| Forside | | Indhold | | Forrige | | Næste |

Benchmark af kloakområdet

4 Effektiviseringspotentiale på kloakområdet

• 4.1 Input og output i DEA - bruttoliste
• 4.2 DEA basismodellen
• 4.3 Resultater af DEA-analyserne på basismodellen
• 4.4 Alternative DEA modeller
• 4.5 Statistiske analyser
• 4.6 Kvalificering af potentiale

I dette kapitel analyseres effektiviseringspotentialet. Først diskuteres det, hvilke variable, det kan overvejes at inkludere i DEA modellen og herefter opstilles og analyseres DEA basismodellen samt et antal alternative modeller. Herefter dokumenteres resultatet af en statistisk analyse og endelig vurderes det samlede effektiviseringspotentiale, og det diskuteres, i hvilken grad det er muligt at realisere potentialet.

4.1 Input og output i DEA - bruttoliste

Som allerede nævnt spiller valget af variable til DEA en afgørende rolle for analysens resultater. De variable, som inkluderes, skal så vidt muligt afspejle ressourceforbrug (input), som anvendes til produktion af ønskværdige ydelser (output).

Det er imidlertid ikke helt entydigt, hvilke variable der bør indgå i en DEA analyse af kloaksektoren. I dette afsnit diskuteres hvilke variable, man kan overveje at inkludere i analysen, og på denne baggrund opstilles en bruttoliste af variable til DEA modellen.

Den primære ydelse

Det er indlysende, at den ydelse der leveres på et renseanlæg er rensning af spildevand og at det primære output således er renset spildevandsmængde. For kloakområdet er det imidlertid ikke helt så simpelt at definere det primære output. Umiddelbart kan man pege på transporteret spildevandsmængde og ledningslængde som "produkter", men spørgsmålet er imidlertid, om disse parametre er det bedste udtryk for den primære ydelse som leveres.

Det er klart, at ledningslængden har betydning i forhold til omkostningerne, men for kommunens indbyggere, som efterspørger servicen, er selve længden af ledningerne underordnet. For dem drejer det sig nærmere om, hvorvidt de kan komme af med deres spildevand og hvordan.

Spildevandsmængden har også betydning i forhold til omkostningerne. Jo større spildevandsmængde jo højere omkostninger. Men spildevandsmængden i sig selv er heller ikke det bedste udtryk for kommunens produkt. Parameteren har bl.a. den svaghed at den ikke udtrykker hvor langt spildevandet er transporteret og heller ikke hvor mange husstande, der får bortledt spildevand.

For kommunens borgere er det snarere andelen, der er kloakeret, som er produktet. Andelen, der er kloakeret, udtrykkes som det kloakerede befolkningstal. Fortolkningen af det kloakerede befolkningstal som output er enkel. Jo flere borgere, der har kloakering, desto bedre.

Det vurderes derfor, at det kloakerede befolkningstal er det bedst egnede mål for kommuners service overfor borgerne. Svagheden ved denne parameter isoleret er dog at der ikke tages hensyn til spildevandsmængden fra sommerhusområder og industri.

Omkostninger

Når man skal undersøge effektiviteten af kloakområdet spiller den økonomiske dimension naturligvis en helt central rolle. Omkostningerne skal indgå i DEA analysen, og man har brug for data som afspejler det årlige ressourceforbrug forbundet med kloaknettet. Det er imidlertid ikke helt simpelt at opgøre kommunernes ressourceforbrug på kloakområdet, fordi de hidtil har benyttet et udgiftsbaseret regnskabssystem.

For at udtrykke det samlede årlige ressourcetræk eller de samlede årlige omkostninger er det normal regnskabspraksis at man afskriver investeringerne over deres levetid for at kunne lave en omkostningsbaseret regnskabsaflæggelse. Virksomheder aktiverer og afskriver investeringer løbende ud fra en et fast princip, og man kan således opgøre de samlede omkostninger simpelt som summen af drifts- og vedligeholdelsesomkostninger samt afskrivninger og forrentning.

Hovedforskellen mellem det omkostningsbaserede og det udgiftsbaserede system består i, hvorvidt indtægter og udgifter periodiseres eller ej. Forskellen viser sig primært på investeringssiden, hvor man i det udgiftsbaserede system registrerer investeringer fuldt ud i det år, hvor de afholdes, mens man i et omkostningsbaseret system afskriver anlægsudgiften over en årrække, svarende til forbruget af anlægsaktivet. Fordelen ved et omkostningsbaseret regnskabsaflæggelse er netop, at man måler omkostningerne og dermed ressourceforbruget forbundet med et års aktiviteter, uanset om der det givne år har været knyttet en betaling til aktiviteterne eller ej.

Indtil for nylig har kommunerne ikke aktiveret investeringer, idet de alene har anvendt et udgiftsbaseret regnskabssystem. Men fra år 2002 er der imidlertid sket en udvikling på området. Der er vedtaget en betænkning ^[8] som pålægger kommuner at indføre omkostningsprincipper i de offentlige budget- og regnskabsaflæggelser på forsyningsområdet.

Kommunernes omkostninger på kloakområdet

I forhold til en effektivitetsanalyse af kloakområdet er det ikke givet, hvilke omkostninger, der skal indgå i analysen, og hvordan de skal opgøres. To forhold skal fremhæves i denne forbindelse:

1. Investeringer på kloakområdet har meget lang levetid
    
2. Der kan anvendes forskellige principper ved opgørelsen af kapitalomkostningerne

Ad. 1) Kloakområdet er kendetegnet ved at være et meget investeringstungt område, dvs. at en stor del af de samlede omkostninger består af investeringer eller udgifter til anlæg med meget lange levetider (kloakledninger, pumpestationer, overløbsanlæg mm.). I forhold til en effektiviseringsanalyse kan det diskuteres, om det er relevant at medtage denne ressourceanvendelse, fordi der er tale om forhold, som kun kan ændres på meget lang sigt.

Da kommunerne i en vis udstrækning kan substituere mellem drifts- og anlægsomkostninger, vil en analyse udelukkende baseret på driftsomkostninger ikke være uproblematisk. I hvert fald hvis driftsomkostningerne stiger med kloaknettets alder. I dette tilfælde vil kommuner, der har et gammelt kloaknet, som udgangspunkt komme ringere ud i en effektivitetsanalyse. Efterfølgende vil det dog være muligt at korrigere effektiviteten for alderens betydning for driftsomkostningerne.

I dette projekt er det forsøgt at opgøre de samlede omkostninger som summen af driftsomkostninger og kapitalomkostninger. Men som en konsekvens af usikkerheden på opgørelsen af afskrivningerne, og fordi inkludering af afskrivninger reducerer antallet af kommuner i undersøgelsen markant, anvendes alene driftsomkostningerne i basisanalysen (se afsnit 4.2).

Ad. 2) Ved værdiansættelsen af investeringerne og efterfølgende opgørelse af afskrivninger og restværdi (og forrentning) er der behov for at fastlægge hvilket værdiansættelsesprincip, der skal benyttes.

Der findes to principper for opgørelse af værdien af de historiske investeringer som kan anvendes:

• Genanskaffelsespris (nyværdi)
• Historisk kostpris

Genanskaffelsesprisen udtrykker hvad det ville koste at genanskaffe aktiverne på opgørelsestidspunktet.

Den historiske kostpris udtrykker, hvad det rent faktisk kostede at anskaffe aktiverne, da investeringerne blev foretaget. Principperne er nærmere beskrevet i bilag 2.

Pga. fordelene og ulemperne ved de to metoder, er der i dette projekt foretaget analyser på omkostninger opgjort efter begge principper.

Miljøparametre

At kloakområdet indvirker på miljøet bør også indgå i DEA analysen. Kommunernes beslutninger på spildevandsområdet er afgørende for hvor stor miljøpåvirkningen er for den konkrete kommune, og inden for lovgivningens rammer har kommunerne mulighed for at "vælge" meget forskellige niveauer.

I denne analyse anlægges en bred fortolkning af miljøpåvirkning. Miljøet antages således at blive negativt påvirket af:

• Overløb
• Indsivning (medfører større ressourceforbrug og belastning af renseanlæg)
• Nedbrud/skader/udsivninger

Jo bedre systemer og organisering og jo højere vedligeholdelsesstandard desto mindre vil miljøpåvirkningen alt andet lige være. Men en høj miljøstandard vil alt andet lige også være forbundet med højere omkostninger.

Miljøpåvirkning f.eks. i form af overløbsmængde kan betragtes som et uønsket output. Men fordi der er et "trade-off" mellem omkostninger og miljøpåvirkning, fås en klarere fortolkning ved at modellere miljøparametrene som input i DEA analysen. Fortolkningen er, at negative miljøpåvirkninger er uønskede og dermed en omkostning for samfundet lige såvel som de økonomiske omkostninger ved kloaknettet.

Der er ikke nogen parameter som entydigt udtrykker kommunernes miljøbelastning. Med udgangspunkt i listen over miljøpåvirkninger ovenfor, kan miljøbelastningen f.eks. afspejles i data om overløbsmængde, indsivningsmængde, skadesindeks, antal skader/kælderoversvømmelser, andel af ledninger med behov for fornyelse mv.

Der er imidlertid kun rimeligt konsistente og brugbare data om overløbsmængde, indsivningsmængde og fornyelsesindeks. Skadeindekset vurderes ikke at være brugbart, da det alene udtrykker et øjebliksbillede af skaderne på en udvalgt del af kloaknettet - nemlig den del som kommunerne selv har ønsket analyseret. Det findes ikke konsistente data for antal skader / kælderoversvømmelser.

Bruttoliste

Med udgangspunkt i diskussionerne ovenfor kan der opstilles følgende bruttoliste for input og output.

Tabel 4 Bruttoliste for input og output

I det følgende afsnit redegøres for den valgte basismodel.

4.2 DEA basismodellen

DEA basismodellen er opstillet ud fra en grundlæggende betragtning om at kommunerne med høj miljøstandard skal have ligeså god mulighed for at blive betragtet som effektive som kommuner med lave omkostninger. Eller sagt på en anden måde; miljø skal vægtes ligeså højt som økonomi. Til dette formål er DEA velegnet, fordi den netop som udgangspunkt vægter alle in- og output som inkluderes i modellen lige.

Miljø inkluderes i DEA analysen uden eksplicit at værdisætte miljøpåvirkningen, hvilket man ellers normalt har behov for, når man gennemfører analyser, som inkluderer miljøpåvirkninger ^[9]. Dette er en stor fordel, fordi det ud fra den nuværende viden ikke er muligt at værdisætte miljøpåvirkningerne fra kloakområdet.

I basismodellen er de mest centrale variable fra bruttolisten udvalgt ud fra en overordnet betragtning om, hvilke elementer der spiller en afgørende rolle på området. In- og output i basismodellen fremgår af tabel 5 nedenfor.

Tabel 5 Input og output i basis DEA-analysen

I basismodellen er omkostningerne repræsenteret alene ved driftsomkostningerne. Som diskuteret i afsnit 4.1 ovenfor, bør de samlede omkostninger ideelt set repræsenteres ved summen af driftsomkostninger og kapitalomkostninger. Imidlertid er der for det første meget færre kommuner, som har oplyst afskrivningerne, hvorfor antallet af enheder, som kan indgå i analysen begrænses, hvis de samlede omkostninger anvendes. For det andet vurderes usikkerheden på opgørelsen af afskrivninger at være betydelig (jfr. afsnit 3.4). Som en konsekvens heraf anvendes alene driftsomkostningerne i basismodellen.

Der tages højde for sammenhængen mellem driftsomkostningerne og anlægsomkostningerne (hypotesen er at driftsomkostningerne stiger med kloaknettets alder) ved en efterfølgende statistisk analyse.

Da der ikke findes én entydig variabel for miljøpåvirkningen fra kloakområdet er både overløbsmængde og indsivningsmængde inkluderet som input (uønskede output) i analysen. Når begge disse miljøparametre inkluderes i basismodellen får kommunerne flere muligheder for at blive vurderet som effektive eller få en høj score. Begge parametre inkluderes for at være sikre på at kommuner med en høj miljøprofil tilgodeses i effektiviseringsanalysen. Kommuner med høje omkostninger, som en konsekvens af en høj miljøprofil, bliver således vurderet som effektive.

Fornyelsesindekset er ikke inkluderet. Vedligeholdelsesstandarden af kloaknettet er central i forhold til miljøpåvirkningen, men fornyelsesindekset vurderes at være forbundet med måleusikkerhed, da parameteren er overslagsmæssigt vurderet af den ansvarlige kommune. Betydningen af fornyelsesindekset er også søgt afdækket i den statistiske analyse.

Teknisk set betyder inkluderingen af miljøparametrene, at kommuner kun vil blive vurderet som værende ineffektive, hvis kommunerne "domineres" af andre kommuner på både økonomi og miljø. Dette betyder, at man kan betegne det økonomiske effektiviseringspotentiale der afdækkes, som et "konservativt" estimat, der tager højde for kommunernes forskellige miljøprofiler. I en analyse som ikke inkluderer miljøparametrene, vil det økonomiske effektiviseringspotentiale blive højere.

På outputsiden er både kloakeret befolkningstal og spildevandsmængden inkluderet. Disse to parametre vurderes tilsammen bedst at udtrykke den primære service, som kommunen leverer på kloakområdet.

Det er klart, at for borgerne vil kloaknettets udbredelse, målt på det kloakerede befolkningstal, være et vigtigt output. Jo flere borgere i kommunen, der er kloakeret, desto bedre.

Tilsvarende er mængden af spildevand et vigtigt output for borgerne i kommunen. Spildevandsmængden hænger naturligvis tæt sammen med antallet af kloakerede borgere. Men det er ikke kun vigtigt hvor mange borgere, der er kloakerede, men også at det er "de rigtige" spildevandsudledere, der har kloakering. Dvs. alt andet lige dem, der udleder den største mængde spildevand.

Når man inkluderer både antal kloakerede borgere og spildevandsmængden i DEA-modellen, giver man kommunerne mulighed for at blive optimale på begge variable. Dvs. både kommuner, der har valgt at kloakere så mange borgere som muligt, og kommuner der har kloakeret de største spildevandsudledere har mulighed for at blive vurderet som effektive.

Et endnu bedre mål for effektiviteten af kloaknettet kunne være transporterede spildevandskilometer. Dette mål kunne så at sige samle de to ydelser til én. Desværre er det ikke muligt at etablere en sådan variabel, fordi det forudsætter kendskab til præcis hvor langt hver eneste m³ spildevand er transporteret.

Ledningslængden er ikke inkluderet, fordi selve længden af ledningerne er underordnet for kommunens borgere. Ledningslængden er desuden positivt korreleret med både det kloakerede befolkningstal og spildevandsmængden.

I den efterfølgende statistiske analyse er det også søgt afdækket om befolkningstæthed/urbaniseringsgrad (som er korreleret med ledningslængden) har betydning for effektiviteten.

Basismodellen er suppleret med to DEA-analyser hvor driftsomkostningerne er erstattet med totalomkostningerne baseret på hhv. genanskaffelsesværdi og historisk kostpris. For overskuelighedens skyld præsenteres her først resultatet af basismodellen i detaljer, hvorefter resultaterne fra de to alternative DEA-modeller præsenteres mere overordnet i afsnit 4.4.

4.3 Resultater af DEA-analyserne på basismodellen

På basis af input og outputvariablene i tabellen ovenfor er basis DEA-modellen analyseret. Scorerne for kommunerne er afbildet i figur 9 nedenfor. En score på 1 betyder, at kommunen er efficient, mens en kommune med en score mindre end 1 betyder, at der er et potentiale for besparelse. Scoren udtrykker, hvor stor en andel af samtlige input, kommunen burde kunne nøjes med, og stadig producere den samme mængde output. Det skal bemærkes, at der er tale om et bruttoeffektiviseringspotentiale, som endnu ikke er korrigeret for evt. forskelle i de vilkår, som kommunerne er underlagt.

Resultatet er afbildet både med og uden hensyntagen til stordriftsfordele ^[10]. En kommune kan være ineffektiv fordi den er lille og dermed ikke kan udnytte stordriftsfordele. I dette tilfælde kaldes potentialet for skalapotentiale.

Figur 9 DEA scorer for basismodellen (74 kommuner)

Note: Der er antaget variabelt skalaafkast, men det er ikke tilladt for en kommune at have stordriftsulemper, jf. diskussionen i bilag 1.

Effektiviseringspotentialet kan deles op i et skalapotentiale og et teknisk potentiale. Skalapotentialet afspejler, hvor meget kommunen kunne spare, hvis den havde den rigtige størrelse for optimal drift af kloaksystemet. Dette potentiale kan kommunen ikke selv realisere. Tilbage er det tekniske potentiale, som udtrykker hvor mange ressourcer - i forhold til udgangspunktet - kommunen højst bør anvende for at være effektiv, givet kommunens størrelse. Skalapotentialet aflæses som den øverste (hvide) del af søjlerne i figur 6, mens det tekniske potentiale aflæses som afstanden fra toppen af søjlerne til toppen af diagrammet.

DEA analysen omfatter 74 af de i alt 164 kommuner, der er indgået i spørgeskemaundersøgelsen. Den kraftige reduktion i antallet af kommuner skyldes, at der kun for disse kommuner foreligger oplysninger om spildevandsmængde (herunder oplysninger om importerede og eksporterede mængde), overløbsmængde og indsivningsmængde.

Blandt de 74 kommuner er 12 kommuner efficiente. Dvs. at disse kommuner udgør fikspunkterne som de øvrige kommuner bliver målt i forhold til. De efficiente kommuner findes primært blandt de mindre og mellemstore kommuner. De efficiente kommuner er i øvrigt karakteriseret ved, at de har et kloakeret befolkningstal, der er knap halvt så stort som gennemsnittet af kommunerne i undersøgelsen, og at den transporterede vandmængde er godt halvt så stor som i gennemsnittet af kommunerne. De efficiente kommuner er imidlertid sammenlignelige med gennemsnittet uden de største kommuner og udgør et bredt udsnit af de små og mellemstore kommuner.

Bruttoeffektiviseringspotentialet fremgår af tabel 6 nedenfor. Der er tale om et bruttopotentiale, som endnu ikke er korrigeret for evt. forskelle i de givne vilkår, som kommunen opererer under. Disse vilkår, som f.eks. udgøres af andelen af industrispildevand, bliver der først taget højde for i den efterfølgende statistiske analyse.

Tabel 6 Bruttoeffektiviseringspotentiale blandt kommunerne i undersøgelsen

Note: Det gennemsnitlige potentiale pr. kommune er beregnet med hensyntagen til størrelsen af kommunerne (som et vægtet gennemsnit). Det betyder, at de gennemsnitlige besparelser er forskellige fra de gennemsnitlige DEA-scorer, da disse ikke tager højde for størrelsen.

Analysen viser, at der samlet blandt kommunerne i undersøgelsen er et bruttobesparelsespotentiale på 238 mio. kr., 6,4 mio. m³ i overløb og 39,5 mio. m³ i indsivning. Heraf skyldes kun en beskeden andel at kommunerne opererer på for lille skala. Dvs. at der øjensynligt kun er lidt at vinde ved kommunale samarbejder om drift af kloaksystemer. Ved fortolkningen af resultaterne skal man dog være opmærksom på, at analysen er usikker, bl.a. pga. ganske betydelige usikkerheder i data.

Figur 10 viser, hvor meget kommunerne ville kunne spare pr. kloakeret person. Det fremgår af figuren, at de 9 mest ineffektive kommuner ville kunne spare over 400 kr. pr. kloakeret person om året, hvis hele bruttopotentialet var realisabelt. Dog skal det i denne forbindelse tilføjes, at der som tidligere nævnt synes at være kommuner som har angivet for høje driftsomkostninger til kloakområdet (f.eks. inkluderet omkostninger til fornyelse eller til renseanlæg).

Figur 10 Bruttoeffektiviseringspotentiale pr. kloakeret person

De kommuner, som indgår i undersøgelsen, dækker ca. 49 pct. af Danmarks kloakerede befolkning. Bruttopotentialet er opskaleret til hele landet ud fra en antagelse om, at kommunerne i undersøgelsen er repræsentative for de danske kommuner ^[11]. Det giver en samlet bruttobesparelse på driftsomkostningerne på ca. 483 mio. kr. på landsplan om året. ^[12] Dette svarer til 60 pct. af de samlede driftsomkostninger.

Hele dette bruttobesparelsespotentiale vil dog ikke kunne realiseres bl.a. fordi kommunerne opererer under forskellige vilkår, som der endnu ikke er korrigeret for. Der analyseres nærmere for disse forhold i afsnit 4.5.

Følsomhedsanalyse

I forbindelse med den statistiske analyse (bootstrapping analyse) for forklaring af scorerne er der gennemført en række replikationer af DEA analysen, hvor tilfældige kommuner er udvalgt.

Fra hver replikation af DEA-analysen, fremkommer et sæt DEA-scorer for stikprøven. Scorerne for hver replikation giver tilsammen en fordeling af DEA scorerne. Denne fordeling kan fortælle noget om, hvor følsomme DEA scorerne er overfor hvilke kommuner, der indgår i analyserne. Middelværdien samt 25% fraktilen og 75% fraktilen på fordelingerne af DEA scorerne fremgår af figur 11 nedenfor.

Figur 11 Fordeling af DEA-scorerne for basismodellen

Figuren viser, at 13 af kommunerne er effektive i mere end 75 pct. af analyserne. Den målte effektivitet i de andre kommuner er derimod afhængig af, hvilke kommuner, der indgår i analysen. Spredningen på DEA-scorerne er dog forholdsvis beskeden, og resultaterne af analyserne er derfor rimeligt robuste.

4.4 Alternative DEA modeller

Man kan tænke sig flere alternative måder at modellere effektiviteten i kloaksektoren på, som adskiller sig fra den foretrukne model, der er gennemgået ovenfor.

For det første kan man undersøge, hvordan det påvirker resultaterne, når man inkluderer forskellige kombinationer af miljø-variablene, og for det andet kan man se på, hvordan det påvirker resultaterne, når man inkluderer forskellige udtryk for totalomkostningerne.

Effekten af miljø-variablene

Miljøvariablene har en forholdsvis stor betydning for det endelige effektiviseringspotentiale, jf. tabel 7 neden for. Hvis man ikke tillader kommunerne at optimere driften i forhold til miljøpåvirkningen, stiger det økonomiske effektiviseringspotentiale væsentligt. Dvs. kommunerne kunne spare en del ved at undlade at tage samme hensyn til miljøet, som de gør i dag.

Tabel 7 Oversigt over effekten af miljøvariablene

Effekten af at inkludere de totale omkostninger

Som tidligere beskrevet kan der eksistere et "trade-off" mellem anlægsinvesteringer i kloaksystemet og driftsomkostningerne. Nogle kommuner har f.eks. valgt at bruge mange penge på at forny deres kloaknet, således at driftsomkostningerne, indsivningen og overløbet mindskes. Disse kommuner vil komme relativt godt ud i en model, hvor der ikke er taget højde for omkostningerne til afskrivning og forrentning af kloaknettet.

Man kunne derfor vælge i stedet at inkludere de samlede omkostninger til kloaknettet i modellen, dvs. omkostningerne til drift, afskrivninger og forrentning.

Der er dog flere ting, der taler imod denne løsning. For det første er der usikkerheden om, hvordan afskrivninger og forrentning skal opgøres. For det andet har mange kommuner ikke opgjort afskrivningerne og restværdien - hverken efter den ene eller den anden metode. Det betyder, at antallet af kommuner, der kan indgå i analysen, bliver kraftigt reduceret.

For det tredje skal man være opmærksom på, at denne type model vil resultere i langsigts-effektiviseringspotentialer, fordi kloakledninger har en meget lang levetid. Den del af effektiviseringspotentialet, som skyldes "forkert" investering i vedligeholdelse af kloaknettet, kan ikke realiseres på kort tid. For det første kan en kommune ikke ændre på situationen, hvis den har "overinvesteret" i kloaknettet. For det andet er det meget dyrt at udskifte nettet, hvorfor det vil tage meget lang tid for de kommuner, som har "underinvesteret" i fornyelse, at komme op på det optimale niveau.

På trods af problemerne i forhold til at inkludere de samlede omkostninger i modellen, er der gennemført analyser på denne model, jfr. afsnittet nedenfor.

Resultater af de alternative modeller

Der er set på to alternative modeller, hvor driftsomkostningerne er erstattet med de samlede omkostninger opgjort hhv. på baggrund af genanskaffelsesværdien (alternativ 1) og den historiske kostpris (alternativ 2).

Resultaterne af modellen på baggrund af genanskaffelsesværdien (alternativ 1) fremgår af figur 12 nedenfor.

Figur 12 Sammenligning af scorer i basismodellen og alternativ 1

Note: Scorerne for basismodellen er de samme som i Figur 5.1. Dvs. basismodellen er ikke genberegnet med færre kommuner. Dette ville formentlig give noget anderledes resultater end de viste.

Antallet af kommuner, der kan indgå i analysen, falder til 42, dvs. antallet af kommuner bliver næsten halveret når omkostningerne baseret på genanskaffelsesværdien inkluderes i DEA modellen. Derudover viser figur 12 også, at der er stor forskel på resultaterne for de enkelte kommuner. To kommuner, som er efficiente i den foretrukne model (basismodellen), bliver inefficiente, mens tre andre kommuner, der var inefficiente i basismodellen, bliver efficiente i alternativ 1. Kun meget få kommuner kommer ud med omtrent det samme effektiviseringspotentiale i de to modeller.

Det samme gør sig gældende ved alternativ 2, jf. figur 13. Kun 38 kommuner har givet oplysninger nok til at de kan indgå i denne model. Man skal i øvrigt være opmærksom på, at det ikke er de samme kommuner, der indgår i alternativ 1 og alternativ 2, idet kun 29 kommuner kan indgå i begge modeller.

Figur 13 Sammenligning af scorer i basismodellen og alternativ 2

Note: Scorerne for basismodellen er de samme som i Figur 5.1. Dvs. basismodellen er ikke genberegnet med færre kommuner. Dette ville formentlig give noget anderledes resultater end de viste.

De kommuner, der har en lav score i basismodellen og en høj score i de alternative modeller, er formentlig karakteriseret ved, at de har valgt at acceptere høje driftsomkostninger og miljøulemper og til gengæld investeret mindre i at forny kloaknettet og i foranstaltninger til reduktion af overløb. Ca. 10 (svarende til omtrent en fjerdedel) af kommunerne i analysen har valgt denne strategi. ^[13]

Det samlede brutto-effektiviseringspotentiale blandt kommunerne i undersøgelsen bliver godt 1 mia. ifølge modellen baseret på genanskaffelsesværdien, og ca. 370 mio. kr. ifølge modellen baseret på de historiske kostpriser. Opskalerer man disse bruttoeffektiviseringspotentialer på samme måde som bruttopotentialet fra basismodellen, giver det et samlet besparelsespotentiale på hhv. knap 2,8 mia. kr. og godt 1,3 mia. kr. på landsplan. Dette svarer til hhv. 41 pct. og 45 pct. af de samlede omkostninger opgjort efter de to metoder.

Driftsomkostningerne udgør i gennemsnit knap 13 pct. af de totale omkostninger baseret på genanskaffelsesværdien, og godt 24 pct. af de totale omkostninger baseret på den historiske kostpris blandt de kommuner, som indgår i alternativmodellerne. Dvs. besparelsespotentialet er i begge tilfælde væsentligt større end driftsomkostningerne.

Det er ikke muligt direkte at uddrage hvor stor en del af bruttobesparelsespotentialet som kan henføres til driftsomkostningerne. Antager man, at besparelsespotentialet i modellerne er ligeligt fordelt mellem besparelser på driftsomkostningerne og på afskrivningerne mv., kan man imidlertid beregne et besparelsespotentiale på driftsomkostningerne alene. Man kommer i så fald frem til et samlet potentiale på landsplan på ca. 250 mio. kr. i begge modeller.

4.5 Statistiske analyser

Som beskrevet i afsnit 2.1 og bilag 1 er der foretaget en statistisk analyse ^[14] af sammenhængen mellem DEA-scorerne og de potentielle forklarende variable. Delresultater fra den statistiske analyse kan også bruges til en følsomhedsanalyse - dvs. vise, hvor følsomme DEA-scorerne er overfor hvilke kommuner, der indgår i analysen.

Den praktiske gennemførelse af de statistiske analyser er forholdsvis kompliceret. Det er derfor ikke hensigtsmæssigt at "prøve sig frem" til den bedste model. Der er heller ikke nogen indlysende måde at sammenligne modeller på, ligesom man f.eks. kan sammenligne almindelige regressionsanalyser ved hjælp af R2. Bootstrapping teknikken besværliggør derfor mange af de sædvanlige model-tests, som man ville udføre på en almindelig regressionsmodel.

Disse forhold gør det endnu vigtigere end sædvanligt at afklare de teoretiske sammenhænge, som modellen skal belyse, og undersøge de forklarende variables egenskaber.

Forklarende variable og hypoteser

Den statistiske analyse forsøger at forklare de fordele og ulemper, som nogle kommuner har sammenlignet med andre kommuner. I afsnit 2.1 (og bilag 1) blev det kort beskrevet, hvilke typer af variable, der teoretisk kunne være relevante at inddrage i analysen, og hvordan de påvirker effektivitetspotentialerne. I praksis er antallet af forklarende variable dog også begrænset af adgangen til pålidelige data.

En bruttoliste over forhold, som kan tænkes at påvirke kommunernes effektivitet, fremgår af tabel 8 nedenfor.

Tabel 8 Bruttoliste over forklarende variable

Udover spørgsmålet om, hvilke forklarende variable, der vil være relevant at inddrage, findes spørgsmålet om, hvordan de forklarende variable skal indgå i modellen. Da DEA scorerne ligger mellem 0 og 1 og derfor er "normerede", vil det være mest hensigtsmæssigt, hvis de forklarende variable også er normerede. Eksempelvis vil det ikke være en god idé f.eks. at inkludere antallet af bygværker direkte, da nogle kommuner er væsentligt større end andre, og derfor har brug for flere bygværker for at opnå den samme effektivitet, som en mindre kommune. Alle variablene som der undersøges for i den statistiske analyse er derfor normerede.

Det forholdsvis beskedne antal observationer begrænser det antal variable, som kan indgå samtidig i den statistiske analyse. Der er ikke muligt på forhånd at fastlægge, hvilke variable som er mest hensigtsmæssige at inkludere, og de statistiske analyser er derfor gennemført ved at afprøve forskellige kombinationer af variable. Dette er uddybet i afsnittet om resultater nedenfor.

De forklarende variable kan deles ind i tre kategorier:

1. Variable, der afspejler kommunens geografi.
2. Variable, der afspejler kommunens tekniske drift/kvaliteten af kloaknettet.
3. Variable, der afspejler kommunens økonomiske drift.

De forskellige typer af variable beskrives nærmere nedenfor:

1. Variable, der afspejler kommunens geografi:

Andelen af spildevandet, der er industrispildevand

Det er vanskeligt at opstille en hypotese om, hvordan andelen af industrispildevand indvirker på effektiviteten, fordi der vurderes at være forhold som trækker i hver sin retning. En stor andel industrispildevand kan tænkes at være forbundet med store driftsomkostninger til vedligeholdelse af kloaknettet, fordi industrispildevand slider (korrosion) mere på kloakledningerne. Kravene til kvaliteten af industrispildevand er nu skærpet, men kloakledningerne kan være slidt som et resultat af tidligere tiders ringe spildevandskvalitet. Det kan ligeledes tænkes at kommuner, der har en stor andel af industrispildevand, må bruge flere ressourcer på overløbsanlæg for at undgå forurening og bruge mere på administration og kontrol. Omvendt kan man forestille sig at kommuner med høj andel spildevand har lettere ved at være effektive, fordi ledningslængde er lille i forhold til den spildevandsmængde, som kommer fra industri som forbruger meget vand. På forhånd er det derfor uklart om man må forvente en positiv eller en negativ sammenhæng mellem andelen af industrispildevand og DEA-scoren.

Befolkningstætheden

Befolkningstætheden udtrykker antal personer i forhold til geografisk område. Jo større befolkningstætheden er, desto færre kilometer kloakledning har kommunen formentlig brug for. Man må derfor forvente en positiv sammenhæng mellem befolkningstætheden og DEA-scoren.

Urbaniseringsgraden

Urbaniseringsgraden er et udtryk for hvor stor en andel af en kommunes borgere, som bor i byområder. Urbaniseringsgraden hænger tæt sammen med befolkningstætheden, idet den er defineret som andelen af kommunens befolkning, som bor i byer. Urbaniseringsgraden er dog ikke særlig korreleret med befolkningstætheden (men derimod med logaritmen til befolkningstætheden). Man kan derfor godt have begge variable med i den statistiske analyse. Hvis man antager, at befolkningstætheden har en positiv sammenhæng med DEA-scoren, er det ikke urimeligt, hvis urbaniseringsgraden har en negativ sammenhæng med DEA-scoren i en model, hvor begge indgår. Det skyldes, at befolkningstætheden så at sige tager sig af den positive effekt af, at der er behov for færre ledninger, mens urbaniseringsgraden afspejler at det formentlig er et noget større arbejde at sikre, at andre ledninger ikke bliver gravet over og at retablere vejbelægninger mv. i byer end på landet.

Andel industrispildevand, befolkningstæthed og urbaniseringsgrad er ikke forhold, som kommunen kan påvirke nævneværdigt - hverken på kort eller lang sigt. Disse variable er derfor potentielle faktorer, som DEA-scorerne skal korrigeres for, når det realiserbare effektiviseringspotentiale bliver beregnet.

2. Variable, der afspejler kommunens tekniske drift/kvaliteten af kloaknettet:

Ledningslængden pr. kloakeret borger
Jo flere kilometer ledning pr. kloakeret borger jo højere må omkostningerne forventes at være. Man må derfor forvente en negativ sammenhæng mellem ledningslængde og DEA-scoren.

Bygværker pr. m³ spildevand
Bygværker består af pumpestationer, overløbsanlæg og regnvandsudløb.

Antallet af bygværker må formodes at have en negativ indflydelse på både driftsomkostningerne og anlægsomkostningerne, således at jo flere bygværker en kommune har, jo højere er drifts- og anlægsomkostningerne.

Betydningen af de forskellige bygværker afdækkes hver for sig i den statistiske analyse, fordi bygværkerne er forbundet med et forskelligt ressourcetræk. Dette bevirker at det ikke vil være rimeligt at inkludere et samlet udtryk for antallet af bygværker.

Andelen af kloaknettet, som er fra før 1919

Statistiske analyser af sammenhængen mellem driftsomkostningerne og alderen af kloaknettet viser, at der findes en negativ sammenhæng mellem driftsomkostninger og kloaknettets alder, men at det primært har betydning hvor stor en andel af kloaknettet, der er fra før 1919. Der må forventes en negativ sammenhæng mellem denne andel og DEA-scoren.

Andelen af kloaknettet, der trænger til fornyelse

I princippet vil det være mere retvisende at se på, hvor stor en andel af kloaknettet, der trænger til fornyelse, i stedet for nettets alder. Det viser sig dog, at de to variable ikke er særlig korrelerede. Det er dog et problem med denne variabel, at den er fremkommet ved et skøn hos de enkelte kommuner. Når der ikke er sikkerhed for, at skønnet er udøvet efter de samme objektive kriterier, bliver det er vanskeligt at sammenligne kommunernes angivelser. En kloakledning kan blive bedømt til at være udskiftningsmoden i en kommune, mens en tilsvarende ledning af samme kvalitet kan blive bedømt til at kunne holde nogle år endnu i en anden kommune.

Andelen af kloaknettet, der udgøres af fælleskloakering

Kommunen kan principielt vælge mellem to former for kloakering, der hver har sine ulemper og fordele. Ved fælleskloakering bliver spildevand og regnvand ledt til rensningsanlægget ad de samme rør, og det forholdsvist rene regnvand bliver derved blandet sammen med spildevandet. Det øger belastningen på rensningsanlægget. Ved separat kloakering løber regnvand og spildevand derimod i hvert sit rør, hvilket betyder, at kloaknettet i områder med separat kloakering er ca. dobbelt så langt. Det fører i sagens natur til øgede omkostninger til vedligeholdelse af nettet, men til gengæld mindre til overløb og indsivning. I en analyse, der alene ser på kloaknettet og ikke inddrager omkostningerne på rensningsanlæggene, må man dog alt i alt forvente, at jo mere fælleskloakering kommunen har, desto mere effektiv bliver den pågældende kommune. Nyere kloaksystemer (30-40 år) er typisk etableret som separatsystemer.

Andelen af kloaknettet, som er fra før 1919 og andelen, der trænger til fornyelse er begge udtryk for, hvor god stand kloaknettet er i. Begge variable bliver inkluderet i analysen fordi de hver for sig er usikre og de giver hvert sit mål for kvaliteten af nettet. De to variable er ikke særligt korrelerede, og kan derfor uden problemer indgå i analysen samtidig. Begge variable kan påvirkes af kommunens beslutninger, men kun på lang sigt, da det vil kræve meget store investeringer at forny eller forbedre hele kloaknettet på en gang. Den andel af DEA-scorerne, som disse variable kan forklare, er derfor primært udtryk for et effektiviseringspotentiale på lang sigt.

3. Variable, der afspejler kommunens økonomiske drift:

Andelen af driftsomkostningerne, der går til administration

Umiddelbart burde administrationsomkostningerne have en negativ betydning for DEA-scoren. Jo større andel af omkostningerne, der er administrationsomkostninger, desto mindre effektiv burde kommunen fremstå. Variablen er dog ikke så simpel at fortolke. Ser man f.eks. på en kommune, som har et velrenoveret kloaknet, som kun sjældent kræver reparationer, burde administrationsomkostningerne udgøre en relativt større andel af denne kommunes i forvejen lave driftsomkostninger. Hvis disse kommuner dominerer, vil man kunne finde en positiv sammenhæng mellem administrationsomkostningerne og DEA-scoren.

Andelen af driftsomkostningerne, der går til private entreprenører

Andelen af driftsomkostningerne, der går til private entreprenører afspejler i hvor høj grad kommunen benytter udlicitering af driften. Man kan forestille sig, at andelen kan trække begge veje i forhold til DEA-scoren, f.eks. størst tidsmæssig effektivitet ved private og mindst timesats ved eget personale. Man må imidlertid formode, at i de tilfælde, hvor private entreprenører står for en del af driften af kloaksystemet, har kommunen allerede vurderet at denne løsning er billigere end at klare det med egne ansatte. Der er derfor mest som taler for en positiv sammenhæng mellem andelen af omkostninger, der går til private entreprenører og DEA-scoren.

Andelen af driftsomkostningerne, der går til kommunale entreprenører

Andelen af driftsomkostningerne, der går til kommunale entreprenører afspejler kommunens grad af selvforsyning i driften af kloaknettet. I en del tilfælde har kommunen formentlig undersøgt, om det er billigere at lade en privat entreprenør udføre nogle af opgaverne. Men i andre tilfælde har kommunen måske ikke undersøgt dette. Hvis der er en negativ sammenhæng mellem selvforsyningsgraden og DEA-scoren, tyder det på, at de kommuner, der i højere grad vælger at udføre opgaverne selv, ikke er så effektive som de kommuner, der lægger en større del af opgaverne ud til private entreprenører.

Andelen af driftsomkostningerne, som går til hhv. administration, kommunale entreprenører og private entreprenører afspejler de økonomiske valg, som kommunerne har taget.

Det vil være forkert at opjustere DEA-scorerne for effekten af disse variable, da de netop udtrykker den evt. økonomiske ineffektivitet i kommunernes drift af kloaksystemet. En evt. signifikant sammenhæng med disse variable vil derimod kunne forklare en del af årsagen til potentialet.

Eventuelle effektiviseringsgevinster, som stammer fra en mere optimal sammensætning af omkostningerne til driften af kloaksystemet kan formentlig høstes på forholdsvis kort sigt.

Resultater af de statistiske analyser

Alle de ovenstående hypoteser er blevet testet i den statistiske analyse.

Hvis man inkluderer samtlige forklarende variable i modellen, kan man ikke aflæse nogen signifikant effekt af nogen af dem. Det betyder dog ikke, at man kan afvise alle hypoteserne. Analyserne fører i stedet frem til en reduceret foretrukken model, og det er denne model, der ligger bag korrektionen af DEA-scorerne.

Den foretrukne model er den model, der inkluderer flest af de forklarende variable samtidigt, uden at nogen af dem bliver insignifikante, og hvor de er signifikante på det højest mulige niveau. I vurderingerne er der anvendt 90% signifikansniveau.

I dette tilfælde indgår: andelen af ledninger, der er anlagt før 1919, andelen af ledninger, der trænger til fornyelse, og andelen af spildevand fra industri i den foretrukne model. Denne model er marginalt bedre end en model, hvor andelen af ledninger, der trænger til fornyelse er erstattet af ledningslængden pr. kloakeret person.

Resultaterne af de statistiske analyser af den endelige foretrukne model fremgår af tabel 9 nedenfor. Resultaterne skal fortolkes forsigtigt, primært fordi der er betydelige usikkerheder i data. Selvom der er foretaget 1.000 replikationer, viser yderligere analyser på data, at estimaterne kun er nogenlunde præcise på 3 decimaler.

Tabel 9 Resultater af bootstrappede tobit-estimationer på DEA-scorerne

P-værdierne afspejler med hvor stor sikkerhed man kan afvise en hypotese om, at estimaterne er lig 0. Dvs. at den pågældende variabel ikke kan forklare scorerne. Estimater med en P-værdi under 0,10 anses sædvanligvis for signifikante i modeller med få observationer, som i dette tilfælde. Dvs. det kan med 90 pct. sandsynlighed afvises, at estimaterne er lig 0.

Estimaterne afspejler, hvordan den latente score påvirkes af de forklarende variable, jfr. boks 1 i bilag 1. Fortolkningen af parameterestimaterne er derfor ikke den samme som i OLS-modellen. Et parameterestimat på -0,030 på andelen af ledninger anlagt før 1919 betyder derfor, at for hver procent andelen af gamle ledninger falder, stiger den latente score med 0,030.

Dette mål er ikke særlig anvendeligt til at forudsige, hvad scorerne ville være, hvis kommunerne var ligesom de bedste kommuner. I stedet for bør man se på, hvordan scorerne bliver påvirket af de forklarende variable. Dvs. man skal tage højde for, at estimaterne også afspejler de forklarende variables betydning for sandsynligheden for at scoren bliver 1. Disse såkaldt marginale effekter eller slope koefficienter beregnes i dette tilfælde for hver replikation efter formlen: ^[15]

Fortolkningen af slope koefficienterne svarer til fortolkningen af almindelige marginale effekter. Dvs. de viser hvor meget scorerne ændrer sig, når de forklarende variable ændrer sig. Beregningen har dog knap praktisk betydning ift. scorerne, idet de marginale effekter kun er en anelse lavere end estimaterne.

Slope-koefficienterne bruges i afsnittet nedenfor til at korrigere DEA-scorerne for den afdækkede betydning af vilkårsvariablene. Analyserne viser, at jo flere "gamle" ledninger, jo større fornyelsesbehov og jo større mængde industrispildevand kommunen har - desto mindre effektiv bliver kommunen. Det stemmer godt overens med hypoteserne ovenfor.

Selvom det ikke kan afvises, at effekten af de øvrige forklarende variable er 0, er det interessant at sammenholde fortegnene på estimaterne med hypoteserne ovenfor. Man skal dog være opmærksom på, at når estimaterne er insignifikante, kan det heller ikke afvises, at fortegnet kan være forkert. I de fleste tilfælde bliver hypoteserne dog bekræftet, jf. tabel 10.

Tabel 10 Oversigt over tests af hypoteserne

4.6 Kvalificering af potentiale

DEA analysen identificerede et bruttopotentiale på 238 mio. kr. fordelt på 7 mio. kr. som et skalapotentiale og 231 mio. kr. som et teknisk potentiale for de kommuner som indgik i undersøgelsen. Resultaterne af den statistiske analyse anvendes i det følgende til at korrigere det identificerede bruttopotentiale.

Scoren er korrigeret for betydningen af andelen af gamle ledninger, fornyelsesbehovet og andelen af industrispildevand. For andelen af industrispildevand er der tale om et forhold som kommunerne ikke selv kan påvirke, men som altså påvirker effektiviteten. Den del af bruttoeffektiviteten der kan forklares med dette forhold kan således ikke realiseres og er derfor ikke en del af nettoeffektiviteten.

Andelen af gamle ledninger og fornyelsesbehovet kan påvirkes af kommunerne på lang sigt. På omkostningssiden inkluderer analysen imidlertid kun driftsomkostningerne, og da man som tidligere nævnt må forvente at kommuner med gamle kloaknet vil have højere driftsomkostninger, men til gengæld lavere kapitalomkostninger, bør den del af bruttoeffektiviteten, der kan forklares med disse forhold ikke karakteriseres som et realiserbart potentiale.

På denne baggrund er de inefficiente kommuners bruttopotentialer justeret, så potentialet for disse kommuner renses for effekten af de tre forhold. Ved korrektionen af DEA-scorerne er der taget udgangspunkt i en situation, hvor alle kommuner er lige så gode som den bedste blandt de efficiente kommuner, hvad angår andelen af gamle ledninger, fornyelsesbehovet og andelen af industrispildevand.

De korrigerede DEA-scorer fremgår af figur 14 nedenfor. Den øverste (hvide) del af søjlerne viser korrektionen. Afstanden fra toppen af søjlerne til toppen af diagrammet angiver et netto-effektiviseringspotentiale. Nettoeffektiviseringspotentialet afspejler, hvor meget mere effektive kommunerne kunne blive - givet de vilkår, som kommunerne opererer under.

Figur 14 Korrigerede DEA-scorer

Blandt de 74 kommuner, der indgår i DEA analysen, er 19 kommuner nu efficiente. I gennemsnit har korrektionen forhøjet scoren med 0,18 for de inefficiente kommuner, men for enkelte kommuner med høj andel af industrispildevand, høj andel af gamle ledninger og stort fornyelsesbehov er scoren forhøjet med væsentlig mere.

Efter ovenstående justering af scorerne for andelen af gamle ledninger, fornyelsesbehovet og andelen af industrispildevand er det, ud fra resultaterne af den statistiske analyse, ikke muligt at kvalificere det tekniske potentiale yderligere. Som udgangspunkt betegnes det resterende potentiale derfor som nettopotentialet.

Det beregnede nettopotentiale fremgår af tabel 11 nedenfor.

Tabel 11 Nettoeffektiviseringspotentiale blandt kommunerne i undersøgelsen

Note: Det gennemsnitlige potentiale pr. kommune er beregnet med hensyntagen til størrelsen af kommunerne (som et vægtet gennemsnit). Det betyder, at de gennemsnitlige besparelser er forskellige fra de gennemsnitlige DEA-scorer, da disse ikke tager højde for størrelsen.

Netto-effektiviseringspotentialet blandt kommunerne i undersøgelsen er beregnet til ca. 163 mio. kr. Potentialet kan fortsat deles op i et skalapotentiale og et teknisk potentiale. Skalapotentialet udgør ca. 7 mio. kr. og er et potentiale som kommunen kun kan realisere ved kommunesammenlægninger eller evt. kommunesamarbejder. Det tekniske nettopotentiale udgør ca. 156 mio. kr. for kommunerne i undersøgelsen og udtrykker hvor mange færre ressourcer kommunerne bør anvende for at tilvejebringe de nuværende serviceydelser.

De kommuner, som indgår i undersøgelsen, dækker ca. 49 pct. af Danmarks kloakerede befolkning. Opregner man det samlede nettopotentiale for de undersøgte kommuner på baggrund af det kloakerede befolkningstal fås et besparelsespotentiale på ca. 330 mio. kr. på landsplan. Dette svarer til ca. 41 pct. af de samlede driftsomkostninger.

Skalapotentialet er meget beskedent i forhold til det samlede nettopotentiale (ca. 13 mio. kr. for landet som helhed). Kommunerne kan ikke selv realisere dette potentiale, men det vil evt. kunne realiseres gennem kommunesammenlægninger. I lyset af de aktuelle politiske planer om en kommunalreform, hvor kommunesammenlægninger synes at spille en central rolle, vurderes skalapotentialet at være realiserbart.

Ud fra den statistiske analyse er det som nævnt ikke muligt at forklare årsagerne til det tekniske nettopotentiale. F.eks. måtte hypotesen om at administrationsomkostningerne har en negativ betydning for DEA-scoren forkastes i den statistiske analyse, ligesom hypotesen om at andelen af driftsomkostningerne, der går til private entreprenører har en positiv betydning for scoren. Det er således ikke umiddelbart muligt at forklare det beregnede nettopotentiale yderligere - hverken ud fra forhold som kommunerne selv kan påvirke eller ud fra forhold som kommunerne ikke er herre over.

Den generelle usikkerhed ved data og de relativt få kommuner, som indgår i undersøgelsen i forhold til de variable, som kan have en betydning for effektiviteten, har betydning i forhold til den statistiske analyse. Endvidere kan der være forklarende variable som har betydning for effektiviteten som, på grund af begrænset adgang til pålidelige data, ikke har været mulige at inddrage i den statistiske analyse.

Selvom en række af de opstillede hypoteser ikke kan bekræftes (er signifikante) i den statistiske analyse synes en række af hypoteserne fortsat at have gyldighed. Eksempelvis synes det fortsat intuitivt logisk at urbaniseringsgrad og befolkningstæthed bør have en betydning i forhold til omkostningerne til kloakområdet. Det vurderes derfor, at en del af det beregnede tekniske nettopotentiale skyldes forskelle i vilkår, som ikke er fanget i den statistiske analyse.

Desuden er der forhold, som det ikke har været muligt analysere. Dette gælder eksempelvis sammenhængen mellem omkostningerne til kloaknettet og placeringen/antallet af renseanlæg. Kommunerne skal optimere hele spildevandsområdet under et og står eksempelvis med valget mellem ét stort centralt renseanlæg eller flere små decentrale anlæg. Dette valg vurderes at have indflydelse på både omkostningerne til kloaknettet og til spildevandsrensningen.

Mens omkostningerne til spildevandsrensning typisk vil være lavere ved ét centralt renseanlæg vil omkostningerne til kloaknettet typisk være højere, fordi det kræver at spildevandet transporteres længere - og vice versa. Det har ikke været muligt at afdække dette forhold gennem den statistiske analyse.

I lyset af ovenstående vurderes det tekniske nettopotentiale at repræsentere et overskøn for effektiviseringspotentialet, som kun delvis vil være realiserbart. Der er imidlertid også et par forhold, som kan trække i retning af et højere potentiale.

DEA-analysen identificerer ineffektive kommuner ved sammenligning med de bedste kommuner, men forholder sig ikke til, om der også er et effektiviseringspotentiale for de bedste kommuner. Det kan ikke udelukkes, at der også kan eksistere et effektiviseringspotentiale for de kommuner, der betragtes som de bedste kommuner.

I DEA- modellen er der inkluderet to miljøvariable (overløbsmængde og indsivningsmængde). Hvis kommunerne klarer sig godt på disse miljøindikatorer giver det dem mulighed for at blive vurderet som effektive, selvom de har høje driftsomkostninger. I en analyse som ikke inkluderer miljøparametrene - og dermed ikke tillægger lav miljøpåvirkning nogen værdi - er det økonomiske effektiviseringspotentiale højere.

Da det tekniske potentiale ikke har kunnet forklares med den statistiske analyse er det ikke muligt at skønne, hvor stor en del af nettopotentialet, der vil kunne realiseres.

Fodnoter

[8] Indenrigsministeriets betænkning nr. 1369 - Det fremtidige budget og regnskabssystem for kommunerne og amtskommunerne. Januar 1999

[9] I samfundsøkonomiske analyser på miljøområdet inkluderes miljøpåvirkninger i de økonomiske rentabilitetsberegninger således ved at værdisætte påvirkningerne. Værdisætningen er imidlertid forbundet med stor usikkerhed og det findes kun brugbare værdisætningsestimater for et begrænset antal miljøeffekter (luftemissioner, støj).

[10] Når der ikke tages hensyn til stordriftsfordele, anvendes CRS-scoren, mens VRS scoren anvendes, når der tages højde for stordriftsfordele. Dog anvendes VRS scoren kun i det tilfælde, hvor skalapotentialet skyldes stordriftsfordele (NIRS=CRS<VRS). Skyldes skalapotentialet stordriftsulemper (NIRS=VRS>CRS) benyttes CRS scoren, svarende til at stordriftsulemper ikke accepteres.

[11] Potentialet er også forsøgt opskaleret ved at se bort fra de største kommuner (København, Århus, Aalborg og Odense) som alle indgår i undersøgelsen. Resultatet af denne opskalering er imidlertid af samme størrelsesorden som opskaleringen inklusiv disse kommuner.

[12] Landspotentialet er beregnet som 238 mio. / 0,49 ≈ 483 mio. Man kunne vælge en mere sofistikeret metode til at opskalere resultaterne, men da analysen i forvejen er usikker, vil det formentlig ikke have nogen målbar betydning.

[13] Dvs. de har en væsentligt lavere effektivitetsscore i basismodellen end i de alternative modeller.

[14] Nærmere bestemt en bootstrapped tobit analyse.

[15] Se Greene p. 962-967, særligt fodnote 20.

| Forside | | Indhold | | Forrige | | Næste | | Top |

Version 1.0 Januar 2006, © Miljøstyrelsen.