Effect op autobezit van omzetting van de BPM in de Kilometerprijs

Effect op autobezit van omzetting van de BPM in de Kilometerprijs Eindrapport GERARD DE JONG MARCO KOUWENHOVEN PIETRO BUCCI JAN GERRIT TUINENGA

December 2009 Rapport voor het Planbureau voor de Leefomgeving

Inhoud

Samenvatting................................................................................................................v HOOFDSTUK 1 Inleiding....................................................................................... 1 1.1 Achtergrond.......................................................................................................1 1.2 Doelstelling en onderzoeksvragen.......................................................................2 1.3 Inhoud van dit rapport.......................................................................................2 HOOFDSTUK 2 Het SP/RP onderzoek................................................................... 5 2.1 Eisen die de modelspecificatie stelt aan de te verzamelen data.............................5 2.2 Populatie en steekproef ......................................................................................7 2.3 De vragenlijst.....................................................................................................8 HOOFDSTUK 3 De veldwerkdata en datakwaliteit............................................... 17 3.1 Doelen hoofdonderzoek ...................................................................................17 3.2 Kwaliteitsanalyse ..............................................................................................18 3.3 Autobezit van respondenten .............................................................................22 HOOFDSTUK 4 Autobezit.................................................................................... 23 4.1 Theoretisch model voor autobezit en -gebruik..................................................23 4.2 Autobezitsmodellen op de data uit het SI experiment.......................................24 4.3 Gezamenlijk RP/SI model voor autobezit.........................................................32 4.4 Gevolgen van de economische crisis ................................................................34 HOOFDSTUK 5

Toepassing van het autobezitsmodel........................................... 39

HOOFDSTUK 6

Autotypekeuze............................................................................ 43

HOOFDSTUK 7 Autogebruik ............................................................................... 45 7.1 Vergelijking hypothetische en waargenomen kilometrages................................45 7.2 Autogebruiksmodel ..........................................................................................46 HOOFDSTUK 8 Conclusies .................................................................................. 49 Referentie Lijst ...........................................................................................................51

iii

Effect op autobezit van omzetting van de BPM in de Kilometerprijs

Significance

APPENDICES .......................................................................................................... 53 Appendix A: Jackknife schattingen van autobezitsmodellen op de SI data .................. 55 Appendix B: Resultaten van de analyse van het autogebruik in hypothetische omstandigheden .............................................................................................. 57

iv

Samenvatting

De invoering van de Kilometerprijs in Nederland zal gepaard gaan met een afschaffing van de Belasting van personenauto's en motorrijwielen (BPM), de aanschafbelasting op motorvoertuigen. Dit zou tot een stijging kunnen leiden van het autobezit in Nederland. In dit rapport wordt verslag gedaan van een onderzoek naar de effecten van de omzetting van de BPM in de Kilometerprijs op het aantal privé-auto’s in Nederland. Ook wordt gekeken naar effecten op autogebruik en voertuigtypekeuze. Er is een vragenlijst opgesteld met experimenten waarin respondenten hypothetische situaties zijn voorgelegd over autobezit en typekeuze in hun huishouden (stated intentions en stated preference onderzoek) en gevraagd om uit de aangeboden alternatieven te kiezen. De interviews zijn uitgevoerd onder ruim 2500 huishoudens via het on-line panel van EuroClix/PanelClix. De aldus verkregen data zijn gebruikt voor het schatten van modellen voor autobezit, autotypekeuze en autogebruik. Hierbij hebben we gevonden dat consumenten in Nederland sterker reageren op een verandering in de nu te betalen aanschafprijs of vaste autokosten dan op een toekomstige reeks van in totaal even grote uitgaven aan Kilometerprijs of variabele kosten. Deze conclusie geldt zowel voor een experiment waarin we de omrekening naar vaste en variabele kosten per jaar al voor de huishoudens hebben uitgevoerd (segmenten B en D in Tabel S1) als voor een experiment waarin kenmerken luiden in hun eigen, niet direct vergelijkbare eenheden (segmenten A en C). Voor de keuze van autotype geldt dit aanmerkelijk minder sterk. Tabel S1.

Relatief belang van vaste en variabele kosten in autobezitsbeslissing Belang van 1 euro per jaar aanschafprijs t.o.v. 1 euro per jaar Kilometerprijs

Segment A

2−6

Segment B Segment C

Belang van 1 euro per jaar vaste kosten t.o.v. 1 euro per jaar variabele kosten

5 − 14 1−7

Segment D

1,3 (maar niet significant op 95%)

De bevinding dat huishoudens in hun keuzen van het aantal te bezitten privé-auto’s sterker reageren op vaste dan op variabele kosten hoeft nog niet op irrationeel gedrag te duiden. De oorzaak kan voor een belangrijk deel gelegen zijn in het feit dat huishoudens vaste kosten kunnen vermijden via de keuze van het aantal auto’s in het huishouden, maar de

v


Significance

variabele kosten kan men niet goed op via autobezitsbeslissingen vermijden, omdat met of zonder auto de noodzaak/behoefte om zich te verplaatsen blijft bestaan. Een andere verklaring voor sterkere autobezitsreacties op vaste dan op variabele kosten zou de instabiliteit in de brandstofprijzen kunnen zijn (in het nabije en verdere verleden), in combinatie met de onzekerheid die bij respondenten kan bestaan over het werkelijk doorgaan van de Kilometerprijs en over het constant blijven van de kilometertarieven. Zodra besloten is tot een voertuigtransactie, ligt de aanschafprijs vast en kan men werken met afschrijving van dit bedrag over zeg een levensduur van de auto van 10 jaar. Maar de brandstofprijzen en de Kilometerprijs in de komende 10 jaar zijn hoogste onzeker, en de huidige niveau’s zijn slechts imperfecte indicatoren van de variabele kosten en de komende jaren. We hebben een spreadsheet model opgesteld voor het autobezit van een huishouden en dit simultaan geschat op hypothetische en waargenomen keuzen. Hierin worden de resultaten voor de steekproef opgehoogd naar de Nederlandse bevolking Met het spreadsheetprogramma hebben we de effecten op autobezit doorgerekend van enkele combinaties van veranderingen in de vaste autokosten per jaar en Kilometerprijs. De uitkomsten staan in Tabel S2. Tabel S2.

Uitkomsten van simulaties voor veranderingen in vaste autokosten (incl. afschrijving) en kilometerheffing op autobezit (effecten die tussen 0 en 5 jaar optreden)

Verandering in het aantal privé-auto's

Verandering vaste kosten/jaar

Kilometerheffing

-10%

3 ct/km

4 ct/km

2.7%

2.3%

-10.7%*

4.6 ct/km

8 ct/km 0.4%

2.2%

-20%

8.0%

7.4%

5.3%

-30%

15.4%

14.7%

12.2%

* Een volledige afschaffing van de BPM levert een gemiddelde daling van de nieuwprijs van auto’s van 24,9% op. We nemen aan dat de afschrijving 3/7 deel van de vaste kosten per jaar zijn. Dan levert de afschaffing van de BPM een daling van de vaste kosten van 10.7% op.

Met het bestaande DYNAMO 2.1 model is een afschaffing van de BPM (overeenkomend met een daling van de vaste kosten met 10,7%) en een invoering van een Kilometerprijs (van 4,6 cent/km) gesimuleerd. Dit leverde een stijging van het privé-autobezit van 0,3% na 1 jaar, 1,8% na 5 jaar en 4,8% na 20 jaar. Een dergelijke simulatie hebben wij ook uitgevoerd met ons spreadsheetprogramma (Tabel S2). Onze simulatie vindt een stijging van het aantal privé-auto’s met 2,2%. Dit komt goed overeen met het DYNAMO resultaat na 5 jaar. Omdat het spreadsheetmodel is gebaseerd op hypothetische vragen over de volgende autotransactie, ligt het voor de hand dat de door ons gevonden resultaten betrekking hebben op een periode van 0 tot 5 jaar. In Tabel S3 worden kostenelasticiteiten uit ons onderzoek vergeleken met die uit de literatuur.1 Voor een verandering in de vaste autokosten (incl. afschrijving) vinden we een puntelasticiteit voor het aantal auto’s van -0,38. Deze elasticiteit is niet-lineair: de elasticiteit neemt toe (in absolute waarden) bij een toename van de verandering in de 1

Let op dat in de literatuur vaak sprake is van een aanschafprijselasticiteit en dat dit onderzoek een vastekostenelasticiteit is.

vi

Significance

Samenvatting

kosten. Bij een vermindering van de vaste kosten met 10% is de vaste kostenelasticiteit van het autobezit -0,42; bij een 20% reductie is deze -0,48. De variabele kostenelasticiteit (brandstofkosten en Kilometerprijs) van autobezit in het gezamenlijke SI/RP model is -0,041. Hier is er nagenoeg geen afhankelijkheid van de grootte van de kostenverandering. De elasticiteiten die wij in dit onderzoek vinden voor autobezit komen goed overeen met de elasticiteiten uit DYNAMO 2.1 na 1 jaar, maar zijn absoluut gezien kleiner dan de DYNAMO 2.1 elasticiteiten na 5 tot 20 jaar. Voor vaste kosten klopt door ons gevonden elasticiteit met de literatuur. De literatuur komt op grotere autobezitseffecten van variabele kostenveranderingen dan ons model, maar onze elasticiteiten van autobezit bevinden zich niet ver buiten het bereik dat de literatuur geeft. Tabel S3.

Vergelijking van vaste en variabele kostenelasticiteiten van autobezit Effect op autobezit Vaste kosten elasticiteit

Aanschafprijs elasticiteit

Variabele kosten elasticiteit

FACTS (Blok en Klooster, 1989) -NL

-0.1

-0.2

De Jong (1990) - NL

-1.1

-0.8

De Jong (1997) – Noorwegen

-0.8

-0.4

Dargay en Vythoulkas (1999) - VK Review van de internationale literatuur (Hanly et al. 2002) DYNAMO 2.14

Dit onderzoek

-0.4

1

Gebruikskostenelasticiteit Korte termijn / lange termijn 3 Brandstofprijselasticiteit 4 SE Scenario 2

vii

-0.3

-0.51

-0.2 / -0.52

-0.08 / -0.252,3

-0.17 (1 jaar) -0.33 (5 jaar) -0.45 (20 jaar)

-0.07 (1 jaar) -0.13 (5 jaar) -0.13 (20 jaar)

-0.18

-0.04

HOOFDSTUK 1

1.1

Inleiding

Achtergrond Bij de voorgenomen invoering van de Kilometerprijs voor het wegverkeer hoort een aanzienlijke vermindering van de Belasting van personenauto's en motorrijwielen (BPM), de aanschafbelasting op motorvoertuigen. Waarschijnlijk zal de BPM geheel worden afgeschaft en omgezet in beprijzing per kilometer. Naast effecten op het autogebruik en de samenstelling van het autopark heeft dit mogelijk ook effect op het aantal personenauto’s in Nederland. Door afschaffing van de BPM worden nieuwe auto’s goedkoper. Ook zal er een effect zijn op de tweedehandsprijzen. Dit alles kan aanleiding geven tot een stijging in het autobezit: autoloze huishoudens zullen wellicht een auto aanschaffen; andere huishoudens zullen er mogelijk een tweede of derde auto bijnemen. Aan de andere kant zullen de gebruikskosten stijgen, wat het autobezit weer negatief kan beïnvloeden. De vraag is nu hoe deze twee tegengestelde effecten op autobezit zich tot elkaar verhouden. Hierover is relatief weinig bekend. Het autobezitsmodel DYNAMO bevat zowel modelcomponenten voor het aantal auto’s dat een huishouden bezit als de keuze van autotype. Het eerste model is geschat op waarnemingen voor diverse jaren uit het Onderzoek Verplaatsingsgedrag (OVG). Het autotypekeuzemodel is geschat op gegevens uit een SP onderzoek uit 2001 over de effecten van Kilometerprijs. Nadeel van het OVG bij de bepaling van effecten van veranderingen in aanschafprijzen en kilometerkosten is het gebrek aan grote variaties over de tijd, met name in de aanschafprijzen. Afschaffing van de BPM zou de nieuwprijzen van auto’s met enkele tientallen procenten kunnen doen dalen, en hiervoor bestaan er geen waargenomen data. In het SP onderzoek uit 2001 lag de nadruk op de keuze van autotype, niet op het aantal auto’s dat een huishouden bezit. In het huidige model voor het aantal auto’s heeft de aanschafprijs wel een directe invloed, en de gebruikskosten een indirecte invloed. Deze gebruikskoten hebben namelijk een effect op het jaarkilometrage, en dat is weer een verklarende variabele voor het aantal auto’s. Per saldo domineert in DYNAMO het effect van de vermindering van de aanschafprijs het effect van de hogere Kilometerprijs. Het Planbureau voor de Leefomgeving wil nagaan of de gemodelleerde effecten van omzetting van de BPM in de Kilometerprijs plausibel zijn. Dit dient te geschieden middels empirisch onderzoek. Er is in Nederland geen recent empirisch onderzoek voorhanden wat specifiek ingaat op de effecten van een dergelijke maatregel op de omvang van het

1


Significance

autopark, en van buitenlands onderzoek is het de vraag of de gevonden elasticiteiten overdraagbaar zijn. Het Planbureau voor de Leefomgeving heeft Significance gecontracteerd voor de uitvoering van dit empirisch onderzoek.

1.2

Doelstelling en onderzoeksvragen Het doel van het project is: Het bepalen van de effecten op de omvang van het autopark in Nederland van omzetting van de aanschafbelasting op personenauto’s (BPM) in de Kilometerprijs. Deze effecten dienen uitgedrukt te worden in elasticiteiten (aanschaf-prijselasticteit en Kilometerprijselasticiteit van autobezit). Uitgangspunt in dit onderzoek is een volledige afschaffing van de BPM die dient als compensatie voor de Kilometerprijs die wordt ingevoerd. Wel zullen we in het voorgestelde experiment de aanschafprijzen van auto’s variëren, en op die manier verschillende varianten afdekken voor mate van afschaffing van de BPM en de doorwerking op de autoprijzen. Naar het effect van afschaffing van de Motorrijtuigenbelasting (MRB) wordt in dit onderzoek niet specifiek gekeken, hoewel deze ook in de Kilometerprijs wordt omgezet. De hoofddoelstelling van het onderzoek betreft de effecten op de omvang van het autopark. Daarnaast is het gewenst om in één en hetzelfde empirische onderzoek ook informatie te verkrijgen over de effecten van met name de afschaffing van de BPM (via de aanschafprijzen) op autotypekeuze en autogebruik. Recente consistente gegevens over effecten van zowel veranderingen in vaste als in variabele autokosten op zowel autobezit en autotypekeuze als -gebruik ontbreken. Deze zouden in een later stadium kunnen worden gebruikt bij de verdere ontwikkeling van DYNAMO. Daarom is het ook van belang om voor wat betreft mee te nemen variabelen en definities daarvan aan te sluiten bij wat gebruikt wordt in DYNAMO.

1.3

Inhoud van dit rapport In dit project is er allereerst in overleg met de opdrachtgever en de klankbordgroep een vragenlijst opgesteld, en die is geprogrammeerd voor interviews via Internet. Zowel de pilots als het hoofdonderzoek zijn uitgevoerd via het internetpanel van EuroClix/PanelClix (met programmering van de vragenlijst door Isiz). De vragenlijst wordt besproken in hoofdstuk 2. Hoofdstuk 3 betreft een beschrijving van de verkregen data set en de controles die we erop hebben uitgevoerd. Vervolgens zijn de gegevens gebruikt voor het schatten van modellen. Modellen voor het aantal auto’s in het huishouden worden gerapporteerd in hoofdstuk 4 (geschat op verschillende onderdelen van de vragenlijst. In hoofdstuk 5 volgen uitkomsten van toepassingen van de geschatte autobezitsmodellen, met name gericht op vaste en variabele kosten elasticiteiten van autobezit. Hiermee worden de hoofdvragen van dit onderzoek beantwoord.

2

Significance

Inleiding

In de twee hoofdstukken hierna wordt gerapporteerd over de uitkomsten op nevendoelen van dit onderzoek; hier gaat het om ‘bijvangst’. In hoofdstuk 6 worden modellen voor de autotypekeuze gepresenteerd. Schattingsresultaten voor modellen voor autogebruik staan in hoofdstuk 7. Hoofdstuk 8 tenslotte bevat een samenvatting en conclusies.

3

HOOFDSTUK 2

Het SP/RP onderzoek

In dit hoofdstuk besschrijven we de vragenlijst zoals die gebruikt is in het hoofdonderzoek. Er zijn eerdere versies geweest van de vragenlijst, die gebruikt zijn in de 1e en 2e pilot. Deze worden beschreven in Significance (2008).

2.1

Eisen die de modelspecificatie stelt aan de te verzamelen data De belangrijkste onderzoeksvraag (zie hoofdstuk 1) betreft het effect van de aanschafbelasting (BPM) en van de toekomstige Kilometerprijs op het aantal auto’s in het huishouden. Om deze vraag te kunnen beantwoorden is een model nodig van de vorm: N = f(M, T, …)

(1)

Waarbij geldt: N: Het aantal auto’s in het huishouden: N ∈ [0, 1, 2, 3+] M: Niveau van de BPM T: Niveau van de Kilometerprijs. Afschaffing van de BPM zal een effect op autobezit hebben dat loopt via de aanschafprijzen op de markt voor nieuwe en tweedehands auto’s (inclusief het effect op de inruilwaarde). Hiermee rekening houdend, kan het model worden gespecificeerd als: N = g(Pn, Pt, Kn, Kt, …)

(2)

Waarbij geldt: N: Het aantal auto’s in het huishouden: N ∈ [0, 1, 2, 3+] Pn: Aanschafprijs van een nieuwe auto Pt: Aanschafprijs van een tweedehands auto Kn: Kilometerprijs voor nieuwe auto Kt: Kilometerprijs voor tweedehands auto. Als we zouden aannemen dat het effect van een verandering in de aanschafprijzen zou lopen via de jaarlijkse vaste autokosten (waartoe behoren: afschrijving, verzekering,

5


Significance

houderschapsbelasting en reparatiekosten) en dat het effect van de Kilometerprijs zou lopen via de jaarlijkse variabele kosten (de som van brandstofkosten en de Kilometerprijs), dan kunnen we het model ook specificeren als: N = h(Fn, Ft, Vn, Vt, …)

(3)

Waarbij geldt: N: Het aantal auto’s in het huishouden: N ∈ [0, 1, 2, 3+] Fn: Vaste kosten van een nieuwe auto Ft: Vaste kosten van een tweedehands auto Vn: Variabele kosten van en nieuwe auto Vt: Variabele kosten van een tweedehands auto. De functionele vorm voor f, g of h zou (mixed) multinomial logit (MNL) kunnen zijn, maar ook ordered logit (OL) of probit. Bhat end Pulugurta (1998) vonden in hun toepasisng op autobezit dat MNL beter voldeed dan OL. In vergelijking (3) hebben alle monetaire attributen dimensie: de gezamenlijke noemer van deze kostenposten is euro’s op jaarbasis. Door de beleidsmaatregel (combinatie van afschaffing van de BPM en invoering van de Kilometerprijs) in het experiment in deze uniforme dimensie te presenteren aan de huishoudens, wordt feitelijk een aanzienlijke mate van rationaliteit aan de respondenten opgelegd. Het is interessanter om de beleidsmaatregel te presenteren als een eenmalige verandering in de aanschafprijs aan het begin van een autobezitsduur aan de ene kant en een steeds terugkerende verandering in de kosten per kilometer aan de andere kant, en om het aan de respondent over te laten of hij/zij deze veranderingen onder dezelfde noemer zal brengen. Nog interessanter is echter om het allebei uit te voeren en te testen of de uitkomsten van een model met eenmalige en terugkerende kosten verschillen van die van een model waarin alle monetaire attributen in euro’s per jaar luiden. Dat is wat wij in dit onderzoek ook doen. Zowel specificatie (2) als (3) kunnen de gevraagde elasticiteiten leveren. De vraag is of men bereid is als ondrzoeker om de aanname te maken (noodzakelijk voor specificatie (3)) dat afschaffing van de BPM en de compenserende Kilometerprijs zal lopen via de jaarlijkse vaste en variabele autokosten. In dit project zullen we data verzamelen en modellen schatten met en zonder deze veronderstelling. Zonder de veronderstelling maken we gebruik van specificatie (2), waarbij er en direct effect is van aanschafprijs en Kilometerprijs op autobezit. We noemen dit de hoofdvariant. Met de veronderstelling gaat het om specificatie (3), waarbij het effect loopt via de vaste en variabele kosten per jaar. We noemen dit de nevenvariant. De modellen (1) - (3) zijn statische bezitsmodellen. Echter in de enquêtes worden de huishoudens gevraag naar veranderingen (transacties) in hun autobezitssituatie, gemeten ten opzichte van de huidige situatie, zoal: aanschat f van een auto, vervangen van een auto, afstoten van en auto. De modellen die geschat worden op deze data kunnen ook de

6

Significance

Het SP/RP onderzoek

effecten op het aantal auto’ leveren, maar door gebruik van de transactie specificatie benaderen ze het werkelijke keuzeproces van de huishoudens beter. Gegeven dat de Kilometerprijs nog niet is ingevoerd in Nederlands, kunnen de preferenties van de respondenten alleen verkregen worden door middel van experimentele data, zoals stated preference (SP) onderzoeken. Om afruilratio’s (ratio’s tussen de modelcoëfficiënten), te verkrijgen, kunnen SP onderzoeken voldoende zijn, maar de variantie van de storingsterm van SP onderzoeken zal waarschijnlijk afwijken van die van waargenomen keuzen. Dit komt omdat in de SP vele kenmerken constant gehouden worden, die in de werkelijkheid wel degelijk variëren. Een gevolg hiervan is dat modellen die slechts gebaseerd zijn op SP data (of andere experimentele data) op zich niet geschikt zijn voor prognosedoeleinden. In dit onderzoek worden uitkomsten gevraagd in der vorm van elasticiteiten, wat prognoses zijn. Daarom combineren we in dit onderzoek SP data met revealed preference (RP) data. Er worden modellen op de gezamenlijke SP en RP data geschat, waaronder de SP schaalparameter (die de variantie van de storingsterm bepaalt) gecalibreerd wordt op die uit de waargenomen keuzen, om te corrigeren voor de verschillen in dev ariantie van de storingstermen.

2.2

Populatie en steekproef De te onderzoeken populatie bestaat uit alle huishoudens in Nederland (die minimaal één rijbewijs hebben). We maken een onderscheid tussen huishoudens zonder privé-auto’s en huishoudens met één of meer privé-auto’s. We verwachten dat deze twee groepen verschillend zullen reageren op veranderingen in de BPM en de Kilometerprijs, omdat de keuze-alternatieven voor deze groepen verschillend zijn (overgang van 0 naar 1 auto c.q. aanschaffen van een extra auto), en omdat er voor huishoudens met een auto ook een effect van de beleidsmaatregel op de inruilwaarde van de huidige auto(s) kan zijn. Huishoudens zonder auto vormen een betrekkelijk kleine groep in Nederland (22%). Er is zeer weinig bekend over hun geneigdheid om een auto te kopen als de BPM zou verdwijnen en de aanschafprijs fors zou dalen. Aangezien wij aparte modellen voor deze groep willen schatten (waarvoor een minimum steekproefgrootte nodig is), gebruiken we een gestratificeerde steekproef, waarbij de huishoudens zonder auto zijn oververtegenwoordigd. De twee strata wat dit betreft zijn: −

Huishoudens zonder privé-auto’s: doelstelling is 1000 succesvol afgeronde interviews;

−

Huishoudens met één of meer privé-auto’s: doelstelling is 1500 succesvol afgeronde interviews.

Binnen ieder van deze twee groepen wordt 50% van de interviews gedaan met experimenten waarin aanschafprijs en Kilometerprijs voorkomen als attributen, en 50% met jaarlijkse vaste autokosten en jaarlijkse variabele autokosten als attributen (de toedeling aan deze twee varianten geschiedt aselect). Dus de te behalen aantallen interviews zijn 500/500 voor de huishoudens zonder privé-auto’s en 750/750 voor de huishoudens met één of meer privé-auto’s.

7


Significance

Het is onwaarschijnlijk dat huishoudens zonder rijbewijs vanwege de afschaffing van de BPM zullen besluiten een rijbewijs te gaan halen., zodat ze dan in een van die goedkoper geworden auto’s zouden mogen rijden. Daarom zijn huishoudens zonder rijbewijs uitgesloten van het onderzoek. Dit onderzoek gaat over de reacties van huishoudens. De besluitvorming over een leaseauto of auto van de zaak bevindt zich voor een belangrijk deel in het domein van de werkgever. De experimenten in dit onderzoek richten zich derhalve op privé-auto’s, niet op auto’s van de zaak of lease-auto’s. Wel is het zo dat de aanwezigheid van een lease auto of auto van de zaak van invloed kan zijn op de keuze van een huishouden op het gebied van privé-auto’s. Daarom zijn huishoudens met lease auto’s/auto’s van de zaak wel meegenomen in dit onderzoek, en is er gevraagd of het huishouden de beschikking had over zulke auto’s. Dit maakt het mogelijk om in de modelschatting te testen of er verschillen zijn in het gedrag van huishoudens met en zonder lease-auto/auto van de zaak. De interviews warden uitgevoerd via het internet, gebruik makend van het panel van EuroClix/PanelClix. De respondent is een persoon die betrokken zou zijn bij de besluitvorming binnen het huishouden over toekomstige aanschaf van een auto.

2.3

De vragenlijst De vragenlijst bestaat uit vijf onderdelen. Deel 1: vragen over personen en auto’s in het huishouden

Dit deel bevat vragen over: −

het aantal rijbewijzen;

−

het aantal personenauto’s (privé en lease/van de zaak);

−

het autotype voor maximaal drie privé-auto’s (leeftijd, carrosserievorm, grootte, modelage, brandstoftype, verbruik, jaarlijks kilometrage);

−

leeftijd, geslacht en bezigheid (loondienst, zelfstandige, student, gepensioneerd) voor maximaal vijf personen in het huishouden.

Part 2: Stated Intentions Experiment 1 (autobezit)

In dit experiment, worden aan de respondent mogelijke toekomstige situaties getoond. We noemen dit eerste experiment een Stated Intentions (SI) experiment, en niet een Stated Choice (SC) of Stated Preference (SP) experiment, omdat er één situatie tegelijk wordt gepresenteerd, in plaats van meerdere alternatieven die beschreven worden aan de hand van meerdere attributen. Een mogelijke toekomstige situatie in ons SI experiment wordt beschreven aan de hand van attributen zoals de aanschafprijs van een nieuwe auto en voor een vijf jaar oude auto en de Kilometerprijs. Vervolgens wordt het huishouden gevraagd wat het in deze situatie zou doen (een extra auto kopen, niets doen, enz. ).

8

Significance

Het SP/RP onderzoek

De attributen in het SI experiment zijn: Segment A (geen privé auto, hoofdvariant) en C (1+ privé auto’s, hoofdvariant): −

aanschafprijs van nieuwe auto’s (% reductie en een absoluut voorbeeld voor een gemiddelde nieuwe auto);

−

aanschafprijs van tweedehands auto’s (% reductie en een absoluut voorbeeld voor een gemiddelde vijf jaar oude auto);

−

alleen voor segment C: inruilwaarde voor huidige privé auto of (als het huishouden meerdere privé auto’s bezit) de privé auto die als eerste zou worden vervangen (% reductie en absoluut niveau voor en na de maatregel);

−

Kilometerprijs (eurocent/km).

Segment B (geen privé auto, nevenvariant) en D (1+ privé auto’s, nevenvariant): −

vaste kosten (inclusief afschrijving) van nieuwe auto’s (% reductie en een absoluut voorbeeld voor een gemiddelde nieuwe auto);

−

vaste kosten (inclusief afschrijving) van tweedehands auto’s (% reductie en een absoluut voorbeeld voor een gemiddelde vijf jaar oude auto);

−

alleen voor segment D: Vaste kosten voor de huidige privé auto of (als het huishouden meerdere privé auto’s bezit) de privé auto die als eerste zou worden vervangen (% reductie en absoluut niveau voor en na de maatregel);

−

variabele kosten (inclusief Kilometerprijs) van auto’s (% toename en absoluut voorbeeld voor een gemiddelde auto);

−

alleen voor segment D: Variabele kosten (inclusief Kilometerprijs) van de huidige privé auto of de privé auto die als eerste zou worden vervangen (% reductie en absoluut niveau voor en na de maatregel).

Hieronder worden voorbeelden gegeven van de keuzeschermen in het SI experiment voor de vier segmenten.

9


Figuur 1. Voorbeeld keuzescherm in het Stated Intentions experiment (Segment A)

Figuur 2. Voorbeeld keuzescherm in het Stated Intentions experiment (Segment B)

10

Significance

Significance

Het SP/RP onderzoek

Figuur 3. Voorbeeld keuzescherm in het Stated Intentions experiment (segment C)

Figuur 4. Voorbeeld keuzescherm in het Stated Intentions experiment (Segment D)

11


Significance

In alle varianten van dit experiment werd de respondenten meegedeeld dat men er van moest uitgaan dat de Motorrijtuigenbelasting (MRB) volledig zou worden afgeschaft. Om voldoende variatie te krijgen worden niet alleen situaties gepresenteerd waar de BPM volledig wordt afgeschaft, maar zowel situaties met grote reducties in de BPM als volledige afschaffing ervan. De mogelijke antwoorden bij de keuzeschermen staan in de Figuren 1 tot en met 4. De antwoordcategorieën verschillen tussen aan de ene kant segmenten A en B (autoloze huishoudens) en Segmenten C en D (autobezittende huishoudens), omdat de autobezittende huishoudens ook een auto kunnen inruilen of wegdoen. Het aantal keuzeschermen dat een respondenten te zien kreeg in het SI experiment was negen (dit geldt voor alle vier de segmenten), wat dus negen warnemingen (keuzen) per respondent oplevert. Voor het SI experiment gebruikten we een full factorial orthogonal design. Dit betekent dat alle mogelijke combinaties van attribuutwaarden worden gebruikt, in plaats van een selectie eruit. Deel 3: Vragen over autogebruik:

In dit deel vragen we hoeveel kilometers het huishouden per jaar zou rijden in ieder van de auto’s die het zou bezitten in een situatie van lagere aanschafprijzen en hogere gebruikskosten (zoals gepresenteerd in deel 2). Deel 4: Stated Preference experiment

Binnen de vragenlijst is er voor iedere respondent ook een tweede experiment. Hierion wordt het huishouden gevraagd om te kiezen tussen twee auto’s, aangegeven met A en B, die worden beschreven aan de hand van voertuigkenmerken. De attributen in dit experiment, dat wel een SP experiment is, met twee alternatieven per keuzesituatie, zijn: Segment A en C (zie ook Figuur 5): −

Grootteklasse van de auto (miniklasse, economy klasse, compacte klasse, middenklasse, hogere middenklasse, topklasse; geïllustreerd met drie foto’s per grootteklasse)

−

Leeftijd

−

Aanschafprijs (in euro’s)

−

Brandstoftype

−

Brandstofverbruik

−

Vaste kosten per jaar (excl. afschrijving)

−

Kilometerprijs (eurocent/km).

Segment B en D (zie ook Figuur 6): −

Grootteklasse van de auto (miniklasse, economy klasse, compacte klasse, middenklasse, hogere middenklasse, topklasse; geïllustreerd met drie foto’s per grootteklasse)

−

Leeftijd

12

Significance

Het SP/RP onderzoek

−

Brandstoftype

−

Brandstofkosten per jaar

−

Vaste kosten per jaar (incl. afschrijving)

−

Kosten van kilometerbeprijzing per jaar.

Iedere respondent werd gevraagd zijn/haar geprefereerde alternatief aan te geven voor twaalf binaire keuzesituaties. De mogelijke antwoorden staan in de voorbeelden van de keuzeschermen in Figuren 5 en 6. In het SI experiment hebben we na de pilots het antwoord ‘weet niet’ verwijderd omdat er ons inziens te makkelijk gebruik van werd gemaakt (met name respondenten die altijd dit antwoord kozen). Dit was niet het geval voor het SP experiment, zodat we daar de ‘weet niet’ categorie hebben gehandhaafd.

Figuur 5. Voorbeeld keuzescherm in het Stated Preference experiment (Segment A en C)

13


Significance

Figuur 6. Voorbeeld keuzescherm in het Stated Preference experiment (Segment B en D)

Voor het SP experiment hebben we een statistische design gebruikt met enige mate van correlatie tussen de attributen (b.v. een positieve correlatie tussen de leeftijd van de auto en de vaste kosten, excl. afschrijving). Dit verhoogt de realiteitsgraad van het experiment in de ogen van de respondenten. De hoeveelheid correlatie is getest en aangepast in de twee pilots. Deel 5: Overige informatie over persoon en huishouden:

Tenslotte vragen we over: −

Postcode van het huishouden

−

Parkeervergunningen

−

Netto huishoudinkomen per jaar

−

Hoe men dit onderzoek heeft ervaren.

14

Significance

Het SP/RP onderzoek

De vragenlijst is getest in een 1e pilot die is uitgevoerd op 10 november 2008 (ruim 200 waarnemingen, minimaal 50 per segment). Na de 1e pilot is besloten dat de vragenlijst op enkele punten aanzienlijk gewijzigd zou moeten worden (met name vereenvoudiging van het SI experiment lover autobezit, en aanpassing van de correlaties tussen attributen in het SP experiment over autotypekeuze). Bij dergelijke grote veranderingen is een nieuwe pilot raadzaam, en deze is ook uitgevoerd. De 2e pilot is uitgevoerd op 26 november 2008 (ook ruim 200 interviews, minimaal 50 per segment). Vervolgens is geconstateerd dat de wijzigingen het gewenste effect hadden en is het hoofdonderzoek uitgevoerd. De bevindingen van de pilots en het veldwerkverslag zijn in detail gerapporteerd in Significance (2008).

15

HOOFDSTUK 3

3.1

De veldwerkdata en datakwaliteit

Doelen hoofdonderzoek De interviews van het hoofdonderzoek zijn uitgevoerd in de periode 5-12 december 2008. Voor wat betreft de in totaal te behalen aantallen afgeronde interviews zijn er vier segmenten onderscheiden: A. Huishoudens zonder privé-auto, hoofdvariant (kostenattributen in verschillende eenheden) B. Huishoudens zonder privé-auto, nevenvariant (kostenattributen in dezelfde eenheden) C. Huishoudens met 1 of meer privé-auto’s, hoofdvariant (kostenattributen in verschillende eenheden) D. Huishoudens met 1 of meer privé-auto’s, nevenvariant (kostenattributen in d zelfde eenheden) Voor ieder van de groepen A en B was als doel gesteld minimaal 500 succesvol afgeronde interviews, voor de groepen C en D ieder minimaal 750 interviews. In totaal gaat het bij dit onderzoek om 2500 afgeronde interviews. Na de 2e pilot zijn slechts enkele kleine wijzigingen aangebracht in de vragenlijst. De gegevens van de 2e pilot kunnen gebruikt worden in de analyse, en tellen derhalve mee als afgeronde interviews. In totaal zijn er door PanelClix 28.000 uitnodigingen verstuurd (inclusief de pilots) en zijn er 11.245 reacties gemeten op deze uitnodigingen. Zoals te zien is in de onderstaande tabel zijn, bij meetellen van de data uit de 2e pilot, de doelen in termen van aantallen respondenten per segment ruimschoots gehaald. Met name bij de segmenten 3 en 4 is er sprake van een aanzienlijke overschrijding van de target. De tweede pilot bestond uit 231 interviews en het hoofdonderzoek bestond uit 2488 interviews.

17


Significance

Tabel 1. Aantal succesvol afgeronde interviews Fase Hoofdonderzoek

Pilot Segment

A – geen privé auto, hoofdvariant

53

472

525

B – geen privé auto, nevenvariant

52

471

523

C – 1+ privé auto’s, hoofdvariant

64

775

839

D – 1+ privé auto’s, nevenvariant

62

770

832

231

2488

2719

Totaal

3.2

Totaal

Kwaliteitsanalyse Voor een indeling in huishoudcategorie is het noodzakelijk om het aantal volwassenen per huishouden te bepalen. Dit wordt gedefinieerd als het aantal personen in het huishouden dat 18 jaar of ouder is. De volgende tabel toont het aantal volwassenen per huishouden:

Tabel 2. Aantal volwassenen in het huishouden Fase Hoofdonderzoek

Pilot Aantal volwassenen

0

12

167

179

1

68

638

706

2

108

1240

1348

3

23

272

295

4

15

134

149

5

37

42

231

2488

2719

5 of meer Totaal

Totaal

Het is opvallend dat er 179 huishoudens zijn zonder volwassenen. Een meer gedetailleerde inspectie van de data laat zien dat deze respondenten de leeftijden van geen van de leden van de huishoudens hebben ingevuld (altijd leeftijd = 0 of 1). Omdat we voor deze respondenten niet in staat zijn om het type huishouden of de gemiddelde leeftijd te bepalen is besloten deze respondenten van verdere analyse uit te sluiten. Dit levert de volgende (resterende) dataset op:

18

Significance


Tabel 3. Aantal interviews na verwijderen van leeftijd = 0 of 1 Fase Hoofdonderzoek

Pilot Segment

Totaal


51

437

488


48

426

474


61

736

797


59

722

781

219

2321

2540

Totaal

In 962 huishoudens (segment A en B) is geen privé auto aanwezig. De overige huishoudens hebben tussen de 1 en 6 privé auto’s, zoals te zien is in de volgende tabel:

Tabel 4. Aantal privé auto’s in het huishouden Over hoeveel privé auto's heeft uw huishouden de beschikking? Het gaat hier om personenauto's die op naam staan van een persoon in uw huishouden 0

1

2

3

4

5

Totaal

6

Segment A

488

-

-

-

-

-

-

488

Segment B

474

-

-

-

-

-

-

474

Segment C

-

575

193

23

4

1

1

797

Segment D

-

560

190

23

8

0

0

781

962

1135

383

46

12

1

1

2540

Totaal

Van maximaal drie auto’s is het kilometrage gevraagd. Deze kilometrages zijn als volgt verdeeld (alleen voor respondenten met een privé auto in het huishouden, dus uit segmenten C en D):

19


Significance

Tabel 5. Aantal kilometers per jaar per privé auto Eerste auto Niet aanwezig

Auto die ingeruild zal worden

Derde

Tweede auto

auto

1135

1518

0 – 99 km/jaar

6

5

2

9

100 – 999 km/jaar

11

8

2

13

1.000 – 9.999 km/jaar

362

172

27

435

10.000 – 19.999 km/jaar

693

170

17

676

20.000 – 99.999 km/jaar

487

82

10

423

100.000 – 149.999 km/jaar

14

3

1

15

150.000 en meer km/jaar

5

3

1

7

1578

1578

1578

1578

Totaal

We hebben twijfels bij de hele kleine aantallen kilometers (negen respondenten met 0 – 99 per jaar) en hele grote aantallen kilometers per jaar (zeven respondenten met 150.000 en meer, maar ook een respondent die opgeeft dat hij 123.467 kilometer per jaar rijdt). Daarom hebben we besloten om deze zeventien respondenten uit te sluiten van de verdere analyse. Alle respondenten uit huishoudens die momenteel geen privé auto bezitten hebben aangegeven dat zij, in het geval dat ze besluiten alsnog een auto aan te schaffen, tussen 2.500 en 50.000 kilometer per jaar zullen gaan rijden. Dit lijkt ons plausibel. Echter, er waren ook 17 respondenten (waarvan 1 uit de 2de pilot) die geen verwacht kilometrage hebben opgegeven. Deze worden ook uit de dataset verwijderd. Dit levert de volgende resterende dataset op.

Tabel 6. Aantal interviews na verwijderen van respondenten met onwaarschijnlijke en met ontbrekende kilometrages Fase Hoofdonderzoek

Pilot Segment

Totaal


50

421

471


48

426

474


60

726

786


56

719

775

214

2292

2506

Totaal

20

Significance


Aan de respondenten uit huishoudens die 1 of meer privé auto’s in hun bezit hebben (segmenten C en D), is gevraagd wat de inruilwaarde van deze auto is. De verdeling van de opgegeven inruilwaardes wordt in de volgende tabel weergegeven. Tabel 7. Inruilwaarde van de privé auto’ die het eerst voor inruil in aanmerking komt Segment C

Totaal

D

2.001 – 3.000 euro

145

153

298

3.001 – 4.000 euro

76

82

158

4.001 – 6.000 euro

178

159

337

6.001 – 10.000 euro

152

146

298

10.001 – 15.000 euro

144

150

294

15.001 – 25.000 euro

50

52

102

25.001 – 50.000 euro

32

25

57

50.001 euro en meer

9

8

17

786

775

1561

Totaal

Er is besloten geen respondenten uit te sluiten op basis van de opgegeven inruilwaardes. Elke respondent is gevraagd naar het netto inkomen van alle leden van het huishouden gezamenlijk per jaar. De verdeling van de opgegeven inkomens wordt in de volgende tabel getoond.

Tabel 8. Netto huishoudinkomen per jaar Fase Hoofdonderzoek

Pilot Wat is ongeveer het netto inkomen van alle leden van uw huishouden gezamenlijk per jaar?

Totaal

0-10.000 euro

26

267

293

10.001 -20.00 euro

28

422

450

20.001 - 30.000 euro

33

525

558

30.001 - 40.000 euro

28

509

537

40.001 - 50.000 euro

18

230

248

50.001 - 60.000 euro

10

175

185

60.001 - 80.000 euro

5

88

93

80.001 euro en meer

6

76

82

60

0

60

214

2292

2506

weet niet Totaal

Tijdens de 2de pilot kon als antwoord “Weet niet” worden opgegeven. Ruim een kwart van de respondenten kozen toen voor dit antwoord. Dit leverde een probleem op bij de

21


Significance

analyse, omdat deze mensen niet op basis van inkomen konden worden opgedeeld in categorieën. Daarom is tijdens het hoofdonderzoek deze antwoordmogelijkheid niet meer getoond. De 60 respondenten met dit antwoord uit de pilot zijn weggelaten uit de verdere analyse. Dit levert de volgende resterende dataset op.

Tabel 9. Aantal interviews na verwijderen van respondenten met ontbrekende inkomens Fase Hoofdonderzoek

Pilot Segment

Totaal


38

421

459


36

426

462


40

726

766


40

719

759

154

2292

2446

Totaal

De gemiddelde interviewduur is ruim 10 minuten Veel respondenten beantwoorden de vragen, inclusief 2 experimenten, binnen 10 minuten. Dit is opvallend snel, en waarschijnlijk een kenmerk van een dergelijk internetpanel.

3.3

Autobezit van respondenten De indeling in segmenten in gebaseerd op het al dan niet bezitten van een privé-auto. De respondenten zijn echter ook gevraagd hoeveel auto’s van de zaak of lease-auto’s ter beschikking van hun huishouden staan. Tabel 10 geeft een overzicht van het aantal bedrijfsauto’s en het aantal privé-auto’s dat ter beschikking staat van de huishoudens. Dus van de huishoudens zonder privé-auto heeft ongeveer één derde deel de beschikking over (tenminste) één bedrijfsauto. Tabel 10. Aantal bedrijfs- en privé-auto’s dat aan de huishoudens ter beschikking staat Aantal bedrijfsauto’s dat ter beschikking staat van het huishouden 0 Aantal privéauto’s dat ter beschikking staat van het huishouden Totaal

672

214

33

3 of meer 2

1

745

325

28

3

1101

2

273

32

58

4

367

3 of meer

1

2

Totaal

0

921

36

10

0

11

57

1726

581

119

20

2446

22

HOOFDSTUK 4

4.1

Autobezit

Theoretisch model voor autobezit en -gebruik In een model waarin het nut van een duurzaam consumptiegoed uitsluitend ontleend wordt aan het gebruik van dat goed, zullen de vaste kosten een fundamenteel andere rol spelen dan de variabele kosten. Variabilisatie van de vaste kosten, zelfs als die kostenneutraal is voor de gemiddelde gebruiker, kan dan ook bij rationeel gedrag leiden tot veranderingen in autobezit en -gebruik (de Jong, 1990). Hieronder wordt dit uitgewerkt. In een micro-economisch model voor de keuze van het jaarlijkse aantal autokilometers (met als prijs de variabele kosten per kilometer) en alle andere goederen en diensten (met een genormaliseerde prijs van één), zullen veranderingen in de veste en variabele kosten een verschillend effect hebben op autobezit en -gebruik (de Jong, 1990; zie Figuur 7). In de situatie voor de variabilisatie (situatie 0), loopt de budgetlijn voor een bepaald huishouden van het huishoudinkomen (punt Y, zonder auto), eerst recht naar beneden naar Y-C0 (met een auto; C geeft de vaste kosten per jaar weer), en dan schuin naar beneden met een hellingshoek die afhangt van de variabele kosten (per kilometer) v0. Een verandering in de variabele autokosten zal de helling van het schuine deel van de budgetlijn veranderen. Een verandering in de vaste kosten zal het besteedbaar inkomen (restinkomen: inkomen min de vaste kosten) veranderen, en dus het schuine gedeelte van de budgetlijn verschuiven, zonder de hellingshoek te beïnvloeden. Het valt te verwachten dat veranderingen in de vaste kosten een relatief groot effect hebben op autobezit en veranderingen in de variabele kosten een relatief groot effect op autogebruik. Zo kan een vermindering van de vaste kosten per jaar van 500 euro tot gevolg hebben dat een huishouden zonder privé-auto een auto koopt, ook als de variabele kosten eveneens met 500 euro per jaar zouden stijgen (voor het landelijk gemiddelde autokilometrage). Dit huishouden zou dan wel een lager dan gemiddeld aantal kilometers per jaar gaan rijden. Voor het huishouden in Figuur 7, kan in situatie 0 de hoogste indifferentiecurve (deze is ook getekend) bereikt worden door te kiezen voor punt Y, dat wil zeggen: geen autobezit. In situatie 1, zijn de vaste kosten aanzienlijk verlaagd, terwijl de variabele kosten zijn gestegen (het break-even punt is bij 15,000 km per jaar). Nu kan het huishouden dezelfde optimale indifferentiecurve niet alleen bereiken bij Y, maar ook bij een positief kilometrage (rond 8,000 km, dus duidelijk lager dan 15,000 km): het huishouden zal indifferent zijn tussen het bezitten en niet bezitten van een privé-auto. Zodra de variabilisatie maatregel ook maar iets omvangrijker wordt dan in situatie 1, zal het huishouden er de voorkeur aan geven om een auto te bezitten.

23


Figuur 7.

4.2

Significance

Budgetlijnen en een indifferentiecurve voor autokilometers en andere goederen en diensten (met prijs 1)

Autobezitsmodellen op de data uit het SI experiment Er zijn multinomiale logit (MNL) modellen geschat in Alogit. In deze modellen wordt het nut van één van de keuze-alternatieven (de optie ‘Nee’ in segmenten A en B en de optie ‘De huidige auto houden, geen andere auto kopen’ in segmenten C en D) op 0 gezet (referentie alternatief). De schattingsresultaten waren van vergelijkbare kwaliteit bij schatting op alleen de waarnemingen van de ‘traders’ (respondenten die niet bij alle negen keuzesituaties hetzelfde antwoord geven) en bij schatting op de warnemingen voor alle respondenten. De resultaten die hierna gepresenteerd worden zijn gebaseerd op alle respondenten, niet alleen de ‘traders’, en betreffen zowel het hoofdonderzoek als de tweede pilot. Tabel 11 bevat de schattingsresultaten voor segment A (huishoudens zonder auto, zonder omzetting van de variabelen naar kosten per jaar). Het referentie alternatief is het niet kopen van een auto. We verwachten een negatief effect van de prijzen van nieuwe auto’s op de kans om een nieuwe auto te kopen, en een negatief effect van de prijzen van gebruikte auto’s op de kans op aanschaf van en tweedehands auto. Dit is ook wat we vinden in de schatting. De Kilometerprijs heeft een negatief effect op autobezit. Ook houden we in dit model rekening met waargenomen heterogeniteit tussen respondenten, door interactietermen van de coëfficiënten voor aanschafprijs en Kilometerprijs met kenmerken van de huishoudens en personen. Zo neemt het effect van de prijs van een nieuwe auto af met toenemend huishoudinkomen. In de tabel zijn dit additieve coëfficiënten. Dus de aanschafprijscoëfficiënt voor huishoudens met een laag inkomen (0 – 20.000 euro/jaar) is gelijk aan de basiscoëfficiënt (= -3.24·10-4). Voor huishoudens met een inkomen tussen 20,001 en 40,000 euro/jaar wordt deze coëfficiënt -2.78·10-4 (= -3.24·10-4 + 0.46·10-4), enzovoort.

24

n.v.t.

-0.105 -0.058 -0.120 0.110 0.121

Coëfficiënt voor de kilometerprijs (eurocent/km) Add. coëff. voor huish. met gem. leeftijd volwassenen 30-39 Add. coëff. voor huish. met gem. leeftijd volwassenen 40+ Add. coëff. voor huish. met inkomen 50,001 € of meer Add. coëff. voor huish. met 1 werkende persoon

-3.24E-4 -0.31E-4 0.23E-4 0.46E-4 0.82E-4 1.33E-4 0.31E-4

Coëfficiënt voor de aankoopprijs van een 2de hands auto (€) Add. coëff. voor huish. met 2+ volwassenen Add. coëff. voor huish. met 2+ werkende personen

Coëfficiënt voor de aankoopprijs van een nieuwe auto (€) Add. coëff. voor huish. met gem. leeftijd volwassenen 30-39 Add. coëff. voor huish. met gem. leeftijd volwassenen 40+ Add. coëff. voor huish. met inkomen 20,001 – 40,000 € Add. coëff. voor huish. met inkomen 40,001 – 50,000 € Add. coëff. voor huish. met inkomen 50,000 € of meer Add. coëff. voor huish. met 2+ werkers

Alternatief specificieke constante

coëfficient coëfficient 3.645

25

(-5.6) (-3.5) (-7.1) (4.1) (7.9)

(-10.6) (-3.8) (3.0) (5.9) (7.1) (11.4) (3.5)

t-ratio (7.2)

Alternatief 1 JA, NIEUWE

Aantal waarnemingen Loglikelihood Aantal vrijheidsgraden Pseudo-Rho²(0) Pseudo-Rho²(c)

-0.105 -0.058 -0.120 0.110 0.121

-4.44E-4 -0.31E-4 0.92E-4

n.v.t.

coëfficient 3.339

(-5.6) (-3.5) (-7.1) (4.1) (7.9)

(-10.2) (-2.8) (6.0)

t-ratio (9.5)

Alternatief 2 JA, 2de HANDS

Segment A 4131 -3688.7 18 0.204 0.092

n.v.t.

n.v.t.

n.v.t.

t-ratio

Alternatief 3 NEE coëfficient 0

Tabel 11. Schattingsresultaten op de SI data voor het autobezitsmodel voor de segment A (momenteel geen privé-auto)

n.v.t.

n.v.t.

n.v.t.

coëfficient -0.376

t-ratio (-3.0)

Alternatief 4 WEET NIET

Significance

26

(-3.7) (3.9)

-1.25E-4 1.33E-4

(-3.7) (3.9)

Coëfficient voor variabele kosten (€/yr) Add. coëff. voor hh. met gem. leeftijd volwassenen van 40+

-1.25E-4 1.33E-4

(3.2) (6.3)

2.50E-4 1.85E-4

(2.3)

(0.8) (2.3)

t-ratio

(-5.7) (-4.8) (-5.6)

2.31E-4

0.4182 1.192

coëfficient

-7.47E-4 -1.38E-4 -1.85E-4

(3.9)

(7.3) (11.3)

2.66E-4 4.54E-4 7.00E-4

(-6.1) (-7.0) (-2.4) (-3.7) (-4.5)

(-0.8) (-0.5)

-8.86E-4 -3.56E-4 -1.76E-4 -1.26E-4 -1.89E-4

-0.604 -0.347

t-ratio


Segment B 4158 -3651.5 21 0.217 0.072

Coëfficient on own cost of used car (in €/yr) Add. coëff. voor hh. met gem. leeftijd volwassenen van 30+ Add. coëff. voor alleenst. vrouwen zonder kinderen of éénpersoonshh. met 1+ kinderen Add. coëff. voor driepersoonshh. met 1+ kinderen Add. coëff. voor huish. met inkomens 20,001 € of meer

Coëfficient voor vaste kosten nieuwe auto (€/yr) Add. coëff. voor vrouwelijke éénpersoonshh. zonder kinderen Add. coëff. voor éénpersoonshh. met 1+ kinderen Add. coëff. voor tweepersoonshh. zonder kinderen Add. coëff. voor tweepersoonshh. met 2+ kinderen of 3+ persoonshuishouden.met kind(eren) Add. coëff. voor huish. met inkomens 20,001 – 40,000 € Add. coëff. voor huish. met inkomens 40,001 € of meer

Alternatief specificieke constante Alternatief specificieke constante voor km/jr = 0–9999 Alternatief specificieke constante voor km/jr = 10000+

coëfficient

Alternatief 1 JA, NIEUWE


n.v.t.

n.v.t.

n.v.t.

t-ratio

Alternatief 3 NEE coëfficient 0

Tabel 12. Schattingsresultaten op de SI data voor het autobezitsmodel voor de segment B (momenteel geen privé-auto)


n.v.t.

n.v.t.

n.v.t.

coëfficient -1.456

t-ratio (-8.7)

Alternatief 4 WEET NIET

Het effect op autobezit van een verandering in de prijs van nieuwe auto’s met 1 euro per jaar is een factor 2 (voor de hoogste inkomensgroep) tot 4,1 (laagste inkomensgroep) maal zo groot als het effect van een verandering in de Kilometerprijs met 1 euro per jaar (als we uitgaan van een afschrijvingstermijn van 10 jaar, geen kapitaalkosten meenemen, en een jaarkilometrage van 11.350 km als het autoloze huishouden een auto zou kopen). Voor tweedehands auto’s gaat het om een factor van 5,7 tot 5,9. Dit lijkt te duiden op ‘myopic’ (kortzichtig) gedrag. Dit betekent dat men gevoeliger is voor een reductie in de nu eenmalig te betalen aanschafprijs dan voor een even grote verhoging van een toekomstige stroom van uitgaven (de Kilometerprijs). Gezien de uitkomsten bij segment B (zie hieronder), ligt een andere verklaring dan kortzichtigheid/bijziendheid meer in de rede. Opgemerkt dient te worden dat deze uitkomsten gevoelig zijn voor het aantal kilometers per jaar dat men in de berekening gebruikt. In segment B (huishoudens zonder auto, alle kostenvariabelen uitgedrukt in jaarlijkse bedragen), krijgen de geschatte coëfficiënten voor vaste kosten en variabele kosten voor nieuwe en tweedehands auto’s het juiste teken (zie Tabel 12). Er is ook een positief effect van de vaste kosten van tweedehands auto’s op de aankoop van nieuwe auto’s en omgekeerd. Voor nieuwe auto’s is het effect op autobezit van een verandering in de vaste kosten met 1 euro per jaar rond de 10 keer zo groot als het effect van een verandering in de variabele kosten met 1 euro per jaar. Voor tweedehands auto’s ligt deze verhouding rond de 8. Net als bij segment A vinden we voor segment B een sterkere autobezitsreactie op vaste dan op variabele kosten. Bij segment B is het onwaarschijnlijk dat dit wordt veroorzaakt door ‘myopic’ gedrag, omdat voor dit segment beide attributen gepresenteerd zijn in euro’s per jaar. Wij verklaren de bevinding dat huishoudens een groter belang hechten aan een euro vaste kosten t.o.v. een variabele kosten als het gaat om autobezit uit het feit dat vaste kosten wegvallen c.q. worden toegevoegd via autobezitsveranderingen van het huishouden, terwijl de meeste variabele kosten blijven bestaan. Door een auto af te stoten verdwijnen er vaste kosten, en door een auto aan te schaffen komen deze kosten er voor het huishouden bij. Bij de variabele kosten gaat echter grotendeels om een reisbehoefte die toch afgedekt moet worden (b.v. door andere auto of OV) ongeacht het aantal auto’s dat het huishouden bezit. Een bijkomend argument is dat de toekomstige variabele kosten (zowel de toekomstige brandstofprijs, de introductie van de Kilometerprijs en de hoogte ervan, als het toekomstige kilometrage van het huishouden onzeker zijn. Op onzekere (maar door het huishouden moeilijk te beïnvloeden) variabelen reageert men dan in mindere mate, dan op de veel zekerder vaste kosten. In Tabel 13 staan de schattingsresultaten voor segment C (huishoudens met één of meer privé-auto’s, geen gezamenlijke noemer voor de kostenvariabelen). Het referentie alternatief is hier niets doen (huidige auto houden, geen aankoop). De aanschafprijs van nieuwe auto’s heeft een negatieve invloed op de kans om een nieuwe auto te kopen (zowel voor de situatie waar de nieuwe auto een extra auto zou zijn, als voor vervanging van een huidige auto). Vergelijkbare uitkomsten werden verkregen voor de aanschafprijs van tweedehands auto’s. Een additionele variabele is het effect van de inruilwaarde van de huidige auto (de auto die het eerst vervangen zou worden). Een hogere inruilwaarde vergroot de kans op vervanging (door een nieuwe of tweedehands auto). Het effect op autobezit van een verandering met 1 euro per jaar in de aanschafprijs (van nieuwe of tweedehands auto’s) is voor de meeste typen huishoudens 1-7 keer zo groot als dat van een

27

Coëff. voor aanschafprijs nieuwe auto (€/yr) Add. coëff. 1 vrouw hh. zonder kinderen of 1 pers. hh. met 1+ kinderen Add. coëff. 2 pers. hh. zonder/met 1 kind Add. coëff. 2 pers. hh. met 2+ kinderen Add. coëff. 3+ pers. hh. zonder kinderen Add. coëff. hhs. met ink. 20,001–40,000€ Add. coëff. hhs. met ink. 40,001–50,000€ Add. coëff. voor hhs. met ink. 50,001+ €

Alternatief specificieke constante n.v.t.

n.v.t.

coëff. t-rat. 0

HUIDIGE AUTO HOUDEN

HUIDIGE AUTO WEGDOEN coëff. t-rat. -2.500 (-44.6)

Alternatief 2

Alternatief 1


28

0 0 0.63E-4 (5.9)

-1.15E-4 (-2.3) 0

coëff. t-rat. -1.579 (-1.8)

Alternatief 3 HUIDIGE HOUDEN + NIEUWE KOPEN

n.v.t.

coëff. t-rat. -2.013 (-2.9)

Alternatief 4 HUIDIGE HOUDEN + 2de HANDS KOPEN

Segment C 6894 -7966.3 28 0.358 0.031

-0.15E-4 (-2.8) -0.48E-4 (-5.9) 0 0.30E-4 (4.7) 0.35E-4 (4.3) 0.51E-4 (8.0)

-2.19E-4 (-9.0) -0.21E-5 (-2.1)

coëff. t-rat. 0.818 (1.7)

Alternatief 5 HUIDIGE WEGDOEN + NIEUWE KOPEN

Tabel 13. Schattingsresultaten op de SI data voor het autobezitsmodel voor de segmenten C (momenteel met één of meer privé-auto’s)

n.v.t.

coëff. t-rat. 0.034 (0.1)

Alternatief 6 HUIDIGE WEGDOEN WEGDOEN + 2de HANDS KOPEN

n.v.t.

coëff. t-rat. -0.924 (-6.9)

WEET NIET

Alternatief 7

Coëfficient voor km-prijs (eurocent/km) Add. coëff. voor hhs. met 1 werker

Coëff. inruilwaarde (frac. huid. waarde)

Coëff. voor aanschafprijs 2de hands auto (€) Add. coëff. 1 vrouw hh. zonder kinderen Add. coëff. 1 pers. hh. met 1+ kinderen Add. coëff. 2 pers. hh. zonder kinderen Add. coëff. 2 pers. hh. met 1 kind Add. coëff. 2 pers. hh. met 2+ kinderen Add. coëff. 3+ pers. hh. zonder kinderen Add. coëff. 3+ pers. hh. met 1+ kinderen Add. coëff. voor hhs. met ink. 30,001+ €

Significance

n.v.t.

n.v.t.

n.v.t. -0.062 (-3.2) 0.046 (2.8)

coëff. t-rat. n.v.t.

HUIDIGE AUTO HOUDEN

HUIDIGE AUTO WEGDOEN coëff. t-rat. n.v.t.

Alternatief 2

Alternatief 1

t-rat.

29

-0.062 (-3.2) 0.046 (2.8)

n.v.t.

coëff. n.v.t.


-0.062 (-3.2) 0.046 (2.8)

n.v.t.

coëff. coëff. -2.76E-4 (-2.4) 1.26E-4 (1.7) 1.26E-4 (1.7) 1.26E-4 (1.7) 1.26E-4 (1.7) 2.21E-04 (3.0) 2.21E-04 (3.0) 2.21E-04 (3.0)


Autobezit

(4.1) -0.062 (-3.2) 0.046 (2.8)

1.392

(4.1) -0.062 (-3.2) 0.046 (2.8)

1.392

coëff. (-5.1) (-8.1) (-8.1) (-9.3) (-4.1) (-8.6) (-8.6) (-5.2) (8.1)

Alternatief Alternatief 6 HUIDIGE WEGDOEN + 2de HANDS KOPEN

t-rat. coëff. t-rat. n.v.t. -2.09E-4 -1.60E-4 -1.60E-4 -1.39E-4 -0.74E-4 -1.30E-4 -1.30E-4 -0.97E-4 0.72E-4


n.v.t.

n.v.t.

t-rat. coëff. n.v.t.

WEET NIET

Alternatief 7

Significance

Coëff. voor vaste kosten nieuwe auto (€/yr) Add. coëff. 1 vrouw hh. zonder kinderen Add. coëff. 1 pers. hh. met 1+ kinderen Add. coëff. 2 pers. hh. met 1 kind Add. coëff. 2 pers. hh. zonder/met 2+ kind. Add. coëff. 3+ pers. hh. zonder kinderen Add. coëff. 3+ pers. hh. met 1+ kinderen Add. coëff. hh. met gem.leeftijd volw. 40+ Add. coëff. voor hhs. met 1 werker

Alternatief specificieke constante Alt. spec. const. voor km/jr = 0–9999 Alt. spec. const. voor km/jr = 10000–19999 Alt. spec. const. voor km/jr = 20000+ n.v.t.

-1.739 (-22.7) -0.778 (-1.8) 0.048 (0.1) n.v.t.

0 1.248 (3.0) 2.098 (2.8)

coëff. t-rat.

HUIDIGE AUTO HOUDEN

HUIDIGE AUTO WEGDOEN coëff. t-rat.

Alternatief 2

Alternatief 1


t-rat.

30

n.v.t.

-2.576 (-23.2) -1.826 (-4.2) -0.592 (-0.8)

coëff.


n.v.t.

-3.329 (-20.9) -1.826 (-4.2) -0.659 (-0.9)

coëff. coëff.


Segment D 6831 -8329.1 32 0.323 0.019

-4.75E-4 2.63E-4 -5.52E-4 3.83E-4 2.63E-4 2.63E-4 3.83E-4 -0.70E-4 -1.63E-4

(-3.0) (2.8) (-1.7) (3.9) (2.8) (2.8) (3.9) (-2.5) (-4.1)

-1.572 (-2.9) -0.252 (-0.4) 0.657 (0.7)

t-rat. coëff.


Tabel 14. Schattingsresultaten op de SI data voor het autobezitsmodel voor de segmenten D (momenteel met één of meer privé-auto’s)


n.v.t.

-0.307 (-0.7) 0.615 (1.0) 1.789 (2.1)

t-rat. rat . coëff.

Alternatief 6 HUIDIGE WEGDOEN + 2de HANDS KOPEN

n.v.t.

t-rat. coëff. -0.599 (-2.1)

WEET NIET

Alternatief 7

Coëfficient voor variabele kosten (€/yr)

Coëff. vaste kost. huid.auto (frac.huid.kost.)

Coëff. vaste kosten 2nd hands auto (€/yr) Add. coëff. 1 vrouw hh. zonder kinderen Add. coëff. 1 pers. hh. met 1+ kinderen Add. coëff. 2 pers. hh. zonder kinderen Add. coëff. 2 pers. hh. met 1 kind Add. coëff. 2 pers. hh. met 2+ kinderen Add. coëff. 3+ pers. hh. zonder kinderen Add. coëff. 3+ pers. hh. met 1+ kinderen Add. coëff. hh. met gem.leeftijd volw. 40+ Add. coëff. voor hhs. met 1 werker Add. coëff. voor hhs. met 2+ werker

Significance

n.v.t.

coëff. n.v.t.

t-rat.


31

-3.15E-4 (-1.3) -3.15E-4 (-1.3)

n.v.t.

n.v.t. -3.15E-4 (-1.3)

coëff. t-rat. n.v.t.

HUIDIGE AUTO HOUDEN HOUDEN

HUIDIGE AUTO WEGDOEN coëff. t-rat. n.v.t.

Alternatief 2

Alternatief 1


0.943 (2.7)

-3.15E-4 (-1.3)

0.943 (2.7)

-1.84E-4 (-7.1) -1.17E-4 (-2.9) -2.08E-4 (-5.1)

1.50E-4 (5.0) 1.50E-4 (5.0) 2.97E-4 (8.4)

t-rat. coëff. t-rat. coëff. n.v.t. -5.04E-4 (-4.0) 1.50E-4 (5.0)


-3.15E-4 (-1.3) -3.15E-4 (-1.3)

n.v.t.

coëff. coëff. n.v.t.


Autobezit

n.v.t.

t-rat. coëff. n.v.t.

WEET NIET

Alternatief 7

verandering in de Kilometerprijs met 1 euro per jaar. Bij deze berekening gingen we uit van een afschrijvingstermijn van 10 jaar, ontbreken van kapitaalkosten en een gemiddeld kilometrage per auto van 15.200 km (dit is hoger dan bij de segmenten A en B omdat dat huishoudens waren die nieuw zijn op de automarkt). Voor segment D (huishoudens met een of meer privé-auto’s, alle kostenvariabelen op jaarbasis) komen we ook op de juiste tekens voor de kostenvariabelen (zie Tabel 14). Gemeten in euro’s per jaar, zijn de vaste autokosten voor nieuwe en tweedehands auto’s rond de 1,3 keer zo belangrijk als de variabele kosten (wel geldt dat de variabele kostencoëfficiënt niet helemaal significant is in dit segment). Samenvattend: we vinden de volgende verhouding voor het belang van vaste t.o.v. variabele kosten in de autobezitsbeslissing. Tabel 15. Relatief belang van vaste en variabele kosten in autobezitsbeslissing Belang van 1 euro per jaar aanschafprijs t.o.v. 1 euro per jaar Kilometerprijs Segment A

2−6

Segment B Segment C

Belang van 1 euro per jaar vaste kosten t.o.v. 1 euro per jaar variabele kosten

5 − 14 1−7

Segment D

1,3 (maar niet significant op 95%)

In de bovenstaande schattingen op de SI data is niet gecorrigeerd voor het feit dat de gegevens bestaan uit meerdere warnemingen (negen) voor dezelfde respondent, en daarmee niet onafhankelijk van elkaar zijn.

4.3

Gezamenlijk RP/SI model voor autobezit Het autobezitsmodel geschat op de Stated Intentions (SI) data is gecombineerd met een autobezitsmodel geschat op RP data. Het gaat hier om een simultane schatting op beide soorten data. Gezamenlijke schatting is nodig omdat de schattingresultaten gebruikt moeten worden voor het ramen van de effecten van veranderingen in de vaste en variabele kosten op het autobezit van Nederlandse huishoudens. In het gezamenlijke model zijn de inkomenscoëfficiënten in de SI delen van het model en het RP deel als identiek gespecificeerd. Ook schalen we de variantie van de storingsterm in het SI deel naar de variantie in de RP, omdat we ons bij het maken van prognoses willen baseren op de werkelijke omstandigheden en niet op de hypothetische uit de SI. Het RP autobezitsmodel heeft 4 alternatieven: 0, 1, 2 and 3+ auto’s. Net als in het autobezitsmodel in DYNAMO (MuConsult, 2008) gaat het om een genest logit model (een verschil is wel dat DYNAMO ophoudt bij 2+ auto’s). In ons RP model is er een nest met 1 en 2+ auto’s, en een dieper gelegen nest met 2 en 3+ auto’s.

32

Significance

Autobezit

Figuur 8. Structuur van het gezamenlijke SI/RP autobezitsmodel ROOT

ThetaRP

No Car Scale1A

Scale1A

Scale1A

Scale1B

Scale1B

Scale1B

ThetaRP

Buy new car

Buy used car

Do nothing

Buy new car

Experiment 1a

Buy used car

1 Car

Do nothing

Experiment 1b

2 Cars

3+ Cars

RP

Scale1C

Sell current car

Scale1C

Do nothing

Scale1C

Buy new car

Scale1C

Buy used car

Scale1C

Sell current + buy new

Scale1C

Sell current + buy used

Scale1D

Sell current car

Experiment 1c

Scale1D

Do nothing

Scale1D

Buy new car

Scale1D

Buy used car

Scale1D

Sell current + buy new

Scale1D

Sell current + buy used

Experiment 1d

De schattingsresultaten staan in Tabel 16. In de oorspronkelijke Alogit schattingen van dit model hadden de schattingen voor vaste en variabele kosten het juiste teken en waren significant. Vervolgens zijn Jackknife schattingen (zie ook de uitleg in Appendix A) uitgevoerd om te corrigeren voor het effect dat we meerdere waarnemingen (SI keuzen) hebben per respondent. Dit zijn de resultaten die in Tabel 16 staan. De vaste kosten zijn nog ruimschoorts significant, de variabele kosten hebben het juiste teken, maar de t-waarde is met -1,3 aan de lage kant. Deze parameter is niet significant verschillend van 0. De vaste en variabele kostencoëfficiënten in het gezamenlijke model zijn geheel gebaseerd op de SI data (in DYNAMO kon er een vaste kosten coëfficiënt worden geschat, doordat de data set gegevens over meerdere jaren bevatte: variatie in de tijd). De vaste kostencoëfficiënt in het gezamenlijke model is gebaseerd op de segmenten B en D; de variabele kostenparameter is geschat op de SI gegevens van de segmenten A, B. C en D. De laatste regel ‘Alt. spec. const. (gecalibreerd model)’ slaat op veranderingen in de RP constanten zodanig dat het model de waargenomen marktaandelen reproduceert voor de aantallen auto’s per huishouden in de Nederlandse bevolking.

33

SCHAAL PARAM. EXPERIMENT 1B Alternatief specificieke constante Alt.spec.const. voor km/jr = 0–9999 Alt.spec.const. voor km/jr = 10000+ Coëff. voor vaste kosten nieuwe auto (€) Coëff. voor vaste kosten 2de hnd auto (€) Coëff. voor variabele kosten (€) (Lineaire) coëfficient voor inkomen (€/yr)

SCHAAL PARAM. EXPERIMENT 1A Alternatief specificieke constante Alt.spec.const. voor km/jr = 0–9999 Alt.spec.const. voor km/jr = 10000+ Coëff. voor aanschafprijs nieuwe auto (€) Coëff. voor aanschafprijs 2de hnd auto (€) Coëff. voor variabele kosten (€) (Linear) coëfficient voor inkomen (€/yr)

-3.396 -2.592 -1.07E-3 1.22E-3 -1.48E-4

0.527

4.526 7.896 -6.67E-4 2.12E-4 -1.48E-4

coëff. t-rat. 0.444 (3.5)


0.527

(3.5)

(-2.1) -1.098 (-1.0) (-1.6) 0.199 (0.1) (-2.4) 4.30E-4 (2.7) (3.0) -1.07E-3 (-2.4) (-1.3) -1.48E-4 (-1.3)

(3.5)

(2.8) 2.732 (2.4) (3.0) 3.653 (2.5) (-3.5) 0.11E-4 (0.4) (2.0) -6.67E-4 (-3.5) (-1.3) -1.48E-4 (-1.3)

coëff. t-rat. 0.444 (3.5)

JA, NIEUWE

Alternatief 1


(3.5)

34

-0.38E-4 (-10.7)

0.527

-0.38E-4 (-10.7)

coëff. t-rat. 0.444 (3.5)

NEE

Alternatief 3

0.527 (3.5) -3.265 (-3.1)

coëff. coëff. 0.444 (3.5) -1.949 (-2.5)

WEET NIET

Alternatief 4

Estimation results 24460 -26658.0 64 0.287 0.027

Tabel 16. Uitkomsten van Jackknife schatting en calibratie voor autobezitsmodel op SI en RP data

SCHAAL PARAM. EXPERIMENT 1D Alternatief specificieke constante Alt.spec.const. voor km/jr = 0–9999 Alt.spec.const. voor km/jr = 10000-19999 Alt.spec.const. voor km/jr = 20000+ Coëff. voor vaste kosten (€) Coëff. voor variabele kosten(€) Coëff. voor vaste kosten huidige auto (€) (Lineaire) coëfficient voor inkomen (€/yr)

SCHAAL PARAM. EXPERIMENT 1C Alternatief specificieke constante Alt.spec.const. voor km/jr = 0–9999 Alt.spec.const. voor km/jr =10000–19999 Alt.spec.const. voor km/jr = 20000+ Coëff. voor aanschafprijs (€) Coëff. voor variabele kosten (€) Coëff. voor inruilwaarde huidige auto (€) (Lineaire) coëfficient voor inkomen (€/yr)

Significance

0 1.773 2.901

-3.431 (-1.6) -2.432 (-0.8) -1.673 (-0.7)

-0.25E-4 (-6.0) -0.25E-4 (-6.0)

(*) (0.7) (1.1)

(1.8)

(-6.0) 0.395

35

-1.921 -1.172 0.568 -1.07E-3 -1.48E-4 (-1.3) -1.48E-4

0.395

(1.8)

0.395

(-6.0) -0.25E-4

-0.25E-4

coëff. 0.237

coëff. coëff. 0.237 (3.7)

Alternatief 4 HUIDIGE HOUDEN + 2de HANDS KOPEN coëff. t-rat. 0.237 (3.7)

Alternatief 5 HUIDIGE WEGDOEN + NIEUWE KOPEN coëff. t-rat. 0.237 (3.7)


0.395

(1.8)

0.395

(1.8)

0.395

(1.8)

(-1.1) -4.253 (-1.6) -1.680 (-0.8) -0.757 (-0.5) (-0.4) -2.027 (-0.7) 0.144 (0.1) 0.391 (0.2) (0.2) -0.388 (-0.2) 1.384 (0.6) 2.234 (1.0) (-2.4) -1.07E-3 (-2.4) -1.07E-3 (-2.4) -1.07E-3 (-2.4) (-1.3) -1.48E-4 (-1.3) -1.48E-4 (-1.3) -1.48E-4 (-1.3) 1.736 (1.3) 1.736 (1.3) -0.25E-4 (-6.0) -0.25E-4 (-6.0)

(1.8)

(-2.1) -7.419 (-2.4) -0.626 (-0.3) -4.012 (-2.3) (-0.5) -9.854 (-1.3) -1.580 (-0.2) -5.919 (-0.8) (-0.3) -6.090 (-0.7) 0.293 (0.0) -2.989 (-0.4) (-3.5) -6.67E-4 (-3.5) -6.67E-4 (-3.5) -6.67E-4 (-3.5) (-1.3) -1.48E-4 (-1.3) -1.48E-4 (-1.3) -1.48E-4 (-1.3) 5.326 (3.2) 5.326 (3.2) -0.25E-4 (-6.0) -0.25E-4 (-6.0)

t-rat. (3.7)


-4.789 -4.145 -2.409 -6.67E-4 -1.48E-4 (-1.3) -1.48E-4

0 -1.844 (-0.3) -0.250 (-0.0)

(-3.5) (-1.5) (-1.2)

-9.833 -11.600 -10.580

coëff. t-rat. 0.237 (3.7)

HUIDIGE AUTO HOUDEN

HUIDIGE AUTO WEGDOEN coëff. t-rat. 0.237 (3.7)

Alternatief 2

Alternatief 1

Autobezit

0.395 (1.8) -1.435 (-0.8)

coëff. t-rat. 0.237 (3.7) -4.437 (-0.6)

WEET NIET

Alternatief 7

REVEALED PREFERENCE Nest parameter (Lineaire) coëfficient voor inkomen (€/yr) Alt. spec. const. Alt. spec. const. (gecalibreerd model)

coëff. t-rat.

Alternatief 2 1 AUTO coëff.

t-rat.

Alternatief 3 2 AUTO’S

36

0

0.475

(9.6)

coëff. coëff.

Alternatief 4 3+ AUTO’S

Significance

0.475 (9.6) 0.475 (9.6) 0.475 (9.6) -0.38E-4 (-10.7) -0.25E-4 (-6.0) -0.25E-4 (-6.0) 1.798 (6.8) 2.904 (10.6) 2.904 (10.6) 1.308 3.91 3.91

coëff. t-rat. rat.

Alternatief 1 GEEN AUTO


4.4

Gevolgen van de economische crisis De gegevensverzameling in deze studie vond plaats in een tijd waarin het economisch klimaat snel verslechterde, zij het dat de gevolgen van de kredietcrisis in Nederland op dat moment niet zo ernstig waren als in sommige andere landen (zoals de verenigde Staten en het Verenigd Koninkrijk). De automarkt is in vele landen een van de meest getroffen sectoren. In Nederland waren 2006, 2007 en de eerste negen tot tien maanden van 2008 goede tijden voor de verkoop van nieuwe auto’s. In november 2008 echter daalden de nieuwverkopen met 22%, vergeleken met november 2007. Voor 2009, verwacht de automobielindustrie een afname van de verkoop van nieuwe auto’s in Nederland met 6% ten opzichte van 2008. Dit negatieve economische klimaat kan van invloed zijn op de uitkomsten van dit onderzoek. We hebben een vraag toegevoegd aan het onderzoek over de effecten van de economische crisis op e aankoop van auto’s. De antwoorden hierop staan in Tabel 17. Hier zien we dat 7% van de huishoudens aankoop van en auto zal uitstellen, terwijl 9% een auto zal kopen ongeacht het economische klimaat. Verder zal 2% vanwege de situatie een ander voertuigtype kiezen. Deze percentages komen goed overeen met die in eerste en tweede pilot, die werden gehouden in respectievelijk begin en eind november 2008.

Tabel 17. Antwoorden op de vraag naar het effect van de kredietcrisis en de economische situatie op de aankoop van nieuwe en tweedehands auto’s in de komende drie maanden Antwoord:

Frequentie

Ik ben niet van plan om binnen 3 maanden een andere auto aan te schaffen

%

2034

81.8

Ik ben van plan een andere auto aan te schaffen, en daar is de economische situatie of kredietcrisis niet van invloed op

230

9.2

Ik ben van plan een andere auto aan te schaffen, maar ik kies nu voor een andere (goedkopere) auto

50

2.0

Ik was van plan een andere auto aan te schaffen, maar ik stel de aanschaf nu uit

174

7.0

2488

100.0

Totaal

37

HOOFDSTUK 5

Toepassing van het autobezitsmodel

Het gezamenlijke SI/RP autobezitsmodel uit Tabel 16 (geschat met de Jackknife methode) is geïmplementeerd in een spreadsheetprogramma. De variabele kostenelasticiteit is hierbij ook toegepast, hoewel deze niet significant is (t-waarde van -1.3). Bedacht moet worden dat deze waarde ook 0 kan zijn. In het spreadsheetprogramma worden de geschatte coëfficiënten toegepast op het bestand dat ook voor de schatting is gebruikt (sample enumeration) en vervolgens worden ophoogfactoren voor de huishoudens toegepast. De ophoogfactoren (naar inkomen, huishoudgrootte en rijbewijsbezit) zorgen ervoor dat het schattingsbestand van huishoudens representatief wordt gemaakt voor de populatie (alle Nederlandse huishoudens). Dit programma kan gebruikt worden om het effect van veranderingen in de vaste kosten, de variabele kosten , of allebei (zoals bij de voorgestelde variabilisatie), ter berekenen op het aantal privé-auto’s in Nederland. De uitkomsten kunnen worden uitgedrukt in de vorm van elasticiteiten. Voor een verandering in de vaste autokosten (incl. afschrijving) vinden we dan een puntelasticiteit voor het aantal auto’s van -0,38. Deze elasticiteit is niet-lineair: de elasticiteit neemt toe (in absolute waarden) bij een toename van de verandering in de kosten. Bij een vermindering van de vaste kosten met 10% is de vaste kostenelasticiteit van het autobezit -0,42; bij een 20% reductie is deze -0,48. De variabele kostenelasticiteit (brandstofkosten en Kilometerprijs) van autobezit in het gezamenlijke SI/RP model is -0,041. Hier is er nagenoeg geen afhankelijkheid van de grootte van de kostenverandering. Met het spreadsheetprogramma hebben we de effecten op autobezit doorgerekend van enkele combinaties van veranderingen in de vaste autokosten per jaar en Kilometerprijs. De uitkomsten staan in Tabel 18. Met het DYNAMO 2.1 model is een afschaffing van de BPM (overeenkomend met een daling van de vaste kosten met 10,7%) en een invoering van een Kilometerprijs (van 4,6 cent/km) gesimuleerd. Dit leverde een stijging van het privé-autobezit van 0,3% na 1 jaar, 1,8% na 5 jaar en 4,8% na 20 jaar. Een dergelijke simulatie hebben wij ook uitgevoerd met ons spreadsheetprogramma (Tabel 18). Onze simulatie vindt een stijging van het aantal privé-auto’s met 2,2%. Dit komt goed overeen met het DYNAMO resultaat na 5 jaar. Omdat het spreadsheetmodel is gebaseerd op Stated Intentions vragen over de volgende autotransactie, ligt het voor de hand dat de gevonden resultaten betrekking hebben op een periode van 0 tot 5 jaar.

39


Significance

Ons spreadsheetmodel laat zien dat in het zojuist beschreven scenario het percentage huishoudens dat geen privé auto heeft, daalt van 33,4% naar 33,2%. Het percentage huishoudens dat één privé auto heeft daalt van 54,7% naar 53,9%, terwijl het percentage huishoudens dat twee of meer privé auto’s heeft stijgt van 12,0% naar 12,9%. Het model is niet gemaakt om een afschaffing van de MRB door te reken (de MRB is in de experimenten niet gevarieerd). Alleen als men veronderstelt dat per euro de MRB net zo doorwerkt als de BPM kunnen de gevonden effecten van vaste kosten ook voor de MRB gebruik worden. In Tabel 19 worden kostenelasticiteiten uit ons onderzoek vergeleken met die uit de literatuur.2 De elasticiteiten die wij in dit onderzoek vinden voor autobezit komen goed overeen met de elasticiteiten uit DYNAMO 2.1 na 1 jaar, maar zijn absoluut gezien kleiner dan de DYNAMO 2.1 elasticiteiten na 5 tot 20 jaar. Voor vaste kosten klopt door ons gevonden elasticiteit met de literatuur. De literatuur komt op grotere autobezitseffecten van variabele kostenveranderingen dan ons model, maar onze elasticiteiten van autobezit bevinden zich niet ver buiten het bereik dat de literatuur geeft. Tabel 18. Uitkomsten van simulaties voor veranderingen in vaste autokosten (incl. afschrijving) en kilometerheffing op autobezit (effecten die tussen 0 en 5 jaar optreden) Verandering in het aantal privé-auto's

Verandering vaste kosten/jaar

Kilometerheffing

-10%

3 ct/km

4 ct/km

2.7%

2.3%

-10.7%*

4.6 ct/km

8 ct/km 0.4%

2.2%

-20%

8.0%

7.4%

5.3%

-30%

15.4%

14.7%

12.2%

* Een volledige afschaffing van de BPM levert een gemiddelde daling van de nieuwprijs van auto’s van 24,9% op. We nemen aan dat de afschrijving 3/7 deel van de vaste kosten per jaar zijn. Dan levert de afschaffing van de BPM een daling van de vaste kosten van 10.7% op.

2

Let op dat in de literatuur vaak sprake is van een aanschafprijselasticiteit en dat dit onderzoek een vastekostenelasticiteit is.

40

Significance

Tabel 19

Toepassing van het autobezitsmodel

Vergelijking van vaste en variabele kostenelasticiteiten van autobezit Effect op autobezit Vaste kosten elasticiteit

Aanschafprijs elasticiteit

Variabele kosten elasticiteit


-0.1

-0.2

De Jong (1990) - NL

-1.1

-0.8


-0.8

-0.4

Dargay en Vythoulkas (1999) - VK Review van de internationale literatuur (Hanly et al. 2002) DYNAMO 2.14

Dit onderzoek

-0.4

1

Gebruikskostenelasticiteit Korte termijn / lange termijn 3 Brandstofprijselasticiteit 4 SE Scenario 2

41

-0.3

-0.51

-0.2 / -0.52

-0.08 / -0.252,3

-0.17 (1 jaar) -0.33 (5 jaar) -0.45 (20 jaar)

-0.07 (1 jaar) -0.13 (5 jaar) -0.13 (20 jaar)

-0.18

-0.04

HOOFDSTUK 6

Autotypekeuze

Het hoofddoel van dit onderzoek was het bepalen van effecten op autobezit. In dit hoofdstuk worden uitkomsten gerapporteerd op een nevendoel: modellen voor de autotypekeuze. De autotypekeuze is meegenomen in het veldwerk zodat er extra gegevens worden verkregen die gebruikt zouden kunnen worden in nieuwe schattingen van autotypekeuzemodellen in DYNAMO. In dit rapport worden ook modellen op dit materiaal gerapporteerd om te laten zien dat het verzamelde materiaal de basis kan vormen voor plausibele modellen van de betreffende keuzen. Op de gegevens van het tweede experiment (Stated Preference keuze tussen steeds twee autotypen) zijn binomiale logit modellen geschat (met Alogit). In Tabel 20 staan de schattingsresultaten voor de segmenten A en C, war er geen gezamenlijke noemer is voor de monetaire attributen. Tabel 20. Schattingsresultaten voor voertuigtypekeuze voor de segmenten A en C Variabele

Geschatte coëfficiënt

t-waarde

Aanschafprijs (euro)

-3.64e-5

-18.7

Vaste kosten (exclusief afschrijving; euro)

-1.77e-4

-4.6

Dummy voor dieselauto

-0.221

-3.5

Dummy voor auto van 10 of meer jaar oud

-0.638

-15.3

0.082

11.5

-0.028

-2.9

Brandstof efficiency (km per liter) Kilometerprijs (eurocent/km) Waarnemingen

9905

Uiteindelijke Log-Likelihood

-5628.8

Pseudo-Rho-kwadraat t.o.v. 0

0.180

We hebben ook modellen geschat die naast de bovenstaande verklarende variabelen ook dummy-variabelen bevatten voor de grootteklasse van de auto. We vonden echter dat hoe groter de auto is (alle andere invloeden gelijkhoudend, dus ook prijs of kosten) hoe minder attractief deze werd gevonden. Een auto in de topklasse was dus het minst aantrekkelijk. Dit is in strijd met wat we zouden verwachten. Na het verwijderen van de variabelen voor grootteklasse, krijgen we het model zoals dat hierboven is gepresenteerd, waarin alle

43


Significance

variabelen het verwachte teken hebben en doorgaans zeer significant zijn. We vinden hier geen myopisch gedrag. Mixed logit modellen, geschat met het pakket Biogeme op een deel van de autotypekeuze data, rekening houdend met het panel-karakter van de data (deze specificatie is niet mogelijk in Alogit), geven aan dat er een aanzienlijke mate van nietwaargenomen heterogeniteit bestaat tussen respondenten rond de parameter voor de aanschafprijs. In Tabel 21 staan de schattingsresultaten voor de segmenten waar we een gezamenlijke noemer (jaarbasis) gebruiken voor de kostenvariabelen. Ook hier waren de grootteklassedummies negatief (t.o.v. het kleinste type; de miniklasse is de referentie): hoe groter de auto, hoe geringer het nut dat men eraan ontleent (behalve dat economy klasse hier attractiever was dan miniklasse). De vaste kosten zijn 2 keer zo belangrijk als de brandstofkosten (per euro per jaar), en 1,25 keer zo belangrijk als de Kilometerprijs (per euro per jaar). Dus bij vergelijking van de effecten van de Kilometerprijs en de aanschafprijs vinden we in dit typekeuzemodel slechts aanwijzigen voor een zeer lichte vorm van het verschijnsel dat huishoudens een groter belang hechten aan vaste dan aan variabele kosten. Dit kan verklaard worden uit het feit dat het hier niet om autobezit gaat, mar om de typekeuze gegeven het aantal auto’s in het huishouden. We concluderen dat het verzamelde SP materiaal over autotypekeuze geschikt is voor schatting van modellen met plausibele effecten voor verklarende variabelen als vaste en variabele kosten.

Tabel 21. Schattingsresultaten voor voertuigtypekeuze voor de segmenten B en D Variabele


t-waarde

Vaste kosten (inclusief afschrijving; euro/jaar)

-6.08e-4

-28.4

Brandstofkosten (euro/jaar)

-3.03e-4

-9.6

Kilometerprijs (euro/jaar)

-4.83e-4

-7.0

Dummy voor dieselauto

0.120

3.5

Dummy voor auto van 5-10 jaar oud

-0.213

-5.6

Dummy voor auto van 10 of meer jaar oud

-0.883

-21.6

Waarnemingen

1041

Uiteindelijke Log-Likelihood

-6344.9

Pseudo-Rho-kwadraat t.o.v. 0

0.121

44

HOOFDSTUK 7

7.1

Autogebruik

Vergelijking hypothetische en waargenomen kilometrages Net als het vorige hoofdstuk, kunnen onze analyses over autogebruik beschouwd worden als ‘bijvangst’; het gaat hier niet om de hoofddoelen van dit onderzoek. In Appendix B staat een vergelijking van de antwoorden van de respondenten over hun autogebruik in het geval het huishouden een privé auto zou aanschaffen bij lagere aanschafprijzen en hogere kilometerkosten. De resultaten uit deze vergelijkingen van hypothetisch en waargenomen autogebruik voor de 4 segmenten kunnen als volgt worden samengevat. Gemiddeld zouden huishoudens in de segmenten A en B (die geen waargenomen autogebruik hebben) 11.350 km per jaar rijden, als zij een auto zouden kopen. Dit is een aanzienlijk lager jaarkilometrage dan wat we waarnemen voor de segmenten C en D: 19.800 km (dit is het kilometrage gesommeerd over 1 tot 3 auto’s). Ook is het lager dan het gemiddelde autogebruik per auto in deze segmenten van 15.200 km. Het theoretische model van sectie 4.1 voorspelde ook dat starters (huishouden die van 0 naar 1 auto gaan) op de automarkt minder dan gemiddelde zouden rijden. De samenvatting van de reacties in termen van autokilometrage van de segmenten C en D staat in Tabel 22.

Tabel 22. Verandering in autogebruik per huishouden als er lagere aanschafkosten en hogere gebruikskosten zouden zijn, t.o.v. waargenomen kilometrage Voertuigtransactie

Segment C

Segment D

Koop een extra auto

+11%

+18%

Doe een auto weg

-36%

-36%

Ruil een auto in

-19%

-9%

Uit deze tabel trekken we de conclusie dat als het autobezit van een huishouden zou toenemen, het totale autogebruik van dat huishouden ook zou toenemen. Als het autobezit van een huishouden zou afnemen, zou ook het autogebruik afnemen. In de situatie dat er geen verandering zou optreden in het autobezit van het huishouden (de ene auto wordt vervangen door de andere), zal het totale autokilometrage van het huishouden aanzienlijk verminderen – een gevolg van de toename van de gebruikskosten (Kilometerprijs). De laatste groep (inruil) is aanzienlijk groter (bijna 6 keer zo groot) dan de beide andere

45


Significance

groepen. Daarnaast zijn er vele huishoudens (een ruime meerderheid) die hun autobezit niet zouden veranderen. Per saldo zou volgens de hier verzamelde gegevens bij omzetting van de BPM in de Kilometerprijs het autogebruik verminderen.

7.2

Autogebruiksmodel Voor de segmenten C en D hebben we RP waarnemingen over het aantal kilometers dat gereden wordt met ieder van de eerste drie privé-auto’s van het huishouden. Allereerst zijn standaard (gewone kleinste kwadraten) regressiemodellen geschat met als te verklaren variabele het jaarkilometrage per auto of het totale autokilometrage (sommatie over de prive-auto’s van het huishouden). De modellen voor het totale kilometrage voldeden duidelijk beter. Vervolgens zijn deze modellen herschat met de instrumentele variabelen methode, met instrumenten voor restinkomen (=inkomen min vaste autokosten) en variabele kosten (geschat met two-stage least squares). Deze schattingsmethode wordt hier toegepast om te corrigeren voor het endogene karakter van deze variabelen, die in de autogebruiksvergelijking tot de verklarende variabelen behoren. De vaste en variabele kosten zijn niet echt exogeen hier, ze hangen voor een belangrijk deel af van de keuze van autotype van het huishouden. We vonden dat een lineair model (Tabel 23) beter voldeed dan een dubbel logaritmisch (constante elasticiteiten) model (de constant restinkomens elasticiteit van autogebruik in dit model was 0,68). Variabele kosten hebben een negatief effect op autogebruik (hoewel niet geheel significant op 95%), en restinkomen en huishoudgrootte hebben een positieve invloed. De variabele kosten (of brandstofprijs) elasticiteit van autogebruik (bij de gemiddelde attribuutniveaus) is -1,22. De restinkomenselasticiteit is 0,86, de inkomenselasticiteit 1,01 en de vaste kosten elasticiteit is -0,16. In Tabel 24 worden deze uitkomsten vergeleken met die uit de literatuur. Voor autogebruik vinden we een vaste kostenelasticiteit die goed past binnen het bereik uit de literatuur. Onze variabele kostenelasticiteit van het autogebruik duidt op een relatief grote gevoeligheid. We willen benadrukken dat onze uitkomsten voor autogebruik gebaseerd zijn op een initiële analyse van de autogebruiksdata. Verder onderzoek van deze gegevens is aan te raden. Voor de variabele kosten elasticiteit in het bijzonder geldt dat deze met grote voorzichtigheid bekeken moet worden, omdat deze is gebaseerd op een nietsignificante parameterschatting. Een waarde van 0 voor deze parameter ligt ook binnen het 95% betrouwbaarheidsinterval rond de geschatte waarde.

46

Significance

Autogebruik

Tabel 23. Schattingsresultaten voor RP model voor totaal autogebruik van het huishouden (km/jaar) voor segmenten C en D Variabele


Constante

t-waarde 25422

1.6

-260701

-1.4

Inkomen min vaste kosten (euro/jaar)

0.558

4.3

Dummy voor 2 personen in huishouden

2037

1.0

Dummy voor 3-4 personen in huishouden

6678

2.6

Variabele kosten (euro/km)

Dummy voor 5+ personen in huishouden

7492

2.4

Dummy voor leeftijd 40-49

-2552

-2.1

Dummy voor gepensioneerd

-3617

-1.9

Dummy voor huishouden met kinderen

-4022

-2.9

Waarnemingen

1525

Rho-kwadraat

0.05

F

9.3

Tabel 24. Vergelijking van vaste en variabele kostenelasticiteiten van autogebruik Autogebruik Vaste kosten

Variabele kosten


-0.1

-0.1

De Jong (1990) - NL

-0.7

-1.0


-0.5

-0.8

Internationale literatuur (de Jong en Gunn, 2004; Graham en Glaister, 2004) Review van de internationale literatuur (Hanly et al. 2002) LMS Dit onderzoek 1 2 3

4 5

-0.31 -0.2 / -0.42

-0.1 / -0.31,2

03

-0.44

-0.2

0/-1.25

Brandstofprijselasticiteit Korte termijn / lange termijn Effect volgens LMS. Door iteratief gebruik van DYNAMO en LMS zou hier wel een van 0 afwijkend effect zijn af te leiden. Dit betekent dat DYNAMO het nieuwe autobezit berekent dat vervolgens als exogeen totaal wordt ingebracht in het LMS. Dit zal in het LMS tot een verandering van het autokilometrage leiden. Lange-termijn elasticiteit Deze elasticiteit is gebaseerd op een niet-significante parameterschatting, zie tekst voor toelichting.

47

HOOFDSTUK 8

Conclusies

In de hierboven beschreven analyses hebben we gevonden dat consumenten in Nederland sterker reageren op een verandering in de nu te betalen aanschafprijs of vaste autokosten dan op een toekomstige reeks van in totaal even grote uitgaven aan Kilometerprijs of variabele kosten. Deze conclusie geldt zowel voor een experiment waarin we de omrekening naar vaste en variabel kosten per jaar al voor de huishoudens hebben uitgevoerd als voor een experiment waarin kenmerken luiden in hun eigen, niet direct vergelijkbare eenheden. Voor de keuze van autotype geldt dit aanmerkelijk minder sterk. De bevinding dat huishoudens in hun keuzen van het aantal te bezitten privé-auto’s sterker reageren op vaste dan op variabele kosten hoeft nog niet op irrationeel gedrag te duiden. zoals we hebben laten zien in het theoretische model van autobezit en –gebruik in hoofdstuk 2 van dit rapport. De oorzaak kan voor een belangrijk deel gelegen zijn in het feit dat huishoudens vaste kosten kunnen vermijden via de keuze van het aantal auto’s in het huishouden, maar de variabele kosten kan men niet goed op via autobezitsbeslissingen vermijden, omdat met of zonder auto de noodzaak/behoefte om zich te verplaatsen blijft bestaan. Een andere verklaring voor de sterkere autobezitsreactie op vaste dan op variabele kosten zou de instabiliteit in de brandstofprijzen kunnen zijn uit het nabije en verdere verleden, in combinatie met de onzekerheid die bij respondenten kan bestaan over het werkelijk doorgaan van de Kilometerprijs en het constant blijven van de kilometertarieven. Zodra besloten is tot een voertuigtransactie, ligt de aanschafprijs vast en kan men werken met afschrijving van dit bedrag over zeg een levensduur van de auto van 10 jaar. Maar de brandstofprijzen en de Kilometerprijs in de komende 10 jaar zijn hoogste onzeker, en de huidige niveau’s zijn slechts imperfecte indicatoren van de variabele kosten en de komende jaren. We hebben een model opgesteld voor het autobezit van een huishouden en dit simultaan geschat op hypothetische en waargenomen keuzen. Na ophoging van de steekproef naar de Nederlandse bevolking, levert dit model een vaste kostenelasticiteit van het aantal privéauto’s van -0,4. Dit is een puntelasticiteit (voor zeer kleine kostenveranderingen). Voor vermindering van de vaste kosten tot 20% is de elasticiteit -0,4 tot -0,5. De variabele kosten elasticiteit van het aantal privé-auto’s uit hetzelfde model is -0,04. Een en ander betekent dat volgens het hier ontwikkelde model afschaffing van de BPM met gelijktijdige invoering van de Kilometerprijs (kostenneutraal voor de gemiddelde automobilist) zal leiden tot een stijging van het autobezit met enkele procenten.

49

Referentie Lijst

Bhat, C. en V. Pulugurta (1998) A comparison of two alternative behavioural choice mechanisms for household auto ownership decisions. Transportation Research B, 32-1, 61-75. Blok, P.M. en J. Klooster (1989) FACTS: forecasting air pollution by car traffic simulation, hoofdrapport; Nederlands Economisch Instituut, Rotterdam. Bunch, D.S., D. Brownstone en T.F. Golob (1996) A dynamic forecasting system for vehicle markets with clean-fuel vehicles. World Transport Research, 1, 189-203. Brownstone, D., D. Bunch en K. Train (2000) Joint Mixed Logit Models of Stated and Revealed Preferences for Alternative-Fuel Vehicles. Transportation Research Part B: Methodological Vol. 34, No. 5, 315-338. Daly, A.J. en P. Sillaparcharn (2008) National models. In D.A. Hensher en K.J. Button (eds.), Handbook of Transport Modelling. Elsevier, Amsterdam. Dargay, J.M. en P.C. Vythoulkas (1999) Estimation of a dynamic car ownership model; A pseudo-panel approach. Journal of Transport Economics and Policy, 33-3, 287-302. Dargay, J. en D. Gately (1999) Income’s Effect on Car and Vehicle Ownership, Worldwide: 1960-2015. Transportation Research. Part A: Policy and Practice, Vol 33 No 2. Graham, D.J. en S. Glaister (2004) Road traffic demand elasticities: a review. Transport Reviews, 24-3, 261-274. Gunn, H.F. (1999) An overview of European national models. In L. Lundqvist en L.-G. Mattsson (eds.), National Transport Models: Recent Developments and Prospects. The Swedish Transport and Communications Research Board, Stockholm. Hanly, M., J. Dargay, en Ph. Goodwin (2002). Review of Income and Price Elasticities in the Demand for Road Traffic. London, ESRC Transport Studies Unit, Centre for Transport Studies, University of London. (http://www.cts.ucl.ac.uk/tsu/elasfinweb.pdf)

51


Significance

Hensher, D.A. en W. Greene (2000) Choosing Between Conventional, Electric and LPG/CNG Vehicles in Single-Vehicle Households. Paper presented at IATBR-2000, Gold Coast Australia. Jong, G.C. de (1989) An indirect utility model of car ownership and private car use. European Economic Review, 34, 971-985. Jong, G.C. de (1996) A disaggregate model system of vehicle holding duration, type choice and use. Transportation Research B, 30-4, 263-276, 1996. Jong, G.C. de (1997) A micro-economic model of the joint decision on car ownership and use" in P.R. Stopher en M. Lee-Gosselin (eds.), Understanding travel behaviour in an era of change. Elsevier, Amsterdam.. Jong, G.C. de, en H.F. Gunn (2001) Recent evidence on car cost and time elasticities of travel demand in Europe. Journal of Transport Economics and Policy, 35-2, 137-160. Jong, G.C. de, J. Fox, M. Pieters, A. Daly en R. Smit (2004, A comparison of car ownership models. Transport Reviews, Vol. 24, No. 4, 379-408. MuConsult (2008) DYNAMO 2.1: Dynamic automobile market model. Final technical report, MuConsult, Amersfoort. Mueller, M.G. en P. de Haan (2008) How much do incentives affect car purchase: agentbased micro-simulation of consumer choice of new cars. ETH Zurich. Page, M., G. Whelan en A. Daly (2000) Modelling the Factors which Influence New Car Purchasing. Paper presented at European Transport Conference 2000, PTRC, Cambridge. Potoglou, D. en P.S. Kanaroglou (2007) Household demand to pay for clean vehicles. Transportation Research D, 12, 264-274. Rouwendal, J, en J. Pommer (2004) An indirect utility model of multiple car ownership and use. Tinbergen Institute discussion Paper No. TI-085/3, Tinbergen Institute, Amsterdam. Significance (2008) Effect op autobezit van omzetting van de BPM in de Kilometerprijs: Rapportage pilot onderzoeken en veldwerk hoofdonderzoek, Rapport voor het Planbureau voor de Leefomgeving, Significance, den Haag.

52

APPENDICES

53

Appendix A: Jackknife schattingen

Bij de Jackknife methode worden deelsteekproeven gecreëerd door systematisch steeds een klein deel van de waarnemingen weg te laten. Het model wordt op iedere deelsteekproef geschat (in dit geval met Alogit) Bij een steekproef van b.v. 10 individuen zijn er 10 mogelijkheden om een steekproef van 9 te maken en kan men dus een model 10 maal schatten. In de Jackknife schattingen in dit project is gewerkt met opdeling van de steekproef in 100 delen, steeds wordt 1% van de huishoudens weggelaten en dan wordt het model geschat op de kleinere steekproef. Na al deze schattingen worden de resultaten gemiddeld. De Jackknife methode corrigeert voor de onzuiverheid die ontstaat door het gebruik van verschillende waarnemingen van dezelfde respondent alsof deze onafhankelijke waarnemingen (zoals bij verschillende respondenten) zijn. Er zijn ook andere technieken om hiervoor te corrigeren, zoals het gebruik van respondent-specifieke componenten (panel model specificatie) in een mixed logit model. Een voordeel van de Jackknife methode is dat deze ook voor andere onzuiverheden corrigeert, zoals die door scheve en heteroskedastische verdelingen. De ervaring leert dat de geschatte modelparameters door toepassing van de Jackknife methode meestal niet wezenlijk veranderen, maar dat de twaarden vaak slechter worden.

55

Appendix B: Resultaten van de analyse van het autogebruik in hypothetische omstandigheden

Segment A en B Vergelijking van de vragen V38 (voor segment A) en V40 (voor segment B; deze segmenten werden random toegewezen) levert het volgende op. De vraag voor beide segmenten was: Als uw huishouden een privé auto zou aanschaffen bij lagere aanschafprijzen en hogere kilometerkosten, hoeveel kilometer per jaar zou uw huishouden dan in deze auto rijden? De antwoorden (in km klassen) zijn ongeveer vergelijkbaar; wat wel opvalt is dat het antwoord ‘weet niet’ voor V38 (bijna 28%) wat hoger ligt dan voor V40 (bijna 25%) en dat de laagste kilometrageklasse in V38 (bijna 13%) meer wordt opgegeven dan in V40 (9%). Als we de ‘weet-niet’ categorie verwijderen dan zit de mediaan voor beide variabelen in de groep 7,5 - 10 duizend km/jaar, waarbij –als een lineaire interpolatie binnen deze groep zou worden gemaakt- V38 wel lager is dan V40. Onderstaande Figuur 9 geeft een illustratie van het patroon van beide variabelen.

57

Effect op autobezit van omzetting van de BPM in de kilometerprijs

Figuur 9.

Significance

Jaarlijks autogebruik als een huishouden in segment A (V38) of B (V40) een auto zou aanschaffen.

20% 18%

% van respondenten

16% 14% 12% V38

10%

V40

8% 6% 4% 2%

2

1

12. 2. 5 50 00 1km 3 5. 5.0 00 00 4 km 7. 1- 7 5 0 .5 0 5 1 0 k 10 -10 .0 m .0 0 01 6 0 km 12 - 12 .5 .5 00 01 7 km 15 - 15 .0 .0 0 01 8 0 km 17 - 17 .5 .5 0 0 9 1 0 km 20 - 20 . . 0 10 00 0 0 1 km 2 5 - 25 . . 0 0 11 00 01 k 3 0 -30 .0 m 12 .00 0 0 140 - k m 4 13 0.00 .00 5 0 1-5 0 k m 0 .0 01 .00 km 0 k en m m ee r

0%

Segment C Experiment: Een extra privé auto wordt gekocht bij lagere aanschafprijzen, hogere km kosten

De eerste set vragen (v46, v47a-c) betreft het aantal kilometers dat zou worden gemaakt bij lagere aanschafprijzen, hogere kilometerkosten en aannemende dat een extra privé auto zou worden gekocht. Als toets zouden we dan het aantal kilometers willen vergelijken in de basissituatie (v13/v23/v33) t.o.v. de hierboven genoemde hypothetische situatie. Probleem hierbij is dat in de basissituatie er daadwerkelijke aantallen kilometers zijn gevraagd3, terwijl dit in het experiment in klassen is gevraagd. Gebruiken we klassenmiddens voor de aantallen kilometers in het experiment (aanname o.b.v. analyse van v13_a1: 67 duizend km voor de hoogste klasse van 50 duizend km en meer), dan kunnen we het kilometrage van auto’s optellen en vergelijken met de basissituatie. Dan valt op dat: 1. als we alleen kijken naar het totale kilometrage van de reeds bestaande auto’s dan maakt bijna 62% van de respondenten minder kilometers, ruim 27% maakt

3

Voor de analyses van de resultaten van dit experiment is het kilometrage per auto, zoals opgegeven in de basissituatie, alleen meegenomen indien dit tussen de 1.000 en 100.000 kilometer bedraagt.

58

Significance

Appendix B: Resultaten van de analyse van het autogebruik

vrijwel evenveel (max. 10% meer of minder) kilometers en ruim 11% maakt meer kilometers met het totaal van de bestaande auto’s. Het gemiddelde kilometrage van de bestaande auto’s (14.555 km) is 26% lager dan in de basissituatie (19.754 km). 2. kijken naar het totale kilometrage van de reeds bestaande auto’s plus de extra privé auto dan maakt bijna 23% van de respondenten minder kilometers, ruim 24% maakt vrijwel evenveel (max. 10% meer of minder) kilometers en 53% maakt meer kms met het totaal van de bestaande + extra auto’s. Het gemiddelde kilometrage van de bestaande + extra auto (21.883 km) is bijna 11% hoger dan in de basissituatie (19.753 km). Deze vergelijking is echter wel wat moeizaam aangezien het gebruik van klassenmiddens de vergelijking kan vertroebelen. Een vergelijking kan ook gemaakt worden door juist het kilometrage in de basissituatie om te coderen naar de klassen van het experiment. Dan kan per bestaande auto worden vergeleken of er meer of minder kilometers (in klassen) per bestaande auto worden gemaakt. Voor auto 1 (de nieuwste privé auto) gaf dit het navolgende overzicht. Tabel B-1 geeft de verandering in het aantal te rijden afstandsklassen aan voor het kilometrage van de 1e (bestaande) privé auto bij de experimentsituatie van lagere aanschafprijzen, hogere kilometerkosten en aannemende dat een extra privé auto zou worden gekocht. Bijvoorbeeld -2 betekent dat in het experiment door de respondent wordt aangegeven dat er 2 kilometerklassen minder gereden zal worden. D Tabel B-1 laat zien dat voor bijna 30% van de gevallen er met de 1e auto 2 of meer afstandsklassen minder kilometers zal worden gereden bij het experiment, 17,5% rijdt één kilometerklasse minder, bijna 41% rijdt evenveel, ruim 9% rijdt één kilometerklasse meer, en bijna 3% rijdt 2 of meer kilometerklassen meer. Voor de 2e auto vinden we op basis van 204 records dat bijna 14% van de gevallen er met de 2e auto 2 of meer afstandsklassen minder kilometers zal worden gereden bij het experiment, ruim 16% rijdt één kilometerklasse minder, bijna 55% rijdt evenveel, ruim 12% rijdt één kilometerklasse meer, en ruim 3% rijdt 2 of meer kilometerklassen meer. Voor de 3e auto vinden we op basis van 28 records dat ruim 32% van de gevallen er met de 3e auto 2 of meer afstandsklassen minder kilometers zal worden gereden bij het experiment, ruim 7% (2 records) rijdt één kilometerklasse minder, 50% rijdt evenveel, bijna 4% (1 record) rijdt één kilometerklasse meer, en ruim 7% (2 records) rijdt 2 of meer kilometerklassen meer.

59


Significance

Tabel B-1. Verandering in de klasse van autogebruik: hypothetisch (bij aankoop extra privé-auto) t.o.v. waargenomen

Valid

Geldig Percentage

Cumulatief Percentage

Frequentie

Percentage

-12.00

3

.1

.4

-11.00

3

.1

.4

.8

-10.00

1

.0

.1

1.0

-9.00

4

.2

.6

1.5

-8.00

5

.2

.7

2.2

-7.00

6

.2

.8

3.1

-6.00

9

.4

1.2

4.3

-5.00

21

.8

2.9

7.2

-4.00

26

1.0

3.6

10.8

-3.00

53

2.1

7.4

18.2

-2.00

80

3.2

11.1

29.3

-1.00

126

5.1

17.5

46.7

.00

295

11.9

40.9

87.7

1.00

68

2.7

9.4

97.1

2.00

9

.4

1.2

98.3

3.00

7

.3

1.0

99.3

4.00

2

.1

.3

99.6

5.00

2

.1

.3

99.9 100.0

7.00

1

.0

.1

721

29.0

100.0

Ontbrekend

1767

71.0

Totaal

2488

100.0

Totaal

.4

Experiment: Een privé auto wordt weggedaan bij lagere aanschafprijzen, hogere km kosten

De tweede set vragen (v48a-c) betreft het aantal kilometers dat zou worden gemaakt bij lagere aanschafprijzen, hogere kilometerkosten en aannemende dat een privé auto zou worden weggedaan. Als toets vergelijken we dan weer het aantal kilometers in de basissituatie (v13/v23/v33) t.o.v. de hierboven genoemde hypothetische situatie. Gebruiken we klassenmiddens voor de aantallen kilometers in het experiment (aanname o.b.v. analyse van v13_a1: 67 duizend km voor de hoogste klasse van 50 duizend km en meer), dan kunnen we het kilometrage van auto’s optellen en vergelijken met de basissituatie. Hierbij kijken we alleen naar huishoudens met 2 of meer privé auto’s, die hier één van wegdoen. Dan valt bij analyse van het totale kilometrage van de overgebleven privé auto’s op dat bijna 79% van de respondenten minder kilometers maakt, ruim 15% maakt vrijwel evenveel (max. 10% meer of minder) kilometers en bijna 6% maakt meer kilometers met het totaal van de bestaande auto’s (t.o.v. de basissituatie waarin alle auto’s beschikbaar zijn). Het gemiddelde kilometrage van de overgebleven auto’s (20.831 km) is bijna 36% lager dan in de basissituatie (32.384 km) waar alle (2+) auto’s beschikbaar zijn. Deze vergelijking is echter wel wat moeizaam aangezien het gebruik van klassenmiddens de vergelijking kan vertroebelen.

60

Significance


Een vergelijking kan ook gemaakt worden door juist het kilometrage in de basissituatie om te coderen naar de klassen van het experiment. Dan kan per bestaande auto worden vergeleken of er meer of minder kilometers (in klassen) per bestaande auto worden gemaakt. Voor auto 1 (de nieuwste privé auto) gaf dit het navolgende overzicht. Tabel B-2 geeft de verandering in het aantal te rijden afstandsklassen aan voor het kilometrage van de 1e (bestaande) privé auto bij de experimentsituatie van lagere aanschafprijzen, hogere km kosten en aannemende dat een privé auto zou worden weggedaan (maar niet deze). Bijvoorbeeld -2 betekent dat in het experiment door de respondent wordt aangegeven dat er 2 kilometerklassen minder gereden zal worden.

Tabel B-2. Verandering in de klasse van autogebruik: hypothetisch (bij wegdoen van privé-auto) t.o.v. waargenomen

Valid

Geldig Percentage .7

Cumulatief Percentage .7

.0

.7

1.4

.1

1.4

2.8

5

.2

3.5

6.3

-3.00

4

.2

2.8

9.0

-2.00

4

.2

2.8

11.8

-1.00

11

.4

7.6

19.4

.00

38

1.5

26.4

45.8

1.00

42

1.7

29.2

75.0

2.00

18

.7

12.5

87.5

3.00

4

.2

2.8

90.3

4.00

5

.2

3.5

93.8

5.00

5

.2

3.5

97.2

6.00

2

.1

1.4

98.6

7.00

1

.0

.7

99.3

8.00

1

.0

.7

100.0

100.0

-11.00

Frequentie 1

Percentage .0

-10.00

1

-5.00

2

-4.00

Totaal

144

5.8

Ontbrekend

2344

94.2

Totaal

2488

100.0

De tabel laat zien dat voor bijna 12% van de gevallen er met de 1e auto 2 of meer afstandsklassen minder kilometers zal worden gereden bij het experiment, bijna 8% rijdt één kilometerklasse minder, ruim 26% rijdt evenveel, ruim 29% rijdt één kilometerklasse meer, en 25% rijdt 2 of meer kilometerklassen meer met deze 1e auto. Voor de 2e auto vinden we op basis van 75 records dat bijna 7% van de gevallen er met de 2e auto 2 of meer afstandsklassen minder kilometers zal worden gereden bij het experiment, 4% rijdt één kilometerklasse minder, bijna 39% rijdt evenveel, 20% rijdt één kilometerklasse meer, en bijna 31% rijdt 2 of meer kilometerklassen meer.

61


Significance

Voor de 3e auto vinden we slechts 10 records zodat vergelijkbare detail analyses niet uit te voeren zijn. De meeste respondenten geven hier evenveel afstandsklassen of één afstandsklasse meer als verandering in het aantal afstandsklassen bij het experiment. Experiment: Een privé auto wordt ingeruild voor een andere bij lagere aanschafprijzen, hogere km kosten

De derde set vragen (v49a-d) betreft het aantal kilometers dat zou worden gemaakt bij lagere aanschafprijzen, hogere kilometerkosten en aannemende dat een privé auto zou worden ingeruild voor een andere. Als toets vergelijken we dan weer het aantal kilometers in de basissituatie (v13/v23/v33) t.o.v. de hierboven genoemde hypothetische situatie. Gebruiken we klassenmiddens voor de aantallen kilometers in het experiment (aanname o.b.v. analyse van v13_a1: 67 duizend km voor de hoogste klasse van 50 duizend km en meer), dan kunnen we het kilometrage van auto’s optellen en vergelijken met de basissituatie. Hierbij kijken we naar huishoudens met 1 of meer privé auto’s, die hier één van inruilen voor een andere. Dan valt bij analyse van het totale kilometrage van alle privé auto’s op dat ruim 46% van de respondenten minder kilometers maakt, bijna 37% maakt vrijwel evenveel (max. 10% meer of minder) kilometers en bijna 17% maakt meer kilometers met het totaal van alle nieuwe en overgebleven auto’s (t.o.v. de basissituatie waarin alle auto’s beschikbaar zijn). Het gemiddelde kilometrage van alle auto’s (16.284 km) is bijna 19% lager dan in de basissituatie (20.005 km) waar alle auto’s beschikbaar zijn. Deze vergelijking is echter wel wat moeizaam aangezien het gebruik van klassenmiddens de vergelijking kan vertroebelen. Een vergelijking kan ook gemaakt worden door juist het kilometrage in de basissituatie om te coderen naar de klassen van het experiment. Dan kan per bestaande of vervangen auto worden vergeleken of er meer of minder kilometers (in klassen) per bestaande auto worden gemaakt. Voor de auto die vervangen werd gaf dit het navolgende overzicht. Tabel B-3 geeft de verandering in het aantal te rijden afstandsklassen aan voor het kilometrage van de vervangen privé auto bij de experimentsituatie van lagere aanschafprijzen, hogere km kosten en aannemende dat een privé auto zou worden vervangen. Bijvoorbeeld -2 betekent dat in het experiment door de respondent wordt aangegeven dat er 2 kilometerklassen minder gereden zal worden in de vervangende auto. De tabel laat zien dat voor bijna 22% van de gevallen er met de vervangende auto 2 of meer afstandsklassen minder kilometers zal worden gereden bij het experiment, 9% rijdt één kilometerklasse minder, ruim 47% rijdt evenveel, 13,5% rijdt één kilometerklasse meer, en ruim 8% rijdt 2 of meer kilometerklassen meer met deze vervangende auto ten opzichte van zijn voorganger. Voor de 1e auto (die niet vervangen is) vinden we op basis van 141 records dat in bijna 20% van de gevallen er met de 2e auto 2 of meer afstandsklassen minder kilometers zal worden gereden bij het experiment, ruim 11% rijdt één kilometerklasse minder, bijna 50% rijdt evenveel, 13,5% rijdt één kilometerklasse meer, en bijna 6% rijdt 2 of meer kilometerklassen meer.

62

Significance


Tabel B-3. Verandering in de klasse van autogebruik: hypothetisch (bij inruilen van privé-auto) t.o.v. waargenomen

Valid

Geldig Percentage


Frequentie

Percentage

-11.00

5

.2

.7

.7

-10.00

2

.1

.3

1.0

-9.00

4

.2

.6

1.5

-8.00

4

.2

.6

2.1

-7.00

12

.5

1.7

3.8

-6.00

8

.3

1.1

4.9

-5.00

19

.8

2.6

7.5

-4.00

19

.8

2.6

10.1

-3.00

34

1.4

4.7

14.9

-2.00

51

2.0

7.1

21.9

-1.00

65

2.6

9.0

31.0

.00

341

13.7

47.4

78.3

1.00

97

3.9

13.5

91.8

2.00

21

.8

2.9

94.7

3.00

11

.4

1.5

96.3

4.00

12

.5

1.7

97.9

5.00

3

.1

.4

98.3

6.00

3

.1

.4

98.8

7.00

3

.1

.4

99.2

8.00

2

.1

.3

99.4

9.00

1

.0

.1

99.6

10.00

2

.1

.3

99.9

11.00

1

.0

.1

100.0

100.0

Totaal

720

28.9

Ontbrekend

1768

71.1

Totaal

2488

100.0

Voor de 2e auto (die niet vervangen is) vinden we op basis van 77 records dat in ruim 14% van de gevallen er met de 2e auto 2 of meer afstandsklassen minder kilometers zal worden gereden bij het experiment, bijna 12% rijdt één kilometerklasse minder, 54,5% rijdt evenveel, ruim 10% rijdt één kilometerklasse meer, en ruim 9% rijdt 2 of meer kilometerklassen meer. Voor de 3e auto (die niet vervangen is) vinden we slechts 11 records zodat vergelijkbare detail analyses niet uit te voeren zijn. Het grootste aantal respondenten geeft hier aan dat er evenveel zal worden gereden in de 3e auto.

63


Significance

Segment D Experiment: Een extra privé auto wordt gekocht bij lagere aanschafprijzen, hogere km kosten

De eerste set vragen (v51, v52a-c) betreft het aantal kilometers dat zou worden gemaakt bij lagere aanschafprijzen, hogere kilometerkosten en aannemende dat een extra privé auto zou worden gekocht. Als toets zouden we dan het aantal kilometers willen vergelijken in de basissituatie (v13/v23/v33) t.o.v. de hierboven genoemde hypothetische situatie. Probleem hierbij is dat in de basissituatie er daadwerkelijke aantallen kilometers zijn gevraagd4, terwijl dit in het experiment in klassen is gevraagd. Gebruiken we klassenmiddens voor de aantallen kilometers in het experiment (aanname o.b.v. analyse van v13_a1: 67 duizend km voor de hoogste klasse van 50 duizend km en meer), dan kunnen we het kilometrage van auto’s optellen en vergelijken met de basissituatie. Dan valt op dat: 1. als we alleen kijken naar het totale kilometrage van de reeds bestaande auto’s dan maakt bijna 64% van de respondenten minder kilometers, ruim 23% maakt vrijwel evenveel (max. 10% meer of minder) kilometers en ruim 13% maakt meer kms met het totaal van de bestaande auto’s. Het gemiddelde kilometrage van de bestaande auto’s (14.687 km) is bijna 24% lager dan in de basissituatie (19.239 km). 2. kijken we naar het totale kilometrage van de reeds bestaande auto’s plus de extra privé auto dan maakt bijna 21% van de respondenten minder kilometers, 24,5% maakt vrijwel evenveel (max. 10% meer of minder) kilometers en bijna 55% maakt meer kms met het totaal van de bestaande + extra auto’s. Het gemiddelde kilometrage van de bestaande + extra auto (22.722 km) is ruim 18% hoger dan in de basissituatie (19.239 km). Deze vergelijking is echter wel wat moeizaam aangezien het gebruik van klassenmiddens de vergelijking kan vertroebelen. Een vergelijking kan ook gemaakt worden door juist het kilometrage in de basissituatie om te coderen naar de klassen van het experiment. Dan kan per bestaande auto worden vergeleken of er meer of minder kilometers (in klassen) per bestaande auto worden gemaakt. Voor auto 1 (de nieuwste privé auto) gaf dit het navolgende overzicht. Tabel B-4 geeft de verandering in het aantal te rijden afstandsklassen aan voor het kilometrage van de 1e (bestaande) privé auto bij de experimentsituatie van lagere aanschafprijzen, hogere km kosten en aannemende dat een extra privé auto zou worden gekocht. Bijvoorbeeld -2 betekent dat in het experiment door de respondent wordt aangegeven dat er 2 kilometerklassen minder gereden zal worden.

4

Voor de analyses van de resultaten van dit experiment is het kilometrage per auto, zoals opgegeven in de basissituatie, alleen meegenomen indien dit tussen de 1.000 en 100.000 kilometer bedraagt.

64

Significance


Tabel B-4. Verandering in de klasse van autogebruik: hypothetisch (bij aanschaf van extra privéauto) t.o.v. waargenomen

Valid

Geldig Percentage


Frequentie

Percentage

-11.00

2

.1

.3

.3

-10.00

1

.0

.1

.4

-9.00

2

.1

.3

.7

-8.00

5

.2

.7

1.4

-7.00

13

.5

1.8

3.2

-6.00

11

.4

1.6

4.8

-5.00

23

.9

3.2

8.1

-4.00

27

1.1

3.8

11.9

-3.00

55

2.2

7.8

19.6

-2.00

77

3.1

10.9

30.5

-1.00

128

5.1

18.1

48.6

.00

269

10.8

38.0

86.6

1.00

70

2.8

9.9

96.5

2.00

12

.5

1.7

98.2

3.00

4

.2

.6

98.7

4.00

3

.1

.4

99.2

5.00

4

.2

.6

99.7

8.00

2

.1

.3

100.0

100.0

Totaal

708

28.5

Ontbrekend

1780

71.5

Totaal

2488

100.0

De tabel laat zien dat voor 30,5% van de gevallen er met de 1e auto 2 of meer afstandsklassen minder kilometers zal worden gereden bij het experiment, ruim 18% rijdt één kilometerklasse minder, 38% rijdt evenveel, bijna 10% rijdt één kilometerklasse meer, en 3,5% rijdt 2 of meer kilometerklassen meer. Voor de 2e auto vinden we op basis van 198 records dat in ruim 20% van de gevallen er met de 2e auto 2 of meer afstandsklassen minder kilometers zal worden gereden bij het experiment, bijna 15% rijdt één kilometerklasse minder, bijna 45% rijdt evenveel, bijna 16% rijdt één kilometerklasse meer, en 4,5% rijdt 2 of meer kilometerklassen meer. Voor de 3e auto vinden we op basis van 28 records dat in geen van de gevallen er met de 3e auto 2 of meer afstandsklassen minder kilometers zal worden gereden bij het experiment, bijna 18% (5 records) rijdt één kilometerklasse minder, ruim 57% rijdt evenveel, bijna 11% (3 records) rijdt één kilometerklasse meer, en ruim 14% (4 records) rijdt 2 of meer kilometerklassen meer. Experiment: Een privé auto wordt weggedaan bij lagere aanschafprijzen, hogere km kosten.

De tweede set vragen (v56a-c) betreft het aantal kilometers dat zou worden gemaakt bij lagere aanschafprijzen, hogere kilometerkosten en aannemende dat een privé auto zou worden weggedaan. Als toets vergelijken we dan weer het aantal kilometers in de basissituatie (v13/v23/v33) t.o.v. de hierboven genoemde hypothetische situatie.

65


Significance

Gebruiken we klassenmiddens voor de aantallen kilometers in het experiment (aanname o.b.v. analyse van v13_a1: 67 duizend km voor de hoogste klasse van 50 duizend km en meer), dan kunnen we het kilometrage van auto’s optellen en vergelijken met de basissituatie. Hierbij kijken we alleen naar huishoudens met 2 of meer privé auto’s, die hier één van wegdoen. Dan valt bij analyse van het totale kilometrage van de overgebleven privé auto’s op dat bijna 84% van de respondenten minder kilometers maakt, ruim 12% maakt vrijwel evenveel (max. 10% meer of minder) kilometers en ruim 4% maakt meer kilometers met het totaal van de bestaande auto’s (tov de basissituatie waarin alle auto’s beschikbaar zijn). Het gemiddelde kilometrage van de overgebleven auto’s (20.217 km) is bijna 36% lager dan in de basissituatie (31.410 km) waar alle (2+) auto’s beschikbaar zijn. Deze vergelijking is echter wel wat moeizaam aangezien het gebruik van klassenmiddens de vergelijking kan vertroebelen. Een vergelijking kan ook gemaakt worden door juist het kilometrage in de basissituatie om te coderen naar de klassen van het experiment. Dan kan per bestaande auto worden vergeleken of er meer of minder kilometers (in klassen) per bestaande auto worden gemaakt. Voor auto 1 (de nieuwste privé auto) gaf dit het navolgende overzicht. Tabel B-5 geeft de verandering in het aantal te rijden afstandsklassen aan voor het kilometrage van de 1e (bestaande) privé auto bij de experimentsituatie van lagere aanschafprijzen, hogere km kosten en aannemende dat een privé auto zou worden weggedaan (maar niet deze). Bijvoorbeeld -2 betekent dat in het experiment door de respondent wordt aangegeven dat er 2 kilometerklassen minder gereden zal worden.

Tabel B-5. Verandering in de klasse van autogebruik: hypothetisch (bij wegdoen van privé-auto) t.o.v. waargenomen

Valid

Geldig Percentage .7

Cumulatief Percentage .7

.0

.7

1.3

.2

2.6

4.0

4

.2

2.6

6.6

-2.00

4

.2

2.6

9.3

-1.00

8

.3

5.3

14.6

.00

51

2.0

33.8

48.3

1.00

42

1.7

27.8

76.2

2.00

15

.6

9.9

86.1

3.00

12

.5

7.9

94.0

4.00

4

.2

2.6

96.7

5.00

3

.1

2.0

98.7

6.00

1

.0

.7

99.3

8.00

1

.0

.7

100.0

100.0

Frequentie 1

Percentage .0

-8.00

1

-4.00

4

-3.00

-11.00

Totaal

151

6.1

Ontbrekend

2337

93.9

Totaal

2488

100.0

66

Significance


De tabel laat zien dat voor ruim 9% van de gevallen er met de 1e auto 2 of meer afstandsklassen minder kilometers zal worden gereden bij het experiment, ruim 5% rijdt één kilometerklasse minder, bijna 34% rijdt evenveel, bijna 28% rijdt één kilometerklasse meer, en ruim 24% rijdt 2 of meer kilometerklassen meer met deze 1e auto. Voor de 2e auto vinden we op basis van 60 records dat in slechts 1 geval (1,7%) er met de 2e auto 2 of meer afstandsklassen minder kilometers zal worden gereden bij het experiment, 5% rijdt één kilometerklasse minder, bijna 37% rijdt evenveel, ruim 18% rijdt één kilometerklasse meer, en ruim 38% rijdt 2 of meer kilometerklassen meer. Voor de 3e auto vinden we slechts 19 records zodat vergelijkbare detail analyses niet uit te voeren zijn. De meeste respondenten geven hier evenveel afstandsklassen of één afstandsklasse meer als verandering in het aantal afstandsklassen bij het experiment. Experiment: Een privé auto wordt ingeruild voor een andere bij lagere aanschafprijzen, hogere km kosten.

De derde set vragen (v57a-d) betreft het aantal kilometers dat zou worden gemaakt bij lagere aanschafprijzen, hogere kilometerkosten en aannemende dat een privé auto zou worden ingeruild voor een andere. Als toets vergelijken we dan weer het aantal kilometers in de basissituatie (v13/v23/v33) t.o.v. de hierboven genoemde hypothetische situatie. Gebruiken we klassenmiddens voor de aantallen kilometers in het experiment (aanname o.b.v. analyse van v13_a1: 67 duizend km voor de hoogste klasse van 50 duizend km en meer), dan kunnen we het kilometrage van auto’s optellen en vergelijken met de basissituatie. Hierbij kijken we naar huishoudens met 1 of meer privé auto’s, die hier één van inruilen voor een andere. Dan valt bij analyse van het totale kilometrage van alle privé auto’s op dat ruim 45% van de respondenten minder kilometers maakt, bijna 36% maakt vrijwel evenveel (max. 10% meer of minder) kilometers en bijna 19% maakt meer kilometers met het totaal van alle nieuwe en overgebleven auto’s (t.o.v. de basissituatie waarin alle auto’s beschikbaar zijn). Het gemiddelde kilometrage van alle auto’s (16.433 km) is bijna 9% lager dan in de basissituatie (19.132 km) waar alle auto’s beschikbaar zijn. Deze vergelijking is echter wel wat moeizaam aangezien het gebruik van klassenmiddens de vergelijking kan vertroebelen. Een vergelijking kan ook gemaakt worden door juist het kilometrage in de basissituatie om te coderen naar de klassen van het experiment. Dan kan per bestaande of vervangen auto worden vergeleken of er meer of minder kilometers (in klassen) per bestaande auto worden gemaakt. Voor de auto die vervangen werd gaf dit het navolgende overzicht. Tabel B-6 geeft de verandering in het aantal te rijden afstandsklassen aan voor het kilometrage van de vervangen privé auto bij de experimentsituatie van lagere aanschafprijzen, hogere km kosten en aannemende dat een privé auto zou worden vervangen. Bijvoorbeeld -2 betekent dat in het experiment door de respondent wordt aangegeven dat er 2 kilometerklassen minder gereden zal worden in de vervangende auto. De tabel laat zien dat voor ruim 20% van de gevallen er met de vervangende auto 2 of meer afstandsklassen minder kilometers zal worden gereden bij het experiment, ruim 10% rijdt één kilometerklasse minder, bijna 48% rijdt evenveel, 14,5% rijdt één kilometerklasse

67


Significance

meer, en 7,5% rijdt 2 of meer kilometerklassen meer met deze vervangende auto ten opzichte van zijn voorganger. Tabel B-6. Verandering in de klasse van autogebruik: hypothetisch (bij inruilen van privé-auto) t.o.v. waargenomen

Valid

Geldig Percentage


Frequentie

Percentage

-12.00

1

.0

.1

.1

-11.00

1

.0

.1

.3

-9.00

4

.2

.6

.9

-8.00

3

.1

.4

1.3

-7.00

1.7

3.0

12

.5

-6.00

3

.1

.4

3.4

-5.00

15

.6

2.1

5.6

-4.00

21

.8

3.0

8.5

-3.00

31

1.2

4.4

13.0

-2.00

50

2.0

7.1

20.1

-1.00

71

2.9

10.1

30.2

.00

335

13.5

47.7

77.9

1.00

102

4.1

14.5

92.5

2.00

21

.8

3.0

95.4

3.00

9

.4

1.3

96.7

4.00

10

.4

1.4

98.1

5.00

7

.3

1.0

99.1

6.00

1

.0

.1

99.3

7.00

2

.1

.3

99.6

8.00

1

.0

.1

99.7

9.00

1

.0

.1

99.9

11.00

1

.0

.1

100.0

100.0

Totaal

702

28.2

Ontbrekend

1786

71.8

Totaal

2488

100.0

Voor de 1e auto (die niet vervangen is) vinden we op basis van 145 records dat in bijna 14% van de gevallen er met de 2e auto 2 of meer afstandsklassen minder kilometers zal worden gereden bij het experiment, bijna 12% rijdt één kilometerklasse minder, bijna 48% rijdt evenveel, ruim 21% rijdt één kilometerklasse meer, en 5,5% rijdt 2 of meer kilometerklassen meer. Voor de 2e auto (die niet vervangen is) vinden we op basis van 58 records dat in ruim 5% van de gevallen (3 records) er met de 2e auto 2 of meer afstandsklassen minder kilometers zal worden gereden bij het experiment, ruim 12% rijdt één kilometerklasse minder, ruim 55% rijdt evenveel, ruim 17% rijdt één kilometerklasse meer, en ruim 10% rijdt 2 of meer kilometerklassen meer. Voor de 3e auto (die niet vervangen is) vinden we slechts 19 records zodat vergelijkbare detail analyses niet uit te voeren zijn. Het grootste aantal respondenten geeft hier aan dat er evenveel zal worden gereden in de 3e auto.

68

Effect op autobezit van omzetting van de BPM in de Kilometerprijs

Recommend Documents