AkronAcademy Instituut voor opleiding en onderzoek Financiën van steden en gemeenten: Onderlinge verschillen in kaart Patrick Uytterhoeven Akron Sint Elisabethstraat 38 A 2060 Antwerpen 0497 374410 www.akronacademy.be info@akronacademy.be 1
Inhoudsopgave Inleiding... 3 De verklarende factor: de ruimtelijke structuur van de gemeente... 4 Illustratie... 4 Interpretatie... 8 Resultaten... 9 Bijlage: Indeling van alle steden en gemeenten... 14 2
Financie n van steden en gemeenten: Onderlinge verschillen in kaart Inleiding In dit onderzoek vergelijken we de lokale financiën van Vlaamse steden en gemeenten en trachten we onderlinge verschillen te verklaren. Als basis hiervoor gebruiken we de uitgaven en de ontvangsten in per inwoner. Dit is de zogenaamde gewone dienst. Investeringen (de buitengewone dienst) worden in dit verhaal niet betrokken. We wensen ons een idee te vormen over de dagelijkse en recurrente uitvoering van taken en dienstverlening van steden en gemeenten en de wijze waarop dit zich vertaalt in de financiële resultaten. De centrale vraag van ons onderzoek luidt: zijn we in staat om verschillen in uitgaven en ontvangsten tussen gemeenten te verklaren? Voor onze berekeningen hebben we ons gebaseerd op de databank van Lokale Statistieken. De meest recente gegevens dateren van 2010. ( http://aps.vlaanderen.be/lokaal/lokale_statistieken.htm ) Een klassieke manier om steden en gemeenten met elkaar te vergelijken is gebruik te maken van de Belfius clusters die gemeenten groeperen in functie van vergelijkbare kenmerken. In een eerste stap hadden we dan ook de correlatie berekend tussen de uitgaven per inwoner van een gemeente en het al dan niet behoren tot één van de 16 Belfius clusters. Tot onze verrassing is er geen correlatie. Of anders gezegd: er is geen verband tussen het sociaal economisch demografisch profiel van een gemeente en het uitgavenprofiel van een gemeente. Het enige significante resultaat van de berekening is dat de uitgaven per inwoner van toeristische gemeenten (cluster 13) en van steden en gemeenten met een centrumfunctie significant hoger liggen dan de overige Belfius clusters. In de onderstaande berekeningen hebben we hiermee rekening gehouden. In een tweede stap bleek er evenmin een duidelijk verband te bestaan tussen de grootte van de gemeenten in termen van aantal inwoners en de uitgaven van de gemeente per inwoner. Alleen de groep gemeenten met meer dan 30.000 inwoners wijken significant af van alle gemeenten met minder dan 30.000 inwoners, wat ongetwijfeld samenhangt met de centrumfunctie. Maar in de groep van kleinere gemeenten met minder dan 30.000 inwoners kunnen we geen betekenisvolle verschillen inzake lokale financiën duiden op basis van het aantal inwoners. We hebben het daarom over een andere boeg gegooid en kwamen al snel tot de volgende conclusie: verschillen inzake lokale financiën worden in de eerste plaats bepaald door de ruimtelijke structuur van de gemeenten. 3
De verklarende factor: de ruimtelijke structuur van de gemeente Elke gemeente verricht een groot aantal recurrente taken, die steeds opnieuw terugkeren. Dat omvat een ruim gamma aan activiteiten zoals onderhoud van parken en plantsoenen, het afleveren van vergunningen, onderhoud van openbare gebouwen, opruimen van sluikstort en dergelijke meer. Die terugkerende taken nemen een groot gedeelte van de gemeentelijk begroting voor hun rekening. Technische diensten in de ruime zin van het woord vertegenwoordigen al snel een derde tot de helft van het personeelsbestand in een lokaal bestuur. De baliefuncties houden ook rechtstreeks verband met dat terugkerende profiel. Hoe groter de oppervlakte aan parken en plantsoenen, hoe hoger de onderhoudskost. Een kleine gemeente met veel openbare gebouwen zal een hogere onderhoudskost kennen dan de grotere buurgemeente die minder openbare gebouwen heeft. Een gemeente met veel economische activiteit zal meer vergunningen moeten afleveren en onderhoud van straten moeten verrichten dan een gemeente met minder economische activiteit. Om die reden hebben we het verband berekend tussen de uitgaven per inwoner en de ruimtelijke kenmerken van elke gemeente. Dat verband is in hoge mate significant. Vervolgens zijn we op basis van dat verband in staat om na te gaan welke steden en gemeenten relatief hoge of lage uitgaven per inwoner vertegenwoordigen. Illustratie In het totaal werden 27 variabelen inzake ruimtelijke structuur gehanteerd. In een eerste fase werd het verband berekend tussen de uitgaven in per inwoner met elk van deze variabelen. Vervolgens werden deze variabelen geaggregeerd tot 5 kernvariabelen. Deze variabelen zijn uitgedrukt in hectaren: Gebouwen en terreinen van openbaar nut Gebouwen met industriële en handelsbestemming Buildings en appartementen Huizen en hoeven Overige Omdat het een meerdimensionele berekening betreft is een grafische voorstelling niet mogelijk. Wel kunnen we de uitgaven in per inwoner uitzetten ten opzichte van elk van deze variabelen apart. In onderstaande grafiek is bij wijze van voorbeeld de uitgaven in per inwoner uitgezet ten opzichte van de variabele gebouwen en terreinen van openbaar nut. Elk punt stelt een gemeente voor. Het 4
punt in het groen is de gemeente Geel (bij wijze van voorbeeld) en de rode punten zijn gemeenten die in dezelfde Belfius cluster zijn ingedeeld als Geel. Voor de stad Oostende bijvoorbeeld krijgen we volgend beeld: 5
Dit kan in kaart gebracht worden voor elke variabele. Hieronder de gemeente Mortsel ten opzichte van de variabele gebouwen met industriële en handelsbestemming. In de berekeningen wordt het gecombineerd effect van deze variabelen op de uitgaven in per inwoner in kaart gebracht. Wanneer je twee variabelen gebruikt dan wordt dit verband niet langer door een lijn, maar door een vlak voorgesteld. Hier bij wijze van voorbeeld het 3 dimensioneel verband uitgaven in per inwoner versus gebouwen van openbaar nut gebouwen met industrieel en handelskarakter. De helling van het vlak laat toe om het gecombineerd effect te berekenen 6
In het model werden de bovenstaande variabelen gehanteerd, alsook een variabele om onderscheid te maken met de toeristische gemeenten en een variabele die aangeeft of een gemeente een centrumfunctie heeft (op basis van de Belfius indeling). De berekeningen werden ook uitgevoerd om de gevoeligheid te meten tussen het aantal VTE per 1000 inwoners en deze variabelen. In onderstaande grafiek werd het aantal VTE per 1000 inwoners ten opzichte van het aantal hectaren gebouwen van openbaar nut uitgezet, en het groene punt is de waarneming voor de stad Lier. 7
Interpretatie Het feit dat de uitgaven van de gemeente (gewone dienst in per inwoner) in sterke mate afhankelijk zijn van de ruimtelijke structuur en samenstelling van de gemeente, betekent ook dat voor een groot gedeelte de uitgavencomponent deterministisch is. Een gemeente kan wel bepaalde taken uitbesteden, waardoor haar loonkost vervangen wordt door aankoopkosten, maar de dienstverlening moet wel gebeuren. Het prijskaartje is er altijd. Naast die deterministische component is er ook een gemeente specifieke component. Elke gemeente heeft immers haar eigen kenmerken en accenten. Indien een gemeente bepaalde projecten op haar grondgebied lanceert, dan zorgt dat voor extra kosten. Het is ook mogelijk dat een gemeente bepaalde dienstverlening niet aanbiedt. In deze studie ontbinden we de uitgaven van de gemeenten in per inwoner in een deterministische component (DC) en een gemeente specifieke component (GSC). Op basis van de ruimtelijke structuur zijn we in staat om te berekenen hoeveel uitgaven in per inwoner voor elke gemeente kunnen verwacht worden. Hiervoor maken we gebruik van een statistisch model dat de uitgaven in per inwoner correleert met haar ruimtelijke structuurkenmerken. Er worden 7 variabelen gebruikt (zie hoger). De gegevens van de website Lokale Statistieken werden gebruikt voor de berekeningen. De berekeningen zijn uitgevoerd met behulp van de software R. 8
Als nu blijkt dat de reële uitgaven hoger liggen dan wat verwacht kan worden op basis van de (ruimtelijke) structuur van de gemeente, dan is er een positieve specifieke component (hoger dan verwacht). Maar het kan ook zijn dat deze specifieke component negatief is (lager dan verwacht). De samenstelling van die component kan ook samenhangen met de efficiëntie waarmee een gemeente haar taken uitvoert. Een minder efficiënte uitvoering betekent relatief meer personeel en middelen om dezelfde taken uit te voeren. Een efficiëntere uitvoering betekent het omgekeerde en kan dan resulteren in een negatieve specifieke component. Wij doen in dit onderzoek geen uitspraken over de efficiëntie van de dienstverlening van de gemeenten. Wij ontbinden de uitgaven in per inwoner in een deterministische component op basis van haar ruimtelijke structuur en een gemeente specifieke component. Deze gemeente specifieke component kan hoog zijn om verschillende redenen. Het kan zijn dat de betrokken gemeenten een bepaalde dienstverlening voorziet die niet beschikbaar is in andere gemeenten, of het kan zijn dat de dienstverlening minder efficiënt verloopt waardoor de uitgaven in per inwoner hoger liggen dan in vergelijkbare gemeentebesturen. Indien blijkt dat de gemeente specifieke component groot is, dan dient wel onderzocht of dit niet is toe te schrijven aan een gebrek aan efficiëntie. De ruimtelijke structuur heeft niet alleen zijn weerslag op de uitgaven van de gemeente in per inwoner, maar ook op de inzet van het aantal personeelsleden uitgedrukt in VTE. Ook daar blijkt de hoge correlatie tussen het aantal voltijds equivalenten per 1000 inwoners en de ruimtelijke structuur. Dit is niet verwonderlijk, omdat de loonkost een aanzienlijk deel van de uitgaven van een gemeentebestuur vertegenwoordigt. Als bepaalde taken inefficiënt worden uitgevoerd, dan vertaalt dat zich ook in een hogere loonkost ten opzichte van andere gemeentebesturen die efficiënter werken. Bij de interpretatie is wel enige voorzichtigheid geboden: het kan zijn dat een gemeente bepaalde taken heeft ondergebracht in een vzw of in een verzelfstandigde entiteit. Hierdoor zal het aantal VTE s lager liggen in vergelijking tot besturen die dit niet of in mindere mate doen. Resultaten Op basis van een statistisch model hebben we het verband geschat tussen de uitgaven in per inwoner en enkele ruimtelijke structuurgegevens en het verband tussen het aantal voltijds equivalente personeelsleden per 1000 inwoners en de ruimtelijke structuurgegevens. Dat maakt het mogelijk om een indeling van de gemeentebesturen te maken. Wij vermijden een klassement, maar hebben ervoor gekozen de gemeenten in te delen in clusters. Daarvoor hebben we twee assen gebruikt. Op een eerste as worden de gemeenten vergeleken in functie van het aantal voltijdse equivalenten per 1000 inwoners. Op de andere as wordt de gemeentelijke specifieke component uitgezet. 9
Dit is weergegeven in diagram 1. Rechtsboven staan de gemeenten waarvan de uitgaven in per inwoner meer dan 200 per inwoner hoger liggen dan verwacht kan worden op basis van de ruimtelijke structuur en die per duizend inwoners meer dan 2 voltijdse ambtenaren per 1000 inwoners extra inzetten in vergelijking tot andere gemeenten. (Voor meer uitleg bij de indeling, zie pagina 14). Dit zijn volgende gemeenten: Veurne, Oostende, Mol, Mortsel, Machelen, Kokzijde, Brugge en Bever. Verder onderzoek is nodig om te duiden in welke mate dit te wijten is aan een specifieke context dan wel aan een gebrekkige efficiëntie. Er dient benadrukt dat bij de berekeningen wel met alle facetten (centrumfunctie, toeristische functie, ) is rekening gehouden om deterministische effecten af te zonderen van de gemeente specifieke component. De vermelde gemeenten hebben objectief gesproken hogere uitgaven en meer personeel dan vergelijkbare besturen. De gemeentelijke specifieke component is voor elk van deze gemeenten in het licht grijs aangeduid, de deterministische component in het zwart. Helemaal links onderaan vinden we een verzameling van gemeentebesturen die opvallend minder uitgaven in per inwoner hebben dan hun ruimtelijke structuur laat vermoeden en die bovendien minder personeel per 1000 inwoners inzetten om hun dienstverlening te verzekeren. Dit zijn de gemeenten: Zulte, Waregem, Ieper, Horebeke, Heist op den Berg, Dentergem, Bredene. Dit kan toe te schrijven zijn aan een hogere efficiëntie in vergelijking tot andere besturen, wat verder dient onderzocht. In elke cluster is aangeduid hoeveel gemeentebesturen deze bevat. 10
In diagram 2 is bij elke cluster aangegeven hoeveel de uitgaven per inwoner gemiddeld te hoog of te laag liggen. In de cluster rechtsboven (Veurne, Oostende, Mol, Mortsel, Machelen, Kokzijde, Brugge en Bever) liggen de uitgaven in per inwoner gemiddeld 391 te hoog. Vermenigvuldigd met het aantal inwoners vertegenwoordigt dit doorgaans hoge bedragen. Een gemeente compenseert de uitgaven van haar gewone dienst met inkomsten (belastingen, retributies, ). Het verschil tussen inkomsten per inwoner en de uitgaven in per inwoner geeft het tekort of het overschot in per inwoner. Uit onze berekeningen blijkt dat voor elke 100 gemeentelijke specifieke component per inwoner het overschot op de gewone dienst daalt met 19 per inwoner (of het tekort op de gewone dienst neemt toe met gemiddeld 19 per inwoner). Dit is weergegeven in onderstaande grafiek: Dit is een belangrijke conclusie. Wat ook de reden mag zijn voor het ontstaan van deze component, hij legt alleszins een aanzienlijke druk op het eindresultaat. 11
Diagram 1: Gemeentelijke clusters in functie van de gemeentelijke specifieke component en personeelsinzet 12
Diagram 2: Uitgaven in per inwoner [ +: meer dan verwacht, -: minder dan verwacht] 13
Bijlage: Indeling van alle steden en gemeenten Hierboven werd elke cluster van een lettercode voorzien. C3 bijvoorbeeld is de cluster van alle gemeenten waarvan : de uitgaven in per inwoner tussen de 0 en 100 lager liggen dan verwacht het aantal VTE per 1000 inwoners tussen de 0 en 1 VTE lager liggen dan verwacht B5 bijvoorbeeld is de cluster van alle gemeenten waarvan: de uitgaven in per inwoner tussen de 100 en 200 hoger liggen dan verwacht het aantal VTE per 1000 inwoners tussen de 1 en 2 VTE hoger liggen dan verwacht De volledige lijst vind je hieronder 14
15
B cluster 16
C cluster 17
D cluster 18