Dynamische modellen van prijsbeleid

Transcriptie

1 Dynamische modellen van prijsbeleid Fase I: Synthese rapport Datum 21 november 2001 Kenmerk AVV009 MuConsult B.V. Postbus CB Amersfoort Tel Fax Internet

2 Inhoudsopgave Samenvatting / Summary Samenvatting Summary I I II 1. Inleiding Probleemstelling Deze rapportage 2 2. Dynamiek in verplaatsingsgedrag Factoren die dynamiek kunnen veroorzaken Gevolgen van dynamiek 6 3. Dynamische gegevens Inleiding Panelgegevens Voor- en nadelen panelonderzoek Pseudo panels Dynamische modellen Inleiding Analyse van paneldata Schatten van dynamische panel modellen Schatten van pseudo panels Empirische toepassing dynamische panels De data Dynamische analyses Simulatiestudie Conclusies en discussie Empirische toepassing pseudo panels Data en model Resultaten Conclusies en aanbevelingen 37

3 Referenties 42 Bijlage: Specificatie DPP modellen

4 Samenvatting / Summary Samenvatting Naar verwachting zal voorspelling en analyse van veranderingen in het verplaatsingsgedrag in de toekomst steeds belangrijker worden. Steeds meer worden beleidsmaatregelen getroffen die van invloed zijn op het individuele gedrag. Ook wordt in toenemende mate vanuit het beleid verwacht dat inzicht wordt verkregen in de ontwikkelingspaden vanuit een nulsituatie naar het gewenste einddoel. Deze inzichten laten eventuele tussentijdse bijsturing toe, zowel ten aanzien van de communicatie rond beleid als ten aanzien van het beleid zelf. In het project Dynamische modellen van prijsbeleid, is zowel vanuit de theorie als de empirie onderzoek gedaan naar dynamiek in het verplaatsingsgedrag. Theorie Panels zijn de meest geëigende databron voor analyse van aanpassingsprocessen. Daarbij worden gedurende een langere periode dezelfde mensen ondervraagd. Aldus kunnen veranderingen in de mobiliteit op individueel niveau worden gerelateerd aan veranderingen in de mobiliteitsbepalende factoren. Een belangrijke vraag hierbij is in welke mate iedere meting een nieuwe groep respondenten omvat. Deze keuze is afhankelijk van de onderzoeksdoelen. Gebruiken we panels vooral voor de analyse van trends, dan is verversing onontbeerlijk. Gebruiken we panels voor de analyse van aanpassingsprocessen, dan geniet het verwerven van langere reeksen per persoon de voorkeur. Belangrijke problemen die spelen rond panels, zoals selectiviteit in de uitval, zijn grotendeels corrigeerbaar. Met de mogelijkheid om gedragsreacties op individueel niveau te analyseren, bieden panelgegevens ook de mogelijkheid om dynamiek in gedrag te bestuderen: mensen kunnen anticiperen op verwachte nieuwe omstandigheden of hun gedrag pas op langere termijn aanpassen. In deze gevallen zullen cross-sectie modellen, die gegevens bevatten over één punt in de tijd en dus statisch zijn, onjuiste uitspraken opleveren over de effecten van beleid. Onder een aantal voorwaarden kunnen ook dynamische paneldata modellen worden geschat op basis van herhaalde cross-secties, dit type panelmodellen staan bekend onder de naam pseudo-panels. Belangrijk daarbij is dat onder meer sprake moet zijn van substantiële cohort-effecten. Empirie Panel analyses Het waargenomen keuzegedrag van respondenten blijkt veel beter verklaard te kunnen worden met een dynamisch model, waarbij keuzes uit het verleden mede de keuze thans bepalen. Uit een simulatiestudie bleek dat het dynamische model tot een veel lagere gevoeligheid voor de hoogte van het tolbedrag leidt (in termen van elasticiteiten) dan het statische model. Het uitsluitend gebruik maken van statische (keuze)modellen zou dan ook tot een te optimistische inschatting kunnen leiden van het effect van (prijs)maatregelen. Hieruit kan worden geconcludeerd dat de vaak geuite gedachte dat cross-sectie modellen de lange termijn effecten representeren onjuist is. Dit spoort met theorie waarin eveneens blijkt dat dit niet het geval is. I

5 Pseudo panel analyses De geschatte modellen, statisch en dynamisch, hebben alle een hoge verklarende kracht, echter de brandstofprijs heeft wel het verwachte teken, maar in geen enkel geval een significant effect op het autokilometrage. De brandstof prijselasticiteit heeft voor zowel de statische als de dynamische specificatie(s) dezelfde orde van grootte, en ligt in de buurt van waarden die eerder in de literatuur genoemd zijn. De gebruikte methode van cohorten en Instrumentele Variabele schattingen in combinatie met weinig variatie in de prijsvariabele is waarschijnlijk de belangrijkste reden voor een minder efficiënte schatting voor de parameters in het model en een niet significant prijseffect, ondanks het gebruik van een zeer omvangrijke dataset (het OVG). De hoge correlaties tussen de variabelen veroorzaken grote problemen in de identificatie van de effecten van de verschillende variabelen op het autokilometrage. Conclusie Op basis van theorie en empirische resultaten blijkt dat panels en pseudo-panels waardevolle methoden van dataverzameling zijn voor evaluatie en prognosedoeleinden. Er wordt een betere representatie van gedrag mogelijk, leidend tot betere inzichten in de effecten van beleid. Nieuwe onderzoeksmethoden stellen ons in staat om maximaal gebruik te maken van de mogelijkheden van deze data. Daarmee zijn we fors opgeschoten in de afgelopen decennia sedert grootschalig panelonderzoek dat in Nederland in de tachtiger jaren is gehouden. Het zou voor de ontwikkeling van beleid en evaluatie daarvan goed zijn om van de ervaringen daaruit, en die in deze studie opgedaan, in de toekomst gebruik te maken. Summary The forecasting and analysis of changes in the mobility of individuals will probably become more important in the near future. Government takes more often measures that may have a direct influence on individual behaviour. Furthermore, the importance for government to known the possible paths leading from the current situation to a desired situation becomes important. This insight provides the opportunity to adjust the measures itself, when necessary, or to change communication policies supporting the measures. In the project dynamic models of pricing policy both from a theoretical as empirical point of view research has been carried out with respect to the dynamics in the transportation of individuals. Theoretical Using panels is the best way to analyse adjustment processes. Over a long period the same people are observed, such that changes in transportation patterns of individuals can be related to the changes in the factors that determine mobility An important issue in panelresearch is the question to what extend new respondents have to be selected in new periods. This depends on the purposes of the study, when a panel is used to analyse trends, refreshment of the panel is necessary. On the other hand, when panels are used to analyse adjustment processes, a long sequence of observations from the same respondents is desired. Some of the important limitations of panels, such as selectivity in individuals dropping from the panel (attrition), can be resolved to a great extend. Panel data not only provide the opportunity to analyse behavioural reactions at an individual level, but in addition make it possible to study the dynamics in behaviour. People can II

6 anticipate to expected new circumstances, or only change their behaviour in the long term. In these cases, cross-section analyses, that are static and only contain information from one moment in time, can give misleading results with respect to the effectiveness of policy. However, in some cases dynamic panel-models based on repeated cross-sections can be estimated. These types of panel models are known as pseudo panels. One important condition is that there must be substantial cohort-effects present in the data. Empirical Panel analyses The observed choices of respondents are much better explained by a dynamic model, where choices from the past partly determine current choices. A simulation study showed that the dynamic model leads to much lower price-elasticities, with respect to the effect of the amount of toll to pay, compared to a static model. So, only using static models may give an overestimation of the effectiveness of price-measures. From this, and supported by theory, it can also be concluded that the view that cross-section models represent long-term effects is not correct. Pseudo panel analyses The estimated static and dynamic models all have a high explanatory power. However, fuel price does have the expected sign, but has no significant effect on car-use (in kilometres). The fuel price-elasticity has about the same value in the static and dynamic specifications, and is close to values observed before in the literature. Despite the use of an extensive data set (the OVG), the effect of price could not be determined with great accuracy. This may be due to using cohorts and Instrumental Variables estimation, combined with low variation in the price variable itself. High correlations between variables cause major problems in identifying the effects of separate variables in their effect on car-use. Conclusion Based on theoretical and empirical result we conclude that panels and pseudo panels are valuable methods for data collection when the effects of price measures need to be forecasted and analysed. A better understanding in behaviour is possible, leading to a better insight in the effects of new (pricing) policy. New methods give the opportunity to get maximum information from the data. This is a big step forward compared to research done in the Netherlands since the eighties, based on large (panel) data sets. For the development of new policies and the analysis of its effectiveness, it is recommended to learn from those experiences and the ones from this study, for use in the near future. III

7 1. Inleiding 1.1 Probleemstelling Voor het voeren van prijsbeleid op het gebied van verkeer en vervoer moet de overheid beschikken over goede informatie over het verplaatsingsgedrag van mensen. Op basis daarvan is het mogelijk inzicht te verkrijgen in de autonome ontwikkelingen van de mobiliteit en de gevolgen van uiteenlopende beleidsmaatregelen (zowel ex-ante als ex-post). Omdat ontwikkelingen vaak sterk met elkaar samenhangen, spelen modellen bij beleidsevaluaties en -prognoses een belangrijke rol. Met modellen is het immers mogelijk een goede representatie te geven van het gedrag en de determinanten daarvan. Bij toepassingen spelen actuele vraagstukken rondom prijsbeleid een belangrijke rol. Denk aan de kilometerheffing, rekeningrijden of parkeerbeleid. Economen wijzen er vaak op dat het doorgaans niet mogelijk is om op basis van crosssectie metingen de effecten van prijsbeleid te onderzoeken. Immers, als de treinprijzen stijgen worden alle treinreizigers daarmee geconfronteerd, als de kosten van de auto stijgen alle autogebruikers. Voor zover sprake is van verschillen, hebben deze verschillen vooral te maken met kwaliteit (eerste of tweede klasse, een grotere auto e.d.). Voor onderzoekers is dan het probleem dat de effecten van prijzen niet te scheiden zijn van de effecten van kwaliteitsverschillen 1. Economen gebruiken dan ook vaak tijdreeks gegevens voor analyse van prijseffecten, omdat prijzen wel variëren in de tijd. Daarnaast kunnen panelgegevens behulpzaam zijn. Daarbij wordt een groep van mensen in de tijd gevolgd en meermalen ondervraagd. Het voordeel is dat op basis hiervan zowel variatie in de prijzen in de tijd kan worden onderzocht als verschillen in reacties tussen bevolkingsgroepen. Bij deze analyses is van belang rekening te houden met de mogelijkheid van dynamiek in gedrag, waarbij korte termijn effecten van beleid anders zijn dan lange termijn effecten. Kitamura (1990) stelt dat gedragsaanpassingen tijd vergen en dat geldt dus ook voor verplaatsingsgedrag. Soms zal daarbij sprake zijn van aanpassingen die langere tijd na de maatregel nog voortduren, soms zal op voorhand reeds met aanpassingen worden begonnen. Daarvoor bestaat een aantal principiële redenen: 4 In een groot aantal gevallen is sprake van aanpassingskosten. Deze kunnen zowel economisch als psychologisch zijn. Neem bijvoorbeeld een maatregel waarbij de kilometers van grotere auto s zwaarder worden belast dan van kleinere auto s. Men verwacht dan (enige) substitutie tussen autotypen. Voor velen zal deze substitutie pas op termijn optreden, omdat mensen niet onmiddellijk hun auto inruilen. Analoog zal een verhoging van de kilometerkosten niet onmiddellijk tot verhuizingen leiden, gezien de hoge transactiekosten (zowel in geld als ten aanzien van bijvoorbeeld sociale contacten). Verhuizen zal meestal pas op wat langere termijn plaatsvinden. Bij de aanpassingssnelheid spelen onder meer een rol de moeite om informatie over alternatieven te krijgen en de zoekkosten (zie Goodwin, Kitamura en Meurs 1990 voor een overzicht). Het idee is dat naarmate de aanpassingskosten hoger zijn, de verschillen tussen korte en lange termijn effecten groter zijn. 1 Er worden wel prijselasticiteiten gepresenteerd in de literatuur op basis van cross-sectie data, maar eerder is betoogd dat het moeilijk is om deze goed te interpreteren (MuConsult, 1992). 1

8 4 Mensen kunnen anticiperen op (verwachte) nieuwe omstandigheden. Zo zullen sommige mensen die willen verhuizen er nu reeds rekening mee houden dat een maatregel als rekeningrijden wordt ingevoerd. Ook kunnen mensen een auto inruilen omdat ze verwachten dat die in de nabije toekomst wel eens kapot zou kunnen gaan, al weten ze dat niet zeker. Een gedachte kan zijn dat als de gevolgen van mogelijke gebeurtenissen in de toekomst groter zullen zijn, er meer sprake is van anticiperend gedrag. Deze verschijnselen moeten worden beoordeeld met behulp van dynamische modellen. Tot op heden is daaraan in de literatuur weinig aandacht besteed. Dit is een lacune in onze kennis. Voor zowel beleidsmakers als onderzoekers bestaat een aantal redenen waarom men inzicht zou wensen in anticipatie- en aanpassingsprocessen: 4 In toenemende mate wordt vanuit het beleid verwacht dat inzicht wordt verkregen in de ontwikkelingspaden vanuit een nulsituatie naar het gewenste einddoel. Deze inzichten laten eventuele tussentijdse bijsturing toe, zowel ten aanzien van de communicatie rond beleid als ten aanzien van het beleid zelf. De ontwikkelingspaden kunnen zeer grillig zijn, met bijvoorbeeld initiële onder- of overontwikkeling ten opzichte van een lineaire trend (zie bijvoorbeeld Meurs et al. 1990). 4 Voor evaluatieonderzoek betekent dynamiek in gedrag dat de keuze van de onderzoeksperiode waarover uitspraken worden gedaan heel belangrijk is. Nu worden deze perioden op basis van ervaringen van experts gekozen, maar het valt aan te bevelen deze nader te onderbouwen. 4 Bij combinatie van maatregelen in de tijd zijn dynamische modellen nodig om de effecten van de afzonderlijke maatregelen te kunnen identificeren. Bij een sterke samenhang kunnen oorzaak en gevolg alleen worden onderzocht door de werking van maatregelen in de tijd te bestuderen. 4 Inzichten in dynamiek kunnen ook worden gebruikt om de volgtijdelijkheid van maatregelen te bepalen. Een voorbeeld is de bouw van nieuwe woonwijken. De vraag die vaak wordt gesteld, is wanneer OV-verbindingen moeten worden aangelegd. Doet men het vroeg, dan zijn de exploitatielasten op de korte termijn sterk negatief. Indien sprake is van aanpassingsgedrag kan het desondanks toch verantwoord zijn om deze keuze te maken, opdat mensen niet worden gedwongen om zich volledig op de auto te richten en daarna nooit meer het OV nemen. 1.2 Deze rapportage Met het oog op de verminderde belangstelling voor het onderwerp en de nog steeds actuele grote waarde, is het verheugend dat AVV met het project Panel based models dit onderwerp heeft opgepakt middels een anticiperende onderzoeksproject. Het project bestaat uit een tweetal hoofdfasen, elk met een aantal subfasen. De eerste fase is van verkennende en theoretische aard, de tweede fase betreft empirische toepassingen op basis van bevindingen uit de eerste fase. De verschillenden onderdelen van beide fasen worden in tabel 1.1 weergegeven. 2

9 Dit rapport betreft fase 2.I, hierin wordt een overzicht gegeven van de belangrijkste bevindingen uit de voorgaande fasen. Voor een uitgebreidere en gedetailleerdere beschrijving verwijzen we naar de rapporten die over afzonderlijke fasen zijn verschenen (MuConsult en Goudappel Coffeng 2000; MuConsult 2000 en 2001a t/m d; Goudappel Coffeng 2001). Tabel 1.1: Fasen Dynamische Modellen van Prijsbeleid Fase Omschrijving Fase 1 A. Literatuurstudie, theorie en resultaten B. Inventarisatie bestaande panel gegevens C. Inventarisatie panel modellen D. Synthese Fase A-C E. Voorstel implementatie Fase 2 F. Beschrijving panel en pseudo panel data G. Analyse dynamische panels en pseudo panels H. Ontwikkeling simulatietool I. Synthese Fase 1 en 2 In hoofdstuk 2 wordt allereerst de dynamiek in het verplaatsingsgedrag beschreven en in hoofdstuk 3 de eigenschappen van panels en pseudo panels. Hoofdstuk 4 geeft vervolgens een overzicht van verschillende dynamische modellen en hoe deze geschat kunnen worden. Het toegepaste deel van het project wordt in een tweetal hoofdstukken besproken. De analyses op basis van een dynamisch panel komen in hoofdstuk 5 aan bod en van een pseudo panel in hoofdstuk 6. Tenslotte worden in hoofdstuk 7 de belangrijkste conclusies uit het project vermeld en worden een aantal aanbevelingen gedaan voor de opzet van een (dynamisch) panel ter evaluatie van de effecten van prijsbeleid, toegespitst op de kilometerheffing. 3

10 2. Dynamiek in verplaatsingsgedrag 2.1 Factoren die dynamiek kunnen veroorzaken In de literatuur wordt vaak gewezen op allerlei factoren die ertoe leiden dat reizigers zich niet onmiddellijk aan nieuwe omstandigheden aanpassen (Kitamura 1990; Van Berkum en Van der Mede 1993). De volgende factoren worden onderscheiden: 1. Aanpassingskosten. Aanpassing van gedrag brengt kosten met zich mee in de vorm van economische kosten (zoals verhuiskosten of zoekkosten) en psychologische kosten. Uiteraard is voor de snelheid van aanpassing de omvang hiervan van belang. 2. Informatie en onzekerheid. De toekomst is inherent onzeker, zodat mensen beslissingen over mobiliteit nemen zonder dat ze volledig zeker zijn over de gevolgen. 3. Anticipatie. Individuen kunnen hun gedrag aanpassen op verwachte veranderingen in omstandigheden die in de toekomst spelen. 4. Veranderingen keuzeproces. Door opgedane ervaringen en leren kan het keuzeproces zelf veranderen. Mensen die met de auto naar het werk gaan vragen zich niet elke dag af of de auto de beste vervoerwijze is. 5. Overige factoren, zoals sociale en culturele factoren die van invloed zijn op de mobiliteit. Deze factoren worden achtereenvolgens uitgewerkt. 1. Aanpassingskosten Er zijn drie typen kosten te onderscheiden: economische kosten, psychologische kosten en tijd. Economische kosten 4 Transactiekosten, zoals verhuiskosten of zoekkosten. Uit onderzoek is bekend dat ruimtelijke aanpassingsprocessen, zoals verandering van woonlocatie, vaak gepaard gaan met aanzienlijke kosten voor verhuizing of het zoeken naar een nieuw huis (MuConsult 1999). 4 Er zijn ook zoekkosten van alternatieven, nadat de keuze van verandering is gemaakt. Zie Goodwin, Kitamura en Meurs (1990). De zoekkosten houden verband met de beschikbaarheid aan informatie ten aanzien van alternatieve vervoerwijzen. Indien de economische kosten hoog zijn, is het voor individuen en huishoudens niet snel aantrekkelijk om het gedrag aan te passen. De ruimtelijke effecten van prijsbeleid zijn op korte termijn dan ook relatief gering, juist vanwege de hoge aanpassingskosten van woonen werklocaties. Beleid gericht op vermindering van deze aanpassingskosten of compensatie kan ertoe leiden dat aanpassingsprocessen sneller verlopen. Psychologische kosten Vaak wordt hierbij gewezen op psychologische kosten die leiden tot gewoontegedrag. Gewoontegedrag is de neiging van mensen om steeds dezelfde keuzen te maken. Dit heeft zowel een motivationeel als een cognitief aspect, in de zin van een gedragsintentie of voornemen tot gedrag. Het begrip gewoonte onderscheidt zich van het begrip statedependence, dat aangeeft dat mensen steeds daadwerkelijk dezelfde keuzen maken. Bij state-dependence gaat het dus om een herhaling van het gedrag als zodanig. Aan gewoontevorming liggen deels psychologische aanpassingskosten ten grondslag. Het kost mensen minder moeite om steeds hetzelfde te doen, door: 4 Weerstand tegen veranderingen (behoudzucht), zie psychologische literatuur zoals Steg 4

11 (1996). 4 Het afzetten van de huidige situatie tegen alternatieven, waarbij nadelen van het alternatief psychologisch zwaarder wegen dan de voordelen (Kahneman and Tversky 1984). 4 Een hoge drempel om veranderingen door te voeren. Een verhuizing kan bijvoorbeeld het verlies van sociale contacten inhouden. Deze factoren kunnen ertoe leiden dat het gedrag nauwelijks verandert, zelfs als de omstandigheden waarin keuzen worden gemaakt wel veranderen. Tijd In veel gevallen kunnen gewenste veranderingen niet direct doorgevoerd worden, maar kost het enige tijd alvorens deze veranderingen plaats kunnen vinden. Hierbij kan bijvoorbeeld gedacht worden aan: 4 Tijdsrestricties, individuen met een strikte tijdsrestrictie zullen minder snel geneigd zijn om voor een langzamere vervoerwijze te kiezen. 4 Institutionele factoren kunnen gedragsaanpassingen beperken. Een voorbeeld is de contractuele opzegtermijn voor arbeid. De werkplek als bestemming van een verplaatsing kan niet snel worden aangepast. 4 Binding met een vervoermiddel doordat abonnementskosten reeds voor een toekomstige periode zijn betaald (denk aan treinabonnementen of motorrijtuigenbelasting voor auto s). 2. Informatie en onzekerheid Kitamura (1990) en Van Berkum en Van der Mede (1993) beschrijven verschillende factoren die dynamiek in verplaatsingsgedrag impliceren. De factoren verklaren deels de dynamiek in gedragsaanpassingen: 4 Informatie is niet altijd direct voorhanden, hetgeen kan leiden tot onvolledige of onduidelijke informatie of het negeren van veranderingen. Een proces van ervaren en leren behoort tot het vergaren van informatie (denk bijv. aan het uitvinden van alternatieve routes). Chang en Mahmassi (1988) beschrijven leerprocessen in de dynamiek in gedrag. 4 Onzekerheid over gebeurtenissen onderweg congestie/ongelukken/wegwerkzaamheden) of in de toekomst (nieuwe alternatieve vervoermogelijkheden, nieuwe informatievoorziening of nieuw beschikbare alternatieven, zie Long 1997). 4 Variabiliteit van transportmogelijkheden (grote verscheidenheid aan vervoermogelijkheden) die vaak niet bekend is bij individuen. Zie Van Berkum en Van der Mede (1993). Zo duurt het enige tijd voordat iemand bekend is met de mogelijkheden om met het openbaar vervoer naar het werk te reizen. Sommige van deze leerervaringen ontstaan door experimenteren, andere door extern verschafte informatie. 4 Kleine veranderingen worden vaak niet eens opgemerkt door mensen die een bepaalde verplaatsing maken. Echter, een aantal kleinere veranderingen kan accumuleren in de tijd tot een grotere verandering die wel wordt opgemerkt. 3. Anticipatie Anticiperend gedrag betekent dat verwachte veranderingen (zoals prijsbeleid ten aanzien van prijsaanpassingen) kunnen leiden tot gedragsaanpassingen in het heden. Dit onderwerp 5

12 kwam reeds aan de orde. Een gedachte kan zijn dat als de gevolgen van mogelijke gebeurtenissen in de toekomst groter zullen zijn, er meer sprake is van anticiperend gedrag. Een voorbeeld van anticiperend gedrag betreft beslissingen over verplaatsingsgedrag waarbij mensen zich baseren op inkomensverwachtingen over langere termijn. Dit kan een verklaring zijn waarom panelanalyses geringere effecten van inkomen op autobezit laten zien, althans op korte termijn, dan wordt verwacht op basis van cross-sectie analyses. Ook kan anticiperend gedrag bij veel beslissingen een rol spelen als gevolg van het vertrouwen van consumenten in de economie. Immers, dit vertrouwen kan de verwachting van verdere inkomensgroei weerspiegelen. 4. Veranderende keuzeprocessen Ervaringen die mensen in de tijd opdoen, kunnen ook de keuzeprocessen zelf veranderen. Zo wijzen Roelofs et al. (1992) op de vereenvoudiging van het keuzeproces tot template matching. Dat houdt in dat een persoon een situatie die hij of zij waarneemt of voorspelt op basis van simpele beslissingsheuristieken vergelijkt met een individueel normpatroon. Bijvoorbeeld: als het regent ga ik met de auto, anders met de fiets. Dergelijke versimpelde heuristieken beperken het aantal factoren in het beslissingsproces. Als nu sterke veranderingen plaatsvinden in factoren die niet onmiddellijk bij dit versimpelde beslissingsproces een rol spelen, zullen mensen daar in eerste instantie niet of nauwelijks op reageren. Pas na verloop van tijd kan bijvoorbeeld de ontevredenheid fors toenemen en kan men het beslissingsproces aanpassen. 5. Overige factoren Naaste de vier hiervoor genoemde hoofdaspecten, zijn er ook andere factoren die dynamiek in gedrag kunnen veroorzaken. Hierbij staat de relatie centraal tussen maatschappelijk en individueel belang. Denk aan sociale en culturele factoren als sociale normen (status), sociale vergelijking en voorbeeldwerking (bekende Nederlanders of reclame), zie Steg (1996). Dergelijke factoren veranderen niet snel in de tijd. Daarnaast zijn bij verplaatsingsgedrag op middellange termijn keuzen van belang die op langere termijn zijn gemaakt. Denk aan de levensstijl van mensen, die niet snel verandert. Keuzen die op dit punt worden gemaakt, werken als beperking op de subjectief ervaren keuzemogelijkheden op middellange en korte termijn. Kortom, een aantal minder eenvoudig meetbare grootheden kunnen ook leiden tot vertraging in aanpassingsprocessen aan nieuwe omstandigheden. 2.2 Gevolgen van dynamiek In deze paragraaf schetsen we de gevolgen van het niet meenemen van de bovenstaande factoren bij de analyse van het ruimtelijk en verplaatsingsgedrag. Oftewel: wat is het gevolg van het analyseren van dynamiek in gedrag met statische methoden? De schets is kwalitatief van aard. Voor een statistische uitwerking van de problemen verwijzen we onder meer naar Meurs (1991). 1. Aanpassingskosten Indien sprake is van aanpassingskosten, zal iemand zijn gedrag niet of geleidelijk aanpassen. De snelheid van aanpassing hangt samen met de hoogte van de aanpassingskosten. Hoe hoger die kosten, hoe lager de snelheid van aanpassing en omgekeerd. Daarnaast is de omvang van het verschil tussen de uitgangssituatie en de 6

13 gewenste situatie in de nieuwe omstandigheden van belang. Gezien de vertraging in gedragsreacties in het geval van aanpassingskosten, zal een analyse kort na invoering van een maatregel dan ook tot een onderschatting leiden van de feitelijke beleidseffecten. 2. Anticipatie Een aspect dat samenhangt met de dynamische aanpak is het feit niemand ooit volledig zeker is over de toekomst. Men moet in het heden beslissen over onderwerpen die ook in de toekomst gevolgen hebben. Daartoe kunnen mensen nagaan welke acties ze in het heden kunnen ondernemen, wat het nut is van de daaruit voortvloeiende tijdsprofielen en wat de kans is van een bepaalde uitkomst. Men kiest dan in het heden voor bepaalde acties waarvan het meeste life-time nut mag worden verwacht. Houdt men rekening met anticiperend gedrag, dan zal bij analyses het effect van een maatregel groter blijken te zijn. Neem bijvoorbeeld rekeningrijden, indien hierbij sprake is van langdurige anticipatie bij verhuisbeslissingen, dan onderschat men het effect met simpele voor- en nastudie, waarbij de voorstudie kort voor invoering van de maatregel wordt uitgevoerd. 3. Onzekerheid en informatie Onzekerheid of gebrek aan informatie over de te verwachten reiskosten en reistijd met andere vervoerwijzen dan men kent, remt de overstap natuurlijk af. Daarnaast speelt risico een rol. In sommige situaties koppelt men een groot disnut aan het te laat op een afspraak komen of het meer dan verwacht moeten betalen voor een bepaalde verplaatsing. Ook aan het te vroeg komen, denkt men soms een disnut toe. Belangrijk daarbij is dat de wijze waarop mensen met risico s omgaan sterk verschilt per persoon en met de omstandigheden. Wat zijn de gevolgen van het niet meenemen van onzekerheid en gebrek aan informatie voor analyse van het verplaatsingsgedrag? Kitamura (1990) schetst hoe gebrek aan informatie leidt tot vertragingen in gedragsaanpassingen. Informatie over alternatieven wordt pas na verloop van tijd verkregen, en eerder zal gedrag dan ook niet aangepast worden. 4. Overige factoren Onder de overige factoren vallen zaken als levensstijl variabelen en voorkeuren. Deze grootheden zijn relatief stabiel in de tijd. Dit zal dan ook leiden tot een relatief grote stabiliteit in gedrag en tot beperkte aanpassingen aan nieuwe omstandigheden. Garling et al. (1993) stellen dat dergelijke factoren een zogenaamde lange termijn agenda zetten. Binnen deze lange termijn agenda worden keuzen gemaakt die op middellange en korte termijn spelen. Daarbij zijn niet alleen objectieve constraints van belang. Ruimtelijke keuzen hebben bijvoorbeeld ook invloed op de mental map van mensen, de geestelijke voorstelling van de omgeving. Pas op lange termijn, een vaak na lange tijd, zullen dergelijke factoren veranderen. 7

14 3. Dynamische gegevens 3.1 Inleiding Tot nu toe is veel onderzoek naar de determinanten van verplaatsingsgedrag gebaseerd op (statische) cross-sectie gegevens. Een beoordeling van de effecten van prijsbeleid op basis van dergelijke gegevens is niet eenvoudig. Daarnaast maken de gegevens nauwelijks uitspraken mogelijk over de effecten van veranderingen in beleid. Meurs (1991) laat zien dat daarvoor tamelijk sterke aannamen zouden moeten worden gemaakt. Voor het vaststellen van effecten van beleid op verplaatsingsgedrag lijken panels in discrete tijd de meest aangewezen onderzoeksmethode. Met paneldata kunnen deze dynamische analyses wel worden gemaakt. Doel van dit hoofdstuk is om een overzicht te geven van een aantal mogelijke typen van panel dataverzameling. Ook wordt ingegaan op knelpunten die een rol spelen bij panel gegevens en de implicaties daarvan voor de dataverzameling. In de laatste paragraaf van dit hoofdstuk komen de pseudo panels aan bod. 3.2 Panelgegevens De groep gegevens die onder de noemer panels vallen, is zeer breed van aard. Er kan een groot aantal specifieke varianten worden onderscheiden: 4 Een klassieke panel survey. Bij een dergelijke onderzoeksopzet worden dezelfde respondenten herhaaldelijk over dezelfde onderwerpen vragenlijsten afgenomen. We verkrijgen zo een reeks van waarnemingen bij dezelfde persoon. Hoe langer deze reeks is, des te beter kunnen we dynamische modellen schatten. We hebben voor een dynamisch model minimaal drie metingen per respondent nodig, anders kunnen we geen onderscheid maken tussen korte en lange termijn effecten. In een klassiek panel is met name uitval (non-respons) een groot gevaar. In een aantal golven is de deelname aan het panel sterk afgenomen. Daarnaast kan het panel verouderen, zodat het geen representatieve afspiegeling meer is van de bevolking. 4 Een rotating panel survey (RPS). Bij een roterend panel wordt bij elke golf van het panel respondenten uit de voorgaande golf en een aantal nieuwe respondenten meegenomen. Het aantal deelnames aan het panel wordt beperkt. Het voordeel van deze rotatiemethode is dat de steekproef representatief blijft voor de doelpopulatie. Een ander voordeel is dat mogelijke bronnen van selectiviteit zoals conditionering en respondentuitval worden weggenomen. Bij de roterende panels kan nog een onderscheid worden gemaakt in geplande en ongeplande verversing. Bij geplande verversing is de lengte van deelname van tevoren beperkt en wordt altijd een aantal nieuwe respondenten gezocht. Bij ongeplande verversing worden alleen nieuwe respondenten gezocht indien respondenten uit de vorige golf aangeven niet meer willen doen (zie Meurs 1991). Een voorbeeld van een roterend panel is het Longitudinaal Onderzoek verplaatsingsgedrag Dutch Mobility Panel, zie onder andere Golob (1989, 1990) en Meurs (1991). Ook het Personenautopanel (PAP) van het CBS is een roterend panel. Belangrijke vraag is welk deel van het panel iedere meting moet worden ververst. Dit hangt natuurlijk voor een belangrijk deel af van het gebruiksdoel. Indien we dynamische modellen willen schatten, gaat de voorkeur uit naar een relatief langdurige participatie van respondenten in het panel. Als we daarentegen het panel willen gebruiken als efficiënte bron van populatiemetingen in specifieke perioden, kan men 8

15 volstaan met een grotere verversing van de steekproef om eventuele problemen op te vangen. Op basis van een goede analyse kan het optimale verversingsdeel worden berekend (Verbeek 1991). 4 Een split-panel survey (SPS). Bij een dergelijke onderzoeksopzet worden in feite twee methodieken parallel gebruikt: een panel en (niet-overlappende) cross-sectie. Naast een panel survey wordt dus een herhaalde cross-sectie survey gehouden. De cross-sectie en de golven van de panels kunnen worden vergeleken ten aanzien van randtotalen. Het voordeel van een split-panel survey is dat respondentuitval, conditionering en stagnatie (verlies aan representativiteit) worden vermeden. De veranderingen in populatieparameters uit de herhaalde cross-secties kunnen met een grotere nauwkeurigheid worden vastgesteld in het panel omdat er correlaties bestaan tussen de verschillende panels. Een (groot) nadeel van deze methodiek is het grote aantal benodigde respondenten. Dat brengt hoge kosten en een grote inspanning met zich mee. Een voorbeeld is het San Diego I-15 Carpool Lanes Project. Dit is een panel waarbij alleen in naast de laatste golf in 1990 nog een cross-sectie is toegevoegd (zie Golob et al. 1997). Ook panels die MuConsult opzet voor de evaluatie van OV-beleid behoren tot deze groep. Op voorhand kan niet worden gesteld welke van de verschillende typen panels de voorkeur geniet. Veel hangt af van de gebruiksdoelen van het panel, de aard van het verschijnsel dat wordt bestudeerd en het beschikbare budget. In het algemeen kan worden gesteld dat: 4 Voor de analyse van trends een split-panel survey dan wel een roterend panel de voorkeur geniet. Dat levert de meeste informatie op om trends te kunnen vaststellen, die niet wordt vertekend door specifieke panelproblemen zoals uitval en meetfouten. Het voornaamste voordeel van panels is hier gelegen in realisatie van nauwkeurige uitspraken met beperkte marges. 4 Voor de modelmatige analyse van dynamiek daarentegen juist een klassiek panel van belang is. Voor dynamische modellen moeten minimaal drie waarnemingen per persoon beschikbaar zijn en gaat de voorkeur uit naar een langere tijdreeks. Om voor eventuele problemen te kunnen corrigeren, is het wel wenselijk om ook over waarnemingen te beschikken die nog niet met uitval en/of meetfouten te maken hebben gehad. Kwaliteit van panelgegevens Herhaalde cross-sectie gegevens en paneldata zijn niet altijd zonder meer geschikt voor kwalitatief goede analyses. De belangrijkste potentiële knelpunten zijn: 1. Non-respons. 2. Uitval. 3. Stagnatie. 4. Panel-conditionering. 5. Fatique oftewel vermoeidheidsverschijnselen. Achtereenvolgens komen ze hierna aan de orde. 1. Non-respons Indien de respons selectief is kunnen de parameters in modellen geen goede weergaven zijn van werkelijke gedragsreacties. Overigens speelt dit probleem zowel bij cross-sectie als bij panelgegevens. We besteden er hier dan ook geen bijzondere aandacht aan. 2. Uitval Er zijn personen die na een aantal keren geënquêteerd te zijn, geen zin meer hebben om 9

16 mee te doen. De uitval kan systematisch zijn of at random. In het eerste geval is het panel selectief en kan onzuivere resultaten geven. Een voorbeeld van systematische uitval is uitval van oudere personen, die het regelmatig invullen van dagboekjes te belastend vinden. Op zich is dit niet heel ernstig. Immers, we kunnen modellen schatten waarbij we een term opnemen die voor deze uitval corrigeert. Ook kunnen we het panel wegen naar de bevolkingsgroep waarin we zijn geïnteresseerd. De gedragsparameters in de modellen zullen na correctie niet zijn vertekend door deze (exogene) uitval. Ernstiger wordt het probleem als de uitval samenhangt met de mobiliteit. Uit verschillende onderzoeken blijkt dat zelfs na correctie voor samenhangen met achtergrondkenmerken sprake is van systematische mobiliteitsverschillen tussen uitvallers en blijvers (Kitamura en Bovy 1987; Meurs en Ridder 1997). Dit zal leiden tot vertekeningen in de gedragsparameters waarvoor moet worden gecorrigeerd. Er zijn tal van correctiemethodieken ontwikkeld (zowel parametrisch als semi-parametrisch) die alle gebaseerd zijn op opname van een correctieterm in de modellen, samenhangend met de kans op participatie in een volgende meting (zie Meurs en Ridder voor een overzicht van een aantal methoden). Uiteraard heeft het onze voorkeur dat een panel zo wordt opgezet en geïmplementeerd dat een maximale respons wordt bereikt en de uitval geminimaliseerd. Daarvoor worden methoden gebruikt die deels lijken op methoden om de non-respons in cross-sectie studies te verminderen, zoals herinneringstelefoontjes, aantrekkelijk vormgegeven vragenlijsten, alleen de essentiële informatie vragen, enzovoorts. Daarnaast zijn bij panels een aantal specifieke aspecten van belang, zoals: 4 Opbouwen goed contact met de respondent in de tijd. 4 Mensen die verhuisd zijn zoveel mogelijk volgen. 3. Stagnatie Stagnatie, een specifiek probleem van paneldata verzameling, houdt in dat respondenten in de steekproef niet meer representatief zijn voor de populatie. Belangrijk is bijvoorbeeld veroudering van het panel, waarbij jongeren niet meer zijn opgenomen. Een remedie voor stagnatie is het actualiseren van het panel door een systematische verversing van respondenten. Bij modelschattingen is het van belang om expliciet termen op te nemen waarin deze veroudering is opgenomen. 4. Panel-conditionering Panel-conditionering komt voor bij panels met meerdere golven. Bij herhaalde deelname aan een onderzoek bestaat de kans dat de deelname aan het onderzoek de respondenten gaat beïnvloeden. Door bewustwording kan men zich anders gaan gedragen, zeker als iemand op de hoogte is van het doel van het onderzoek. Bij een onderzoek naar maatregelen om het autogebruik te verminderen, kan men bijvoorbeeld 10

17 het autogebruik verminderen uitsluitend omdat men meedoet aan het onderzoek. Een gevolg van panel-conditionering kan dus stagnatie zijn. Ook hiermee kan bij de opzet rekening worden gehouden door regelmatige het panel te verversen en de nieuwelingen als controle voor de mensen op te nemen die al langer meedoen. Bij dynamische modellen kunnen termen worden opgenomen die de duur van panelparticipatie omvatten. 5. Fatique Fatigue houdt in dat de kwaliteit en kwantiteit van de respons afneemt met de lengte van deelname, doordat verveling en dergelijke toenemen. Hierdoor kan de representativiteit van de steekproef afnemen (zie conditionering). Een remedie hiervoor is de lengte van deelname aan een panel te beperken. 3.3 Voor- en nadelen panelonderzoek In deze paragraaf lopen we de belangrijkste voor- en nadelen van panelonderzoek kort langs, een aantal van de voordelen zijn in een algemenere context ook in de vorige paragraaf reeds aan bod gekomen. Voordelen Er zijn beleidsmatige, modelmatige en een aantal meer algemene argumenten die pleiten voor het uitvoeren van panelonderzoek. Deze worden in het navolgende uitgewerkt. Beleidsmatige overwegingen Voor beleidsmakers is panelonderzoek van belang omdat paneldata de mogelijkheid bieden veranderingen op individueel niveau te volgen. Dit laat zich als volgt uitleggen: 4 Voor evaluatie van beleidsmaatregelen is het wenselijk om de effecten van beleidsmaatregelen te scheiden van die van tal van andere autonome ontwikkelingen. Dat is alleen mogelijk met analyses van veranderingen op individueel niveau. De toenemende vraag naar evaluatiestudies die inzichten geven in de effectiviteit van bepaalde maatregelen, heeft dan ook geleid tot een toename van het aantal panels. Daarvoor zijn tot nu vooral korte panels ingezet, met een voormeting en één of twee nametingen. Voorbeelden hiervan zijn studies naar de effecten van accijnsverhogingen op brandstoffen, verhoging van de OV-tarieven en openstelling van nieuwe infrastructuur. Zo beschrijven Giuliano en Wachs (1997) hoe een panel is opgezet om de effecten van de South Coast Air quality regulation act te evalueren met een panel van drie metingen. Daarbij is de effectiviteit van een aantal trip rate reduction incentives geëvalueerd. In de USA zijn de effecten van openstelling van Hov lanes geëvalueerd (Golob et al. 1997). In Nederland is een grootschalige panel opgezet om de effecten van verhoging van de OV-tarieven vast te stellen (Van Wissen en Meurs 1989). 4 In toenemende mate wordt vanuit het beleid inzicht verwacht in de groeipaden vanuit een nulsituatie naar een gewenst einddoel. Deze inzichten laten eventuele tussentijdse bijsturing toe, zowel ten aanzien van de communicatie rond beleid als ten aanzien van het beleid zelf. De groeipaden kunnen zeer grillig zijn, met bijvoorbeeld initiële onder- of overontwikkeling ten opzichte van een lineaire trend (zie bijvoorbeeld Meurs et al. 1990). Dynamische panelmodellen bieden de mogelijkheid uitspraken te doen over te verwachten ontwikkelingspaden. Zo geeft BGC (1987) weer dat inkomensverandering asymmetrische effecten heeft op de mobiliteit: een toename van het inkomen leidt sneller tot toename van autobezit en automobiliteit dan een inkomensafname leidt tot 11

18 een afname van dit bezit en gebruik. Verder reageren mensen die verhuizen of andere belangrijke veranderingen ondergaan sterker op beleidsmaatregelen dan mensen waarbij niet veel verandert in hun omstandigheden. 4 Inzichten in dynamiek kunnen ook worden gebruikt om de volgtijdelijkheid van maatregelen te bepalen. Een voorbeeld is de bouw van nieuwe woonwijken. De vraag die vaak wordt gesteld is wanneer OV-verbindingen moeten worden aangelegd. Doet men het vroeg, dan is sprake van grote negatieve exploitatielasten op de korte termijn. Indien sprake is van aanpassingsgedrag kan het desondanks toch verantwoord zijn om deze keuze te maken, opdat mensen niet worden gedwongen om zich volledig op de auto te richten en daarna nooit meer het OV nemen. 4 De mobiliteit op individueel niveau is veel minder stabiel dan wordt verwacht op basis van aggregate cijfers. Zo is sprake van een aanzienlijke turnover in het gebruik van het openbaar vervoer (BGC 1987): er vallen voortdurend mensen af en er komen voortdurend nieuwe mensen bij. Dit betekent dat het niet eenvoudig is om te praten over de OV-reiziger. Het bovenstaande impliceert dat er aanzienlijke inhoudelijke informatie uit panelgegevens naar voren kan worden gehaald die van belang is voor het beleid. Modelmatige overwegingen Beleidsmakers en onderzoekers streven naar de specificatie en schatting van modellen die een betrouwbare en nauwkeurige representatie geven van het gedrag. Schatting van modelparameters op cross-sectie gegevens kunnen in verschillende situaties vertekend zijn: 4 Als sprake is van een substantiële dynamiek in gedrag (Meurs 1991) zijn dynamische modellen nodig om elasticiteiten goed te schatten. Cross-sectie modellen zullen, zoals in het navolgende wordt aangegeven, leiden tot verkeerde inschattingen van de elasticiteiten. 4 Als sprake is van zogenaamde omitted variables in de modellen die zijn gecorreleerd met variabelen die wel zijn opgenomen in de modellen, zal een deel van het effect van de niet opgenomen variabelen worden toegeschreven aan wel opgenomen variabelen. Een voorbeeld betreft de relatie van inkomen met levensstijl. Als we inkomen opnemen en levensstijl niet als afzonderlijke variabelen opnemen, dan zal in de modellen de inkomensvariabele ook het effect van de levensstijl representeren. Effecten van veranderingen in inkomen die niet gepaard gaan met veranderingen in levensstijl zullen dan verkeerd worden ingeschat. 4 Als sprake is van een sterke samenhang tussen beslissingen, moet deze met simultane modellen worden geanalyseerd. Op basis van paneldata kunnen deze modellen met minder drastische aannamen worden geschat dan op basis van cross-sectie gegevens. Overige overwegingen Panelgegevens hebben daarnaast nog een aantal andere belangrijke voordelen: 4 Ze laten onderzoek naar veranderingen in de populatie toe met kleinere steekproeven. Uit ervaringen is gebleken dat met het gebruik van paneldata een twee maal zo kleine steekproef nodig is. Zo ontstaan ook belangrijke kostenvoordelen. Zo berekent Lawton (1997) voor een specifieke toepassing dat de totale kosten per tweedaags dagboek voor 12

19 4 metingen $170 bedragen (d.w.z. ruim $40 per meting per respondent), terwijl dezelfde gegevens met cross-sectie data voor ongeveer $400 verzameld zouden kunnen worden (d.w.z. $100 per meting, en $50 per respondent). Kortom, met panels zijn per eenheid informatie aanzienlijke kostenbesparingen mogelijk. De grootste kostenreductie is het gevolg van de lagere kosten voor het rekruteren van deelnemers aan het onderzoek. In een panel hoeven voor een volgende meting hoogstens nieuwe respondenten gevonden te worden ter vervanging van uitgevallen deelnemers, bij een cross-sectie moet elke keer een totaal nieuwe steekproef gevuld worden. Bijkomend voordeel is dat met panelonderzoek de kosten voor het opzetten van een panel over een lange periode kunnen worden afgeschreven. 4 Ze laten onderzoek toe naar de stabiliteit van parameters: er kan worden nagegaan in hoeverre de gedragsparameters die de effecten van bepalende factoren representeren in de tijd gelijk blijven. Denk aan het al dan niet gelijk blijven van inkomens-elasticiteiten ten aanzien van autobezit en gebruik in de tijd. 4 Ze laten onderzoek naar meetfouten in de gegevens toe zonder strikte assumpties. Nadelen Vanzelfsprekend zijn er ook nadelen te noemen van een panelaanpak ten opzichte van een (herhaalde) cross-sectie. 4 Een deel van de respondenten zal uitvallen en niet meer mee doen aan vervolgmetingen. Van belang is dat de uitvallers niet afwijken van de blijvers. Er moet dus worden nagegaan of de groep uitvallers selectief is. Overigens kan met geëigende statistische methoden voor deze selectieve uitval gecorrigeerd worden. Tevens kunnen panels in principe ververst of aangevuld worden. Voor een panel met als doel dynamische analyses uit te voeren is dit echter geen optie, omdat daar juist zo veel mogelijk opeenvolgende waarnemingen op individueel niveau nodig zijn. Wanneer de uitval groot is zullen de kosten ook groter zijn en boven die van (herhaald) cross-sectie onderzoek uit kunnen komen. 4 Naast uitval bestaat in een panel de mogelijkheid dat voor een respondent de gegevens voor één of meerdere (tussenliggende) metingen ontbreken, bijvoorbeeld vanwege persoonlijke omstandigheden (vakantie, ziekte). Met deze non-response zal rekening gehouden moeten worden, of dit leidt tot informatieverlies. 4 Doordat mensen tussen metingen kunnen zijn verhuisd, van baan veranderd, of hun opleiding afgerond kunnen hebben en dergelijke, wordt hun verplaatsingsgedrag beïnvloed. Deze ontwikkelingen zijn geen gevolg van ingevoerde maatregelen. In vervolgmetingen moet dus nagegaan worden of respondenten dit soort veranderingen hebben doorgemaakt. De effecten van maatregelen en demografische ontwikkelingen moeten dus van elkaar gescheiden worden. 4 Hoe langer een panel is (dat wil zeggen de tijd tussen de eerste en laatste meting), des te meer demografische veranderingen er zullen zijn en hoe hoger ook de uitval zal zijn. Aan de ene kant zou dit pleiten voor korte panels, zodat er zo weinig mogelijk verstorende demografische veranderingen zijn, maar aan de andere kant zagen we reeds dat het geruime tijd kan duren voordat het effect van maatregelen volledig is uitgekristalliseerd. Kortom, de keuze van de lengte van een panel, en daarmee samenhangend van het aantal metingen, is geen eenvoudige. Deze keuze zal deels op praktische overwegingen (waaronder kosten van dataverzameling) gebaseerd zijn en deels op theoretische. 13

20 Wanneer paneldata? Uit het voorgaande volgt dat verzameling van paneldata vanuit een aantal overwegingen grote voordelen met zich meebrengt. Toch wordt vaak afgezien van het verzamelen hiervan, vooral vanwege de verwachte meerkosten ten opzichte van cross-sectie data en vanwege de langere duur van de dataverzameling. Opdrachtgevers van een evaluatie moeten al enige tijd voor implementatie van een maatregel besluiten tot een panelonderzoek, om onderzoekers in staat te stellen een voormeting uit te voeren. Ook moeten ze de onderzoekers de mogelijkheid bieden om gedurende een langere periode gegevens te verzamelen om langetermijneffecten te kunnen beoordelen. Relevant voor het al dan niet uitvoeren van panelonderzoek is de vraag wanneer panelgegevens meerwaarde opleveren. Zonder referentie naar specifieke vraagstukken is het moeilijk daarop antwoord te geven. Belangrijk is de omvang van de variatie in de mobiliteitsbepalende factoren. Als de kenmerken van de mensen dan wel andere mobiliteitsbepalende factoren als brandstofprijzen en de ruimtelijke structuur nauwelijks veranderen, dan voegt de informatie die in opeenvolgende perioden wordt verzameld nauwelijks iets toe aan wat al bekend is. Veranderen deze kenmerken wel sterk, dan speelt de tijdsdimensie wel een rol en wordt de vraag naar stabiliteit en veranderingen wel relevant. Kortom, om tot paneldata verzameling over te gaan, moet behoefte zijn aan de nodige informatie over mobiliteitsbepalende factoren. Overigens moet bij deze discussie worden bedacht dat op panelgegevens uiteraard ook cross-sectie analyses per meting kunnen worden uitgevoerd. Immers, panels kunnen in de tijd worden beschouwd als een in de tijd uitgebouwde verzameling cross-sectie gegevens. 3.4 Pseudo panels In het voorgaande is uitgebreid ingegaan op het gebruik van panel data bij de analyse van verplaatsingsonderzoek. Een alternatief voor panel data is de constructie van een pseudopanel op basis van herhaalde cross-secties. Centraal in een pseudo-panel staat volgens Deaton (1985) niet het volgen van individuen in de loop van de tijd, maar het volgen van representatieve individuen. Na het vormen van cohorten worden de benodigde variabelen van deze representatieve individuen berekend als cohort gemiddelden. Dit alternatief hoeft niet tot inferieure resultaten te leiden. Een voordeel is dat het probleem van uitval niet aanwezig is bij het gebruik van een pseudo-panel. Representativiteit is gewaarborgd omdat elke periode een nieuwe steekproef wordt getrokken. Onder bepaalde voorwaarden kunnen dezelfde schattingstechnieken worden gehanteerd als ware het een echt panel. Een probleem bij het gebruik van een pseudo- panel is het optreden van meetfouten, omdat de in de steekproef gemeten cohort gemiddelden af kunnen wijken van de populatiegemiddelden. Meetfouten komen echter ook voor bij panel data. Moffitt (1993) kiest een andere invalshoek dan Deaton (1985). Moffitt benadrukt dat er een model bestaat op individueel niveau dat op een of andere manier geschat moet worden met herhaalde cross-secties. Deze invalshoek is met name bij discrete keuze modellen relevant. 14