NOU 1997: 27

Nytte-kostnadsanalyser— Prinsipper for lønnsomhetsvurderinger i offentlig sektor

Til innholdsfortegnelse

12 Verdsetting av endret risiko for liv og helse

12.1 Innledning

På en rekke områder vil ulike tiltak kunne endre risikoen for ulykker som fører til død eller redusert helse. Dette gjelder f.eks. vegstandard som påvirker trafikkulykker, sikkerhetskrav til ferger som har betydning for antall ulykker på sjøen, sikkerhetskrav til leker som påvirker risikoen for ulykker for barn, og bestemmelser om røykvarslere og annet brannsikkerhetsutstyr som kan redusere antall drepte og skadede i branner. Offentlig sektor griper inn på slike områder ved å stille sikkerhets- eller standardkrav til private (f.eks. påbud om røykvarslere i private hjem), eller ved selv å fastsette krav til offentlig produserte goder (f.eks. veger). I dette kapitlet skal vi blant annet drøfte hvordan det er mulig å behandle slike regelendringer eller tiltak i en nytte-kostnadsanalyse.

Situasjonene ovenfor er karakterisert ved at et stort antall individer står overfor små risiki for uheldige utfall. Vurderingen av risiko foretas ex ante, før det er kjent hvilke personer som blir utsatt for en ulykke e.l. De tiltakene som eventuelt blir iverksatt for å redusere risikoen, blir dermed iverksatt bak «usikkerhetens slør» (Harsanyi, 1955). I samsvar med dette formulerte Schelling (1968) problemstillingen som verdsetting av redusert sannsynlighet for død, og ikke som verdien av et bestemt liv:

«It's not the worth of human life I shall discuss, but of «life-saving», of preventing death. And it's not a particular death, but a statistical death.»

12.2 Mulige fremgangsmåter for å håndtere endret helserisiko i samfunnsøkonomiske lønnsomhetsanalyser

Det er i utgangspunktet mulig å tenke seg flere ulike fremgangsmåter for å håndtere endret helserisiko i samfunnsøkonomiske lønnsomhetsanalyser. En mulig metode er å beskrive den aktuelle helserisikoen, men kun basere seg på en uformell vurdering av hvor mye den endrede risikoen skal påvirke resultatet i analysen. Økonomer som anbefaler en slik fremgangsmåte, peker gjerne på at spørsmål om endret helserisiko involverer vanskelige etiske problemstillinger der svar vanskelig kan uttrykkes i kroner, jf. f.eks. Broome (1978). En kritikk mot uformelle vurderinger er at de ofte kan være vanskelige å etterprøve og kontrollere. I tillegg vil beslutninger som fattes på uformelt grunnlag, kunne gi tilfeldige utslag på tvers av ulike prosjekter og sektorer. Undersøkelser av faktiske sikkerhetsnivåer basert på uformelle analyser, viser også ofte forskjeller i vurdering av helserisiko som neppe ville ha blitt opprettholdt etter en mer systematisk analyse. For eksempel viser Jones-Lee (1989) til at implisitte verdier pr. liv i Storbritannia varierer fra mindre enn 1000 pund (beslutning om ikke å påby barnesikre medisinglass) til om lag 20 000 000 pund (sikkerhetsstandarder i høyblokker).

Et alternativ til uformelle vurderinger er å benytte sikkerhetsstandarder, f.eks. i form av en tilnærmet lik ulykkessannsynlighet for ulike transportmidler. Dette vil være en metode som kan etterprøves og kontrolleres. Metoden vil imidlertid ofte føre til ulik behandling av risiko på tvers av sektorer. La oss f.eks. anta at det stilles krav om samme ulykkessannsynlighet for busstransport som for flytransport. Dersom det er mindre kostnader knyttet til å oppnå et gitt sikkerhetsnivå for busstransport enn for flytransport, vil dette implisitt medføre en høyere verdsetting av livet til flypassasjerer enn av livet til busspassasjerer. Slike forskjeller i implisitt verdsetting kan synes urimelige, selv om forskjellene i enkelte tilfeller kan begrunnes. En viktig begrunnelse kan være knyttet til hvilken mulighet individene har for å unngå risikable situasjoner. Dette kan f.eks. gjøre at vi er mer villige til å akseptere risiko knyttet til å kjøre motorsykkel enn risiko knyttet til transport av skolebarn. En annen begrunnelse kan være at vi er lite villige til å akseptere risiko som kan føre til store katastrofer eller særlig smertefull død.

Problemet med ulik behandling av ulykkesrisiko på tvers av sektorer kan i prinsippet løses ved kostnadseffektivitetsanalyser. Bruk av kostnadseffektivitetsanalyser vil sikre at vi innenfor en gitt kostnadsramme ikke kan redusere samlet ulykkessannsynlighet ved å overføre ressurser fra ett ulykkesreduserende tiltak til et annet. Selv om slike analyser sikrer at budsjettet benyttes effektivt, gir de ikke en eksplisitt vurdering av hvor mye ressurser vi samlet sett bør benytte på ulike tiltak. Dersom vi vil at en slik vurdering skal fremgå eksplisitt av en nytte-kostnadsanalyse, trenger vi å verdsette ulykkesreduserende tiltak i kroner på samme måte som andre elementer i analysen.

12.3 Verdsetting av et statistisk liv

12.3.1 Betalingsvillighet for et statistisk liv - enkelte prinsipper

I dette avsnittet skal vi drøfte hvordan tiltak som endrer sannsynligheten for ulykker e.l. kan innarbeides i en nytte-kostnadsanalyse. Vi skal i første omgang konsentrere oss om endret sannsynlighet for dødsfall. Endret sannsynlighet for forbedringer eller forverringer i helsetilstand drøftes i avsnitt 12.4.

I utgangspunktet vil reduksjonen av ulykkessannsynlighet være knyttet til ulike tiltak, og vi kan prøve å finne betalingsvilligheten for hvert tiltak. Bygging av en sykkelsti langs en trafikkert veg kan f.eks. forventningsmessig føre til x færre dødsulykker pr. år, og betalingsvilligheten for et slikt tiltak vil være y kroner. Ofte vil vi imidlertid være interessert i betalingsvilligheten for risikoreduksjon på mer generelt grunnlag, uten at vi foretar separate undersøkelser for hvert enkelt tiltak. For å kunne overføre resultater på denne måten, trenger vi et felles mål som kan benyttes i ulike situasjoner.

Det sentrale målet når vi måler betalingsvilligheten for endret dødssannsynlighet, er verdien av et statistisk liv. Verdien av et statistisk liv er definert som verdien av én enhets reduksjon i forventet antall dødsfall i en gitt periode. I avsnitt 12.1 omtalte vi at dette kapitlet i all hovedsak ville være rettet mot ex ante vurderinger av små risiki som omfatter et stort antall personer. I samsvar med dette måles et statistisk liv over relativt store populasjoner der hvert enkelt individ har en lav dødssannsynlighet. En risikoreduksjon for død med to tusendeler i en populasjon på tusen personer, vil f.eks. representere en innsparing på to statistiske liv. Ved å sette en pris på denne risikoreduksjonen, kan den måles i kroner og inkluderes på nyttesiden i en nytte-kostnadsanalyse, jf. nærmere omtale i boks 12.1.

Boks 12.1 Boks 12.1 Verdien av et statistisk liv

Vi betrakter sannsynligheten for død som følge av en bestemt begivenhet (f.eks. dødsfall i trafikken) i løpet av en gitt periode. Endringen i dødssannsynlighet som følge av et trafikksikkerhetstiltak e.l. betegnes dpi (i = 1,...,n) og den marginale substitusjonsraten mellom dødssannsynlighet og formue betegnes mi. Den samlede betalingsvilligheten for tiltaket kan vi da tilnærmet skrive som:

Figur 12.1A 

Betrakt så tilfellet der endringen i sannsynlighet er lik for alle individer, og gitt ved:

Figur 12.1B 

I dette tilfellet får individene en reduksjon i dødssannsynlighet som reduserer forventet antall dødsfall i perioden med akkurat én. Et slikt tiltak sier vi representerer en innsparing på ett statistisk liv. Verdien av et statistisk liv er gitt ved:

Figur 12.1C 

Dersom vi betrakter en innsparing på ett statistisk liv

Figur 12.1D 

men slik at endringen i dødssannsynlighet varierer mellom ulike personer, har vi fra den første likningen og definisjonen på kovarians:

Figur 12.1E 

Dersom den marginale substitusjonsraten mellom dødssannsynlighet og formue er ukorrelert med endringene i dødssannsynligheten, er dermed verdien av et statistisk liv fortsatt gitt ved den tredje likningen selv om endringen i dødssannsynlighet varierer mellom ulike personer.

Når vi måler verdien av et statistisk liv, kan vi ta utgangspunkt i individuell betalingsvillighet, jf. omtale i punktene 12.3.2 og 12.3.3. Selv om målet ved verdsettingen altså er å finne hvor stor verdi ulike individer tillegger tiltak som påvirker deres sikkerhet, og ikke verdsetting av livet på navngitte individer, kan det reises innvendinger mot å benytte aggregert betalingsvillighet i nytte-kostnadsanalyser. I tillegg til den kritikken som er anført i forrige avsnitt, skal vi kort drøfte om endring i statistisk liv er et velegnet mål for endret risiko.

De fleste empiriske undersøkelsene som er gjennomført, understøtter hypotesen om at betalingsvilligheten for risikoreduksjon isolert sett synker med økende alder (Elvik, 1993). Dersom vi overfører betalingsvilligheten for en undersøkelse som omfatter yngre individer, til et nytt tiltak som i hovedsak omfatter eldre individer, er det derfor isolert sett mulig at vi overvurderer betalingsvilligheten for det nye tiltaket. En mulig løsning på dette problemet, er å benytte statistiske leveår som måleenhet i stedet for statistiske liv. Dersom gjennomsnittlig gjenstående levealder i eksempelet ovenfor er 25 år, vil vi f.eks. rapportere en innsparing på 50 statistiske leveår i stedet for en innsparing på to statistiske liv.

Problemet med valg av måleenhet vil bare være aktuelt dersom det er systematiske aldersforskjeller i målgruppene for ulike tiltak. For en rekke sikkerhetstiltak er det ikke grunn til å tro at dette er tilfelle. Dersom det likevel er slike forskjeller, vil det være et empirisk spørsmål hvilken måleenhet som er best å benytte. Dersom betalingsvillighet ikke varierer for mye med gjenstående leveår, kan statistisk liv være en velegnet måleenhet. Statistiske leveår vil derimot være en velegnet måleenhet dersom betalingsvilligheten synker proporsjonalt med antall gjenstående leveår. I et slikt tilfelle vil betalingsvilligheten for et tiltak som fører til ett forventet innspart liv i en populasjon med gjennomsnittlig gjenstående levetid på 20 år (innsparing på 20 statistiske leveår), være like høy for et tiltak som fører til to forventede innsparte liv i en populasjon med gjennomsnittlig gjenstående levetid på 10 år (innsparing på 20 statistiske leveår). Verken forutsetningen om ingen variasjon med levealder eller forutsetningen om proporsjonal variasjon med levealder vil trolig holde fullt ut. I mange analyser er imidlertid statistisk liv den måleenheten som blir benyttet.

12.3.2 Betalingsvillighet for et statistisk liv - metoder og empiri

Vi kan i prinsippet måle etterspørselen eller betalingsvilligheten for ulike risikoreduserende tiltak, jf. også omtalen i boks 12.1. På samme måte som for miljøgoder, jf. omtale i kapittel 10, kan vi dele metodene inn i metoder basert på markedspriser (hedoniske metoder) og metoder basert på spørreundersøkelser (betinget verdsetting).

Bruken av hedoniske metoder er i stor grad knyttet til lønnsforskjeller for jobber med ulik grad av dødsrisiko, jf. f.eks. Marin og Psacharopoulos (1982) og Moore og Viscusi (1988). I tillegg finnes det også forbruksstudier og studier av trafikantatferd. Forbruksstudiene omfatter bl.a. kjøp av røykvarsler (Dardis, 1980), endrede røykevaner (Ippolito og Ippolito, 1984) og yrkesvalg (Smith og Gilbert, 1984). Trafikantstudiene omfatter bl.a. bruk av bilbelter, sikring av barn i bil og bruk av hjelm ved motorsykkelkjøring (Blomquist og Miller, 1992). Det er en rekke problemer knyttet til bruk av hedoniske metoder både når det gjelder datagrunnlag og metodevalg. For en meget bred og systematisk drøfting av tidligere utførte undersøkelser, viser vi til Elvik (1993).

Bruken av betinget verdsetting for å finne verdien av et statistisk liv møter de samme praktiske og prinsipielle problemene som ved verdsetting av miljøgoder, jf. omtale i kapittel 10. Det er imidlertid også fordeler ved bruk av intervjuundersøkelser i forhold til hedoniske metoder. Intervjuundersøkelser kan knyttes direkte til den typen risiko som skal verdsettes, samtidig som det er mulig å undersøke representative utvalg. Elvik (1993) peker videre på at det bl.a. er mulig å undersøke hvordan ulike bakgrunnsvariabler påvirker betalingsvilligheten samt å teste hvor gode kunnskaper folk har om risiko og hvor rasjonelle de er i sine risikovurderinger.

Samlet sett er det en betydelig spredning mellom de laveste og de høyeste verdiene som fremkommer fra ulike studier av verdien av et statistisk liv. Variasjonen kan i liten grad forklares ved at det er brukt enten hedoniske metoder eller betinget verdsetting, men synes å være avhengig av datagrunnlag og mer detaljerte metodevalg i hver enkelt undersøkelse.

I tillegg vil bl.a. ulike typer risiki og ulike inntekter og risikoholdninger blant individene i ulike datamaterialer gjøre at vi må forvente forskjeller i verdien av et statistisk liv mellom ulike undersøkelser. Et mer grunnleggende problem er om vi i det hele tatt kan forvente stabile anslag for verdien av et statistisk liv selv om risikotype og andre forhold ikke varierer. Dette har sammenheng med at individer ofte har problemer med å foreta rasjonelle valg når de står overfor komplekse problemer som involverer små sannsynligheter. Empiriske studier har vist at individer i slike situasjoner ofte bruker forenklede beslutningsregler som bryter med rasjonell atferd i økonomisk forstand, jf. Kahneman og Tversky (1984) og Tversky, Slovic og Kahneman (1990) 1.

Til tross for stor spredning i resultater, synes det likevel å foreligge en viss enighet om hvilken størrelsesorden man kan forvente for verdien på et statistisk liv. Jones-Lee (1989) mener at verdien for et statistisk liv generelt nesten sikkert overstiger 250 000 pund, at det er sannsynlig at verdien er minst 500 000 pund, og at det kan argumenteres godt for at verdien er høyere enn 1 000 000 pund (alle tall i 1987-priser). Jones-Lee bygger primært på arbeidsmarkedsstudier, men mener også at enkelte forbruksstudier (Dardis, 1980) og intervjuundersøkelser (Jones-Lee et al., 1985) gir relativt sikre estimater.

Elvik (1993) konkluderer med at beste anslag for verdien på et statistisk liv i trafikken i Norge er 10 mill. kroner (1991-kroner). Han peker imidlertid på at anslaget er meget usikkert, og anbefaler å benytte et usikkerhetsområde fra 4 til 25 mill. kroner. Elviks resultater bygger på en meget bred og systematisk gjennomgang av tidligere utførte studier av verdien av et statistisk liv. Elvik mener i motsetning til Jones-Lee at resultatene både fra arbeidsmarkedsstudier og forbruksstudier ofte har store metodemessige svakheter. I tillegg peker han på at de refererer til risikotyper som kan være forskjellige fra vegtrafikkrisiko. Han bygger derfor i stedet sitt anslag på resultatene fra tre intervjuundersøkelser som alle omfatter vegtrafikkrisiko (Jones-Lee et al., 1983; Miller og Guria, 1991; Persson og Cedervall, 1991) samt én metodemessig god trafikantstudie (Blomquist og Miller, 1992). Elvik viser også til at anslag fra utenlandske undersøkelser ikke umiddelbart kan overføres til norske forhold, men at det likevel bør være mulig å benytte resultater fra land der risikonivået i trafikken er om lag som i Norge.

12.3.3 Andre metoder for å verdsette et statistisk liv

I stedet for å ta utgangspunkt i individuell betalingsvillighet, kan vi alternativt tenke oss andre metoder for verdsetting. En tradisjonell fremgangsmåte for å verdsette et statistisk liv er knyttet til produksjonsbortfall. Verdien av et liv blir satt lik nåverdien av individets fremtidige lønnsinntekt. I tillegg korrigeres det ofte for produksjon som ikke blir omsatt i et marked, slik som f.eks. verdien av husarbeid eller private omsorgsoppgaver. I en variant av produksjonsverdimetoden trekkes verdien av fremtidig konsum fra verdien av fremtidige lønnsinntekter, slik at vi ender opp med en netto produksjonsverdi.

Det er vanskelig å finne et godt økonomisk fundament for produksjonsverdimetoden. Fremtidig inntekt vil være med å bestemme hvor mye hvert individ kan avse til sikkerhetstiltak e.l. Dersom vi ikke ser individene utelukkende som en produksjonsfaktor, er det imidlertid ingen grunn til at den forventede verdien av å redusere antall dødsfall skal være lik den forventede økningen i produksjonsverdi. Produksjonsverdimetoden, og spesielt metoden med bruk av netto produksjonsverdi, gir også resultater som vil støte mot vanlige etiske oppfatninger: For f.eks. pensjonister vil forventet verdi av fremtidig konsum være større enn verdien av fremtidig lønnsinntekt, og ett ekstra pensjonistdødsfall vil dermed etter denne metoden gi en netto gevinst for samfunnet.

En annen mulighet for å verdsette et statistisk liv kan være å betrakte de beløpene domstolene tildeler som erstatning til etterlatte. Det er imidlertid vanskelig å se at domstolavgjørelser kan gi et godt grunnlag for økonomiske vurderinger om investeringer i sikkerhetsutstyr e.l. Dette skyldes bl.a. at domstolenes vurderinger dels er knyttet til de etterlattes tap av inntekt og dels til en mer subjektiv kompensasjon som reflekterer den skaden de etterlatte har blitt utsatt for. Den siste komponenten varierer betydelig mellom ulike land, og er f.eks. vesentlig høyere i USA enn i Norge eller England. Det samlede beløpet som tildeles, synes dermed i stor grad å reflektere ulik juridisk tradisjon snarere enn individenes preferanser for sikkerhet.

Et alternativ til å betrakte domstolavgjørelser, er å se på den implisitte verdsettingen som finner sted gjennom politiske beslutninger om sikkerhetsnivåer m.m. Som påpekt i punkt 10.1.3 vil imidlertid dette kunne innebære en form for sirkelresonnement, samtidig som den politiske beslutningprosessen gjør at det kan være vanskelig å registrere konsistente beslutninger over tid eller mellom ulike prosjekter.

Det er i utgangspunktet mulig å tenke seg å estimere betalingsvilligheten for et statistisk liv ut fra observert atferd i forsikringsmarkeder. Generelt er det imidlertid vanskelig å finne et entydig samsvar mellom den forsikringsdekningen ulike personer velger og den betalingsvilligheten de har for ulike risikoreduserende tiltak. Et eksempel der det ikke er et slikt samsvar, er en person som har høy betalingsvillighet for egen sikkerhet, men fordi han ikke har nære slektninger har han ingen forsikringsdekning ved død.

12.4 Verdsetting av endret sannsynlighet for redusert helsetilstand

I avsnitt 12.3 drøftet vi verdien av å endre sannsynligheten for død. I dette avsnittet tar vi opp hvordan vi skal verdsette endret sannsynlighet for redusert helsetilstand. Vi beholder imidlertid ex ante-perspektivet og begrenser oss til tilfeller der en stor populasjon er utsatt for små sannsynligheter for redusert helsetilstand. Eksempler på de forholdene vi ønsker å studere, kan være personskader etter ulykker eller muligheten for å få en kronisk sykdom som følge av miljøforurensing.

Verdsetting av endret sannsynlighet for kronisk sykdom er drøftet av Viscusi, Magat og Huber (1991) og Krupnick og Cropper (1992). Krupnick og Cropper benytter betinget verdsetting for å finne verdien av endret sannsynlighet for å pådra seg en kronisk sykdom som følge av luftforurensing e.l. Det legges til grunn to ulike fremgangsmåter. For det første blir respondentene spurt om betalingsvilligheten (målt i dollar) for en reduksjon i sannsynligheten for å pådra seg en kronisk sykdom. Krupnick og Cropper peker imidlertid på at det kan være vanskelig å få respondentene til å verdsette endret sykdomssannsynlighet i dollar, jf. også Kunreuther og Easterling (1990). En alternativ fremgangsmåte blir da å spørre respondentene om i hvilke forhold de er villige til å bytte risiko for kronisk sykdom med risiko for død. Det forholdstallet som fremkommer på denne måten konverteres så til et pengebeløp ved å benytte verdier for et statistisk liv. Ifølge Krupnick og Cropper er resultatene ved denne metoden mer robuste enn når respondentene spørres direkte om betalingsvillighet for risikoreduksjon. En slik «risiko-risiko-analyse» («risk-risk analysis») kan derfor synes hensiktsmessig når respondentene må forventes å ha liten erfaring i å uttrykke sine preferanser i et pengemessig mål. På den annen side krever metoden at det finnes relativt sikre verdier for et statistisk liv.

Når en ulykke kan føre til flere typer skader, kan det være problematisk å gjennomføre en betinget verdsettingsundersøkelse direkte. Dette vil f.eks. kunne være tilfelle ved skader etter trafikkulykker. Elvik (1993) har verdsatt skadevirkningene etter trafikkulykker. Elvik tar utgangspunkt i at leveår med redusert helsetilstand er mindre verdt enn leveår med full helse. Ved hjelp av en indeks for livskvalitet i ulike helsetilstander (kvalitetsjusterte leveår), omregner han et skadetilfelle til et visst antall leveår med full helse. Ved omregningen benyttes en skala fra 0 til 1, der tilstanden «død» har verdi 0 og tilstanden «full helse» har verdien 1 2. En tilstand som har verdien 0,6 og varer i to år, svarer dermed til 0,8 tapte leveår med full helse. Ved hjelp av tilgjengelig statistikk beregner så Elvik at hvert dødsfall i trafikken i gjennomsnitt svarer til 37,2 tapte leveår med full helse. Et slikt forventet dødsfall kan verdsettes ex ante ved å benytte verdien for et statistisk liv. Dersom et statistisk liv er verdt 10 mill. kroner, vil det å unngå skadetilstanden som fører til 0,8 tapte leveår med full helse, tilsvarende være verdt om lag 215 000 kroner. Det vises for øvrig til nærmere omtale av kvalitetsjusterte leveår i avsnitt 12.6.

12.5 Spesielle verdsettingsproblemer

12.5.1 Altruisme

Altruisme ble drøftet i tilknytning til verdsetting av miljøgoder, men er også aktuelt i tilknytning til verdsetting av liv og helse. Hovedpoenget er det samme som for miljøgoder, jf. omtalen i punkt 10.2.2: Dersom person A bryr seg om person Bs nytte, må både person Bs nytte av et sikkerhetstiltak og hans andel av prosjektkostnadene tas med i analysen. En nærmere drøfting av altruisme og tiltak som medfører endret risiko for liv og helse er gitt i Jones-Lee (1991).

For å benytte den type undersøkelser som er omtalt i punkt 12.3.2, må vi ta stilling til hvilke verdsettingselementer som inngår i den individuelle betalingsvilligheten. Dette kan bare avgjøres ved å studere hvordan problemstillingen er formulert i hver enkelt undersøkelse. Elvik (1993) konkluderer med at verdien av et statistisk liv bør tolkes som den verdien de som er utsatt for helserisiko tillegger reduksjon av risiko for seg selv, jf. omtalen av Elviks litteraturstudie i punkt 12.3.2. Han viser imidlertid til at det foreligger få og dårlige undersøkelser om betalingsvilligheten for å øke andres velferd gjennom risikoreduksjon. Elvik tilrår å benytte 1,25 mill. kroner som et forsiktig anslag på betalingsvilligheten for økningen i andres velferd av en risikoreduksjon som tilsvarer ett statistisk liv. Han understreker videre at verdien er svært usikker, og tilrår et usikkerhetsområde fra 0 til 2,5 mill. kroner (0 til 25 pst. av verdien av et statistisk liv).

Elviks konklusjon bygger på i alt seks undersøkelser hvor en risikoreduksjon som bare gjelder en selv, er sammenliknet med en tilsvarende risikoreduksjon som både gjelder en selv og andre 3. Tilskuddet til betalingsvillighet når det tas hensyn til andres risikoreduksjon varierer betydelig mellom de ulike undersøkelsene, både når det beregnes gjennomsnittsverdier og medianverdier. I undersøkelsene er det heller ikke eksplisitt tatt hensyn til at andre også må bære en andel av tiltakskostnadene, slik at det er usikkert om den registrerte betalingsvilligheten også omfatter et fratrekk for slike kostnader.

12.5.2 Helsetilstand og materiell velstand

Betalingsvilligheten for risikoreduksjon omfatter egen og eventuelt også andres velferd, jf. omtalen i punkt 12.5.1. Det er imidlertid også nødvendig å avklare om endring i individets produksjonsevne inngår i den betalingsvilligheten som måles, eller om vi eventuelt må legge sammen individuell betalingsvillighet og endret produksjonsevne for å få den samlede samfunnsøkonomiske verdien av en risikoreduksjon. Ved drøfting av dette spørsmålet er det gjerne vanlig å skille mellom brutto produksjonsverdi (nåverdi av lønnsinntekt) og netto produksjonsverdi (brutto produksjonsverdi minus nåverdi av eget konsum), jf. omtale i punkt 12.3.3.

En fremgangsmåte på dette området har vært å legge sammen uttrykt betalingsvillighet og netto produksjonsbortfall, jf. f.eks. Jones-Lee (1989) og Persson og Cedervall (1991). Jones-Lee antar at verdsetting av muligheten for å opprettholde eget forbruk inngår i betalingsvilligheten for redusert dødsrisiko, og konkluderer dermed med at det vil medføre dobbelttelling å legge sammen betalingsvillighet og brutto produksjonsbortfall. Schwab og Soguel (1991) anbefaler en annen fremgangsmåte når det gjelder ulykker med personskade. De hevder at den betalingsvilligheten som kommer til uttrykk i en betinget verdsettingsstudie ikke inkluderer verdien av eget forbruk, siden offentlige trygder og private forsikringer gjør det mulig å opprettholde forbruket også etter en ulykke. Elvik (1993) følger Schwab og Soguel, og tolker dermed verdsettingen av redusert helsetilstand og verdsettingen av materielle tap (inkludert eget konsum) som atskilte verdsettingselementer som kan legges sammen.

En nærmere analyse av problemet kan så tvil om konklusjonene til både Jones-Lee m.fl. og Schwab og Soguel. Dersom ulykkene er jevnt fordelt i befolkningen, vil reduserte skatteinntekter ved et dødsfall motsvares av at den forulykkede ikke lenger mottar overføringer eller konsumerer goder som er finansiert over offentlige budsjetter. Vi vil dermed i gjennomsnitt ha en nettovirkning av noe omfang bare dersom det er vesentlige stordriftsfordeler i offentlig sektor som helhet, og dette er ikke åpenbart. Det er derfor ikke klart at netto produksjonsverdi bør legges til betalingsvilligheten for risikoreduksjon, slik Jones-Lee anbefaler.

I forhold til Schwab og Soguels argument er det et sentralt poeng at størrelsen på de trygdeavgiftene (forsikringspremiene) hvert individ betaler for å kunne opprettholde sitt konsumnivå etter en ulykke, over tid vil gjenspeile forventet ulykkessannsynlighet. Dette gjør at individene ex ante selv må dekke kostnadene ved å opprettholde eget konsum etter en ulykke. Vi kan derfor oppfatte situasjonen slik at individene velger mellom enten et høyt sikkerhetsnivå og lave trygdeavgifter (forsikringspremier), eller et lavt sikkerhetsnivå og høye trygdeavgifter (forsikringspremier). Dette valget kan i utgangspunktet være reflektert i betalingsvilligheten for sikkerhetstiltak. På den annen side er det liten grunn til å tro at trygdeavgifter eller forsikringspremier avhenger av hvert individs faktiske atferd 4. Når vi måler betalingsvillighet med utgangspunkt i faktisk atferd, er det derfor rimelig å legge til grunn at individene bare tar hensyn til det direkte velferdstapet som følger av redusert helsetilstand.

Ut fra diskusjonen ovenfor er det usikkert om det bør innarbeides noe separat tillegg for produksjonsverdi når vi måler betalingsvilligheten for ulykkesreduksjon. Generelt er det også viktig å være oppmerksom på at alle beregninger som trekker inn produksjonsverdier i prinsippet medfører de samme etiske problemene som er omtalt i punkt 12.3.3.

12.6 Nytte-kostnadsanalyser i helsesektoren

12.6.1 Bruk av betalingsvillighet innen helsesektoren

Det er mye diskutert om undersøkelser av betalingsvillighet bør påvirke prioriteringer innenfor helsesektoren, og mellom helsesektoren og andre sektorer. For det første er det uklart om vi kan registrere betalingsvilligheten for helsetiltak på en meningsfull måte. Dette har dels sammenheng med at måling av helserisiko ofte krever komplekse beslutninger som involverer små sannsynligheter, jf. omtalen i punkt 12.3.2. I tillegg vil mange ha begrenset erfaring i å vurdere helserisiko i økonomiske termer når offentlige helsetjenester tilbys uavhengig av private forsikringsordninger, og med ingen eller begrenset brukerbetaling.

Selv om det skulle være mulig å registrere individuell betalingsvillighet for helsetjenester, er det ikke sikkert at et aggregert mål for betalingsvillighet er et egnet mål for nytten i en samfunnsøkonomisk lønnsomhetskalkyle. Dette har bl.a. sammenheng med at analysene av helsetiltak sjelden kan utføres fullt ut i et ex ante perspektiv bak «usikkerhetens slør». De fleste behandlingsformer eller tiltak som vurderes, vil omfatte en gruppe som allerede er rammet av den aktuelle sykdommen. De etiske problemene ved å benytte aggregert, individuell betalingsvillighet som beslutningskriterium, blir mer fremtredende desto sterkere dette avviket fra ex ante perspektivet er. I en situasjon der ex post perspektivet er dominerende, er det ikke sikkert at det en person oppfatter som godt fra sitt eget personlige synspunkt er det samme som hun oppfatter som godt fra et sosialt synspunkt (Sen 1978). Dersom det er de sosiale preferansene vi er ute etter å måle, er det tvilsomt om individuell betalingsvillighet er et godt mål.

I enkelte tilfeller er det i noen grad mulig å opprettholde et ex ante perspektiv også for tiltak innen helsesektoren. Dette vil særlig gjelde forebyggende tiltak som f.eks. vaksinasjonsprogrammer. Ofte er det imidlertid mulig å skille ut grupper som i utgangspunktet er mer utsatt for den aktuelle risikoen enn befolkningen som helhet, og som har begrenset mulighet til selv å påvirke den aktuelle risikoen. Dette vil f.eks. være tilfelle når vi vurderer forebyggende tiltak for arvelig disponerte sykdommer. I et slikt tilfelle er det uklart om vi skal legge mer vekt på betalingsvilligheten i risikogruppen enn i samfunnet for øvrig. Dette spørsmålet blir særlig vanskelig å avgjøre dersom samfunnet også legger vekt på fordelingen av helsegoder uavhengig av inntektsfordelingen for øvrig, jf. Tobin (1970). En slik vektlegging av likhet i tilbudet av helsegoder kan f.eks. være begrunnet med at det i realiteten ikke vil være mulig å kompensere for dårlig helsetilstand ex post.

De mange uavklarte spørsmålene når det gjelder betalingsvillighet for helsegoder kan gjøre det naturlig å vurdere bruk av kostnadseffektivitetsanalyser innenfor denne sektoren. Bruken av kostnadseffektivitetsanalyser betinger imidlertid at nytten av ulike alternativer er lik, slik at oppgaven kun er å minimere kostnader. Dette vil imidlertid sjelden være tilfelle innenfor helsesektoren, selv om vi betrakter behandling for samme sykdomstype. Behandling av en hjertelidelse kan f.eks. innebære bruk av medisiner som har ulik kostnad, men som også har betydning både for overlevelsessannsynlighet og for eventuelle bivirkninger i behandlingsperioden.

12.6.2 Kvalitetsjusterte leveår

I avsnitt 12.4 illustrerte vi kort bruken av kvalitetsjusterte leveår i forbindelse med verdsetting av skader i trafikken. Bruk av kvalitetsjusterte leveår som et beslutningskriterium innenfor helsesektoren kan oppfattes som en mellomting mellom nytte-kostnadsanalyser og kostnadseffektivitetsanalyser. Ved bruk av kvalitetsjusterte leveår uttrykkes nyttesiden som en indeks som måler livskvalitet i ulike helsetilstander. Dette gjør at vi kan sammenlikne ulike helsetiltak som fører til ulik helsetilstand. På den annen side kan vi ikke sammenlikne helsetiltak med andre prosjekter der nyttesiden måles i kroner. Dersom vi skal benytte kvalitetsjusterte leveår som eneste mål på nytten av et helsetiltak, vil beslutningskriteriet derfor være å maksimere antall kvalitetsjusterte leveår innenfor en gitt budsjettramme. I boks 12.2 er det gitt to eksempler på bruk av kvalitetsjusterte leveår som beslutningskriterium.

Boks 12.2 Boks 12.2 Kvalitetsjusterte leveår som beslutningskriterium

Følgende hypotetiske eksempel er henter fra Weinstein (1995): Anta et helsebudsjett på 10 mill. kroner. Målet er å spare så mange kvalitetsjusterte leveår som mulig ved hjelp av ulike helsetiltak. Følgende tiltak er aktuelle:

ProgramNytte (kvalitetsjusterte leveår)Kostnad (kroner)Kostnad pr. kvalitetsjustert leveår
A50010000002000
B50020000004000
C20012000006000
D25020000008000
E100120000012000
F5080000016000
G100180000018000
H100220000022000
I150450000030000
J10050000050000

Den optimale politikken er å iverksette tiltakene A, B, C, D, E, F og G. Dette sparer 1700 kvalitetsjusterte leveår. Tiltak med høyere kostnad pr. kvalitetsjustert leveår enn 18000 blir ikke realisert.

Vi antar at tiltakene er fullstendig delbare (slik at vi f.eks. kan gjennomføre et halvt tiltak), og at vi får tilbud om to gjensidig utelukkende tiltak for en bestemt lidelse:

ProgramNytte (kvalitetsjusterte leveår)Kostnad (kroner)Kostnad pr. kvalitetsjustert leveår
K110500005000
K21515000010000

Vi ser av den siste kolonnen at begge prosjektene ville vært lønnsomme dersom de ikke var gjensidig utelukkende. Nå må vi imidlertid gå fram på følgende måte: Vi starter med det minste prosjektet, K1. Dette prosjektet har et kostnads-nytteforhold på 5000 kroner pr. kvalitetsjustert leveår, og vil isolert sett være bedre å gjennomføre enn deler av prosjekt G. For å finne ut om K2 ville vært et enda bedre valg, må vi betrakte forholdet mellom ekstra kostnad og ekstra nytte ved å gjennomføre dette prosjektet i stedet for K1. Dette kostnads-nytteforholdet må være lavere enn 18000 kroner pr. kvalitetsjustert leveår (jf. prosjekt G).

K/N = (150000 - 50000) / (15 - 10) = 20000 kroner pr. kvalitetsjustert leveår

Vi bør derfor erstatte deler av prosjekt G med prosjekt K1. Prosjekt K2 bør ikke gjennomføres til tross for at det isolert sett er mer lønnsomt enn prosjekt G.

Det foreligger to hovedgrupper av metoder for å måle kvalitetsjusterte leveår. Den ene hovedgruppen er knyttet til valg på en skala slik som beskrevet i avsnitt 12.4. Den vanligste metoden består i at respondenten leser en beskrivelse av den aktuelle helsetilstanden, og rangerer den på en skala fra 0 til 1. Endepunktene 0 og 1 betegner vanligvis «død» og «perfekt helsetilstand». Metoden betinger at helsetilstandene er godt beskrevet, men stiller for øvrig færre krav til respondenten enn f.eks. en undersøkelse av betalingsvillighet. På den annen side gjør den enkle rangeringsmetoden at det er usikkert hvordan resultatene eventuelt kan aggregeres, jf. Richardson (1991).

Mange økonomer anbefaler å benytte målemetoder som bygger på valg under usikkerhet eller over tid, jf. bl.a. oversiktsartikkelen til Nord (1992). Den vanligste metoden innenfor denne gruppen betegnes «standard gamble». Ved denne metoden blir respondenten stilt overfor valget mellom å forbli i tilstand A (f.eks. være sengeliggende med en nærmere beskrevet sykdom), eller gjennomgå behandling B som innebærer full helse med sannsynlighet p eller død med sannsynlighet 1-p. Helsetilstanden A blir beskrevet med den sannsynligheten som gjør respondenten indifferent mellom fortsatt å være i tilstanden eller å gjennomgå behandling B.

En svakhet ved «standard gamble» og liknende metoder er at de ofte ikke svarer til faktiske situasjoner respondentene står eller kan stå overfor. Det finnes f.eks. ingen behandling som kan kurere leddgikt fullt ut, eller som med særlig sannsynlighet vil føre til umiddelbar død. Metoden forutsetter videre at respondentene faktisk kan ta rasjonelle valg under usikkerhet. For en nærmere drøfting av ulike metoder for å bestemme kvalitetsjusterte leveår, viser vi til Dahl (1995) eller Kaplan (1995). Noen metoder er også kort beskrevet i boks 12.3.

Boks 12.3 Boks 12.3 Metoder for fastsettelse av kvalitetsjusterte leveår - en kort omtale

Vi har omtalt i hovedteksten at en vanlig metode for å måle kvalitetsjusterte leveår består i at respondenten leser en beskrivelse av den aktuelle helsetilstanden, og rangerer den på en skala fra 0 til 1. Denne metoden betegnes «rating scales». Slike rangeringer har gitt grunnlag for ulike indekser som måler livskvalitet i ulike tilstander. Elvik (1993) har utført en analyse av ulike indekser i sin analyse av økonomisk verdsetting av velferdstap ved trafikkulykker. (Elvik anbefaler bruk av indeksen «EuroQol Instrument». Andre indekser er «Quality of Well Being Scale», «McMaster Health Classification System» og «Rosser and Kind Index», jf. Elvik for nærmere omtale.)

Som omtalt i hovedteksten er det usikkert hvordan resultater fra «rating scales»-undersøkelser eventuelt kan aggregeres. Et alternativ til «rating scales» er «magnitude estimation»-metoden, som også er knyttet til valg på en skala. Ved denne metoden velges en spesiell tilstand som en standard. Denne standardtilstanden tilordnes en tallverdi, f.eks. 10. En tilstand som er halvparten så ønskelig som standardtilstanden vil da gis verdien 5, mens en tilstand som f.eks. er dobbelt så ønskelig som standardtilstanden gis verdien 20. Et problem ved denne metoden er imidlertid at det ikke foreligger noen klar definisjon av hva som menes med «halvparten så ønskelig» eller «dobbelt så ønskelig».

I hovedteksten har vi omtalt metoden «standard gamble» som bygger på valg under usikkerhet. Denne metoden er skissert i figur 12.1:

Figur 12.1 

Figur 12.1

Et alternativ til «standard gamble» er «time trade-off»-metoden, som bygger på valg over ulike tidsperioder. Respondenten blir bedt om å velge mellom å leve en gitt tidsperiode med perfekt helse, eller å leve en lengre periode med en nærmere definert sykdomstilstand. Tidsperioden med perfekt helsetilstand endres så helt til respondenten er indifferent mellom de to alternativene. Dette kan f.eks. innebære at et individ er indifferent mellom å leve to år i rullestol eller å leve ett år med perfekt helse.

Vi skal til slutt omtale en metode som bygger på valg mellom antall personer som kan gis hjelp eller behandles i ulike tilstander. Denne metoden betegnes «person trade-off». En helsetilstand, A, blir valgt som standardtilstand. Respondentene blir deretter spurt hvor mange personer som må hjelpes i en annen helsetilstand, B, for at dette skal være ekvivalent med å hjelpe én person i tilstand A.

12.7 Konklusjoner og anbefalinger

12.7.1 Ulykkesrisiko

Det er ikke uproblematisk å komme med anbefalinger om hvordan verdsetting av endret risiko for liv og helse bør inngå i en nytte-kostnadsanalyse. En årsak til dette er at det faglige grunnlaget på mange måter er uavklart, spesielt når det gjelder empiriske anvendelser. Enda viktigere er det imidlertid at beslutninger knyttet til liv og helse i de fleste tilfellene vil innebære etiske avveininger som ikke nødvendigvis belyses på noen god måte ved hjelp av økonomisk teori. Utvalget finner likevel grunnlag for å komme med en del anbefalinger om verdsetting av endret risiko for liv og helse.

Utvalget mener at kostnadseffektivitetsanalyser ofte kan være hensiktsmessige for å vurdere endret ulykkesrisiko. Dersom en i tillegg velger å gjennomføre en fullstendig nytte-kostnadsanalyse, mener utvalget at betalingsvillighet for risikoendringer bør inngå på nyttesiden i analysen. Utvalget vil likevel tilrå at slik verdsetting begrenses til situasjoner der et stort antall individer står overfor små risiki for et uheldig utfall, jf. omtalen i avsnitt 12.1.

I de tilfellene der det ikke gjøres egne analyser av betalingsvillighet, vil utvalget tilrå at det tas utgangspunkt i anslaget på 10 mill. kroner (1991-kroner) pr. statistisk liv, jf. omtalen i punkt 12.3.2. Utvalget vil imidlertid ikke tilrå at det gjøres separate tillegg for altruisme eller brutto (ev. netto) produksjonsverdi. Dette skyldes at det teoretiske grunnlaget for slike tillegg virker uklart, jf. drøftingen i punkt 12.5.2, og at utvalget i slike tvilstilfeller generelt vil legge til grunn forsiktige anslag. Dette innebærer at utvalget legger til grunn et beløp som er om lag 4 mill. kroner lavere enn det Elvik (1993) tilrådde som verdien av å unngå et dødsfall i trafikken.

I enkelte tilfeller kan det argumenteres for at et statistisk liv bør gis en annen verdi enn 10 mill. kroner, selv om det ikke foreligger egne analyser av betalingsvillighet. Bakgrunnen for dette er ofte vurdering av antall gjenstående leveår eller hvorvidt de berørte selv oppsøker risikoen, og ikke nødvendigvis at selve betalingsvilligheten er større enn i gjennomsnittstilfellet. Et eksempel kan være sikkerhetstiltak på skoleveger. Her kan det være grunn til å anta at mange mer eller mindre eksplisitt vil ønske å benytte en høyere verdi enn 10 mill. kroner for hvert statistisk liv, bl.a. fordi hvert liv som reddes representerer mange gjenstående leveår. På den annen side er det trolig at den gjennomsnittlige betalingsvilligheten kan være relativt lav for ulykkesreduksjon knyttet til utøvelse av hobbyvirksomhet som f.eks. fallskjermhopping. I slike tilfeller vil utvalget tilrå at beløpet på 10 mill. kroner pr. statistisk liv fortsatt legges til grunn i en eventuell nytte-kostnadsanalyse. Nytte-kostnadsanalyser av endret ulykkesrisiko bør imidlertid generelt inneholde en beskrivelse av hvilken gruppe av individer som omfattes av tiltaket. En slik beskrivelse gjør at beslutningstakeren om ønskelig kan velge en annen rangering av tiltak enn det som isolert sett følger av verdien av et statistisk liv. Dette svarer til den fremgangsmåten for å presentere fordelingspolitiske spørsmål som utvalget anbefaler i kapittel 4.

12.7.2 Analyser i helsesektoren

Etter utvalgets oppfatning er bruk av betalingsvillighet innenfor helsesektoren i de fleste tilfeller vesentlig mer problematisk enn for ulykkesrisiko. Den viktigste grunnen til dette er at en sjelden vil kunne basere beslutningene fullt ut på et ex ante perspektiv der et stort antall individer står overfor små risiki. Som regel vil noen sykdomstilfeller allerede ha inntruffet, og bruk av betalingsvillighet kan virke urimelig i en slik ex post situasjon. Et eksempel kan være fastsettelse av kapasitet for hjerteoperasjoner, som både vil berøre individer som i dag er helt friske, individer med stor sannsynlighet for å få hjertelidelser og personer som allerede er syke. I en slik situasjon er det vanskelig å se at studier av betalingsvillighet kan avhjelpe prioriteringsproblemet i særlig grad. I tillegg kan det være vanskelig å oppnå gode resultater fra en betalingsvillighetsundersøkelse fordi de fleste vil ha liten erfaring i å verdsette helsegoder i kroner.

Problemene med bruk av betalingsvillighet gjør det naturlig å anvende kostnadseffektivitetsanalyser innenfor helsesektoren. Som omtalt i punkt 12.6.1, kan det imidlertid ofte være vanskelig å finne tilfeller der nytten av ulike tiltak er lik, slik at rene kostnadseffektivitetsanalyser kan benyttes. Dette gjør at kvalitetsjusterte leveår fremtrer som et mulig beslutningskriterium.

Bruk av kvalitetsjusterte leveår innebærer i prinsippet en systematisk metode for å prioritere mellom ulike pasientgrupper og sykdomstilfeller. Metoden innebærer at alle med samme lidelse blir behandlet likt uavhengig av inntekt og formue. Dette gjør imidlertid ikke at metoden løser de vanskelige fordelingsproblemene som uansett vil være til stede når knappe ressurser skal fordeles innenfor helsevesenet. Utvalget ser det for sin del som både lite realistisk og lite ønskelig at ulike grupper skal prioriteres strengt etter en enkel indikator som kvalitetsjusterte leveår. Dette er i samsvar med synspunktene til Lønning-utvalget (NOU 1997:12), som viser til at livskvalitet er et svært vanskelig fenomen å måle, og at kvalitetsjusterte leveår derfor ikke kan være eneste kriterium når en skal vurdere ønskeligheten av et helsetiltak. Rapportering av kvalitetsjusterte leveår kan likevel gi interessant beslutningsinformasjon, f.eks. i forbindelse med vurdering av alternative medisintyper. I tillegg krever bruk av kvalitetsjusterte leveår at effekten av ulike behandlingsmetoder beskrives på en systematisk og presis måte. Utvalget tilrår derfor at det arbeides videre med mer systematisk bruk av kvalitetsjusterte leveår eller andre mer disaggregerte helseindikatorer i forbindelse med helseøkonomiske vurderinger.

Fotnoter

1.

Med rasjonell atferd mener vi at individene oppfører seg i samsvar med de såkalte von Neumann-Morgenstern aksiomene, jf. f.eks. Kreps (1990), kapittel 3, for en drøfting av disse aksiomene.

2.

Elvik benytter indeksen «EuroQol Instrument» som bygger på individers relative verdsetting av ulike helsetilstander innenfor en definert skala, jf. omtale i avsnitt 12.6.

3.

Foruten de tidligere omtalte undersøkelsene til Jones-Lee, Hammerton og Abbott (1983), Miller og Guria (1991) og Persson og Cedervall (1991), har Elvik vurdert arbeidene til Needleman (1976), Cropper og Sussman (1988) og Maier, Gerking og Weiss (1989).

4.

Dette innebærer dermed at vi har et problem med moralsk hasard (atferdsrisiko).

Til forsiden