TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Transportudvalget 2020-21
TRU Alm.del Bilag 36
Offentligt

Den rekreative værdi af naturområder i Danmark

Thomas Bue Bjørner

Cathrine U. Jensen

De Økonomiske Råds Sekretariat

Mette Termansen

Institut for Miljøvidenskab, Aarhus Universitet

Arbejdspapir 2014:1

Sekretariatet udgiver arbejdspapirer, hvori der redegøres for tekniske, me-

todemæssige og/eller beregningsmæssige resultater. Emnerne vil typisk

være knyttet til dele af formandskabets redegørelser. Sekretariatet har an-

svaret for arbejdspapirerne

John Smidt

Sekretariatschef

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

ISSN 0907-2977 (Arbejdspapir - De Økonomiske Råds Sekretariat)

Fås ved henvendelse til:

De Økonomiske Råds Sekretariatet

Amaliegade 44

1256 København K

Tlf.: 33 44 58 00

E-post: [email protected]

Hjemmeside: www.dors.dk

-2-

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Den rekreative værdi af naturområder i Danmark

Thomas Bue Bjørner

Cathrine U. Jensen

De Økonomiske Råds Sekretariat

Mette Termansen

Institut for Miljøvidenskab, Aarhus Universitet

Working paper 2014:1

Abstract:

Nature provides a wide range of valuable ecosystem services including outdoor recrea-

tion. In this paper the use value of all major recreational sites in Denmark is estimated

using a two stage multiple-site travel cost model, which combines spatial data on rec-

reational trips, demographics and socioeconomics for the Danish population and the

location and characteristics of Danish recreational areas. The 2,475 different sites in-

cluded in the study consist of a variety of habitats, such as forests, open areas (e.g.

heather, meadows, bogs etc.) beaches and parks in larger cities. The model is partly

based on data collected through a web-based survey where interactive maps were used

to obtain coordinates on the outset and destination for each respondent’s last recreation-

al trip.

We find that natural areas can generate substantial recreational values, but there

are large differences in the estimated recreational value of different sites. The average

annual recreational value per ha for a natural area is approximately DKK 8,000 per ha,

but the value ranges from 240 DKK to over DKK 700,000 per ha. City parks in the ma-

jor cities generate even higher values. Sensitivity analyses suggest that the main deter-

minant of the use value of recreational sites is proximity to densely populated areas (i.e.

many potential users). The attributes of sites and the presence/absence of nearby substi-

tute sites also have an impact on the value of a site, but do not appear as important as

proximity to densely populated areas. With respect to attributes sites with (some) forest,

lakes and coastline have a relatively high use value. It also increases the value of a site

if the area is included in the Natura 2000 framework, which, in general, are areas with

high natural value. Finally, state-owned forest is preferred over privately owned forest.

Keywords:

Multiple-site travel cost model; recreation use value

JEL:

Q26, Q51, Q57

-3-

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Indholdsfortegnelse

1 Indledning..................................................................................................... 5

2 Baggrund og overordnet metode .................................................................. 7

3 Metoden ........................................................................................................ 9

4 Data ............................................................................................................ 18

5 Estimationsresultater .................................................................................. 32

6 Opgørelse af nytten af rekreative områder baseret på hele befolkningen.. 47

7 Diskussion af resultater .............................................................................. 64

8 Sammenfatning og konklusion ................................................................... 65

Bilag A ............................................................................................................ 67

Bilag B............................................................................................................. 69

Litteratur .......................................................................................................... 70

-4-

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

1. Indledning

Stort set hele den danske befolkning bruger naturområder eller parker i byer til forskel-

lige typer af rekreative aktiviteter. Disse aktiviteter omfatter f.eks. at gå en tur, motione-

re, kigge på fugle eller solbade. For nogle sker det hver dag, mens det for andre kun er

få gange om året. Samlet set repræsenterer disse aktiviteter en betydelig ikke-

markedsomsat værdi for befolkningen.

Det er væsentligt at kunne fastlægge den rekreative værdi af områder, som bruges til

rekreation. En opgørelse af den rekreative værdi kan bl.a. belyse, hvorvidt det er hen-

sigtsmæssigt at skabe flere rekreative områder på bekostning af andre anvendelser af

jorden, som f.eks. landbrug eller boliger.

I dette arbejdspapir foretages en opgørelse af den rekreative værdi af naturområder i

hele landet samt parker i byerne baseret på rejseomkostningsmetoden. For at gøre dette

estimeres en to-trins-model, som beskriver dels, hvor ofte en person foretager rekreative

ture, dels personens valg af rekreativt område (givet der foretages en tur). Resultaterne

af analysen er anvendt i kapitlet om

Rekreative værdier

i De Økonomiske Råd (2014).

Modellen er estimeret på baggrund af oplysninger indsamlet ved internet spørgeskema

for 2500 respondenter i 2013. Respondenterne giver bl.a. oplysninger om, hvor mange

rekreative ture de foretager årligt, og hvilket område de konkret besøgte på deres sene-

ste tur. Internet spørgeskemaet er udformet, så respondenten skal zoome ind på et kort

og præcist markere destinationen for den rekreative tur. Ud fra GIS analyser er identifi-

ceret alle (større) rekreative områder i Danmark og karakteristika ved hvert område. I

analyserne medtages rekreative områder, som skove, åbne naturområder (med offentlig

adgang), strande og store parker i byerne.

Tidligere danske analyser baseret på rejseomkostningsmetoden bygger på relativt gamle

data og har alene medtaget besøg i skove foretaget med bil, jf. Termansen mfl. (2013)

Thomas Becker og Gregor Levin (Institut for Miljøvidenskab, Aarhus Universitet) har bidraget med

beregninger af transportafstande og sparring om afgrænsning af naturområder i GIS. Frederik Emil Amris

(De Økonomiske Råds Sekretariat) har bistået med dataanalyser og databearbejdning. Derudover vil for-

fatterne gerne takke De Økonomiske Råds formandskab og sekretariat samt Marianne Zandersen (Institut

for Miljøvidenskab, Aarhus Universitet) for sparring i forbindelse med de præsenterede analyser. Endelig

tak til Hans Skov-Petersen og Vivian Kvist Johannsen (Institut for Geovidenskab og Naturforvaltning,

Københavns Universitet) for adgang til GIS data om ejerskab af skovarealer.

-5-

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

og Zandersen mfl. (2007). Disse undersøgelser kan således ikke belyse den rekreative

værdi af parker, strande og åbne naturområder. Endvidere kan det potentielt give en

forkert værdi for skove, hvis andre naturområder ikke medtages i analysen. Den rekrea-

tive værdi af en bynær skov må således forventes at afhænge af, om der er gode og store

parker i byen.

Analysen viser, at der er meget stor geografisk variation af brugsværdien af rekreative

områder. Dette betyder, at den geografiske placering af nye naturområder med rekrea-

tivt sigte er meget vigtig. Nærhed til tætbefolkede områder er en helt afgørende faktor

for brugsværdien af områder. Således er værdi pr. ha af parker i de største byer højst,

men selv uden for byerne er der meget stor variation i værdien af rekreative områder.

Således er de laveste brugsværdi uden for byerne kun på få hundrede kr. pr. ha. pr. år,

men de højeste er på flere hundrede tusinde kr. pr. ha. pr. år.

Selvom nærhed til tætbefolkede områder er afgørende, er der også forskelle i den rekre-

ative værdi af områder, som kan tilskrives forskelle i områders karakteristika. Generelt

er områder med nogen skovbeplantning mere værdifulde end områder helt uden skov.

Derudover har statslige skov generelt en højere rekreativ værdi end private skove. Nær-

hed til kyst eller store søer er også et plus, og generelt er Natura 2000-områder, som ofte

har særegne og unikke naturtyper, også attraktive ud fra en rekreativ synsvinkel. Ende-

lig er store områder mere attraktive end små, men effekten er aftagende med området

størrelse. Det vil sige, at to områder på hver 100 ha tilsammen har en større værdi end ét

område på 200 ha (alt andet lige).

I næste afsnit gives en kort introduktion til værdisætning af ikke markedsomsatte goder,

bl.a. med en diskussion af fordele og ulemper ved rejseomkostningsmetoden i forhold

til andre metoder. I afsnit 3 beskrives den anvendte model og metode. De anvendte data

beskrives nærmere i afsnit 4, mens estimationsresultater præsenteres i afsnit 5. I afsnit 6

anvendes de estimerede modeller til at opgøre værdien af rekreative områder.

-6-

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

2. Baggrund og overordnet metode

Der er en række forskellige metoder til at opgøre værdien af ikke-markedsomsatte goder

som rekreation i naturområder. Overordnet kan disse metoder opdeles i hypotetiske

værdisætningsmetoder og i metoder der benytter afslørede præferencer, hvor man ud fra

personers observerede valg indirekte kan fastlægge værdien af det ikke-markedsomsatte

gode.

Ved den hypotetiske værdisætningsmetode bliver personer direkte spurgt om de (hypo-

tetisk) er villige til at betale et givet beløb for at modtage et givet gode, f.eks. etablerin-

gen af et nyt rekreativt område. Metoden er ret fleksibel i forhold til hvilke goder, der

kan værdisættes, men det er en væsentlig ulempe, at personerne ikke faktisk skal betale

de angivne beløb. Dette giver en risiko for, at respondenterne angiver højere beløb end

de i virkeligheden vil betale (hypotetisk bias).

Metoder til værdisætning af rekreative områder og attraktive naturområder baseret på

afslørede præferencer omfatter først og fremmest rejseomkostningsmetoden og den he-

doniske værdisætningsmetode (husprismetoden). Ved rejseomkostningmetoden betrag-

tes rejseomkostningen som et mål for prisen ved at besøge et givet område. På baggrund

heraf kan værdien af et rekreativt område fastlægges. Ved husprismetoden tages i stedet

udgangspunkt i, at boliger, som er beliggende tæt på attraktive naturområder, har en

højere værdi end andre boliger. Den højere pris afspejler, hvor attraktive disse områder

er.

Typisk bruges rejseomkostningsmetoden til at analysere værdien af rekreative områder.

Der er flere grunde til dette. En grund er, at der er mange naturområder, som besøges af

folk, som ikke bor tæt på naturområdet. Den rekreative værdi for personer, som bor lidt

væk fra et naturområde, er vanskelig at identificere med husprismetoden. Derudover

giver rejseomkostningsmetoden også mulighed for at tage højde for substitution mellem

forskellige rekreative områder. Dette er vigtigt, når man skal vurdere værdien af nye

rekreative områder, som i nogle tilfælde kan ligge i nærheden af eksisterende rekreative

områder. Det er vanskeligere eksplicit at vurdere betydningen af substituerende områder

ud fra husprismetoden.

Rejseomkostningsmetoden og husprismetoden fanger på sin vis to forskellige typer af

beslutninger, som kan give rekreative oplevelser. I husprismetoden indgår indirekte en

beslutning om at flytte tæt på et rekreativt område, og hvad man i givet fald er villig til

at betale for dette. Her betaler man for et dyrere hus, men omvendt får man lavere rejse-

-7-

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

omkostninger til fremtidige besøg i rekreative områder. Rejseomkostningsmetoden er i

princippet baseret på den (urealistiske) antagelse, at bosætningsmønsteret er eksogent

givet og ikke afhænger af lokaliseringen af rekreative områder. Grundlæggende kan

man ”betale” for adgang til rekreative områder enten via en (høj) rejseomkostning eller

via en høj huspris. Rejseomkostningsmetoden medtager kun rejseomkostningen. Dette

tilsiger, at rejseomkostningsmetoden giver et underkantsskøn for den rekreative værdi af

naturområder, jf. Parsons (1991).

Rejseomkostningsmetoden har den fordel i forhold til hypotetiske værdisætningsmeto-

der, at den er baseret på afvejninger og valg, som personer rent faktisk har truffet i deres

brug af rekreative områder. Metoden kan dog kun bruges til at belyse brugsværdier af

rekreative områder. Der er argumenteret for, at der også kan være optionsværdier og

eksistensværdier knyttet til rekreative områder, som ikke direkte er knyttet til brugen af

området. Hvis sådanne værdier er betydelige vil det yderligere bidrage til, at rejseom-

kostningsmetoden giver et underkantskøn for værdien af et område.

-8-

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

3. Metode

Der findes forskellige typer af rejseomkostningsmodeller. Den første generation af rej-

seomkostningsmodeller fokuserede på et belyse efterspørgslen efter et enkelt rekreativt

område (”single site models”), men uden at inddrage andre områder i analysen. Dette

kan oplagt give et misvisende resultat for værdien af et område, hvis der er nærved lig-

gende rekreative områder, som er substitutter til det analyserede område. Senere rejse-

omkostningsmodeller estimerer værdien af et givet område med eksplicit fokus på nær-

liggende substitutområder. Disse betegnes som ”multiple site choice modeller” eller

random utility modeller (RUM) for valg af ”site”. Multiple site choice modeller vurde-

res generelt at give en mere troværdig opgørelse af den rekreative værdi af et område,

fordi de tager højde for substitution.

Konkret anvendes her en multiple site choice model til at estimere individers valg af

område blandt en række alternative rekreative områder kombineret med en model for

antallet af ture. Tankegangen er, at efterspørgslen efter rekreative ture kan deles op i to

trin. I det første trin vælger hvert individ, hvor mange ture de vil foretage i en given

periode. I det andet trin vælger de så, hvilke områder de vil besøge blandt de mange

forskellige rekreative områder, der findes.

De to modeller kædes sammen ved, at der i modellen for antallet af ture (trin 1) indgår

en værdi for nytten af rekreative områder i nærheden af hvert individ. Denne værdi er

afledt af den estimerede model for valg af rekreativt område (dvs. fra trin 2). I modellen

for valg af antal ture indgår endvidere typisk socioøkonomiske karakteristika for hvert

individ, som kan have betydning for, hvor mange ture der foretages. I modellen for valg

af rekreativt område (trin 2) indgår typisk karakteristika ved de forskellige rekreative

områder (størrelse, typen af natur mv.) og opgørelser af rejseomkostningen for den en-

kelte til hvert område.

En simpel illustration af tankegangen i de to trin i modellen er gengivet i figur 1 for to

personer. Person A kan vælge mellem 3 rekreative områder, der her er karakteriseret

ved rejseomkostning (afstand mellem område og ”personkassen”) og størrelsen af om-

rådet (størrelsen af ”område-cirklen”). Givet at områderne i øvrigt er ens, vil person A

vælge mellem område 1 (ligger tættest på) eller område 2 (det største af de 3 områder)

Valget afhænger af, hvor stor vægt personen lægger på størrelsen af området i forhold

til den øgede rejseomkostning. Person B kan vælge mellem tre områder, hvor rejseom-

Idet det antages, at større områder (alt andet lige) er bedre end små områder.

-9-

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

kostningen er den samme. Person B vil vælge område 5, som er det største af de tre om-

råder.

Figur 1 Illustration af model for rekreation

Person A kan generelt vælge mellem mere attraktive områder end person B. Således er

alle områderne 1, 2 og 3 større eller tættere på person A sammenlignet med størrelse og

beliggenheden af områderne 4,5 og 6 i forhold til person B. Det vil sige, at person A har

mulighed for at besøge rekreative områder, som er både bedre (større) og billigere (lave-

re transportomkostning) end person B. Dette medfører formentlig, at person A oftere vil

besøge rekreative områder end person B. Denne effekt er symboliseret ved det tykkere

vertikale link for person A mellem beslutningen om valg af område og beslutningen om

antallet af ture. Det vertikale link er et indeks, som beskriver nytten af de rekreative

områder. Dette indeks kæder de to beslutninger sammen.

I det følgende gives en udvidet beskrivelse af valg af rekreativt område ud fra RUM

tilgangen og modellen for antallet af. Beskrivelsen er baseret på Phaneuf og Smith

(2005), Parsons (2003), Parsons mfl. (1999) og Hausman mfl. (1995).

- 10 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

3.1 Valg af område (RUM)

Random utility modellen fokuserer på at beskrive en persons valg af et område blandt

en række forskellige mulige områder, givet personen foretager en rekreativ tur. Når per-

sonen vælger et område, antages personen at tage hensyn til omkostningen ved at besø-

ge området og forskellige karakteristika ved området. Omkostningen ved at besøge et

område måles ved transportomkostningen. Det antages således, at turen til området ikke

betragtes som en værdifuld del af turen, men alene som en omkostning.

Antag at en person i en given valgsituation kan vælge mellem S forskellige områder

angivet ved fodtegn

(i = 1, 2, …S). Nytten ved at besøge område

er givet ved

. og

det antages, at denne er givet:

= −

(

−

)

(1)

Her er

personens indkomst,

er transportomkostningen til område

i, q

er en vektor af

områdekarakteristika,

er et led, som angiver anden nytte af et område, som ikke be-

skrives ved karakteristika. Endelig er

β’erne

parametre, som angiver personens præfe-

rencer (antages som udgangspunkt fælles på tværs af individer).

Således angiver (y

- c

) restindkomsten, hvis område

vælges. Nytten ved at vælge et

område må forventes at falde, når prisen for at besøge området er høj. Derfor må det

forventes, at

< 0. Den marginale nytte af indkomst er givet ved -β

, dvs. hvor meget

nytten ved at besøge et område vil stige, hvis prisen på at besøge området falder. I en

given valgsituation mellem forskellige områder er

givet, hvor hvert individ. Det bety-

der, at

i praksis er bestemt af forskelle i prisen (transportomkostningen) ved at besøge

forskellige områder. Derfor kan ligning (1) reduceres til følgende:

(2)

Den lineære additive funktionelle form i (1) og (2) implicerer, at den marginale nytte af

indkomst er konstant. Dette er en standard antagelse i denne type analyser.

Med konstant marginal nytte af indkomst er det relativt enkelt at lave velfærdsøkonomiske analyser, når

β’erne er estimeret. Antagelsen betyder imidlertid også, at indkomst ikke har betydning for valg af områ-

de. Der er opstillet modeller, hvor den marginale nytte af indkomst ikke er konstant, men der er generelt

- 11 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

En person må i en given valgsituation forventes at vælge det rekreative område, som

giver den højeste nytte. Således vælges område

hvis:

≥

for alle i

∈

(3)

Nytten ved personens tur er således givet ved følgende, som i overensstemmelse med

ligning (3) er turen til det område, som giver den højeste nytte.

max(

,........

)

(4)

Værdien af et givet rekreativt område – f.eks. område 1 – for en given person pr. valgsi-

tuation kan med udgangspunkt i ligning (4) opgøres, som reduktionen i nytte, hvis om-

rådet forsvinder. Nytten uden område 1 er givet ved

max(

,........

)

. Redukti-

onen i nytte ved at område 1 forsvinder, er givet ved:

∆

−

max(

,........

)

−

max(

,........

)

(5)

Ændringen i nytten afhænger af, om personen i udgangspunktet valgte område 1. Hvis

område 1 ikke blev valgt i udgangssituationen, er der ingen ændring i nytten. Hvis per-

sonen valgte område 1, reduceres nytten, fordi personen nu er nød til at vælge det næst-

bedste område til sin tur.

Nyttetabet ved at et område forsvinder, kan forenklet illustreres ved at antage, at alle

områder er ens, dvs. det eneste, der adskiller områderne, er transportomkostningen ved

at besøge området. I så fald vil alle vælge det område, som ligger tættest på dem. Perso-

ner, som bor tættest på område 1, vil derfor opleve et nyttetab, hvis område 1 forsvin-

der. Dette nyttetab svarer til den øgede transportomkostning ved i stedet at skulle besø-

ge andre områder, som ligger længere væk.

Mere generelt kan nyttetabet ved, at et givet område forsvinder, opfattes som ændringen

i transportomkostningen ved ikke at kunne besøge det givne område tillagt tab (eller

gevinster) i nytten, som skyldes dårligere (eller bedre) karakteristika ved det område,

praktiske og tolkningsmæssige problemer ved beregning af nytten i disse modeller, jf. Phaneuf og Smith

(2005).

- 12 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

der besøges i stedet for det fjernede område. Størrelsen af nyttetabet vil afhænge af, om

der er andre (attraktive) områder tæt på område 1. Hvis en person skal rejse langt for at

komme til et godt område vil nyttetabet være stort. Hvis der er et andet område tæt på

område 1 vil nyttetabet være lille.

Stigningen i nytten ved et nyt rekreative område (S+1) kan analogt opgøres som:

∆

−

max(

,........

)

−

max(

,........

)

(6)

Ændringer i nytten ved fjernelse af flere områder på en gang (eller tilføjelse af flere

nye) kan ligeledes beregnes med udgangspunkt i ligning (5) og (6). Endelig kan æn-

dringen i nytten ved at ændre et områdes (eller flere områders) karakteristika også be-

regnes analogt til ligning (5) og (6).

Ændringer i nytten af f.eks. at fjerne område 1 kan omregnes til en værdi i kroner og

ører ved at dividere med den marginale nytte af indkomst:

∆

[

max(

,........

)

−

max(

,........

)

]

−

(7)

Empirisk model

Beskrivelsen af valg af område har indtil nu antaget, at nyttefunktionen kendes, dvs.

antaget af alle parametre og fejlledet er kendte. I det følgende beskrives den empiriske

model, hvor

β’erne

ikke længere direkte kendes, men i stedet skal estimeres. Endelig er

nu et fejlled, som angiver uobserverede forskelle i nytten af hvert område.

Med givne antagelser om fordelingen af

(uafhængig og identisk Gumbel fordeling)

kan sandsynligheden for at observere, at område

er valgt, findes ved en multinominal

(conditional) logit model, hvor

β’erne

herfra skal tolkes som estimerede parametre:

exp(

)

(

)

∑

exp(

(8)

c i

)

- 13 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Her er

pr(k)

sandsynligheden for at vælge område

Der vil være en positiv sandsynlig-

hed for at vælge hvert rekreativt område, men sandsynligheden vil være størst for det

område, hvor den forventede nytte

(

)

er højest.

Ændringen i nytten ved at fjerne et rekreativt område – f.eks. område 1 – er givet ved

den forventede ændring i nytten:

∆

[

{

max(

,........

)

}

−

{

max(

,........

)

}

]

−

(9)

Den forventede nytte for en persons valg afhænger af sandsynlighederne for at vælge de

forskellige områder og nytten ved hvert område. Den forventede nytte kan, givet de

antagelser der leder til en multinomial logit model, findes som logaritmen til nævneren i

ligning 8, jf. f.eks. Parsons (2003) eller Phaneuf og Smith (2005). Denne størrelse er et

mål for nytten af det samlede givne valgsæt. Denne værdi betegnes ofte som ”inclusive

value” (IV





{

max(

,........

)

}



∑

exp(

)







(10)

Reduktionen i nytte i monetære enheder pr. valgsituation af at fjerne f.eks. område 1 er

således givet ved forskellen i den forventede nytte divideret med den marginale nytte af

indkomst (-β

−

∆

−











∑

exp(

)

 −



∑

exp(

)











−

(11)

Her angiver

den forventede nytte for alle områder (dvs. før politikændring), mens

er den forventede nytte efter fjernelse af område 1 (dvs. efter politikændring). Beta-

lingsvilligheden for det givne område er således givet ved

wtp

= − ∆

. Betalingsvil-

ligheden for andre områder kan findes analogt.

Inclusive værdien er også blevet betegnet som ”log-sum term” eller som det forventede konsumentover-

skud (expected consumer surplus) af et sæt af alternativer. Hvis tolkningen er konsumentoverskud, skal

der til ligning (10) tillægges en (ukendt) konstant, som afspejler, at det absolutte niveau af nytten ikke kan

opgøres, jf. Train (2009). Når der ses på ændringen i nytte ved politikændringer vil den ukendte konstant

forsvinde, jf. ligning (10).

- 14 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

I ligning (11) er der ikke skelnet mellem forskellige personer, men nytten for hver per-

son til område 1 må ventes at variere, da rejseomkostningerne til hvert område afhænger

af, hvorfra personen starter sin tur. Mere generelt kan ligning (11) derfor skrives som

følger, hvor

angiver person:

∆

−











∑

exp(

)

 −



∑

exp(

)











−

(11’)

Ligning (11’) giver betalingsvilligheden pr. tur for en given person. Den samlede beta-

lingsvillighed for et givet rekreativt område afhænger af, hvor mange ture der foretages

af personer, hvor område 1 indgår i valgsættet. Antag i første omgang, at antallet af ture

pr. år ikke afhænger af fjernelse af et område. Lad

angive antallet af ture pr. år til alle

områder for individ

I så fald er den samlede værdi af et område givet ved:



−

∑



 −









∆

∑

∆

(12)

Grundlæggende kan RUM modellen bruges til at belyse værdien af at fjerne et område,

som det gøres i ligning (12), at lave nye områder eller ændre karakteristika ved nogle

områder. Ofte beregnes et mål for værdien pr. tur til et område. Opgørelsen af værdien

pr. tur til et område foretages i princippet ved at dividere værdien af et område ud fra

ligning (12) (før det fjernes fra valgsættet) med antallet af ture til området.

3.2 Antal ture

RUM modellen beskrevet ovenfor kan beskrive nytten af et område, givet der foretages

en tur. I ligning (12) blev nytten af et område beregnet ved at aggregere op for alle ture,

der foretages. Hvis der fjernes et rekreativt område eller dannes et nyt område må det

imidlertid forventes, at påvirke det samlede antal rekreative ture. For at tage højde for

dette kombineres RUM modellen i litteraturen ofte med en model for antallet af ture.

Som udgangspunkt må det forventes, at antallet af besøg afhænger af omkostningen ved

at besøge forskellige områder (heri indgår afstanden til hvert område) og karakteristika

Antallet af ture til et område beregnes dels ud fra ligning (8), som angiver sandsynligheden for at vælge

et givet område, og dels ud fra modellen for hvor mange ture hver person foretager, jf. afsnit 3.2.

- 15 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

ved områderne. Endvidere må antallet af ture (t

) for person

forventes at afhænge af

personens socioøkonomiske karakteristika (z

(

)

(13)

Inclusive value (IV

) estimeret i RUM modellen er en vægtet funktion af

, hvor

vægtene er de estimerede parametre. I praksis kobles modellen for antal ture derfor med

RUM modellen ved at lade

indgå som forklarende variabel:

(

)

(14)

Da antallet af ture er ikke-negativt, estimeres ligning (14) typisk ved en count model.

Efter estimation kan det forventede antal ture før og efter politik ændring beregnes. Lad

det forventede antal ture før og efter politik ændring (dvs. for henholdsvis

)

være givet ved henholdsvis

. Hvis der fjernes et område, må det forventes at

≥

. Hvis der laves nye rekreative områder eller der sker forbedringer i eksisterende

rekreative områder må det omvendt forventes, at

≤

Det har været fremført, at en kobling mellem en RUM model og en count model for

antal ture som i ligning (14) kan bruges til at udlede et konsistent mål for nytten af poli-

tikændringer, jf. Hausman mfl. (1995). Der er dog stillet spørgsmålstegn ved, om kob-

lingen giver en fuldt konsistent udledning af nytten af politikændringer, jf. f.eks. Pha-

neuf og Smith (2005). Ofte opstilles derfor to mål for effekten af en politikændring, som

betegnes som hhv. overkantsskøn eller underkantskøn for nytteændringen.

I det første mål antages, at antallet af ture ikke påvirkes af politikændringen. Dette mål

svarer til ligning (12), idet det forventede antal ture før politikændringen indsættes.



−

∑



 −



∆

∑

∆







(15)

- 16 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Det andet mål medtager det forventede antal af ture

efter

politikændringen:



−

∑



 −



∆

∑

∆







(16)

Der gælder følgende, jf. Haab og McConnell (2002):

∆

≤

sand velfærdsændring

≤ ∆

Hvis politikændringen er en forbedring af de rekreative muligheder (i stedet for fjernel-

se af et område) er det oplagt, at

∆

er et underkantsskøn, fordi det ikke medtager en

eventuel stigning i antallet af ture.

Uligheden holder også, hvis politikscenariet er en reduktion i de rekreative muligheder,

som f.eks. fjernelse af et rekreativt område. I dette tilfælde vil

∆

tage udgangspunkt

i at der ikke sker en reduktion i antallet af ture, selv om nytten pr. tur forringes. Dermed

overdrives velfærdsreduktionen, dvs. at

∆

er for negativ i forhold til den sande vel-

færdsreduktion.

- 17 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

4. Data

Overordnet anvendes følgende data og datakilder:

•

Rekreative områder og deres karakteristika beregnet i et GIS

Information om valg af område og samlet antal ture i de seneste 12 måneder er

indhentet ved en internet spørgeskemaundersøgelse

Kørselsafstande til hvert område beregnes i ArcGIS ud fra det danske vejnet-

værk og anvendes til at opgøre transportomkostningen for hver respondent til

hvert relevant område

Disse data anvendes til at opstille og estimere RUM modellen og modellen for antallet

af ture. Efter modellen er estimeret anvendes de estimere parametre til at beregne vel-

færdsændringer baseret på hele befolkningen. Det er ikke i praksis muligt at beregne

afstande mellem bopæl for hver enkelt person i befolkningen og alle de definerede re-

kreative områder. Derfor indhentes data for antallet af personer, som bor i:

•

1x1 km

kvadrater i Danmark. For hvert af de 38.949 beboede kvadrater bereg-

nes den mindste kørselsafstand fra midtpunktet i kvadratet til hvert af de identi-

ficerede større rekreative områder

4.1 Rekreative områder og deres karakteristika

Udpegningen af rekreative områder og opgørelse af karakteristika ved områderne er

foretaget i GIS, hvor det primære kortgrundlag er Basemap, jf. Levin mfl. (2012). Sup-

plerende kortoplysninger er f.eks. indhentet ved Kort10 udgivet af Geodatastyrelsen

samt GIS kort for privat og offentlig ejerskab af skov udarbejdet af Institut for Geovi-

denskab og Naturforvaltning ved Københavns Universitet.

Identificeringen af de rekre-

ative grønne områder i GIS er nærmere beskrevet i dokumentationsnotatet

Rekreative

grønne områder i Danmark,

som er tilgængeligt via

www.dors.dk.

Et areal er defineret som et rekreativt område ud fra naturtype (f.eks. skov, hede, mose,

søer mv.). Dyrkede arealer, dvs. landbrugsjord, er ikke defineret som et rekreativt om-

råde, da der ikke er fri adgang til dyrkede arealer. Uden for større byer er medtaget re-

kreative områder på mindst 50 ha. Der er fokuseret på disse større områder, dels fordi

det er vanskeligt i praksis at inkludere et stort antal meget små områder i analysen, og

De anvendte GIS kort vedr. ejerskab af skov er udarbejdet af Hans Skov-Petersen og Vivian Kvist Jo-

hannsen, Institut for Geovidenskab og Naturforvaltning ved Københavns Universitet på data produceret af

Naturstyrelsen (kort over Styrelsens arealer), Geodatastyrelsen (ejendomsforhold/Matrikulære afgræns-

ninger) og Institut for Geovidenskab og Naturforvaltning (skovarealer).

- 18 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

dels ud fra en forventning om, at der er relativt få rekreative ture til små områder. Sam-

menligning af match mellem de identificerede områder og de af respondenterne udpe-

gede destinationer for deres seneste rekreative tur bekræfter, at dette er tilfældet, jf. se-

nere.

I de fem største byer i Danmark er udpegningen af rekreative områder (byparker) dels

baseret på GIS analyser og dels udvalgt på baggrund af kontakt med tekniske forvalt-

ninger i byerne. Som udgangspunkt er medtaget byparker ned til ca. 5 ha i størrelse,

men i nogle tilfælde er medtaget mindre (populære) parkområder. For nogle kyststræk-

ninger/strande har det ikke været muligt at beregne arealet af området. Her er det ad-

hoc antaget, at området har en størrelse på 10 ha.

I alt er identificeret 2475 forskellige rekreative områder, hvoraf 52 er ”byparker” i de

fem største byer (byparker i andre byer indgår ikke). Arealet af områderne er i alt på

716.000 ha svarende til 17 pct. af Danmarks samlede areal.

De identificerede områder

er gengivet i figur 2. Generelt betragtes sammenhængende områder som et enkelt samlet

stort område. Rekreative områder, som er gennemskåret af f.eks. en motor-

vej/motortrafikvej eller en jernbane, betragtes imidlertid som separate delområder i ana-

lysen. Derfor ligger nogle af de rekreative områder direkte op til hinanden.

Øer uden broforbindelse (f.eks. Bornholm og Samsø) er ikke medtaget i analysen, da det vurderes, at de

store udgifter til færge og tidsforbrug i forbindelse hermed ikke gør det relevant at betragte rekreative

områder på disse øer som direkte substitutter til rekreative områder i det øvrige Danmark. Arealet for øer

uden broforbindelse indgår derfor heller ikke i opgørelsen af, hvor stor en andel de udvalgte rekreative

områder udgør af det samlede areal.

- 19 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Figur 2 Udpegede områder. Øverste til højre udpegede områder i Nordsjælland

Anm: Farverne er alene medtaget for at adskille områderne visuelt.

- 20 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Karakteristika ved områderne er primært beregnet ud fra det samme kortgrundlag

(Basemap), som er anvendt til at identificere områderne. Karakteristika omfatter f.eks.

størrelsen af områder, arealtyper som f.eks. andelen af skov i område og hvorvidt områ-

det ligger ud til kysten eller der er større søer i området. Oplysningerne i Basemap er

suppleret med oplysninger om, hvorvidt dele af området er omfattet af Natura 2000 be-

skyttelse, hvor stor en del af området, som er plaget af trafikstøj og hvor stor en del af

området, som er privat eller offentlig skovareal. Der er afprøvet en række forskellige

specifikationer af karakteristika. De endeligt medtagne karakteristika er beskrevet detal-

jeret i afsnit 4.1.

Generelt er medtagne karakteristika i høj grad afgrænset af datatilgængelighed. Ud over

de pågældende karakteristika har det været forsøgt at indhente oplysninger om sammen-

sætningen af træarter (nåletræer versus fyrretræer), træernes alder, faciliteter for besø-

gende i de forskellige områder og mål for biodiversitet (artsrigdom). I nogle tilfælde har

der været oplysninger om pågældende variable, men det vurderedes, at kvaliteten af

pågældende oplysninger ikke var god nok eller at data har været for geografisk aggrege-

rede til, at kunne anvendes til analysen.

4.2 Spørgeskemaundersøgelse

Oplysninger om brug af rekreative områder for 2500 respondenter blev indsamlet via

USERNEEDS internetpanel i maj 2013.

Alle respondenter er 18 år og derover. I spør-

geskemaet blev det beskrevet, at undersøgelsen omhandler brugen af rekreative områder

i Danmark i form af skove, åbne naturområder, søer, strande og større parker i byer. Det

blev også beskrevet, at ture gennem almindelige landbrugsområder og ture gennem na-

turområder uden ophold ikke indgår i undersøgelsen. Dette var for kun at medtage ture,

som havde rekreation som sigte. I undersøgelsen blev stillet spørgsmål om responden-

tens seneste besøg til de relevante naturområder og store byparker, samt om det samlede

antal ture til rekreative områder i Danmark i løbet af året. En mere uddybende beskri-

I alt blev godt 38.000 personer fra USERNEEDS internetpanel inviteret til at besvare skemaet. Af disse

gik 4.202 personer ind på skemaet (11 pct.), mens der var 2.500 gennemførte besvarelser (7 pct.). For-

skellen på 1.702 mellem de 4.202 og de 2.500 gennemførte besvarelser består f.eks. dels af personer, som

har forsøgt at besvare skemaet efter at kvoten for besvarelser var opfyldt, og dels af personer, som er

startet med at svare, men ikke fuldførte besvarelsen (1.247 personer). En væsentlig del af denne gruppe

faldt fra, da de via kort skulle udpege destination og startsted for den seneste rekreative tur (pågældende

kunne være vanskelige at besvare, hvis skemaet blev forsøgt besvaret på en smartphone). Svarprocenterne

på 11 pct. og 7 pct. har ifølge USERNEEDS et normalt niveau for undersøgelser sendt til et bredt udsnit

af befolkningen.

- 21 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

velse af spørgeskemaet og respondenternes svar kan findes i dokumentationsnotatet

Beskrivelse af data indsamlet ved internet panel,

som er tilgængelig på

www.dors.dk.

Som en del af spørgsmålene om seneste tur blev respondenten bedt om at markere på et

kort, hvor den seneste tur foregik, og hvorfra turen startede. Markeringen af destination

og startsted returnerer den geografiske destination, som efterfølgende er blevet sam-

menholdt med de identificerede rekreative områder. Af de 2500 respondenter har 1911

(76 pct.) angivet en destination, som ligger i eller tæt på (inden for 200 meter) af de

identificerede rekreative områder.

Med hensyn til resten har 245 respondenter (10 pct.) markeret en destination, som ligger

i ”natur”, men som ikke indgår i de identificerede rekreative områder. Dette er forment-

lig enten mindre naturområder, som er under 50 ha (ca. 5 ha for parker i de 5 største

byer) eller respondenter, som har angivet et større naturområde på øer uden fast brofor-

bindelse (naturområder her indgår ikke i undersøgelsen). De resterende 344 responden-

ter (14 pct.) har markeret en destination, som ikke har karakter af natur (typisk bymæs-

sig bebyggelse eller landbrugsområder), eller som ligger uden for Danmarks grænser.

Dette er formentlig respondenter, som har misforstået spørgsmålet eller har markeret en

forkert destination ved en fejl.

De 1911 respondenter, som har markeret et af de identificerede områder, har i alt mar-

keret ca. 1/6 forskellige af alle de medtagne områder. De 10 hyppigst markerede områ-

der er alle byparker eller naturområder nær København eller Århus. Markeringerne i

disse 10 områder tegner sig i alt for næsten ¼ af respondenternes udpegninger. En

nærmere beskrivelse af sammenhængen mellem identificerede områder og responden-

ternes markeringer kan ligeledes findes i dokumentationsnotatet

Rekreative områder i

Danmark.

En række respondenter er blevet frasorteret, fordi de har angivet potentielt fejlagtige

svar. Det er f.eks. respondenter, som har angivet inkonsistente svar eller svar, som ikke

forekommer plausible.

Derudover er udeladt nogle respondenter af hensyn til at forenk-

le valgmodellen. I valgmodellen medtages således ”kun” rekreative områder, som ligger

indenfor 100 km i kørselsafstand. Dette er opfyldt for over 97 pct. af respondenterne.

Da det er relativt dyrt at krydse Storebæltsbroen, er det i valgmodellen antaget, at re-

Det kan f.eks. være personer, som i beskrivelsen har angivet en helt urealistisk sammenhæng mellem

afstand og rejsetid til det område de senest besøgte, eller personer som har angivet et lavere antal ture det

seneste år, end de har angivet for den seneste uge.

- 22 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

spondenter vest for Storebælt ikke overvejer at besøge områder øst for Storebælt (og

vice versa). Derfor er også udeladt et mindre antal respondenter, som besøgte et natur-

område på den anden side af Storebælt. Potentielt kan der være tale om ture med kom-

binerede formål, hvor hovedsigtet med turen ikke alene var at besøge det givne område.

I det endelige datasæt medtages oplysninger for 1752 personer, svarende til 70 pct. af

alle 2500 respondenter.

Der er foretaget en sammenligning af de 1752 respondenters svar angående deres socio-

økonomiske karakteristika og de tilsvarende karakteristika for hele den voksne befolk-

ning baseret på registerdata. Denne sammenligning viser, at de 1752 respondenter om-

fatter personer for alle regioner af Danmark og med mange forskellige socioøkonomiske

karakteristika. De 1752 personer kan dog ikke betragtes som et tilfældigt udsnit af hele

befolkningen. De væsentlige forskelle er, at der er relativt få 70+årige og relativt mange

højtuddannede (og højindkomstgrupper) blandt de 1752 respondenter. Det er tilsynela-

dende ikke unormalt, at man via internetpaneler får relativt mange svar fra højtuddan-

nede, jf. Olsen (2009).

For at korrigere for forskelle i socioøkonomiske karakteristika i forhold til den voksne

danske befolkning er beregnet vægte med henblik på at korrigere for forskelle i uddan-

nelseskategorier og aldersgrupper, jf. dokumentationsnotatet.

Som en del af spørgsmålene om deres sidste besøg til et naturområde eller en bypark

blev respondenten bedt om at angive, hvilket type område respondenten besøgte. Mange

respondenter har senest besøgt en skov, men der er også mange, som angiver, at det

sidste område de besøgte, var et åbent naturområde, en strand eller en bypark, jf. figur 3.

- 23 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Figur 3 Fordeling af besøg på type af område

Pct

Skov

Åbent

naturområde

Sø eller å

Strand

Stor bypark

Andet

Ved ikke

2500

1752

1752 W

Anm.: I figuren vises respondentens svar for typen af det senest besøgte naturområde for alle de oprindelige

2500 respondenter, de 1752 respondenter, der bruges i den senere analyse og endelig de 1752 vægtede re-

spondenter (”1752 W”). Andelen for besøg til et givet område er beregnet ud fra, hvor mange individer der

har afkrydset en given type naturområde i undersøgelsen. Respondenterne havde mulighed for at afkrydse

mere end en type. Summen af andelene pr. naturområde er derfor større end 100 (andelene summer til ca.

144).

Tidligere undersøgelser af danskernes friluftsliv baseret på data indsamlet i 2008 finder

også, at skov er den hyppigst besøgte naturtype, jf. Friluftsrådet (2013). Den næstmest

besøgte type område ud fra 2008 undersøgelsen var strand/kyst. Resultaterne fra under-

søgelsen baseret på 2008 data kan dog ikke direkte sammenlignes med de data, der her

er indsamlet, da undersøgelserne ikke har samme spørgeform/kategorier. For eksempel

lægges i nærværende spørgeskemaundersøgelse vægt på at inddrage besøg i byparker,

mens byparker ikke indgik i undersøgelsen indsamlet i 2008. Overordnet fås dog nogen-

lunde samme resultater, idet skov er den naturtype, der oftest besøges, mens strand/kyst

kommer ind på en andenplads (i vores undersøgelse dog på en delt andenplads på lige

fod med byparker og åbne naturområder).

Afstand har stor betydning for valg af område. Omkring halvdelen af respondenterne

besøgte således senest et område, som lå inden for 3 km fra deres startsted, jf. figur 4.

- 24 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Figur 4 Afstand til senest besøgte område

1904

1752

1752 W

under 1 km

1-3 km

3-5 km

5-10 km

10-20 km

20-50 km

50-100 km

100+ km

Anm.:

Afstande er de beregnede kørselsafstande mellem det af respondenten angivne startsted for turen

og det område respondenten har angivet. Der er kun afstande for de 1904 respondenter, som har markeret

et af de identificerede naturområder. I figuren vises også fordelingen af afstande for 1752 respondenter,

der bruges i den senere analyse og endelig de 1752 vægtede respondenter (”1752 W”).

Det gennemsnitlige antal ture foretaget de seneste 12 måneder i estimationsdata er 41,

mens medianen er 12 ture om året, dvs. at fordelingen af antallet af ture pr. år er højre-

skæv. Endelig fremgår det, at ca. 3 pct. af respondenterne har angivet at have foretaget

nul ture de seneste 12 måneder, jf. tabel 1.

I tabellen er også medtaget en række følsomhedsanalyser, som beskriver ændringen i

gennemsnit og median mv., hvis respondenter med potentielt problematiske svar for

antallet af ture ikke medtages. Fjernes 7 respondenter, der har angivet et antal ture som

er højere end 730 – svarende til mere end to ture pr. dag – falder det gennemsnitlige

antal ture til 39 om året. Fjernes yderligere respondenter, som har angivet mere end 365

ture de seneste 12 måneder, falder det gennemsnitlige antal ture til 36 om året. Hvis der

omvendt frasorteres en række respondenter, som har givet modstridende oplysninger om

antallet af ture forskellige steder i spørgeskemaet, så fås et højere gennemsnitligt antal

ture svarende til 44 ture de seneste 12 måneder.

- 25 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Tabel 1: Antal ture i løbet af de seneste 12 måneder

Alle respondenter

Højest 2 turer

pr. dag

Andel med 0 ture

Median

Gennemsnit

Maks

Observationer

3,3 pct.

1300

1752

3,3 pct.

700

1745

Følsomhedsanalyser

Højest

1 tur pr. dag

3,3 pct.

360

1730

Problematiske obs

3,7 pct.

1300

1592

Anm.: Tabellen beskriver antal ture for baseret på de 1752 vægtede observationer. Beregnes uvægtede

gennemsnit for de 1752 og 2500 observationer fås et lidt højere gennemsnitligt antal ture (ca. 45 ture pr.

år pr. person).

Note a): Fratrukket respondenter, som ét sted i spørgeskemaet har angivet, at deres seneste tur var for

mere end et år siden og som senere har angivet at have haft et positivt antal besøg til rekreative områ-

der/byparker i løbet af de seneste 12 måneder. Disse respondenter har typisk angivet få ture, og derfor

stiger det gennemsnitlige antal ture, når de fjernes.

I indsamlede data fra 2008 blev det gennemsnitlige antal besøg til skov opgjort til 33

besøg pr. år, mens medianen var 10 besøg pr. person, jf. Jensen (2012). Dette er lidt

lavere end fundet i de her opsamlede data. Det forekommer plausibelt, at man i den tid-

ligere undersøgelse for besøg i skove finder et lavere tal end i nærværende undersøgel-

se, som også omfatter besøg til andet end blot skov, dvs. også besøg til strand, åbne na-

turområder og byparker. Det fremgik dog af figur 3, at under halvdelen af seneste besøg

var til skove. Hvis dette overføres til antallet af ture svarer det til, at der er i nærværende

undersøgelse foretages ca. 19 ture til skove om året, dvs. væsentlig lavere end de 33

skovbesøg pr. år fundet ud fra data indsamlet i 2008.

Under alle omstændigheder skal man være opmærksom på, at der er stor usikkerhed om

besvarelsen af det årlige antal besøg. Respondenterne kan næppe huske, hvor mange

ture de præcist har foretaget sig og foretager formentlig et skøn ud fra antallet af besøg i

en kortere periode. Der er ifølge Jensen (2012) en tendens til, at respondenterne over-

driver antallet af årlige besøg. Således skønnes det i Jensen (2012), at der er en overdri-

velsesfaktor på 2, således at det faktiske antal ture kun er halvt så stort, som de ovenfor

angivne. En tilsvarende problematik findes i international litteratur under betegnelsen

”recall bias”, som udtrykker, at respondenterne potentielt husker antallet af ture forkert.

Således anfører Parson (2003), at det på den ene side ikke kan afvise, at ”recall bias”

potentielt kan være et problem, men på den anden side også understreger han, at der

ikke findes robuste undersøgelser til belysning af størrelsen af en eventuel ”recall bias”.

- 26 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Da opgørelsen af nytten er direkte proportional med antallet af ture – jf. ligning (15) og

(16) – er det ligetil at lave følsomhedsanalyser for overdrivelse/recall bias.

4.3 Afstande og rejseomkostning

Det fremgik af afsnit 3, at størrelsen af rejseomkostningerne er væsentlige for opgørel-

sen af værdien af et område. Rejseomkostningerne består dels af den brugte rejsetid og

dels af direkte driftsudgifter ved brug af transportmidler. Der er foretaget en beregning

af den korteste kørselsafstand via vejnettet mellem startsted for de forskellige respon-

denter og hvert af de rekreative områder. Der er ofte mange mulige adgange til et rekre-

ativt område via vejnettet. Der er for hver respondent til hvert område anvendt det ad-

gangspunkt, som giver den korteste afstand i vejnettet. Beregningen af afstande er fore-

taget i ArcGIS af Thomas Becker, Institut for Miljøvidenskab, Aarhus Universitet, ud

fra vejnettet tilgængelige via Geodatastyrelsen.

Rejseomkostningen beregnes for forskellige transportmidler på basis af disse beregnede

kørselsafstande. Ud fra spørgeskemaundersøgelsen er de mest anvendte transportmidler

er personbil (42 pct.), gang (34 pct.) og cykel (17 pct.), som i alt tegner sig for 93 pct. af

samtlige rekreative ture (af de resterende ture foretages hovedparten med kollektiv

transport). Der fokuseres derfor på disse tre transportmidler. For at beregne de samlede

rejseomkostninger skal indgå oplysninger om driftsudgifter pr. km, værdien af tid og

hastigheder for hvert transportmiddel.

Med hensyn til driftsomkostninger antages en udgift ved brug af bil på 1,65 kr. pr. km.

Dette svarer til de marginale kørselsomkostninger for personbiler i 2013-priser fra de

såkaldte transportøkonomiske enhedspriser, jf. DTU transport (2010). Driftsomkostnin-

gen skal deles med antallet af personer på turen. Ifølge transportvaneundersøgelsen var

der i 2011 i gennemsnit 1,71 personer pr. personbil ved fritidsture. Det antages på den

baggrund, at der er samme antal voksne i personbilen for ture til rekreative områder.

For gang og cykel antages, at driftsomkostningen pr. km er nul.

I spørgeskemaet er spurgt om, hvorvidt man var alene eller sammen med andre børn eller voksne på

turen ud til området Der er relativt mange, som har svaret, af de var sammen med flere voksne på turen,

og der fås derfor et noget højere antal voksne per biltur end de 1,71 personer pr. biltur baseret på trans-

portvaneundersøgelsen. Dette skyldes formentlig, at nogle respondenter har opfattet spørgsmålet forkert,

og svaret på, hvor mange som de gik tur med i naturområdet (eller som var i området) og ikke på, hvor

mange de var sammen med, da de kørte ud til området. Det er derfor valgt at antage, at der på bilture til

rekreative områder er 1,71 voksne pr. bil.

- 27 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

For værdien af tid anvendes en omkostning på 81 kr. pr. time (2013-priser), som ligele-

des er baseret på de transportøkonomiske enhedspriser. Denne tidsværdi er oprindeligt

baseret på et større dansk studie af befolkningens vurdering af deres omkostning ved

rejsetid i forbindelse med transport, jf. Fosgerau mfl. (2007). Tidsværdien fundet i dette

studie harmonerer i øvrigt med det, som typisk er fundet i lignende udenlandske trans-

portøkonomiske undersøgelser af tidsværdien ved rejsetid.

De 81 kr. pr. time svarer til en tredjedel af den gennemsnitlige timeløn før skat eller til

2/3 af den gennemsnitlige danske timeløn fratrukket en gennemsnitlig marginalskat og

indirekte skatter.

Inden for litteraturen, som bruger rejseomkostningsmetoder til at

opgøre værdien af rekreative arealer, anvendes typisk tidsværdier i et interval svarende

til mellem en tredjedel eller hele timelønnen, jf. f.eks. Parsons (2003) samt Phaneuf og

Smith (2005). Tidsværdien på 81 kr. pr. time ligger således inden for det interval, der

typisk bruges i rejseomkostningsstudier.

Gennemsnitlige hastigheder for forskellige transportmidler kan beregnes på baggrund af

data fra transportvaneundersøgelsen, jf. DTU Transport (2012). Her fremgår det, at den

gennemsnitlige hastighed ved gang og cykling er på henholdsvis 5,3 og 14,4 km/t.

Den gennemsnitlige hastighed for bilture er på 56,3 km/t. Det fremgår imidlertid, at der

er meget stor variation i den gennemsnitlige hastighed afhængig af rejselængde. Ved

korte rejser (0-2 km) er hastigheden kun på knap 20 km/t. Ved en rejselængde på 5-10

km er hastigheden på 37 km/t, mens gennemsnitshastigheden er godt 80 km/t ved rejser

over 50 km. Den lave gennemsnitshastighed ved korte ture skyldes, at disse ture typisk

foretages på små veje, mens længere ture typisk foregår på motorveje og motortrafikve-

je. I opgørelsen af rejsetid kan også indgå tid til at starte og parkere bilen, som også vil

trække den samlede gennemsnitshastighed ned på korte ture. Det forekommer plausi-

belt, at gennemsnitshastigheden på korte bilture til rekreative områder (ikke mindst by-

parker) også er lav, mens hastigheden kan være højere ved besøg længere væk. Ud fra

beregnede gennemsnitshastigheder ved forskellige rejselængder er anvendt følgende

Den gennemsnitlige timefortjeneste var i 2012 på ca. 238 kr. jf. Statistikbanken (SLON10). Fratrukket

marginalbeskatning af indkomst og indirekte skatter svarer dette til ca. 126 kr. pr. time. Her er antaget, at

den gennemsnitlige marginalskat er på 0,4 og den gennemsnitlige indirekte skattesats er på 0,28. Jævnfør

boks III.4 i F13 for opgørelsen af skat som indregner både indkomstskat og indirekte skatter.

- 28 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

approksimation, som bestemmer gennemsnitshastigheden i bil (kmt

), som en funktion

af rejselængden (L):

kmt

= 23,57 + 1,4085×L - 0,00843×L

(17)

Med funktionen i ligning (17) varierer gennemsnitshastigheden fra 23,6 til 82,4 km/t.

Hastigheden aftager en smule ved afstande over 85 km. Givet antagelsen om, at respon-

denter vælger mellem rekreative områder inden for 100 km i rejselængde, vil hastighe-

den altid være mindst 80 km/t ved lange rejser (ca. 70-100 km i rejselængde)

I tabel 2 er med de givne antagelser gengivet rejseomkostninger pr. km for gang, cykel

og bil ved forskellige rejselængder. For gang og cykel svarer rejseomkostningen til tids-

omkostningen. For bil består rejseomkostningen af summen af tidsomkostning og

driftsomkostning. Det fremgår, at den samlede omkostning pr. km ved bilkørsel varierer

mellem 4,21 og 1,99 kr. pr. km afhængig af rejseafstand.

Tabel 2 Rejseomkostning pr. km (2013-priser)

Rejselængde

100

------------------ kr. pr. km ------------------

Gang

15,28

Tidsomkostning

Cykel

5,63

Tidsomkostning

Bil

Tidsomkostning

3,24

2,20

1,51

1,01

Driftsomkostning

0,96

4,21

3,17

2,48

1,98

I alt, bil

Anm: Rejseomkostningen er pr. person. For beregning af driftsomkostningen pr. km er det antaget, at der

er 1,71 person i bilen. For den lille andel af rejser med kollektiv transport og øvrige transportmidler

(f.eks. motorcykel/knallert anvendes) samme hastigheder og direkte udgifter som for bilrejser. Det vil

sige, at transportmidlet ”bil” herefter kan tolkes som motoriseret transport.

Ud fra spørgeskemaet får man svar på, hvilket transportmiddel hver respondent brugte

ved sit seneste besøg. For at estimere valgmodellen er det imidlertid nødvendigt at ken-

de rejseomkostningen ikke kun til det valgte område, men til

alle

de områder, som re-

spondenten potentielt kunne besøge. Disse områder er her defineret som alle områder

inden for 100 km i rejseafstand, som ikke ligger på den anden side af Storebælt. Det er

således generelt nødvendigt at lave antagelser vedr. valg af transportmiddel.

I DTU Transport (2012) kan beregnes gennemsnitshastigheder ved rejser i følgende 6 intervaller af

rejselængder: 0-2 km, 2-5 km, 5-10 km, 10-20 km, 20-50 km og 50+ km.

- 29 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Det fremgår af figur 5, at besøg til et rekreativt område ofte foregår til fods eller på cy-

kel, når afstanden er kort, mens motoriseret transport overvejende bruges, når rejseaf-

standen er lang.

Der er beregnet en

vægtet

gennemsnitlig transportomkostning, som tager højde for, at

sandsynligheden for at vælge et givet transportmiddel afhænger af afstanden til det re-

kreative område. Denne vægtede transportomkostning ses som et mål for den forvente-

de transportomkostning som en funktion af afstand.

Figur 5 Valg af transportmiddel givet beregnet rejseafstand

Afstand og transportmiddel

(faktisk)

1,20

Antaget fordeling

(afstand og transportmiddel)

1,00

0,80

Andel

0,80

0,60

0,40

0,20

0,00

50-100

10-11

11-12

12-13

13-14

14-15

15-20

20-50

9-10

0-1

1-2

2-3

3-4

4-5

5-6

6-7

7-8

8-9

Andel

0,60

0,40

0,20

0,00

Beregnet afstand

Gang

Cykel

Bilmv

Beregnet afstand

Gang

Cykel

Bilmv

Anm: Baseret på valgt område for de 1752 respondenter i estimationsdatasæt, hvor rejseafstanden er

beregnet som den korteste køreafstand fra respondent til kanten af det valgte område. Kategorien ”Bilmv”

er ud over personbil også kollektiv transport, motorcykel/knallert og ”andet”.

Den vægtede transportomkostning er ikke fuldstændig baseret på den faktiske fordeling

af transportmidler givet rejseafstand, som ses i figur 5a. Det fremgår således, at der selv

ved lange afstande er respondenter, som angiver at have gået eller cyklet hen til områ-

det. Dette forekommer ikke plausibelt, og kan muligvis skyldes, at nogle respondenter

har angivet, hvordan de transporterede sig

rundt i

området (og ikke

hen til

området).

Det er derfor antaget, at ingen respondenter har gået længere end 6 km hen til et område

og ingen respondenter har cyklet længere end 10 km. Derudover er der også foretaget

mindre korrektioner af fordelingen af transportmidler på korte afstande. Hvis man bru-

ger de ”rå” fordelinger vist i figur 5a, får man i en del tilfælde, at den samlede rejseom-

- 30 -

50-100

9-10

10-11

11-12

12-13

13-14

14-15

15-20

20-50

0-1

1-2

2-3

3-4

4-5

5-6

6-7

7-8

8-9

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

kostning falder, når afstanden øges. Det skyldes, at gang er den dyreste transportform

pr. km og at andelen af gående falder.

I estimationerne anvendes de vægtede gennemsnitlige transportomkostninger til at be-

regne udgiften pr. person til at besøge et givet område, dvs.

i ligning (2). Som en føl-

somhedsanalyse anvendes i stedet alene omkostningerne baseret på bilkørsel, som med

de givne antagelser altid er lavere end de vægtede gennemsnitlige transportomkostnin-

ger, hvor omkostningerne ved gang og cykel indgår ved kortere afstande. Bemærk at

med de givne antagelser vil transportomkostningen ikke være givet som en lineær funk-

tion af afstanden, da omkostningen pr. km er relativ høj ved korte rejser (dels i kraft af

funktionen for hastighed med bil og dels i kraft af at der indgår en andel rejser til fods

og på cykel ved korte afstande).

- 31 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

5. Estimationsresultater

I første omgang præsenteres estimationsresultater fra RUM modellen for valg af rekrea-

tivt område. Derefter præsenteres resultater fra modellen for antallet af ture pr. år. I

RUM modellen medtages udover transportomkostninger en række variable, der beskri-

ver karakteristika ved områderne. I modellen for antallet af ture medtages ud over inclu-

sive value også socioøkonomiske karakteristika.

Endemålet er, at den samlede model kan anvendes på data for hele befolkningen aggre-

geret til personer i 1x1 km

kvadrater. Derfor indgår i spørgeskemaet udelukkende ge-

nerelle karakteristika, som også er tilgængelige i registerdata. For eksempel er der ikke

spurgt ind til indikatorer for præferencer for natur (f.eks. medlemskab af Danmarks Na-

turfredningsforening eller lignende), da sådanne oplysninger ikke er tilgængelige i regi-

sterdata.

5.1 Estimationsresultater for RUM model

I tabel 3 gives en oversigt over de medtagne karakteristika for de forskellige naturområ-

der, mens beskrivende statistik for disse karakteristika findes i tabel 4. De medtagne

karakteristika beskriver størrelsen af området (logAreal), hvorvidt området ligger direk-

te ned til kysten (Hav), hvorvidt der er meget ferskvand i området (Ferskvand) og hvor

stor en andel af området, som består af skov (f.eks.

Skov0-25

Skov90-100).

For om-

råder i byer, som i højere grad må formodes at have parklignende karakter har dummy

variablen

park

værdien én.

Ud over transportomkostningen er der to variable, som belyser tilgængeligheden af et

område. Det er dels en variabel, som angiver tætheden af stier og veje i området (Stier),

og dels en variabel, som angiver andelen af privat skov i området (PrivatSkov). Der er

ikke helt samme muligheder for at færdes i en privat skov som i en offentlig

, og det

må ligeledes formodes, at en privat skovejer ikke i samme grad som en offentlig ejer er

interesseret i at lave gode faciliteter for besøgende.

Et varieret naturområde, som indeholder mange forskellige naturtyper, er potentielt me-

re attraktivt end et område med kun en enkelt naturtype. Diversitet i naturtyper beskri-

ves ved variablen

Diversitet.

Variablen

Natura2000

angiver, hvor stor en andel af et

område som er omfattet af Natura 2000 beskyttelse. På den ene side kan der være re-

striktioner til besøg i nogle Natura 2000 områder, som gør det mindre attraktivt at besø-

I en privat skov må man f.eks. kun færdes på stierne og kun i dagtimerne.

- 32 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

ge disse områder. På den anden side kan en Natura 2000 beskyttelse være udtryk for, at

der er nogle særlige naturtyper i området, som gør disse områder attraktive, dvs. variab-

len kan potentielt også være en indikator for et særegent område.

Som beskrevet i afsnit 4 har det for nogen kyststrækninger ikke været muligt at beregne

arealet af området. For disse kyststrækninger er arealet ad-hoc sat til 10 ha. Dummyva-

riablen

Strandpunkt

har værdien 1 for disse strandområder. En række af de øvrige vari-

able er ikke defineret, når arealet ikke kendes. Parameteren til

Strandpunkt

vil derfor

fange den gennemsnitlige værdi af de ikke medtagne karakteristika for disse strand-

punkter.

Tabel 3 Forklarende variable i RUM modellen

Variabel

TCostGns

TCostBil

Park

logAreal

Stier

Hav

Ferskvand

Skov0_25

Skov25_50

Skov75_100

Skov90_100

Forklaring

Rejseomkostninger i vejnettet beregnet som vægtet gennemsnit af bil, fod

og cykel

Rejseomkostninger i vejnettet beregnet ud fra omkostning i bil

Dummy=1, hvis større park (min 3 ha) i en af de fem største byer.

Log (ln) til arealet af området i ha eksklusiv søer > 100 ha

Km sti/vej per ha område

Dummy=1, hvis området ligger ned til kysten/havet

Dummy=1, hvis areal af søer udgør mindst 25 pct. af arealet af området,

Et område som hovedsageligt bærer præg af søer

Dummy =1, hvis skov udgør mindre end 25 pct. af arealet af området eksl.

søer>100 ha

Dummy=1, hvis areal af skov udgør 25-50 pct. af arealet af området eksl.

søer>100 ha

Dummy=1, hvis areal af skov udgør minimum 75 pct. af arealet af området

eksl, søer>100 ha

Dummy=1, hvis areal af skov udgør minimum 90 af arealet af området

eksl, søer>100 ha

Simpsons diversitetsindeks beregnet ud fra naturtyper i området. Værdien

ligger mellem 0 og 1, hvor arealer med stor diversitet og en lige fordeling

af naturtyper scorer tættere på 1 og områder som alene består af en naturty-

pe scorer 0

Dummy=1, hvis område er et punkt langs kysten. Det er ikke umiddelbart

muligt at afgrænse en strand fra den resterende kystlinje, hvorfor områder

som alene består af strand/kyst er beskrevet ved et punkt, jf. dokumentati-

onsnotatet

Rekreative grønne områder”.

Arealet for disse strandpunkter er

antaget at være 10 ha

Andel af areal af område med forurening fra vejstøj over 55 dB for områ-

der udenfor byer

Andel af areal af område, som er omfattet af Natura2000,

Andel af areal af område eksl. søer>100 ha, som er privatejet skov

Kilde

DCE beregnin-

ger af afstande,

DTU

Trans-

port(2012)

Basemap, Levin

(2012)

Diversitet

Strandpunkt

Stoj

Natura2000

PrivatSkov

Miljøstyrelsens

støjkort

Miljøportalen

Københavns

Universitet

De anvendte GIS kort vedr. ejerskab af skov er udarbejdet af Hans Skov-Petersen og Vivian Kvist Jo-

hannsen, Institut for Geovidenskab og Naturforvaltning ved Københavns Universitet på data produceret af

- 33 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Tabel 4 Beskrivende statistik for forklarende variable i RUM model

Variable

TCostGns

TCostBil

Park

logAreal

Stier

Hav

Strandpunkt

Stoj

Ferskvand

Natura2000

PrivatSkov

Skov0_25

Skov25_50

Skov75_100

Skov90_100

Diversitet

Obs

989031

2475

Mean

242

241

0,02

4,91

0,04

0,25

0,03

0,02

0,05

0,17

0,46

0,27

0,13

0,21

0,36

Std. Dev.

91,03

91,85

0,14

1,11

0,04

0,43

0,17

0,10

0, 22

0,33

0,37

0,44

0,34

0,41

0,48

0,24

Min

0,06

0,02

-1,43

Max

395,18

9,00

0,38

0,98

0,86

Anm: Det højere antal observationer for variablene

TCostGns

TCostBil

afspejler, at rejseomkostning til hvert

område varierer mellem personer.

Estimationsresultater for valgmodellen er gengivet i tabel 5, hvor der er medtaget for-

skellige specifikationer for andelen af skov i området. Parametrene er ikke umiddelbart

let fortolkelige, men fortegnet angiver om sandsynligheden for at vælge et område med

(meget af) pågældende karakteristika er høj eller lav. Det fremgår, at den estimerede

parameter til transportomkostningerne har det forventede negative fortegn, dvs. en høje-

re transportomkostning mindsker nytten af et område og mindsker sandsynligheden for,

at pågældende område vælges. Det fremgår også, at den estimerede parameter til trans-

portomkostningen er rimelig stabil på tværs af de forskellige viste modeller. Således er

den estimerede parameter til transportomkostningen på -0,041 i alle fem estimationer i

tabel 5.

Generelt er de fleste af de øvrige estimerede parametre også stabile på tværs af

estimationer. Af fortegnet til de estimerede parametre fremgår det (kort fortalt), at nyt-

ten af et område med parkkarakter (dvs. beliggende i byen) er større end områder uden

parkkarakter. Nytten stiger med størrelsen af arealet. Områder med mange stier/veje har

Naturstyrelsen (kort over Styrelsens arealer), Geodatastyrelsen (ejendomsforhold/Matrikulære afgræns-

ninger) og Institut for Geovidenskab og Naturforvaltning (skovarealer).

Bemærk for en ordens skyld, at man skal være varsom med at sammenligne størrelsen af de estimerede

parametre på tværs af modellerne. I princippet kan kun det relative forhold mellem to parametre direkte

sammenlignes.

- 34 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

højere rekreativ værdi, mens områder med en høj andel af privat skov har relativ lille

værdi. Områder, som ligger ud til kysten, eller hvor der er en større sø, har også en rela-

tiv høj værdi. Det samme er tilfældet for områder underlagt Natura 2000 beskyttelse.

Tabel 5 Estimationsresultater for RUM model (Multinomial logit) baseret på gennem-

snitlig transportomkostning for bil, cykel og gang (TCostGns)

VARIABLES

TCostGns

Park

logAreal

Stier

Hav

Strandpunkt

Ferskvand

Natura2000

PrivatSkov

Skov0_25

Skov25_50

Skov75_100

Skov90_100

Diversitet

(1)

(2)

(3)

(4)

(5)

-0.0407*** -0.0406*** -0.0407*** -0.0407*** -0.0415***

(0.000803) (0.000802) (0.000802) (0.000802) (0.000805)

0.334*** 0.407*** 0.406*** 0.401*** 0.759***

(0.110)

(0.0990)

(0.0991)

(0.0996)

(0.0973)

0.728*** 0.728*** 0.731*** 0.733*** 0.694***

(0.0287)

(0.0286)

(0.0288)

(0.0269)

9.429*** 9.280*** 9.319*** 9.292*** 9.656***

(0.529)

(0.524)

(0.523)

(0.527)

(0.506)

0.551*** 0.545*** 0.546*** 0.548*** 0.595***

(0.0624)

(0.0623)

(0.0624)

(0.0613)

2.246*** 2.233*** 2.247*** 2.217*** 2.652***

(0.208)

(0.207)

(0.217)

(0.211)

0.632*** 0.603*** 0.609*** 0.617***

(0.0770)

(0.0759)

(0.0758)

(0.0778)

0.241**

0.233**

0.238**

0.439***

(0.0975)

(0.0971)

(0.0921)

-1.495*** -1.386*** -1.433*** -1.446***

(0.131)

(0.130)

(0.126)

(0.128)

-0.218**

-0.170**

-0.169**

-0.163*

(0.0942)

(0.0844)

(0.0845)

(0.0856)

-0.140

(0.0895)

0.0293

(0.0838)

-0.237

(0.174)

-0.0625

0.542***

(0.135)

(0.124)

1752

-5922

0.465

1752

-5922

0.465

1752

-5923

0.464

1752

-5923

0.464

1752

-6017

0.456

Observations

Log likelihood

Pseudo R-squared

Anm: Baseret på 1752 vægtede observationer.

Standard errors in parentheses. *** p<0.01, ** p<0.05, * p<0.1

- 35 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

I de forskellige alternative specifikationer i tabel 5 er det undersøgt, om andelen af skov

i et område er vigtig for den rekreative værdi. I den første estimation er medtaget dum-

myvariable for, hvorvidt 0-25 pct., 25-50 pct. og en 75-100 pct. af området er skov (en

skovandel på 50-75 pct. er basis). Af denne estimation fremgår det, at nytten er relativ

lav af et område uden eller med kun lidt skov. I den anden estimation i tabel 5 er det

nærmere undersøgt, om et område som sort set udelukkende består af skov (andel af

skov større end 90 pct.), er mere eller mindre attraktiv i forhold til områder, hvor ande-

len af skov er mellem 25-90 pct. Parameteren til områder, som næsten udelukkende

består af skov, er imidlertid ikke signifikant.

I den tredje estimation er alene medtaget dummyvariablen for, hvorvidt der er 0-25 pct.

skov i området. Parameteren til denne er negativ og signifikant på 5 pct. niveau (gælder

for alle estimationer vist i tabel 5). Dette tyder på, at respondenterne foretrækker, at der

er en del skov i et område, men analysen giver ikke et entydigt svar på, om området

primært skal bestå af skov eller om det skal være et område med meget blandet natur.

I estimationerne 4 og 5 er det søgt at inkludere et mål for diversitet i naturtyperne i om-

rådet med henblik på at undersøge, om dette giver en bedre beskrivelse af nytten af et

rekreativt område end andelen af skov i området. Dette synes imidlertid ikke at være

tilfældet, idet diversitetsmålet ikke er signifikant signifikant (estimation 4) med mindre

dummyvariable for skovandel på 0-25 pct. udelades (estimation 5). Loglikelihood vær-

dien i estimation er dog væsentlig lavere end i estimation 3, hvor skovandel på 0-25 er

medtaget. I senere velfærdsberegninger tages udgangspunkt i estimation 3.

Alle præsenterede modeller for valg af område er estimeret ved en multinomial (condi-

tional) logit model, hvor de estimerede parametre er ens for alle personerne. Multinomi-

al logit modellen har den fordel, at den er relativ enkel at estimere og efterfølgende op-

gøre værdien af de enkelte rekreative områder, jf. ligning (11). Multinomial modellen

har imidlertid den ulempe, at den implicerer et relativt restriktivt substitutionsmønster

mellem forskellige områder. Ofte anvendes den såkaldte mixed logit model, hvor de

estimerede parametre ikke er faste, men antages at følge f.eks. en normalfordeling.

Mixed logit modellen tillader et mere fleksibelt substitutionsmønster mellem forskellige

områder, jf. Train (2009). Beregningsmæssigt er det dog væsentlig tungere at beregne

værdien af forskellige naturområder efter mixed logit modellen er estimeret. Da målet er

- 36 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

at opgøre værdien af hver enkelt af de 2475 forskellige naturomåder og parker blev det

fravalgt at anvende mixed logit modellen.

Følsomhedsanalyser

Der er estimeret en række andre modeller med alternative specifikationer af karakteri-

stika ved områderne (ikke gengivet). Disse viser bl.a., at logaritmen til arealet af områ-

det (som er brugt i de gengivne estimationer) giver en bedre beskrivelse af valg af om-

råder end arealet uden logtransformation. Dette implicerer, at nytten af at øge arealet af

et område med f.eks. 10 ha er større, hvis området er lille end hvis området er stort. Det

er også forsøgt at inkludere afstand i stedet for transportomkostning, men de beregnede

transportomkostninger giver en bedre beskrivelse af valg af område end afstand. Dette

understøtter beregningen af transportomkostningerne, som giver en ikke-lineær sam-

menhæng mellem afstand og transportomkostning. Den ikke-lineære sammenhæng

skyldes bl.a. lavere hastigheder ved korte afstande til et område sammenlignet med lan-

ge afstande, jf. afsnit 4.3. I estimationerne er medtaget en variabel for tætheden af stier

og veje i området, med henblik på at vurdere om områder med let tilgængelighed også

tiltrækker flere besøgende. Potentielt kan en variabel for stitæthed være endogen, idet

der kan være en tendens til, at der etableres gode adgangsforhold i områder med mange

besøgende. Potentielt kan dette give en bias i parameteren til transportomkostningen,

som også er væsentlig for antallet af besøgende til et givet område. Udelades variablen

til stitæthed har det imidlertid ingen væsentlig betydning for parameteren til transport-

omkostningen.

Det er derfor valgt at fastholde variablen for stitæthed i de endelige

estimationer. Det har også været forsøgt at medtage et mål for støj i området (andel af

området hvor trafikstøjen var over 55 dB). Denne støjindikator var dog ikke generelt

signifikant.

Som en yderligere følsomhedsanalyse er foretaget estimationer, hvor der i stedet for de

vægtede gennemsnitlige transportomkostninger alene indgår omkostningerne ved bil-

transport, jf. tabel 6. En motivation for at bruge omkostningerne ved biltransport alene

er, at der kan være uobserverede gevinster ved at gå eller cykle, som gør gang/cykling

attraktive i forhold til biltransport, selv om biltransport er billigere. I RUM modellen ses

Beregningen af værdien af hvert af de 2475 forskellige naturområder og parker som præsenteres i afsnit

6 ved den simple multinomial logit model tog i forvejen 2-3 dage.

Udelades stitæthed har det betydning for størrelsen af parameteren på andre variable, som er korreleret

med stitæthed. Det gælder f.eks. parameteren til Park (mindskes), hvor stitætheden er stor. Ligeledes

mindskes parameteren til logaritmen af arealet af området, hvilket formentlig afspejler, at stitætheden er

lille i meget store områder.

- 37 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

transporten som en omkostning, der ikke i sig selv har nytte, og brugen af omkostnin-

gerne ved biltransport kan derfor ses som et forsøg at korrigere for eventuel uobserveret

nytte ved at gå eller cykle.

Overordnet fås parametre af samme størrelsesorden, hvis man bruger omkostningen ved

biltransport (tabel 6) sammenlignet med estimationer, hvor man bruger de vægtede

transportomkostningner (tabel 5).

I bilag A er vist de tilsvarende estimationer, hvis respondenter ikke vægtes for at korri-

gere for forskelle i uddannelse og alder i forhold til den generelle befolkning. Kvalitativt

fås de samme resultater som i tabel 5 og 6.

En række af de kvalitative resultater fra RUM modellen harmonerer med resultater fra

en anden model til opgørelse af værdien af rekreative områder, som indgik i UK Natio-

nal Ecosystem Assessment. Her findes, at tilstedeværelsen af kyst, søer/ferskvand og

andelen af skov har en signifikant positiv betydning for, hvor attraktivt et rekreativt om-

råde er, jf. Sen mfl. (2012).

- 38 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Tabel 6 Estimationsresultater for RUM model (Multinomial logit) baseret på

transportomkostningen ved bil (TCostBil)

VARIABLES

TCostBil

Park

logAreal

Stier

Hav

Strandpunkt

Ferskvand

Natura2000

PrivatSkov

Skov0_25

Skov25_50

Skov75_100

Skov90_100

Diversitet

(1)

(2)

(3)

(4)

(5)

-0.0364*** -0.0364*** -0.0364*** -0.0364*** -0.0371***

(0.000670) (0.000669) (0.000669) (0.000669) (0.000670)

0.283**

0.355*** 0.353*** 0.349*** 0.691***

(0.111)

(0.100)

(0.101)

(0.0980)

0.727*** 0.727*** 0.730*** 0.731*** 0.694***

(0.0288)

(0.0287)

(0.0289)

(0.0271)

9.275*** 9.138*** 9.177*** 9.151*** 9.530***

(0.531)

(0.527)

(0.526)

(0.530)

(0.509)

0.561*** 0.556*** 0.557*** 0.558*** 0.606***

(0.0627)

(0.0625)

(0.0626)

(0.0627)

(0.0616)

2.236*** 2.225*** 2.238*** 2.212*** 2.616***

(0.209)

(0.208)

(0.218)

(0.212)

0.600*** 0.573*** 0.579*** 0.586***

(0.0773)

(0.0762)

(0.0761)

(0.0781)

0.256***

0.249**

0.253*** 0.253*** 0.442***

(0.0982)

(0.0977)

(0.0926)

-1.463*** -1.354*** -1.403*** -1.413***

(0.132)

(0.131)

(0.126)

(0.129)

-0.225**

-0.177**

-0.176**

-0.171**

(0.0946)

(0.0848)

(0.0849)

(0.0860)

-0.137

(0.0898)

0.0276

(0.0843)

-0.237

(0.175)

-0.0530

0.528***

(0.135)

(0.124)

1752

-5829

0.473

17521

-5830

0.473

1752

-5831

0.473

1752

-5831

0.473

1752

-5917

0.465

Observations

Log likelihood

Pseudo R-squared

Anm: Baseret på 1752 vægtede observationer.

Standard errors in parentheses. *** p<0.01, ** p<0.05, * p<0.1

RUM model opdelt på køn, alder og uddannelse

I de estimerede RUM modeller medtages transportomkostninger og karakteristika ved

områderne som forklarende variable, men socioøkonomiske variable indgår ikke. So-

cioøkonomiske karakteristika kan ikke indgå isoleret i valgmodeller, da de socioøko-

nomiske karakteristika i den enkelte valgsituation ikke varierer. Hvis socioøkonomiske

- 39 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

karakteristika skal indgå i valgmodellen, skal de derfor indgå som interaktionsled med

karakteristika ved områderne, f.eks. hvis mænd lægger mere vægt på stitæthed end

kvinder i deres valg af område. For at vurdere om det er vigtigt at lade socioøkonomi-

ske karakteristika indgå, er RUM modellen estimeret på delsamples for hhv. mænd,

50+årige, personer med lav indkomst (under 200.000 kr. pr. år) og personer med lav- og

mellemindkomster (under 500.000 kr. pr. år), jf. tabel 7.

Det fremgår, at de estimerede parametre overordnet er rimeligt stabile, når de estimeres

på baggrund af de forskellige delsamples. Det er primært, når der estimeres for personer

med lav indkomst (under 200.000 kr.), at størrelsen af nogle parametre ændres, men

dette kan skyldes, at det er relativt få respondenter i denne gruppe.

Alt i alt synes de estimerede parametre ikke i væsentlig grad at afhænge af socioøko-

nomiske karakteristika som køn, alder og indkomst. Dette tyder på, at det ikke er nød-

vendigt, at medtage interaktionsled mellem karakteristika og socioøkonomiske karakte-

ristika i RUM modellen. Bemærk dog, at selv om socioøkonomiske karakteristika ikke

har (væsentlig) betydning for valg af område, har socioøkonomiske karakteristika en vis

betydning for, hvor mange rekreative ture en person foretager, jf. afsnit 5.2.

I tabel 7 er gengivet to yderligere følsomhedsanalyser. Hovedparten af respondenterne

har angivet, at de har startet deres tur fra deres bopæl, men der er også respondenter,

som er startet fra arbejdspladsen, familie og venner eller feriebolig/sommerhus. Estime-

res kun på respondenter, som er startet fra deres bopæl, fås overordnet samme resultater

som for alle respondenter. Endelig er der i en estimation kun medtaget ture, som foregår

i hverdagen. Her stiger parameteren til transportomkostningen, hvilket afspejler, at en

kort transporttid er vigtigere for valg af område i hverdagen end i weekend og ferier.

Som tidligere nævnt, skal man dog være varsom med en alt for håndfast sammenligning af størrelsen af

de estimerede parametre på tværs af modellerne. I princippet kan kun det relative forhold mellem to pa-

rametre direkte sammenlignes.

- 40 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Tabel 7 RUM model estimeret for dele af observationerne

VARIABLE

Alle

(basis)

-0.041***

(0.0008)

0.406***

(0.0991)

0.731***

(0.0286)

9.319***

(0.523)

0.546***

(0.0623)

2.247***

(0.207)

0.609***

(0.0758)

0.238**

(0.0971)

-1.433***

(0.126)

-0.169**

(0.0845)

1752

Mænd

50+

Personlig

indk<200tkr

-0.0386***

(0.0015)

0.638***

(0.180)

0.621***

(0.0528)

8.696***

(0.921)

0.450***

(0.116)

1.177**

(0.559)

0.253

(0.156)

0.480**

(0.189)

-1.168***

(0.230)

-0.317*

(0.170)

415

Personlig

indk<500tkr

-0.0404***

(0.0009)

0.385***

(0.114)

0.734***

(0.0320)

9.099***

(0.599)

0.532***

(0.0709)

2.177***

(0.239)

0.640***

(0.0865)

0.301***

(0.109)

-1.552***

(0.141)

-0.240**

(0.0963)

1273

Hverdag

Start bopæl

TCostGns

Park

logAreal

Stier

Hav

Strandpunkt

Ferskvand

Natura2000

PrivatSkov

Skov0_25

-0.044***

(0.0012)

0.543***

(0.135)

0.787***

(0.0391)

8.501***

(0.718)

0.553***

(0.0847)

2.198***

(0.305)

0.483***

(0.106)

0.407***

(0.131)

-1.583***

(0.172)

-0.361***

(0.117)

877

-0.036***

(0.0010)

0.0956

(0.159)

0.729***

(0.0409)

9.488***

(0.830)

0.703***

(0.0933)

2.554***

(0.270)

0.615***

(0.116)

0.332**

(0.138)

-1.137***

(0.174)

-0.234*

(0.123)

648

-0.052***

(0.0015)

0.159

(0.146)

0.704***

(0.0443)

8.790***

(0.778)

0.518***

(0.0956)

1.770***

(0.377)

0.569***

(0.114)

0.305**

(0.150)

-1.234***

(0.195)

-0.230*

(0.129)

801

-0.043***

(0.0009)

0.304***

(0.110)

0.724***

(0.0319)

9.263***

(0.583)

0.553***

(0.0703)

2.397***

(0.224)

0.622***

(0.0843)

0.256**

(0.108)

-1.564***

(0.140)

-0.233**

(0.0954)

1390

Respondenter

Log like-

-5923

-3160

-2737

-1738

-4594

hood

Pseudo R

0.464

0.486

0.431

0.465

Anm: Standard errors in parentheses. *** p<0.01, ** p<0.05, * p<0.1

-2428

0.521

-4725

0.465

Opsummering af estimation af RUM model

De estimerede RUM modeller giver plausible parametre, som tillige forekommer robu-

ste på tværs af forskellige specifikationer. Det gælder ikke mindst parameteren til trans-

portomkostningen. De estimerede modeller tyder på, at respondenterne er mindre glade

for naturområder, som ikke har en vis andel af skov. Der er lavere nytte af private skove

end offentligt ejede skov. Der kan dog være forskellige årsager til dette. Der er således

nogle restriktioner på, hvordan man må færdes i en privat skov sammenlignet med en

offentlig ejet skov. Den lavere værdi af privat skov kan dog også skyldes, at en privat

skovejer ikke på samme måde som for offentlige skov understøtter rekreation (parke-

ring, faciliteter osv.). Endelig kan forskellen også potentielt skyldes forskelle i driften af

skovene, som kan give forskel i den rekreative oplevelse.

- 41 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

5.2 Model for antallet af ture

Antallet af ture inden for de seneste 12 måneder er pr. definition et ikke negative heltal.

Derfor anvendes en såkaldt negativ binomial count model, som bl.a. sikrer, at der ikke

prædikteres et negativt antal ture, jf. f.eks. Cameron og Trivedi (2009). Som beskrevet i

ligning (14) indgår den beregnede inclusive value fra RUM modellen som forklarende

variabel for antallet af ture (IV

). Denne værdi kan tolkes som et udtryk for, om respon-

denten bor i et område med nær adgang til gode rekreative områder. Derudover er også

medtaget en række dummy variable for socioøkonomiske karakteristika baseret på re-

spondenternes oplysninger i spørgeskemaet. De medtagne variable er beskrevet i tabel

8, mens der er beskrivende statistik i tabel 9.

Tabel 8 Variable medtaget i modellen for antal ture

Variabel

Alder50plus

Samlevende

Bil

Lejlighed

Skole

Mellemudd

Langudd

Hojindk

Rsjaelland

Rsyddk

Rmidtjyl

Rnordjyl

Beskrivelse

Inclusive value, dvs. mål for nærhed og kvalitet af rekreative områ-

de ift. respondentens bopæl (baseret på model 3 i tabel 5).

Person 50 år eller derover (dummy)

Gift eller samlevende (dummy)

Hvis personen eller dennes partner har bil (dummy)

Bor i etageejendom (dummy)

Grundskole som højest fuldførte uddannelse (dummy)

Mellemlang videregående uddannelse (dummy)

Lang videregående uddannelse (dummy)

Personlig indkomst på mindst 600.000 (dummy)

Bosat i region Sjælland (dummy)

Bosat i region Syddanmark (dummy)

Bosat i region Midtjylland (dummy)

Bosat i region Nordjylland (dummy)

Anm: Bosat i region hovedstaden er den udeladte region.

- 42 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Tabel 9 Beskrivende statistik for variable i model for antal ture

Variable

Antalbesøg

Alder50plus

Samlevende

Bil

Lejlighed

Skole

Mellemudd

Langudd

Hojindk

Rsjaelland

Rsyddk

Rmidtjyl

Rnordjyl

Obs

1752

1772

Mean

40,89

5,87

0,47

0,61

0,72

0,38

0,18

0,15

0,07

0,06

0,11

0,20

0,23

0,11

Std. Dev.

79,4

0,84

0,50

0,49

0,45

0,49

0,38

0,35

0,26

0,23

0,31

0,40

0,42

0,31

Min

3,62

Max

1300

7,96

Det skal bemærkes, at en række andre forklarende variable er forsøgt medtaget uden at

have signifikant betydning. Det gælder f.eks. køn, hvorvidt man har børn og flere grup-

peringer for alder, uddannelse og indkomst. Der er ligeledes forsøgt med interaktionsled

med alder og køn, dvs. vurderet om effekten af en given variabel varierer med køn og

aldersgruppe.

Estimationsresultater for fire forskellige specifikationer af modellen er gengivet i tabel

10. For hver af de forskellige estimationer viser den første søjle de estimerede parametre

i negativ binomial count modellen, mens den anden søjle er de gennemsnitlige margina-

le effekter. De gennemsnitlige marginale effekter kan tilnærmelsesvis tolkes som para-

metrene i en almindelig OLS model.

Det fremgår, at den gennemsnitlige marginale effekt af en ændring i inclusive value er

nogenlunde konstant i de forskellige estimerede modeller i tabel 10. Den marginale ef-

fekt svarer til, at en stigning i inclusive value på 1 giver en stigning på ca. 7-9 ture pr.

år. Det fremgår af tabel 9, at der er en maksimal forskel i inclusive value på knap 4,4.

Det svarer til, at personen med den allerbedste geografiske beliggenhed i forhold til re-

kreative områder vil gå ca. 30-40 ture mere pr. år sammenlignet med personen med den

allerdårligste geografiske beliggenhed. Sammenlignes forskellen mellem 5 pct. og 95

pct. fraktilen i fordelingen af inclusive value (dvs. uden de meste ekstreme værdier) er

- 43 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

der en forskel i inclusive value på ca. 2,5. Det svarer til en forskel på ca. 18-23 ture pr.

år. Det vurderes, at dette er en plausibel effekt af god og dårlig beliggenhed i forhold til

nærhed og kvalitet af rekreative områder.

Tabel 10 Model for årligt antal ture (Negativ Binomial model)

(1)

VARIABLES

IV_temp

Age50plus

Samlevende

Bil

Lejlighed

Skole

mellemudd

Langudd

Hojindk

Rsjaelland

Rsyddk

Rmidtjyl

Rnordjyl

Constant

Yearvisit

0.219***

(0.0618)

0.180**

(0.0709)

-0.140*

(0.0763)

0.104

(0.0892)

-0.184**

(0.0847)

0.453***

(0.0913)

0.415***

(0.0946)

0.588***

(0.130)

-0.356**

(0.143)

0.377***

(0.146)

-0.0205

(0.119)

-0.217**

(0.103)

0.306**

(0.126)

2.169***

(0.409)

Observations

Alpha

pseudo R

logL

1,752

1.795

0.00785

-7996

1,752

margins

8.946***

(2.573)

7.335**

(2.917)

-5.713*

(3.131)

4.228

(3.644)

-7.502**

(3.488)

18.48***

(3.881)

16.93***

(3.978)

23.97***

(5.497)

-14.50**

(5.896)

15.38**

(5.999)

-0.834

(4.843)

-8.848**

(4.217)

12.46**

(5.169)

-0.164**

(0.0780)

0.459***

(0.0906)

0.423***

(0.0943)

0.578***

(0.130)

-0.351**

(0.143)

0.386***

(0.145)

-0.0201

(0.118)

-0.216**

(0.102)

0.309**

(0.125)

2.192***

(0.396)

1,752

1.798

0.00762

-7998

1,752

-6.672**

(3.210)

18.74***

(3.859)

17.25***

(3.972)

23.56***

(5.487)

-14.34**

(5.879)

15.73***

(6.001)

-0.818

(4.831)

-8.826**

(4.204)

12.61**

(5.135)

2.492***

(0.258)

1,752

1.825

0.00552

-8015

1,752

2.329***

(0.276)

1,752

1.820

0.00590

-8012

1,752

-0.141*

(0.0773)

0.474***

(0.0898)

0.418***

(0.0947)

0.577***

(0.131)

-0.363**

(0.144)

-5.758*

(3.183)

19.38***

(3.846)

17.09***

(3.992)

23.61***

(5.524)

-14.84**

(5.936)

Yearvisit

0.212***

(0.0614)

0.185***

(0.0693)

(2)

margins

8.637***

(2.553)

7.533***

(2.855)

Yearvisit

0.160***

(0.0448)

0.249***

(0.0688)

(3)

margins

6.555***

(1.875)

10.17***

(2.867)

Yearvisit

0.177***

(0.0454)

0.222***

(0.0712)

-0.122

(0.0761)

0.204**

(0.0883)

-0.126

(0.0833)

0.476***

(0.0902)

0.401***

(0.0949)

0.583***

(0.131)

-0.382***

(0.144)

(4)

Margins

7.235***

(1.908)

9.095***

(2.950)

-4.981

(3.127)

8.328**

(3.637)

-5.156

(3.424)

19.44***

(3.865)

16.39***

(3.987)

23.83***

(5.524)

-15.61***

(5.954)

Standard errors in parentheses: *** p<0.01, ** p<0.05, * p<0.1

Anm: Vægtet estimation.

a): ”Alpha” er spredningsparameteren i den anvendte negative binomial model. Spredningsparameteren er

i alle tilfælde signifikant forskellig fra nul, hvilket svarer til en afvisning af, at den anvendte negativ bi-

nomial count model kan reduceres til en poisson model.

- 44 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Med hensyn til socioøkonomiske karakteristika fremgår det, at 50+årige foretager 8-10

flere ture årligt end yngre, og at personer med bilrådighed foretager 6-8 ture mere end

personer uden bilrådighed. Med hensyn til uddannelse foretager personer med længere-

varende videregående uddannelse, mellemlang videregående uddannelse og personer

(kun) med skoleuddannelse flere ture sammenlignet med referencegruppen (personer

med gymnasial uddannelse, kort videregående uddannelse og faglærte). Derudover fore-

tager personer med høj indkomst færre ture om året. Dette kan f.eks. skyldes, at perso-

ner med høj indkomst arbejder mere og derved har mindre tid til rådighed til at foretage

rekreative ture.

Lidt mere overraskende fremgår det også, at personer bosiddende i region Sjælland og

region Nordjylland foretager flere ture og personer bosat i region Midtjylland færre ture

sammenlignet med personer bosat i region hovedstaden (basis). Det skal bemærkes, at

dette er efter, der er taget højde for tilgængelighed (transportomkostning) og kvalitet

(karakteristika) af de rekreative områder, som er ”fanget” ved inclusive value (IV

Potentielt er dummy-variablene for regioner korreleret med inclusive value. Fjernelse

af dummy-variable for regioner i model 3 og 4 har da også lidt indflydelse på betydnin-

gen af inclusive value.

Variable for bilrådighed (Bil) og familietype (Samlevende) er medtaget i nogle af esti-

mationerne. Disse variable var signifikante i nogle estimationer (bl.a. når der ikke væg-

tes), men ikke, når der vægtes. Bilrådighed er signifikant, når der ikke medtages dum-

my-variable for regioner.

I det følgende gås videre med resultaterne fra model 2, hvor der er medtaget regionale

dummy variable, mens variable for bilrådighed og familietype ikke indgår. Det bemær-

kes, at parametrene til regioner således også i et vist omfang fanger betydningen af for-

skelle mellem regionerne i f.eks. bilrådighed.

Den medtaget inclusive value er baseret på estimationer, hvor det er de gennemsnitlige

rejseomkostninger, der er anvendt. Anvendes i stedet en inclusive value baseret på en

RUM model med rejseomkostningen ved bil fås overordnet de samme resultater som i

tabel 10.

Generelt er der stor spredning i antallet af ture for forskellige personer. De estimerede

modeller forklarer kun en meget lille del af variationen i antal ture de seneste 12 måne-

- 45 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

der. De rapporterede pseudo-R

værdier er således mindre end 0,01. Estimeres en al-

mindelig lineær model fås en lidt højere ”almindelig” R

på knap 0,03. Det er dog væ-

sentligt, at inklusive værdien er signifikant og at den marginale effekt heraf er rimelig

stabil på tværs af estimationer. Det giver en troværdig kobling mellem RUM modellen

og modellen for antallet af ture, som gør det muligt at medtage afledte velfærdseffekter

af nye naturområder i form af øget tilbøjelighed til at foretage rekreation.

- 46 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

6. Opgørelse af nytten af rekreative områder baseret på hele befolkningen

For at opgøre den rekreative værdi af rekreative områder skal anvendes data for hele

befolkningen for at være sikker på, at der fås en repræsentativ geografisk fordeling. I det

følgende beskrives kort de data, der er anvendt til opgørelser for hele befolkningen.

Derefter opgøres værdien af forskellige rekreative områder.

6.1 Data for hele befolkningen

I princippet kan de estimerede modeller anvendes til at foretage prediktioner med ud-

gangspunkt i den geografiske lokalisering af hver enkelt voksen persons bolig. Dette vil

dog forudsætte beregning af et i praksis urealistisk stort antal kørselsafstande til hvert af

de 2475 rekreative områder. I stedet anvendes data, hvor befolkningen er inddelt i 1x1

kvadrater. Dette giver stadig et ret stort og geografisk detaljeret datasæt, da der i alt

er knap 39.000 beboede 1x1 km

kvadrater i Danmark. Der anvendes følgende oplys-

ninger og kilder:

•

Antal beboere

i hvert kvadrat i 2012 (ultimo) ved specialkørsel fra Danmarks Stati-

stik

Antal

voksne beboere

i hvert kvadrat opgøres på baggrund af antallet af beboere ud

fra andelen af voksne i det sogn, hvori kvadratet (eller hovedparten af kvadratet)

ligger. Andelen af voksne i hvert sogn er indhentet fra Statistikbanken (KM5)

•

Beregning af

kørselsafstande

mellem centrum af hvert af de knap 39.000 kvadrater

og hvert af de 2475 forskellige rekreative områder, jf. afsnit 4.3

Relevante

socioøkonomiske karakteristika

er for hvert kvadrat baseret på de gen-

nemsnitlige socioøkonomiske karakteristika for de voksne i det sogn, hvori kvadra-

tet ligger. Beregningen af socioøkonomiske karakteristika er baseret på registerdata i

Danmark Statistik. De relevante socioøkonomiske karakteristika er de forklarende

variable, der indgår i modellen for antallet af ture, jf. tabel 10.

Ud fra disse oplysninger kan værdien af at fjerne et enkelt naturområde (eller en park)

for en gennemsnitsperson i hvert kvadrat findes ved anvendelse af ligning (15) og (16).

Den samlede værdi for alle beboere i et kvadrat kan herefter findes ved at multiplicere

med antallet af voksne i kvadratet. Endelig kan den samlede værdi af det pågældende

naturområde findes ved at addere velfærdseffekten for alle ”kvadrater” (dvs. voksne

personer), hvor pågældende naturområde indgår i valgsættet (dvs. alle kvadrater, som

ligger inden for 100 km fra det pågældende rekreative område).

- 47 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Der er meget stor variation i antallet af (voksne) beboere i hvert kvadrat. I nogle kvadra-

ter er der kun enkelte voksne, mens der i de tættest befolkede kvadrater er ca. 19.000

voksne. Områder med de højeste befolkningstætheder er illustreret i figur 6. Ikke over-

raskende er det i de store byer, at befolkningstætheden er størst.

Figur 6 Befolkningstæthed i Danmark

Anm: Antal voksne skønnet ud fra specialudtræk fra Danmarks Statistik med det samlede antal beboere i hvert 1×1

kvadrat.

- 48 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

6.2 Værdien af rekreative områder

Det fremgik af afsnit 3, at den rekreative værdi af de enkelte områder kan beregnes ved

at fjerne det pågældende område fra valgsættet. Dette er gjort på skift for hvert af de

2475 identificerede rekreative områder. Resultaterne af disse beregninger er sammenfat-

tet i tabel 11, som viser gennemsnit og forskellige mål for fordelingen af alle værdierne

af områderne (dels som den samlede værdi af hvert område og dels værdien pr. ha).

Tabel 11 Årlig rekreativ værdi af hvert af de 2475 rekreative områder, 2013-priser

Værdi af områder

Alle

områder

Parker

Ikke

parker

Årlig værdi pr. ha

Alle

områder

Parker

Ikke

parker

------ 1.000 kr. (hele området) ------

Min

1 pct. fraktil

5 pct. fraktil

Median

Gennemsnit

95 pct.fraktil

99 pct.fraktil

Maks

N områder

523

1.761

6.650

23.300

121.000

2475

149

307

7.681

17.300

74.600

121.000

511

1.428

5.205

14.700

78.500

2423

----------- 1.000 kr. pr. ha -----------

0,24

0,50

0,82

3,23

20,70

41,34

528,28

2.867,19

2399

32,61

35,37

353,12

589,11

2.143,74

2.867,19

0,24

0,50

0,82

3,14

8,11

24,89

95,44

724,95

2347

Note a): I opgørelsen af værdien pr. ha størrelsen af 76 strandområder ikke medtaget, idet størrelsen af

disse områder ikke er kendt, jf. afsnit 4.1.

b): Gennemsnitlig værdi pr. ha er almindelig simpelt gennemsnit. Anvendes i stedet et vægtet gen-

nemsnit (hvor områdestørrelse er vægt) fås en gennemsnitlig årlig værdi pr. ha på 6.000 kr. (al-

le), 503.000 kr. (parker) og 5.000 kr. (ikke-parker). Når der er opdelt på parker og ikke-parker, er

der således moderat forskel mellem simpelt og vægtet gennemsnitlig brugsværdi.

Anm: Værdierne er baseret på modeller, hvor der anvendes de gennemsnitlige vægtede transportomkost-

ninger. Konkret er anvendt de estimerede parametre i tabel 5 (estimation 3) og tabel 10 (estimation 2). De

i tabellen angivne værdier er beregnet ved brug af ligning (16), som medtager effekten af, at fjernelse af

et område også vil mindske antallet af ture. Effekten på antal ture er dog relativ beskeden, idet der i gen-

nemsnit kun er ca. 2 pct. forskel

på ΔW

og ΔW

, jf. afsnit 3.2.

- 49 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Den gennemsnitlige årlige rekreative brugsværdi pr. område er på knap 1,8 mio. kr.,

mens den gennemsnitlige årlige værdi pr. ha er på godt 21.000 kr., jf. søjlerne med ”alle

områder”. Det fremgår, at der er overordentlig stor forskel i værdien af forskellige om-

råder. Således har de mest værdifulde 1 pct. af områderne en årlig rekreativ værdi på 0,5

mio. kr. eller mere pr. ha, mens de 1 pct. mindst værdifulde områder har en årlig brugs-

værdi på under 500 kr. pr. ha. Der er således en faktor 1000 til forskel på brugsværdien

pr. ha. (selv uden at medtage de allerhøjeste og allerlaveste værdier).

Blandt de 2475 forskellige områder, der indgår i undersøgelsen, er medtaget 52 relativt

små parker i de fem største byer. Det fremgår også af tabel 11, at den rekreative værdi

af disse parker er relativt stor sammenlignet med rekreative naturområder uden for by-

erne. Det gælder især, når der sammenlignes pr. ha. Således er den gennemsnitlige årli-

ge rekreative værdi af parkerne pr. ha. på knap 0,6 mio. kr., mens den gennemsnitlige

værdi pr. ha for andre områder end parker er på godt 8.000 kr. pr. år.

Opgørelsen af værdien af de enkelte områder er baseret på estimationer, hvor der er

anvendt vægtede transportomkostninger, som tager højde for, at man ofte er til fods

eller på cykel, når afstanden er kort. I afsnit 5 blev også estimeret modeller, hvor trans-

portomkostningen var beregnet på baggrund af omkostningerne ved at køre bil. Bruges

disse estimationer til at opgøre værdien af områder fås overordnet set de samme værdier

som i tabel 11, jf. bilag B.

I opgørelsen af de årlige rekreative brugsværdier af hvert område er der ikke korrigeret

for, at respondenter potentielt kan overdrive antallet af årlige besøg, jf. afsnit 4.2. Hvis

det antages, at respondenterne har overdrevet deres årlige besøg med en faktor 2 svarer

det til, at beløbene i tabel 11 skal halveres.

For hvert område kan der laves en beregning af den samlede brugsværdi området delt

med det predikterede antal ture til området. Dette er et mål for værdien pr. besøg. Den

således beregnede gennemsnitlige værdi pr. besøg for alle områder er på 25 kr.

Figur 7 og 8 viser den geografiske fordeling af den årlige rekreative brugsværdi af om-

råder henholdsvis samlet og pr. ha. I disse figurer er områderne inddelt i fire lige store

grupper (kvartiler) baseret på deres værdi. Ses på den samlede årlige værdi pr. område

(figur 7), er det især de store områder, der har en høj værdi. Dette afspejler, at paramete-

ren til ln(areal) er positiv, dvs. at respondenterne foretrækker større områder.

- 50 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Man får et klarere geografisk mønster, når man opgør den rekreative værdi pr. ha. (figur

8). De højeste værdier pr. ha findes på Sjælland (især Nordsjælland), Fyn og Østlige

dele af Jylland (samt området omkring Aalborg). Især i Vestjylland og på Djursland den

rekreative værdi pr. ha relativ lav. Sammenholdes figur 8, med befolkningstæthederne

vist i figur 6, fremgår det, at der er et klart mønster, hvor værdien pr. ha er højest i de

mest tætbefolkede områder.

- 51 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Figur 7 Årlig rekreativ brugsværdi af hvert område

Anm: Områderne er inddelt i fire lige store grupper (kvartiler) baseret på den samlede værdi af hvert område. Der er

76 strandområder, hvis størrelse ikke er defineret, som indgår i beregninger, men som ikke kan ses på figuren.

- 52 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Figur 8 Årlig rekreativ brugsværdi pr. ha af hvert område

Anm: Områderne er inddelt i fire lige store grupper (kvartiler) baseret på værdien pr. ha af hvert område. Der er 76

strandområder, hvis størrelse ikke er defineret, som indgår i beregninger, men som ikke kan ses på figuren.

- 53 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Som det fremgår af tabel 11, er der meget stor variation i værdien pr. ha også for de 5

pct. af områderne, der har højest værdi pr. ha. I figur 9 er gengivet alle områder, som

har værdier pr. ha over 50.000 kr. Det fremgår, at disse områder næsten alle ligger tæt

på eller i større byer. Områderne er derudover svære at se, da de ofte er små. De små

områder har typisk høj værdi pr. ha.

Figur 9 Områder med højest værdi pr. ha (over 50.000 pr. ha)

- 54 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Hvad bidrager til værdien af områder - Et nærmere kig på Østdanmark

Værdien af et område afhænger af en række forhold. En vigtig faktor er beliggenhed,

dels i forhold til befolkningstæthed og dels i forhold til nærhed til andre substituerende

områder. En anden faktor er karakteristika ved områderne i form af f.eks. størrelsen af

området, hvorvidt der er kyst eller store søer i tilknytning til området eller hvorvidt sko-

ven i et område er offentligt ejet eller privat ejet, jf. tabel 5 i afsnit 5.1. Det er søgt, at

vurdere, hvad der er afgørende for værdien af områder ved en række følsomhedsanaly-

ser for Østdanmark, jf. figur 10A, 10B, 10C og 10D. I hver figur er områderne delt op i

4 lige store grupper med den bedste fjerdedel af områder, næstbedste fjerdedel af områ-

der osv. Indholdet i de fire figurer er følgende:

•

Figur 10A: Værdi af områder (som figur 7 men kun for Østdanmark)

Figur 10B: Værdi, når alle områder antages at være helt ens (konkret er det antaget,

at hvert område har karakteristika, som svarer til gennemsnitlige karakteristika for

alle områderne)

Figur 10C: Befolkningstæthed fjernet ved at antage, at der kun bor en voksen i hvert

af de beboede kvadrater. Værdi af områder afspejler her alene karakteristika og lo-

kalisering/substitution til andre områder

Figur 10C: Befolkningstæthed fjernet (som figur 10C) og områder helt ens (som

figur 10B). Værdi af områder afspejler her alene lokalisering/substitution til andre

områder

•

I figur 10A vises værdien af hvert område i Østdanmark, hvor områderne er inddelt i

fire lige store grupper (kvartiler) baseret på værdien pr. ha hvert område. Da der alene

ses på fordelingen af områder i Østdanmark giver det lidt andre farvefordelinger figur

10A sammenlignet med figur 7, men det er samme værdier af områder, der ligger til

grund for figur 7 og 10A.

Figur 10A og 10B adskiller sig ved, at områderne i figur 10B antages at have gennem-

snitskarakteristika (forskelle i befolkningstæthed er bibeholdt). Det fremgår, at det i høj

grad er de samme områder, som har de høje og de lave værdier, når man sammenligner

de beregnede værdier med og uden effekten af områdekarakteristika. I figur 10B er om-

råderne fortsat delt op i fire lige store grupper (kvartiler) baseret på værdien af hvert

område. Et ”farveskift” i et område, når man sammenligner figur 10A og 10B er derfor

udtryk for, at der sker forskydninger i rangordenen af et område (mens fravær af farve-

skift indikerer at der ikke er en større ændring i rangorden). Korrelationskoefficienten

for værdien af områder med og uden forskelle i karakteristika er på 0,73. Dette indike-

- 55 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

rer, at det i høj grad er beliggenheden i forhold til tæt befolkede områder, som er afgø-

rende for den relative rangorden af værdien af områder, mens karakteristika ved områ-

derne er mindre afgørende.

Det fremgår dog også ved sammenligning af figur 10A og 10B, at der trods alt er nogle

områder, som ændrer rangorden. Det er udtryk for, at nogle områder med gode eller

dårlige karakteristika får gennemsnitlige karakteristika. For eksempel er der nogle kyst-

områder i figur 10A, der har en relativ høj værdi (rød eller gul farve), som i stedet får en

lav værdi (blå farve), når deres værdifulde kystkarakteristika ”fratages” området i figur

10B. Selv om værdien af områder i høj grad afhænger af befolkningstæthed spiller ka-

rakteristika ved områderne således også i nogen grad en rolle.

I figurerne 10C og 10D er der renset ud for befolkningstæthed ved at antage, at der kun

bor en person i hvert kvadrat. I figur 10 C er områdernes karakteristika bibeholdt, såle-

des at forskelle i værdi af områder afspejler karakteristika ved områder og substitution

mellem områder. Sammenlignet med figur 10A er der flere af de mindre områder i Ho-

vedstadsområdet i figur 10C, som ikke længere rangordnes højt. Det afspejler, at værdi-

en af områderne tæt på Hovedstadsområdet i figur I0C ikke længere påvirkes positivt af

befolkningstætheden. Til gengæld har mange områder i naturfattige (og tyndt befolkede

område) som f.eks. Lolland fået en højere rangorden i figur 10C.

Når der ikke er forskel i områdekarakteristika (figur 10B), er der en mindre absolut forskel i værdien af

områder sammenlignet med figur 10A. Det afspejler f.eks., at det, der i figur 10A var et lille eller et me-

get stort område, i figur 10B har samme størrelse (forskelle i områdekarakteristika antaget væk).

- 56 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Figur 10 Værdi af områder i Østdanmark med alternative antagelser

A: Med egne områdekarakteristika

B: Områder antaget ens (bortset fra beliggenhed)

C: Uden befolkningstæthed

D: Områder antaget ens, uden befolkningstæthed

Anm: I figur 10B og 10D er det antaget, at alle områder har helt ens karakteristika, f.eks. samme størrelse. Den ens størrelse fremgår

dog ikke visuelt af figur 10B og 10D.

- 57 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Forskelle i værdien af de enkelte områder i figur 10D kan dels forklares af nærhed til

andre områder og af afstand til kysten. I figur 10D vil nærhed til kyst isoleret set have

negativ effekt på rangordenen, da det med de givne antagelser medfører, at der er få

besøgende (der bor ikke nogen i havet!). Det fremgår, at værdien af hvert område i Ho-

vedstadsområdet og Nordsjælland i dette tilfælde generelt er relativt lav, hvilket afspej-

ler, at der er relativt meget natur i den del af Østdanmark (dvs. gode substitutionsmulig-

heder). Det er imidlertid også en vigtig pointe fra figur 10D, at den relative forskel i

værdien mellem områder er relativt lav.

Den højeste værdi af et område er ”kun” 17

gange større end den laveste værdi i figur 10D, mens den højeste værdi i figur 10A er

2000 gange større end den laveste.

Isoleret set tilsiger substitutionsmuligheder, at værdien af områder i Nordsjælland og

Hovedstadsområdet burde være relativt lave, jf. figur 10D. At værdien af områder gene-

relt er langt højere i Nordsjælland og Hovedstadsområdet afspejler, at den høje befolk-

ningstæthed i disse områder giver en høj værdi. Gevinsten ved den høje befolkningstæt-

hed mere end opvejer, at der i forvejen er gode rekreative muligheder i Nordsjælland og

Hovedstandsområdet.

De rekreative muligheder for en person bosat i forskellige dele af landet kan nærmere

beskrives ved at opgøre den forventede nytte (pr. rekreativ tur) af valgsættet af rekreati-

ve områder, dvs. inklusive værdien (IV

), jf. ligning (10) og Train (2009). En kortlæg-

ning af forskelle i inklusive værdien illustrerer, hvor der ifølge modellen og definitionen

af områder er de bedste rekreative muligheder i forhold til tilgængelighed og kvalitet af

de rekreative områder, jf. figur 11. Det fremgår af figuren, at det især er for personer,

som bor i Hovedstadsregionen, dele af Vestjylland, Århus og Odense, at tilgængelig-

hed/kvalitet til rekreative områder samlet set er høj. Umiddelbart kan den høje tilgænge-

lighed/kvalitet i de største byer forekomme overraskende. En årsag til dette kan være, at

der kun er medtaget mindre parker i de fem største byer. Alt andet lige betyder dette, at

modellen tilsiger bedre rekreative muligheder i de største byer. Den høje tilgængelig-

hed/kvalitet i Hovedstadsregionen, Århus og Odense harmonerer imidlertid med en ny-

lig undersøgelse af tilgængelighed af skov beskrevet i Goldberg mfl. (2013). Dette tilsi-

ger, at den beregnede høje tilgængelighed/kvalitet i og omkring de største byer ikke kun

er drevet af, at der her er medtaget parker.

Den højeste og laveste størrelse af værdien af områderne i de forskellige varianter af figur 10 fremgår

af definitionen af farverne på figurerne. Heraf fremgår, at værdien af de bedste områder i figur 10D er 17

gange højere end værdien af de dårligste områder.

- 58 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Figur 11 Geografiske forskelle i nytten af rekreative muligheder (pr. rekreativ tur)

Anm: Figuren viser inklusive værdien (IV

), jf. ligning (10) beregnet med de estimerede parametre fra estimation 3,

tabel 5.

- 59 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Det fremgår også, at der ikke en nogen entydig sammenhæng mellem værdien af områ-

der pr. ha, som fremgår af figur 8 (som også medtager effekten af befolkningstæthed) og

hvorvidt der generelt er mange rekreative muligheder (figur 11). For eksempel er der i

Vestjylland typisk gode rekreative muligheder for hver indbygger, hvilket giver sig ud-

slag i en høj inklusive value, jf. figur 11, men værdien pr. ha. af de enkelte områder er

samlet set lav, når befolkningstætheden inddrages i analysen, jf. figur 8. Den modsatte

sammenhæng ses i Hovedstandsområdet. Her har den enkelte indbygger generelt gode

rekreative muligheder. Umiddelbart skulle dette pege i retning af, at der er en lav værdi

af de enkelte områder (da der generelt er gode substitutionsmuligheder), men den sam-

lede værdi pr. ha af hvert område er generelt høj i hovedstadsområdet. Dette afspejler

den høje befolkningstæthed i Hovedstadsområdet. Rigtig mange nyder godt af et rekrea-

tivt område i Hovedstadsområdet, og det bidrager til en høj værdi af de rekreative om-

råder her, selv om der i udgangspunktet er mange andre gode rekreative muligheder.

Tidligere undersøgelser

På baggrund af værdien af et område og antallet af predikterede besøg blev fundet en

gennemsnitlig værdi pr. tur på 25 kr., jævnfør ovenfor. I et tidligere dansk studie af

værdien af skove baseret på rejseomkostningsmetoden blev fundet en værdi pr. besøg på

26-28 kr., dvs. af samme størrelsesorden, jf. Termansen mfl. (2013). I det engelske UK

National Ecosystem Assessment er værdien af rekreative ture baseret på en metaanalyse

af knap 100 forskellige internationale undersøgelser. Ud fra denne meta-undersøgelse

findes værdier, som svarer til ca. 27 kr. pr. rekreativ tur i England, jf. Sen mfl. (2012)

og Bateman mfl. (2013).

Værdien af områderne kan sammenlignes med resultater i Termansen mfl. (2013) og

Zandersen mfl. (2007), som begge er baseret på danske data for besøg i skove indsamlet

i 1990’erne, og som også anvender rejseomkostningsmetoden. I begge undersøgelser

medtages alene besøg i bil, hvilket betyder, at der er et væsentligt lavere antal årlige

ture, sammenlignet med den her præsenterede undersøgelse. Zandersen mfl. (2007) un-

dersøger værdien af 52 større skove i Nordsjælland. De finder en gennemsnitlig årlig

værdi af disse skove svarende til godt 9 mio. kr. pr. område (omregnet til 2012-priser)

med en minimums- og maksimumsværdi på hhv. 0,16 og 104 mio. kr. pr. år. Den gen-

nemsnitlige værdi er væsentlig højere end det, der blev fundet her, jf. tabel 11. Det af-

spejler formentlig, at der er tale om få større områder. Den maksimale værdi er på ni-

veau med den maksimale værdi i tabel 11. Umiddelbart er det lidt overraskende, når der

i Zandersen mfl. (2007) kun medtages et relativt lille antal ture (i bil) og der ikke med-

- 60 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

tages parker i byerne, som er de områder, der har de højeste værdier i nærværende un-

dersøgelse. De i det lys relativt høje værdier i Zandersen mfl. (2007) kan imidlertid af-

spejle, at der er medtaget et relativt lille antal områder. Når der kun er relativt få områ-

der med, vil der mangle nogle områder, som er nære substitutter. Det vil alt andet lige

øge værdien af et område.

I Termansen mfl. (2013) findes værdier af skove, som varierer mellem 20.000 kr. pr. år

(mindste værdi) til ca. 15 mio. kr. pr. år (højeste værdi). Mindste værdien harmonerer

udmærket med minimum i tabel 11, men den maksimale værdi er betydelig højere i

nærværende undersøgelse. Den højeste værdi i Termansen (2013) er i samme størrel-

sesorden, som 99 pct. fraktilen i nærværende undersøgelse.

En væsentlig del af den lavere (maksimale) værdi i Termansen i forhold til nærværende

undersøgelse kan skyldes, at Termansen kun medtager bilture (ca. 13 pr. person pr. år),

hvor der i nærværende undersøgelse anvendes flere ture (ca. 41 pr. person pr. år). Re-

sten af forskellen kan skyldes, at der medtages forskellige typer af områder og er an-

vendt forskellige afgrænsninger af områder. Termansen medtager alene skovområder,

men medtager skove helt ned til 10 ha (hvor vi i udgangspunktet kun går ned til 50 ha

bortset fra kyst og parker i byer). Termansen har således flere substitutionsmuligheder,

hvilket tenderer til at mindske værdien af områder. Vi medtager andre naturtyper end

blot skov til at definere et område. Alt andet lige må dette formodes at give færre og

større områder end når man alene ser på skove (f.eks. hvis to skove er forbundet af et

åbent naturområde). I så fald vil det være naturligt, at værdien af et område er større.

Generelt har definitionen/afgrænsningen af områder stor betydning på opgørelsen af

værdien af områder, da forskellige afgrænsninger vil påvirke afstand til substitutions-

områder.

Overordnet synes de her fundne opgørelser af værdien af rekreative områder at harmo-

nere nogenlunde med opgørelser for tidligere studier, når der tages højde for forskelle i

data og udformning af undersøgelserne.

I Termansen (2013) er alene refereret mindste og højeste værdi af områder, ikke f.eks. gennemsnitlig

værdi eller median.

- 61 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Sammenligning med pris på jord

Det er relevant at sammenligne de opgjorte brugsværdier af de rekreative områder med

værdien af alternative anvendelser af arealet. Prisen på landbrugsjord afspejler tilnær-

melsesvis værdien af alternative anvendelser af jord uden for byer. I tabel 12 vises en

opgørelse af værdien af landbrugsjord for forskelige områder i Danmark. Opgørelsen er

baseret på udtræk for gennemsnitsprisen for landbrugsejendomme. Da der i denne pris

indgår værdien af bygninger mv., er der lavet en nedjustering af den del af prisen som

antages, at afspejle bygningernes værdi. Størrelsen af nedjusteringen er baseret på op-

lysninger fra landbrugets regnskabstatistik. Overordnet er anvendt samme meto-

de/tilgang, som blev anvendt til at opgøre værdien af landbrugsjorden pr. ha i forbindel-

se med opgørelsen af omkostningerne ved at bevare biodiversiteten i M12 (beskrevet

nærmere i dokumentationsnotat).

Tabel 12 Jordpris og jordrente, 2012

Jordpris

3 pct. diskonteringsfaktor

Jordpris

Jordrente Jordrente

(ekskl. ha

(eksk. ha.

støtte)

--- 1.000 kr/ha/år ---

4,3

4,0

3,3

2,7

3,8

2,9

3,3

2,0

1,7

1,0

0,4

1,5

0,6

1,0

5 pct. diskonteringsfaktor

Jordpris

Jordrente

(ekskl. ha

(eksk. ha.

støtte)

1.000 kr/ha

--- 1.000 kr/ha/år ---

7,2

6,7

5,5

4,5

6,3

4,8

5,4

5,5

4,9

4,4

3,3

2,2

4,0

2,5

3,2

----- 1.000 kr/ha -----

Landsdel:

Nordsjælland

Øvr. Sjælland

Fyn

Sydjylland

Østjylland

Vestjylland

Nordjylland

Hele Landet

143

134

111

126

109

110

Anm: Egne beregninger på baggrund af udtræk fra Statistikbanken (EJEN88). Prisen på landbrugsjord (søjle 1) er

oprindeligt baseret på gennemsnitslige salgspriser for landbrugsejendomme i almindelig fri handel. I forhold til opgø-

relsen i Statistikbanken er prisen nedjusteret ved at korrigere for andelen af salgsprisen, som skønnes at afspejle

værdien af bygninger mv. I søjle 2 og 5 er fraregnet værdien af hektarstøtten fra EU på knap 2300 kr. pr. ha. ud fra en

antagelse om, at denne kapitaliseres fuldstændig i jordprisen. Søjle 2-4 viser den omregnede annualiserede jordpris

(jordrenten) givet 3 pct. diskonteringsfaktor. Søjle 5-7 viser værdier givet en diskonteringsfaktor på 5 pct.

De årlige brugsværdier pr. ha sammenlignes med den annualiserede jordpris (dvs. jord-

renten) givet en diskonteringsfaktor på 3 pct. (og uendelig tidshorisont). Analogt kunne

- 62 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

de årlige brugsværdier være omregnet til en samlet værdi, som kunne være sammenlig-

net med jordprisen.

Jordpriserne har et niveau, som svarer til en jordrente på 3-4.000 kr. pr. ha. Den gen-

nemsnitlige årlige rekreative brugsværdi pr. ha for andre områder end parker er på godt

8.000 kr. pr. ha, jf. tabel 12. Dette afspejler imidlertid, at der er meget store forskelle i

brugsværdien pr. ha. Således er medianen af den årlige brugsværdi pr. ha på godt 3.000

kr. Dette tilsiger, at omkring halvdelen af de rekreative områder har en årlig rekreativ

brugsværdi, som er lavere end jordrenten, idet det må formodes, at der er mindre varia-

tion i jordprisen end i de rekreative værdier pr. ha.

Ved sammenligningen skal man imidlertid være opmærksom på, at nogle naturområder

af historiske årsager er lokaliseret på relativt dårlige jorde, hvor jordprisen må formodes

at være lavere end den gennemsnitlige jordpris. Endvidere er der andre gevinster ved

skove og andre naturområder end blot de rekreative brugsværdier. Sammenligningen af

jordpriser og rekreative brugsværdier understreger imidlertid, at den rette lokalisering er

afgørende for det samfundsøkonomiske afkast af nye naturområder. En hensigtsmæssig

lokalisering af et nyt naturområde kan give et endog meget højt samfundsmæssig afkast,

men en dårlig lokalisering kan risikere at være en samfundsøkonomisk underskudsfor-

retning.

Der sammenlignes med den opgjorte jordrente, jf. søjle 3 i tabel 12. I tabellen er endvidere foretaget en

beregning af jordrenten eksl. den kapitaliserede værdi af hektarstøtten. Den kapitaliserede værdi af hek-

tarstøtten er opgjort ud fra en antagelse om, at hektarstøtten fortsætter uendeligt. Dette er formentlig en

overvurdering af effekten af hektarstøtten på jordprisen. Det betyder, at søjle 2, 4 og 7 formentlig er et

underkantskøn af jordpris og jordrente uden hektar støtte. Da hektarstøtten er finansieret af EU kan der

argumenteres for, at jordrenten inklusive hektarstøtten er det rette mål for værdien af alternative anven-

delser af jorden (som giver hektarstøtte). Der kan dog også argumenteres for, at man bør anvende en

jordrente eksl. hektarstøtte, f.eks. hvis man på sigt forventer, at Danmarks bidrag til EU er korreleret med

de beløb, som Danmark modtager fra EU via forskellige støtteordninger.

- 63 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

7. Diskussion af resultater

I opgørelsen af den rekreative værdi er der ikke taget højde for, at personer i spørge-

skemaer muligvis overdriver antallet af ture til rekreative områder, jf. diskussionen i

afsnit 4. Hvis det antages, at der er en overdrivelsesfaktor på 2 skal de beregnede re-

kreative værdier af områderne halveres. Dette vil dog ikke påvirke den geografiske for-

deling af de mest og mindst værdifulde rekreative områder. Uden for byerne er ikke

medtager mindre rekreative naturområder (under 50 ha). Isoleret set vil dette betyde, at

de opgjorte værdier af de rekreative områder kan være overvurderet, fordi modellen

således “overser” nogle substitutionsmuligheder for at foretage rekreation. Alt andet

lige vil værdien af et enkelt område være lavere, hvis der er mange andre rekreative

områder, der kan besøges.

Omvendt er der også forhold, der tilsiger, at de opgjorte værdier er underkantskøn. Tæt

på beboede områder kan der være værdier af rekreative områder, som kapitaliseres i

huspriserne, og som ikke i fuldt omfang indgår i de værdier, der måles ud fra rejseom-

kostningsmetoden, jf. Parsons (1991). Endvidere medtager metoden alene de rekreative

brugsværdier, men der kan også være eksistens- og optionsværdier knyttet til områder-

ne. Derudover giver naturområder uden for byerne også anledning til en række andre

afledte ydelser, som f.eks. CO

-binding og understøttelse af biodiversitet.

Beregningen af den rekreative værdi af områderne tager udgangspunkt i, hvor befolk-

ningen bor, men ikke alle ture starter fra bopælen. Således er der 4 pct. af turene, som

starter fra ferieboliger. Det må derfor forventes, at der er nogle naturområder tæt på

sommerhusområder – formentlig især strandområder – der har en højere værdi, end det

fremgår af analysen. Derudover er der også nogle ture, som starter fra besøg hos familie

eller venner eller starter fra arbejdspladsen.

- 64 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

8. Sammenfatning og konklusion

Der er foretaget en opgørelse af den rekreative værdi af eksisterende naturområder og

parker ud fra rejseomkostningsmetoden. Opgørelsen er baseret på oplysninger indhentet

ved et internetbaseret spørgeskema, GIS analyser og registerdata for befolkningens so-

cioøkonomiske karakteristika. Den opstillede model giver på en række områder et mere

helstøbt billede af de rekreative brugsværdier sammenlignet med tidligere danske un-

dersøgelser baseret på rejseomkostningsmetoden. For eksempel indgår besøg i naturom-

råder foretaget med andre transportmidler end bil, og der er inddraget flere naturtyper

end i tidligere analyser, som alene har vurderet den rekreative værdi af skove. Således er

inddraget parker i de største byer, strande/kyster og endelig åbne naturområder.

Analysen viser, at der er meget stor geografisk variation i brugsværdien af rekreative

områder. Dette afspejler, at den geografiske placering af naturområder er meget vigtig.

Nærhed til tætbefolkede områder er en helt afgørende faktor for brugsværdien af områ-

der. Således er brugsværdien af de mindst værdifulde naturområder et par hundrede kr.

pr. ha pr. år, mens de mest værdifulde naturområder har en rekreativ brugsværdi på flere

hundrede tusinde kr. pr. ha pr. år. Parker i byer har generelt højere brugsværdier på

grund af de mange potentielle brugere inden for kort afstand. Den årlige rekreative

brugsværdi af parker spænder således fra godt 30.000 kr. til et par millioner kr. pr. ha.

Selvom nærhed til tætbefolkede områder er afgørende, er der også forskelle i den rekre-

ative værdi af områder, som kan tilskrives forskelle i områdernes karakteristika. Gene-

relt er områder med nogen skovbeplantning mere værdifulde end områder helt uden

skov. Derudover har statslige skove generelt en højere rekreativ værdi end private sko-

ve. Nærhed til kyst eller store søer er også et plus, og generelt er Natura 2000-områder,

som ofte består af særegne og unikke naturtyper, også attraktive ud fra en rekreativ

synsvinkel. Endelig er store områder mere attraktive end små, men effekten er aftagende

med området størrelse. Det vil sige, at to områder på hver 100 ha tilsammen har en stør-

re værdi end ét område på 200 ha (alt andet lige).

Isoleret set vil gode rekreative muligheder i en egn tilsige, at der er lav rekreativ værdi

af hvert enkelt område i egnen, fordi der er gode substitutionsmuligheder. Selv om sub-

Bemærk at der kun er medtaget naturområder over 50 ha (når der ses bort fra parker i byer og stran-

de/kystområder). Konklusionen om den aftagende effekt af størrelse gælder således ikke nødvendigvis

under denne grænse. Det kan således godt tænkes, at meget små naturområder har begrænset rekreativ

værdi pr. ha (dvs. 50 naturområder på 1 ha har ikke nødvendigvis tilsammen større rekreativ end ét områ-

de på 50 ha).

- 65 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

stitutionsmulighederne principielt er vigtige viser analysen, at der ikke er nogen tæt

sammenhæng mellem størrelsen af den rekreative brugsværdi af forskellige naturområ-

der i en egn, og hvorvidt der er gode rekreative muligheder for personer, som bor i eg-

nen. Som en del af analysen er således beregnet et indeks, som sammenvejer tilgænge-

lighed og kvalitet af naturområder og parker. Dette indeks viser, at der er gode rekreati-

ve muligheder for personer bosiddende i bl.a. Hovedstadsområdet, dele af Vestjylland,

Århus og Odense. Selv om der er gode rekreative muligheder i Hovedstadsområdet er

det imidlertid samtidig der, hvor der er meget høje værdier af de enkelte områder. Dette

afspejler, at befolkningstætheden i Hovedstadsområdet overdøver substitutionseffekter.

- 66 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Bilag A

RUM model uden vægtning af observationer

Tabel A1 Estimationsresultater (uden vægtning) for RUM model (Multinomial logit)

baseret på TCostGns (vægtede transportomkostomkostninger)

VARIABLES

TCostGns

Park

logAreal

Stier

Hav

Strandpunkt

Ferskvand

Natura2000

PrivatSkov

Skov0_25

Skov25_50

Skov75_100

Skov90_100

Diversitet

(1)

-0.0444***

(0.000888)

0.383***

(0.110)

0.672***

(0.0297)

8.679***

(0.529)

0.442***

(0.0632)

1.888***

(0.225)

0.587***

(0.0771)

0.306***

(0.100)

-1.568***

(0.138)

-0.141

(0.0951)

-0.180*

(0.0936)

0.0298

(0.0869)

(2)

-0.0444***

(0.000886)

0.475***

(0.0990)

0.672***

(0.0296)

8.498***

(0.524)

0.434***

(0.0631)

1.872***

(0.224)

0.553***

(0.0760)

0.295***

(0.100)

-1.417***

(0.138)

-0.0789

(0.0847)

(3)

-0.0444***

(0.000887)

0.465***

(0.0996)

0.679***

(0.0298)

8.520***

(0.527)

0.438***

(0.0632)

1.849***

(0.233)

0.573***

(0.0777)

0.304***

(0.100)

-1.510***

(0.135)

-0.0690

(0.0861)

(4)

-0.0455***

(0.000891)

0.799***

(0.0958)

0.626***

(0.0278)

8.597***

(0.503)

0.497***

(0.0623)

2.282***

(0.228)

0.537***

(0.0947)

-0.385**

(0.187)

-0.0852

(0.134)

1752

-5677

0.483

1752

-5677

0.483

1752

-5679

0.483

0.507***

(0.123)

1752

-5771

0.474

Respondents

Log likelihood

Pseudo R-squared

Anm: Standard errors in parentheses. *** p<0.01, ** p<0.05, * p<0.1

- 67 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Tabel A2 Estimationsresultater (uden vægtning) for RUM model (Multinomial logit)

baseret på TCostBil (transportomkostninger for biler)

VARIABLES

TCostBil

Park

logAreal

Stier

Hav

Strandpunkt

Ferskvand

Natura2000

PrivatSkov

Skov0_25

Skov25_50

Skov75_100

Skov90_100

Diversitet

(1)

(2)

(3)

(4)

(5)

-0.0392*** -0.0391*** -0.0391*** -0.0391*** -0.0401***

(0.000734) (0.000733) (0.000734) (0.000734) (0.000735)

0.317*** 0.411***

0.408***

0.402***

0.719***

(0.111)

(0.0999)

(0.100)

(0.0965)

0.669*** 0.669***

0.673***

0.675***

0.625***

(0.0298)

(0.0297)

(0.0299)

(0.0280)

8.549*** 8.371***

8.428***

8.388***

8.471***

(0.531)

(0.526)

(0.525)

(0.529)

(0.506)

0.445*** 0.437***

0.439***

0.441***

0.499***

(0.0633)

(0.0632)

(0.0633)

(0.0634)

(0.0625)

1.868*** 1.853***

1.870***

1.828***

2.232***

(0.225)

(0.234)

(0.228)

0.561*** 0.527***

0.535***

0.546***

(0.0772)

(0.0762)

(0.0761)

(0.0779)

0.328*** 0.317***

0.326***

0.325***

0.550***

(0.101)

(0.0953)

-1.536*** -1.378*** -1.455*** -1.472***

(0.139)

(0.134)

(0.136)

-0.147

-0.0821

-0.0815

-0.0726

(0.0955)

(0.0851)

(0.0852)

(0.0865)

-0.187**

(0.0939)

0.0348

(0.0874)

-0.378**

(0.188)

-0.0872

0.486***

(0.134)

(0.123)

1752

-5600

0.490

1752

-5601

0.490

1752

-5603

0.490

1752

-5603

0.490

1752

-5688

0.482

Respondents

Log likelihood

Pseudo R-squared

Anm: Standard errors in parentheses. *** p<0.01, ** p<0.05, * p<0.1

- 68 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Bilag B

Værdi af naturområder og parker baseret på estimationer, hvor omkostningen ved

bilkørsel er anvendt i stedet for de gennemsnitlige transportomkostninger for for-

skellige transportmidler

Tabel A Årlig rekreativ værdi af hvert af de 2475 rekreative områder, 2013-priser

Baseret på transport-

omkostningen ved bilkørsel

Værdi af områder

-- 1.000 kr. --

587

1.987

7.429

2.600

135.000

Værdi pr. ha

-- 1.000 kr. pr. ha --

0,28

0,55

0,92

3,70

27,14

90,94

631,51

3.075,27

Min

1 pct. fraktil

5 pct. fraktil

Median

Gennemsnit

95 pct. fraktil

99 pct. fraktil

Maks

Anm: Værdier baseret på estimation, hvor transportomkostningerne ved bilkørsel er anvendt som forkla-

rende variabel. De i tabellen angivne værdier er beregnet ved brug af ligning (16), som medtager effekten

af, at fjernelse af et område også vil mindske antallet af ture. Effekten på antal ture er dog relativ beske-

den. I opgørelsen af værdien pr. ha er ikke medtaget 76 strandområder, hvor størrelsen af området er

fastsat ad-hoc, jf. afsnit 4.1.

- 69 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Til litteraturlisten

Bateman, I.J., A.R. Harwood, G.M. Mace, R.T. Watson, D.J. Abson, B. Andrews, A.

Binner, A. Crowe, B.H. Day, S. Dugdale, C. Fezzi, J. Foden, D. Hadley, R. Haines-

Young, M. Hulme, A. Kontoleon, A.A. Lovett, P. Munday, U. Pascual, J. Paterson, G.

Perino, A. Sen, G. Siriwardena, D. van Soest og M. Termansen (2013): Bringing Eco-

system Services into Economic Decision-Making: Land Use in the United Kingdom.

Science,

341 (6141), s. 45-50.

Cameron, A.C. og P.K. Trivedi (2009).

Microeconometrics Using Stata.

Stata Press.

Texas.

De Økonomiske Råd (2014).

Økonomi og Miljø – 2014.

De Økonomiske Råd (2013).

Rekreative grønne områder i Danmark.

Dokumentations-

notat. De Økonomiske Råds Sekretariat. Tilgængeligt via www.dors.dk.

De Økonomiske Råd (2013).

Beskrivelse af data indsamlet ved internet panel.

Dokumentationsnotat. De Økonomiske Råds Sekretariat.

Tilgængeligt via

www.dors.dk.

DTU Transport (2012):

TU-rapport for hele Danmark – Dataperiode 2011.

Rapport af

22-03-2012. DTU, Institut for Transport.

DTU Transport (2010): Transportøkonomiske Enhedspriser - til brug for samfundsøko-

nomiske analyser. Version 1.3, juli 2010.

Friluftsrådet (2013):

FAKTA om friluftslivet i Danmark.

Friluftsrådet.

Fosgerau, M., K. Hjorth og S.V. Lyk-Jensen (2007):

The Danish Value of Time Study -

Final Report.

Danmarks Transportforskning, rapport 5, 2007.

Goldberg, C., B.S. Petersen, F. Jensen, M. Flyhn, A.-S.H. Pedersen, V.K. Johannsen, E.

Schou, P. Madsen og T. Nord-Larsen (2013):

Evaluering af privat skovrejsning.

Na-

turstyrelsen.

Haab, T. og K. E. McConnell (2002).

Valuing Environmental and Natural Resources –

The Econometrics of non-market valuation.

Edward Elgar, Cheltenham, UK.

- 70 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Hausman, J.A., G.K. Leonard og D. McFadden (1995). A utility-consistent, combined

discrete choice and count data model Assessing recreational use losses due to natural

resource damage.

Journal of Public Economics

56, s. 1-30.

Jensen, F.S. (2012).

Friluftsliv i skovene 2008.

Videnblade nr. 6.1-65, 6.1-66, 6.1-72

samt 6.1-73.

Levin, G., M.R. Jepsen og M. Blemmer (2012):

BASEMAP: Technical documentation

of a model for elaboration of land-use and land-cover map for Denmark.

Technical Re-

port from DCE – Danish Centre for Environment and Energy, No. 11. Aarhus Universi-

ty.

Olsen, Søren Boye (2009). Choosing Between Internet and Mail Survey Modes for

Choice Experiment Surveys Considering Non-market Goods.

Environmental and Re-

source Economics,

44(4), s. 591-610.

Parsons, George R. (2003). The Travel Cost Model. I: Champ, Patricia A.; Boyle, Kevin

J. og Brown, Thomas C. (Red.).

A Primer on Nonmarket Valuation

(The Economics of

Non-Market Goods and Resources). Springer Netherlands.

Parsons, G.R. (1991): A Note on Choice of Residential Location in Travel Cost De-

mand Models.

Land Economics,

67(3), s. 360-364.

Parsons, G.R., P.M. Jakus og T. Tomasi (1999): A Comparison of Welfare Estimates

from Four Models for Linking Seasonal Recreational Trips to Multinomial Logit Mod-

els of Site Choice.

Journal of Environmental Economics and Environment

38, s. 143-

157.

Phaneuf. D.J. og V.K.Smith (2005): Recreational Demand Models. I K.G. Mäler og J.R.

Vincent (Red.).

Handbook of Environmental Economics, Volume 2 – Valuing Environ-

mental Changes,

s. 671-761. Elsevier, Amsterdam.

Sen, A., I. Bateman mfl. (2012).

Economic Assessment of the Recreational Value of

Ecosystems in Great Britain.

CSERGE working paper 2012-01.

Termansen, M., C.J. McClean og F.S. Jensen (2013): Modelling and mapping spatial

heterogeneity in forest recreation services.

Ecological Economics,

92 (0), s. 48-57.

- 71 -

TRU, Alm.del - 2020-21 - Bilag 36: Henvendelse af 2/11-20 vedrørende Vejdirektoratets nyeste høringsnotat om Hærvejsmotorvejen, fra HærvejsmotovejNEJTAK

Train, K. E. (2009).

Discrete Choice Methods with Simulation – second edition.

Cam-

bridge University Press, New York.

Zandersen, M., M. Termansen og F.S. Jensen (2007): Evaluating approaches to predict

recreation values of new forest sites.

Journal of Forest Economics

13, s. 103-128.

- 72 -