4 Kostnadsnøkkelen i inntektssystemet

Dette kapittelet presenterer utvalgets analyser og vurderinger av delkostnadsnøklene i inntektssystemet. Utvalget presenterer også et forslag til nye delkostnadsnøkler. I kapittel 4.1 går vi først gjennom analyseopplegg og metode, og kommenterer noen generelle problemstillinger knyttet til metodevalg og datagrunnlag. I kapittel 4.2 ser vi nærmere på hvordan kapitalkostnader bør behandles i analysene og i utgiftsutjevningen.

Deretter går vi over til de ulike delkostnadsnøklene i inntektssystemet. Vi vurderer først om det er andre fylkeskommunale tjenester som bør omfattes av utgiftsutjevningen, enn de som inngår i dagens nøkkel (kap. 4.3). Så går vi gjennom hver enkelt delkostnadsnøkkel og presenterer utvalgets forslag til nye nøkler (kap. 4.4 til 4.8). I kapittel 4.9 presenteres utvalgets forslag til ny samlet kostnadsnøkkel.

Utvalget har lagt de overordnede prinsippene i mandatet til grunn for arbeidet:

• Fylkeskommunene skal i prinsippet få full kompensasjon for ufrivillige variasjoner i utgiftsbehovet gjennom kostnadsnøkkelen.
• Kriteriene i kostnadsnøkkelen skal i størst mulig grad være objektive, basert på offisiell statistikk og mulige å oppdatere jevnlig. Utgiftsutjevningen skal ikke være et insentiv- eller refusjonssystem.
• Forslaget til nye delkostnadsnøkler bør vurderes ut fra hvordan de vil fungere på den nye fylkesinndelingen som trer i kraft fra 2024.

4.1 Analyseopplegg og metode

Kostnadsnøklene i inntektssystemet er basert på faglige analyser. Målet med analysene er todelt: For det første brukes analysene til å identifisere hvilke kriterier som kan være egnet til å forklare variasjoner i utgiftsbehovet mellom fylkeskommunene innen en gitt sektor. For det andre brukes analysene til å tallfeste hvor stor vekt hvert enkelt kriterium skal ha i kostnadsnøkkelen, altså hvor stor del av variasjonen mellom fylkeskommunene som kan forklares med det enkelte kriteriet.

Det er krevende å utvikle et godt og robust analyseopplegg for kostnadsnøklene i inntektssystemet. Dette gjelder særlig i systemet for fylkeskommunene, siden få enheter (fylker) gir noen ekstra metodiske utfordringer. Det er derfor viktig å vurdere analyseresultatene kritisk, og å teste hvor pålitelige analysene er ved å bruke flere ulike metoder der det er mulig.

Utvalget går i det følgende gjennom hvilke metoder som er brukt i analysene, og diskuterer deretter noen metodiske spørsmål det er særlig viktig å være oppmerksom på.

4.1.1 Metodiske tilnærminger

Det blir ofte skilt mellom to hovedtilnærminger for å finne kriterier og bestemme vekter i kostnadsnøkkelen: normative og statistiske metoder. I tillegg brukes i noen tilfeller enklere beregninger av gjennomsnittskostnader, for eksempel gjennomsnittlig ressursbruk på ulike brukergrupper. Forskjellen mellom metodene er blant annet knyttet til hvilket informasjonsgrunnlag som benyttes. Normative modeller beregner kriterier basert på normer for tjenestetilbudet, mens statistiske modeller tar utgangspunkt i analyser av det faktiske tjenestetilbudet.

Hvilken tilnærming som er best egnet varierer mellom ulike sektorer. Valg av tilnærming er blant annet avhengig av om det finnes etablerte normer som kan brukes i en normativ modell, og om det foreligger data som kan brukes i en statistisk analyse.

I avsnittene under går vi nærmere inn på de ulike metodene som er brukt til å fastsette kriterier og vekter i dagens kostnadsnøkkel.

Normativ metode

En normativ modell tar utgangspunkt i fastsatte normer og standarder og beregner deretter kostnaden ved å tilby samme nivå på tjenestene i alle fylkeskommuner. Dette forutsetter at det er fastsatt normer eller standarder for tjenestetilbudet, slik at alle fylkeskommuner kan behandles ut fra et felles referansegrunnlag. I tilfeller der det ikke finnes slike normer og standarder i lov eller forskrift, kan det fastsettes egne normer som bare brukes til analyseformål.

Fylkeskommunene skal i en normativ modell i prinsippet bli tildelt midler etter de samme forutsetningene, uavhengig av hvordan de har innrettet tilbudet. Hvis en fylkeskommune produserer dyrere enn det den fastlagte standarden gir rom for, må den ta regningen selv. Kriterier basert på normative modeller brukes til å fordele en gitt ramme, på samme måte som kriterier basert på statistiske analyser. Det er derfor de relative forskjellene mellom fylkeskommunene som betyr noe, ikke nivået på kostnadene i den normative modellen.

Normative modeller er et egnet alternativ på områder der det ikke foreligger data som kan brukes i statistiske analyser, eller der statistiske modeller av andre grunner ikke kan brukes. I dagens inntektssystem gjelder dette kostnadsnøklene for fylkesvei og båt og ferje.

Det kan ofte være vanskelig å utforme helt objektive kriterier med normative metoder. De normative modellene som benyttes i dagens inntektssystem er knyttet direkte til tjenesteproduksjonen: Kriteriet for fylkesveiferjer og båtruter er for eksempel beregnet ut fra forhold ved de ferjesambandene og båtrutene som er i drift i dag. Fylkeskommunene kan dermed påvirke kriterieverdien – og dermed hvor mye de får i rammetilskudd – ved å etablere nye ferjesamband og båtruter, eller ved å gjøre endringer i de sambandene som er i drift. Dette strider mot grunnprinsippet i inntektssystemet om at kriteriene i kostnadsnøkkelen skal være mest mulig objektive.

Ressurskartlegging og gjennomsnittskostnader

I noen tilfeller blir kriteriene i kostnadsnøkkelen også beregnet ut fra gjennomsnittlig ressursbruk eller kostnader til ulike brukergrupper eller tjenester. I dagens inntektssystem gjelder dette tannhelsenøkkelen og noen av kriteriene for videregående opplæring (kriteriene søkere til læreplass og søkere til høykostnads utdanningsprogrammer). Ved å benytte tall for ressursinnsatsen knyttet til nærmere definerte brukergrupper eller utdanningsprogrammer, kan vi få et presist mål på gjennomsnittskostnadene knyttet til ulike grupper og tjenester. Disse gjennomsnittskostnadene kan igjen brukes til å fastsette vekten til kriteriene, for eksempel antall innbyggere i de prioriterte brukergruppene i tannhelsetjenesten.

En svakhet ved ressurskartlegginger er at de ikke fanger opp andre forhold som kan forklare variasjoner mellom fylkeskommunene. I mange tilfeller er det en samvariasjon mellom ulike kostnadsdrivere, som andelen innbyggere i ulike aldersgrupper og strukturelle forhold som reiseavstander og bosettingsmønster. Det kan være vanskelig å fange opp samspillet mellom ulike kostnadsdrivere i rene gjennomsnittsberegninger. Det kan igjen gjøre det vanskelig å isolere effekten av for eksempel andelen innbyggere i ulike brukergrupper, fra andre forhold som også påvirker kostnadene.

Statistisk metode

Statistiske modeller tar utgangspunkt i fylkeskommunenes faktiske utgifter til ulike tjenester, og forsøker å finne kriterier som kan forklare variasjonen mellom fylkeskommunene. Dette er den vanligste metoden i inntektssystemet for kommunene, og er også brukt i flere av kostnadsnøklene i inntektssystemet for fylkeskommunene.

De statistiske analysene gjøres vanligvis som regresjonsanalyser.22 En regresjonsanalyse er en metode for å undersøke sammenhengen mellom en avhengig variabel og en eller flere uavhengige variabler. Den avhengige variabelen i utvalgets analyser er utgiftene til en bestemt tjeneste, målt i kroner per innbygger. De uavhengige variablene er forhold som kan forklare variasjonen i utgiftene, for eksempel andelen innbyggere i ulike aldersgrupper, indikatorer for sosioøkonomiske forhold og ulike mål på bosettingsmønster og avstander.

En fordel med regresjonsanalyser er at vi kan inkludere flere forklaringsvariabler i den samme analysen. På den måten kan vi kontrollere for flere ulike forhold som kan påvirke utgiftene, og forsøke å si noe om hvilke forhold som virkelig bidrar til å forklare utgiftsvariasjonene mellom fylkeskommunene. Regresjonsanalyser kan dermed brukes til å isolere effekten av ulike variabler, og til å estimere hvor stor effekt hver enkelt variabel har.

Statistiske analyser på få enheter

Statistiske metoder brukes vanligvis på langt større datasett enn de 18–19 fylkene som inngår i utvalgets analyser. Det er mindre informasjon i et lite datasett, og alle estimater blir dermed mer usikre. Samtidig finnes det en rekke eksempler på at statistiske analyser har vist seg å være nyttige, også i tilfeller der det er få enheter.23 Utvalget mener derfor at regresjonsanalyser fortsatt kan brukes til å finne kriterier til kostnadsnøklene i inntektssystemet, så lenge resultatene tolkes med varsomhet.

Utvalget har særlig lagt vekt på følgende problemstillinger knyttet til få enheter i analysene:

• Enheter med stor innflytelse: Når det er få enheter i analysene, kan enheter som skiller seg mye ut ha stor innvirkning på resultatene. I noen tilfeller kan en variabel som har en sterk og statistisk signifikant effekt i analyser der alle fylkene er med, ikke lenger være signifikant når ett enkelt fylke tas ut.
• Utvalget mener at det ikke er aktuelt å utelate enkelte fylker fra analysene som brukes til å beregne kostnadsnøklene, når det allerede er få enheter i datasettet. Kostnadsnøklene skal brukes i et felles system for alle fylkeskommuner, og bør derfor baseres på analyser som inkluderer alle. Men kostnadsnøklene bør i så stor grad som mulig bestå av kriterier som er egnet til å forklare variasjonen i utgifter mellom fylkeskommuner, selv om enkelte fylker tas ut.
• Utvalget har derfor gjort flere tester av analysemodellene som ligger til grunn for forslaget til nye kostnadsnøkler. Vi har blant annet gjort analyser der fylkene som skiller seg mest ut er utelatt,24 og på datasett der alle variabler er aggregert til fylkesinndelingen i 2024. Alle analyser er også gjort med data for flere år (i hovedsak perioden 2017–2019). Målet har vært å finne kriterier som er statistisk signifikante og har god forklaringskraft, selv om spesifikasjonen på analysene endres.
• Sterk samvariasjon mellom uavhengige variabler (multikollinearitet): Noen av de uavhengige variablene som er brukt i analysene korrelerer sterkt med hverandre. Det kan føre til problemer med nær perfekt multikollinearitet, altså at to eller flere uavhengige variabler samvarierer så sterkt at det er vanskelig å isolere effekten av hver enkelt. Det kan gi ustabile og uforutsigbare resultater. Små endringer i dataene eller analysemodellene kan gi store og tilfeldige endringer i de estimerte effektene. Dette er særlig et problem når det er få enheter i analysene, siden det da blir ekstra vanskelig å isolere effekten av hver enkelt variabel på en god måte.
• I utvalgets analyser gjelder dette blant annet variablene frie inntekter og gjennomsnittlig reiseavstand, som har en korrelasjonskoeffisient på nærmere 0,9 (se kap. 4.1.3 for nærmere informasjon om sentrale variabler i analysene).25
• I de tilfellene der det ser ut til å være problemer med sterk multikollinearitet,26 har vi testet ut ulike måter å definere variablene på. Vi har også sett på konsekvensene av å bare beholde én (eller noen få) av de variablene som korrelerer sterkt. På den måten har vi forsøkt å forsikre oss om at resultatene som brukes til å beregne nye kostnadsnøkler, er robuste og pålitelige.
• Vurdering av statistisk signifikans: I regresjonsanalyser vurderes påliteligheten til de estimerte effektene av en variabel ut fra statistisk signifikans. Signifikans er et mål på hvor sannsynlig det er at sammenhengene vi finner i data, er reelle eller om de skyldes tilfeldigheter. Om en variabel er statistisk signifikant eller ikke, vurderes ut fra statistiske mål som p-verdier. Jo lavere p-verdi, jo høyere er sannsynligheten for at de estimerte resultatene ikke er tilfeldige.
• Med få enheter i analysene kan målene for statistisk signifikans bli usikre. Utvalget har som hovedregel valgt å definere resultater med en p-verdi på under 0,1 som statistisk signifikante. Men siden resultatene er usikre, bør en variabel i utgangspunktet være statistisk signifikant over flere år for å kunne brukes som kriterium i kostnadsnøkkelen.
• Samtidig betyr ikke en p-verdi på over 0,1 nødvendigvis at en variabel ikke har en reell effekt. Hvis det er andre faglige grunner for det, kan det vurderes å ta med en variabel i analysene, selv om den ikke er statistisk signifikant på 0,1-nivå. Det motsatte er også tilfellet: En variabel bør ikke inkluderes i analysene bare fordi den er statistisk signifikant, hvis det ikke er andre gode grunner for å ta den med.
• Vurdering av modellenes forklaringskraft: Hvor god samlet forklaringskraft en regresjonsanalyse har, måles gjerne ut fra bestemmelseskoeffisienten (ofte forkortet R²). Dette er et mål på hvor stor del av variasjonen i den avhengige variabelen som variasjonene i de uavhengige variabelen kan forklare til sammen. Hvis R² er på nær 1, forklarer de uavhengige variablene nesten all variasjon i den uavhengige variabelen. Hvis R² er nær 0, kan ikke de uavhengige variablene forklare noe av variasjonen mellom fylkeskommunene.
• Den samme usikkerheten som er knyttet til p-verdier i analyser med få enheter, kan også gjelde for vurderingen av samlet forklaringskraft. I flere av utvalgets analyser, er R² godt over 0,9, noe som indikerer svært god forklaringskraft. Men det betyr ikke at analysene treffer perfekt. Selv med en svært høy R², kan det også være relativt store avvik for enkelte fylker.
• Selv om en høy samlet forklaringskraft er en god indikasjon på en god statistisk modell, bør den ikke alene avgjøre hvilken modell som skal brukes til å utforme en ny kostnadsnøkkel. Utvalget har derfor også vurdert modellene ut fra andre forhold, og lagt særlig vekt på om det er andre analyser eller faglige grunner som støtter opp om valget av modell.

4.1.2 Datagrunnlag for statistiske analyser

Utvalgets analyser er i hovedsak basert på offisiell statistikk hentet fra Statistisk sentralbyrå (SSB) og kriteriedata som er brukt i inntektssystemet for fylkeskommunene. De fleste dataene fra SSB er hentet fra Statistikkbanken, men noen er også beregnet særskilt av SSB for utvalget. Vi har også hentet noen data fra SSBs nettløsning microdata.no, som er en database med store mengder detaljerte og koblingsbare mikrodata. Tall for fylkeskommunenes utgifter er hentet fra KOSTRA.27

Analyser på data fra 2017–2019

De fleste analysene er gjort på data for perioden 2017–2019, og på den fylkesinndelingen som gjaldt da. Det betyr at det er 19 enheter i analysene for 2017, og 18 enheter i analysene for 2018 og 2019. Alle analyser som danner grunnlag for utvalgets forslag til nye kostnadsnøkler er også testet ut på data aggregert til fylkesinndelingen i 2024. På den måten har vi forsøkt å sikre oss at forslaget til nye nøkler også vil fungere på den nye fylkesinndelingen.

Det er to grunner til at utvalget som hovedregel ikke har brukt data for 2020 og 2021 i analysene. For det første hadde koronapandemien og smittevernstiltak store konsekvenser for fylkeskommunenes utgifter og tjenesteproduksjon, særlig innen kollektivtransporten. Det betyr at utgiftstallene for 2020 og 2021 ikke er representative for utgiftsbehovet i årene framover. For det andre er det enda færre enheter i data for 2020 og 2021, siden det bare var 11 fylker i denne perioden. Analyser på 11 enheter vil være enda mer usikre enn analysene utvalget har gjort for perioden før 2020.

Det kan ha skjedd relativt store endringer i fylkeskommunenes utgifter fra perioden 2017–2019 til 2024, når den nye fylkesinndelingen trer i kraft. Det kan innebære at kriterier som var egnet til å forklare fylkeskommunene utgifter i perioden 2017–2019, ikke nødvendigvis er like godt egnet i 2024. Utvalget vil likevel understreke at kostnadsnøklene i inntektssystemet brukes til å forklare de relative forskjellene mellom fylkeskommunene, ikke til å fastsette nivået på det samlede tilskuddet til et tjenesteområde.

De relative forskjellene mellom fylkeskommunene er forholdsvis stabile over tid, både når det gjelder utgiftsnivå og ulike uavhengige variabler. Befolkningssammensetningen i de ulike fylkene endrer seg ikke så mye over tid, og avstander og bosettingsmønster ligger også relativt fast. Utvalget mener derfor at analyser på data for perioden 2017–2019 er det beste tilgjengelige alternativet hvis vi skal forsøke å si noe om de relative forskjellene mellom fylkeskommunene fra 2024.

Utvalget kan likevel ikke utelukke at det har skjedd endringer i utgiftene som kan ha hatt innvirkning på den relative fordelingen mellom fylkeskommunene. Utvalget vil derfor anbefale at analysene vurderes på nytt når det foreligger oppdaterte utgiftstall for de nye fylkeskommunene. Regnskapstall for 2024 vil være klare våren 2025, og det kan da være aktuelt å undersøke om analysene fortsatt har god forklaringskraft.

Konsekvenser av «det grønne skiftet» for analysene

En av konsekvensene av å bruke data fra før 2020, er at utgifter som følge av «det grønne skiftet» de siste årene ikke inngår i analysene. Det grønne skiftet er et begrep som brukes om omlegging av samfunnet i en mer miljøvennlig retning, og er ofte knyttet til hvordan Norge skal bli et lavutslippsland.

Det grønne skiftet berører hele samfunnet, og har allerede fått konsekvenser for kommunesektorens utgifter. De siste årene har det vært særlig stor oppmerksomhet om lav- og nullutslippsløsninger innen kollektivtransporten. Flere studier har vist at en grønn omstilling av kollektivtransporten gir merkostnader for fylkeskommunene, i alle fall på kort sikt.28

Det grønne skiftet for kommunesektoren handler ikke bare om kollektivtransport. Kommuner og fylkeskommuner kan – gjennom rollene som samfunnsutviklere, myndighetsutøvere, tjenesteytere, innkjøpere, eiere og driftere – påvirke en rekke ulike klimatiltak.29 Dette kan igjen ha konsekvenser for kostnadene ved å tilby ulike tjenester. Kommunesektoren har også et stort ansvar innen klimatilpasning.

Hvis overgangen til mer miljøvennlig teknologi og tilpasning til klimaendringer påvirker fylkeskommunene i ulik grad, bør det fanges opp av kostnadsnøklene i inntektssystemet, og disse bør derfor jevnlig oppdateres. Utvalget legger imidlertid til grunn at det grønne skiftet vil påvirke hele samfunnet. Det betyr at alle fylkeskommuner har et ansvar for å bidra til at Norge når klimamålene, og alle må tilpasse tjenester og infrastruktur til et varmere og våtere klima. Det innebærer igjen at alle fylkeskommuner kan få økte kostnader.

Inntektssystemet brukes til å omfordele midler mellom fylkeskommunene, og endringer i systemet kan derfor i seg selv ikke løse en finansieringsutfordring som berører hele sektoren. Utvalget mener derfor at analyser på data fra 2017–2019 fortsatt er egnet til å fange opp de relative forskjellene mellom fylkeskommunene, selv om det grønne skiftet kan ha store konsekvenser for det samlede utgiftsnivået.

Utvalget vil for øvrig peke på at dersom kommunesektorens merkostnader i forbindelse med det grønne skiftet ikke dekkes gjennom økte rammer, må andre viktige oppgaver nedprioriteres.

Konsekvenser av grensejusteringer

Et annet forhold som kan skape noe usikkerhet i dataene, er grensejusteringer som har skjedd mellom fylkeskommunene fra 2017–2019 til i dag. Til sammen vil ti (tidligere) kommuner tilhøre et annet fylke i 2024 enn det gjorde i perioden 2017–2019. I de fleste tilfeller er det snakk om små kommuner, slik at det ikke vil ha så stor betydning for resultatene. Men for enkelte fylker er det snakk om relativt store endringer i det samlede befolkningstallet (jf. tabell 7). Det er ikke korrigert for slike grensejusteringer i utvalgets analyser.

Tabell 7 Kommuner som tilhører et annet fylke i analysedata enn i ny fylkesinndeling fra 2024

Merknad: Jevnaker, Lunner og Rindal har byttet fylke som hele kommuner, de øvrige som følge av kommunesammenslåinger. Rindal byttet fra Møre og Romsdal til Trøndelag i 2019, de øvrige fra 2020.

4.1.3 Sentrale variabler i statistiske analyser

Variablene som inngår i de statistiske analysene er beskrevet nærmere i kapitlene for de ulike kostnadsnøklene. Dette avsnittet drøfter noen generelle forhold som gjelder på tvers av de ulike sektorene.

Avhengig variabel

Ved tidligere gjennomganger av inntektssystemet for kommuner og fylkeskommuner, har den avhengige variabelen som regel vært fylkeskommunenes brutto driftsutgifter til tjenestene som analyseres. Brutto driftsutgifter viser hvor mye den enkelte tjenesten koster i løpet av et år. Begrepet omfatter de løpende utgiftene til tjenestene, inkludert avskrivninger,30 korrigert for viderefordeling av utgifter samt sykelønnsrefusjon og mva.-kompensasjon. Utvalget har benyttet tall for det som kalles fylkeskommunekonsern i KOSTRA, det vil si inkludert utgifter i fylkeskommunale foretak og interfylkeskommunale selskaper. Fylkeskommunene kan organisere deler av virksomheten i enheter utenfor kommunekassen, og tall fra fylkeskommunekassen alene kan derfor gi et skjevt bilde av de samlede utgiftene.

I noen tilfeller har også fylkeskommunenes netto driftsutgifter blitt brukt som avhengig variabel. Netto driftsutgifter viser brutto driftsutgifter etter at inntekter knyttet direkte til tjenesten – for eksempel øremerkede tilskudd, brukerbetalinger og andre direkte inntekter – er trukket fra. Netto driftsutgifter illustrerer dermed hvor mye som finansieres gjennom de frie inntektene.

Borgeutvalget drøftet hvilket utgiftsbegrep som burde benyttes i analysene, og valgte som hovedregel å bruke brutto driftsutgifter. Utvalget pekte på at brutto driftsutgifter gir et mer helhetlig bilde av kommunesektorens utgifter, uavhengig av hvordan tjenesten er finansiert. Haraldsvikutvalget, som nylig har vurdert inntektssystemet for kommunene, har også som hovedregel brukt brutto driftsutgifter som avhengig variabel.

I de statistiske analysene i denne rapporten er det brukt ulike utgiftsbegrep for de ulike sektorene. For videregående opplæring er den avhengige variabelen brutto driftsutgifter, med noen korrigeringer.31

I analysene av kollektivtransport og tannhelse bruker vi netto driftsutgifter som utgiftsbegrep. For kollektivtransporten skyldes dette delvis at KOSTRA-tallene for brutto driftsutgifter ikke er sammenlignbare på tvers av fylkeskommunene, siden det varierer om billettinntektene er med i fylkeskommunenes regnskaper eller ikke.32 I tillegg mener utvalget at det bør tas hensyn til de store variasjonene det er i inntektsgrunnlaget innen kollektivtransporten. I tett befolkede områder kan billettinntekter finansiere en betydelig større del av utgiftene til kollektivtransport enn i mer spredtbygde strøk.

I tidligere analyser av tannhelsesektoren har den avhengige variabelen vanligvis blitt definert som brutto driftsutgifter fratrukket brukerbetalinger. Brukerbetalinger har blitt holdt utenom siden fylkeskommunene ikke skal få kompensasjon gjennom inntektssystemet for salg av tjenester.33 I denne rapporten har utvalget valgt å benytte netto driftsutgifter som avhengig variabel, siden det er avdekket noen feilkilder i tallene for brutto driftsutgifter for minst én av fylkeskommunene. Utvalget har også fått indikasjoner på at det kan være ulik praksis for regnskapsføringen av brukerbetalinger mellom fylkeskommunene. Utvalget mener derfor at tallene for netto driftsutgifter er mer sammenlignbare på tvers av fylkeskommunene.

Uavhengige variabler

De uavhengige variablene i analysene er ment å fange opp variasjoner i etterspørsels- og kostnadsforhold mellom fylkeskommunene. En stor del av variasjonen i etterspørselen kan knyttes til antall innbyggere i primærmålgruppen for de ulike tjenestene. Antall innbyggere i ulike aldersgrupper er derfor sentrale variabler i flere av analysene.

I tillegg er det variabler som skal fange opp at kostnadene ved å tilby enkelte tjenester varierer ut fra strukturelle forhold, for eksempel knyttet til bosettingsmønsteret. I dagens inntektssystem brukes kriteriet reiseavstandfor å fange opp slike forhold innen videregående opplæring. Kriteriet er beregnet som gjennomsnittlig reiseavstand per innbygger i et fylke for å nå et område med til sammen 11 000 innbyggere, uavhengig av fylkesgrensene. Denne variabelen er brukt i flere av utvalgets analyser.34

Siden kostnadsnøklene bare skal kompensere fylkeskommunene for ufrivillige variasjoner i utgiftene, bør det også kontrolleres for lokale prioriteringer i analysene. En måte å forsøke å ta høyde for ulike prioriteringer på, er å kontrollere for fylkeskommunenes inntektsnivå i analysene, med kontrollvariabelen frie inntekter. Inntektsnivået har betydning for fylkeskommunenes muligheter til å prioritere en tjeneste, og det er vanlig praksis å ta det med som kontrollvariabel i analyser av kostnadsnøklene i inntektssystemet.

Det kan imidlertid være vanskelig å kontrollere for dette fullt ut for fylkeskommunene. For det første er det en sterk korrelasjon mellom inntektsnivået og flere aktuelle kriterier. Dette gjelder særlig kriteriet gjennomsnittlig reiseavstand, som samvarierer sterkt med fylkeskommunenes frie inntekter. Med få enheter i analysene er det vanskelig å isolere effekten av de ulike variablene.

For det andre er det en viss usikkerhet knyttet til om inntektsnivået er et godt mål på det reelle handlingsrommet til fylkeskommunene. De store båt- og ferjefylkene (som ofte også er fylker med mye fylkesvei) har høye inntekter, men de har også oppgaver som fylker i Sør-Øst-Norge i veldig liten grad har. Det er derfor en mulighet for at det reelle handlingsrommet til enkelte fylkeskommuner overvurderes, når vi bruker frie inntekter som kontrollvariabel.

Utvalget har som hovedregel inkludert frie inntekter fra skatt og rammetilskudd som kontrollvariabel i alle analyser, i tråd med vanlig praksis. Konsesjonskraftinntekter og inntekter fra Havbruksfondet er ikke inkludert i de frie inntektene som er brukt i analysene. Disse utgjør en svært liten andel av fylkeskommunenes inntekter, jf. kap. 5.1, og gir derfor ingen store utslag i analysene. Dette er også inntekter som kan variere mye fra år til år.

For å teste hvor robuste resultatene er, har vi også brukt korrigerte frie inntekter som kontrollvariabel i analysene, som et alternativt mål på fylkeskommunenes handlingsrom. I de korrigerte frie inntektene er det tatt utgangspunkt i de samlede frie inntekter, men den delen av de frie inntektene som inngår i utgiftsbehovet korrigeres ved hjelp av kostnadsnøkkelen. De resterende inntektene blir deretter lagt til i beregningen. Fylkeskommuner med et lavt beregnet utgiftsbehov får dermed justert opp inntektene, mens fylkeskommuner med et høyt beregnet utgiftsbehov får justert ned inntektene.35

Korrigerte frie inntekter måler dermed om fylkeskommunene har et høyt inntektsnivå, ut over det som skyldes et høyt utgiftsbehov. Variasjoner i korrigerte frie inntekter er i hovedsak knyttet til forskjeller i skjønnstilskudd, Nord-Norgetilskudd, skatteinntekter og tilskudd med særskilt fordeling (tabell C).

Det er ikke vanlig å bruke korrigerte frie inntekter som kontrollvariabel i analysene. Validiteten til dette målet er avhengig av at kostnadsnøkkelen faktisk beskriver det reelle utgiftsbehovet. Utvalgets forslag til nye nøkler er derfor basert på analyser med ukorrigerte frie inntekter som kontrollvariabel. Analysene med korrigerte frie inntekter som kontrollvariabel er tatt med for å teste hvor robuste resultatene er, og ikke for å fastsette vektene til kriteriene.

4.1.4 Fra regresjonsanalyser til kriterievekter

Regresjonsanalysene brukes som nevnt både til å identifisere hvilke kriterier som bør inngå i kostnadsnøkkelen og til å bestemme vektene til kriteriene. Utvalget har brukt samme metode for å beregne kriterievekter ut fra analyseresultatene som tidligere utvalg.36 Vekten til det enkelte kriteriet er bestemt ut fra følgende formel:

I beregningen av kriterievekten benyttes altså summen av kriterieverdiene og utgiftene til sektoren, for de fylkeskommunene som er inkludert i analysen. Denne beregningen gjøres for alle kriterier som skal vektes inn i delkostnadsnøkkelen basert på regresjonsanalysene.

I utvalgets forslag til nye delkostnadsnøkler er det bare nøkkelen for kollektivtransport som er basert utelukkende på regresjonsanalyser. I delkostnadsnøklene for videregående opplæring og tannhelse er kriteriet for reiseavstand basert på regresjonsanalyser, mens øvrige kriterier er basert på kostnadsanalyser og ressurskartlegginger. Delkostnadsnøklene for ferje og fylkesveier er ikke basert på regresjonsanalyser.

4.2 Behandling av kapitalkostnader

De frie inntektene skal finansiere både drifts- og kapitalkostnader i tjenesteproduksjonen. I dagens inntektssystem inngår ikke eventuelle variasjoner i kapitalkostnader i utgiftsutjevningen, noe som i praksis innebærer at tilskudd til kapitalformål fordeles gjennom innbyggertilskuddet og skatteinntektene (inkl. inntektsutjevning). Det eneste unntaket er fylkesveinøkkelen, som også inkluderer investeringskostnader.

Kapitalkostnader består i prinsippet av to elementer: kapitalslit og rentekostnad som følge av at midler bindes opp i realkapital.37 Kapitalslit er et uttrykk for at fast realkapital som bygninger, transportmidler, utstyr og veier får redusert verdi som følge av normal slitasje, skade og foreldelse. De to elementene måles normalt gjennom henholdsvis avskrivninger og en kalkulatorisk rentekostnad.

Tidligere offentlige utvalg har ment at utgiftsutjevningen i prinsippet bør omfatte både driftsutgifter og kapitalkostnader. Men av ulike grunner – særlig at regnskapstallene for avskrivninger i KOSTRA ikke har vært vurdert som gode nok – er kapitalkostnadene i hovedsak holdt utenom utgiftsutjevningen i dagens system, både for kommuner og fylkeskommuner. Haraldsvikutvalget anbefalte nylig at avskrivningene fortsatt bør holdes utenom utgiftsutjevningen for kommunene.

Tidligere vurderinger av kapitalkostnader i inntektssystemet har sett på kommunesektoren samlet eller primærkommunene alene.38 Men siden noen forhold tyder på at fylkeskommunene skiller seg ut som særlig kapitalintensive sammenlignet med kommunene, mener utvalget at det bør gjøres en egen vurdering av spørsmålet for fylkeskommunene.

Utvalget går i dette delkapittelet først gjennom tidligere vurderinger av hvordan kapitalkostnader bør behandles i inntektssystemet (kap. 4.2.1). Deretter ser vi nærmere på forskjellene i kapitalkostnader mellom kommuner og fylkeskommuner (kap. 4.2.2), og hvilke konsekvenser det vil ha hvis kapitalkostnadene inkluderes i utgiftsutjevningen (kap. 4.2.3). Til slutt drøfter utvalget hvordan kapitalkostnader bør behandles i inntektssystemet for fylkeskommunene framover (kap. 4.2.4). Utvalget er delt i synet dette spørsmålet, og presenterer to ulike forslag.

4.2.1 Tidligere vurderinger av kapitalkostnader i inntektssystemet

Rattsøutvalget

Rattsøutvalget viste til at da inntektssystemet ble innført i 1986, avløste det 50 ulike tilskudd til driftsformål. Alle tilskudd til investeringsformål ble holdt utenom. Bakgrunnen var at utbyggingsgraden varierte mye mellom kommunene, og at det ikke var hensiktsmessig å fange opp slike forhold gjennom et inntektssystem basert på statistikk og objektive kriterier. Flere investeringstilskudd ble derfor videreført utenfor inntektssystemet, og fordelt ut fra en mer direkte og skjønnsmessig vurdering.

Rattsøutvalget mente at inntektssystemet i prinsippet også burde omfatte kapitalkostnader. Et system som bare kompenserer et høyt driftsbehov kunne ifølge utvalget bare sikre delvis utgiftsutjevning. Utvalget drøftet derfor hvordan forskjeller i investeringsbehov kunne kompenseres. Det ble vist til at investeringsbehovet ikke burde vurderes ut fra faktisk utbygging og faktiske investeringskostnader, siden dette ville være lite objektivt.

Utvalget mente det ville være bedre å ta utgangspunkt i behovet for tjenesten og den kapitalbeholdningen som var nødvendig for å tilfredsstille behovet. Men siden kommuneregnskapene på den tiden ikke ga grunnlag for å beregne kapitalkostnader, var det vanskelig å bygge kapitalkostnader inn i inntektssystemet og å utføre analyser for å avdekke ufrivillige forskjeller i kapitalkostnader.

Utvalget mente videre at det er grunn til å tro at kapitalbehovet for de fleste kommunale og fylkeskommunale tjenester er noenlunde proporsjonalt med produksjonen av tjenesten. De faktorene som forklarer forskjellene i driftsbehov, vil dermed også forklare forskjellene i kapitalbehov. Utformingen av de ulike delkostnadsnøklene vil dermed i liten grad bli påvirket av om de skal fange opp variasjoner i driftskostnader alene, eller om de også skal fange opp kapitalkostnader. Utvalget konkluderte derfor med at «kapitalkostnadene vil fordele seg mellom kommunene om lag som driftsutgiftene, og at ekskludering av kapitalkostnadene ikke vil ha særlige fordelingsvirkninger».

Utvalget påpekte likevel at en innlemming av investeringskostnader i utgiftsutjevningen i inntektssystemet vil påvirke størrelsen på beløpet som omfordeles gjennom kostnadsnøkkelen og hvor stor vekt den enkelte delkostnadsnøkkelen skal ha i den samlede nøkkelen.

Borgeutvalget

Mandatet til Borgeutvalget presiserte at utgiftsutjevningen i prinsippet omfatter både driftsutgifter og kapitalkostnader. Utvalget ble spesielt bedt om å vurdere kommunenes kapitalkostnader og i hvilken grad kommunene fikk tilskudd i tråd med

utgiftsbehovet. Bakgrunnen var blant annet et ønske om å undersøke om vekstkommuner ble tilstrekkelig ivaretatt gjennom utgiftsutjevningen. Vekstkommuner kan ha et høyere investeringsbehov enn andre kommuner, siden de må investere i infrastruktur og nye bygg for å kunne gi velferdstjenester til en voksende befolkning.

Borgeutvalget vurderte problemstillingen blant annet med utgangspunkt i analyser av kommunenes kapitalkostnader fra Statistisk sentralbyrå.39 Disse analysene viste en tendens til at befolkningsvekst og fraflytting kunne gi en midlertidig effekt på kapitalkostnadene. På kort sikt var kapitalkostnadene i vekstkommuner lavere enn i andre kommuner. Det ble vist til at dette dels kunne ha sammenheng med treghet i tilpasningen til befolkningsendringene, og dels med at vekstkommuner kan utnytte tilgjengelig kapasitet bedre og dermed få lavere kapitalkostnader per innbygger. På lengre sikt vil vekstkommuner få høyere inntekter og flere innbyggere som kapitalkostnadene kan deles mellom.

Motsatt kan fraflyttingskommuner på kort sikt ha høyere kapitalkostnader, siden det er færre innbyggere som må dele de samme kostnadene. Kommuner som har befolkningsnedgang kan ha vansker med å redusere realkapitalen i takt med det fallende innbyggertallet.

Borgeutvalget mente, i likhet med Rattsøutvalget, at alle utgifter til kommunal og fylkeskommunal tjenesteproduksjon i prinsippet burde omfattes av utgiftsutjevningen, også kapitalutgifter. Utvalget mente imidlertid at det fortsatt ikke var gode nok data som kunne brukes til analyser av kapitalkostnader. På den tiden var rapportering av avskrivninger i KOSTRA relativt nytt, og utvalget mente at det var en underrapportering av avskrivninger i flere kommuner.

Utvalget foreslo derfor ikke kriterier for å fange opp variasjoner i kommunenes utgiftsbehov til kapitalkostnader. Borgeutvalget viste i stedet til Rattsøutvalgets antakelser om at kapitalkostnader over tid ville fordele seg mellom kommunene om lag som driftsutgiftene, og at en ekskludering av kapitalkostnader ikke ville ha særlige fordelingsvirkninger.

Borgeutvalget pekte også på at kapitalkostnadene burde inngå i beregningen av kommunesektorens samlede utgiftsbehov, altså størrelsen på beløpet som skal omfordeles etter den samlede kostnadsnøkkelen. Men utvalget viste samtidig til at dersom kapitalkostnader inkluderes i utgiftsbehovet, uten at det innføres egne kriterier i kostnadsnøkkelen for å fange opp variasjonene i kapitalkostnader, vil økt utgiftsbehov i seg selv gi en omfordeling av inntekter fra kommuner og fylkeskommuner med et lavt beregnet utgiftsbehov til kommuner og fylkeskommuner med et høyt beregnet utgiftsbehov. Utvalget mente at dette kunne være problematisk. Det er usikkert om det faktisk er slik at de kommunene som har et høyt utgiftsbehov til drift av kommunale tjenester, også har et høyt utgiftsbehov knyttet til kapitalkostnader.

Borgeutvalget anbefalte derfor at kapitalkostnadene burde holdes utenom utgiftsutjevningen inntil dataene for kapitalkostnader blir bedre. Men utvalget mente at kapitalkostnader burde omfattes av utgiftsutjevningen «når det er mer klarhet om hvilke faktorer som forklarer variasjoner i kapitalutgifter mellom kommunene og mellom fylkeskommunene».

Telemarksforsking: Befolkningsendringer og kommunale investeringer

Telemarksforsking gjennomførte i 2017 et oppdrag for KS som vurderte hvilken betydning befolkningsendringer har for kommunale investeringer, og om slike merkostnader blir fanget opp i de systemene som skal kompensere kommunene for demografiske endringer.40

Telemarksforsking viser til at kapitalkostnader eksplisitt er holdt utenom kostnadsnøklene i inntektssystemet, og at kommunene dermed i praksis kompenseres for kapitalkostnader med et likt beløp per innbygger.

Rapporten ser nærmere på delkostnadsnøklene som er brukt i inntektssystemet for kommunene, og konkluderer med at de kriteriene som har betydning for variasjonen i driftskostnader i noen grad også påvirker kapitalkostnadene. Men den viktigste forklaringsfaktoren for variasjoner i kapitalkostnader er det kommunale inntektsnivået: kommuner med et høyt inntektsnivå har også høye kapitalkostnader. Telemarksforsking viser også til at det mangler gode mål på kommunale kapitalkostnader, og mener at dagens praksis med å ikke ha egne kriterier for kapitalkostnader derfor er å foretrekke.

Rapporten ser også på betydningen av befolkningsendringer, og resultatene støtter tidligere konklusjoner om at befolkningsutviklingen har liten betydning for nivået på både investeringer og kapitalkostnader per innbygger. Telemarksforsking viser blant annet til at det voksende innbyggertallet i vekstkommuner innebærer at det er flere innbyggere å dele kostnadene på.

Telemarksforsking vurderte videre hvordan kapitalkostnader fanges opp i de såkalte demografiberegningene i kommuneopplegget i statsbudsjettet. Demografiberegningene viser hvor mye kommunesektorens kostnader er ventet å øke neste budsjettår som følge av antatte endringer i befolkningen (både endringer i antall innbyggere samlet og endringer i aldersfordelingen). Disse beregningene er ett av flere forhold som ligger til grunn for regjeringens forslag om kommunesektorens vekst i frie inntekter i statsbudsjettet.

Telemarksforsking mener at kapitalkostnader bare i begrenset grad fanges opp i demografiberegningene. Dette skyldes delvis at de kommunale regnskapene ikke måler kapitalkostnadene på en god nok måte, og delvis at systemet ser bort fra mange av de sektorene hvor investeringer utgjør en stor del av kostnadene. Rapporten konkluderer derfor med at utelatelsen av kapitalkostnader er et større problem for beregningen av demografikostnader enn for fordelingen mellom kommuner.

Telemarksforsking: Kapitalkostnader i kommunene

Telemarksforsking har nylig vurdert om avskrivningene i KOSTRA gir et godt anslag på kommunenes kapitalkostnader, og om de kan benyttes i beregningsgrunnlaget i inntektssystemet.41 Vurderingen ble gjort på oppdrag fra Haraldsvikutvalget. I notatet skriver Telemarksforsking at det er flere utfordringer med avskrivningene i KOSTRA, som de oppsummerer slik:

• «Avskrivingene er basert på historisk anskaffelseskostnad og tar dermed ikke hensyn til prisøkning over tid. Lineære avskrivinger basert på historisk kost vil undervurdere kapitalkostnaden fordi et slikt prinsipp ikke vil ta hensyn til prisøkning over tid. Avskrivning basert på gjenanskaffelseskost eller inflasjonsjustert historisk anskaffelseskost vil ta hensyn til dette.
• Avskrivningene er beregnet etter bruttometoden, som innebærer at investeringstilskudd, brukerfinansiering og andre inntekter ikke er trukket fra. Dette medfører isolert sett at avskrivingene overvurderes, men denne effekten er normalt mindre enn effekten av manglende prisjustering.
• I tilfeller hvor kapitalverdien nedskrives, for eksempel ved en skolenedleggelse, synes ikke dette i driftsregnskapene på annen måte enn at avskrivingene forsvinner. Kapitalkonto i balansen nedjusteres, men ikke på en måte som viser hva som har skjedd og i hvilken sektor siden det er mye annet som føres mot kapitalkonto.»

Telemarksforsking mener at disse punktene delvis peker i ulike retninger, men at de i praksis fører til at avskrivningene i KOSTRA klart undervurderer det reelle kapitalslitet.

Telemarksforsking peker videre på at det er to aktuelle alternativer for å inkludere kapitalkostnader i utgiftsutjevningen:

1. Kapitalkostnader kan inkluderes både i analysene som ligger til grunn for kostnadsnøkkelen, og i det beregnede utgiftsbehovet som omfordeles. I så fall må avskrivningene tas med i den avhengige variabelen som inngår i regresjonsanalysene når nye kostnadsnøkler skal utformes. I dagens system har det vært vanlig å trekke ut avskrivningene fra den avhengige variabelen.
2. Kapitalkostnader inkluderes i det beregnede utgiftsbehovet som omfordeles, men ikke i den avhengige variabelen i analysene. Dette kan være et aktuelt alternativ hvis man antar at de reelle kapitalkostnadene har omtrent samme variasjon som driftskostnadene.

Samlet sett mener Telemarksforsking at det er mye som tyder på at dagens praksis – der kompensasjon for kapitalkostnader i praksis fordeles med et likt beløp per innbygger – virker som en akseptabel løsning. Notatet viser til tidligere analyser som viser at i den grad kapitalutgiftene varierer systematisk som følge av objektive kriterier, er variasjonen liten.

Telemarksforsking mener videre at argumentet om usikker datakvalitet for avskrivninger er mindre relevant enn det var tidligere. Men ifølge notatet er det fortsatt noen problemer med kvaliteten på avskrivningene i KOSTRA.

4.2.2 Forskjell i kapitalslit mellom kommuner og fylkeskommuner

De samlede brutto investeringsutgiftene til fylkeskommunene (utenom Oslo) har de siste årene vært på mellom 16 og 20 mrd. kroner (jf. tabell 8). Når vi ser de samlede investeringene i forhold til samlede brutto driftsinntekter, er investeringene høyere i fylkeskommunene enn i kommunene. Investeringene er på om lag 20 prosent av brutto driftsinntekter for fylkeskommunene, mot om lag 15 prosent for kommunene.

Tabell 8 Samlede drifts- og investeringsutgifter i kommuner og fylkeskommuner i mrd. kroner og som andel av samlede utgifter (nominelle tall), og langsiktig gjeld i pst. av driftsinntektene

Kilde: SSB (KOSTRA)

Kapitalslitet slik det er målt med avskrivninger i KOSTRA, utgjør også en noe høyere andel av de samlede brutto driftsutgiftene for fylkeskommunene enn for kommunene. Men avskrivningene i KOSTRA undervurderer trolig de reelle kapitalkostnadene til fylkeskommunene. Beregninger gjort av Teknisk beregningsutvalg for kommunal og fylkeskommunal økonomi (TBU) viser at kapitalslitet til fylkeskommunene er betydelig høyere. Dette henger blant annet sammen med forvaltningsreformen i 2010, da fylkeskommunene overtok en stor del av det tidligere riksveinettet. Veier er en mer kapitalintensiv oppgave enn de øvrige fylkeskommunale oppgavene, og investeringsutgiftenes andel av inntektene har økt etter 2010. Men realkapitalen til de tidligere riksveiene ble ikke ført inn i balanseregnskapet til fylkeskommunene. Dermed fanger ikke avskrivningene i KOSTRA opp kapitalslitet på disse veiene.

TBU gjorde beregninger for å forsøke å ta høyde for dette, og anslo at fylkeskommunenes andel av det samlede kapitalslitet for kommunesektoren økte fra om lag 12,5 prosent før 2010 til om lag 25 prosent etter 2010.42

Bakgrunnen for TBUs beregninger var en ny vurdering av hvor høyt netto driftsresultat kommunesektoren burde ha for å kunne opprettholde verdien av realkapitalen over tid. TBU har siden 2014 anbefalt et netto driftsresultat for fylkeskommunene sett under ett på 4 prosent av inntektene, mens det anbefalte nivået for kommunene er på 1,75 prosent av inntektene. TBU understrekte at beregningene av kapitalslitet som anbefalingene bygde på var usikre, og at det anbefalte nivået for netto driftsresultat var særlig usikkert for fylkeskommunene.

4.2.3 Konsekvenser av å inkludere kapitalkostnader i utgiftsutjevningen

En eventuell inkludering av kapitalkostnader i utgiftsutjevningen vil ikke påvirke størrelsen på de samlede frie inntektene til fylkeskommunene, men det vil ha konsekvenser for fordelingen mellom fylkeskommunene. Endringen vil påvirke fordelingen på flere ulike måter:

• Hvis kapitalkostnader inkluderes i den avhengige variabelen i de statistiske analysene, kan det ha konsekvenser for hvilke kriterier som velges til kostnadsnøklene og hvordan de vektes. Effekten ser ut til å variere mellom kostnadsnøklene.
• I utvalgets analyser får kriteriet for reiseavstand høyere vekt i kostnadsnøklene for videregående opplæring og tannhelse, hvis avskrivningene tas med i utgiftsbegrepet. Men innen kollektivtransport er effekten motsatt: reiseavstandskriteriet får lavere vekt når avskrivningene tas med, mens andre kriterier får høyere vekt.
• Inkludering av kapitalkostnader vil også gi endringer i de ulike delkostnadsnøklenes andel av den samlede kostnadsnøkkelen. Utvalget har gjort en forenklet beregning av hvordan sektorvektene hadde vært med og uten avskrivninger i perioden 2015–2019. I begge alternativer er det lagt til grunn at kapitalkostnader til fylkesvei inngår på samme måte som i dagens system, beregnet ut fra «netto» investeringsutgifter siste tre år.
• Effekten varierer noe fra år til år. Videregående opplæring ville gjennomgående hatt noe høyere vekt hvis avskrivningene var inkludert i beregningen av sektorvektene (i snitt 1,1 prosentpoeng), mens særlig fylkesvei ville hatt lavere vekt (i snitt 0,7 prosentpoeng). Kollektivtransport og ferje ville også hatt noe lavere vekt, mens det ikke ville vært noen endring for tannhelse.
• Det samlede utgiftsbehovet – altså størrelsen på omfordelingen via utgiftsutjevningen – vil bli høyere hvis kapitalkostnadene inkluderes. Utvalget har gjort en forenklet beregning som viser at samlet utgiftsbehov isolert sett ville vært mellom 2,5 og 3 mrd. kroner høyere hvis avskrivningene hadde vært inkludert i beregningen av samlet utgiftsbehov for 2022.
• Utvalget foreslår i kap. 4.9.3 en annen endring i beregningen av samlet utgiftsbehov som trekker i motsatt retning, dvs. at utgiftsbehovet beregnes ut fra konserntall i stedet for kassetall fra KOSTRA. Den samlede økningen i utgiftsbehovet ved en eventuell inkludering av kapitalkostnader blir derfor lavere enn den isolerte økningen av å inkludere avskrivninger.

Siden inkludering av kapitalkostnader påvirker utgiftsutjevningen på flere ulike måter, vil effekten for den enkelte fylkeskommune variere. Det kan være hensiktsmessig å vurdere effektene både på kort og lengre sikt.

Det første året kapitalkostnader inkluderes i utgiftsutjevningen, vil det være en betydelig omfordeling som følge av endringer i delkostnadsnøkler, sektorvekter og samlet utgiftsbehov. Det samlede utgiftsbehovet vil bli justert opp og vil bli videreført på et høyere nivå enn tidligere, slik at det blir en varig endring i inntektsfordelingen. Men det betyr ikke at veksten i utgiftsbehovet nødvendigvis vil være høyere etter at kapitalkostnadene først er tatt inn i utgiftsutjevningen.

Hvor stor omfordelingen det første året blir vil avhenge av hvilke av utvalgets forslag til kostnadsnøkler som velges (jf. kap. 4.6, der utvalget diskuterer ulike delkostnadsnøkler for kollektivtransport). Et grovt anslag viser at for de fleste fylkeskommunene vil inkludering av kapitalkostnader gi en isolert fordelingsvirkning på mellom +150 og -150 kroner per innbygger. Dette inkluderer effekten av de tre forholdene nevnt over: Endringer i den målte effekten av ulike kriterier gjennom analysene, justeringer i sektorvektene og en økning i det samlede utgiftsbehovet.

Utover denne engangseffekten, vil konsekvensene trolig være mer begrenset. Avskrivningenes andel av de samlede driftsutgiftene er relativt stabile over tid, selv om det var en viss økning i perioden 2015–2019 (jf. tabell 9).

Tabell 9 Avskrivningenes andel av samlede netto driftsutgifter 2015–2019. Tall for hele landet. Fylkesvei: «netto» investeringers andel av samlede nettoutgifter til fylkesvei

Fra 2015 til 2019 var det en nominell vekst i driftsutgiftene til sektorene som inngår i utgiftsutjevningen på 14,3 prosent, beregnet med dagens inntektssystem (dvs. utenom avskrivninger, men inkludert netto investeringer til fylkesvei). Hvis avskrivningene også inkluderes, er den nominelle veksten på 14,8 prosent.

4.2.4 Utvalgets vurderinger og anbefalinger

Tidligere offentlige utvalg har altså ment at utgiftsutjevningen i prinsippet bør omfatte både driftsutgifter og kapitalkostnader. Men blant annet på grunn av problemer med datakvaliteten for avskrivningene i KOSTRA, har tidligere utvalg anbefalt at kapitalkostnadene holdes utenom utgiftsutjevningen. Dette utvalget er enig i prinsippet om at utgiftsutjevningen også bør omfatte kapitalkostnader, men er delt i synet på om det bør gjøres en endring på dette området nå.

Vurderinger og anbefalinger fra flertallet

Utvalgets flertall – bestående av utvalgsleder Lunder og medlemmene Nyhus, Moum, Salater, Seime og Søyseth – er enig i at det fortsatt er noen problemer med kvaliteten på regnskapstallene for avskrivninger i KOSTRA. Flertallet mener likevel at det er gode grunner for å behandle kapitalkostnadene på en annen måte i inntektssystemet for fylkeskommunene enn i systemet for kommunene. Det er særlig to forhold som trekker i retning av å inkludere kapitalkostnader mer direkte i inntektssystemet for fylkeskommunene. For det første er det sannsynlig at kapitalkostnader utgjør en større andel av fylkeskommunenes enn kommunenes samlede kostnader. Flertallet mener at dette bør reflekteres i inntektssystemet.

For det andre mener flertallet at kapitalkostnader bør behandles på samme måte på tvers av de ulike fylkeskommunale tjenesteområdene. Dette er ikke tilfellet i dagens system, siden fylkesveiinvesteringer inngår som en del av delkostnadsnøkkelen for fylkesvei (se kap. 4.8 for nærmere omtale). I tillegg er deler av kapitalkostnadene innen kollektivtransport indirekte inkludert i kostnadsnøklene.

Hvordan kollektivtransporten er organisert og hvordan kapitalkostnadene er ført i regnskapene, varierer mellom fylkeskommunene. I noen tilfeller er det fylkeskommunene som gjør investeringer i fast infrastruktur, og kapitalkostnadene føres dermed som avskrivninger i KOSTRA. I andre tilfeller er det operatørselskapene som står for investeringene, og avskrivningene er ikke direkte synlige i KOSTRA. Men fylkeskommunene må likevel dekke operatørselskapenes kapitalkostnader gjennom driftstilskuddet. Det kan bety at en praksis med å trekke avskrivningene ut av driftsutgiftene i analysene, fører til forskjellsbehandling mellom fylkeskommunene: kapitalkostnader som dekkes gjennom tilskudd til operatørselskaper inkluderes i analysene, mens fylkeskommunenes direkte kapitalkostnader ikke tas med.

Det er bare innen videregående opplæring og tannhelse at kapitalkostnader stort sett er holdt utenom kostnadsnøkkelen, siden avskrivningene er trukket ut både i analysene og i beregningen av sektorvekter. Men også her kan det være tilfeller der kapitalkostnader er indirekte med i analysene: i tilfeller der fylkeskommuner leier lokaler til videregående skoler og tannklinikker, vil deler av leieutgiftene gå med til å dekke utleiers kapitalkostnader.

Flertallet mener at spørsmålet om kapitalkostnader i prinsippet bør behandles på samme måte på tvers av de ulike tjenesteområdene. Flertallet mener derfor at inntektssystemet bør forsøke å fange opp variasjoner i kapitalkostnadene også innenfor videregående opplæring og tannhelse. Dette er tjenesteområder som har vært fylkeskommunenes ansvar lenge, og der avskrivningene er rimelig jevnt fordelt mellom fylkeskommunene. Flertallet mener derfor at tallene for avskrivninger bør kunne brukes i inntektssystemet for fylkeskommunene, selv om det fortsatt kan være noen problemer med datakvaliteten.

Det er en klar tendens til at fylkeskommuner med et høyt beregnet utgiftsbehov kommer bedre ut hvis kapitalkostnader inkluderes i utgiftsutjevningen. Endringen ser altså ut til å innebære en omfordeling av inntekter fra fylkeskommuner med et lavt beregnet utgiftsbehov til fylkeskommuner med et høyt beregnet utgiftsbehov, slik Borgeutvalget pekte på. Borgeutvalget mente at det kunne være problematisk å inkludere kapitalkostnader i samlet utgiftsbehov uten at kapitalkostnader er godt nok fanget opp i kostnadsnøkkelen, siden det var usikkert om det faktisk var slik at de som har et høyt utgiftsbehov til drift av kommunale tjenester, også har et høyt utgiftsbehov knyttet til kapitalkostnader. Når kapitalkostnadene legges inn i utgiftsbehovet, vil et større beløp omfordeles etter en gitt delkostnadsnøkkel.

En sentral forskjell fra Borgeutvalgets vurderinger, er at flertallet nå vurderer kvaliteten på avskrivningene som så gode at de kan inkluderes i analysene av delkostnadsnøklene. I analysene i denne rapporten er kapitalkostnader både inkludert i avhengig variabel og vektingen av kriteriene i hver enkelt delkostnadsnøkkel. Når vektingen av kriteriene i en delkostnadsnøkkel endrer seg som følge av at avskrivningene inkluderes i analysene, tyder det på at kriteriene kan fange opp systematiske variasjoner i kapitalkostnader mellom fylkeskommunene. Flertallet mener på bakgrunn av dette at det er et reelt utgiftsbehov, blant annet knyttet til lange reiseavstander, som forklarer at fylkeskommuner med et høyt beregnet utgiftsbehov kommer bedre ut når kapitalkostnadene inkluderes.

Dette kan illustreres ved å se på samvariasjonen mellom investeringer, avskrivninger og kriteriene som inngår i delkostnadsnøkkelen for videregående opplæring (jf. tabell 10).

Tabell 10 Samvariasjon mellom kapitalkostnader, befolkningsvekst og kriteriene for videregående opplæring

Merknader: Alle tall er for 2019, unntatt investeringer (snitt 2015–2019), søkere til høykostnadsprogrammer og læreplass (snitt 2017–2019) og befolkningsvekst (2015–2019). Tall for investeringer og avskrivninger er målt både per innbygger og per elev. Indeksen er beregnet ut fra utvalgets forslag til ny delkostnadsnøkkel. Vekst i innbyggertall målt i prosent, øvrige variabler målt per innbygger. Koeffisienter over +/- 0,4 er statistisk signifikante på 0,1-nivå. N=18.

Tabellen viser en positiv samvariasjon mellom delkostnadsnøkkelen for videregående opplæring og investeringer og avskrivninger innen denne sektoren. Samvariasjonen er sterkest med kriteriet for reiseavstand, og dette kan forklare hvorfor dette kriteriet får høyere vekt når avskrivningene inkluderes i utvalgets analyser. Tabellen viser videre at det er en negativ samvariasjon både mellom befolkningsvekst og kapitalkostnader og mellom befolkningsvekst og investeringer.

Det er altså en tendens til at fylkeskommuner med svak befolkningsutvikling har høyere kapitalkostnader målt i kroner per innbygger og per elev, enn fylkeskommuner med sterkere vekst i innbyggertallet. Dette samsvarer med funnene til tidligere utredninger på kommunenivå, som har vist at høye kapitalkostnader per innbygger kan være et større problem for kommuner som opplever befolkningsnedgang enn for vekstkommunene.43 Dersom fordelingen i kapitalbehov mellom fylkene endrer seg over tid, må dette fanges opp gjennom fremtidige oppdateringer av kostnadsnøklene.

Sammenlignet med dagens system foreslår flertallet tre endringer i måten kapitalkostnader behandles på i inntektssystemet for fylkeskommunene:

1. Avskrivningene bør inngå i den avhengige variabelen i de statistiske analysene av tannhelsesektoren og videregående opplæring. De avskrivningene som inngår i fylkeskommunenes regnskaper for kollektivtransporten bør også inkluderes, for å sikre likebehandling mellom fylkeskommunene.
2. Avskrivninger for videregående opplæring, tannhelse og kollektivtransport bør inngå i beregningen av sektorvektene i inntektssystemet.
3. Avskrivninger for videregående opplæring, tannhelse og kollektivtransport bør inngå i beregningen av det samlede utgiftsbehovet som omfordeles gjennom kostnadsnøkkelen.

Siden tallene for avskrivninger for fylkesveier ikke er egnet til å fange opp kapitalslitet knyttet til veiene som ble overført fra staten i 2010, bør kapitalkostnadene for fylkesvei fortsatt beregnes ut fra investeringene, som i dagens system.

Vurderinger og anbefalinger fra mindretallet

Utvalgets mindretall, medlemmene Hjelle og Olsen, mener på prinsipielt grunnlag at inntektssystemet for fylkeskommuner bør omfatte kompensasjon for ufrivillige kostnadsforskjeller for drifts- og kapitalutgifter.

Det er en stor og prinsipiell endring i inntektssystemet for fylkeskommunene at kapitalkostnader skal omfattes av utgiftsutjevningen. Mindretallet mener at utvalgets analyser av kapitalkostnader ikke er et tilstrekkelig grunnlag for å foreslå at kapitalkostnader skal inngå i utgiftsutjevningen for flere sektorer i inntektssystemet. Det bør gjennomføres ytterligere analyser før det tas stilling til en eventuell endring i håndteringen av kapitalkostnader i inntektssystemet.

Fylkeskommunenes investeringsnivå kan, i større grad enn driftsnivået, være et resultat av lokale prioriteringer. Utvalgets statistiske analyser er blant annet utført med bruk av tall for fylkeskommunale avskrivninger per innbygger. Tall for avskrivninger samvarierer sterkt med fylkeskommunenes inntektsnivå. Mindretallet mener at det bør sees nærmere på om fylkeskommunenes investeringsnivå og kapitalutgifter er «inntektsdrevet» og i større grad følger av lokale prioriteringer, framfor at variasjoner i investeringsutgifter og avskrivninger gjenspeiler merutgifter som følge av ufrivillige kostnadsforskjeller mellom fylkeskommuner.

Et samlet utvalg anmoder om at det gjøres analyser av effekten av distriktspolitiske begrunnede tilskudd (jf. kap. 7.1). Denne analysen bør også omfatte effekten av distriktspolitiske tilskudd på investeringer og kapitalutgifter.

Det har vært metodiske utfordringer i utvalgets statistiske analyser, og dette gjelder også for analysene av kapitalutgifter. I analysene av videregående opplæring og tannhelsetjenesten er det en korrelasjon på nærmere 0,9 mellom frie inntekter og kriteriet reiseavstand. Selv om det er gjort tiltak i analysene for å kontrollere for denne samvariasjonen, kan en så høy samvariasjon likevel resultere i at ufrivillige kostnadsulemper knyttet til reiseavstand og spredtbygdhet overvurderes i analysene, framfor at effekten knyttes til inntektsnivået.

Flertallets forslag om at kapitalkostnader omfattes av utgiftsutjevningen, innebærer en stor omfordeling mellom fylkeskommuner, fra -160 kroner per innbygger til +250 kroner per innbygger. En så stor omfordeling mellom fylkeskommuner underbygger videre behovet for innhenting av ytterligere kunnskapsgrunnlag før endringer innføres.

Figur 4 viser sammenhengen mellom beregnet utgiftsbehov målt med kostnadsindeksen og befolkningsutviklingen i perioden 2015–2019. Beregningen er gjort med utgangspunkt i fylkeskommunene i 2019, summert til fylkesinndelingen i 2024. Det er en klar tendens til at fylkeskommuner med høy befolkningsvekst, har et lavere beregnet utgiftsbehov.

Forstørr bilde

Figur 4 Samvariasjon mellom samlet kostnadsindeks i inntektssystemet og endring i innbyggertall 2015–2019

Effekten av å inkludere kapitalkostnader i utgiftsutjevningen er en ytterligere omfordeling fra fylkeskommuner med lavt utgiftsbehov til fylkeskommuner med et høyt beregnet utgiftsbehov. Utgiftsutjevningen skal kompensere for utgifter som fylkeskommunene ikke kan påvirke selv. Videre analyser bør se nærmere på hvilke typer utgifter dette er for fylkeskommuner med befolkningsvekst.

Delkostnadsnøkkelen for fylkesvei har i flere år omfattet utgiftsbehovet for både drift og investeringer. Mindretallet støtter at fylkesveinøkkelen fortsatt skal omfatte dette. Utvalgets foreslåtte delkostnadsnøkkel for fylkesvei er utformet med utgangspunkt i Statens vegvesens tidligere brukte Motiv-beregninger for fylkesveiers drifts- og vedlikeholdsbehov. Motiv-modellen har tidligere vært brukt som grunnlag for utgiftsutjevningen i inntektssystemet over flere år, og har blitt brukt som grunnlag for utjevning av både drifts- og kapitalkostnader i delkostnadsnøkkelen.

I utgangspunktet skal det beregnede vedlikeholdsbehovet i Motiv være tilstrekkelig til å opprettholde veistandarden, uten at det oppstår et vedlikeholdsetterslep. Modellen samvarierer relativt godt med fylkeskommunenes faktiske utgifter. Utvalgsmedlemmene Hjelle og Olsen mener på bakgrunn av dette at det på fylkesveiområdet foreligger tilstrekkelige analyser til at utgiftsbehovet for fylkesveiinvesteringer fortsatt kan omfattes av utgiftsutjevningen i fylkesveinøkkelen.

4.3 Hvilke tjenester bør omfattes av utgiftsutjevningen?

Ifølge mandatet skal utvalgets forslag til ny kostnadsnøkkel omfatte de samme tjenestene som i dag, det vil si videregående opplæring, tannhelse, kollektivtransport og fylkesvei. I tillegg kan utvalget også «vurdere om det er andre tenesteområde som bør inkluderast i utgiftsutjamninga».

Alle de offentlige utvalgene som har gått gjennom inntektssystemet tidligere, har vurdert hvilke tjenester som bør omfattes av utgiftsutjevningen. Departementet har også vurdert spørsmålet ved flere anledninger. De tidligere utvalgene har vurdert spørsmålet for både kommunene og fylkeskommunene, og prinsippene som ligger til grunn for vurderingene er de samme for de to forvaltningsnivåene.

4.3.1 Tidligere vurderinger av tjenester i utgiftsutjevningen

Rattsøutvalget viste til at kommunesektoren har fått et sentralt ansvar for å implementere den nasjonale velferdspolitikken. Staten har derfor et overordnet ansvar for at tjenestene når alle, uavhengig av hvor de bor i landet. Utgiftsutjevningen spiller en viktig rolle i den forbindelse, siden den skal gi kommunene like muligheter for å tilby nasjonale velferdstjenester. Utvalget mente derfor at det var naturlig å ta utgangspunkt i de tjenestene som kommunesektoren enten er pålagt å drive, eller tjenester hvor det er knyttet sterke nasjonale mål til standard og omfang. Det burde derfor tas hensyn til om staten har gitt bindinger i lov- og regelverk, og om det er knyttet tydelige nasjonale mål til tjenestene. Utvalget foreslo på den bakgrunn at følgende tjenester burde omfattes av utgiftsutjevningen for fylkeskommunene:

• Videregående opplæring
• Helsetjenesten (de fleste sykehusene var fylkeskommunale på den tiden)
• Samferdsel

Utvalget viste til at videregående opplæring og helsetjenester er grunnleggende velferdstjenester. Utvalget mente også at samferdselssektoren bidrar til oppbygging og vedlikehold av nasjonal infrastruktur i transportsektoren.

Utvalget mente at de øvrige tjenestene, i hovedsak kultur, hadde få bindinger gjennom lov og regelverk. Finansieringen av disse tjenestene burde derfor kunne ivaretas av skatteinntekter, det generelle rammetilskuddet, øremerkede tilskudd og gebyrer.

Borgeutvalget bygde videre på de samme avgrensningene som ble gjort av Rattsøutvalget, og foreslo ikke enderinger i hvilke tjenester som skal omfattes av utgiftsutjevningen. Dette innebar at utvalget anbefalte at utgiftsutjevningen burde omfatte videregående opplæring, samferdsel og tannhelse.

Kommunal- og distriktsdepartementet har lagt de samme prinsippene til grunn i sine vurderinger. Departementet har også lagt vekt på at en sektor bør være av en viss størrelse for at det skal være aktuelt å inkludere den i utgiftsutjevningen, og at utgiftene per innbygger må variere mellom kommunene. Departementet har videre tatt hensyn til at det må være mulig å etablere kriterier som er objektive og som i tilstrekkelig fanger opp variasjonene i utgiftene.44

Tidligere utvalg og departementet har altså lagt vekt på følgende spørsmål i vurderingen av hvilke tjenester som bør inngå i utgiftsutjevningen. Er de aktuelle tjenestene:

• Velferdstjenester av nasjonal karakter?
• Tjenester det er knyttet sterke nasjonale føringer eller mål til, for eksempel knyttet til standard og omfang av tjenestene?
• Oppgaver kommunene er pålagt å drive i lov eller forskrift?
• Tjenester av en viss størrelse (utgiftene til tjenestene har et visst omfang)?
• Tjenester der utgiftene per innbygger varierer mellom kommunene?
• Tjenester der det er mulig å finne objektive kriterier som fanger opp variasjoner i utgiftene?

De tre første spørsmålene er av mer prinsipiell karakter – altså om det er rimelig at ufrivillige variasjoner i utgiftsbehovet kompenseres gjennom inntektssystemet. De tre neste er av mer praktisk karakter: Det har liten praktisk betydning å utjevne forskjeller i utgiftene hvis de samlede utgiftene er små eller hvis de ikke varierer mellom fylkeskommunene, og det er ikke mulig å utjevne forskjellene hvis det ikke finnes kriterier til å fange opp variasjonene.

4.3.2 Fylkeskommunenes utgifter per tjenesteområde

Tabell 11 viser fylkeskommunenes samlede driftsutgifter per tjenesteområde i 2019. I den øverste delen av tabellen vises sektorene som er omfattet av utgiftsutjevningen i 2022, mens tjenestene utenom utgiftsutjevningen er vist i nederste del.

Tabell 11 Driftsutgifter (inkl. avskrivninger) og driftsinntekter per tjenesteområde i 2019. Tall i mill. kroner og som andel av samlede utgifter/inntekter. Tall for hele landet

Kilde: SSB (KOSTRA)

Brutto driftsutgifter til tjenestene som ikke omfattes av utgiftsutjevningen var på i overkant av 13 mrd. i 2019, noe som tilsvarer om lag 16 prosent av de samlede driftsutgiftene. Men mange av disse tjenestene finansieres i større grad med andre inntekter enn frie midler, og tjenestene utgjør derfor en mindre andel av fylkeskommunenes netto driftsutgifter.

De største sektorene som ikke inngår i utgiftsutjevningen i dag, målt som andel av samlede netto driftsutgifter, er administrasjon og kultur (inkl. kunst, idrett og kulturminneforvaltning). De øvrige tjenestene utgjør relativt små beløp.

Utgifter til administrasjon

Den største sektoren som ikke inngår i utgiftsutjevningen i dag, er administrasjon (inkludert politisk styring). Utgifter til administrasjon skal bare omfatte sentraladministrasjonen. Administrasjonsutgifter på de ulike tjenesteområdene, for eksempel på den enkelte skole, skal føres på den aktuelle tjenesten.

I 2019 var brutto driftsutgifter til administrasjon på om lag 4 mrd. kroner, og sektoren utgjør 5–6 prosent av driftsutgiftene for landet sett under ett. Arbeidet med fylkessammenslåinger fra 2020 påvirker trolig tallene, men de relative forskjellene mellom fylkeskommunene er relativt stabile over tid.

Det er store forskjeller mellom fylkeskommunene når det gjelder utgiftene til administrasjon målt i kroner per innbygger (jf. figur 5).

Forstørr bilde

Figur 5 Samvariasjon mellom brutto driftsutgifter til administrasjon og innbyggertall, tall for 2019

De minste fylkeskommunene (målt i innbyggertall) har høyest utgifter, noe som kan tyde på at det er smådriftsulemper innen administrasjon. Forskjellene mellom fylkeskommunene er mindre når antall innbyggere passerer om lag 250 000, noe som kan tyde på at det ikke er stordriftsfordeler når fylkeskommunene er over en viss størrelse. Etter 2024 vil 11 av 15 fylker ha over 250 000 innbyggere.

I inntektssystemet for kommunene er det en egen delkostnadsnøkkel for administrasjon som skal kompensere for smådriftsulempene innen administrasjon. Administrasjonsnøkkelen består av et basiskriterium, som i utgangspunktet utløser et likt beløp per kommune.

En eventuell innføring av et basiskriterium for fylkeskommunene vil bety at systemet ikke vil være delings- og sammenslåingsnøytralt, siden en fylkeskommune som deles vil få mer som to eller tre ulike fylkeskommuner enn den fikk som én.

Variasjon i utgifter til kultur mv.

Fylkeskommunene har ansvaret for flere oppgaver innen kulturfeltet, og i KOSTRA er det skilt mellom ulike funksjoner (jf. tabell 12). Det er relativt stor forskjell mellom brutto og netto driftsutgifter på dette feltet, særlig innen idrett. De høye driftsinntektene innen idrett kan delvis skyldes at fylkeskommunene har ansvaret for å fordele videre tippemidler.

Tabell 12 Driftsutgifter (inkl. avskrivninger) og inntekter innen kulturfeltet. Tall for 2019 i mill. kroner, landet utenom Oslo

Kilde: SSB (KOSTRA)

Figur 6 viser samvariasjonen mellom netto driftsutgifter til kultur og fylkesstørrelse, målt i innbyggertall. Tendensen er den samme som for administrasjon, der fylkeskommuner med under om lag 250 000 innbyggere har vesentlig høyere utgifter per innbygger enn fylkeskommuner med over 250 000 innbyggere.

Forstørr bilde

Figur 6 Samvariasjon mellom netto driftsutgifter til kultur mv. og innbyggertall, tall for 2019

4.3.3 Utvalgets vurdering

Sektorene som allerede inngår i utgiftsutjevningen utgjør nærmere 90 prosent av fylkeskommunenes netto driftsutgifter. De eneste tjenestene av en viss størrelse som ikke inngår i kostnadsnøkkelen i dag, er sentraladministrasjon og kultur. Det er mulig at det er noen smådriftsulemper innen disse tjenesteområdene, men for fylkeskommuner med over om lag 250 000 innbyggere er det ingen systematisk sammenheng mellom fylkesstørrelse og utgifter til tjenestene målt i kroner per innbygger.

Utvalget mener at eventuelle smådriftsulemper innen administrasjon og kultur ikke bør regnes som en ufrivillig kostnadsulempe, siden flere av de minste fylkeskommunene etter 2024 vil være et resultat av frivillige delinger. Utvalget vil også peke på at administrasjon og kultur ikke er nasjonale velferdstjenester der det er sterke føringer om et likeverdig tjenestetilbud over hele landet.

I innspillsmøtet som utvalget gjennomførte med fylkeskommunene 20. april 2022, var det enkelte som tok til orde for at oppgavene som ble overført til fylkeskommunene i forbindelse med regionreformen i 2020 burde inkluderes i utgiftsutjevningen. Disse oppgavene er fordelt ut på flere ulike tjenesteområder, og det dreide seg stort sett om relativt små beløp. Utvalget mener derfor at det ikke hensiktsmessig å lage egne kostnadsnøkler for disse tjenestene.

Utvalget foreslår ingen endringer i hvilke tjenester som bør omfattes av utgiftsutjevningen i inntektssystemet for fylkeskommunene.  

4.4 Delkostnadsnøkkelen for videregående opplæring

Dette delkapittelet presenterer utvalgets vurderinger av delkostnadsnøkkelen for videregående opplæring. Først gir vi en kort og overordnet omtale av sektoren, før vi presenterer dagens delkostnadsnøkkel. Deretter presenterer vi resultatene fra utvalgets analyser, som danner grunnlaget for forslaget til ny delkostnadsnøkkel.

Utvalget er delt i synet på om avskrivninger bør inngå i analysegrunnlaget (se kap. 4.2). I dette delkapittelet vises resultater fra analyser der avskrivningene er inkludert i den avhengige variabelen, i tråd med flertallets anbefaling.

4.4.1 Om sektoren

Videregående opplæring er en av de viktigste oppgavene for fylkeskommunene, og er den klart største sektoren. Fylkeskommunenes samlede brutto driftsutgifter til videregående opplæring var på om lag 39 mrd. kroner i 2019, og sektoren utgjør i overkant av 43 prosent av fylkeskommunenes samlede brutto driftsutgifter. Delkostnadsnøkkelen utgjør 53 prosent av den samlede kostnadsnøkkelen i inntektssystemet for fylkeskommunene i 2022.

Fylkeskommunene har ansvaret for å oppfylle retten til videregående opplæring for alle som er bosatt i fylket. I henhold til opplæringsloven skal fylkeskommunen planlegge og bygge ut det videregående opplæringstilbudet med hensyn til blant annet nasjonale mål, søkernes ønsker og samfunnets behov. Fylkeskommuner som har ledig kapasitet, har plikt til å gi tilbud til søkere fra andre fylker. Hjemfylket skal refundere utgiftene til vertsfylket for de som har skoleplass i et annet fylke enn der de bor.

Ungdommer som har fullført grunnskolen har rett til tre års videregående opplæring eller den opplæringstiden som er fastsatt i læreplanen. Retten må brukes innen utgangen av det året vedkommende fyller 24 år. Voksne som har fullført grunnskolen eller tilsvarende, men som ikke har fullført videregående opplæring, har etter søknad rett til videregående opplæring fra og med det året de fyller 25 år.

Ny opplæringslov skal etter planen gjelde fra 2024. I høringsforslaget til ny opplæringslov høsten 2021 ble det blant annet foreslått å utvide retten til å fullføre videregående opplæring.

Tabell 13 viser brutto og netto driftsutgifter til videregående opplæring i 2019, fordelt på de enkelte KOSTRA-funksjonene.

Tabell 13 Brutto og netto driftsutgifter til videregående opplæring 2019. Tall for hele landet i 1000 kroner

*) Landslinjer er i hovedsak finansiert via øremerket tilskudd

554 Fagskoler er ikke inkludert

Kilde: SSB (KOSTRA)

Tabell 14 viser utviklingen i utgifter og noen nøkkeltall over tid. Antallet 16–18-åringer er dimensjonerende for tilbudet av videregående opplæring i fylkeskommunene, selv om retten til videregående opplæring også gjelder for innbyggere over denne aldersgruppen. Antall 16–18-åringer nådde en topp på om lag 197 000 i 2014, lå stabilt fram til 2017, før antallet gikk ned i årene 2018–2020. Antallet 16–18-åringer er nå på vei opp igjen, og per 1. januar 2022 var tallet om lag 191 000.

Tabell 14 Utvikling i utgifter og nøkkeltall 2017–2019. Tall for hele landet

Kilde: SSB

Andel ungdom 16–18 år som er i videregående opplæring ligger over 90 prosent, og har vært økende de siste årene. Andelen lå på 94,1 prosent i 2020, men gikk ned til 93,7 prosent i 2021.

Når det gjelder de ulike utdanningsprogrammene i videregående opplæring, har antall elever i studieforberedende utdanningsprogrammer gått ned. Dette gjenspeiler at antall 16–18-åringer gikk ned i årene 2018–2020. Det har imidlertid vært en økning både i antall elever i yrkesfaglige utdanningsprogrammer og i antall lærlinger/lærekandidater.

Kostnader til videregående opplæring varierer mellom fylkeskommunene. Figur 7 viser brutto driftsutgifter til videregående opplæring per innbygger for 2019, summert til fylkesinndelingen i 2024.45 Fylkeskommunene med høyest utgifter per innbygger er Finnmark og Nordland, mens Oslo har lavest utgifter.

Forstørr bilde

Figur 7 Brutto driftsutgifter til videregående opplæring (ekskl. landslinjer og fagskoler), kroner per innbygger. Tall for 2019 summert til fylkesinndelingen i 2024 (ikke korrigert for grensejusteringer)

4.4.2 Dagens delkostnadsnøkkel

Tabell 15 viser kriteriene med tilhørende vekter som har inngått i delkostnadsnøkkelen for videregående opplæring siden begynnelsen av 1990-tallet. Nøkkelen har i stor grad bestått av ett eller flere kriterier for antall innbyggere i den primære målgruppen for videregående opplæring. Hovedvekten har blitt lagt på antall innbyggere 16–18 år. I noen perioder har det også vært kriterier for innbyggere i eldre aldersgrupper for å fange opp voksne i videregående opplæring.

Det har videre hele tiden vært kriterier som fanger opp merkostnader ved å ha elever i yrkesfag og lignende. I perioder har det også vært bosettingskriterier i delkostnadsnøkkelen, altså kriterier som skal fange opp merkostnader innen videregående opplæring som følge av spredt bosetting og lange reiseavstander.

Tabell 15 Dagens og tidligere delkostnadsnøkkel for videregående opplæring (f.o.m. begynnelsen av 1990-tallet)

Dagens delkostnadsnøkkel for videregående opplæring består av kriteriene innbyggere 16–18 år, søkere til høykostnads utdanningsprogrammer, søkere til læreplass og reiseavstand. Nøkkelen er basert på en kombinasjon av statistiske analyser (reiseavstand) og kostnadsanalyser (kriteriene for søkere til høykostnads utdanningsprogrammer og læreplass). Den resterende vektingen er lagt på antall innbyggere 16–18 år.

Antallet 16–18-åringer er den faktoren som har størst betydning for utgiftene til videregående opplæring, og kriteriet utgjør om lag 76 prosent av delkostnadsnøkkelen. Kriteriet gir et uttrykk for etterspørselen etter videregående opplæring.

Kostnadene per elev varierer mellom de ulike utdanningsprogrammene. Kriteriet antall søkere til høykostnadsprogrammer skal fange opp disse forskjellene. Elevene deles inn i to kategorier, etter kostnadene per elev i ulike utdanningsprogrammer. Kriteriet skiller mellom elever i dyrere utdanningsprogrammer – de yrkesfaglige programmene og programmet Musikk, dans og drama – og elever i rimeligere utdanningsprogrammer (studiespesialisering og idrettsfag).

Vektingen av kriteriet er beregnet med en kostnadsanalyse og fastsatt ut fra de faktiske utgiftene per elev i de dyrere utdanningsprogrammene, relativt til gjennomsnittlige utgifter per elev i de rimeligere programmene. Kriteriet har en vekt på 17,7 prosent i dagens nøkkel. Dette reflekterer merkostnaden ved å ha en elev i de dyrere programmene.

Det er også et kriterium som skal fange opp merkostnaden ved lærlinger, med en vekt på 2,9 prosent. Kriterievekten er beregnet med en kostnadsanalyse, på samme måte som kriteriet for søkere til høykostnadsprogrammer. Utgiftene per lærling i fagopplæringen ses på denne måten i forhold til kostnadene per elev i lavkostnadsprogrammer. Vektingen av kriteriet er satt som merkostnaden i forhold til lavkostnadsgruppen.

For begge kriteriene (høykostnadsprogrammer og lærlinger) brukes antall primærsøkere som kriteriedata, siden dette er et mer objektivt mål enn det faktiske antallet elever og lærlinger. Fylkeskommunen kan i mindre grad påvirke søkertallet til de ulike programmene enn det faktiske elevtallet. Det er brukt et gjennomsnitt av søkertallene over tre år, for å gjøre kriteriet mindre sårbart for tilfeldige variasjoner fra år til år.

Kriteriet for reiseavstand skal fange opp variasjoner i fylkeskommunenes utgifter til videregående opplæring som skyldes strukturelle forskjeller. I fylker med lange avstander og spredt bosetting kan det være behov for en mer desentralisert skolestruktur enn i mer tettbygde fylker. Dette kan være kostnadsdrivende siden skolene og klassene er mindre enn i fylker med en mer sentralisert skolestruktur.

Kriteriet er beregnet som innbyggernes gjennomsnittlige reiseavstand for å nå 11 000 innbyggere. Dette var det gjennomsnittlige antall innbyggere bak hver videregående skole på landsnivå da kriteriet ble innført i 2015.46 I tettbygde strøk vil innbyggerne ha korte avstander for å nå 11 000 innbyggere, mens i mer spredtbygde områder blir reiseavstandene lengre. Kriteriet vil derfor si noe om bosettingsmønsteret i fylket. Fylker med et mer spredt bosettingsmønster og lange avstander har høyere verdier på kriteriet enn mer tettbygde fylker. Kriteriet har en vekt på 3,3 prosent, fastsatt ut fra regresjonsanalyser.

4.4.3 Analyser og vurderinger

Hvilke forhold kan forklare utgiftsvariasjoner mellom fylkeskommune?

Utvalget har i sine analyser vurdert følgende forhold som kan ha betydning for variasjonen i utgifter til videregående opplæring mellom fylkeskommunene:

• Andelen innbyggere i den primære målgruppen for videregående opplæring
• Antall lærlinger og elever i høykostnads utdanningsprogrammer
• Betydningen av bosettingsmønster og reiseavstander
• Betydningen av sosioøkonomiske forhold

Antall innbyggere i den primære målgruppen for videregående opplæring varierer mellom fylkeskommunene, og dette kan forklare noe av variasjonen i utgiftene. I dagens delkostnadsnøkkel er kriteriet antall innbyggere i aldersgruppen 16–18 år, siden de fleste elevene i videregående opplæring er i denne aldersgruppen. Men retten til videregående opplæring er ikke avgrenset til denne aldersgruppen: ungdommer har rett til videregående opplæring fram til de er 24 år. I tillegg har også voksne som ikke har fullført videregående opplæring en slik rett. Fullføringsreformen kan innebære at flere unge voksne over 18 år vil være i videregående opplæring i framtiden. Utvalget har derfor vurdert om aldersgruppen som inngår i nøkkelen bør utvides.

Utvalget har også gjort oppdaterte beregninger av merkostnader ved å ha lærlinger og elever i utdanningsprogrammer med høyere kostnader enn lavkostnadsprogrammene. Kostnaden per elev varierer betydelig mellom utdanningsprogrammene, og antall elever i de ulike programmene kan derfor bidra til å forklare noe av variasjonen mellom fylkeskommunene. Utvalget har undersøkt dette på to ulike måter, både ved å oppdatere kostnadsanalysene som ligger til grunn for kriteriene i dag, og gjennom regresjonsanalyser.

Spredt bosetting og lange reiseavstander kan gjøre det nødvendig med et mer desentralisert skoletilbud og mindre skoler. Det er en klar tendens til at der er færre elever per videregående skole i fylker med lange avstander enn i fylker med korte avstander. Det kan igjen gi økte kostnader, siden små skoler kan innebære at det er færre elever per årsverk og høyere felleskostnader per elev (for eksempel knyttet til skolelokaler og utstyr).

Tidligere analyser har ikke gitt entydige resultater av om det er kostnadsulemper knyttet til lange reiseavstander innen videregående opplæring. Borgeutvalgets analyser fant liten støtte for at spredt bosettingsmønster er en kostnadsulempe, men viste samtidig til at det burde vurderes andre indikatorer for bosettingsmønster for å se nærmere på spørsmålet. I daværende Kommunal- og moderniseringsdepartementets analyser til oppdateringene av inntektssystemet i 2015 og 2020, ble det brukt andre mål på bosettingsmønsteret enn i Borgeutvalgets analyser. Målet for reiseavstand hadde bare statistisk signifikant effekt for noen av årene i departementets analyser, men etter en helhetlig faglig vurdering ble reiseavstand tatt inn som kriterium i delkostnadsnøkkelen i 2015 og videreført i 2020.

Utvalget har vurdert betydningen av bosettingsmønster på nytt med regresjonsanalyser, og har testet ulike variabler for å fange opp eventuelle effekter.

Utvalget har også vurdert om kriterier knyttet til sosioøkonomiske forhold bør inkluderes i nøkkelen. Også dette er undersøkt gjennom regresjonsanalyser. Sosioøkonomiske forhold kan tenkes å påvirke fylkeskommunenes utgifter ved at noen elever kan ha behov for mer oppfølging, både gjennom spesialundervisning og i den ordinære undervisningen.

Oppdaterte kostnadsanalyser

I dagens delkostnadsnøkkel er vekten til søkerkriteriene beregnet på bakgrunn av kostnadsanalyser på landsnivå. Vektingen av kriteriene er fastsatt ut ifra gjennomsnittlige utgifter per elev i henholdsvis dyrere utdanningsprogrammer og per lærling/lærekandidat, relativt til gjennomsnittlige utgifter per elev i de rimeligere utdanningsprogrammene. Det tas også hensyn til antallet elever og lærlinger i hver av gruppene.

Tabell 16 Brutto driftsutgifter per elev per utdanningsprogram, inkl. fagopplæring, 2017–2021.

^*) For naturbruk er det brukt «netto driftsutgifter» pga. at det kan være ført en del inntekter fra gårdsdrift.

^**) Nye utdanningsprogrammer f.o.m. 2020 innføres over flere år, dvs. utgifter per elev de første årene kan være litt misvisende.

Tabell 16 viser brutto driftsutgifter per elev og per lærling for årene 2017–2021.

Grunnlagstall er brutto driftsutgifter fra KOSTRA ført direkte på hvert enkelt utdanningsprogram. Felleskostnader, altså kostnader som ikke er ført direkte på det enkelte utdanningsprogram, er ikke med i kostnadsanalysen.

Tall for elever og lærlinger i kostnadsanalysen er elever i fylkeskommunale skoler og lærlinger/lærekandidater, målt i såkalte helårsekvivalenter («elevårsverk»), vektet slik at elev- og lærlingetallet tilsvarer regnskapsåret (telledatoen er 1. oktober). Det er disse elev- og lærlingetallene som benyttes for å beregne kostnader per elev i KOSTRA.

Søkerkriteriet – elever

Opprinnelig skulle søkerkriteriet fange opp merkostnaden ved å ha elever i yrkesfag. En utredning av ECON Pöyry47 viste at kostnadene per elev i Musikk, dans og drama er på nivå med de dyreste yrkesfaglige utdanningsprogrammene, og i 2015 ble dette utdanningsprogrammet også tatt med i kriteriet søkere til høykostnadsprogrammer.

De siste årene har tilbudsstrukturen i videregående opplæring endret seg. Fra høsten 2016 ble Kunst, design og arkitektur et nytt studieforberedende utdanningsprogram, og Medier og kommunikasjon gikk fra å være et yrkesfaglig til et studieforberedende utdanningsprogram. Fra 2020 er det fire nye yrkesfaglig utdanningsprogrammer: Håndverk, design og produktutvikling; Informasjonsteknologi og medieproduksjon; Salg, service og reiseliv og Frisør, blomster, interiør og eksponeringsdesign. De yrkesfaglige utdanningsprogrammene Design og håndverksfag og Service og samferdsel utgår.

Innføringen av nye utdanningsprogrammer skjer for ett trinn av gangen, og implementeringen tar dermed flere år. Ved oppdateringen av inntektssystemet for fylkeskommunene i 2020 ble søkerkriteriet basert på tall fra årene 2014–2016, med samme gruppe av høykostnadsprogrammer. Men de siste årene har søkere til Kunst, design og arkitektur, som har relativt lave kostnader per elev (jf. tabell 16), blitt tatt med i kriteriedata i inntektssystemet. Medier og kommunikasjon har også relativt lave kostnader per elev.

I den oppdaterte kostnadsanalysen har utvalget definert Kunst, design og arkitektur og Medier og kommunikasjon som lavkostnadsprogrammer. Det oppdaterte kriteriet for søkere til høykostnadsprogrammer omfatter da de yrkesfaglige utdanningsprogrammene, samt Musikk, dans og drama, som fremdeles ligger høyt i kostnader per elev.

Kostnadsvekten til søkerkriteriet beregnes ved følgende formel:

C og E betegner henholdsvis utgifter per elev og elevandel, mens fotskrift HK og LK betegner henholdsvis høykostnads- og lavkostnadsprogrammer.

Tabell 17 viser kostnadsvekten for årene 2017–2019 for søkere til høykostnadsprogrammer. Vekten er beregnet med utgangspunkt i tall for årene før 2020, siden pandemien kan ha påvirket utgiftene til ulike utdanningsprogrammer i ulik grad.

Tabell 17 Vekt for kriteriet søkere til høykostnads utdanningsprogrammer, beregnet med kostnadsanalyse

Søkere til høykostnadsprogrammer har i dag en vekt på 17,69 prosent, basert på analyser av årene 2014–2016. Med et gjennomsnitt av årene 2017–2019 får søkerkriteriet en vekt på 15,95 prosent.

Vurdering av tredeling av søkerkriteriet

Utvalget har vurdert en tredeling av søkerkriteriet for elever, altså at gruppen av høykostnadsprogrammer kan deles inn i henholdsvis «mellomkostnads-» og «høykostnadsprogrammer» for å øke treffsikkerheten.48 Utvalget har gjort en beregning med tall for 2017–2019 der det settes en grense mellom ulike grupper av utdanningsprogrammer basert på brutto driftsutgifter per elev sammenlignet med utgifter til studiespesialisering. Utdanningsprogrammer med utgifter per elev på 160 prosent eller mer av utgiftene til studiespesialisering defineres som høykostnadsprogrammer. Utdanningsprogrammer med utgifter per elev på mellom 120 og 160 prosent av utgiftene til studiespesialisering defineres som mellomkostnadsprogrammer. Dette gir følgende inndeling:

• Lavkostnadsprogrammer: 521 Studiespesialisering, 533 Kunst, design og arkitektur, 527 Idrettsfag, 530 Medier og kommunikasjon
• Mellomkostnadsprogrammer: 526 Helse- og sosialfag, 523 Elektrofag, 532 Service og samferdsel, 522 Bygg- og anleggsteknikk, 524 Design og håndverksfag, 528 Teknikk og industriell produksjon
• Høykostnadsprogrammer: 531 Naturbruk, 525 Restaurant- og matfag, 529 Musikk, dans og drama

En finere inndeling av søkerkriteriet for elever kan gi en mer treffsikker fordeling av midler til videregående opplæring. Men beregninger utført av utvalget viser at det ikke er noe skarpt skille i kostnader per elev mellom gruppen av mellomkostnads og høykostnads utdanningsprogrammer. En tredeling av kriteriet kan derfor gjøre det mer ustabilt over tid. Siden det er få søkere til de dyreste utdanningsprogrammene, kan tilfeldige variasjoner fra år til år gi relativt store endringer i kriterieverdiene. Det er også usikkert hvordan endringer i tilbudsstrukturen fra og med 2020 slår ut i kostnadene per elev, både for nye og gamle utdanningsprogrammer. Dette gjør beregningene usikre. Tredelingen gir i de fleste tilfeller heller ikke vesentlige utslag i inntektsfordelingen mellom fylkeskommunene.

Utvalget anbefaler derfor at søkerkriteriet ikke deles i mellomkostnads- og høykostnadsprogrammer.

Søkerkriteriet – lærlinger

Kriteriet søkere til læreplass var nytt i 2020, og ble beregnet på samme måte som kriteriet søkere til høykostnadsprogrammer. Kostnader per lærling ble sett i forhold til gjennomsnittskostnad per elev for gruppen lavkostnadsprogrammer. Tabell 18 viser kostnadsvekt for søkere til læreplass, det vil si kostnader per lærling sett i forhold til gjennomsnittskostnader per elev i lavkostnadsprogrammer.

Tabell 18 Vekt for kriteriet søkere til læreplass, beregnet med kostnadsanalyse

Søkere til læreplass har i dag en vekt på 2,92 prosent, basert på analyser av årene 2014–2016. Med et gjennomsnitt av årene 2017–2019 får kriteriet en vekt på 4,86 prosent.

Regresjonsanalyser

Utvalget har testet en rekke ulike variabler i regresjonsanalysene, for å finne hvilke kriterier som er best egnet til å fange opp de ufrivillige variasjonene i utgiftene til videregående opplæring mellom fylkeskommunene. Den avhengige variabelen i analysene er brutto driftsutgifter inkludert avskrivninger, målt i kroner per innbygger.49 De viktigste uavhengige variablene som er testet, er:

• Innbyggere i målgruppen: Antall innbyggere 16–18 år, 16–22 år og 16–24 år.
• Dyre utdanningsprogrammer: Antall elever i yrkesfag og høykostnadsprogrammer, og antall lærlinger. Variablene er testet ut både målt ved det faktiske antallet elever, og målt ved søkere til utdanningsprogrammer og læreplass.
• Bosettingsmønster: Antall innbyggere bosatt spredt, fylkets areal i km² og gjennomsnittlig reiseavstand for å nå et visst antall innbyggere. Vi har testet ut ulike varianter av kriteriet, målt ved avstanden for å nå henholdsvis 2 000, 5 000, 10 000, 11 000 (som i dagens nøkkel), 15 000 og 20 000 innbyggere.
• Sosioøkonomiske forhold: innbyggere med innvandrerbakgrunn, innbyggere med lav inntekt (husholdningsinntekt), innbyggere med foreldre med lav utdanning, innbyggere fra husholdninger med både lav inntekt og lavt utdanningsnivå, og personer i alderen 16–18 år med grunnskolepoeng under 30.50 Noen av variablene er testet både for befolkningen under ett, og for ulike aldersgrupper (f.eks. innbyggere under 20 år eller i aldersgruppen 16–18 år).

I tillegg er fylkeskommunens inntektsnivå tatt med som kontrollvariabel, både som frie inntekter i kroner per innbygger og som korrigerte frie inntekter i prosent av landsgjennomsnittet.

Vi har også kontrollert for antall elever i statlige og private skoler, siden det er grunn til å tro at fylkeskommuner der en høy andel av elevene går i statlige og private skoler har noe lavere utgifter til videregående opplæring i egne skoler. Dette er i tråd med anbefalingene i Econ Pöyry (2009).

Utvalget har først vurdert hvordan antall innbyggere i ulike aldersgrupper og antall lærlinger og elever i ulike utdanningsprogrammer påvirker kostnadene til videregående opplæring (se vedlegg 1 for analyseresultater). Det er som ventet en klar sammenheng mellom antall unge og utgiftene: Fylker med en høy andel av befolkningen i alderen 16–18 år (eller 16–22 år), har høyere utgifter til videregående opplæring, målt i kroner per innbygger. Utvalgets analyser viser videre at den statistiske forklaringskraften blir svakere hvis kriteriet for antall innbyggere i den primære målgruppen utvides fra 16–18 år til 16–22 eller 16–24 år.

Analysene tyder også på at en høy andel lærlinger og elever i dyrere utdanningsprogrammer, bidrar til høyere utgifter. Regresjonsanalysene støtter altså opp om resultatene fra kostnadsanalysene. Siden det er en sterk samvariasjon mellom kriteriene for elever i høykostnadsprogrammer og antall lærlinger, er det ikke mulig å ta med begge variablene i samme analyse. Utvalget har derfor valgt å slå sammen antall elever i høykostnadsprogrammer og antall lærlinger til én variabel i noen av analysene, siden vi på den måten kan fange opp begge gruppene i samme analyse. Dette gir en modell med god forklaringskraft og statistisk signifikante resultater.

Utvalget har deretter vurdert om bosettingsmønster og sosiale indikatorer har noen innvirkning på fylkeskommunenes utgifter til videregående opplæring (jf. tabell 19).

Tabell 19 Avhengig variabel: brutto driftsutgifter inkl. avskrivninger, OLS-regresjon. Alle variabler målt per innbygger. Tall for 2019. P-verdier i parentes.

Merknader: Koeffisienter markert med * er statistisk signifikant på 0,1-nivå, ** statistisk signifikant på 0,05-nivå.

N=18

Tabellen viser at kriteriet for reiseavstand er statistisk signifikant på 0,1-nivå (kol. 1 og 2), og at det ikke er noen forskjell i den samlede forklaringskraften når vi tester ut ulike varianter av kriteriet (reiseavstand for å nå henholdsvis 11 000 og 15 000 innbyggere). Tabellen viser videre at antall innbyggere bosatt spredt har negativ (men ikke signifikant) effekt på utgiftene (kol. 3).

Analysene tyder altså på at lange avstander bidrar til høyere utgifter til videregående opplæring, men at et spredt bosettingsmønster i seg selv ikke gir høyere utgifter. Dette kan framstå som selvmotsigende. Men de to variablene for bosettingsmønster måler ulike forhold, og er derfor ikke så sterkt korrelert som en kunne forvente. Enkelte fylker med lange avstander, har likevel en befolkning som er konsentrert i (små) tettsteder. Dette gjelder særlig Finnmark. Og enkelte fylker med en høy andel innbyggere bosatt spredt, har relativt korte avstander for å nå et område med 11 000 innbyggere.

Tabell 19 viser videre at antall elever med lave grunnskolepoeng ser ut til å bidra til økte utgifter til videregående opplæring (kol. 4), mens det ikke er noen statistisk signifikant effekt av lavt utdanningsnivå blant foreldrene (kol. 5). Antall personer fra husholdninger med lav inntekt og lav utdanning er heller ikke statistisk signifikant i denne modellen (kol. 6).

Alt i alt tyder analysene på at vi får en noe bedre forklaringsmodell ved å inkludere reiseavstand og/eller antall personer med lave grunnskolepoeng i delkostnadsnøkkelen, enn ved å bare ha med kriterier for antall innbyggere i målgruppen og antall lærlinger og elever i dyre utdanningsprogrammer.

Variablene for reiseavstand og lave grunnskolepoeng kan ikke tas med i samme analyse på grunn av sterk samvariasjon mellom flere av de uavhengige variablene. Det gjør det vanskelig å fange opp den isolerte effekten av hver enkelt variabel. Utvalget har i stedet analysert utgiftene til videregående opplæring delt opp i ulike funksjoner, for å undersøke hvilke utgifter som påvirkes av reiseavstander og lave grunnskolepoeng (se vedlegg 1). Analysene viser at det ikke er noen statistisk signifikant sammenheng mellom lave grunnskolepoeng og utgifter til utdanningsprogrammene eller spesialundervisning. Men det er en klar sammenheng mellom antall elever med lave grunnskolepoeng og utgifter til skolelokaler og fellesutgifter. Dette tyder på at variabelen lave grunnskolepoeng egentlig fanger opp kostnadsulemper knyttet til en desentralisert skolestruktur. Utvalget mener at kriteriet for reiseavstander er bedre egnet til å fange opp slike kostnadsulemper, og har derfor valgt å ikke inkludere lave grunnskolepoeng i videre analyser.

Utvalgets forslag til ny delkostnadsnøkkel er dermed basert på analyser med de uavhengige variablene innbyggere 16–18 år, antall lærlinger og elever i dyre utdanningsprogrammer, og gjennomsnittlig reiseavstand for å nå 11 000 innbyggere (se tabell 20).51 I tillegg er det kontrollert for antall elever i statlige og private skoler, og fylkeskommunens frie inntekter. Analysemodellen har god forklaringskraft, med kriterier som er relativt stabile over tid og som også er statistisk signifikante når dataene aggregeres til fylkesinndelingen i 2024.

Tabell 20 Avhengig variabel: brutto driftsutgifter inkl. avskrivninger, OLS-regresjon. Alle variabler målt per innbygger. P-verdier i parentes.

Merknader: Koeffisienter markert med * er statistisk signifikant på 0,1-nivå, ** statistisk signifikant på 0,05-nivå.

Variablene elever høykostnadsprogrammer og lærlinger er pålagt restriksjoner i modellen som definerer regresjonskoeffisienten til verdien den må ha for at kriteriet skal få samme vekt som i kostnadsanalysene for det aktuelle året.

I utvalgets forslag til ny delkostnadsnøkkel, er vekten til kriteriene for lærlinger og elever i høykostnadsprogrammer basert på kostnadsanalyser og ikke regresjonsanalyser (se diskusjon lenger nede). Siden det er en klar tendens til at fylker med lange avstander også har en høy andel lærlinger og elever i dyrere utdanningsprogrammer, bør det tas hensyn til resultatene av kostnadsanalysene i regresjonsanalysene. I analysene i tabell 20 er det derfor lagt inn en restriksjon som definerer regresjonskoeffisientene til elever i høykostnadsprogrammer og lærlinger ut fra resultatene fra vekten kriteriene får i kostnadsanalysene.52

Hensikten med restriksjonene er å få et mål på den uavhengige effekten av reiseavstand som er konsistent med resultatene fra kostnadsanalysene. Restriksjonene gir en noe lavere vekt til kriteriet for reiseavstand enn det ellers ville hatt. Dette kan tyde på at reiseavstandskriteriet i analyser uten restriksjoner også fanger opp noe av effekten av å ha mange lærlinger og elever i høykostnadsprogrammer. Det kan også tyde på at kostnadsanalysene indirekte fanger opp merkostnader knyttet til lange avstander.

Utvalgets vurderinger

Utvalgets analyser tyder på at kriteriene som inngår i dagens delkostnadsnøkkel fortsatt er godt egnet til å forklare variasjonen i utgifter mellom fylkeskommunene. Utvalget mener at det fortsatt bør være et kriterium som fanger opp kostnadsulemper knyttet til lange avstander i nøkkelen, og kriterier som fanger opp merkostnader ved å ha mange lærlinger og elever i dyre utdanningsprogrammer.

Utvalget mener videre at det ikke er grunnlag for å ta inn kriterier knyttet til sosioøkonomiske forhold i delkostnadsnøkkelen. Det kan være grunn til å tro at slike forhold kan være relevante for fordelingen mellom skoler internt i en fylkeskommune, og utvalget er kjent med at flere fylkeskommuner tar hensyn til dette i interne ressursfordelingssystemer. Analysene tyder likevel på at sosioøkonomiske forhold ikke forklarer utgiftsvariasjoner på fylkesnivå.

Vekten til kriteriene for lærlinger og elever i dyre utdanningsprogrammer har til nå vært basert utelukkende på kostnadsanalyser. Utvalget har vurdert om vektene til søkerkriteriene bør baseres på en kombinasjon av kostnadsanalysene og regresjonsanalysene, siden begge metodene har sine styrker og svakheter. En forskjell mellom regresjonsanalysene og kostnadsanalysene, er usikkerhet knyttet til hvordan felleskostnader og utgifter til skolelokaler mv. skal fordeles mellom de ulike utdanningsprogrammene. I utvalgets kostnadsanalyser hvor søkerkriteriene beregnes isolert, er felleskostnadene holdt utenom, i tråd med tidligere praksis. Regresjonsanalysene omfatter alle utgifter til videregående opplæring, inkludert felleskostnader og utgifter til skolelokaler. Regresjonsanalysene gir dermed en mer helhetlig forklaringsmodell.

Men med få enheter i analysene er regresjonsanalysene usikre, og variabelen for lærlinger og elever i høykostnadsprogrammer er ikke statistisk signifikante i alle årene og modellene som er analysert. Gitt usikkerheten ved regresjonsanalysene mener utvalget at vekten til søkerkriteriene fortsatt bør baseres på kostnadsanalysene alene. Søkerkriteriene hadde fått en noe lavere vekt dersom regresjonsanalysene hadde blitt brukt til å fastsette vektene, men forskjellen er ikke særlig stor.

En mulig ulempe ved å beregne vektene til ulike kriterier med ulike metoder, er at vi ikke fanger opp hvordan de ulike variablene påvirker hverandre. Det ser ut til å være et samspill mellom reiseavstand, alderssammensetning, antall lærlinger og antall elever i høykostnads utdanningsprogrammer. Utvalget har derfor lagt inn en restriksjon i regresjonsanalysen, der effekten av søkerkriteriet er forhåndsbestemt ut fra effekten i kostnadsanalysene. Utvalget mener at dette gir et mål på effekten av bosettingsmønsteret som på en bedre måte tar hensyn til samspillet mellom ulike kriterier.

I kostnadsberegningene og regresjonsanalysene er det benyttet variabler som måler det faktiske antall elever og lærlinger, siden dette i større grad er egnet til å forklare variasjonen mellom fylkeskommunene enn antall primærsøkere til læreplass og dyre utdanningsprogrammer. I kriteriedata i inntektssystemet bør det imidlertid fortsatt brukes tall for antall primærsøkere, siden antall søkere er et mer objektivt kriterium enn antall elever.

4.4.4 Utvalgets forslag til ny delkostnadsnøkkel

Utvalgets forslag til ny delkostnadsnøkkel for videregående opplæring er vist i tabell 21. Utvalget er som nevnt delt i synet på om avskrivningene bør inngå i analysene, og tabellen viser vektene med både flertallets og mindretallets forslag.

Tabell 21 Dagens og forslag til ny delkostnadsnøkkel for videregående opplæring

Merknad: Flertallets forslag er basert på analyser der avskrivninger er inkludert i den avhengige variabelen, mindretallets forslag er basert på analyser uten avskrivninger i den avhengige variabelen.

Kriteriet for reiseavstand er basert på regresjonsanalysene vist i tabell 20, og får noe høyere vekt enn i dag. Vekten til søkerkriteriene er basert på de oppdaterte kostnadsanalysene i tabell 17 og 18. Kriteriet for søkere til høykostnadsprogrammer får noe lavere vekt, mens søkere til læreplass vektes opp. Til sammen får de to kriteriene litt høyere vekt enn i dagens nøkkel. Den resterende vekten legges på kriteriet innbyggere 16–18 år. Kriteriet får noe lavere vekt enn i dagens nøkkel.

4.5 Delkostnadsnøkkelen for tannhelse

Dette delkapittelet presenterer utvalgets vurderinger av delkostnadsnøkkelen for tannhelse. Først gir vi en kort, overordnet omtale av sektoren, før vi presenterer dagens delkostnadsnøkkel. Deretter presenterer vi resultatene fra utvalgets analyser, som danner grunnlaget for forslaget til ny delkostnadsnøkkel.

Utvalget er delt i synet på om avskrivninger bør inngå i analysegrunnlaget (se kap. 4.2). I dette delkapittelet vises resultater fra analyser der avskrivningene er inkludert i den avhengige variabelen, i tråd med flertallets anbefaling.

4.5.1 Om sektoren

Tannhelsetjenesten består av en offentlig sektor som yter tannhelsetjenester til deler av befolkningen etter lov om tannhelsetjenesten, og en privat sektor som tilbyr tannhelsetjenester til den øvrige befolkningen. Fylkeskommunene har ansvar for den offentlige tannhelsetjenesten, og kan organisere tjenesten i egen regi eller inngå avtale med private. Fylkeskommunene skal ifølge tannhelsetjenesteloven § 1 «sørge for at tannhelsetjenester, herunder spesialisttjenester, i rimelig grad er tilgjengelige for alle som bor eller midlertidig oppholder seg i fylket.» Fylkeskommunene er i tillegg pålagt et ansvar for å samordne den fylkeskommunale tjenesten og virksomheten i privat sektor.

Fylkeskommunen skal gjennom den offentlige tannhelsetjenesten både organisere forebyggende tiltak for hele befolkningen og gi et tilbud om tannhelsetjenester til gitte grupper. Ifølge tannhelsetjenesteloven skal fylkeskommunene gi et regelmessig og oppsøkende tilbud til:

• Barn og ungdom fra fødsel til og med det året de fyller 18 år
• Psykisk utviklingshemmede i og utenfor institusjon
• Grupper av eldre, langtidssyke og uføre i institusjon og hjemmesykepleie
• Ungdom som fyller 19 eller 20 år i behandlingsåret
• Andre prioriterte grupper som fylkeskommunen har vedtatt å prioritere

Ungdom som fyller 19 eller 20 år i behandlingsåret skal ikke betale mer enn 25 prosent av takstene som er fastsatt av Helse- og omsorgsdepartementet. Fra 2022 har de som fyller 21 eller 22 år i behandlingsåret, rett til utvidet fylkeskommunalt tannhelsetilbud. Det innebærer at de betaler 50 prosent av fylkeskommunens egne takster for tannbehandling.

I tillegg gis noen grupper gratis tannhelsehjelp basert på Stortingets budsjettvedtak (personer utsatte for tortur/overgrep og med odontofobi, personer med rusavhengighet og innsatte i fengsler).

Tannhelsenøkkelen utgjør 4 prosent av samlet kostnadsnøkkel for fylkeskommunene. Samlede brutto driftsutgifter til tannhelsetjenesten var om lag 3,8 mrd. kroner i 2021, mens netto driftsutgifter var om lag 2,8 mrd. kroner (jf. tabell 22). Pandemien førte til en nedgang i aktiviteten, særlig i 2020.

Tabell 22 Nøkkeltall og indikatorer for tannhelse. Tall for hele landet

Kilde: SSB KOSTRA

Fylkeskommunenes netto driftsutgifter per innbygger var på om lag 500 kroner i gjennomsnitt i 2019, men med store fylkesvise variasjoner (jf. figur 8). Utgiftene per innbygger er klart høyest i de nordligste fylkene.

Forstørr bilde

Figur 8 Netto driftsutgifter til tannhelse i kroner per innbygger. Tall for 2019, summert til fylkesinndelingen i 2024. Ikke korrigert for grensejusteringer etter 2019.

4.5.2 Dagens delkostnadsnøkkel

Delkostnadsnøkkelen for tannhelse har hele tiden bestått av kriterier for antall innbyggere i ulike brukergrupper innen tannhelsetjenesten (jf. tabell 23). Før sykehusreformen i 2002, da staten overtok ansvaret for sykehusene fra fylkeskommunene, inngikk tannhelse som en del av en samlet kostnadsnøkkel for helsetjenesten i fylkeskommunene. Fra og med 2002 har det vært en egen delkostnadsnøkkel for tannhelse, og kriteriene i helsenøkkelen som var knyttet til tannhelse ble videreført. Vektene før 2015 var basert på Rattsøutvalgets beregninger og tok utgangspunkt i de ulike aldersgruppenes andel av utgiftene innen tannhelsetjenesten.53

Tabell 23 Dagens og tidligere delkostnadsnøkkel for tannhelse

Da inntektssystemet ble lagt om i 2015, ble det gjort en ny beregning av ressursfordelingen mellom de prioriterte gruppene for den fylkeskommunale tannhelsetjenesten. Utgangspunktet for fordelingen var informasjon fra KOSTRA om antall personer i de prioriterte gruppene som er under offentlig tilsyn av den fylkeskommunale tannhelsetjenesten, og tall innhentet fra fylkeskommunene for gjennomsnittlig ressursbruk per person i de prioriterte gruppene. Ressursfordelingen viser hvor stor andel av ressursbruken som kan knyttes til de ulike prioriterte gruppene.

Den samme metoden ble benyttet da inntektssystemet ble revidert i 2020. Tabell 24 viser en oppsummering av ressursfordelingen som ligger til grunn for dagens delkostnadsnøkkel. Ressursbruken per bruker i gruppen 1–18 år er satt til 1, og ressursbruken for hver av de andre gruppene er målt i forhold til denne brukergruppen. Dette gir et mål på ressursbruken per pasient i hver av de prioriterte gruppene i tannhelsetjenesten, som deretter multipliseres med antall personer i de ulike målgruppene for å gi et mål på ressursfordelingen mellom de ulike gruppene.

Tabell 24 Ressursfordeling mellom prioriterte grupper i tannhelsetjenesten

Kilde: Informasjon hentet inn fra fylkeskommunene av Helse- og omsorgsdepartementet

I delkostnadsnøkkelen benyttes antall personer i de ulike prioriterte aldersgruppene som kriterium, og ikke antall personer som er under offentlig tilsyn. Dette er et mer objektivt kriterium, og fanger opp antall personer i de ulike prioriterte gruppene som kan ha rett på vederlagsfri tannbehandling. Kriteriene i dagens nøkkel er alderskriteriene innbyggere 1–18 år og 19–20 år, og antall psykisk utviklingshemmede over 18 år.

Når det gjelder gruppen eldre, langtidssyke og uføre i institusjon og hjemmesykepleie, er det ikke like enkelt å fastsette et objektivt kriterium. Ut ifra en vurdering om at størsteparten av denne gruppen er eldre, brukes i dag antall innbyggere over 67 år for å fange opp denne prioriterte gruppen.

Fra og med 2022 har også innbyggere i alderen 21–22 år rett til et utvidet fylkeskommunalt tannhelsetilbud, med redusert egenbetaling. Det innebærer at de betaler 50 prosent av fylkeskommunens egne takster for tannbehandling. Fra og med 2023 er nøkkelen justert for å ta hensyn til dette, jf. tabell 23. Vekten til kriteriet innbyggere 21–22 år er fastsatt ut fra beløpet som i statsbudsjettet for 2022 ble lagt inn som kompensasjon til fylkeskommunene for den nye oppgaven.

4.5.3 Analyser og vurderinger

Hvilke forhold kan forklare utgiftsvariasjoner mellom fylkeskommunene?

Kriteriene som inngår i dagens delkostnadsnøkkel forklarer i liten grad variasjonen i de faktiske utgiftene til tannhelse mellom fylkeskommunene. Ingen av kriteriene er statistisk signifikante over tid når de brukes som uavhengige variabler i regresjonsanalyser, og de to kriteriene som har høyest vekt i dagens nøkkel – innbyggere 1–18 år og innbyggere 67 år og over – har negativt fortegn i analysene (se vedlegg 2 for analyseresultater). En høy andel innbyggere i disse to aldersgruppene ser altså ut til å bidra til lavere utgifter til tannhelse for fylkeskommunene.

Det er ikke nødvendigvis et mål at det skal være et nært samsvar mellom det beregnede utgiftsbehovet målt med delkostnadsnøkkelen og fylkeskommunenes faktiske utgifter til en sektor. I noen tilfeller skyldes avvik mellom nøkkelen og de faktiske utgiftene lokale prioriteringer som ikke bør kompenseres gjennom inntektssystemet. Men innen tannhelsesektoren er forskjellen såpass stor at det kan være grunn til å anta at det er noen utgiftskrevende forhold som ikke fanges opp gjennom kriteriene i nøkkelen.

Utvalget har lagt særlig vekt på tre forhold i vurderingen av tannhelsenøkkelen. For det første har utvalget hentet inn nye tall fra fylkeskommunene for å oppdatere beregningen av ressursfordelingen mellom de prioriterte gruppene i tannhelsetjenestene.

For det andre har vi sett nærmere på om det er ufrivillige kostnadsulemper knyttet til bosettingsmønster og avstander innen tannhelsetjenesten, og om det bør inkluderes kriterier for dette i delkostnadsnøkkelen. Og for det tredje har vi undersøkt om variasjoner i sosioøkonomiske forhold kan forklare noe av variasjonen i utgifter til tannhelse mellom fylkeskommunene.

De to sistnevnte forholdene er undersøkt både kvalitativt og kvantitativt. I forbindelse med datainnsamlingen til ressurskartleggingen, ble fylkestannhelsesjefene også bedt om å komme med innspill om hvilke forhold som kan forklare forskjeller i utgifter til den offentlige tannhelsetjenesten mellom fylkeskommunene. Disse innspillene er oppsummert under, og danner grunnlaget for utvalgets valg av variabler som er testet ut i de kvantitative undersøkelsene (dvs. regresjonsanalysene).

Oppdatert ressursfordeling

Utvalget har hentet inn oppdaterte opplysninger fra fylkeskommunene om ressursbruk på de ulike prioriterte gruppene i tannhelsetjenesten, målt i antall timer. Skjemaet som ble benyttet til datainnsamlingen ble utformet av fylkestannhelsesjefene i samarbeid, for å sikre en mest mulig lik rapportering. Fylkeskommunene har rapportert samlet antall timer per pasientgruppe, basert på timestatistikken i elektronisk pasientjournal. I tillegg er det rapportert om antall personer under tilsyn i de ulike kategoriene. Utvalget har mottatt rapportering fra ti fylkeskommuner.

Flere av fylkeskommunene peker på at det kan være variasjon i registreringspraksis som kan påvirke datakvaliteten og sammenlignbarheten. Det kan være ulike prinsipper for føring av tid for pasienter som ikke møter, og for hvem som skal defineres som «under tilsyn». Det er også forskjeller i hvorvidt fylkeskommunene har egne tannlegespesialister (slik at tidkrevende spesialistbehandling er inkludert i tallene). Et annet forhold som kan bidra til forskjeller mellom fylkeskommunene, er hvor stor andel av aktuelle brukere som kalles inn til undersøkelse. Jo høyere andel friske pasienter som kalles inn, jo lavere er tidsbruken per pasient.

Den oppdaterte ressursberegningen er vist i tabell 25.54 De tre første kolonnene viser rapporteringen fra fylkeskommunene: Samlet ressursbruk målt i antall timer, antall under tilsyn i alt, og gjennomsnittlig ressursbruk per pasient i de ulike brukergruppene. Kolonne 4 viser ressursbruken i minutter per pasient relativt til brukergruppen 0–18 år. Indeksen for brukergruppen 21–22 år er satt lik indeksen for innbyggere 19–20 år.

Tabell 25 Andel ressursbruk i prioriterte brukergrupper. Basert på tall fra 2019

Merknad: Ressurskartleggingen omfattet ikke brukergruppen innbyggere 21–22 år, siden denne gruppen først fikk rett til utvidet tannhelsetilbud fra og med 2022. Indeksen for denne gruppen er i utgangspunktet satt til den samme som gruppen 19–20 år. Antall personer under tilsyn i alderen 21–22 år er estimert med utgangspunkt i innbyggertall.

Kilde: Basert på rapportering fra alle fylkeskommuner unntatt Troms og Innlandet. Rapporteringen fra Innlandet gjaldt bare 2021, og rapporteringen fra Troms og Finnmark inneholder bare tall for Finnmark.

I kolonne 5 er indeksen til gruppene 19–20 år og 21–22 år justert ned, for å ta hensyn til at brukerne i disse gruppene betaler egenandel på henholdsvis 25 og 50 prosent av takstene for tannbehandling. Kolonne 5 er så multiplisert med antall personer under offentlig tilsyn i landet i alt i de ulike gruppene (kol. 6), og resultatet er vist i kolonne 7. De ulike gruppenes andel av den beregnede ressursbruken er vist i kolonne 8, og danner grunnlaget for utvalgets forslag til nye kriterievekter.

Utvalgets beregninger skiller seg fra tidligere ressurskartlegginger på to måter. For det første er beregningene gjort på grunnlagstall summert til landsnivå, før det er beregnet gjennomsnittstall for hele landet. Tidligere beregninger har tatt utgangspunkt i indeksverdier for hver enkelt fylkeskommune, og så beregnet et gjennomsnitt per brukergruppe basert på fylkesindeksene. Hver fylkeskommune har dermed hatt like stor vekt i beregningene, uavhengig av antall pasienter i fylket. Utvalget mener at beregninger på grunnlagstall summert til landsnivå gir et riktigere bilde av gjennomsnittlig ressursbruk per pasient for hele landet. Dette er spesielt viktig siden det kan være noe ulik registreringspraksis mellom fylkeskommunene.

For det andre er det tatt hensyn til at innbyggere i alderen 19–22 år betaler en egenandel som dekker deler av kostnadene ved offentlig tannbehandling. Dette er ikke gjort i tidligere ressursberegninger, men utvalget mener at det er rimelig å ta hensyn til dette i fastsetting av kostnadsvektene.

Sammenlignet med dagens delkostnadsnøkkel får særlig brukergruppen eldre, uføre og langtidssyke økt vekt, mens særlig innbyggere i alderen 19–22 år får redusert vekt.

Bosettingsmønster og avstander

Bosettingsmønster og reiseavstander kan påvirke fylkeskommunenes utgifter til tannhelse på flere måter, og nevnes av flere fylkeskommuner som en viktig kostnadsdriver. For det første er det en tendens til at fylkeskommuner med lange reiseavstander har en mer desentralisert klinikkstruktur. Spredt bosetting kan være en kostnadsulempe dersom det betyr at fylkeskommunene må ha en høyere tannlegedekning for å gjøre tjenesten tilgjengelig for innbyggerne. Spredt bosetting kan også bety at tannlegene må bruke potensiell arbeidstid til reisetid ved ambuleringsklinikker.

Flere fylkeskommuner peker også på at det er vanskeligere å rekruttere tannleger i distriktene, og at de derfor må tilby høyere lønn enn det som er vanlig i mer sentrale strøk. Noen fylkeskommuner viser også til at det kan være høyere turnover ved klinikker i distriktene, og at dette gir økte administrative kostnader til rekruttering.

Det er en klar tendens til at fylkeskommuner med relativt mange tannklinikker og årsverk i den offentlige tannhelsetjenesten også har høye netto driftsutgifter til tannhelse (jf. tabell 26). Tall fra 2017 over antall innbyggere per tannklinikk, viser at det er færre innbyggere per tannklinikk i fylker med lange reiseavstander. Fylker som Sogn og Fjordane, Nordland og Finnmark har lange reiseavstander, og det er få innbyggere per tannklinikk. Det motsatte er tilfellet for fylker som Østfold, Akershus og Oslo. Den samme tendensen går igjen hvis vi ser på antall innbyggere per årsverk i den offentlige tannhelsetjenesten.

Noe av variasjonen kan skyldes lokale prioriteringer og valg om en desentralisert klinikkstruktur. Det har vært en tendens til at flere fylkeskommuner har samlokalisert eller sentralisert tannklinikkene de siste årene, noe som indikerer at fylkeskommunene til en viss grad har kunnet påvirke merkostnadene til en desentralisert klinikkstruktur.

Tabell 26 Utgifter til tannhelse, reiseavstander, antall klinikker og årsverk. Tall for 2019 (unntatt tall for antall klinikker)

Merknad: Det to nederste radene viser korrelasjonskoeffisienten for sammenhengen mellom henholdsvis netto driftsutgifter og gjennomsnittlig reiseavstand, og de ulike variablene.

Kilde: Tall fra KOSTRA, unntatt tall for antall klinikker som er hentet inn av Helse- og omsorgsdepartementet.

Sammenhengen mellom utgifter og reiseavstand kan for det andre skyldes at fylkeskommuner med lange reiseavstander i større grad må kompensere for et manglende privat tilbud til den voksne befolkningen. Det er en klar tendens til at det offentliges andel av de samlede utførte tannlegeårsverkene (altså summen av offentlige og private tannlegeårsverk), er høyere i fylker med lange avstander (jf. siste kolonne i tabellen). Selv om voksne pasienter betaler for tannlegetjenester, kan fylkeskommunene likevel har merkostnader ved å opprettholde et tilbud til betalende pasienter. En fylkeskommune peker for eksempel på at ekstrakostnader til voksne pasienter ikke er selvfinansierende på grunn av et for lavt volum (for få pasienter).

Tidligere utvalg har også vurdert om spredt bosetting kan være en ufrivillig kostnadsulempe innen tannhelsetjenesten. Borgeutvalget mente at spredt bosetting kunne være en kostnadsulempe. Men utvalget viste også til at variasjoner i produktivitet mellom fylkeskommunene kunne forklare utgiftsvariasjonene, og at inntektsnivå var en viktig forklaringsfaktor. Fylkeskommuner med et høyt inntektsnivå har også høyere utgifter til tannhelse. Etter en samlet vurdering konkluderte utvalget med at det ikke burde innføres mål for bosettingsmønster i delkostnadsnøkkelen for tannhelse.

Det bør også påpekes at det kan være utgiftskrevende forhold i tettbygde strøk. Leiekostnadene er høyere i de største byene, og forskjellene i levekårene større. Levekårsforskjeller kan igjen være en faktor som bidrar til økte kostnader innen tannhelse.

Sosioøkonomiske forhold

Det er en generell tendens til at de som har lang utdanning og god økonomi, lever lenger og har færre helseproblemer enn de som har kortere utdanning og dårligere økonomi.55 Dette gjelder også innen tannhelse, og flere fylkeskommuner mener at sosioøkonomiske forhold kan forklare noe av variasjonen i utgifter.

Tidligere undersøkelser har vist at tannhelsen hos grupper i befolkningen med lav sosioøkonomisk status, er dårligere enn i øvrig befolkning.56 Sosioøkonomiske faktorer hos foreldrene har betydning for barns tannhelse. Barn av høyt utdannede mødre har mindre karies enn barn av mødre med kort eller ingen utdanning. Barn med innvandrerbakgrunn har dårligere tannhelse enn andre barn i de yngste aldersgruppene, men det ser ut til at forskjellene jevner seg ut med økende alder. Også barn og unge i den samiske befolkningen har tannhelseforhold som er dårligere enn for barn og unge for øvrig.57

Dårligere tannhelse, særlig blant barn (som får gratis tannhelsetjenester), kan tenkes å påvirke fylkeskommunenes utgifter. Barn med dårlig tannhelse må kanskje kalles oftere inn til tannlegen, og behandlingen er mer ressurskrevende.

Samtidig kan det tenkes at sosiale forhold også trekker i motsatt retning, siden personer med lav inntekt og lav utdanning i mindre grad benytter tannlegetjenester enn andre. Undersøkelser blant voksne tyder på at personer med lave inntekter går sjeldnere til tannlege, selv om de også har lavere egenvurdert tannhelse.58

Når vi ser på forholdet mellom indikatorer for tannhelse og sosioøkonomiske forhold, finner vi ingen sammenheng på fylkesnivå (jf. tabell 27). Det kan altså se ut som om forskjeller i tannhelse mellom ulike sosiale grupper på individnivå, ikke gir seg utslag i systematiske sammenhenger på fylkesnivå.

Tabell 27 Korrelasjon mellom tannhelse og sosiale indikatorer. Tall for 2019 på fylkesnivå, målt per innbygger

Resultatene i tabell 27 bør likevel tolkes med varsomhet, siden det kan være usikkerhet knyttet til indikatorene for tannhelsestatus. Hvor stor andel av målgruppen som kalles inn til undersøkelse hvert år, varierer mellom fylkeskommunene. Noen fylkeskommuner oppgir at de har lagt stor vekt på å målrette innsatsen mot risikogrupper. Dette kan igjen bidra til at de kommer dårligere ut på indikatorer for tannhelse, siden en høyere andel av de som kalles inn har dårlig tannhelse.

Andre forhold

Fylkeskommunene trekker også fram noen andre forhold som kan forklare variasjonen i utgifter mellom fylkeskommunene. Som nevnt kan det være variasjon i hvor stor andel av målgruppen som kalles inn hvert år, blant annet ut fra en risikovurdering. Dette kan igjen gi seg utslag i kostnadsvariasjoner.

Noen fylkeskommuner peker også på at organiseringen av tannhelsetjenesten varierer. I noen fylker er tannhelsetjenesten organisert i fylkeskommunale foretak, i andre fylker er tjenesten organisert som avdelinger eller seksjoner i fylkeskommunen. I noen tilfeller er også de regionale kompetansesentrene innen tannhelsetjenesten lagt til en fylkeskommune, og inngår i fylkeskommunenes utgifter.59

Analyseresultater

Utvalget har gjort flere analyser for å forsøke å anslå om og i hvilken grad sosioøkonomiske forhold og bosettingsmønsteret kan bidra til å forklare noe av variasjonen i utgifter til tannhelse mellom fylkeskommunene. Vi finner ingen stabile og statistisk signifikante effekter av sosioøkonomiske variabler. Det ser altså ikke ut til at eventuelle sammenhenger mellom sosiale indikatorer og dårlig tannhelse på individnivå, gjenspeiler seg i økte kostnader på fylkesnivå (se analyseresultater i vedlegg 2).

Analysene tyder imidlertid på at det er en sammenheng mellom lange avstander og høye kostnader til tannhelse, selv når det kontrolleres for antall innbyggere i målgruppen for tjenesten, variasjoner i aktiviteten (målt som antall pasienter som er undersøkt og behandlet) og inntektsnivået til fylkeskommunene.

På grunn av få enheter i analysene bør antallet kontrollvariabler i analysene begrenses. Hvis alle de prioriterte brukergruppene i dagens delkostnadsnøkkel inkluderes som kontrollvariabel i analysene, er kriteriet for reiseavstand fortsatt statistisk signifikant. Men to av alderskriteriene – innbyggere 1–18 år og innbyggere 67 år og over – har negativt fortegn når alle variablene tas med i samme analyse. En slik analysemodell er derfor vanskelig å tolke.

Utvalget har derfor vurdert to ulike analysemodeller for å forsøke å isolere effekten av reiseavstand fra lokale prioriteringer og andre forhold som ikke bør kompenseres. I den ene modellen er innbyggere 1–18 år – brukergruppen med høyest vekt i dagens nøkkel – tatt med som kontrollvariabel i analysene (se vedlegg 2).60

I den andre modellen er antall pasienter som er undersøkt eller behandlet i tannhelsetjenesten brukt som kontrollvariabel (se tabell 28).

Tabell 28 Avhengig variabel: netto driftsutgifter inkl. avskrivninger, OLS-regresjon. Alle variabler målt per innbygger. P-verdier i parentes.

Merknader: Koeffisienter markert med * er statistisk signifikant på 0,1-nivå, ** statistisk signifikant på 0,05-nivå.

Ingen av kontrollvariablene er statistisk signifikante i noen av analysene, og den samlede forklaringskraften er om lag den samme i begge modellene. Kriteriet for reiseavstand er statistisk signifikant i alle analyser, og viser at fylkeskommuner med lange avstander har høyere utgifter til tannhelse. Effekten av reiseavstand er stabil over tid og på tvers av analyser. Effekten er noe lavere i analysene der antall pasienter som er undersøkt eller behandlet er brukt som kontrollvariabel, enn i analysene der innbyggere 1–18 år brukes som kontroll.

Utvalgets vurderinger

Utvalget mener at tannhelsenøkkelen bør reflektere de sentrale brukergruppene innen den offentlige tannhelsetjenesten. Selv om antall innbyggere i de prioriterte gruppene i liten grad kan forklare variasjonen i de faktiske kostnadene mellom fylkeskommunene, virker det rimelig at nøkkelen fortsatt i stor grad er knyttet til gruppene som er prioritert i tannhelsetjenesteloven. Utvalget mener derfor at den oppdaterte ressurskartleggingen bør danne grunnlaget for hoveddelen av kriteriene i den nye tannhelsenøkkelen.

Utvalget mener videre at analysene presentert over tyder på at reiseavstand er en ufrivillig kostnadsulempe innen tannhelse, også når det kontrolleres for inntektsnivå. Utvalget mener derfor at kriteriet for reiseavstand bør tas inn i tannhelsenøkkelen, i tillegg til kriteriene fra ressurskartleggingen. Utvalget foreslår at kriteriet vektes inn i nøkkelen med utgangspunkt i analysene i tabell 28. Siden antallet i de prioriterte gruppene som kalles inn til undersøkelse og kontroll til en viss grad er et resultat av fylkeskommunenes egne valg og prioriteringer, mener utvalget det er rimelig å bruke dette som kontrollvariabel i analysene som fastsetter vekten for reiseavstand. Dette gir en noe lavere vekt til kriteriet for reiseavstand, enn hvis vekten beregnes ut fra analyser med innbyggere 1–18 år som kontrollvariabel.

Utvalget vil likevel påpeke at regresjonsanalyser på få enheter er usikre. Den høye samvariasjonen mellom reiseavstand og fylkeskommunenes frie inntekter gjør det vanskelig å isolere effekten av hver enkelt variabel. Den estimerte effekten av reiseavstand, som gir en kriterievekt på over 12 prosent, er høy sammenlignet med effekten innen videregående opplæring. Det kan ikke utelukkes at reiseavstandskriteriet også fanger opp andre forhold enn kostnadsulemper knyttet til lange avstander alene, selv om det er kontrollert for aktivitet og inntektsnivå i analysene. Men kriteriet er statistisk signifikant i alle analyser som er testet ut, og effekten er relativt stabil uavhengig av hvilke andre variabler som inkluderes. Utvalget mener derfor at analyseresultatene bør legges til grunn for vektingen av kriteriet.

Utvalget finner ikke grunnlag for å ta med variabler for sosioøkonomiske forhold i nøkkelen.

4.5.4 Utvalgets forslag til ny delkostnadsnøkkel

Utvalgets forslag til ny delkostnadsnøkkel for tannhelse er vist i tabell 29. Utvalget er som nevnt delt i synet på om avskrivningene bør inngå i analysene, og tabellen viser vektene med både flertallets og mindretallets forslag.

Tabell 29 Forslag til ny delkostnadsnøkkel for tannhelse

Merknad: Flertallets forslag er basert på analyser der avskrivninger er inkludert i den avhengige variabelen, mindretallets forslag er basert på analyser uten avskrivninger i den avhengige variabelen.

Utvalget foreslår at kriteriene som brukes til å fange opp de ulike brukergruppene videreføres fra dagens system. Det vil si at gruppen eldre, uføre og langtidssyke fortsatt fanges opp med kriteriet innbyggere 67 år og over. Utvalget vil peke på at langt fra alle innbyggere over 67 år har rett til offentlige tannhelsetjenester, samtidig som flere av brukerne i denne gruppen er under 67 år. Utvalget mener likevel at antall eldre innbyggere er en god og objektiv indikator for å fange opp denne brukergruppen.

Som en del av oppfølgingen av utvalgets arbeid, kan det vurderes om andre kriterier er bedre egnet til å fange opp gruppen av eldre, uføre og langtidssyke med rett til offentlige tannhelsetjenester. Utvalget vil i den forbindelse peke på innspill fra en fylkeskommune som viser til at personer med hjemmesykepleie og personer på institusjon er to grupper det er vanskelig for fylkeskommunene å få full oversikt over. Det er den kommunale omsorgstjenesten som bestemmer hvem som skal motta hjemmesykepleie og institusjonsplass, og den offentlige tannhelsetjenesten varsles ikke nødvendigvis om slike vedtak.

Det er også utfordringer med pasienter som får vedtak om hjemmesykepleie over et kortere tidsrom, og som da kan ha fått tilbud om gratis behandling som de ikke lenger har rett til når behandlingen startes opp. Det er også tilfeller hvor pasienter har mistet tilbudet til hjemmesykepleie i en periode, før dette startes opp igjen ved et senere tidspunkt. Dette gjør at det er vanskelig for fylkeskommunene å ha oversikt over pasientenes rettighetsstatus.

Utvalget vil i den forbindelse vise til at et pågående arbeid med registrering i Kommunalt pasient- og brukerregister (KPR) kan bidra til bedre data for personer i sykehjem og i hjemmesykepleie. Dette kan vurderes som en kilde for kriteriedata i framtiden.

Utvalget vil også oppfordre departementet til å se nærmere på datakvaliteten for kriteriet psykisk utviklingshemmede over 18 år. Kriteriedata er i dag hentet fra fylkeskommunenes rapportering i KOSTRA, og det kan derfor diskuteres om kriteriet er fullt ut objektivt.

4.6 Delkostnadsnøkkelen for kollektivtransport

Dette delkapittelet presenterer utvalgets vurderinger av delkostnadsnøkkelen for buss og bane og kriteriene for båter i dagens båt- og ferjenøkkel. Utvalget anbefaler at det innføres en felles delkostnadsnøkkel for buss, bane og båt, og de ulike transportformene behandles derfor samlet i dette kapittelet.

Først gir vi en kort, overordnet omtale av sektoren, før vi presenterer dagens kostnadsnøkler. Deretter presenterer vi resultatene fra utvalgets analyser, både for buss og bane og båter hver for seg, og behandlet som én sektor. Til slutt presenteres utvalgets forslag til delkostnadsnøkkel for kollektivtransport.

Utvalget er delt i synet på om avskrivninger bør inngå i analysegrunnlaget (se kap. 4.2). I dette delkapittelet vises resultater fra analyser der avskrivningene er inkludert i den avhengige variabelen, i tråd med flertallets anbefaling.

4.6.1 Om sektoren

Ansvar for kollektivtransport

Fylkeskommunene og Oslo kommune har ansvaret for den lokale kollektivtransporten i sine fylker. De yter tilskudd til lokale ruter med buss, båt (unntatt riksveiferjer), trikk, T-bane og bybane, og de bestemmer omfanget av rutetilbudet og takster med mer. Ifølge yrkestransportlova § 22 (3), skal staten yte «årleg rammetilskot til delvis dekning av fylkeskommunane sine utgifter. Tilskotet blir fordelt gjennom inntektssystemet for kommunane og fylkeskommunane etter reglar gjevne av Kongen.»

Det meste av den lokale kollektivtransporten blir produsert av selskaper som kjører på anbudskontrakt for fylkeskommunene. Fylkeskommunene har etter yrkestransportlova ansvaret for å gi tilskudd til rutetransport som fylkeskommunen vil opprette eller opprettholde innenfor et fylke, men loven gir ingen føringer for omfanget av rutetilbudet. Den eneste lovpålagte oppgaven innen kollektivtransport er skoleskyss, og mange steder er behovet for skoleskyss avgjørende for at det opprettholdes et rutetilbud.

I tillegg har fylkeskommunene ansvaret for tilrettelagt transport for funksjonshemmede (TT-ordningen), som er et særskilt transporttilbud for personer som ikke kan benytte ordinær kollektivtransport på grunn av nedsatt funksjonsevne. Fylkeskommunene utformer selv regelverket for ordningen lokalt og TT-ordningen varierer derfor fra fylke til fylke.61 Utover dette er det ingen nasjonale krav til dimensjoneringen av tilbudet innen lokal kollektivtransport.

Kollektivtransport i dagens inntektssystem

I dagens inntektssystem er det en egen delkostnadsnøkkel for buss og bane, mens passasjerbåter inngår som en del av delkostnadsnøkkelen for båt og ferje (sammen med bilferjene). Buss- og banenøkkelen består av kriteriene sysselsatte etter arbeidssted og innbyggere bosatt spredt, og utgjør om lag 16,5 prosent av den samlede kostnadsnøkkelen i 2022. Kriteriene for passasjerbåter er normerte båtkostnader og lengde kystlinje, og utgjør om lag 2,4 prosent av den samlede nøkkelen.

Utvalget har vurdert både en videreføring av dagens deling av kollektivtransporten mellom to ulike delkostnadsnøkler, og en ny inndeling der fylkeskommunenes utgifter til buss, bane og båt ses i sammenheng i én felles delkostnadsnøkkel.

Utgifter til kollektivtransport

Fylkeskommunenes netto driftsutgifter til buss og bane utgjorde 10,4 mrd. kroner i 2019 (nominelle tall), før pandemien. Av dette utgjorde utgifter til transportordninger for funksjonshemmede 0,6 mrd. kroner. Netto driftsutgifter til båtruter utgjorde 1,5 mrd. kroner.

Tabell 30 Utvikling i utgifter og passasjerer, buss og bane. Tall for hele landet, fylkeskommunale ruter.

Kilde: SSB.

Merknader: (1) Den store endringene fra 2019 til 2020/2021 skyldes inntektsbortfallet i kollektivtransporten som følge av pandemien, og gjenspeiler ikke en reell økning i de faktiske kostnadene. (2) Det varier mellom fylkeskommunene (og over tid) om billettinntektene går til fylkeskommunene eller til kollektivselskapene. I tilfeller der inntektene går direkte til kollektivselskapene, er de ikke rapportert som inntekter i KOSTRA. Tallene for brutto driftsutgifter vil i slike tilfeller ikke reflektere de faktiske bruttoutgiftene ved å tilby tjenestene.

Pandemien i 2020 og 2021 førte til en kraftig nedgang i passasjertallene (og billettinntektene) i kollektivtrafikken. I årene før pandemien var det en gradvis økning i driftsutgifter, billettinntekter og antall reisende med fylkeskommunal kollektivtrafikk. Som en følge av koronapandemien, var det en sterk nedgang i kollektivtrafikken i 2020 og 2021. Passasjertallene tok seg opp fra andre halvår 2021, og var i andre kvartal 2022 om lag 7 prosent lavere enn passasjertallene i andre kvartal 2019.62 Inntektsbortfallet som følge av nedgangen i passasjertallene har blitt kompensert fullt ut av staten gjennom økt rammetilskudd.

Inntektsbortfallet har ført til en kraftig økning i fylkeskommunenes regnskapsførte netto driftsutgifter til kollektivtransport, selv om bruttoutgiftene ikke nødvendigvis har økt. Siden inntektsbortfallet har blitt kompensert av staten, gir ikke økningen i driftsutgiftene i tabell 30 et riktig bilde av den faktiske utgiftsveksten.

Tabell 31 Utvikling i utgifter og passasjerer, båter. Tall for hele landet, fylkeskommunale ruter.

Kilde: SSB.

Det er store forskjeller i fylkeskommunenes driftsutgifter til kollektivtransport, målt i kroner per innbygger. Hvis vi ser på utgiftene til buss og bane alene, summert til fylkesinndelingen fra 2024, skiller særlig Oslo og Finnmark seg ut med høye utgifter. Rogaland, Vestfold og Østfold hadde utgifter godt under landsgjennomsnittet (jf. figur 9). Når vi også tar med utgiftene til båtruter, øker utgiftene til flere kystfylker, særlig Nordland og Finnmark.

Forstørr bilde

Figur 9 Netto driftsutgifter (inkl. avskrivninger) til buss, bane og båt i 2019, summert til fylkesinndeling i 2024. Tall i kroner per innbygger. Landsgjennomsnitt vist med svart linje.

Det er flere forhold som bidrar til at kostnadene til kollektivtransport varierer mellom fylkeskommunene. Fylkeskommunene kan i stor grad selv bestemme billettpriser og hvilket kollektivtilbud som skal tilbys, og lokale prioriteringer vil derfor forklare noe av variasjonen. Men det er også forhold utenfor fylkeskommunenes kontroll som bidrar til forskjellene, blant annet bosettingsmønsteret og variasjoner i etterspørselen etter kollektivtransport. For utgiftene til båter vil bosettingsmønster og reisemuligheter langs kysten ha stor betydning for variasjonene mellom fylkeskommunene.

4.6.2 Dagens delkostnadsnøkkel

Dagens og tidligere delkostnadsnøkler for buss og bane

Tabell 32 viser kriteriene som inngår i dagens og tidligere delkostnadsnøkler for buss og bane, gruppert etter hvilke kostnadsdrivere de er ment å fange opp. Merk at det ikke er et klart skille mellom de ulike kostnadsdriverne, og kriteriet sysselsatte etter arbeidssted kan til en viss grad også fange opp storbyforhold.

Tabell 32 Dagens og tidligere delkostnadsnøkkel for buss og bane (inkl. båt og ferje før 2015)

Den første kostnadsnøkkelen for lokal kollektivtransport basert på objektive kriterier ble innført i1987, og omfattet også utgifter til båt og ferje. Da forsøkte man å finne objektive kriterier som kunne forklare den historiske fordelingen av statstilskudd til lokale ruter. Kriteriene som ble brukt var antall innbyggere, areal, befolkning på øyer uten fast veisamband, rutenett til sjøs og en storbyfaktor.63

I 1994 ble det gjort noen mindre endringer i forbindelse med at de tidligere sektornøklene ble slått sammen til en felles kostnadsnøkkel. På grunn av sterk nedgang i antall innbyggere på øyer uten fast veiforbindelse, ble dette kriteriet vektet ned. Samtidig ble storbyfaktoren endret. Kriteriet for antall innbyggere bosatt spredt ble innført i 1997, basert på analyser gjennomført av departementet som viste at spredt bosetting hadde betydning for utgifter til skoleskyss.

I 2015 ble det innført en ny buss- og banenøkkel, basert på regresjonsanalyser. Den nye nøkkelen var basert på anbefalingene til Borgeutvalget.64 Nøkkelen bestod av tre kriterier:

• Innbyggere bosatt spredt, for å fange opp sammenhengen mellom spredt bosetting og utgifter til kollektivtransport.
• Innbyggere per km offentlig vei, for å fange opp kostnadsulemper knyttet til høy befolkningskonsentrasjon.
• Innbyggere 6–34 år, for å fange opp at etterspørselen etter kollektivtransport varierer mellom ulike aldersgrupper.

Kriteriet innbyggere per km offentlig vei er ikke «sammenslåingsnøytralt», og det ble derfor vurdert som uaktuelt å videreføre det da flere fylkeskommuner ble slått sammen i 2020. Kriteriet er utformet slik at to fylkeskommuner som slår seg sammen, får en lavere kriterieverdi når kriteriet beregnes for den nye fylkeskommunen, enn summen av kriterieverdiene for de to fylkeskommunene beregnet hver for seg.65 Alle fylkeskommuner som slo seg sammen i 2020 ville dermed fått redusert rammetilskudd hvis kriteriet hadde blitt videreført.

I 2020 ble det derfor innført en ny delkostnadsnøkkel for buss og bane. Departementet gjorde flere statistiske analyser med kriterier som kan knyttes til de ulike kostnadsdriverne diskutert over: storbyområder (f.eks. innbyggere per km offentlig vei, innbyggere bosatt i tettsteder), spredt bosetting (f.eks. innbyggere bosatt spredt, reiseavstand, landareal) og etterspørsel (f.eks. innbyggere i ulike aldersgrupper, antall sysselsatte, antall skolereiser).

I vurderingen av de ulike analysene la departementet særlig vekt på om kriteriene var statistisk signifikante og sammenslåingsnøytrale. Det var få enheter i de statistiske analysene, noe som betydde at antallet kriterier som kunne inngå i analysene samtidig måtte begrenses. Departementet la derfor vekt på enkelhet og at det burde være få kriterier i den nye nøkkelen.

På bakgrunn av analysene foreslo departementet en delkostnadsnøkkel med kriteriene sysselsatte etter arbeidssted og innbyggere bosatt spredt. Kriteriet innbyggere bosatt spredt sier noe om bosettingsmønsteret i fylkeskommunene og fanger opp at kostnadene ved kollektivtrafikk er høyere i mer spredtbygde strøk. Dette er i stor grad knyttet til behovet for skoleskyss, og reflekterer også at det er færre betalende passasjerer på disse rutene enn i mer tettbygde strøk.

Kriteriet sysselsatte etter arbeidssted fanger opp kostnader knyttet til behovet for arbeidsreiser. Andelen sysselsatte samvarierer også med andelen unge i befolkningen og storbyindikatorer (for eksempel innbyggere per km offentlig vei og andel innbyggere bosatt i tettsteder). Kriteriet vil dermed også indirekte fange opp kostnadsdrivere knyttet til ulik alderssammensetning og storbyforhold. Begge kriteriene var statistisk signifikante i minst to av de tre årene som ble analysert.

Omskalering

I tråd med Borgeutvalgets anbefaling var kriteriene i buss- og banenøkkelen som ble brukt fra 2015 til 2019 spesifisert slik at man måler kriterieverdiene utover en fastsatt minsteandel av befolkningen. Det samme gjelder kriteriet sysselsatte etter arbeidssted i dagens nøkkel. Denne omskaleringen øker de relative forskjellene mellom kriterieverdiene, og gjør at kriteriene i større grad fanger opp de faktiske variasjonene i utgiftene.

Det er egenskaper ved regresjonsanalysene som er bakgrunnen for at kriteriene er fastsatt på denne måten. Kriterievektene tar utgangspunkt i regresjonskoeffisientene og kriterieverdiene, slik at den relative betydningen av hvert enkelt kriterium kan tallfestes. Resultatene fra regresjonsanalysen gir imidlertid en delkostnadsnøkkel som summerer seg til vesentlig mer enn 1, noe som henger sammen med at regresjonen har negativt konstantledd. Vektene i en nøkkel må summere seg til 1, og det er derfor nødvendig med en nedjustering av vektene i forhold til hva koeffisientene i regresjonsanalysen tilsier.

Borgeutvalget viste til at en proporsjonal nedvekting ville ført til at delkostnadsnøkkelen bare fanget opp en mindre del av de faktiske variasjonene i utgiftene. For å rette opp dette foreslo utvalget en omskalering av kriteriene, for å øke variasjonen mellom fylkeskommunene. En slik omskalering av kriteriene øker de relative forskjellene mellom kriterieverdiene og gjør at kriteriene i nøkkelen i større grad fanger opp variasjonene i utgiftene. Grensene for skalering av kriterier er satt slik at alle fylker vil få en kriterieverdi på over 0.

Dagens og tidligere delkostnadsnøkler for båter

Kriteriene for båter var i stor grad uforandret fra 1987 til 2014, men de siste årene har båt- og ferjenøkkelen blitt endret flere ganger (jf. tabell 33). Ved de siste gjennomgangene av delkostnadsnøkkelen er det særlig avveiingen mellom objektivitet og treffsikkerhet som har stått sentralt.

Tabell 33 Dagens og tidligere delkostnadsnøkkel for båt og ferje

* Før 2015 var det en felles delkostnadsnøkkel for lokal kollektivtransport, der to av kriteriene var særlig knyttet til båt og ferje. Om lag 80 ferjesamband som ble overført fra staten til fylkeskommunene i 2010 ble finansiert gjennom en særskilt fordeling (tabell C), og ikke gjennom kostnadsnøkkelen.

** Vektene ble noe justert i 2020, men kriteriene var de samme (med noen korrigeringer i beregningen av ferjekriteriet).

*** Fylkesfaktoren for båter tok utgangspunkt i fylkeskommunenes faktiske netto driftsutgifter til båter de siste tre årene.

Det er vanskelig å finne kriterier som er både objektive og som er godt egnet til å forklare variasjoner mellom fylkeskommunene. Samtidig er kravet om objektive kriterier et grunnleggende prinsipp i inntektssystemet. Kriterier som ikke er objektive kan også svekke det lokale handlingsrommet: Når kriteriene er knyttet til tjenesteproduksjonen, svekkes fylkeskommunenes insentiver til å omprioritere bruken av midlene fra en sektor til en annen, siden de samtidig risikerer å få reduserte overføringer gjennom kostnadsnøkkelen.

Problemet med manglende objektivitet er kanskje særlig stort når det gjelder båter. Ferjene inngår som en del av veinettet, og ligger dermed i større grad fast. Det kan være enklere å gjøre endringer i båtrutene, blant annet ut fra hva som lønner seg i inntektssystemet.

Fra 1987 til 2014 var det en felles delkostnadsnøkkel for lokale ruter, der kriteriene for båt og ferje var rutenett til sjøs og innbyggere på øyer uten fast veisamband. Kriteriet rutenett til sjøs var knyttet til faktiske fylkeskommunale båt- og ferjeruter, og var dermed ikke objektivt. Men siden kriteriet ikke ble oppdatert for endringer i rutestrukturen etter ca. 1990, fungerte det i praksis om et slags objektivt kriterium. På denne tiden var de fleste ferjesambandene i landet statlige, og fylkeskommunene hadde bare ansvaret for om lag 20 små ferjesamband. Dette endret seg i 2010, da en stor del av riksveiene og nesten 80 ferjesamband ble overført fra staten til fylkeskommunene. Det ble ikke gjort endringer i kostnadsnøkkelen, og kompensasjonen for det nye veinettet og ferjene ble gitt med en særskilt fordeling gjennom innbyggertilskuddet (tabell C).

Da inntektssystemet ble lagt om i 2015, ble det innført en egen delkostnadsnøkkel for båt og ferje som også omfattet de tidligere statlige ferjesambandene. Kriteriet for ferjer var antall ferjesamband, noe som i praksis innebar at alle ferjesamband utløste det samme beløpet gjennom utgiftsutjevningen. Det lyktes ikke departementet å finne gode nok kriterier for båter. Som en midlertidig løsning ble det innført en fylkesfaktor for båter, som tok utgangspunkt i tall fra KOSTRA for fylkeskommunenes netto driftsutgifter til båter. Kriteriet fungerte dermed i praksis som en refusjonsordning: fylkeskommunene fikk tilbake det de brukte på båtrutene.

Den nye båt- og ferjenøkkelen ble kritisert av flere fylkeskommuner. Det ble pekt på at det er stor forskjell i driftskostnadene til ulike ferjesamband, og at det derfor blir for grovkornet med et kriterium som bare teller antall samband. Det ble også pekt på at refusjonsordningen for båter gjorde det umulig for fylkeskommunene å gjøre innsparinger innen denne sektoren, siden de da også ville får reduserte overføringer.

Departementet satte derfor ut et prosjekt til Møreforsking Molde for å få innspill til en ny delkostnadsnøkkel for båt og ferje, og dette førte fram til en ny båt- og ferjenøkkel i 2018.66 Møreforsking foreslo et nytt kriterium for ferjene – de normerte ferjekostnadene – som fanger opp at kostnadene ved å drifte et samband varierer med bl.a. sambandslengde, trafikkmengde og typen farvann.

Møreforsking lyktes ikke med å utforme et godt kriterium for båtene i det første oppdraget, men departementet ønsket ikke å videreføre refusjonsordningen for båter, siden dette bryter med de grunnleggende prinsippene for inntektssystemet. Departementet foreslo i stedet å innføre lengde kystlinje som et kriterium for båter, supplert med antall skolereiser med båter og antall båtreiser i alt (reisekriteriene hadde lav vekt i nøkkelen, men ga et noe bedre samsvar med faktiske utgifter enn lengde kystlinje alene). Lengde kystlinje ble foreslått som et kriterium for båt og ferje av Borgeutvalget i 2005, og departementets oppdaterte analyser viste at det fortsatt var et relativt godt samsvar mellom lengde kystlinje og utgiftene til båter.

Båt- og ferjenøkkelen fra 2018 ble i stor grad videreført da inntektssystemet ble lagt om i 2020, med noen justeringer i vektene og en del tekniske justeringer i beregningen av ferjekriteriet. Kystlinjekriteriet ble imidlertid kritisert av enkelte fylkeskommuner (og av Stortinget) for å ikke være treffsikkert nok. Enkelte fylkeskommuner har en lang kystlinje og lave utgifter til båter, mens andre har en forholdsvis kort kystlinje og høye utgifter til båter. Et annet problem er at kystlinjekriteriet opplagt ikke endrer seg, og det vil dermed ikke kunne fange opp endringer i utgiftsbehovet over tid. Departementet ga derfor Møreforsking Molde og Transportøkonomisk institutt et nytt oppdrag om å få utviklet et kriterium for normerte kostnader også for båtene.67

Møreforsking og TØIs forslag om å innføre kriteriet normerte båtkostnader var på høring våren 2020, og fikk blandet mottakelse fra fylkeskommunene. Noen var klart positive, og pekte på behovet for mer treffsikre kriterier. Andre var klart negative, og mente at hensynet til objektivitet burde veie tyngst, og at kystlinjekriteriet burde videreføres. Departementet laget derfor et nytt høringsforslag våren 2021, der det ble foreslått en ny nøkkel med tre kriterier: normerte ferjekostnader for ferjene, og lengde kystlinje og normerte båtkostnader for båtene. Dette forslaget fikk støtte fra flertallet av fylkeskommunene, enten helt eller delvis, selv om det fortsatt kom kritiske innvendinger. Denne nøkkelen ble innført i inntektssystemet fra og med 2022.

4.6.3 Analyser og vurderinger: Buss- og banenøkkelen

Hvilke forhold kan forklare utgiftsvariasjoner mellom fylkeskommune?

Tidligere analyser og vurderinger har altså forsøkt å fange opp minst tre ulike forhold i buss- og banenøkkelen:

• Høyere utgifter i storbyområder, særlig i Oslo. Tidligere har dette vært forsøkt fanget opp med en egen storbyfaktor i perioden før 2015 og med kriteriet innbyggere per km offentlig vei i perioden 2015–2019. I praksis fungerer også kriteriet sysselsatte etter arbeidssted i dagens nøkkel delvis som et mål på storbyforhold, siden Oslo skiller seg ut med en særlig høy verdi på dette kriteriet.
• Variasjoner i etterspørsel etter kollektivtransport, som har vært forsøkt fanget opp gjennom kriterier for antall sysselsatte og antall innbyggere i yngre aldersgrupper.
• Høyere utgifter i spredtbygde strøk, særlig knyttet til skoleskyss. Dette har til nå blitt fanget opp med kriteriet innbyggere bosatt spredt.

Kostnadsdrivere og variabler knyttet til trengsel og storbyforhold

Andelen som reiser kollektivt er betydelig høyere i storbyområder. Dette har betydning for kapasitetsbehovet, samtidig som trengselseffekter – altså at mange har behov for kollektivtransport samtidig – kan gi økte kostnader. Oslo skiller seg ut med en særlig høy kollektivandel sammenlignet med de andre større byene. Buss og bane står for hovedtyngden av kollektivreisene, men enkelte steder – særlig i omegn til Oslo og i «Buskerudbyen» – utgjør reiser med tog en betydelig del av reisene (se vedlegg 3 for nærmere informasjon om bruken av kollektivtransport i ulike deler av landet og i ulike aldersgrupper).

Utvalget har testet ulike variabler for å undersøke hvordan storbyforhold påvirker fylkeskommunenes utgifter til buss og bane:

• Innbyggere per km offentlig vei
• Antall innbyggere i tettsteder
• En ny trengselsfaktor basert på utvalgets egne beregninger68

Kostnadsdrivere og variabler knyttet til etterspørsel etter kollektivtransport

Variasjoner i etterspørselen etter kollektivtransport henger delvis sammen med storbyforhold, men kan også fungere som en selvstendig kostnadsdriver. Variasjonene i etterspørsel kan blant annet knyttes til andelen arbeidsreiser og andelen innbyggere i ulike aldersgrupper.

Arbeidsreiser, altså reiser mellom hjemmet og arbeidsplassen, utgjør om lag 20 prosent av alle enkeltreiser. Arbeidsreiser har stor betydning for dimensjoneringen av kollektivsystemet, siden de i stor grad er konsentrert til noen få timer på dagen.69 Dette bidrar til trengsel og rushtidseffekter, som også gir høyere kostnader. For å ha tilstrekkelig kapasitet i rushtiden, må det enten planlegges med overkapasitet resten av døgnet, eller lav utnyttelsesgrad av kjøretøy og ansatte.

I tillegg blir busser og trikker påvirket av kø på veiene i rushtiden, noe som også gir høyere produksjonskostnader. Analyser av bussanbud viser at anbudsprisen per kjørte kilometer er høyere i tettbygde strøk og særlig i Oslo.70 Andelen som reiser kollektivt til og fra arbeid er jevnt over høyere i byområder enn i resten av landet, og særlig i Oslo.

De nasjonale reisevaneundersøkelsene viser videre at bruken av kollektivtransport varierer betydelig mellom ulike aldersgrupper. Andelen som reiser kollektivt er høyest blant personer under 34 år, og da særlig i aldergruppen under 18 år. Forskjeller i aldersfordeling mellom fylkene kan dermed bidra til forskjeller i utgifter gjennom ulik etterspørsel etter kollektivtransport.

Utvalget har testet følgende variabler knyttet til variasjoner i etterspørselen etter kollektivtransport:

• Antall innbyggere i de yngre aldersgruppene (13–34 år og 19–34 år),
• Antall sysselsatte etter arbeidssted
• Antall sysselsatte etter bosted
• Gjennomsnitt av sysselsatte etter bosted og arbeidssted

Hvilken variabel for sysselsatte som brukes har særlig betydning for fylkene i Oslo-området. Oslo har stor innpendling fra fylkene rundt, og får dermed en høyere indeksverdi hvis sysselsatte etter arbeidssted brukes, i stedet for sysselsatte etter bosted. For fylkene som ligger rundt Oslo er effekten motsatt.

I alternativet der sysselsatte beregnes som et gjennomsnitt av antallet etter bosted og etter arbeidssted, dempes disse utslagene. Utvalget mener at det er gode grunner for å bruke et gjennomsnitt av sysselsatte etter bo- og arbeidssted, slik at ikke inn- og utpendling gir urimelige utslag mellom fylkene.

Kostnadsdrivere og variabler knyttet til spredt bosetting

I spredtbygde strøk er det særlig behovet for skoleskyss som kan bidra til økte kostnader til kollektivtransport. Elever i grunnskolen og videregående skole som bor langt fra skolen, har rett til gratis skoleskyss. Det er som regel fylkeskommunene som organiserer og finansierer rutetilbudet som skal til for å tilby skoleskyss, mens kommunene betaler en egenandel for elevene i grunnskolen (gjerne i form av billettpris for barn).

Behovet for skoleskyss er kostnadsdrivende både ved å påvirke dimensjoneringen av rutetilbudet, og ved å påvirke kostnadene ved å tilby tjenesten. Skoleskyss utgjør en relativt liten andel av alle reiser med buss og bane på landsbasis, men er ofte avgjørende for utformingen av rutetilbudet utenfor de store byene. Enkelte operatørselskaper og fylkeskommuner har anslått at over 70 prosent av bussrutene i spredtbygde strøk er rene skoleruter eller i stor grad innrettet etter skoledagens start og slutt.71

Analyser på kommunenivå har vist at omfanget av skoleskyss i grunnskolen blir påvirket av blant annet befolkningstetthet: dess høyere andel av befolkningen som bor i spredtbygde strøk, dess flere elever har rett til gratis skoleskyss. Dette ser vi også igjen på fylkesnivå, og skolereisenes andel av alle buss- og banereiser er særlig høy i fylker med spredt bosetting.

I likhet med arbeidsreiser, skjer også skoleskyssen i hovedsak i rushtiden, noe som også kan bidra til økte kostnader. Skoleskyssen er begrenset til visse tider av døgnet, noe som gir lavere utnyttelsesgrad av både arbeidskraft og busser.

Utvalget har testet ulike variabler for å undersøke sammenhengen mellom bosettingsmønster og utgifter til kollektivtransport:

• Gjennomsnittlig reiseavstand for å nå et område med et visst antall innbyggere
• Antall innbyggere bosatt spredt (i alt og i aldersgruppen 6–18 år)
• Landareal

Målet med å skille ut aldersgruppen 6–18 år i variabelen innbyggere bosatt spredt, er at det er denne aldersgruppen som benytter seg av skoleskyss. Men de to variantene av variabelen er så sterkt korrelert at det har ingen praktisk betydning hvilket mål som brukes.

Variabelen reiseavstand måler den generelle reiseavstanden i fylket, og ikke reiseavstanden med kollektivtransport. Kriteriet er testet ut i ulike varianter, der grensen for hvor mange innbyggere som skal nås er satt til 2 000, 5 000, 10 000, 11 000, 15 000 og 20 000. De ulike variantene er sterkt korrelert og måler i stor grad det samme.

Analyseresultater

Tabell 34 viser de to modellene som har best forklaringskraft i utvalgets analyser, sammenlignet med kriteriene som er brukt i dagens nøkkel.

Analysemodellen som ligger til grunn for dagens nøkkel har svakere forklaringskraft enn de to alternativene, og variabelen innbyggere bosatt spredt er ikke statistisk signifikant. Analyser over flere år viser at dette kriteriet ikke har vært statistisk signifikant i analyser av fylkeskommunenes utgifter til buss og bane siden 2015. Den samlede forklaringskraften til dagens delkostnadsnøkkel er noe lavere enn i analysene som ble gjort forrige gang nøkkelen ble oppdatert. I analyser for perioden 2014–2016 hadde modellen en justert R² på mellom 0,60 og 0,69.

Tabell 34 Avhengig variabel: netto driftsutgifter til buss og bane, OLS-regresjon. Alle variabler målt per innbygger. Tall for 2019. P-verdier i parentes.

Merknader: Koeffisienter markert med * er statistisk signifikant på 0,1-nivå, ** statistisk signifikant på 0,05-nivå.

N=18

Alternativ modell 1 består av fire variabler, som til sammen fanger opp tre sentrale forhold som kan forklare variasjoner i utgifter til buss og bane:

• De to variablene innbyggere bosatt spredt og gjennomsnittlig reiseavstand fanger til sammen opp merkostnader knyttet til spredt bosetting, for eksempel når det gjelder skoleskyss.
• Trengselsfaktoren fanger opp merkostnader i storbyområder, der trengsel og mange innbyggere bidrar til høy etterspørsel og høye kostnader per rutekilometer.
• Innbyggere 19–34 år fanger opp variasjoner i etterspørselen etter kollektivtransport, siden andelen som reiser kollektivt er høyere i de yngre aldersgruppene. Den samlede forklaringskraften til analysen er omtrent den samme hvis kriteriet defineres som innbyggere 13–34 år. Siden en stor del av kollektivreisene for innbyggere under 19 år er knyttet til skolereiser, som fanges opp gjennom kriteriene for spredt bosetting, er innbyggere 19–34 år brukt i analysene.

Modellen har god forklaringskraft og statistisk signifikante variabler. Analyser over flere år viser at modellen er relativt stabil over tid, med god forklaringskraft og statistisk signifikante variabler alle årene i perioden 2017–2019. Modellen fungerer også godt på data aggregert til fylkesinndelingen i 2024.

Alternativ modell 2 er enklere og ligger nærmere opp til dagens nøkkel. Modellen består av to kriterier: antall sysselsatte og reiseavstand. I denne modellen brukes reiseavstand i stedet for innbyggere bosatt spredt som mål for å fange opp merkostnader knyttet til spredt bosetting. Kriteriet for sysselsatte kan fange opp variasjoner i etterspørsel, særlig knyttet til jobbreiser. Kriteriet kan også indirekte fange opp storbyforhold, siden særlig Oslo skiller seg ut med en høy indeksverdi på dette kriteriet. Til forskjell fra dagens nøkkel, som er definert som sysselsatte etter arbeidssted, er kriteriet målt som et gjennomsnitt av sysselsatte etter bo- og arbeidssted.

Alternativ 2 har bedre forklaringskraft enn dagens modell. Kriteriene er statistisk signifikante alle årene i perioden 2017–2019, og uavhengig av om analysene gjøres på fylkesinndelingen i 2019 eller 2024. Denne modellen har imidlertid noe svakere forklaringskraft enn alternativ 1, særlig i analysene for 2019.

Utvalgets vurderinger

Utvalget mener at begge de alternative modellene kan fungere som utgangspunkt for en ny delkostnadsnøkkel, hvis det fortsatt skal være en egen nøkkel for buss og bane. Siden utvalget foreslår at kriteriene for buss, bane og båt slås sammen til en felles kollektivtransportnøkkel, viser vi til kap. 4.6.5 for en vurdering av de to alternativene.

4.6.4 Analyser og vurderinger: Båtkriteriene

Avveiing mellom objektivitet og treffsikkerhet

Utvalget er i mandatet bedt særskilt om å vurdere utfordringer med kriterier som ikke er objektive, og å veie hensynet til objektivitet opp mot behovet for treffsikre nøkler. Dette er en særlig relevant problemstilling for båtruter, der det ene av de to kriteriene i delkostnadsnøkkelen – de normerte båtkostnadene – er beregnet med utgangspunkt i de rutene som er i drift i dag. Kriteriet er dermed ikke objektivt, siden fylkeskommunene vil få delvis kompensasjon gjennom inntektssystemet hvis de velger å opprette en ny båtrute. Siden kriteriene i kostnadsnøkkelen brukes til å omfordele en gitt ramme, er det i praksis de andre fylkeskommunene som finansierer kompensasjonen til en fylkeskommune som velger å opprette en ny rute.

Kriteriet kan også gjøre det vanskelig for fylkeskommunene å gjøre tilpasninger i rutetilbudet, for eksempel ved å se behovet for buss- og båtruter i sammenheng, siden de vil få redusert tilskuddet gjennom inntektssystemet ved å legge ned en båtrute.

En annen problemstilling knyttet til dagens kriterium for båter, er at grunnlagsdataene som brukes til å beregne kriteriet ikke er basert på offisiell statistikk. For de andre kriteriene i kostnadsnøkkelen som er basert på normative kostnadsmodeller – ferjekriteriet og fylkesveikriteriet – kan grunnlagsdataene hentes fra henholdsvis Ferjedatabanken og Nasjonal vegdatabank (begge driftes av Statens vegvesen). Det finnes ingen tilsvarende databaser for båtrutene, og Kommunal- og distriktsdepartementet må derfor hente inn data direkte fra fylkeskommunene. Dette innebærer merarbeid for både departementet og fylkeskommunene.

Utvalget har derfor vurdert om det er mulig å finne kriterier for båter som er både objektive og treffsikre.

Analyseresultater

Utvalget har gjort noen statistiske analyser for å undersøke om variasjonen i utgifter til båter mellom fylkeskommunene kan forklares med helt objektive kriterier. Følgende variabler er testet i analysene:

• Normerte båtkostnader
• Lengde kystlinje (i alt og fordelt på fastland og øyer)
• Reiseavstand langs kysten

Variabelen reiseavstand langs kysten er beregnet på samme måte som reiseavstanden ellers, men det er lagt inn en begrensning om at den bare skal måle reiseavstand innenfor en viss avstand fra kysten. Utvalget har også undersøkt om det er mulig å få oppdatert kriteriet innbyggere på øyer uten fastlandsforbindelse, som var en del av kostnadsnøkkelen tidligere. Dette kriteriet blir ikke lenger oppdatert, og det har ikke vært mulig å få beregnet kriteriet på nytt innenfor rammene av utvalgets arbeid.

Tabell 35 viser resultatet av noen ulike modeller, der vi undersøker sammenhengen mellom utgifter til båter og lengde kystlinje (både i alt og fordelt på øyer og fastland), reiseavstand langs kysten og kriteriet normerte båtkostnader. Fylker uten kystlinje (Hedmark og Oppland) er utelatt fra analysene.

Alle forklaringsvariablene er statistisk signifikante, og den samlede forklaringskraften er god. Modeller med kystlinje gir bedre samlet forklaringskraft enn kriteriet normerte båtkostnader. Tabellen viser videre at vi kan få en noe bedre forklaringskraft ved å skille mellom kystlinje fastland og kystlinje øyer som to ulike variabler, men forskjellen er ikke særlig stor.

En utfordring med å finne helt objektive kriterier for båter, er at de mest aktuelle kriteriene er faste og ikke egnet til å fange opp endringer i utgiftsbehovet over tid. Det var en innvendingene mot å bruke lengde kystlinje alene som kriterium, og et av argumentene for å ta i bruk kriteriet normerte båtkostnader i inntektssystemet fra 2022.

Tabell 35 Avhengig variabel: netto driftsutgifter til båtruter, OLS-regresjon. Alle variabler målt per innbygger. Tall for 2019. P-verdier i parentes.

Merknader: Koeffisienter markert med * er statistisk signifikant på 0,1-nivå, ** statistisk signifikant på 0,05-nivå.

N=16

Utvalgets vurderinger

Utvalget mener at kriteriene i kostnadsnøkkelen i størst mulig grad bør være objektive, i tråd med de grunnleggende prinsippene for inntektssystemet. Kriteriet normerte båtkostnader bryter med dette prinsippet. Utvalget mener derfor at det bør være et mål å finne objektive kriterier også for båtrutene.

Utvalgets analyser tyder på at en kostnadsnøkkel der kriteriene for båter bare er knyttet til lengde kystlinje, vil gi et godt samsvar med de faktiske utgiftene til båter for landet sett under ett.

Utvalget mener likevel at det ikke bør legges for stor vekt på resultatene, siden det er enda færre enheter i disse analysene enn i utvalgets øvrige analyser (siden fylker uten kystlinje ikke er inkludert). I tillegg har flere av kystfylkene ingen eller nesten ingen utgifter til båtruter, slik at det reelle antall enheter i analysene er enda lavere. Den avhengige variabelen er altså svært skjevfordelt, noe som kan gjøre regresjonsanalyse mindre egnet.

Et annet problem er at det i alle modellene er forholdsvis sterk samvariasjon mellom inntektsnivå og kriteriene som er testet ut. Det er derfor vanskelig å skille mellom hva som er lokale prioriteringer og hva som er et mer objektivt behov for båtruter.

Utvalget vil derfor ikke anbefale at analysene over brukes til å fastsette nye kriterier for båter i kostnadsnøkkelen. Hvis det skal gjøres endringer i dagens kriterier for båter, bør det heller vurderes å se utgiftene til båter og kollektivtransporten for øvrig i sammenheng.

4.6.5 Analyser og vurderinger: Samlet kollektivnøkkel

Et alternativ til å behandle kollektivtransport på land og til vanns som to ulike kostnadsnøkler, er å se utgiftene til alle former for persontransport i sammenheng. Båtruter og bussruter fyller det samme transportbehovet, selv om kostnadene per reise med de to ruteformene er svært ulike. Og hvor stor andel av kollektivtransporten som gjennomføres med de ulike transportformene, varierer en del mellom fylkene (jf. tabell 36). Det kan være et argument for å se utgiftene til båt i sammenheng med utgiftene til kollektivtransport ellers, og vurdere om båt bør være en del av en felles delkostnadsnøkkel for kollektivtransport.

Tabell 36 Antall reiser med kollektivtransport etter transportmiddel. Tall for 2019

Kilde: SSB

En fordel med en slik tilnærming er at behovet for persontransport ses i sammenheng, uavhengig av hvordan kollektivtransporten er organisert. Noen steder finnes det båtruter som går parallelt med bussruter, og dagens båtkriterium kan gjøre det vanskelig for fylkeskommunene å se rutestrukturen i sammenheng. En båtrute som i liten grad bidrar til redusert reisetid, kan bli opprettholdt fordi fylkeskommunene får redusert rammetilskudd hvis den legges ned.