GrenzBahn. A Friedberg - Oberwart Szombathely vonal. Társadalmi-gazdasági hatásai

GrenzBahn A Friedberg - Oberwart – Szombathely vonal

Társadalmi-gazdasági hatásai

1

Impresszum: Programfelelős: Európai Regionális Fejlesztési Alap (ERDF)

Program: Európai Területi Együttműködés (ETE)

Megrendelő: Nyugat-Dunántúli Regionális Fejlesztési Ügynökség

Készítette: IHS – Institut für Höhere Studien, Wien

Közreműködők: KTI Közlekedéstudományi Intézet Nonprofit Kft. Közlekedésszervezési és Hálózatfejlesztési Központ Témavezető: Albert Gábor központvezető A téma száma a vállalkozónál:

2121-002-1-4

Eisenstadt, Budapest, 2015. február

2

GrenzBahn Tanulmány

Az Európai Területi Együttműködés AUSZTRIA-MAGYARORSZÁG 2007 – 2013 keretében készült projekt

Projektpartnerek:

Nyugat-dunántúli Regionális Fejlesztési Ügynökség

Bécsi Műszaki Egyetem, Közlekedéstudományi Intézet

Burgenland tartomány

3

Tartalom 1.

Bevezetés ........................................................................................................................................ 6

2.

A konszolidált gazdasági elemzés áttekintése ............................................................................... 6 a. Pénzügyi elemzés ............................................................................................................................ 7 b. Az utazási idők rövidülésének elemzése ........................................................................................ 7 c. Ökológiai és társadalmi-gazdasági elemzés ................................................................................... 7 d. Rövid- és középtávú gazdasági elemzés ........................................................................................ 8 e. Hosszú távú gazdasági elemzés ...................................................................................................... 8 f. Konszolidálás ................................................................................................................................... 8 g. Érzékenység vizsgálat és kockázat elemzés ................................................................................... 9

3.

Pénzügyi elemzés .......................................................................................................................... 10 3.1.

Beruházási költségek ............................................................................................................ 10

3.2.

Üzemeltetési költségek és bevételek ................................................................................... 10

3.3.

Pénzügyi jövedelmezőség..................................................................................................... 11

3.4.

Pénzügyi fenntarthatóság .................................................................................................... 12

4.

Az utazási idő megtakarítások elemzése ..................................................................................... 13

5.

Környezeti és társadalmi-gazdasági elemzés ............................................................................... 14

6.

Rövid- és középtávú gazdasági hatások ....................................................................................... 15

7.

Hosszútávú gazdasági hatások (IHS-EAR 2.0 Modell) .................................................................. 18

8.

Szombathely-Friedberg eredményei ............................................................................................ 20

9.

8.1.

Szombathely-Friedberg pénzügyi elemzés eredményei ...................................................... 20

8.2.

Szombathely-Friedberg utazásiidő-megtakarítás elemzés eredményei ............................. 23

8.3.

Szombathely-Friedberg környezeti és társadalmi-gazdasági elemzés eredményei ........... 24

8.4.

Szombathely-Friedberg rövid és középtávú gazdasági elemzés eredményei..................... 26

8.5.

A Szombathely-Friedberg vonal hosszú távú gazdasági elemzésének eredményei ........... 27

8.6.

További bemeneti adatok .................................................................................................... 29

8.7.

Szombathely-Friedberg vonal konszolidált gazdasági elemzés eredményei ...................... 30

8.8.

Szombathely-Friedberg érzékenység vizsgálat és kockázat elemzés eredményei ............. 32

8.9.

Következtetések.................................................................................................................... 34

Függelék: elérhetőségtől függő regionális modell (EAR) ............................................................. 34

Irodalom jegyzék................................................................................................................................... 43 Ábra jegyzék .......................................................................................................................................... 45 Táblázatok jegyzéke.............................................................................................................................. 45

4

Rövidítések jegyzéke CBA .................. Cost-Benefit-Analysis – költség-haszon elemzés CPA .................. Classification of Products by Activity FNPV ................ Financial Net Present Value – pénzügyi nettó jelenérték FRR ................... Financial Rate of Return – pénzügyi megtérülési ráta HDV .................. Heavy Duty Vehicles – nehéz haszongépjárművek LDV .................. Light Duty Vehicles – könnyű haszongépjárművek MIV .................. Motorisierter Individualverkehr – motorizált egyéni közlekedés NACE ................ Nomenclature statistique des activités économiques dans la Communauté européenne NPV .................. Net Present Value – nettó jelenérték ukm .................. utaskilométer (személyközlekedés esetében) SNA .................. System of National Accounts tkm................... tonnakilométer (áruforgalom esetén)

5

1. Bevezetés Az alábbi jelentés azokra a kérdésekre ad választ, hogy a Szombathely-Friedberg és a Sopron-Ebenfurth vasútvonalak tervezése, építése, üzemeltetése és karbantartása milyen nemzetgazdasági, társadalmi és környezeti hatásokat vetnek fel. A vizsgálat ennek során a két egymással határos régióra, Burgenlandra és a Nyugat-Dunántúlra összpontosít. A vizsgálatok időhorizontja 2015-től 2060-ig terjed. Ezen túlmenően a jelentés arra a kérdésre is választ ad, hogy a felmerülő költségeket a társadalmi-gazdasági és környezeti hasznok indokolják-e. A Szombathely-Friedberg vonal nagy részét előbb meg kell építeni. Ezért az arra vonatkozóan elvégzett értékelés az új építést és az ahhoz szükséges további intézkedéseket fedi le. A létrejövő vasútvonallal párhuzamosan futó autóbusz vonalakat úgy vettük figyelembe, ahol az utazók átszállhatnak az autóbuszról a vasútra és ezáltal az autóbuszos személyszállítás költségei csökkenthetők. A Sopron-Ebenfurth vonal ezzel szemben egyvágányos formában jelenleg is létezik, azonban bővíteni szükséges. Erre vonatkozóan három különböző változatot kell értékelni. Ez a három változat a következő: 1) kétvágányú kiépítés a vonal teljes hosszában, 2) részben kétvágányú kiépítés eisenstadti delta nélkül és 3) részben kétvágányú kiépítés eisenstadti deltával. Mindhárom változatban a soproni vonalat újonnan kell megépíteni az környezetében lakó népesség zajterhelésének csökkentése érdekében. A jelentés a következő szerkezetet követi: a 2. fejezetben egy konszolidált gazdasági elemzés eredményeit mutatjuk be. Ez öt részelemzésből áll és a gazdasági effektusokon túl a társadalmi és környezeti hatásokat is tartalmazza. A 3-7. fejezetek az alkalmazott módszereket és bemenő adatokat mutatják be részletesebben. A bemenő adatokat az osztrák és magyar projekt partnerek bocsátották rendelkezésre. A 8. fejezet a tervezett Szombathely-Friedberg vasútvonal két változatának környezeti és gazdaságitársadalmi elemzéseinek eredményeit tartalmazza. 2. A konszolidált gazdasági elemzés áttekintése

Az Instituts für Höhere Studien Wien (IHS) által készített konszolidált gazdasági elemzés következtetései öt részelemzésre támaszkodnak, amelyeket egy utolsó lépésben egyesítünk, s amelyhez egy érzékenység- és kockázatelemzés is kapcsolódik. A legfontosabb cél a beruházási projekthez kapcsolódóan egy átfogó, a gazdasági, társadalmi és környezeti hatásokat integráló elemzés elkészítése.

6

Konszolidált gazdasági elemzés Pénzügyi elemzés

Cash-Flow elemzés

Utazásiidő megtakarítások elemzése

CBA-Guide EIB

Környezeti és társadalmi -gazdasági elemzés

Environmental and Social Analysis (IHS-ESA-Modell)

Gadzasági elemzés

rövid- és középtávú hosszútávú

Multiregionális Input-Output-Analyse Elérhetőségtől függő regionális modell (IHS-EAR-Modell)

Érzékenység vizsgálat és kockázatelemzés

CBA-Guide EIB

1. ábra: IHS konszolidált gazdasági elemzés felépítése Forrás: IHS 2015 Az öt részelemzés a következő: a. Pénzügyi elemzés a. Pénzügyi elemzés A pénzügyi elemzés a vasúti közlekedés, illetve a vasúti infrastruktúra üzemeltetés szempontjából foglalkozik a hatásokkal. Az elemzés figyelembe veszi a beruházási költségeket, az üzemeltetési és karbantartási költségeket, valamint az üzemeltetés bevételeit. Számos különböző hatást – mint például a környezeti hatásokat – ez azonban nem foglal magába. b. Az utazási idők rövidülésének elemzése Ennek során az – legalábbis az infrastruktúra beruházások révén létrejövő – egyes utazási típusok szerinti költségbecslések alapján az utazási idő rövidüléseket fejezik ki pénzben. Ezen felül az értékek számítása során megkülönböztetjük az átterelődő és az újonnan generált forgalmat. c. Ökológiai és társadalmi-gazdasági elemzés Az új, vagy a modernizált infrastruktúra előnyei a régiók és országok elérhetőségének javulásában mutatkoznak meg. Ezen felül a negatív externáliák mérséklődnek, mint pl. a balesetek, levegő szennyezés, zaj és általános felmelegedés. Az IHS-ESA-Modell (Environmental and Social Analysis) mindezeket az externális hatásokat integrálja és regionális, nemzeti és nemzetközi szinten szolgáltat információkat az ökológiai és társadalmi-gazdasági hatásokhoz.

7

d. Rövid- és középtávú gazdasági elemzés A rövid- és középtávú gazdasági hatások elemzése a multiregionális input-output-elemzés módszerén alapszik. Ez az IHS által kidolgozott modell regionalizált input-output táblákon alapul, amelyek a nemzetgazdasági számlák mellékleteként készülnek és egy gazdaság, vagy különböző régiók egyes termelő szektorai közötti kapcsolatokat képezik le. Ez az elemzés a beruházási költségek és az abból következő fenntartási és üzemeltetési költségek eredményeként fellépő gazdasági hatások értékelésére szolgál. e. Hosszú távú gazdasági elemzés Az infrastruktúra projektek gazdasági előnyei, illetve hasznai gyakran csak bizonyos időbeni késleltetéssel jelentkeznek. Annak érdekében, hogy ezek a hosszútávon jelentkező hatásokat becsülni lehessen, az IHS az eljutási időktől függő regionális modellt (EAR) hozott létre, amely egy térbeni ökonometriai Bays-modellt épít fel. A gyorsabb elérési idők a gazdasági interakciók magasabb szintjét teszik lehetővé. Ezért ennek a modellnek a súlypontja a javított, vagy pótlólag kiépített infrastruktúra értékelésére koncentrál (NUTS1-2 szinten), amit az általa pótlólagosan generált bruttó nemzeti termékkel (GDP), illetve bruttó értékteremtéssel mérhetünk. f. Konszolidálás Az EU 2008. évi Költség-Haszon-Elelmzés (CBA)2 irányelveinek megfelelően – egyebek mellett – két teljesítménymutató különösen fontos az ilyen elemzések során: a pénzügyi nettó jelenérték (Financial Net Present Value – FNPV) és a gazdasági nettó jelenérték (Economic Net Present Value – ENPV). A jelen tanulmányban ezeken túl még két elemzést mutatunk be (1) az állami költségvetést és a (2) gazdaságot (bruttó értékteremtés és foglalkoztatottság) érintő hatásokat. Ez két olyan, nem jelentéktelen vetülete az állami pénzügyi- és gazdaságpolitikának, amelyeket figyelmen kívül hagy a CBA. Míg az FNPV a vasúti közlekedés, illetve a vasúti infrastruktúra működtetésének gazdasági szempontjait képezi le, az ENPV a gazdasági hatások mellett a társadalmi-gazdasági, illetve környezeti hatásokat is tartalmazza. Ezáltal a társadalom, mint egész szempontjait veszi figyelembe. Mindkét indikátor diszkontált pénzügyi költségeket és bevételeket tartalmaz, hogy a különböző, jövőbeni időpontokra vonatkozó pénzáramokat egymással össze lehessen hasonlítani. Csak kevés infrastruktúra projekt esetében pozitív az FNPV értéke, a 2. ábra egy jövedelmező infrastruktúra projektet mutat be. Azonban a legtöbb infrastruktúra projekt ezzel szemben negatív értéket mutat.

1

NUTS (Nomenclature of Territorial Units for Statistics) területi egységek európai szintű, hierarchizált statisztikai rendszere.

2

Európai Bizottság (2008)

8

Kumulált és diszkontált érték

1. példa: jövedelmező infrastruktúra projekt

idő

beruházás

működés

2. ábra: Jövedelmező infrastruktúra beruházási projekt Forrás: IHS 2015 Ennek ellenére az ENPV lehet pozitív (lásd a 2. ábrát), amennyiben az infrastruktúra projektek externális hatásait, mint az érintett régiók javuló elérhetőségét, a mérsékeltebb baleseti hányadosokat és a káros kipufogó gázok kibocsátásának csökkenését is figyelembe vesszük. Összefoglalóan ez azt jelenti, hogy: habár egy infrastruktúra projekt az üzemeltető számára esetlegesen ráfizetéses lehet (negatív FNPV), összességében, társadalmilag hasznos lehet, mivel a társadalmi-gazdasági hasznok (amelyeket az összehasonlíthatóság miatt számszerűsíteni és monetarizálni kell) a beruházási és egyéb költségeket meghaladhatják. Annak érdekében, hogy a beruházás összes költségét és hasznát korrekt módon meghatározhassuk, az IHS-anyag a gazdasági nettó jelenértékre koncentrál (ENPV). Amint az előzőekben már rámutattunk, a „gazdasági” kifejezés alatt a nemzetgazdasági hatásokat kell érteni, amely a szorosan vett gazdasági hatások mellett a társadalmi-gazdasági és a környezeti hatásokat is visszatükrözi. g. Érzékenység vizsgálat és kockázat elemzés Az érzékenység vizsgálat során azt vizsgáljuk, hogy a költségek és hasznok változásai miként hatnak a gazdasági mutatószámokra. Kritikus változók lehetnek az árváltozások (példának okáért a magasabb reálbérek), a kereslet változásai (például a demográfiai változások), a beruházási költségek változásai (az építési idő változása), az építési költségek változása (árváltozások a vonatkozó anyagok és szolgáltatások esetében), a kibocsátási árak változása (példának okáért a jegyáraké) stb. (lásd: Európai Bizottság 2008: 61). Azt vizsgáljuk, hogy az egyes bemenő változók +/- 1%-os árváltozása hogyan hat a társadalmi-gazdasági hasznok egyenlegére. Ezen kívül pedig még azt, hogy az egyes változók hány százalékkal változtathatók (negatív irányban) anélkül, hogy a társadalmi-gazdasági hasznok egyenlege negatívvá válna. A kockázat elemzés során szakértők kockázat becslései alapján becsüljük meg a kockázatokat, hogy milyen mértékben módosulhat (negatív irányba) az egyes bemenő adatok nagysága (pl.: az építési költségek jelentős megemelkedése, egyéb közlekedési és gazdasági folyamatok változásai). Erre alapozva

9

egy Monte-Carlo-szimuláció segítségével becsülhetők az egyes negatív társadalmi-gazdasági hatások valószínűsége. A következőkben az öt részelemzés módszereit alaposabban is ismertetjük. 3. Pénzügyi elemzés A pénzügyi elemzést azért végezzük el, hogy a projekt konszolidált jövedelmezőségét, illetve bevételszerző képességét, a projekt rentabilitását a projektért felelősök és az érdekképviseletek számára értékeljük, megállapítsuk a projekt pénzügyi fenntarthatóságát és végül – a rendelkezésre álló számítások alapján – bemutassuk a pénzáramlásokat. A pénzügyi elemzés célja a megfelelő mértékű nettó bevételek, illetve nettó megtérülés kiszámítása a projekt várt pénzáramlásai révén. Figyelmünk alapvetően a pénzügyi nettó jelenértékre (FNPV – financial net present value) és a pénzügyi megtérülési rátára (FRR - financial rate of return) irányul. Ezért a beruházási költségek és a felhasznált tőke szerint megkülönböztetve a következő mutatószámokat kell kidolgozni:

   

Pénzügyi nettó jelenérték (FNPV(C) – financial net present value on investment) Pénzügyi megtérülési ráta (FRR(C) – financial rate of return on investment) Gazdasági nettó jelenérték (FNPV(K) – financial net present value on capital) Gazdasági megtérülési ráta (FRR(K) – financial rate of return on capital)

A pénzügyi elemzés további központi mutatói az összes beruházási költség, az összes üzemeltetési költség és az összes üzemeltetésből származó bevétel, valamint a pénzügyi fenntarthatóság. A Diszkontált Cash Flow (DCF) módszer figyelembe veszi a bevételek és kiadások pénzáramait. A jövőbeni pénzáramokat azok jelenértékére diszkontáljuk. Az ehhez alkalmazott diszkont ráta 5%.3 A következő elemeket kell a pénzügyi elemzés során figyelembe venni: 3.1. Beruházási költségek Az összes beruházási költséget meg kell becsülni és évenkénti bontását meg kell adni. A jövőben szükségessé váló beruházási költségeket is mg kell becsülni csakúgy, mint a különböző, nem rutinszerű, a beruházás befejezését követő karbantartási és felújítási költségeket is meg kell tervezni. A beruházási költségek fix költségekre, induló költségekre, valamint a működő tőke változásaira oszthatók. 3.2. Üzemeltetési költségek és bevételek Az üzemeltetési költségek magukba foglalják a folyamatos üzemeltetés, valamint az új, vagy az utólagos szolgáltatások minden költségét. Ezek tartalmazzák mindazokat az előre látható szolgáltatás beszerzésekre vonatkozó információkat, amelyeket egy elszámolási időszakon belül igénybe vesznek, és amelyek ezért nem számítanak beruházásnak. Az üzemeltetési költségeken belül megkülönböztetünk fix (az adott kapacitásra vonatkozóan az igénybe vett anyagok és szolgáltatások mennyiségétől független) költségeket és változó költségeket (amelyek a kapacitástól függenek). A beruházási projektek, mint a vasúti infrastruktúra kiépítése, rendszerint bevételeket, pl. használati díjakat generálnak. Ezeket a bevételeket is becsülni kell a pénzügyi elemzés keretében.

3

Európai Bizottság (2008)

10

3.3. Pénzügyi jövedelmezőség A beruházási költségekkel, továbbá az üzemeltetési költségekkel és bevételekkel lehet a pénzügyi megtérülést, illetve a projekt bevételeit kiszámítani, minden esetben megkülönböztetve a beruházási költségekre és a befektetett tőkére vonatkozó számításokat. Amint azt korábban említettük, ehhez a következő mutatószámok állnak rendelkezésre:

 

Pénzügyi nettó jelenérték (FNPV – financial net present value) és Pénzügyi megtérülési ráta (FRR – financial rate of return).

Ezek a mutatószámok összhangban állnak az EU beruházási projektekre vonatkozó pénzügyi elemzési referencia mutatóival (lásd: Európai Bizottság 2008). A beruházás pénzügyi jövedelmezősége Egy beruházás esetében a pénzügyi nettó jelenérték (FNPV(C)) és a pénzügyi megtérülési ráta (FRR(C)) a projekt beruházási költségeit állítja szembe a nettó bevételekkel. A költségek refinanszírozási fokát a projekt bevételeinek segítségével mérjük, ami azt jelenti, hogy a nettó bevételek milyen arányban fedezik a beruházási költségeket. A pénzügyi nettó jelenértéket (FNPV(C)) úgy kapjuk, hogy a projekt diszkontált beruházási és üzemeltetési költségeiből levonjuk a várt diszkontált bevételeket: 𝑛

𝑆0 𝑆1 𝑆𝑛 𝐹𝑁𝑃𝑉(𝐶) = ∑ 𝑎𝑡𝑆𝑡 = + +⋯+ 0 1 (1 + 𝑖) (1 + 𝑖) (1 + 𝑖)𝑛 𝑡=0

St a t időpontra vonatkozó Netto-Cash-Flow értékét jelenti, at a pénzügyi leszámítolási kamatláb a t időpontban. i a választott diszkontrátának felel meg (rendszerint 5%). A pénzügyi megtérülési ráta (FRR(C)) annak a kamatlábnak felel meg, amelynél a beruházás nettó jelenértéke nullával egyenlő: 𝑛

𝐹𝑁𝑃𝑉 (𝐶) = ∑ 𝑡=0

𝑆𝑡 =0 (1 + 𝐹𝑅𝑅)𝑡

Ez azt jelenti, hogy az összes beruházási költség pénzügyi nettó jelenértéke (FNPV(C)) és pénzügyi megtérülési rátája (FRR(C)) a beruházás teljesítményét mérik annak finanszírozási forrásaitól és a finanszírozás formájától függetlenül. A pénzügyi nettó jelenértéket (FNPV(C)) abszolút pénzértékben (Euro) fejezzük ki és a projekt egész terjedelméhez kell arányosítani. A pénzügyi megtérülési ráta (FRR(C)) egyszerűbb és skála független érték, azaz független a projekt terjedelmétől. Főként arra szolgál, hogy más projektek jövőbeni bevételszerző képességével lehessen összehasonlítani, valamint, hogy egy beruházás jövőbeni fejlődését lehessen becsülni. Ezek a számítások többek között ahhoz a döntéshez járulnak hozzá, hogy szükséges-e, vagy sem az Európai Unió részéről a támogatás. Amennyiben a pénzügyi megtérülési ráta (FRR(C)) alacsonyabb, mint a diszkont ráta, vagy a pénzügyi nettó jelenérték (FNPV(C)) negatív, a keletkező bevételek nem fedezik a felmerülő költségeket és a projekthez beruházási támogatásra van szükség. Azoknak a projekteknek az esetében, amelyekhez lehetőleg EU pénzügyi hozzájárulásra van szükség, a beruházás pénzügyi nettó jelenértéke (FNPV(C)) általában negatív szokott lenni, és a pénzügyi megtérülési ráta (FRR(C)) is alacsonyabb, mint az alkalmazott diszkont ráta

11

(kamatláb). A nagyon alacsony, vagy akár negatív pénzügyi megtérülési ráta (FRR(C)) nem feltétlenül jelenti azt, hogy a projekt nem felel meg az EU támogatások célkitűzéseinek, csupán csak pénzügyi szempontból tűnik ráfizetésesnek. Az Európai Bizottság részéről általában alkalmazott reálpénzügyi diszkontráta 5%. Gazdasági jövedelmezőség A gazdasági jövedelmezőség számításának az a célja, hogy a projekt teljesítményeit a tagállamok támogatott állami és lehetséges magán érintettjei szempontjai szerint ellenőrizzük. A gazdasági jövedelmezőséget a projekthez szükséges üzemeltetési költségekből, a nemzeti (állami és magán) tőkebefektetésekből, a létesítés időpontjában kölcsönökből származó pénzügyi forrásokból, továbbá ezen kölcsönök kamataiból számítják. Amennyiben a pótlási költségeket a projekt bevételeiből finanszírozzák, azokat is mint üzemeltetési költségeket veszik figyelembe. A gazdasági nettó jelenérték (FNPV(K)) az az összeg, amely az összes diszkontált pénzáramlásból származik, s amely a beruházás megvalósítása miatt a projekt gazdát megilleti. Az ennek megfelelő gazdasági megtérülési ráta (FRR(K)) a nemzeti kedvezményezett részére (állami vagy magán szektor) százalékban fejezi ki a hozamot. A gazdasági nettó jelenérték (FNPV(K)) és a gazdasági megtérülési ráta (FRR(K)) számítása során minden finanszírozási forrást figyelembe kell venni az EU támogatásokon kívül. Ezeket a finanszírozási forrásokat beruházási költségek (ahogyan a pénzügyi megtérülési ráta (FRR(C) számítása során tettük) helyett tőkekiáramlásként kell figyelembe venni (eszköz beáramlásnak számítanak a pénzügyi fenntarthatóság szempontjából). Amennyiben egy közösségi beruházás esetében nagyon alacsony, vagy egyenesen negatív pénzügyi megtérülési ráta (FRR(C)) adódna, a gazdasági megtérülési ráta (FRR(K)) még magasabb, vagy akár pozitív is lehet. Közösségi beruházási projektek esetében a negatív gazdasági nettó jelenérték (FNPV(K)) az EU támogatások ellenére nem feltétlenül jelenti azt, hogy a projekt közösségi szempontból, vagy az üzemeltető szempontjából ne lenne kívánatos, vagy, hogy le kellene állítani. Ebben az esetben csak azt jelenti, hogy nem megfelelő a tőkemegtérüIés a választott diszkontláb mellett. Ez egy teljesen megszokott eredmény lehet, sőt egyenesen egy bevétellel kecsegtető projekt EU támogatás mellett. Ilyen esetekben különösen a projekt pénzügyi fenntarthatóságát kell biztosítani. Az Európai Bizottság részéről általában alkalmazott reál pénzügyi diszkontláb 5%. A kedvezményezett hozzájárulásának elvileg ehhez az értékhez kell igazodnia. Sokkal inkább azt jelenti, hogy ha egy beruházási projekt jelentősen pozitív gazdasági megtérülési rátát (FRR (K)) mutat, a nemzeti kedvezményezettek az EU támogatások révén különösen magas jövedelemhez jutnak. 3.4. Pénzügyi fenntarthatóság Egy beruházási projekt akkor számít pénzügyileg fenntarthatónak, ha a forrásokat rendelkezésre bocsájtják, illetve nem áll fenn annak a kockázata, hogy elapadnak a szükséges források a finanszírozáshoz. Döntő fontosságú a likvid eszközök be- és kiáramlásának időbeni megfeleltetése. Ahhoz, hogy ezt biztosítani lehessen, a projekt gazdáknak a finanszírozási forrásokat (beleértve a bevételeket és a pénzátutalásokat) a projekt teljes időtartamára vonatkozóan évente szembe kell állítaniuk a kifizetésekkel. Akkor mondható, hogy pénzügyileg fenntartható, ha a kumulált nettó pénzáramok minden évre pozitívak.

12

4. Az utazási idő megtakarítások elemzése Az utazási időmegtakarítás monetarizálása számításának módszere az Európai Bizottság (2014) és az EIB (2013) aktuális irányelvein alapszik. Ennek során – legalábbis az infrastruktúra beruházások révén jelentkező – utazási idő megtakarításokat az egyes utazási módok szerint költség becslés alapján értékelik. Az alkalmazott költségbecslések az egyes utazási módok szerint a CE Delft (2011) tanulmányból származnak. Az értékek számítása során a meglévő, az átterelődő és a generált forgalmat kell megkülönböztetni:  Meglévő forgalom (Existing traffic): A már meglévő forgalom esetében az utazási idő rövidülés értékét a különböző költségbecsléseket figyelembe véve közvetlenül lehet kiszorozni. Az összesített költségcsökkenés az alábbi ábrán a g1adg2 területnek felel meg.

 Átterelődő forgalom (Diverted traffic): Az átterelődő forgalomra (pl.: közútról vasútra) más költségértékeket kell alkalmazni. A „Rule of Half“4 szabály alkalmazása.  Generált forgalom (Generated traffic): A bővítésből/új építésből származó generált forgalom szintén befolyásolja az értékelést. A „Rule of Half“5szabály alkalmazása. A haszon, ami a bővítésből/új építésből keletkezik, megfelel az adb területnek az alábbi ábrán, amit a következő módon lehet számítani (1/2)x(g1-g2)x(q2-q1).

forgalom 3. ábra: A generált forgalomból származó javulás költségei

A különböző utazási indokok részarányára vonatkozóan a következő becsléseket alkalmaztuk: 70% ingázó forgalom (rövidtávú utazások), 20% egyéb rövid távú, szabadidős utazások, 10% munkával kapcsolatos utazások. Két régió közötti utazások esetében mindig a kibocsátó és a cél régió utazásainak 50%-át rendeltük hozzá.

4

Feltételeztük, hogy az eddig nem utazó felhasználók fizetési hajlandósága az eddigi álétalánosított utazási költségek alatt van. Mivel a fizetési hajlandóság ennek ellenére nem ismert, feltételeztük, hogy fogyasztók jövedelmének átlagos változása a jelenlegi és a generált közlekedési költésgek felének felel meg (lásd pl.: Európai Bizottság 2014:78). 5 Lásd az előző lábjegyzetet.

13

5. Környezeti és társadalmi-gazdasági elemzés Az elemzésnek ez a része különböző externális hatások értékelését tartalmazza, amelyek a forgalom átterelődéséből (pl.: autóról vonatra) illetve az újonnan generált forgalom (az emberek többet utaznak, mint eddig, mert vonzóbb a kínálat és pl. egy úti cél rövidebb idő alatt elérhető) miatt lépnek fel. Az értékeléshez felhasznált mennyiségek és árak az Európai Bizottság (DG TREN) megbízása alapján a CE Delft által a közlekedés externális költségeiről kiadott kézikönyvből származnak (CE Delft 2011).

Személyközlekedés externális költségei 1000 utaskilométerenként, évente

VASÚT 12,6 €

KÖZÚT 56,3 € 1,0 €

1,7 €

Baleset Klímaváltozás

1,1 €

4,6 € 0,2 € 0,1 € 0,4 €

Légszennyezés

0,6 € 5,5 €

Energia biztosítás Zaj

1,0 €

1,1 €

32,3 €

10,2 €

Városi hatások 3,3 € Egyéb

Áruszállítás externális költségei 1000 tonnakilométerenként, évente

VASÚT 6,7 €

KÖZÚT 43,5 € 0,9 €

Baleset

2,2 €

2,5 € Klímaváltozás Légszennyezés Energia biztosítás Zaj Városi hatások

0,7 € 0,6 €

0,6 € 0,9 €

1,2 € 2,6 € 6,0 €

3,7 € 17,0 € 8,4 €

8,8 €

Egyéb 4. ábra: Externális költségek a személyközlekedésben, kategóriák szerint. Forrás: CE Delft (2011), készítette IHS (2015) Forrás: CE DELFT 2011, adott esetben a „low“ és „high“ scenáriók átlaga. készítette: IHS

A 4. ábra alapján megállapítható, hogy milyen erősen különböznek az externális költségek az egyes közlekedési módok szerint – abszolút értékben és az egyes területek szerint is: az áru és a személyszállításban (ezer utaskilométerre) egyaránt a közúti szállítás externális költségeinek abszolút értéke többszöröse a vasúti szállításének. A közúti közlekedés ilyen nagyon magas költségei főként a sokkal több

14

baleset, valamint az éghajlatváltozás (CO2 kibocsátás stb.) miatt adódik. Amennyiben ezeket a költségeket teljes egészében internalizálnák (tehát minden közlekedési mód esetében az árakban figyelembe vennék), úgy arra számíthatnánk, hogy a mód szerinti megoszlás a vasút javára tolódna el. Ezeket az externális költségeket azonban mégis nagyrészt regionális (pl.: a zaj), illetve globálisan az egész társadalom (az éghajlatváltozás esetében) viseli6. 6. Rövid- és középtávú gazdasági hatások Ebben a fejezetben a rövid- és középtávú gazdasági hatások számításához használt módszert, valamint a számítások eredményeit mutatjuk be. Módszertani leírás: Multiregionális Input-Output-Elemzés (MRIOA) A két, Burgenland/Stájerország/Alsó-Ausztria és Nyugat-Dunántúl közötti határon átnyúló vasúti folyosó tervezése, az építés előkészítése és a környezeti hatásvizsgálat (2015-2024), az építkezés (20252029) és üzemeltetés, valamint fenntartás (2030-2060) rövid- és középtávú nemzetgazdasági hatásainak számszerűsítéséhez a multiregionális Input-Output-Elemzést használtuk eszközként. Ezt a következő oldalakon részletesen is ismertetjük. A módszer további leírása a feltételezésekkel együtt a mellékletben található (lásd: 9. fejezet). Metodikailag az Input-Output-Elemzés Leontief (1936) munkáján nyugszik, amely a gazdaság egészét, mint gazdasági szektorok rendszerét tekinti, amelyek mindegyike gazdasági teljesítményeket nyújt a többieknek, illetve igénybe veszi azok teljesítményeit7. Leontief szerint az az alap feltételezés, hogy, egy termék, vagy szolgáltatás iránti kereslet belföldön, vagy külföldön további termékek, vagy szolgáltatások (alapanyagok) iránti keresletet vált ki. Ezeket az alapanyagokat is belföldről, vagy külföldről elégítik ki és ismét csak további alapanyag igényeket generálnak, és így tovább. Ez a jelen tanulmányra alkalmazva azt jelenti, hogy ha például egy vasúti vonalszakaszt építünk ki, ahhoz sínre van szükség, amelynek előállításához viszont nyersvasat használnak, amihez vasércre és adalékanyagokra van szükség. A vasérc kibányászásához bányagépeket használnak, amelynek előállításához ismét csak különböző anyagokat használnak fel stb. Az Input-Output-Elemzés a nagyon részletes Input-Output-Táblázaton alapul, amelyeket a nemzetgazdasági számlák kiegészítéseként állítanak elő és egy nemzetgazdaság egyes termelési ágazatai közötti kapcsolatokat, valamint az értékteremtéshez való hozzájárulásukat mutatja be. Ennek során megkülönböztethetünk hazai előállítású és import anyagokat. Kiindulva az ágazati alapanyag kapcsolatokból és az input szerkezetből, azaz, hogy az egyes áruk előállításához milyen más árukra van szükség, számíthatók az értékteremtés és a foglalkoztatás multiplikátorai. Az Input-Output-Elelmzés többek között azoknak a direkt, indirekt és indukált értékteremtési, valamint foglalkoztatási hatásoknak a kiszámítását teszi lehetővé, amelyek egy meghatározott áru és szolgáltatás iránti kereslet miatt adódnak. Ezen kívül ennek az eszköznek a segítségével számíthatók az

6

Az itt bemutatott költségek kis mértékben különböznek a számítási részben alkalmazott adatoktól, mivel az itt bemutatott évenkénti költség adatok 1000 utaskilométerre még 2008-as árakon szerepelnek. A továbbiakban azonban a költség adatokat minden esetben átszámítottuk az ebben a tanulmányban egységesen alkalmazott 2015. évi árszintre, hogy a jelen tanulmány egyes részelemzéseinek eredményeit egymással össze lehessen hasonlítani. 7 Leontief ezért 1973-ban közgazdasági Nobel-díjat kapott: Wassily W. Leontief (1906-1999) „For the development of the input-outputmethod and for its application to important economic problems. Online a következő címen található: http://nobelprize.org/nobel_prizes/economics/laureates/1973/leontief.html,[letöltés 2010. augusztus 09.].

15

összgazdasági szinten keletkező adó és járulék bevételekre – az egyes helyhatóságok szerint megkülönböztetve – jelentkező hatások. Az Input-Output-Elemzés középső része a vizsgálat egyszerűsített szerkezetét mutatja sematikusan az 5. ábrán.

alkalmazottak Személyi költségek, vállalati működési eredmények

indukált értékteremtés

vásárlóerő adók következmény

alkalmazottak termelő felhasználás

indukált

Kiadá sok

értékteremtés

adók

indukált

alkalmazottak

Anyagbeszerzés, 1. kör

értékteremtés

vásárlóerő

vásárlóerő indukált adók alkalmazottak


értékteremtés

vásárlóerő adók alkalmazottak


értékteremtés

vásárlóerő adók

5. ábra: Az értékteremtés, foglalkoztatottság, vásárlóerő és adó hatások bemutatása Forrás: IHS 2009

A különböző számított hatások A következő hatásokat becsültük a két vasúti folyosó tervezésére, építési munkálatainak előkészítésére, környezeti terhelésének vizsgálatára, építésére és üzemeltetésére: Értékteremtő hatások A bruttó értékteremtés magába foglalja az egy adott gazdasági területi egységen belül az egyes gazdasági ágak, vagy a gazdaság egésze által létrehozott és piaci árakon kifejezett gazdasági teljesítmény egészét (termelési érték az anyagfelhasználás levonása után). Az értékteremtés a bruttó bérekből és jövedelmekből, a munkaadók által fizetett bérjárulékokból, az egyéb termelést sújtó adókból és járulékokból, az egyéb szubvenciókból, az értékcsökkenési leírásokból és a nettó vállalati eredményből tevődik össze. Foglalkoztatási hatások Beleértendő az egyes gazdasági ágakban létrejövő minden olyan munkahely, amely a két vasútvonal építésével és üzemeltetésével kapcsolatban keletkezik, a tovagyűrűző hatásokkal együtt Ausztriában és Magyarországon egyaránt. A foglalkoztatási hatásokat ki lehet fejezni személy/év (munkahelyek) és teljes munkaidő egyenértékben (teljes-munkaidő-egyenértékes) egyaránt. Ez utóbbi egy kollektív szerződéssel meghatározott munkahelynek felel meg.

16

Költségvetési hatások A fentiekben bemutatott értékteremtő és foglalkoztatási hatásokhoz még hozzá tartoznak a nem elhanyagolható társadalombiztosítási járulék és adó formájában megjelenő költségvetési bevétel áramlatok is:  társadalombiztosítási járulékok,

  

jövedelemadó, társasági adó, forgalmi adó.

A hatások megoszlása A jelen tanulmányban bemutatott gazdasági hatások a következők szerint osztályozhatók: A direkt hatásokat közvetlenül a két vasútvonal tervezése, építésének előkészítése, a környezeti fenntarthatósági vizsgálat, és magának a vasútvonalaknak az építése és üzemeltetése váltja ki. A direkt hatások minden vállalatnál felmerülnek, amelyek közvetlenül részt vesznek benne. Túlnyomórészt a következő impulzusokat kell figyelembe venni:  direkt foglalkoztatási hatás: a közvetlenül érintet foglalkoztatottak (például építő munkások, vonatkísérők és mozdonyvezetők ezeken a vonalakon),

 

direkt jövedelmi hatás: a közvetlenül érintett foglalkoztatottak munkabére, direkt vállalati nyereség: a közvetlenül érintett vállalatok megtermelt jövedelme.

A közvetlenül kiváltott gazdasági tevékenységek okozzák a gazdasági kapcsolatok alapján (ellátási lánc) az indirekt hatásokat. Ahogyan azt már a fentiekben kifejtettük, a sínek előállításához különböző anyagokat/szolgáltatásokat kell vásárolni: ide tartoznak például a vasérc, nyersvas és a bányagépek. Ezeknek az anyagoknak a megvásárlása pedig további foglalkoztatási és értékteremtő hatásokhoz vezet a beszállító vállalatoknál. De ezeknek az anyagoknak a létrehozásához is anyagokra és szolgáltatásokra van szükség, amelyeket szintén meg kell vásárolni stb. Az indirekt hatások képezik le a nemzetgazdaságban ezt a tovagyűrűző ellátási láncolatot. A direkt és indirekt hatások (ezek a primer hatások) változásokat hoznak létre a foglalkoztatásban; ez pedig a jövedelmek, vásárlóerő és fogyasztás megváltozásához vezet. Ez a hatás láncolat váltja ki a fogyasztás indukált hatásokat. Ez azt jelenti, hogy például az építőmunkás, vagy a mozdonyvezető jövedelme egy részét elkölti élelmiszerre a szupermarketekben, miáltal a szupermarketben foglalkoztatási és értékteremtő hatások jönnek létre. A jelen tanulmányban az aggregált hatásokat mutatjuk be. Multiregionális Input-Output-Elemzés (MRIOE) A nemzeti és regionális szinten elvégzett Input-Output-Elemzés kiterjesztését mutatja be a Multiregionális Input-Output-Elemzés (MRIOE), amely régiók közti (például tartományok közötti) kereskedelmi és anyaáramlási kapcsolatokat ábrázol és ezért a klasszikus Input-Output-Elemzéssel szemben jelentős előnyöket kínál. Mivel a Multiregionális Input-Output-Elemzés a regionális kapcsolatokon alapul, az információk magasabb szintű részletezettségét nyújtja és speciális regionális sajátosságokra világít rá. A jelen tanulmányban egy olyan multiregionális Input-Output-Táblát hoztunk létre, amely a kapcsolatokat Burgenland (Friedberg és Ebenfurth a burgenlandi határ mellett fekszenek) és Ausztria többi része, továbbá a Nyugat-Dunántúl és Magyarország egyéb területei között mutatja.

17

Az elemzés multiregionális jellege lehetővé teszi, hogy a nemzeti és regionális hatásokon túl úgy az intra-regionális (egy régión belüli) mint az inter-regionális (az egyes régiók közötti) gazdasági áramlatokat leképezzük és kiszámítsuk. Ezáltal válik lehetővé az, hogy ne csak magán az adott régión belüli gazdasági hatásokat elemezhessünk, hanem azokat a hatásokat is számszerűsíthessük, amelyeket más régiókban indukálnak. Az osztályozások fajtái Az osztályozás két fajtája alkalmazható, egyrészt a vállalatok, másrészt a javak termelése osztályozható. A javak termelésére a CPA–osztályozást (Classification of Products by Activity) alkalmaztuk, amelynek során az egyes előállított javak fajtája szerint történik a besorolás (pl.: szállásadói szolgáltatások, vegyi termékek). Ezzel szemben a vállalatokat a NACE (Nomenclature statistique des activités économiques dans la Communauté européenne) szerint osztályoztuk (pl.: szállásadás, vegyipari vállalatok). A két osztályozás megfelel egymásnak, így rendszerint minden CPA szerinti termékfajtával szembe állítható a NACE szerinti megfelelő vállalat típus. Ennek ellenére a vállalkozások nem csak a saját szektoruk termékeit, hanem más szektorok termékeit is kínálhatják (pl.: a parasztgazdaságok gyakran kínálnak szálláslehetőségeket is, a szállásadók sűrűn szolgáltatnak gasztronómiai, kiskereskedelmi, vagy wellness lehetőségeket is). Ezért a vállalatokat az EUROSTAT – az Európai Unió statisztikai hivatala – „legfontosabb“ termékük alapján sorolja osztályba. Az osztályozás áttekintése a melléklet 11. táblázatában található. Input adatok A Szombathely-Friedberg vonal számításaihoz az input adatokat a Panmobile bocsátotta rendelkezésre és az infrastruktúra beruházási és fenntartási költségeit, a hálózat működtetésének költségeit, valamint a személy- és áruszállítás költségeit tartalmazták. A Sopron-Ebenfurth vonal input adatait a KTI Közlekedéstudományi Intézet Non-profit Kft. számította. Ezek az adatok a következő input adatokat fogták át: beruházási és fenntartási költségek, valamint az áru- és személyszállítás költségei. Ezeken felül a Transport & Media Consulting Ltd. Működött közre jelentős mértékben a két vasúti vonalra vonatkozó input adatok előállításában. 7. Hosszútávú gazdasági hatások (IHS-EAR 2.0 Modell) Az IHS (IHS-EAR 2.0 Modell) eljutási időtől függő regionális modelljének rövid módszertani leírása Új közlekedési infrastruktúrák gazdasági értékelése során hagyományosan különbséget teszünk az építés időszaka alatt fellépő hatások és az üzemeltetés időszaka alatt jelentkező hatások között. Az Institut für Höhere Studien eljutási időtől függő regionális modellje („IHS-EAR 2.0“) az újonnan épített, vagy bővített közlekedési infrastruktúra hasznait működésük első 30 évére vonatkoztatva értékeli. Az IHS-EAR 2.0-Modell módszertani keretei elvileg egy térbeli interakciós övezetben (hálózati jelleg) generálódó költségeket követi annak figyelembe vételével, hogy a telephely magasabb minőségi foka egy régió termelési lehetőségeit bővíti.

A modell középpontjában a régiók közötti személy- illetve áruszállítás elérhetőségének koncepciója áll.

18

4. régió GDP 800

1. régió GDP 1000

ré5ió 5.5. régió GDP 800 GDP 500

az én régióm

2. régió GDP 1000

3. régió GDP 1000

6. ábra: sematikus ábrázolás: Az egyes esetekben vizsgált régiók közötti relációtól függő utazási idők és a gazdasági aktivitás meghatároz egy elérhetőségi jelzőszámot. Forrás: IHS 2015.

Az IHS-EAR 2.0 elérhetőségi jelzőszámát két tényező meghatározóan befolyásolja. A környező régiók eléréséhez szükséges utazási idő és ezeknek a régióknak a GDP-je. Az elérhetőségi jelzőszám számítása a következő alapvető megfontolásokon nyugszik: minél nagyobb egy szomszédos régió GDP-je, annál nagyobb az aktuálisan érintett régió elérhetőségi jelzőszáma. Avagy megfordítva: minél hosszabb az utazási idő két régió között, annál alacsonyabb elérhetőségi jelzőszám adódik. A 6 ábra egy adott régió szempontjából mutatja be az elérhetőségi jelzőszám számítását. Ez azt mutatja meg, hogy az adott relációtól függő elérhetőségi érték, amelyet az utazási időből és az elért GDP-ből számítunk, egy jelzőszámban összesítünk. Javul az elérhetőség – ahogyan azt az ábra mutatja – a 2. régió esetében, így ez hatással van az adott régió elérhetőségi mutatószámára. Egy régió értékteremtését a termelési függvénnyel mutatjuk be, amelyben az elérhetőség az egyik termelési tényező. Ezen túl még általában olyan tényezőket veszünk figyelembe, mint a technológia, a fizikai tőkeállomány, a humántőke és a foglalkoztatottak száma. Ezt a regionális termelési függvényt egy ökonometriai modell becsli, amelyben az egyes termelési tényezők elaszticitását is számítják. Ezek a rugalmassági együtthatók arra vonatkozóan szolgálnak információval, hogy egy régió gazdasági teljesítménye milyen erősen változik meg attól, ha valamelyik termelési tényező megnövekszik. Így állapítható meg az, hogy hogyan változik meg a regionális GDP az adott régió elérhetőségének javulásával. A modell részletes műszaki leírása a Függelékben található (a 34. oldaltól).

19

8. Szombathely-Friedberg eredményei

A Szombathely-Friedberg vonalat nagy részét először meg kell építeni. Ezért az itt bemutatott értékelés az új építést és az ahhoz szükséges további intézkedéseket fedi le. A létrejövő vasúti vonalszakaszokkal párhuzamosan futó autóbusz vonalakat úgy vettük figyelembe, mint az utazások lehetséges átterelődését az autóbuszról a vasútra, miáltal csökkenhetnek a költségek az autóbusz közlekedésben. 8.1. Szombathely-Friedberg pénzügyi elemzés eredményei

Ebben a fejezetben a Szombathely-Friedberg vonal pénzügyi elemzésének eredményeit mutatjuk be. Ennek során különbséget tettünk az infrastruktúra üzemeltető és egyben szállítási szolgáltatást nyújtó üzem (7. ábra) és csak az infrastruktúra üzemeltető (8. ábra) között. Kumulált értékeket ábrázolunk, ami azt jelenti, hogy minden évben kiszámítjuk a költségek és bevételek diszkontált értékét és minden évben ezek az értékek tartalmazzák az előző évek értékeit is. 2015 és 2024 között folyik a tervezés, azt követően 2029-ig az infrastruktúra építése és 2030-tól veszi kezdetét a pálya üzemeltetése. Az infrastruktúraüzemeltető bocsátja rendelkezésre a vasúti infrastruktúrát, amibe bele tartoznak a vágányok és szolgáltató létesítmények csakúgy, mint minden, ami a vasúti közlekedés biztonságához szükséges. Ő viseli a vasútvonalak és állomások/pályaudvarok tervezésének, építésének valamint fenntartásának költségeit. A szállító infrastruktúra használati díjat fizet a vasúti infrastruktúra üzemeltetőjének, továbbá fizet a szolgáltató létesítmények, mint például az állomások/pályaudvarok, vagy a vonatmosó berendezések használatáért. A szállító fizeti a használati díjakat, az üzemeltetési költségeket (például a vasúti személyzetét) és bevételekhez jut a jegyeladásból, a költségvetés szolgáltatás vásárlásaiból és az áruszállításból. A 7. ábra a pénzügyi elemzés azon esetének az eredményét ábrázolja, amelynek során az infrastruktúra üzemeltetője egyben szállító is.

Szombathely-Friedberg, infrastruktúraüzemeltető és szállító 7. ábra: Szombathely-Friedberg pénzügyi elemzés, infrastruktúraüzemeltető és szállító Forrás: adatok: Panmobile, számítások: IHS 2015.

20

2015 és 2029 között tervezik és építik meg a Szombathely-Friedberg közötti vonalat, a 2030. Évtől lehet bevételekkel számolni. 2030-tól kezdődően az éves bevételek összességében magasabbak lesznek, mint az éves kiadások, de mégsem fedezik a korábbi tevékenységek kiadásait. Az látszik, hogy az infrastruktúraüzemeltető és szállító 2060-ig összességében kereken 55 millió euró mínusszal számolhat. A 8. ábra csak az infrastruktúra üzemeltetőre vonatkozó pénzügyi elemzés eredményét ábrázolja. Az infrastruktúra üzemeltetője esetében az összes kiadás diszkontált összege 2015 és 2060 között kereken 71,5 millió euróval haladja meg a bevételeit.

Szombathely-Friedberg, infrastruktúraüzemeltető 8. ábra: Szombathely-Friedberg, pénzügyi elemzés, infrastruktúraüzemeltető Forrás: adatok: Panmobile, számítások: IHS 2015.

21

1. táblázat: Szombathely-Friedberg pénzügyi elemzés eredményei Millió euróban

Szombathely-Friedberg Tervezés

Építés

2015

…

2024

2025

…

6,15

0,76

0,76

0,76

0

0

0

0

0

0

55,04

0

0

0

19,72

19,72

19,72

0

0

0

EU támogatás Jelenért. Diszkontált beruházási költség (DIC) Beruházási költség: tervezés Beruházási költség: építés Diszkontált nettó bevételek (DNR)

Üzemeltetés 2029

2030

…

2060

61,19

5,96

0

0

0

0

0

0

0,76

0,76

0,76

Bevételek

62,65

0

0

0

0

0

0

7,96

7,96

7,96

Üzemeltetési és fenntartási költségek

56,69

0

0

0

0

0

0

7,20

7,20

7,20

Támogatható költségek

106,20

Támogatási arány

90,3%

A prioritási tengely támogathatósága

85,0%

EU támogatás

81,47 Tervezés

Építés

2015

…

2024

2025

…

-6,15

-0,76

-0,76

-0,76

0

0

0

0

0

0

Beruházás

-55,04

0

0

0

-19,72

-19,72

-19,72

0

0

0

Bevételek

62,65

0

0

0

0

0

0

7,96

7,96

7,96


-56,69

0

0

0

0

0

0

-7,20

-7,20

-7,20

Projekt Cash-flow

-55,23

-0,76

-0,76

-0,76

-19,72

-19,72

-19,72

0,76

0,76

0,76

Pénzügyi megtérülés (FRR(C)) Jelenért. Tervezés

FRR(C) (EU támogatás nélkül)

Üzemeltetés 2029

2030

…

2060

-6,9% Tervezés

Építés

2015

…

2024

2025

…

Gazdasági megtérülés (FRR(K)) Jelenért.

Üzemeltetés 2029

2030

…

2060

Nemzeti támogatás

-14,03

-0,09

-0,09

-0,09

-4,76

-4,76

-4,76

0

0

0


-56,69

0

0

0

0

0

0

-7,20

-7,20

-7,20

Bevételek

62,65

0

0

0

0

0

0

7,96

7,96

7,96

-8,07

-0,08

-0,08

-0,08

-4,73

-4,73

-4,73

0,76

0,76

0,76

Nemzeti Cash-flow FRR(K) (EU támogatással) Forrás: adatok: Panmobile, számítások: IHS 2015.

-0,3%

Az 1. táblázat a Szombathely-Friedberg vonalra vonatkozó pénzügyi elemzés eredményeit tartalmazza, elválasztva egymástól a három fázist: tervezés (2015-2024), építés (2025-2029) és üzemeltetés (20302060) 2015. évi árakon. A diszkontált beruházási költségek, 5%-os diszkontráta mellett, a SzombathelyFriedberg vonal esetében 61,2 millió eurót érnek el, a diszkontált nettó bevételek értéke ezzel szemben 6 millió euró. 85%-os kofinanszírozási ráta mellett az EU támogatás értéke kereken 81,5 millió euró. A beruházás pénzügyi megtérülési rátája (FRR(C)) egy projekt beruházási költségeit állítja szembe a nettó bevételekkel, hogy mérhető legyen a támogatások nélküli refinanszírozási szint. Ez a Szombathely-Friedberg vonal esetében -6,9% és ezáltal alacsonyabb, mint az alkalmazott diszkontráta. Annak érdekében, hogy a projekt egészének teljesítményét becsülni lehessen, a továbbiakban figyelembe kell venni a pénzügyi nettó jelenértéket is (FNPV(C)), amelynek értéke -55,2 millió euró. Annak érdekében, hogy a támogatandó önkormányzatok szempontjából be lehessen mutatni a projekt teljesítményét, a gazdasági nettó jelenértéket (FNPV(K)) – az összes diszkontált pénzáramlás összegét – és a gazdasági megtérülési rátát (FRR (K)) – a nemzeti kedvezményezettekhez való hozzájárulás – is

22

figyelembe kell venni. A Szombathely-Friedberg vonal gazdasági nettó jelenértéke (FNPV(K)) -8,1 millió euró, ami arra utal, hogy a tőkebefektetés megtérülése a választott diszkontráta mellett nem elegendő. A gazdasági belső megtérülési ráta (FRR (K)) az EU támogatások mellett -0,3%. Amennyiben a vonal kumulált nettó pénzáramait tekintjük a projekt teljes időtartama alatt (pénzügyi fenntarthatóság), úgy a költségek szempontjából a fenntarthatóság csak az üzemeltetési fázisban 2030 és 2060 között jelenik meg. Önmagában a pénzügyi elemzés még nem használható fel a vasútvonal megépítése mellett, vagy elleni kritériumként. Annak érdekében, hogy végső döntést hozhassunk, a gazdasági, környezeti és társadalmi-gazdasági elemzések eredményeit is figyelembe kell venni, amelyeket a következő fejezetekben ismertetünk, mielőtt az összes eredményt egy konszolidált elemzésben integrálnánk. 8.2. Szombathely-Friedberg utazásiidő-megtakarítás elemzés eredményei A 2. táblázat az utazási idők változása alapján célul kitűzhető költségcsökkentésről, valamint az alapesetben érintett feltételezésekről ad áttekintést. Két további szcenárió (Upward és Downward szcenárió) nyújt információkat a feltételezések érzékenységéről. Ehhez a számításhoz a bemenő adatokat a TMC8 bocsátotta rendelkezésre. Az utazásiidő-megtakarítások összege, amelyek a Szombathely-Friedberg vonalat érintő projekt megvalósítása révén érhetők el, alapesetben 13,3 millió eurót érnek el. Ezeknek a költségeknek nagy része Burgenlandban (7,0 millió euró) és a Nyugat-Dunántúlon (2,1 millió euró) takarítható meg. 2. táblázat: Szombathely-Friedberg keletkező költségmegtakarítás

Szombathely-Friedberg Feltételezések Tényleges utazásiidő megtakarítás Perc óránként Évente figyelembe vett napok átlagos költség társadalmi diszkontráta Generált költség megtakarítás évente (EUR) ÖSSZESEN Burgenland Nyugat-Dunántúl Ausztria - egyéb Jelenérték 2015-ben (millió euró) ÖSSZESEN Burgenland Nyugat-Dunántúl Ausztria - egyéb

Alapeset 100% 60 312 11,17 4,5% Alapeset 13 133 545 7 051 069 2 137 944 Alapeset 110,54 59,35 17,99 33,20

Upward

Downward szcenárió 110% 90% 60 60 340 280 14,00 8,00 4,0% 5,0% Upward Downward szcenárió 19 732 124 7 597 395 10 593 679 4 078 850 3 212 093 1 236 742 Upward

Downward szcenárió 189,46 56,18 101,72 30,16 30,84 9,14 56,90 16,87

Forrás: Adatok: TMC, Számítások IHS 2015.

8

Transport Media Consulting

23

8.3. Szombathely-Friedberg környezeti és társadalmi-gazdasági elemzés eredményei A következő eredmények a környezeti, valamint a társadalmi-gazdasági hatások eredményeit mutatják a Szombathely-Friedberg vonalon. A 3. táblázat a személyközlekedésben, a 4. táblázat az áruszállításban. Az eredmények A 3. táblázat bal felső részében a személyközlekedésre vonatkozóan foglaltuk össze és az egyes szcenáriók (alapeset, Upward és Downward szcenárió) redukált externális költségeinek jelenértékeit mutatják millió euróban. Az alapesetben a jelenértékhez Burgenland 3,9 millió euróval, Nyugat-Dunántúl 1,2 millió euróval, valamint a további osztrák régiók 2,2 millió euróval járulnak hozzá, amiből 7,3 millió eurós összérték adódik. Ez azt jelenti, hogy az EU egészében ezzel a kiépítéssel mai értéken számítva 7,3 millió euró összegű pozitív hatás várható, amelynek nagy része a balesetek csökkenéséből és a személygépkocsiról a klíma változás szempontjából kedvezőbb vasúti szállításra történő átterelődésre vezethető vissza. A jobb felső, kisebb táblázati rész a számítás alapját képező, a tervezett intézkedések hatására a forgalom átterelődésére (például, 2030-ban autóbuszról vasútra napi 49.477 ukm) vonatkozó feltételezéseket adja meg (Forrás: TMC). A táblázat alsó része a mindenkori utazási mód (szgk., autóbusz, vasút) szerinti kimeneti adatokat (24. oszlop) tartalmazza, amiket a számításokhoz felhasználtunk (például a balesetek esetében évente 38,11 euró/ 1.000 ukm). Az átterelődési hatások számítása (5. és 6. oszlop) a pozitív hatásokra mutat rá, pl.: a személygépkocsiról a vonatra euróban 1.000 utaskilométerenként (ezeknek az értékeknek a számítása a 2-4. oszlopokon alapszik). Az eredmények (7-9. oszlop) az évenkénti átterelődési folyamatot adják meg9. A jobboldali, legszélső 10. Oszlop végül az egyes költségkategóriák szerint foglalja össze az átterelődéseket. Míg a személygépkocsiról a vasútra történő átterelődés legtöbbször túlnyomó részben pozitív hatásokat hoz magával (például kevesebb baleset, ami visszatükröződik a költség faktorokban is), a pótlólagos forgalom generálása természetszerűleg negatív hatásokhoz vezet.

9

Bázis év 2015

24

3. táblázat: Externális környezeti és baleseti költségek a személyközlekedésben a Szombathely-Friedberg vonalon (számítás IHS 2015) A redukált externális költségek jelenértéke (M EUR)

Alapeset

ÖSSZESEN

Upward

Downward

autóbusz

8,1 €

6,5 €

Burgenland Nyugat-Dunántúl

3,9 €

4,3 €

3,5 €

49 477

33 015

29 425

1,2 €

1,3 €

1,1 €

312

312

312

EU - egyéb

2,2 €

2,4 €

2,0 €

15 436 774

10 300 666

9 180 489

szgk-vasút

busz-vasút

Kiinduló értékek szgk.

autóbusz

Számítás vasút

EUR/1000 ukm/év 2015-ben Balesetek

egyéni közl.

Generált vasúti forgalom

7,3 €

Szombathely-Friedberg

Költségkategória

Vasútra átterelődött forgalom, 2030

szcenárió

szgk-vasút

ukm/nap nap/év ukm/nap

Eredmények

busz-vasút

kül. EUR/1000 ukm/év 2015-ben

új vasút

ÖSSZESEN

redukált externális költségek évente, EUR 2015-ben

38,11

14,51

0,71

37,41

13,81

577 428

142 211

-6 500

713 139

6,49

7,08

3,07

3,42

4,01

52 825

41 326

-28 166

65 985

Klímaváltozás ('high scenario')

20,41

10,74

1,77

18,64

8,97

287 803

92 376

-16 249

363 930

Klímaváltozás ('low scenario')

3,54

1,89

0,35

3,19

1,53

49 182

15 801

-3 250

61 733

Zaj Előre- hátrasorolt folyamatok ('high scenario')

2,01

1,89

1,42

0,59

0,47

9 108

4 862

-13 000

970

Levegőszennyezés

6,73

3,30

9,56

-2,83

-6,25

-43 717

-64 420

-87 747

-195 884

Előre- hátrasorolt folyamatok ('low scenario')

4,01

1,77

4,60

-0,59

-2,83

-9 108

-29 171

-42 249

-80 528

Természet és táj

0,71

0,35

0,24

0,47

0,12

7 286

1 215

-2 167

6 334

Biodiverzitás károsodása

0,24

0,47

0,00

0,24

0,47

3 643

4 862

0

8 505

Talaj- és vízszennyezés

0,35

1,06

0,59

-0,24

0,47

-3 643

4 862

-5 416

-4 197

Városi hatások

1,18

0,47

0,71

0,47

-0,24

7 286

-2 431

-6 500

-1 645

high scenario' összesen

76,35

39,88

18,05

58,29

21,83

899 840

224 864

-165 745

958 959

Alapeset összesen

66,55

34,63

14,81

51,74

19,82

798 745

204 200

-135 954

866 991

low scenario' összesen 56,76 29,38 11,56 45,19 17,82 697 650 183 537 Költségbecslések forrása: CE Delft 2011, ukm forrása: TCM, Tényezők bázisárai 2008-2015, Eurostat, AT-HU átlag: 1,18

-106 163

775 024

A 4. Táblázat az áruszállítás környezeti hatásait mutatja. A táblázat bal felső része az alap esetben a redukált externális költségek esetében az EU egészére 25,9 millió euró értékű összes pozitív nettó jelenértéket mutat, amelyből Burgenlandra 4,9 millió euró, Nyugat-Dunántúlra 1,6 millió euró jut. A kisebb, jobb felső táblázatrész a számítás alapját képező, a tervezett intézkedések következtében az áruforgalomban a közútról a vasútra várható átterelődésre vonatkozó feltételezéseket tükrözi vissza (Forrás: TMC). Ennek megfelelően a könnyű haszongépjárművek (LDV) esetében az áruszállítás átterelődése a közútról a vasútra 2030-ban napi 32.579 tonnakilométert (tkm) mutat. A nehéz haszongépjárművek (HDV) esetében a vasútra terelődés 2030-ban egyenesen napi 187.774 tkm. A táblázat alsó része azoknak a kimeneti értékek leírását foglalja magába, amelyeket a számításokhoz figyelembe vettünk, valamint magát a számítást és az eredményeket. Míg az áruszállítás átterelődése a közutakról a vasútra a könnyű és nehéz haszongépjárművek esetében legtöbbször túlnyomó részben pozitív hatásokkal jár együtt – például a kevesebb baleset, az alacsonyabb szintű levegő- és zajszenynyezés miatt, amik a költségtényezőkben is visszatükröződnek – a pótlólagosan keletkező új forgalom a vasúton („új vasút” oszlop) természetszerűen negatív hatásokhoz vezet. Összességében azonban a vasúton történő áruszállítás túlnyomórészt mégis pozitív hatással jár a környezetvédelem szempontjából.

25

4. táblázat: Szombathely-Friedberg externális környezeti és baleseti költség megtakarítás az áruszállításban, (számítás IHS 2015) A redukált externális költségek jelenértéke (M EUR)

Szombathely-Friedberg

Alapeset

Upward

Vasútra átterelődött forgalom, 2030

szcenárió

25,9 €

29,8 €

22,0 €

könnyűjmű

Burgenland Nyugat-Dunántúl

4,9 €

5,5 €

4,2 €

32 579

187 774

220 353

1,6 €

1,8 €

1,4 €

312

312

312

EU - egyéb

19,4 €

22,3 €

16,5 €

10 164 651

58 585 349

68 750 000

kjmű-vasút

nehjművasút

könnyűjmű

nehézjmű

nehézjmű

Generált vasúti forgalom

ÖSSZESEN

Kiinduló értékek Költségkategória

Downward

Számítás vasút

EUR/1000 ukm/év 2015-ben

kjmű-vasút

tkm/nap nap/év tkm/nap

Eredmények

nehjmű-vasút

kül. EUR/1000 ukm/év 2015-ben

új vasút

ÖSSZESEN

redukált externális költségek évente, EUR 2015-ben

Balesetek

66,32

12,04

0,24

66,08

11,80

671 680

691 307

-16 225

1 346 762

Levegőszennyezés

21,12

7,91

1,30

19,82

6,61

201 504

387 132

-89 238

499 398

Klímaváltozás ('high scenario')

52,51

11,56

1,06

51,45

10,50

522 951

615 263

-73 013

1 065 201

Klímaváltozás ('low scenario')

8,97

2,01

0,24

8,73

1,77

88 758

103 696

-16 225

176 229

Zaj Előre- hátrasorolt folyamatok ('high scenario')

7,43

2,12

1,18

6,25

0,94

63 570

55 305

-81 125

37 750

16,87

3,54

4,96

11,92

-1,42

121 142

-82 957

-340 725

-302 540

Előre- hátrasorolt folyamatok ('low scenario')

9,91

2,01

2,83

7,08

-0,83

71 966

-48 391

-194 700

-171 125

Természet és táj

1,06

0,83

0,00

1,06

0,83

10 795

48 391

0

59 186

Biodiverzitás károsodása

0,71

0,59

0,00

0,71

0,59

7 197

34 565

0

41 762

Talaj- és vízszennyezés

2,12

0,94

0,47

1,65

0,47

16 792

27 652

-32 450

11 994

Városi hatások

3,66

0,59

0,24

3,42

0,35

34 783

20 739

-16 225

39 297

high scenario' összesen

171,81

40,12

9,32

162,49

30,80

1 651 613

1 804 312

-640 888

2 815 037

Alapeset összesen

146,56

34,57

7,79

138,77

26,79

1 410 528

1 569 267

-535 425

2 444 370

low scenario' összesen 121,30 29,03 6,25 115,05 22,77 1 169 443 1 334 223 Költségbecslések forrása: CE Delft 2011, tkm forrása: TCM, Tényezők bázisárai 2008-2015, Eurostat, AT-HU átlag: 1,18

-429 963

2 073 703

8.4. Szombathely-Friedberg rövid és középtávú gazdasági elemzés eredményei Ebben a fejezetben a Szombathely-Friedberg vonal multiregionális Input-Output-elemzésének eredményeit ismertetjük. Ennek során a Szombathely-Friedberg vasútvonal építésének előkészületeit, tervezését, valamint környezeti megvalósíthatósági tanulmányának (2015-2024), építésének (2025-2029) és üzemeltetésének (2030-2060) eredményeivel foglalkozunk. Az eredmények az érintett időtartamra aggregált és diszkontált hatásokat mutatnak be, így évenkénti adatok nem szerepelnek. Az értékteremtési folyamatra és az adózási hatásokra vonatkozóan az Európai Bizottság által javasolt társadalmi leszámítolási rátét alkalmaztuk, ami Ausztria esetében 3,5% és Magyarország esetében pedig 5,5% (Európai Bizottság 2008: 16). Az 5. táblázatban a SzombathelyFriedberg vonalra számított aggregált és diszkontált gazdasági hatások szerepelnek. A vizsgálat időhorizontja 2015-2060 és átfogja a tervezés, építés és üzemeltetés fázisait. Az egyes fázisokban a hatások eltérően jelentkezhetnek.

26

5. táblázat: Áttekintés a Szombathely Friedberg vonal rövid és középtávú gazdasági hatásairól (direkt, indirekt és indukált), kumulált adatok 2015-2060 Sopron - Ebenfurth vonal Millió EUR

Értékteremtés

Foglalkoztatás

Adók

Burgenland

115,1

2 258

55,0

Ausztria

163,4

3 176

76,2

Nyugat-Dunántúl

26,6

1 358

10,2

Magyarország

43,0

2 071

16,5

300,2

6 650

126,1

EU28

Világ 318,8 Forrás: Adatok: Panmobile, Számítások: IHS 2015.

Az összesen generált bruttó hozzáadottérték teremtés (GDP) a teljes időtartam alatt Ausztriában 163,4 millió euró, ebből 70% (115,1 millió euró) jut Burgenlandra. A gazdasági kapcsolatok más régiók is profitálnak a beruházásokból és megrendelésekből, nem csak az adott régióban tevékenykedő vállalatok. Magyarországon az így generált GDP 43 millió eurót tesz ki, amiből 26,6 millió euró (62 %) marad Nyugat-Dunántúlon. Ezáltal az Európai Unió országaiban (a táblázatban EU 28-ként jelölve, Ausztriát és Magyarországot is beleértve) 300,2 millió euró nagyságú GDP generálódik. Világviszonylatban a teljes bruttó hozzáadottérték termelés 318,8 millió euró. A Szombathely-Friedberg vonal tervezése, építése és fenntartása révén Ausztriában 3.176 teljes munkaidős munkahelyet biztosít évente10 (TMM). A foglalkoztatási hatás nagy része Burgenlandban jelentkezik (2.258 TMM). Magyarországon 2.071 TMM jön létre, ebből a legtöbb a Nyugat-Dunántúlon (1.358 TMM). Az EU-ban összesen 6.650 TMM keletkezik. A költségvetési hatásokra vonatkozóan megállapítható, hogy az osztrák állam és társadalombiztosítás a 2015-2060 időszakban 76,2 millió euróhoz jut adók és társadalombiztosítási járulék bevételek formájában. Magyarországon ezek a bevételek 16,5 millió eurót érnek el. Az Európai Unió egészében ezek a bevételek összesen 126,1 millió eurót tesznek ki. 8.5. A Szombathely-Friedberg vonal hosszú távú gazdasági elemzésének eredményei A 6. Tábla a Szombathely-Friedberg vonalra várható elérhetőség javulásból származó hosszútávú pozitív gazdasági hatásokat mutatja be, amelyeket az IHS-EAR-2.0-Modell segítségével számítottunk. A bemenő adatokat az IBV Fallast bocsátotta rendelkezésre. Az adatminőség javítása érdekében igénybe vettük az ETISplus11 adatbankból származó információkat a szállított áruk mennyiségére vonatkozóan, különösen a közút és vasút közötti modalsplit számításához. Ezeket a javításokat minden régió esetében 2015-re vonatkozó jelenértékként adtuk meg millió euróban, úgy az összesen, mint az egyes áru- és személyforgalomra vonatkozó részterületek esetében. Látható, hogy a legnagyobb hatások a várakozásoknak megfelelően a két régióban, Nyugat-Dunántúlon és Burgenlandban jelentkeznek.

10

A teljes perióusra vetítve 2015-2060 között átlagosan kereken 69 (3.176/46) teljes munkaidős munkahely keletkezik, amelynek csúcsa az építés időszakára jut. 11 ETISplus: http://www.etisplus.eu/

27

6. táblázat: A hosszútávú gazdasági hatások áttekintése a személy- és áruforgalomban a Szombathely-Friedberg vonalon Szombathely-Friedberg Millió EUR

Jelenérték 2015-ben, millió EUR ÖSSZESEN

Áruszállítás

Személyforg.

Burgenland

29

18

11

Alsó-Ausztria

28

27

1

Bécs

40

32

8

Karintia

1

0

1

Stájerország

22

21

1

Felső-Ausztria

22

21

1

Salzburg

5

5

0

Tirol

3

3

0

Vorarlberg

1

1

0

151

128

23

Ausztria Közép-Magyarország

4

4

0

Közép-Dunántúl

32

32

0

Nyugat-Dunántúl

277

265

12

Dél-Dunántúl

120

120

0

Észak-Magyarország

5

5

0

Észak-Alföld

6

6

0

Dél-Alföld

7

7

Magyarország

451 439 Forrás: IHS 2015, az IBV Fallast közlekedési adatai alapján.

0 12

A 7. táblázat a pótlólagos munkahelyteremtési (teljes munkaidő egyenértékesre vonatkoztatva) és adóbefizetések potenciális értékét mutatja az egyes régiók szerint. A legjelentősebb munkahely teremtési hatás a magyarországi régiókban (Nyugat-Dunántúl, Dél-Dunántúl és Közép-Dunántúl) jelentkeznek. A várható pótlólagos adóbevételek jelenértéke Burgenlandban 14 millió eurót, Nyugat-Dunántúlon pedig 127 millió euróra fut fel (2015. évi bázisáron).

28

7. táblázat: A hosszútávú gazdasági hatások áttekintése a Szombathely-Friedberg vonalon (többlet foglalkoztatottak és adóbefizetések) Szombathely-Friedberg

Pótlólagos foglalkoztatottak (fő)

Burgenland Alsó-Ausztria Bécs Karintia Stájerország Felső-Ausztria Salzburg Tirol Vorarlberg Ausztria Közép-Magyarország Közép-Dunántúl Nyugat-Dunántúl Dél-Dunántúl Észak-Magyarország Észak-Alföld Dél-Alföld Magyarország

30 23 20 1 17 16 3 2 0 112 11 128 1 042 561 23 27 36 1 827

Adóbevétel (millió EUR, jelenérték, 2015)

14 13 19 0 11 10 2 1 0 72 2 15 127 55 2 3 3 208

Forrás: IHS 2015, az IBV Fallast közlekedési adatai alapján.

8.6. További bemeneti adatok A gazdasági elemzésben a költségoldalt is figyelembe kell venni csakúgy, mint azokat a további társadalmi-gazdasági hatásokat, amelyeket eddig nem vizsgáltunk. A költségek közé számítanak:  A tervezési és beruházási költségek;  Az új, illetve átépítés miatt az infrastruktúra fenntartási és üzemeltetési költségeinek változásai;  A leközlekedtetés karbantartási és üzemeltetési költségeinek változásai. Ennek során azt is figyelembe kell venni, hogy a közlekedésben a várt módosulások (az egyes közeledési módok közötti átterelődések) a karbantartás és üzemeltetés terén is költség megtakarításokkal járhatnak (pl.: ha kevesebb autóbuszt kell biztosítani, vagy megtakarítások az egyéni közlekedés üzemeltetési költségeiben). Ezeket a megtakarításokat a többletköltségekkel szemben kell elszámolni. Nem csak az új / felújított vasúti vonalak térségében kell a változásokra tekintettel lenni, hanem azon túl is (pl.: a tranzit közlekedésben). Ezeken felül költségek keletkeznek a társadalom számára is



a költségvetési kiadások révén.

A bevételek oldalán 

a közlekedési bevételeket kell figyelembe venni.

29

Ennek során ugyanúgy tekintetbe kell venni a különböző közlekedési módok közötti átterelődéseket, így például adott esetben pl. az autóbusz-közlekedés bevételei mérséklődnek. Ezeket a hatásokat ugyanúgy egymással szemben el kell számolni. A költségeket és a bevételeket nettó módon, azaz a gazdasági elemzésben a direkt és indirekt adók, illetve támogatások nélkül kell figyelembe venni, mivel azokat csak mint a társadalmon belüli transzfereket kell kezelni12. Ezek a közkiadásokkal, illetve bevételekkel korrigált költségek, illetve bevételek találhatók meg a gazdasági elemzés bemeneti adatai között, és az ehhez felhasznált tényezőket „korrekciós tényezőknek” nevezzük. Ezek a korrekciós tényezők a Szombathely – Friedberg vonal esetében a tervezésre valamint az építésre vonatkoztatva 0,87 a fenntartásra és üzemeltetésre vonatkoztatva pedig 0,84. Ami azt jelenti, hogy a költségeket, illetve bevételeket a megfelelő tényezőkkel fel kell szorozni. Feltételezve, hogy az építkezés 2025-ben indul, a beruházás és tervezés jelenértéke 59,2 millió euró (Ausztriában 3,5%, Magyarországon 5,5% gazdasági leszámítolási kamatlábbal számítva). Az infrastruktúra fenntartásának és üzemeltetésének megfelelő jelenértéke 13,9 millió euró. A bevételi oldalt a díjak képezik, de ebben az esetben átterelődésekkel kell számolnunk. Ugyanez7 érvényes a szolgáltatók esetében a fenntartási és üzemeltetési költségekre vonatkozóan. Az IBV Fallast és a TMC szerint a vasúton megjelenő új utasok kereken 44%-a az egyéni közlekedésből, 29%-a a közforgalmú (autóbusz) közlekedésből terelődik át, míg 26%-a újonnan generált utazás. Az áruszállításban a tkm-ben számított teljesítmény kereken 50%-a újonnan keletkezett, 43% a nehéz haszongépjárművekkel szállított és 7% a könnyű haszongépjárművekkel szállított árukból. Feltételeztük, hogy a teljesáru menetjegyek (beleértve az állami támogatást is) azonos nagyságú az autóbusz és a vasút esetében, míg az egyéni közlekedés költségei mintegy 40%-kal magasabbak (Forrás: TMC). Így a közlekedésben mintegy 56 millió euró bevételi többlet, az egyéni személyközlekedésben pedig 14,5 millió euró megtakarítás jelentkezik. Ebből le kell vonni a költségvetési kiadások jelenértékét, azaz kereken 46 millió eurót (évente mintegy 4 millió eurót). A pótlólagos fenntartási és üzemeltetési költségek 28,7 millió euró nagyságúak. A hiányzó alapadatok miatt nem volt lehetséges az áruszállítás területére vonatkozóan az utazási idő, annak alapján a költség megtakarításokat számítani. 8.7. Szombathely-Friedberg vonal konszolidált gazdasági elemzés eredményei A Szombathely-Friedberg vonalra vonatkozó konszolidált gazdasági elemzés (8. táblázat) nem csak a pénzügyi elemzésből13 származó különböző költségeket tartalmazza, hanem figyelembe veszi ugyanakkor az utazási idő csökkenésének monetarizált értékét, a rövid és hosszú távú gazdasági hatásokat és a környezeti hatásokat is. Olyan mutatószámokat is számítottunk, mint a gazdasági nettó jelenérték (ENPV), költség- haszon-arány és a belső kamatláb. Ennek során kitértünk a CBA-Guide és a költségvetés szempontjaira, valamint tárgyaltuk a gazdasági hatásokat. Ugyanakkor megadtuk az autóbusz vonalak költségmegtakarítását is, valamint figyelembe vettük a változókban a „Szolgáltató fenntartási és üzemeltetési eredményét” és a „Szolgáltató bevételeinek eredményét” is.

12

Ugyanakkor a társadalombiztosítási járulékot nem. Bővebben erről a CBA-ban (2014).

13

Diese Kosten dürfen jedoch nicht 1:1 aus der Finanzanalyse übernommen werden, Details dazu in: Europäische Kommission (2008).

30

A CBA-Guides szempontjai szerint csak az infrastruktúra üzemeltető összességében 73,1 millió euró diszkontált költséget visel. A monetarizált externáliák (környezeti hatások, zaj, balesetek stb. a személy- és áruszállításban) az EU-ban 33,2 millió eurót érnek el. A lecsökkent utazási idő értéke a személyközlekedésben eléri a 110,5 millió eurót. Így a CBA-Guide szerinti számítások után 85,1 millió euró gazdasági nettó jelenérték (ENPV) adódik. A költség-haszon arány 2,16 és a belső reálkamatláb 2,6%. Abban az esetben, ha az infrastruktúra üzemeltetője egyben szállítási szolgáltatást is nyújt, a CBAGuide szerint ugyanazok az eredmények adódnak az első megközelítésben, már ami a költségeket, a környezeti hatásokat és az utazási idő monetarizált költségeit illeti. Ugyanakkor ebben az esetben a szolgáltató költségeinek és bevételeinek egyenlege 28,7 millió euró, illetve 55,9 millió euró. Ebből az EU egészére 66,3 millió euró gazdasági nettó jelenérték (ENPV) adódik, miközben a haszon-költség arány 1,65 és a belső reálkamatláb 1,7 %14. A harmadik szempont a költségvetés. Az infrastruktúra költségek a költségvetés szempontjából diszkontálás után (valamekkora részének EU-intézmények általi finanszírozásával) 59,2 millió euróra rúgnak, valamint további 46 millió euró a szolgáltatás vásárlás értéke (évente mintegy 4 millió euró) 8 millió euró bevétel mellett. A továbbiakban rövid- és középtávú költségvetési hatásokat is figyelembe vettünk, miközben a mérséklődő utazási idő és a környezeti, valamint társadalmi-gazdasági hatások ebben az esetben nem relevánsak. Így a költségvetés szempontjából mintegy 308,9 millió eurós egyenleg keletkezik az EU egész térségében, az érintett régió is kumuláltan mintegy 109 millió euró többlettel számolhat. Ezáltal a költségvetés tőkebefektetése visszaáramlik a költségvetésbe. A negyedik szempont a gazdasági hatásokat mutatja be. A rövid és hosszú távú gazdasági hatások figyelembe vételével az értékteremtésben 902,2 millió euró nettó jelenérték (ENPV) keletkezik az EU egészében, ebből 447,7 millió euró az érintett régiókban: Burgenlandban és a Nyugat-Dunántúlon. Ezért 2030-tól kezdődően a Burgenland/Nyugat-Dunántúl régióban évente pótlólagosan 48 millió euró értékteremtés várható, az egész EU-ban mintegy 97 millió euró (minden adat 2015. évi árakon). A gazdasági hatások közé tartozik a munkahely teremtő hatás is. A generált foglalkoztatás összességében 1.242 teljes munkaidős munkahelyet jelent Burgenlandban és a Nyugat-Dunántúlon, és 2.187 Ausztriában és Magyarországon.

14

A reál belső kamatláb a táradalmi diszkontráta, ami Magyarország esetében 5,5% Ausztriában pedig 3,5% , levonása utáni belső kamatlábat jelenti és ezért ebben jelentős szerepet játszik.

31

8. táblázat: Szombathely-Friedberg vonal konszolidált gazdasági elemzés eredményei Szombathely-Friedberg Millió EUR

CBA Infrastruktúra

CBA Infrastruktúra és szolgáltató

Bgld/Ny-D.

Bgld/Ny-D.

EU

EU

Tervezés és építés

-59,2

-59,2

-59,2

-59,2

Karbantartés és működtetés

-13,9

-13,9

-13,9

-13,9

Infrastruktúra összesen

-73,1

-73,1

-73,1

-73,1

Externáliák

11,6

33,2

11,6

33,2

Időmegtakarítás, személyforg.

77,3

110,5

77,3

110,5

Személyforgalom ktg.megtakarítás Karbantartás és működtetés, szolgáltató szaldó

10,1

14,5

10,1

14,5

-13,5

-28,7

Szolgáltató bevételei, szaldó

23,5

55,9

Költségvetés szolgáltatás vásárlása

-46,0

-46,0

Költségvetés Bgld/Ny-D.

Gazdasági hatások

EU

Bgld/Ny-D.

EU

Munkahelyek Bgld/Ny-D.

EU

-59,2

-59,2

-59,2

-59,2

-46,0

-46,0

8,0

8,0

Rövidtávú gazdasági hatások

65,2

126,1

141,7

300,2

170,0

248,0

Hosszútávú gazdasági hatások

141,0

280,0

306,0

602,0

1 072,0

1 939,0

447,7

902,2

1 242,0

2 187,0

Költségvetési bevételek

Gazdasági nettó jelenérték (ENPV)

25,9

85,1

-10,1

66,3

109,0

308,9

Haszon-költség arány

1,35

2,16

0,88

1,65

2,04

3,93

Reál belső kamatláb 1,0% 2,6% -0,4% 1,7% 2,4% 4,7% * a reáltársadalmi diszkontráta Ausztriában 3,5%, illetve 5,5% Magyarországon; itt még nincs figyelembe véve a Szombathely - Friedberg vonal munkahelyek millió euró CBA infrastruktúra CBA infrastruktúra és szolgáltató költségvetés gazdasági hatások Forrás: Adatok: Panmobile, IBV Fallast, TMC, Számítások: IHS 2015.

8.8. Szombathely-Friedberg érzékenység vizsgálat és kockázat elemzés eredményei Az érzékenység vizsgálat egy projekt kritikus változóira15 mutat rá, azaz azokra a változókra, amelyeknek a változásai a projekt pénzügyi, vagy gazdasági hatásaira a legnagyobb befolyással bírnak. A Szombathely-Friedberg vonalra vonatkozó érzékenység vizsgálat eredményeit a 9. táblázatban mutatjuk be. Ez a táblázat a gazdasági nettó jelenérték változását mutatja be százalékban kifejezve abban az esetben, amikor az érintett változók (oszlopok) értéke 1% csökken. Az érzékenység vizsgálat kimutatja, hogy a kritikus változók az utazási idő megtakarítás (azzal együtt többek között az intermodális változások és a közlekedési teljesítmények nagysága) és az összes infrastruktúra költség (építés, fenntartás és működtetés) kereken 1,7%-os, illetve 1,1%-os értékkel.

15

Azaz, a gazdasági nettó jelenértékre (ENPV) a hatása nagyobb, mint egy százalék.

32

9. táblázat: Szombathely-Friedberg érzékenység vizsgálat, x változó 1%-os csökkenése az ENPV y%-os változását okozza Sopron-Ebenfurth vonal Költségek változása: -1%

Gazdasági jelenérték (ENPV)


0,9%


0,2%


1,1%

Externáliák

-0,5%


-1,7%

Személyforgalom ktg.megtakarítás

-0,2%

Karbantartás és működtetés, szolgáltató szaldó

0,4%


-0,8%

Költségvetés szolgáltatás vásárlása 0,7% Forrás: Adatok: Panmobile, IBV Fallast, TMC, Számítások: IHS 2015.

A 10. táblázat a Szombathely-Friedberg vonal fedezetipont elemzését mutatja. Ez azt mutatja, hogy milyen mértékben kell a változóknak ahhoz megváltozniuk, hogy ezáltal a gazdasági nettó jelenérték nullává váljon, illetve, hogy az egyes változóknak mennyit kell megváltozniuk – ceteris paribus16 - ahhoz, hogy az a gazdasági nettó jelenérték (ENPV) előjelében változáshoz vezessen. Eszerint például az infrastruktúra költségeknek 90,6%-kal emelkedniük, vagy pl.: a monetarizált utazási idő hatásoknak 59,9%-kal csökkenniük kell ahhoz, hogy a gazdasági nettó jelenérték (ENPV) nulla legyen. De csak az építési költségek akár 112%-kal magasabbak is lehetnek. 10. táblázat: Kritikus változók (fedezetipont elemzés) az ENPV-re vonatkozóan, Szombathely-Friedberg Sopron-Ebenfurth vonal Fedezetipont elemzés

Gazdasági jelenérték (ENPV) = 0


111,9%


476,7%


90,6%

Externáliák

-199,6%


-59,9%

Személyforgalom ktg.megtakarítás

-457,0%

Karbantartás és működtetés, szolgáltató szaldó

230,9%


-118,6%

Költségvetés szolgáltatás vásárlása 144,1% Forrás: Adatok: Panmobile, IBV Fallast, TMC, Számítások: IHS 2015.

A Panmobile bemeneti adatai 12,5% tartalék költséget is tartalmaznak. Ezen túl minden bemenő adatot változtattunk, hogy becsülhessük a negatív gazdasági jelenérték (ENPV) kockázatát. A kockázat elemzéshez a Panmobile információit, illetve az előző fejezetek eredményeit használtuk fel és a következő hármas felosztást alkalmaztuk 1 kiinduló értékkel:  beruházási költségek -10%-tól +25%-ig  infrastruktúra fenntartás költségei -10%-tól +20%-ig  infrastruktúraüzemeltetés költségei -10%-tól +100%-ig  közlekedési szolgáltató fenntartási és üzemeltetési költségei -10%-tól +25%-ig 16

Azaz, minden esetben csak egy változó értéke módosul.

33

  

externáliák -10%-tól +10%-ig utazási idő megtakarítások -35%-tól +50%-ig bevételek -25%-tól +10%-ig

A végrehajtott kockázat elemzés azt mutatja, hogy nincs egyetlen szignifikánsan negatív nettó kockázati hatás. A Monte-Carlo-szimuláció 10.000 futása során a társadalmi-gazdasági hasznok egyszer sem voltak negatívak, a közepes érték 62,2 millió euró körül alakult, a medián 41,4 millió euró, szórása pedig 20,5 millió euró. 8.9. Következtetések Összefoglalóan megállapítható, hogy a Szombathely–Friedberg vonalat meg kell valósítani. Az eredmények megfelelnek a CBA-Guide-ban szereplő pozitív nettó jelenérték (ENPV) előfeltételnek, miközben nagyon mérsékelt a szignifikáns negatív nettó hatás kockázata. 9. Függelék: elérhetőségtől függő regionális modell (EAR) Az IHS-EAR 2.0 Modell technikai, módszertani leírása A költségigényes közlekedési infrastruktúra beruházások az egyes vállalati nézőpontból, tehát az infrastruktúra tulajdonosának nézőpontjából vizsgálva gyakran nem finanszírozhatók, illetve nem rentábilisak. Ennek ellenére sok új közlekedési infrastruktúra egy sor pozitív externális hatással jár, így a nemzetgazdasági hasznok gyakran meghaladják az individuális (az egyes vállalatok szintjén jelentkező) hasznokat és ez igazolja az új közlekedési infrastruktúrába történő beruházásokat. Ezeknek a hasznoknak értékelése érdekében fejlesztette ki a bécsi Institut für Höhere Studien (IHS) az úgynevezett elérhetőségtől függő regionális modellt (amit a továbbiakban röviden „IHS-EAR 2.0 Modell“). Az IHS-EAR 2.0 Modell17-lel már számos különböző osztrák és nemzetközi infrastruktúra projektet értékeltünk. A jelen tanulmányhoz a modellt hozzáigazítottuk az értékelendő régiók speciális adottságaihoz. A következőkben a gazdasági és közlekedéstudományi koncepciót, az IHS-EAR 2.0 Modellt, valamint annak működési módját és az empirikus eredményeket mutatjuk be röviden. Új infrastruktúra beruházások értékelése során hagyományosan különbséget teszünk az építési időszak hatásai és az üzemeltetés időszakának hatásai között, amelynek során az IHS-EAR 2.0 modell kizárólag a működtetés időszakát, tehát az elérhetőség módosulásait az infrastruktúra terén tett intézkedések alapján értékeli. Elméleti megfontolások Az új közlekedési infrastruktúra18 üzemeltetési időszak alatti nemzetgazdasági hatásainak értékelésekor a közlekedés generált költségeinek koncepciója döntő fontosságú: két hely közötti közlekedést a (pénzben kifejezet) közlekedési költségek – tehát az útdíj, az üzemanyag költségek, a jármű bérlés stb. – és másrészt az időköltség határozzák meg. Az utóbbi komponens a klasszikus költség-haszon elemzésben az új infrastruktúra gazdasági hasznát adja meg. Amennyiben azon a szakaszon, ahol az új infrastruktúrát létrehozzák, jelentős időmegtakarítás következik be, akkor az új közlekedési infrastruktúra

17

régebbi verziókat lásd: pl.: Nagl, Schwarzbauer/ Sellner (2010) valamint Polasek/Schwarzbauer/Sellner (2010)

18

lásd: Nagl/ Schwarzbauer/ Sellner (2010: 13ff.)

34

a jelenlegi és potenciális felhasználóink hasznait számottevően emeli. Az egyes felhasználók ebből eltérő mértékben profitálnak, mivel az idő többet ér az üzleti úton lévőknek és az ingázóknak, mint a szabadidős utazóknak19. A nemzetgazdasági hasznok összege ezek után egyszerűen nem más, mint az individuális hasznok összege. Ez a koncepció, amely erősen közgazdasági elméleten alapszik, elviekben egyszerűen és probléma mentesen alkalmazható, van azonban egy lényeges hátránya: ezeknek a hasznoknak a költségekkel történő összehasonlíthatósága nem adott, mivel a hasznok nem ténylegesen megvalósult és megfigyelhető nagyságok, hanem egy elvi koncepciót képviselnek. Ráadásul nem lehetséges az új közlekedési infrastruktúra közgazdasági hatásait holisztikusan becsülni. Lakshmanan20 további közgazdasági hatásmechanizmusokat vezet be, amelyek döntővé válnak az új közlekedési infrastruktúra üzemeltetése révén: a közlekedési infrastruktúra javítása a szállítási költségek csökkenéséhez vezet, ami ismét csak élénkíti az egyes régiók (illetve az egész gazdaság) közötti kereskedelmet. Ez ezen a vállalatok értékesítési piacainak bővülésével jár, ami erősebb specializációhoz vezet. Ez pedig ismét csak visszahat a regionális termelékenység növekedésére. A régiók közötti kereskedelem intenzívebbé válása erősíti közöttük ezen felül a technológiai és tudományos transzfert, ami ismét csak a versenyképességet fokozza. Továbbá a fogyasztók is profitálnak a folyamatból a nagyobb termékválaszték21 révén. Legvégül pedig az infrastruktúra javulása az adott régiókban a telephely minőségének felértékelődéséhez vezet22, mivel egyrészt a potenciális értékesítési piacok elérhetősége javul, másrészt pedig a logisztikai folyamatokat is javítani lehet és ezeken a telephelyeken agglomerációs előnyök is megjelennek23. Vickerman24 a vállalatok telephely választásában a szállítási költségek szerepét hangsúlyozza és megállapítja, hogy a vállalatok az infrastruktúra javítása következtében tendencia szerűen újragondolják telephely választásukat25. Ezekből az agglomerációs tendenciákból foglalkoztatási hatások jönnek létre a régióban. A New Economic Geography26 modelljeiben a földrajzi térnek és a közlekedési infrastruktúrán keresztül megjelenő hálózattá szerveződésének szerepe explicit módon megjelenik a gazdasági tevékenységek szétoszlásában a területen belül. Lényegében ennek során a centrifugális erők (a vállalatok nyeresége az agglomeráción belüli elhelyezkedésük következtében, az agglomerációban a fogyasztók részére megjelenő nagyobb termékválaszték) a centripetális erőkkel („verseny által indukált kiszorítási hatás“) állnak szemben. A (közlekedési)infrastruktúra javításának számszerűsítésére a New Economic Geography modell csak feltételesen alkalmas annak formális komplexitása miatt. Ezért az empirikus tanulmányokban legtöbbször egy termelési függvény megközelítést választunk, amelyben egy gazdaság kibocsátását a munka, a tőke és az infrastruktúra tényezőkkel magyarázzuk. Aschauer27 megkísérelte megbecsülni az infrastruktúra beruházások miatt fellépő hatást a termelési lehetőségek mennyiségi bővülésére és végül arra a következtetésre jutott, hogy ezen a csatornán nagyon nagyok a gazdasági hatások. Ez azonban 19

lásd: Zeitkostenansätze in FSV (2010)

20

lásd: Lakshmanan (2011: 1ff.)

21

lásd: Lakshmanan (2011: 1ff.)

22

lásd: Anderson/ Lakshmanan (2004), Working Paper

23

lásd: Graham (2007), Discussion Paper

24

lásd: Vickerman (2007), Discussion Paper

25

lásd: Rietveld (1989:19ff.)

26

lásd: Fujita/Krugman/ Venables (2001:o.S.)

27

lásd: Aschauer (1989: 177ff.)

35

végül – statisztikai problémák mellett – arra vezethető vissza, hogy Aschauer az új infrastruktúrát csak mennyiségileg kezelte, minőségileg viszont nem. Ez ahhoz vezetett, hogy a nagyobb beruházási költségekkel a gazdasági hatások is emelkedtek – egy olyan hatás, ami az új infrastruktúra tényleges hasznairól semmit sem árul el, mivel e szerint a logika szerint egy „aranyozott alagút“ minden esetben nagyobb haszonnal járna, mint egy beton héjszerkezetű alagút. Ennek ellenére ez a tényező is nagyon relevánsnak tűnik, hogy az infrastruktúra minőségének javítása a termelési kapacitás bővüléséhez vezet a (generált) szállítási költség csökkenés miatt28. Az aktuális feltételezések ezért az elérhetőség koncepció szolgálja, amely az infrastruktúra beruházásokat csupán az infrastruktúra minőségi javulása alapján értékeli. A következőkben ismertetetendő IHS-EAR 2.0 Modell annak módszertani kereteit leíró tanulmányokra, mint Wegener és Bökemann29, Schürmann és Talaat30 vagy Spiekermann és Wegener31, támaszkodik. Elérhetőség Az IHS-EAR 2.0 modell középpontjában az elérhetőség áll, amelyre számos definíció létezik. Hansen32 és Martellato et al.33 ez alatt a térbeli interakciók lehetőségeinek potenciálját érti. Az elérhetőség azonban a térbeli interakciók kényelme, vagy könnyűsége is lehet, a kontaktusok, illetve szolgáltatások lehetőségeit, vagy egy hálózatban egy csomópont attraktivitása is jelentheti, figyelembe véve más csomópontok tevékenységeit és a költségeket, amelyek annak elérése érdekében felmerülnek34. Az IHS-EAR 2.0 modellben egy i régió elérhetőségi mutatóját (AIi – Accessibility Indicator) formálisan a következőképpen definiáljuk35: 𝐴𝐼𝑖 = ∑𝑗 𝑔(𝑊𝑗)𝑓(𝑐𝑖𝑗)

(1)

ahol g(Wj) egy olyan függvény, amelyben W más régiók (j≠i) elérhető tevékenységeit jelenti és f(cij) az úgynevezett impedancia függvény, amely az i és j régiók között interakciók generált költségeit tartalmazza. A tevékenységi függvény megadja, hogy a j régió Wj tevékenysége milyen formában érhető el az i régióból. A tevékenység például lehet a népesség, a gazdasági teljesítmény, vagy az átlagos jövedelem egy-egy régióban. Minél magasabb Wj adódik, annál magasabb – ceteris paribus36 - az elérhetőségi mutató értéke is. Az impedancia függvény a térbeli ellenállást adja meg, amelyet le kell küzdeni az adott tevékenység elérése érdekében, és amit a generált költségek (cij) határoznak meg. Ahogyan azt a korábbiakban bemutattuk, ezek nem csak egy közlekedési eszköz költségeit foglalják magukba (üzemanyag, menetjegy, útdíj stb.), hanem az utazási időt is, ami az i régióból a j régióba való eljutáshoz szükséges. Minél inkább központi fekvésű egy régió, illetve minél jobb az adott régió infrastrukturális

28

lásd: Rietveld (1994: S 329ff.)

29

lásd: Wegener/ Bökemann (1998)

30

lásd: Schürmann és Talaat (2000)

31

lásd: Spiekermann és Wegener (2006: 15ff.)

32

lásd: Hansen (1959: 73ff.)

33

lásd: Martellato et al. (1998: o.S.)

34

lásd: Rietveld (1994: 329ff.)

35

lásd: Spiekermann és Neubauer (2002), Working Paper

36

Feltéve, hogy minden más, az elérhetőséget befolyásoló tényező változatlan marad.

36

ellátottsága, annál kisebbek lesznek a generált költségek és annál magasabb lesz az elérhetőségi mutatószám. Ha Wj egy régió lakossága és cij az utazási idő, akkor a magasabb elérhetőségi index (AIi), azt jelenti, hogy a j régió lakossága viszonylag rövidebb idő alatt érhető el az i régióból. Az elérhetőségi mutatókat többek között a következők szerint lehet az áruszállításra (GV), illetve a személyszállításra (PV) specifikálni: 𝐺𝑉 𝐺𝑉 𝐴𝐼𝑖𝑗 = ∑𝑗 𝐵𝐼𝑃𝑗𝑒𝑥𝑝(−𝛽𝑡𝑖𝑗 )

(1a)

𝑃𝑉 𝑃𝑉 𝐴𝐼𝑖𝑗 = ∑𝑗 𝑃𝑂𝑃𝑗𝑒𝑥𝑝(−𝛽𝑡𝑖𝑗 )

(1b)

ahol BIPj (POPj) a j régió GDP-je (lakossága) és az impedancia tényezőt az f (cij)= exp(-βcij) függvény adja meg, ahol cij=tGVij cij=tGVij (áruszállítási utazási idők) az áruszállítási elérhetőséget, és cij=tPVij cij=tPVij a személyszállítási elérhetőséget (személyszállítási utazási idők) jelentik. A β paraméter a térbeli súlyozást határozza meg. Minél magasabb paraméter értéket választunk, annál alacsonyabb súlyt kapnak a távolabb fekvő régiók az elérhetőségi mutatószámban. A két fentebb bemutatott elérhetőségi mutatószám segítségével az elérhetőségnek a növekedési ütemre vonatkozó két gazdasági hatását tudjuk bemutatni:  Először is, a közlekedési kapcsolatok javulása a vállalatoknál szállításiköltség megtakarításokkal jár. A felhasznált anyagokat gyorsabban és olcsóbban lehet beszállítani. Ezt a gazdasági hatást az áruszállítási utazási időkkel súlyozott GDP révén mutatjuk be.  A második hatás a személyszállítással elérhető lakosságra vonatkozik. Ezt, mint értékesítési potenciált, vagy mint a piac nagyságát jelző mutatószámot tekinthetjük. Minél több potenciális vevőt lehet elérni és kiszolgálni, annál jobban növekedhet a vállalatok értékesítése és annál inkább lehet méretgazdaságossági hatásokat elérni. Ezen kívül a vállalatok úgy is profitálnak a lakosság javuló elérhetőségéből, hogy megnövekszik a munkaerőpiac vonzáskörzete és javul a munkahelyek megfelelősége, illetve a hozzáférés a humántőkéhez. Az IHS-EAR 2.0 modellben az utazási idő a közúti és a vasúti utazási időnek a modal-split részarányokkal súlyozott átlaga (úgy az áruszállításban, mint a személyszállításban): (𝑠𝑡𝑟) (𝑠𝑡𝑟)

𝑡𝑖𝑗 = 𝑚𝑛𝑎𝑡 𝑡𝑖𝑗

(𝑠𝑡𝑟) (𝑠𝑡𝑟)

+ (1 − 𝑚𝑛𝑎𝑡 𝑡𝑖𝑗

(𝑡𝑟)


)𝑡𝑖𝑗 𝑡𝑖𝑗= 𝑚𝑛𝑎𝑡 𝑡𝑖𝑗


+ (1 − 𝑚𝑛𝑎𝑡 𝑡𝑖𝑗

(𝑡𝑟)

)𝑡𝑖𝑗 𝑡𝑖𝑗 (2)

(𝑠𝑡𝑟)

ahol 𝑚𝑛𝑎𝑡 a közútra jutó forgalom részaránya37. A modal-split részarányokkal történő súlyozás biztosítja, hogy az egyes közlekedési módokban bekövetkező javulás ne túlságosan erősen jelenjenek meg a súlyban, mivel a változásokat az adott közlekedési mód tényleges múltbeli használatával súlyozzuk. Az elérhetőséghez fontos térbeli β paramétert a (3) egyenletben az elérhetőségi mutatószám magyarázó ereje alapján kalibráljuk, ahol a szakirodalomban fellelhető értékek szolgáltak előzetes információként. Az áruszállítási elérhetőséghez végül 𝛽 𝐺𝑉 =0,005 és 𝛽 𝐺𝑉 =0,007 értékeket, a személyszállításhoz pedig 𝛽 𝑃𝑉 =0,007 értéket választottunk, amelyek hasonlatosak például azokhoz, amelyeket Schürmann és Talaat38 használ.

37

Sajnos regionális szinten nem állt rendelkezésünkre páronkénti modal-split, ezért az országos részarányokat használtuk.

38

lásd: Schürmann und Talaat (2000)

37

A 9 ábrán a különböző 𝛽-értékekhez tartozó elérhetőségi mutatószámokon belül a gazdasági tevékenységek súlyait ábrázoljuk: Így a személyközlekedés súlya egy régió GDP termelésében 70%-os az elérhetőségi mutatószámban, ha a régió egy órán belül elérhető, míg a 100 perces utazási időre lévő régiók szerepe a tevékenységekben csak értékük felével súlyozódik. Azok a régiók, amelynek lakosai 5 órás távolságban találhatók, csak értékük 10%-ával súlyozódnak, 12 órán felül pedig a súly gyakorlatilag nulla.



az áruszállításban a súlyok a távolság növekedésével lassabban csökkennek: 5 órás utazási idő súlya még mintegy 40% és a 10 órás távolságban lévő régiót is még kb. 18%-kal vesszük figyelembe.

súly, β



Utazásiidő percben 9. ábra: Gazdasági tevékenységek súlyozása különböző β – értékek mellett az utazási idő függvényében Rajz: IHS 2015.

Regionális termelési függvény Az IHS-EAR 2.0 modellen belül a regionális értékteremtést klasszikus, Cobb-Douglas termelési függvénnyel adjuk meg39. Ebben az esetben az elérhetőség csak az adott i régió termelési tényezői között. Általánosságban a regionális termelés Yi függvénye a technológiai színvonalnak (A), a fizikai tőkeállománynak (Ki), a foglalkoztatottak létszámának (Li), a humántőke állománynak (Hi), az áru- és személyszállításban jelentkező elérhetőségi mutatószámnak (𝐴𝐼 𝐺𝑉 é𝑠 𝐴𝐼 𝑃𝑉 ), valamint egy sztochasztikus véletlen maradéknak (𝜀𝑖 ): 𝛽1

𝛽2

𝑌𝑖 = 𝐴𝐾𝑖𝛼 𝐿𝑖 𝐻𝑖 𝐴𝐼𝑖𝐺𝑉ΦGV 𝐴𝐼𝑖𝑃𝑉ΦPV 𝜀𝑖

(3)

Ahol 𝛼 𝛼𝑠 , 𝛽1 , 𝛽2 , Φ𝐺𝑉 és Φ𝑃𝑉 , Φs az egyenlet paraméterei, amiket statisztikai eljárásokkal kell becsülni. Minden termelési tényező esetében abból kell kiindulni, hogy egy régió termelése bővíthető

39

lásd: Barro/ Sala-i-Martin (2003: o.S.)

38

egy valamelyik termelési tényező növelésével, tehát növekszik ennek a régiónak a gazdasági teljesítménye. Térbeli felbontás, adatbázis és a paraméterek becslése Mivel a közlekedési infrastruktúra egy olyan hálózat, amely csomópontokból (pályaudvarok, falvak, városok, közlekedési csomópontok stb.) és élekből (utak, vasutak, vízi utak stb.) áll, amelyek ezeket a csomópontokat egymással összekötik, a beruházások az egyes közlekedési csomópontokban vagy szakaszokon az egész hálózatra kihatnak. Abból kell kiindulni, hogy a hálózat távolabb fekvő elemén foganatosított javító intézkedés kisebb hatással jár. Ahhoz tehát, hogy a közlekedési infrastruktúra beruházások közlekedési és gazdasági dimenzióit empirikusan elegendően megragadhassuk, első lépésben a beruházás értékelése szempontjából releváns régiókat kell lehatárolni. Egyrészt adekvát és empirikusan kezelhető térbeli aggregációs szintet kell választani és másrészt pedig meg kell határozni azt a földrajzi területet, amelyen belül ezek az egységek találhatók. A jelen tanulmányban ez egy különösen fontos pont, mivel az IHS-EAR 2.0 modell a közlekedéstudományi elérhetőségi koncepciót a regionális gazdasági növekedési modellel köti össze. Az utazási idők számítására vonatkozó közlekedési modellek legtöbbször regionálisan nagyon részletes felbontást (példának okáért település szint Ausztriában) mutatnak. Ugyanakkor gazdasági adatok legtöbbször csak nagyobb aggregáltsági szinten (például Ausztriában tartomány) érhetők el. Ennek megfelelően egy olyan térbeli szintet kell választani, amely áthidalja a közlekedési modellek komplexitása és pontossága, valamint a legfontosabb gazdasági adatok rendelkezésre állása közötti szakadékot. A regionális fizikai tőkeállományra, a regionális GDP termelésre és a regionális foglalkoztatottsági adatokat a Cambridge Econometrics adatbankból nyertük. A humántőkére vonatkozó adatokat az Eurostat adatbankjából vettük át. Egy régió humántőke állománya megfelel a felsőfokú végzettségűek arányának az összlakosságon belül. Az adatok az áru- és személyszállítás utazási időihez az IKK-tól származnak. Mivel a tanulmány készítésének idején a regionális növekedési ütemek csak 2011-ig (egyes régiók esetében csak 2010-ig) álltak rendelkezésre, ettől az időponttól kezdve csak a nemzetgazdasági növekedési ütemeket lehetett alkalmazni. Amennyiben nem álltak rendelkezésre még a GDP adatok, a szükséges értékekre az IHS konjunktúra prognózisának, vagy az IHS középtávú prognózisának adatait alkalmaztuk. A távolabbi időpontokra az OECD hosszútávú előrejelzését használtuk fel. Az 𝛼 𝛼𝑠 , 𝛽1 , 𝛽2 , Φ𝐺𝑉 és Φ𝑃𝑉 paramétereket modellbecslésekkel kell meghatározni. Annak érdekében, hogy az IHS-EAR 2.0 modellsorozat egyéb eredményeivel való összehasonlíthatóságot növeljük, ugyanakkor az esetleges, a válság miatt fellépő regionális torzításokat megelőzzük, a modellben a becslésekhez alkalmazott adatok 2008-ra vonatkoznak. Az elérhetőségi mutatószámok (AIs) számításához mind a 96 rendelkezésünkre álló régiót felhasználtuk. Statisztikai megfontolások miatt azonban a regionális gazdasági növekedési modellt csak 77 központi régióra becsültük, amelyeknek az adatai egységes aggregációs szinten (NUTS2) rendelkezésünkre álltak. Annak érdekében, hogy a (3) egyenletet ökonometriai eljárásokkal empirikusan becsülhessük, a következőképpen logaritmizáltuk: 𝑙𝑛𝑌𝑖 = 𝑙𝑛 𝐴 + 𝛼 𝑙𝑛 𝐾𝑖 + 𝛽1 𝑙𝑛 𝐿𝑖 + 𝛽2 𝑙𝑛 𝐻𝑖 + Φ𝐺𝑉 𝑙𝑛𝐴𝐼𝑖𝐺𝑉 + Φ𝑃𝑉 𝑙𝑛𝐴𝐼𝑖𝑃𝑉 + 𝑙𝑛𝜀𝑖

(4)

39

Mivel a (4) egyenletben regionális átlagadatokat alkalmazunk és feltételezzük, hogy a térben egymás melletti régiók nem független megfigyeléseket jelentenek, különböző térbeli-ökonometriai kiterjesztéseket teszteltünk, hogy az egyébként fellépő statisztikai hibát korrigáljuk40. Térbeli hibakorrelációkra vonatkozó statisztikai próbák végül azt mutatták, hogy a (4) egyenletben a zavar tényező egy térbeli első fokú autoregresszív folyamattól függ (közvetlenül egymás mellett fekvő régiók). 𝑙𝑛𝜀𝑖 = 𝜌 𝑀 ln(𝜀𝑖 ) + 𝑢𝑖 ahol 𝑢𝑖 azonos feltételek mellett képződő és független eloszlású. M egy olyan mátrix, amelynek elemei a következők 𝑚𝑖𝑗 = 1, ha i és j régióknak van közös földrajzi határa, és 𝑚𝑖𝑗 = 0, ha nincs. Ezt a mátrixot statisztikai okokból transzformáltuk úgy, hogy a cellák összege 1 legyen. A 𝜌 paraméter adja meg a hibatényező térbeli korrelációját. Továbbá azt is figyelembe kell venni, hogy az új tagországok a mi kísérletünkben más gazdasági szinten állnak és ezért eltérő növekedési mintázatokat mutatnak fel. Azért, hogy ráadásul ezeket a heterogenitásokat is kontrolláljuk, a (4) egyenletet üres változókkal egészítettük ki és egy heteroszkedaszticitásra robusztus Bayes-változót választottunk41. A jelen tanulmány szempontjából releváns 𝛼 𝛼𝑠 , 𝛽1 , 𝛽2 , Φ𝐺𝑉 és Φ𝑃𝑉 változók becsléseinek eredményeit a 11 táblázatban mutatjuk be. A tőke output-rugalmassága 0,29; azaz, ha a termelő kapacitást egy régióban 1%-kal emeljük, a régió kibocsátása 0,29%-kal növekszik. Amennyiben a foglalkoztatottságot emeljük 1%-kal egy régióban, az adott régió kibocsátása mintegy 0,73%-kal bővül. Mindkét érték összhangban áll a szakirodalomban található empirikus növekedési adatokkal, amelyekben legtöbbször a tőkére 1/3, a munkára 2/3 áll. A humántőkét a felsőfokú végzettséggel rendelkező munkavállalók részarányaként definiáltuk és ezért nem lehet a rugalmassággal interpretálni, mint ahogyan a többi paraméter esetében tettük.

40

lásd: LeSage and Pace (2009)

41

lásd: LeSage and Pace (2009), 5. fejezet

40

11. táblázat: A termelési függvény paraméterbecslése

Függőváltozó: bruttó értékteremtés együttható tőke

munkaerő

humántőke

áruszállítás elérhetőség

személyforgalom elérhetőség

Megfigyelések Megjegyzések: ***,**,* a statisztikai szignifikancia szintet jelzi 1%, 5% és 10%-os szinten; standard hiba zárójelben; becslési módszer: Bayesian heteroskedastic spatial error model. Forrás: IHS 2015.

Az után, hogy a munka, tőke és humántők gazdasági hatásait már kontrolláljuk, az áruszállítás elérhetőségi mutatójának Φ rugalmassági együtthatóit adjuk meg, ami egy adott régióban a gazdasági teljesítményére jelentkező befolyását mutatja ceteris paribus (tehát minden más tényezőt konstansnak tartunk meg), s ami az érintett elérhetőségi mutató 1%-os növekedésekor jelentkezik. A becslési eredményeknek megfelelően az áruszállítási idők révén elérhető 1%-os GDP növekedés a regionális értékteremtés 0,12%-os, illetve a személyszállítási idők révén elérhető 1%-os GDP növekedés a regionális értékteremtésben 0,03% bővülést jelent. Ezek után már alkalmazhatók a 11. táblázatban szereplő becsült értékek a meghatározott infrastruktúra intézkedéseknek az értékteremtésre, illetve a GDP-re való hatásának szimulálására. Az értékteremtési hatások a következőképpen adódnak: Az (5a) és (5b) egyenletek a Δ𝑙𝑛𝐴𝐼𝑖𝐺𝑉 és Δ𝑙𝑛𝐴𝐼𝑖𝑃𝑉 elérhetőség változások hatásainak számítását, valamint egy i régió Δ𝑙𝑛𝑌𝑖 Δ𝑙𝑛𝑌𝑖,𝑠 értékteremtésére gyakorolt hatását mutatja. Az áruszállítás elérhetőség változása az infrastruktúra beavatkozás előtti és utáni értékek különbségeként adódik: Δ𝑙𝑛𝐴𝐼𝑖𝐺𝑉 = Δ𝑙𝑛𝐴𝐼𝑖𝐺𝑉,𝑏𝑒𝑎𝑣𝑎𝑡𝑘𝑜𝑧á𝑠𝑠𝑎𝑙 - Δ𝑙𝑛𝐴𝐼𝑖𝐺𝑉,𝑏𝑒𝑎𝑣𝑎𝑡𝑘𝑜𝑧á𝑠 𝑛é𝑙𝑘ü𝑙 (5a) Δ𝑙𝑛𝐴𝐼𝑖𝑃𝑉 = Δ𝑙𝑛𝐴𝐼𝑖𝑃𝑉,𝑏𝑒𝑎𝑣𝑎𝑡𝑘𝑜𝑧á𝑠𝑠𝑎𝑙 - Δ𝑙𝑛𝐴𝐼𝑖𝑃𝑉,𝑏𝑒𝑎𝑣𝑎𝑡𝑘𝑜𝑧á𝑠 𝑛é𝑙𝑘ü𝑙 (5b)

41

Foglalkoztatási potenciál és adózási hatások A számított pótlólagos GDP révén végül le lehet vezetni a pótlólagos foglalkoztatási potenciált is. Feltéve, hogy a pótlólagos GDP-hez az egyes termelési tényezők ugyanolyan mértékben járulnak hozzá, mint a kiinduló GDP-hez, valamint, hogy a beruházás nélkül az nem valósulhatna meg, a bérarányok és az egy foglalkoztatottra jutó GDP alapján számítható ki a pótlólagos foglalkoztatási potenciál. Ehhez két alapvető feltételezéssel élünk: 

a bérköltségeket 2010. évi szinten vettük figyelembe és jobb információk híján egészen 2054ig konstansnak tekintettük.



az egy foglalkoztatottra jutó GDP tekintetében egy bizonyos bérkonvergenciát állapíthatunk meg az érintett országok között, ami annál gyorsabb, minél nagyobb a bérszakadék az érintett országok és az EU átlaga között.

Disclaimer Középtávon az IHS-EAR modellt gyakran már infrastruktúra intézkedések nemzetgazdasági hatásainak becslésére alkalmazzuk. Habár a modell fejlesztése és a nemzetgazdasági hatások számítása, valamint a jelen tanulmány tartalmi létrehozása az Institut für Höhere Studien felelőssége volt, amely a legnagyobb figyelemmel és legjobb tudása szerint járt el, azonban mégsem vállalhat felelősséget a teljességért, valódiságért, aktualitásért, vagy a rendelkezésre bocsátott tartalom megbízhatóságáért. Ezen a helyen ráadásul ismét rá kell mutatni, hogy a jövőre vonatkozó prognózisok általában csak azokon az információkon nyugszanak, amelyek a tanulmány készítésének időpontjában és az adott eszközökkel rendelkezésre álltak. Az eltérés valószínűsége egyre inkább növekszik azzal arányosan, ahogyan a prognózis időhorizontja távolodik a jelentől.

42

Irodalom jegyzék

1. Anderson, W. P. und Lakshmanan, T.R. (2004): Infrastructure and Productivity: What are the underlying mechanisms? Center for Transportation Studies, Working Paper Series # CTS2004B 2. Aschauer, D. (1989): Is public expenditure productive? Journal of Monetary Economics 23, pp. 177-200. 3. Barro, R. J. und Sala-i-Martin, X. (2003): Economic Growth. MIT Press. 4. CE Delft et al. (2011): External Costs of Transport in Europe. Update Study for 2008. Link: http://www.cedelft.eu/?go=home.downloadPub&id=1258&file=CE_Delft_4215_External_Costs_ of_Transport_in_Europe_def.pdf (Letöltés: 01.02.2015). 5. Europäische Investitionsbank (2013): The Economic Appraisal of Investment Projects at the EIB. Link: http://www.eib.org/attachments/thematic/economic_appraisal_of_investment_projects_en.pdf (Letöltés: 01.02.2015). 6. Európai Bizottság (2008): Guide to cost-benefit analysis of investment projects. Structural Funds, Cohesion Fund and Instrument for Pre-Accession. 7. Európai Bizottság (2014): Guide to Cost-benefit Analysis of Investment Projects. Economic appraisal tool for Cohesion Policy 2014-2020. 8. Európai Bizottság (2014): Guide to Cost-Benefit Analysis of Investment Projects. Economic appraisal tool for Cohesion Policy 2014-2020. Link: http://ec.europa.eu/regional_policy/sources/docgener/studies/pdf/cba_guide.pdf (Letöltés: 01.02.2015). 9. Fujita, M., Krugman, P. und Venables, A. J. (2001): The Spatial Economy: Cities, Regions and International Trade. MIT Press, Cambridge, Massachusetts. 10. Fujita, M., Krugman, P. und Venables, A. J. (2001): The Spatial Economy: Cities, Regions and International Trade. MIT Press, Cambridge, Massachusetts. 11. Graham, D. J. (2007): Agglomeration Economies and Transport Investments, Discussion Paper 2007-11, OECD: Joint Transport Research Centre. 12. Hansen, W. G. (1959): How accessibility shapes land-use. Journal of the American Institute of Planners 25, pp. 73-76. 13. Holub, H.-W. und Schnabl, H. (1994a): Input-Output-Analyse: Input-Output-Táblázatn. R. Oldenbourg Verlag. 14. Holub, H.-W. und Schnabl, H. (1994b): Input-Output-Rechnung: Input-Output-Táblázatn. R. Oldenbourg Verlag. 15. Lakshmanan, T.R. (2011): The broader economic consequences of transport infrastructure investments. Journal of Transport Geography (19), pp. 1-12. 16. Leontief, W. (1936): Quantitative Input and Output Relations in the Economic System of the United States. In: The Reviews of Economic Statistics 18, Nr. 3 (1936), S. 105-125. 17. LeSage, J. P., und Pace, R. K., (2009): Introduction to Spatial Econometrics. Chapman & Hall/CRC.

43

18. Martellato, D., Nijkamp, P. and Reggiani A. (1998): "Measurement and measures of network accessibility: economic perspectives", in European Network Developments and Policies, Eds.: K. Button, P. Nijkamp and H. Priemus, Edward Elgar, Cheltenham. 19. Nagl, P., Schwarzbauer, W. und Sellner, R. (2010), Überlegungen zu Methoden der Bewertung des Nutzens von Maßnahmen im Verkehr, Zeitschrift für Verkehrswissenschaften 81 (1), S. 13 – 26. 20. Pischner, R. und Stäglin, R. (1976): Darstellung des um den Keynes’schen Multiplikator erweiterten offenen statischen Input-Output-Modells. Mitteilungen aus der Arbeitsmarkt- und Berufsforschung, Band 3, 1976, Verlag W. Kohlhammer. 21. Polasek, W., Schwarzbauer, W. und Sellner, R. (2010), Aggregate and Regional Effects of New Railway Infrastructure, Review of Economic Analysis (2), S. 73-85. 22. Richardson, H.W. (1979): Regional Economics. Urbana, University of Illinois Press. 23. RICARDO-AEA (2014) Update of the Handbook on External Costs of Transport. Report for the European Commission: DG MOVE 24. Rietveld, P. (1989): Employment Effects of changes in Infrastructure: Methodological Aspects of the Gravity Model. Papers in Regional Science, Volume 66, Number 1, pp. 19-30. 25. Rietveld, P. (1994): Spatial Economic Impacts of Transport Infrastructure Supply. Transportation Research Part A: Policy and Practice, Vol. 28A, No. 4, pp. 329-341. 26. Schürmann, C. und Talaat, A. (2000): Towards a European Peripherality Index – Final Report. Report for General Directorate XVI Regional Policy of the European Commission. 27. Schürmann, C. und Talaat, A. (2000): Towards a European Peripherality Index – Final Report. Report for General Directorate XVI Regional Policy of the European Commission. 28. Spiekermann, K. und Neubauer, J. (2002): European Accessibility and Peripherality: Concepts, Models and Indicators. Nordregio Working Papers 202:9. 29. Spiekermann, K. und Wegener, M. (2006): Accessibility and Spatial Development in Europe. Scienze Regionali 5 (2), pp. 15-46. 30. Statistik Austria (2015): Klassfikationsadatokbank. 31. Vickerman (2007): Recent Evolution of Research into the Wider Economic Benefits of Transport Infrastructure Investements. Discussion Paper No. 2007-9, OECD, Paris. 32. Wegener, M. und Bökemann, D. (1998): The SASI Model: Model Structure. Deliverable 8 of the EU Project Tansport and Infrastructure Investments and Transport System Improvements (SASI).

44

Ábra jegyzék 1. ábra: IHS Konszolidált gazdasági elemzés felépítése .................................................................... 7 2. ábra: Jövedelmező infrastruktúra beruházási projekt ................................................................... 9 3. ábra: A generált forgalomból származó javulás költségei ........................................................... 13 4. ábra: Externális költségek a személyközlekedésben, kategóriák szerint. Forrás: CE Delft (2011), készítette IHS (2015) .................................................................... 14 5. ábra: Az értékteremtés, foglalkoztatottság, vásárlóerő és adó hatások bemutatása ................. 16 6. ábra: sematikus ábrázolás: Az egyes esetekben vizsgált régiók közötti relációtól függő utazási idők és a gazdasági aktivitás meghatároz egy elérhetőségi jelzőszámot ............... 19 7. ábra: Szombathely-Friedberg pénzügyi elemzés, infrastruktúraüzemeltető és szállító ............. 20 8. ábra: Szombathely-Friedberg, pénzügyi elemzés, infrastruktúraüzemeltető ............................. 21 9. ábra: Gazdasági tevékenységek súlyozása különböző β – értékek mellett az utazási idő függvényében .................................................................................. 38 Táblázatok jegyzéke 1. táblázat: Szombathely-Friedberg pénzügyi elemzés eredményei ................................................ 22 2. táblázat: Szombathely-Friedberg keletkező költségmegtakarítás ............................................... 23 3. táblázat: Externális környezeti és baleseti költségek a személyközlekedésben a Szombathely-Friedberg vonalon (számítás IHS 2015) ................................................... 25 4. táblázat: Szombathely-Friedberg externális környezeti és baleseti költség megtakarítás az áruszállításban, (számítás IHS 2015).................................................... 26 5. táblázat: Áttekintés a Szombathely Friedberg vonal rövid és középtávú gazdasági hatásairól (direkt, indirekt és indukált), kumulált adatok 2015-2060 ........................... 27 6. táblázat: A hosszútávú gazdasági hatások áttekintése a személy- és áruforgalomban a Szombathely-Friedberg vonalon ................................................................................... 28 7. táblázat: A hosszútávú gazdasági hatások áttekintése a Szombathely-Friedberg vonalon (többlet foglalkoztatottak és adóbefizetések) .............................................................. 29 8. táblázat: Szombathely-Friedberg vonal konszolidált gazdasági elemzés eredményei ................ 32 9. táblázat: Szombathely-Friedberg érzékenység vizsgálat, x változó 1%-os csökkenése az ENPV y%-os változását okozza .................................................................................. 33 10. táblázat: Kritikus változók (fedezetipont elemzés) az ENPV-re vonatkozóan, Szombathely-Friedberg ................................................................................................. 33 11. táblázat: A termelési függvény paraméterbecslése .................................................................. 41

45

GrenzBahn. A Friedberg - Oberwart Szombathely vonal. Társadalmi-gazdasági hatásai

Recommend Documents