inkomen met 100€ leidt tot ongeveer 1 kg meer restafval per inwoner. Gemeenten met een hogere bevolkingsdichtheid, dus waarschijnlijk meer verstedelijkte gemeenten, hebben ook een hogere restafvalfractie per inwoner.

Deze regressieanalyse is enkel een voorbeeld waarmee we de mogelijkheden van regressieanalyses willen aangeven voor evaluatiestudies. De specifieke schatting is wel gebaseerd op de werkelijke data voor de Vlaamse gemeenten maar een meer diepgaande analyse is nodig om de verklarende factoren van de restafvalfractie te identificeren en kwantitatief in te schatten. Meer bepaald doen zich problemen voor met de basisveronderstelling dat er bij experimentele data de keuze om al dan niet in te tekenen op de Samenwerkingsovereenkomsten onafhankelijk zou zijn van het uiteindelijke resultaat, de restafvalfractie. De identificatie en mogelijke oplossing van deze problemen, komen aan bod in de volgende paragraaf.

31

5.3.3.2

Selectievertekening corrigeren

PROBLEEMSTELLING

In de gevalstudie van de subsidies aan gemeenten in het kader van de cluster vaste afvalstoffen van de samenwerkingsovereenkomsten, hebben we gegevens met betrekking tot het bedrag van de ontvangen subsidies, de indicatoren over restafval en socio-economische achtergrondinformatie (aantal inwoners, oppervlakte, bevolkingsdichtheid, gemiddeld inkomen per capita, …) zowel voor gemeenten die NIET ingetekend hebben als voor de gemeenten die WEL ingetekend hebben (en voor deze laatste weten we ook per onderdeel van de samenwerkingsovereenkomsten op welk niveau ze ingetekend hebben, 1, 2 of 3). Het is belangrijk om in te zien dat deze drie groepen waarschijnlijk geen toevalsstreekproeven zijn uit de populatie van alle Vlaamse gemeenten. De gemeenten kiezen namelijk zelf of ze intekenen op de Samenwerkingsovereenkomst en op welk niveau. Deze zelfselectie veroorzaakt ook complicaties bij regressieanalyse. In die omstandigheden is het immers niet meer aannemelijk dat er geen enkele relatie zou bestaan tussen de beslissing om al dan niet de behandeling te ondergaan en het uiteindelijke resultaat. Het probleem is in de literatuur bekend onder de naam van “sample selection” of steekproefvertekening zie Greene (1997) en Verbeek (2000). Om uit te leggen wat sample selection is, beschouwen we een regressievergelijking: y i = β0 + β1 x i + β2 di + ui

Waarbij yi de te verklaren variabele voorstelt (bijvoorbeeld het loon), xi een verklarende variabele (bijvoorbeeld leeftijd) en di een dummy variabele die waarde 1 aanneemt indien het individu hoger onderwijs genoten heeft en waarde 0 indien niet. Het probleem met deze formulering is dat bij de beslissing om al dan niet hoger onderwijs te volgen, niet geobserveerde persoonlijke karakteristieken (bijvoorbeeld intelligentie of doorzettingsvermogen) van het individu meespelen, die later ook een invloed gaan hebben op het loon. Omdat deze karakteristieken niet expliciet opgenomen zijn als verklarende variabele (het zijn persoonlijkheidskenmerken van de individuen die niet gekend zijn door de onderzoeker) wordt hun effect op het loon impliciet opgenomen in de storingsterm ui. Maar omdat deze karakteristieken ook de beslissing beïnvloeden om al dan niet hoger onderwijs te volgen, ontstaat er zodoende een verband tussen de storingsterm ui en de dummy variabele di. Dit is nefast voor de standaard techniek om de parameters van bovenstaande vergelijking te

32

schatten. Meer bepaald zal de schatting van de parameter β2 , het effect van hoger opleidingsniveau op het loon, vertekend9 zijn. Om dit soort selectievertekening op te vangen zijn er verschillende mogelijke technieken. Een goed overzicht wordt geboden in Blundell en Costa Dias (2000). Welke techniek het best geschikt is, hangt af van wat men precies wil testen en, vooral, van de aard van de beschikbare gegevens. HECKMAN’S TWEE-STAPPEN SCHATTER Wanneer de onderzoeker beschikt over een enkelvoudige cross sectie (doorsnede gegevens voor treated en nontreated subjecten voor maar één tijdsperiode) dan is momenteel de meest populaire en gangbare techniek de twee-stappen methode van Heckman (1979). Intuïtief komt deze techniek erop neer dat er twee regressievergelijkingen geschat worden. De eerste regressie is de zogenaamde selectievergelijking die probeert uit te leggen of de individuen al dan niet gekozen hebben voor behandeling. De tweede vergelijking, de outcome vergelijking, gebruikt informatie van de selectievergelijking om uiteindelijk een zuivere schatting te bekomen van het effect van hoger onderwijs op het uiteindelijke loon. Selectievergelijking:

di = α0 + α1 zi2 + α 2 zi2 + v i

De selectievergelijking probeert te verklaren of een individu al dan niet hoger onderwijs kiest op basis van zijn intrinsieke kwaliteiten zoals zijn studie-ijver, intelligentie, opleidingsniveau van zijn ouders enz. Op basis van de geschatte coëfficiënten van deze vergelijkingen, kan men de kans berekenen dat een bepaald individu kiest voor hoger onderwijs. Deze geschatte probabiliteiten worden dan gebruikt om een correctievariabele te construeren, de zogenaamde Heckman’s lambda, die in de uiteindelijke outcome vergelijking als extra verklarende variabele wordt opgenomen en die de selectiebias zal controleren: Outcome vergelijking:

y i = β0 + β1 x i + β2 di + βλ λi (α v) + ui ˆ, ˆ

De techniek is gecompliceerd en vergt enige ervaring maar is in de meeste moderne econometrische software pakketten als standaardprocedure voorgeprogrammeerd.

9

Een schatter van een parameter is vertekend of onzuiver (“biased” in het Engels) indien de verwachte waarde van de parameter op basis van de steekproefgegevens zou afwijken van de echte waarde van de parameter in de gehele populatie. 33

Kader 5: Sample selection bias corrigeren dmv Heckman’s schatter De cluster Vaste Afvalstoffen van de Samenwerkingsovereenkomsten tussen de gemeenten en AMINAL [Eigen berekeningen, VERVOLG II].

In onderstaande regressie is de Heckman procedure gebruikt om de zeer waarschijnlijke selectiebias in de gegevens van de cluster vaste afvalstoffen van de samenwerkingsovereenkomsten te corrigeren. Als selectievergelijking hebben we eenvoudig vooropgesteld: TREATEDi = α1RA1997i + α 2 YCAP2002i + v i

In deze vergelijking worden dus het restafvalniveau in 1997 (RA1997) en inkomen per capita gebruikt om de beslissing om al dan niet de cluster vaste afvalstoffen te ondertekenen (TREATED neemt waarde 0 aan indien de gemeente de cluster niet onderschreven hebben en waarde 1 indien ze de cluster wel onderschreven heeft, ongeacht of ze dat op niveau 1, 2 of 3 doet). De idee hierachter is dat gemeenten die al goed presteerden lang voor de samenwerkingsovereenkomsten konden afgesloten worden, sneller geneigd zullen zijn om deel te nemen aan het programma. De outcome vergelijking wordt gegeven door: RA2003i = β1PRICEi + β2 YCAP2002i + β3NIVi + ui

Figuur: Stata resultaten regressie met correctie voor selectievertekening

De schattingresultaten tonen aan dat de impact van variabele NIV (het niveau waarop gemeenten deelnemen aan de cluster) hoger is indien men corrigeert voor selectiebias (geschatte coëfficiënt van NIV bedraagt ongeveer -13) dan bij de gewone regressie (zie vorige kader, geschatte coëfficiënt bedraagt ongeveer -8). De schatting is ook robuuster, dat wil zeggen hogere t-waarde en dus hogere significantie. De gecorrigeerde schatting zou impliceren dat de samenwerkingsovereenkomsten inderdaad een significante negatieve invloed hebben op de restafvalfractie.

We moeten er nog op wijzen dat de oplossing van het zelfselectieprobleem in de Hechmanmethode een prijs heeft. We moeten namelijk beperkende hypotheses veronderstellen over de 34

kansverdeling van de correctiefactoren. Deze hypotheses zijn in sommige omstandigheden echter niet waarschijnlijk. Een meer robuuste oplossing van het probleem wordt daarom beschreven in de volgende paragraaf. DIFFERENCE-IN-DIFFERENCES (DID) SCHATTER Wanneer de onderzoeker over rijkere gegevens kan beschikken, herhaalde crosssecties of paneldata meer bepaald, dan kan het probleem van de selectievertekening nog beter omzeild worden. Meer bepaald kan men in dit geval beroep doen op zogenaamde Difference-inDifferences (DiD) technieken10 om het onvertekende effect van een bepaalde behandeling (bijvoorbeeld het intekenen op een samenwerkingsovereenkomst) econometrisch te schatten. Ruwweg gesteld komt de DiD techniek erop neer dat men voor de treated en nontreated groep het verschil berekend in (gemiddelde) outcome/impact op twee momenten in de tijd. Daarna berekent men het verschil tussen deze beide verschillen en deze grootheid kan dan geïnterpreteerd worden als het onvertekende behandelingseffect. Vele varianten van de DiD zijn mogelijk, de ene met meer restrictieve achterliggende hypotheses dan de anderen. We behandelen deze DiD techniek in detail in het Rapport Gevalstudie Cluster Vaste Afvalstoffen. We besluiten deze technische sectie met een concreet voorbeeld van een effectiviteitmeting van een subsidieschema aan glastuinbouwers in Nederland. Kader 6: Effectiviteit energiebesparingsbeleid in de Nederlandse glastuinbouw “Effectiviteit energiebesparingsbeleid in de glastuinbouw” door de Nederlandse Algemene Rekenkamer, Tweede Kamer der Staten-Generaal (2003).

Deze studie is een ex post evaluatie van de effectiviteit van fiscale beleidsinstrumenten (subsidies en belastingsaftrek) die investeringen in energiebesparingsmaatregelen moeten stimuleren in de sector van de glastuinbouw in Nederland. Vroegere effectiviteitstudies van deze beleidsinstrumenten waren output (overheidsprestaties) gericht en kwamen tot de conclusie dat de gebruikers van deze instrumenten significant meer milieu-investeringen doen dan niet-gebruikers. Daaruit werd geconcludeerd dat het instrument aan de outcomedoelstellingen voldeed omdat ze meer milieu-investeringen uitlokken. In dit onderzoek wordt echter een stap verder gezet en wordt gekeken naar de energie-efficiëntie (outcome) van gebruikers en niet-gebruikers. De onderzoekers ondervroegen11 147 glastuinbouwers over hun milieu-investeringen. Ondermeer werd hen gevraagd of ze de investeringen waarbij ze gebruik

10

Zie Blundell en Costa Dias (2000) voor een inleiding op DiD schatters of Bratberg et al. (2005) voor een toepassing van de techniek op de evaluatie van het Sofia Protocol mbt grensoverschrijdende luchtvervuiling in Europa. 11

Voor meer uitleg over bevragingstechnieken voor ex post en ex ante evaluatiestudies, zie hoofdstuk 5.4.1. 35

hebben gemaakt van een subsidieregeling ook zouden gedaan hebben zonder subsidie. De resultaten van de enquête werden gekoppeld aan de BIN [= BedrijvenInformatieNetwerk] databank. Op deze wijze kon een uitgebreid paneldatabestand opgesteld worden waarop speciale econometrische schattingsmethode (“random effects” methode, zie Tweede Kamer der Staten-Generaal, 2003, Bijlage 3, blz. 40 of Verbeek, 2000) toegepast werden. De onderzoekers concluderen: Blz. 27: “In het onderzoek Effectiviteit Energiesubsidies wordt geconcludeerd dat 64% van de gebruikers van de EIA [= Energie InvesteringsAftrek] als ‘free-rider’ geclassificeerd kan worden. Dit betekent dat

een groot deel van de investeringen ook zonder de EIA gedaan zouden zijn, wat duidt op een weinig efficiënte maatregel.” Blz. 28: “In de analyses zijn nauwelijks verschillen in energiegebruik p.e.p. [= per eenheid product]

waargenomen tussen investeerders en niet-investeerders en investeerders die gebruikmaken van EIA of Vamil. [= Vrije Afschrijving MILieuinvestering] Hieruit kan worden geconcludeerd dat hoewel tuinders wel gebruikmaken van beleidsmaatregelen die energiebesparing stimuleren, zoals de EIA en de Vamil, dit niet aantoonbaar leidt tot een lager energiegebruik p.e.p.” Hieruit kunnen we concluderen dat de glastuinbouwers wel degelijk gebruik maken van de fiscale stimuleringsmaatregelen maar dat er is geen significant additioneel effect bestaat. Met andere woorden, de meerderheid van de tuinders zouden in ieder geval energie-efficiëntie-investeringen gedaan hebben omdat ze economisch al rendabel zijn zonder overheidssteun. Het beleidsinstrument kan dus niet als effectief bestempeld worden.

5.4

EX ANTE EVALUATIE

Voor de ex ante evaluatie gaan we twee grote methodologische sporen volgen. Het eerste spoor is dat van het bevragen van de potentiële ontvangers om hun reactie in te schatten op een bepaald subsidieprogramma. Het tweede spoor zullen we het modellenspoor noemen omdat we daarin proberen aan de hand structurele modellen die gebaseerd zijn op economische theorie, de reactie van subsidieontvangers op voorhand in te schatten. Er is niet onmiddellijk een eenduidig criterium dat we naar voren kunnen schuiven om te kiezen tussen beide sporen. Het blijkt veelal een kwestie van « geloof » en vooral van vooropleiding. Economen hebben veel ervaring met het modellenspoor en zullen daaraan in eerste instantie denken wanneer ze een beleidsmaatregel moeten evalueren ex ante12. Sociologen en

12

Deze opdeling is zeker artificieel als men bedenkt dat in de economische wetenschappen zeer veel van enquêtes gebruik gemaakt wordt, denken we maar aan marktonderzoek en marketing. 36

beleidswetenschappers daarentegen hebben een rijke traditie van enquêtes en zullen eerder voor dit spoor kiezen. Aangezien de vraagstelling van dit project eerder een economische invalshoek heeft, zullen wij meer aandacht besteden aan de modellenbenadering. Deze keuze houdt geen waardeoordeel in over de andere benadering. We zijn er trouwens van overtuigd dat in vele gevallen de twee technieken op zeer vruchtbare wijze gecombineerd kunnen worden. Alvorens over te gaan tot het bespreken van het eerste spoor (bevragingen van subsidieontvangers), willen we nog een bedenking maken over het verschil tussen ex ante en ex post. Wij hebben de bevragingstechnieken ondergebracht onder de rubriek ex ante evaluatie. Er is echter geen bezwaar tegen het gebruik van bevragingen voor ex post evaluaties. Dit komt trouwens tot uiting in de flowchart Keuzeboom effectiviteit. Bevragingen zijn een techniek die zowel vanuit de tak ex ante als ex post evaluatie bereikbaar is. De vraagstelling zou dan bijvoorbeeld zijn: “Zou u een gemeentelijk milieujaarprogramma hebben opgemaakt indien u daarvoor geen subsidie ontvangen had?”. 5.4.1 Uitgebreide bevragingen van ontvangers (enquêtes) Een eerste mogelijkheid om ex ante evaluatie van een subsidieprogramma te doen, is de potentiële ontvangers gedetailleerd te ondervragen via een enquête. Een typische vraag in deze context zou kunnen zijn: ”Indien u een subsidie van 150€ zou krijgen, overweegt u dan de aanleg van een poel in uw weide?”. Dit kan een zeer waardevolle bron van informatie zijn, op voorwaarde dat de bevraging goed doordacht werd op voorhand. In het bestek van deze studie gaan we niet op systematische wijze in op het ontwerp en de uitvoering van enquêtes, daarvoor bestaan gespecialiseerde handleidingen, zie ondermeer Billiet (1990). Deze manier van werken met bevragingen komt eigenlijk sterk overeen met de waarderingstechnieken die in milieueconomie gebruikt worden om de bestaanswaarde van milieugoederen in te schatten, meer in het bijzonder de zogenaamde CVM of “contingent valuation method”. Voor een overzicht van de verschillende mogelijk waarderingstechnieken en een volledig uitgewerkte toepassing op een concreet boscomplex (Heverleebos en Meerdaalwoud bij Leuven) verwijzen we naar Moons et al. (2000). We willen in onze methodologiebijdrage deze CVM techniek niet in detail bespreken maar willen wel wijzen op enkele klassieke problemen met de techniek die ook bij ex ante evaluatie oefeningen kunnen opdijken en opgevangen moeten worden. In het bijzonder zullen we ingaan op problemen van strategisch antwoordgedrag, het voorstellen van de hypothetische te waarderen situatie, representativiteit van de steekproef en overdracht van de resultaten naar andere beleidsproblemen. 1. Ten eerste is er het probleem van het strategisch antwoorden. Laat ons om concreet te zijn een voorbeeld nemen van een bevraging van landbouwers om in te schatten hoeveel compensatie zij minimaal eisen om een poel in hun weide aan te leggen. Indien de ondervraagde op voorhand weet dat zijn antwoord zijn uiteindelijke inkomenspositie kan beïnvloeden, dan bestaat de verleiding om strategisch te antwoorden. In dit geval dus de compensatie te overdrijven. Om dit effect in te dijken worden vaak extra vragen gesteld naar het waarom van de compensatievraag, welke extra kosten de landbouwer voor ogen 37

heeft (verlies aan opbrengst op een stuk grond, extra arbeid om poel te onderhouden enz.) zodat de onderzoekers achteraf de antwoorden kunnen checken op hun realiteitswaarde. 2. Omdat bevragingen zeer duur zijn om te organiseren, werkt men meestal met een relatief kleine steekproef waarvan men de resultaten daarna naar de hele populatie van landbouwers die in aanmerking zouden kunnen komen, probeert te extrapoleren. Opdat deze extrapolatie geldig zou zijn, moet de steekproef representatief zijn voor de hele populatie. Alle types landbouwers moeten dus in dezelfde mate in de steekproef vertegenwoordigd zijn als in de hele populatie. 3. Grote zorg moet besteed worden aan de manier waarop de te waarderen situatie wordt voorgesteld aan de ondervraagde. In het geval van de poel betekent dit dat zeer duidelijk gemaakt moet worden hoe groot die zou zijn, hoe die er zou uitzien (bij voorkeur met digitaal bewerkte foto’s) enz. Ook alle relevante informatie over welke maatregelen de landbouwer ondermeer zou moeten treffen om te vermijden dat zijn vee per ongeluk in de poel terecht komt, is noodzakelijk. Uiteindelijk moet ervoor gezorgd worden dat elke ondervraagde hetzelfde object voor ogen heeft wanneer hem naar zijn waardering of compensatie gevraagd wordt. 4. Wanneer bevragingen gebruikt worden om effectiviteit in te schatten, is het belangrijk om gegevens te verzamelen over individuen die de subsidie niet zouden ontvangen hebben (ex post) of niet zouden aanvragen (ex ante) omdat dit namelijk de controlegroep vormt. Bij ex ante evaluaties stelt zich hier geen probleem. De enquêtes worden naar potentiële kandidaten uitgestuurd en hun reactie is niet bij voorbaat gekend. Bij ex post evaluatie is het echter niet voldoende een vragenlijst te sturen naar de uiteindelijke subsidieontvangers alleen (dit is meestal eenvoudig omdat men van hen de nodige adresinformatie kent uit de aanvraagdossiers). Dit is absoluut onvoldoende om de effectiviteit na te gaan want men beschikt hier niet over een controlegroep (zie hoger, de discussie met betrekking tot selectievertekening bij ex post evaluatie). Veel interessantere informatie kan men bekomen van individuen die, hoewel ze op de hoogte waren van de subsidie, er voor gekozen hebben geen aanvraag in te dienen. De ideale ex post bevraging probeert ook deze individuen te bereiken. Uit deze summiere schets van mogelijke problemen moet vooral onthouden worden dat een goede bevraging organiseren niet evident is. Goede enquêtes wordt op voorhand vaak uitgetest op een kleine groep mensen (pretest) om eventuele problemen te detecteren en te verhelpen. Het is ook cruciaal op voorhand goed na te denken over de beleidsvragen die men aan de hand van de ingezamelde vragen wil beantwoorden, bijvoorbeeld efficiëntie testen (zie verder) vergt meer informatie dan alleen maar effectiviteit testen. De kostprijs van zulke bevragingen is dan ook zeer groot en moet afgewogen worden tegen de te verwachte opbrengsten in termen van evaluatieresultaten.

38

Kader 7: Evaluatie van Beheersovereenkomsten met landbouwers in Duitsland Voorbeeld van bevragingsmethode in het kader van de evaluatie Beheersovereenkomsten met landbouwers in Duitsland, zie: Johst et al. (2002).

van

In Johst et al. (2002) wordt een ex ante evaluatie gemaakt van beheersovereenkomsten met landbouwers in Duitsland (regio Torgau-Oschatz in Saxen) met het oog op het optimaliseren van het maairegime in functie van het broedsucces van ooievaars (Ciconia ciconia). Het biologische luik van deze studie wijst uit dat het broedsucces, gemeten als het aantal overlevende jongen, cruciaal afhangt van het voedselaanbod in de buurt van het nest en dat dit sterk beïnvloed wordt door het maairegime van de hooilanden. Ooievaars kunnen gemakkelijker prooien detecteren in kort gemaaide hooilanden dan in hoge vegetatie. In de vroegere bedrijfsvoering was er steeds een voldoende aanbod van gemaaide en ongemaaide hooilanden omdat landbouwers het hooiwerk spreiden in de tijd. In de conventionele moderne bedrijfsvoering echter wordt er nog maar tijdens twee zeer korte periodes gemaaid, de eerste periode valt einde mei, de tweede periode 6 tot 8 weken later. Het broedsucces van de ooievaars zou sterk verbeterd kunnen worden door opnieuw sequentieel in plaats van geconcentreerd te maaien. Eén van de stappen van de analyse is een bevraging van de landbouwers om te weten te komen hoeveel zij minimaal als compensatie vereisen om af te stappen van hun huidig geconcentreerd maairegime van hun hooilanden om in de plaats meer gefaseerd te maaien. Meer bepaald werd hen gevraagd hoeveel compensatie zij willen om in plaats van al hun hooilanden onmiddellijk na elkaar te maaien, één hectare hooiland 1 week, 2 weken, ... tot 5 weken later dan gewoonlijk te maaien. 92 landbouwers (ongeveer 80% van de hele populatie) uit de regio Torgau-Oschatz in Saxen werden hierover ondervraagd. Onderstaande figuur (Figuur 4 uit Johst et al. 2002) geeft weer welk percentage landbouwers bereid zijn deel te nemen aan de beheersovereenkomst en hun maairegime aan te passen (verticale as) in functie van het compensatiebedrag (horizontale as gemeten in DMark). Daaruit blijkt dat 50% van de landbouwers bereid zijn hun hooiland één week later te maaien als ze daarvoor 400 DMark zouden krijgen (lijn met cirkels). Om 50% te bewegen hun maaibeurt vijf weken uit te stellen, is een compensatie van ongeveer 600 DMark noodzakelijk (lijn met driehoeken).

Deze informatie werd daarna gebruikt om te berekenen hoe men met een gegeven budget maximaal ecologisch resultaat kan verkrijgen door het variëren van het compensatiebedrag en het maairegime. Deze oefening werd daarna herhaald voor verschillende groottes van het globale budget van de beheersovereenkomsten om de invloed op het maairegime en compensatiebedrag af te leiden.

39

Kader 8: Evaluatie van Beheersovereenkomsten met landbouwers in Vlaanderen Voorbeeld van bevragingsmethode in het kader van de ex post evaluatie van Beheersovereenkomsten in Vlaanderen, zie: Carels en Van Gijseghem (2004) en De Kaene et al. (2003).

Een beheerovereenkomst is een contract waarbij de landbouwer met de Vlaamse overheid vrijwillig afspraken maakt over het natuur- en milieubeheer op zijn landbouwbedrijf. De wettelijke grondslag voor de beheerovereenkomsten is te vinden in twee besluiten van de Vlaamse Regering (10 oktober en 16 december 2003) in uitvoering van de Europese verordening 1257/1999 betreffende steun voor plattelandsontwikkeling. Momenteel zijn er twee grote groepen beheersovereenkomsten: enerzijds pakketten die kaderen in de natuurwetgeving en anderzijds pakketten in het kader van de mestwetgeving. In de eerste groep vinden we onderdelen voor weidevogels, perceelrandenbeheer, kleine landschapselementen, botanisch beheer en erosiebestrijding. In tweede groep wordt een onderscheid gemaakt tussen natuur en water. In het kader van de verplichte Mid-Term Review van het programma Plattelandsontwikkeling (zie De Kraene et al. 2003) werd een bevraging georganiseerd bij een 200 tal Vlaamse boeren. Hieruit bleek dat de helft van de 109 ondervraagde landbouwers die momenteel genieten van subsidies in het kader van de beheersovereenkomsten antwoorden dat ze de beoogde maatregelen ook zonder financiële steun zouden genomen hebben. Slechts 28% antwoordt dat ze niet zouden zijn overgeschakeld indien ze geen steun gekregen hadden. Er werden ook 68 landbouwers ondervraagd die niet ingetekend hadden op de beheersovereenkomsten. Van hen beweert een groot aantal dat ze in aanmerking zouden komen voor de steunmaatregelen maar dat ze die niet aanvragen omdat ze de administratieve lasten te hoog vinden (25%), de subsidies te laag vinden (15%) of niet op de hoogte waren van de beheersovereenkomsten (15%). Bij dit laatste moet echter opgemerkt worden dat velen van de ondervraagde landbouwers waarschijnlijk de vereisten die binnen het kader van de beheersovereenkomsten gesteld worden, onderschatten.

Kader 9: Effectiviteit energiebesparingsbeleid in de glastuinbouw [VERVOLG]. “Effectiviteit energiebesparingsbeleid in de glastuinbouw” door de Nederlandse Algemene Rekenkamer, Tweede Kamer der Staten-Generaal (2003) [VERVOLG].

In de studie “Effectiviteit energiebesparingsbeleid in de glastuinbouw” door de Nederlandse Algemene Rekenkamer wordt in bijlage de volledige vragenlijst van de enquête bij de glastuinbouwbedrijven meegegeven, zie bijlage 5, blz. 45-50. Dit is een, naar onze mening, zeer degelijke vragenlijst die voor toekomstige evaluatiestudies als voorbeeld kan dienen.

5.4.2 Expertbevragingen (delphi studies, diepte-interviews, …) Omdat uitgebreide enquêtes opstellen, afnemen en verwerken meestal zeer tijdrovend en duur is, gaat men in praktijk vaak overschakelen op meer beperkte bevragingen waarbij vaak enkele bevoorrechte getuigen (experten) bevraagd worden. De bedoeling is dan niet om een grote dataset op te bouwen die voor doorgedreven statistische analyse gebruikt kan worden. Veeleer is de doelstelling om via een paar gerichte interviews een algemene appreciatie van het te evalueren subsidie-instrument naar voren te brengen. We verwijzen de geïnteresseerde lezer 40

graag naar gespecialiseerde literatuur voor meer details over uitvoeringmodaliteiten van deze meer beperkte bevragingstechnieken.

het gamma en de

Kader 10: Evaluatie van Samenwerkingsovereenkomsten tussen de Vlaamse overheid en de gemeenten Voorbeeld van bevragingsmethode in het kader van de ex post evaluatie van Samenwerkingsovereenkomsten tussen de Vlaamse overheid en de gemeenten, zie: Vandeputte et al. (2004).

De Samenwerkingsovereenkomsten tussen de Vlaamse milieuadministratie en de gemeenten zijn vrijwillige overeenkomsten waarbij de gemeenten zich verbinden tot het doorvoeren van bepaalde milieubeleidsmaatregelen in ruil voor extra financiële steun. De gemeenten kunnen inschrijven op drie verschillende ambitieniveaus (niveau behelst basismilieubeleid, en zeven verschillende clusters: hinder, mobiliteit, natuurlijke entiteiten, energie, water, vaste stoffen, burgers en doelgroepen en gebiedsgericht beleid. In 2004 werd aan een consortium van het HIVA (Hoger Instituut voor de Arbeid van de K.U.Leuven) en het CDO (Centrum voor Duurzame Ontwikkeling van de Universiteit Gent) de opdracht toevertrouwd om deze samenwerkingsovereenkomsten ex post en in de breedte te evalueren. Voor deze evaluatie maakten de onderzoekers gebruik van diepte-interviews bij 30 gemeenten die wel intekenden en telefonische interviews bij 6 gemeenten die niet intekende. Bij de keuze van gemeenten werd een evenredige spreiding over de Vlaamse provincies en over de bevolkingsgrootte verdeling van de gemeenten nagestreefd. Van de gemeenten die wél intekende zegt de meerderheid dat de financiële subsidies voor hen één van de belangrijkste drijfveren was om mee te doen. Een aantal gemeenten geeft echter ook aan dat intekenen op de samenwerkingsovereenkomst voor hen weinig extra inspanningen met zich mee bracht. “Zij hebben met andere woorden ingetekend op een niveau dat ze reeds haalden van voor de samenwerkingsovereenkomst of dat mits enkele minieme inspanningen gehaald kon worden. In die zin hebben zij het nodige realisme aan de dag gelegd bij het kiezen van het intekenniveau. De mogelijkheid bood zich aan om subsidies te krijgen voor een beleid dat grotendeels al gevoerd werd, maar waar nog geen subsidies tegenover stonden.” Vandeputte et al. (2004), blz 31.

41

5.4.3 Structurele Modellen Voor heel wat sectoren (bijvoorbeeld de landbouw en de energiesector) zijn er structurele economische modellen beschikbaar die het gedrag van de betrokken agenten (consumenten en/of producenten) proberen te simuleren aan de hand van mathematische relaties13. Deze mathematische relaties zijn vaak gebaseerd op economische theorie die uitgaat van optimaliserend gedrag: consumenten worden verondersteld hun nut te maximeren, bedrijven hun winst. Alvorens verder in te gaan op het aanbod van modellen voor dit soort analyses, moeten we even stil staan bij de identiteit van de ontvanger van de subsidie. Grosso modo kunnen we stellen dat de economische theorie zeer behulpzaam kan zijn in de analyse (zowel ex ante als ex post) van de gedragsreacties van doelgroepen, tenminste voor zover we de individuen van die doelgroepen duidelijk als “rationele” of “optimaliserende” instanties kunnen interpreteren. De hele consumententheorie is daarvan een goede illustratie: consumenten worden verondersteld in de economische wetenschap om een bundel goederen en diensten te kiezen zodanig dat hun “nut” maximaal is voor een gegeven en beperkt totaal budget. Als algemeen principe kunnen we dan ook stellen dat:

In de modellenaanpak wordt verondersteld dat het gedrag van de potentiële subsidie-ontvangers beschreven kan worden als het optimaliseren van een doelstellingsfunctie onder beperkingen. 1. Voor de consumenten of gezinnen (denk aan subsidies voor rationeel energiegebruik in woonhuizen of de aanleg van groendaken) kunnen we ons baseren op de klassieke consumententheorie (zie, voor een inleiding daartoe, hoofdstuk 4 van Berlage en Decoster, 2000). Consumenten worden hierbij verondersteld om een bundel goederen en diensten te kiezen zodanig dat hun totale “nut” van de bundel maximaal is voor een gegeven en beperkt totaal budget. max ( x1 ,…,xm )

(

Ui x1i , x i2 ,… , x mi

)

m

zodanig dat

∑p x k

k i

= yi

k =1

De oplossing van dit nutsmaximaliseringsprobleem voor een individuele consument kan voorgesteld worden door individuele vraagfuncties, d.w.z. een functioneel verband tussen de gevraagde hoeveelheid van een goed of dienst enerzijds, en de prijzen, beschikbaar

13 Het SELES model is een voorbeeld in Vlaanderen van een numeriek economisch simulatiemodel van de landbouwsector, zie bijvoorbeeld Helming et al. (2000)

42

(

)

inkomen en andere relevante verklarende factoren anderzijds: x ki = fik p1 ,p2 ,… ,pm , y i . De totale marktvraag is de som van alle individuele vraagfuncties. De informatie die in deze vraagfuncties vervat zit, wordt soms vereenvoudigend voorgesteld door het concept elasticiteit. De elasticiteit van de vraag naar groendaken door gezinnen is een parameter die ons zegt met hoeveel percent de vraag naar groendaken zou toenemen indien de prijs ervan afneemt (als gevolg van een subsidie bijvoorbeeld). Bijvoorbeeld, indien de vraagelasticiteit naar groendaken -1,5 zou bedragen, dan betekent dit dat een afname van de consumentenprijs met 10% als gevolg van een subsidie zou leiden tot een toename van de vraag naar groendaken met anderhalf maal tien, of dus 15%. ∆x

prijselasticiteit van de vraag = εpV =

x = relatieve verandering gevraagde hoeveeldheid ∆p relatieve verandering prijs p

De lezer zou na het voorgaande kunnen denken dat de economische theorie enkel en alleen met egoïstische consumenten werkt die ongevoelig zijn voor maatschappelijke invloedsfactoren of altruïsme. Dit zou in tegenspraak zijn met de geobserveerde werkelijkheid: mensen geven vrijwillig geld aan goede doelen of besteden een deel van hun schaarse tijd aan vrijwilligerswerk. Het kader van de consumententheorie kan echter ook uitgebreid worden naar publieke goederen en waarbij rekening gehouden wordt met de positieve waardering van de consumenten om bij te dragen tot de voorziening van die goederen. Dit wordt in de literatuur aangeduid als de “warm glow of giving” (zie Andreoni, 1990, Van Ootegem et al., 1993 of Nunes en Schokkaert, 2003). 2. Voor de producenten of bedrijven kan eenzelfde soort constructie kan opgezet worden: winstmaximering, onder de beperking van de prijzen van de productiefactoren (arbeid, kapitaal, energie, grondstoffen, …) en technologie van het productieproces, leidt hier tot aanbodfuncties. Deze geven een functioneel verband weer tussen de aangeboden hoeveelheid enerzijds en de prijs waartegen de output verkocht kan worden en andere

(

)

relevante omgevingsfactoren (het seizoen bvb) anderzijds: y kj = fjk pk ,parbeid ,pkapitaal ,… . Ook hier wordt vaak gebruik gemaakt van het elasticiteitconcept om de mate van gedragsreactie van bedrijven op veranderingen in de prijs van hun eindproduct of de prijzen van productiefactoren weer te geven. Voor een inleiding tot productietheorie, zie hoofdstuk 6&7 van Berlage en Decoster, 2000) of De Bondt (2000). Een subsidie voor een bepaalde milieumaatregel zal in de regel leiden tot een prijsdaling van één van de inputs van het productieproces. Het gedragseffect van de ondernemingen kan dan via aanbodelasticiteiten voorspeld worden. 3. Ook het keuzegedrag van een overheid, bijvoorbeeld een gemeente, wordt via een dergelijk optimaliseringskader voorgesteld. Vraagfunctie naar publieke goederen (zoals openbaar groen, bibliotheekdiensten, brandweer, …) zijn dan het resultaat van deze oefening en ook hier kunnen elasticiteiten berekend worden. Er doen zich echter complicaties voor omdat een gemeente niet onmiddellijk een persoon is, maar het keuzegedrag van de gemeente de 43

resultante is van de interactie van haar beleidsmensen (burgemeester en schepenen) met haar burgers via een democratisch besluitvormingssysteem. Omwille van het specifieke karakter van deze benadering, en omdat ze, zelfs bij economisch geschoolde mensen, weinig bekend is, zullen we in een later stadium uitgebreid ingaan op het modelleren van gedragsreacties van lokale overheden. (Zie Bijlage I) 4. Tenslotte hebben we in het milieubeleid ook vaak met actoren te maken die niet onmiddellijk als winstmaximaliseerders kunnen getypeerd worden, bijvoorbeeld lokale vrijwilligersverenigingen van milieubeschermers die een natuurreservaat beheren. Toch zullen we argumenteren dat ook hun gedrag vaak op adequate wijze beschreven kan worden vanuit de assumptie dat ze een doelstelling nastreven (bijvoorbeeld maximale uitbreiding van het reservaat of duurzame stimulering van de biodiversiteit) maar daarbij beperkt zijn in hun mogelijkheden (financiële middelen, professionele en vrijwillige arbeidskrachten,…). De enige aanname die we hierbij maken is dat dit soort verenigingen als het ware een doelstelling nastreven en daarbij op rationele wijze tewerk gaan, bijvoorbeeld prioriteiten stellen en hun beperkte middelen zodanig inzetten dat ze maximaal resultaat opleveren. In wezen verschilt de aanpak voor NGO’s en vrijwilligersorganisaties dus niet van de aanpak van bedrijven. Enkel de doelstellingsfunctie is fundamenteel anders maar het conceptueel kader is zeer gelijkaardig. Na deze korte inleiding, kunnen we de verschillende soorten modellen overlopen. Hierbij zullen we geleidelijk opbouwen. We vertrekken van een situatie waarin het subsidie-instrument slechts kleine gevolgen zal hebben die beperkt blijven tot de betrokken sector. Daarna bekijken we de situatie waarin de gevolgen substantieel worden en de grenzen van de sector overstijgen. Deze indeling laat ons toe om de verschillende soorten economische modellen logisch in te delen. Deze indeling is, tot op zekere hoogte, artificieel want veelal zal de onderzoeker chronologisch de verschillende mogelijke modellen of benaderingen doorlopen om geleidelijk aan de realiteitszin van de evaluatieoefening te verbeteren. De indeling kan dan ook gezien worden als een chronologisch stappenplan, eerder dan een keuzemenu. 5.4.3.1

Beperkte gevolgen: opportuniteitskostenanalyse

Een eerste geval is de situatie waarin de milieusubsidie verwacht wordt weinig substantiële gevolgen te hebben op het marktevenwicht in de betrokken sector. Dit is vaak het startpunt van een ex ante evaluatie van een nieuw subsidieschema. Men stelt zich in de plaats van de potentiële subsidieontvanger en vraagt zich af of men van de aangeboden subsidiemogelijkheid gebruik gaat maken. Het antwoord op deze vraag zal in wezen afhankelijk zijn van het feit of men met subsidie (en met de beoogde gedragsverandering) er uiteindelijk beter aan toe zal zijn dan zonder subsidie (en zonder de beoogde gedragsverandering). Dit is uiteindelijk een soort investeringsanalyse waarbij men de private kosten en baten van beide opties afweegt zonder rekening te houden met neveneffecten (bijvoorbeeld het feit dat, als gevolg van de subsidie, de kostprijs van de output substantieel zou verlagen en de (evenwichts)marktprijs van het goed zou verlagen). Door deze investeringsanalyse te maken kan de evaluator op voorhand inschatten wat het minimale subsidiebedrag zou moeten zijn opdat de potentiële ontvanger zijn gedrag wil wijzigen. We noemen deze evaluatietechniek opportuniteitskostenanalyse omdat de 44

subsidiebedragen minstens de beste, alternatieve opbrengst van de middelen moet dekken opdat de individuen hun gedrag willen aanpassen in de gewenste richting.

Kader 11: Pimpernelblauwtjes en opportuniteitskosten Voorbeeld van gebruik van opportuniteitskosten bij berekening van subsidies: het geval van het pimpernelblauwtje, Drechsler et al. (2005).

In Drechsler et al. (2005) worden kostenefficiënte compensatieschema’s uitgewerkt voor de bescherming van de bedreigde vlindersoort pimpernelblauwtje14 (Maculinea teleius) in de regio Landau in Duitsland. Grote pimpernel (Sanguisorba officinalis) is de waardplant van het pimpernelblauwtje waarop hij bij voorkeur zijn eitjes afzet. Deze plant komt voor in natte graslanden. Door het conventionele, geconcentreerde maairegime van de landbouwers, wordt de grote pimpernel gemaaid voordat het pimpernelblauwtje zijn eitjes heeft kunnen afzetten. Een overgang op een meer gefaseerd maairegime is een noodzakelijke voorwaarde voor het overleven van het pimpernelblauwtje op productiehooilanden. Eén van de stappen in de analyse is het inschatten van de gedragsveranderingen van de landbouwers in de regio Landau in respons op compensatiebetalingen of subsidies. In tegenstelling tot de bevragingstechniek in een gelijkaardige studie over de ooievaar (zie Johst et al., 2002), werd in dit artikel gebruikt gemaakt van een opportuniteitskostenbenadering om de noodzakelijke compensatiebetalingen te berekenen. De auteurs geven aan dat ze deze benadering beter vinden dan een bevraging van de landbouwers omdat het strategische antwoordgedrag moeilijk uitgesloten kan worden in enquêtes. Uitgangspunt van de analyse is dat uitstel van de tweede maaibeurt in augustus ter wille van het pimpernelblauwtje er toe leidt dat de voederopbrengst van de betrokken hooilanden waardeloos wordt omdat de energie-inhoud van het silagevoeder sterk vermindert in vergelijking met het conventionele maairegime. De onderzoekers veronderstellen dat de veetelers dit energieverlies moeten compenseren door veevoeder aan te kopen. Bovendien houden de berekende compensaties rekening met extra kosten (variabele kosten zoals arbeidskosten, kosten verbonden aan machinegebruik) die een alternatief, meer gespreid maairegime met zich mee brengt. Met andere woorden, het compensatieschema is gebaseerd op het concept van opportuniteitskosten: de subsidie moet minstens de waarde van het beste, alternatief overtreffen alvorens de landbouwer zijn gedrag wil aanpassen. De onderzoekers verwijzen nog naar Hodgson et al. (2005) voor een gedetailleerde studie over de monetaire waardering van productiviteitsverliezen op graslanden in Engeland als gevolg van ecologische beschermingsmaatregelen.

14

In Vlaanderen is het pimpernelblauwtje uitgestorven, de laatste waarneming dateert van 1980. In Duitsland komt deze vlinder nog slechts op enkele plaatsen in het midden het zuiden van het land voor, zie Maes en Van Dyck (1999). 45

5.4.3.2

Substantiële gevolgen: kostenmodellen

Een tweede mogelijkheid is dat de gevolgen relatief belangrijk zijn voor de doelgroep, bijvoorbeeld omdat ze grote investeringskosten meebrengen in een onderneming of omdat het gezinnen verplicht om een lening aan te gaan om de financiering rond te krijgen. In het geval van een bedrijfstak is het vaak zo dat ze verschillende technische mogelijkheden hebben om bepaalde milieudoelstellingen te realiseren. Bijvoorbeeld, in de mestverwerking is er een hele resem technieken voorhanden om te voldoen aan de wettelijke beperkingen. Wanneer nu een subsidie specifiek één technische maatregel beoogt, dan kan dat gevolgen hebben voor het hele milieubeleid en investeringsprogramma van de hele sector. Een eenvoudige investeringsanalyses is dan vaak niet meer haalbaar omdat er teveel onderlinge relaties zijn die een rol spelen. In dit soort gevallen zal men vaak beroep doen op wat wij zullen aanduiden als kostenmodellen. Dit zijn modellen die alle relevante technologische opties van een sector bij elkaar brengen in een databank en daaruit een combinatie van maatregelen zoekt die de vooropgestelde milieudoelstellingen kan realiseren tegen de laagst mogelijke kosten. Wanneer één of meerdere van die technische maatregelen in aanmerking zouden komen voor een nieuwe subsidie, dan kan het effect op de sector eenvoudig ingeschat worden door de kostprijzen van de relevante technieken in de databank aan te passen en de optimalisering opnieuw uit te voeren.

Kader 12: MilieuKostenModel (MKM) Vlaanderen Het MilieuKostenModel (MKM) Vlaanderen

Een voorbeeld in Vlaanderen van een kostenmodel is het MilieuKostenModel, of afgekort MKM, Vlaanderen, zie Meynaerts, Ochelen en Vercaemst (2003) voor achtergrondinformatie over dit model. Dit model bestaat uit een uitgebreide databank technische maatregelen die ingezet kunnen worden om de emissies van polluenten zoals SO2, NOx enz. te reduceren in verschillende bedrijfstakken van de Vlaamse economie. Per maatregel is informatie met betrekking tot het reductiepotentieel (met hoeveel % kan de maatregel de emissies van eventueel verschillende polluenten verminderen) en de kosten (op jaarbasis herrekende investeringskosten en operationele kosten) voorhanden. Op basis van een basisscenario dat de reeds geïnstalleerde technieken bevat, berekent het model door middel van lineaire programmering de maatregelencombinatie die een gegeven set emissienormen kan bereiken tegen de laagst mogelijke kost voor de Vlaamse economie. Hieruit volgt dat de door het MKM berekende maatregelencombinatie per definitie kostenefficiënt is (zie verder hoofdstuk 6). Het model kan onder bepaalde voorwaarden ook gebruikt worden om ex ante evaluaties van de effectiviteit van economische instrumenten zoals specifieke subsidies uit te voeren. Hiertoe moeten aannames gemaakt worden over de gedragsreacties van de betrokken sectoren op het subsidieschema. De aard van de reacties zal echter afhangen van de specifieke vorm van het subsidieschema. Indien een subsidie per eenheid gereduceerde polluent overwogen wordt, dan is het bijvoorbeeld redelijk te veronderstellen dat bedrijven in de sector intern alle technische maatregelen zullen implementeren met een eenheidskost (per eenheid polluent) die lager is dan het subsidietarief (per eenheid polluent). Door het subsidietarief geleidelijk op te voeren kan het model door herhaaldelijke optimalisaties zoeken naar het minimale subsidietarief nodig om een gegeven set emissiedoelstellingen te halen. Deze oefening leidt tot kostenefficiëntie maar effectiviteit is hiermee ook gegarandeerd omdat effectiviteit een noodzakelijke voorwaarde is voor efficiëntie. 46

5.4.3.3

Verschuivingen van marktevenwicht in de eigen markt alleen: partieel evenwichtsmodellen

De analyse in de vorige stap is gebaseerd op de veronderstelling dat de gedragswijzigingen niet zullen leiden tot verschuivingen van het marktevenwicht in de betrokken sector. Met andere woorden, men veronderstelt dat de ondernemingen de eventuele kostenverschillen niet zullen doorrekenen aan de consument. In vele gevallen is deze veronderstelling echter niet houdbaar. Indien het om een subsidie gaat die een bepaalde dure milieutechniek beoogt, dan is het mogelijk dat de beoogde gedragsreactie toch bereikt wordt ook al bedraagt de subsidie minder dan 100% van de investeringskosten. De reden is dat de bedrijven de kostentoename misschien kunnen doorrekenen aan de eindconsumenten, dus een hogere verkoopsprijs kunnen bedingen. Dit soort argumenten kan enkel geanalyseerd worden in modellen die zowel de aanbodzijde als de vraagzijde van de sector meenemen en op endogene wijze de evenwichtsprijs bepalen. Partiële evenwichtsmodellen zijn hiervan een voorbeeld.

Kader 13: MARKAL model MARKAL, een partieel evenwichtsmodel van de energiesector, (zie http://www.etsap.org/markal)

MARKAL is een technisch-economisch model, waarin voor het hele energiesysteem technologische informatie (rendement van installaties, investeringskosten, variabele kosten, emissies, enz) wordt samengebracht op eenvoudige maar consistente wijze. Alle energie vraag- en aanbodsactiviteiten en technologieën met hun respectievelijke emissies en de schade die hierdoor wordt veroorzaakt kunnen in het systeem worden voorgesteld, met een typische tijdshorizon van 40 jaar. Het is een dynamisch optimaliseringmodel dat toelaat lange termijn scenario's voor de energiesector en broeikasgasemissies te ontwikkelen aan de laagste kost, dat toelaat de impact van al getroffen maatregelen te kwantificeren en de kosten en technologische opties van strengere emissiereducties te evalueren. Het model laat tevens toe de rol van nieuwe technologieën voor broeikasgasreducties in te schatten en helpt de richting voor R&D bepalen. Tenslotte is het model geschikt om de verdeling van de lasten tussen sectoren van een land of tussen verschillende landen op een doorzichtige wijze te benaderen. Momenteel wordt het model gebruikt in 30 landen voor beleidsanalyse. Dit is een gezamenlijk initiatief dat gecoördineerd wordt door het ETSAP netwerk. Het ETSAP netwerk (Energie Technology Systems Analysis Programme) is een samenwerkingsverband binnen het Internationaal Energie Agentschap (IEA) dat zich toelegt op "Energieopties voor duurzame ontwikkeling". In tegenstelling het MKM Vlaanderen is (extended) MARKAL een partieel evenwichtsmodel omdat de vraag naar verschillende energiediensten prijsgevoelig kan gemodelleerd worden. Dat betekent dat het in MARKAL mogelijk is om te vraagreacties in te schatten als gevolg van prijsverhogingen van energiediensten die veroorzaakt zouden worden door meer strikte milieudoelstellingen. Dit soort kwantiteitseffecten is in kostenmodellen zoals het MKM niet meetbaar.

47

5.4.3.4

Verschuivingen van marktevenwicht in de eigen markt en verbonden markten: Macro-economische modellen

De uiteenzetting hoger ging er van uit dat de effecten op prijzen en hoeveelheden beperkt blijven tot de sector zelf, er zijn met andere woorden geen overslageffecten op andere markten. In het geval er toch overslageffecten zijn naar andere markten (bijvoorbeeld in het geval van het klimaatbeleid, maatregelen die leiden tot verschuivingen in de kostprijs van energie zullen niet alleen in de energieproductiesector gevolgen hebben, maar ook in alle andere sectoren die grote energiegebruikers zijn). Indien dit soort overslageffecten groot zijn, dan is het aangewezen alle markten simultaan te modelleren in zogenaamde “economy wide” modellen. De belangrijkste van modellen in deze categorie zijn: Input-Ouput modellen, Algemeen Evenwichtsmodellen en econometrische modellen. We bespreken elk type kort en verwijzen de geïnteresseerde lezer naar ondermeer Van Humbeeck (1996) en Berck and Hoffman (2002). Het achtergronddocument “Simulatiemodellen ter ondersteuning van het Belgische Klimaatbeleid” (Federaal Wetenschapsbeleid, 2003) bevat een overzicht van dit soort modellen met een sterke milieuoriëntatie die momenteel in België beschikbaar zijn.

INPUT-OUTPUT MODELLEN15 Input-output modellen geven of een geformaliseerde wijze de relaties weer tussen de structuur van een economie en economische acties en vinden hun oorsprong in het werk van de Russische econoom Leontief. Economische structuur verwijst in dit verband naar de sectoriele samenstelling van de economie (aandelen van de verschillende sectoren in de totale economische productie). Elk van de sectoren produceert goederen en diensten en levert die aan andere sectoren (als intermediaire goederen) of aan de finale gebruiker (de binnenlandse consumenten of aan exportmarkten). Economische acties verwijst naar consumptie of private of publieke investeringsbeslissingen die exogeen verondersteld worden. Een input-Output model is in staat om de economische impact van een grote consumptieschok (bijvoorbeeld een groot publiek project zoals het organiseren van de Olympische Spelen in 2016 in Vlaanderen of de bouw van een uitgebreid netwerk van waterzuiveringstations en rioleringen) door te rekenen op de productie, toegevoegde waarde, vraag naar productiefactoren (arbeid en kapitaal) en een selectie van milieu-indicatoren. Belangrijk hierbij is dat de finale effecten rekening houden met

15

We bespreken op dit punt in de uiteenzetting reeds input-outputmodellen hoewel ze strikt genomen weinig bruikbaar zijn om effectiviteit of efficiëntie van milieubeleidsinstrumenten in te schatten. Ze zijn wel nuttig om de macro-economische impact op bijvoorbeeld werkgelegenheid en overheidsontvangsten in te schatten (wat wij neveneffecten noemen in deze studie). Maar omdat de volgende modellen (algemeen evenwichtsmodellen) sterk geënt zijn op IO modellen, is het vanuit het standpunt van de presentatie beter de IO modellen nu reeds te bespreken. 48

de interdependenties van alle sectoren, dat wil zeggen dat extra bouwactiviteit aanleiding zal geven tot extra activiteit in de toeleveringssectoren van de bouwsector, wat op zijn beurt aanleiding geeft in de toeleveringssectoren van toeleveringssectoren en zo verder. Een schematisch overzicht van een IO-model wordt weergegeven in Figuur X.

Figuur 3: Schematisch Overzicht Input-Ouput model

Productie factoren

Milieu rekeningen

…

investeringen

…

Private consumpti e

Finale consumptie

chemie

Landbouw

Input-Outputtabel

Landbouw

a11

a12

…

c11

c12

…

Chemie

a21

a22

…

c21

c22

…

…

…

…

…

…

…

…

arbeid

f11

f12

…

…

…

…

…

CO2

m11

m12

…

afval

m21

m22

…

…

…

…

…

Het blok “Input-Outputtabel” verwijst naar een vierkante matrix waarvan de rijen de output van de verschillende economische sectoren en de kolommen de inputs van de sectoren weergeven. In de rijrichting lezen we dat de landbouwsector ter waarde van a11€ levert aan zichzelf, a12€ aan de chemische sector enz. In de kolomrichting lezen we voor dezelfde landbouwsector dat ze gebruikt maakt van a11€ inputs afkomstig uit de landbouwsector zelf, a21€ uit de chemische sector etc. De graad van detail van een input-ouputmatrix is typisch tamelijk hoog. De volledige Belgische Input-Output-tabel bevat een opdeling van de Belgische economie in ongeveer een 120 tal sectoren. Het blok “productiefactoren” is een matrix met evenveel kolommen als er sectoren zijn in het model en met evenveel rijen als er inputs onderscheiden (arbeid, kapitaal, …) worden en verwijst naar het gebruik van input door de verschillende sectoren. In de rijrichting lezen we hierin bijvoorbeeld dat de landbouw gebruik maakt van arbeid ter waard van f11€, chemische sector ter waarde van f12€ en zo verder. De “milieurekeningen” zijn conceptueel te vergelijken met de productiefactoren. Ze geven weer (meestal in fysieke eenheden) hoeveel CO2 de landbouwsector produceert (m11), hoeveel afval de chemie produceert (m22) enz.

49

Het blok “finale consumptie” tenslotte (matrix met evenveel rijen als er sectoren zijn in het model en evenveel kolommen als er onderdelen van de finale consumptie onderscheiden worden) verwijst naar het gebruik van de geproduceerde output van de verschillende sectoren door de finale (binnenlandse) consumenten, de overheid, investeringen enz. Een groot publiek investeringsprogramma (de bouw van een uitgebreid netwerk waterzuiveringstations) zal in de eerste plaats leiden tot een toename van de totale finale vraag in verschillende sectoren (zeker in de bouw maar ook in de sectoren die waterzuiveringstechnologie produceren). Dit zal aanleiding geven tot extra vraag naar toeleveringen in alle sectoren en tot extra vraag naar productiefactoren en extra milieueffecten. De berekening van de finale effecten gebeurt ofwel met behulp van zogenaamde IOmultiplicatoren ofwel via toepassing van eenvoudige (matrix)formules. Een goede methodologische inleiding op het gebruik van Input-Output modellen, uitgebreid met milieu-indicatoren vindt men ondermeer in: Van Humbeeck (1996) en Duchin en Steenge (1999). Een interessante toepassing van de methodologie op Vlaanderen is te vinden in MIRA-S 2000 (zie Van Steertegem, 2000), “Een input-outputmodel met milieumodule toegepast op afvalproductie en CO2”. Tenslotte wordt in Van Zeebroeck en Vandille (2003) een stand van zake geschetst van de milieurekeningen die met het Belgisch IO model geïntegreerd kunnen worden. De basisgegevens voor de bouw van een Input-Output model zijn een input-output tabel (een tabel die enkel de sectorale interdependenties bevat) en een zogenaamde SAM of SocialAccounting Matrix (een meer uitgebreide tabel met de categorieën van de finale consumptie, de productie-inputs, en in dit geval ook, milieusatellietrekeningen). De basis input-output tabel en de belangrijkste informatie van de SAM wordt in België door het Planbureau (www.plan.be) op regelmatige basis gepubliceerd. Momenteel is de laatste versie van de Belgische IO-tabel de versie voor het jaar 2000. Voor Vlaanderen is er echter geen aparte tabel onmiddellijk beschikbaar. De tabel in MIRA-S 2000 is een geregionaliseerde tabel, door middel van specifieke assumpties afgeleid uit de nationale tabel voor België. De verwachting is echter dat binnen afzienbare tijd geregionaliseerde IO-tabellen voor de gewesten zullen geconstrueerd worden door het Federaal Planbureau.

50

Pluspunten van IO modellen: •

zeer grote mate van detail in de sectoriele samenstelling van de economie (120 sectoren),

•

coherente gegevens die overeenstemmen met de officiële nationale rekeningen,

•

interne consistentie,

•

…

Minpunten van IO modellen: •

lineaire productietechnologieën die schaalvoordelen uitsluiten,

•

statische economische structuur,

•

geen micro-economisch gefundeerd gedrag,

•

…

IO modellen zijn bruikbaar voor: •

Schatten van neveneffecten op tewerkstelling,

•

…

ALGEMEEN EVENWICHTSMODELLEN Algemeen evenwichtsmodellen (AE in het vervolg) zijn gefundeerd in het pionierswerk van de Franse econoom Léon Walras en beschrijven de evenwichtstoestand van een economie als de resultante van het optimaliserende gedrag van de verschillende entiteiten: consumenten, producenten, de overheid, het buitenland enz. Formeel is een algemeen evenwicht van een economie een verzameling prijzen die voldoen aan de volgende fundamentele voorwaarden: (1) alle consumenten kiezen consumptiebundels die hun nut maximeren gegeven hun budget, (2) alle ondernemingen kiezen inputhoeveelheden en productieplannen zodanig dat ze hun winst maximeren, (3) alle markten zijn simultaan in evenwicht zodanig dat vraag en aanbod aan elkaar gelijk zijn. Belangrijk hierbij is dat AE modellen perfect gesloten kringlopen zijn, dat wil ondermeer zeggen dat niets uit het niets kan geproduceerd worden en dat alle inkomen dat gegenereerd wordt, ergens een aanwending vindt. Een prima introductie tot de theorie en toepassing van algemeen-evenwichtsmodellen is Ginsburgh en Keyzer (1997). Conrad (1999) geeft een overzicht van de toepasbaarheid van AE modellen in het kader van het milieubeleid. In tegenstelling tot IO modellen, kan een AE model expliciet rekening houden met prijseffecten. Indien bijvoorbeeld een groot publiek project heel veel vraag naar diensten van de bouwsector veroorzaakt en dit tot capaciteitsproblemen in die sector leidt, dan zal de evenwichtsprijs voor deze diensten stijgen wat op zijn beurt gevolgen heeft voor de vraag naar bouwactiviteit door alle andere sectoren en de huisgezinnen. Dit soort effecten, die door de werking van het prijsmechanisme doorgegeven worden in AE modellen, ontbreken in IO modellen. De huidige generatie AE modellen zijn zeer flexibele analyse-instrumenten die proberen zoveel mogelijk de realiteit van de onderliggende markten te modelleren. Zo is het mogelijk om rekening te houden met niet-competitief gedrag op outputmarkten (monopolie of oligopolie van producenten), met distorties op de arbeidsmarkt (het feit dat lonen niet 100% flexibel zijn en 51

daardoor zich niet volledig kunnen aanpassen tot vraag en aanbod aan elkaar gelijk zijn met structurele werkloosheid tot gevolg) en met endogene technologische ontwikkeling (private ondernemingen die endogeen beslissen hoeveel ze investeren in R&D) en zo verder. Bovendien zijn de recente AE modellen dynamisch van aard (meerdere tijdsperiodes) zodat ze expliciet rekening kunnen houden met het verloop van de tijd en de optimale timing van beslissingen. AE modellen zijn zeer technische analyse-instrumenten en vertonen een zeer grote opstartkost. Daarom mag het niet verwonderen dat er momenteel slechts weinig operationele AE modellen voor de Belgische economie bestaan, laat staan voor de Vlaamse. De belangrijkste modellen zijn het GEM-E3 model van de K.U.Leuven en het GreenMod model van de ULB. Het GEM-E3 model (zie www.econ.kuleuven.be/ete, research, models en www.gem-e3.net) is eigenlijk een model van de lidstaten van de Europese Unie waarbinnen België als één component beschouwd wordt. Milieu en energiesubsystemen werden in grote graad van detail gemodelleerd en het model wordt dan ook vaak gebruikt voor ex ante evaluaties van het invoeren van bepaalde milieubeleidsmaatregelen op Belgisch federaal vlak (bijvoorbeeld een federale energie of CO2 belasting) of op Europees vlak (bijvoorbeeld het ETS, Emission Trading System). In tegenstelling tot GEM-E3 beoogt het GreenMod model (zie: www.ecomod.net, research, regional modeling) de Belgische institutionele context te modelleren om zodoende tot een volledig geregionaliseerd AE model te komen waarbinnen Vlaanderen, Wallonië en Brussel expliciet en apart gemodelleerd zullen worden. Een recent voorbeeld van het gebruik van het algemeen-evenwichtsmodel GEM-E3 om de effecten van verschillende milieubeleidsinstrumenten in het kader van het Europese klimaatbeleid in te schatten is Proost en Van Regemorter (2004). Tot slot willen we er nog op wijzen dat in het kader van de economische cluster van het Steunpunt Milieubeleidswetenschappen er momenteel gewerkt wordt aan een geregionaliseerde versie van het het GEM-E3 model. Dit zou op termijn (eind 2006) moeten leiden tot een Vlaams algemeenevenwichtsmodel, ingebed in een ruimer model van de hele Belgische economie.

52

Pluspunten van AE modellen: •

coherente gegevens die overeenstemmen met de officiële nationale rekeningen.

•

micro-economisch gefundeerd gedrag (nuts- en winstmaximering),

•

interne consistentie,

•

grote realiteitszin (schaalvoordelen, niet competitieve markten, arbeidsmarktdistorties, …)

•

…

Minpunten van AE modellen: •

mindere mate van detail in de sectoriele samenstelling van de economie (typisch 20 tal sectoren),

•

grote opstartkost,

•

basisparameters vaak niet econometrisch geschat,

•

niet geschikt voor het beschrijven van het overgangspad tussen twee evenwichtssituaties,

•

…

AE modellen zijn bruikbaar voor: •

evaluatie van effectiviteit en efficiëntie van (milieu)beleidsinstrumenten,

•

inschatten neveneffecten op werkgelegenheid,

•

lange termijn scenarioverkenning,

•

…

MACRO-ECONOMETRISCHE MODELLEN Macro-econometrische modellen bestaan uit een groot aantal simultane gedragsrelaties die het vraag- en aanbod gedrag van verschillende economische actoren in kaart brengen. Deze modellen zijn veelal gebaseerd op (neo)Keynesiaanse macro-economische theorie en sterk gedetailleerd wat betreft de vraagzijde van de economie. De huidige generatie macroeconomische modellen bevat ook een meer uitgewerkte aanbodzijde. De gedragsrelaties worden meestal econometrisch geschat op basis van historische gegevens (tijdreeksen) en regelmatig bijgewerkte. In tegenstelling tot IO en AE modellen, geven macro-econometrische modellen ook informatie m.b.t. de effecten op financiële markten, wisselkoersen, inflatie enz. Bossier en Van Horebeek (2003) vormt een goed voorbeeld van het gebruik van het Belgische macro-econometrische model HERMES (zie www.plan.be voor gedetailleerde beschrijving van dit model) voor het doorrekenen van de gevolgen voor de Belgische economie van diverse types energiebelastingen in het kader van het klimaatbeleid.

53

Pluspunten van Macro-econometrische modellen: •

coherente gegevens die overeenstemmen met de officiële nationale rekeningen.

•

grote realiteitszin (schaalvoordelen, niet competitieve markten, arbeidsmarktdistorties, …),

•

sterke empirisch onderbouwd (econometrische schatting gedragsrelaties),

•

geschikt om overgangspad tussen twee evenwichtstoestanden te modelleren,

•

…

Minpunten van Macro-econometrische modellen: •

Meestal weinig detail voor milieugerelateerde sectoren,

•

grote opstartkost,

•

…

Macro-Econometrische modellen zijn bruikbaar voor: •

evaluatie van effectiviteit en efficiëntie van (milieu)beleidsinstrumenten,

•

inschatten neveneffecten op werkgelegenheid, inflatie, geldmarkten, …

•

korte en middenlange termijn scenarioverkenning,

•

…

5.5

SAMENVATTING EFFECTIVITEIT

•

“Is de subsidie effectief?” betekent zoveel als “heeft het beleid gewerkt?”. Met andere woorden: heeft de subsidie additionele outcome of impact veroorzaakt in vergelijking met de situatie waarin er geen subsidie zou zijn ingezet?

•

We hebben veel aandacht besteed aan ex post kwantitatieve evaluatie van subsidies. Daarin kwamen achtereenvolgens aan bod:

•

o

Aard van de gegevens: tijdreeksen doorsneden en panel data.

o

Experimentele en niet-experimentele gegevens: socio-economisch onderzoekers hebben meestal met natuurlijke experimenten te maken, dat wil zeggen dat de subsidieontvangers aan zelfselectie doen en de onderzoeker niet zeker is dat de ontvangers een toevalssteekproef uit de volledige populatie potentiële subsidieontvangers vertegenwoordigt.

o

Dit fenomeen leidt tot complicatie met standaard statistische technieken (hypotheses testen, regressies, …) maar kan in principe opgevangen worden.

Ex ante hebben we aandacht besteed aan:

o

Het gebruik van bevragingen om effectiviteit te evalueren kan grotendeels samengevat worden in de centrale vraag: “zou u deze maatregelen ook genomen hebben indien u geen subsidie ontvangen had?”.

o

Er zijn vele types economische simulatiemodellen die ingezet kunnen worden om effectiviteit te evalueren. De keuze van het meest geschikte model zal voornamelijk afhangen van de verwachte grootte orde van de effecten van de subsidie. 54

6 6.1

EFFICIËNTIE METEN DEFINITIE

Efficiëntie verwijst naar de relatie tussen de ingezette middelen en het bereikte resultaat16 en wordt gebruikelijk op twee manieren gedefinieerd:

Inputefficiëntie: kunnen we hetzelfde resultaat bereiken met minder middelen? Outputefficiëntie: kunnen we met dezelfde middelen meer resultaat bereiken? In wezen gaat het dus om de vraag of de inzet van middelen maximaal resultaat oplevert. De achterliggende bekommernis is dat er vooral geen middelen verspilt mogen worden omdat de overheid verschillende doelen moet dienen en elke € die voor milieu ingezet wordt, niet meer ingezet kan worden voor gezondheidszorg of onderwijs. Wat is de relatie met het voorgaande begrip van effectiviteit? Effectiviteit kijkt enkel naar de vraag of het beleid werkt, met andere woorden gaan output of impact veranderen door de inzet van het beleidsinstrument? Nergens wordt de vraag gesteld tegen welke kostprijs (financieel of in termen van productiefactoren arbeid, land, kapitaal, …). Efficiëntie daarentegen verwijst zeer nadrukkelijk naar de ingezette middelen, de vraag is niet alleen of het beleid werkt maar krijgen we ook waar voor ons geld? Uit het voorgaande kunnen we dan ook besluiten dat effectiviteit een noodzakelijke maar geen voldoende voorwaarde is voor efficiëntie. Het is niet omdat we vaststellen dat een maatregel werkt, en dus effectief is, ze tegelijkertijd ook efficiënt zou zijn. Het kan zijn dat hetzelfde resultaat kan bereikt worden door een ander, goedkoper beleidsinstrument in te zetten, of een andere technische maatregel te beogen. Effectiviteit is een noodzakelijke maar geen voldoende voorwaarde voor efficiëntie.

Aangezien efficiëntie het verband tussen ingezette middelen en het resultaat onderzoekt, zijn gegevens over die ingezette middelen onontbeerlijk om aan efficiëntiemeting te kunnen doen.

16

De ingezette middelen worden in de literatuur over efficiëntiemeting steevast “inputs” genoemd, de bereikte resultaten “outputs”. We verkiezen om consistent te blijven met deze terminologieconventie hoewel we in paragraaf 3 (basisbegrippen uit de evaluatietheorie) een ietwat andere inhoud aan deze begrippen gegeven hebben. 55

Van nature is efficiëntiemeting een vergelijkingsoefening, een comparatief concept. Men kan pas zeggen dat een maatregel niet efficiënt is indien men een alternatieve maatregel kan aanduiden die hetzelfde resultaat kan bereiken maar met minder inzet van middelen. Dit comparatieve element kan zich uiten op twee manieren. Ten eerste kan de vergelijking slaan op verschillende instrumenten. Een subsidieschema voor de aankoop en erkenning van natuurreservaten leidt op termijn tot een toename van het aantal erkende reservaten en waarschijnlijke tot een terugdringen van het verlies aan biodiversiteit in Vlaanderen. Er zijn echter ook andere beleidsinstrumenten die kunnen leiden tot de beoogde doelstellingen. Bijvoorbeeld, de overheid kan ook zelf reservaten aankopen en in beheer nemen. Om eenzelfde hoeveelheid reservaten (en eventueel niveau van biodiversiteit indien me dit concept zou kunnen meten) te realiseren kunnen dus twee instrumenten ingezet worden die verschillen in kostprijs. Efficiëntie kan dan slaan op de keuze tussen de beschikbare instrumenten. Dit soort efficiëntie-analyse wordt soms ook aangeduid als KostenEffectiviteitsAnalyse17 (KEA). In een kosten-effectiviteitsanalyse vergelijkt men zowel de “effecten” (outcome of impact) als de kosten van verschillende interventies. Op deze wijze kan men bepalen welke behandeling of interventie tegen de minste kosten het gewenste effect geeft of welk effect binnen een bepaald budget haalbaar is. Noteer dat we in de inleiding duidelijk gesteld hebben dat dit soort vergelijking niet de bedoeling is van deze TWOL studie. De tweede manier waarop het comparatieve aspect vaak naar voren komt, is het feit dat verschillende individuen van een doelgroep bijdragen aan het resultaat (output of impact), elk op hun eigen manier en met hun eigen kosten. Bijvoorbeeld, zowel de transportsector als de chemie stoot broeikasgassen uit. Om op een efficiënte wijze een gegeven emissiereductiedoelstelling te halen voor beide sectoren samen, moeten de inspanningen zodanig verdeeld worden dat de relatief dure sector minder inspanningen levert dan de relatief goedkope sector. In dit voorbeeld worden bedrijven met verschillende emissiereductiekosten vergeleken en efficiëntie betekent hier: hoe kunnen we een gegeven emissiedoelstelling halen tegen de laagste globale kost? Een ander voorbeeld betreft de gemeenten en de huisvuilophaling. Blijkbaar kost dit soort dienst, gemeten in € per ingezamelde ton restafval, meer in bepaalde gemeenten dan in andere. Vanwaar komen deze kostenverschillen? Efficiëntie in de organisatie van huisvuilophaling slaat dan op de vergelijking van gemeenten onderling om eenzelfde dienst aan te bieden. Het is dit soort efficiëntiemeting dat het voorwerp uitmaakt van dit hoofdstuk.

17

Men kan nog verder gaan en een KostenBatenAnalyse (KBA) uitvoeren. Dat is in weze hetzelfde als een KEA met dat verschil dat de effecten (outcome of impact) monetair gewaardeerd worden. 56

6.2

EEN POGING TOT STRUCTUREREN VAN DE METHODOLOGIEKEUZE Figuur 4: Keuzeboom efficiëntie

6.3

MEETTECHNIEKEN VOOR EFFICIËNTIE

6.3.1 Ex post meten van efficiëntie Het onderling vergelijken van performantie is vrij eenvoudig wanneer slechts één output en één input worden beschouwd, omdat men in dat geval beroep kan doen op eenvoudige ratio’s en de ratio’s van verschillende bedrijven of gemeenten naast elkaar kan leggen. Maar in een omgeving waarin meerdere outputs en/of inputs in het proces betrokken zijn, riskeert men met zulke enkelvoudige ratio’s al vlug een vertekend beeld te creëren. Een gemeente kan bijvoorbeeld relatief meer aandacht schenken aan milieu dan, pakweg, aan haar lokale bibliotheek. En voor een andere gemeente is dat misschien net andersom, zelfs als die twee een even groot globaal budget zouden hebben. “Samengestelde ratio’s”, waarin zowel teller als noemer verschillende componenten bevatten (eventueel gewogen), zijn dan een theoretisch alternatief, maar in de praktijk is het doorgaans 57

niet eenvoudig om verschillende outputcategorieën zomaar op te tellen. Hoe bijvoorbeeld ‘lezersbereik’ en ‘afvalreductie’ en nog enkele andere mogelijke gemeentelijke kengetallen bij elkaar optellen? In private bedrijven is dit mogelijk in zoverre men een (markt)prijs kan plakken op elk apart aangeboden product, maar het concept van de ‘omzet’ —gewaardeerd aan marktprijzen— is bijna per definitie een lege doos als het gaat om aanbieders van publieke goederen. Een alternatief is dan om het productieproces zelf in kaart te brengen, wat in principe toelaat om de afruil tussen verschillende outputs voor gegeven inputs uitdrukkelijk mee in rekening te brengen bij de globale beoordeling. Maar ook hier botst men in de praktijk op het probleem dat de werkelijke ‘technische’ afruil tussen de geobserveerde outputs en inputs niet gekend is. In wat volgt is de basisidee dat men zich daar wel een benaderend idee van kan vormen op grond van wat daadwerkelijk geobserveerd wordt, door enkele minimale, waarschijnlijk geachte, veronderstellingen op te leggen. Figuur 5 geeft hiervan een voorbeeld, waarbij we ons omwille van de duidelijkheid hebben beperkt tot een eenvoudig productieproces met één input en één output. Elk van de punten A, B,…,E staat hierbij voor een feitelijke observatie; elk punt stelt bvb. de situatie in één specifieke gemeente voor. Een plausibele veronderstelling die we vervolgens kunnen opleggen is dat “elke geobserveerde output steeds met de geobserveerde input of meer inputs kan geproduceerd worden”, en/of dat “met elke geobserveerde input steeds de daarbij horende geobserveerde output of minder kan geproduceerd worden”. In feite betekent dit dat we vanuit elk geobserveerd punt de “productiemogelijkhedenverzameling” op een plausibel geachte manier kunnen uitbreiden. In de figuur vertrekken dus vanuit alle punten A, B,…,E ‘treden’ die elk op zich deze idee weergeven (“als A geobserveerd is, en dus mogelijk, dan zijn alle punten ‘rechtsonder’ A ook mogelijk”). Eens die stap genomen, ontstaat dikwijls ook de mogelijkheid om uitspraken te doen over de relatieve efficiëntie van de verschillende observaties. Zo is bijvoorbeeld meteen duidelijk dat gemeente E in vergelijking met alle anderen veel meer van de input gebruikt en toch veel minder output produceert. Ook voor gemeente D kunnen we een dergelijke uitspraak doen: er is één gemeente, nl. A, die efficiënter werkt omdat ze (aantoonbaar) meer produceert met minder middelen. Voor de gemeenten A, B en C is er geen zulke aantoonbaar betere benchmark in de steekproef te vinden; die krijgen bij gebrek aan meer informatie dan ook het voordeel van de twijfel en worden als relatief efficiënt beschouwd. Bemerk dat we in deze laatste stap ruimte laten voor heterogeniteit; C gebruikt veel meer inputs dan A, en is dus ‘duurder’, maar daartegenover staat dat C veel meer van de betrokken output aanlevert. De vet gedrukte trapvorm geeft de globale grens van de productiemogelijkhedenverzameling weer. In de literatuur staat deze bekend als de Free Disposal Hull FDH (de ‘omhullende’ die geconstrueerd wordt o.b.v. de veronderstelling van de hierboven vermelde ‘free disposability’veronderstellingen over inputs en outputs. Zie Deprins, Simar en Tulkens, 1984). Wie onder deze grens ligt, wordt dan als (aantoonbaar) inefficiënt aanzien. Men kan overigens nog een stap verder gaan, en een kwantitatieve maatstaf ontwikkelen voor de (geobserveerde!) inefficiëntie. Hier zijn twee invalshoeken mogelijk. Ofwel zoekt men naar “de maximale inputreductie die mogelijk is zonder dat de output zelf vermindert”. Bijvoorbeeld voor gemeente D betekent dit dus dat we ‘horizontaal’ redeneren en op basis van de in de 58

steekproef aanwezige observaties een plausibele referentie proberen terugvinden. In dit geval is dat dan de ‘virtuele’ gemeente D’; die produceert evenveel outputs als D, maar gebruikt daarvoor net evenveel inputs als de geobserveerde gemeente A. Of men zoekt naar de “de maximale outputexpansie die mogelijk is zonder dat de input zelf toeneemt”. Die denkwijze volgend, zouden we zo bij D’’ terechtkomen.

Figuur 5: Reconstructie van productiemogelijkheden

Het voordeel van zulke analyses is dat ze zeer eenvoudig uitbreidbaar zijn tot het geval waarin meerdere outputs en/of inputs tegelijk worden aangeboden en voor inefficiënte observaties telkens tegelijk een kwantitatieve maatstaf én een daarmee corresponderende benchmark worden geproduceerd. Voor een toepassing van deze specifieke methodologie op data voor de Belgische gemeenten verwijzen we naar De Borger e.a. (1994). Bovendien kan men de veronderstellingen over de technische productiemogelijkheden verder uitbreiden. Veel gebruikt is bijvoorbeeld de veronderstelling, bovenop de eerdere, dat ook (lineaire) combinaties van geobserveerde input-outputcombinaties mogelijk zijn. In dat geval krijgt men dan een ‘convexe’ grens (in Figuur 5 geschetst door de stippellijn die het nulpunt, punt A en punt C verbindt, en vanuit punt C verder horizontaal verloopt). De bijhorende (in)efficiëntiewaarden zullen dan natuurlijk wijzigen. En ook zulke of gelijkaardige analyses lenen zicht uitermate goed tot een analyse in een multi-output/multi-inputomgeving. Deze laatste klasse van analyses is zeer uitgebreid en staat bekend onder de noemer Data Envelopment Analysis (DEA). Voor inleidende werken tot deze zeer ruime literatuur, met zeer uiteenlopende toepassingen, verwijzen we naar Cooper, Seiford en Tone (2000), Zhu (2002) of Cooper, Seiford en Zhu (2004). De doelmatigheids- of efficiëntieanalyses die met behulp van de pas geschetste methoden worden uitgevoerd, hebben vandaag zeker hun weg buiten de academische wereld gevonden. Ook voor beleidsdoelstellingen wordt dit instrumentarium meer en meer gebruikt (zie bvb. Algemene Rekenkamer, 2003). 59

6.3.2 Ex ante meten van efficiëntie 6.3.2.1

Kostenefficiëntie: theoretische analyse

Met kostenefficiëntie bedoelen we dat een gegeven globale milieudoelstelling (bijvoorbeeld een luchtemissienorm voor Vlaanderen) tegen de laagst mogelijke kostprijs gerealiseerd wordt. Stel dat er in totaal n (vervuilingsbronnen zijn aangeduid met index j) en dat elke vervuilingsbron gekenmerkt wordt door een specificieke kostenfunctie Kj om haar uitstoot van schadelijke stoffen te reduceren. Deze kostenfuncties nemen toe in het reductieniveau en zijn meestal convex, dat wil zeggen dat bijkomende reducties steeds duurder worden omdat steeds complexere en duurdere technologieën ingeschakeld moeten worden om de uitstoot terug te dringen. Een kostenefficiënte inspanningsverdeling om een globale doelstelling R te realiseren, kan dan berekend worden als de oplossing van volgend minimaliseringsprobleem: min

R1 ,…R n

n

∑ K j (R j ) j=1

voorwaarde :

n

∑Rj ≥ R j=1

De oplossing van dit probleem moet voldoen aan de volgende eigenschap: MK j (R *j ) ≡

dK j (R *j ) dR j

=

dK i (R i* ) dR i

≡ MK i (R *i )

∀i ≠ j ∈ {1,2,… ,n}

In woorden: eenkostenminimaliserende verdeling van de reductie-inspanningen vereist dat de marginale reductiekosten (dwz de meerkost van nog een extra ton reductie of de afgeleide van de kostenfunctie) over alle vervuilingsbronnen heen gelijk zouden zijn. Zolang er nog verschillen zouden zijn in marginale reductiekosten, kan de totale kost nog verminderd worden door de relatief dure vervuilingsbron een ton minder, en de relatief goedkope vervuilingsbron een ton meer te laten reduceren. Deze voorwaarde wordt in de milieueconomische literatuur de regel van de “gelijke marginale reductiekosten” genoemd, zie bvb. Kolstad (2000). Grafisch geeft kunnen we deze gelijke marginale kosten regel als volgt illustreren. Stel dat er slechts twee vervuilingsbronnen zijn waarvan de marginale emissiereductiekosten sterk verschillen. Vervuilingsbron 2 kan zijn uitstoot goedkoper beperken dan bron 2. Uitgangspunt is een gelijke procentuele inspanningsverdeling: elke bron doet dezelfde inspanning in procentuele termen vergeleken met het Business-As-Usual scenario. Deze verdeling geeft aanleiding tot sterk uiteenlopende niveaus van marginale kosten. Beschouw dan het alternatief waarin marginale kosten gelijk gemaakt worden. De oppervlaktes onder de marginale kosten geven de totale kosten weer. Bijgevolg realiseren we in de overgang van de gelijke procentuele verdeling naar de gelijke marginale kosten verdeling een grote kostenbesparing bij de dure vervuilingsbron. Tegelijkertijd moet de goedkope bron zijn uitstoot extra beperken maar de meerkosten (-) daarvan wegen niet op tegen de kostenbesparing (+) bij de dure bron.

60

Figuur 6: Gelijke marginale reductiekosten

6.3.2.2

Kostenefficiëntie en subsidies

Er is een uitgebreide economische literatuur die de efficiëntie-eigenschappen van milieubeleidsinstrumenten met elkaar vergelijkt. Bohm en Russel (1985) en Fullerton (2001) zijn typische voorbeelden hiervan. Een klassiek resultaat uit deze literatuur is dat subsidies, net zoals alle andere prijsinstrumenten zoals emissieheffingen en systemen van verhandelbare emissierechten, in principe tot een kostenefficiënte verdeling van de emissiereductieinspanningen kunnen leiden. De basisintuïtie hiervoor is dat wanneer economische agenten geconfronteerd worden met een beloning voor hun milieugedrag (een subsidie per eenheid polluent die ze reduceren bijvoorbeeld), ze een inspanningsniveau zullen kiezen totdat de extra kost van de laatste eenheid inspanning gelijk is aan het niveau van de beloning. Meer inspanningen leveren is niet verstandig want die extra inspanningen kosten, per eenheid polluent, meer dan de subsidie. Minder inspanningen leveren is ook niet rationeel omdat men op die manier winstengevende projecten niet realiseert. Aangezien alle vervuilers zich richten op het unieke subsidietarief om hun inspanningsniveau te kiezen, zullen over alle vervuilers heen, de marginale emissiereductiekosten gelijk zijn wat kostenefficiëntie impliceert. Het is belangrijk dat we even de voorwaarden op een rijtje zetten waaraan voldaan moet zijn opdat dit basisinzicht zou gelden. 1. Onafhankelijkheid van de keuze van milieu-inspanning van het productieniveau Een eerste voorwaarde is dat de keuze van milieutechnieken onafhankelijk is van de keuze van het totale productievolume in de onderneming. Indien deze voorwaarde niet voldaan is, dan wordt de milieusubsidie eigenlijk een verkapte product- of outputsubsidie en leidt ze tot productievolumes van vervuilende goederen die hoger zijn dan maatschappelijk gewenst. Bovendien kan dit in een competitieve markt leiden tot toetreding van nieuwe ondernemingen en opnieuw meer productie van vervuilende goederen dan gewenst. Zie ondermeer Fullerton (2001) en Kolstad (2000). 61

2. De subsidie is een uniform tarief per eenheid reductie Alle subsidies waarvan het tarief per eenheid uitgespaarde polluent vast en onveranderlijk is, leiden tot kostenefficiënte inspanningsverdelingen. Dit resultaat geldt ook voor subsidieschema’s die bestaan uit een vaste term en een variabel deel, zolang het eenheidstarief in het variabel deel maar uniform is en niet afhangt van het inspanningsniveau. Zogauw echter het eenheidstarief zou variëren in functie van het inspanningsniveau (wat in de praktijk trouwens veel voorkomt), bijvoorbeeld degressief (het eenheidssubsidietarief neemt af voor hogere inspanningsniveaus) zal de resulterende verdeling van inspanningen over de verschillende vervuilers niet meer kostenefficiënt zijn. Merk ook op dat alle subsidieschema’s die een “plafond” bevatten ook onder deze categorie vallen en bijgevolg niet automatisch aanleiding zullen geven tot een kostenefficiëntie inspanningsverdeling.

Figuur 7: Inefficiëntie van subsidies met variabel tarief en/of plafonds

Bovenstaande figuur illustreert de kosten-inefficiëntie van een subsidieschema met variabel tarief en plafond. De eerste eenheid emissiereductie wordt beloond met een subsidie van s0 maar daarna neemt het subsidietarief lineair af naarmate de inspanning toeneemt. De totale subsidie is geplafonneerd, vanaf een reductieniveau r worden extra inspanningen niet meer beloond. Wanneer de drie ondernemingen die sterk verschillende kostenstructuren hebben, geconfronteerd worden met dit subsidieschema, kiezen zij inspanningsniveaus die overeen komen met de zwarte bolletjes. Deze verdeling van inspanningen is duidelijk niet efficiënt want de marginale reductiekosten zijn niet gelijk. Met andere woorden, er is een kostenbesparing mogelijk door ondernemingen 1 en 2 minder en onderneming 3 meer inspanning te vragen en toch hetzelfde globale reductieresultaat te bereiken.

62

Bovenstaande analyse toont aan dat de theoretische efficiëntieanalyse van een subsidieschema een waardevolle start van een evaluatie kan zijn. Maar men moet zich bewust zijn van de beperkingen van deze analyses en in de praktijk voldoen de meeste subsidieschema’s niet aan de ideale vooronderstellingen van de theoretische analyse. De onderzoeker heeft dan geen andere keuze dan over te stappen op een meer uitgebreide studie die gebaseerd is op simulatiemodellen. 6.3.2.3

Simulatiemodellen

Voor het evalueren van (kosten)efficiëntie over verschillende vervuilers heen zijn vooral kostenmodellen en algemeen evenwichtsmodellen aangewezen. Deze beide categorieën van modellen kwamen al uitgebreid aan bod in paragraaf 5.4.3.

KOSTENMODELLEN Zie paragraaf 5.4.3.2.

PARTIEEL EVENWICHTSMODELLEN Zie paragraaf 5.4.3.3.

MACRO-ECONOMISCHE MODELLEN Zie paragraaf 5.4.3.4.

“INTEGRATED ASSESSMENT” OF GEÏNTEGREERDE MODELLEN De laatste jaren is er een sterke tendens naar het integreren van economische modellen met fysische of ecologische modellen om op die manier de causale link tussen economische gedragingen en milieubeleid enerzijds, en milieu-impact anderzijds te modelleren. Deze modellen zijn bij uitstek geschikt voor het ex ante evalueren van de effectiviteit en efficiëntie van subsidiesystemen, en bij uitbreiding ook andere milieubeleidsinstrumenten zoals heffingen, milieunormen enz. Een van de eerste geïntegreerde modellen is het RAINS (“Regional Air pollution InformatioN and Simulation”) model dat door het onderzoeksinstituut IIASA (International Institute for Applied Systems Analysis, Laxenburg, Oostenrijk) ontwikkeld werd. Dit model koppelt een economische module (maatregelen, potentieel en kosten voor het reduceren van de uitstoot van luchtpollutenten) aan een atmosferisch dispersiemodel op Europese schaal. Hierdoor kan men in principe een kostenminimaliserende set van emissiereductiemaatregelen voor het Verenigd Koninkrijk bepalen zodanig dat de verzurende depositie in Scandinavië onder een bepaalde drempelwaarde blijft. Onderstaand schema geeft een overzicht van de architectuur van het RAINS model. Meer informatie kan gevonden worden via: http://www.iiasa.ac.at/rains/.

63

Kader 14: het RAINS model RAINS (Regional Air pollution InformatioN and Simulation) model

The Regional Air Pollution INformation and Simulation (RAINS)-model provides a consistent framework for the analysis of reduction strategies for air pollutants. The model considers emissions of sulfur dioxide (SO2), nitrogen oxides (NOx), ammonia (NH3), volatile organic compounds (VOC) and particulate matter (PM). RAINS consists of several modules, which contain information on: (i) economic activities causing emissions (energy production and consumption, passenger and freight transport, industrial and agricultural production, solvent use etc.) (ii) emission control options and costs, (iii) atmospheric dispersion of pollutants and (iv) sensitivities of ecosystems and humans to air pollution. It simultaneously addresses health and ecosystems' impacts of particulate pollution, acidification, eutrophication and tropospheric ozone. Historic emissions of air pollutants are estimated for each country in Europe based on information collected by available international emission inventories and on national information. The model also includes projections until 2030. Options and costs for controlling emissions are represented by several emission reduction technologies. Atmospheric dispersion processes over Europe for all pollutants are modeled based on results of the European EMEP model developed at the Norwegian Meteorological Institute. The RAINS model incorporates databases on critical loads and critical levels compiled at the Coordination Center for Effects (CCE) at the National Institute for Public Health and Environmental Protection (RIVM) in the Netherlands. The model can be operated in the 'scenario analysis' mode, i.e., following the pathways of the emissions from their sources to their impacts. In this case the model provides estimates of regional costs and environmental benefits of alternative emission control strategies.

Een ander pioniermodel, ditmaal op het domein van klimaatbeleid, is ongetwijfeld het RICE (“Regional Integrated model of Climate and the Economy”) model door Nordhaus en Yang (1996). Dit dynamisch model koppelt een vereenvoudigde voorstelling van de wereldeconomie (6 regio’s, 1 consumptiegoed) aan een vereenvoudigd fysisch model van de koolstofcyclus en klimaatsysteem op wereldschaal. Eyckmans en Tulkens (2003) gebruiken een gelijkaardig model (het CLIMNEG World Simulation of CWS model) om de stabiliteit van vrijwillige internationale klimaatakkoorden in de toekomst te simuleren. Voor de evaluatie van beheersovereenkomsten met landbouwers in het kader van het natuurbeleid zijn de eerder geciteerde werken van Johst et al. (2002) en Drechsler et al. (2005) goede voorbeelden van de koppeling van economische modelletjes van de betrokken landbouwsector aan gedetailleerde ecologische modellen van specifieke soorten. Andere voorbeelden in dit verband zijn Oglethorpe et al. (1999) die een vegetatiemodel koppelen aan 64

een economische module om ex ante de effecten van bepaalde beleidsmaatregelen in de landbouwsector (o.a. meer extensieve veeteelt, beperkingen op het aantal dieren per hectare, …) op de botanische diversiteit van graslanden en op het inkomen van de landbouwers te simuleren in Engeland. Wätzold en Schwerdtner (2005) geven een ruimer overzicht van de recente literatuur die de kosteneffectiviteit van het Europese biodiversiteitbeleid (o.a. het instrument van de beheersovereenkomsten in het kader van het hervormde Gemeenschappelijk Landbouwbeleid) onderzoekt. Verschillende van de gerefereerde studies gebruiken “integrated assessment” modellen die ecologische en economische modellen aan elkaar koppelen. Tot slot willen we er nog op wijzen dat de Vlaamse milieuadministratie het initiatief genomen heeft om het bestaande methodologische kader van het MilieuKostenModel MKM (zie hoger, paragraaf 5.4.3.2) uit te breiden naar het beleidsdomein oppervlaktewater, zie Meynaerts et al. (2004). Specifiek voor het milieucompartiment water is dat de milieudoelstellingen gelden voor de resulterende waterkwaliteit en niet voor de geloosde vuilvrachten. Daarom wordt nu onderzocht hoe de relatie tussen geloosde vuilvrachten en waterkwaliteit kan opgenomen worden in het MKM. Hiervoor zou gebruik gemaakt kunnen worden van waterkwaliteitsmodellen (die al door de Vlaamse Milieumaatschappij ontwikkeld zijn voor het Scheldebekken met name het PEGASE model) of van vereenvoudigde methodes (zoals transportcoëfficiënten). Het opzet van het project MKM-Water is dus om een geïntegreerd model te bouwen dat een economische kostenmodule koppelt aan een (vereenvoudigde) waterkwaliteitsmodel voor een specifiek rivierbekken in Vlaanderen. Op die manier kan het MKM, in het gekozen bekken, de meest kosteneffectieve combinatie van milieumaatregelen berekenen om een bepaalde waterkwaliteitsnorm te halen.

6.4

SAMENVATTING EFFICIËNTIE

•

“Is de subsidie een efficiënt beleidsinstrument?” is de vraag naar hoeveel waar voor ons geld krijgen we als overheid? De hamvraag is dus: “hoeveel outcome of impact verkrijgen we per eenheid ingezette middelen?”.

•

We hebben aandacht besteed aan het ex post meten van efficiëntie via zogenaamde efficiëntiemeting of doelmatigheidsanalyse. Deze techniek vergelijkt subsidieontvangers op basis van de outcome of impact die ze produceren in vergelijking met de subsidiemiddelen die ze ontvangen.

•

Een kostenefficiënte verdeling van inspanningen betekent dat goedkope producenten meer moeten bijdragen aan de globale milieudoelstelling dan dure producenten. Dit principe geeft aanleiding tot de “gelijke marginale kosten regel”.

•

Economische simulatiemodellen kunnen hierbij zeer behulpzaam zijn. Vooral geïntegreerde modellen die een economische module koppelen aan een fysisch of ecologisch model zijn in opmars om beleidsinstrumenten ex ante of ex post te evalueren.

65

7

RECHTVAARDIGHEID

Rechtvaardigheid is een bijzonder breed begrip en een vlag die vele ladingen dekt. Belangrijk daarbij is dat rechtvaardigheid per definitie een normatief begrip is dat terug te voeren is op fundamentele waardeoordelen. Deze waardeoordelen zijn subjectief, wat de ene mens als rechtvaardig aanvoelt is niet altijd gelijk aan wat een ander mens als rechtvaardig zou bestempelen. Deze achterliggende fundamentele waardeoordelen kunnen niet objectief gerangschikt worden op basis van wetenschappelijke argumenten. We kunnen met andere woorden nooit aanvoeren dat een bepaald rechtvaardigheidsconcept wetenschappelijk “fout” zou zijn. We kunnen hoogstens discussiëren over de achterliggende waardeoordelen. In een democratisch samenlevingsmodel is deze discussie over waardeoordelen typisch het onderwerp van de politiek die uiteindelijk een afweging maakt tussen de verschillende individuele waardeoordelen. Dit brengt met zich mee dat de beleidsevaluator eigenlijk eerst de waardeoordelen van de opdrachtgever zou moeten opvragen en daarmee het criterium rechtvaardigheid moet evalueren. Er is een zeer ruime waaier aan mogelijke rechtvaardigheidsopvattingen en wij beperken ons in dit rapport tot twee representatieve criteria: het vervuiler betaalt principe en het draagkrachtprincipe. Een meer uitgebreid overzicht vindt men bijvoorbeeld in Kneese en Schulze (1985).

7.1

RECHTVAARDIGHEID EN DE VERVUILER BETAALT OF BETAALD?

In het kader van het Vlaamse milieubeleid wordt rechtvaardigheid vaak geïnterpreteerd als het principe “de vervuiler betaalt”. Bij het verdelen van de inspanningen om aan een bepaald milieuprobleem te verhelpen, wordt het als rechtvaardig beschouwd dat de veroorzaker van het probleem opdraait voor de kosten. Dit criterium heeft grote opgang gemaakt omdat het als basisprincipe in vele internationale samenwerkingsverbanden (ondermeer in de OESO) en in de Vlaamse wetgeving expliciet is opgenomen. In feite is het een eerder “procedurele” rechtvaardigheidsopvatting. De acties van een persoon worden als rechtvaardig bestempeld als die persoon het recht heeft die handeling uit te voeren of als hij handelt in overeenstemming met de overeengekomen regels. De uitkomst van die handeling is bij de rechtvaardigheidsevaluatie daarbij van ondergeschikt belang. Het “vervuiler betaalt” criterium gaat er vanuit dat de maatschappij en de burgers recht hebben op een schoon leefmilieu. Elk vorm van milieuvervuiling, bijvoorbeeld overbemesting in de landbouw, is dan een inbreuk op dat eigendomsrecht en kan bijgevolg niet rechtvaardig zijn. Hieruit volgt dan onmiddellijk dat de vervuiler de aangerichte schade moet vergoeden, of met andere woorden dat de vervuiler moet betalen. Maar in het kader van milieusubsidies stelt zich het probleem dat we eerder van het principe “de vervuiler betaald” in plaats van “de vervuiler betaalt” moeten spreken (zie Vermeulen 1992 voor de oorsprong van deze woordspeling). Inderdaad, bij milieusubsidies betalen we eigenlijk vervuilers om hun gedrag in de gewenste richting aan te passen. Volgens Hanley et al. (1998) 66

is de hele discussie terug te voeren op de definitie van de onderliggende eigendomsrechten. Indien we ervan uit gaan dat de maatschappij en de burgers recht hebben op een schoon leefmilieu, dan leidt ons dat automatisch tot het “vervuiler betaalt” principe wat impliceert dat de landbouwer onderworpen zou moeten worden aan een heffing in plaats van een subsidie te ontvangen. Maar men zou het eigendomsrecht ook anders kunnen interpreteren. Indien de landbouwer het recht zou hebben om het leefmilieu te gebruiken als stortplaats voor overtollig mest, dan betekent elke beperking daarvan een inbreuk op zijn eigendomsrecht. In deze interpretatie wordt de landbouwer betaald om zijn vervuilende activiteiten terug te schroeven of met andere woorden “de vervuiler betaald”. Vanzelfsprekend wordt deze argumentatie vaak als verdediging door de vervuilers aangehaald maar ze botst natuurlijk met de idee dat het leefmilieu een collectief goed is en is daarom voor vele mensen dan ook onaanvaardbaar. Voor de evaluatie van het “vervuiler betaalt” criterium kunnen we dan twee stappen onderscheiden: 1) Identificatie van de vervuilers; 2) Identificatie van de financiële stromen tussen de samenleving en de vervuilers. Stap één zou in principe geen probleem mogen opleveren tenzij in de context van difuse vervuilingsproblemen waarbij de individuele vervuilingsbronnen vaak niet gekend zijn, enkel de totale vervuiling. Stap twee vergt vaak meer speurwerk omdat we daarbij in principe verder moeten kijken dan de subsidie op zich. Blijft er na de subsidie nog restvervuiling over en wordt die bijvoorbeeld met een emissieheffing belast enzovoort.

7.2

RECHTVAARDIGHEID ALS DRAAGKRACHT

Een tweede mogelijke rechtvaardigheidscriterium is een draagkracht benadering. Deze rechtvaardigheidsopvatting is veeleer “consequentialistisch” of “uitkomstgevoelig”. Deze benadering gaat er bijvoorbeeld van uit dat rechtvaardigheid gekoppeld is aan de inkomensverdeling in een samenleving. Een beleidsmaatregel X wordt dan als meer rechtvaardig beschouwd dan een andere maatregel Y, als de uiteindelijke inkomensongelijkheid onder X lager is dan onder Y. Of, een andere interpretatie van het draagkrachtprincipe gaat uit van de effecten van een bepaalde maatregel op diegene die er het slechts aan toe zijn in welvaart- en welzijnstermen, zie bijvoorbeeld Eyckmans en Schokkaert (2004) voor een toepassing op het probleem van de klimaatverandering.

7.2.1 De techniek In het vakgebied van de publieke economie bestaat reeds lang een traditie om de afweging tussen efficiëntie- en rechtvaardigheidsoverwegingen te formaliseren en zelfs te meten. Deze traditie vindt zijn oorsprong in de belastingliteratuur waarin men op zoek gaat naar een ideale structuur van bijvoorbeeld de indirecte belastingen (BTW en accijnzen) om een gegeven overheidsbudget bij elkaar te halen. In de klassieke publieke financiën literatuur wordt zulk een optimale belastingstructuur afgeleid uit een minimalisering van de economische kosten 67

verbonden aan het heffen van belastingen op verschillende goederen. Deze oefening geeft aanleiding tot het klassieke voorschrift dat in een optimale belastingstructuur goederen waarvan de vraag weinig (sterk) prijselastisch is, relatief meer (minder) belast moeten worden. Dit is de zogenaamde Ramsey regel voor optimale indirecte belastingen, zie ondermeer Tresch (2002). Wanneer men echter ook rekening houdt met argumenten van inkomensverdeling, kan van de klassieke Ramsey regel afgeweken worden in functie van de verdelingskarakteristieken van de goederen (dit is de mate waarin een bepaald goed relatief meer of minder door een bepaalde inkomenscategorie wordt geconsumeerd). Tresch (2002) geeft een uitgebreide inleiding op dit thema en vermeldt vele referenties. Toepassingen van deze methodologie op het klimaatbeleid kan men terugvinden in Eyckmans et al. (1993) en Eyckmans en Cornillie (2000). Het basisidee is dat men een inspanningsverdeling zoekt die een gewogen som van de kosten minimaliseert in plaats van een ongewogen som: S

min(r1 ,…,rS )

S

∑ λ K (r ) s

s

zodanig dat

s

s =1

∑r

s

=r

s =1

Waarbij λ s het gewicht, rs de emissiereductie-inspanning en K s (rs ) de bijbehorende kosten voorstellen van sector s. De globale milieudoelstelling wordt voorgesteld door methodologie kan zowel ex ante als ex post gebruikt worden.

r . De

7.2.2 Ex post Ex post vertrekt men vanuit de geobserveerde verdeling van inspanningen

(ˆr ,… ,rˆ ) 1

S

(bijvoorbeeld zoals ze vervat ligt in een internationale milieuovereenkomst of nationale “burden sharing”) en berekend men de impliciet gebruikt gewichten ( λ1 ,… , λ S ) en kosten om de gegeven milieudoelstellingen te bereiken. Deze techniek laat dus toe om na de feiten te berekenen welke impliciete gewichten gebruikt zijn geworden in de onderhandelingen over de inspanningsverdeling. De gewichten kunnen dan ook geïnterpreteerd worden als een maat van de onderhandelings- of lobbymacht van de betrokken sectoren.

7.2.3 Ex ante

(

)

ˆ1 ,… , λ ˆ S en leidt men hiervoor de Ex ante vertrekt men vanuit een set gegeven gewichten λ optimale inspanningsverdeling ( r1 ,… ,rS ) af. De vraag is natuurlijk hoe men de gewichten op voorhand kan vastleggen. Ten eerste dient men hiervoor een relevant draagkrachtcriterium te kiezen. Bij een verdeling van inspanningen over landen of regio’s ligt het voor de hand draagkracht te meten aan de hand van het inkomen (per hoofd). Bij een verdeling van inspanningen over bedrijfstakken kan men gebruik maken van boekhoudkundige maatstaven (bijvoorbeeld het bedrijfsresultaat of balanstotaal). In een tweede stap worden de gewichten vaak geparameteriseerd, dat wil zeggen dat de gewichten afhankelijk gemaakt worden van het draagkrachtcriterium op basis van slechts één parameter, vaak “ongelijkheidsaversie” genoemd. Dit laat toe om voor verschillende graden van ongelijkheidsaversie, de bijbehorende 68

inspanningsverdeling te berekenen. Het methodologisch kader is bijgevolg flexibel en de keuze van de ongelijkheidsaversieparameter wordt overgelaten aan de politieke besluitvorming.

Kader 15: Draagkrachtoverwegingen in een intersectorale afweging van inspanningen om luchtemissies te verminderen Draagkrachtoverwegingen in een intersectorale afweging luchtemissies te verminderen, Aminal, sectie Lucht, (2005).

van

inspanningen

om

In de sectorale afwegingsstudie voor luchtpolluenten, zie AMINAL sectie Lucht (2005) wordt gebruik gemaakt van financiële ratio’s gebaseerd op boekhoudkundige gegevens (toegevoegde waarde, rendabiliteits-, solvabiliteits- en liquiditeitsindicatoren) om de “draagkracht” van verschillende sectoren in te schatten. Op basis van deze ratio’s worden rangschikkingen van representatieve bedrijven van de verschillende sectoren opgesteld. Deze rangschikkingen worden daarna omgerekend naar correctiefactoren die toegepast worden op de objectieve kostengegevens van milieumaatregelen in de verschillende sectoren. Aan de hand van deze nieuwe, gecorrigeerde kostencijfers worden (gecorrigeerde) kostenminimaliserende maatregelencombinaties berekend met het MilieuKostenModel Vlaanderen (zie Meynaerts, Ochelen en Vercaemst, 2003) om gegeven emissieplafonds te behalen. In feite gaat het hier dus ook om een gewogen kostenminimaliseringsoefening met ex ante vastgelegde gewichten op basis van boekhoudkundige informatie die de draagkracht van de sectoren weerspiegelt.

7.2.4 Datavereisten en toepasbaarheid voor milieusubsidies Deze techniek is slechts toepasbaar op problemen waarbij men informatie heeft over de kosten die bepaalde milieumaatregelen opleggen aan verschillende vervuilers. De informatievereisten zijn daarom sterk gelijklopend met de datavereisten voor efficiëntieanalyse.

7.3

SAMENVATTING RECHTVAARDIGHEID

•

Rechtvaardigheid is per definitie een normatief begrip en dat uit zich ook in de evaluatie van dit criterium. De keuze van methodologie reflecteert al in zekere mate de normatieve uitgangspunten van de evaluator.

•

“De vervuiler betaalt” vormt vaak het normatieve uitgangspunt en is gebaseerd op de heersende consensus in de wetgeving en beleidspraktijk. Dit principe kan geëvalueerd worden door een analyse van de beleidsdocumenten (decreten, toelichtingen, …) die bij het te evalueren subsidie-instrument horen.

•

We stellen ook een operationele manier voor om draagkracht als normatief evaluatieconcept te gebruiken. De techniek weegt individuele inspanningen met een draagkrachtindicator. De mate van weging kan aangepast worden al naargelang men meer of minder wil corrigeren voor rechtvaardigheid.

69

Deel 3: Verdiepingen:

Administratieve Lasten, Macro-Economische Neveneffecten, Incentieven, Innovatie, Aspecten van Lokale Publieke Financiën.

70

8 8.1

ADMINISTRATIEVE LASTEN LASTEN VOOR WIE?

De administratieve belasting die een beleidsmaatregel met zich meebrengt, zowel bij de overheid als bij de ondernemingen en burgers, komt in verschillende onderzoeken als een knelpunt naar voren en staat de laatste jaren hoog op de politieke agenda. Dit heeft in Vlaanderen aanleiding gegeven tot het oprichten van een Kenniscel Wetmatiging die ondertussen een handleiding uitgeschreven heeft over hoe administratieve lasten gemeten kunnen worden, zie Ministerie van de Vlaamse Gemeenschap, Kenniscel Wetsmatiging (2004b). Globaal kan men een onderscheid maken tussen de administratieve lasten die door de overheidsadministratie gedragen worden en de lasten die door de aanvragers ervaren worden. De aanvragers ervaren administratieve lasten in de mate dat ze formulieren moeten invullen, rapporteren, bevragingen invullen enzovoort. De overheidsadministratie moet al deze informatie verwerken en opvolgen wat vaak ook grote inspanningen vergt.

8.2

BOTTOM-UP BENADERING

De methodologie die door de Kenniscel Wetsmatiging (2004b) uitgewerkt werd, focust voornamelijk op de administratieve lasten die door de aanvragers (de burger dus vaak) ervaren worden. De methode bestaat erin om eerst een gedetailleerde inventaris te maken van alle informatieverplichtingen waaraan de aanvrager moet voldoen. Daarna wordt er een tijdsinschatting gemaakt van elk van die verplichtingen en komt men tot een globale tijdskost nodig voor het vervullen van de administratieve verplichtingen. Om tot een inschatting van deze tijdskost te komen, is vaak een bevraging nodig van (een steekproef van) de betrokken partijen. De bedoeling van de oefening is voornamelijk om op basis van de inventaris tot aanbevelingen te komen om de procedures te vereenvoudigen en optimaliseren zonder dat de kwaliteit van het proces negatief beïnvloed wordt. Niets verhindert om deze methodologie ook toe te passen op de verwerkingsprocedures binnen de overheidsadministratie zelf. Ook daar kan men via inventariseren en tijdsmetingen knelpunten proberen te identificeren en verbeteringen voorstellen.

8.3

TOP-DOWN BENADERING

In sommige gevallen, waarschijnlijk vooral voor het meten van administratieve lasten binnen de administratie zelf, bestaan er ook alternatieven voor de benadering van de Cel Wetsmatiging. Een minder tijdrovende administratieve lastenmeting bestaat erin om niet bottom-up maar wel top-down te werken. Hiermee bedoelen we dat de onderzoeker een inventaris kan proberen op te stellen van de ambtenaren die aan een bepaald subsidieschema meewerken. Door dit aantal te vermenigvuldigen met hun loonkost, vermeerderd met overheadkosten, bekomen we een ruwe benadering van de administratieve lasten. We zijn er ons van bewust dat het in de praktijk vaak niet eenvoudig zal zijn omdat ambtenaren veelal op verschillende projecten tegelijk 71

werken en bijgevolg slechts bij ruwe benadering kunnen zeggen hoeveel tijd ze besteden aan het subsidieschema dat we willen evalueren.

8.4

ADMINSTRATIEVE LASTEN ALS ONDERDEEL VAN REGULERINGSKOSTEN

Tot slot willen we er nog op wijzen dat administratieve lasten deel uitmaken van wat men in het algemeen ‘reguleringskosten’ noemt. Zie bijvoorbeeld Rousseau (2005) voor een precieze definitie van dit concept. Reguleringskosten zijn alle kosten die gepaard gaan met het plannen, invoeren, controleren en handhaven van een beleidsinstrument. We willen de lezer erop wijzen dat de cel milieu-economie van het Directoraat-generaal van AMINAL recent een nieuwe studieopdracht heeft uitgeschreven om deze reguleringskosten gedetailleerd in kaart te brengen.

Kader 16: Onderzoeksopdracht reguleringskosten Onderzoeksopdracht “Vergelijkende studie ter bepaling van de publieke en private reguleringskosten (i.e. instellingskosten, toepassingskosten en handhavingskosten) die (in de toekomst) gepaard gaan met de inzet van de verschillende economische en juridische milieubeleidsinstrumenten”

Het doel van dit juridisch-economisch onderzoek is het verbeteren van het proces van de instrumentenkeuze en het optimaliseren van het bestaande instrumentarium. Uit vroeger onderzoek blijkt dat de “bijkomende” kosten van beleidsinstrumenten, die klassiek niet worden meegerekend in de pure milieukosten, aanzienlijk kunnen zijn en sterk variëren naargelang het type en de modaliteiten van de ingezette instrumenten. Daarom willen wij meer inzicht verkrijgen in deze reguleringskosten en een rekentool ontwikkelen om op een relatief eenvoudige en snelle manier een inschatting van de verschillende reguleringskosten voor alle betrokkenen te ramen. Onder reguleringskost van een instrument X verstaan we de kosten die gemaakt worden in elk van de drie stadia van de reguleringsketen van dat specifieke instrument, namelijk tijdens de normstelling, de normtoepassing en de handhaving (toezicht en sanctionering). Elk stadium bevat, afhankelijk van de beschouwde doelgroep, één of meerdere van de volgende kostensoorten: personeelskosten, kosten voor externe consultancy, drukkosten, gerechtskosten, belastingen, toeslagen, kosten van de eventuele vertraging van bedrijfsbeslissingen…. De doelgroepen (diegene die de kosten moeten dragen) zijn de overheid (Vlaamse Gewest, gemeenten of provincies), de bedrijven of derde belanghebbenden. Deze studieopdracht betreft alle onderdelen van de reguleringskosten, behalve de pure kosten van de feitelijke, technische of organisatorische, milieumaatregelen (zoals de kosten van investeringen in emissiereductietechnieken of de extra kosten van het gebruik van milieuvriendelijkere brandstoffen) die al in het kader van het Milieukostenmodel (MKM) onderzocht worden.

72

Deze studie is niet bedoeld als een methodologische of verkennende studie, vermits de methodiek al grotendeels gekend is. Het is de bedoeling om voldoende en representatieve cases te kiezen, op basis hiervan en op basis van binnenlandse en buitenlandse literatuur, data te verzamelen en met behulp van statistische analyse kostenfuncties of rekenregels op te stellen voor het inschatten van reguleringskosten. De ontwikkelde rekenregels dienen concreet genoeg te zijn om (toekomstige) reguleringskosten kwantitatief per instrument te kunnen ramen en dienen per instrument uitgedrukt te worden in functie van een aantal, voor het beschouwde instrument karakteristieke, parameters zoals bvb. het aantal betrokken bedrijven, homogeniteit van de doelgroep, het technisch gehalte van de materie (bv het aantal stoffen dat gemeten moet worden). Deze informatie moet samengebracht worden in een gebruiksvriendelijke rekentool in een toegankelijke software (bv Excel).

73

9 9.1

MACRO ECONOMISCHE NEVENEFFECTEN MACRO-ECONOMISCHE MODELLEN

Met macro-economische neveneffecten bedoelen we dat beleidsmaatregelen soms zodanig grote verschuivingen met zich mee brengen dat ze effecten ressorteren op de klassieke macroeconomische grootheden zoals de groei van het Bruto Binnenlands Product BBP, de tewerkstelling, de overheidsontvangsten, de inflatie, de wisselkoers, enz. Het spreekt voor zich dat de analyse van dit soort neveneffecten enkel aangewezen is bij zeer grote maatregelen (bijvoorbeeld de bouw van een uitgebreid netwerk nieuwe zuiveringsstations en rioleringen, het omzetten van 5% van de huidige oppervlakte productieve landbouwgrond in natuurgebied, een algemene heffing om broeikasgassen, …). Berck en Hoffmann (2002) geven een zeer volledig overzicht van de beschikbare modelleringtechnieken voor het inschatten van de effecten van grote milieubeleidsprogramma’s op de tewerkstelling in een land. Bij uitbreiding kunnen deze modellen ook gebruikt worden voor het evalueren van de effecten op andere macroeconomische grootheden zoals groei van het BBP, inflatie, wisselkoersen enz. De verschillende modellen die voor dit soort analyses gebruikt worden, zijn al eens de revue gepasseerd in paragraaf 5.4.3. Meer bepaald gaat het om Input-Output modellen, AlgemeenEvenwichtsmodellen en Econometrische modellen.

9.2

DOUBLE DIVIDEND ARGUMENTEN

Dit brengt ons tot een thema wat in de theoretische milieueconomische literatuur een grote stroom literatuur heeft veroorzaakt, namelijk het zogenaamde “double dividend” effect. Bovenberg en de Mooij (1994) worden vaak als de pioniers geciteerd terwijl Goulder et al. (1999) een consequente toepassing is van deze methodologische inzichten op de vergelijking van verschillende milieubeleidsinstrumenten. Intuïtief betekent het “double dividend” effect dat met probeert pakketten beleidsinstrumenten te identificeren die in staat zouden zijn om twee vliegen in één klap te vangen. Ten eerste een milieuheffing, bijvoorbeeld een veralgemeende energie- of koolstofheffing waarmee men de uitstoot van bepaalde polluenten wil verminderen. Ten tweede gebruikt men de opbrengsten van dit soort milieuheffingen om de hoge lasten op arbeid (inkomensbelastingen en bijdrage voor sociale zekerheid) te verlagen om op die manier de tewerkstelling aan te moedigen. Indien zulk een vergroening van het belastingstelsel de twee beoogde effecten zou realiseren, spreekt men van een “double dividend”. De economische literatuur is echter tamelijk sceptisch over de mogelijkheden van dit soort “win-win” maatregelen. Behalve het primaire welvaartseffect (+) als gevolg van een vermindering van de milieuvervuiling door de milieutaks en het “revenue effect” (+), i.e. de toename van de overheidsontvangsten met de milieuheffing, is er een negatief “tax interaction effect”. Kolstad (2000) legt op intuïtieve wijze dit “tax interaction” effect uit. De invoering van substantiële milieuheffingen op bijvoorbeeld energie leidt tot een verlaging van het reële loon (i.e. de koopkracht) van werknemers. Dit heeft in de klassieke arbeidseconomische modellen een negatieve impact op het arbeidsaanbod van de gezinnen omdat het loon fungeert als 74

compensatie voor de opportuniteitskosten van werken (i.e. de verloren vrije tijd). Dit negatieve effect van milieuheffingen op het arbeidsaanbod (“tax interaction” effect)is in simulatieoefeningen met algemeen-evenwichtsmodellen vaak sterker gebleken dan het positieve “revenu effect”. Met andere woorden, er is in de realiteit vaak maar sprake van een “single dividend”. Merk op dat in het geval van milieusubsidies de redenering de andere kant uit gaat. Parry (1998) toont aan dat het zogenaamde “revenue” effect negatief is (de uitgekeerde subsidies moeten namelijk eerst door de overheid ingezameld worden door distortieve belastingen op arbeid nog te verhogen) maar dat het “tax interaction” (of beter gezegd “subsidy interaction”) effect in dit geval positief is omdat de reële koopkracht van de gezinnen toeneemt als gevolg van de milieusubsidies. In het algemeen domineert het negatieve “revenue” effect het positieve “interaction” effect. Dit betekent dat ex ante, de optimale milieusubsidie18 iets lager is dan wat in een wereld zonder distortieve belastingen zou gelden omdat rekening moet gehouden worden met de interacties met bestaande verstoringen op de arbeidsmarkt. De conclusie voor de evaluatie van milieusubsidies die we uit deze technische discussie kunnen trekken, is dat deze argumenten enkel een rol spelen bij zeer grote subsidieschema’s die een zodanige impact hebben dat ze de reële koopkracht van gezinnen beïnvloeden. Voor de subsidieschema’s die momenteel door AMINAL gefinancierd worden zien wij weinig potentiële kandidaten die een zodanig grote effecten zouden kunnen teweegbrengen. Echter, wanneer grote subsidieprogramma’s in de energiesector overwogen worden (bijvoorbeeld de steun aan hernieuwbare energievormen), dan kan dit soort argumenten wel relevant worden. De ex ante evaluatie van de gevolgen kan enkel met voldoende gedetailleerde algemeenevenwichtsmodellen geschieden.

18

In een wereld zonder marktfalingen of distorties (zogenaamde eerste-best kader) is het niveau van een optimale subsidie gelijk aan de uitgespaarde marginale milieuschade, zie Kolstad (2000). 75

10 INCENTIEVEN 10.1

IMPERFECTE EN ASYMMETRISCHE INFORMATIE

In de klassieke (milieu)economische handboeken wordt veelal uitgegaan van perfecte en symmetrische informatie. We spreken van perfecte informatie indien alle relevante aspecten van een beslissingsprobleem met zekerheid gekend zijn. We spreken van symmetrische informatie indien alle betrokken partijen over dezelfde informatie (perfect of imperfect) beschikken. Beschouwen we bijvoorbeeld een milieuadministratie die aan een aantal bedrijfstakken emissieplafonds wil opleggen om een bepaalde totale emissiedoelstelling te halen op een kostenefficiënte wijze. Kostenefficiëntie vereist dat de sectoren die relatief goedkoop hun uitstoot kunnen beperken een relatief strenger uitstootplafond opgelegd krijgen dan sectoren die hun uitstoot slechts tegen een hoge kostprijs kunnen terugdringen. Het spreekt voor zich dat om een kostenefficiënte verdeling van de uitstootplafonds te kunnen bepalen, de milieuadministratie moet beschikken over informatie over de kosten om de uitstoot te beperken in elk van de sectoren. Deze kosten zijn vaak echter niet met absolute zekerheid gekend. Bijvoorbeeld kan een bepaalde sector zijn uitstoot beperken door een andere brandstof te gebruiken voor zijn energievoorziening maar de prijsevolutie van deze alternatieve brandstof is meestal onzeker. Dit is dus een voorbeeld van imperfecte informatie. Bovendien heeft de milieuadministratie vaak minder goed zicht op de kosten dan de betrokken bedrijven. De bedrijven zelfs zijn meestal het best geïnformeerd over de gevolgen, de moeilijkheden en de kosten van het overschakelen op een alternatief productieprocédé. De overheid is meestal aangewezen op indirecte informatie of op de goodwill van de betrokken bedrijven om informatie over de kosten te verstrekken. In dit laatste geval is de verleiding bij de bedrijven groot om zich strategisch te gedragen en de kosten bijvoorbeeld te overdrijven indien ze weten dat de door hen verstrekte kosteninformatie zal gebruikt worden om emissieplafonds op te leggen. Hier is dus duidelijk sprake van asymmetrische informatie, de bedrijven zijn beter geïnformeerd over de kosten om hun uitstoot terug te dringen dan de overheid. In de praktijk is informatie dus meestal imperfect en bovendien vaak asymmetrisch verdeeld. Dit leidt tot allerhande problemen en welvaartsverliezen in economische transacties. Denk bijvoorbeeld aan tweedehands auto’s. De verkoper is meestal beter geïnformeerd over de ware karakteristieken (de kilometerstand en ongevalgeschiedenis) van de auto die hij probeert te verkopen dan de potentiële koper. De kopers weten dat er steeds een kans bestaat dat een tweedehandse auto verborgen gebreken vertoont en gaan daarom minder willen betalen dan hun ware betalingsbereidheid. Dit leidt er soms toe dat de verkoper niet wil verkopen omdat de geboden prijs zo laag is dat hij verlies zou maken op de transactie. Een potentieel welvaartsverhogende transactie gaat hier dus niet door als gevolg van asymmetrische informatie. Tot slot maken we nog een onderscheid tussen asymmetrische informatie met betrekking tot individuele karakteristieken (adverse selection in het Engels) en asymmetrische informatie met 76

betrekking tot acties (moral hazard in het Engels) van de best geïnformeerde partij. In de volgende paragrafen bespreken we deze fenomenen en wat er tegen kan gedaan worden. De hiernavolgende discussie is deels gebaseerd op bestaande literatuur (o.a. Laffont en Tirole, 1993, Macho-Stadler, I. and Pérez-Castrillo, 1997, Lewis, 1996, Png, 1998) en deels onze uitwerking voor het specifieke geval van de Samenwerkingsovereenkomst tussen de Vlaamse milieuadministratie en de gemeenten.

10.2

ADVERSE SELECTION

10.2.1 Definitie We spreken over adverse selection (averechtse selectie in het Nederlands) wanneer er asymmetrische informatie bestaat over individuele karakteristieken van de beter geïnformeerde partij. De voorbeelden zijn legio. In de context van een sollicitatiegesprek spreekt het voor zicht dat de sollicitant beter zijn of haar persoonlijke karakteristieken zoals inzet, stressbestendigheid etc. kent dan de potentiële werkgever. Omgekeerd kent de werkgever beter de karakteristieken van de job waarvoor hij of zijn een kandidaat zoekt. In beide gevallen bestaat het gevaar dat de beter geïnformeerde partijen hun informatievoordeel proberen te misbruiken om een betere uitkomst te bereiken. De sollicitant zal de karaktertrekken waarvan hij of zij vermoedt dat de werkgever ze apprecieert, overdrijven en de werkgever heeft er belang bij om de vacante job zo interessant mogelijk voor te stellen. Het spreekt voor zich dat dit achteraf tot ontgoocheling langs beide kanten kan leiden. In het voorbeeld van de samenwerkingsovereenkomsten tussen de Vlaamse milieuadministratie en de gemeenten asymmetrische informatie over kunnen we ook spreken van adverse selection. De gemeenten karakteristieken van de beter kennen namelijk beter dan de centrale milieuadministratie de geïnformeerde partij. kosten om hun restafvalfractie te beperken. Zij staan dichter bij hun burgers, hebben meer direct contact en ervaring met afvalophaling en –verwerking die hun helpt de kosten accurater in te schatten.

Adverse selection is

10.2.2 Gevolgen en remedies Wat zijn nu de gevolgen van asymmetrische informatie voor het ontwerpen van een optimaal subsidiemechanisme door de milieuadministratie? Om op deze vraag te kunnen antwoorden nemen we in de rest van deze paragraaf de samenwerkingsovereenkomsten tussen de gemeenten en AMINAL als voorbeeld. We gaan uit van de veronderstelling dat de milieuadministratie een vrijwillig systeem opzet waarbij ze de gemeenten met een subsidie wil aansporen om een bepaalde restafvalnorm te realiseren. De milieuadministratie moet dus twee parameters bepalen in dit systeem. Enerzijds de restafvalnorm waaraan de gemeenten moeten voldoen om de subsidie te ontvangen. De norm gaan we voorstellen door R, de reductie van restafvalfractie (gemeten in kg per inwoner per jaar). Anderzijds het bedrag van de subsidie (voorgesteld door s in het vervolg) dat daar tegenover staat. Bovendien moet de 77

milieuadministratie zich afvragen of ze alle gemeenten gelijk zal behandelen (zelfde R en s voor iedereen) of ze het schema wil differentiëren volgens type het van de betrokken gemeente. 10.2.2.1

Hypotheses

We stellen het probleem in termen van “reductie van restafval”. Als het huidige restafvalniveau  A 0 bedraagt en de overheid wil in de toekomst een afvalniveau A < A 0 bereiken, dan impliceert ˆ = A0 − A ˆ ton per inwoner per jaar. De dit dat de restafvalfractie moet verminderen met R variabele R stelt dus de “moeite” voor die gemeenten moeten doen om hun restafvalfractie te beperken. We nemen ook aan dat het terugdringen van de restafvalfractie kosten met zich mee brengt voor de gemeenten. De gemeenten kan bijvoorbeeld sensibiliseringscampagnes op zetten om hun burgers aan te sporen tot meer recyclage, meer thuiscomposteren of een ander aankoopgedrag om verpakkingsafval te vermijden. Al deze acties kunnen bijdragen tot het verminderen van de fractie restafval maar deze acties kosten tijd en geld aan de gemeenten. We stellen de kosten om de restafvalfractie te verminderen voor door een functie K (R ) en veronderstellen dat hogere reductieniveaus meer kosten met zich mee brengen (dat wil zeggen dat K toeneemt in R of dK(R) / dR > 0 ). Bovendien is het aannemelijk dat de extra kost om nog een ton meer te reduceren hoger zal zijn als men al veel reductie-inspanning levert (dat wil zeggen dat de kostenfunctie convex is in R of d2K(R) / dR 2 > 0 ). We onderscheiden twee types gemeenten: gemeenten met hoge en lage kosten om hun restafval te beperken. De kosten om het afval te beperken worden weergegeven door de functies K (hoge kostentype) en K (lage kostentype) respectievelijk. We zullen vanaf nu alle variabelen, functies en parameters die verwijzen naar gemeenten met hoge (lage) kosten aanduiden met een streepje boven (onder) het respectievelijke symbool. Dat kosten om afval te reduceren verschillen tussen gemeenten is evident. Sommige gemeenten hebben al meer inspanning gedaan in het verleden dan andere gemeenten. Maar zelfs indien ze van op het zelfde restafvalniveau vertrekken, kunnen kosten nog sterk verschillen tussen gemeenten. Een grootstad of een kustgemeente bijvoorbeeld kan moeilijker haar inwoners en de toeristen bewegen tot recyclage dan een doorsnee gemeente. Tenslotte gaan we ervan uit dat de gemeenten zelf met zekerheid hun kosttype kennen maar dat de milieuadministratie de individuele types niet kent. Ze weet alleen dat wanneer ze met een gemeente geconfronteerd wordt, de kans p>0 bedraagt dat het een gemeente met hoge kosten betreft en bijgevolg (1-p) dat het een gemeente met lage kosten is. De overheid kent met andere woorden wel de algemene verdeling van de types in Vlaanderen maar ze kan het type van een individuele gemeente niet herkennen. 10.2.2.2

Referentieoplossing onder perfecte informatie

ˆ bereiken en sluit daarvoor met De Vlaamse milieuadministratie wil een regionale afvalnorm R de gemeenten vrijwillige samenwerkingsovereenkomsten. Deze overeenkomsten leggen 78

enerzijds de gemeenten een afvalnorm R (uitgedrukt in kg afval per inwoner per jaar) op en voorzien anderzijds in een subsidie s. Noteer dat de subsidies die voorzien zijn in de cluster vaste afvalstoffen van de samenwerkingsovereenkomsten onafhankelijk zijn van het inspanningsniveau. Ze zijn uitgedrukt als een bedrag €x maal het aantal inwoners. De subsidie houdt dus rekening met de grootte van een gemeente maar niet met het aantal ton afval dat een gemeente gereduceerd heeft. Indien de milieuadministratie het kostentype van elke individuele gemeente zou kennen, dan moet ze haar normen en subsidies zodanig instellen dat ze volgende kostenminimalisering oplossen:

min

R ,R ,s ,s

( )

p K (R ) + 1 − pK R

+

λ p s + 1 − p s 

beperkingen: norm :

ˆ pR + 1 − pR ≥ R

PC :

s − K (R ) ≥ 0

PC :

s −K R ≥ 0

( )

Het objectief van de milieuoverheid is om voor beide type gemeentes normen en subsidies te vinden die de totale kosten en subsidiebetalingen over alle gemeenten minimaliseren onder de  beperking dat de totale afvalreductie in Vlaanderen minimaal R bedraagt (zie beperking norm). Noteer dat de overheid ervan uit gaat dat subsidies kostelijk zijn omdat ze door middel van verstorende belastingen op bijvoorbeeld arbeid moeten gefinancierd worden. Daarom worden de subsidiebetalingen in het objectief van de overheid vermenigvuldigd met λ > 0 , de zogenaamde schaduwprijs voor publieke middelen of de shadow cost of public funds19. De samenwerkingsovereenkomsten zijn vrijwillige overeenkomsten tussen de milieuoverheid en de gemeenten. Daarom is het van belang om bij het vastleggen van de normen en subsidies rekening te houden met het feit dat gemeenten er belang bij hebben om in te tekenen. In bovenstaande formulering worden alle gemeenten vrijwillig aangezet om aan de samenwerkingsovereenkomst deel te nemen door de participation constraints PC en PC die zeggen dat de subsidies minstens de reductiekosten van de gemeenten moeten dekken. Zonder deze participatiebeperkingen zouden de gemeenten verlies leiden en niet geneigd zijn om in de vrijwillige overeenkomst in te stappen.

19

Deze schaduwkost wordt voor België op 20% geschat. Maw, elke € belastingopbrengst kost eigenlijk 1,20€ aan de economie omdat de belastingen de normale economische activiteit verstoren. Belastingen op arbeid bijvoorbeeld, nemen niet alleen inkomen af van de werknemer maar ontmoedigen bovendien het werken. 79

Het kan aangetoond worden dat de optimale normen en subsidies voldoen aan de volgende voorwaarden (superschrift “1” duidt op eerste-best oplossing, dit is de referentieoplossing van het kostenminimaliseringsprobleem onder perfecte informatie):

K ′ R1 = K ′ R1   1 ˆ pR + 1 − pR1 = R

( )

( )

Efficiënte inspanningsverdeling:

K R1 = s 1   1 1 K R = s

( ) ( )

Kostendekkende subsidies:

De inspanningen om de Vlaamse gewestelijke norm te halen, moeten dus op kostenefficiënte wijze verdeeld worden over de verschillende gemeenten wat impliceert dat dure gemeenten relatief minder inspanning moeten leveren dan goedkope gemeenten. Anders gezegd, de goedkope gemeenten zijn de efficiënte producenten van afvalreductie en moeten meer 1

1

bijdragen dan de dure gemeenten: R > R . Bovendien krijgen alle gemeenten een subsidie die net genoeg is om de kosten van het behalen van hun norm te dekken. Op die manier verliezen zij niet aan het intekenen op de samenwerkingsovereenkomsten. 10.2.2.3

Een menu van norm & subsidie contracten

In voorgaande paragraaf hebben we de optimale normen en subsidies afgeleid indien de milieuoverheid de kostentypes van de gemeenten zou kennen. Indien ze die niet zou kennen, dan is het belangrijk om in te zien dat de eerste-best oplossingen niet meer geïmplementeerd kunnen worden. Het probleem is namelijk dat gemeenten met lage reductiekosten er belang bij hebben om zich voor te doen als gemeenten met hoge kosten om op die manier een milder reductieobjectief opgelegd te krijgen. De lage kosten gemeente krijgt natuurlijk ook een lagere subsidie als ze zich als hoge kosten gemeente voordoet. Nochtans is het netto resultaat van het imiteren van de hoge kostentype steeds positief. Inderdaad, omdat s − K(R) = 0 (uit PC ) volgt dat s − K(R) > 0 omdat K < K . Daar uit volgt dan op zijn beurt dat s − K(R) > 0 = s − K(R) of in woorden: liegen over je kostentype (de linkerkant van de ongelijkheid) is voordeliger dan de waarheid spreken (de linkerkant van de ongelijkheid) als je een lage kostentype bent. De differentiatie van de normen werkt dus niet meer want alle gemeenten beweren dat ze hoge reductiekosten hebben en de milieuoverheid heeft onvoldoende informatie om die bewering te weerleggen. Indien de milieuadministratie de kosten van elke individuele gemeente niet zou kennen, en indien ze een menu van contracten kan aanbieden (bvb. twee types, een hoog en een laag

80

inspanningsniveau en subsidie) dan moet ze haar normen & subsidies zodanig moeten instellen dat ze volgende kostenminimalisering oplossen: min

R ,R ,s ,s

( )

p K (R ) + 1 − pK R

+

λ p s + 1 − p s 

beperkingen: norm :

ˆ pR + 1 − pR ≥ R

PC :

s − K (R ) ≥ 0

PC :

s −K R ≥ 0

IC :

s − K (R ) ≥ s − K R

IC :

s − K R ≥ s − K (R )

( )

( )

( )

Het objectief is opnieuw om niveaus van normen en subsidies te vinden die de totale reductiekosten en subsidiebetalingen over alle gemeenten minimaliseren onder de beperking  dat de totale afvalfractie in Vlaanderen minder dan R bedraagt en alle gemeenten vrijwillig aangezet om aan de samenwerkingsovereenkomst deel te nemen door de participation

constraints PC en PC . Maar in vergelijking met het vorige probleem, worden er twee extra beperkingen opgelegd, de zogenaamde incentive compatibility beperkingen IC en IC . Deze beperkingen zeggen dat hoge kostentypes beter af moeten zijn met de norm-subsidie combinatie die voor hen bedoeld is, dan met de norm-subsidiecombinatie die bedoeld is voor de lage kosten gemeenten. Deze voorwaarde zorgt er dus voor dat een dure gemeente een incentief heeft om het voor haar ontworpen schema te kiezen en geen prikkel ervaart om zich voor te doen als een goedkope gemeente. Men noemt dit in de literatuur ook wel de zelfselectie beperking. Een gelijkaardige beperking wordt opgelegd voor de gemeenten met lage kosten. Ook zij mogen geen incentief hebben om zich anders voor te doen dan hun ware aard, dat wil zeggen zich voor te doen alsof ze een gemeente met hoge kosten zou zijn. Noteer dat we de incentive compatibility constraint IC voor de dure gemeenten mogen negeren omdat ze altijd voldaan zal zijn20. Inderdaad, een gemeente met hoge kosten heeft er geen belang bij zich voor te doen als een goedkope gemeente omdat ze dan een relatief strengere norm zou opgelegd krijgen in een kostenefficiënte oplossing en een relatief lagere

20

In feite is dit een eigenschap van de oplossing van het probleem en kan men dit niet in het algemeen besluiten alvorens de kostenminimalisering uit te werken. De klassieke manier om de kostenminimalisering aan te pakken is om de IC beperking te negeren, de optimale normen en subsidies uit te rekenen en daarna te controleren of IC inderdaad voldaan is in de oplossing. 81

subsidie zou toegewezen krijgen dan wanneer ze haar ware aard zou kenbaar maken. Enkel de incentive compatibility constraint IC zal invloed hebben om de optimale oplossing. Noteer bovendien dat ook de participation constraint PC voor de lage kosten gemeenten kan weggelaten worden omdat ze automatisch zal voldaan zijn indien IC voldaan is21. Deze ene extra beperking heeft grote gevolgen voor het optimale menu van normen en subsidies. Het kan aangetoond worden dat de optimale normen moeten voldoen aan:

( )

K′ R2 =

No distortion at the top:

Distortion at the bottom:

( )

K′ R2 =

φ 1+λ

φ 1+λ

λ p ∆K ′(R 2 ) 1+ λ1−p

−

Het superscript “2” duidt aan dat we met een tweede-best oplossing te doen hebben in een omgeving met asymmetrische informatie. φ is een hulpvariabele die een maatstaf is voor hoe 2

2

2

streng de totale gewestelijk reductienorm is22. De variabele ∆K ′(R ) = K '(R ) − K '(R ) > 0 meet het verschil tussen de marginale kostenniveaus van het hoge en het lage type, geëvalueerd aan de norm van het hoge kostentype. Gegeven de veronderstellingen over de kostenfuncties is deze variabele altijd strikt positief. De lage kosten gemeenten moeten nog altijd het efficiënte inspanningsniveau leveren maar de hoge kosten gemeenten krijgen een relatief zachtere norm opgelegd. De marginale reductiekosten worden dus niet langer gelijk gemaakt tussen de twee types, de oplossing wijkt dus af van de pure kostenefficiënte oplossing. We zullen zodadelijk terugkomen op het waarom van deze afwijking. Wat betreft de subsidies kan aangetoond worden dat:

( )

( )

≥ s −K R ≥ 0 s − K (R ) ≥ s − K R (IC) (K > K) (PC)  PC

21

Inderdaad:

22

Technisch gesproken is

φ de Lagrange multiplicator van de normbeperking in het kostenminimaliseringsprobleem.

ˆ op het objectief, dwz de totale kosten voor de Deze variabele meet de impact van de exogene norm R milieuoverheid. Meer precies geeft φ de meerkost weer om de restafvalnorm een zeer klein beetje te verstrengen.

82

Information rent for efficient agent:

( )

K R 2 = s 2 + ∆K(R 2 )

No information rent for inefficient agent: K ( R 2 ) = s 2 De goedkope gemeenten (dat zijn de gemeenten die efficiënter kunnen bijdragen aan het realiseren van de gewestelijke doelstelling) krijgen bovenop de terugbetaling van hun reductiekosten een extra informatie rente uitbetaald. Deze rente is nodig om de efficiënte gemeenten er toe aan te zetten zich als dusdanig bekend te maken en zich niet voor te doen als dure gemeenten met hoge kosten. Voor de gemeenten met hoge kosten daarentegen is er geen extra informatierente nodig opdat ze vrijwillig zouden kiezen voor het schema dat voor hen ontworpen is. Het feit dat de efficiënte gemeenten een informatierente ontvangen die afhangt van het inspanningsniveau van de inefficiënte gemeenten zorgt ervoor dat in het optimum, het inspanningsniveau van de inefficiënte gemeenten naar beneden wordt verstoord (distortion at the bottom conditie). Aangezien publieke middelen kostbaar zijn (de schaduwprijs van publieke middelen λ > 0 ) zal de overheid ervoor kiezen om de informatierente die ze aan de efficiënte types moet uitbetalen, in te perken t.o.v. het scenario onder volledige informatie. Tenslotte willen we erop wijzen dat de oplossing die hoger beschreven is, afhankelijk is van de concrete vorm van de contracten. Indien de subsidie niet per capita maar per ton reductie (soort matching grant dus) zou worden uitgedrukt, dan zal de oplossing van het contract onder asymmetrische informatie er anders uitzien. De oplossingen zijn erg gevoelig voor de concrete modaliteiten van de subsidieschema’s en moeten per geval apart opnieuw worden opgesteld. 10.2.2.4

Andere oplossingen voor het adverse selection probleem

EEN GEMIDDELDE NORM & SUBSIDIE CONTRACT Indien de milieuadministratie de kosten van elke individuele gemeente niet zou kennen, en indien ze slechts één niveau van norm & subsidie wil aanbieden, dan moet ze de norm en subsidie zodanig instellen dat ze volgende kostenminimalisering oplossen: min  R ,s

( )

( )

p K R + 1 − p K R

+

λ s

beperkingen: norm : PC : PC :

ˆ R ≥ R

( ) s − K (R ) ≥ 0 s − K R ≥ 0

De oplossing van dit probleem is evident niet kostenefficiënt. Aangezien er contractueel geen differentiatie van de normen mogelijk is en de kostenfuncties verschillen, zullen er steeds verschillen in marginale reductiekosten zijn. M.a.w., hetzelfde totale resultaat zou bekomen 83

kunnen worden tegen een lagere totale kostprijs indien de normen toch gedifferentieerd zouden worden zodanig dat goedkope gemeenten relatief méér en dure gemeenten relatief minder inspanning zouden leveren. Bovendien zullen de goedkope gemeenten een bonus krijgen. De subsidie zal zodanig ingesteld worden zodat PC bindend is, d.w.z: s = K R . Aangezien K < K volgt daaruit dat ook PC

( )

( )

( )

voldaan is: s − K R > s − K R = 0 . Anders gezegd, de goedkope gemeenten krijgen een bonus die gelijk is aan het kostenverschil.

SCREENING Een evidente oplossing voor het adverse selection probleem die we tot op heden nog niet beschouwd hebben, is om meer geld en tijd te investeren in het vergaren van meer informatie met betrekking tot de subsidieontvangers. De milieuadministratie zou bijvoorbeeld een model kunnen opstellen van afvalproductie in functie van verklarende factoren zoals inkomen per hoofd van de bevolking, prijs van afvalzakken, structuurkenmerken zoals bevolkingsdichtheid etc. Dit model kan dan als toetssteen gebruikt worden om gemeenten in te delen in verschillende categorieën. Met deze extra informatie wordt het informatievoordeel van de subsidieontvangers verkleind en bijgevolg daalt de kans dat ze zich anders gaan voordoen dan ze in werkelijkheid zijn. Hoewel dit een perfect valabele oplossing zou kunnen zijn, moet goed overwogen worden wat de kosten zijn verbonden aan het inwinnen van extra informatie m.b.t. de subsidieontvangers. Zeker wanneer het een groot aantal potentiële aanvragers gaat (bvb. gezinnen die een premie voor een groendak aanvragen), kan het erg kostelijk zijn extra informatie te verzamelen. Bovendien verhoogt hiermee vaak ook de administratieve lasten die door de aanvragers ervaren worden. Zeker in zulke context is het daarom aan te raden om een weldoordacht menu van contracten aan te bieden zodat de ontvangers zich zelf selecteren in de voor hen bestemde overeenkomst.

84

10.2.3 Checklist adverse selection •

Heeft één van de partijen (meestal de subsidieontvanger in onze context) een informatievoordeel t.o.v. de andere partij met betrekking tot een cruciale karakteristiek van de overeenkomst (bvb. kosten of efficiëntie)?

•

Is er gevaar dat de beter geïnformeerde partij haar informatievoordeel zal misbruiken om haar eigen positie te verbeteren? Maw, heeft de beter geïnformeerde partij er belang bij zich anders voor te doen dan ze in werkelijkheid is (bvb. haar kosten overdrijven om een milder objectief opgelegd te krijgen)?

•

Indien het antwoord op beide voorgaande vragen positief is, dan kan op twee manieren de gevolgen van adverse selectie bestreden worden.

o

Screening: investeer tijd en middelen in het verzamelen van extra gegevens over de subsidieontvanger om op die manier het informatievoordeel te verkleinen. Het nadeel van deze oplossing is de hoge kostprijs.

o

Zelfselectie: bied een menu van contracten aan die voldoen aan twee basisvereisten:




Participation constraint: de subsidieontvanger moet er netto (= alle kosten min alle opbrengsten en subsidies) beter aan toe zijn met de overeenkomst dan zonder. [enkel van toepassing op vrijwillige schema’s]




Incentive compatibility: de subsidieontvanger mag er geen belang bij hebben zich anders voor te doen dan hij of zij in werkelijkheid is.

Een menu van contracten die aan deze voorwaarden voldoen zal typisch afwijken van een zuiver kostenefficiënt schema omwille van de volgende redenen:

10.3




De efficiënte subsidieontvangers moet men een informatierente geven opdat zij hun ware aard kenbaar zouden willen maken.




De inspanningsvereisten van de minder efficiënte subsidieontvangers moeten minder streng gemaakt worden om de efficiënte subsidieontvangers niet in de verleiding te brengen zich verkeerd voor te doen.

MORAL HAZARD

10.3.1 definitie We spreken over moral hazard als er asymmetrische informatie bestaat over acties (in plaats van karakteristieken zoals bij adverse selection in de vorig paragraaf) van de beter geïnformeerde partij. Een typisch voorbeeld van moral hazard is de “omnium” schadeverzekering voor automobilisten. Het moral hazard probleem manifesteert zich in het feit 85

dat de automobilist die weet dat elke schade aan zijn voertuig integraal terugbetaald zal worden door de verzekeraar, minder voorzichtig gaat rijden dan een niet-verzekerde chauffeur. Om dit moral hazard probleem in te dijken, voorzien standaard verzekeringspolissen een “franchise” of vrijstelling. Dat wil zeggen dat een eerste schijf van de schade steeds ten laste is van de verzekeringnemer om hem om die manier te responsabiliseren voor zijn rijgedrag. In het kader van de cluster afval van de samenwerkingsovereenkomsten betekent dit concreet dat de Vlaamse milieuoverheid wel de restafvalfractie (kg restafval per inwoner per jaar) kan observeren maar dit is slechts een imperfecte maatstaf van de reële inspanningen die gemeenten leveren om hun restafval te beperken. Sommige gemeenten behalen een lage restafvalscore zonder veel inspanningen omwille van de structuur van de gemeentelijke bevolking terwijl andere misschien veel inspanning leveren maar slechts pover scoren op de indicator restafval. Anders gezegd, de outcome variabele “restafval” is geen goede indicator van de middelen en inspanningen die gemeenten leveren in het milieubeleidsdomein afval omdat sommige gemeenten gemakkelijker hun restafvalprestaties kunnen verbeteren dan andere omwille van factoren die buiten de controle van de lokale besturen vallen.

Moral

Hazard

is asymmetrische informatie over acties van de beter geïnformeerde partij.

10.3.2 Tegengestelde objectieven Op zich is de vaststelling dat er moral hazard bestaat in de relatie tussen een regulerende instantie (de “prinicipal” of de milieuoverheid in ons geval) en de uitvoerder (de “agent” of de gemeenten in ons geval) nog niet voldoende om te besluiten dat er een probleem zou zijn. Cruciaal om bij moral hazard van een probleem te spreken, is dat de regulerende instantie en de uitvoerder uiteenlopende objectieven nastreven. Bijvoorbeeld in het voorbeeld van de autoverzekering, wil de verzekeraar het ongevalrisico minimaal houden om de schadeclaims te beperken terwijl het sommige chauffeurs veel moeite kost om zich steeds aan de snelheidsbeperkingen en alcohollimieten te houden. De verzekeraars willen met andere woorden dat de chauffeurs veel moeite doen om gedisciplineerd te rijden terwijl de verzekerde chauffeurs liever minder moeite zouden doen. Is er sprake van een moral hazard probleem bij de subsidies die de milieuadministratie uitkeert? Het antwoord op die vraag zal verschillen naar gelang de specifieke subsidie die we beschouwen. Telkens moet er nagegaan worden of er tegelijkertijd voldaan is aan twee voorwaarden: 1. Is asymmetrische informatie met betrekking tot een inspanningsvariabele?

86

2. Hebben subsidie-uitkeerder en subsidieontvanger tegengestelde objectieven voor de inspanningsvariabele waarover asymmetrische informatie zou bestaan? Beschouwen we het geval van de subsidies voor het verwerven van natuurreservaten die door de Afdeling Natuur van AMINAL worden uitgekeerd in het kader van het Decreet d.d. 27 juni 200323. Wat betreft de subsidies voor de aankoop van reservaten kunnen we in principe spreken over moral hazard in de relatie tussen AMINAL en de natuurverenigingen in termen van de moeite die de natuurverenigingen doen om een zo laag mogelijke prijs te bedingen voor de gronden die ze wensen te verwerven. De uiteindelijke aankoopprijs is wel publiek bekend maar dit is slechts een onvolmaakte indicator van de moeite die de koper zich getroost heeft om in de onderhandelingen een minimale prijs te bedingen. Een hoge verkoopprijs kan een signaal zijn dat de koper weinig inspanning geleverd heeft om een goede prijs te bekomen. Maar het kan evengoed het geval zijn dat de koper zich tot het uiterste heeft ingespannen maar dat er echt geen lagere prijs haalbaar was. Het antwoord op de eerste vraag is dus duidelijk ja. Er is inderdaad sprake van een verborgen inspanningsvariabele en dus van moral hazard. Ook vraag twee zal een positief antwoord krijgen. Hoe meer inspanning de natuurvereniging doet om de aankoopprijs te drukken, hoe goedkoper de aankoop voor AMINAL24. Aan de andere kant zal de natuurvereniging liever minder inspanning steken in het aankoopdossier omdat de tijd en de middelen die daarvoor ingezet worden niet meer gebruikt kunnen worden om andere taken uit te voeren zoals het beheer van reservaten, monitoring van de natuurwaarden, opsporen van opportuniteiten om nieuwe terreinen te verwerven enz. Wat betreft de subsidies voor het beheer van reservaten kunnen we ook spreken over moral hazard in de relatie tussen AMINAL en de natuurverenigingen in termen van de moeite die de natuurverenigingen doen om een zo hoog mogelijk natuurwaarde te creëren op de verworven terreinen. Opnieuw is de geobserveerde outcome variabele (de natuurwaarde of biodiversiteit van het terrein, in zoverre deze meetbaar is natuurlijk) een wazig signaal van de beheersinspanningen die de vereniging gedaan heeft. Het antwoord op vraag één is dus

23

Zie: Besluit van de Vlaamse regering tot vaststelling van de voorwaarden voor de erkenning van natuurreservaten en van terreinbeherende natuurverenigingen en houdende toekenning van subsidies, Belgisch Staatsblad, 12 september 2003, blz. 45718-45734. 24

De subsidiebedragen worden berekend als een percentage van het aankoopbedrag. De geldende percentages hangen af van de status van het aangekochte gebied (bvb. of het in valleigrond, brongebied, in het GEN gelegen is enz.). Bovendien is het subsidiepercentage degressief. Bijvoorbeeld, het decreet spreekt over: “90 % van het aankoopbedrag inclusief alle kosten van de terreinen voor de schijf kleiner dan of gelijk aan 10.000,00 EUR per hectare; 70 % van het aankoopbedrag […] voor de schijf groter dan 10.000,00 EUR en kleiner dan of gelijk aan 12.500,00 EUR per hectare; en 80 % van het aankoopbedrag […] voor de schijf groter dan 12.500,00 EUR en kleiner dan of gelijk aan 18.000,00 EUR per hectare. 87

opnieuw positief. Vraag twee is echter moeilijker te beantwoorden. Gegeven de doelstellingen die de natuurverenigingen nastreven volgens hun statuten25, is er niet echt sprake van een intens belangenconflict tussen de milieuadministratie en deze verenigingen. Beide streven ze in principe naar het veiligstellen en ontwikkelen van natuurwaarden en biodiversiteit. Ze kunnen in praktijk misschien toch verschillende acties ondernemen omdat ze een verschillende visie hebben over de manier waarop de doelstellingen bereikt moeten worden of omdat de beheerstaken concurreren met andere taken voor de schaarse middelen in natuurverenigingen. Deze discussie toont aan dat in het geval van de subsidies voor het beheer van reservaten er wel degelijk sprake is van moral hazard maar dat dit niet noodzakelijk tot problemen moet leiden omdat in principe de objectieven van subsidie-uitkeerder en –ontvanger niet tegengesteld zijn. Vanzelfsprekend is het vaak moeilijk om de ware objectieven van beide partijen te achterhalen en bovendien is het geen zwart-wit tegenstelling. Er zijn verschillende intensiteiten van belangenconflicten mogelijk. Maar dit neemt niet weg dat eerst grondig moet nagedacht worden over vraag twee alvorens over te gaan tot de remedies voor moral hazard die we nu in onderstaande paragraaf zullen beschrijven.

10.3.3 Remedies 10.3.3.1

Screening

Net zoals bij adverse selection kan de milieuoverheid proberen om haar informatienadeel weg te werken door te investeren in het vergaren van meer informatie over de acties van de subsidieontvangers. Zo kan men bijvoorbeeld de informatieverplichtingen van de gemeenten in het kader van de milieujaarplannen (de zogenaamde “MJP’s) interpreteren als een poging van de milieuoverheid om beter zicht te krijgen op de acties en reële inspanningen die de gemeenten leveren om de doelstellingen van de samenwerkingovereenkomsten te behalen. Maar net zoals bij adverse selection moeten we ook hier waarschuwen tegen de soms hoge kosten en administratieve lasten die screening met zich mee kan brengen. Vooral omdat er soms alternatieve manieren zijn om moral hazard in te dijken.

25

Bijvoorbeeld in het geval van Natuurpunt, lezen we in hun mission statement: “De nieuwe vereniging wil deze onder meer vrijwaren door natuurgebieden veilig te stellen, in beheer te nemen en verder te ontwikkelen en op te komen voor de ruimtelijke en milieucondities voor de duurzame instandhouding en optimale ontwikkeling van deze natuurwaarden.”, zie http://www.natuurpunt.be ⇒ wie zijn wij ⇒ missie. 88

10.3.3.2

Belonen in functie van prestaties

Een veelgebruikte manier om uitvoerders (bvb. managers in een grote onderneming) aan te sporen om voldoende inspanning te leveren voor de objectieven van hun opdrachtgevers (de aandeelhouders van de betrokken onderneming), is om hun loon afhankelijk te maken van de resultaten van hun werk. Evidente voorbeelden zijn de aandelenopties die vele managers ontvangen als deel van hun vergoeding. De achterliggende idee is dat hoe beter de manager zijn best doet om de winstgevendheid van de onderneming te verbeteren, hoe hoger de aandelenkoersen van het bedrijf op de beurs en hoe waardevoller de aandelenopties zullen zijn. M.a.w., er wordt een directe band gecreëerd tussen de inspanningen van de manager en zijn beloning. Of nog anders gezegd, door de resultaatsafhankelijke betaling worden de belangen van de manager en zijn opdrachtgevers compatibel gemaakt. Noteer hierbij dat de aandelenkoers op zijn minst gezegd een wazig signaal is van de inspanningen van de managers. Aandelenkoersen worden door vele factoren beïnvloed en vaak zijn externe factoren belangrijker dan de inspanningen die het management geleverd heeft om de winstgevendheid op te krikken. Op zich is het geen probleem dat er wat ruis zit op het signaal, zolang er maar een verwacht positief verband is tussen de inspanning van de manager en de aandelenkoers van de onderneming voor welke hij/zij werkt. Algemeen spreekt men over “high powered” versus “low powered” prestatiebetalingen al naargelang de band tussen prestaties en betaling sterk of zwak is. Een prestatieschema waarin de betaling direct gelinkt is aan de prestatie-indicator (bijvoorbeeld een hypothetisch subsidieschema waarin de subsidie-uitkering zou geformuleerd worden als een vast bedrag per kg/inwoner restafval dat er minder geproduceerd wordt in vergelijking met een referentiejaar in het verleden) is het meest extreme voorbeeld van een “high powered” incentiefschema. Een schema dat anderzijds helemaal geen link voorziet tussen prestatie en betaling (bijvoorbeeld een hypothetisch subsidieschema waarin de subsidie-uitkering zou geformuleerd worden als een vast bedrag per gemeente ongeacht de restafvalscore) is een voorbeeld van het andere extreem. Tussen beide extremen in, ligt natuurlijk een continuüm aan tussenvormen. We bespreken hierna twee veel gebruikte tussenvormen.

MINIMALE PRESTATIENORMEN In de cluster vaste afvalstoffen van de Samenwerkingsovereenkomsten kunnen we niet direct spreken van een sterk prestatiegebonden betaling omdat de subsidiebedragen geen functie zijn van bijvoorbeeld de vooruitgang die gemeenten maken op de indicator restafval. De

89

subsidiebedragen zijn enkel afhankelijk van het aantal inwoners van de gemeenten26. Nochtans is er toch wel sprake van enige band tussen prestaties en subsidies omdat gemeenten zich in de cluster vaste afvalstoffen van de Samenwerkingsovereenkomst ook moeten engageren om een minimale norm voor restafval te behalen. Indien zij deze norm niet op tijd halen, komen ze niet in aanmerking voor de subsidie. We kunnen dit interpreteren als een minimale performantie vereiste. Wie onder deze minimale vereiste scoort, komt niet in aanmerking voor de subsidie, wie beter doet, krijgt wel een subsidie. Deze norm geeft gemeenten een sterke prikkel om de norm te behalen. Maar eens de norm behaald, gaat er van zo’n schema geen prikkel meer uit om nog beter te scoren dan de minimale vereiste norm.

VRIJSTELLINGEN OF GEDEELTELIJKE TERUGBETALINGEN Een andere veel gebruikte incentiefstructuur is om slechts een deel van de gemaakte kosten te vergoeden. De eerder aangehaalde subsidies voor de verwerking van reservaten door natuurverenigingen zijn een goed voorbeeld hiervan. Een vereniging kan nooit meer dan 90% van de aankoopsom terugbetaald krijgen (in realiteit zelfs veel minder omdat de 90% slechts geldt op de eerste schijf van het aankoopbedrag) en moet de resterende 10% zelf financieren met bijvoorbeeld ledenbijdragen. Deze restfinanciering heeft een sterk responsabiliserend effect en minimaliseert de moral hazard incentieven. De kostprijs om moral hazard te bestrijden is anderzijds dat door de restfinanciering een aantal potentieel interessante projecten niet zullen door kunnen gaan omdat de verenigingen beperkt zijn in hun financiële mogelijkheden.

MULTIPELE PRESTATIEDIMENSIES Tot slot is het belangrijk dat we wijzen op de gevaren van “high powered” prestatieschema’s. Indien de uitvoerders verschillende taken moeten uitvoeren (bvb. in de samenwerkingsovereenkomsten de andere clusters, of andere gemeentelijke dienstverlening in het algemeen), dan kan een high powered incentiefschema er toe leiden dat de uitvoerder teveel aandacht begint te hechten aan de variabele waarop zijn betaling gebaseerd is en zijn andere taken bijgevolg verwaarloost. In een context waarin de uitvoerders verschillende taken moeten uitvoeren, is het daarom aangewezen een niet al te sterke band tussen prestaties en betalingen in te bouwen. We kunnen daarom de keuze voor een minimaal prestatieniveau (de minimale restafvalnorm) in de cluster vaste afvalstoffen van de samenwerkingsovereenkomsten interpreteren als een compromis tussen enerzijds het geven van voldoende incentieven om

26

Concreet bedragen de subsidies 0,90€ per inwoner voor gemeenten die intekenen op niveau 1, en 0,90+0,80=1,70€ per inwoner voor gemeenten op niveau 2. 90

moral hazard gedrag in te dijken en anderzijds de gemeenten niet aan te zetten tot het verwaarlozen van hun veelheid aan andere taken. 10.3.3.3

Benchmarking

Een derde manier om moral hazard in te dijken is om betalingen afhankelijk te maken van de vergelijking van prestaties tussen alle mogelijke ontvangers. We spreken in dit geval over relatieve performantie objectieven of van benchmarking. Men zou bijvoorbeeld een subsidie voor het beperken van restafval kunnen opzetten waarbij het subsidiebedrag gebaseerd is op de afstand tussen de score van de betrokken gemeente en de gemiddelde score van alle Vlaamse gemeenten samen. Praktijkvoorbeelden van benchmarking zijn bijvoorbeeld te vinden in de financieringsregels van ziekenhuizen in België. Voor een aantal standaard pathologieën (bvb. blindedarmoperaties) werd door het RIZIV een “gemiddelde” kostprijs berekend over alle ziekenhuizen in België heen. Voortaan krijgt elk ziekenhuis enkel nog deze gemiddelde kost terugbetaald. Ziekenhuizen die hogere kosten maken, moeten het verschil zelf bijpassen. Ziekenhuizen die goedkoper de operatie kunnen uitvoeren, mogen het verschil gebruiken om hun andere activiteiten te financieren. Behalve dit soort eenvoudige regels (een gemiddelde kostprijs terugbetalen) zou men ook kunnen gebruik maken van de meer complexe technieken van efficiëntiemeting zoals we ze beschreven hebben in paragraaf 6.

10.3.4 Checklist moral hazard •

Heeft één van de partijen (meestal de subsidieontvanger in onze context) een informatievoordeel t.o.v. de andere partij met betrekking tot een cruciale actie die in de overeenkomst gevraagd wordt (bvb. een niet geobserveerde inspanningsvariabele)?

•

Is er gevaar dat de beter geïnformeerde partij haar informatievoordeel zal misbruiken om haar eigen positie te verbeteren? Maw, heeft de beter geïnformeerde partij er belang bij om weinig inspanning te leveren?

•

Indien het antwoord op beide voorgaande vragen positief is, dan kan op drie manieren de gevolgen van adverse selectie bestreden worden.

o

Screening: investeer tijd en middelen in het verzamelen van extra gegevens over de subsidieontvanger om op die manier het informatievoordeel te verkleinen. Het nadeel van deze oplossing is de hoge kostprijs.

91

o

o

Belonen in functie van prestaties: om de ontvanger te responsabiliseren kan men de subsidie afhankelijk maken van de geleverde inspanningen. Dit kan in verschillende graden van intensiteit gebeuren:




Minimale prestatienormen: hierbij wordt enkel een minimale ondergrens voor de te leveren prestaties gespecificeerd. Wie onder de grens scoort, krijgt geen subsidie. Nadeel is dat ontvangers die de norm halen, geen prikkel ondervinden om nog verdere inspanningen te leveren.




Vrijstellingen: gedeeltelijke (vb. 75%) in plaats van volledige compensatie van de kosten van de ontvanger voor zijn geleverde inspanningen.




Multipele prestatiedimensies: indien verschillende prestatiedoelstellingen tegelijk beoogd worden, dan mag men de band tussen prestatie en vergoeding niet te strak maken.

Benchmarking: hierbij worden ontvangers vergoed “gemiddelde” prestaties van vergelijkbare ontvangers.

in

functie

van

de

Ten slotte willen we er nog op wijzen dat incentieven ook een belangrijke rol spelen in de problematiek rond controle en handhaving van het milieubeleid. Deze problematiek gaat het bestek van deze studie te buiten maar geïnteresseerde lezers kunnen we doorverwijzen naar bvb. Rousseau (2005).

92

11 INNOVATIE Innovatie en Onderzoek en Ontwikkeling (O&O in het vervolg) zijn momenteel heel populaire onderzoeksthema’s, zowel in de theoretische economische literatuur als in de toegepaste beleidsliteratuur. Algemeen wordt aangenomen dat O&O een cruciale verklarende factor is van de competitiviteit van nationale economieën en dus van hun macro-economische prestaties in termen van tewerkstelling, groei enzovoort. Dit blijkt bijvoorbeeld duidelijk op het vlak van de Europese Unie waar de lidstaten zich in de Lissabon agenda verbonden hebben om tegen 2010 3% van hun bruto binnenlands product te besteden aan O&O, zie Europese Commissie (http://europa.eu.int/growthandjobs). Op Vlaams vlak wordt de evolutie van de regionale O&O inspanningen op de voet gevolgd via de oprichting van het Steunpunt Onderzoek en Ontwikkeling Statistieken (http://www.steunpuntoos.be) dat geregeld voortgangsrapporten publiceert. De economische literatuur rond innovatie en O&O is bijzonder uitgebreid en het is niet onze bedoeling in dit rapport deze literatuur volledig te overlopen of samen te vatten. Een goed overzicht (in het Nederlands) kan men bijvoorbeeld vinden in Van Ex (1999) (meer algemeen) of Van Humbeeck (2003) (meer specifiek over het verband tussen O&O en duurzaamheid). Ook het recente speciale nummer van Ecological Economics “Technological Change and the Environment” geeft een up-to-date stand van zaken van de inzichten in de relatie tussen milieu en technologische vooruitgang (zie: Vollebergh en Kemfert, 2005). Onze ambitie in deze paragraaf is beperkter. We willen enkel de relatie tussen milieusubsidies en innovatie onderzoeken. Meer bepaald de volgende vragen: •

Waarom moet de overheid O&O subsidiëren?

•

Hoe kunnen we de innovatie-effecten van milieusubsidies evalueren?

11.1

WAAROM ZOU DE OVERHEID O&O NAAR MILIEUTECHNOLOGIE SUBSIDIËREN?

11.1.1 Eerst externaliteiten internaliseren! De standaardreactie van (milieu)economen op de vraag naar subsidies voor milieutechnologie is dat eerst en vooral de prijzen van de bestaande, vaak sterk vervuilende technologieën, alle milieu-externaliteiten correct zouden moeten reflecteren, zie ondermeer Van Humbeeck (2003). Momenteel zijn prijzen vaak nog enkel een functie van productie- en transportkosten en omvatten ze niet de externe milieueffecten die de productie of consumptie van die producten veroorzaken. Hierdoor zijn de bestaande technologieën té goedkoop vanuit maatschappelijk standpunt bekeken. Bovendien is daardoor de prikkel om naar betere, minder milieubelastende alternatieven te zoeken té klein. Immers, de private en maatschappelijke baten van het ontwikkelen van een nieuwe, milieuvriendelijker, alternatief omvatten ondermeer de uitgespaarde uitgaven en kosten voor het gebruik van de bestaande vervuilende technologieën. 93

We zeggen daarom dat de relatieve prijsverhouding tussen oude en nieuwe (eventueel nog te ontwikkelen) technologieën fout zit: de bestaande vervuilende technieken zijn relatief té goedkoop. Deze foute relatieve prijsverhouding kan men natuurlijk proberen recht te zetten door het verlenen van genereuze subsidies aan de nieuwe technologieën, hierdoor wordt de kloof met de prijzen van de bestaande technologieën verkleind en worden de nieuwe technologieën competitiever. Maar men zou evengoed andersom tewerk kunnen gaan en de vervuilende technieken duurder maken à rato van de externe milieuvervuiling die ze veroorzaken. Het grote voordeel van deze tweede piste heeft te maken met publieke financiën. Subsidies vereisen namelijk dat de overheid eerst verstorende belastingen heft om de uitkeringen te financieren. In landen met al een hoge belastingdruk remmen deze extra belastingen de economische welvaartscreatie sterk af. Daarentegen, het internaliseren van externe effecten kent dat probleem niet. Indien het internaliseren gebeurt door middel van emissiebelastingen of door verhandelbare emissierechten die initieel geveild worden, dan genereren deze beleidsinstrumenten integendeel extra overheidsinkomsten en zouden, in principe, de verstorende belastingen op bijvoorbeeld arbeid, verlaagd kunnen worden.

11.1.2 Toch nog redenen voor subsidies? Uit het voorgaande zou men kunnen besluiten dat er geen nood zou zijn aan overheidssteun voor O&O voor milieutechnologieën eens alle milieu-externaliteiten correct geïnternaliseerd zijn. Dat is echter niet het volledige verhaal. In deze paragraaf geven we daarom een korte, niet exhaustieve, lijst met argumenten waarom de overheid toch nog tussenbeide zou komen met subsidies, zelfs nadat alle milieu-externaliteiten correct in de marktprijzen geïnternaliseerd zijn via emissiebelastingen, verhandelbare emissierechten en dergelijke. 11.1.2.1

O&O is een publiek goed

De economische literatuur (de industriële economie literatuur in het bijzonder) bekijkt O&O voornamelijk vanuit een externaliteitenkader. Dat wil zeggen dat elke geslaagde onderzoeksinspanning van een bedrijf leidt tot een innovatie die op termijn ook door zijn concurrenten kan overgenomen worden. Met andere woorden, uitgaven die bedrijven doen voor O&O genereren externe effecten: niet alleen het bedrijf zelf wordt er beter van (door kostenbesparingen indien het om efficiëntieverbeteringen gaat of door het aanboren van nieuwe markten indien het over volledig nieuwe eindproducten gaat) maar ook de concurrenten kunnen in zekere mate meeprofiteren van de onderzoeksinspanningen. Onderzoeksinspanningen door private bedrijven leiden dus tot positieve externe effecten voor andere bedrijven. Indien er belangrijke positieve externe effecten zijn verbonden aan O&O, dan kan O&O als een publiek goed omschreven worden. Een klassiek resultaat in micro-economie is dat winstmaximaliserende private agenten geneigd zijn te weinig (in vergelijking met wat maatschappelijk wenselijk zou zijn) in zulke publieke goederen te investeren omdat ze liever free-riden. Dat wil zeggen dat ze liever de baten van O&O dat door andere bedrijven 94

gefinancierd werd, genieten zonder zelf grote O&O inspanningen te doen. Aangezien alle actoren liever free-riden dan zelf bij te dragen tot het publiek goed, raken ze gevangen in een ongunstig evenwicht waarbij er, vanuit maatschappelijk oogpunt, te weinig in O&O geïnvesteerd wordt door private bedrijven. Externaliteiten in O&O is daarom één van de belangrijkste motivaties om bedrijven tijdelijk exclusiviteit van hun innovaties te verlenen door middel van patenten. Patenten maken het mogelijk voor een innoverende onderneming om rivalen uit te sluiten van de baten van haar O&O-inspanningen. Maar zelfs mét patenten blijft het moeilijk voor bedrijven om hun innovaties te beschermen tegen concurrenten. Vaak zijn er grote gerechtskosten om patentinbreuken te laten vaststellen en vervolgen. Of soms maken rivalen een variant die nét genoeg verschilt van het origineel om te ontsnappen aan de patentbeperkingen. Al deze argumenten leiden ons tot het besluit dat, zelfs indien er een goede patentregeling bestaat, er toch nog redenen zijn waarom de overheid O&O zou proberen aan te moedigen door middel van bijvoorbeeld subsidies. Op die manier kan ze de vrijwillige ondervoorziening van O&O doorbreken. 11.1.2.2

Strategische handelsvoordelen

Een ander vaak gehoord argument waarom overheden O&O van haar nationale bedrijven sponsort, is dat dit tot een strategisch handelsvoordeel kan leiden ten opzichte van buitenlandse concurrenten. Het Boeing-Airbus verhaal is daarvan een goede illustratie. Zonder overheidssteun is er waarschijnlijk maar plaats voor één producent van een mega-carrier (+500 passagiers) in de vliegtuigmarkt. Indien beide grote spelers alle twee een mega-carrier zouden ontwikkelen, dan zullen ze te weinig exemplaren kunnen afzetten om de hoge vaste ontwikkelingskosten terug te verdienen. Er zijn maar twee mogelijke marktevenwichten: ofwel maakt Boeing een megacarrier en Airbus niet, ofwel andersom. Welk van de twee evenwichten zich zal voordoen in de realiteit, valt moeilijk te voorspellen. In principe zijn ze alle twee even waarschijnlijk. Maar de overheden van de betrokken landen kunnen de uitkomst van het spel beïnvloeden. Door een belangrijke subsidie te verlenen aan Airbus Industries (onder de vorm van terugbetaling van prototype ontwikkelingskosten) kan de EU het evenwicht forceren waarin Airbus wél zijn A380 ontwikkelt en Boeing geen megacarrier op de markt brengt, met alle positieve effecten voor de Europese economie van dien, zie Shy (1995). 11.1.2.3

Netwerken opbouwen en startbarrières doorbreken

Heel wat nieuwe technologieën komen maar moeilijk uit de startblokken omdat een minimale penetratiegraad vereist is alvorens het nieuwe product of proces beter presteert dan de bestaande alternatieven. Denk bijvoorbeeld aan de introductie van waterstoftechnologie voor auto’s (‘fuel cells’). Een belangrijke startvoorwaarde voor deze nieuwe technologie is de uitbouw van een netwerk van gespecialiseerde tankstations waar waterstof getankt kan worden of fuel cells vervangen kunnen worden. De uitbouw van een dergelijk netwerk is erg duur en zal de introductie van de waterstoftechnologie aanvankelijk zeker parten spelen. Om dit soort startbarrières te doorbreken, kan overheidssteun onder de vorm van subsidies wenselijk zijn. 95

11.1.2.4

Kapitaalmarktimperfecties

Tenslotte vermelden we nog een andere reden die subsidies voor de introductie van nieuwe technologieën kan rechtvaardigen. Vaak vinden potentiële investeerders namelijk geen, of slechts erg dure, kredieten voor nieuwe technologieën omdat de klassieke kredietverschaffers (banken bijvoorbeeld) weigerachtig staan tegenover het onbekende nieuwe risico. De overheid zou dan kunnen tussenbeide kunnen komen met renteloze leningen of borgstellingen om alsnog het investeren in de nieuwe technologie mogelijk te maken.

11.2

EVALUATIE VAN INNOVATIE-EFFECTEN VAN MILIEUSUBSIDIES

11.2.1 Prijsinstrumenten beter dan klassieke regulering? Milieueconomen pleiten voor het gebruik van prijsinstrumenten zoals emissiebelastingen of subsidies voor milieuverbeteringen in plaats van “command-and-control” instrumenten zoals technologiestandaarden. Het klassieke argument (zie ondermeer Bohm en Russell, 1985) is dat prijsinstrumenten de vervuiler blijvend confronteren met een prijs voor zijn resterende eenheden vervuiling. Hierdoor ervaart hij een blijvende prikkel om zijn uitstoot verder terug te dringen en bijvoorbeeld nog meer te investeren in O&O om de efficiëntie van zijn productieprocessen te verbeteren. Van technologiestandaarden (zelfs van een BBT of Best Beschikbare Technolgie-standaard) gaat veel minder prikkel uit om, na het implementeren van de gewenste technologie, nog verder te zoeken naar extra reducties van de uitstoot. Hierbij moet evenwel opgemerkt worden dat dit argument enkel slaat op subsidieschema’s die betalen à rato van de vermeden vervuilingseenheden. In het kader van de cluster Vaste Afvalstoffen van de Samenwerkingsovereenkomsten tussen de administratie leefmilieu en de Vlaamse gemeenten, worden aan gemeenten die ingetekend hebben, subsidies uitgekeerd op voorwaarden dat ze een gegeven restafvalnormen halen tegen een bepaalde datum. Eens de norm bereikt, ervaren deze gemeenten natuurlijk weinig extra stimulansen vanuit de Samenwerkingsovereenkomst om nog verder te zoeken naar nieuwe technieken of acties om hun restafvalfractie nog verder terug te dringen. Ook alle subsidies die bestaan uit een gedeeltelijke terugbetaling van de aankoop of installatie van een bepaalde milieutechniek, hebben weinig direct stimulerend effect op O&O. Deze subsidies vergemakkelijken natuurlijk wel de introductie en verspreiding van een nieuwe technologie maar ze geven weinig incentieven aan bedrijven om te zoeken naar nieuwere, nog betere, technologieën. Voorbeelden van dit soort subsidies zijn talrijk te vinden: alle subsidies voor investeringen in energie-efficiëntie in privé-woningen, subsidies voor groendaken, subsidies voor kleine afvalwaterzuiveringsinstallaties enzovoort. We onthouden hieruit dat, louter op basis van theoretische argumenten, milieusubsidies pas effectief O&O kunnen stimuleren indien het subsidiebedrag varieert in functie van het bereikte milieuresultaat. Dit leidt ons tot het belangrijke besluit dat van een milieusubsidie weinig O&O stimulerend effect te verwachten valt indien het subsidies betreft die een vast bedrag uitkeren eens een bepaalde techniek wordt geïmplementeerd of indien een bepaalde 96

emissiedrempelwaarde wordt bereikt. Verdere evaluatie van de O&O effecten van dat soort type subsidies is dan ook verder weinig relevant.

11.2.2 Endogene technologische vooruitgang en milieusubsidies Ondertussen staat de economische literatuur veel verder dan dit klassieke argument ten voordele van milieusubsidies om O&O aan te moedigen. Parry, Pizer en Fischer (2003) bijvoorbeeld benadrukken dat de effecten van milieubeleidsinstrumenten (en dus ook van subsidies) op O&O zeer sterk afhankelijke zijn van de mate van spillover van de resultaten naar andere ondernemingen. De combinatie van twee externaliteitsproblemen, de milieu-externaliteit enerzijds en het publiek goed karakter van O&O naar nieuwe milieuvriendelijkere technologieën anderzijds, maakt het moeilijk om tot een algemeen geldende rangschikking te komen van milieubeleidsinstrumenten op O&O. Ook Smulders en de Nooij (2003) komen tot dergelijke gemengde resultaten in hun onderzoek van de invloed van energiebesparingsmaatregelen op O&O en op economische groei. Er is duidelijk consensus in de literatuur (zie bijvoorbeeld Carraro et al., 2003) dat de huidige kennis van de interactiemechanismen tussen O&O en milieubeleid nog zeer rudimentair is. Wel kunnen we zeggen dat de eenvoudige aanbevelingen die vroeger gedaan werden (prijsinstrumenten zijn beter dan command-and-control) niet meer zo eenduidig zijn in meer realistische modellen van O&O. Aangezien geen eenduidige aanbevelingen kunnen gemaakt worden op basis van theoretische argumenten, wordt er sterk geïnvesteerd in het opnemen van meer complexe O&O processen in numerieke algemeen-evenwichtsmodellen. De nieuwe generatie modellen heeft allemaal een zogenaamde ‘endogene’ technologische vooruitgang die afhangt van de stock aan door de tijd gecumuleerde wetenschappelijke kennis. In elke periode moeten bedrijven beslissen hoeveel ze investeren in fysiek kapitaal (machines bijvoorbeeld) enerzijds en in O&O anderzijds. Met dit soort modellen kan een zeer rijke combinatie van scenario’s onderzocht worden waarbij expliciet rekening gehouden wordt met tijdsvertragingen tussen het opstarten van het onderzoek en het bereiken van resultaat, de kans op succes, de mate waarin de onderzoeksresultaten exclusief gemaakt kunnen worden door middel van patenten, de mate waarin ‘learning-by-doing’ de kosten doet afnemen doorheen de tijd enz. Een goed voorbeeld van zo’n model is bijvoorbeeld het GEM-E3 model (http://www.gem-e3.net).

11.2.3 Effecten van milieusubsidies op O&O meten Tenslotte komen we tot het eigenlijke evalueren van de effecten van milieusubsidies op het O&O gedrag van bedrijven en sectoren. En eigenlijk kunnen we daarover kort zijn want in principe kan dit effect gemeten worden met dezelfde technieken die we voorgesteld hebben om de effecten van de milieusubsidie op milieukwaliteit (outcome) te meten. De hele batterij van technieken die we bij effectiviteitsmeting besproken hebben, is in principe bruikbaar om de effecten van milieusubsidies op O&O in te schatten. Het enige verschil is dus de outcome variabele waar men naar kijkt, namelijk O&O in plaats van milieuprestaties.

97

Alles hangt daarbij natuurlijk af van de beschikbaarheid van voldoende betrouwbare indicatoren voor het meten van O&O prestaties. Typische indicatoren voor O&O omvatten het aantal patentaanvragen, het aantal patentaanvragen gewogen naar citaties, het totaal bedrag aan O&O investeringen door private en publieke entiteiten enzovoort. Op de website van het Steunpunt Onderzoek en Ontwikkeling Statistieken (http://www.steunpuntoos.be) kan de geïnteresseerde lezer een overzicht vinden van de voor Vlaanderen beschikbare O&O indicatoren. We willen er echter wel op wijzen dat de meeste indicatoren maar beschikbaar zijn op een zeer hoog aggregatieniveau, dat wil zeggen voor een ruwe sectorindeling van de Vlaamse economie. Men zal tevergeefs zoeken naar O&O indicatoren die tot op subsectorniveau, bijvoorbeeld de waterzuiveringstechnololgiesector, gegevens kunnen verstrekken. Dit bemoeilijkt natuurlijk sterk de evaluatie van O&O effecten van milieusubsidies.

11.3

SAMENVATTING INNOVATIE

•

De wisselwerking tussen technologische ontwikkeling en duurzaamheid is een zeer uitgebreid onderzoeksdomein waarmee we een apart rapport zouden kunnen vullen.

•

Zelfs na het internaliseren van alle mogelijke negatieve externe milieueffecten kunnen subsidies voor milieutechnieken nog aangewezen zijn omdat onderzoek en ontwikkeling vaak kenmerken van publieke goederen vertonen en bijgevolg door de vrije marktwerking in onvoldoende mate geproduceerd worden.

•

Moderne algemeen-evenwichtsmodellen modeleren technologische vooruitgang als een endogeen proces waarin het investeren in O&O expliciet als een beslissingvariabele wordt voorgesteld.

•

De methodologieën die wij in de paragrafen 5 en 6 besproken hebben, kunnen in principe ook gebruikt worden om de effectiviteit en efficiëntie van milieusubsidies voor innovaties en O&O te evalueren. Cruciaal daarbij is echter het vinden van een goede outcome indicator zoals bijvoorbeeld het aantal patenten voor technologieën die een bepaalde milieuprobleem aanpakken.

98

12 ASPECTEN VAN LOKALE PUBLIEKE FINANCIËN In hoofdstuk 4 hebben we outcome-effectiviteit of doelgroepeffectiviteit geïnterpreteerd als de gedragsveranderingen van de doelgroep in reactie op het subsidie-instrument dat de overheid inzet. In paragraaf 5.4.3 hebben we geargumenteerd dat we die gedragsreacties van consumenten of bedrijven kunnen proberen te voorspellen door middel van structurele economische modellen onder de veronderstelling van nuts- of winstmaximering. We hebben er ook op gewezen dat dit a priori wat complexer ligt wanneer de doelgroep een lagere overheid zoals een gemeente of provincie is. Welk objectief streeft een gemeentebestuur na? Wat is de relatie tussen de voorkeuren van de inwoners van de gemeente en de beslissingen van het gemeentebestuur dat zij om de zes jaar verkiezen? Is er verschil te verwachten tussen de effecten van een milieusubsidie die aan de gemeente dan wel direct aan haar inwoners wordt uitgekeerd? In dit hoofdstuk gaan we dieper in op deze vragen.

12.1

INLEIDING

De essentiële doelstelling van subsidies is het verruimen van de budgettaire beperkingen en/of het bijsturen van het keuzegedrag van de ontvanger in de door de donor gewenste richting. Deze vaststelling geldt evenzeer voor gemeentelijke betoelagingen door een hogere overheid als bijvoorbeeld voor subsidiëring van werkgevers bij het aanwerven van bepaalde groepen werknemers, het subsidiëren van onderwijs, enzovoort. Het is een welbekend gegeven dat de Vlaamse (en Waalse) gemeenten een aanzienlijk deel van hun werkingsmiddelen precies betrekken via zulke geldstromen van ‘hogerop’ Ter illustratie: in Vlaanderen vertegenwoordigden het geheel van fondsen en toelagen in 2004 ruim 40 procent van het totaal van de (geconsolideerde) gewone gemeentelijke ontvangsten (cf. Dexia, 2005, Lokale Financiën 2005). Ook wat deze middelen betreft kan men teruggrijpen op wat hierboven de essentiële doelstellingen van subsidies werden genoemd. Er zijn bijvoorbeeld algemene dotaties —de ‘fondsen’—, zoals het Gemeentefonds, die in eerste instantie het financiële draagvlak van elke gemeente willen verruimen. Bij de verdeling van deze middelen over de gemeenten houdt men weliswaar rekening met bvb. verschillen in de omvang van de lokale belastingbasis of enkele brede structuurkenmerken, maar finaliter zijn ze algemeen in die zin dat de gemeenten een zeer grote vrijheid hebben als het gaat over de besteding van deze middelen. Daarnaast zijn er specifieke of toegewezen dotaties —de ‘toelagen’— waarbij de besteding van de ontvangen middelen precies gekoppeld is aan welbepaalde beleidsmateries als bvb. onderwijs, sociale vernieuwing, en dergelijke. De leefmilieugerelateerde tegemoetkomingen ressorteren onder deze tweede categorie. Precies bij dit tweede type treedt de idee van gedrags(bij)sturing meer op de voorgrond: in wezen beoogt men de gemeenten aan te zetten tot het meer benadrukken van het betreffende beleidsdomein dan ze anders, d.w.z. bij een volledige autonomie over hun geldmiddelen, zouden doen. Daarmee zijn meteen de algemene trekken geschetst voor een conceptueel adequate evaluatietechniek voor leefmilieugerelateerde financiële tegemoetkomingen aan lokale overheden. In wezen dient zulke techniek dan immers precies na te gaan of, en in welke mate, 99

zulke gedragswijziging daadwerkelijk wordt uitgelokt door het betreffende subsidie. De evaluatiemethodologie die we hieronder voorstellen, vertrekt volledig vanuit dit conceptuele criterium. Dit ‘mediaankiezermodel’’ en de relatie met subsidies worden kort voorgesteld; we geven ook een aanzet tot de vertaling van dit model in het soort regressievergelijkingen die men hanteert om de gedragswijzigingen in kaart te brengen.

12.2

MODELLERING EN SCHATTING VAN GEDRAGSWIJZIGINGEN BIJ LOKALE OVERHEDEN: HET MEDIAANKIEZERMODEL.

Het gebruikelijke kader voor de analyse van de impact van betoelagingen op het economische keuzegedrag van lokale overheden, streeft maximaal de parallel na met het standaardmodel van de micro-economische consumententheorie. Meer specifiek behelst deze aanpak dat men veronderstelt dat de gemeente, gegeven haar voorkeuren en een budgetbeperking, een zo hoog mogelijk welvaartspeil wil bereiken. Hoewel die voorkeuren gewoonlijk niet gekend zijn (evenmin als bij de consument uit de economische consumententheorie overigens), laat de veronderstelling van rationeel keuzegedrag toe om het belangrijke concept van de vraag(functie) naar lokale goederen af te leiden en empirisch te schatten. En op zijn beurt is dat concept dan weer cruciaal om de effecten van toelagen in kaart te brengen.

12.2.1 Impactanalyse van toelagen: basisinzichten Vooraleer dit model nader te ontwikkelen, past het om te tonen hoe de doorgedreven analogie met het consumentenmodel nuttig is bij de studie van de effecten van betoelaging. Een uitgebreide bespreking van deze effecten valt buiten het bestek van deze tekst; in de meer gespecialiseerde literatuur worden deze effecten gewoonlijk telkens voor verschillende (basis)types van toelagen besproken27. We beperken ons hier tot enkele cruciale basisinzichten. Een meer uitgebreide analyse kan in Moesen en Van Puyenbroeck (2006) gevonden worden. 12.2.1.1

Een vast bedrag of ‘lump sum’ subsidie

Eerder werd reeds aangehaald dat milieugerelateerde subsidies tot de groep van specifieke of toegewezen dotaties behoren. Hieronder gaan we met behulp van het net geschetste model in een grafiek na wat het effect is van een ‘vast bedrag’ (zogenaamde lump sum) subsidie die tot deze groep behoort. Op de horizontale (X-)as van Figuur 8 vindt men aldus de dienst of het

27

Zie bijvoorbeeld hoofdstuk 9 in S. Bailey (1999), Local Government Economics: Principles and Practice. Ook in meer algemene werken over openbare financiën wordt dikwijls plaats geruimd voor deze ‘impact analysis’: cf. bijvoorbeeld H. Rosen (2005), Public Finance, p. 530-539. 100

goed in kwestie dat van de specifieke toelage geniet; op de verticale (Y-)as staat de waarde, in monetaire termen, van alle overige goederen en diensten die door de inwoners van de ontvangende gemeente worden geconsumeerd. Noteer dat in deze laatste verzameling dus niet alleen de overige lokale publieke goederen, maar ook de private consumptiegoederen van die inwoners worden gegroepeerd. Die opmerking is niet onbelangrijk voor wat volgt; meer consumptie van het geaggregeerde goed —op de grafiek weergegeven door een punt met hogere coördinaten op de verticale as— kan immers ook het gevolg zijn van de (lokale) beleidsbeslissing om (lokale) belastingen te laten zakken en zo het netto-inkomen van de consumenten te doen toenemen.

Figuur 8: Effect van specifieke lump-sum subsidies

Alle andere goederen en diensten

A

C

y2

E2 IC2

E1

y1

IC1 IC0 x1

Betoelaagde dienst D

x2 B

Deze figuur vat het wezen van het economische keuzeprobleem samen: hoe een zo hoog mogelijke welvaart bereiken gegeven de voorkeuren enerzijds en de beperkte budgettaire middelen anderzijds? De drie krommen (IC0, IC1 en IC2) verwijzen naar de eerste component. Meer specifiek geven ze elk een zogeheten ‘indifferentiecurve’ weer. Zoals de naam doet vermoeden, groepeert zo’n curve die combinaties van goederen —hier dus van X en Y— waarvoor de betrokken consument in termen van zijn finale welvaart onverschillig is. Of: zolang de gemeente een X,Y combinatie aanlevert die op de curve IC1 ligt, blijft de lokale welvaart ongewijzigd. Een stijging van de lokale welvaart houdt dus in grafische termen noodgedwongen een wijziging in waarbij de uiteindelijke keuze op een andere, ‘hogere’ curve ligt. Een overstap van het punt E1 (op IC1) naar het punt E2 (op IC2) is daarvan een voorbeeld.

101

De tweede component, die van de ‘budgetbeperking’, wordt bijvoorbeeld gegeven door de rechte AB. Deze rechte vat inderdaad samen welke combinaties van X en Y de betrokken gemeente kan betalen, gegeven haar budgettaire middelen en de prijs van X in verhouding tot die van alle andere goederen (zoals samengevat in Y)28. In grafische termen komt het keuzeprobleem dus hierop neer: wat is de hoogst mogelijke indifferentiecurve —het hoogst mogelijke welvaartsniveau— die de lokale gemeenschap kan bereiken met haar beperkt budget? Nemen we de budgetrechte AB als vertrekpunt, dan is het meteen duidelijk dat het hoge welvaartsniveau zoals gevat door IC2 onbereikbaar is. Andersom zijn er goederencombinaties op de curve IC0 die binnen de budgettaire mogelijkheden liggen (nl. alle punten op IC0 die onder de budgetrechte AB liggen). Alleen is dit niet de meest logische keuze: met hetzelfde budget kan men klaarblijkelijk een nóg hoger welvaartsniveau bereiken. Wanneer men deze redenering verder doortrekt, komt men uiteindelijk precies op het punt E1 (op IC1 ) terecht: letterlijk wordt daar, gegeven de schaarse middelen, de hoogst mogelijke welvaart bereikt. Wie vertrouwd is met de wijze waarop in de economische theorie het keuzegedrag van de individuele consument wordt gemodelleerd, ziet inderdaad dat de gelijkenis erg ver wordt doorgedreven. Zoals reeds gesteld, kan de impact van betoelaging vrij eenvoudig via deze weg worden geanalyseerd. Wat is, bijvoorbeeld, het effect van een vast bedrag (bvb. een vast bedrag per inwoner) dat de gemeente in principe dient te spenderen aan goed X? Het is evident dat elke subsidie in bovenstaand kader hoe dan ook zal gevat worden door een verruiming van de budgetbeperking. In het geval dat hier aan de orde is, wordt dat verruimde budget weergegeven door de vette lijn ACD. Het effect van het gestegen inkomen weerspiegelt zich logischerwijs in het uitschuiven van de budgetrechte. Net omdat het hier om een specifieke toelage gaat, loopt het eerste deel van de nieuwe budgetrechte (het deel AC) evenwel horizontaal. Dit is eenvoudig in te zien: zelfs met de specifieke toelage is de maximale hoeveelheid die de gemeente aan andere goederen en diensten kan spenderen (A) niet toegenomen. Of nog: als een algemene dotatie ten belope van hetzelfde bedrag was toegewezen, en de gemeente met andere woorden volledig vrij kon beslissen over de aanwending van dat bedrag, zou de relevante budgetruimte zich ook tot de stippellijn boven het punt C uitstrekken. Hier is dat dus niet het geval; de toelage kan enkel dienen ter financiering van goed X. Op eenzelfde wijze als hiervoor worden vervolgens voorkeuren en de nieuwe budgetrechte aan elkaar gekoppeld. Het nieuwe evenwicht E2 (op IC2 ) wordt bereikt. Voor het bestudeerde voorbeeld houdt dit daadwerkelijk in dat de betrokken recipiënt meer zal

28 Op het effect van prijswijzigingen keren we verderop terug. Voorlopig laten we die parameter evenwel buiten beschouwing.

102

spenderen aan de geviseerde dienst dan wanneer die louter met eigen middelen zou gefinancierd worden. Dit elementaire voorbeeld laat ook toe om enkele bijkomende belangrijke vaststellingen te doen. •

Het uiteindelijke effect van een toelage op het geviseerde goed hangt in niet geringe mate af van de voorkeuren van de recipiënt: een andere vorm van de indifferentiecurven zou allicht tot andere evenwichtspunten leiden. Meer in het bijzonder is dat effect afhankelijk van de wijze waarop de betrokken gemeente haar vraag aanpast aan een inkomensstijging.

•

Voor de evaluatie van de impact van dit type van toelagen zal men bijgevolg een idee moeten trachten te vormen over de inkomensgevoeligheid van de lokale vraag naar het betrokken goed.

•

Indien bovenstaande analyse strikt zou opgaan, geldt alvast voor dit voorbeeld dat de specifieke aard van de betoelaging geen wezenlijke impact heeft op het uiteindelijke effect op de voorziening van X! Een algemene dotatie ten belope van hetzelfde bedrag — die zoals gezegd neerkomt op de vervanging van het lijnstuk AC door de stippellijn links boven C— zou immers, voor gegeven voorkeuren, tot net hetzelfde evenwichtspunt leiden.

Op deze tweede vaststelling komen we verderop nog even terug. Minstens even belangrijk is echter dat men uit de figuur kan aflezen dat na de toelage niet alleen het geviseerde goed X is toegenomen: ook de consumptie van het ‘samengestelde’ goed Y neemt duidelijk toe. Als we met andere woorden met de specifieke toelage een ‘directe additionaliteit’ van het geviseerde goed X beogen, kunnen zich in principe ook enkele, al dan niet gewenste, neveneffecten voordoen. •

Er is sprake van indirecte additionaliteit als na de betoelaging van een welbepaald goed de gemeente de aldus vrijgekomen budgettaire ruimte (ten dele) aanwendt voor de financiering van andere lokale goederen. Concreet: een vaste (per capita) toelage voor milieudoeleinden vervangt ten dele de eigen middelen die daar voorheen aan werden gespendeerd, en die vrijgekomen middelen kan de gemeente elders inzetten.

•

Er is sprake van een loutere verschuiving (displacement) als de gemeente de betoelaging van een welbepaald goed aanwendt om minder beroep te doen op eigen inkomstenbronnen (dus de lokale belastingen en retributies verlaagt). Transfers vanuit een hoger overheidsniveau komen dan (ten dele) in de plaats van lokale fiscale inspanningen.

Deze vaststellingen vergen wat bijkomende toelichting. In de werkelijkheid kan men combinaties van directe additionaliteit met één of beide neveneffecten verwachten. Een heel fundamentele reden voor deze neveneffecten is het informatieprobleem dat zich stelt tussen de donor en de recipiënt, die zelfs met de meest sluitende boekhoudkundige technieken altijd een informatievoordeel blijft behouden ten aanzien van de controlerende instantie. Meteen is 103

daarmee gesteld dat de controle op zulke neveneffecten verre van eenvoudig is.29 In meer prozaïsche termen: wil de donor de neveneffecten van een specifieke subsidie zo beperkt mogelijk houden, dan zal hij voor de controle van de directe additionaliteit gepaste structuren en middelen moeten voorzien. 12.2.1.2

Een gebonden of ‘matching grant’ subsidie

Om het fundamentele karakter van dit informatieprobleem te beklemtonen, wijzen we er op dat voormelde neveneffecten evenmin theoretisch uit te sluiten zijn indien men zou overstappen van een vaste subsidienaar een zogeheten ‘gebonden’ toelage (matching grant). Kenmerkend voor zulke toelage is dat de financiële inspanning gedeeld wordt tussen de donor en de ontvanger. Bijvoorbeeld: voor elke euro die de recipiënt aanwendt ter financiering van een specifiek goed, past de donor m euro bij. Figuur 9 geeft een heel eenvoudige versie van dit subsidiemechanisme weer. De startpositie is dezelfde als die in Figuur 8. Het wezenlijke verschil met voorgaand geval zit hem in de aard van het effect op de nieuwe budgetrechte. In dit geval gaat het immers niet in eerste instantie om een toegenomen inkomen (al is dat vanzelfsprekend wel het onrechtstreekse resultaat). De gedeelde financiering houdt wel in dat de feitelijke prijs per eenheid van het geviseerde goed daalt voor de recipiënt. Grafisch komt de daling van die prijs, relatief t.o.v. de onveranderd gebleven kostprijs van alle andere goederen zoals samengevat in het aggregaat Y, neer op een wenteling van de budgetrechte naar buiten. Ook hier zit men een stijging in de lokale vraag naar het geviseerde goed X, maar de figuur illustreert dat indirecte effecten op de andere bestedingen ook hier niet zijn uitgesloten (cf. de stijging van y1 naar y2). De basisintuïtie is vanzelfsprekend onveranderd ten opzichte van het voorgaande geval: extra middelen van buitenaf leiden tot navenant vrijgekomen middelen op het eigen budget, en die laatste hoeven niet per se blijven opgehangen worden aan het betoelaagde goed.

29

Fisher en Papke (2000) geven zowel een uitgewerkt voorbeeld voor de wijze waarop de additionaliteit en het

displacement effect kunnen geschat worden als een idee van de foutenmarge waarmee men hoe dan ook uitspraken dient te doen (“30 tot 70 cent minder lokale belasting voor elke dollar specifieke betoelaging van onderwijs”). We merken daarbij op dat men gewoonlijk vooronderstelt dat (een grote omvang van) de neveneffecten inderdaad ongewenst zou zijn. Maar bijvoorbeeld het displacement effect kan in wezen ook nuttig zijn, vermits betoelagingen al te grote verschillen tussen gemeenten in lokale fiscaliteit kan tegenwerken (d.i. de idee van revenue sharing waarop bvb. het Gemeentefonds deels steunt). Hoe dan ook geldt bovendien dat controle een spanningsveld creëert ten aanzien van de idee van lokale beleidsautonomie (soms terecht, soms onterecht). 104

Figuur 9: Effect van gebonden toelagen

Alle andere goederen en diensten

IC2 A

E2

y2 y1

E1 IC1 Betoelaagde dienst x1

x2

D

B

Te onderstrepen valt dat in Figuur 9 dus niet enkel een inkomenseffect speelt (zoals in Figuur 8 al het geval was), maar ook een prijseffect. Indien men gedragsveranderingen van lokale overheden op subsidie-instrumenten wil inschatten, en die instrumenten ook prijseffecten kunnen hebben, zal men bijgevolg ook een idee moeten hebben over de prijsgevoeligheid van de lokale vraag naar het betrokken goed. 12.2.1.3

Een gebonden en geplafonneerde (‘closed ended matching grant’) subsidie

Met het oog op wat zal volgen, wordt ten slotte nog een courante variant van betoelaging getoond. Een betoelaging als diegene die in Figuur 9 aan de orde was, wordt in de praktijk dikwijls geplafonneerd: de recipiënt geniet van de prijsreductie tot een zeker maximumbedrag is bereikt, en dient bijkomende uitgaven geheel zelf te dragen. Figuur 10 toont dat deze financieringsvorm (‘closed ended matching grant’) mag beschouwd worden als een mengvorm van de vorige twee. Zolang de recipiënt een keuze maakt op het eerste deel van de relevante budgetrechte, zit men eigenlijk in eenzelfde situatie als bij Figuur 9. Wat evenwel meer

105

voorkomt (en hieronder ook is afgebeeld) is dat de recipiënt het hem toegestane maximumbedrag helemaal opgebruikt. Het prijseffect is dan uitgespeeld (het tweede deel van de budgetrechte loopt dan ook evenwijdig aan de oorspronkelijke budgetrechte), maar het inkomenseffect speelt natuurlijk wel ten volle.30 Met andere woorden: in zulke gevallen is de situatie vergelijkbaar met die in Figuur 8.

Figuur 10: Effect van een gebonden toelage met een plafond

Alle andere goederen en diensten

A

IC2

y2 y1

C E1

E2 IC1 Betoelaagde dienst

x1

x2

B

D

12.2.2 Politieke onderbouwing van het model De net geschetste invalshoek behoort tot het standaardinstrumentarium van de ‘fiscal federalism’ literatuur. Dat wil echter niet zeggen dat dit model vrij zou zijn van controverse. De essentie van de kritiek op dit model richt zich op de vraag in hoeverre de analogie met het standaard consumentenmodel wel mag opgaan. Of meer precies: op de vraag wiens

30

Figuur 10 laat ook zien dat de extra voorziening van de betoelaagde dienst in principe nog groter was geweest indien het plafond hoger of zelfs onbestaande was geweest (m.a.w. als de knik in de budgetrechte zich verder rechtsonder zou hebben gesitueerd). Gewoonlijk zijn het budgettaire overwegingen aan de zijde van de donor die een limiet zetten aan het bedrag dat via een gebonden subsidie wordt uitgekeerd. 106

voorkeuren geacht worden in het model te zijn opgenomen. Gaat het om die van de lokale beleidsverantwoordelijke(n)? Om die van ‘de lokale gemeenschap’? Of, net als bij het consumentenmodel zelf, om die van een ‘representatief individu’ dat in de betrokken gemeente woont? Over die kwestie bestaat een zeer uitgebreide literatuur, en een grondige bespreking daarvan valt buiten het bestek van deze tekst. We houden ons hier bij de vaststelling dat het gros van de auteurs finaliter terugvalt op de idee dat het uiteindelijk om de voorkeuren van een representatieve inwoner gaat, en dan meerbepaald over de voorkeuren van de mediaankiezer. Ook hier zijn we noodgedwongen kort in onze bespreking (zie bijvoorbeeld Bailey, 1999, voor een meer uitgebreide behandeling). Bovenstaande modellen kunnen inderdaad uitgebreid worden met een elementaire politieke onderbouw waarin die mediaankiezer een doorslaggevende stempel op de beleidskeuze drukt. De feitelijke beleidsvoerders zijn in die optiek slechts passieve uitvoerders van de meerderheidsbeslissing. De idee van een (directe) democratische beslissing bij gewone meerderheid is hierbij erg cruciaal. Indien een voorstel minstens de helft van de stemmen nodig heeft, is het niet onlogisch dat de voorkeuren van diegene die net in het midden van het voorkeurenspectrum liggen van doorslaggevend belang zijn. Maar op zich volstaat die intuïtie niet om aan het mediaankiezermodel een overtuigend realiteitsgehalte toe te schrijven. Een perfect sluitend model vergt immers bijkomende (technische) vooronderstellingen over de voorkeuren van het lokale electoraat, en steunt zeer sterk op de idee van een rechtstreekse vertaling van de voorkeuren van de burgers in een beleidskeuze. In de realiteit is er natuurlijk sprake van representatieve democratische besluitvorming, en zowel politici als ambtenaren hebben de mogelijkheid om de keuze van de kiezer, in zoverre die door het electorale proces al eenduidig zou kunnen geïnterpreteerd worden, bij te sturen. Als loutere beschrijving van de lokale politieke realiteit voldoet een mediaankiezermodel dus zeker niet.

12.2.3 Kanttekeningen bij de realiteitswaarde van het model In welke mate is er sprake van empirische bevindingen die tegenstrijdig zijn met de basishypothesen die het model naar voren schuift? Een logische gevolgtrekking uit het mediaankiezermodel die duidelijk niet op blijkt te gaan, is dat “private” inkomenseffecten identiek zijn aan de inkomenseffecten die gepaard gaan met niet-gebonden (lump sum) toelagen. Waar het theoretisch niet zou mogen uitmaken of de toelagen aan de gemeenten dan wel direct aan de inwoners (bvb. onder de vorm van belastingverlaging) zou worden uitgekeerd, blijkt in de praktijk wel degelijk dat in het eerste geval een hoger lokaal uitgavenniveau wordt bereikt. Voor de analyse van dit zogenoemde ‘flypaper effect31’ zijn in de

31

‘Flypaper effect’ betekent letterlijk ‘vliegenvanger effect’. Het subsidiegeld heeft de neiging te blijven kleven waar het toekomt (‘money sticks where it hits’) is de intuïtieve uitleg. 107

literatuur dan ook enkele alternatieve verklarende modellen naar voor geschoven (zie bijvoorbeeld Cullis en Jones, 1998, hoofdstuk 12, of Bailey, 1999, hoofdstuk 11 voor een overzicht hiervan. Specifiek voor Vlaanderen zijn er de empirische studies van Heyndels en Smolders, 1994 en Heyndels, 2001). Toch is het fair om te stellen dat het mediaankiezermodel nog steeds de dominante positie inneemt in de literatuur rond lokale publieke financiën. Redenen hiervoor zijn (a) dat de tekortkomingen als louter beschrijvend model klaarblijkelijk niet opwegen tegen de instrumentele bruikbaarheid ervan, d.w.z. tegen de relatief grote nauwkeurigheid van de voorspellingen m.b.t. het lokale uitgavengedrag, en (b) dat de alternatieve modellen ter verklaring van de empirische anomalie, het flypaper effect, ook hun eigen tekortkomingen hebben.

12.2.4 Econometrische specificaties van het model Wezenlijk komen voorgaande bevindingen neer op de idee dat de vraag naar een welbepaald lokaal goed, net als die van een gewoon consumptiegoed, beïnvloed wordt door economische variabelen als het inkomen en de prijs, en door niet-economische variabelen waarvan men veronderstelt dat ze de voorkeuren van de bestudeerde consument beïnvloeden. In formele termen houdt dit in dat men op zoek gaat naar het verband tussen de uitgaven (gewoonlijk per capita) voor een bepaald goed (of gerelateerde groep van goederen) en enkele verklarende variabelen. Een eerste, zeer ruwe benadering is dan:

Ei,t = f ( Yi,t , Gi,t , Z i,t ,…) Hierbij staat Ei,t voor de gemeentelijke uitgaven per capita in gemeente i voor het jaar t, Yi,t voor het relevante inkomensniveau in de gemeente, Gi,t voor eventuele toelagen (eveneens per capita uitgedrukt) die in dat jaar aan de gemeente toekomen, en Zi,t voor een verzameling van structuurkenmerken als bvb. de densiteit (inwonersaantal/oppervlakte), de nabijheid tot een centrumstad, het aandeel van jongeren of ouderen, rudimentaire indicatoren voor de inkomensongelijkheid in de gemeente, etc. Een dergelijk model wordt bijvoorbeeld gebruikt door Heyndels (2000), die volgende functionele specificatie gebruikt voor zijn regressievergelijking (bemerk dat we de te schatten coëfficiënten voorstellen door Griekse letters. De term ui,t stelt de statistische storingsterm voor): Ei,t = α + βYi,t + γGi,t + ξZ i,t + ui,t

108

Te onderstrepen valt dat voor Yi,t het mediaaninkomen in de gemeente wordt gebruikt, een keuze die precies te begrijpen valt vanuit het onderliggende mediaankiezermodel. De functionele specificatie is vrij eenvoudig: het gaat om een gewone lineaire vorm. Bovenstaande specificatie is niet de enige mogelijkheid. Een formulering waarbij alle variabelen in logaritmen zijn uitgedrukt, wordt bijvoorbeeld ook frequent gehanteerd.32 Bovendien zijn er in de literatuur ook heel wat specificaties waarin bijkomende verklarende variabelen aan bovenstaand model worden toegevoegd. •

In principe is ook een prijsvariabele van belang, en dan met name de prijs die de mediaankiezer dient te betalen voor de betrokken goederen. Onder de veronderstelling van een gemeentelijk budgettair evenwicht moet gelden dat het geheel van de lokale publieke uitgaven bekostigd wordt door retributies, betoelagingen of lokale belastingen. De eerste inkomstenbron is daarbij relatief onbelangrijk, en hetzelfde geldt voor alle andere lokale belastingen dan die voortkomend uit de aanvullende personenbelasting en de gemeentelijke opcentiemen op de onroerende voorheffing. Het leeuwendeel van de prijs die een inwoner dus (lokaal) betaalt voor lokale publieke voorzieningen, betaalt hij onder de vorm van deze twee lokale belastingen. Vandaar dat ook die belastingprijs (soms opgesplitst in belastingvoet en grondslag) gewoonlijk in de specificatie van de vraagfunctie worden opgenomen. Onder grondslag dient men dus (opnieuw) het mediaaninkomen te begrijpen voor de personenbelasting, en in principe ook de mediaan waarde van het kadastrale inkomen in de gemeente.

•

In zoverre gegevens opsplitsbaar zijn per uitgavencategorie, wordt soms ook de gemeentelijke loonlast (als relevante indicator voor de kostprijs) mee opgenomen.

•

Enige toelichting is verder noodzakelijk bij de afhankelijke variabele Ei,t zelf. Hierboven werd deze, analoog aan de standaardprocedure, beschreven als de gemeentelijke uitgaven per capita. Economen maken echter een onderscheid tussen de totale uitgaven voor en de totale hoeveelheid van het beschikbare goed. Dat onderscheid is relevant als het om publieke goederen gaat; in theorie volstaat 1 eenheid van een (zuiver) publiek goed om aan de vraag van alle burgers tegemoet te komen. Diametraal daartegenover

32 Algemene richtlijnen en statistische tests voor de keuze tussen lineaire en loglineaire specificaties vindt men bvb. in Verbeek (2000). Becker (1996) wijst er op dat een lineaire vorm leidt tot een gevoelig hogere inschatting (of overschatting) van het flypaper effect kan leiden. Op te merken valt dat we in deze tekst geheel abstractie maken van de vraag naar het opzetten van een onderling verbonden ‘stelsel van vraagvergelijkingen’ waarbij de oefening wordt uitgebreid naar een simultane analyse van meerdere onderscheiden uitgavencategorieën. In dat geval wordt de vraag naar de meest adequate functionele vorm, en van theoretische voorwaarden die men op moet leggen aan de te schatten parameters, heel wat relevanter (en complexer). Zie hiervoor bijvoorbeeld Grosskopf en Hayes (1986).

109

staat een ‘privaat’ goed: om N burgers gelijk te bedienen, heeft men N eenheden van het goed in kwestie nodig. De meeste goederen die op lokaal niveau worden aangeboden, situeren zich ergens tussen deze twee vermits er sprake is van mogelijke congestie bij de consumptie ervan (denk bvb. aan sportinfrastructuur, scholen, wijkagenten,…). Om dat congestie-effect in rekening te brengen, wordt ook het inwonersaantal zelf gewoonlijk als verklarende variabele opgenomen. Bij zuiver publieke goederen heeft die variabele dan een voor de hand liggend negatief effect op de uitgaven per capita: vermits de totale uitgaven vast zijn, doet elke bijkomende inwoner de uitgaven per capita enkel dalen. In het andere limietgeval —lokale goederen met een duidelijk privaat karakter— houden de twee elkaar in evenwicht en is er sprake van een 1 op 1 relatie tussen uitgaven per inwoner en het inwonersaantal. •

Als het gaat om een dynamische (intertemporele) analyse voegen sommige auteurs ook het corresponderende uitgavenniveau van de voorgaande periode ( Ei,t−1 ) als verklarende variabele toe. De achterliggende idee is dat het feitelijk gewenste uitgavenniveau in jaar t afwijkt van het werkelijk gerealiseerde uitgavenniveau in dat jaar doordat het niet zo eenvoudig is om van jaar tot jaar abrupte bijsturingen te doen(zie bvb. Dahlberg en Jacob, 2000).

Om een voorbeeld te geven van zulke meer uitgebreide specificatie (in logaritmen), baseren we ons op Tresch (2002, p. 908-911, 920-922). Deze specificatie is bedoeld voor een crosssectie analyse (gemeenten tijdens één en dezelfde tijdsperiode). ln (Ei ) = α + β ln ( Yimed ) + γ ln (Gi ) + δ [1 − mi ]ln ( tmed ) + [1 + δ ]ln(wi ) + i  η [1 + δ ] − 1 ln (Ni ) + ξ ln (Z i ) + ui,t   Aan

de

linkerkant

staat

het

uitgavenniveau

Ei

per

inwoner,

voor

een

bepaalde

uitgavencategorie. Als verklarende veranderlijken vindt men ondermeer het mediaaninkomen Yimed , het lokale belastingaandeel van de mediaankiezer t med , de arbeidskost voor de i

betreffende uitgavencategorie w i , het aantal inwoners Ni , en enkele socio-economische variabelen die hier onder de gemeenschappelijke noemer Zi werden samengebracht.

Bemerk

dat uit de veronderstellingen van zijn onderliggend model (dat we niet afbeelden) a priori relaties kunnen worden afgeleid tussen de te schatten coëfficiënten van de regressie: de parameter δ , die het lokale prijseffect capteert, duikt naast verschillende verklarende variabelen op. De vraag hoever men kan of wil gaan in het opleggen van zulke restricties hangt af van de specifieke vraagstelling van de analist —wil men bvb. het theoretisch model zelf op zijn realiteitswaarde testen, of is men vooral geïnteresseerd in de feitelijke impact van deze verklarende variabelen zoals ze ‘zonder bijkomende beperkingen’ door een regressieanalyse worden gereveleerd?— maar zeker ook van meer pragmatische overwegingen als de beschikbaarheid en betrouwbaarheid van relevante gegevens. In deze context is de term γ ln (Gi ) van bijzonder belang, omdat Gi de per capita waarde is van alle (!) niet-gebonden toelagen waarvan de gemeente geniet. Twee opmerkingen zijn daarbij 110

erg relevant. Eerst en vooral staat Gi in de specificatie hierboven daadwerkelijk voor het geheel van niet-gebonden toelagen, en dus niet alleen voor een eventuele niet-gebonden toelage die specifiek wordt toegewezen aan de bestudeerde uitgavencategorie (cf. Tresch, 2002, p. 922). Teruggrijpend naar Figuur 8 is deze optie niet zo verwonderlijk: uiteindelijk gaat het in deze ‘lump-sum’ gevallen om het loutere inkomenseffect dat voortvloeit uit betoelaging.33 Het prijsverlagende effect van een gebonden dotatie (cf. Figuur 9) zit dan weer vervat in de variabele mi , die immers staat voor het bedrag dat de donor bijdraagt voor elke euro die de

gemeente zelf aan het betrokken goed spendeert. Op te merken valt hierbij dat, indien er effectief sprake is van gebonden dotaties, eigenlijk moet gecontroleerd worden of er sprake is van plafonnering en, zoja, welke van de gemeenten in de steekproef dat plafond bereiken. Uit Figuur 10 kan immers worden afgeleid dat m niet (meer) relevant is voor gemeenten die aan het maximum zitten, dat deze variabele met andere woorden in zulke gevallen de waarde nul aanneemt, en de betoelaging de facto een lump sum karakter heeft.

12.3

SAMENVATTING ASPECTEN VAN LOKALE PUBLIEKE FINANCIËN

•

Lokale overheden zoals gemeenten worden in de economische literatuur in principe op gelijkaardige manier gemodelleerd als consumenten en producenten. Er wordt namelijk verondersteld dat gemeenten ook hun “nut” maximeren onder een budgetvoorwaarde, dwz begrotingsevenwicht.

•

In het “median voter” model wordt het nut van de gemeente geïnterpreteerd als het nut van de mediaaninwoner. De achterliggende veronderstelling is dat in een representatieve democratie gemeentelijke beleidsmakers hun beleid moeten afstemmen op de mediaankiezer om op die manier de kans op hun herverkiezing te maximaliseren.

•

Elke vorm van subsidieschema (ongebonden, gebonden of geplafonneerd) leidt in principe tot twee gedragsaanpassingen bij de gemeenten: o

Een toename van de gemeentelijke diensten die de subsidie beoogde,

o

Een toename van de vraag naar andere gemeentelijke goederen en diensten dan diegene die beoogd werden als gevolg van het inkomenseffect dat uitgaat van de subsidie en het bijbehorende verruimde budget.

33

Indien gewenst, kan men natuurlijk bij de specificatie van de regressie een onderscheid maken tussen de (nietgebonden) dotatie voor het betreffende goed en alle andere lump-sum betoelagingen, en vervolgens de hypothese toetsen of er al dan niet een significant verschil is tussen de coëfficiënten bij deze twee variabelen. 111

•

Het “flypaper” effect verwijst naar het empirisch vastgestelde feit (ook voor Vlaamse gemeenten) dat directe toelagen aan de gemeenten tot een hoger lokaal niveau van goederen en diensten leiden dan bij een gewone inkomensstijging bij haar inwoners (bvb. onder de vorm van belastingverlaging).

112

REFERENTIES — (2005) Lokale Financiën – Gemeenten en Provincies (Dexia Bank, Brussel) Algemene Rekenkamer (2000), Handreiking Verantwoorden over Beleid (Algemene Rekenkamer, Den Haag), 36 blz. Algemene Rekenkamer (2003a), Handreiking Meten van Doelmatigheid (Algemene Rekenkamer, Den Haag), 36 blz. Algemene Rekenkamer (2003b), Technieken voor het Meten van Doelmatigheid, internetbijlage bij de ‘Handreiking meten van doelmatigheid’ (Algemene Rekenkamer, Den Haag), 37 blz. AMINAL, sectie Lucht (2005), Opstellen en Uitwerken aan een Methodologie voor een Intersectorale Afweging van de Haalbaarheid en Kostenefficiëntie van Mogelijke Maatregelen voor de Reductie van Diverse Polluentemissies naar de Lucht, Ontwerpeindrapport door Ecolas en VITO. Anderson, D.R., Sweeney, D.J., and Williams, T.A. (2006), Essentials of Statistics for Business and Economics, 4e edition (Thomson – South-Western, Mason, Ohio, USA). Andreoni, J. (1990), Impure Altruism and Donations to Public Goods: A Theory of Warm-Glow Giving, Economic Journal 100, 464-477. Bailey, S. (1999), Local Government Economics: Principles and Practice (Macmillan, Londen). Becker, E. (1996), The illusion of fiscal illusion: Unsticking the flypaper effect, Public Choice 86, 85-102. Berck, P. en Hoffmann, S. (2002), Assessing the Employment Impacts of Environmental and Natural Resource Policy, Environmental and Resource Economics 22, 133–156. Berlage, L. en Decoster, A. (2000), Inleiding tot de Economie (Universitaire Pers, Leuven), 751 blz.. Billiet, J. (1990). Methoden van sociaal-wetenschappelijk onderzoek: ontwerp en dataverzameling (Acco, Leuven). Blundell, R. and Costa Dias, M. (2000), Evaluation Methods for Non-Experimental Data, Fiscal Studies 21(4), 427–468. Bohm, P. and Russel, C.S. (1985), Comparative Analysis of Alternative Policy Instruments, in: Kneese, A.V. and Sweeney, J.L. (eds), Handbook of Natural Resource and Energy Economics - Volume I (North-Holland, Amsterdam), blz. 395-460. Bossier, F. en Vanhorebeek (2003), De Economische Effecten van Diverse Modaliteiten van Energieheffingen in België, Working Paper 5-03 (Federaal Planbureau, Brussel). Bovenberg, A.L. en de Mooij, R.A. (1994), Environmental levies and distortionary taxation, American Economic Review 84, 1085–1089. Boyer, M. and Laffont, J.-J. (1999), Toward a Political Theory of the Emergence of Environmental Incentive Regulation, RAND Journal of Economics 30,137-157 Bratberg, E, Tjøtta, S., En Øines, T. (2005), Do voluntary international environmental agreements work?, Journal of Environmental Economics and Management 50, 583-597. Carels, K. and Van Gijseghem, D. (2004), Evaluation of agri-environmental measures in Flanders - Discussion of the RDPs Mid-Term evaluation results (2003), paper voorgesteld tijdens OECD workshop “Evaluating Agri-environmental Policies” in Parijs, 6-8 December 2004. Carraro, C., Gerlagh, R. en van der Zwaan, B. (2003), Editorial: Endogenous technical change in environmental macroeconomics, Resource and Energy Economics 25, 1–10. 113

Cherchye, L. B. De Borger & T. Van Puyenbroeck (2005), “Nonparametric tests of Optimizing Behavior in Public Service Provision. Methodology and an application to local public safety”, University of Antwerp, Faculty of Applied Economics Working Paper 2005/002. Conrad, K. (1999), Computable General Equilibrium models for Environmental Economics and Policy Analysis, in: van den Bergh, J.C.J.M. (ed.), Handbook of Environmental and Resource Economics (Edward Elgar, Cheltenham UK), blz. 1060-1088. Cooper, W.W., L. Seiford en J. Zhu (2004), Handbook on Data Envelopment Analysis (Kluwer Academic Publishers, Boston). Cooper, W.W., L. Seiford en K. Tone (2000), Data Envelopment Analysis: A Comprehensive Text with Models, Applications, References and DEA-Solver Software (Kluwer Academic Publishers, Boston). Cullis, J. en Ph. Jones (1998), Public Finance and Public Choice (Oxford University Press, Oxford) Dahlberg, M. en J. Jacob (2000), Sluggishness, Endogeneity and the Demand for Local Public Services, University of Upsala, Department of Economics Working Paper 2000-17. de Beer, J. G., Kerssemeeckers, M.M.M., Aalbers, R.F.T., Vollebergh, H.R.J., Ossokina, J., de Groot, H.L.F., Mulder, P., en Blok, K. (2000), Effectiviteit Energiesubsidies - Onderzoek naar de effectiviteit van enkele subsidies en fiscale regelingen in de periode 1988-1999, Samenvatting (Ecofys, Utrecht), 15 blz. De Bruyn, T., Bachus, K. en Gysen, J. (2003), Uitvoeringsplan Huishoudelijke Afvalstoffen 19972001, in: Van Steertegem, M. (red.), MIRA-BE 2003 Milieu- en natuurrapport Vlaanderen: beleidsevaluatie (Vlaamse Milieumaatschappij VMM, Erembodegem), blz. 163-196. De Bondt R., (2000), Fundamentele bedrijfseconomie, 2de editie, (Wolters Kluwer, Leuven). De Borger, B. en K. Kerstens (2000), What is known about Municipal Efficiency? The Belgian Case and beyond, in J. Blank, (ed.), Public Provision and Performance (North-Holland, Amsterdam), 299-330. De Borger, B., K. Kerstens, W. Moesen en J. Vanneste (1994), Explaining differences in Productive Efficiency: An Application to Belgian Municpalities, Public Choice 80, 339-358. De Kraene, K. et al. (2003), Mid term ervaluatie van het Vlaams programma voor plattelandsontwikkeling 2000-2006. Studie uitgevoerd door Belconsulting, Centrum voor Landbouweconomie, IDEA Consult, Laboratorium voor Bosbouw en vakgroep Landbouweconomie, afdeling Landbouwpolitiek en Rurale Milieu-economie van de Universiteit Gent in opdracht van het Ministerie van de Vlaamse Gemeenschap, Administratie Land- en Tuinbouw, Vlaamse Onderzoekseenheid Land- en Tuinbouweconomie (VOLT), 3 delen, 536 blz. Deprins, D., L. Simar en H. Tulkens (1984), Measuring labor efficiency in post offices, in: M. Marchand P. Pestieau en H. Tulkens (eds), The Performance of Public Enterprises: Concepts and Measurement (North-Holland, Amsterdam), blz. 243-267. Distexhe, V. (1993), L’Efficacité productive des services d’enlèvement des immondices en Wallonnie, Cahiers Economiques de Bruxelles 34, 119-138. Drechsler, M., Wätzold, F., Johst, K., Bergmann, H. and Settele, J. (2005), A model-based approach for designing cost-effective compensation payments for conservation of endangered species in real landscapes, paper voorgesteld tijdens de 14th Annual Meeting of the European Association for Environmental and Resource Economics (EAERE) in Bremen, 23-26 juni 2005.

114

Duchin, F. en Steenge, A.E. (1999), Input-Output Analysis, technology and the Environment, in: van den Bergh, J.C.J.M. (ed.), Handbook of Environmental and Resource Economics (Edward Elgar, Cheltenham UK), blz. 1037-1059. Eyckmans J. and Schokkaert E. (2004), An 'Ideal' Normative Theory for Greenhouse Negotiations? Ethical Perspectives 11(1), 5-19. Eyckmans, J., and Cornillie, J. (2000), Efficiency and Equity of the EU Burden Sharing Agreement, ETE Working Paper 2000-02 (K.U.Leuven - Centrum voor Economische Studiën – Energy, Transport & Environment, Leuven). Eyckmans, J., and Tulkens, H. (2003), Simulating coalitionally stable burden sharing agreements for the climate change problem, Resource and Energy Economics 25, 299327. Eyckmans, J., Schokkaert, E., en Proost, S. (1993), Efficiency and distribution in greenhouse negotiations, Kyklos 46, 363-397. Federaal Wetenschapsbeleid (2003), Simulatiemodellen ter ondersteuning van het Belgisch Klimaatbeleid, achtergronddocument voor seminarie op 28 maart 2003 in het kader van tweede Plan voor wetenschappelijke Ondersteuning van een beleid gericht op Duurzame Ontwikkeling PODO. Fisher, R. en L. Papke (2000), Local Government Responses to Education Grants, National Tax Journal 53, 153-168. Fullerton, D. (2001), A Framework to Compare Environmental Policies, Southern Economic Journal 68(2), 224-248. Ginsburgh, V. en Keyzer, M. (1997), The Structure of Applied General Equilibrium Models (MIT Press, Cambridge Massachusetts, USA), 555 blz. Goulder, L.H., Parry, I.W.H., Williams, R.C. and Burtraw, D. (1999), The cost-effectiveness of alternative instruments for environmental protection in a second-best setting, Journal of Public Economics 72, 329–360 Greene, W.H. (1997), Econometric Analysis (Prentice Hall, Upper Saddle River NJ USA), 1075 blz. Grosskopf, S. en K. Hayes (1986), The demand for local public goods: choosing an appropriate functional form, Applied Economics 18, 1179-1192. Gysen, J., Bachus, K., Bruyninckx, H. en Van Ootegem, L. (2003), Sectorale Uitvoeringsplannen in het Vlaamse Afvalbeleid, Steunpunt Milieubeleidswetenschappen, 113 blz. Gysen, J., Bachus, K. en Bruyninckx, H. (2002), Evaluating the Effectiveness of Environmental Policy: an Analysis of Conceptual and Methodological Issues, paper voorgesteld tijdens de European Evaluation Society Seville Conference, 10-12 oktober 2002, Sevilla, Spanje. Hanley, N., Kirkpatrick, H., Simpson, I., Oglethorpe, D. (1998), Principles for the provision of public goods from agriculture: Modeling moorland conservation in Scotland. Land Economics 74, 102–113. Heckman, J.J. (1979), Sample selection bias as a specification error, Econometrica 47, 153-161. Helming J.F.M., C. van Bruchem, K. Geertjes, M.G.A. van Leeuwen, P.J.J. Veenendaal, D. van Gijseghem en S. Overloop (2000), Milieugevolgen van de landbouw in Vlaanderen, 19912010; Wetenschappelijk verslag MIRA-S 2000 sector landbouw (Den Haag, Landbouweconomisch Instituut, LEI) Heyndels, B. (2001), Asymmetries in the Xypaper eVect: empirical evidence for the Flemish municipalities, Applied Economics 33, 1329-1334. Heyndels, B. en Smolders, C. (1994) An empirical test of the Fiscal illusion hypothesis, Public Choice 80, 325–338. 115

Heyndels, B., F. Van Driessche en Van Puyenbroeck, T (1998), Bestuurlijke decentralisatie, informatie en innovatie: de diffusie van gemeentelijke milieubelastingen in Vlaanderen, in: R. De Bondt en R. Veugelers (eds.), Informatie en kennis in de economie, (Universitaire Pers, Leuven), 373-393. Hillman, A. (2003), Public Finance and Public Policy (Cambridge University Press, Cambridge). Johst, K., Drechsler, M., Wätzold, F. (2002), An ecological-economic modelling procedure to design compensation payments for the efficient spatio-temporal allocation of species protection measures, Ecological Economics 41, 37–49. Kneese, A.V. and Schulze, W.H. (1985), Ethics and environmental economics, in: Kneese, A.V. and Sweeney, J.L. (eds), Handbook of Natural Resource and Energy Economics - Volume I (North-Holland, Amsterdam), blz. 395-460. Kolstad, C.D. (2000), Environmental Economics (Oxford University Press, Oxford), 400 blz. Laffont, J.-J. and Tirole, J. (1993), A Theory of Incentives in Procurement and Regulation (MIT Press, Cambridge, Massachusetts, USA), 705 blz. Lewis, T.R. (1996), Protecting the Environment when Costs and Benefits are Privately Known, RAND Journal of Economics 27, 819-847 Macho-Stadler, I. and Pérez-Castrillo, D. (1997), An Introduction to the Economics of Information – Incentives and Contracts (Oxford University Press, Oxford), 277 blz. Maes, D. en H. Van Dyck (1999), Dagvlinders in Vlaanderen – Ecologie, Verspreiding en Behoud (Stichting Leefmilieu, Antwerpen i.s.m. Instituut voor Natuurbehoud en Vlaamse Vlinderwerkgroep, Brussel). Meynaerts, E., Ochelen, S. en Vercaemst, P. (2003), Milieukostenmodel voor Vlaanderen – Achtergronddocument (VITO, Mol). Meynaerts, E., Ochelen, S., Beckers, A. en Van Biervliet, K. (2004), Het Vlaams Milieukostenmodel Water: de ontwikkeling van een instrument voor een efficiënter beleid inzake kwaliteit van het oppervlaktewater, Tijdschrift Water, Maart/april (vzw WATER i.s.m. Coördinatiecommissie Integraal Waterbeleid). Ministerie van de Vlaamse Gemeenschap, Kenniscel Wetsmatiging (2004a), Richtlijnen voor de opmaak van een Regulerings Impact Analyse (Ministerie van de Vlaamse Gemeenschap, Brussel), 39 blz. Ministerie van de Vlaamse Gemeenschap, Kenniscel Wetsmatiging (2004b), Meten om te Weten – Leidraad voor het meten van administratieve lasten (Ministerie van de Vlaamse Gemeenschap, Brussel), 73 blz. Moesen, W. en Van Puyenbroeck, T. (2006), Handboek Openbare Financiën. Economie & Overheid (Acco, Leuven-Voorburg). Moons, E., Eggermont, K., Hermy, M., and Proost, S. (2000), Economische Waardering van Bossen - een Case-Study van Heverleebos-Meerdaalwoud (Garant, Leuven), 356 blz. Moyle, B. (1998), Species conservation and the prinipal-agent problem, Ecological Economics 26, 313-320. Nordhaus, W.D. en Yang, Z. (1996), A regional dynamic general-equilibrium model of alternative climage-change policies, American Economic Review 86, 741-765. Nunes, P.A.L.D. en Schokkaert, E. (2003), Identifying the warm glow effect in contingent valuation, Journal of Environmental Economics and Management 45, 231–245. OECD (1998), Improving the Environment through Reducing Subsidies (drie volumes), OECD Parijs. OECD (2004), Synthesis Report On Environmentally Harmful Subsidies, OECD Parijs. 116

Oglethorpe, D., Sanderson, R., (1999), An ecological-economic model for agri-environmental policy analysis. Ecological Economics 28, 245–266. Parry, I.W.H. (1998), A Second-Best Analysis of Environmental Subsidies, International Tax and Public Finance 5, 153–170. Parry, I.W.H., W.A. Pizer, and C. Fischer (2003), How Important is Technological Innovation in Protecting the Environment? Journal of Regulatory Economics 23, 237-255. Peeters, K. (2004), Beleidsnota 2004-2009 Leefmilieu en Natuur (Vlaams minister van van Openbare Werken, Energie, Leefmilieu en Natuur, Brussel), 75 blz. Png, I. (1998), Managerial Economics – second edition (Blackwell Publishing, Malden MA USA & Oxford, UK), 569 blz. Proost, S. en Van Regemorter, D. (2004), Climate Change Policy in European Countries and Its Effects on Industry, Mitigation and Adaptation Strategies for Global Change 9, 453-475. Rosen, H. (2005), Public Finance (McGraw-Hill, Boston). Rousseau, S. (2005), Selecting environmental policy instruments in the presence of incomplete compliance (doctoraatsthesis, K.U.Leuven, faculteit ETEW). Shyn O. (1995) Industrial Organization – Theory and Applications (MIT Press, Cambridge, Massachusetts, USA), 466 blz. Smulders, S. and de Nooij, M. (2003), The impact of energy conservation on technology and economic growth, Resource and Energy Economics 25, 59–79 Stavins, R.N. (ed)(2004), The Political Economy of Environmental Regulation (Edward Elgar, Cheltenham UK), 616 blz. Tieleman, B. (2005), Milieubeleid 2003-2005 onderzocht: 24 evaluaties, in: Van Steertegem, M. (red.) MIRA-BE 2005, Milieurapport Vlaanderen: beleidsevaluatie (Vlaamse Milieumaatschappij VMM, Erembodegem), blz. 33-75. Tieleman, B. en Leroy, P. (2003), Milieubeleidsevaluatie in Vlaanderen, in: Van Steertegem, M. (red.), MIRA-BE 2003 Milieu- en natuurrapport Vlaanderen: beleidsevaluatie (Vlaamse Milieumaatschappij VMM, Erembodegem), blz. 15-51. Tresch, W. (2002), Public Finance: A Normative Theory (Academic Press, Amsterdam), 950 blz. Tweede Kamer der Staten-Generaal (2003), Effectiviteit energiebesparingsbeleid in de glastuinbouw (Algemene Rekenkamer, Den Haag, NL), 62 blz. Van Ex, F. (1999), Technologische innovatie en diffusie, economische groei en technologisch beleid: een literatuuroverzicht, CESIT Discussion paper No 99-03 (Centrum voor de Economische Studie van Innovatie en Technologie, Universiteit Antwerpen) Van Humbeeck, P. (1992), Het Economisch Instrumentarium inzake Milieubeleid (Sociaaleconomische Raad voor Vlaanderen SERV, Brussel) Van Humbeeck, P. (1996), Het Inschatten van Kosten en Sociaal-Economische Gevolgen van Milieumaatregelen in Theorie en Praktijk (Sociaal-economische Raad voor Vlaanderen SERV, Brussel) Van Humbeeck, P. (2003), Naar een industrieel beleid voor het milieu: Technologie en innovatie als sleutel voor een duurzame welvaart (SERV, Sociaal Economische Raad voor Vlaanderen) Van Ootegem, L., Baert, H., Pattyn, B., Schokkaert, E., Van Damme, D., Van Trier, W. en Willems, C. (1993), De markt van de vrijgevigheid. Giften in vlaanderen doorgelicht (ACCO, Leuven/Amersfoort) Van Steertegem, M. (2000)(red.), MIRA-S 2000 Milieu- en natuurrapport Vlaanderen: scenario’s (Vlaamse Milieumaatschappij VMM, Erembodegem), 637 blz. 117

Van Steertegem, M. (2003)(red.), MIRA-BE 2003 Milieu- en natuurrapport Vlaanderen: beleidsevaluatie (Vlaamse Milieumaatschappij VMM, Erembodegem), 216 blz. Van Steertegem, M. (2004)(red.), MIRA-T 2004 Milieu- en natuurrapport Vlaanderen- thema’s (Vlaamse Milieumaatschappij VMM, Erembodegem), 453 blz. Van Zeebroeck, B. en Vandille, G. (2003), De Belgische Milieurekeningen, Planning Paper 93 (Federaal Planbureau, Brussel). Vandeputte, M., Bachus, K. Sepelie, R., Vangeebergen, B., Deraedt, B., Mazijn, B. en Vanassche, J. (2004), Evaluatie Van De Samenwerkingsovereenkomst – eindrapport, (Hoger Instituut voor de Arbeid HIVA van de K.U.Leuven en het Centrum voor Duurzame Ontwikkeling CDO van de Universiteit Gent), 116 blz. Verbeek, M. (2000) A Guide to Modern Econometrics (Wiley, Chichester UK), 386 blz. Vermeulen, W. (1992), De vervuiler betaald – onderzoek naar de werking van subsidies op vier deelterreinen van het milieubeleid, doctoraal proefschrift (Van Arkel, Utrecht), 432 blz. Vollebergh, H.R.J. en Kemfert, C. (2005), Editorial: the role of technological change for a sustainable development, Ecological Economics 54, 133-147, in: “Special Issue: The Role of Technological Change and the Environment”. Wätzold, F. and Schwerdtner, K. (2005), Why be wasteful when preserving a valuable resource? A review article on the cost-effectiveness of European biodiversity conservervation policy, Biological Conservation 123, 327-338. Zhu, J. (2002), Quantitative Models for Performance Evaluation and Benchmarking: Data Envelopment Analysis with Spreadsheets and DEA Excel Solver (Kluwer Academic Publishers, Boston).

118

%'#C +')G 2 0 ' () 6 -) 'G ; 6 ( - / +'G ; G ;;G = G = G =2G == 400 ( /, '<+(0) G ; 6 ( /, - / :B ) 6 ( - / +' , ( +6 ( '5+0 'G DG 6)- ) G +' (+- .(+ *G (+ / +': B ++( ' '. . 6 ' 6 (6 - ( 1 ))- G G 2D << ( '/ ' << ( '/ G 2 + -1 ( 5 '.G + - -- '. * () +' - G () . /,G ++( ' '. . 6 ' G 2 + 16 ' G; & G ()).5()/, G ; << / 6 G + -.(+ *: B + /+0 << / 6 0*)/ G ; ' +' - G /+0 G ; << / I' G 22 << / I' )')-4 G 2D -) / G ' +. ' /,'+-+. /, 6++( .)'.G D; '6 (+'0 ' )--4 ,)(0< - 1 GD 6)- ) > )' G 2 > *+ G 2 " G 2= "-4*)* ( << / G ; /50)'G 0*)/ G '/ ' 6 /+0*) 1 - 4G = '<+(0) +' ( ' G = '* G

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

D

TWOL studie 2003-00164:

ONTWIKKELING VAN EEN COHERENT BELEIDSKADER VOOR DE EVALUATIE VAN LEEFMILIEUGERELATEERDE FINANCIELE TEGEMOETKOMINGEN (VOORAL SUBSIDIES) EN TOEPASSING VAN DIT EVALUATIEKADER OP EEN AANTAL CASES

Eindrapport Gevalstudie: Cluster Vaste Stoffen van de Samenwerkingsovereenkomsten tussen AMINAL en de gemeenten December 2005

Simon De Jaeger (EHSAL) Johan Eyckmans (EHSAL) Karl Van Biervliet (Ecolas) Tom Van Puyenbroeck (EHSAL)

1

INHOUDSTAFEL 1 2 3 3.1 3.2

EXECUTIVE SUMMARY ........................................................................................7 LEESWIJZER .......................................................................................................9 INLEIDING........................................................................................................10 Beknopte beschrijving samenwerkingsovereenkomst en de cluster ‘vaste stoffen’ ...............................................................................................................10 Beleidscontext afvalstoffenbeleid ...........................................................................11

3.2.1 Uitvoeringsplannen huishoudelijke afvalstoffen .......................................................11 3.2.2 Heffingen op storten en verbranden ......................................................................12 3.3 3.4 4 4.1 4.2

Afbakening van de evaluatieoefening.....................................................................12 Beschikbare gegevens ..........................................................................................13 EFFECTIVITEIT .................................................................................................15 Worden de restafvaldoelstellingen gehaald? ...........................................................15 Zijn de verschillen statistisch significant?................................................................16

4.2.1 Vergelijken van twee gemiddelden ........................................................................16 4.3

Is er een oorzakelijk verband tussen de subsidie en het verschil in restafvalniveau?...................................................................................................28

4.3.1 4.3.2 4.3.3 4.3.4 4.3.5 4.3.6 4.4 5 5.1 5.2 5.3 5.4 5.5 6 6.1 6.2 7 7.1

Correlaties...........................................................................................................28 Regressieanalyse .................................................................................................30 Toepassing op Samenwerkingsovereenkomst: model 1 ...........................................38 Aanpassen van het model .....................................................................................45 Beoordeling van het model ...................................................................................47 Sample Selection Bias...........................................................................................51

Besluit EFFECTIVITEIT .........................................................................................60 EFFICIENTIE .....................................................................................................62 Dataperikelen ......................................................................................................62 Eenvoudige efficiëntiemeting ................................................................................63 Multidimensionale efficiëntiemeting .......................................................................67 Verklaring van de efficiëntiescores.........................................................................68 Besluit efficiëntie..................................................................................................71 RECHTVAARDIGHEID........................................................................................72 Kosten in verhouding tot draagkracht ....................................................................72 De vervuiler betaalt of betaald?.............................................................................73 INCENTIEVEN ...................................................................................................74 ChecklistS adverse selection en moral hazard .........................................................74

7.1.1 Informatievoordeel...............................................................................................74 7.1.2 Belang ................................................................................................................75 7.2

Remedies tegen adverse selection .........................................................................75

7.2.1 Screening ............................................................................................................75 7.2.2 Zelfselectie door middel van een menu van normen en subsidies .............................76 7.3

Remedies tegen moral hazard ...............................................................................77

7.3.1 Screening ............................................................................................................77 7.3.2 Prestatiegebonden betaling...................................................................................77

2

7.4 8 9 9.1 9.2 10 11 11.1 11.2

Samenvatting incentieven cluster vaste stoffen.......................................................78 MACRO-ECONOMISCHE NEVENEFFECTEN ........................................................80 ADMINISTRATIEVE LASTEN..............................................................................81 Top down benadering...........................................................................................81 Bottom up benadering..........................................................................................82 INNOVATIE .......................................................................................................85 ASPECTEN VAN LOKALE PUBLIEKE FINANCIËN................................................86 Het Median Voter model .......................................................................................86 Resultaat van de schatting....................................................................................91

11.2.1 Algemene opmerkingen ........................................................................................92 11.2.2 Vergelijking van de drie modellen ..........................................................................93 11.2.3 Interpreteren van de coëfficiënten.........................................................................94 11.3 Is afval een privaat of publiek goed? .....................................................................96 11.4 Besluit aspecten van lokale publieke financiën ........................................................97 12 ALGEMEEN BESLUIT EN BELEIDSAANBEVELINGEN ..........................................99 12.1 Is de cluster vaste stoffen van de samenwerkingsovereenkomst effectief? ................99 12.2 Is de cluster vaste stoffen van de samenwerkingsovereenkomst efficient? ................99 12.3 Rechtvaardigheid en de cluster vaste stoffen van de samenwerkingsovereenkomst.............................................................................. 100 12.4 Is de incentiefstructuur van de subsidieschema’s van de cluster vaste stoffen van de samenwerkingsovereenkomst optimaal?.................................................... 100 12.5 Aspecten van lokale publieke financiën ................................................................ 101 12.6 Suggesties voor verder onderzoek ....................................................................... 102 13 REFERENTIES .................................................................................................104 14 BIJLAGEN........................................................................................................106

3

LIJST VAN TABELLEN Tabel 1: Doelstellingen cluster Vaste Stoffen............................................................ 10 Tabel 2: Toetsing van de restafvaldoelstellingen 2004 voor de 3 groepen van gemeenten............................................................................................................ 15 Tabel 3: Vergelijking gemiddelden en standaardafwijking.......................................... 17 Tabel 4: Vergelijking gemiddeld aantal kg restafval per intekenniveau in het jaar 2002, onafhankelijke t-test .............................................................................................. 18 Tabel 5: Vergelijking gemiddeld aantal kg restafval vóór en ná het intekenen, afhankelijke t-test.................................................................................................. 19 Tabel 6: Vergelijking gemiddeld aantal kg restafval 2001 – 2002 voor de controlegroep, afhankelijke t-test.................................................................................................. 20 Tabel 7: Gemiddelde hoeveelheid restafval per intekenniveau .................................. 20 Tabel 8: Restafval 2002: ANOVA test....................................................................... 21 Tabel 9: Post-hoc test van Tukey (p-waarden) ......................................................... 22 Tabel 10: Correlaties tussen inkomen/hoofd en restafval/hoofd ................................ 28 Tabel 11: Correlaties zonder kustgemeentes ............................................................ 29 Tabel 12: Overzicht van de verklarende variabelen ................................................... 35 Tabel 13: Geschatte coëfficiënten Model 1 ............................................................... 38 Tabel 14: Levene test voor homoscedasticiteit: Model 1............................................ 41 Tabel 15 Correlatiematrix van de verklarende variabelen........................................... 42 Tabel 16: Multicollineariteitstatistieken: Model 1....................................................... 42 Tabel 17: Multicollineariteitstatistieken: Model 1....................................................... 44 Tabel 18: Alternatieve regressiemodellen................................................................. 47 Tabel 19: Eenvoudige DiD (2001-2004) ................................................................... 53 Tabel 20: DiD scores voor verschillende tijdsintervallen............................................ 53 Tabel 21: Eenvoudige DiD regressie ........................................................................ 55 Tabel 22: Uitgebreide DiD regressie ........................................................................ 58 Tabel 23: Regressie efficiëntiescores ....................................................................... 69 Tabel 24: Gemiddelde inkomen per capita per intekenniveau (2002) .......................... 72 Tabel 25: Resultaat van de ANOVA.......................................................................... 72 Tabel 26: Personeelsinzet voor Samenwerkingsovereenkomsten ............................... 82 Tabel 27: overzicht van het te verwachten teken...................................................... 89

4

Tabel 28: Overzicht van de andere variabelen .......................................................... 90 Tabel 29: overzicht van de geschatte coëfficiënten ................................................... 92 Tabel 30: Gemiddeld restafval per intercommunale voor het jaar 2002 (kg/inwoner) 106 Tabel 31: ANOVA voor gemiddeld kg restafval tussen de intercommunales (2002) ... 106 Tabel 32: Post-hoc test voor gemiddeld kg restafval tussen de intercommunales (2002) .......................................................................................................................... 107 Tabel 33: ANOVAS restafval kustgemeente –gewone gemeente............................... 108 Tabel 34: Overzicht van de intercommunales ......................................................... 109 Tabel 35: Collineariteit statistieken model 2 (Tolerance en VIF) ............................... 111 Tabel 36: Collineariteit statistieken model 2 (Viance Propotions) .............................. 111 Tabel 37: Collineariteit statistieken model 3(Tolerance en VIF) ................................ 112 Tabel 38 Collineariteit statistieken model 3 (Viance Propotions) ............................... 112 Tabel 39: gemiddelde hoeveelheid restafval in 2001 per intekenniveau 2002 ............ 113 Tabel 40: ANOVA gemiddelde hoeveelheid restafval in 2001 per intekenniveau 2002. 113 Tabel 41 post-hoc test gemiddelde hoeveelheid restafval in 2001 per intekenniveau 2002 .......................................................................................................................... 113

5

LIJST VAN FIGUREN Figuur 1: Boxplot aantal kg restafval/inwoner per intekenniveau voor het jaar 2002 ... 23 Figuur 2: Restafval per intercommunale................................................................... 26 Figuur 3: Gemiddelde hoeveelheid restafval voor kustgemeenten en nietkustgemeenten...................................................................................................... 27 Figuur 4: Scatterplot voor restafval en inkomen per capita voor het jaar 2000 ........... 29 Figuur 5: Residuals voor model zonder intekenniveau ............................................... 49 Figuur 6: Evolutie van de gemiddelde hoeveelheid restafval tussen 2000 en 2004 voor intekenniveau (2002) 2 en 0................................................................................... 54 Figuur 7: Uitgebreide DiD ....................................................................................... 57 Figuur 8: Efficiëntiegrens totaal restafval vs totale uitgaven (constante meeropbrengsten) ................................................................................................. 65 Figuur 9: Efficiëntiegrens totaal afval vs totale uitgaven (afnemende meeropbrengsten) ............................................................................................................................ 67 Figuur 10: DEA techniek......................................................................................... 68 Figuur 11: gestandaardiseerde residuals tegenover gestandaardiseerde voorspelde waarde ............................................................................................................... 110

6

1

EXECUTIVE SUMMARY

In dit rapport, dat hoofdzakelijk bedoeld is als pedagogisch instrument, wordt getracht de Samenwerkingsovereenkomst (S.O. in het vervolg) tussen de gemeentebesturen en het Vlaamse Gewest voor de cluster ‘Vaste Stoffen’ te evalueren. Wanneer een gemeente beslist deel te nemen aan de S.O. heeft ze daarbij de keuze uit drie ambitieniveaus. Naast een aantal kwalitatieve doestellingen, heeft elk ambitieniveau eigen kwantitatieve doelstellingen m.b.t. de gemiddelde jaarlijkse hoeveelheid restafval per hoofd van de bevolking. Als gemeenten voldoen aan die doelstellingen krijgen ze een subsidie die varieert van 0,8 tot 1,7 al naargelang het ambitieniveau waarop ze ingetekend hebben. Als eerste evaluatiecriterium onderzoeken we de effectiviteit van dit subsidiesysteem. Hierbij worden drie vragen achtereenvolgens behandeld: (1) worden de doelstellingen van de cluster Vaste Stoffen gehaald? (2) zijn de verschillen tussen gemeenten die intekenen en niet intekenen significant, en (3) zijn deze verschillen veroorzaakt door de cluster Vaste Stoffen van de S.O.? Wat betreft de eerste vraag kunnen we zeggen dat de restafvaldoelstellingen van de cluster ‘Vaste Stoffen’ grotendeels gehaald worden. Voor de tweede vraag hebben we de hoeveelheden restafval vergeleken tussen gemeenten die niet intekenden en gemeenten die wél intekenden (onderverdeeld in de verschillende ambitieniveaus). Uit deze vergelijking kunnen we besluiten dat gemeenten die intekenen op niveau 2 significant minder huishoudelijk restafval per inwoner produceren dan de gemeenten die intekenen op niveau 1 of die helemaal niet intekenen op de S.O. (we hebben niveau 3 buiten beschouwing gelaten wegens het beperkte aantal intekeningen op dit niveau). De vaststelling dat er significante verschillen zijn tussen de gemeenten zegt echter nog niets over vraag 3, namelijk of er een oorzakelijk verband bestaat met de S.O. Om deze derde vraag te beantwoorden, hebben we gebruik gemaakt van regressieanalyses. In een standaard regressieanalyse blijkt dat intekenen op niveau 2 een significante daling van de restafvalproductie met ongeveer 15% veroorzaakt (terwijl intekenniveau 1 niet significant is). Dit resultaat is echter vertekend omdat gemeenten al vóór de aanvang van de S.O. sterk verschillen in restafvalniveau (als gevolg van bvb. de convenanten in de periode daarvoor). Om deze verschillen in startposities uit te filteren, passen we een momenteel veel gebruikte regressietechniek toe, namelijk difference-in-differences schattingen. Hieruit blijkt dat intekenen op niveau 2 géén additionele reducties uitlokt in vergelijking met de evoluties uit het verleden van de betrokken gemeenten zelf en met de evoluties die de controlegroep (niveau 1 en gemeenten die niet intekenden op de S.O.) onderging. Twee belangrijke nuanceringen zijn hierbij geboden. Ten eerste moet opgemerkt worden dat onze conclusie met betrekking tot de effectiviteit van niveau 2 minder uitgesproken zou zijn indien de meerkosten voor extra restafvalreducties sterk stijgend zouden verlopen. Oplopende kosten voor extra afvalpreventieacties zou een verklaring kunnen zijn voor het geleidelijk afvlakken van de afvalreducties op niveau 2. We 7

beschikken echter niet over de gegevens (kosten van afvalpreventieacties) om deze hypothese ten gronde te testen. Ten tweede is onze analyse beperkt tot het feit dat we enkel het additionele effect van de S.O. proberen in te schatten bovenop de effecten van ondermeer de oudere convenanten. De (significante) verschillen in uitgangspositie beschouwen we daarbij als gegeven; we proberen enkel in te schatten wat de S.O. daar aan toevoegt. Bijgevolg zeggen onze resultaten niets over de effectiviteit van de talrijke andere aspecten van het Vlaamse afvalstoffenbeleid zoals de Uitvoeringsplannen, de heffingen op storten en verbranden, de vroegere conventanten enzovoort. Als tweede criterium onderzoeken we de efficiëntie van de S.O. Bij gebrek aan gedetailleerde kosteninformatie kunnen we de efficiëntie van afvalpreventieacties niet onderzoeken. Ter illustratie van de methodiek onderzoeken we dan de kostenefficiëntie van het ophalen en verwerken van afval voor de individuele gemeenten. Efficiëntie wordt daarbij gemeten als het aantal kg (totaal) afval dat per euro ingezette middelen opgehaald en verwerkt kan worden. Daaruit blijkt de gemiddelde gezinsgrootte (+), intekenen op de S.O. (+), het toepassen van DIFTAR systemen (-) en het gemiddeld inkomen per capita (-) een significante invloed op de efficiëntiescore hebben. Na analyse van de incentiefstructuur van de subsidieschema’s (de differentiatie in ambitieniveaus en bijbehorende subsidiebedragen) kunnen we stellen dat de structuur zeer goed voldoet aan de theoretische aanbevelingen. We menen echter dat de ‘fine tuning’ van de parameters van het subsidieschema voor verbetering vatbaar zijn. Meer bepaald lijken de restafvalnormen op de verschillende intekenniveaus weinig ambitieus want vele gemeenten haalden de norm al ruim voor de intekeningsdatum. Hierdoor ontstaat er een “moral hazard” probleem: gemeenten ondervinden geen prikkel meer om hun restafvalproductie verder te beperken eens ze de norm van de S.O. gehaald hebben. Mogelijke oplossingen om dit “moral hazard” probleem tegen te gaan, zijn: (1) een meer prestatiegebonden subsidievorm, en/of (2) meer ambitieuze afvalnormen vooral voor intekenniveau 2. Beide oplossingen moeten, ons inziens, gepaard gaan met een substantiële verhoging van de subsidiebedragen. Om enkele aspecten van lokale publieke financiën te analyseren, hebben we geprobeerd een variant van het klassieke mediaankiezermodel econometrisch te schatten. Hierbij wordt de mediaankiezer als referentiepunt gebruikt om het lokale besluitvormingsproces in de gemeenten te modelleren. Uit deze oefening kunnen de volgende besluiten getrokken worden. Ten eerste hebben structuurkenmerken zoals kustgemeente (+), bevolkingsdichtheid (-), oppervlakte (-) en aandeel van de bevolking tussen 0 en 4 jaar (+) wel een significante invloed op de totale hoeveelheid afval. Ten tweede hebben politieke variabelen en het intekengedrag op de cluster Vaste Stoffen van de Samenwerkingsovereenkomst geen significante invloed op de totale hoeveelheid afval. Ten derde blijkt uit de analyses dat afvalophaling en –verwerking eerder private dan publieke kenmerken hebben in de zin dat bijkomende inwoners voorzien van deze gemeentelijke dienstverlening significante meerkosten met zich meebrengt.

8

2

LEESWIJZER

Dit rapport beschrijft een casestudie die in het kader van de TWOL studie 2003-00164: “Ontwikkeling van een coherent beleidskader voor de evaluatie van leefmilieugerelateerde financiële tegemoetkomingen (vooral subsidies) en toepassing van dit evaluatiekader op een aantal cases” werd uitgevoerd. Deze casestudie focust op de Cluster Vaste Stoffen van de Samenwerkingsovereenkomst tussen de Vlaamse milieuadministratie en de Vlaamse gemeenten. De methodologie die in dit rapport gevolgd wordt, hebben we in grote lijnen beschreven in het Eindrapport Methodologie (De Jaeger, Eyckmans, Van Biervliet en Van Puyenbroeck, 2005). Dit casestudie rapport bevat echter meer gedetailleerde uitwerkingen en toepassingen voornamelijk voor het evalueren van de criteria effectiviteit, efficiëntie, incentieven en aspecten van lokale publieke financiën. De andere rechtvaardigheid, administratieve lasten, macro-economische criteria zoals neveneffecten en innovatie komen slechts in mindere mate aan bod omdat ze ofwel niet relevant zijn, ofwel nog niet geëvalueerd kunnen worden met de beschikbare gegevens. Dit rapport is vooral ook als een pedagogisch instrument opgevat. Dat wil zeggen dat we de verschillende chronologische stappen in het onderzoek beschrijven en relatief veel aandacht besteden aan de statistische en econometrische technieken die werden gebruikt. Omdat we, op aandringen van de opdrachtgevers, het gebruik van de verschillende evaluatietechnieken zoveel mogelijk wilden illustreren, hebben we soms technieken geïllustreerd terwijl we wisten dat de data twijfelachtig van kwaliteit zijn. In deze zin zijn de resultaten van deze casestudie eerder illustratief. Wij beschouwen deze studie dus zeker niet als “af” en we verwelkomen daarom met plezier alle suggesties voor uitbreidingen en verbeteringen. Wij wensen nog uitdrukkelijk alle mensen te bedanken die meegewerkt hebben aan deze studie door onze vragen te beantwoorden en ons gegevens te verstrekken. In het bijzonder de verantwoordelijke van de Samenwerkingsovereenkomst bij AMINAL, Mevr. K. De Paepe en haar medewerkers. Ook de opdrachtgevers van de studie, de cel milieueconomie van het Directoraat-generaal van AMINAL, Dhr. R. Bormans, Mevr. E. Hutsebaut en Mevr. S. Ochelen en de leden van de stuurgroep en gebruikersgroep van dit TWOL project hebben in belangrijke mate bijgedragen aan dit rapport. Een aantal cruciale gegevens werden ons verstrekt door ondermeer Dhr. Wille (OVAM) en door X. Gellynck en P. Verhelst (UGent, Faculteit Bio-Ingenieurswetenschappen, Vakgroep Landbouweconomie) die we uitdrukkelijk willen bedanken voor zijn bereidheid om de door hem verzamelde gegevens in het kader van een vroegere studie rond het Vlaamse afvalbeleid met ons te delen. Tot slot wensen wij nog Prof. J. Hendricxk en Prof. E. Omey van EHSAL te bedanken voor hun nuttige suggesties bij het oplossen van allerlei statistische problemen.

9

3 3.1

INLEIDING Beknopte beschrijving samenwerkingsovereenkomst en de cluster ‘vaste stoffen’

De samenwerkingsovereenkomst ‘Milieu als opstap naar Duurzame Ontwikkeling’ is van start gegaan in 2002 en loopt tot 2007. Voorafgaand aan deze samenwerkingsovereenkomst bestonden de zogenaamde ‘milieuconvenanten’ over de periode 1992-2001. De Samenwerkingsovereenkomst wordt afgesloten tussen het Vlaams Gewest enerzijds en de gemeenten en/of provincies anderzijds. In deze evaluatie wordt enkel naar gemeenten gekeken. De gemeenten kunnen inschrijven op drie verschillende ambitieniveaus en op verschillende clusters. De keuze is niet helemaal vrij. Men kan bijvoorbeeld pas overgaan van ambitieniveau 1 naar niveau 2 indien men aan alle voorwaarden van niveau 1 voldoet. Bovendien zijn sommige clusters steeds vereist. Wanneer een gemeente bijvoorbeeld inschrijft op de Samenwerkingsovereenkomst dient de cluster Vaste Stoffen zeker uitgevoerd te worden. De doelstellingen voor de cluster Vaste Stoffen voor de verschillende intekenniveaus wordt weergegeven in de onderstaande tabel.

Niveau 1

Tabel 1: Doelstellingen cluster Vaste Stoffen rapporteren over sensibilisatieacties, afvalpreventie, beperken restafval en duurzaam productgebruik via milieujaarprogramma; naleven wettelijke bepalingen (jaarlijks rapporteren i.v.m. gemeentelijke inventarisatie huishoudelijke afvalstoffen + jaarlijks rapporteren i.v.m. meldingsplicht bedrijfsafvalstoffen) Kwantitatieve doelstellingen i.v.m. restafval: 2002: 220 kg/inwoner 2003: 220 kg/inwoner 2004: 200 kg/inwoner (of 15% reductie t.o.v. vorig kalenderjaar)

Niveau 2

rapporteren over sensibilisatieacties, afvalpreventie en duurzaam productgebruik via milieujaarprogramma; naleven wettelijke bepalingen (jaarlijks rapporteren i.v.m. gemeentelijke inventarisatie huishoudelijke afvalstoffen + jaarlijks rapporteren i.v.m. meldingsplicht bedrijfsafvalstoffen) Kwantitatieve doelstellingen i.v.m. restafval: 2002: 200 kg/inwoner 2003: 175 kg/inwoner

10

2004: 150 kg/inwoner Niveau 3

rapporteren over uitvoering milieujaarprogramma.

clusters

via

projectvoorstel

en

Kwantitatieve doelstellingen i.v.m. restafval: taakstelling restafval die lager is dan de lange termijn taakstelling van het Vlaamse Gewest. De kwantitatieve restafvaldoelstelling wordt voor enkele gemeenten verhoogd. Het gaat hierbij om correctiefactoren die de invloed van kusttoerisme, grootstedelijke centra of studentensteden op de hoeveelheid restafval in rekening brengen. De hoogte van de subsidie voor de cluster Vaste Stoffen bedraagt voor niveau 1 0,9 euro/inwoner. Voor niveau 2 komt hier nog eens 0,8 euro/inwoner bij wat het totaal voor niveau 2 op 1,7 euro/inwoner brengt. Voor niveau 2 kan het bedrag met 0,1 euro/inwoner verhoogd worden indien de doelstellingen voor restafval sneller worden gehaald. De uitbetaling van de subsidies gebeurt in principe in twee fases. In een eerste fase ontvangt een gemeente die ingetekend heeft, een voorschot op het bedrag waarop ze recht zou hebben indien alle voorwaarden vervuld zijn. Pas nadat alle gegevens beschikbaar zijn (bijvoorbeeld het restafvalniveau), wordt het resterend deel van de subsidie uitbetaald indien aan de voorwaarden voldaan is. Indien niet aan de gestelde voorwaarden voldaan is, dan wordt deze tweede schijf niet uitbetaald. Voor een volledige beschrijving van het systeem wordt verwezen naar de brochure bij de Samenwerkingsovereenkomst, contracttekst 2002-2004. Ook in Vandeputte et al. (2004) wordt het geheel van de Samenwerkingsovereenkomsten en de procedures in detail besproken.

3.2

BELEIDSCONTEXT AFVALSTOFFENBELEID

3.2.1

Uitvoeringsplannen huishoudelijke afvalstoffen

Los van de Samenwerkingsovereenkomsten wordt het afvalstoffenbeleid vooral vorm gegeven door het Uitvoeringsplan huishoudelijke afvalstoffen 1997-2001 (OVAM, 1997) en uitvoeringsplan huishoudelijke afvalstoffen 2003-2007 (OVAM, 2002). Hierin worden taakstellingen op korter en lange termijn beschreven waaraan gemeenten zouden moeten voldoen. Hierbij moet opgemerkt worden dat aan het al dan niet bereiken van deze taakstellingen geen onmiddellijke sancties verbonden zijn. Een uitgebreide beleidswetenschappelijke evaluatie van deze uitvoeringsplannen werd uitgevoerd door het Steunpunt Milieubeleidswetenschappen, zie De Bruyn et al. (2003). Volgens het Uitvoeringsplan huishoudelijke afvalstoffen 2003-2007 geldt een taakstelling van 200 kg restafval per inwoner voor het jaar 2005 (per individuele gemeente) en een lange termijn doelstelling van 150 kg per inwoner als gemiddelde voor het volledig Vlaams gewest. Wanneer we dit vergelijken met de doelstellingen van de cluster Vaste 11

Stoffen van de Samenwerkingsovereenkomsten dan stellen we vast dat niveau 1 grotendeels de taakstelling voor 2004 overneemt. Op niveau 2 wordt eigenlijk een landingstraject uitgewerkt om al tegen 2004 de lange termijn doelstelling van 150 kg/inwoner te bereiken. In tegenstelling tot bij het Uitvoeringsplan huishoudelijke afvalstoffen geldt deze doelstelling voor elke individuele gemeente. Algemeen kunnen we hieruit besluiten dat de Samenwerkingsovereenkomst grotendeels de algemene doelstellingen van het Uitvoeringsplan huishoudelijke afvalstoffen 19972001 overneemt en daaraan beloningen koppelt voor gemeenten die de taakstellingen halen binnen de gestelde termijnen of zelfs sneller. Het is belangrijk te wijzen op de timing van de taakstellingen. Algemeen kunnen we stellen dat de Samenwerkingsovereenkomst probeert om de taakstellingen met betrekking tot de restafvalniveaus sneller te realiseren dan voorzien in het uitvoeringsplan. 3.2.2

Heffingen op storten en verbranden

Tot slot willen we er nog op wijzen dat de heffingen die in het Vlaamse gewest gelden op het verbranden en storten van afval ook invloed uitoefenen op de keuzes die gemeenten zullen maken met betrekking tot hun lokaal afvalbeleid. Deze heffingen worden namelijk door de uitbaters van stortplaatsen en verbrandingsinstallaties (gedeeltelijk) doorgerekend aan de gemeenten die het op hun beurt (gedeeltelijk) doorrekenen aan hun inwoners. Zie ondermeer Turner (1995) en de referenties daarin, voor een geïntegreerde analyse van de afvalproblematiek en de beleidsinstrumenten die in de verschillende stadia van de afvalcyclus (creatie, ophaling, recyclage, hergebruik materialen, verbranden, storten) ingezet worden. Aangezien heffingen niet het voorwerp uitmaken van deze evaluatieoefening, zullen we er ook geen verdere aandacht aan besteden. Het is wel belangrijk te vermelden dat deze heffingen in principe alle gemeenten in dezelfde mate gaan beïnvloeden, met andere woorden, deze heffingen kunnen geen oorzaak zijn van systematische verschillen tussen gemeenten die wel of niet intekenen op de cluster Vaste Stoffen van de Samenwerkingsovereenkomsten.

3.3

AFBAKENING VAN DE EVALUATIEOEFENING

Deze studie is zeker niet de eerste evaluatie van de Samenwerkingsovereenkomst. Een uitgebreide tussentijdse evaluatie van het geheel van de Samenwerkingsovereenkomst (dat wil zeggen alle clusters) werd uitgevoerd door HIVA/CDO, zie Vandeputte et al. (2004). De methodologie voor deze evaluatie bestond uit documentanalyse, diepteinterviews, telefonische interviews en participerende evaluatie. De HIVA/CDO evaluatie focuste vooral op het procedurele van de volledige samenwerkingsovereenkomst. Een korte paragraaf werd opgenomen in verband met de ‘doelstelling restafval’ over de parameter ‘effectiviteit’. Recent werd ook in de studie van Geeraerts et al. (2005) de Samenwerkingsovereenkomst uitgebreid onder de loep genomen.

12

In tegenstelling tot de voorgaande evaluaties focust onze evaluatie slechts op één enkele subsidie, namelijk diegene die verleend wordt in het kader van de cluster Vaste Stoffen van de Samenwerkingsovereenkomst, en gebruiken wij een “economische” methodologische invalshoek. Een doorgedreven statistische vergelijking van gemeenten die wél en niet gebruik maken van de betrokken subsidie vormt de methodologische basis van onze oefening. De evaluatie bekijkt de criteria effectiviteit, efficiëntie, rechtvaardigheid, administratieve lasten en neveneffecten. Het is belangrijk te beseffen dat de resultaten en conclusies die we hier bereiken enkel geldig zijn voor dat ene specifieke onderdeel van de Samenwerkingsovereenkomsten en niet veralgemeend mogen worden naar de andere clusters. Bovendien slaat onze evaluatieoefening enkel en alleen op de Samenwerkingsovereenkomst en dus niet op de voorafgaandelijke convenanten tussen de Vlaamse overheid en de gemeenten. Wij proberen de Samenwerkingsovereenkomst te isoleren van alle andere beleidsinitiatieven op het gebied van afval. In geen geval mogen de conclusies die wij bekomen, doorgetrokken worden naar het geheel van het Vlaamse afvalstoffenbeleid.

3.4

BESCHIKBARE GEGEVENS

Voor de case Samenwerkingsovereenkomst beschikken we voor de cluster Vaste Stoffen over een uitgebreide databank met gegevens voor de 308 Vlaamse gemeenten over hun structuurkenmerken (aantal inwoners, oppervlakte, gemiddelde inkomen per inwoner,…), hun score op afvalindicatoren (gemiddelde jaarlijkse hoeveelheid restafval per inwoner, uitsplitsing van het totale afval over de verschillende fracties (glas, papier, PMD, …), kostprijs van ophalen en verwerken van restafval,…) en of ze al dan niet de cluster Vaste Stoffen van de Samenwerkingsovereenkomst hebben onderschreven. De door ons verzamelde gegevens zijn, op eenvoudige aanvraag, verkrijgbaar bij de onderzoekers. De gegevens uit deze dataset werden door verschillende personen ter onzer beschikking gesteld: •

De contractteksten rond de samenwerkingsovereenkomsten voor de periode 2000 – 2004 en de detailinformatie over de toegekende subsidies voor de cluster ‘Vaste Stoffen’ werden ons rechtstreeks bezorgd door Mevr. K. De Paepe (AMINAL).

•

De gegevens in verband met de kostprijs van huis-aan-huis ophaling voor een gemiddeld Vlaams gezin, ophaalfrequentie van het huishoudelijk afval en de lijst van gemeenten die het diftar systeem toepassen zijn afkomstig van P. Verhelst (medeauteur van het rapport OVAM, 2005, Onderzoek naar de gemeentelijke

huisvuilbelasting- en retributiesystemen inclusief voor KMO’s en zelfstandige ondernemers in Vlaanderen op 1 januari 2003). •

De afvalstatistieken (hoeveelheden van de verschillende fracties huishoudelijk afval per gemeente) zijn afkomstig van OVAM (Mr. Wille)

13

van

het

•

Gedetailleerde overzichten van de gemeentefinanciën werden door Administratie Planning en Statistiek (APS) ter onzer beschikking gesteld na bemiddeling door Mevr. S. Ochelen (AMINAL).

•

De samenstelling van de Vlaamse intercommunales is terug te vinden op de website van GIS Vlaanderen (http://www.gisvlaanderen.be).

•

Heel wat andere gegevens zijn rechtstreeks afkomstig van de website van de FOD Economie - Algemene Directie Statistiek (http://statbel.fgov.be) en de link met de Ecodata databank (http://ecodata.mineco.fgov.be): aantal inwoners en oppervlakte per gemeente en gemiddeld inkomen per aangifte.

14

4

EFFECTIVITEIT

Voor de inschatting van de effectiviteit worden drie groepen gemeenten onderscheiden: diegene die niet intekenden, diegene die intekenden op niveau 1 en diegene die intekenden op niveau 2 (intekeningen voor het jaar 2003). De effectiviteit wordt hier in drie stappen nagegaan: 1. Er wordt nagegaan of de verschillende restafvaldoelstellingen halen (doelbereiking);

groepen

de

vooropgestelde

2. Er wordt nagegaan of de gesubsidieerde gemeenten beter scoren dan de nietgesubsidieerde gemeenten op de parameter effectiviteit (significant verschil); 3. Er wordt nagegaan indien de gesubsidieerde gemeenten beter scoren op de parameter effectiviteit of dit als gevolg van de subsidie is (oorzakelijk verband). Effectiviteit wordt hierbij verstaan als additionaliteit. Met andere woorden, wat heeft de Samenwerkingsovereenkomst aan extra reducties van het restafval veroorzaakt, los van de Uitvoeringsplannen van OVAM, los van de vroegere convenanten tussen de Vlaamse overheid en de gemeenten enzovoort.

4.1

Worden de restafvaldoelstellingen gehaald?

We beginnen met het verkennen van de doelbereikingsvraag: worden de restafvaldoelstellingen van het Vlaamse Gewest en van de Samenwerkingsovereenkomst gehaald? De restafvaldoelstellingen voor de gemeenten die niet intekenden en de gemeenten die intekenden op niveau 1 zijn in principe gelijk. Voor beide groepen gelden de restafvaldoelstellingen uit het Uitvoeringsplan (zie OVAM, 1997 en 2002), dit is een doelstelling van 200 kg/inwoner in het jaar 2004. Voor de gemeenten die intekenden op niveau 2 geldt een restafvaldoelstelling van 150 kg/inwoner in het jaar 2004.

Tabel 2: Toetsing van de restafvaldoelstellingen 2004 voor de 3 groepen van gemeenten

Groep Geen intekening Intekening niv. 1 Intekening niv. 2

# gemeenten

Kg restafval/inwoner <150 150-200 >200 # gemeenzonder met zonder met zonder met ten cerrectie correctie cerrectie correctie cerrectie correctie 45% 42% 63%

45% 43% 63%

38% 48% 36%

39% 49% 36%

17% 10% 1%

16% 8% 1%

150

151

130

133

28

24

15

69 153 86

Uit bovenstaande tabel kan afgeleid worden dat 83% van de gemeenten (84 % als rekening gehouden wordt met de correctiefactoren) die niet intekenden de restafvaldoelstelling in 2004 halen. Van de gemeenten die intekenden op niveau 1 haalt 90% de restafvaldoelstelling (92% als rekening gehouden wordt met de correctiefactoren) . Vijf gemeenten zitten heel dicht tegen de doelstelling aan, vier gemeenten zitten nog ver verwijderd van de doelstelling. Deze laatste zijn allemaal kustgemeenten die, door hun specifieke kenmerken (toerisme) doorheen heel de studie vaak als buitenbeentjes naar voren zullen komen. Van de gemeenten die intekenden op niveau 2 haalt 63% de restafvaldoelstelling. Als we dit percentage zouden berekenen op basis van de restafvaldoelstelling 2003 (175 kg/inwoner), dan haalt 90% de doelstelling. Het grootste gedeelte van de gemeentes zit dus dicht tegen of onder de doelstelling Globaal gezien kunnen we stellen dat van de gemeenten die intekenden op de Samenwerkingsovereenkomst, cluster Vaste Stoffen, het grootste gedeelte de doelstelling haalt of bijna haalt. Hetzelfde geldt ook voor de gemeenten die niet intekenden. We kunnen besluiten dat de doelstellingen in sterke mate gerealiseerd worden.

4.2

ZIJN DE VERSCHILLEN STATISTISCH SIGNIFICANT?

4.2.1

Vergelijken van twee gemiddelden

Wanneer we willen onderzoeken of het aantal kg restafval verschilt tussen gemeenten die wel en gemeenten die niet intekenen, kunnen we dit in eerste instantie nagaan door enkele gemiddelden te vergelijken. In Tabel 3 wordt het gemiddelde aantal kg restafval in het jaar 2002 per inwoner vergeleken tussen gemeenten met – en gemeenten zonder Samenwerkingsovereenkomst.

16

Tabel 3: Vergelijking gemiddelden en standaardafwijking 1

Intekening

N

Gemiddelde

Neen

81

µ1 = 169,22

Standaardafwijking σ1 = 50,19

Ja

227

µ2 = 160,09

σ2 = 60,20

Uit deze tabel blijkt dat in de gemeenten mét Samenwerkingsovereenkomst het gemiddelde aantal kg restafval ongeveer 9 kg/inwoner per jaar lager ligt. Toch mogen we hieruit geen voorbarige conclusies trekken. Deze verschillen kunnen immers aan toeval te wijten zijn. Om uit te maken of het verschil tussen de gemiddelden µ1 en µ2 statistisch betekenisvol of significant is, voeren we een t-test uit. De nulhypothese die we testen is dat de gemiddelden niet significant van elkaar verschillen: H0: µ1 = µ2. Wanneer de twee groepen waarvan men de gemiddelde score wenst te vergelijken uit dezelfde subjecten zijn samengesteld, dan moet een afhankelijke t-test uitgevoerd worden. Een voorbeeld hiervan is het vergelijken van de gemiddelde hoeveelheid restafval per capita over alle Vlaamse gemeenten vergeleken vóór en ná het intekenen op de Samenwerkingsovereenkomst. Wanneer echter beide groepen uit andere subjecten zijn samengesteld, moet een onafhankelijke t-test uitgevoerd worden. In onze gevalstudie willen we verschillende gemeenten vergelijken, sommige die de Samenwerkingsovereenkomst wél en andere die ze niet onderschreven hebben. Hier moeten we dus een onafhankelijke t-test gebruiken. Voor het uitvoeren van de t-test moeten we eerst de p-waarde of overschrijdingskans vastleggen. De p-waarde of overschrijdingskans is de kans dat een correcte nulhypothese ten onrechte verworpen wordt door de test. Een p-waarde van een t-test gelijk aan 0,024 betekent dat er De “p-waarde” of “overschrijdingskans” is de 2,4% kans is dat de waargenomen kans dat een correcte nulhypothese ten onrechte verschillen door toeval veroorzaakt verworpen wordt. zijn. Met andere woorden, bij een pwaarde gelijk aan 0,024 kunnen we met 97,6% statistische waarschijnlijkheid zeggen dat de waargenomen verschillen een systematische oorzaak kennen.

1

De standaardafwijking is de vierkantswortel van de variantie; waarbij (steekproef)variantie gedefinieerd is als het gemiddelde van de kwadraten van het verschillen tussen het gemiddelde en de individuele observaties.

17

Het is in principe aan de onderzoeker om een p-waarde voorop te stellen waarmee hij of zij willen werken. Voor deze case eisen we een betrouwbaarheid van 95%. Dit betekent dat H0 verworpen wordt voor een p-waarde ≤ 0,05. Dit betekent eveneens dat de kans dat H0 ten onrechte verworpen wordt ten hoogste 5 % is. Via standaard statistische sofware is het relatief eenvoudig • Voor 90% betrouwbare uitspraken wordt de dergelijke berekeningen te nulhypothese verworpen indien p-waarde ≤ 0,1; maken. In deze case opteren we • Voor 95% betrouwbare uitspraken wordt de voor SPSS 12.0, maar deze nulhypothese verworpen indien p-waarde ≤ 0,05; analyses kunnen evengoed • Voor 99% betrouwbare uitspraken wordt de nulhypothese verworpen indien p-waarde ≤ 0,01. uitgevoerd worden in SAS, Stata, Excel, … In de eerste plaats vergelijken we via een onafhankelijke t-test het gemiddelde aantal kg restafval tussen gemeenten die wel- en gemeenten die niet inteken voor het jaar 2002. In Tabel 4 wordt de SPSS output van de onafhankelijke t-test weergegeven.

Tabel 4: Vergelijking gemiddeld aantal kg restafval per intekenniveau in het jaar 2002, onafhankelijke t-test Levene's Test Equal variances F assumed 0,001154 not assumed

Independent Samples Test t-test for Equality of Means Sig. t df Sig. (2-tailed) 0,97292 1,221782 306 0,22273052 1,331217 167,6053 0,184925352

Parametrische testen, zoals deze t-test, gaan van de basisveronderstelling uit dat de varianties van de verschillende groepen die vergeleken worden gelijk zijn.2 Onder de kolom Levene’s test wordt in SPSS deze basisveronderstelling onderzocht. Wanneer Levene’s test niet significant is (p-waarde ≥ 0,05) dan wordt de nulhypothese dat de varianties van beide groepen min of meer gelijk zijn, aanvaard. De waarden van de ttest moeten in dit geval afgelezen worden uit de rij ‘assumed’. Wanneer Levene’s test wél significant is (p-waarde < 0.05), moeten de resultaten voor de t-test uit de rij ‘not assumed’ afgelezen worden. De p-waarde is af te lezen in de kolom ‘Sig.’ (significance level). Aangezien in dit geval de varianties blijkbaar gelijk zijn (p-waarde Levene’s test = 0,973), baseren we ons voor de test van de gemiddelde restafvalwaarden op de p-waarde 0,223 (kolom ‘Sig. (2tailed)). Hieruit kunnen we afleiden dat beide gemiddelde restafvalniveaus statistisch

2

Voor een definitie van de variantie zie voetnoot 1.

18

niet significant van elkaar verschillen. Met andere woorden, de 9 kg/inwoner per jaar verschil is statistisch niet betekenisvol. De p-waarde van de t-test (kolom ‘Sig. (2-tailed)) geeft de 2-zijdige kritische waarde weer. Deze waarde wordt als referentiewaarde gehanteerd wanneer men geen a-priori verwachting heeft betreffende het verschil tussen de twee gemiddelden. Wanneer zoals, in deze case, vermoed wordt dat één • We gebruiken een tweezijdige toets (2-tailed) van de twee gemiddelden lager ligt, indien we a-priori geen verwachting hebben mag de p-waarde door twee gedeeld over het verschil tussen de twee waarden die worden. Maar ook in dit geval blijft we willen vergelijken. • We gebruiken een éénzijdige toets wanneer we het verschil tussen de gemiddelde sterke vermoedens hebben dat één van de twee restafvalniveaus niet significant op 5%-niveau. gemiddelden groter zal zijn dan het andere. Aangezien we over data van meerdere jaren beschikken, kunnen we de gemiddelde hoeveelheden restafval per capita vóór (2001) en ná het intekenen (2002) vergelijken. Voor deze analyse kijken we in eerste instantie enkel naar de gemeenten die hebben ingetekend. Aangezien beide steekproeven uit dezelfde subjecten zijn samengesteld, moeten we hier een afhankelijke t-test uitvoeren. Een deel van de SPSS output van deze analyse wordt weergegeven in Tabel 5: Vergelijking gemiddeld aantal kg restafval vóór en ná het intekenen

Tabel 5: Vergelijking gemiddeld aantal kg restafval vóór en ná het intekenen, afhankelijke t-test Paired Samples Test Paired Differences 9,8697

t

df

7,6240

226

Sig. (2-tailed) 0,0000

De eerste kolom in Tabel 5 met als titel ‘Paired Differences’ geeft het verschil tussen de gemiddelden weer (hier is dit de gemiddelde hoeveelheid restafval per capita in 2001 min de gemiddelde hoeveelheid restafval in 2002) . De andere kolommen hebben dezelfde betekenis als bij de onafhankelijke t-test. Het is duidelijk dat de gemiddelde hoeveelheid restafval per capita wél significant van elkaar verschilt tussen 2001 en 2002 voor de gemeenten die ingetekend hebben. Het zou fout zijn om zonder meer aan te nemen dat het intekenen op de samenwerkingsovereenkomst de oorzaak van dit verschil is. Een algemeen dalende trend van het restafvalniveau kan evengoed aan de basis van het verschil liggen. Door de gemiddelde hoeveelheid restafval per capita van de gemeenten die niet hebben ingetekend te vergelijken tussen 2001 en 2002, kan het resultaat genuanceerd worden. Het resultaat van deze analyse is opgenomen in Tabel 6

19

Tabel 6: Vergelijking gemiddeld aantal kg restafval 2001 – 2002 voor de controlegroep, afhankelijke t-test Paired Samples Test Paired Differences 7,3123

t

df

3,6130

Sig. (2-tailed) 80

0,0005

De laatste kolom uit Tabel 6 (Sig. (2-tailed)) geeft aan dat de gemiddelde hoeveelheid restafval per capita ook voor deze controlegroep tussen 2001 en 2002 significant gedaald is. Dit betekenisvolle verschil (in kolom ‘Paired Differences’ berekend als de gemiddelde hoeveelheid restafval per capita in 2001 min de gemiddelde hoeveelheid restafval in 2002) voor de controlegroep bevestigt ons vermoeden dat niet enkel het intekenen op een samenwerkingsovereenkomst de daling in gemiddelde hoeveelheid restafval per capita van de gemeenten die ingetekend hebben op e Samenwerkingsovereenkomst kan verklaren. In paragraaf 4.3.6 gaan we dieper in op dit probleem. 4.2.2 4.2.2.1

Vergelijken van meer dan twee gemiddelden

Restafval en intekenniveau

Tot nog toe hebben we enkel gekeken naar het verschil tussen intekenen of niet; maar de samenwerkingsovereenkomsten kunnen op meerdere niveaus plaatsvinden. Voor het jaar 2002 wordt de verdeling voor de 308 Vlaamse gemeenten in Tabel 7 weergegeven. Ook de corresponderende gemiddelde hoeveelheid restafval per intekenniveau wordt aangegeven.

Tabel 7: Gemiddelde hoeveelheid restafval per intekenniveau Intekenniveau

Aantal

Restafval

0 1 2

81 159 68

169,2216 169,8516 137,2619

Intekenniveau 0 wil zeggen dat de gemeente nog geen samenwerkingsovereenkomst heeft getekend. Uit Tabel 7 is duidelijk te zien dat bij niveau 2 het gemiddelde aantal kg restafval per inwoner per jaar ongeveer 30 kg lager ligt in vergelijking met gemeenten die niet of slechts op niveau 1 intekenden. Wanneer we willen nagaan of deze gemiddelden significant van elkaar verschillen volstaat een simpele t-test niet meer. Deze is namelijk alleen geschikt voor het vergelijken van slechts twee gemiddelden. Wanneer we twee of meer gemiddelden wensen te vergelijken is analyse van de variantie de meer geschikte methode (ANalisys Of VAriance: ANOVA). Ook deze analyse voeren we uit in SPSS. De output van deze analyse wordt weergegeven in Tabel 8:

20

Tabel 8: Restafval 2002: ANOVA test

Between Groups Within Groups Total

Sum of Squares 55566,159 970071,898 1025638,057

ANOVA df 2 305 307

Mean Square 27783,080 3180,564

F 8,735

Sig. 0,0000

De nulhypothese die bij deze test getoetst wordt, zegt dat de gemiddelden van de populaties gelijk zijn. De variantie tussen de verschillende groepen (tussenvarianties = between groups) wordt vergeleken met de variantie binnenin elke groep (binnenvariantie = within groups). De variantie tussen de verschillende groepen en (een maat voor) de variantie binnenin elke groep wordt berekend. Indien de nulhypothese aanvaardt wordt, zullen deze niet zoveel van elkaar verschillen en zal het quotiënt (tussenvariantie op binnenvariantie) bijgevolg in de buurt van 1 liggen. Indien de gemiddelden echter wel van elkaar verschillen zal de variantie tussen de groepen veel groter zijn dan de variantie binnen de groepen en zal het quotiënt bijgevolg veel groter dan 1 zijn. Merk op dat bij ANOVA wordt verondersteld dat de varianties van de verschillende groepen gelijk zijn. Om de verschillende varianties te verkrijgen wordt in de praktijk, ook in SPSS, de som van de kwadratische afwijkingen tussen de groepen (Sum of Squares Between groups of SSB) en de som van de kwadratische afwijkingen binnen de groepen (Sum of Squares Within groups of SSW) berekend. In de tabel is dit af te lezen in de tweede kolom ‘Sum of Squares’. De derde kolom in de output stelt het aantal vrijheidsgraden voor. De variantie (kolom ‘Mean Square’) kan gevonden worden door de kolom ‘Sum of Squares’ te delen door zijn vrijheidsgraden (kolom ‘df’). Dit resulteert in MSB (Mean Square Between groups) en MSW (Mean Square Within groups), weergegeven in de vierde kolom ‘Mean Square’. De F-testgrootheid is dan gelijk aan het quotiënt van MSB en MSW: F = MSB / MSW Het resultaat van deze berekening is terug te vinden in kolom 5 ‘F’. In de laatste kolom ‘Sig.’ wordt tenslotte de p-waarde getoond. Opnieuw wordt voor een betrouwbaarheid van 95 % een p-waarde ≤ 0.05 geëist. Voor deze case blijkt duidelijk dat er een significant verschil bestaat tussen de gemiddelden (p-waarde < 0.05). ANOVA zegt echter niet tussen welke gemiddelden er zich een verschil bevindt. Om dit te analyseren is het noodzakelijk een post-hoc test uit te voeren. De meeste statistische softwarepakketten bieden verschillende van deze testen aan; waarbij elke test specifieke karakteristieken heeft. Welke test het meest geschikte is voor welke situatie zou ons te ver leiden in deze gevalstudie. We verwijzen de geïnteresseerde lezer naar gespecialiseerde literatuur, bijvoorbeeld Field A. (2000) [beknopt maar zeer duidelijk] of Anderson D. R. et al. (2006) [wiskundige benadering van enkele post-hoc testen].

21

In deze case hebben we gekozen voor de post-hoc test van Tukey. Het resultaat van deze test is samengevat in Tabel 9. De tabel moet als een matrix gelezen worden; waarbij elke cel aangeeft of de scores van de corresponderende intekenniveaus significant van elkaar verschillen. De significante verschillen worden door middel van sterretjes weergegeven. Hierbij staat * voor significant op 10% niveau, ** voor significant op 5% niveau, en *** staat voor significant op 1% niveau.

Tabel 9: Post-hoc test van Tukey (p-waarden) 0 0

X

1

0,9963

2

1

2

X

0,0019** 0,0002***

X

Uit de tabel is duidelijk af te leiden dat de gemiddelde hoeveelheden restafval/inwoner per jaar op niveau 0 en 1 niet significant van elkaar verschillen en dat de gemiddelde hoeveelheid restafval/inwoner per jaar bij niveau 2 wel significant verschilt van niveau 0 en 1. Voor de volledigheid wordt in Figuur 1 de gemiddelde scores nog eens grafisch voorgesteld. Gemiddelden worden vaak grafisch voorgesteld aan de hand van zogenaamde ‘boxplots’. Ter illustratie van dit type grafiek tonen we de gemiddelde restafvalniveaus voor de verschillende intekenniveaus. In het verdere verloop van deze gevalstudie zullen we echter meestal opteren voor klassieke staafdiagrammen om de gemiddelden voor te stellen.

22

Figuur 1: Boxplot aantal kg restafval/inwoner per intekenniveau voor het jaar 2002 800

NIEUWPOORT

Kg restafval / inwoner

600

DE PANNE

KOKSIJDE

400

KNOKKE-HEIST MIDDELKERKE BEVER BLANKENBERGE DE HAAN

200

0 0

1

2

Intekenniveau 2002

De middelste dikke horizontale lijn in de boxplots stelt de mediaan voor, de hoogste en de laagste rand van de rechthoek in de boxplots stellen de het derde en eerste kwartiel voor (de afstand hiertussen is dan de interkwartielafstand).3 Het hoogste en laagste punt van de boxplots stellen respectievelijk het hoogste en het laagste gegeven voor met uitzondering van mogelijke “outliers”. Extreme data worden in deze figuur afzonderlijk weergeven aan de hand van bolletjes en sterretjes. We spreken in dit geval van outliers. Outliers kunnen eenvoudig getraceerd worden door kritische grenzen op te leggen waarbinnen de waarde moet vallen. Bij deze figuur gebeurt dit door waarden die

3

De mediaan kan gedefinieerd worden als de middelste observatie.

23

verder dan 1,5 maal de interkwartielafstand van de rechthoek uit het boxplot verwijderd liggen.4 Deze case toont duidelijk de toegevoegde waarde van ANOVA aan. Op basis van de eenvoudige t-test konden we besluiten dat het al dan niet intekenen op de cluster Vaste Stoffen van de Samenwerkingsovereenkomst zich niet uit in een andere gemiddelde hoeveelheid restafval. Deze conclusie maakte echter geen onderscheid tussen de mogelijke ambitieniveaus waarop gemeenten de Samenwerkingsovereenkomst kunnen onderschrijven. De ANOVA test heeft ons geleerd dat er wel degelijk significante verschillen bestaan tussen gemeenten die niet, of op niveau 1, intekenen enerzijds, en gemeenten die kiezen voor het hogere ambitieniveau 2 anderzijds. Toch mag op basis van de ANOVA resultaten nog niet besloten worden dat het intekenen op niveau 2 een significante invloed heeft op heeft op de gemiddelde hoeveelheid restafval. Het enige wat deze ANOVA test aantoont, is dat er een significant verschil bestaat tussen de t-testen en ANOVA’s geven geen uitsluitsel over: gemiddelde scores. Er mogen op • de causale verbanden tussen variabelen; basis van ANOVA testen met andere woorden geen uitspraken gedaan • de grootte van de verschillen van de worden over mogelijke causale gemiddelden. verbanden of de grootte van de verschillen.

4

Waarden waarbij die afstand zelfs meer dan 3 maal de interkwartielafstand bedraagt worden weergegeven door een sterretje.

24

4.2.2.2

Restafval en Intercommunale

Via ANOVA kan men natuurlijk ook veel meer dan 3 gemiddelden vergelijken. Zo kan nagegaan worden of de gemiddelde hoeveelheid restafval per inwoner verschilt naargelang de intercommunale die instaat voor het ophalen van het restafval. De gemeenten die zelf instaan voor het ophalen van hun restafval zullen we in deze analyse samenvoegen tot één groep: ‘zelf’. De andere Vlaamse gemeenten zijn, voor het ophalen van het restafval, verdeeld over 24 intercommunales. In totaal zijn er dus 25 gemiddelden die met elkaar vergeleken worden. Ook hier kunnen pas conclusies getrokken worden op basis van 3 tabellen: 1. gemiddeld aantal kg restafval per intercommunale (zie Tabel 30 in de bijlage) ; 2. de tabel met output van de ANOVA (zie Tabel 31 in de bijlage); 3. de matrix met de resultaten van de post-hoc test van Tukey (zie Tabel 32 in de bijlage). 5 We beperken ons tot de grafische voorstelling in Figuur 2.

5

Aangezien sommige intercommunales uit zeer weinig gemeentes zijn samengesteld, hebben we enkele intercommunales niet bij de analyse betrokken.

25

Figuur 2: Restafval per intercommunale6 300

Kg restafval / inwoner

250

200

150

100

50

0

Zelf Regionale Milieuzorg MIWA IVVVA IVVO IVRO IVOO IVMO IVM IVLA IVIO IVBO IVAREM IVAGO IOK Interza Interrand Intercompost Incovo IMOG ILVA IGEAN IDM IBOGEM Haviland

Intercommunale

Voorts blijkt dat de gemiddelde hoeveelheid restafval per capita bij de intercommunales IVOO, IVVO en IVBO een stuk hoger ligt dan veel andere intercommunales. Als we nagaan uit welke gemeenten deze intercommunales zijn samengesteld, komen we heel wat kustgemeenten tegen. Dit staaft ons vermoeden dat in de kustgemeentes de gemiddelde hoeveelheid restafval per capita een stuk hoger ligt dan in de andere gemeenten. Op basis van deze analyse kunnen we hierover echter nog geen sluitende conclusies trekken. 4.2.2.3

Restafval en kustgemeenten (het gebruik van dummy’s)

Na de analyse van de resultaten in de vorige paragrafen ontstond het vermoeden dat de gemiddelde hoeveelheid restafval bij de kustgemeentes een stuk hoger ligt dan in de andere gemeentes. Met de zojuist besproken statistische testen is het geen probleem dit na te gaan. Hiervoor stellen we een dummy variabele op die de waarde 1 aanneemt

6

In paragraaf 4.2.2.1 opperden we al dat gemiddelden gewoonlijk voorgesteld worden aan de hand van boxplots; in de verkennende fase van het onderzoek kan het echter nuttig zijn de gemiddelden grafisch weer te geven aan de hand van staafdiagrammen.

26

wanneer het om een kustgemeente gaat en de waarde 0 voor de andere gemeenten. Vervolgens wordt voor beide waarden van de dummy de gemiddelde hoeveelheden restafval met elkaar vergeleken door middel van een t-test of een ANOVA. De SPSS output van de ANOVA is terug te vinden in Tabel 33 in de bijlage (noteer dat een t-test in dit geval eveneens mogelijk geweest was). Ook hier is de output van de ANOVA duidelijk: voor alle geanalyseerde jaren kunnen we met 95% zekerheid zeggen dat de gemiddelde hoeveelheid restafval voor de kustgemeentes hoger ligt dan voor de andere Vlaamse gemeentes. Het heeft hier weinig nut een post-hoc test uit te voeren aangezien er per jaar maar 2 gemiddelden vergeleken worden. Op Figuur 3 is duidelijk te zien dat het verschil voor al de geanalyseerde jaren aanzienlijk is.

Figuur 3: Gemiddelde hoeveelheid restafval voor kustgemeenten en niet-kustgemeenten

Jaar 2000 2001 2002 2003 2004

Kg restafval per inwoner

500

400

300

200

100

0

Gewone gemeente

Kustgemeente

Naast het effect dat we wensen te bestuderen kan in deze grafiek eveneens een dalende trend van het aantal kg restafval/inwoner per jaar worden waargenomen. De figuur doet vermoeden dat deze dalende trend meer uitgesproken is bij de kustgemeenten. Deze uitspraak is zeker juist wanneer we over een absolute daling praten, maar de procentuele daling tussen 2000 en 2004 geeft in dit geval een meer genuanceerd beeld. Deze bedraagt 12% voor de niet-kustgemeenten en 25% voor de kustgemeenten. Hieruit blijkt inderdaad dat de daling bij de kustgemeenten in relatieve termen een stuk omvangrijker is dan bij de gewone gemeenten.

27

4.3

IS ER EEN OORZAKELIJK VERBAND TUSSEN DE SUBSIDIE EN HET VERSCHIL IN RESTAFVALNIVEAU?

We vragen ons nu af of het statistisch significante verschil in restafvalniveau dat we in de vorige analyse gevonden hebben tussen gemeenten die ingetekend hebben op niveau 2 van de cluster Vaste Stoffen van de Samenwerkingsovereenkomst en gemeenten die niet, of op niveau 1, ingetekend hebben, veroorzaakt wordt door de subsidie die de intekenaars ontvangen. We beginnen met het onderzoeken van correlaties en gaan daarna over naar regressieanalyse om deze vraag te beantwoorden. 4.3.1

Correlaties

Naast het intekenniveau, de intercommunale en de kustgemeenten zijn er nog mogelijke factoren die aan de basis van een verschillende gemiddelde hoeveelheid restafval kunnen liggen. In de volgende paragrafen worden verschillende andere verklarende factoren besproken. Om het begrip correlaties uit te leggen beperken we ons hier tot het gemiddelde inkomen per capita als verklarende factor. Wanneer we willen analyseren of er tussen deze variabele en de gemiddelde hoeveelheid restafval een relatie bestaat, zijn de t-test en ANOVA uiteraard niet geschikt. We kunnen wel meten in welke mate beide variabelen in de zelfde zin evolueren via een correlatiecoëfficiënt. In Tabel 10 staan de correlatiecoëfficiënten voor gemiddelde hoeveelheid restafval en het inkomen per capita.

Tabel 10: Correlaties tussen inkomen/hoofd en restafval/hoofd

Restafval 2000 Restafval 2001 Restafval 2002

Inkomen 2000 -0,0907

Inkomen 2001

Inkomen 2002

-0,0588 -0,05

De licht negatieve coëfficiënten geven aan dat bij een stijgend inkomen per capita de gemiddelde hoeveelheid restafval afneemt. Deze uitspraak kan uiteraard ook omgekeerd geformuleerd worden omdat correlaties ons in principe nog niets over de richting van het oorzakelijke verband vertellen. We moeten ons wel afvragen in hoeverre deze correlaties significant zijn. In SPSS wordt dit automatisch aangegeven door middel van een asterisk. In dit geval is geen enkele van de correlatiecoëfficiënten significant verschillend van 0. Voor we verdere conclusies trekken, bekijken we de data in detail via een zogenaamde ‘scatterplot’ in Figuur 4.

28

Figuur 4: Scatterplot voor restafval en inkomen per capita voor het jaar 2000 700 NIEUWPOORT

600

Kg restafval per inwoner

BLANKENBERGE DE PANNE

500

MIDDELKERKE

KOKSIJDE

DE HAAN

400

300

200

100

0 8000

10000

12000

14000

16000

18000

Inkomen per capita

De extreme waarden in de figuur (outliers) zijn allemaal kustgemeenten. We beslissen dan ook de analyse opnieuw uit te voeren maar deze keer zonder de kustgemeenten.7 De nieuwe correlatiecoëfficiënten worden weergegeven in Tabel 11.

Tabel 11: Correlaties zonder kustgemeentes Inkomen 2000 Restafval 2000

Inkomen 2001

Inkomen 2002

-0,0445

Restafval 2001

-0,0017

Restafval 2002

-0,0230

7

Voor de eenvoud worden alle kustgemeente (niet alleen diegene die benoemd werden in Figuur 4) uit de dataset verwijderd.

29

Door de waarden van deze tabel te vergelijken met de correlaties berekend met de volledige dataset (inclusief kustgemeenten), wordt duidelijk dat de al zwakke correlatiecoëfficiënten in absolute cijfers nu nog lager uitvallen. Het is dan ook duidelijk dat een lineaire relatie tussen restafval en inkomen per capita nagenoeg onbestaande is. Ook zeggen de correlatiecoëfficiënten ons niets over causale verbanden. Wanneer we bijvoorbeeld te weten willen komen of de gemeenten een lagere gemiddelde hoeveelheid restafval hebben omdat ze hebben ingetekend op niveau 2, moeten we onze analyses uitbreiden naar regressieanalyses. 4.3.2

Regressieanalyse

De correlatiecoëfficiënt uit de vorige paragraaf kon ons iets meer zeggen over een mogelijk lineair verband tussen twee variabelen; maar via (meervoudige) regressie kunnen we een stap verder gaan. Bij deze techniek is het namelijk mogelijk de te verklaren variabele (= afhankelijke variabele) te voorspellen aan de hand van een (lineaire) functie van de verklarende variabelen (= onafhankelijke variabelen):

yi = β 0 + β 1 xi1 + β 2 xi2 + ... + β m xim + u i Regressie analyse is met andere woorden een statistische techniek waarbij de onbekende parameters ßk van bovenstaande lineaire relatie worden bepaald in functie van de beschikbare observaties van de te verklaren variabele y en de verklarende variabelen xk. De ui term in bovenstaande uitdrukking is de zogenaamde storingsterm waarvan aangenomen wordt dat die gemiddeld over alle observaties, de waarde nul heeft. Dit betekent dat gemiddeld genomen de bovenstaande relatie (zonder storingsterm) geldt, maar dat individuele afwijkingen kunnen voorkomen. De sterkte van regressieanalyse is dat men de geschatte parameters ßk kan interpreteren als het effect van verklarende variabele xk op de te verklaren variabele y. Hoewel het eindresultaat een causaal verband weergeeft, ligt de bewijsvoering van dit oorzakelijke verband volledig in handen van de onderzoeker. In deze case willen we uit een set van verklarende factoren die variabelen selecteren, die het grootste deel van de variantie van gemiddeld jaarlijks aantal kg restafval per inwoner verklaren. 4.3.2.1

Het principe

Bij enkelvoudige lineaire regressie wordt de te verklaren variabele (y) voorspeld door middel van de vergelijking van een rechte lijn ( yi = β 0 + β 1 xi1 + u i ). In deze case zou een enkelvoudige regressie vergelijking er als volgt kunnen uitzien: Aantal kg restafval = 180,99 - 0,462 * de kostprijs van afvalophaling. De methode waarmee de waarden van β0 en β1 wordt bepaald, wordt de kleinste kwadraten methode genoemd. De onbekende parameters in de vergelijking worden zodanig gekozen dat de som van gekwadrateerde afstanden tussen de geschatte rechte en de werkelijke data minimaal is. 30

Bij meervoudige regressie zijn er meer dan één verklarende variabele. De parameters van een model schatten, wordt dan een stuk ingewikkelder, maar het is eveneens gebaseerd op hetzelfde principe als bij enkelvoudige regressie. Ook hier staat diverse softwarepakketten tot onzer beschikking (STATA, SPSS, E-VIEWS, EXCEL,…). 4.3.2.2

De verklarende variabelen

SELECTIE VAN DE VARIABELEN Verklarende variabelen mogen niet zomaar in het model toegevoegd worden. Wanneer wordt beslist om verklarende variabelen te gebruiken, moet men daartoe voldoende reden hebben. Bij het opstellen van het regressiemodel moet er voor alle verklarende variabelen minimum een theoretisch gefundeerde reden zijn om de variabele te gebruiken bij de berekeningen.

In de praktijk vertrekt men vaak van een bestaand model, aangevuld met enkele nieuwe verklarende variabelen waarvan men voldoende theoretisch bewijs kan leveren dat ze een substantiële invloed op de te verklaren variabele hebben. In deze case selecteren we onze variabelen op basis van een theoretisch model van Kinnaman en Fullerton (1999). MODEL VAN KINNAMAN EN FULLERTON (1999) Kinnaman en Fullerton (1999) vertrekken van een nutmaximaliserende consument die, gegeven zijn budgetbeperking, een zo hoog mogelijk consumptieniveau (C) nastreeft. Consumptie veroorzaakt echter afval (T, “trash”). Ze maken de vereenvoudigende veronderstelling dat één eenheid consumptie exact één eenheid afval veroorzaakt. Dit afval kan de consument maar op twee manieren kwijtraken: ofwel onder de vorm van restafval (RA), ofwel door het afval te recycleren (RE). Beide vormen van afval worden daarna door de gemeentelijke afvaldiensten opgehaald en verwerkt. De prijs voor dit ophalen en verwerken kan verschillen tussen restafval en gerecycleerd afval. Ze veronderstellen bovendien dat de consumenten niet aan “sluikstorten” doen (of het afval in hun tuin clandestien verbranden) en bijgevolg moet de totale hoeveelheid geproduceerd afval gelijk zijn aan het restafval plus het gerecycleerd afval: T = RA + RE. Door nu het nut van een representatieve consument te maximaliseren m.b.t. consumptie, restafval en recyclage voor gegeven inkomen en prijzen van ophaling en verwerking, leiden Kinnaman en Fullerton (1999) vraagvergelijkingen af voor het ophalen en verwerken van restafval en gerecycleerd afval. Deze vraagvergelijkingen worden daarna aan een comparatieve statica analyse onderworpen om de effecten van veranderingen in de exogene variabelen (inkomen, prijzen van verwerking en ophaling van rest- en gerecycleerd afval, ophalingsfrequentie, …) op de vraag te bepalen. Zonder in technische details te treden, beschrijven we hierna de verwachte effecten:

31

•

Teken prijs restafval:

∂RA <0 ∂PRA

Het negatieve teken van de afgeleide van de vraag naar restafvalophaling naar de prijs is als volgt te verklaren: wanneer de prijs voor een zak huisvuil (of 1 kg huisvuil bij het Diftar systeem) toeneemt, neemt de relatieve prijs van restafval toe en zullen de gezinnen meer inspanningen leveren om te recycleren. Hierdoor neemt de gemiddelde hoeveelheid restafval (en de totale hoeveelheid afval) af.8 •

Teken inkomen:

∂RA >0 ∂y

De uitwerking van het inkomen op de gemiddelde hoeveelheid restafval die iemand produceert kan in twee effecten opgesplitst worden. Ten eerste speelt er een substitutie-effect: hoe hoger het inkomen, hoe groter de opportuniteitskost van recycleren in het model van Kinnaman en Fullerton (1999).9 Deze hogere opportuniteitskost betekent minder recycleren en bijgevolg meer restafval bij een toenemend inkomen. Ten tweede is er een inkomenseffect: een hoger inkomen geeft aanleiding tot meer consumptie en dus tot meer restafval. •

Teken ophaalfrequentie: Kinnaman en Fullerton (1999) argumenteren dat een toename in de eenvoud (of het gemak) van recycleren een toename van de hoeveelheid gerecycleerd afval teweegbrengt. Met een toename van de eenvoud van recycleren wordt bijvoorbeeld een hogere ophaalfrequentie, meer recycleerbare materialen gemengd aanbieden of de mogelijkheid om recycleerbaar afval te laten ophalen op de stoep bedoeld. In onze case passen we deze theorie toe op het restafval in plaats van op het recycleerbaar afval. In het bijzonder beweren we dat door een hogere ophaalfrequentie van het restafval (wekelijks in plaats van tweewekelijks) het aanbeiden van restafval eenvoudiger wordt en bijgevolg de hoeveelheid restafval toeneemt. Met andere woorden verwachten we een positief teken voor de coëfficiënt van de variabele ophaalfrequentie.

•

Socio-demografische variabelen: Heel wat andere studies hebben het effect van socio-demografische factoren op de hoeveelheid restafval geschat. Zo vinden Podolski en Spiegel (1998) dat bij

8

Ook een inkomenseffect kan meespelen: een grotere uitgave aan de ophaling en de verwerking van huisvuil betekent dat er minder inkomen beschikbaar blijft voor andere goederen, met een vermindering van de hoeveelheid restafval tot gevolg. 9

Recycleren kost namelijk tijd, en die tijd wordt in het model van Kinnaman en Fullerton (1999) gewaardeerd aan zijn opportuniteitskost, dwz het loonverlies dat men leidt doordat men dezelfde tijd niet kon besteden aan betaalde arbeid.

32

grote gezinnen de per capita productie van restafval lager ligt dan bij kleine gezinnen. Voor de coëfficiënt van de variabele ‘gemiddelde gezinsgrootte’ verwachten we dus een negatief teken. Nauw daarmee verboden is de leeftijdsstructuur. Podolski en Spiegel (1998) vinden dat bij een toename van de mediaan leeftijd de hoeveelheid restafval afneemt. In onze case gebruiken niet de mediaan leeftijd, maar het aantal kinderen jonger dan 4 jaar als demografische variabele. We doen dit omdat we vermoeden dat wegwerpluiers van baby’s jaarlijks voor een grote hoeveelheid restafval zorgen.10 ANDERE VARIABELEN Naast de verklarende variabelen uit vorige paragraaf selecteren we nog een aantal andere variabelen: •

Intekenen op niveau 1: aangezien we in deze case de invloed van het intekengedrag wensen te bestuderen, wordt deze variabele uiteraard opgenomen. Het verwachte teken van de coëfficiënt is negatief.

•

Intekenen op niveau 2: de reden voor de selectie en het verwachte teken van de coëfficiënt zijn dezelfde als bij de variabele ‘Intekenen op niveau 1’.

•

Bevolkingsdichtheid in aantal hectare per inwoner: in grootsteden ligt vermoedelijk de gemiddelde hoeveelheid restafval hoger dan op andere plaatsen, omdat composteren van groenafval niet tot de mogelijkheden behoort. We verwachten dus een positief teken.

•

Diftar: bij het diftar systeem wordt het restafval gewogen op het moment van ophaling. De kostprijs bestaat uit een vast gedeelte en een variabel gedeelte (per kg). We vermoeden dat het variabele gedeelte van de kostprijs de verbruiker zal aanzetten tot een lagere restafvalproductie. We verwachten dus een negatief teken.

•

Kustgemeente: uit de verkennende analyse van de data hebben we geleerd dat in de kustgemeenten de gemiddelde hoeveelheid restafval een stuk hoger ligt dan in de andere Vlaamse gemeenten. We verwachten dus een positief teken voor deze coëfficiënt.

10

Doordat voor Vlaanderen de data over het aantal kinderen jonger dan 3 jaar per gemeente niet beschikbaar is, gebruiken we de leeftijdsgrens van 4 jaar.

33

•

Intercommunale verantwoordelijk voor de ophaling van restafval: voor elke intercommunale gebruiken we een andere dummyvariabele.11 In de bijlage is een lijst opgenomen van de verschillende intercommunales verantwoordelijk voor de ophaling van restafval. Over het teken van de coëfficiënten kunnen we hier nog niets zeggen. We proberen met deze dummy’s clusters van gemeenten te ontdekken die gelijkaardige resultaten scoren als gevolg van de inspanningen van de intercommunale waarbij zij aangesloten zijn.

OVERZICHT VAN DE VERKLARENDE VARIABELEN In Tabel 12 wordt een overzicht gegeven van de verklarende variabelen die zullen worden gebruikt bij de berekening van het model. Telkens wordt het verwachte teken van de coëfficiënt vermeld.

11

Bij gebruik van dummyvariabelen moeten er n-1 variabelen gedefinieerd worden. Bij de intercommunales besluiten we om de gemeenten die zelf voor de ophaling van restafval zorgen niet in een dummy te gieten.

34

Tabel 12: Overzicht van de verklarende variabelen Variabele: symbool

Variabele: omschrijving

Verwacht teken

X1

inkomen/capita

positief

X2

kostprijs huis-aan-huisophaling voor een gemiddeld Vlaams gezin

negatief

X3

ophaalfrequentie

positief

X4

bevolkingsdichtheid in aantal inwoners per hectare

positief

X5

gemiddelde gezinsgrootte

negatief

X6

intekenniveau 1

negatief

X7

intekenniveau 2

negatief

X8

diftar

negatief

X9

Kustgemeente

positief

X10 X11 – X34

aantal kinderen jongeren dan 4 jaar intercommunale verantwoordelijk voor de afvalophaling

positief negatief/positief

X3, X6, X8, X9 en X11 – X34 zijn dummyvariabelen die als volgt gedefinieerd worden: X3: X6: X8: X9: X10

1 1 1 1 –

bij wekelijkse ophaling, 0 bij tweewekelijkse ophaling; bij intekenniveau 1; bij diftar ophaling; bij kustgemeente12; X33: zie Tabel 34 in de bijlage.

12

Strikt genomen is Brugge ook een kustgemeente, maar omwille van de structurele verschillen met de andere kustgemeenten wordt Brugge niet als dusdanig gekwalificeerd in deze case.

35

4.3.2.3

Logaritmische transformatie van het model

Indien men geïnteresseerd is in het schatten van elasticiteiten (zie verder), dan is het meer opportuun om een loglineaire formulering van het model te schatten in plaats van de oorspronkelijke, niet-getransformeerde versie. Beschouw bijvoorbeeld de volgende eenvoudige regressievergelijking die de vraag naar een bepaald goed (q) relateert aan de prijs van het goed (p) en het inkomen van de consument (y): qi = α 0 + α1pi + α 2 y i + ui

De logaritmische transformatie van deze regressievergelijk is eenvoudigweg: ln(qi ) = β0 + β1 ln(pi ) + β2 ln(y i ) + v i

We nemen dus van alle data de logaritme, in dit geval nemen we de natuurlijke logaritme ‘ln’ met grondtal e=2,718281… Na deze transformatie bekomen we een nieuwe regressievergelijking die lineair is in ln(qi), ln(pi) en ln(yi). De coëfficiënten van deze vergelijking kunnen door middel van de kleinste-kwadraten methode geschat worden. Het interessante aan de loglineaire specificatie is dat aan de geschatte coëfficiënten β1 en β2 rechtstreeks de prijs- en inkomenselasticiteit afgelezen worden. De logica hierachter is de volgende. De (punt)elasticiteit van y (afhankelijke of endogene variabele) ten opzichte van x (onafhankelijke of exogene variabele) wordt gegeven door:

ε yx

∆y ∆y x dy x y = lim = lim ⋅ = ⋅ ∆x →0 ∆x ∆x →0 ∆x y dx y x

De elasticiteit van y ten opzichte van x geeft aan in welke procentuele mate de afhankelijke veranderlijke y verandert na een gegeven procentuele wijziging in de onafhankelijke variabele x. Aangezien: dln(y) 1 = dy y

en

dln(x) 1 = dx x

kunnen we de elasticiteitsformule in logaritmische termen herschrijven als volgt:

ε yx

=

dy x dln(y) ⋅ = dx y dln(x)

Toegepast op ons voorbeeldje van een vraagfunctie, stel dat na de lineaire regressie van de logaritmische specificatie de coëfficiënt β1 = −1,50 . Dat betekent dat een prijstoename van 10% leidt tot een daling van de vraag met -1,5x10% = -15%. Uiteraard is deze lineaire transformatie niet mogelijk bij de dummy (of wissel) variabelen omdat, wiskundig gezien, de logaritme van 0 niet gedefinieerd is. Stel dat we in plaats van het inkomen, het geslacht van de consument als verklarende variabele willen opnemen in onze regressie waarbij di=0 staat voor een man en di=1 voor een vrouw. Men kan dan op twee manieren deze dummy variabele meenemen in de regressie. 36

Ofwel neemt men de niet getransformeerde dummy variabelen op in de loglineaire specificatie: ln(qi ) = β0 + β1 ln(pi ) + α2 di + v i

Ofwel neemt men eerst een exponentiële transformatie van de dummy variabele: ln(qi ) = β0 + β1 ln(pi ) + β2 exp(di ) + v i

Het verschil tussen beide benaderingen is dat in de tweede formulering, de coëfficiënt β2 rechtstreeks geïnterpreteerd kan worden als de groeifactor van hoeveelheid q wanneer de consument een vrouw is. In de eerste formulering echter geeft de geschatte coëfficiënt aan wat het effect is van man zijn op ln(q) wat veel moeilijker concreet te interpreteren valt. 4.3.2.4

Regressiemethoden

In SPSS beschikken we over twee grote categorieën van regressiemethoden: ten eerste verplichte opname en ten tweede, stapsgewijze opname (voorwaartse regressie, stapsgewijze regressie, backward regression en remove) in het model. Beide methoden worden in de volgende paragrafen kort toegelicht. Het eindresultaat van de regressie kan nogal verschillen naargelang men voor een andere methode opteert. Het is dan ook zeer belangrijk de meest passende methode te gebruiken. In deze paragraaf geven we enkele korte aanwijzingen, voor een meer gedetailleerde beschrijving van de verschillende methoden en hun toepassingsgebied verwijzen we door naar de gespecialiseerde literatuur over dit onderwerp (bijvoorbeeld Field (2000)). VERPLICHTE OPNAME IN HET MODEL Hierbij wordt opgelegd dat de gekozen variabelen gelijktijdig in het model moeten opgenomen worden. Met andere woorden: al aangeduide variabelen komen in het eindmodel voor. Het spreekt voor zich dat deze aanpak enkel verantwoord kan zijn wanneer er voldoende theoretisch en empirisch bewijs is geleverd dat al deze variabelen daadwerkelijk in de eindvergelijking thuishoren. STAPSGEWIJZE OPNAME Bij de stapsgewijze methoden worden de verklarende variabelen op basis van wiskundige methoden geselecteerd. Ter illustratie beschrijven we hier de voorwaartse regressie: De verklarende variabele met de hoogste correlatie met de te verklaren variabele wordt eerst geselecteerd. Als hierdoor de te verklarende variabele significant beter wordt voorspeld, mag de verklarende variabele in het model blijven. Vervolgens wordt de verklarende variabele met de hoogste resterende correlatie

37

geselecteerd. Dit gaat zo door tot de toevoeging van een volgende variabele geen significante verbetering van het model oplevert. BELANGRIJKE OPMERKING Door het gebruik van stapsgewijze opname zou men verkeerdelijk kunnen vermoeden dat het juist zou zijn een regressie uit te voeren op hele reeks variabelen en achteraf na te gaan welke van deze variabelen uiteindelijk geselecteerd worden. Deze aanpak is ten zeerste af te raden. Hoe dan ook moet er voor alle variabelen minimum een theoretisch gefundeerde reden zijn om de variabele te gebruiken bij het opstellen van het model. De stapsgewijze methoden wordt daarom best enkel gebruikt in de verkennende fase van het onderzoek. 4.3.3 4.3.3.1

Toepassing op Samenwerkingsovereenkomst: model 1

Coëfficiënten

In onze gevalstudie opteren we ervoor het inkomen per capita, de prijs en de ophaalfrequentie, dus de eerste 3 verklarende variabelen (X1-X3), verplicht in ons model op te nemen. Omdat we voor de andere variabelen (X4-X33) geen empirische bewijzen hebben is het aangewezen één van de stapsgewijze methoden te gebruiken (in dit geval opteren we voor voorwaartse selectie). We laten de statistische software de coëfficiënten van de geselecteerde variabelen berekenen. Ter illustratie is in Tabel 13 (een deel van) de SPSS output weergeven.

Tabel 13: Geschatte coëfficiënten Model 1 Unstandardized Coefficients Variabele (Constant) Inkomen per capita kostprijs gemiddeld Vlaams gezin Ophaalfrequentie Dummy 'Intekenniveau 2' Kustgemeente Haviland IDM Interza IVVO MIWA Regionale Milieuzorg Verklarend vermogen

B

Std. Error

Sig.

3,6379 0,1739 -0,1023 0,3321 -0,1542 0,6278 0,1490 -0,3032 -0,2551 0,1354 0,2133 0,1582

0,4614 0,0480 0,0263 0,0225 0,0252 0,0640 0,0364 0,0764 0,0845 0,0603 0,0807 0,0475

0,0000 0,0003 0,0001 0,0000 0,0000 0,0000 0,0001 0,0001 0,0027 0,0254 0,0086 0,0010

0,668

38

Deze tabel geeft een overzicht van al de geselecteerde variabelen, hun coëfficiënt in de vergelijking, de standaardfout en de p-waarde van deze coëfficiënt. Aangezien het hier om een logaritmisch model gaat, ziet de eigenlijke regressievergelijking er als volgt uit: ln (Y)= 3,6379 + 0,1739 ln (X1 ) - 0,1023 ln (X 2 ) + 0,3321 ln (X 3 ) - 0,1542 (X 7 ) + 0,6278 (X 9 ) + 0,1490 (X11 ) - 0,3032 (X13 ) - 0,2551 (X 20 ) + 0,1354 (X 30 ) + 0,2133 (X 33 ) + 0,1582 (X 34 )

Omdat we ervoor geopteerd hebben de dummyvariabelen niet getransformeerd op te nemen in de loglineaire specificatie, is de interpretatie voor de coëfficiënten van de dummyvariabelen niet zo eenvoudig. We leggen de betekenis van deze coëfficiënten uit aan de hand van een voorbeeld. Wanneer de dummyvariabele X9 (kustgemeente) de waarde 1 aanneemt kan het effect op de gemiddelde hoeveelheid restafval per capita (y) als volgt berekend worden:

e 0, 6278 = 1,87348438 wat betekent dat de waarde van y toeneemt met ongeveer 87%. In de praktijk betekent dit eveneens dat coëfficiënten met zeer kleine waarden kunnen geïnterpreteerd worden als de procentuele verandering van Y wanneer de dummy de waarde 1 aanneemt. Bij de variabelen uitgedrukt als een logaritme kan, zoals aangetoond in paragraaf 4.3.3.1, de coëfficiënt geïnterpreteerd worden als de overeenkomstige elasticiteit.

13

•

De coëfficiënt van ln(X1) (inkomen/capita) wordt de inkomenselasticiteit genoemd. De waarde +0,17 van de coëfficiënt betekent dat bij een toename van het inkomen per capita met 10%, de gemiddelde hoeveelheid restafval zal toenemen met 1,7%. Dit betekent dat we afvalophaling en verwerking als een ‘normaal’ en ‘noodzakelijk’ goed kunnen beschouwen.13

•

de coëfficiënt van ln(X2) (kostprijs ophaling restafval) voor de prijselasticiteit van restafval. De waarde -0,10 duidt op een zeer inelastische vraag. Met andere woorden bij een toename van 10% in de prijs zal de gemiddelde hoeveelheid restafval slechts afnemen met 1%. De gezinnen reageren dus zeer weinig op bijvoorbeeld prijsveranderingen van de restafvalzakken.

E < 0 : inferieur goed (koop je minder als je een hoger inkomen krijgt); 0 < E < 1 : normaal en noodzakelijk goed (koop je meer als je inkomen stijgt, budgetaandeel daalt) E > 1 : normaal en luxe goed (koop je meer als je inkomen stijgt, budgetaandeel stijgt).

39

4.3.3.2

Verklarend vermogen

Naast de coëfficiënten van de verklarende variabelen is er bij de meeste statistische software nog de mogelijkheid om aanvullende berekeningen uit te voeren om de waarde (controle van basisveronderstellingen, voorspellend vermogen,…) van het model in te schatten. Een nuttige coëfficiënt die meestal standaard wordt berekend is R2. R² geeft aan in welke mate het model de variantie van y verklaart.14 Voor model 1 geldt dat R² = 0,668 (ongeveer 67 % van de variantie wordt verklaard door het model). Naar omstandigheden is dit geen slechte score. 4.3.3.3

Basisveronderstellingen

Het nieuwe model mag niet zomaar aanvaard worden. Het is zeer belangrijk dat wordt nagegaan of bovenstaande uitdrukking voldoet aan enkele basisveronderstellingen. HOMOSCEDASTICITEIT Om betrouwbare coëfficiëntschattingen te bekomen met de kleinste kwadraten methode is het belangrijk dat het model aan homoscedasticiteit voldoet. Bij homoscedasticiteit moet voor elk niveau van de verklarende variabelen de variantie van de storingsterm constant blijven. Wanneer aan deze voorwaarde niet voldaan is, spreken we van heteroscedasticiteit. Bij heteroscedasticiteit zijn de t-waarden (en bijgevolg de pwaarden) die uit de regressie volgen niet meer correct. Hierdoor kan de precisie van het model sterk aangetast worden en maken we misschien verkeerde gevolgtrekkingen. Via een statistische test kan nagegaan worden of de varianties van de storingsterm constant zijn. Concreet gebeurt dit door de data in 2 groepen op te splitsen (gesorteerd op de te verklaren variabele en elk van de verklarende variabelen) en op elke groep een nieuwe regressie uit te voeren. Vervolgens worden de varianties van de storingstermen van beide regressies vergeleken. In onze case gebruiken we daarvoor Levene’s test voor gelijkheid van varianties.15 In Tabel 14 zijn 2 van deze testen opgenomen.

14

De waarde ligt altijd tussen 0 en 1, waarbij 1 betekend dat het model 100 % van de variantie verklaart. 15

Een veel gebruikt alternatief voor Levene’s test is de toets van Bartlett.

40

Tabel 14: Levene test voor homoscedasticiteit: Model 1 geordend volgens: restafval inkomen per capita kostprijs

Levene Statistic

Sig.

0,1043 0,3058 0,0082

0,7469 0,5807 0,9280

Bij deze test toetsen we de veronderstelling H0: de varianties zijn gelijk in beide groepen. De hoge p-waarden (Tabel 14, kolom ‘Sig.’) geven aan dat de varianties inderdaad gelijk zijn. Er is dus geen sprake van heteroscedasticiteit. Doorgaans wordt homoscedasticiteit aan de hand van een grafiek onderzocht (bijvoorbeeld de geschatte storingstermen (‘residuals’) uitgezet tegenover de voorspelde waarde). In het ideale geval is er geen systematisch patroon in de grafiek te zien mogen zijn maar het vergt enige ervaring van de onderzoeker om deze basisveronderstelling op deze manier te controleren. Uit zowel Figuur 11 in de bijlage als Levene’s test blijkt dat we in ons model geen probleem hebben met heteroscedasticiteit.

MULTICOLLINEARITEIT. Eenvoudig gezegd is er sprake van multicollineariteit wanneer één van de verklarende variabelen een perfecte correlatie vertoont met één of meer andere verklarende variabelen. Een dergelijke variabele is dan in principe overbodig. Aangezien perfecte correlatie weinig voorkomt is multicollineariteit eerder zeldzaam, maar gewoon hoge correlaties (men spreekt vaak van quasi-multicollineariteit of QMC) moeten eveneens vermeden worden. Bij QMC zijn de schattingen minder precies en minder stabiel (grote verschillen in geschatte coëfficiënten bij het vergroten of verkleinen van de dataset). In SPSS zijn er een aantal statistieken die de aanwezigheid van multicollineariteit opsporen. Hierbij willen we er echter op wijzen dat er zeer zeker nog andere methoden voorhanden zijn om dergelijke problemen aan het licht te brengen. In de eerste plaats is het altijd nuttig de correlatiematrix van de verschillende verklarende variabelen nader te onderzoeken. Vaak wordt een vooropgesteld dat de correlatiecoëfficiënt tussen 2 verklarende variabelen niet boven 0,60 mag liggen.

41

Tabel 15 Correlatiematrix van de verklarende variabelen IVVO MIWA

Interza

Regionale Milieuzorg

Haviland**

IDM

Dummy 'Int niveau 2'

Kustgemeente

kostprijs gemiddeld vlaams gezin

Inkomen per capita

Ophaalfrequentie

Ophaalfrequentie

1,000

Inkomen per capita kostprijs gemiddeld vlaams gezin

-0,111

1,000

0,157

0,092

1,000

Kustgemeente

0,190

-0,020

-0,062

1,000

Dummy 'Int niveau 2'

-0,074

0,043

0,075

-0,046

1,000

IDM

-0,130

0,232

0,074

-0,025

-0,075

1,000

Haviland

0,149

0,095

-0,084

-0,059

-0,127

-0,048

1,000

Regionale Milieuzorg

-0,216

-0,091

-0,132

-0,041

0,088

-0,033

-0,079

1,000

Interza

0,141

0,077

0,036

-0,023

-0,069

-0,018

0,298

-0,030

1,000

MIWA

0,089

0,006

0,021

-0,023

-0,069

-0,018

-0,044

-0,030

-0,017

1,000

IVVO

0,105

-0,298

-0,150

0,278

-0,061

-0,027

-0,065

-0,046

-0,025

-0,025

In Tabel 15 is te zien dat deze grens nergens overschreden wordt. Om meer zekerheid over QMC te hebben is het aangewezen bijkomende analyses uit te voeren. Twee veelgebruikte statistieken in SPSS zijn ‘Tolerance’ en ‘VIF’ (Variance Inflation Factor). In Tabel 16 zijn beide statistieken als SPSS output opgenomen.

Tabel 16: Multicollineariteitstatistieken: Model 1 Collinearity Statistics Variable Ophaalfrequentie Inkomen per capita kostprijs gemiddeld vlaams gezin Kustgemeente Dummy 'Int niveau 2' IDM Haviland** Regionale Milieuzorg Interza MIWA IVVO

42

Tolerance 0,8202 0,8208 0,8998 0,8771 0,9475 0,9125 0,8495 0,9173 0,8935 0,9793 0,8134

VIF 1,2192 1,2183 1,1113 1,1402 1,0554 1,0958 1,1772 1,0902 1,1192 1,0211 1,2294

1,000

Zolang de waarde van de tolerance statistiek niet lager dan 0,2 blijft, stelt er zich geen probleem. Voor de VIF statistiek geldt dat een waarde boven de 10 duidt op multicollineariteitsproblemen. Voorts ligt de ideale gemiddelde waarde dicht bij 1. Deze 2 statistieken doen vermoeden dat in ons model er geen multicollineariteitsproblemen zijn. Een derde methode om multicollineariteitsproblemen te detecteren is weergegeven in Tabel 17. Op basis van de variantie-proporties ( = dat deel van de variantie dat is toegewezen aan iedere eigenwaarde) van iedere verklarende variabele kan een inschatting gemaakt worden over mogelijke multicollineariteit tussen verklarende variabelen.

43

Tabel 17: Multicollineariteitstatistieken: Model 1

Variance Proportions Inkomen per capita

kost vlaams gezin

Dimension

Eigenvalue

(Constant)

Ophaalfrequentie

1 2 3 4 5 6

4,1356 1,3138 1,2859 1,0376 1,0144 0,8793

0,0000 0,0000 0,0000 0,0000 0,0000 0,0000

0,0156 0,0007 0,0191 0,0032 0,0062 0,0113

0,0000 0,0000 0,0000 0,0000 0,0000 0,0000

0,0005 0,0000 0,0001 0,0000 0,0000 0,0000

7

0,7028

0,0000

0,0013

0,0000

0,0000

0,0031 0,1102 0,1622 0,0109 0,0019 0,0233 0,4865

8

0,6997

0,0000

0,0058

0,0000

0,0000

0,0942

9 10 11 12

0,5673 0,3567 0,0067 0,0002

0,0000 0,0001 0,0114 0,9885

0,0513 0,8451 0,0281 0,0123

0,0000 0,0001 0,0129 0,9869

0,0004 0,0016 0,9927

0,0467 0,0470 0,0052 0,0088

0,0045

Kustgemeente

44

Dummy 'Intekenniveau 2'

IDM

Haviland

Regionale Milieuzorg

Interza

MIWA

IVVO

0,0121 0,0117 0,0679 0,0326 0,0083 0,0737 0,0710 0,2553 0,4092 0,0507 0,0029 0,0046

0,0009 0,0005 0,0134 0,1596 0,6099 0,0362 0,0077 0,0072 0,0358 0,0728 0,0029 0,0532

0,0072 0,1734 0,0287 0,0102 0,0011 0,0006 0,0593 0,1737 0,5162 0,0000 0,0236 0,0060

0,0029 0,0103 0,1277 0,1214 0,0055 0,5403 0,0019 0,0420 0,0000 0,1173 0,0132 0,0175

0,0022 0,2125 0,0531 0,0277 0,0024 0,1113 0,1080 0,3865 0,0700 0,0193 0,0017 0,0052

0,0014 0,0000 0,0000 0,4992 0,2494 0,1384 0,0029 0,0182 0,0850 0,0048 0,0001 0,0004

0,0029 0,1035 0,1354 0,0111 0,0038 0,0329 0,4119 0,1610 0,0270 0,0002 0,0150 0,0953

In het ideale geval ( = geen QMC) heeft iedere verklarende variabele een hoge lading (= hoge variantie proportie) op een andere dimensie. Wanneer er twee of meer verklarende variabelen een hoge lading hebben op een dimensie met een kleine eigenwaarde (de onderste rijen), dan is er mogelijk een probleem met multicollineariteit. In deze case zien we dat dit het geval is voor de verklarende variabelen ‘Intekenniveau 2’ en ‘Haviland’ enerzijds en ‘IVVO’ en ‘Kustgemeenten’ anderzijds. Deze variabelen hebben respectievelijk een hoge lading op dimensie 9 en 7. Het is aan de onderzoeker om in te schatten of de bijhorende eigenwaarden nog tot de kleine eigenwaarden behoren. In deze situatie is het eerder een randgeval. ANDERE BASISVERONDERSTELLINGEN Naast homoscedasticiteit en geen QMC zijn er nog enkele basisveronderstellingen waaraan moet voldaan zijn. Aangezien deze basisveronderstellingen eenvoudig te controleren zijn, gaan we er slechts kort op in. •

De geschatte fouten (verschil tussen de geschatte waarde van de te verklaren variabele en de observatie) moeten in principe normaal verdeeld zijn. Deze veronderstelling kan, onder andere, gecontroleerd worden met de KolmogorovSmirnov test. Hierbij geldt: H0: alle fouten zijn normaal verdeeld en Ha: niet alle fouten zijn normaal verdeeld. In de meeste statistische softwarepakketten is Kolmogorov-Smirnov test eenvoudig uit te voeren. Uit de test blijkt dat in onze case de fouten normaal verdeeld zijn.

•

Variantie ≠ 0 voor alle variabelen. Met andere woorden er is variatie in de data nodig. Stel dat in alle gemeenten het restafval één maal in de week wordt opgehaald. De dummyvariabele ‘ophaalfrequentie’ zal dan voor alle gemeenten de waarde 1 aannemen zodat we niets kunnen afleiden over het effect van de ophaalfrequentie.

•

De dataset vormt een homogene verzameling. Dit houdt in dat de fouten geen clusters vormen en dat de outliers beperkt zijn. Deze basisveronderstelling kan onderzocht worden door op een grafiek de fouten (‘residuals’ in de meeste softwarepakketten) uit te zetten tegenover de te verklaren variabele. Een voorbeeld van een dergelijke grafiek wordt gegeven in paragraaf 4.3.5.2.

•

Voorts zijn er nog enkele basisveronderstellingen die nagekeken moeten worden. Gelukkig hebben de meeste statistische softwarepakketten voldoende mogelijkheden om deze basisveronderstellingen te controleren.

4.3.4

Aanpassen van het model

Uit de analyses van de vorige paragraaf bleek reeds dat er een mogelijk multicollineariteitsprobleem is. Dergelijke problemen kunnen op verschillende manieren aangepakt worden, gaande van alpha clustering tot verwijderen van de variabelen waar het probleem zich situeert. In deze case gaan we een eerder intuïtieve aanpak hanteren. 45

Voor meer onderbouwde methoden verwijzen we de lezer naar de gespecialiseerde literatuur. Uit de vorige analyses werd al duidelijk dat het probleem zich vooral situeert bij de dummy-variabelen die de intercommunale uitdrukken. Een mogelijke oplossing bestaat erin intercommunales te verwijderen uit de analyse. Deze maatregel is vrij drastisch en brengt een verlies aan informatie teweeg. In deze case opteren we dan ook voor een tussenoplossing: de 24 verschillende intercommunales worden ingedeeld in 3 groepen. Als criterium voor deze indeling wordt de gemiddelde hoeveelheid restafval per inwoner en per intercommunale gebruikt: • Kg restafval per intercommunale per inwoner behoort tot laagste kwartiel; • Kg restafval per intercommunale per inwoner behoort tot 2e en 3e kwartiel; • Kg restafval per intercommunale per inwoner behoort tot hoogste kwartiel. Het resultaat van deze nieuwe regressie wordt opgenomen in Tabel 18 in de kolom onder hoofding ‘Model 2’. Een korte vergelijking tussen model 1 en model 2 leert ons dat de coëfficiënten voor de variabelen die in beide modellen geselecteerd worden niet veel van elkaar verschillen. Voorts blijken de coëfficiënten van de dummyvariabelen het te verwachten teken te hebben. Het verklarende vermogen (R² = 0.658) is lichtjes gedaald. Door de nieuwe regressie is het model een stuk overzichtelijker geworden, maar uit de collineariteit statistieken blijkt dat de problemen met QMC nog niet opgelost zijn (zie Tabel 35 en Tabel 36 in de Bijlage). Uiteindelijk beslissen we een derde regressie uit te voeren zonder de intercommunales als verklarende variabelen (de QMC statistieken zijn voor de volledigheid opgenomen in Tabel 37 en Tabel 38 in de bijlage). Aangezien de multicollineariteitsproblemen in model 1 en 2 niet echt groot waren, beschouwen we dit derde model als een aanvulling, en niet als een verbetering. Het resultaat is opgenomen in Tabel 18 onder de kolom met als hoofding ‘Model 3’.

46

Tabel 18: Alternatieve regressiemodellen Variabele

Model 1

Model 2

Model 3

Constante

3,6379

4,0841

4,4707

D. ‘Ophaalfrequentie’

0,3321

0,2524

0,3430

Inkomen per capita

0,1739

0,1317

0,1029

kostprijs gemiddeld Vlaams gezin

-0,1023

-0,1093

-0,1399

D. ‘Kustgemeente’

0,6278

0,6390

0,6387

D. 'Intekenniveau 2'

-0,1542

-0,1068

-0,1500

IDM

-0,3032

Haviland

0,1490

Regionale Milieuzorg

0,1582

Interza

-0,2551

MIWA

0,2133

D 'intercommunales 4e kwartiel'

0,1106

D 'intercommunales 1e kwartiel'

-0,1051

R

2

0,668

0,658

0,604

Het verklarend vermogen van model 3 (R² = 0,604) ligt zoals te verwachten lager dan bij model 1 en model 2, maar blijft voldoende hoog. Belangrijker is het feit dat de problemen met QMC nu volledig opgelost zijn.16 4.3.5 4.3.5.1

Beoordeling van het model

Beoordeling van de elasticiteiten

Algemeen kunnen we stellen dat de tekens van de coëfficiënten overeen komen met wat we verwachten (zie ook Tabel 12: Overzicht van de verklarende variabelen). Het echter is belangrijk om het model zoveel mogelijk te vergelijken met andere studies. We delen de studies op in 3 categorieën.

16

In de bijlage zijn collineariteitsstatistieken voor model 3 opgenomen (zie Tabel 37 en Tabel 38)

.

47

SCHATTINGEN OP DATA VAN DE VSA Er zijn redelijk wat publicaties uit de VSA beschikbaar waarin men de prijselasticiteit van de vraag naar afvalophaling en -verwerking (verwijdering) berekent. In heel wat gevallen is deze berekening gebaseerd op een vergelijking van de gemiddelde hoeveelheid afval geproduceerd door de gezinnen tussen twee verschillende prijsberekeningsystemen. Zo komen Fullerton en Kinneman (1996) tot een prijselastisiteit van -0,058.17 Jenkins (1993) schat dan weer een elasticiteit van -0,12. Porter (2002) vat het samen door te stellen dat de meeste (Amerikaanse) schattingen rond de -0,20 liggen. Hoewel de prijselasticiteit berekend in ons model een klein beetje lager uitvalt (prijselasticiteit ligt tussen -0,14 en -0,11), liggen onze schattingen dicht in de buurt van de Amerikaanse resultaten. SCHATTINGEN OP DATA VAN DE EU Voor Europese landen zijn een stuk minder schattingen beschikbaar. We vermelden hier 3 studies: •

In hun studie op Zweedse afvalgegevens schatten Sterner en Bartelings (1999) dat de prijselasticiteit van huishoudelijk afval in Eda (Zweden) -0.7 bedraagt. Deze schatting is gebaseerd op gegevens voor slechts één gemeente in Zweden en de onzekerheid rond de betrouwbaarheid van deze schatting is daarom té groot om een echte vergelijking te maken met ons resultaat.

•

Linderhof et al. (2001) schatten de prijselasticiteit van zowel de composteerbare als de niet recycleerbare fractie van huishoudelijk afval voor de Nederlandse gemeente Oostzaan. De korte termijn elasticiteit voor beide fracties bedraagt hier respectievelijk -1,10 en -0,26.18 Het gebruikte prijsmechanisme voor is gebaseerd op het gewicht van opgehaalde fracties.

•

Dijkgraaf (zie Dijkgraaf (2004) en Dijkgraaf en Gradus (2005)) gebruikt voor zijn studie een groot deel van de Nederlandse gemeenten. Bij de niet gesorteerde afvalfractie (vergelijkbaar met de restafvalfractie bij ons) komt Dijkgraaf tot een elasticiteit van -0,67 voor het systeem waarbij betaald wordt aan de hand van huisvuilzakken en een elasticiteit van -0,71 voor het systeem waar de prijs op basis van gewicht berekend wordt.

17

Het gaat hier om een boogprijselasticiteit op berekend op basis van data gecorrigeerd seizoen en andere effecten. 18

We zijn vooral geïnteresseerd in korte termijn effecten omdat op die manier de invloed van andere trends op de hoeveelheid van de verschillende afvalfracties beperkt blijft.

48

SCHATTINGEN OP DATA VAN BELGIË Een interessante studie om te vergelijken met onze case wordt beschreven in het rapport ‘Onderzoek naar de gemeentelijke huisvuilbelasting- en retributiesystemen inclusief voor KMO’s en zelfstandige ondernemers in Vlaanderen op 1 januari 2003’. Hierin wordt eveneens een regressiemodel opgesteld waarin de gemiddelde hoeveelheid restafval onder andere wordt voorspeld door inkomen/capita, de kostprijs huis-aanhuisophaling voor een gemiddeld Vlaams gezin en de ophaalfrequentie van het huisvuil. De coëfficiënten voor deze 3 verklarende variabelen komen qua teken overeen met ons resultaat. Helaas worden in dit rapport geen elasticiteiten berekend. Enkel marginale effecten op absolute niveaus worden weergegeven.

Beoordeling van de impact van het intekengedrag

4.3.5.2

Door na te gaan wat de invloed op de residuen is wanneer het intekenniveau uit het model wordt weggelaten, kunnen we een intuïtieve uitspraak doen over het belang van deze verklarende variabele in het model. In Figuur 5 staan de fouten van het model (zonder intekenniveau 2 als verklarende variabele) uitgezet tegenover de werkelijke hoeveelheid restafval. Figuur 5: Residuals voor model zonder intekenniveau Dummy 'Intekenniveau 2'

0,80

0 1 0,60

Fouten

0,40

0,20

0,00

-0,20

-0,40

-0,60 4,00

4,50

5,00

5,50

Restafval

49

6,00

6,50

Wanneer er een belangrijke verklarende variabele niet opgenomen wordt in het model uit zich dit in clustervorming op de bovenstaande grafiek. Uit de figuur blijkt echter dat zelfs wanneer het al dan niet intekenen op niveau 2 expliciet weergeven, er nauwelijks sprake is van clustervorming. Dit is een indicatie over het belang van het intekengedrag op de gemiddelde hoeveelheid restafval. Uiteraard kunnen er op basis van deze figuur nog geen sluitende conclusies getrokken worden. In de volgende paragraaf zullen we proberen het probleem op een meer formele manier te benaderen.

50

4.3.6 4.3.6.1

Sample Selection Bias

Opsporen van het probleem

Naast het QMC probleem kan nog een ander effect onze schattingen beïnvloeden. De gemeenten kiezen namelijk zelf of ze al dan niet instappen in de betreffende cluster. Wanneer de doelstellingen voor een bepaalde cluster voor een gemeente al bijna bereikt zijn, zal de gemeente sneller geneigd zijn om deze cluster te onderschrijven. Het is dus niet ondenkbaar dat het resultaat beïnvloed is door de zelfselectiebeslissing van de gemeenten. We proberen in eerste instantie na te gaan of dit vermoeden klopt door het gemiddelde aantal kg restafval in 2001, het jaar dat voorafging aan de intekening op de samenwerkingsovereenkomst, in 3 categorieën in te delen: 1) gemeenten die in 2002 niet zullen intekenen; 2) gemeenten die in 2002 zullen intekenen op niveau 1; 3) gemeenten die in 2002 zullen intekenen op niveau 2. Voor elk van die 3 groepen berekenen we de gemiddelde score en gaan via ANOVA na of deze scores significant van elkaar verschillen. De output van deze analyse is opgenomen in Tabel 39, Tabel 40 en Tabel 41 in de bijlage. Uit de data is af te leiden dat de gemiddelde hoeveelheid restafval van gemeenten die in 2002 zullen intekenen op niveau 2 al in 2001 significant verschilt van de andere 2 groepen. Er is dus een sterk vermoeden dat het effect van zelfselectie meespeelt. Met andere woorden gemeenten die al goed scoorden op voorhand, zijn blijkbaar eerder geneigd in te stappen op niveau 2. Voor dergelijke statistische problemen zijn er zeker een aantal oplossingen. Zonder volledigheid na te willen streven belichten we hier een veelgebruikte techniek: ‘difference-in-differences’ (DiD). Deze methode kan slechts onder bepaalde omstandigheden toegepast worden. Voor technieken die onder andere omstandigheden aan te wenden zijn, verwijzen we de lezer door naar gespecialiseerde literatuur. Ter illustratie halen we hier de paper van Blundell en Costa Diaz (2000) aan. 4.3.6.2

Difference-in-differences

EENVOUDIGE DIFFERENCE-IN-DIFFERENCES SCORE Een robuuste methode om deze bias te omzeilen is de Difference-in-Differences (DiD in het vervolg) methode. Om deze procedure toe te kunnen passen heeft men data nodig

51

van zowel voor als na de experimentele behandeling (het begrip experimentele behandeling heeft in het jargon een ruime betekenis, ook het intekenen op een samenwerkingsovereenkomst valt onder dit begrip).19 Voor onze case betekent dit concreet dat we minimaal data nodig van 2001 (pre-behandeling) en 2002 (post behandeling). Voorts zijn zowel data nodig van de gemeenten die de behandeling hebben ondergaan (hier intekenen op niveau 2 in 2002) als van de controlegroep (gemeenten die niet ingetekend hebben) (hier niet intekenen in 2002, 2003 of 2004).20 Om de DiD score te berekenen wordt eerst van beide groepen het verschil tussen de waarde na en de waarde voor de behandeling berekend. Deze verschillen zijn af te lezen in de kolom ‘Difference’ van Tabel 19. Het berekende verschil in de controlegroep is te wijten is aan alle mogelijke effecten behalve het intekenen op de samenwerkingsovereenkomst. We gaan ervan uit dat factoren die niet rechtstreeks gemeten worden, bijvoorbeeld een algemeen dalende trend in gemiddelde hoeveelheid restafval, een zelfde invloed hebben op de gemiddelde hoeveelheid restafval van alle gemeenten, met of zonder samenwerkingsovereenkomst. Het berekende verschil uit de groep van de behandelde eenheden kan bijgevolg herleid worden tot een gedeelte veroorzaakt door het intekenen op niveau 2 en een gedeelte veroorzaakt door alle andere factoren (zoals berekend voor de controle groep). De tweede stap in de berekening van de DiD score bestaat dus uit het de berekening van het verschil van het verschil (vandaar de naam difference-in-differences) van de behandelde eenheden en de controle eenheden. Het resultaat is de DiD score (zie kolom DiD in Tabel 19). Kort samengevat betekent dit dat alle gezamenlijke schokken door deze methode eruit worden gefilterd. Bijvoorbeeld, de taakstellingen van het Uitvoeringsplan (zie OVAM, 2002) zijn voor alle gemeenten identiek en worden door het nemen van verschillen uitgewist. Wat uiteindelijk overblijft, is enkel het verschil veroorzaakt door de behandeling of dus de Samenwerkingsovereenkomst.

19

Wanneer men geconfronteerd wordt met een vorm van selectie bias, maar er zijn slecht enkelvoudige crosssectie gegevens voorhanden, kunnen andere methoden helpen. We vermelden hier het gebruik van een Instrumentele Variabele (IV) en de twee-staps procedure van Heckman die we in De Jaeger et al. (2005) besproken hebben. De veronderstellingen die aan de basis liggen van deze procedures zijn echter vrij beperkend. 20

Om het grootst mogelijke effect te meten, worden gemeenten die intekenden op niveau 1 niet in deze analyse opgenomen. De gemiddelde hoeveelheid restafval op niveau 1 verschilt immers nauwelijks van de gemiddelde hoeveelheid restafval op niveau 0 (= niet intekenen). Aangezien sommige gemeenten pas in 2003 of 2004 intekenen, worden deze gemeenten eveneens niet in opgenomen in de berekeningen.

52

Tabel 19: Eenvoudige DiD (2001-2004) Pre -behandeling

Post -behandeling

Difference

Controle eenheden

A=

182,6508

B=

160,6484

B-A=

-22,0024

Behandelde eenheden

C=

146,6059

D=

136,7872

D-C=

-9,8187

(D - C) - (B -A) =

12,1837

DiD

Voor de berekeningen van de DiD score in Tabel 19 hebben we een zo groot mogelijk interval geobserveerd na de intekening op niveau 2 (in 2002). De idee hierachter is dat het effect van de intekening pas na enkele jaren goed voelbaar zou zijn. Tot onze verrassing stellen we vast dat de DiD score positief is. Dit betekent dat het effect van de behandeling (intekenen op niveau 2) een toename van gemiddelde hoeveelheid restafval veroorzaakt! Volledigheidshalve geven we in Tabel 20 de DiD score weer voor de andere tijdsintervallen.

Tabel 20: DiD scores voor verschillende tijdsintervallen Interval

DiD score

2001-2002 2001-2003 2001-2004

-2,0316 14,5422 12,1837

In Tabel 20 is af te lezen dat de DiD score niet zoveel verschilt voor de 3 tijdsintervallen. DIFFERENCE-IN-DIFFERENCES GRAFISCHE VOORSTELLING We zullen nu even dieper ingaan op het concept van de DiD schatter door een grafische voorstelling te gebruiken. In Figuur 6 wordt de gemiddelde hoeveelheid restafval voor gemeenten die intekenden in 2002 op niveau 2 en gemeenten die niet intekenden weergeven.

53

Figuur 6: Evolutie van de gemiddelde hoeveelheid restafval tussen 2000 en 2004 voor intekenniveau (2002) 2 en 0 Intekenniveau

190

nooit ingetekend

A

ingetekend op niveau 1

Restafval kg/inwoner

180

ingetekend op niveau 2

170

C 160

150

B

140

D

130 2000

2001

2002

2003

2004

Jaar

Ook in deze figuur kan de DiD score gezien worden als (D – C) – (B – A). Wanneer we dit herschrijven als (A – B) – (C – D) blijkt dat de DiD score eveneens geïnterpreteerd kan worden als het verschil tussen de lijnstukken AB en CD. Er is duidelijk te zien dat de gemiddelde hoeveelheid restafval voor gemeenten met een samenwerkingsovereenkomst op niveau 2 voor alle jaren lager ligt dan gemeenten zonder samenwerkingsovereenkomst (zoals we al wisten). Belangrijker is dat de evolutie van de gemiddelde hoeveelheid restafval voor alle intekenniveaus min of meer gelijklopend is, terwijl het intekengedrag van de gemeenten vanaf 2002 net voor verschillende evoluties zou moeten zorgen.

Intuïtief gezegd komt het dus neer op het volgende. De gemeenten op niveau 2 doen wel beter in termen van restafval, maar de gemeenten die niet (of op niveau 1) intekenden doen het nóg beter. De score van de gemeenten op niveau 2 wordt daarom gecorrigeerd door de vooruitgang van de controlegroep ervan af te trekken. We gaan er

54

als het ware van uit dat de gemeenten op niveau 2 zonder bijkomende inspanningen dezelfde vooruitgang hadden kunnen boeken als hun collega’s op de andere niveaus. Enkel indien ze nog meer vooruitgang zouden boeken, bestempelen we de behandeling als effectief. De cijfers leren ons echter dat de Samenwerkingsovereenkomst niet krachtig genoeg is om een positief behandelingseffect teweeg te brengen. DIFFERENCE-IN-DIFFERENCES REGRESSIE In een volgende stap proberen we het concept van DiD in een regressiemodel te gieten. Hierdoor zullen we in staat zijn om te testen of de berekende DiD scores statistisch betekenisvol van nul verschillen. We doen dit in eerste instantie door een regressie uit te voeren op het procentuele verschil in gemiddelde hoeveelheid restafval tussen 2001 (net voor het intekenen) en 2004, met enkel intekenniveau 2 als verklarende variabele. Hierdoor kunnen we uitspraken doen over de impact van het intekengedrag op de gemiddelde hoeveelheid restafval zonder dat de schattingen beïnvloed worden door het endogeniteitsprobleem.

Tabel 21: Eenvoudige DiD regressie Variabele Constante D 'Intekenniveau 2’

Coëfficiënt

P-waarde

-0,9700 0,0480

0,0000 0,0200

De coëfficiënt van de dummy 'Intekenniveau 2’ blijkt inderdaad significant verschillend van 0 te zijn (met 95 % betrouwbaarheid). Het teken is positief (wat we al wisten uit de berekening in Tabel 20) wat betekent dat intekenen op niveau 2 eerder een positieve dan een negatieve invloed heeft op de gemiddelde hoeveelheid restafval. Uiteraard kunnen we het model uitbreiden met een aantal andere verklarende variabelen. In dit geval is het echter noodzakelijk dat de we voor deze verklarende variabelen het verschil nemen van hun waarden tussen 2001 en 2004. Bij gebrek aan data kunnen we het model nog niet uitbreiding met nieuwe verklarende variabelen. Het resultaat van deze analyse bevestigd het vermoeden dat het intekenniveau weinig impact heeft op de gemiddelde hoeveelheid restafval. Toch is het aangewezen zeer voorzichtig om te springen met dergelijke conclusies. Het is immers niet ondenkbaar dat de invloed van de samenwerkingsovereenkomsten zich pas na enkele jaren laat gelden. De observatieperiode van slechts 4 jaar (3 jaar na intekenen) die we gebruikt hebben bij de difference-in-differences berekeningen kan met andere woorden onvoldoende zijn. Wanneer echter na uitbreiding van de dataset (gegevens voor 2005, 2006,…) nog steeds zou blijken dat het intekenniveau weinig invloed heeft op de gemiddelde hoeveelheid restafval, wilt dit niet zeggen dat de subsidie verbonden aan het intekenen nutteloos zou zijn. De subsidie kan namelijk beschouwd worden als een aanmoediging om de productie van restafval op een laag niveau te houden, want uit de data blijkt

55

gemeenten die intekenden op niveau 2 gemiddeld minder restafval produceren dan de andere gemeenten (zie onder andere Figuur 6 ). UITGEBREIDE DID SCHATTER Aangezien we over data beschikken vanaf 2000 tot en met 2004, kunnen we de DiD techniek verder verfijnen door gebruik te maken van alle geobserveerde jaren in plaats van enkel twee tijdsmomenten. Het voordeel van deze benadering is dat we rekening kunnen houden met de gehele evolutie van beide groepen. Bovendien kunnen we op die manier ook verschillende evoluties tussen de twee groepen (controle groep en behandelde groep) toelaten. 1. Wanneer de gemiddelde hoeveelheid restafval van de behandelde groep in het jaar voor de behandeling met bijvoorbeeld 10 kg daalde (= normale daling) en in het jaar van de behandeling met bijvoorbeeld 30 kg daalde, dan kunnen we die extra daling van 20 kg bovenop de normale daling van 10 kg toeschrijven aan de behandeling (het verschil in evolutie is dus gelijk aan + 20). Hiermee hebben we de uitgebreide DiD echter nog niet berekend. 2. We haalden al aan dat factoren die niet rechtstreeks gemeten worden een zelfde invloed hebben op de gemiddelde hoeveelheid restafval van alle gemeenten, met of zonder behandeling. De invloed van deze factoren kan afgeleid worden uit de evolutie van de controlegroep. Aangezien, volgens de hypothese, de niet waargenomen factoren op dezelfde manier inwerken op de behandelde groep, moet de verandering van de evolutie van de behandelde groep gecorrigeerd worden met de verandering in evolutie van de controlegroep. Het principe van de uitgebreide DiD illustreren we aan de hand van Figuur 7.

56

Figuur 7: Uitgebreide DiD

- ß1

Controlegroep

Behandelde groep δ

Wanneer de pre-behandeling evoluties niet zouden verschillen van de post-behandeling evoluties (zie stippellijn) zou de gemiddelde hoeveelheid restafval voor de behandelde groep en de controlegroep op Figuur 7 gelijk zijn aan respectievelijk F en E. De werkelijke hoeveelheden restafval worden in de figuur weergegeven door de volle lijnen. De uitgebreide DiD score bestaat dus uit: 1. het verschil in evolutie van de behandelde groep, grafisch waarneembaar als D – F = δ; 2. een correctie voor de trendevolutie van de controle groep, af te lezen als C – E = ß1.21 De uitgebreide DiD score wordt dan berekend als (D – F) – (C – E) = δ - ß1. Ter vergelijking: de gewone DiD score uit paragraaf 4.3.6.2 wordt berekend als (A – B) – (C – D). het is duidelijk dat bij deze laatste manier geen rekening gehouden wordt met prebehandeling evoluties en ook geen heterogene evoluties voor de twee deelgroepen toelaat.

21

Merk op dat dit verschil op deze figuur negatief is. Het lijnstuk CE is bijgevolg gelijk aan – ß1.

57

Ook hier maken we de overstap naar een regressiemodel: y it − y i,t −1 = β0 + β1Sit + α 0Di + δDit + Vit

Om de evoluties te integreren in het model worden 2 nieuwe dummyvariabelen toegevoegd aan de basisvergelijking van de regressie: •

Sit = 0 wanneer de beschouwde periode voor de behandeling valt (t<s) en Sit = (1 – Di) wanneer de beschouwde periode tijdens of na de behandeling valt (t≥);

•

Dit = 0 wanneer de beschouwde periode voor de behandeling valt (t<s) en Dit = Di wanneer de beschouwde periode tijdens of na de behandeling valt (t≥).

Hierbij geeft de coëfficiënt van Sit, β1, de trendverandering van de controlegroep en de coëfficiënt van Dit, δ, de trendverandering van de behandelde groep. Het effect van behandeling blijft dus ook hier gelijk aan δ - β1. Net zoals bij het gewone DiD model is de te verklaren variabele het verschil in de gemiddelde hoeveelheid restafval. Dit verschil wordt bij het uitgebreide model echter over meerdere tijdsintervallen van 1 jaar berekend (2001 -2000; 2002 - 2001; 2003 2002; 2004 -2003). Praktisch gezien wordt de procentuele jaarlijkse aangroei voor de verschillende tijdsintervallen als één grote samengestelde dataset gebruikt om de regressie te schatten. Het resultaat van deze schatting wordt weergeven in Tabel 22.

Tabel 22: Uitgebreide DiD regressie Variabele

Coëfficiënt

P-waarde

Constante Di Dit Sit

-0,0079 -0,0301 0,0291 -0,0236

0,3149 0,0181 0,0213 0,0091

De licht negatieve waarde van β1 (de coëfficiënt van Sit) duidt op een beperkte negatieve verandering van de trend van de controlegroep. Omgekeerd duidt de licht positieve waarde van δ op een geringe positieve evolutie van de trend van de behandelde groep. Het effect van behandeling (δ - β1) is bijgevolg positief.22 Dit betekent dat het effect van intekenen op niveau 2 een kleine stijging inhoudt van de gemiddelde hoeveelheid restafval per inwoner in vergelijking met de evoluties uit het verleden en van de controlegroep. Dit resultaat bevestigt onze eerdere berekeningen van de gewone DiD berekeningen.

22

Op basis van een t-test weten we dat het resultaat van deze som met een betrouwbaarheid van 99 % verschilt van 0.

58

Er kunnen verschillende mogelijke oorzaken van dit enigszins onverwacht resultaat gegeven worden: 1. Waarschijnlijk zijn er toenemende marginale kosten om de hoeveelheid restafval te verminderen. Concreet zou dit betekenen dat gemeenten die hun restafval al ver teruggedrongen hebben, een grotere inspanningen moeten leveren om nog één extra kg te besparen, dan gemeenten met een hogere restafvalscore. Dit zou een verklaring kunnen zijn voor de minder sterke daling van de gemiddelde hoeveelheid restafval bij de gemeenten die ingetekend hebben op niveau 2 in de laatste 3 geobserveerde jaren (zie afvlakking van de dalende trend van niveau 2 gemeenten in Figuur 6). 2. Een tweede mogelijk verklaring van de vertraging van de vooruitgang bij niveau 2 gemeenten is dat er een probleem met incentives zou kunnen bestaan. Uit vorige analyses (zie paragraaf 4.1) weten we dat de gemeenten die intekenen op niveau grotendeels de norm van 150 kg restafval per inwoner halen. Eenmaal de norm behaald is, is er weinig motivatie om de die hoeveelheid verder naar beneden te krijgen. 3. Ten derde is de tijdspanne mogelijk te kort om de het volledige effect van de het intekenen te zien. Aangezien we echter over een dataset beschikken die van 2001-2004 loopt, lijkt ons deze laatste verklaring weinig waarschijnlijk.

We kunnen op dit moment geen uitsluitsel geven over welke van de twee eerste verklaringen van toepassing zijn. Om deze verklaringen te controleren, hebben we zeer gedetailleerde gegevens nodig van de uitgaven (kosten) die gemeenten maken voor het ophalen en verwerken van hun afvalfracties. Als we die gegevens zouden hebben, dan zouden we een schatting kunnen maken van de marginale kostenfuncties om restafval te reduceren en zouden we kunnen nagaan of die marginale kosten inderdaad significant hoger zouden zijn voor niveau 2 gemeenten dan voor de andere gemeenten. Spijtig genoeg ontbreken de gegevens voor zulk een diepgaande kostenanalyse. We hebben niet alleen een globaal cijfer nodig (de totale uitgave op de post afvalverwerking in de gemeentelijke rekeningen bijvoorbeeld), maar ook een betrouwbare uitsplitsing over de verschillende afvalfracties (restafval, glas, papier, groenafval, oud ijzer, …). OVAM (2002) publiceert wel schattingen van de kostprijs per kg om elk van deze fracties op te halen en te verwerken (zie Tabel 13 blz. 32 in OVAM, 2002) maar idealer wijze hebben we ook informatie nodig over de uitgaven die gemeenten doen voor bijvoorbeeld voorlichtingscampagnes bij hun burgers, compostopleidingen, enz. Het zijn deze uitgaven die een goede graadmeter zijn van de inspanningen die gemeenten doen om hun restafvalproductie in te perken. Deze laatste categorie kostengegevens worden, bij ons weten, momenteel niet geregistreerd.

59

4.4

BESLUIT EFFECTIVITEIT

Worden de doelstellingen van de cluster Vaste Stoffen gehaald? Van de gemeenten die intekenden op niveau 1 haalt 90% de restafvaldoelstelling. Van de gemeenten die intekenden op ‘niveau 2’ haalt 68% de restafvaldoelstelling. Als we dit percentage zouden berekenen op basis van de restafvaldoelstelling 2003 (175 kg/inwoner), dan haalt 90% de doelstelling. Het grootste gedeelte van de gemeentes van de Samenwerkingsovereenkomst zit dus dicht tegen of onder de doelstelling. Noteer echter dat ook de gemeenten die niet intekenden ook grotendeels de doelstellingen halen. We kunnen besluiten dat de doelstellingen van de cluster Vaste Stoffen van de Samenwerkingsovereenkomst dus grotendeels bereikt worden. Zijn de verschillen tussen gemeenten die intekenen en niet intekenen significant? Gemeenten die intekenen op niveau 2 blijken een significant lagere hoeveelheid restafval te produceren dan gemeenten die intekenden op niveau 1 of gemeenten die niet intekenden. Het verschil tussen gemeenten op niveau 1 en gemeenten die niet intekenen is echter niet significant. Zijn de verschillen veroorzaakt door de cluster Vaste Stoffen van de Samenwerkingsovereenkomst? •

De vraag naar restafvalophaling en –verwerking is zeer prijsinelastisch (-0.10 à -0.14) en is een ‘noodzakelijk’ goed (inkomenselasticiteit 0.10 à 0.17). Een wekelijkse in plaats van tweewekelijkse ophaalfrequentie leidt tot een toename van de hoeveelheid ingezameld restafval met 30% à 40%. Kustgemeenten produceren ongeveer 85% meer restafval dan anderen gemeenten. Alle andere gemeentelijke structuurkenmerken (bevolkingsdichtheid, oppervlakte, aandeel bevolking onder 4 jaar, …) zijn niet significant. De tekens van deze effecten zijn in lijn met de verwachtingen op basis van theoretische modellen en de numerieke waarden van inkomens- en prijselasticiteiten zijn vergelijkbaar met resultaten van gelijkaardige studies in het buitenland.

•

Door een standaard (log)lineair regressiemodel te schatten, leren we in eerste instantie dat intekenen op niveau 2 resulteert in een significante afname van de gemiddelde hoeveelheid restafval. Het effect van niveau 1 is niet significant. Dit zou, op het eerste gezicht, leiden tot de conclusie dat intekenen op niveau 2 inderdaad aanleiding geeft tot een significante daling van het restafvalniveau.

•

Er doet zich echter een probleem van selectievertekening voor. Intekenen op niveau 2 is gecorreleerd met de te verklaren variabele (restafvalniveau). Door ongeobserveerde variabelen (bvb een sterkere voorkeur voor milieukwaliteit?) vertonen gemeenten die intekenen op niveau 2 in ieder geval al lagere restafvalscores. Dit blijkt onder andere al uit het feit dat deze gemeenten al voor het moment van intekenen significant minder restafval produceren.

60

•

Dankzij de rijke structuur van de data (panel data voor 5 opeenvolgende jaren) kunnen we op consistente wijze deze selectievertekening omzeilen door gebruik te maken van een uitgebreide Difference-in-Difference schatter die heterogene evoluties tussen de verschillende groepen in rekening brengt. Uit deze regressie blijkt dat intekenen op niveau 2 geen (relatieve) daling van de gemiddelde hoeveelheid restafval teweeg brengt in vergelijking met de waarschijnlijk te verwachten evolutie van niveau 2 gemeenten zelf en de evolutie van de controlegroep.

•

Deze conclusie moet echter genuanceerd worden. Indien de (marginale) kosten extra restafval te vermijden een sterk stijgend verloop zouden kennen, dan valt te verwachten dat de gemeenten op niveau 2 minder ver kunnen geraken dan hypothetische afvalniveau dat gebaseerd is op extrapolaties van de trend uit verleden van niveau 2 gemeenten zelf en van de trend van de controlegroep. kunnen geen uitsluitsel geven of deze verklaring van toepassing is omdat benodigde gedetailleerde kostengegevens ontbreken.

•

Een andere mogelijke verklaring van de vertraging in de vooruitgang in de afbouw van het restafval bij niveau 2 gemeenten zou te maken kunnen hebben met de incentiefstructuur van de subsidie en normen in de cluster Vaste Stoffen. Deze hypothese werken web meer in detail uit in paragraaf 7.

•

Tot slot moeten we nogmaals wijzen op het feit dat deze conclusies enkel en alleen slaan op de effectiviteit van de cluster Vaste Stoffen van de Samenwerkingsovereenkomst. De Difference-in-Differences techniek die we gebruiken om te testen of er significant verschillende evoluties in restafvalproductie zijn tussen gemeenten die al dan niet de cluster Vaste Stoffen onderschreven hebben, isoleert in principe het additionele effect van de Samenwerkingsovereenkomst. Verschillen in startposities (bijvoorbeeld als gevolg van succesvolle conventanten in de periode die voorafging aan de SO) en beleidsinitiatieven die alle gemeenten in principe in dezelfde mate beïnvloeden (bijvoorbeeld de Uitvoeringsplannen of de heffingen op storten en verbranden) worden door de testtechniek uitgefilterd. Met andere woorden, deze “achtergrond” tendensen kunnen niet de oorzaak zijn voor de significante verschillen in de prestaties van de gemeenten in response op de prikkels die door de S.O. worden gegeven.

61

om het het het We de

5

EFFICIENTIE

In dit hoofdstuk willen we nagaan hoe kan beoordeeld worden of de middelen voor de verwerking van afval op een efficiënte manier worden aangewend. We maken daarvoor een vergelijking voor de verschillende Vlaamse gemeenten tussen de middelen die zij inzetten (de financiële uitgaven) enerzijds en de resultaten die ze boeken (afvalvolumes) anderzijds. Op deze wijze doen we, zoals in het Methodologierapport beschreven, aan benchmarking van de gemeenten. Om de efficiëntie van de Samenwerkingsovereenkomsten te beoordelen gaan we drie verschillende benaderingen gebruiken. Ten eerste bespreken we een eenvoudige efficiëntiemeting door één input (de totale uitgaven van de gemeenten voor het ophalen en verwerken van huisvuil) te vergelijken met de unieke output ‘totale afvalproductie’. We onderscheiden daarbij nog twee methodologische varianten: constante en afnemende schaalvoordelen. Ten tweede beschouwen we een multidimensionale efficiëntiemeting waarin we de uitgaven voor afvalophaling en –verwerking relateren aan twee inputs: de hoeveelheid restafval en de hoeveelheid gesorteerd afval. Tenslotte gaan we op zoek naar verklaringen voor de verschillen in efficiëntie tussen de gemeenten. We beginnen echter met een woordje uitleg over de gegevens.

5.1

DATAPERIKELEN

Om te beginnen moeten we echter eerst stilstaan bij de beschikbare gegevens voor de evaluatie van het criterium efficiëntie. We kennen de totale kostprijs van verwerken en ophalen van huisvuil, maar welk gedeelte van deze kost naar het ophalen en verwerken van restafval of naar het verwerken van gerecycleerd afval gaat weten we niet23. We kunnen bijgevolg enkel onderzoeken welke gemeenten op een kostenefficiënte manier huishoudelijk afval (dat wil zeggen de volledige afvalhoeveelheid: groenafval, glas, containerpark, restafval, …) kunnen ophalen en verwerken via de verschillende kanalen

23

De gegevens voor de uitgaven zijn afkomstig uit de begrotingen van de gemeenten zoals die door de Administratie Planning en Statistiek (APS) van het Ministerie van de Vlaamse Gemeenschap worden verzameld. De fijnste opdeling van de uitgaven is rubriek 876 die de geaggregeerde uitgaven voor afvalverwerking en –ophaling weergeeft. Verdere opdeling van deze rubriek in deelrubrieken (restafval, recyclage etc) is echter niet voorhanden en kan ook niet op basis van andere bronnen gereconstrueerd worden. 60).

62

zoals huis-aan-huis ophaling, de glascontainers, containerparken enz. In die zin meten we enkel welke gemeenten zo goedkoop mogelijk zo veel mogelijk dienstverlening kunnen organiseren, zonder in te gaan op de milieuaspecten van het restafval. Om specifiek op restafval te focussen zouden we extra gegevens moeten hebben met betrekking tot de specifieke uitgaven die enkel betrekking hebben op restafval. Deze gegevens kunnen we echter niet uit de gemeentelijke begrotingen berekenen omdat deze niet tot in die mate van detail de gemeentelijke uitgaven opsplitsen. Ten tweede hebben verschillende experten in gemeentelijke financiën er ons op gewezen dat de betrouwbaarheid van de gemeentelijke rekeningen niet optimaal is. Dat betekent dat dezelfde uitgavenelementen in sommige gemeenten op andere rekeningen geboekt worden. Ten derde zouden we een meer uitgebreid concept van kosten moeten gebruiken dan louter de uitgaven van de gemeenten voor afvalverwerking en -ophaling. Bijvoorbeeld zouden we ook rekening moeten houden met de administratieve lasten die in het kader van de afvalverwerking veroorzaakt worden (alle administratieve lasten, niet enkel diegene die betrekking hebben op de Samenwerkingsovereenkomsten) en alle reguleringskosten (zie paragraaf 9).

5.2

EENVOUDIGE EFFICIËNTIEMETING

Voor deze analyse gebruiken we als input de totale kost van ophaling en verwerking van huisvuil en als output de totale hoeveelheid afval. De efficiëntiescore kan dan eenvoudigweg bekomen worden door: •

De output te delen door de input. Het resultaat geeft dan het aantal kg restafval die een gemeente kan verwerken en ophalen per €. Hierbij is de gemeente die de hoogste score haalt de meest efficiënte.

•

De input te delen door de output. Het resultaat geeft dan de kost per kg restafval. De gemeente met de laagste score is hier de meest efficiënte.

Figuur 8 is een scatterplot van alle Vlaamse gemeenten met hun totale afvalproductie en hun totale uitgaven in het compartiment afval in de gemeenterekeningen. We merken dat er substantiële verschillen bestaan tussen de gemeenten. Voor een totaal afvalniveau van bijvoorbeeld 500 kg per inwoner zien we dat de kostprijs van de ophaling en verwerking ongeveer tussen de 25€ en 75€ varieert voor de grote meerderheid van de gemeenten. We herhalen dat in deze benadering een efficiënte gemeente dus niet hoeft te voldoen aan de doelstelling van het Vlaamse gewest om de jaarlijkse hoeveelheid restafval te

63

verminderen. We meten enkel welke gemeenten zo goedkoop mogelijk veel dienstverlening (dat wil zeggen afvalophaling) kunnen organiseren. Beide methoden geven uiteraard hetzelfde resultaat.24 De gemeente Kapellen-op-den-Bos komt hier als meest efficiënte gemeente naar boven ( € 0,020/kg restafval of 48,96 kg restafval/€). In Figuur 8 wordt het resultaat weergeven door de input (uitgedrukt in kg restafval per inwoner) op de horizontale as en de output op de verticale as te zetten (uitgedrukt in € per inwoner). De helling van de lijn die de oorsprong met de punten verbindt komt overeen met het aantal kg restafval per €. Deze lijn heeft voor de meest efficiënte gemeente (hier Kapellen-op-den-Bos) dus de grootste helling. Deze lijn wordt dan ook de efficiëntiegrens genoemd. Na het identificeren van de meest efficiënte gemeente kunnen we alle overige gemeenten gaan inschalen in vergelijking met deze efficiëntiebenchmark. We doen dit door een indexscore te berekenen die waarde 100 aanneemt voor de efficiënte gemeente, en scores strikt lager dan 100 voor gemeenten die onder de efficiëntiegrens liggen.

24

Bij deze berekening worden enkele gemeenten niet in de analyse opgenomen wegens ontbrekende data (Niel en Nieuwpoort) of wegens extreme waarden (Lochristi en Lo-Reninge).

64

Figuur 8: Efficiëntiegrens totaal restafval vs totale uitgaven (constante meeropbrengsten) 1000

Totaal afval per inwoner

E2 800

KAPELLE-OP-DEN-BOS

600

E1

OUDENBURG

400

200 0

50

100

150

200

Kost per inwoner

Een gemeente die zich onder de efficiëntiegrens bevindt (een ‘inefficiënte’ gemeenten), zoals Oudenburg bijvoorbeeld (zie Figuur 8), kan op verschillende manieren zich naar de grens toe verplaatsen: •

Ten eerste door de totale kost voor het ophalen en verwerken van restafval te verminderen, bij een gelijkblijvende hoeveelheid totaal afval, verplaatst de gemeente zich horizontaal naar de efficiëntiegrens (naar punt E1 op de figuur). We noemen deze benadering een ‘input benadering’. Het achterliggend idee is om een gegeven outputniveau (totaal aantal kg afval dat opgehaald en verwerkt wordt) te realiseren tegen een zo laag mogelijke kost.

•

Ten tweede door het totale aantal kg opgehaald en verwerkt afval te vermeerderen, bij een gelijkblijvende totale kost voor ophaling en verwerking, verplaatst deze gemeente zich verticaal naar de efficiëntiegrens toe (punt E2 op de figuur). Het achterliggend idee is hierbij dat me streeft naar maximale output voor een gegeven input. We noemen deze benadering een ‘output benadering’.

Eigenlijk is een beweging naar gelijk welk punt op de efficiëntiegrens voldoende om de score van een gemeente efficiënt te maken.

65

Het is niet in alle situaties even aannemelijk dat de efficiëntiegrens blijft doorlopen met dezelfde helling. Voor de eenvoud veronderstellen we dan ook dat, voor het bereik dat wij wensen te bestuderen, er constante schaalvoordelen25 heersen.26 Hierdoor blijft de veronderstelling van de constante helling gelden. Een meer algemene veronderstelling is echter dat de productie van de gemeentelijke dienst ‘afvalophaling en –verwerking door afnemende schaalvoordelen wordt voorgesteld zoals in Figuur 9. Bij toenemende inputsniveaus wordt de extra output die me kan produceren met één extra € uitgaven geleidelijk aan kleiner. Hierdoor vlakt de efficiëntiegrens geleidelijk aan af. De efficiëntiegrens wordt nu gevormd door de lijn die het nulpunt de gemeente Kapelle-opden-Bos, de gemeente Ham, de gemeente De Panne verbindt.

25

Voor het één input, één output geval zouden we eigenlijk over ‘meeropbrengsten’ in plaats van ‘schaalvoordelen’ moeten spreken.

26

Bij constante schaalvoordelen betekent een verdubbeling van de input eveneens een verdubbeling van de output.

66

Figuur 9: Efficiëntiegrens totaal afval vs totale uitgaven (afnemende meeropbrengsten) 1000 DE PANNE

HAM

Totaal afval per inwoner

800

KAPELLE-OP-DEN-BOS

600

400

200 0

50

100

150

200

Kost per inwoner

Al de gemeentes die op de convexe efficiëntiegrens liggen in Figuur 9, kunnen bij deze benadering als efficiënt beschouwd worden en opnieuw kunnen efficiëntiescores berekend worden die elke gemeente positioneren ten opzicht van de efficiëntiegrens.

5.3

MULTIDIMENSIONALE EFFICIËNTIEMETING

Tot nu toe hebben we ons beperkt tot 1 input en 1 output. Zoals al eerder aangehaald kunnen met DEA eveneens multi-input/multi-output efficientiescores berekend worden. Ter illustratie bespreken we het vrij eenvoudige geval met 1 input - de totale uitgaven voor verwerken en ophalen van huisvuil) -en 2 outputs (de hoeveelheid restafval en de hoeveelheid gesorteerd afval). We kunnen het resultaat van deze analyse voorstellen als een soort productiemogelijkhedencurve:27

27

In deze figuur zijn om praktische redenen de gemeenten Herstappe, Oudenburg, Kapellen-op-den-Bos, Niel, Nieuwpoort, Lochristi en Lo-Reninge niet opgenomen.

67

Figuur 10: DEA techniek 8

MENEN

6

Kg restafval / €

WEVELGEM

OUD-HEVERLEE

4

B A

2

0

0 0

5

10

15

Kg gesorteerd afval / € De grens die gevormd wordt door de gemeenten Menen, Wevelgem en Oud-Heverlee (zie figuur) bestaat uit alle efficiënte combinaties restafval/gerecycleerd afval die een gemeente kan ophalen en verwerken met één €. Ook hier is het mogelijk een kwantitatieve maat van de inefficiëntie van de gemeentes die onder de productiemogelijkhedencurve liggen te bepalen. De inefficiëntie van gemeente A (zie figuur) kan berekend worden als (afstand 0A) gedeeld door (afstand 0B). Het resultaat van deze efficiëntiemetingen zegt, net zoals bij de vorige analyses, niets over de mate waarin gemeentes erin slagen hun restafvalniveau te beperken. Enkel over welke gemeenten met de minste uitgaven het hoogst mogelijke niveau van dienstverlening kunnen verzorgen.

5.4

VERKLARING VAN DE EFFICIËNTIESCORES

De loutere vaststelling dat sommige gemeenten efficiënter zijn in dienstverlening dan anderen brengt ons niet veel verder. Daarom zetten we in deze paragraaf een stap verder en proberen verklaringen te vinden voor de efficiëntieverschillen tussen de gemeenten onderling. Daarvoor regresseren we de efficiëntiescore van de eenvoudige efficiëntiemeting (inputoriëntatie) op een aantal verklarende variabelen zoals structuurkenmerken van de betrokken gemeenten. De te verklaren variabele is hier de kostprijs om 1 kg

68

huishoudelijk afval te op te halen en verwerken. We opteren om een loglineair model te schatten omdat we op die manier problemen met heteroscedastisciteit kunnen oplossen. Voorts hebben we quasi muliticollinearliteitsproblemen kunnen omzeilen door het intekenniveau om te zetten naar een dummyvariabele die de waarde 1 aanneemt wanneer de gemeente heeft ingetekend op niveau 1 of 2. In Tabel 23 wordt het resultaat gegeven van het finale regressiemodel.

Tabel 23: Regressie efficiëntiescores Variabele Coëfficiënt Std. afwijking (Constante) -9,9047 0,8766 Gemiddelde gezinsgroote -1,7288 0,2659 Inkomen per capita 0,9866 0,0879 DIFTAR 0,2086 0,0506 Samenwerkingsovereenkomst -0,0569 0,0225 Verklarend vermogen R² = 0,389

Pwaarde 0,0000 0,0000 0,0000 0,0000 0,0118

Twee van de verklarende variabelen die uiteindelijk geselecteerd worden hebben een negatieve coëfficiënt. Het teken van deze coëfficiënten moet als volgt geïnterpreteerd worden: •

Hoe groter het gemiddelde gezin in een gemeente hoe minder het kost om 1 kg huishoudelijk afval op te halen en verwerken. Dit effect verwondert ons niet. We vermoedden immers dat gemeenten met grotere gezinnen schaalvoordelen hebben in afvalophaling. Grote gezinnen bieden hun afval meer geconcentreerd aan dan kleine (het loutere effect van 2 grote zakken die bij elkaar staan tegenover 4 kleine zakken die uit elkaar staan) en bijgevolg zou dit tot een efficiëntere ophaling moeten leiden. De data spreken deze hypothese dus blijkbaar niet tegen.

•

Een gemeente die een samenwerkingsovereenkomst heeft afgesloten, kan gemiddeld tegen een lagere kostprijs 1 kg huishoudelijk afval verwerken dan gemeenten zonder samenwerkingsovereenkomst. Dit resultaat moeten we voorzichtig interpreteren. We kunnen niet zomaar stellen dat intekenen op de samenwerkingsovereenkomst de efficiëntie van het ophalen en verwerken van restafval verhoogt.

Het negatieve teken duidt dus op een vermindering van de kostprijs voor het ophalen en verwerken voor 1 kg restafval. Het gaat dus om een verbetering van de efficiëntie. De twee andere verklarende variabelen hebben een positieve coëfficiënt. Deze coëfficiënten moeten dus als volgt geïnterpreteerd worden: •

Hoe groter het inkomen per capita, hoe meer het gemiddeld kost om 1 kg huishoudelijk afval te verwerken. Een mogelijke verklaring voor dit verband is dat een gemeente met een hoog gemiddeld inkomen per capita een stuk minder

69

onder budgettaire druk staat. Een efficiënte ophaling en verwerking van restafval is in dit geval minder dringend. •

Gemeenten waar het DIFTAR systeem wordt toegepast, verwerken gemiddeld hun restafval tegen een hogere kostprijs per kg dan de andere gemeenten. Vermoedelijk kunnen we dit resultaat toeschrijven aan de hogere kosten die verbonden zijn aan het DIFTAR systeem.

Aangezien het hier om een loglineair model gaat, verwijzen we voor de exacte interpretatie van de waarde van de verschillende coëfficiënten naar paragraaf 4.3.2.3. Het blijft echter belangrijk het resultaat van deze schatting met de nodige voorzichtigheid te interpreteren. Er is voor de te verklaren variabelen die in de berekeningen zijn opgenomen immers geen theoretisch gefundeerde reden om ze op te nemen in het model.

70

5.5

BESLUIT EFFICIËNTIE

•

We wilden liefst de efficiëntie meten van de reductie van de heoveelheid restafval. Daarvoor hadden we echter niet vereiste gedetailleerde kosteninformatie zodat we de efficiëntie-analyse toespitsen op de vergelijking tussen de totale afvalproductie (alle fracties samen) en de totale uitgaven voor afvalbehandeling van de gemeenten. Kostenefficiënte gemeenten zijn dus in deze optiek gemeenten die zoveel mogelijk afval kunnen ophalen en verwerken tegen een zo laag mogelijke totale kostprijs.

•

We stellen belangrijke verschillen tussen de gemeenten vast in de kostprijs om een kilogram afval te verwerken. Voor een totaal afvalniveau van bijvoorbeeld 500 kg per inwoner zien we dat de kostprijs van de ophaling en verwerking ongeveer tussen de 25€ en 75€ varieert voor de grote meerderheid van de gemeenten. Kustgemeenten scoren nog beduidend hogere kostprijzen.

•

De efficiëntiescores van de verschillende gemeenten variëren tamelijk sterk naargelang de gebruikte meetmethode (constante of afnemende schaalopbrengsten, één- of multidimensionele benaderingen). Het is dan ook een stuk interessanter de efficiëntiescores te trachten verklaren aan de hand van structuurkenmerken van gemeenten. o

Uit deze analyse blijkt dat gezinssamenstelling een belangrijke impact heeft op de efficiëntiescores. Hoe groter de gemiddelde gezinssamenstelling, hoe lager de kosten om afval te verwijderen. Waarschijnlijk wordt dit veroorzaakt door schaalvoordelen (meer geconcentreerde ophaalpunten).

o

Gemeenten die de samenwerkingsovreenkomst cluster Vaste Stoffen onderschrijven, scoren beduidend betere op de efficiëntieschaal. We manen aan dit effect niet onmiddellijk als een oorzakelijk verband te interpreteren aangezien we geen theoretische argumenten hebben voor een dergelijk verband.

o

Ook het statistisch significante effect van het inkomen per hoofd (deze factor vermindert de efficiëntie) kunnen we maar moeilijk duiden omdat we geen achterliggend theoretisch model hebben waarop we ons kunnen baseren om oorzakelijke verbanden te zoeken.

o

De gemeenten die het DIFTAR systeem toepassen, blijken significant lager te scoren bij de efficiëntiemeting. We vermoeden dat het vooral de hoge kostprijs van dit systeem is die aan de basis ligt van dit resultaat.

71

6 6.1

RECHTVAARDIGHEID KOSTEN IN VERHOUDING TOT DRAAGKRACHT

In het Methodologierapport (De Jaeger et al., 2005) hebben we een algemene methodologie gepresenteerd om de kosten van beleidsmaatregelen te relateren aan de draagkracht van de betrokken subjecten. Als we deze benadering op de casestudie cluster Vaste Stoffen willen toepassen, dan hebben we gedetailleerde kosteninformatie nodig over specifieke uitgaven die we kunnen relateren aan acties die er op gericht zijn de restafvalproductie in een gemeente terug te dringen. We hebben in het voorgaande al herhaaldelijk erop gewezen dat dit soort gegevens momenteel niet voorhanden zijn en daarom kunnen we de voorgestelde methode niet toepassen op de casestudie. Wat we wel kunnen nagaan is of het vooral de rijkere gemeenten zijn die intekenen op de samenwerkingsovereenkomst en gaan lopen met de subsidies. Dit doen we door via een ANOVA het gemiddelde inkomen per capita tussen de 3 intekenniveau’s te vergelijken. In Tabel 24 en Tabel 25 zijn de resultaten van de ze analyse opgenomen voor het jaar 2002. Tabel 24: Gemiddelde inkomen per capita per intekenniveau (2002)

Intekenniveau

Aantal

0 1 2

Gemiddelde 81 159 68

13793,60 12955,49 13243,81

Tabel 25: Resultaat van de ANOVA ANOVA

Between Groups Within Groups Total

Sum of Squares 37696135,4524 6843941958,9963 6881638094,4487

df 2 305 307

Mean Square 18848067,7262 22439153,9639

F 0,8400

Sig. 0,4327

In Tabel 24 zien we dat bij de gemeenten die intekenen op niveau 1 het gemiddeld inkomen per capita lager ligt dan bij de andere gemeenten. De ANOVA analyse in Tabel 25 leert ons echter dat het gemiddeld inkomen per capita niet significant verschilt tussen de 3 intekenniveaus (P-waarde = 0,4327 > 0,05). We kunnen dus stellen dat we op basis van deze berekeningen geen bewijs vinden dat het vooral de rijkere gemeenten zijn die intekenen.

72

6.2

DE VERVUILER BETAALT OF BETAALD?

Algemeen kunnen we stellen dat de Samenwerkingsovereenkomst relatief meer subsidie uitkeert aan gemeenten die minder restafval produceren. Dat uit zich in de gedifferentieerde subsidietarieven en taakstellingen op niveau 1 en niveau 2. Dus, wie minder restafval produceert, wordt daarvoor extra beloond en bijgevolg kunnen we in dit geval zeker niet spreken over “de vervuiler betaald”. Het tegendeel geldt eigenlijk. Het is juist wie weinig vervuilt (in de zin van restafval produceert) die beloond wordt met hogere subsidies in de cluster Vaste Stoffen van de Samenwerkingsovereenkomst. Mogen we dan besluiten dat “de vervuiler betaalt”? Strikt genomen is deze vraag niet van toepassing bij een evaluatie van een subsidie. Het spreekt voor zich dat subsidies nooit kunnen leiden tot vervuilers die extra betalen. Maar bij nader inzien is dit misschien toch wel, in beperkte mate weliswaar, het geval. Gemeenten die niet intekenen op de Samenwerkingsovereenkomst (of op niveau 1 instappen), produceren significant meer restafval dan gemeenten op niveau 2 zoals bleek uit Tabel 3. Aangezien er een heffing op verbranden en storten van afval geldt, en die heffing ten dele wordt doorgerekend aan de gemeenten door de uitbaters van verbrandingsinstallaties en stortplaatsen, kunnen we zeggen dat deze gemeenten met een hogere prijs geconfronteerd worden voor hun restafval en de daaruit voortvloeiende milieuschade. Daarom kunnen we besluiten dat de cluster Vaste Stoffen van de Samenwerkingsovereenkomst alvast niet in tegenspraak is met het algemeen aanvaardde principe “de vervuiler betaalt”.

73

7

INCENTIEVEN

We grijpen terug op de checklist die we in het methodologierapport (De Jaeger et al., 2005) voor incentieven hebben opgesteld. Deze checklist heeft betrekking om twee mogelijke incentiefproblemen: ‘adverse selection’ en ‘moral hazard’.

7.1

CHECKLISTS ADVERSE SELECTION EN MORAL HAZARD

Twee noodzakelijk voorwaarden moeten voldaan zijn vooraleer we over incentiefproblemen kunnen spreken: één van de partijen moet een informatievoordeel hebben en moet bovendien belang hebben bij het misbruiken ervan. 7.1.1

Informatievoordeel

Heeft de subsidieontvanger een informatievoordeel t.o.v. de donor met betrekking tot een cruciale karakteristiek van de overeenkomst (bvb. kosten of efficiëntie bij adverse selection) of met betrekking tot een cruciale actie die in de overeenkomst gevraagd wordt (bvb. een niet geobserveerde inspanningsvariabele bij moral hazard)? De ingezamelde en verwerkte hoeveelheid afval is zeer goed gedocumenteerd in Vlaanderen dankzij de doorgedreven inspanningen van OVAM. De afvalinformatie is dus zo goed als perfect en alle partijen hebben toegang tot deze informatie. INFORMATIEVOORDEEL MET BETREKKING TOT KOSTEN OM RESTAFVAL TE REDUCEREN Maar het is ook duidelijk dat elke gemeente beter zicht heeft op de kosten om haar restafvalproductie verder te reduceren dan de Vlaamse milieuadministratie. Er zijn objectieve factoren waarom deze kosten tussen gemeenten sterk kunnen verschillen. Ten eerste kunnen kustgemeenten en grootsteden veel moeilijker hun bevolking mobiliseren voor recyclage-initiatieven, GFT-kippen of composteeropleidingen. Ten tweede hebben we grote verschillen in efficiëntie voor het ophalen en verwerken van restafval vastgesteld in paragraaf 5. Deze zijn zeker voor een deel terug te voeren op objectieve verschillen in structuurkenmerken tussen gemeenten maar ongetwijfeld is een deel ook te wijten aan een betere organisatie van de afvalophaling in sommige gemeenten. Ten derde zijn er ongetwijfeld ook grote verschillen in voorkeuren tussen burgers. Enerzijds zou men bijvoorbeeld kunnen vermoeden dat relatief rijkere mensen meer milieubewust zijn en dat bijgevolg gemeenten met een hoger inkomen per hoofd gemakkelijker strengere restafvalnormen zullen aanvaarden. Anderzijds leidt een hoger inkomen doorgaans ook tot meer consumptie en afvalproductie (denk aan de positieve inkomenselasticiteit voor de vraag naar restafvalophaling die we in paragraaf 4.3.3 geschat hebben). Feit is dat er grote verschillen tussen individuele gemeenten kunnen bestaan en dat lokale beleidsmakers waarschijnlijk beter op de hoogte zijn van de specifieke omstandigheden dan wij, onderzoekers, of dan de Vlaamse milieuadministratie. Al deze argumenten leiden ons tot het besluit dat er is wel degelijk

74

sprake is van een informatievoordeel voor de gemeenten met betrekking tot de kosten om restafval te vermijden. INFORMATIEVOORDEEL MET BETREKKING TOT ACTIES OM RESTAFVAL TE REDUCEREN Ook met betrekking tot de acties die gemeenten ondernemen om restafval te reduceren, is er onvolledige informatie. Sommige gemeenten spenderen veel tijd en geld aan sensibiliseringsacties om hun burgers tot meer recycleren en minder restafvalproductie aan te zetten. De inspanningen en kosten die deze inspanningen met zich mee brengen, zijn meestal erg moeilijk in te schatten voor de centrale Vlaamse milieuadministratie. Ook hier kunnen we besluiten dat er een informatievoordeel is voor de gemeenten met betrekking tot de cruciale acties die in de cluster Vaste Stoffen van de Samenwerkingsovereenkomst gevraagd worden. 7.1.2

Belang

Is er gevaar dat de beter geïnformeerde partij haar informatievoordeel zal misbruiken om haar eigen positie te verbeteren? Met andere woorden, heeft de beter geïnformeerde partij er belang bij zich anders voor te doen dan ze in werkelijkheid is (bvb. haar kosten te overdrijven om een milder objectief opgelegd te krijgen)? Het antwoord is duidelijk ja. Gemeenten die tegen een geringe kostprijs hun restafval kunnen terugdringen, hebben er voordeel bij om zich niet als lage kostprijsgemeente voor te doen. Op die manier kan ze een relatief gemakkelijke restafvalnorm bekomen die ze zonder veel bijkomende moeite of kosten kan halen. Let wel dat we hiermee niet beweren dat gemeenten ook altijd voor de gemakkelijke oplossing zullen kiezen. We stellen alleen vast dat er een financieel incentief bestaat om zich als een relatief hoge kostengemeente voor te doen om strenge en dure afvalnormen te ontlopen. Aangezien het antwoord op beide voorgaande vragen positief is, kunnen we besluiten dat de noodzakelijke voorwaarden voor zowel adverse selection als moral hazard voldaan zijn. We moeten ons dus buigen over de vraag of de structuur van de cluster Vaste Stoffen van de Samenwerkingsovereenkomst voldoende elementen bevat om mogelijke incentiefproblemen in te dijken.

7.2

REMEDIES TEGEN ADVERSE SELECTION

7.2.1

Screening

In de context van adverse selection betekent screening dat men potentiële kandidaten, vóór ze mogen intekenen, aan een zorgvuldig onderzoek zou onderwerpen om hun ware aard, dat wil zeggen hun kostentype, te ontdekken. Bij ons weten wordt hierin niet veel tijd geïnvesteerd bij de verantwoordelijken van de Samenwerkingsovereenkomst bij de Vlaamse milieuadministratie. We zullen in paragraaf 7.2.2 (Zelfselectie) argumenteren dat dit ook niet nodig is omdat de Samenwerkingsovereenkomst een soort menu van

75

normen en subsidies omvat zodat gemeenten zich zelf in de juiste categorie kunnen selecteren. 7.2.2

Zelfselectie door middel van een menu van normen en subsidies

In het Methodologierapport (De Jaeger et al., 2005) hebben we in groot detail een theoretisch model uitgewerkt om tot een optimaal menu van normen en subsidies te komen voor de cluster Vaste Stoffen van de Samenwerkingsovereenkomsten. We gaan deze analyse op deze plaats niet herhalen maar we brengen in herinnering dat het optimale menu moet voldoen aan twee belangrijke beperkingen: •

Participation constraint: de subsidie-ontvanger moet er netto (= alle kosten min alle opbrengsten en subsidies) beter aan toe zijn mét de overeenkomst dan zonder.

•

Incentive compatibility: de subsidie-ontvanger mag er geen belang bij hebben zich anders voor te doen dan wie hij of zij in werkelijkheid is.

Een maatschappelijk optimaal menu van contracten is, voor elk intekenniveau van de Samenwerkingsovereenkomst, een combinatie van een restafvaldoelstelling en een subsidiebedrag zodanig dat de maatschappelijke welvaart maximaal is maar tegelijk toch aan de participation en incentive compatibility voorwaarden voldaan is. Dit optimale menu zal typisch afwijken van een zuiver kostenefficiënt schema (waarin inspanningen gedifferentieerd worden zodanig dat dure gemeenten relatief minder inspanningen moeten doen dan relatief goedkope gemeenten) omwille van de volgende redenen: •

De efficiënte subsidieontvangers (de gemeenten die relatief goedkoop hun restafval kunnen reduceren) moet men een informatierente geven opdat zij hun ware aard kenbaar zouden willen maken.

•

De inspanningsvereisten van de minder efficiënte subsidieontvangers (de relatief dure gemeenten) moeten minder streng gemaakt worden om de informatierente die aan de efficiënte subsidieontvangers betaald moet worden, minimaal te houden.

Wanneer we de huidige structuur van de inspanningsverplichtingen en subsidies van de cluster Vaste Stoffen tegen het licht houden, dan zien we dat aan deze aanbevelingen voldaan is. Niveau 1 omvat een laag ambitieniveau (in wezen gelijkaardige restafvalnormen dan de taakstelling uit de Uitvoeringsplannen van OVAM die in principe voor alle Vlaamse gemeenten geldt, dwz 200 kg/inwoner in 2004) en lage subsidie (0.9 €/inwoner). Dit is in principe het menu dat voor de “dure” gemeenten ontworpen is. Niveau 2 daarentegen omvat een hoger ambitieniveau (restafvalnorm van 150 kg/inwoner in 2004) en hogere subsidie (1.7 €/inwoner). Dit menu zou de “goedkope” gemeenten moeten aantrekken. In lijn met de theoretische aanbevelingen is het juist goed dat de norm op niveau 1 zeer weinig ambitieus is. Maar voor niveau 2 is de normstelling misschien wat té weinig ambitieus. Immers, volgens de Difference-in-Differences schattingen uit paragraaf 4.3.6.2 bleek dat, gegeven hun eigen historische evolutie en gegeven de

76

evolutie van de controlegroep, niveau 2 gemeenten, relatief gesproken, weinig vooruitgang boeken in het reduceren van hun restafvalfractie. Ons inziens zou de norm voor niveau 2 dus verstrengd mogen worden. Met hoeveel kg/inwoner de norm verstreng zou mogen worden, daarover durven we geen uitspraak doen. Om een antwoord op deze vraag te formuleren is nader onderzoek van de kostenstructuren van de verschillende types gemeenten vereist. Tegelijkertijd geloven we dat dit gepaard zou moeten gaan met een verhoging van het subsidiebedrag. De huidige subsidie op niveau 2 (1,7 €/inwoner) is zeer laag in verhouding met de gemiddelde kostprijs van afvalverwerking in Vlaanderen (ongeveer 75 €/inwoner volgens OVAM, 2002). De subsidie moet natuurlijk niet de kostprijs van afvalverwerking dekken, maar wel de kosten van bijkomende sensibiliseringscampagnes naar de inwoners enzovoort. Een gemeente met bijvoorbeeld 25.000 inwoners zou op niveau 2 tot 42.500€ subsidie ontvangen. Dit is zeker onvoldoende als men een grote afval sensibiliseringscampagne zou willen uitvoeren en daarvoor beroep doet op een externe uitvoerder.

7.3

REMEDIES TEGEN MORAL HAZARD

7.3.1

Screening

Screening met betrekking tot kostentypes is misschien niet nodig maar waarschijnlijk wél met betrekking tot de specifieke acties die van gemeenten gevraagd worden om hun restafval te reduceren aangezien hierover asymmetrische informatie bestaat tussen de gemeenten en de Vlaamse milieuadministratie. Het is onze indruk dat in de huidige vorm van de Samenwerkingsovereenkomsten vrij veel via het instrument screening gewerkt wordt (via de uitgebreide rapporteringverplichtingen voor de gemeenten) wordt om moral hazard te onderdrukken. Dat is één mogelijke optie om moral hazard te onderdrukken maar een alternatief zou zijn om een iets sterker prestatiegebonden betalingsysteem te gebruiken. 7.3.2

Prestatiegebonden betaling

Het subsidieschema van de cluster Vaste Stoffen is in beperkte mate prestatiegebonden. Elke gemeenten moet de norm halen of ze ontvangen geen subsidie. Dit hebben we in het methodologierapport een systeem van minimale prestatienormen genoemd. Deze systemen zijn beter dan zuiver onvoorwaardelijke subsidies met het oog op het bestrijden van moral hazard. Maar het grote nadeel is dat gemeenten, na het behalen van de norm, geen prikkel meer ondervinden om nog verder te gaan dan voorgeschreven door de norm. Bovendien is het voor de regulerende instantie erg moeilijk om de minimale prestatiestandaard op een correct niveau te zetten. De norm mag niet té ambitieus zijn want dan schrikt het teveel gemeenten af. Maar anderzijds mag de norm ook niet té zwak zijn want dan gaat er geen prikkel van uit.

77

Ons lijken de restafvalnormen op de verschillende intekenniveaus té weinig ambitieus. Op niveau 1 blijkt dit omdat de restafvalprestaties van deze gemeenten nauwelijks verschillen van gemeenten die niet op de Samenwerkingsovereenkomst intekenen. Op niveau 2 blijkt dit uit de Difference-in-Differences schattingen uit paragraaf 4.3.6.2: gegeven hun eigen historische evolutie en gegeven de evolutie van de controlegroep, boeken niveau 2 gemeenten, relatief gesproken, weinig vooruitgang in het reduceren van hun restafvalfractie.

7.4

SAMENVATTING INCENTIEVEN CLUSTER VASTE STOFFEN

Over het algemeen is de getrapte structuur van de Samenwerkingsovereenkomst een goed uitgangspunt om het probleem van adverse selection te minimaliseren. Het feit dat gemeenten zelf mogen kiezen, leidt er toe dat ze een schema kiezen dat best bij hun voorkeuren en kostenstructuur past. Door op gepaste wijze de verschillende schema’s te differentiëren, kan ervoor gezorgd worden dat gemeenten met relatief lage kosten een relatief grotere inspanning doen en toch vrijwillig in het hogere ambitieschema willen stappen. We menen echter dat de ‘fine tuning’ van de parameters van het subsidieschema voor verbetering vatbaar zijn. Meer bepaald lijken de restafvalnormen op de verschillende intekenniveaus weinig ambitieus. Op niveau 1 blijkt dit omdat de restafvalprestaties van deze gemeenten nauwelijks verschillen van gemeenten die niet op de Samenwerkingsovereenkomst intekenen. Op niveau 2 blijkt dit uit de Difference-inDifferences schattingen uit paragraaf 4.3.6.2: gegeven hun eigen historische evolutie en gegeven de evolutie van de controlegroep, boeken niveau 2 gemeenten relatief gesproken weinig vooruitgang in het reduceren van hun restafvalfractie. Bovendien ontstaat er door de relatief gemakkelijke normstelling voor niveau 2 ook een moral hazard probleem: gemeenten ondervinden geen incentief meer om hun restafvalproductie verder in te tomen eens ze de norm van de Samenwerkingovereenkomst gehaald hebben. Om dit probleem op te lossen zien wij twee opties: •

Optie 1: een alternatieve subsidievorm (bvb een yardstick competition waarbij enkel “gemiddelde” kosten voor de relevante groep worden terugbetaald) zou veel sterkere incentieven geven om restafval verder te reduceren dan de normen voor de verschillende intekenniveaus. Deze sterkere vorm van prestatiegebonden betaling zal evenwel gepaard moeten gaan met en substantiële verhoging van de subsidiebedragen om de gemeenten te compenseren voor de extra kosten.

•

Optie 2: meer ambitieuze normen voor elk intekenniveau opleggen, gepaard gaand met een substantiële verhoging van de subsidiebedragen om de gemeenten te compenseren voor de extra kosten.

We merken tenslotte op dat er vrij veel van screening gebruik gemaakt wordt (uitgebreide rapporteringverplichtingen met betrekking tot acties en dergelijke) om het

78

moral hazard probleem te bekampen. Een alternatief hiervoor zou zijn om een meer prestatiegebonden subsidieschema op te stellen in plaats van de huidige minimale prestatienormen. Een benchmarking schema waarbij de subsidie gelinkt wordt aan de gemiddelde prestaties van de groep zou een valabel compromis kunnen zijn. Het is méér resultaatgebonden dan de huidige minimale prestatienormen maar het vermijdt een té sterke, contraproductieve, fixatie van de gemeenten op hun restafvaldoelstelling (want daardoor zouden ze hun andere, minder kwantitatief geformuleerde, doelstellingen wel eens kunnen gaan verwaarlozen).

79

8

MACRO-ECONOMISCHE NEVENEFFECTEN

Gezien de relatief lage bedragen die met deze subsidie gepaard gaan, is het weinig waarschijnlijk dat er substantiële macro-economische neveneffecten zouden veroorzaakt worden door de uitkeringen in het kader van de cluster Vaste Stoffen van de Samenwerkingsovereenkomst. Een specifieke evaluatie van dit criterium lijkt ons dan ook weinig relevant.

80

9

ADMINISTRATIEVE LASTEN

Dit evaluatiecriterium is momenteel nog volop in onderzoek. In het kader van een projectovereenkomst tussen Europese Hogeschool Brussel EHSAL en AMINAL werkt een studente momenteel aan de administratieve lastenmeting in het kader van haar eindwerk. Bovendien werden administratieve lasten reeds uitvoerig onderzocht in de evaluatiestudie van Vandeputte et al. (2004). Tenslotte moeten we nog vermelden dat er momenteel een belangrijk onderzoek naar administratieve lasten lopende is in opdracht van het CAPLO (Centraal AanspreekPunt Lokale Overheden) bij AMINAL.

9.1

TOP DOWN BENADERING

Zoals in het Methodologierapport beschreven kunnen we de lastenmeting bij de subsidieverstrekker via een top-down benadering inschatten. Hiervoor hebben we een ruwe schets nodig van het aantal personeelsleden dat op de Samenwerkingsovereenkomst ingezet wordt (gemeten in VTE of Voltijdse Equivalenten). De onderstaande tabel geeft een overzicht van de theoretisch toegewezen personeelsmiddelen:

81

Tabel 26: Personeelsinzet voor Samenwerkingsovereenkomsten diensten

Aantal VTE

AMINAL-CAPLO

7

SO clusters VS

2

WA

2

HI, MO, EN

2

NE

2

AMINAL-VOI’s

428

TOTAAL

19

VS: Vaste Stoffen; WA: Water, HI: Hinder, MO: Mobiliteit; EN: Energie, NE: Natuurlijke Entiteiten

Hieruit blijkt dat op de cluster Vaste Stoffen in principe twee mensen toegewezen zijn. De verantwoordelijke van de Samenwerkingsovereenkomst heeft ons echter gemeld dat in de praktijk ongeveer 1,2 VTE specifiek op de cluster Vaste Stoffen werken. In theorie kan op basis van deze gegevens een inschatting gemaakt worden van het aantal VTE dat op de cluster Samenwerkingsovereenkomsten werkt en dit aantal kan daarna met een gestandaardiseerde loonkost vermenigvuldigd (inclusief een inschatting van de overheadkosten) worden.

9.2

BOTTOM UP BENADERING

Onderstaande tekst is een kort verslag van de activiteiten van de EHSAL eindwerkstudente (Karen Vanhove). Gezien de voorlopige stand van het onderzoek, vragen wij met aandrang deze resultaten niet te citeren. METHODOLOGIE Vooreerst ben ik aan de slag gegaan met de handleiding van de kenniscel Wetsmatiging. De methode die in dit document voorgesteld wordt, kan men samenvatten als het

28

In totaal zouden er een 40-tal mensen werken rond de Samenwerkingsovereenkomst bij de VOI’s (Vlaamse Openbare Instellingen). Maar het merendeel van deze mensen besteed slechts een klein deel van zijn of haar werktijd aan de Samenwerkingsovereenkomst. We hebben dat aandeel op 1/10 of ongeveer een halve dag per week ingeschat.

82

werken met een overzichtslijst van alle informatieverplichtingen, waarbij men vervolgens de gemeenten gaat interviewen om een tijdsinschatting te maken voor al de elementen die op deze lijst voorkomen. Door de verkregen tijdsinschattingen te koppelen aan een uurtarief, kan men een inschatting maken van de kosten van de administratieve last. Ik heb mij dan ook in de periode augustus - september 2005 toegelegd op het doornemen van de contracttekst en de bijhorende handleidingen om zicht te krijgen op de informatieverplichtingen die gepaard gaan met de overeenkomst. Op basis van die documenten heb ik vervolgens een dergelijke lijst met informatieverplichtingen opgesteld. Omdat men in feite weinig kan besluiten uit enkel een kosteninschatting, dacht ik dat het ook interessant zou zijn om bij de gemeenten na te vragen wat hun suggesties zijn ter verbetering van het systeem en welke mogelijkheden en alternatieven zij zien als controle op de uitvoering van de overeenkomst. PILOOTINTERVIEW Vervolgens heb ik een pilootinterview gedaan met de gemeente Halle om te polsen in hoeverre de gemeenten een inschatting kunnen maken van de tijd die zij in het milieujaarprogramma steken. Hieruit is gebleken dat dit voor de gemeenten zeer moeilijk ligt. Het opstellen van het milieujaarprogramma heeft immers geen vast beginpunt en eindpunt, maar men is bijvoorbeeld gedurende heel het jaar met gegevensverzameling bezig. In de periode van het schrijven, heeft men ook nog steeds de lopende zaken waardoor men niet precies kan schatten hoeveel uren men hieraan werkt. Tenslotte zijn er ook vaak heel veel verschillende mensen en diensten bij betrokken, waardoor een exacte tijd moeilijk op te geven is. Bij de interviews zijn de inschattingsmogelijkheden van de gemeenten beperkt tot een globale tijdsinschatting, aangevuld met een aanduiding aan welke onderdelen men de meeste tijd besteed. Daarnaast kan men aangeven of de verdeling al dan niet evenredig is verdeeld over de clusters en kan men vertellen of er al dan niet verschil ondervonden wordt naargelang het ambitieniveau van een cluster. Na het pilootinterview in Halle, heb ik een steekproef getrokken van 20 gemeenten als volgt verdeeld: 5 grote en 5 kleine gemeenten. Telkens wordt hierbij nog een verschil gemaakt tussen de intekenniveaus 1 en 2. De grens voor de grootte van de gemeente heb ik vastgelegd op 20 000 inwoners. VOORLOPIGE RESULTATEN Omdat ik mij niet te veel wil wagen aan voorlopige resultaten (ik heb tot nu toe 6 interviews afgenomen) en ik nog niet de tijd genomen heb om antwoorden van de gemeenten gedetailleerd te bekijken en te vergelijken, zijn hieronder slechts enkele hoofdlijnen weergegeven. • Tijdsinschattingen lopen ver uiteen van gemeente tot gemeente. De globale tijd varieert tot nu toe tussen enkele weken en meerdere maanden.

83

• Er wordt in het algemeen vooral veel tijd gespendeerd in het verzamelen van alle benodigde gegevens en het verzamelen en bundelen van alle bijlagen. Andere voorbeelden zijn het rapporteren over het milieuverantwoord productgebruik en de administratie ivm de MiNa-werkers. • Er wordt meestal een eerder beperkt verschil in rapportering gemerkt tussen ambitieniveau 1 en 2. • Afhankelijk van het aantal inwoners en/of de eigenheid van de gemeente worden er andere nadrukken gelegd en is de administratieve last anders verdeeld over de verschillende clusters. Eén en ander hangt ook af van de samenwerking tussen de verschillende diensten. Soms werken ze heel goed mee aan de gegevensverzameling of nemen de diensten zelf ook een deel van de rapportering op zich. • In het algemeen staan de gemeenten positief tegenover het invoeren van meer resultaatsverbintenissen, al wordt er vaak de nadruk op gelegd dat er kans moet zijn op verantwoording als men een bepaalde norm niet haalt en dat er rekening moet gehouden worden met de haalbaarheid voor de verschillende soorten gemeenten. • Voorstellen van gemeenten variëren van bezoeken ter plaatse tot basisrapportering op de hele lijn met steekproefsgewijze vraag naar uitgebreidere dossiers over bepaalde elementen en basisrapportering voor standaardelementen aangevuld met uitgebreide informatie over hoofdpunten. • Veel gemeenten zijn van mening dat er te weinig rekening gehouden wordt met de eigenheid van de gemeente. • Sommige gemeenten klagen over de vermindering van leesbaarheid en aantrekkelijkheid van het document voor inwoners en college van burgemeester en schepenen door meer gebruik van codes en droge actiefiches tegenover het milieuconvenant. • Sommige gemeenten vinden dat er bij de evaluatie te veel gekeken wordt naar details en dat de nadruk te veel gelegd wordt op mooie bewoordingen in plaats van naar de effectiviteit van het beleid en de acties.

84

10 INNOVATIE Het criterium innovatie slaat eigenlijk op de effecten op O&O inspanningen van bedrijven en is daarom weinig relevant voor de cluster Vaste Stoffen. Een doorgedreven evaluatie van dit criterium lijkt ons dan ook weinig relevant. We kunnen misschien wel zeggen dat het subsidie-instrument in de Samenwerkingsovereenkomst de gemeenten aanzet tot het uitwerken van creatieve nieuwe initiatieven om bijvoorbeeld hun burgers aan te zetten om minder restafval aan te bieden tijdens de ophaalrondes. Vooral het projectgefinancierde niveau 3 (dat wij in deze evaluatie buiten beschouwing laten omdat er maar heel weinig gemeenten van deze mogelijkheid gebruik maken) kan een sterke stimulans geven tot het uitwerken van nieuwe innovatieve afvalacties.

85

11 ASPECTEN VAN LOKALE PUBLIEKE FINANCIËN 11.1

HET MEDIAN VOTER MODEL

Zoals we in hoofdstuk 12 van het methodologierapport beschreven hebben, wordt in de economische literatuur voornamelijk het zogenaamde “median voter” of “mediaankiezer” model gebruikt om het lokale besluitvormingsproces in de gemeenten te modelleren. Dit komt in feite neer op het schatten van de vraagvergelijking van de mediaaninwoner naar restafvalverwerking, rekening houdend met het gemeentelijke (niet het private dus!) begrotingsevenwicht. Het feit dat de mediaankiezer als referentiepunt gehanteerd wordt, reflecteert de veronderstelling dat er een sterke vorm van directe democratie op gemeentelijk niveau bestaat. Gemeentelijke beleidsmakers die geïnteresseerd zijn in hun herverkiezing, kunnen best proberen deze mediaankiezer zo goed mogelijk te bedienen aangezien hij/zij bepalend zal zijn voor de verkiezingsuitslag in een gewone meerderheidsstemming. Het uiteindelijke model dat we in deze paragraaf geschat hebben, is een variant van het model van Tresch (2002) dat we in het Methodologierapport besproken hebben. Uitgangspunt hierbij is het nutmaximeringsprobleem van het mediaangezin van de gemeente i:

u i ( x i , ai )

max x i ,ai

s .t .

x i + τ i B i ≤ y im

Waarbij xi het consumptieniveau van het mediaangezin voorstelt en ai zijn vraag naar afvalophaling en –verwerking. Het mediaangezin probeert deze twee variabelen zodanig te kiezen dat zijn nut maximaal is maar tegelijkertijd toch nog aan zijn private budgetvoorwaarde voldaan is. Deze budgetvoorwaarde vereist dat de totale uitgaven ( x i + τ i B i ) niet groter mogen zijn dan het beschikbare inkomen ( y im ) van het mediaangezin. De uitgaven omvatten, naast de uitgaven aan het consumptiegoed29 x i , een term die het kostenaandeel van het mediaangezin ( τ i ) voorstelt in het totale, te financieren budget ( B i ) voor afvalophaling en –verwerking in zijn gemeente. We veronderstellen dat het netto te financieren budget voor afvalverwerking kan geschreven worden als:

29

Zonder verlies aan algemeenheid werd de prijs van het consumptiegoed genormaliseerd tot 1.

86

B i = φi q i A − S i  = φi q i n iγ a i − S i  waarbij φi de kostendekkingfactor30 voorstelt, q i de gemiddelde kost om afval te verwerken in de gemeente, en S i de subsidie die de gemeente eventueel via de Samenwerkingsovereenkomst ontvangt voor de cluster Vaste Stoffen. Bovendien veronderstellen we dat het totale afvalniveau kan geschreven worden als Ai = n iγ a i , dat wil zeggen het afvalniveau van het mediaangezin maal het aantal huishoudens in de gemeente ( n i ) waarbij deze laatste parameter tot de macht γ verheven wordt. Deze parameter γ kan beschouwd worden als een test voor de mate waarin afvalophaling een privaat of publiek goed is. We verwachten dat afvalophaling een privaat goed is, wat zou overeenkomen met γ = 1 . We vervangen nu B i

in de budgetvoorwaarde van de mediaaninwoner door de

uitdrukking die we hoger afgeleid hebben:

x i + τ i φi q i n iγ a i − S i  ≤ y im Of, na herschrijven:

x i + τ i φi q i n iγ  a i ≤ y im + τ i φi S i De term tussen vierkante haakjes kan geïnterpreteerd worden als de “prijs” die het mediaangezin moet betalen om zijn afval te laten ophalen en verwerken. De rechterkant staat voor zijn inkomen, verhoogd met zijn aandeel in de subsidie. We veronderstellen nu dat we de vraagfunctie van het (individuele) mediaangezin naar afvalbehandeling als een exponenteniele vorm kunnen schrijven als: δ

ai = c ⋅ τ i ⋅ φi ⋅ q i ⋅ n iγ  ⋅ y im + τ i S i 

ε

Waarbij c een constante, δ de prijselasticiteit en ε de inkomenselasticiteit van de vraag naar afvalverwerking weergeeft31. Als laatste stap vertalen we deze vraagfunctie van het mediaangezin naar de gemeentelijke vraagfunctie naar totale afvalbehandeling:

30

φi

Indien alle kosten van afvalverwerking door belastingen, retributies en subsidies gedekt worden, dan is gelijk aan 1. Indien de gemeente “kruissubsidiëring” met andere begrotingsposten toepast, dan kan

φi

kleiner of groter zijn dan 1. 31

We veronderstellen vraagfuncties van het type “constante prijs- en inkomenselasticiteit”. D.w.z. dat de elasticiteiten constant zijn langsheen de hele vraagfunctie en dus niet veranderen in functie van de gevraagde hoeveelheid afvalverwerking.

87

δ

ε

Ai = c ⋅ niγ ⋅ τ i ⋅ φi ⋅ q i ⋅ niγ  ⋅ y im + τ i S i  ⋅ ∏ x iβ,kk k

( x i ,k ) omvatten allerlei

De laatste factoren in deze uitdrukking achtergrondkenmerken van de gemeente leeftijdstructuur, politieke variabelen enz.

zoals

typisch

bijkomende

bevolkingsdichtheid,

De uiteindelijke regressievergelijking die we geschat hebben is een logaritmische variant van de voorgaande vraagvergelijking: ln( Ai ) = ln(c ) + α1 ln(n i ) + α 2 ln(τ im i ) + α 3 ln(φi ) + α 4 ln(q i ) + α 5 ln(y im ) +α 6D i1 + α 7D i2 + α
8' X
i + u i

De D i1 en D i2 variabelen zijn dummy variabelen die het intekenniveau 1 en 2 van de cluster Vaste Stoffen van de Samenwerkingsovereenkomst weergeven en u i is de storingsterm. Noteer dat de geschatte coëfficiënt α 4

rechtstreeks de inkomenselasticiteit ε

weergeeft. De prijselasticiteit is echter meer complex. Deze regressievergelijking is namelijk exact equivalent aan de gemeentelijke vraagvergelijking enkel indien de volgende parameterrestricties voldaan zijn: α1 = γ 1 + δ   α 2 = α 3 = α 4 = δ

In wat volgt zullen we deze beperkingen statistisch testen en eventueel opleggen aan de regressie indien ze niet automatisch voldaan zouden zijn. In Tabel 27 is een overzicht opgenomen van de te verwachten tekens van de coëfficiënten van de belangrijkste variabelen.

88

Tabel 27: overzicht van het te verwachten teken Variabele Naam Aantal huishoudens

Coëfficiënt Symbool

Symbool

Verwacht teken

ni

α1 = γ 1 + δ 

+(?)

α2 = δ

-

m i

Kostendekkingsgraad

τ φi

Gemiddelde afvalkost

qi

Belastingaandeel mediaan kiezer

m i

Mediaan inkomen

y

SO intekenniveau 1

Di1

SO intekenniveau 2

2 i

D

α3 = δ α4 = δ α5 = ε

α6 α7

+ -

Vanuit onze theoretische analyse in paragraaf 4.3.2.2 verwachten we een negatieve prijselasticiteit δ en een positieve inkomenselasticiteit ε , ook voor de totale hoeveelheid restafval. Voor het teken van α1 is het teken op het eerste gezicht minder eenduidig. Indien echter afval een prijsinelastisch goed is ( δ ≤ 1 ), dan verwachten we

α1 ≥ 0 . We verwachten ten slotte dat intekenen op de clusters Vaste Stoffen van de Samenwerkingsovereenkomst de totale hoeveelheid afval zal doen afnemen. Naast deze variabelen nemen we nog socio-demografische variabelen, politieke variabelen en afvalvariabelen op in de berekeningen. Een overzicht van deze variabelen is opgenomen in Tabel 28. Aangezien hier de totale hoeveelheid afval per gemeente (en niet per capita) als te verklaren variabele wordt gebruikt, zijn de te verwachten tekens minder eenduidig dan in onze voorgaande analyses. De te verwachten tekens van de coëfficiënten worden dan ook niet allemaal weergegeven in deze tabel.

89

Tabel 28: Overzicht van de andere variabelen Socio-demografische variabelen Variabele Finapsis 2000 Oppervlakte in hectare Aantal inwoners 0 - 4 jaar Kustgemeente Aantal inwoners per ha

Verwacht teken ? ? + + ?

Politieke variabelen Variabele Politieke partij 1 Politieke partij 2 Politieke partij 3 Aantal partijen in coalitie

Verwacht teken ? ? ? +

Afvalvariabelen Variabele Ophaalfrequentie DIFTAR

Verwacht teken + -

De Finapsis (zie Ministerie van de Vlaamse Gemeenschap, 2002) is de verhouding tussen enerzijds de periodieke uitgaven voor leningen (en leasingcontracten) en anderzijds het financiële draagvlak van de gemeente. Een hoge waarde (boven de 100) wordt als een indicatie van problematische gemeentefinanciën gezien. We kunnen misschien argumenteren dat gemeenten met financiële moeilijkheden minder snel geneigd gaan zijn om dure afvalpreventieacties op touw te zetten. Anderzijds zou men kunnen aanvoeren dat juist die gemeenten er belang bij hebben om efficiënt afval op te halen en te verwerken en bovendien de totale afvalberg onder controle te houden. We hebben bijgevolg geen a priori verwachting met betrekking tot het teken van deze verklarende variabele. De partijvariabelen geven de kleur van de zittende burgemeester weer. Hierover hebben we geen a priori verwachtingen. Het aantal partijen staat is een maat voor de mate van complexiteit van het gemeentelijke beleidsapparaat. De verwachting is dat coalities die uit veel partijen bestaan, moeilijker tot een krachtdadig beleid kunnen komen omdat ze vaker afgezwakte compromissen moeten sluiten. In de context van het afvalbeleid zou dit betekenen dat gemeenten met ingewikkelde coalities minder snel tot onpopulaire drastische afvalpreventiemaatregelen overgaan. Voor de afvalvariabelen verwachten we op basis van onze voorgaande regressieanalyses dat de ophaalfrequentie een positieve en toepassing van DIFTAR systemen een negatieve invloed zouden hebben op de totale hoeveelheid afval.

90

11.2

RESULTAAT VAN DE SCHATTING

Voorafgaandelijk merken we op dat we het mediaaninkomen ( y im ) als verklarende variabele hebben opgenomen en niet het “gecorrigeerde” mediaaninkomen ( y im + τ i φi S i ) dat rekening houdt met eventuele subsidies in het kader van de cluster Vaste Stoffen van de Samenwerkingsovereenkomst. De reden hiervoor is dat de resultaten van beide varianten nagenoeg identiek zijn omdat de subsidiebedragen relatief klein zijn in vergelijking met het mediaaninkomen. We opteren ervoor alle variabelen verplicht in het model op te nemen. Via de t-statistiek controleren we voor elke variabele of de waarde van de coëfficiënt significant verschilt van 0. In Tabel 29 wordt het eindresultaat van de loglineaire regressie samengevat. We schatten naast het basismodel nog 2 varianten. In model 2 wordt de verklarende variabele ‘Kostendekkingsgraad φ i ’ niet in de berekeningen opgenomen. In model 3 wordt de beperking opgelegd dat de coëfficiënten van de variabelen ‘Belastingaandeel mediaan kiezer τ im ’ en ‘Gemiddelde afvalkost q i ’ aan elkaar gelijk zijn ( α 2 = α 4 ). Door middel van een Lagrange multiplicator (zie ondermeer Greene, 1997 of Verbeek 2000) test wordt vervolgens nagegaan of het geschatte model mét beperkingen significant verschilt van het model zonder beperkingen (deze teststatistiek wordt automatisch in het softwareprogramma SAS berekend).

91

Tabel 29: overzicht van de geschatte coëfficiënten Model 1 Variabele (Constante)

Coëfficiënt 4,0826***

Aantal huishoudens 0,5143*** Belastingaandeel mediaan kiezer -0,3674*** Gemiddelde afvalkost -0,4836*** Mediaan inkomen 0,2275* Kostendekkingsgraad

0,0050

Model 2

T-statistiek Coëfficiënt

model 3

T-statistiek Coefficiënt

T-statistiek

3,16

3,4800***

2,67

2,4235*

1,92

8,34 -4,12 -13,49 1,86

0,5343*** -0,2384*** -0,4543*** 0,3140**

8,58 -2,88 -12,81 2,56

0,4784*** -0,4490*** -0,4490*** 0,3720***

8,01 -12,53 -12,53 3,04

0,81

Finapsis 2000 Oppervlakte in hectare Aantal inwoners 0 - 4 jaar Kustgemeente

-0,0003 -0,0801** 0,2021** 0,3965***

-1,23 -2,31 2,44 5,74

-0,0168 -0,0838** 0,3258*** 0,4191***

-0,79 -2,39 4,38 5,96

-0,0178 -0,0653* 0,1611*** 0,3749***

-0,82 -1,87 3,48 5,41

Aantal inwoners per ha

-0,0113**

-2,19

-0,0095**

-1,85

-0,0087*

-1,67

Partij 1 Partij 2 Partij 3

0,0364 0,0524** -0,0050

1,16 2,18 -0,13

0,0250 0,0453* -0,0256

0,79 1,85 -0,67

0,0095 0,0450* -0,0231

0,30 1,82 -0,60

0,0018

0,07

0,0045

0,30

-0,0008

-0,05

0,0126 -0,0271 -0,0331

0,50 -0,91 -1,55

0,0237 -0,0336 -0,0324

0,94 -1,11 -1,51

0,0239 -0,0399 -0,0208

0,93 -1,31 -0,98

0,0371

1,13

0,0357

1,07

0,0384

1,14

Aantal partijen in coalitie SO Intekenniveau 1 SO Intekenniveau 2 Ophaalfrequentie DIFTAR

11.2.1 Algemene opmerkingen •

Voor alledrie de modellen blijken er problemen te zijn met (quasi) multicollineariteit. Dit is niet te verwonderen gezien de berekeningswijze van enkele van de verklarende variabelen. Zo valt te verwachten dat de variabele ‘aantal huishoudens ni ’ sterk negatief correleert met de variabele ‘belastingaandeel van de mediaan kiezer τ im ’ aangezien bij deze laatste variabele

92

het totaal belastbaar inkomen in de noemer staat. Door de problemen met multicollineariteit moeten de modellen met de nodige voorzichtigheid benaderd worden32. •

Er bestaan zeer hoge correlaties tussen de te verklaren variabele en sommige verklarende variabelen (bijvoorbeeld tussen de te verklaren variabele totaal afval Ai en de verklarende variabele aantal huishoudens ni ). Hierdoor zal het verklarende vermogen van de verschillende modellen zeer hoge waarden aannemen.

•

Voordat conclusies kunnen getrokken worden in verband met het teken van de coëfficiënten, moeten de t-statistieken nagekeken worden. Aangezien al de variabelen verplicht werden opgenomen in het model, bestaat de mogelijkheid dat hun coëfficiënten niet significant verschillen van 0. Dit blijkt inderdaad zo te zijn voor de coëfficiënten van een aantal van de verklarende variabelen. Bijgevolg heeft het teken van de deze coëfficiënt geen betekenis. De coëfficiënten die wel significant verschillen van nul worden in Tabel 29 aangeduid met één of meerdere asterisken volgens het volgend principe: o

* voor 90 % betrouwbare uitspraken;

o

** voor 95 % betrouwbare uitspraken;

o

*** voor 99 % betrouwbare uitspraken.

11.2.2 Vergelijking van de drie modellen Uit de resultaten in Tabel 29 kunnen we zien dat vooral de coëfficiënten van basisvariabelen (eerste vijf variabelen) nogal verschillen naargelang het beschouwde model. Aangezien de variabele ‘Kostendekkingsgraad’ geen coëfficiënt heeft die significant verschilt van 0, schatten we een tweede model zonder deze variabele. De waarden van de coëfficiënten van de variabelen ‘Belastingaandeel mediaankiezer’ en ‘Gemiddelde afvalkost’ liggen nu nog meer uit elkaar in vergelijking met model 1, terwijl we uit de theoretische afleiding van het model net verwachten dat de coëfficiënten aan elkaar gelijk zijn. Voor de volledigheid laten we in het softwareprogramma SAS nog eens testen via een F-toets of de coëfficiënten daadwerkelijk significant van elkaar

32

Multicollineariteit leidt ertoe dat de geschatte coëfficiënten “onstabiel” kunnen zijn, d.w.z. dat kleine wijzigingen in het regressiemodel tot grote verschillen in de waarde van de geschatte coëfficiënten aanleiding kunnen geven.

93

verschillen. We vinden, zoals te verwachten, dat de coëfficiënten niet significant van elkaar verschillen.33 Bij model 3 gingen we daarom nog een stap verder en werd opgelegd dat de coëfficiënten van de variabelen ‘Belastingaandeel mediaankiezer’ en ‘Gemiddelde afvalkost’ verplicht aan elkaar gelijk moeten zijn. Aangezien we uit de vorige alinea weten dat zonder beperkingen de coëfficiënten van beide variabelen significant van elkaar verschillen, verwachten we dat het model met de beperking (de coëfficiënten α 2 = α 4 ) significant zal verschillen van het model zonder beperkingen. Deze verwachting blijkt uit te komen wanneer we dit door middel van een Lagrange multiplicator test nagaan. We kunnen duidelijk stellen dat in het onbeperkte model 1 de hypothese α 2 = α 3 = α 4 niet opgaat. Ook de meer soepele hypothese α 2 = α 4 blijkt niet te kloppen in model 2. Daarom hebben we een derde variante van het model geschat waarin deze laatste restrictie opgelegd wordt. 11.2.3 Interpreteren van de coëfficiënten 11.2.3.1

Basisvariabelen

Een korte vergelijking tussen de te verwachten coëfficiënten (zie Tabel 27) en de geschatte coëfficiënten (model 3 in Tabel 29) leert ons dat voor de basisvariabelen van ons model (de eerste vijf variabelen) onze verwachtingen grotendeels worden ingelost. •

Het aantal huishoudens ni : hoe meer huishoudens in een gemeente, hoe meer mensen er zijn om afval te produceren in principe. Het positieve teken van deze coëfficiënt is dus niet verwonderlijk. Als we deze coëfficiënt interpreteren als een elasticiteit (wat we mogen doen omdat de vergelijking in logaritme geschat werd), kunnen we besluiten dat bij een toename van het aantal huishoudens de totale hoeveelheid afval minder dan proportioneel zal stijgen: een stijging van 10% van het aantal huishoudens zal slechts een stijging van ongeveer 5% van de totale hoeveelheid afval teweegbrengen.

•

De gemiddelde afvalkost q i

(het belastingaandeel van de mediaan kiezer τ im ):

deze parameter meet direct de prijselasticiteit van de vraag naar afvalverwerking en bedraagt dus ongeveer -0.45. Dit betekent dat een 10% kostenverlaging van

33

Voor F[1; 287] is onze F-waarde van 7,91 voldoende om met 99% zekerheid te zeggen dat de hypothese (beide coëfficiënten zijn aan elkaar gelijk) niet opgaat.

94

afvalophaling en –verwerking (bijvoorbeeld als gevolg van een daling van de heffingen op storten en verbranden) zou leiden tot een toename van de hoeveelheid afval met ongeveer 4,5%. Deze schatting is beduidend hoger dan de -0.14 die we in onze voorgaande regressieanalyse hadden vastgesteld (zie ondermeer paragraaf 4.3.3.1 en paragraaf 4.3.5.1). Hierbij moet evenwel opgemerkt worden dat we deze keer de totale hoeveelheid afval in plaats van enkel de restafvalfractie proberen te verklaren. De schattingen zijn met andere woorden niet vergelijkbaar. •

De kostendekkingsgraad φ i : deze variabele werd uiteindelijk niet weerhouden in de regressieanalyse omdat ze, ten eerste, niet significant bleek, en ten tweede aanleiding gaf tot sterke collineariteitsproblemen.

•

Het mediaan inkomen y im : deze coëfficiënt meet direct de inkomenselasticiteit van afvalophaling en –verwerking en bedraagt ongeveer +0,37. We constateren zoals in hoofdstuk 4.3.3.1 dat er een gedeeltelijke ontkoppeling tussen afvalhoeveelheid en (inkomens)groei bestaat: een toename van het inkomen geeft aanleiding tot een stijging van de totale hoeveelheid aangeboden afval maar de toename is minder dan proportioneel. Ook hier stellen we een hogere schatting vast dan in onze voorgaande analyse maar ook hier geldt de opmerking dat de resultaten niet vergelijkbaar zijn aangezien het over een andere te verklaren variabele gaat (zie zie ondermeer paragraaf 4.3.3.1 en paragraaf 4.3.5.1).

11.2.3.2

Socio-demografische variabelen

De finapsisvariabele, d.i. de variabele die de gezondheidstoestand van de gemeentelijke financiën weergeeft, blijkt niet significant de hoeveelheid afval te beïnvloeden. Het aandeel inwoners in het leeftijdscohort 0 tot 4 jaar heeft een sterk significante (99%) en positieve invloed op de hoeveelheid afval. Dit lijkt ons zeer logisch aangezien in de leeftijdscategorie 0 tot 4 jaar wegwerpluiers veelvuldig gebruikt worden. Ook het feit dat de gemeente een kustgemeente is, doet de hoeveelheid afval sterk toenemen. Dit effect hadden we ook al vastgesteld in onze vorige regressieanalyses. Bevolkingsdichtheid en oppervlakte van de gemeente hebben een zwak significante (90% betrouwbaarheid) en negatieve invloed op de totale hoeveelheid afval. Een mogelijke verklaring zou kunnen zijn dat de meer uitgestrekte en dunner bevolkte gemeenten een meer landelijk karakter hebben en gezinnen er een grotere tuin hebben. Deze grotere tuinen bieden enerzijds de mogelijkheid tot thuis composteren van GFT maar geven anderzijds ook aanleiding tot meer GFT afval. Meer gedetailleerde analyses zijn echter nodig om de ware oorzaak van dit negatieve verband tussen oppervlakte en dichtheid enerzijds en totale hoeveelheid afval anderzijds te identificeren. 11.2.3.3

Politieke variabelen

Geen enkele van de politieke partijen (gemeten als de “kleur” van de burgemeester) heeft een statistisch significant effect op de hoeveel afval. Zelfs indien één van de

95

partijen een significant van nul verschillende coëfficiënt zou opleveren, moeten we dat met grote omzichtigheid interpreteren. Het is best mogelijk namelijk dat de kleur van de burgemeester een proxy variabele is voor niet geobserveerde kenmerken van de gemeente (platteland versus steden enz.). Ook het aantal partijen in de gemeentelijke coalitie, wat als een graadmeter van de complexiteit van het gemeentelijke beslissingsproces en dus van de slagkracht van het college van burgemeester en schepenen kan aanzien worden, is geen significante verklarende factor van de hoeveelheid afval. 11.2.3.4

Afvalvariabelen

Bij de afvalgerelateerde variabelen zien we dat het al dan niet intekenen op de cluster Vaste Stoffen van de Samenwerkingsovereenkomst geen significante invloed heeft op de totale hoeveelheid afval. Merk op dat intekenniveau 2 wel een negatief teken heeft maar niet significant is, zelfs niet met 90% betrouwbaarheid. De reden waarom we in deze regressie geen significante relatie vaststellen in tegenstelling tot onze voorgaande regressieanalyses (zie paragraaf 4.3.2) heeft waarschijnlijk te maken met het feit dat we nu het totale afvalniveau in plaats van restafval als te verklaren variabele beschouwen. De invloed van de cluster Vaste Stoffen van de Samenwerkingsovereenkomst is waarschijnlijk zwakker in de totale hoeveelheid afval dan in de restafvalfractie waarop de Samenwerkingsovereenkomst in principe gericht is. Ophaalfrequentie en DIFTAR hebben ten slotte geen significante invloed op de totale hoeveelheid afval.

11.3

IS AFVAL EEN PRIVAAT OF PUBLIEK GOED?

Een publiek goed wordt gekenmerkt door het feit dat een bijkomende inwoner van het goed kan genieten zonder dat dit een meerkost met zich meebrengt. Denk bijvoorbeeld aan ‘veiligheid’, indien de huidige inwoners van een gemeente door de politiediensten beschermd worden, dan kost het in principe niets extra om nog een bijkomende inwoner ook van het zelfde veiligheidsniveau te laten genieten. Voor afvalverwerking verwachten we eigenlijk het omgekeerde. Elke extra inwoner biedt extra afval aan dat opgehaald en verwerkt moet worden. We verwachten dus dat afval een privaat goed is. In de econometrische specificatie van onze regressieanalyse kunnen we dit testen aan de hand van de parameter γ . Als γ = 1 geldt dat afval een privaat goed is; als γ = 0 geldt dat afval een publiek goed is. Voor de statistische test is het aangewezen de parameterbeperking te herschrijven als:

γ =

α1 1+α2

Indien afval een privaat goed zou zijn ( γ = 1 ), dan kunnen we deze formule als volgt herschrijven: 96

1=

α1 1 + α2

⇒

1 + α 2 = α1

⇒

α1 − α 2 = 1

Deze laatste lineaire beperking kan eenvoudig als hypothese getest worden (bvb. in SAS) via een F-toets. We vinden in dit geval dat de hypothese opgaat en kunnen dus besluiten dat op basis van deze berekeningen afval inderdaad als een privaat goed beschouwd kan worden.34

11.4

BESLUIT ASPECTEN VAN LOKALE PUBLIEKE FINANCIËN

In deze paragraaf hebben we geprobeerd de gemeentelijke voorkeuren in plaats van de individuele voorkeuren voor afvalverwerking te modeleren. Daarvoor hebben we gebruik gemaakt van het zogenaamde “median voter” model dat ervan uitgaat dat de gemeentelijke beleidsmakers zich richten op de mediaan inwoner maar tegelijkertijd het gemeentelijke begrotingsevenwicht moeten bewaken. We hebben hiervoor een variant van onze voorgaande regressieanalyses (zie paragraaf 4.3.2) geschat waarbij we deze keer de totale hoeveelheid afval in plaats van enkel de restafvalfractie proberen te verklaren. De belangrijkste reden van deze methodologische keuze is dat we slechts betrouwbare kostengegevens hebben op geaggregeerd niveau, dit wil zeggen voor alle afvalfracties samen. Qua resultaten kunnen we het volgende besluiten: •

De geschatte prijs- en inkomenselasticiteiten zijn substantieel hoger dan in onze voorgaande analyses die het gedrag van individuele gezinnen in plaats van gemeenten probeerden te verklaren. Er dient echter op gewezen te worden dat deze vergelijking niet 100% opgaat omdat we in deze paragraaf de totale hoeveelheid afval proberen te verklaren in plaats van de restafvalfractie.

•

Het intekengedrag op de cluster Vaste Stoffen van de Samenwerkingsovereenkomst heeft geen significante invloed op de totale hoeveelheid afval. Dit is waarschijnlijk het gevolg van het feit dat we de totale hoeveelheid afval als te verklaren variabele gebruiken in deze paragraaf en niet de restafvalfractie zoals in onze voorgaande analyses. Met andere woorden, deze resultaten zeggen niets over het al dan niet effectief zijn van de S.O. aangezien deze eerder op het stimuleren van recyclage en het reduceren van de restafvalfractie gericht zijn.

34

Voor F[1; 287] is onze F-waarde van 2.19 onvoldoende hoog om de hypothese met 90 % zekerheid te kunnen verwerpen.

97

•

Structuurkenmerken zoals kustgemeente (+), bevolkingsdichtheid (-), oppervlakte (-) en aandeel van de bevolking tussen 0 en 4 jaar (+) hebben een significante invloed op de totale hoeveelheid afval.

•

Het al dan niet corrigeren van het mediaaninkomen voor de eventueel toegekende subsidies in het kader van de cluster Vaste Stoffen van de Samenwerkingsovereenkomst verandert niets aan de geschatte coëfficiënten. De reden hiervoor is waarschijnlijk de zeer kleine subsidiebedragen in vergelijking tot het mediaaninkomen.

•

Politieke variabelen blijken geen significante invloed te hebben op de totale hoeveelheid afval in de gemeenten.

•

Afvalophaling en –verwerking blijken eerder private dan publieke kenmerken te hebben in de zin dat bijkomende inwoners voorzien van deze gemeentelijke dienstverlening positieve meerkosten met zich meebrengt.

98

12 ALGEMEEN BESLUIT EN BELEIDSAANBEVELINGEN 12.1

IS DE CLUSTER VASTE STOFFEN VAN DE SAMENWERKINGSOVEREENKOMST EFFECTIEF?

Ten eerste kunnen we zeggen dat de restafvaldoelstellingen van de cluster grotendeels gehaald worden. Maar ook gemeenten die niet meedoen aan de Samenwerkingsovereenkomst halen vergelijkbare afvalniveaus. Ten tweede, er is een statistisch significant verschil is tussen het restafvalniveau van gemeenten die op niveau 2 intekenen en de andere (niet ingetekend of op niveau 1 ingetekend) maar deze vaststelling zegt natuurlijk nog niets over een mogelijk oorzakelijk verband. Ten derde, een standaard regressieanalyse toont dat intekenen op niveau 2 een significante daling van de restafvalproductie met ongeveer 15% veroorzaakt in vergelijking met de andere gemeenten. De resultaten van deze regressie zijn waarschijnlijk een overschatting van het effect van de Samenwerkingsovereenkomst omdat er zelfselectie gebeurt. Gemeenten tekenen waarschijnlijk pas in op de Samenwerkingsovereenkomst als ze min of meer zeker zijn dat ze gemakkelijk aan de doelstellingen kunnen voldoen. Ten vijfde, indien we corrigeren voor deze selectievertekening, dan komen we tot de conclusie dat de gemeenten op niveau 2 minder goed presteren dan wat we zouden kunnen verwachten op basis van hun eigen historische evolutie en van de evolutie van de controlegroep. Dit brengt ons tot de conclusie dat de Samenwerkingsovereenkomst weinig additioneel effect heeft op de prestaties van de gemeenten op niveau 2. We geven echter aan dat deze conclusie minder uitgesproken zou zijn indien de marginale kosten voor restafvalreductie sterk stijgend zouden verlopen. We beschikken echter niet over de gegevens om deze hypothese ten gronde te testen.

12.2

IS DE CLUSTER VASTE STOFFEN VAN DE SAMENWERKINGSOVEREENKOMST EFFICIENT?

We wilden liefst de efficiëntie meten van het reduceren van de gemiddelde hoeveelheid restafval. Daarvoor hadden we echter niet de vereiste gedetailleerde kosteninformatie zodat we de efficiëntie-analyse toespitsen op de vergelijking tussen de totale afvalproductie (alle fracties samen) en de totale uitgaven voor afvalbehandeling van de gemeenten. We stellen belangrijke verschillen tussen de gemeenten vast in de kostprijs om een kilogram afval te verwerken. De efficiëntiescores van de gemeenten variëren tamelijk sterk naargelang de gebruikte meetmethode (constante of afnemende schaalopbrengsten, één- of multidimensionele benaderingen). Een regressie-analyse van de geconstrueerde efficiëntiescores op verklarende variabelen levert bij gebrek aan theoretische achtergrond twijfelachtige resultaten op.

99

•

Hoe groter de gemiddelde gezinssamenstelling, hoe lager de kosten blijken om afval te verwijderen. Waarschijnlijk wordt dit veroorzaakt door een sterkere concentratie van de ophaalpunten van het afval.

•

Gemeenten die een samenwerkingsovereenkomst hebben afgesloten zijn beduidend efficiënter in het ophalen en verwerken van afval. We menen aan dit effect (en ook de effecten van inkomen per hoofd en restafvalprijs voor een gemiddeld gezin) niet onmiddellijk als een oorzakelijk verband te interpreteren aangezien we geen theoretische argumenten hebben voor een dergelijk verband.

•

De gemeenten die het DIFTAR systeem toepassen, blijken significant lager te scoren bij de efficiëntiemeting. Vermoedelijk is het vooral de hoge kostprijs van dit systeem die aan de basis ligt van dit resultaat.

12.3

RECHTVAARDIGHEID EN DE CLUSTER VASTE STOFFEN VAN DE SAMENWERKINGSOVEREENKOMST

De door ons voorgestelde methodologie om de kosten van restafvalreductie te relateren aan de draagkracht van gemeenten kunnen we niet uitvoeren bij gebrek aan de vereiste gedetailleerde kosteninformatie. We hebben wel voldoende data om te besluiten dat er geen significant verband is tussen het gemiddeld inkomen per capita en het intekengedrag (en dus bijhorende subsidies). We kunnen algemeen wél concluderen dat de cluster Vaste Stoffen eerder in overeenstemming is met het principe “de vervuiler betaalt” dan met het principe “de vervuiler betaald”. Gemeenten die niet op niveau 2 intekenen in de cluster worden immers, volgens de data, geconfronteerd met significant meer restafval. Aangezien er in Vlaanderen nog steeds een milieuheffing op storten en verbranden bestaat, worden de niet-intekenaars met een hogere totale prijs geconfronteerd voor de door hen veroorzaakte milieuhinder. We besluiten dat de cluster Vaste Stoffen alvast niet in tegenspraak is met het principe “de vervuiler betaalt”.

12.4

IS DE INCENTIEFSTRUCTUUR VAN DE SUBSIDIESCHEMA’S VAN DE CLUSTER VASTE STOFFEN VAN DE SAMENWERKINGSOVEREENKOMST OPTIMAAL?

De incentiefstructuur van de subsidieschema’s (de differentiatie in ambitieniveaus en bijbehorende subsidiebedragen) is zeer goed en voldoet aan de theoretische aanbevelingen uit de paragraaf over incentives. De “efficiënte” gemeenten (dit zijn gemeenten met relatief lage kosten om restafval te reduceren) worden ambitieuzere doelstellingen opgelegd dan de minder efficiënte maar krijgen in ruil een grotere subsidie. Deze subsidie kan geïnterpreteerd worden als een “informatierente”, dwz een financieel incentief om zich als “efficiënte” gemeente kenbaar te maken.

100

De minder efficiënte gemeenten krijgen een lagere subsidie en krijgen een inspanningsniveau opgelegd dat waarschijnlijk lager is dan het kostenefficiënte niveau. Hierdoor kan de informatierente die aan de efficiënte types betaald moet worden om zich correct te reveleren, verminderd worden. We menen echter dat de ‘fine tuning’ van de parameters van het subsidieschema voor verbetering vatbaar zijn. Meer bepaald lijken de restafvalnormen op de verschillende intekenniveaus (zeker op niveau 1 maar waarschijnlijk ook op niveau 2) weinig ambitieus want vele gemeenten haalden de norm al ruim voor de intekeningsdatum. Hierdoor ontstaat er een moral hazard probleem: gemeenten ondervinden geen incentief meer om hun restafvalproductie verder in te tomen eens ze de norm van de Samenwerkingovereenkomst gehaald hebben. Om dit probleem op te lossen zien wij twee opties: •

Optie 1: een alternatieve subsidievorm (bvb een yardstick competition waarbij enkel “gemiddelde” kosten voor de relevante groep worden terugbetaald) zou veel sterkere incentieven geven om restafval verder te reduceren dan de normen voor de verschillende intekenniveaus. Deze sterkere vorm van prestatiegebonden betaling zal evenwel gepaard moeten gaan met en substantiële verhoging van de subsidiebedragen om de gemeenten te compenseren voor de extra kosten.

•

Optie 2: meer ambitieuze normen voor elk intekenniveau opleggen, gepaard gaand met een substantiële verhoging van de subsidiebedragen om de gemeenten te compenseren voor de extra kosten.

We merken tenslotte op dat er vrij veel van screening gebruik gemaakt wordt (uitgebreide rapporteringverplichtingen met betrekking tot acties en dergelijke) om het moral hazard probleem te bekampen. Een alternatief hiervoor zou zijn om een meer prestatiegebonden subsidieschema op te stellen in plaats van de huidige minimale prestatienormen. Een benchmarking schema waarbij de subsidie gelinkt wordt aan de gemiddelde prestaties van de groep zou een valabel compromis kunnen zijn. Het is méér resultaatgebonden dan de huidige minimale prestatienormen maar het vermijdt een té sterke, contraproductieve, fixatie van de gemeenten op hun restafvaldoelstelling (want daardoor zouden ze hun andere, minder kwantitatief geformuleerde, doelstellingen wel eens kunnen gaan verwaarlozen).

12.5

ASPECTEN VAN LOKALE PUBLIEKE FINANCIËN

We hebben geprobeerd een variant van het klassieke “median voter” model econometrisch te schatten. We hebben hiervoor een variant van onze voorgaande regressieanalyses geschat waarbij we deze keer de totale hoeveelheid afval in plaats van enkel de restafvalfractie proberen te verklaren. Uit het resultaat van de schatting kunnzn we volgende besluiten trekken:

101

•

De geschatte prijs- en inkomenselasticiteiten zijn substantieel hoger dan in onze voorgaande analyses die het gedrag van individuele gezinnen in plaats van gemeenten probeerden te verklaren. Er dient echter op gewezen te worden dat deze vergelijking niet 100% opgaat omdat we in deze paragraaf de totale hoeveelheid afval proberen te verklaren in plaats van de restafvalfractie.

•

Het intekengedrag op de cluster Vaste Stoffen van de Samenwerkingsovereenkomst heeft geen significante invloed op de totale hoeveelheid afval. Dit is waarschijnlijk het gevolg van het feit dat we de totale hoeveelheid afval als te verklaren variabele gebruiken. De resultaten zeggen niets over het al dan niet effectief zijn van de S.O. aangezien deze eerder op het stimuleren van recyclage en het reduceren van de restafvalfractie gericht zijn.

•

Structuurkenmerken zoals kustgemeente (+), bevolkingsdichtheid (-), oppervlakte (-) en aandeel van de bevolking tussen 0 en 4 jaar (+) hebben een significante invloed op de totale hoeveelheid afval.

•

Afvalophaling en –verwerking blijken eerder private dan publieke kenmerken te hebben in de zin dat bijkomende inwoners voorzien van deze gemeentelijke dienstverlening positieve meerkosten met zich meebrengt.

12.6

SUGGESTIES VOOR VERDER ONDERZOEK

Deze gevalstudie had een dubbele bedoeling. Ten eerste was de bedoeling een pedagogisch document te schrijven dat de mogelijkheden van kwantitatieve evaluatie van criteria zoals effectiviteit, efficiëntie en rechtvaardigheid illustreert aan de hand van een concrete gevalstudie. Ten tweede was de bedoeling om een bijdrage te leveren aan het debat over de Samenwerkingsovereenkomsten als schakel in het Vlaamse afvalstoffenbeleid en aanbevelingen te formuleren om dit beleidsinstrument nog verder te verfijnen en te verbeteren. We zijn er ons echter van bewust dat we maar ten dele in deze ambities gelukt zijn. Naar ons aanvoelen verdienen de volgende onderzoeksvragen nog verdere aandacht: •

Het zoeken naar en het gebruiken van gedetailleerde informatie over de kosten van afvalpreventieacties. Deze informatie zou belangrijke inzichten kunnen bijbrengen met betrekking tot: o

de analyse van de effectiviteit van de cluster Vaste Stoffen van de Samenwerkingsovereenkomst,

o

een meer doelgerichte efficiëntieanalyse die de milieuprestaties van de gemeenten (reductie van restafvalniveau) koppelt aan de daarvoor specifiek ingezette middelen,

o

een meer specifieke analyse van de verklarende factoren die het gemeentelijke afvalbeleid bepalen.

102

•

Het verruimen van het “kosten” concept in de efficiëntieanalyse naar “reguleringskosten” die ondermeer de administratieve, uitvoerings- en handhavingskosten omvatten.

•

Het verruimen van de draagwijdte van de evaluatie om de interacties met andere instrumenten in het Vlaamse Afvalstoffenbeleid (heffingen, uitvoeringsplannen, verpakkingsregels, …) uit te diepen.

Als onderzoekers hebben wij uit deze oefening geleerd dat elke gevalstudie zeer specifiek is en een grote investering vergt om de precieze voorwaarden en beleidscontext van de betrokken subsidie te leren kennen. Elke evaluatieoefening zal daarom pragmatisch moeten zoeken naar het juiste ambitieniveau zodat de verwachte opbrengsten van de evaluatie (verbeteringen van effectiviteit en efficiëntie bijvoorbeeld) in proportie staan tot de kosten in termen van onderzoekstijd en budget. Een stapsgewijze aanpak lijkt ons dan ook het meest aangewezen: men begint met een “quick scan” van het subsidiemechanisme. Daarna zamelt men informatie in over relevante verklarende variabelen en achtergrondeffecten die het gedrag van de doelgroep kunnen bepalen. Men organiseert eventueel een bevraging van de gebruikers (en niet-gebruikers) van de subsidie om extra inzicht te verwerven in hun gedragswijzigingen als gevolg van de subsidie. Pas daarna gaat men over tot statistische analyse van de ingezamelde gegevens waarbij de gebruikte methodes sterk zullen afhangen van de aard en kwaliteit van de gegevens. Tot slot lijkt het ons zeer belangrijk om in alle stappen van de evaluatie voldoende te communiceren met alle betrokkenen (subsidieverantwoordelijke, VOIs, …) omdat zij, veel meer dan wij onderzoekers, de echte kenners zijn van de te evalueren subsidie.

103

13 REFERENTIES Anderson, D.R., Sweeney, D.J., and Williams, T.A. (2006), Essentials of Statistics for Business and Economics, 4e edition (Thomson – South-Western, Mason, Ohio, USA). Blundell, R. En Costa Dias, M. (2000), Evaluation Methods for Non Experimental Data, Fiscal Studies 21, 427-468. Bratberg, E, Tjøtta, S. En Øines, T. (2005), Do voluntary international environmental agreements work?, Journal of Environmental Economics and Management 50, 583-597. De Bruyn, T., Bachus, K. en Gysen, J. (2003), Uitvoeringsplan Huishoudelijke Afvalstoffen 1997-2001, in: Van Steertegem, M. (red.), MIRA-BE 2003 Milieu- en natuurrapport Vlaanderen: beleidsevaluatie (Vlaamse Milieumaatschappij VMM, Erembodegem), blz. 163-196. De Jaeger, S., Eyckmans, J., Van Biervliet, K. en Van Puyenbroeck, T. (2005), Eindrapport Methodologie voor TWOL studie 2003-00164: Ontwikkeling van een coherent beleidskader voor de evaluatie van leefmilieugerelateerde financiële tegemoetkomingen (vooral subsidies) en toepassing van dit evaluatiekader op een aantal cases. Decoster, A. en Berlage, L. (2000), Inleiding tot de Economie (Universitaite Pers, Leuven), 751 blz. Dijkgraaf, E. (2005), Regulating the Dutch Waste Market, Proefschrift Erasmus Universiteit Rotterdam (SEOR, Rotterdam), 226 blz. Dijkgraaf, E. en Gradus, R. H. J. M. (2004), Cost savings in unit-based pricing of household waste The case of The Netherlands, Ressource and Energy Economics 26, 253-371. Field, A. (2002), Discovering Statistics using SPSS for Windows (Sage publications, London), 496 blz. Geeraerts, K., Leroy P. en Bursens, P. (2005), Overeenkomstig sturen? Centraal – lokale relaties in het Vlaamse water- en afvalbeleid. (Universiteit Antwerpen, Steunpunt Milieuwetenschappen), 219 blz. Greene, W.H. (1997), Econometric Analysis (Prentice Hall, Upper Saddle River NJ USA), 1075 blz. Jenkins, R. R. (1993), The Economics of Solid Waste Reduction: the impact of user Fees (Edward Elgar Publishing, Aldershot), 150 blz. Kinnaman, T. C. en Fullerton, D. (1999), The Economics of Residential Solid Waste Management (NBER working paper), 38 blz. Kinnaman, T. C., en Fullerton, D. (1996), Household responses to pricing by bag, The American Economic Review 86, blz. 971-984.

104

Linderhof, V. en Kooreman, P. en Allers, M. en Wiersma, D. (2001), Weight-based pricing in de collection of household waste: the Oostzaan case, Resource and Energy Economics 23, 359-371. Ministerie van de Vlaamse Gemeenschap (2002), De Gemeentefinanciën 2002: De

financiële toestand van de Vlaamse gemeenten op basis van de rekeningen van 2000. Rapport opgemaakt door Decoster G., 185 blz. Ministerie van Vlaamse Gemeenschap (2002) Brochure Samenwerkingsovereenkomst contracttekst 2002-2004.

bij 42

de p.

OVAM

(1997), Uitvoeringsplan Mechelen).

huishoudelijke

afvalstoffen

1997-2001,

(OVAM,

OVAM

(2002), Uitvoeringsplan Mechelen).

huishoudelijke

afvalstoffen

2003-2007,

(OVAM,

OVAM (2005) Onderzoek naar de gemeentelijke huisvuilbelasting- en retributiesysteem

inclusief voor KMO’s en zelfstandige ondernemers in Vlaanderen op 1 januari 2003. Studie uitgevoerd door X. Gellynck en P. Verhelst, Faculteit BioIngenieurswetenschappen, Vakgroep landbouweconomie (OVAM, Mechelen), 91 blz. Porter, R. C. (2002), The Economics of Waste (Resources for the Future, Washington, DC), 301 blz. Sterner, T., en Bartelings, H. (1999), Household Waste Management in a Swedish Municipality: Determinants of Waste Disposal, Recycling and Composting, Environmental and Resource Economics 13, blz 473-491. Tresch, W. (2002), Public Finance: A Normative Theory (Academic Press, Amsterdam), 950 blz. Turner, K.R. (1995), Waste Management, Hoofdstuk 19 in: Folmer, H. and Gabel, H.L. (eds), Principles of Environmental and Resource Economics (Edward Elgar, Cheltenham, UK), blz. 440-466. Vandeputte, M., Bachus, K., Sepelie, R., Vangeenbergen, B., Deraedt, B., Mazijn, B. en Vanassche, J. (2004), Evaluatie van de samenwerkingsovereenkomst. HIVA/CDOstudie, 116 blz. Verbeek, M. (2000) A Guide to Modern Econometrics (Wiley, Chichester UK), 386 blz.

105

14 BIJLAGEN Tabel 30: Gemiddeld restafval per intercommunale voor het jaar 2002 (kg/inwoner) Intercommunale

Kg restafval

Haviland IBOGEM IDM IGEAN ILVA IMOG Incovo Intercompost Interrand Interza IOK IVAGO IVAREM IVBO IVIO IVLA IVM IVMO IVOO IVVO IVRO IVVVA MIWA Regionale Milieuzorg

196,03

Zelf

128,27

136,11 104,67 163,11 127,48 186,04 187,06 128,95 172,45 174,89 135,86 159,34 155,48 215,28 191,21 150,66 184,79 187,24 234,85 255,52 190,00 127,69 213,39 148,42

Tabel 31: ANOVA voor gemiddeld kg restafval tussen de intercommunales (2002) Sum of Squares Between Groups Within Groups Total

df

Mean Square

387690,3

24

16153,76

616794,3

283

2179,485

1004485

307

106

F 7,412

Sig. 0

Tabel 32: Post-hoc test voor gemiddeld kg restafval tussen de intercommunales (2002)

x 1,000 0,941 0,002 1,000 0,022 0,000

x 0,085 0,000 0,984 0,000 0,000

x 0,199 1,000 0,738 0,012

MIWA

x 0,998 0,782 1,000 0,936 1,000 0,999 0,867

IVVVA

x 1,000 0,766 0,009 1,000 0,192 1,000 0,762 0,003

IVRO

x 0,979 1,000 0,112 0,000 0,960 1,000 0,720 1,000 1,000

IVVO

x 0,954 1,000 1,000 0,961 0,125 1,000 0,200 1,000 0,732 0,014

IVOO

IVM

x 1,000 0,354 0,991 1,000 1,000 0,931 1,000 0,010 1,000 0,085 0,000

IVMO

IVLA

107

x 0,353 0,970 1,000 0,987 1,000 0,109 0,000 0,973 0,999 0,759 1,000 0,981

IVIO

x 1,000 0,002 0,097 1,000 0,049 0,964 0,001 0,000 0,088 1,000 0,081 1,000 1,000

IVBO

x 1,000 0,996 0,001 0,067 1,000 0,040 0,912 0,000 0,000 0,062 1,000 0,052 1,000 1,000

IVAREM

x 0,151 0,219 0,995 0,999 1,000 0,989 1,000 1,000 0,892 0,058 1,000 0,346 1,000 0,893 0,044

IOK

x 0,257 1,000 1,000 0,998 0,005 0,135 1,000 0,115 0,921 0,001 0,000 0,132 1,000 0,080 1,000 1,000

Intercompost

x 0,814 0,999 0,643 0,788 1,000 0,309 0,984 1,000 0,994 1,000 0,091 0,000 0,986 0,892 0,811 1,000 0,228

IMOG

x 0,400 1,000 0,086 1,000 0,996 0,852 0,002 0,044 0,964 0,043 0,614 0,000 0,000 0,044 1,000 0,023 0,930 1,000

ILVA

x 1,000 1,000 1,000 0,988 1,000 1,000 1,000 0,580 0,966 1,000 0,985 0,999 0,265 0,015 0,971 1,000 0,781 1,000 1,000

IGEAN

x 0,869 0,004 0,526 0,006 1,000 0,001 0,000 0,668 1,000 1,000 0,679 1,000 1,000 0,960 0,042 1,000 0,016 1,000 0,149 0,000

IDM

IBOGEM

Zelf

Haviland Haviland IBOGEM IDM IGEAN ILVA IMOG InterIOK IVAREM IVBO IVIO IVLA IVM IVMO IVOO IVVO IVRO IVVVA MIWA Reg.

x 0,109 1,000 1,000

x 0,4 0,0

Tabel 33: ANOVAS restafval kustgemeente –gewone gemeente

Restafval 2000

Restafval 2001

Restafval 2002

Restafval 2003

Restafval 2004

Between Groups Within Groups Total Between Groups Within Groups Total Between Groups Within Groups Total Between Groups Within Groups Total Between Groups Within Groups Total

Sum of Squares 581869,9012 716543,2877 1298413,189 537826,7985 626955,1446 1164781,943 422317,2674 603320,79 1025638,057 334733,0296 488129,7128 822862,7424 257822,2673 428694,7092 686516,9765

108

df 1 306 307 1 306 307 1 306 307 1 306 307 1 306 307

Mean Square 581869,9 2341,645

F 248,4877

Sig. 0,0000

537826,8 2048,873

262,4988

0,0000

422317,3 1971,637

214,1963

0,0000

334733 1595,195

209,8383

0,0000

257822,3 1400,963

184,0322

0,0000

Tabel 34: Overzicht van de intercommunales Variabele X11 X12 X13 X14 X15 X16 X17 X18 X19 X20 X21 X22 X23 X24 X25 X26 X27 X28 X29 X30 X31 X32 X33 X34

Intercommunale: 1 = Haviland IBOGEM IDM IGEAN ILVA IMOG Incovo Intercompost Interrand Interza IOK IVAGO IVAREM IVBO IVIO IVLA IVM IVMO IVOO IVVO IVRO IVVVA MIWA Regionale Milieuzorg

109

Figuur 11: gestandaardiseerde residuals tegenover gestandaardiseerde voorspelde waarde

Regression Standardized Residual

4

2

0

-2

-4 -2

-1

0

1

2

3

4

Regression Standardized Predicted Value

110

5

Tabel 35: Collineariteit statistieken model 2 (Tolerance en VIF) Collinearity Statistics Tolerance Kustgemeente Ophaalfrequentie Inkomen per capita Kostprijs gemiddeld vlaams gezin Dummy 'Intekenniveau 2' D 'intercommunales 4e kwartiel intercommunales 1e kwartiel

0,9525 0,5503 0,9549 0,8702 0,9179 0,4166 0,6287

VIF 1,0499 1,8172 1,0472 1,1492 1,0895 2,4002 1,5905

Tabel 36: Collineariteit statistieken model 2 (Viance Propotions) Variance Proportions

Dimension 1 2 3 4 5 6 7 8

Kustgemeente 0,0027 0,0913 0,8635 0,0008 0,0309 0,0007 0,0101 0,0000

D 'Ophaalfrequentie' 0,0088 0,0254 0,0027 0,0023 0,4017 0,5372 0,0149 0,0070

Inkomen per capita 0,0000 0,0000 0,0000 0,0000 0,0002 0,0001 0,0144 0,9853

kostprijs gemiddeld vlaams gezin 0,0004 0,0000 0,0000 0,0002 0,0019 0,0010 0,9933 0,0031

111

D 'Intekenniveau 2' 0,0092 0,1019 0,0126 0,8049 0,0140 0,0558 0,0014 0,0001

D 'Intercommunales 4e kwartiel 0,0060 0,0352 0,0119 0,0011 0,0080 0,9287 0,0070 0,0022

D 'Intercommunales 1e kwartiel' 0,0054 0,1277 0,0378 0,1787 0,2769 0,2874 0,0602 0,0259

Tabel 37: Collineariteit statistieken model 3(Tolerance en VIF) Tolerance Ophaalfrequentie Kustgemeente Dummy 'Intekenniveau 2' kostprijs gemiddeld vlaams gezin Inkomen per capita

0,9148 0,9544 0,9855 0,948 0,9746

VIF 1,0932 1,0478 1,0147 1,0549 1,026

Tabel 38 Collineariteit statistieken model 3 (Viance Propotions) Variance Proportions

Dimension

(Constant)

Ophaalfrequentie

Kustgemeente

Dummy 'Intekenniveau 2'

1 2 3 4 5 6

0,0000 0,0000 0,0000 0,0001 0,0135 0,9863

0,0202 0,0217 0,0544 0,8647 0,0260 0,0131

0,0040 0,7591 0,1686 0,0592 0,0090 0,0000

0,0164 0,0903 0,7831 0,1055 0,0039 0,0008

112

kostprijs gemiddeld vlaams gezin

Inkomen per capita

0,0007 0,0001 0,0002 0,0014 0,9976 0,0001

0,0000 0,0000 0,0000 0,0001 0,0138 0,9860

Tabel 39: gemiddelde hoeveelheid restafval in 2001 per intekenniveau 2002 Intekenniveau 2002

Kg restafval 2001 176,53 180,91 146,61

0 1 2

Tabel 40: ANOVA gemiddelde hoeveelheid restafval in 2001 per intekenniveau 2002

Between Groups Within Groups Total

Sum of Squares 58123,40098 1106658,542 1164781,943

ANOVA Mean df Square 2 29061,7 305 3628,389 307

F

Sig.

8,009533

0,000407

Tabel 41 post-hoc test gemiddelde hoeveelheid restafval in 2001 per intekenniveau 2002

1

0 0 1 2

2

X 0,8557 0,0077

X

113

0,0003

X