10 Konklusion og anbefalinger

Udvikling af en metode til effektvurdering af Miljøstyrelsens Kemikalieinspektions tilsyn og kontrol

På baggrund af en gennemgang af MST’s Kemikalieinspektions nuværende metodik for effektvurdering giver denne rapport et oplæg til samlet framework for stikprøvemetodik, dataindsamling og effektberegning.

Projektet har fokuseret på udviklingen af en robust, dokumenteret statistisk model samt en metode til målretning af det fremtidige tilsyn baseret på segmentering.

I afsnit 5, ”Målretning af tilsyn og kontrol” præsenterer rapporten et oplæg til den fremtidige strukturering af stikprøveudtagelse og øvrig dataindsamling.

I afsnit 8, ”Statistisk model” udleder og dokumenterer rapporten en model, der kan analysere og konkludere på MST’s nuværende praksis og samtidig fungere som base for mere avancerede statistiske analyser, som fx dynamiske analyser.

På baggrund af ovenstående analyser er det rapportens anbefaling, at der påbegyndes en gradvis implementering. Tiltagene vurderes at kunne medføre flere fordele:

På kort sigt kan implementeringen af den statistiske model underbygge og dokumentere den nuværende tilgang til udtagning og analyse af stikprøver.
På lidt længere sigt kan udviklingen af en metode, hvor der er sammenhæng mellem omkostninger og diverse beslutningsvariable, fx hvilke områder skal udvælges til kampagner? Hvor mange stikprøver skal udtages i hver kampagne? Hvilket statistisk konfidensniveau skal anvendes? Hvor mange kampagner kan/skal gennemføres årligt?

Det er rapportens vurdering, at en model, der både inddrager dataindsamling, stikprøveudtagelse, statistisk analyse og omkostninger til disse, kan skabe et robust grundlag for prioriteringer.

Implementeringen af ovenstående skal prioriteres. Det er rapportens umiddelbare vurdering, at følgende prioritering af opgaver er hensigtsmæssig:

Implementere den statistiske model
Påbegynde segmenteringsanalyser
Strukturere fremtidig dataindsamling
Analysere ”gamle” kampagner mv. med henblik på dataopsamling
Integrere økonomiske beslutningsvariable i modellen.

I tilknytning til ovenstående anbefales det, at den statistiske model og dertil knyttede it-værktøjer løbende tilpasses.