NOU 2004: 2

Effekter og effektivitet— Effekter av statlig innsats for regional utvikling og distriktspolitiske mål

Til innholdsfortegnelse

2 Effektmåling

Effektutvalgets oppgave er å analysere effekter av statlige tiltak med stor betydning for regional utvikling og distriktspolitiske mål, samt å summere og sammenlikne effektene for ulike tiltak. Vi står her overfor en tredelt utfordring. På den ene siden skal vi måle (partielle) effekter av ulike typer tiltak. I seg selv er dette en stor utfordring, som vil kunne gi ulike typer svar avhengig av hvilke tiltak vi ser på, hvilke variabler vi måler effekter for og hva vi sammenlikner med (sammenlikningsgrunnlaget eller den «kontrafaktiske» situasjonen) for hvert tiltak. Dernest skal vi sammenlikne effekter av ulike tiltak. Det betyr at vi skal avgjøre hvilke tiltak som har større og mindre betydning for regional utvikling og distriktspolitiske mål. Til slutt skal vi summere effektene av de ulike tiltakene. Dette skal brukes til å si noe om betydningen av statlig politikk totalt sett for regional utvikling og distriktspolitiske mål, og det innebærer blant annet å summere effekter som kan være målt på forskjellige måter.

2.1 Generelt om å måle effekter

Samfunnet består av en rekke aktører som hver for seg tilpasser seg sine rammebetingelser. Hver aktørs tilpasning påvirkes av andre aktørers tilpasninger. Summen av alle aktørers handlinger gir utviklingen for samfunnet som helhet. Dette gir en svært kompleks materie, der man kan si at «alt avhenger av alt», og der det endelige resultat er avhengig av alle aktørers tilpasning og av alle påvirkninger som finnes.

Denne påstanden innebærer at det å måle effekter av enkelte aktørers valg (for eksempel statlig innsats) på andre aktørers tilpasning (for eksempel regional utvikling og distriktspolitiske mål) er en stor utfordring, siden samfunnet og samfunnsutviklingen er svært komplisert. Løsningen på utfordringen ligger i at man forenkler virkeligheten og forsøker å isolere virkningene av noen endringer i rammebetingelser på enkelte variabler. Forenklingen foregår langs to hoveddimensjoner. Den ene er knyttet til at man går fra det kompliserte til det noe enklere ved å gjennomføre partielle analyser. Dette betyr at man legger vekt på de prosessene man mener er viktigst for det man analyserer, og at man ser bort fra andre faktorer. Den andre er at man fokuserer på teorier, metoder og data som er relevante for den analysen man gjør.

2.1.1 Bruk av eksperimenter

Problemstillingen vår, som går ut på å analysere effekter av statlige tiltak for regional utvikling og distriktspolitiske mål, innebærer at vi er interessert i hvordan visse deler av samfunnet påvirkes av (endringer i) statlig politikk. De mest relevante fagene for slike analyser er samfunnsfag.

Samfunnsfag skiller seg fra mange naturfag på ett vesentlig punkt. Mange naturfag kan forenkle virkeligheten ved å foreta kontrollerte eksperimenter i laboratorier. Det innebærer at man simulerer virkeligheten i kontrollerte former, og for den avgrensede delen av virkeligheten man er interessert i å fokusere på. Ved å endre rammebetingelsene (input), kan man se hvordan aktuelle variabler påvirkes av dette (output). Kontrollerte eksperimenter gir direkte sammenhengen mellom output og input.

Innenfor samfunnsfagene er kontrollerte eksperimenter normalt vanskelige å få til. I Norge har man nyttet forsøk i forbindelse med politikkendringer. Forsøk gjennomføres ved å la endringen skje for et begrenset antall aktører til å begynne med, for så å evaluere effektene av endringene før de implementeres, gjerne med endringer, på generell basis. Politikkendringene skjer med andre ord gradvis, og forsøk er en viktig kilde til læring. Frifylkeforsøk og forsøk med friere brukervalg innenfor helse- og omsorgs- og skolesektoren er eksempler på dette.

Innenfor samfunnsfag bruker man i hovedsak andre metoder enn eksperimenter, selv om noen samfunnsfaglige metoder trekker veksler på naturfaglige metoder. Det er derfor langt vanskeligere å kontrollere for eksterne betingelser innenfor samfunnsfag enn innenfor naturfag. På mange måter er derfor samfunnsfagene mer komplekse enn naturfagene, og det er vanskeligere å foreta partielle analyser i form av kontrollerte eksperimenter. Man må analysere verden som den er, og i den forbindelse gjøre antakelser om hvilke forhold som påvirker hvilke resultatvariabler og hvordan dette skjer. Partielle analyser innenfor samfunnsfagene er derfor basert på antakelser om hvordan sammenhengene er (teorier), om hvordan man kan beregne effekter (metode) og om hvilke data man kan bruke for å beregne effekter av tiltak. Valg av fokus så vel som metodisk tilnærming varierer med fagretninger.

2.1.2 Faktiske og kontrafaktiske utviklingstrekk

Det er flere måter å beregne effekter av tiltak på innenfor samfunnsfagene. Felles for dem er at vi må ha en eller flere utviklingsbaner som viser utviklingen med tiltaket (tiltakene). For at dette skal ha noen mening, må vi ha en utviklingsbane å sammenlikne med (sammenlikningsgrunnlaget eller basisalternativet). Innenfor politikkanalyser kalles disse alternativene ofte policy on- og policy off-alternativer. Forskjellen mellom policy on- og policy off-alternativene gir oss effekten av tiltaket (tiltakene).

I en idealverden er denne forskjellen grei å beregne; vi kan få fram effekter av ulike tiltak ved å se på situasjoner med og uten tiltakene for så å sammenlikne virkningene av tiltakene for de variablene vi er interessert i. Dessverre finnes ikke denne idealverdenen. Uavhengig av teori, metode og data har vi et problem knyttet til at i samfunnet er det en rekke variabler (input) som påvirker resultatene (output) for de indikatorene vi er interessert i effektene på. Det komplekse systemet samfunnet er, innebærer at det er vanskelig å isolere effektene av ett eller noen få tiltak på resultatene. Kort sagt kan dette problemet beskrives som et kontrafaktisk problem. Utviklingen uten tiltaket (tiltakene) er ikke kjent. Dette problemet er nær sagt umulig å løse empirisk (Teigen 2003). Det finnes likevel ulike måter å løse det kontrafaktiske problemet på ved å gjøre forutsetninger om aktørers atferd.

Den første måten er å gjennomføre teoretiske analyser. Problemet med dette er todelt. For det første vil det være uenighet mellom ulike samfunnsfag hva som er relevante teorier. Hva som er relevante teorier kan også endre seg i takt med politiske strømmer og med nyvinninger på teorisiden. For det andre er empiri i liten grad egnet til å forkaste teorier.

En annen måte å nærme seg det kontrafaktiske problemet på, er å gjennomføre før- og etteranalyser. Dersom et tiltak gjennomføres, og man kjenner situasjonen for aktuelle virkningsvariabler før tiltaket, vil de samme variablene kunne kartlegges etter tiltaket, og differansen blir da effektene av tiltaket. I dette tilfellet er det kontrafaktiske problemet ikke fjernet. Det skyldes at en rekke forhold påvirker utviklingen. Er det for eksempel slik at et tiltak som settes i verk for å øke sysselsettingen ikke virker dersom sysselsettingen etter at tiltaket er satt i verk er lavere enn før tiltaket tas i bruk? Svaret kan godt være «nei», fordi man ikke vet hvordan utviklingen ville vært uten tiltaket, altså fordi man ikke kjenner den kontrafaktiske situasjon. Likevel ser vi at denne måten å anslå effekter på ofte brukes, og dersom den brukes sammen med andre tilnærminger (teoretiske, kontrollgrupper), vil denne metoden være bedre enn dersom den brukes alene.

En tredje måte er å simulere et eksperiment. Dette gjøres ofte ved å sammenlikne et område der tiltaket er satt i verk, og sjekke dette opp mot en kontrollgruppe der tiltaket ikke brukes. Et eksempel på bruk av kontrollgrupper finner vi innenfor evalueringen av tiltakssonen i Nord-Troms og Finnmark (Hervik mfl. 2002). Her brukes tiltakssonen som policy on-område, og utviklingen her sammenliknes med utviklingen i andre deler av Nord-Norge (policy off) for å forklare effektene av virkemidlene i Nord-Norge. Selv om man forsøker å ta bort deler av det kontrafaktiske problemet ved å bruke kontrollgrupper når man analyserer effekter av tiltak, har man fortsatt problemet med at man ikke kan kontrollere for alle variabler som påvirker utviklingen. En av utfordringene knyttet til å bruke kontrollgrupper er derfor å finne en gruppe som «likner» på den man skal analysere effekter av tiltak i.

En fjerde måte å analysere effekter av tiltak på, er å ta utgangspunkt i teoretiske modeller for hvordan samfunnet virker, og for hvordan virkemiddelbruk påvirker målvariabler. Dersom de teoretiske modellene suppleres med empirisk informasjon, kan man simulere effekter av tiltakene for målvariablene. Økonomiske og økonometriske modeller, flysimulatorer og meteorologiske modeller er eksempler på bruk av simuleringsmodeller. Styrken med denne typen analyser er at de sikrer oppsummeringsbetingelser, at de gir enkle og greie svar på effekter av tiltak og at de i den forstand er partielle og problemfokuserte. Den viktigste svakheten er at modeller er forenklinger av virkeligheten, og at de dermed aldri kan bli bedre enn den teoretiske og empiriske informasjon og de forutsetninger som ligger til grunn. Siden modellene simulerer virkeligheten, med fokus på de variablene en skal si noe om, vil problemer som følger av at en ikke vektlegger informasjon som anses lite relevant for den teorien som ligger til grunn, så vel som problemer knyttet til informasjon det er vanskelig å skaffe data om, ofte underkommuniseres.

En femte måte å gjennomføre effektanalyser på, er å gjennomføre ulike former for spørreundersøkelser (surveys) blant brukere. Dette gjøres ved å spørre hele populasjonen, eller et utvalg av den, om hvilke effekter tiltaket har, og deretter analyseres svarene. Styrken ved denne måten å beregne effekter på, er at tiltakets brukere angir effektene. Det er altså en direkte måte å anslå effekter på, som kan kombineres med personlige intervjuer med mindre utvalg, slik at man kan supplere svarene med mer kvalitative betraktninger. Svakheten ved slike målinger kan være at respondentene ikke forstår spørsmålene, at de ikke klarer å anslå tiltakets effekt eller at de kan ha en tendens til å svare «taktisk» på spørsmålene. Dersom brukerne svarer taktisk, kan effektene av et tiltak over- eller undervurderes systematisk. Taktiske svar gis gjerne dersom brukerne har en fordel og/eller en ulempe knyttet til tiltaket, for eksempel at tiltaket påvirker kostnader eller inntekter for en bedrift. Slike svar kan bety at en kan få til svar at effektene er større (dersom tiltaket innebærer en fordel) eller mindre (dersom tiltaket innebærer en ulempe) enn de i realiteten er. Dette problemet er i høyeste grad til stede, blant annet i evalueringer av tiltak, og det kan være medvirkende årsak til at det den seinere tid har blitt stadig mer vanlig å gjennomføre såkalte «følgeevalueringer». Det betyr at evaluator følger tiltaket fra det innføres og løpende gjennomfører evalueringen, basert på intensiv oppfølging av tiltaket, intervjuer med brukere og analyser. Følgeevalueringer kan også gi resultater underveis, og de kan således bidra til å skreddersy tiltaket i forhold til hva man tror har best effekt for målvariablene.

Det finnes flere måter å tilnærme seg det kontrafaktiske alternativet på enn dem vi har drøftet ovenfor. Kombinasjoner av metoder vil ofte være å foretrekke. Uansett vil anslag på effekter alltid være beheftet med usikkerhet, siden samfunnet er komplekst. Dette gjelder både for kvantifiserte og ikke-kvantifiserte effekter.

Tabell 2.1 Effekter av tiltak fordelt på ulike komponenter

1 Brutto effektTotal endring i målvariabelen i løpet av en periode
2 DødvektstapEndring i målvariabelen som ville kommet uten tiltaket
3 FortrengningEndring i målvariabelen andre steder enn der tiltaket virker
4 RingvirkningerRingvirkninger av tiltaket
5 AddisjonalitetNetto effekt av tiltaket (1 minus 2 minus 3 pluss 4)

Kilde: Fritt etter Teigen (2003)

Tabell 2.1viser hvordan et tiltaks effekter kan fordeles på ulike komponenter. Vi tenker oss her et målrettet tiltak, som noen nyter godt av, mens andre ikke får. Målvariabelen kan være for eksempel jobbskapning, og tiltaket kan for eksempel være bedriftsrettet distriktsstøtte. Vi måler først brutto effekt av tiltaket som total endring i målvariabelen løpet av en periode (for eksempel et år). I eksempelet med jobbskapning kan vi tenke oss at antall arbeidsplasser vokser med 100 i løpet av et år. Dødvektstapet er definert som endring i målvariabelen som ville kommet uansett, dvs uten tiltaket. La oss si at antall jobber ville gått ned med 100 uten tiltaket. I tillegg vil bruk av et virkemiddel, som ikke alle nyter godt av, kunne fortrenge aktivitet andre steder (fortrengningseffekt). La oss si at 100 arbeidsplasser forsvinner herfra som en følge av tiltaket. I tillegg vil tiltaket ha ringvirkninger lokalt, for eksempel 50 arbeidsplasser. Da har vi en netto jobbskapning på 150 i vårt eksempel, det vil si at tiltaket har en addisjonalitet på 150 jobber. Dette illustrerer at det er komplisert å beregne effekter av et tiltak, og at det er flere ting som må vurderes når det kontrafaktiske skal beregnes.

Evalueringer av tiltak nytter ofte denne framgangsmåten. Antall målvariabler kan være flere, eller man kan vektlegge andre forhold enn sysselsetting, men metodisk er poenget å isolere effektene av tiltaket i forhold til andre samfunnsforhold, slik at man kan anslå hvordan tiltaket virker isolert sett og/eller sammen med andre forhold (Teigen 2003).

2.1.3 Faglige tilnærminger

Effektutvalgets mandat kan tolkes som at en skal legge et perspektiv der en tar utgangspunkt i makroforhold til grunn for analysen, og at effekter skal betraktes utenfra. Dette perspektivet står også sentralt i utvalgets analyse. Likevel har vi forsøkt også å trekke veksler på mer individbaserte fagretninger, der prosesser, reaksjonsmønstre og effekter betraktes med utgangspunkt i individer.

Utvalget tror at en kombinasjon av perspektiver er viktig, slik at effektene analyseres på flere forskjellige måter. Vi ønsker likevel å understreke at tilnærmingsform, enten det gjelder fokus for faget, eller dets teori, metode og de data som brukes, naturligvis påvirker resultatene når det gjelder måling av effekter av statlige tiltak. Dersom man bruker flere ulike tilnærminger til samme problemstilling, vil derfor resultatene også bli forskjellige. Det betyr ikke at den ene eller den andre tilnærmingen er bedre eller dårligere, men er snarere et uttrykk for fokus. Effektutvalget har vært opptatt av at det er viktig å ha flere tilnærminger til våre problemstillinger, noe som gjenspeiles der utvalget omtaler ulike politikkområder og der vi sammenlikner tiltak. Med flere faglige tilnærminger til utvalgets problemstilling, blir også det vi måler effekter for (virkningsvariabler eller -indikatorer) forskjellig. Dette gjør effektmålingen komplisert, spesielt når effekter av ulike tiltak skal summeres og sammenliknes.

Effektutvalget skal kvantifisere effektene av statlig innsats så langt det lar seg gjøre. Kvantifisering innebærer at vi måler effektene av et tiltak i form av noe som lar seg telle opp. Siden alle effekter ikke lar seg kvantifisere, kan en heller ikke bruke kvantitative metoder for alle effekter som skal analyseres. Kvalitativ metode er en betegnelse på analyseredskaper som vektlegger fortolkning og forståelse av et samfunnsfenomen eller en historisk utviklingsprosess. I motsetning til kvantitative metoder, som i større grad virker formaliserende og strukturerende, er kvalitative metoder opptatt av å skape dypere forståelse av et problemkompleks, samt å forstå problemkomplekset i sammenheng med helheten (Andersen 1990).

Kvalitative metoder brukes i ulike analyser innenfor de fleste samfunnsfag, og det er den dominerende metoden innen historiske analyser. Metoden blir ofte brukt i nær tilknytning til teoretiske modeller for hvordan sammenhengene er mellom ulike forhold i samfunnet. Fordelen med bruk av kvalitativ metode er at en kan gå i dybden når det gjelder å forstå hva som kjennetegner et område. Ulempen knyttes ofte til at det er vanskelig å generalisere ut fra de enkeltforhold som analyseres.

Kvalitativ metode kan knyttes både til datainnsamling og - analyse. I forhold til datainnsamling brukes metoder som observasjon, samtale, ustrukturerte og strukturerte intervjuer og dokumentanalyser som redskaper. Dette kan være egnet til å få fram berørte parters og informanters oppfatninger og forventninger om endringer, og også hvordan disse vil kunne komme til å tilpasse seg dem.

Man kan benytte kvantitative metoder både i analyser av forhold som er vanskelige å kvantifisere og beregne effektene av og i forbindelse med utforming og fortolkning av kvantitative analyser. Dette innebærer altså at en, ved siden av å bruke kvalitative metoder som en egen tilnærmingsmåte, også kan trekke veksler på kunnskap basert på kvalitative metoder når en skal lage og fortolke kvantitative analyser. Kombinasjoner av metoder kan således bidra til økt forståelse og oppfattelse av et politikkområdes effekter og dermed til å bedre analysenes kvalitet. Effektutvalget har benyttet slike metodekombinasjoner i sin analyse av ulike politikkområder.

Ovenfor har vi pekt på begrensninger knyttet til metodebruk innenfor samfunnsfag, og til den kompleksiteten som følger av at «alt avhenger av alt». Samtidig forutsetter effektutvalgets mandat at man er i stand til å måle effektene av statlige tiltak for regional utvikling og distriktspolitiske mål, dvs for visse indikatorer. Implisitt innebærer dette at man også kan isolere den partielle effekten av tiltakene fra effekter av andre utviklingstrekk. Ideelt sett skal altså utvalget se bort fra forhold som ikke er viktige for effektene av tiltak når effektene skal måles.

Utvalgets analyse er basert på en rekke innspill og ulike faglige tilnærminger. Det er stor uenighet om partielle analyser er mulig å gjennomføre innenfor samfunnsfagene. Utvalget har ikke forsøkt å sensurere de faglige innspillene vi har basert oss på. Derfor vil noen resonnementer være basert på partielle analyser, mens andre er basert på mer generelle analyser.

Virkningene av statlig innsats kan splittes på direkte og indirekte effekter. Det er ikke alltid lett å skille disse begrepene fra hverandre. En forsøksvis avgrensning kan være å ta utgangspunkt i hva som er hensikten med tiltaket. Det vil naturligvis variere fra tiltak til tiltak, men det en generelt kan si er at statlig innsats på et område som regel har et formål, og at dette formålet kan kalles den direkte virkningen av innsatsen. For eksempel vil avgiften på petroleumsprodukter blant annet ha til hensikt å redusere bruken av slike produkter. I hvilken grad petroleumsavgiften påvirker etterspørselen etter slike produkter, avhenger bl.a. av etterspørselselastisiteten etter produktene og av tilgangen på substitutter. Regionale forskjeller i etterspørselselastisiteter og tilgangen på substitutter kan generere forskjeller i de direkte virkningene av avgiftsøkningen mellom distriktene og sentrale strøk.

Indirekte virkninger av statlig innsats kan defineres som tilpasninger som skjer som en følge av tiltaket blant aktører som ikke berøres direkte. En effekt av økt avgift på bensin kan for eksempel være at konsumentene bruker en større andel av sin inntekt på innkjøp av slike produkter, noe som igjen fører til at disse har mindre igjen til å kjøpe andre goder for. Dette er en type førsteordens indirekte effekt av avgiftsøkningen. Dette fører til lavere etterspørsel etter andre varer og tjenester (inntektsvirkning), noe som kan føre til et generelt lavere aktivitetsnivå, lavere sysselsetting, økt arbeidsledighet, lavere inntekt for kommunene (redusert skatteproveny), dårligere offentlig (og privat) servicetilbud etc. Videre kan dette igjen, spesielt i perifere områder med små muligheter for alternativ sysselsetting, føre til fraflytting og dermed økt sentralisering. Denne typen ringvirkninger kan kalles annenordens indirekte effekter av avgiftsøkningen.

Gjennomgangen ovenfor illustrerer at det er viktig å skille mellom direkte og indirekte virkninger av statlig innsats når effektene skal anslås. Å anslå de direkte virkningene av et tiltak kan kanskje være et relativt begrenset problem. Man må forutsette at politikken gjennomføres av en eller annen grunn, og at de direkte virkningene av politikken er relativt godt kjent, noe som er grunnen til at akkurat det tiltaket velges. Utfordringen blir å plukke ut indikatorer som illustrerer de direkte konsekvensene på en mest mulig relevant måte.

De indirekte konsekvensene av statlige tiltak kan være like viktige å anslå. Dette kan illustreres blant annet i vår gjennomgang av effekter av makroøkonomiske politikkvalg i kapittel 5. De indirekte effektene er ofte mer uoversiktlige, og de er resultater av at tildels kompliserte samfunnsmessige prosesser, som kan være av kvantitativt og kvalitativt forskjellig karakter, finner sted samtidig. Dette stiller store krav til valg av indikatorer og beregningsmetode. Det viktige vil være å skille mellom vesentlige og mindre vesentlige konsekvenser av tiltaket og velge indikatorer som best mulig egner seg til å beskrive disse. Metoden som velges må kunne si noe om koblingen mellom de direkte og de indirekte konsekvensene av tiltaket for disse indikatorene.

Et anslag på både de direkte og indirekte virkningene av statlige tiltak innenfor et geografisk avgrenset område er nødvendig for å få god informasjon om tiltakenes effekter. Det må likevel understrekes at det er en del problemer knyttet til denne typen analyser. For det første kan det være et problem at man begrenser seg til å se på tiltakenes effekter på regional utvikling og distriktspolitiske mål. Poenget med tiltaket kan for eksempel være å vri ressursbruken i samfunnet slik at sektoren utvikler seg i ønsket retning, noe som kan være gunstig for noen regioner og mindre gunstig for andre. For det andre er det mulig, ved hjelp av anerkjente modeller, å beregne ringvirkningene av statlige tiltak på en slik måte at man, når man legger sammen alle direkte og indirekte aktiviteter i en region, kan summere dette til mange ganger så høy aktivitet som statistikken viser. Konsekvensene for næringslivet av for eksempel reduserte overføringer til kommunene (og redusert aktivitet i kommunal sektor) i distrikts-Norge kan beregnes ut fra endringer i etterspørselen fra kommunal sektor rettet mot disse næringene. En sier ikke noe om dette genererer etterspørsel fra andre kilder fordi ressursutnyttelsen i samfunnet kan bli mer effektiv. For det tredje bør det nevnes at modeller som brukes til analyser av ringvirkningene av et (for modellen eksogent) tiltak ikke er bedre enn den teori, det datagrunnlag og den (eksogene) input som puttes inn i modellen. Det betyr at resultatene av slike beregninger ikke nødvendigvis er korrekte, siden modellen kun er en forenkling av virkeligheten.

Politiske tiltak har svært ulik dimensjonering, og en del av forskjellene i effekter av tiltak kan forklares med forskjeller i volum. Metodisk kan man analysere effekter av tiltak enten ved å se på (små) endringer i omfanget av tiltaket, eller ved å se på effekter av hele tiltak. Måten man måler på påvirker effektene, slik de kommer fram i analysen. På mange måter er det enklere å analysere mindre, eller marginale, endringer i tiltakets omfang, noe som også gir oss de marginale effekter av tiltaket. En situasjon der en tenker seg en verden hvor et tiltak fjernes fullt ut, er betydelig mer komplisert. Det er vanskelig å tenke seg hvordan aktørene ville tilpasset seg dersom verden var helt annerledes, for eksempel uten statlige overføringer til kommunene. Utvalget har forsøkt å analysere både marginale og totale effekter av statlige tiltak i sitt arbeid.

2.2 Mål og midler

Et statlig tiltak eller en ordning igangsettes og drives fordi man mener noe oppnås ved at staten gjennomfører et engasjement på området. Til dette engasjementet er det knyttet noen målsettinger, enten til enkelttiltak eller til en helhet hvor også andre tiltak inngår. Analyser av effekter av statlig politikk kan ta utgangspunkt i en diskusjon av hvilke mål staten har med sin politikk, og hvilke virkemidler som er tilgjengelige, eller som staten velger å benytte.

Generelt er det mange målsettinger med statlig politikk. Dette kan selvsagt være grunnlag for målkonflikter, slik at politikken på ett område (som virker i ønsket retning) kan påvirke utviklingen på andre områder negativt. I en slik situasjon kan det være nødvendig for staten å gjennomføre flere tiltak samtidig, blant annet for å avbøte negative effekter av det ene tiltaket.

På den annen side kan noen politikker påvirke flere målsettinger i samme retning, slik at en politikk som er innrettet mot ett mål også kan påvirke utviklingen på andre områder i samme retning. Denne situasjonen vil naturligvis være en ønskesituasjon på mange måter, og den kan både være billigere og mer effektiv enn å administrere mange, ulike tiltak.

Implisitt (og kanskje til dels eksplisitt) finnes det målhierarkier innenfor statlig politikk. Disse gir uttrykk for hvordan de forskjellige målene prioriteres i forhold til hverandre. Ofte vil en kunne finne at det er målsettinger knyttet til hvordan økonomien oppfører seg, for eksempel vil det være ønskelig med en mest mulig effektiv ressursutnyttelse, det vil være ønskelig med best mulig «makroøkonomisk balanse» osv. På den annen side kan det være sektorvise målsettinger knyttet til hva man ønsker å oppnå innenfor næringspolitikken, fordelingspolitikken, utenrikspolitikken, forsvarspolitikken, distriktspolitikken osv. Disse kan være i konflikt med de makroøkonomiske målsettingene, eller det kan være konflikter mellom ulike sektorpolitikker. Målsettingene for de ulike politikkene kan i tillegg variere over tid. Det betyr at det kan være komplisert å vite om det er målkonflikter, mellom hvilke målsettinger slike konflikter finnes, og selvsagt hvor store eller viktige disse er, på et gitt tidspunkt. Dette kommer tydelig fram ved at ett tiltak kan ofte ha flere enn en målsetning knyttet til seg når det skal begrunnes. Samtidig er ofte målsetningene relativt uspesifiserte. I stedet for en klar mål-middelrelasjon, er det som regel snakk om en rekke tiltak, ordninger, virkemidler og en samling mer eller mindre uspesifiserte mål, der det foreligger et ønske (en ide) om at summen av tiltak vil ha god effekt for den samlede måloppnåelse.

Johansen (1965) har systematisert mål-middeldiskusjonen. Han skiller mellom størrelser det offentlige kan styre (tiltakene) og størrelser det offentlige ikke direkte kan styre, men kan ønske å påvirke (målsetningene). Han viser at det ikke er mulig å ha flere (uavhengige) mål enn tiltak. Det er slik at «alle» målsetninger prinsipielt påvirkes både av alle tiltak og av de andre målsetningene. Dette gir en relativt komplisert mål-middelstruktur.

En av de store kontroversene en finner innenfor politikken, er konflikten mellom marked og styring, eller mellom effektivitet og fordeling. Valget står mellom et ønske om stor effektivitet (mye marked), eller politisk styring og en mer «rettferdig fordeling». Denne kontroversen er allmenn og tidløs, og hvilken ende av skalaen samfunnet befinner seg i til en hver tid er blant annet spørsmål om politiske flertallsholdninger og prioriteringer. Det er dessuten ikke alltid slik at marked gir en mer effektiv ressursutnytting enn styring, eller at styring gir en jevnere fordeling enn marked. Disse sammenhengene er kompliserte og resultatene av de valgene som gjøres er ikke alltid entydige.

Den norske velferdsstaten er bygget opp som en blandingsøkonomi, med en relativt sterk stat. I mange år etter krigen var store deler av privat sektor, spesielt innenfor vareproduksjon, sterkt regulert. Fra begynnelsen av 1980-tallet ble statens styringsambisjoner overfor privat sektor redusert, både ved at statlige eierandeler i markedsrettet virksomhet (blant annet innenfor industrien) ble solgt til private og ved at direkte subsidiering av privat virksomhet er redusert. De seinere år har også tidligere offentlig virksomhet blitt konsernifisert og privatisert. Store, offentlige selskaper har blitt tatt ut av statsbudsjettet, og aktiviteten foregår mer etter forretningsmessige prinsipper enn etter politiske prioriteringer. Staten står i mange tilfeller fortsatt enten som ene- eller deleier, men flere statseide konsern har blitt børsnoterte og del- eller helprivatiserte (for eksempel Telenor og Statoil). Det er flere argumenter for privatisering. For det første hevdes det at offentlig drift er mindre effektiv enn privat, fordi beslutningsprosessen er tyngre i offentlig virksomhet og fordi verken de tilsatte eller ledelsen har sterke nok insentiver til å produsere effektivt dersom bedriftene er offentlige. For det andre påstås det at disse bedriftene ikke kan overleve den internasjonale konkurransen uten å bli store (i en internasjonal sammenheng), og de kan bare bli store ved at de tilføres privat kapital. Når de tilføres privat kapital, må de også styres etter markedsmessige prinsipper, og eventuelle fordelingspolitiske (styringsmessige) ambisjoner knyttet til aktiviteten kommer i annen rekke.

Tilsvarende prosesser ser en også innenfor offentlig virksomhet som ikke er privatisert, og som det er stor enighet om ikke bør privatiseres. Vi tenker her for eksempel på sykehusdrift. Likevel drives også sykehusene i større og større grad som private bedrifter. Sykehusene drives i konsern, der administrasjonen er ansvarlig overfor et styre snarere enn overfor et politisk nivå. Stykkprisfinansiering av behandlinger, fritt sykehusvalg for pasienter og konsernifisering av driften kan få store konsekvenser både for kvaliteten på, sammensetningen av og omfanget på de tjenester som tilbys pasientene.

Det hevdes også at bruk av statlige virkemidler (subsidier og avgifter) rettet inn mot privat sektor fører til en ikke-optimal ressursbruk. Dette skjer ved at de insentiver som skapes gjennom statlig virkemiddelbruk fører både til for lite strukturendringer internt i den (de) sektoren(e) som påvirkes av virkemidlene, og til for liten overføring av ressurser mellom sektorer. I den forstand vil sektorrettede virkemidler skape vridninger og være lite effektive i samfunnsøkonomisk forstand. Her vil man ha en konflikt mellom samfunnsøkonomiske effektivitetshensyn og sektormålsetninger (som kan være begrunnet med andre hensyn, for eksempel fordelingspolitiske), og på lang sikt kan det derfor lønne seg for samfunnet å påvirke sektorvise insentiver i minst mulig grad.

Effektivitetshensyn og fordelingshensyn kan ikke alltid tas samtidig. Det synes i dag som om hensynet til effektivitet og marked står mer sentralt på den politiske dagsorden enn ønsket om styring og fordelingspolitiske hensyn. Dette har konsekvenser for distriktspolitikken, som på mange måter er grunnlagt i fordelingspolitiske hensyn. Makroøkonomiske og sektorpolitiske målsettinger kan avvike betydelig fra målsettinger knyttet til regional utvikling og distriktspolitikk. Slik sett er det viktig å fastslå om det finnes situasjoner der målene kan være sammenfallende (mer eller mindre), eller om det alltid vil være målkonflikter.

2.3 Indikatorer

Effektene av statlige tiltak kan ikke analyseres uten at man vet hva man skal se på virkningene for. I mandatet (kapittel 1) er virkningsområdene beskrevet nærmere. Her står det at utvalget skal se på virkningene for henholdsvis vekst, næringsutvikling og sysselsetting, og tilgang på velferds- og samfunnstjenester. Dette er ytterligere konkretisert til følgende:

Når det gjelder innsats som påvirker vekst, næringsutvikling og sysselsetting skal utvalget legge vekt på effekten av innsatsen for verdiskaping, lønnsomhet og konkurranseevne i bedrifter og næringer, og for sysselsetting og arbeidsmarked i ulike typer regioner. Når det gjelder innsats som påvirker velferds- og samfunnstjenester skal utvalget legge vekt på betydningen av innsatsen for tilgang, kostnader og kvalitet på tjenester i ulike regioner.

Kilde: Kgl Res 2. oktober 2001, pkt 2.3.

Regjeringen har, gjennom dette, også sagt noe om hvilke indikatorer en tror er vesentlige innenfor effektutvalgets oppdrag. Selv om avsnittet er ganske konkret, sier en likevel ikke hva en helt nøyaktig legger i de ulike begrepene knyttet til næringsliv, sysselsetting og tjenester. Effektutvalget vil derfor drøfte nærmere hva vi mener med indikatorer, hvordan indikatorer kan (skal) brukes og presentere noen indikatorer som er aktuelle for vår problemstilling.

2.3.1 Hva er indikatorer?

En gjengs definisjon av indikatorer er at det er størrelser som gir viktig informasjon om egenskaper ved et fenomen eller objekt, med utgangspunkt i et analytisk spørsmål (Johansen 2000). Det analytiske spørsmålet springer ofte ut fra et praktisk-politisk problem, men kan også ha mer teoretisk opphav. Poenget er at anvendelse av indikatorer er en måte å skaffe informasjon på for et spesifikt formål, og at valg av indikatorer skal være basert på at de har en relevant tolkning nettopp i forhold til dette formålet. Første forutsetning for å kunne velge ut og definere et hensiktsmessig sett med indikatorer er derfor at formålet er klart formulert. Det innebærer blant annet at det praktisk-politiske (eller teoretiske) problemet er presentert på en slik måte at det går an å formulere de spørsmål hvis svar er en forutsetning for å kunne løse det. Indikatorene skal bidra med noe av den informasjonen som er nødvendig for å kunne besvare spørsmålene.

Uten en slik referanseramme vil «indikatorene» kun være statistiske variabler som bare potensielt representerer relevant informasjon. Det er først når indikatorer er valgt ut og kan fortolkes i forhold til spørsmål som er formulert med sikte på å skaffe informasjon for et klart definert formål, at vi kan snakke om meningsfylt innhenting og anvendelse av indikatorbasert informasjon. Statistiske variabler som ikke kan begrunnes med at de har en relativt klar tolkning i forhold til et slikt formål, vil ikke kunne tjene som indikatorer, det være seg alene eller i et system av indikatorer.

En enkelt indikator gir sjelden tilstrekkelig informasjon alene. Som oftest er det behov for et større sett med indikatorer som belyser ulike, men beslektede, aspekter ved det aktuelle fenomenet eller objektet. Det gjelder selvfølgelig i økende grad jo mer kompleks problemstillingen og det aktuelle fenomenet eller objektet er. Dette understreker ytterligere behovet for en referanseramme som gir hver enkelt indikator en klar fortolkningsmessig relevans i forhold til en helhet. Når flere indikatorer brukes for å belyse ulike sider av samme problem, snakker vi ofte om et «indikatorsystem».

2.3.2 Noen krav til indikatorer

Indikatorer bør utvikles med sikte på å bidra til enkelthet og oversikt, men uten å overforenkle, dersom de skal fungere som praktiske redskaper. Det ofte er mer hensiktsmessig å benytte flere enkle indikatorer (et indikatorsystem) framfor å forsøke å presse mest mulig informasjon ut av en eller et fåtall indikatorer. Tolkningen av hver enkelt indikator skal ideelt sett være mest mulig intuitivt forståelig også for ikke-eksperter på det aktuelle feltet, gitt at de er kjent med den sammenheng indikatorene inngår i.

I tillegg til krav til relevans og tolkningsmessig klarhet, gjelder selvfølgelig generelle krav til validitet og reliabilitet når en bruker indikatorer. I en praktisk-politisk sammenheng er det som regel også viktig at indikatorene er kontinuerlig realiserbare på en rimelig enkel måte for de informasjonsbærende enheter og de tidspunkter eller tidsperioder formålet krever. Som regel betyr dette at de må kunne konstrueres på basis av relativt lett tilgjengelig, løpende statistikk.

Noen av kravene kan åpenbart stå i strid med hverandre, slik at en vil måtte akseptere løsninger som ligger et stykke fra idealet når en skal bruke indikatorer i praksis.

2.3.3 Effektmåling ved hjelp av indikatorer

Indikatorer gir beskrivelser av tilstander på utvalgte tidspunkter. De gir i seg selv ingen oversikt over effekter av statlige tiltak. For å kunne si noe ut over en ren tilstandsbeskrivelse, det vil si om disse effektene, må man også ha et syn på hvordan sammenhengen mellom tiltak og indikatorer er, i form av teori og metode for effekter. Her finnes en uendelighet av alternativer, avhengig av fagfelt, ressurstilgang, målbarhet etc. Uansett hvilken teori og metode som velges, er det viktig å huske at endringer i indikatorene fra ett tidspunkt til et annet reflekterer endringer i en rekke forhold. Effektene av selve tiltaket må derfor isoleres fra effektene andre forhold på indikatorene. I ekstreme situasjoner kan tiltak ha gunstig effekt selv om indikatorene utvikler seg i ikke-ønsket retning. Dette gjelder dersom indikatorene ville utviklet seg vesentlig dårligere uten tiltaket.

Et annet forhold vi ønsker å peke på, er effektene av statlige tiltak på kort og lang sikt. Det som, av en eller annen grunn, er gunstig på kort sikt kan for eksempel ha direkte ugunstige effekter på lang sikt. Et eksempel kan illustrere dette. La oss si at støtten til landbruket er motivert med å opprettholde et visst aktivitetsnivå i distriktene, og at denne støtten virker etter hensikten. Da har man oppnådd et kortsiktig mål om at aktiviteten i landbruket opprettholdes, og dette kan i tillegg ha gunstige ringvirkninger i distriktene. På lenger sikt kan vi tenke oss at tiltaket bidrar til å sementere en næringsstruktur, ved at overgang mellom ulike produksjoner og næringer bremses. Dette kan igjen, spesielt dersom aktiviteten i samfunnet totalt sett er høy, føre til «feilallokering» av ressurser (ineffektiv ressursbruk) ved at de beholdes i en næring med lav avkastning og ikke overføres til næringer med høyere avkastning og vekstpotensial. På lang sikt kan dette ha ugunstige effekter ved at samfunnet ikke klarer å utnytte sitt inntektspotensial og dermed at man ikke oppnår det velferdsnivå man kunne, dersom ressursene ble reallokert.

Dette eksemplet illustrerer også at man har et politisk valg. Myndighetene kan ønske å regulere landbruket av distriktspolitiske grunner, og lykkes med det. En mer markedstilpasset utvikling vil kunne føre til høyere nasjonalinntekt og velferd på lang sikt. Samtidig vil overføring av ressurser til, og dermed vekst i, andre næringer kunne føre til et helt annet regionalt utviklingsmønster. Mange næringer har et sentralisert lokaliseringsmønster, og en styrking av disse næringene vil derfor kunne føre til ytterligere sentralisering.

2.3.4 Indikatorer i effektutvalgets arbeid

Begrepene regional utvikling og distriktspolitiske mål blir nærmere drøftet i kapittel 3. De skiller seg fra hverandre ved at regional utvikling dreier seg om utvikling i alle landets regioner, og om regional balanse, mens det er knyttet spesielle (ekstra) mål til distriktspolitikken på grunn av de ulempene distriktene har i forhold til mer sentrale deler av landet. Målene i distriktspolitikken går direkte på opprettholdelse av bosettingsmønsteret, og fra dette kan det avledes også andre målsettinger (knyttet for eksempel til befolkningsstruktur, sysselsettingsutvikling, tjenestetilbud, levekår etc).

Det skilles gjerne mellom sektorbaserte og mer generelle indikatorer. De sektorbaserte indikatorene sier noe om hvordan en sektor utvikler seg, spesielt som en følge av sektorpolitiske tiltak rettet inn mot sektoren. Generelle indikatorer er knyttet mer opp mot regional utvikling og distriktspolitiske mål, både direkte og avledede målsettinger. I mange tilfeller kan det være slik at statlige tiltak påvirker de sektorbaserte indikatorene i ønsket eller ventet retning, mens regionale og distriktspolitiske indikatorer påvirkes i uønsket retning. Dette er også et grunnlag for potensielle konflikter mellom sektorpolitiske og regional- eller distriktspolitiske myndigheter, og det er nettopp dette som er utgangspunktet for å se nærmere på i hvilken grad det er forskjeller mellom sektor- og regionalpolitiske effekter av sektorpolitikken.

2.3.5 Indikatorliste

Det framgår av diskusjonen ovenfor at en rekke indikatorer kan være aktuelle for å analysere regionale og distriktspolitiske effekter av statlige tiltak. Tabell 2.2oppsummerer datagrunnlaget for noen aktuelle indikatorer. Vi har vist type data som er tilgjengelige, hvilket geografisk nivå de kan finnes på og hvilken (viktigste) kilde vi har for dataene. Det understrekes at vi her har fokusert på data som er tilgjengelige i offentlige registre, eller som en kan få tak i på annen måte (sekundærinformasjon). Enkelte situasjoner og analyser krever at en samler inn primærdata, noe som kan gi informasjon som er direkte relevant for den problemstillingen en ser på, men som er kostbart å samle inn.

Den første delen av tabellen tar for seg befolkningen. Indikatorer knyttet til befolkningsutvikling og bosettingsmønster er svært relevante, gitt målene i norsk regional- og distriktspolitikk. Det finnes svært detaljerte, registerbaserte data om befolkningen og egenskaper ved befolkningen, samt over endringer i befolkningen. I tillegg kan en få informasjon om bosettingsmønsteret på husholdsnivå, bla fra Folke- og boligtellingen (FOB).

I den andre delen av tabellen tar vi for oss noen indikatorer for næringslivet. Det problematiske med næringsstatistikken, er at en del informasjon av «sensitiv karakter» (opplysninger om bedrifters økonomiske situasjon) ikke er tilgjengelig på lavt geografisk nivå. Slik informasjon må anonymiseres, noe som normalt krever at det er minst tre bedrifter innenfor en kategori (for eksempel næring i en kommune) for at informasjon kan leveres ut. På fylkesnivå har vi tilgang på Fylkesfordelt nasjonalregnskapsstatistikk (FNR), der informasjonen er gruppert etter standard for nasjonalregnskap.

Problemet med at informasjon om bedrifters økonomi må anonymiseres på lavt geografisk nivå innebærer at en ofte analyserer næringsstruktur og - utvikling med utgangspunkt i sysselsettingsdata. Denne typen informasjon er det ikke knyttet anonymiseringskrav til. En del informasjon om sysselsettingen kan en finne i registrene som er beskrevet i den andre delen av tabellen. Kombinert med annen arbeidsmarkedsstatistikk fra del tre av tabellen, har vi relativt god oversikt over og tilgang på indikatorer for sysselsetting og arbeidsmarked på kommunenivå.

Når vi beveger oss mer over i velferdsdelen av effektutvalgets arbeid, står tilgang på samfunnstjenester sentralt. Blant dem som produserer slike tjenester er kommunene viktige. Vi har derfor vist fra hvilke kilder noen indikatorer for kommunal aktivitet (inntekter, sysselsetting og tjenestetilbud) kan hentes. Levekårsdata (siste del av tabellen) gjenfinnes i liten grad på lavt geografisk nivå. Informasjon om en del sosiale forhold er likevel tilgjengelig.

Tabell 2.2 Datagrunnlag for noen indikatorer

Type dataLaveste geografisk nivåKilde
Befolkningsdata (befolkningsstatistikk)Krets/KommuneSSB
Bosettingsmønsteret på husholdsnivå (registerstatistikk, FoB)AdresseGAB, SSB
Indikatorer for enkeltnæringer (strukturstatistikk, AA-registeret, FNR)KommuneSSB
Indikatorer for produksjon, distriktet (FNR, sektorstatistikk, AA-registeret, FoB)Kommune, FylkeSSB
Indikatorer for arbeidsmarkedet, omfang og variasjonsbredde, yrker (FoB, befolkningsstatistikk, utdanningsstatistikk)KommuneSSB
Sysselsettingssituasjonen (ledighetsstatistikk, sosialstatistikk, befolkningsstat.)KommuneArb.dir. SSB
Kommunale inntekter (regnskapsdata, inntektssystemet)KommuneSSB, KRD
Kommunal sysselsetting (sektorstatistikk, utdanningsstatistikk)KommuneSSB, KS, STS
Kommunalt tjenestetilbud (sektorstatistikk, sysselsettingsstatistikk mv)Kommune/FylkeSSB, KS, STS
Levekårskomponenter (en del er vanskelig tilgjengelig, spes. regionalt. Levekårsundersøkelser finnes)SSB, sos. utsyn, div
Sosiale indikatorer (sosialstatistikk, boligstatistikk, FoB)KommuneSSB, GAB, div.

Kilde: Farsund og Johansen (1997)

2.4 Sammenhengen mellom effekter av ulike tiltak

I utvalgets mandat understrekes det at en viktig del av oppgaven er å sammenlikne effekter av ulike statlige tiltak. Utvalget skal også se på effektene av samlet statlig innsats, det vil si summere effektene av ulike tiltak. Nedenfor drøfter vi noen mulige tilnærminger til å se effekter av ulike tiltak i sammenheng. Det framgår at det ikke er enkelt å konkludere med at den ene måten er bedre enn den andre. Derfor har utvalget valgt å ha en relativt bred tilnærming til å sammenlikne og summere effekter av statlig innsats.

Utgangspunktet er altså at statens aktivitet i vid forstand har effekter for regional utvikling og distriktspolitiske mål, og at ulike typer innsats har ulike effekter. Det er altså forskjellige prosesser som analyseres og skal sammenliknes.

2.4.1 Noen prinsipielle betraktninger

Drøftingen ovenfor viste at det kan være aktuelt å bruke forskjellige indikatorer når en skal analysere effekter av statlige tiltak for regional utvikling og distriktspolitiske mål. Dette bidrar til å komplisere analysen når en skal sammenlikne effekter på tvers av tiltak. Utgangspunktet for drøftingen nedenfor er forenklet, og vi har tatt utgangspunkt i at vi kan enes om hvilken variabel vi skal måle effekter for. Som et eksempel har vi valgt regional sysselsetting som målvariabel.

Vi tar utgangspunkt i en ide om at vår målvariabel, regional sysselsetting (S), avhenger av politikker (Pi) - vi bruker fotskrift i for å indikere at vi har mange politikker - samt mange andre forhold (Aj) - hvor fotskrift j indikerer at det er mange forhold, men at antallet avviker fra antall politikker. Dette kan skrives som

S = F(Pi, Aj)

hvor F( ) rett og slett betyr at S avhenger av ulike politikker og andre forhold. Et helt sentralt tema i delstudiene (kapittel 5 til 7, spesielt kapittel 6) er å forsøke og anslå hvordan en bestemt politikk (Pi) påvirker S. For eksempel kan vi tenke oss at 1 mrd kr i økte overføringer til alle kommuner, øker rammetilskuddet til Tolga kommune med omtrent 0,4 millioner kroner (eksempel hentet fra Gilleberg 2003). Det kan uttrykkes som dS/dPi = F'(Pi, Aj), dvs. som den deriverte av funksjonen mhp. Pi.

Allerede med dette helt abstrakte utgangspunktet går det imidlertid an å diskutere en rekke problemer som oppstår for vårt sammenlikningsprosjekt. Effekten av en politikk vil avhenge av «situasjonen for øvrig». Matematisk følger det av at F'(..) faktisk er en funksjon av P'ene og A'ene, eller sagt i ord, effekten av en bestemt politikk, avhenger av hvordan alle de andre politikkene er utformet samt hvordan andre forhold er. Mer konkret vil nok effekten av SNDs støttepolitikk avhenge av om vi har regionalt differensiert arbeidsgiveravgift eller ikke har det. Enda vanskeligere er det selvsagt hvis SNDs politikk som sådan avhenger av om vi har regionalt differensiert arbeidsgiveravgift eller ei. Da introduserer vi en ny sammenheng i modellen ved at Ps = G(DA) slik at når vi studerer effekten av å endre arbeidsgiveravgiften (DA) må vi ta med at det vil føre til at SNDs politikk (Ps) også endres fordi politikerne da vil måtte kompensere for at et viktig regionalt virkemiddel er borte. Dette spørsmålet har Effektutvalget (2002) drøftet. Der har vi blant annet diskutert hvilke andre politikker som kan kompensere for bortfallet av DA. Modellmessig svarer dette til at vi finner ut hva dS/dDA er, for så å studere en rekke andre deriverte mhp. politikker som er slik at totaleffekten på S av alle endringene er nær null.

Det følger videre av dette at når vi skal vurdere effektene av noe på en relevant måte, må vi ha en beskrivelse av omgivelsene for politikken som er relevant. For eksempel bør vi vurdere i hvilken grad et eventuelt norsk medlemskap i EU vil bety noe for effektene som anslås. Et annet eksempel kan knyttes til jordbruket. Anta at en bestemmer å legge om jordbrukspolitikken for å oppnå en samfunnsøkonomisk mer effektiv ressursallokering. Da vil svaret på hva dette har å si for den regionale sysselsettingen avhenge av hvilket tidsperspektiv man anlegger. Virkningen i 2003 er en annen enn effekten i 2010 fordi strukturelle endringer i jordbruket innebærer at mange bruk vil forsvinne til 2010 uansett. Dette er igjen en følge av at det er rimelig å tro at de deriverte av F avhenger av verdiene på P og A og ikke er konstante. Hvis F(..) derimot var lineær i sine argumenter, ville de deriverte være konstanter og jobben mye enklere.

Vi har ovenfor diskutert betydningen av hvordan det kontrafaktiske alternativet konstrueres. Dette er relevant også for problemstillingen «sammenlikning på tvers». Anta nå at vi har bestemt oss for hvordan vi skal analysere de partielle endringene i de ulike politikkene. Hva skal utgangspunktet for sammenlikningen være? Det mest nærliggende alternativet er å si at det er dagens politikk (samt alle andre faktorer) slik vi observerer dem nå (dvs i år 2003). Det vi gjør da er å si at effekten av politikk «i» framkommer ved å sammenlikne

S1 = F(P12003, ..,Pi2003, . . .Pn2003, Aj2003) med

S2= F(P12003,..,Pialternativ, ..,Pn2003, Aj2003)

Her forklares forskjellen mellom S1 og S2 kun endringen i verdien av Pi i de to alternativene. Effekten av politikken er imidlertid som diskutert tidligere, avhengig av at det er dette valget vi gjør. Vi nullstiller så å si alle endringene vi studerer, for hver endring vi gjør. Vi foretar derfor ikke en sekvensiell analyse hvor vi tar ett og ett politikkområde og endrer suksessivt slik at vi til slutt endrer politikk Pn med et utgangspunkt hvor alle andre politikker har fått sin alternative verdi. Det er verd å minne om at hvis vi gjør vår effektstudie slik, vil en politikkpakke som består av en rekke politikkendringer, ikke resultere i en samlet effekt som er lik summen av våre deleffekter. Bare dersom Norge var «lineært» ville dette gjelde, og slik er det ikke. Samlet effekt av en politikkpakke vil derfor være forskjellig fra summen av effektene av enkelttiltak.

Det kontrafaktiske bør presiseres i retning av at det ikke er balanserte budsjettendringer vi studerer. Effekten av for eksempel å fjerne den regionalt differensierte arbeidsgiveravgiften under forutsetning av balansert budsjett, avhenger av hvilken kompenserende politikk eller politikkpakke en setter opp. Da blir antall mulige effekter enormt stort. Utvalget har illustrert dette i underveisrapporten (Effektutvalget 2002). Vi vil derfor ikke vurdere alle deleffekter under forutsetning av balansert budsjett. Det er dessuten av interesse å vurdere hvilke brutto- og nettoeffekter de ulike politikkene har for budsjettbalansen. En spesifikk regionalpolitikk kan ha svært ulik nettoeffekt sammenliknet med en annen selv om bruttoeffekten (dvs. provenyanslaget slik det står i de ulike kapitler i Gul bok St.prp. nr. 1 Statsbudsjettet medregnet folketrygden) er den samme.

I forlengelsen av dette bør det presiseres hvilke endringer vi skal studere rent numerisk. De ulike politikkene er høyst ulikt presisert og kvantitativt forskjellige. Noen politikker består av bevilgede beløp som er enkle å måle og kan leses rett ut av proposisjoner. Andre kan være formulert som satser. Her må det beregninger til for å kunne anslå størrelsen i kroner. Slik er det for eksempel med den regionalt differensierte arbeidsgiveravgiften. Når en skal sammenlikne en slik politikk med en annen som er formulert i kroner bevilget, må virkningen doseres slik at de er sammenliknbare. I tilfellet med arbeidsgiveravgiften kunne vi gjort det ved å regne ut effekten per milliard kroner ved å si at mens full utjevning koster 8,4 mrd. kroner, vil effekten per milliard være 1/8,4=0,119. For sammenliknbarhetens skyld burde vi derfor ikke vist virkningen av å fjerne differensieringen helt, som i Effektutvalget (2002), men i stedet økt satsene i alle soner med lavere enn full sats med 0,119 ganger den satsendringen som er inkludert i underveisrapporten.

Utvalget har bestemt at vi for politikker som ikke lar seg kvantifisere så lett, ikke vil kvantifisere, men nøye oss med kvalitative anslag og vurderinger. Der hvor kvantifisering er mulig, bør vi imidlertid justere politikkendringene slik at doseringen blir lik når vi skal studere politikker på tvers. Dette er selvsagt ikke til hinder for at vi kan konkludere med at politikken Pi er viktigere enn politikken Pk rett og slett fordi den initiale budsjetteffekten av politikken er større, selv om den marginale effekten av Pk er størst.

Effektutvalget har derfor i en viss forstand en dobbelt oppgave. Utvalget skal både forsøke å kartlegge hvilke tiltak som har stor virkning på det regionale mønster for lik dosering av hvert virkemiddel, og forsøke å anslå hva de samlede virkningene av et tiltak er. I tilfellet med den differensierte arbeidsgiveravgiften (DA) har Effektutvalget (2002) analysert virkningene av hele ordningen, men dette skal også sammenliknes med andre regionalpolitikker for å finne ut om tiltaket er effektivt per krone brukt initialt og samlet, når en holder dette tiltaket opp mot andre politikker. Det utvalget har sagt i underveisrapporten er at vi tror DA er et effektivt virkemiddel, og at den alternative pakken vi har snakket om neppe har de samme nettovirkninger på regional sysselsetting som DA, selv om en tar i bruk hele provenyet som fjerningen av differensieringen innebærer.

De prinsipielle betraktningene ovenfor gjelder generelt, men de er svært forenklede. Nedenfor følger en oversikt over noen kompliserende faktorer, som ikke drøftes i detalj:

  • Vanskelig kvantifiserbare virkemidler: Mange virkemidler lar seg vanskelig kvantifisere, for eksempel lover, regler, forskrifter mv. For slike virkemidler er det, generelt sett, vanskelig også å kvantifisere effektene av dem.

  • Vanskelig kvantifiserbare effekter: Selv om virkemidlene i seg selv lar seg kvantifisere, kan de være utformet på en slik måte at effektene av dem vanskelig lar seg kvantifisere.

  • Ulike regiontyper: Det samme tiltaket kan ha forskjellige effekter i forskjellige regioner. Effektene for regional utvikling kan derfor være forskjellig, avhengig av hvilken region eller regiontype man ser på.

  • Virkemidler utformet for andre mål: De fleste tiltakene vi analyserer, er utformet med sikte på å nå andre målsettinger enn dem som er i fokus i utvalgets mandat. Utvalget skal anslå effektene av disse for regional utvikling og distriktspolitiske mål. Selv om disse effektene er negative, kan det hende at et tiltak har positive effekter for sitt eget mål og bør gjennomføres uavhengig av effektene for de indikatorene som er i fokus for Effektutvalgets arbeid.

  • Marginale eller totale effekter: Noen tiltak kan, i kraft av sitt omfang, være av stor absolutt betydning for regional utvikling og distriktspolitiske mål. Endring i tiltakenes omfang kan likevel ha små effekter - og i noen tilfeller kan de marginale effektene være negative - for regional utvikling og distriktspolitiske mål. På den annen side kan vi ha tiltak som er små av omfang, men som har sterke marginale effekter. Derfor er det viktig at man skiller mellom marginale og totale effekter.

  • Kompliserte sammenhenger: Det kan være slik at effektene av flere tiltak henger sammen, slik at effektene av summen av tiltak vil være forskjellig fra effektene av enkelttiltakene hver for seg. Dette er spesielt relevant når man skal sammenlikne og/eller summere ulike tiltak.

  • Flere indikatorer: Det samme tiltaket kan ha effekter på forskjellige indikatorer, som alle kan være relevante i regional- og distriktspolitisk sammenheng. I noen tilfeller kan til og med fortegnet være forskjellig for de ulike relevante indikatorene.

  • Fortegnsanalyse: Ofte kjenner en kun fortegnet på, ikke omfanget av, effektene man ser på.

  • Mangelfull teori: Effektanalyser tar utgangspunkt i en teori for sammenhengen mellom tiltak og effekter. I mange tilfeller er teorien ikke god nok til å gjennomføre slike analyser, og det kan være nødvendig å applisere tilgrensende teorier. Dette har naturligvis konsekvenser for kvaliteten på effektmålingen.

Mange av utfordringene gjelder både ved måling av effekter av enkelttiltak og ved sammenlikninger mellom tiltak, mens noen av dem først og fremst gjelder ved sammenlikninger. Vi har forsøkt å måle effekter og sammenlikne kvantitativt så langt det er mulig, men en del av utvalgets vurderinger er knyttet til generelle og teoribaserte betraktninger av sammenhenger mellom virkemidler og mål, eller mellom virkemidler på den ene siden og regional utvikling og distriktspolitikk på den andre.

2.4.2 Modellsimuleringer

En måte å sammenlikne effekter av ulike tiltak på, er å gjennomføre modellsimuleringer. Dette har Effektutvalget (2002) gjort i tilfellet med den differensierte arbeidsgiveravgiften, og vi har gjort det i analysen av makroøkonomiske utviklingstrekk og politikk (kapittel 5). For kvantifiserbare tiltak er modellsimuleringer en mulighet til å kunne få ulike tiltak, og effektene av dem, på samme skala.

Hva er simuleringsmodeller?

Simuleringsmodeller er utviklet for en rekke forhold. Det finnes for eksempel flysimulatorer, værmeldinger, bølgesimulatorer, økonomiske modeller, demografiske modeller osv. Slike modeller er forenklinger av virkeligheten, og de brukes til å simulere hvordan variabler man er interessert i utvikler seg under gitte eller endrede rammebetingelser. De variablene man simulerer effektene av (rammebetingelsene) kalles ofte eksogene variabler, mens de variablene man er interessert i effektene for kalles endogene variabler. Modellen ligger «mellom» de eksogene og de endogene variablene, tar vare på sentrale sammenhenger generelt og sier spesielt noe om hvordan de eksogene og de endogene variablene henger sammen. Disse sammenhengene er forenklet, men jo mer man modellerer, desto mer avanserte blir sammenhengene og dermed modellen. Skissen nedenfor viser hvordan simuleringsmodeller virker generelt (på tvers av hva som simuleres):

Figur 2.1 

Figur 2.1

De tre leddene sier ikke noe konkret om hva som ligger i hvert av dem. Det vil avhenge av hvilket fag, hvilke variabler og hvilken modell man benytter. Modeller som beregner befolkningsutviklingen på kommunenivå (BEFREG i SSB er en slik modell) vil for eksempel ta utgangspunkt i antall innbyggere fordelt på kjønn og alder i et startår, og gjøre antakelser om (aldersbestemte) flytte-, fødsels- og dødsrater (eksogene variabler) i løpet av et år. Dette, sammen med antakelsen om at folk aldres i løpet av et år, brukes til å beregne kommunevis befolkning neste år (endogene variabler).

Dersom man ønsker å si noe om hva man kan gjøre i en modell, kan det være naturlig å ta utgangspunkt i hvordan modellen styres, dvs i de eksogene variablene. Når en skal beskrive nærmere hva som skjer i modellen, kan det være mer naturlig å ta utgangspunkt i hva modellen beregner, dvs de endogene variablene. Vi starter derfor med denne delen.

Endogene variabler

Utgangspunktet for å lage og bruke en modell, er at man ønsker å si noe (på en forenklet måte) om hvordan de endogene variablene utvikler seg. Man må altså ha en ide om hva man er interessert i. Modellen PANDA 1 er for eksempel utviklet for å si noe om nærings-, sysselsettings- og befolkningsutviklingen i (kommunene i) et fylke. Dette er også de viktigste endogene variablene i modellen. Samtidig finnes en rekke andre endogene variabler, som beregnes i modellen, men som hovedsakelig benyttes som hjelpevariabler i forhold til dem som har primær interesse. På tilsvarende måte vil også andre simuleringsmodeller ha primære og mer «sekundære» endogene variabler.

Simuleringsmodellen

For å kunne modellere virkeligheten, må man ha en teori om de faktorer som påvirker det man er interessert i. Teoriene kan, avhengig av hva man modellerer, beskrive virkeligheten mer eller mindre presist. Innenfor samfunnsfagene vil slike teorier ofte være mindre presise enn innenfor mange av naturfagene. Dette skyldes at samfunnet er en svært kompleks materie, der aktørenes atferd, som ofte er uforutsigbar, i stor grad påvirker resultatene. Samtidig innebærer dette at en innenfor samfunnsfagene ofte vil kunne finne konkurrerende teorier. Ulike samfunnsfag vil være uenige i hva som er viktig, og de vil kunne ha ulike teorier om hvordan en og samme variabel utvikler seg. Selv innenfor samme fag vil en som regel finne ulike og konkurrerende teoriretninger. Derfor vil det ofte finnes ulike modeller som brukes til å simulere utviklingen for akkurat de samme variablene, som vektlegger ulike faktorer og som dermed vil kunne gi ulike resultater. Dette har noen svært viktige implikasjoner for modellbruk innenfor samfunnsfag, blant annet:

  • modellen man bruker må sees på som ett av flere mulige verktøy

  • brukeren må ha kjennskap både til hvordan verktøyet virker og til hvordan det skal brukes

  • kvaliteten på resultatene avhenger av brukerens kompetanse

  • det er naturlig å se bruken av ett verktøy i forhold til alternative verktøy

Dette betyr at de resultater modellen gir, ikke bør tolkes kategorisk. De er snarere mulige resultater, begrenset av modellen og de forutsetninger man gjør. Samtidig vil alle modeller inkludere identiteter, dvs. likheter som er absolutte (av typen 1+1=2). Dette bidrar til å sikre konsistens i de modellsimuleringer man gjør. Mange modeller er bygget opp som simultane likningssystemer. Dette hjelper oss til å sikre at den atferd som pågår i modellene skjer innenfor de rammer man modellerer, slik at man «holder orden på» alt som skjer, noe som kan være vanskelig hvis man foretar rene tankeeksperimenter. Jo mer man modellerer samtidig, desto viktigere er det å ha et slikt hjelpemiddel.

Effektutvalget har nyttet simuleringsmodeller i sitt arbeid. Vi viser blant annet til kapittel 5 (om regionale konsekvenser av makroøkonomiske utviklingstrekk) og til Effektutvalget (2002), der modellene MODAG og REGARD er nyttet. Disse er eksempler på økonomiske modeller, som brukes henholdsvis på nasjonalt og regionalt nivå.

Eksogene variabler

De variablene modellene ikke forsøker å forklare, eller som tas for gitt i analysen, kalles eksogene. Modellbruker må selv gjøre anslag på disse. Slike anslag kan gjøres på forskjellige måter, som til dels kan avhenge av hvilket formål en har med modellsimuleringen. I noen tilfeller, for eksempel når man skal lage framskrivninger av økonomisk og/eller demografisk utvikling i en region, kan det være svært viktig at det legges betydelig arbeid ned i å bestemme forutsetningene. Andre ganger, som for eksempel når man skal lage partielle «følsomhetsanalyser» eller konsekvensanalyser, kan det lønne seg å bruke mest tid og ressurser på å anslå de prosjektrettede forutsetningene (det man skal se på konsekvensene av), mens man ikke nødvendigvis trenger legge så mye arbeid i å framskaffe de forutsetningene som er felles.

Ved å variere de eksogene anslagene, kan man beregne alternative utviklingsbaner. Dette er spesielt relevant ved konsekvensanalyser, blant annet ved analyser av effekter av statlige tiltak. Ved å sammenlikne aktuelle endogene variabler i et null- eller basisalternativ med simuleringer der en endrer forutsetningene (eksogene variabler) når det gjelder aktuelle statlige tiltak, kan en få fram de partielle effektene av de statlige tiltakene.

Oppsummering

Ovenfor har vi, på generelt grunnlag, sagt noe om hvordan simuleringsmodeller kan nyttes i effektanalyser. Generelt kan en si at modeller og modellbruk aldri er bedre enn den informasjonen man benytter for å generere modellene og simulere virkeligheten. Det innebærer at man for det første bør lage en modell som er nærmest mulig den virkeligheten modellen er laget for. Ofte vil en finne konkurrerende teorier, der ulike sider av virkeligheten vektlegges i modellbyggingen, og der resultatene vil kunne bli forskjellige avhengig av hvilken teori man vektlegger.

Selv om man klarer å bygge en «perfekt» modell, i den forstand at modellen gir en svært god beskrivelse av de sammenhenger man ønsker å modellere, vil simuleringene ikke nødvendigvis bli gode. Dette henger sammen med at det alltid vil være usikkerhet knyttet til forutsetningene for beregningene, dvs. til hvordan de eksogene variablene vil utvikle seg. Feil anslag her vil spolere modellens treffsikkerhet. Samtidig er det slik at datagrunnlaget, både for de data som ligger til grunn i modellen og for de eksogene anslagene, må være av høy kvalitet for at modellberegningene skal bli av tilsvarende høy kvalitet.

Konklusjonen er at modeller og modellsimuleringer bør benyttes med varsomhet. Det er mange fallgruver, og det er uenighet om hvilke typer modeller som egner seg best til hva. Simuleringsmodeller sikrer på den annen side at relativt komplekse sammenhenger ivaretas på en konsistent måte, slik at simuleringene dermed gir resultater som er tolkbare og henger sammen. Gitt forutsetningene vil derfor en modellsimulering ved hjelp av slike modeller gi resultater som illustrerer hvordan det vil gå, dersom de modellerte sammenhengene stemmer.

2.4.3 NKA og konsekvensanalyser

Simuleringsmodeller er vel og bra i situasjoner der en skal se på effekter av enkelttiltak, og for så vidt også der en skal sammenlikne effektene av flere tiltak langs samme skala. Problemene blir større når tiltakene, eller effektene av dem, vanskelig kan kvantifiseres. Dette gjelder både for enkelttiltak og når disse skal sammenliknes.

Nyttekostnadsanalyser

Nyttekostnadsanalyse (NKA), som ofte også kalles samfunnsøkonomisk analyse, er utviklet for å kunne beregne effekter av tiltak. I prinsippet legger man da sammen alle kostnader og inntekter (nytte) ved tiltaket. Dersom inntektene er større enn kostnadene, skal tiltaket gjennomføres, og omvendt dersom kostnadene er større enn inntektene. NKA brukes i forbindelse med mange slags tiltak, men spesielt ved større infrastrukturprosjekter, som vei, jernbane, flyplass, havn osv. Metoden kan brukes både når lønnsomheten ved enkeltprosjekt skal fastlegges og når rekkefølgen av lønnsomme tiltak skal bestemmes. Fra økonomenes side hevdes det at avvik fra optimal utbyggingsrekkefølge beregnet ved NKA ikke er samfunnsøkonomisk lønnsomt, og at dette avviket representerer kostnaden ved å drive (fordelings-)politikk.

Det er flere problemer med å knytte beslutninger direkte til den rekkefølgen NKA angir for prosjekter. For det første er fordelingshensyn gitt liten plass i analysene. Dersom det er politiske målsettinger, for eksempel fordelingshensyn eller regionalpolitiske hensyn, knyttet til prosjekter, vil den økonomisk optimale rekkefølgen ofte avvikes.

En annen viktig begrensning ved NKA er at en rekke variabler, enten de representerer inntekter eller kostnader, er vanskelige å kvantifisere. Blant de variablene som er vanskelige å kvantifisere, finner vi fordelingshensyn, miljøhensyn, opplevelsesverdier etc. Siden noen variabler er vanskeligere å måle enn andre, og NKA i stor grad er et kvantitativt verktøy, kan en ikke gå ut fra at alle effektene av tiltak kan kvantifiseres. De vanskelig kvantifiserbare effektene beskrives som regel verbalt og inngår ikke i selve NKA'en. Dette innebærer at det kvantitative forholdet mellom nytte og kostnader ikke nødvendigvis gir direkte uttrykk for et gitt tiltaks lønnsomhet. Dette taler for at NKA alene ikke er et fullt ut egnet beslutningsverktøy når det skal prioriteres mellom tiltak, eller når ett tiltaks lønnsomhet skal vurderes. NKA må derfor suppleres med andre metoder, der kvantitative og kvalitative effekter av tiltak vurderes sammen.

Konsekvensanalyser

En parallell til NKA, der en forsøker å vurdere ulike typer effekter sammen, finner en innenfor planlegging og planleggingsteori. Dette kalles for konsekvensanalyser, som for eksempel inngår som en del av den norske Plan- og bygningsloven (PBL). Utgangspunktet for konsekvensanalyser er at visse utbyggingsprosjekters miljøkonsekvenser skal kartlegges som en del av planleggings- og dermed beslutningsgrunnlaget, før utbygging skjer. I Norge inkluderer konsekvensanalyser etter PBL, i tillegg til prosjektets miljøkonsekvenser, konsekvensene for naturressurser og samfunn.

Begrepet konsekvensanalyser er knyttet til prosjekter, slik de er definert i PBL. Gjennom 1990-tallet ble begrepet strategiske konsekvensanalyser utviklet. En av grunnene til dette var at konseptet konsekvensanalyser også burde kunne nyttes for andre tiltak enn prosjekter, og det ble etter hvert utviklet for bruk også i forbindelse med de tre P-er (Politikk, Planer og Prosjekter), samt for andre konsekvenser enn for miljø, naturressurser og samfunn. En del av disse konsekvensanalysene er for eksempel institusjonalisert gjennom Utredningsinstruksen (UI), se AAD (2000). I UI framgår det hvilke konsekvenser som skal utredes når politikken skal legges om på viktige områder. UI definerer også til en viss grad hva som menes med viktige politikkomlegginger. For eksempel skal økonomisk-administrative konsekvenser av politikkomlegginger alltid utredes, mens distriktspolitiske konsekvensutredninger (DKU) bør gjennomføres dersom en politikkomlegging antas å ha store konsekvenser i distriktene.

Det er utviklet forskjellige metoder som kan brukes for å kartlegge disse konsekvensene. Mye av den metodiske utviklingen har vært knyttet til systemer for saksbehandling, blant annet til hvordan innspill til konsekvensene skal komme. I PBL er det tiltakshaver som står for utredningen, mens offentliggjøring og innspill til utredningen skjer gjennom høringsrunder, med Miljøverndepartementet som ankeinstans. Når det gjelder konsekvenser av politikkomlegginger (dvs endringer i statlige tiltak) etter UI, skal konsekvensene kartlegges av departementet som står for endringen, og da gjerne med bistand fra fagdepartementet på det aktuelle konsekvensområdet. Ankeinstans her er Regjeringen.

I veiledningsmateriale som er utarbeidet i forbindelse med PBL og UI, finner en igjen sjekklister over de variabler konsekvenser skal kartlegges for. Disse variablene lar seg ikke summere. Noen konsekvenser vil være store, andre små, mens noen konsekvenser vil være «positive» og andre «negative». Hvilken vekt de ulike konsekvensene skal gis når beslutning om prosjektet eller politikkendringen skal fattes er ikke en del av lovverket og instruksene. Vektingen overlates til beslutningsfatterne, og formålet med å utrede konsekvensene av tiltakene er at beslutningsgrunnlaget skal forbedres.

2.5 Kategorisering av tiltak

Utvalget har også vurdert muligheten for å sammenlikne tiltak med utgangspunkt i egenskaper ved tiltakene selv. Med dette mener vi at vi kan gruppere de ulike statlige tiltakene med utgangspunkt i hva slags virkemiddel det er snakk om (virkemiddelets funksjon), virkemiddelets intensjon, virkemiddelets effekt (for regional utvikling og distriktspolitiske mål), virkemiddelets styrbarhet, eller kombinasjoner av disse egenskapene. Dette kan også gi oss mulighet til å si noe om tiltakenes betydning for regional utvikling og distriktspolitiske mål.

2.5.1 Kategorisering etter type virkemiddel (funksjon)

Staten råder over en rekke ulike tiltak, og alle tiltakene har på en eller annen måte effekter. Man kan velge å gå inn på hvert lille tiltak for seg, eller man kan velge å gruppere dem i ulike typer, etter hvilken funksjon de har.

Utgangspunktet for en kategorisering etter funksjon er at staten har en rekke oppgaver. Noen løses gjennom statlig egenaktivitet, mens andre løses ved å påvirke andre aktører gjennom ulike former for belønning og straff, eller gjennom direkte regulering. Med utgangspunkt i dette kan vi kategorisere virkemidler etter funksjon og antyde noe om forskjellene mellom de ulike typene virkemidler. Tiltakene kan for eksempel kategoriseres slik:

Statlig egenaktivitet

En del oppgaver løses av staten selv. Det innebærer at staten gjennomfører tiltakene, gjennom selv å produsere produkter (hovedsakelig tjenester, men også noen varer). Dette medfører også statlig sysselsetting. Eksempler på statlig egenaktivitet er offentlig administrasjon, universiteter, høgskoler, forsvaret, sjukehus etc, i tillegg til en del tilsynsvirksomhet. Argumentene for å drive slik egenaktivitet, framfor at private produserer de aktuelle produktene, er dels av politisk karakter, det vil si at det er knyttet politiske mål til offentlig egenaktivitet, og dels økonomisk begrunnet. Effektene av statlig egenaktivitet er at tjenestene og varene som produseres leveres til brukerne, samt at det innebærer sysselsetting i, og innkjøp av underleveranser til, de aktuelle virksomhetene. Statlig egenaktivitet kan ha andre regionale og distriktspolitiske effekter enn privat produksjon på tilsvarende områder, blant annet siden politiske prioriteringer kan innebære at andre løsninger enn de mest økonomiske velges.

sysselsettingssiden har statlig egenaktivitet først og fremst effekter der arbeidsplassene er lokalisert. Staten står fritt når det gjelder lokalisering av denne typen arbeidsplasser, og dermed kan den også velge å lokalisere dem i tråd med regional- og distriktspolitiske mål selv om dette kanskje kan være mer kostbart enn dersom en legger rene effektivitetshensyn til grunn for lokaliseringen.

Effektene av statlig egenaktivitet lokalt er knyttet hovedsakelig til at dette gir et sysselsettings- og inntektsgrunnlag. Inntekten som opptjenes kan brukes til å kjøpe inn varer og tjenester lokalt, og den bidrar til å øke skattegrunnlaget for kommunen der de sysselsatte er bosatt. I tillegg vil staten kunne kjøpe inn en del utstyr og tjenester lokalt. Til sammen vil dette kunne gi betydelige lokale ringvirkninger, og i noen tilfeller til at markedet for visse tjenester blir så pass stort at det kan bli lønnsomt å produsere dem (man kommer over «terskler» for tjenesteproduksjon). I deler av landet hvor alternativ sysselsetting er begrenset, kan statlig sysselsetting også bidra til å opprettholde et visst kompetansenivå.

Generelt er statlig virksomhet av en viss størrelse ikke lokalisert til de mest perifere delene av landet (kanskje bortsett fra forsvaret). Dette innebærer at lokaliseringseffektene i stor grad kommer sentrum til gode, enten det er snakk om sentrum i periferien eller sentrum i sentrum (Oslo og de andre større byene). Utlokalisering av statlig virksomhet, som foreslått i St.meld. nr. 17 (2002-2003) og vedtatt av Stortinget våren 2003, innebærer at en del tilsyn blir flyttet fra Oslo til byer og tettsteder i andre deler av landet. Tilsynene vil, i tråd med det som er nevnt ovenfor og i det begrensede omfang det her er snakk om (i underkant av 1000 arbeidsplasser totalt), komme til å få lokale effekter der de lokaliseres, mens effektene for regional utvikling, spesielt i perifere regioner, og i forhold til distriktspolitiske mål, vil bli begrensede.

Lokaliseringen av statlig egenaktivitet er i utgangspunktet lett å bestemme fra sentralt, politisk hold, og det blir også gjort i en del tilfeller. Samtidig er det slik at modernisering av offentlig sektor, gjennom effektiviserende reformer eller New Public Management (NPM), se Christensen (2003), bidrar til at en del beslutninger knyttet til drift av offentlige virksomheter flyttes fra politisk nivå til virksomhetene selv. Målsetningen med driften kan fortsatt være det samme, men virksomhetene selv bestemmer mer av hvordan de politisk definerte oppgavene blir løst innenfor gitte rammer, og de vurderes av det politiske nivået som de beste til å kunne løse disse oppgavene. Effektivisering, eller hvordan få mest mulig ut av de pengene som brukes, står sentralt innenfor NPM. De sektorvise oppgavene blir da i fokus. Målsettinger knyttet til regional utvikling og distriktspolitikk vil i slike tilfeller kunne bli sekundære. Vi får en konflikt mellom de oppdragene virksomhetene har fått fra politisk hold og andre målsettinger, som ikke er direkte sektorpolitisk relevante, men knyttet til selve aktiviteten. Det politiske nivået har altså gitt fra seg en del av styringen av disse virksomhetene, noe som selvsagt gjør det vanskeligere å styre lokaliseringen av dem.

Statlige innkjøp

Ovenfor har vi pekt på at innkjøp av varer og tjenester fra staten lokalt kan bidra til at markedet for produksjonen av visse varer og tjenester i et lokalsamfunn kan komme over en viss minstestørrelse (terskelverdi). Samtidig er det slik at de ulike etatene har sterke krav knyttet til sin innkjøpspolitikk. De står selv ansvarlige for sine innkjøp, men i hovedsak skal varer og tjenester kjøpes inn der de er billigst. De lokale effektene av den lokaliserte statlige virksomhets innkjøpspolitikk kan derfor være begrenset, spesielt i mindre tettsteder.

I andre tilfeller er statlig innkjøpspolitikk sterkt sentralisert. Staten inngår avtaler med visse leverandører, og den oppnår rabatter i kraft av sin størrelse. For eksempel har staten inngått avtale med enkelte flyselskap om at de ansatte skal bruke selskapene når de reiser visse strekninger. Innenlandske reiser skal for eksempel fortrinnsvis skje med Norwegian Air Shuttle, på de strekninger dette selskapet flyr. Denne typen statlig press skjer dels for å unngå at noen selskaper skor seg på staten ved å utnytte sin markedsmakt, dels for å spare penger på statens vegne.

I en del tilfeller, spesielt innenfor samferdselssektoren, står statlige kjøp av tjenester som en slags garanti for at tilbud som ikke er privatøkonomisk lønnsomme likevel blir gitt. Staten kjøper i dette tilfelle tjenester den ikke nødvendigvis bruker, og selskapet som leverer tjenesten blir garantert en minsteinntekt. Dette gjelder innkjøp av tjenester fra Posten og fra NSB, så vel som for en del flyruter, og det har til dels kommet distriktene til gode.

Statlige reguleringer

I den norske blandingsøkonomien er aktørene sterkt regulert, både gjennom ulike insentivsystemer og gjennom direkte reguleringer, lover og regler. Poenget med disse reguleringene er at staten mener andre bør stå for produksjonen av tjenestene, men at det er knyttet visse forpliktelser til produksjonen av dem. Disse forpliktelsene er ofte politisk bestemte, eller de kan være motivert fra effektivitetshensyn, ved at det er forskjell mellom hva som er privatøkonomisk og samfunnsøkonomisk lønnsomt.

Direkte reguleringer skjer gjennom lover, forskrifter og pålegg og påvirker bedrifter, personer og kommuner. Denne typen reguleringer kan blant annet innebære at det er knyttet standarder og krav til visse typer virksomheter, at noe er forbudt eller at det er regulert på andre måter. For eksempel er det som hovedsak byggeforbud i nasjonalparker og i kystsonen, utslipp fra næringsvirksomhet er regulert og det er minimumsstandarder (kvalitetsstandarder) knyttet til drift av barnehager og skoler. Noen former for driftsrett er konsesjonsregulert, noe som påvirker innholdet i aktiviteten og antallet aktører som kan drive.

I den grad visse aktiviteter er regulert gjennom forbud, fungerer reguleringene som hovedsak etter hensikten. Det betyr at staten kan regulere uønskede forhold på denne måten. Ved for eksempel utbygging av naturvernområder, som ofte befinner seg i distriktene, kan dette resultere i en konflikt mellom vern og vekst, eller mellom naturvern og regional næringsutvikling, se Sandberg (2003). Statlige forbud kan altså resultere i mindre regional utvikling i distriktene enn ønsket.

Andre former for statlige direkte reguleringer kan ofte virke kostnadsdrivende for de regulerte virksomhetene. Eksemplene ovenfor, knyttet til utslipp og kvalitetsstandarder, viser dette. For å justere utslipp ned mot det nivået som tillates, kan private virksomheter måtte investere i renseteknologi. Når det gjelder kvalitetsstandarder, for eksempel at det er et maksimalt antall barn pr lærer i en skoleklasse eller pr ansatt i barnehager, påvirkes virksomhetens kostnader av dette. Denne typen reguleringer kan, ved at de er kostnadsdrivende, påvirke næringsutviklingen forskjellig i ulike regioner dersom det er ulike kostnadsstrukturer i de ulike regionene.

Den andre hovedformen for statlig regulering av privat sektor skjer gjennom ulike typer insentivsystemer. Insentivsystemene er tilrettelagt slik at det er (økonomisk) belønning og/eller straff knyttet til aktørers atferd. Noen skatter og avgifter representerer i den forstand utgifter (straff) for de private aktørene, mens ulike former for økonomisk støtte (eller fritak for skatter og avgifter) representerer inntekter (belønning). En del av virkemidlene er automatiske, som for eksempel skatt på inntekt, mens andre utløses som en direkte konsekvens av atferd, som for eksempel bensinavgiften.

Vi kan skille mellom generelt og selektivt virkende støtteordninger. Generelt virkende ordninger tilfaller «alle» som tilfredsstiller visse kriterier. Disse kjennetegnes av at de ikke krever byråkratiske løsninger for å administreres. Selektivt virkende ordninger tildeles etter søknad. Her må støttemottaker, i tillegg til å tilfredsstille visse kriterier, også konkurrere med andre potensielle mottakere om et gitt beløp. Tildeling kan skje etter ulike kriterier, for eksempel etter «først til mølla»-prinsippet, etter kvalitetskriterier eller etter potensiell effekt for målsettingen med virkemiddelet. Bruk av selektive virkemidler innebærer at de må vurderes av et statlig (eventuelt andre) apparat for dette. Det vises for øvrig til Effektutvalget (2002) for en nærmere drøfting av forskjellen mellom automatisk og selektivt virkende virkemidler.

Insentivsystemer kjennetegnes ved at formålet er å påvirke aktørers atferd i ønsket retning. Det betyr også at staten, som utformer politikken, må ha en ide om hvordan aktørene responderer på virkemiddelbruk, og at virkemidlene utformes slik at målsettingene med virkemidlene oppnås i best mulig grad. Det betyr at virkemidlene bør utformes målrettet. Dersom målsettingene med gitte tiltak verken er regional utvikling eller distriktspolitikk, kan man ikke forvente at disse politikkområdene påvirkes i ønsket retning uten at det er samsvar mellom sektorpolitiske mål på den ene siden og regional utvikling og distriktspolitiske mål på den andre siden. For eksempel har Effektutvalget (2002) vist at redusert arbeidsgiveravgift virker etter hensikten. Arbeidsgiveravgiften er også et eksempel på en avgift som har vært regionalt differensiert, altså har vært gitt en regional profil, i utgangspunktet.

Infrastruktur

Investering i og drift av infrastruktur er et annet virkemiddelområde for staten. Infrastruktur bidrar til å produsere visse grunnleggende tjenester blant annet for kommunikasjon, transport og lignende. Effektutvalget har drøftet effekter av tiltak innenfor infrastruktur nærmere i kapittel 6. Grunnleggende infrastruktur er en nødvendig, men ikke tilstrekkelig, betingelse for at målsettingene innenfor regional- og distriktspolitikken kan oppnås. Dette er også et område der EUs konkurranseregler ikke begrenser myndighetsutøvelsen fra statens side.

Statlige velferdsordninger

Statlige velferdsordninger er et viktig virkemiddelområde. Disse innebærer i stor grad et sikkerhetsnett for befolkningen, i form av helsetjenester, utdanningstjenester, sosialstønad, ulike former for trygder og andre personrettede stønadsordninger. En god del velferdsoppgaver er delegert til kommunene og finansieres gjennom statlige rammetilskudd og øremerkede tilskudd, mens andre drives av staten selv. Noen velferdstjenester produseres av private og støttes gjennom statlige tilskudd (for eksempel barnehager). Tjenestene er personrettede og tilfaller derfor folk som tilfredsstiller visse kriterier, der de bor. I den forstand kan velferdsordningene være av stor betydning i områder som er rammet av økonomisk tilbakegang, i det de kan bidra til å opprettholde inntektsnivå (stønadsordninger) eller velferdsproduksjonen selv uten en stor lokal og regional bæreevne for dette (se kapittel 4 eller Ørbeck 2002).

Konklusjon

Hensikten med å kategorisere tiltak etter funksjon er å si noe om i hvilken grad de ulike tiltakene har ulik betydning for regional utvikling og distriktspolitiske mål. Statlig egenaktivitet, gjennom lokalisering av virksomhet med tilhørende sysselsetting, har stor økonomisk betydning (direkte og indirekte) i de områder de blir lokalisert. Dette er altså et effektivt virkemiddel dersom en ønsker å bidra til vekst i et område. Velferdsordningene er viktige for å sikre at ulike deler av landet ikke er avhengig av sin lokale eller regionale (økonomiske) bæreevne for å kunne betjene slike tiltak. I perifere deler av landet, med en relativt smal økonomisk basis, kan de statlige velferdsordningene være av svært stor økonomisk betydning, spesielt i nedgangstider. Direkte reguleringer av private aktører kan påvirke aktivitetsnivået i et område, spesielt dersom reguleringen er streng (forbud). Insentivsystemer gjennom skatter, avgifter og subsidier påvirker private aktørers atferd og gjennom dette også aktivitetsnivået regionalt. Infrastruktur, enten det gjelder investeringer eller drift, er viktig som en del av rammebetingelsene for regional utvikling, men infrastruktur i seg selv er mer en nødvendig enn en tilstrekkelig betingelse for utvikling.

2.5.2 Kategorisering etter distriktspolitisk intensjon og effekt

Statlige tiltak kan også kategoriseres etter hensikten med tiltaket. I forbindelse med arbeidet i forkant av at effektutvalget ble oppnevnt, ble det gjennomført en analyse (Mønnesland mfl 1999) som diskuterte kriterier for avgrensning av distriktspolitiske tiltak 2 . Utgangspunktet for dette arbeidet var at en del tiltak har distriktspolitisk intensjon, andre har distriktspolitisk effekt, mens noen tiltak i liten grad påvirker distriktspolitiske mål. Denne tredelingen er vanlig, og den kan bidra til å gi oss en måte å sammenlikne forskjellige tiltak på:

  1. Distriktspolitiske ordninger og tiltak, hvori inngår distriktspolitiske særordninger under KRD, distriktspolitisk begrunnede sektortiltak og sektortiltak der distriktspolitikk er en av flere begrunnelser.

  2. Ordninger og tiltak som ikke er distriktspolitisk intenderte, men som kan ha slike virkninger

  3. Ordninger og tiltak som ikke antas å ha særlig virkninger for distriktspolitiske mål

Lista ovenfor gir oss en måte å kategorisere på, der en både tar omsyn til intensjon (punkt 1) og effekt (punkt 2), og at noen tiltak ikke har særlig virkninger for målene (punkt 3). Vi får ingen mulighet til å vurdere de ulike tiltakene mot hverandre med utgangspunkt i denne lista. Tiltak under punkt 2 kan for eksempel ha negativ effekt på de distriktspolitiske målene, eller de kan være av større positiv betydning enn de positive tiltakene under punkt 1, der en ikke sier noe om effekten av tiltakene. Likevel er lista hensiktsmessig i den forstand at den sier noe om fokus i politikken, når det gjelder i hvilken grad distriktspolitikken er prioritert.

2.5.3 Kategorisering etter styrbarhet og effekt

På den ene siden har vi altså politikkens effekter for regional utvikling og distriktspolitiske mål, og den kan ha «stor» eller «liten» betydning. Da ser vi bort fra hvilken intensjon som er knyttet til politikken, idet vi innser at intensjonen ikke nødvendigvis har noe å si for dens effekter. Det er klart at politikkens regionale styrbarhet har stor betydning for hvor effektiv statens sektorpolitikk vil være for regional utvikling og distriktspolitiske mål. Styrbarhet og effekt er to forskjellige ting, og ulike politikkområder vil ha ulik grad av kombinasjoner av disse egenskapene (figur 2.2).

Figur 2.2 Politikkområder etter regionalpolitisk effekt og grad av styrbarhet

Figur 2.2 Politikkområder etter regionalpolitisk effekt og grad av styrbarhet

Øverst til høyre i figuren er det vi har valgt å kalle strategiske områder. Dette er politikkområder som har stor regional effekt og som har en stor grad av styrbarhet, og de er i den forstand de mest relevante politikkområdene.

Politikkområder med liten grad av styrbarhet og liten effekt har vi valgt å kalle autonome områder. Her kan staten sette inn store virkemidler, men uten at det gir særlig effekt, nettopp siden de i liten grad er styrbare.

Politikkområder med liten grad av styrbarhet, men stor regionalpolitisk effekt har vi valgt å kalle viktige områder. Et eksempel på slike er velferdssystemet, som er automatisk og politisk valgt å ikke være styrbart. Dette kan selvsagt endres, dersom politiske prioriteringer endres, noe som også er antydet i figuren.

Den siste typen områder har vi valgt å kalle mindre viktige i regionalpolitisk forstand. Dette henger sammen med at graden av styrbarhet er stor, men effektene er små. Det er derfor ikke noe poeng å fokusere på slike tiltak.

Ulike politikkområder kan plasseres i figuren, noe som kan fungere som et grunnlag for å sammenlikne dem. De viktigste områdene er dem som er mest styrbare og gir størst effekt.

Fotnoter

1.

Plan- og Analysemodell for Næringsliv, Demografi og Arbeidsmarked

2.

Noter at vi her snakker om distriktspolitikk , ikke om politikk som påvirker regional utvikling

Til forsiden