Tillväxteffekter i samhällsekonomiska kalkyler

Relationen SE-kalkyl och BNP-effekt

The SAMLOK model – principles Estimate income at time 1 (y0) based on Initial income at time 0 (y1) Initial accessibility at time 0 (M0) Accessibility change 0 1 due to transport system changes (cM) Accessibility change 0 0 1 due to employment relocation (EM) Use accessibility measures from transport model Parameters estimated on actual travel behaviour Reflects changes in policy variables - travel costs. travel times etc. Use ”quasi-disaggregate data” combinations of municipality, age, gender, ethnicity, education (~15 000 obs.)

Estimation equations 𝑀 𝑟 0 = s 𝐸 𝑠 0 exp( 𝜌𝑐 𝑟𝑠 0 ) Initial accessibility of zone r Change in acc. due to changed gen. trp. costs Change in acc. due to changed empl. location Δ 𝑐 𝑀 𝑟 = s E s 0 exp 𝜌𝑐 𝑟𝑠 1 s E s 0 exp 𝜌𝑐 𝑟𝑠 0 Δ 𝐸 𝑀 𝑟 = s 𝐸 𝑠 1 exp 𝜌𝑐 𝑟𝑠 0 s 𝐸 𝑠 0 exp 𝜌𝑐 𝑟𝑠 0 log 𝑦 𝑛𝑟 1 =𝛼+ 𝛽 1 log 𝑦 𝑛𝑟 0 + 𝛃 𝟐 𝛿 𝑛 𝑎𝑔𝑒 + 𝛃 𝟑 𝛿 𝑛 𝑔𝑒𝑛𝑑𝑒𝑟 + 𝛃 𝟒 𝛿 𝑛 𝑒𝑡ℎ𝑛𝑖𝑐 + 𝛃 𝟓 𝛿 𝑛 𝑒𝑑𝑢 + 𝛽 6 log 𝑀 𝑛𝑟 0 + 𝛽 7 log Δ 𝑐 𝑀 𝑟 + 𝛽 8 log Δ 𝐸 𝑀 𝑟 +𝜖

Estimation results (excerpt)   [2] [4] [5] [6] Mälar Valley All Low VoT Medium VoT High VoT Log Income 1993 0.32 0.67 0.82 0.95 Log M0r 0.051 0.019 0.024 0.037 Log ΔEMr (-0.11) (0.080) (0.001) (-0.036) Log ΔcMr 0.044 (0.025) 0.029 0.062 (…) R2 0.909 0.758 0.475 0.713 Number of observations 5232 1744

Hur stora blir inkomsteffekterna? (enligt Samlok) Namn KÖ från arbetsresor Inkomst-effekt Skatteintäkt: Multiplikator på KÖ (max 2.3) Andel av KÖ som är nettolöne-ökning E18 Hjulsta - Ulriksdal 33 20 0.43 0.36 E4/E12 Umeå 2 0.66 0.56 Marieholmspaketet 29 36 0.89 0.75 E4 Förbifart Stockholm 174 173 0.70 0.60 Norrbotniabanan 40 28 0.50 0.42 Åtgärdsplan 2010 7 429 13 429 1.28 1.08 KÖ från arbetsresor är i genomsnitt 17% (väg) resp. 26% (jvg) av hela KÖ KÖ är omkring 80% av totala investeringsnyttan

Kan inte lägga hela BNP-effekten till traditionell kalkyl KÖ innehåller även välfärd som inte syns i BNP Skattekilar och externa agglomerationseffekter innebär att hela BNP-effekten inte syns i KÖ. Resten av BNP-effekten borde läggas till kalkylen … men de är situationsspecifika och svåra att mäta Beror på hur resmotståndet minskat (kostnad, tid, bekvämlighet…) Störst i specialiserade regioner (storstäder) KÖ från arbetsresor borde ”multipliceras upp” Värdet av ökad sysselsättning ingår inte alls Störst bland lågutbildade (?) Schablonmässiga tidsvärden gör SE-kalkylen till sämre indikator på BNP-effekt Tidsvärdena numera differentierade map ärende och färdmedel

UK WebTag Samband tillgänglighet => BNP/anställd Antas inte alls överlappa med kalkylens KÖ Ökad produktivitet genom omlokalisering av arbetsplatser Omlokalisering beräknas med markanvändningsmodell Jobb som flyttar ”ärver” zonens produktivitet Imperfekt konkurrens 10% mark-up på tjänsteresenyttor

Sammanfattning Hög tillgänglighet ger högre löner, produktivitet, sysselsättning … men svårt bestämma effektens storlek Flera (tidigare) studier verkar överskatta effekten Samband ”investeringsutgifter=>tillväxt” – det spelar roll vad pengarna används till! Tillgänglighet=>produktivitet främst i specialiserade/välutbildade regioner/städer/grupper Tillgänglighet=>sysselsättning främst i undersysselsatta grupper (låg utbildning osv) ?? (reservationslöneargumentet) Två strategier: Regionförstoring eller –förtätning Investeringar kan öka utglesningen och bli kontraproduktiva SE-kalkyler: fångar även andra välfärdseffekter – men inte hela BNP-effekten … men är en bra indikator för BNP-effekter, särskilt om nyttan är från arbetsresor