Linköpings universitet | Institutionen för ekonomisk och industriell utveckling Examensarbete i nationalekonomi Civilekonomprogrammet Vårterminen 2021 | ISRN-nummer: LIU-IEI-FIL-A--21/03689--SE
Estimering av betalningsvilja
för Ostlänkens intrång i
Linköping med binär CVM
Estimation of Willingness to Pay for the Encroachment
from Ostlänken in Linköping with Binary CVM
Niklas Göransson Adam Åsenius
Handledare: Pernilla Ivehammar
Linköpings universitet SE-581 83 Linköping, Sverige
Sammanfattning
Vi har estimerat betalningsviljan i Link¨opings kommun f¨or att undvika intr˚ang i t¨atorten av projektet Ostl¨anken. Tv˚a alternativ st¨alls mot varandra, ett som in-neb¨ar att utbyggnad av j¨arnv¨ag sker i markplan mot ett som inin-neb¨ar att ny och befintlig j¨arnv¨ag f¨orl¨aggs i en tunnel. Detta leder till att betalningsviljan best˚ar av att undvika nytt intr˚ang och bli av med befintligt intr˚ang. Trafikverkets kal-kyl visade h¨ogre samh¨allsekonomisk nytta vid dragning i markplan. De har dock inte v¨arderat betalningsviljan f¨or minskat intr˚ang och vi unders¨oker d¨arf¨or om be-talningsviljan p˚averkar resultatet av den samh¨allsekonomiska l¨onsamheten f¨or att f¨orl¨agga j¨arnv¨agen i en tunnel genom t¨atorten. F¨or att g¨ora estimeringen har vi anv¨ant oss av bin¨ar CVM genom att dela enk¨ater via n¨atet. L¨ankar till enk¨aterna delades i grupper p˚a Facebook knutna till Link¨oping. Respondenterna randomise-rades med hj¨alp av en server till en enk¨at med n˚agot av de fyra buden. Studien visar att estimeringen av betalningsviljan ¨ar sv˚ar att precisera f¨or det erh˚allna urvalet. Enligt de estimerade 95%-konfidensintervallen hamnar betalningsviljan mellan 6 662 miljoner kronor och 20 417 miljoner kronor. Nettonuv¨ardet n¨ar v˚ar estimerade betalningsvilja kompletterar Trafikverkets kalkyl blir d˚a som l¨agst -690 miljoner kronor och som h¨ogst 13 065 miljoner kronor. Detta ger indikationer p˚a att ett tunnelalternativ som undviker intr˚ang skulle kunna vara samh¨allsekonomiskt l¨onsamt j¨amf¨ort med alternativet att f¨orl¨agga j¨arnv¨agen i markplan. Till f¨oljd av trunkeringar i datamaterialet och ett ej slumpm¨assigt urval finns os¨akerhet i resul-tatet. Studien visar ¨andock vikten av att kvantifiera f¨orv¨antat stora e↵ekter som kan ha en p˚averkan p˚a den samh¨allsekonomiska l¨onsamheten.
Abstract
We have estimated the willingness to pay in Link¨oping’s county in order to avoid encroachment in the urban area from the project Ostl¨anken. Two alternatives are compared, one which involves an extension of the railroad on the surface and anot-her which involves the new and existing railroad being located in a tunnel. This means that the willingness to pay consists of avoiding new encroachment as well as getting rid of existing encroachment. Trafikverket’s estimation displayed a hig-her economic benefit from constructing the railroad on the surface. However, they have not estimated the willingness to pay in order to avoid the encroachment. We therefore investigate whether the willingness to pay for a tunnel through the urban area a↵ects the outcome of the economic benefit. In order to perform the estima-tion, we have used binary CVM through online surveys. Links to the surveys were shared in groups on Facebook which were tied to Link¨oping. The respondents were randomised with the use of a server to any of the four bids. The study shows that the estimated willingness to pay is hard to pinpoint given the acquired sample. According to the 95% confidence intervals the willingness to pay is between 6 662 million crowns and 20 417 million crowns. The net present value, when our esti-mated willingness to pay complements Trafikverket’s analysis, ranges from -690 million crowns to 13 065 million crowns. This indicates the possibility that an alternative with a tunnel, which avoids encroachment, is more economically be-neficial than the alternative to construct the railroad at the surface. Following truncation in the acquired data in combination with the non-random selection, there is uncertainty in the outcome. The study nevertheless highlights the impor-tance of quantifying e↵ects which are expected to be great enough to impact the outcome.
Inneh˚
allsf¨
orteckning
1 Inledning 1
1.1 Syfte . . . 4
1.2 Metod & Avgr¨ansning . . . 4
2 Alternativbeskrivning f¨or dragning av Ostl¨anken 5 2.1 Beskrivning av Alternativ 1 med st¨orre intr˚ang . . . 5
2.2 Beskrivning av Alternativ 2 med mindre intr˚ang . . . 6
2.3 Skillnader mellan alternativen . . . 8
3 Samh¨allsekonomisk kalkyl 9 4 Metoder f¨or att v¨ardera e↵ekter 13 4.1 Betalningsvilja . . . 13
4.2 Stated Preferences-metoder . . . 14
4.3 Contingent Valuation Method . . . 15
4.4 Compensating Variation och Equivalent Variation . . . 17
4.5 Metoder f¨or estimering av resultat fr˚an en unders¨okning med bin¨ar CVM . . . 19
4.5.1 Parametrisk estimering med logit-regression . . . 19
4.5.2 Icke-parametrisk estimering med linj¨ar interpolation & Kaplan-Meier . . . 21
6.2 Logit-regressioner . . . 33
6.3 Linj¨ar interpolation & Kaplan-Meier . . . 35
6.4 Kalkyl . . . 36
7 Analys 39 7.1 Uppm¨att kontra teoretiskt korrekt betalningsvilja . . . 40
7.2 K¨anslighetsanalys . . . 41
7.2.1 Ej monet¨art v¨arderade e↵ekter . . . 44
7.3 Metodanalys . . . 47 8 Slutsats 49 9 Referenser 51 10 Bilagor 56 10.1 Bilaga 1 . . . 56 10.2 Bilaga 2 . . . 58
1
Inledning
T˚ag ¨ar det energisn˚alaste f¨ardmedlet och ¨ar ett av de f¨ardmedel som p˚averkar klimatet minst (Trafikverket, 2019). EU har gett ut riktlinjer f¨or att bygga ut det transeuropeiska transportn¨atet, vars m˚al ¨ar att skapa ett e↵ektivt och h˚allbart gemensamt transportn¨at. Ett projekt av gemensamt intresse ska “vara ekonomiskt l¨onsamt p˚a grundval av en samh¨allsekonomisk kostnads-nyttoanalys” (F¨orordning 1315/2013, 2013, artikel 7, punkt 2c). Trafikverket framf¨orde 2016 i ett PM att ett h¨oghastighetst˚agsprojekt visade p˚a en nettonuv¨ardesnytta p˚a -253 miljarder kro-nor (Trafikverket, 2016). Trots det planeras projektet G¨otalandsbanan att byggas. Det ¨ar ett h¨oghastighetst˚agsprojekt med ¨andam˚al att motverka de kapacitetsbris-ter som finns p˚a V¨astra och S¨odra stambanorna1 i Sverige (Trafikverket, 2010).
Projektet bidrar till att underl¨atta resor mellan Stockholm och G¨oteborg, vilket i f¨orl¨angningen ¨aven underl¨attar resande i den Nordiska triangeln: Stockholm-Oslo-K¨openhamn (Trafikverket, 2014b). Utbyggnaden av G¨otalandsbanan m˚aste ske i etapper. Delen mellan J¨arna och Link¨oping ben¨amns Ostl¨anken (Trafikverket, 2010) och ¨ar f¨or n¨arvarande det st¨orsta infrastrukturprojektet i Sverige (Trafik-verket, 2020). Ostl¨anken ska bidra till att uppfylla G¨otalandsbanans ¨andam˚al, underl¨atta arbetspendling inom ber¨orda regioner samt att bidra som del till S¨odra stambanan (Trafikverket, 2010).
Inom Link¨oping ¨ar det ¨annu inte beslutat om Ostl¨anken ska f¨orl¨aggas genom t¨atorten eller i ett externt l¨age, utanf¨or t¨atorten (Trafikverket, 2021). Detta ar-bete avgr¨ansar sig till det fall d¨ar Ostl¨anken f¨orl¨aggs genom centrala Link¨oping. De alternativ som Trafikverket utreder innefattar fyra korridorer, korridor A-D (Trafikverket, 2014b). N˚agra av dessa alternativ innefattar att j¨arnv¨agen f¨orl¨aggs
i upph¨ojt l¨age med en bro ¨over St˚ang˚an. De andra alternativen innefattar att j¨arnv¨agen f¨orl¨aggs under markytan. De senare alternativen ger mindre intr˚ang i staden i form av att stora ytor frig¨ors i centrala Link¨oping (Trafikverket, 2014b). I detta arbete kommer korridor A, h¨adanefter kallat Alternativ 1, j¨amf¨oras med korridor C, h¨adanefter kallat Alternativ 2. J¨amf¨orelsen mellan Alternativ 1 och Al-ternativ 2 illustrerar dilemmat mellan intr˚ang och kostnad. I Alternativ 1 placeras stationen i upph¨ojt l¨age ¨oster om St˚ang˚an p˚a en bro med nio plattformssp˚ar, vilket inneb¨ar att brons bredd vid stationen blir cirka 100 meter, se figur 1. Totalt blir l¨angden p˚a bron cirka 2,3 km, vilket inkluderar ramper. F¨or ytterligare detaljer, se avsnitt 2.1.
Figur 1: Alternativ 1 - Rendering av bro ¨over St˚ang˚an, k¨alla: Trafikverket, 2014b, s.47
I Alternativ 2 placeras stationen ungef¨ar 35-40 meter under markytan ¨oster om St˚ang˚an. Stationen innefattar ˚atta plattformssp˚ar med en bredd p˚a cirka 125 me-ter. Den bl˚a kupolen visar var nedg˚angen till den underjordiska stationen skulle byggas enligt Alternativ 2, se figur 2. F¨or ytterligare detaljer, se avsnitt 2.2.
Figur 2: Alternativ 2 - Rendering av tunnel under centrum, k¨alla: Trafikverket, 2014b, s.48
Trafikverket har i sin utredning anv¨ant sig av en di↵erenskalkylmodell f¨or att un-ders¨oka nyttor2 och kostnader3. I utredningen framkom det att tunnelalternativet
tycks ge en s¨amre samh¨allsekonomisk l¨onsamhet ¨an att f¨orl¨agga j¨arnv¨agen i mark-plan. Trafikverket har dock inte tagit fram n˚agon monet¨ar v¨ardering av det ¨okade intr˚anget som Alternativ 1 medf¨or eller f¨or det minskade intr˚anget i Alternativ 2 (Trafikverket, 2014a). Detta resulterar i att en del av de positiva e↵ekterna som uppst˚ar av att f¨orl¨agga j¨arnv¨agen i en tunnel riskerar att utel¨amnas fr˚an kalkylen.
1.1
Syfte
Syftet med uppsatsen ¨ar att estimera betalningsviljan hos kommuninv˚anarna i Link¨oping f¨or att f¨orl¨agga delen av Ostl¨anken och S¨odra stambanan som g˚ar genom Link¨opings t¨atort i en tunnel under marken gentemot alternativet att f¨orl¨agga Ostl¨anken och att beh˚alla S¨odra stambanan ovan mark. Vidare kommer estimeringen att anv¨andas som komplement till Trafikverkets samh¨allsekonomiska l¨onsamhetskalkyl f¨or att unders¨oka p˚averkan av betalningsviljan p˚a den samh¨alls-ekonomiska l¨onsamheten.
1.2
Metod & Avgr¨
ansning
Betalningsviljan har estimerats med bin¨ar CVM (Contingent Valuation Method). Metoden ska, enligt teorin, undvika en del strategiska beteenden och anchoring-bias som finns i CVM med individuell maximal betalningsvilja. N¨ar ett scenario ska beskrivas f¨or respondenterna kr¨avs en unders¨okningsform som kan underl¨atta visualisering. Brevenk¨ater eller personliga intervjuer hade kunnat anv¨andas vid ett slumpm¨assigt urval fr˚an kommunens inv˚anare. P˚a grund av kostnadssk¨al har vi ist¨allet fr¨amst anv¨ant oss av enk¨ater p˚a n¨atet genom att dela en l¨ank i grupper knutna till Link¨oping p˚a Facebook. Vi har vidtagit vissa ˚atg¨arder f¨or att f¨ors¨oka korrigera f¨or urvalsproblem, se avsnitt 5.
Studien ¨amnar att unders¨oka om det finns en betalningsvilja f¨or att undvika ett centralt intr˚ang av Ostl¨anken i Link¨oping samt att minska dagens intr˚ang av S¨odra stambanan. Studien f¨ors¨oker inte lokalisera b¨asta dragning f¨or projektet av alla m¨ojliga korridorer.
2
Alternativbeskrivning f¨
or dragning av Ostl¨
anken
2.1
Beskrivning av Alternativ 1 med st¨
orre intr˚
ang
Alternativ 1 str¨acker sig fr˚an Malmskogen i ¨oster till Steningeviadukten i v¨aster, se figur 3. Detta motsvarar en str¨acka om cirka 6 km. Fr˚an Malmskogen f¨orl¨aggs Ostl¨ankens tv˚a sp˚ar norr om S¨odra stambanan ovan mark i drygt 2 km. D¨arefter dras Ostl¨anken och S¨odra stambanan s¨oder om befintlig j¨arnv¨ag i cirka 500 m. Sedan p˚ab¨orjas en ramp f¨or b˚ada j¨arnv¨agarna, vilken g˚ar fr˚an fyra till sex sp˚ar i bredd n¨ar rampen blir till en bro. Bron blir i sin tur cirka 1,5 km l˚ang och innefattar den nya stationen ¨oster om St˚ang˚an, se figur 1 i avsnitt 1. Den nya stationen f˚ar nio plattformssp˚ar, vilket blir cirka 100 m brett. Av dessa ¨ar fyra plattformssp˚ar avsedda f¨or Ostl¨anken, tv˚a f¨or Tjust- och St˚ang˚adalsbanan och tre f¨or S¨odra stambanan.
F¨orbi det nya stationsl¨aget kommer t˚agen att kunna h˚alla en h¨ogsta hastighet om 160 km/h. Efter bron planeras det en cirka 400 m l˚ang ramp ned till markytan varp˚a anslutning av de nya sp˚aren g¨ors ¨oster om Steningeviadukten. Eftersom detta alternativ inte r¨atar ut kurvan vid Steningeviadukten, se Ostl¨ankens avslut i figur 3, begr¨ansas hastigheten d¨ar till nuvarande 80 km/h. Fortsatt v¨asterut om Stening-eviadukten blir hastighetsbegr¨ansningen 110 km/h, som det ¨ar i dagsl¨aget. Detta inneb¨ar att Alternativ 1 inte klarar av den planerade standarden f¨or Ostl¨anken om 320 km/h, vilket p˚averkar restidsm˚alen. Godst˚agen antas i Alternativ 1 fort-satt anv¨anda S¨odra stambanans sp˚ar. Total anl¨aggningskostnad f¨or Alternativ 1 ber¨aknas bli cirka 10 336 miljoner kronor i 2010 ˚ars prisniv˚a (Trafikverket, 2014a).
Figur 3: Karta ¨over Alternativ 1, k¨alla: Trafikverket, 2014b, s.36
2.2
Beskrivning av Alternativ 2 med mindre intr˚
ang
Alternativ 2 str¨acker sig i ¨oster fr˚an Malmskogen till ¨oster om v¨ag 34 i v¨aster, se Ostl¨ankens avslut i figur 4. Detta motsvarar en str¨acka om cirka 10,5 km. Fr˚an Malmskogen f¨orl¨aggs tv˚a sp˚ar i markplan i cirka 1,3 km, norr om S¨odra stam-banan. Sedan byggs en ramp som g˚ar ned i en betongtunnel innan den ¨overg˚ar i enkelsp˚ariga bergtunnlar. En underjordisk station byggs ¨oster om St˚ang˚an cir-ka 35-40 m under mark, se figur 2 i avsnitt 1. Denna planeras ha ˚atta platt-formssp˚ar, varav fyra f¨or Ostl¨anken och fyra f¨or S¨odra stambanan och Tjust-och St˚ang˚adalsbanan. Stationen planeras att utformas antingen som fyra sepa-rerade stationsrum med tv˚a sp˚ar och en mellanplattform i varje rum eller som fyra stationsrum med tv˚a sidoplattformar i varje stationsrum. Det sistn¨amnda ger
m¨ojlighet till s¨akrare l¨osning f¨or passerande h¨oghastighetst˚ag. Tillg¨angligheten till stationen kan ¨oka genom nedg˚angar p˚a b˚ada sidor om St˚ang˚an.
Kurvan vid Steningeviadukten kommer i detta alternativ r¨atas ut f¨or j¨arnv¨agen. Fortsatt v¨asterut, ungef¨ar i h¨ojd med Bergsv¨agen, ¨overg˚ar bergtunnlarna ˚aterigen till en betongtunnel som sedan via en cirka 300 m l˚ang ramp f¨or j¨arnv¨agen upp till markytan. Ovan mark ˚aterst˚ar 600 m sp˚ar innan Ostl¨anken ansluter till S¨odra stambanan. S¨odra stambanan f˚ar ny dragning s¨oder om Ostl¨anken, ¨aven den i tunnel men den f¨oresl˚as bli dubbelsp˚arig. Godstrafiken f˚ar en egen enkelsp˚arig bana s¨oder om S¨odra stambanan, vilket bidrar till b¨attre kapacitet och omk¨ornings-m¨ojligheter. Total anl¨aggningskostnad f¨or Alternativ 2 ber¨aknas bli cirka 17 500 miljoner kronor i 2010 ˚ars prisniv˚a (Trafikverket, 2014a).
2.3
Skillnader mellan alternativen
Med sp˚aren under markytan och en utr¨atning av kurvan vid Steningeviadukten ¨ar det m¨ojligt f¨or t˚agen att h˚alla en h¨ogre hastighet om 320 km/h i Alternativ 2. Detta resulterar i en restidsf¨orb¨attring j¨amf¨ort med Alternativ 1 p˚a 32 sekunder f¨or regionalt˚ag, 50 sekunder f¨or de interregionala t˚agen och 48 sekunder f¨or de nya snabbt˚agen som stannar. Dessutom blir restidsf¨orb¨attringen f¨or de nya snabbt˚agen som inte stannar i Link¨oping 1 minut och 48 sekunder (Trafikverket, 2014a, Tabell 4.1). Kostnadsskillnaden g¨or att Alternativ 2 ¨ar cirka 7 164 miljoner kronor dyrare ¨an Alternativ 1. Den stora anl¨aggningskostnaden var den fr¨amsta anledningen till att Trafikverkets utredning visade att Alternativ 1 gav en h¨ogre samh¨allsekonomisk l¨onsamhet ¨an Alternativ 2. Av Trafikverkets milj¨okonsekvensbeskrivning framg˚ar det att Alternativ 1 ger sm˚a till m¨arkbart negativa konsekvenser p˚a stads- och landskapsbilden och naturmilj¨on samt m¨arkbara till mycket stora negativa kon-sekvenser p˚a kulturmilj¨on. Alternativ 2 ger positiva konsekvenser f¨or stads- och landskapsbilden, sm˚a negativa konsekvenser av naturmilj¨on samt sm˚a till m¨arkbart negativa konsekvenser p˚a kulturmilj¨on (Trafikverket, 2014b, Tabell 6.2). Konse-kvenserna p˚a kulturmilj¨on i Alternativ 2 uppkommer vid byggnationen i form av grundvattenp˚averkan och vibrationer. N¨ar den ¨ar klar uppst˚ar p˚averkan p˚a kul-turmilj¨on i stadens ytteromr˚aden. ¨Aven konsekvenserna p˚a naturmilj¨on f¨orskjuts till ytteromr˚adena i Alternativ 2 medan de i Alternativ 1 blir som st¨orst mer centralt, vid St˚ang˚an.
3
Samh¨
allsekonomisk kalkyl
N¨ar en samh¨allsekonomisk kalkyl genomf¨ors, erh˚alls ett samh¨allekonomiskt resul-tat i form av ett nettonuv¨arde genom att v¨aga ett projekts nyttor mot dess kost-nader. Om nyttorna ¨ar st¨orre ¨an kostnaderna f˚ar samh¨allet h¨ogre v¨alf¨ard och detta kan anv¨andas som beslutsunderlag f¨or politiker. Bateman et al. (2002) f¨orklarar att ett projekt d¨ar de som tj¨anar v¨alf¨ard skulle kunna kompensera de som f¨orlorar v¨alf¨ard uppfyller Hicks-Kaldor principen. Detta betyder inte att de beh¨over kom-pensera, utan endast att en s˚adan omf¨ordelning ¨ar m¨ojlig, i det fall netto¨okningen i samh¨allets totala v¨alf¨ard ¨ar positiv. Detta kallas f¨or Hicks-Kaldor principen ef-ter att Hicks (1939) och Kaldor (1939) f¨orst framf¨orde resonemanget. V˚ar un-ders¨okning kommer att visa om kommuninv˚anarnas estimerade betalningsvilja f¨or mindre intr˚ang t¨acker upp f¨or de ¨okade kostnader som projektet medf¨or och inte om en s˚adan omf¨ordelning b¨or g¨oras fr˚an andra resurser i samh¨allet.
Analysmetod och samh¨allsekonomiska kalkylv¨arden i transportsektorn: ASEK 7.0, h¨adanefter kallad ASEK, ¨ar den senast uppdaterade versionen av Trafikverkets rap-port om hur samh¨allsekonomiska kalkyler ska genomf¨oras inom transrap-portsektorn. ASEK (2020) definierar hur tillv¨agag˚angss¨attet i en samh¨allsekonomisk kalkyl b¨or vara genom f¨oljande punktlista:
1. Definiera och avgr¨ansa
2. Identifiera prissatta och ej prissatta e↵ekter 3. Kvantifiera och v¨ardera
4. Sammanst¨allning av kalkyl och tolkning av resultat 5. G¨ora k¨anslighetsanalyser
1. Definiera och avgr¨ansa
F¨orsta steget i en samh¨allsekonomisk kalkyl ¨ar att avgr¨ansa det projekt som un-ders¨oks. Minst tv˚a alternativ kr¨avs f¨or att en samh¨allsekonomisk kalkyl ska kunna anv¨andas. Det ena alternativet ska fungera som j¨amf¨orelsealternativ, h¨adanefter kallat JA, och d˚a ska utredningsalternativet, h¨adanefter kallat UA, j¨amf¨oras gente-mot JA genom att unders¨oka alla de nyttor och kostnader som skiljer alternativen ˚at (ASEK, 2020). En nytta eller en kostnad som uppst˚ar oavsett om en f¨or¨andring sker eller ej, ska inte inkluderas i kalkylen. Det vanligaste ¨ar att anv¨anda sig av nul¨aget som JA men i v˚ar studie anv¨ands Alternativ 1 som JA och Alternativ 2 som UA.
2. Identifiera prissatta och ej prissatta e↵ekter
Alla e↵ekter som p˚a n˚agot s¨att p˚averkar individers v¨alf¨ard b¨or inkluderas i kalky-len. Det finns b˚ade e↵ekter som har en negativ p˚averkan p˚a v¨alf¨arden och e↵ekter som har en positiv p˚averkan. Vidare f¨orklaras det i ASEK (2020) att dessa nyttor samt kostnader endast ska inkluderas i kalkylen om de uppst˚ar till f¨oljd av det projekt som ska genomf¨oras. Detta beskriver ¨aven Boardman et. al (2018) som att det b¨or finnas en direkt p˚averkande e↵ekt mellan en nytta eller en kostnad genom projektet. Vi kommer d¨arf¨or endast att j¨amf¨ora de kostnader och nyttor som uppkommer av att g˚a fr˚an Alternativ 1 till Alternativ 2. Trafikverket (2014a) presenterade i sin kalkyl de e↵ekter som uppstod mellan alternativen, vilket bland annat innefattar h¨ogre anl¨aggningskostnad, minskad restid och ett mindre intr˚ang. Det ¨ar viktigt att identifiera alla e↵ekter oavsett om de g˚ar att priss¨atta eller inte. Det kan uppst˚a problem under detta steg genom att till exempel vissa e↵ekter dubbelr¨aknas eller en e↵ekt f¨orblir oidentifierad.
3. Kvantifiera och v¨ardera
Marknadspriser ¨ar det vanligaste s¨attet att v¨ardera e↵ekter i en samh¨allsekonomisk kalkyl men i vissa fall g˚ar de inte att anv¨anda. Det beror oftast p˚a att det inte existerar en marknad och att det d¨armed inte finns tillg¨angliga marknadspriser. Att v¨ardera alla e↵ekter i en samh¨allsekonomisk kalkyl ¨ar ofta sv˚art och proble-matiskt. Till exempel kan e↵ekter p˚a natur, restid, intr˚ang och ¨okad trafiks¨akerhet vara sv˚art att kvantifiera och v¨ardera. ASEK (2020) har med v¨arderingsmetoder tagit fram schablonv¨arden f¨or bland annat restid och ¨okad trafiks¨akerhet, dock saknas det schablonv¨arden f¨or milj¨ointr˚ang. Ist¨allet g˚ar det att genom studier av betalningsvilja, med n˚agon v¨arderingsmetod, estimera ett v¨arde i det specifika fal-let f¨or e↵ekter som inte g˚ar att v¨ardera genom marknadspriser. Detta kommer att f¨orklaras i kapitel 4. Ifall det skulle vara sv˚art att m¨ata e↵ekter ¨aven via betal-ningsviljestudier ¨ar det viktigt att f¨orklara en m¨ojlig e↵ekt f¨or att den inte ska utel¨amnas ur kalkylen (ASEK, 2020). Trafikverket (2014a) framf¨orde kvalitativt e↵ekten av det minskade intr˚anget som Alternativ 2 genererar men genomf¨orde ingen monet¨ar v¨ardering av det. E↵ekten beskrivs vidare av Trafikverket som en stor nytta f¨or framtiden och vi anser d¨arf¨or att den ¨ar intressant att unders¨oka.
4. Sammanst¨allning av kalkyl och tolkning av resultat
N¨asta steg ¨ar att diskontera alla nyttor och kostnader i kalkylen. Detta g¨ors ef-tersom v¨arderingen av en krona idag v¨arderas h¨ogre ¨an en krona om ett ˚ar. Det ¨ar vanligt att nyttor och kostnader fr˚an ett projekt uppkommer i framtiden och v¨arderas med en nuv¨ardesber¨akning f¨or kalkylens start˚ar. Summan av projektets alla nuv¨ardesber¨aknade nyttor, P V (N ), v¨ags mot projektets nuv¨ardesber¨aknade kostnader, P V (K). Boardman et al. (2018) visar att nettonuv¨ardet, NNV, r¨aknas ut enligt f¨oljande formel:
N N V = P V (N ) P V (K) (1) d¨ar: P V (N ) = n X t=0 Nt (1 + t)t (2) P V (K) = n X t=0 Kt (1 + t)t (3)
Boardman et al. (2018) f¨orklarar sedan att regeln f¨or att rekommendera ett projekt ¨ar om nettonuv¨ardet ¨ar positivt. Enligt ASEK (2020) b¨or det ocks˚a tas h¨ansyn till de sv˚arv¨arderade e↵ekterna innan rekommendation om projektet g¨ors. Detta ¨ar speciellt viktigt om nettonuv¨ardet ¨ar n¨ara noll och de e↵ekter som inte blivit v¨arderade kan antas vara betydande.
5. G¨ora k¨anslighetsanalyser
Den os¨akerhet om vad som h¨ander i framtiden g¨or att det ¨ar sv˚art att exakt kunna ber¨akna de e↵ekter som inte sker i nutid. Det ¨ar d¨arf¨or viktigt att genomf¨ora k¨anslighetsanalyser p˚a den samh¨allsekonomiska l¨onsamhetskalkylen. F¨or att testa hur robusta resultaten i kalkylen ¨ar kan till exempel l¨agre och ¨ovre gr¨ansv¨arden f¨or nyttor och kostnader anv¨andas eller r¨antan och tidsperspektivet varieras. Det ¨ar d¨aremot inte m¨ojligt att genomf¨ora k¨anslighetsanalyser p˚a alla parametrar som ¨ar med i kalkylen (ASEK, 2020). Detta betyder, enligt Boardman et al. (2018), att det ¨ar upp till den som genomf¨or kalkylen att v¨alja vad som ¨ar viktigast att g¨ora en k¨anslighetsanalys p˚a, vilket medf¨or en risk f¨or vinkling fr˚an utf¨oraren.
4
Metoder f¨
or att v¨
ardera e↵ekter
4.1
Betalningsvilja
Genom att unders¨oka individers aktivitet p˚a en marknad m¨ojligg¨ors en analys av individens Revealed Preferences, h¨adanefter kallat RP, (Samuelson, 1938). N¨ar det inte finns m¨ojlighet att studera individers beteende p˚a en marknad, till exempel f¨or publika varor, blir l¨osningen ist¨allet att unders¨oka individernas Stated Prefe-rences, h¨adanefter kallat SP (Liebe et al., 2010). Alternativen hade annars varit att se varorna som ov¨arderliga eller att de saknar v¨arde (Carson, 2012). SP ¨ar det som individer p˚ast˚ar att de skulle gjort i en viss situation och visas av deras be-talningsvilja (Willingness To Pay, h¨adanefter kallat WTP) eller vilja att acceptera (Willingness To Accept, h¨adanefter kallat WTA) beroende p˚a vad som unders¨oks. Det har visat sig att WTA ofta ¨ar st¨orre ¨an WTP och det ¨ar rekommenderat att WTP skattas i unders¨okningar (Gregory, 1986). Om exempelvis en j¨arnv¨ag ska byggas genom n˚agons hus kan denne endast ha en betalningsvilja motsvarande hela sin disponibla inkomst medan gr¨ansen f¨or att vilja acceptera att huset rivs eller flyttas kan vara ¨annu h¨ogre ¨an s˚a.
Efter att ett intr˚ang har skett, det vill s¨aga ex-post, g˚ar det att anv¨anda vissa RP-metoder som exempelvis hedoniska prismetoden f¨or att fastst¨alla vilken p˚averkan intr˚anget har haft via f¨or¨andringar i huspriser. I v˚art fall beh¨over vi anv¨anda en SP-metod f¨or att g¨ora v¨arderingen eftersom vi utf¨or den ex-ante, det vill s¨aga innan intr˚anget sker.
4.2
Stated Preferences-metoder
Enligt Louviere et al. (2010) finns det flera s¨att att f¨ors¨oka m¨ata SP. Metoderna Conjoint Analysis och Discrete Choice Experiment ¨ar tv˚a av de mest anv¨anda tillv¨agag˚angss¨atten. Conjoint Analysis anv¨ander sig av hypotetiska spel d¨ar re-spondenten anger hur de skulle agerat, sedan varieras n˚agon faktor och respon-denten f˚ar g¨ora ett nytt val. Efter ett antal upprepningar anv¨ands sedan alge-braiska uttryck f¨or att rangordna alla faktorer. Metoden beskrevs av Kroes och Sheldon (1988) vara l¨amplig f¨or att unders¨oka bland annat kvalitativa faktorer hos resen¨arer, v¨arderingar av restid och olika dragningar av v¨agar. Det har sedan dess uppkommit kritik mot Conjoint Analysis, bland annat i form av att den bygger p˚a matematiska uttryck snarare ¨an m¨anskligt beteende, att feltermer blir ad hoc och att det finns urvalsproblem (se Louviere et al., 2010).
Discrete Choice Experiment bygger p˚a den inneboende nyttofunktionen hos varje person som best˚ar av en systematisk och en slumpm¨assig del. Denna uppbyggnad g¨or att prediktioner kan g¨oras om sannolikheten att en individ kommer v¨alja ett visst alternativ (Louviere et al., 2010). Discrete Choice Experiment ¨ar en SP-metod som kan rangordna alternativ fr˚an mest till minst f¨oredraget. Ju fler alternativ som inkluderas desto sv˚arare blir det att rangordna dem. Ett diskret val ¨ar att f¨oredra ¨over numeriska skalor eftersom s˚adana f¨orlitar sig p˚a underliggande antaganden (Louviere et al., 2000).
Studiens intresse ¨ar att estimera betalningsviljan hos kommuninv˚anarna f¨or att f¨orl¨agga j¨arnv¨agen i tunnel. Det ¨ar inte denna unders¨oknings avsikt att precisera exempelvis hur stor del av betalningsviljan som h¨arstammar fr˚an milj¨ointr˚ang i f¨or¨andrad stadsbild, f¨or¨andrad naturmilj¨o och f¨or¨andrad kulturmilj¨o. S˚aledes pas-sar det b¨attre att anv¨anda en mindre kr¨avande metod ¨an Discrete Choice Experi-ment.
4.3
Contingent Valuation Method
Contingent Valuation Method, h¨adanefter kallad CVM, ¨ar en SP-metod som in-nefattar en beskrivning av ett scenario som antingen ¨ar hypotetiskt eller verkligt. D¨arefter m˚aste respondenten g¨ora ett val som anv¨ands f¨or att f˚a fram en v¨ardering. Detta g¨or att de tar st¨allning till n˚agot som liknar val p˚a faktiska marknader. Valet kan g¨oras via ¨oppna fr˚agor, budspel eller folkomr¨ostning (Portney, 1994). Meto-den kan delas upp i tv˚a typer; CVM med individuell maximal betalningsvilja och bin¨ar CVM. Den f¨orstn¨amnda kan skattas p˚a tre s¨att. Respondenterna kan fritt uppge sin maximala betalningsvilja eller v¨alja en summa bland p˚a f¨orhand utval-da summor som b¨ast representerar deras maximala betalningsvilja. De kan ¨aven f˚a ta st¨allning till om de hade betalat en summa och sedan h¨ojs eller s¨anks bu-det tills deras maximala betalningsvilja erh˚alls. I en bin¨ar CVM f˚ar varje person ta st¨allning till om de hade betalat ett bud eller inte. Buden varieras f¨or olika intervjupersoner f¨or att p˚a s˚a s¨att f˚a fram en total betalningsvilja fr˚an en kumu-lativ distributionsfunktion, vilken kan beskrivas som en anpassad efterfr˚agekurva (Boardman et al., 2018).
CVM granskades i samband med en oljel¨acka p˚a drygt 41,6 miljoner liter r˚aolja fr˚an fartyget Exxon Valdez i Alaska ˚ar 1989. NOAA-panelen tillsattes f¨or att avg¨ora hur p˚alitliga resultaten fr˚an en CVM-studie var. P˚alitligheten beh¨ovde utv¨arderas eftersom metoden inkluderar existensv¨arden, vilket ¨ar v¨ardet av n˚agot utan att sj¨alv anv¨anda det. NOAA-panelen kom ˚ar 1993 fram till att CVM-studier kan vara tillr¨ackligt p˚alitliga f¨or att anv¨andas som utg˚angspunkt f¨or en juridisk process i syfte att best¨amma hur stor skada som skett p˚a milj¨on (Portney, 1994).
I en CVM med individuell maximal betalningsvilja kan det finnas incitament f¨or respondenten att agera strategiskt. Om respondenten tror att studiens resultat kan p˚averka utfallet ges incitament att ange en l¨agre betalningsvilja ¨an den maximala f¨or att erh˚alla en nyttighet, eller slippa en onyttighet, till ett l¨agre pris ¨an vad hen v¨arderar nyttan till. Vid anv¨andning av upprepade bud kan respondenten uppleva anchoring. Detta inneb¨ar att det f¨orsta budet v¨ags in ¨aven i f¨oljande bud. Risken blir att respondenten tackar nej till n¨astkommande bud om det upplevs vara f¨or l˚angt ifr˚an ursprungsbudet snarare ¨an att det ¨ar f¨or h¨ogt. Bin¨ar CVM undviker den anchoring-bias som finns i CVM med individuell maximal betalningsvilja och det minskar ¨aven risken f¨or strategiskt beteende (Carson, 1997). Med utg˚angspunkt i detta har vi anv¨ant oss av bin¨ar CVM eftersom det ¨ar den metod som passar b¨ast ihop med v˚art syfte att kvantitativt estimera betalningsviljan samt att den undviker strategiskt beteende och anchoring-bias.
Flertalet studier har visat att betalningss¨attet har en p˚averkan p˚a den estimerade betalningsviljan i CVM-studier (se exempelvis: Campos et al., 2007; Ivehammar, 2009; Sonnenschein & Mundaca, 2019). Exempel p˚a betalningss¨att via publikt finansierade projekt ¨ar h¨ojd skatt, omf¨ordelning av skattemedel och frivillig dona-tion. Det betalningss¨att som anv¨ands i CVM-studier b¨or vara ett som respondenten k¨anner till och som ¨ar l¨ampligt f¨or scenariot f¨or att undvika snedvridningar i den WTP som uppges (Morrison et al., 2000).
Spash (2008) f¨orklarar att en vanlig metod f¨or att best¨amma bud i en bin¨ar CVM ¨ar att f¨orst genomf¨ora en f¨orstudie d¨ar respondenterna f˚ar en ¨oppen bud-fr˚aga f¨or att ber¨akna deras individuella maximala betalningsvilja. Cooper (1993) framf¨orde en modell f¨or att best¨amma de optimala buden i en bin¨ar CVM-studie kallad DWEABS4. Modellen ¨ar en iterativ tv˚astegs-process som inneb¨ar att en
f¨orstudie av enk¨aten genomf¨ors med en ¨oppen fr˚aga om betalningsvilja. Vidare f¨orklarar Cooper (1993) att den genomsnittliga betalningsviljan fr˚an f¨orstudien kan anv¨andas som centreringspunkt f¨or hur resterande bud i studien ska f¨ordelas. Ifall buden formuleras felaktigt i en bin¨ar CVM kommer detta att leda till op˚alitliga resultat. Cooper och Loomis (1992) f¨orklarar att det ¨ar viktigare att vara nog-grann med valet av de h¨ogsta buden ¨an de l¨agsta. De p˚avisade att estimeringen av betalningsviljan vid en trunkering kring de h¨ogsta buden leder till en underesti-mering av den verkliga betalningsviljan. En trunkering kring de l¨agsta buden har f¨orh˚allandevis l˚ag p˚averkan.
4.4
Compensating Variation och Equivalent Variation
Med antagandet att en individs nyttofunktion best˚ar av milj¨okvalitet, z, och kon-sumtion av alla andra varor, q, kan den representeras med U (q, z). F¨orutsatt att ett projekt inte p˚averkar individens inkomst kommer nyttof¨or¨andringen av projektet att vara U (q, z1) U (q, z0), vilken ¨ar positiv om det ¨ar en milj¨of¨orb¨attring, z1 > z0,
och negativ om det ¨ar en milj¨of¨ors¨amring, z1 < z0 (Br¨annlund & Kristr¨om, 2012).
Compensating Variation, h¨adanefter kallat CV, anv¨ander utg˚angsl¨aget av nytto-niv˚an som referenspunkt. Equivalent Variation, h¨adanefter kallat EV, anv¨ander ist¨allet slutl¨aget som referenspunkt. I kombination med WTP och WTA, som in-troducerades i avsnitt 4.1, uppkommer fyra m¨ojliga scenarier. Dessa sammanfattas i tabell 1.
CV ¨ar den f¨or¨andring i konsumtion av alla andra varor som kompenserar f¨or¨and-ringen i milj¨okvalitet. EV ¨ar den f¨or¨andring i konsumtion av alla andra varor som
Referenspunkt Utg˚angsl¨age Slutl¨age
Milj¨of¨orb¨attring CV WTP EV WTA
Milj¨of¨ors¨amring CV WTA EV WTP
Tabell 1: De fyra scenarierna av CV och EV med WTP och WTA, egen bearbet-ning utifr˚an Br¨annlund & Kristr¨om (2012)
Figur 5: De fyra fallen av CV och EV med WTP och WTA, egen bearbetning utifr˚an Br¨annlund & Kristr¨om (2012)
F¨or CV WTP, punkt c mot punkt a, blir j¨amf¨orelsen U (q0 CV, z1) = U (q0, z0).
Scenariot kan till exempel uppkomma vid en unders¨okning av betalningsviljan f¨or att f¨orl¨agga en v¨ag runt om ist¨allet f¨or genom ett rekreationsomr˚ade. CV WTA j¨amf¨or samma punkter fast vid en f¨ors¨amring, U (q0 + CV, z1) = U (q0, z0).
Scenariot kan uppst˚a vid en unders¨okning av kompensationen som kr¨avs vid en milj¨of¨ors¨amrande ˚atg¨ard till de som drabbas. F¨or EV WTA, punkt c mot punkt b, blir j¨amf¨orelsen U (q0+ EV, z0) = U (q0, z1), vilket visar kompensationskravet som
uppst˚ar vid en utebliven och utlovad f¨orb¨attring. EV WTP kan uppst˚a vid un-ders¨okning om vad individen ¨ar beredd att betala f¨or att slippa en milj¨of¨ors¨amring och ges av j¨amf¨orelsen mellan punkt c och punkt b: U (q0 EV, z0) = U (q0, z1).
4.5
Metoder f¨
or estimering av resultat fr˚
an en unders¨
okning
med bin¨
ar CVM
4.5.1 Parametrisk estimering med logit-regression
Via en individs slumpm¨assiga nyttofunktion g˚ar det att beskriva modellen f¨or hur WTP parametriskt ber¨aknas genom en logit-regression. Hanemann (1984) f¨orklarar att eftersom det inte direkt g˚ar att observera en individs nyttofunktion betraktas den som en slumpm¨assig variabel. Givet detta antagandet kan individens nyttofunktion visas som:
Uij(zi, ✏i) (4)
Nyttofunktionen visar en individs, j, nytta vid l¨aget, i, d¨ar zi ¨ar en vektor ¨over
vara villig att acceptera en kostnad f¨or detta om det leder till en of¨or¨andrad eller f¨orb¨attrad nyttoniv˚a. I v˚art fall har en unders¨okning gjorts huruvida en individ ¨ar villig att betala ett visst bud, vilket ¨ar kostnaden f¨or en hypotetisk l¨agesf¨or¨andring fr˚an Alternativ 1 till Alternativ 2. D˚a kan vi se sannolikheten f¨or ett accepterat bud, b, f¨or att g˚a fr˚an l¨age i = 0, Alternativ 1, till i = 1, Alternativ 2, som:
P r(Ja) = P r[u1(z1, ✏1, b) u0(z0, ✏0)] = 1 Gc(b) (5)
Gc(b), som ¨ar den kumulativa distributionsfunktionen, beskriver sannolikheten f¨or
att f˚a ett Nej-svar p˚a budet. F¨or att kunna estimera sannolikheten f¨or ett Ja-svar ¨ar den vanligaste metoden att f¨orst anv¨anda en logit-regression (se Hanemann, 1984; Rollins & Dumitras, 2005; Hoyes & Mariel, 2010):
ln ✓ P r(Ja) 1 P r(ja) ◆ = 0+ 1X1+ 2X2+ ... + nXn (6)
Vidare g˚ar det sedan att ber¨akna sannolikheten f¨or att f˚a ett Ja-svar som:
P r(Ja) = 1
1 + e ( 0+ 1X1+ 2X2+...+ nXn) (7) Rollins och Dumitras (2005) visar att n¨ar P r(Ja) = 0, 5 erh˚alls E(W T P ) genom:
E(W T P ) = ( 0+ 2X2+ ... + nXn)
1
(8)
D¨ar E(W T P ) ¨ar den genomsnittliga betalningsviljan f¨or urvalet, 1¨ar koefficienten
variabler i modellen och X2till Xn¨ar medelv¨ardet f¨or respektive variabel. Ekvation
8 visar det standardm¨assiga s¨attet att ber¨akna genomsnittlig betalningsvilja vid anv¨andandet av en logit-regression i en bin¨ar CVM. Bateman et al. (2002) f¨orklarar att E(W T P ) visar det bud d¨ar majoriteten av respondenterna v¨aljer att svara ja. F¨or att erh˚alla konfidensintervall f¨or E(W T P ) rekommenderas det att anv¨anda bootstraping som metod (Bateman et al., 2002). Ett bootstrapintervall baseras p˚a antalet observationer, n, i urvalet. Logitregressionen simuleras n g˚anger och d¨arefter g˚ar det att skapa ett bootstrapintervall d¨ar det simulerade v¨ardet f¨or E(W T P ) vid den 2,5%-percentilen anv¨ands som l¨agre gr¨ans. V¨ardet f¨or E(W T P ) vid den 97,5%-percentilen anv¨ands som ¨ovre gr¨ans. Konfidensintervall anv¨ands eftersom estimatet f¨or E(W T P ) endast genomf¨ors p˚a ett enda m¨ojligt urval av populationen. Konfidensintervallen tolkas som att f¨or alla m¨ojliga urval ur popu-lationen kommer intervallet inkludera den sanna estimeringen av E(W T P ) med 95% sannolikhet (Bateman et al., 2002).
4.5.2 Icke-parametrisk estimering med linj¨ar interpolation & Kaplan-Meier
Kristr¨om (1990) beskriver en icke-parametrisk metod f¨or estimering av WTP. Me-toden ben¨amner ˆ⇡ som proportionen av Ja-svar f¨or ett bud, b. Det g˚ar d˚a att erh˚alla en Maximum Likelihood-estimator f¨or sannolikheten att svara Ja f¨or att betala ett bud enligt Ayerteoremet om vi har en sekvens:
ˆ
D¨ar ˆ⇡j ¨ar proportionen av Ja-svar f¨or det l¨agsta budet och ˆ⇡m ¨ar proportionen av
Ja-svar f¨or det h¨ogsta budet. Vidare f¨orklarar Kristr¨om (1990) att de egenskaper som estimatorn uppvisar leder till att ˆ⇡, vid ett st¨orre urval, konvergerar mot det sanna v¨ardet f¨or populationen.
Om sekvensen inte ¨ar monoton, det vill s¨aga att det vid n˚agot bud bi g¨aller att
ˆ
⇡i < ˆ⇡i+1, poolas svaren enligt:
(AntalJai+ AntalJai+1)
(T otaltAntalSvari+ T otaltAntalSvari+1)
(10)
Anv¨andandet av ekvation 10 kommer att leda till en monoton funktion. Kristr¨om (1990) har h¨arlett detta utifr˚an Ayerteoremet, d¨arf¨or ben¨amns detta fenomen h¨adanefter Ayer-utj¨amning.
Efter att ˆ⇡ r¨aknats ut f¨or varje bud g˚ar det d¨arefter att f¨ora in dem i en graf med budets storlek p˚a X-axeln och sannolikheten att svara Ja p˚a Y-axeln. Med hj¨alp av linj¨ar interpolation g˚ar det sedan att erh˚alla en monoton ¨overlevnadsfunktion f¨or datamaterialet. Om budet ¨ar 0 g¨ors antagandet att alla vill ha f¨orb¨attringen eller slippa f¨ors¨amringen. Ett ytterligare antagande ¨ar att linjen mellan punkterna ˆ
⇡m 1 och ˆ⇡m kan extrapoleras till X-axeln. Ytan under grafen motsvarar sedan
urvalets genomsnittliga WTP.
Bateman et al. (2002) beskriver att ett alternativt s¨att att f¨orena punkterna i en icke-parametrisk estimering ¨ar via en Kaplan-Meier funktion. Kaplan-Meier funk-tionen baseras p˚a samma antagande om en monoton sekvens som i ovan n¨amnda modell av Kristr¨om (1990). Skilllnaden ¨ar hur de behandlar interpoleringen mel-lan punkterna. Kapmel-lan-Meier funktionen antar att sannolikheten f¨or att svara Ja p˚a bud bz, d¨ar [bj < bz bj+1], ¨ar densamma som f¨or bj+1. Alla bud som inte
extrapolering sker vid ˆ⇡m utan att sannolikheten f¨or att svara Ja p˚a bud ¨over bm
¨ar lika med noll. Kaplan-Meier funktionen kommer intuitivt att ge en l¨agre esti-mation av genomsnittlig WTP ¨an Kristr¨oms modell med linj¨ar interpolation. Den kommer d¨arf¨or i denna studie att anv¨andas till att illustrera en l¨agre gr¨ans f¨or den icke-parametriska estimeringen av genomsnittlig WTP.
5
Genomf¨
orande av enk¨
atunders¨
okning
Mattsson (2006) beskriver f¨or- och nackdelar med olika former av intervjuer. Per-sonliga intervjuer har bra m¨ojligheter att f¨ormedla information men medf¨or en h¨og kostnad och risk f¨or intervjuarp˚averkan. Telefonintervjuer medf¨or ocks˚a en h¨og kostnad och viss intervjuarp˚averkan men har en begr¨ansad m¨ojlighet att f¨ormedla information. Enk¨ater via brev och e-post har en l¨agre kostnad, minst intervjuarp˚averkan och m¨ojlighet till visuell presentation men l˚ag interaktivitet med respondenten. Dessutom ¨ar inte alla, framf¨orallt ¨aldre, uppkopplade till n¨atet f¨or anv¨andande av e-post. Det g˚ar inte att generellt s¨aga vilken form som ¨ar b¨ast, h¨ansyn m˚aste tas till kostnad och krav p˚a visuell framst¨allning i varje enskilt fall (Mattsson, 2006). Denna studie kr¨aver visualiseringsm¨ojligheter och en l˚ag kostnad, d¨arf¨or har vi valt att anv¨anda enk¨ater via n¨atet. Detta g¨or ¨aven att in-tervjuarp˚averkan undviks men det g¨or det sv˚art att f˚a ett slumpm¨assigt urval d˚a vi inte har tillg˚ang till ett mail-register f¨or inv˚anare i Link¨opings kommun. Det mest optimala hade varit att skicka ut brevenk¨ater, som ¨aven gett respondenten m¨ojlighet att svara online, till ett slumpm¨assigt urval men detta begr¨ansades av finansiella sk¨al.
Enk¨aterna har huvudsakligen skickats ut ¨over n¨atet genom att sprida dem i 13 grupper p˚a Facebook med anknytning till Link¨oping d¨ar vi har f˚att tillst˚and att dela l¨ankar. Detta g¨or att det inte finns n˚agon garanti f¨or att alla som svarat ¨ar bosatta i Link¨opings kommun. Vi finner det dock osannolikt att respondenter inte ¨ar bosatta i kommunen eftersom de tillfr˚agats om sin hemvist. Enk¨aten riktade sig endast till inv˚anare ¨over 18 ˚ar och det g˚ar inte att garantera att ingen under 18 svarade men eftersom en fr˚aga om respondentens ˚alder st¨alldes anser vi risken vara liten.
En pilotstudie genomf¨ordes den 25 februari 2021 med avsikt att testa enk¨atens ut-formning. Svaren fr˚an pilotstudien visade att vissa formuleringar i beskrivningen av alternativen kunde uppfattas som kr˚angliga. Justeringar utf¨ordes f¨or att g¨ora beskrivningen enkel att f¨orst˚a utan att utel¨amna relevant fakta. Ett annat problem vi observerade var att betalningss¨attet inte framgick till fullo. En del respondenter uppfattade det som en skatteh¨ojning och justeringar gjordes f¨or att tydligg¨ora att det var en omf¨ordelning som var betalningss¨attet. Valet gjordes ¨aven att omfor-mulera fr˚agan om attityd mot en generell ut¨okning av all typ av j¨arnv¨ag till en fr˚aga om attityd gentemot att ut¨oka j¨arnv¨agsn¨atet med h¨oghastighetsbanor. F¨or att skapa enk¨ater och samla in svar via n¨atet valde vi att anv¨anda enk¨at-verktyget Survey & Report. Detta d˚a information som samlas in genom detta verktyg ¨ags till fullo av oss och datainsamlingen har genomf¨orts p˚a ett s¨att som s¨akerst¨aller anonymitet enligt Vetenskapsr˚adets (2017) definition. L¨ank till enk¨aten publicerades i f¨orsta gruppen den 14 mars 2021. D¨arefter publicerades den i res-ten av grupperna allt eftersom till˚atelse erh¨olls av gruppernas administrat¨orer. P˚aminnelser skickades ut i de grupper d¨ar inl¨agget inte l¨angre var aktivt i grup-pen. Sista svarsdag var den 18 april 2021.
F¨or att varje respondent i varje grupp som enk¨aten publicerades i skulle ha en lika stor sannolikhet att f˚a n˚agot av de fyra buden och d¨armed minska urvalsproblem anv¨andes en server. Servern randomiserade med hj¨alp av JavaScript ett heltal mel-lan noll och tre varp˚a den skickade vidare respondenten som tryckt p˚a l¨anken till en av de fyra enk¨atversionerna. F¨or illustration av enk¨atens utformning med hj¨alp av versionen med det l¨agsta budet, se Bilaga 1. Metoden att skicka ut i omg˚angar vartefter vi fick godk¨annande av administrat¨orer f¨or Facebook-grupperna minskade
minne. Att s¨atta upp en server som sparar enskilda respondenters f¨orsta slumpade enk¨atversion hade kr¨avt att de skyddades med kryptering. Detta bed¨omdes va-ra f¨or tidskr¨avande, vilket potentiellt kan ha resulteva-rat i multipla svar av samma respondent. Vi anser dock inte att detta ¨ar speciellt sannolikt i v˚ar studie efter granskning av enk¨atsvaren.
F¨or att f˚a tag p˚a fler yngre respondenter ombads ¨aven studenter p˚a Link¨opings campus svara genom att scanna en QR-kod s˚a att ¨aven de fick en slumpad enk¨at-version. Detta gjordes eftersom de yngre ˚alderskategorierna hade en viss under-representation j¨amf¨ort med kommunens f¨ordelning. Efter ytterligare observation om att ˚alderskategorierna inom 68-87 ˚ar var underrepresenterade gentemot kom-munens f¨ordelning upps¨okte vi ett seniorcenter. Via detta genomf¨ordes ett f˚atal pappersenk¨ater av de tv˚a versioner med l¨agst antal svar vid tillf¨allet till kommu-ninv˚anare i dessa ˚aldersspann. De ¨aldre inv˚anarna fick valet att scanna en QR-kod men f¨oredrog pappersenk¨ater.
Med utg˚angspunkt i Morrison et al. (2000) valde vi ett betalningss¨att som inv˚anarna k¨anner till: omf¨ordelning av kommunens resurser. Vi bed¨omer detta som ett mer troligt betalningss¨att ¨an till exempel skatteh¨ojning, samt att vi inte ville sprida desinformation om en eventuell skatteh¨ojning till f¨oljd av projektet. Donationer f¨or att finansiera projekt ¨ar inte s˚a vanligt f¨orekommande i Sverige. Det skulle vara oetiskt att hitta p˚a ett orealistiskt betalningss¨att f¨or ett aktuellt projekt. Vid en omf¨ordelning f˚ar respondenten ta st¨allning till om den ¨ar villig att undvara en annan nyttighet som f¨orses av kommunen f¨or att tillhandah˚alla de f¨ordelar som Alternativ 2 medf¨or. Dessutom g¨or en fr˚aga om omf¨ordelning av kommunens re-surser det m¨ojligt att exkludera den annars vanliga kontrollfr˚agan om inkomstniv˚a som kan vara k¨anslig att besvara, vilket m¨ojligtvis har lett till fler respondenter.
Huvudfr˚agan i enk¨aten ¨ar uppbyggd genom att respondenten f¨orst introducerades f¨or Alternativ 1 och Alternativ 2 med information om vad de inneb¨ar var f¨or sig. Vidare sattes den hypotetiska marknaden upp, som valet mellan alternativen utg¨or. Skillnader mellan alternativen beskrevs och direkt efter st¨alldes fr˚agan om vilket av alternativen som respondenten f¨oredrar, h¨ar kunde respondenten ¨aven v¨alja Vill ej svara. Detta var den enda obligatoriska fr˚agan i enk¨aten.
P˚a grund av tid- och kostnadssk¨al hade vi inte m¨ojlighet att g¨ora den f¨orstudien som kr¨avs f¨or att kunna anv¨anda sig av Coopers (1993) DWEABS-modell som beskrevs i avsnitt 4.3. Ist¨allet valde vi att r¨akna ut vad kostnaden skulle bli per vuxen kommuninv˚anare ¨over 18 ˚ar per ˚ar i 30 ˚ar f¨or att v¨aga upp den ytterligare anl¨aggningskostnaden f¨or Alternativ 2. Vi ans˚ag att 30 ˚ar var en mer relaterbar tidshorisont att ta st¨allning till f¨or respondenterna ¨an de 60 ˚ar som Trafikver-ket anv¨ander f¨or projektet. Detta eftersom en omf¨ordelning i 60 ˚ar ¨ar l¨angre ¨an ett normalt arbetsliv. Kostnaden ¨ar uttryckt i 2010 ˚ars prisniv˚a, varp˚a vi enligt rekommendation fr˚an ASEK (2020) har anv¨ant oss av Production Power Index f¨or att r¨akna om kostnaden i 2020 ˚ars prisniv˚a. Rekommendationerna inkluderar ¨aven att diskonteringsr¨antan 3, 5% anv¨ands. Power Production Index ¨ar h¨amtat fr˚an Statistiska Centralbyr˚an (2021) och antal inv˚anare ¨over 18 ˚ar fr˚an Link¨opings kommun (2020). Skillnad i anl¨aggningskostnad mellan Alternativ 1 och Alternativ 2 i 2020 ˚ars prisniv˚a ¨ar:
7164300000kr⇤110, 5
102 = 7761325000kr (11)
Dividerat med antal kommuninv˚anare ¨over 18: 7761325000
Med 3,5% diskonteringsr¨anta i 30 ˚ar som annuitet: 1 1, 035 30
0, 035 = 18, 392 (13)
Detta g¨or att vi kan r¨akna ut den kostnad som kr¨avs per person i m˚anaden f¨or att m¨ota den ¨okade anl¨aggningskostnaden:
59399, 56/18, 392
12 = 269, 14kr (14)
Utifr˚an kostnaden 269,14 kr f¨ordelades fyra bud enligt: 25, 110, 230 och 450 kr. Efter att svaren fr˚an enk¨aten samlats in och behandlats h¨amtas f¨oljande variabler:
Variabel Beskrivning
Val Nej till tunnel vid budet, Ja till tunnel vid budet Bud Budet respondenten tog st¨allning till
˚
Alder Kategorisk variabel (1-17) f¨or ˚aldersintervall K¨on Man, Kvinna, Annat
Avst˚and Kategorisk variabel (0, 1, 2) f¨or stadsdelens avst˚and till j¨arnv¨agen Tabell 2: Variabelf¨orklaring
Val ¨ar valet som gjordes mellan Alternativ 1, Alternativ 2 och Vill ej svara. Om respondenten svarade Alternativ 2 klassades det som ett Ja-svar och de respon-denter som valde Alternativ 1 klassades som ett Nej-svar. De som svarade Vill ej svara exkluderades fr˚an estimationerna. Bud ¨ar vilken storlek p˚a budet som respondenten fick ta st¨allning till. ˚Alder ¨ar en kategorisk variabel som b¨orjar p˚a 18 ˚ar och som innefattar fem˚arsintervaller upp till kategorin >98 ˚ar. Att anv¨anda ˚aldersintervaller tj¨anade fr¨amst till syftet att f˚a respondenten att k¨anna sig mer
anonym. K¨on visar om respondenten angett att hen ¨ar man, kvinna eller annat. Avst˚and ¨ar en kategorisk variabel d¨ar 0 inneb¨ar att stadsdelen d¨ar respondenten bor ligger precis i anslutning till j¨arnv¨agen, 1 ligger i n¨arheten men inte i direkt anslutning till j¨arnv¨agen och 2 ¨ar l¨angre bort fr˚an j¨arnv¨agen. Se Bilaga 2 f¨or den exakta uppdelningen av stadsdelarnas avst˚and till j¨arnv¨agen.
Enligt Cochran (1977) b¨or ett urval n ur en population N utg¨oras av:
n =
t2P Q
d2
1 + N1 ⇣t2dP Q2 1
⌘ (15)
D¨ar t ¨ar den t-statistika som h¨or ihop med ett visst konfidensintervall och d ¨ar den ¨onskade precisionen. P och Q ¨ar sannolikheten f¨or att utfallet h¨ander respektive inte h¨ander. N ¨ar som tidigare visats 130 663, t s¨atts till 1, 96 f¨or ett konfidensin-tervall p˚a 95% och d s¨atts till 5%. F¨or att inte underestimera vilket urval som kr¨avs s¨atter vi P = Q = 0, 5. Detta leder till att vi beh¨over ett sample p˚a n⇡ 383 f¨or att uppn˚a ett 95%-igt konfidensintervall och en precision p˚a 5%. Med en precision p˚a 10% och ett 95%-igt konfidensintervall kr¨avs endast n⇡ 96 observationer. Denna urvalsstorlek g¨aller rent statistikt, den tar inte h¨ansyn till representativiteten av respondenterna i studien.
6
Resultat
6.1
Presentation av insamlad data
Totalt erh¨olls 303 svar, allts˚a n˚ar vi inte upp till m˚alet p˚a 383 svar. I och med distributionens tillv¨agag˚angss¨att kan ingen svarsfrekvens rapporteras. Av respon-denterna var det 94% som k¨ande till projektet Ostl¨anken sedan innan. Cirka 70% av respondenterna var positivt inst¨allda till att utvidga f¨orbindelserna med h¨oghastighetst˚ag i Sverige medan 22% av repondenterna var negativt inst¨allda till detta.
˚
Aldersf¨ordelningen i studien visar, j¨amf¨ort med Link¨oping kommuns f¨ordelning, p˚a en ¨overrepresentation fr¨amst i ˚alderskategorierna 43-47 (6,86 procentenheter), 48-52 (4,63 procentenheter). ˚Aldersf¨ordelningen visar ¨aven en underrepresentation i ˚aldrarna 68-72 (-3,57 procentenheter), 73-77 (-2,72 procentenheter) och 78-82 (-3,10 procenenheter), se tabell 3. ˚Aldersintervallen som presenteras av Link¨opings kommun (2020) skiljer sig fr˚an de vi anv¨ander. Vi har antagit att det i varje ˚aldersintervall finns lika m˚anga inv˚anare i varje enskild ˚alder n¨ar de har r¨aknats om till v˚ara ˚aldersintervall f¨or att kunna j¨amf¨ora representationen i enk¨aten. Inga svar erh¨olls av inv˚anare ¨over 87 ˚ars ˚alder. Detta beror troligtvis p˚a att enk¨aten fr¨amst skickades ut via Facebook d¨ar den ¨aldre generationen inte har lika stark n¨arvaro. Trots de f¨ors¨ok som gjordes f¨or att inh¨amta fler svar fr˚an ¨aldre, som beskrevs i avsnitt 5, blev f¨ordelningen inte representativ i detta avseende.
˚ Alderskategori Representation (procentenheter) 18-22 0,69 23-27 -0,96 28-32 -0,15 33-37 -0,26 38-42 2,48 43-47 6,86 48-52 4,63 53-57 0,99 58-62 -0,23 63-67 -0,82 68-72 -3,57 73-77 -2,72 78-82 -3,10 83-87 -1,78 88-92 -1,37 93-97 -0,54 98+ -0,13
Tabell 3: Under- och ¨overrepresentation baserat p˚a ˚alder i studien j¨amf¨ort med Link¨opings kommun, uttryckt i procentenheter
Det ¨ar rimligtvis inte stor skillnad i ˚asikter mellan varje ˚alderskategori och d¨arf¨or har de klassats om till tre kategorier: yngre (18-32 ˚ar), medel˚alders (33-57 ˚ar) och ¨aldre (> 58 ˚ar). Denna f¨ordelning ¨over buden finns illustrerad i tabell 4. F¨ordelningen ¨ar relativt j¨amn mellan dessa tre ˚alderskategorier ¨over alla bud. And-ra intervall av ˚aldersvariabeln har testats men detta var den mest l¨ampliga indel-ningen f¨or datamaterialet. Respondenterna utgjordes till 52,82% av m¨an, 46,51% av kvinnor och 0,66% av annat. Detta leder till en ¨overrepresentation p˚a 1,42 pro-centenheter av m¨an ¨over 18 ˚ar gentemot f¨ordelningen i Link¨opings kommun. ¨Aven dessa f¨ordelades n˚agorlunda j¨amnt ¨over buden, se tabell 4. Eftersom endast tv˚a re-spondenter har angett sitt k¨on som Annat blir os¨akerheten stor n¨ar den inkluderas
Bud K¨on ˚Alder Val
Man Kvinna Annat Yngre Medel Aldre¨ Nej Ja Vill ej
25 39 31 0 21 39 10 31 35 4
110 38 41 0 22 41 16 27 47 5
230 49 38 2 25 48 16 27 49 14
450 33 30 0 20 35 9 33 24 7
Tabell 4: F¨ordelning ¨over buden
Antal svar mellan buden blev till f¨oljd av den slumpm¨assiga distributionen av enk¨aten n˚agot snedf¨ordelade, vilket visas i tabell 5. Flest svar erh¨olls p˚a budet 230. Eftersom Vill ej-svaren inte ger n˚agon information om betalingsviljan i urvalet exkluderas de fr˚an andel Ja-svar. En st¨orre andel har svarat Ja till budet 110 ¨an budet 25. Detsamma g¨aller f¨or budet 230 j¨amf¨ort med budet 110, vilket leder till att funktionen inte blir monoton och Ayer-utj¨amning kr¨avs, som visats i avsnitt 4.5.2.
Bud Antal Andel Ja % Ja Ayer
25 70 35/66 53,03 60,05
110 79 47/74 63,51 60,05
230 90 49/76 64,47 60,05
450 64 24/57 42,11
6.2
Logit-regressioner
Genom att skatta en logit-regression och sedan anv¨anda dess koefficienter i ekva-tion 8 erh˚alls den genomsnittliga betalningsviljan f¨or urvalet. Fyra modeller har skattats med denna metod. Detta kan illustreras med hj¨alp av modell A men g¨aller f¨or samtliga modeller. Modell A:s koefficienter finns avrundade i tabell 6.
E(W T P )A =
0, 5188123
( 0, 0012586) = 412, 2kr (16)
Denna modell, som endast har Bud som f¨orklarande variabel, ger en genomsnittlig betalningsvilja p˚a 412 kr, vilket ¨aven presenteras i tabell 7. Konfidensinterval-let tyder p˚a att modellen ger en os¨aker estimering. I modell B inkluderas ¨aven ˚aldersvariablerna, k¨onsvariabeln och variabeln f¨or avst˚and till j¨arnv¨agen. N¨ar det-ta g¨ors blir den genomsnittliga bedet-talningsviljan 382 kr. Konfidensintervallet tyder ¨aven i denna modell p˚a en os¨aker estimering.
Eftersom det finns problem med monotoniteten i v˚ar data, se tabell 5, testas det att, i modell C, exkludera de protestsvar som utifr˚an fritextsvaren visar att respondenten tagit st¨allning till annat ¨an vad som angavs i enk¨aten. Exempel p˚a protestsvar var att respondenten har utg˚att fr˚an att kostnaden de tog st¨allning till var fel och antog en h¨ogre kostnad som de trodde var korrekt. Om de trodde att den h¨ogre kostnaden var den korrekta kostnaden borde de ha tackat Ja till det l¨agre budet. Att de inte gjorde det tyder p˚a ett protestsvar. Andelen protestsvar f¨or l¨agsta budet var 15,7% medan de andra buden endast hade 7,6, 4,4 respektive 7,8%. N¨ar dessa exkluderas blir den genomsnittliga betalningsviljan med alla f¨orklarande
Med h¨ansyn till den mycket h¨ogre andelen protestsvar p˚a det l¨agsta budet testas ¨aven modeller d¨ar detta bud exkluderas. Dessa modeller visade sig erh˚alla mer precisa skattningar f¨or den genomsnittliga betalningsviljan eftersom konfidens-intervallen nu var p˚a en tolkningsbar niv˚a. Modell D ¨ar den modell som visar p˚a det sn¨avaste konfidensintervallet och anses d¨arf¨or vara den modell som ger den b¨asta representationen av genomsnittlig betalningsvilja f¨or urvalet. Fr˚an modell D erh˚alls en genomsnittlig betalningsvilja p˚a 358 kr, se tabell 7.
A B C D Intercept 0,5188*** 1,2754*** 1,4155*** 1,9916*** (0,2011) (0,4216) (0,4355) (0,5528) Bud -0,0013 -0,0015* -0,0017** -0,0033*** (0,0008) (0,0008) (0,0009) (0,0011) Medel˚alders -0,0171 0,0163 -0,2865 (0,2877) (0,2956) (0,3431) ¨ Aldre -0,9913** -0,8674** -1,1572** (0,4053) (0,4230) (0,4724) Kvinna -0,2073 -0,3047 -0,1579 (0,2607) (0,2681) (0,3061) Avst˚and -0,3028* -0,2913* -0,2916 (0,1658) (0,1713) (0,1902)
Tabell 6: Logitmodeller A-D - standardfel inom parentes, *, **, *** = signifi-kansniv˚a p˚a 10, 5 respektive 1%
Modell E(WTP) L¨agre Ovre¨
A 412,22 -1 262,40 1 918,48
B 382,19 -1 037,71 1 934,12
C 432,74 -837,62 1 687,99
D 358,45 266,84 707,85
Tabell 7: Genomsnittlig betalningsvilja samt 95%-igt konfidensintervall f¨or Modell A-D
6.3
Linj¨
ar interpolation & Kaplan-Meier
Den linj¨ara interpolationen, se figur 6, tas fram genom de Ayer-utj¨amnade Ja-svaren, som presenterades i tabell 5. Ytan under den svarta funktionen ¨ar den genomsnittliga betalningsviljan enligt den icke-parametriska metoden. Den linj¨ara interpolationen visar p˚a en genomsnittlig betalningsvilja p˚a 364,14 kr.
Figur 6: Svart = Linj¨ar interpolation, R¨od = Kaplan-Meier
Ytan under den r¨oda funktionen ¨ar den genomsnittliga betalningsviljan enligt Kaplan-Meier funktionen, som beskrevs i avsnitt 4.5.2. Den genomsnittliga be-talningsviljan med anv¨andning av Kaplan-Meier ¨ar 230,76 kr. Triangeln i figur 6, m¨arkt “A”, utg¨or 108,64 kr till f¨oljd av en relativt h¨og andel Ja-svar p˚a det h¨ogsta budet. Arean “A” utg¨or den st¨orsta skillnaden mellan de icke-paramteriska metoderna.
6.4
Kalkyl
F¨or att unders¨oka den estimerade betalningsviljans p˚averkan p˚a v¨alf¨arden anv¨ands den som komplement till den samh¨allsekonomiska l¨onsamhetskalkylen som Trafik-verket (2014b) har genomf¨ort5. Betalningsviljan ber¨aknas utifr˚an f¨oljande
f¨orut-s¨attningar i enlighet med den rekommenderade kalkylr¨anta som ˚aterfinns i ASEK (2020). Kalkylperiod 30 ˚ar Kalkylr¨anta 3,5% Diskonterings˚ar 2021 Prisniv˚a 2020 Tabell 8: Kalkylf¨oruts¨attningar
Betalningsviljan som estimerats ¨ar till st¨orsta del kommuninv˚anarnas v¨ardering av minskat intr˚ang. Utifr˚an modellen som ans˚ags ge den b¨asta representationen av genomsnittlig betalningsvilja, modell D i kapitel 6.2, g˚ar det att utl¨asa en E(W T P ) = 358 kr/m˚anad per person ¨over 18 ˚ar. F¨orutsatt att den estimerade genomsnittliga betalningsviljan ¨ar representativ f¨or kommuninv˚anarna ¨over 18 ˚ar6
kan den totala betalningsviljan ber¨aknas p˚a ˚arlig basis:
E(W T P ) = 358kr⇤ 12 ⇤ 130663 = 561328248kr (17)
5Trafikverkets si↵ror ¨ar omr¨aknade till 2020 ˚ars prisniv˚a
6Antal kommuninv˚anare ¨over 18 ˚ar var 130 663 personer vid slutet av 2020, Link¨opings
Vidare ber¨aknas nuv¨ardet av den totala betalningsviljan f¨or kommuninv˚anarna genom: P V (T otW T P ) = 562829204kr⇤ ✓ 1 1, 035 30 0, 035 ◆ = 10323974627kr (18)
Detta ger oss en nuv¨ardesber¨aknad total betalningsvilja f¨or kommuninv˚anarna p˚a cirka 10 324 miljoner kronor.
Fr˚an Trafikverkets kalkyl h¨amtas tillkommande nyttor7 till ett v¨arde av 477
mil-joner kronor. Trafikverkets presenterade kostnader best˚ar till st¨orsta del av en h¨ogre anl¨aggningskostnad p˚a 7 761 miljoner kronor f¨or Alternativ 2. ¨Ovriga kost-nader8 uppn˚ar ett v¨arde av 68 miljoner kronor. Nyttor fr˚an Trafikverkets kalkyl
som kan antas vara inkluderade i den estimerade betalningsviljan har exkluderats9.
Trafikverkets kalkyl visar efter v˚ar omr¨akning ett NNV p˚a -7 352 miljoner kronor, exkluderat betalningsvilja, f¨or Alternativ 2 j¨amf¨ort med Alternativ 1.
Genom inkludering av den estimerade betalningsviljan erh˚alls f¨oljande kalkyl:
Nyttor V¨ardering (mkr) Betalningsvilja 10 324 ¨ Ovriga nyttor 477 Totala nyttor 10 801 Kostnader Anl¨aggningskostnad 7 761 ¨ Ovriga kostnader 68 Totala kostnader 7 829 Nettonuv¨arde 2 972
Tabell 9: Samh¨allsekonomisk l¨onsamhetskalkyl med estimat fr˚an modell D
7Minskad reinvesteringskostnad, f¨ors¨aljning av bergsmassor, minskade t˚agdriftskostnader och
N¨ar den estimerade betalningsviljan tillkommer till kalkylen erh˚alls ist¨allet ett nettonuv¨arde p˚a 2 972 miljoner kronor, vilket antyder att Alternativ 2 uppvisar h¨ogre samh¨allsekonomisk l¨onsamhet ¨an Alternativ 1. K¨anslighetsanalyser kommer genomf¨oras i kapitel 7.2 f¨or att vidare unders¨oka robustheten f¨or den samh¨alls-ekonomiska kalkylen.
Den icke-parametriska estimationen via linj¨ar interpolation fr˚an kapitel 6.3 visade en genomsnittlig betalningsvilja p˚a 364 kr/m˚anad per person. Detta ger en total betalningsvilja p˚a 10 497 miljoner kronor f¨or kalkylperioden. Med anv¨andning av linj¨ar interpolation blir NNV = 3 145 miljoner kronor.
7
Analys
Protestsvaren som erh¨olls kan bero p˚a att respondenten inte vill p˚averka resultatet i en viss riktning till f¨oljd av upplevd felaktig information. M¨ojligtvis hade f¨arre protestsvar erh˚allits om det i den inledande texten eller i direkt anslutning till fr˚agan funnits information om att alla inte fick ta st¨allning till samma bud. Det hade dock gett upphov till andra problem i form av att respondenterna hade haft st¨orre anledning att klicka p˚a l¨anken igen f¨or att se vilka fler bud som fanns. Detta hade, som beskrevs i avsnitt 5, kr¨avt kryptering, vilket av tidssk¨al inte var aktuellt i denna studie. Eftersom konfidensintervallen var fortsatt stora ¨aven n¨ar protestsvaren exkluderats kan det tyda p˚a att fler ¨an bara de som uppgav detta i fritext tog st¨allning till ett annat bud ¨an det givna eftersom de ans˚ag budet vara otrov¨ardigt l˚agt. Projektet har varit under planering en l¨angre tid och respondenterna kan tidigare ha f˚att information som inte st¨amde ¨overens med den kostnad som de fick ta st¨allning till i enk¨aten.
Trunkering vid h¨ogre bud kan enligt Cooper och Loomis (1992) leda till en un-derestimering av betalningsviljan. En m¨ojlig f¨orklaring till att det h¨ogsta budet har en relativt h¨og andel Ja-svar i v˚art datamaterial ¨ar att vi endast f˚angat upp en mindre del av den kumulativa distributionsfunktionen som ligger till grund f¨or estimeringen av betalningsviljan. Ytterligare h¨ogre bud hade kunnat f˚anga upp de inv˚anare som har en h¨ogre betalningsvilja ¨an 450 kr. Med dessa h¨ogre bud hade v˚ara modeller kunnat g¨ora mer precisa estimationer men p˚a grund av utformningen av enk¨atens distribution och studiens tidsbegr¨ansning var detta inte m¨ojligt.
7.1
Uppm¨
att kontra teoretiskt korrekt betalningsvilja
Betalningsviljan f¨or j¨arnv¨agen best˚ar i denna studie av tv˚a delar, CV WTP och EV WTP, markerade med bl˚att respektive gr¨ont i figur 7. EV WTP ¨ar den del av betalningsviljan som finns f¨or att slippa ytterligare intr˚ang i staden av Alternativ 1 j¨amf¨ort med dagens l¨age, det vill s¨aga UN u till UAlt1. EV WTP uppkommer av
att Alternativ 1 medf¨or en l¨agre milj¨okvalitet ¨an dagsl¨aget, z1 < z0. CV WTP ¨ar
den del av betalningsviljan som finns f¨or att bli av med det intr˚ang som befintlig j¨arnv¨ag utg¨or idag genom att Alternativ 2 genomf¨ors, vilket visas av UN u till UAlt2,
d¨ar inv˚anarna f˚ar en h¨ogre milj¨okvalitet, z2 > z0. Eftersom ingen kvantifiering av
milj¨op˚averkan ¨ar gjord och betalningsviljan inte delats upp i CV eller EV ¨ar det inte m¨ojligt att avg¨ora vilken del av betalningsviljan som ¨ar st¨orst och figur 7 ¨ar d¨armed endast ett exempel p˚a hur uppdelningen kan se ut.
Denna studie j¨amf¨or Alternativ 1 och Alternativ 2 och det ¨ar inte s¨akert att re-spondenterna tog h¨ansyn till sin betalningsvilja f¨or att b˚ade slippa ¨okat intr˚ang och f˚a mindre befintligt intr˚ang. Flera respondenter angav i fritextsvaren att de ville frig¨ora yta i staden och undvika intr˚ang. I de flesta fallen ¨ar det dock oklart om de syftade p˚a att slippa intr˚ang av Alternativ 1, bli av med det befintliga intr˚anget vid Alternativ 2 eller b˚ada tv˚a. Detta tyder p˚a att betalningsviljan potentiellt kan vara underskattad.
7.2
K¨
anslighetsanalys
Utg˚angspunkten i k¨anslighetsanalysen kommer vara det v¨arde f¨or betalningsvil-jan d¨ar kalkylen fr˚an kapitel 6.4 uppn˚ar ett N N V = 0 kr. Det kr¨avs att den totala betalningsviljan uppg˚ar till 7 352 miljoner kronor f¨or att n˚a detta netto-nuv¨arde. Det motsvarar en genomsnittlig betalningsvilja p˚a 255 kr/m˚anad per person, h¨adanefter kallat kritiskt kalkylv¨arde, givet allt annat lika.
Modell D fr˚an tabell 7 visar en l¨agre gr¨ans f¨or den estimerade betalningsviljan p˚a 267 kr, vilket ¨ar ¨over det kritiska kalkylv¨ardet. Det g˚ar att utl¨asa att ¨aven vid den l¨agre gr¨ansen f¨or estimatet i modell D kommer Alternativ 2 uppn˚a en h¨ogre samh¨allsekonomisk l¨onsamhet ¨an Alternativ 1. Kalkylens nettonuv¨arde vid anv¨andning av den l¨agre gr¨ansen blir 348 miljoner kronor. Den ¨ovre gr¨ansen f¨or modell D visar en estimerad betalningsvilja p˚a 708 kr. Vid den ¨ovre gr¨ansen erh˚alls ett nettonuv¨arde f¨or kalkylen p˚a 12 588 miljoner kronor. Det stora intervallet som f˚as mellan den l¨agre och ¨ovre gr¨ansen visar att det finns en os¨akerhet i modell D. Trots denna os¨akerhet erh˚alls ett positivt nettonuv¨arde inom hela intervallet.
Den icke-parametriska l¨agre gr¨ansen med Kaplan-Meier funktionen gav en estima-tion p˚a 231 kr, se avsnitt 6.3. Detta ¨ar under det kritiska kalkylv¨ardet och resulterar i ett nettonuv¨arde om -690 miljoner kronor. P˚a grund av att vi f¨ormodligen inte f˚angat in hela betalningsviljan med de valda buden ter sig de antaganden som funktionen bygger p˚a n˚agot osannolika f¨or denna estimering. N¨ar 42% av respon-denterna accepterat det h¨ogsta budet p˚a 450 kr ¨ar det inte troligt att ingen skulle acceptera ett h¨ogre bud ¨an s˚a. Detta illustrerades tidigare i figur 6, d¨ar triangeln “A” utg¨or en stor del av betalningsviljan med linj¨ar interpolation. Den l˚aga an-delen Ja-svar p˚a det l¨agsta budet har inte s˚a stor e↵ekt p˚a denna skattning. F¨or datamaterialet ger d¨armed Kaplan-Meier metoden sannolikt en underestimering av den genomsnittliga betalningsviljan. Estimeringen visar ¨andock en l¨agre gr¨ans utifr˚an datamaterialet som resulterar i ett negativt nettonuv¨arde.
Vidare ¨ar det av intresse att unders¨oka hur resultatet p˚averkas av ett skifte i diskonteringsr¨antan, eftersom framtiden kan ses som os¨aker. Utg˚angspunkterna ¨ar estimaten f¨or den genomsnittliga betalningsviljan som anv¨andes i kapitel 6.4, vilket var 358 kr/m˚anad per person f¨or den parametriska metoden och 364 kr/m˚anad per person f¨or den icke-parametriska metoden. Kalkylen har tidigare anv¨ant en diskon-teringsr¨anta p˚a 3,5% enligt ASEK:s rekommendationer. Om det ist¨allet antas en r¨anta p˚a 2% blir nettonuv¨ardet f¨or kalkylen med den parametriska metoden 5 303 miljoner kronor och f¨or den icke-parametriska metoden 5 519 miljoner kronor. Vi-dare testas en r¨anta p˚a 5% och d˚a blir nettonuv¨ardet f¨or kalkylen 1 206 miljoner kronor med parametrisk metod och 1 350 med icke-parametrisk, vilket illustreras i tabell 10. Kalkylen uppvisar en viss k¨anslighet f¨or diskonteringsr¨antans storlek men ¨ar relativt robust ¨aven vid en ¨okning av diskonteringsr¨antan till 5%.
Modell 2% 3,5% 5%
Parametrisk 5 303 2 972 1 206 Icke-parametrisk 5 519 3 145 1 350
Det ¨ar ocks˚a av intresse att unders¨oka hur kalkylens tidsperiod p˚averkar netto-nuv¨ardet. Eftersom den st¨orsta nyttoposten ¨ar betalningsvilja, som ¨ar en ˚arligen ˚aterkommande post, har kalkylens tidsperiod stor p˚averkan f¨or den totala betal-ningsviljans storlek. D¨aremot ¨ar den stora kostnadsposten, anl¨aggningskostnaden, n˚agot som uppkommer direkt och p˚averkas d¨armed inte av tidsperiodens l¨angd. Utg˚angspunkterna h¨ar ¨ar 358 kr/m˚anad per person f¨or den parametriska estime-ringen och 364 kr/m˚anad f¨or den icke-parametriska. Diskonteringsr¨antan ¨ar 3,5%. Respondenterna i enk¨aten fick endast ta st¨allning till deras betalningsvilja ¨over 30 ˚ar och d¨arf¨or beh¨over antagande g¨oras om att de skulle vara villiga att beta-la den summan de angivit i ytterligare 10 ˚ar n¨ar vi justerar kalkylen f¨or en 40 ˚ars tidsperiod. Sannolikt hade den genomsnittliga betalningsviljan per m˚anad va-rit l¨agre om fr˚agan st¨allts f¨or 40 ˚ar. Om tidsperioden justeras till 20 ˚ar ist¨allet f¨or 30 ˚ar erh˚aller vi ett nettonuv¨arde f¨or kalkylen med den parametriska estime-ringen p˚a 529 miljoner kronor och den icke-parametriska p˚a 663 miljoner kronor. Vid en justering till 40 ˚ar ist¨allet f¨or 30 ˚ar erh˚aller vi ett nettonuv¨arde f¨or kal-kylen med den parametriska estimeringen p˚a 4 663 miljoner kronor och den icke-parametriska p˚a 4 869 miljoner kronor. Detta illustreras i tabell 11. Detta visar att det samh¨allsekonomiska resultat ¨ar k¨ansligt f¨or tidsperiodens l¨angd.
Modell 20 ˚ar 30 ˚ar 40 ˚ar
Parametrisk 529 2 972 4 663
Icke-parametrisk 663 3 145 4 869
Tabell 11: Nettonuv¨arde (mkr) vid olika tidsperioder
Den stora kostnadsposten i kalkylen ¨ar anl¨aggningskostnaden. Med utg˚angspunkt i kalkylen ser vi att skillnaden i anl¨aggningskostnad kan ¨oka med 38,2% till 10 737 miljoner kronor, innan nettonuv¨ardet blir noll kronor.
K¨anslighetsanalysen visar att den genomsnittliga betalningsviljan utifr˚an v˚art ur-val ¨ar sv˚ar att precisera. Det l¨agsta observerade v¨ardet f¨or betalningsviljan vi ser fr˚an ovanst˚aende analys ¨ar cirka 231 kr medan det h¨ogst observerade v¨ardet ¨ar cirka 708 kr. Intervallet f¨or den totala betalningsviljan f¨or kommuninv˚anarna ¨over 18 ˚ar blir d˚a 6 662 - 20 417 miljoner kronor. Detta ger oss ett intervall f¨or den samh¨allsekonomiska kalkylens nettonuv¨arde p˚a -690 till 13 065 miljoner kronor. Givet antagandet om att konfidensintervallen inneh˚aller det sanna v¨ardet f¨or be-talningsviljan med 95% sannolikhet kan vi se att det verkar finnas en betydande betalningsvilja f¨or det mindre intr˚anget av Alternativ 2. Detta ger indikationer p˚a att det finns en m¨ojlighet att betalningsviljan hos kommuninv˚anarna ¨over 18 ˚ar p˚averkar den samh¨allsekonomiska kalkylen till den m˚an att Alternativ 2 ¨ar att f¨oredra framf¨or Alternativ 1. Vi reserverar oss dock f¨or att de konfidensintervallen som erh˚allits ¨ar stora vilket medf¨or en os¨akerhet i resultatet. Vidare unders¨okning kr¨avs f¨or att s¨akrare kunna uttala sig om hur mycket betalningsviljan p˚averkar det samh¨allsekonomiska resultatet.
7.2.1 Ej monet¨art v¨arderade e↵ekter
Som konstaterats i avsnitt 6.1 finns det en underrepresentation av ¨aldre responden-ter i datamaresponden-terialet. I kombination med den st¨orre koefficienten och signifikanta variabeln ¨Aldre i modell B-D, se tabell 6 i avsnitt 6.2, finns indikationer p˚a att ¨aldre inv˚anare har en mindre sannolikhet att svara Ja ¨an yngre och medel˚alders inv˚anare. Om ett representativt urval i form av ett st¨orre antal ¨aldre hade till-fr˚agats ¨ar det d¨armed sannolikt att den genomsnittliga betalningsviljan skulle sjunka.
