Kostnadsutjämning för individ- och familjeomsorgen

Transkript

1 2005/509-5 Kostnadsutjämning för individ- och familjeomsorgen (IFO) Analys och förslag

2 Statskontoret, 2006 URN:NBN:se:statskontoret pdf

3 MISSIV DATUM DIARIENR /509-5 ERT DATUM ER BETECKNING 2005 års uppföljning av utjämningssystemet (Fi 2005:02) Finansdepartementet Stockholm Uppdrag att ta fram en ny modell för kostnadsutjämningen för individ- och familjeomsorgen Utredningen 2005 års uppföljning av utjämningssystemet (Fi 2005:02) gav den 27 december 2005 Statskontoret i uppdrag att utarbeta ett förslag till en modell för beräkning av standardkostnaden för individ- och familjeomsorgen inom systemet för kommunalekonomisk utjämning. Resultatet av uppdraget, som ska avrapporteras i form av en promemoria, är tänkt att utgöra ett underlag för utredningens fortsatta arbete och överväganden i denna fråga. Statskontoret överlämnar härmed promemorian Kostnadsutjämning för individ- och familjeomsorgen (IFO) Analys och förslag. T.f. generaldirektör Folke K. Larsson har beslutat i detta ärende. Organisationsdirektör Magnus Svantesson, t.f. chef för Enheten för vård, skola och omsorg samt organisationsdirektör Leif Lundberg, föredragande, var närvarande vid den slutliga handläggningen. Enligt Statskontorets beslut Leif Lundberg POSTADRESS: Box 8110, Stockholm. BESÖKSADRESS: Fleminggatan 20. TELEFON VXL: FAX: statskontoret@statskontoret.se

4 Innehållsförteckning Sammanfattning 7 1 Inledning 9 Bakgrund 9 Uppdraget 10 Genomförande 10 2 Beskrivning av IFO 13 Verksamheterna 13 Kostnaderna 13 Den nuvarande utjämningsmodellen 16 Den nuvarande utjämningen 18 3 Analys 21 Barn- och ungdomsvård 21 Övrig IFO 23 Regressionsmodellernas tillförlitlighet 27 4 Överväganden och slutsatser 29 5 En alternativ utjämningsmodell 35 Uppdelningen i delmodeller 35 Bestämning av målgruppen 36 Förslag till en alternativ modell 38 Bilagor: Bilaga 1 Uppdraget 47 Bilaga 2 Kommungruppsindelning fr.o.m. 1 januari Bilaga 3 Barn- och ungdomsvården 53 Bilaga 4 Ekonomiskt bistånd 73 Bilaga 5 Missbrukarvården 87 Bilaga 6 Rest-IFO 101 Bilaga 7 Variabelförteckning 105 Bilaga 8 Beskrivningen av beräkningen av standardkostnaden i vår Utjämningsmodell för individ- och familjeomsorgen (IFO) 111 5

5 6

6 Sammanfattning Statskontoret fick i december 2005 i uppdrag från utredningen 2005 års uppföljning av utjämningssystemet (Fi 2005:02) att utarbeta ett förslag till en modell för beräkning av standardkostnaden för individ- och familjeomsorgen (IFO). Resultatet av detta uppdrag redovisas i denna promemoria. Den nuvarande utjämningsmodellen bygger på en multipel regressionsanalys. Problemet med denna och tidigare utjämningsmodeller för IFOverksamheten är att modellerna visat sig vara relativt instabila över tid, vilket bl.a. yttrat sig i att modellernas förklaringsgrad successivt minskat I promemorian redovisar vi ett antal förslag till förändringar i den nuvarande modellen som gör att förklaringsgraden ökar något. Vår bedömning är dock att även efter dessa förändringar kvarstår de grundläggande problemen med modellens bristande flexibilitet och stabilitet. Vi redovisar därför också i promemorian ett förslag till en ny, alternativ utjämningsmodell, som bygger på en helt annan konstruktion. Grundtankarna bakom den nya modellen är i korthet följande: Vi utgår från omfattningen på de olika insatser eller prestationer som kommunerna åstadkommit inom de olika delverksamheterna. För att minska påverkbarheten beräknas dessa prestationsmått fram som en medelprestation baserat på kommunens insatser under den senaste femårsperioden. Vi delar därefter de totala nettokostnaderna i riket för respektive prestation med det totala antalet medelprestationer av samma typ i riket som helhet. På detta sätt får vi fram en prislapp per prestation. För varje kommun multipliceras sedan kommunens antal medelprestationer med respektive prislapp. De framräknade summorna adderas sedan för varje delverksamhet och divideras med antalet kommuninvånare. Det framtagna beloppet är kommunens standardkostnad för respektive delverksamhet. Kommunens standardkostnad för IFO-verksamheten är helt enkelt summan av kommunens standardkostnad för de olika delverksamheterna. Vi har även valt att i modellen sätta in en spärr så att ingen kommun kan få en högre standardkostnad än 110 procent av de faktiska nettokostnaderna som kommunen har för beräkningsåret. Med denna spärr blir korrelationen (år 2004) mellan de beräknade standardkostnaderna och kommunernas verkliga nettokostnader för det ekonomiska biståndet 0,97, för barn- och ungdomsvården 0,89 och för missbrukarvården 0,82. 7

7 Eftersom vi inte kunnat konstatera några strukturellt betingade skillnader i kommunernas kostnader för övrig vuxenvård och familjerätt föreslår vi att utjämning inte ska ske för dessa verksamheter. 8

8 1 Inledning Bakgrund Kommuner och landsting svarar för stora delar av den offentliga verksamheten. Samtidigt gäller att förutsättningarna att klara dessa uppgifter varierar kraftigt mellan olika kommuner respektive landsting. Det som skiljer är inte bara nivån på de beskattningsbara inkomsterna utan också exempelvis ålderssammansättning, social struktur och geografiska förhållanden. Tilläggas bör att den viktigaste finansieringskällan för kommuner och landstingen är kommunalskatten. Det är mot denna bakgrund föga förvånande att det sedan lång tid tillbaka funnits system för att utjämna skillnader i ekonomiska förhållanden mellan enskilda kommuner respektive landsting. Formerna för och ambitionerna med den kommunala utjämningen har dock förändrats kraftigt över tiden. Det nuvarande systemet för kommunalekonomisk utjämning infördes den 1 januari Det nya systemet bygger i huvudsak på förslag från Utjämningskommittén (SOU 2003:88, Gemensamt finansierad utjämning i kommunsektorn). Målet med utjämningen är, i likhet med tidigare, att ge samtliga kommuner och landsting likvärdiga ekonomiska förutsättningar att ge sina invånare service trots skillnader i beskattningsbara inkomster och strukturella förutsättningar. Det nuvarande utjämningssystemet består av fem olika delar: inkomstutjämning, kostnadsutjämning, strukturbidrag, införandebidrag och regleringsbidrag/avgift. Kostnadsutjämningen ska utjämna för strukturella kostnadsskillnader. Dessa kostnadsskillnader kan vara av två slag. Det ena är att behovet av kommunal verksamhet är olika, till exempel finns det större behov av äldreomsorg i kommuner med många gamla invånare. Det andra är att kostnaden för att producera en viss service varierar. Exempelvis kan de kosta mer att bedriva skolverksamhet i glesbygdskommuner eftersom undervisningen där kan behöva drivas i mindre klasser och att eleverna oftare behöver skolskjuts. Kommuner och landsting med en ogynnsam kostnadsstruktur får liksom i föregående utjämningssystem ett bidrag av staten. De som har en gynnsam struktur får betala en avgift till staten. Kostnadsutjämningen är statsfinansiellt neutral, då summan av bidrag och avgifter är lika stora och därför tar ut varandra. Som framgått ovan ska kostnadsutjämningen utjämna för strukturella kostnadsskillnader, men däremot inte kompensera för skillnader i servicenivå, kvalitet, avgiftssättning eller effektivitet. Kostnadsutjämningen ska baseras på mätbara och för kommuner och landsting opåverkbara faktorer som mäter strukturella kostnadsskillnader. 9

9 En av de verksamheter som omfattas av den kommunala kostnadsutjämningen är individ- och familjeomsorgen (IFO). De utjämningsmodeller för denna verksamhet som tagits fram under årens lopp har utan undantag visat sig vara relativt instabila över tiden. Som en konsekvens av detta har i stort sett samtliga utjämningsutredningar lagt förslag till förändringar av modellen. Den nuvarande, regressionsbaserade IFO-modellen hade då förslaget lämnades 2003 ett förklaringsvärde på 66 procent, dvs. modellen kunde förklara 66 procent av kostnadsskillnaderna för individ- och familjeomsorgen mellan kommunerna. Detta förklaringsvärde har dock sjunkit till 54 procent för utjämningsåret Uppdraget Statskontoret fick i december 2005 ett uppdrag från den utredning som regeringen tillsatt med uppgift att löpande följa upp systemet för kommunalekonomisk utjämning, 2005 års uppföljning av utjämningssystemet (Fi 2005:02). Uppdraget till Statskontoret är att utarbeta ett förslag till en modell för beräkning av standardkostnaden för individ- och familjeomsorgen inom systemet för kommunalekonomisk utjämning. Målet är att den nya modellen dels ska kunna korrigera för strukturellt betingade kostnadsskillnader mellan kommuner på ett tillfredsställande sätt, dels att den ska fånga upp förändringar inom verksamheten över tid. I direktiven sägs att det från utredningens sida är önskvärt att få fram en icke regressionsbaserad modell. Detta ska dock inte ses som ett krav, utan det står Statskontoret fritt att förutsättningslöst pröva alternativa principer för konstruktionen av modellen. Den framtagna modellen förutsätts ligga på en mer principiell nivå. Statskontoret behöver exempelvis inte beskriva rutiner för datainsamling, ansvarsfördelning eller hur ofta uppdatering bör ske. Direktiven bifogas (bilaga 1). Genomförande Arbetet har genomförts i ett projekt inom Statskontoret. I projektgruppen har ingått Rickard Broddvall, Johan Lantto (t.o.m ), Leif Lundberg (projektledare) och Henrik Nilsson. 10

10 Till projektet har varit knutet en av utredningen utsedd referensgrupp. I referensgruppen har ingått Henrik Berggren, Sveriges Kommuner och Landsting; Uta Bertram, Socialdepartementet; Leif Klingensjö, Socialdepartementet; Karin Mossler, Socialstyrelsen samt Ulf Andersson och Joakim Feldt från utredningens sekretariat. Referensgruppen har sammanträtt fyra gånger under projektets genomförande. Under projektarbetet har vi även haft kontakt med och fått hjälp av personal vid SCB:s enhet för offentlig ekonomi i Örebro och då i första hand av Thomas Johansson och Alf Pettersson. Det kan finnas skäl att här klart säga vi inte har haft ambitionen att denna promemoria ska kunna förstås av personer som saknar en grundläggande kunskap om utjämningssystemet syfte och uppbyggnad i stort. Med den begränsade tid vi har haft till vårt förfogande att genomföra detta uppdrag har vi varit tvungna att förutsätta att läsaren redan har en sådan kunskap. 11

11 12

12 2 Beskrivning av IFO Verksamheterna Individ- och familjeomsorgen (IFO) omfattar flera olika verksamheter. Dessa verksamheter är: barn- och ungdomsvård, ekonomiskt bistånd, missbrukarvård för vuxna samt övrig vuxenvård. Med övrig vuxenvård avses de insatser inom socialtjänstens individ- och familjeomsorg som ges till personer 21 år och äldre med sociala och/eller psykologiska problem som inte är relaterade till eget missbruk av alkohol, narkotika, läkemedel eller lösningsmedel. Hit räknas bl.a. insatser till personer med spelmissbruk, med behov av stöd i föräldrarollen eller med behov av stöd på grund av anhörigs missbruk 1. I utjämningssystemet (men inte i det kommunala räkenskapssammandraget, RS) räknas även familjerätt som en del av IFO. I familjerätt ingår kostnaderna för det arbete som socialtjänsten utför med stöd av Familjebalken och SoL i form av familjerådgivning och övrig verksamhet som fastställande av faderskap, samarbetsavtal, utredning och avtal om vårdnad, boende och umgänge. I den fortsatta beskrivningen i denna promemoria kommer vi att inkludera familjerätten när vi talar om IFO. Kostnaderna De totala nettokostnaderna för IFO uppgick 2004 till drygt 25,4 mdkr. Hur dessa kostnader fördelar sig på de olika verksamheterna framgår av tabellen nedan. Tabell 2.1: Kostnader för IFO år 2004 i kr (Uppgifter från RS) Verksamheter Nettokostnad, tkr Andel Ekonomiskt bistånd (EB) Barn- och ungdomsvård (BUV) Missbrukarvård för vuxna (MBV) Övrig vuxenvård (ÖVV) Familjerätt (FR) ,37 0,40 0,16 0,05 0,02 IFO Totalt ,00 Tabellen visar att de dominerande verksamheterna är ekonomiskt bistånd samt barn- och ungdomsvård. Tillsammans svarar dessa verksamheter för mer än tre fjärdedelar av IFO-kostnaderna. Övrig vuxenvård och familjerätt svarar tillsammans för cirka 7 procent av dessa kostnader. I fortsättningen 1 Handbok för räkenskapssammandraget 2005, SCB. 13

13 kommer vi att samlat redovisa dessa två senast nämnda verksamheter under beteckningen rest-ifo. I löpande priser har nettokostnaderna för IFO ökat från cirka 22,6 mdkr år Detta innebär en ökning på nästan 13 procent fram till I tabellen nedan visas hur genomsnittskostnaderna per invånare för de olika verksamheterna förändrats under perioden Tabell 2.2: Genomsnittskostnad (netto) i kr/inv. för riket som helhet, fördelat efter verksamhet, i löpande priser Verksamheter År 2000 År 2001 År 2002 År 2003 År 2004 EB BUV MBV Rest-IFO (ÖVV + FR) IFO Som framgår av tabellen är det framför allt kostnaderna för barn- och ungdomsvården samt missbrukarvården som ökat under perioden. Det ekonomiska biståndet däremot har minskat både relativt och i absoluta tal. Av intresse är även att se hur IFO-kostnaderna fördelar sig mellan olika typer av kommuner. Som utgångspunkt för denna beskrivning använder vi den kommungruppsindelning som SKL utarbetat (en närmare beskrivning av denna indelning redovisas i bilaga 2). För att beskriva nivån på och spridningen av kostnaderna inom de olika kommungrupperna redovisas mediansamt min- och maxkostnaden i respektive grupp. I tabellen redovisas även uppgiften om antalet kommuner som ingår i de olika kommungrupperna. Tabell 2.3: Median-, min- och maxkostnaderna (netto) 2004 i kr/inv. för IFO, fördelat efter kommungrupper, i löpande priser Antal Median Kommungrupp Min Max Storstäder Förortskommuner Större städer Pendlingskommuner Glesbygdskommuner Varuproducerande kommuner Övriga kommuner, mer än inv. Övriga kommuner, inv. Övriga kommuner, mindre än inv Samtliga kommuner

14 Tabellen visar på betydande skillnader mellan de olika kommungrupperna. I särklass högst ligger mediankostnaden i gruppen storstäder (bestående av Stockholm, Göteborg och Malmö) medan spridningen mellan de övriga kommungrupperna är väsentligt mindre. Lägst är mediankostnaden i glesbygdskommuner och näst lägst i gruppen övriga kommuner, mindre än invånare. I följande tabell visas hur mediankostnaderna för de olika delverksamheterna varierar mellan kommungrupperna. Tabell 2.4: Mediankostnaderna 2004 i kr/inv. för delverksamheterna inom IFO, fördelat efter kommungrupper, i löpande priser Kommungrupp EB BUV MBV Rest- IFO Storstäder Förortskommuner Större städer Pendlingskommuner Glesbygdskommuner Varuproducerande kommuner Övriga kommuner, mer än inv. Övriga kommuner, inv. Övriga kommuner, mindre än inv Samtliga kommuner Denna tabell visar på en något mer sammansatt bild. Även i detta fall ligger mediankostnaden i gruppen storstäderna klart högre än i de andra kommungrupperna när det gäller ekonomiskt bistånd, missbrukarvård och rest-ifo. Avvikande är dock delverksamheten barn- och ungdomsvård, där spridningen mellan kommungrupperna är väsentligt mindre och det är gruppen Större städer som har den högsta mediankostnaden. I detta fall ligger också gruppen glesbygdskommuner klart lägre än övriga grupper. De redovisade siffrorna ger ett klart intryck av att det finns en samvariation mellan kommunernas urbaniseringsgrad och nivån på kostnaderna för IFOverksamheten. Lite förenklat: ju större kommuner/städer, desto högre kostnader. Ett sätt att undersöka detta samband är att slå ihop de olika kommungrupperna till större grupper baserat på kommunernas storlek eller deras geografiska närhet till storstäder. En sådan indelning kan skapas genom att man slår ihop kommungrupperna storstäder, förortskommuner och större städer till en ny grupp (som vi här väljer att kalla Urbana kommuner). På andra ytterligheten bildar vi en ny grupp av kommungrupperna glesbygdskommuner och övriga kommuner, mindre än invånare. Denna grupp benämns fortsättningsvis Rurala kommuner. Övriga kommungrupper skulle då ingå i en ny grupp, som här kallas Mixade kommuner. 15

15 I tabellerna nedan visas uppgifterna om genomsnittskostnaderna inom IFO utifrån denna nya indelning. Tabell 2.5: Median-, min- och maxkostnaderna (netto) 2004 i kr/inv. för IFO, fördelat efter grupp, i löpande priser Gruppnamn Antal Median Min Max Urbana kommuner Mixade kommuner Rurala kommuner Samtliga kommuner Tabell 2.6: Mediankostnaderna 2004 i kr/inv. för delverksamheterna inom IFO, fördelat efter grupp, i löpande priser Gruppnamn EB BUV MBV Rest- IFO Urbana kommuner Mixade kommuner Rurala kommuner Samtliga kommuner Tabellerna tyder på att det verkligen finns en samvariation mellan kommunernas urbaniseringsgrad (som den här definierats) och den genomsnittliga kostnadsnivån. Vilka eventuella orsaker som ligger bakom detta samband återkommer vi till i senare kapitel. Den nuvarande utjämningsmodellen Som tidigare framkommit har utjämningsmodellen för IFO förändrats vid ett flera olika tillfällen. Den nu gällande modellen, som bygger på ett förslag utarbetat av Utjämningskommittén (Gemensamt finansierad utjämning i kommunsektorn, SOU:2003:88), har använts sedan den 1 januari I likhet med de tidigare utjämningsmodellerna för IFO som funnits sedan år 1996 bygger även den nuvarande modellen på en så kallad multipel regressionsanalys. Det ligger utanför ramen för denna promemoria att närmare beskriva denna eller andra statistiska metoder. För att fortsättningen i detta avsnitt ska kunna förstås av andra än statistiker måste vi dock ändå säga några ord om denna analysmetod. Regressionsanalys är en metod för att studera en variabels statistiska samvariation med en eller flera andra, förklarande variabler. Med multipel regressionsanalys avses helt enkelt en analys där man använder flera förklarande variabler. 16

16 Grunden för en multipel regressionsanalys är att värdet på en variabel antas bero på eller förklaras av två eller flera andra variabler men att det exakta sambandet är okänt. Genom en multipel regressionsanalys är det möjligt att skatta hur sambandet ser ut och dessutom isolera var och en av de förklarande variablernas påverkan på den beroende varibeln. Dessa s.k. marginaleffekten ges av de estimerade s.k. betavärdena. Regressionen ger också värdet på en konstant (a). Att det är en konstant innebär att det är ett värde som förutsätts att inte förändras av storleken på den variabel som ska förklaras (dvs. den beroende variabeln). I en regressionsanalys används begreppet förklaringsgrad (justerat R2) som ett mått på hur mycket av variationen av den beroende variabeln som kan förklaras av de andra variablerna (dvs. av de s.k. förklarande variablerna). Förklaringsgraden varierar mellan 0,00 och 1,00 eller, alternativt uttryckt, mellan 0 och 100 procent. Vid värdet 1,00 (eller 100 %) finns en fullständig statistisk samvariation mellan beroende och förklarande variabler och vid 0,00 saknas en sådan samvariation helt. De variationer i den beroende variabeln som inte kan förklaras brukar benämnas residual. I IFO-modellen är det kommunernas nettokostnader för verksamheten som varit den beroende variabeln (dvs. det som ska förklaras). Vilka förklarande variabler som används i modellen beskrivs nedan. Den nuvarande IFO-modellen består av två delar. I den ena delen beräknas de strukturella kostnadsskillnaderna kommunerna emellan för ekonomiskt bistånd, missbrukarvård samt rest-ifo. I den andra delen beräknas kostnadsskillnaderna för barn- och ungdomsvård. Tillsammans summeras de två delarna till en standardkostnad för IFO som helhet. I modellen för ekonomiskt bistånd, missbrukarvård och rest-ifo används följande fem förklarande variabler: Ensamstående kvinnor år med barn 0 17 år (MBK1844) Utrikes födda flyktingar och nära anhöriga som vistats i landet 3 9 år samt övriga utrikes födda från länder utanför Norden och EU som vistats i Sverige 0 19 år (FL39IN019) Arbetssökande utan arbetslöshetsersättning, kategori 11 och 12 enligt AMS definition (AntEjErs) Män år med årsinkomst under kronor (InKind140) Ett täthetsindex, roten ur tätortsbefolkningen (Rottätbef). När Utjämningskommittén gjorde sina beräkningar på kommunernas redovisade nettokostnader för 2003 fick man med dessa förklarande variabler en förklaringsgrad på cirka 65 procent. 17

17 I modellen för barn- och ungdomsvård används fyra förklarande variabler: Barn till ensamstående föräldrar 0 12 år (BSAM012) Lagförda ungdomar år (LAG1517) Barn med utländsk bakgrund år (UTBAK1619) Roten ur kommunens folkmängd upp till invånare (Rotbef75) Med dessa variabler fick Utjämningskommittén en förklaringsgrad på cirka 39 procent. När man summerar dessa två separata beräkningar ökade förklaringsgraden för IFO som helhet till cirka 66 procent. När vi talar om dessa modeller fortsättningsvis kommer vi att för enkelhetens skull kalla dem för BOU-(del)modellen respektive Övrig IFO- (del)modellen. Den nuvarande utjämningen I detta avsnitt redovisar vi resultatet av den utjämning som sker med hjälp av den nuvarande utjämningsmodellen. I beskrivningen använder vi oss av kostnadsuppgifterna för Det som redovisas är de belopp som, efter uppräkning för kostnadsutvecklingen, använts för utjämningsåret Tabellen nedan visar storleken på omfördelningen i de olika kommunerna. Tabell 2.7: Storleken på omfördelningen (i kr/inv.) i de olika kommunerna utifrån 2004 års kostnader Omfördelning i kr/inv. Antal Andel Får betala , , , ,11 Erhåller , , , , ,01 Totalt 290 1,00 Tabellen visar att det är så mycket som 259 kommuner (ca 89 %) som betalar avgifter till systemet och endast 31 kommuner som får ett bidrag. Det är också betydande belopp som många av kommunerna får betala eller erhåller. Drygt 43 procent av landets kommuner, betalar mer än kr per 18

18 invånare till IFO-utjämningen. Samtidigt är det 5 kommuner i landet som mottar ett bidrag på motsvarande nivå. Om vi ser på hur avgiftsbetalarna och bidragsmottagarna fördelar sig mellan kommungrupperna får vi följande tabell. Tabell 2.8: Antal och andel avgiftsbetalare resp. bidragsmottagare efter kommungrupper, 2004, horisontell andel Bidragsmottagare är kommunerna i grupperna storstäder samt ungefär en tredjedel av förortskommunerna och mindre än hälften av kommunerna i gruppen större städer. Kommunerna i de övriga kommungrupperna är nästan undantagslöst avgiftsbetalare. I följande tabell visar vi antalet och andelen avgiftsbetalare respektive bidragsmottagare i de tre kommungrupperingar som vi använt tidigare. Tabell 2.9: Antal och andel avgiftsbetalare resp. bidragsmottagare efter uppdelning i tre kommungrupper, 2004, horisontell andel Avgiftsbetalare Bidragsmottagare Kommungrupp Antal Andel Antal Andel Storstäder Förortskommuner Större städer Pendlingskommuner Glesbygdskommuner Varuproducerande kommuner Övriga kommuner, mer än inv. Övriga kommuner, inv. Övriga kommuner, mindre än inv ,00 0,71 0,59 0,95 1,00 0,95 0,97 0,97 0, ,00 0,29 0,41 0,05 0,00 0,05 0,03 0,03 0,03 Samtliga kommuner 258 0, ,11 Avgiftsbetalare Bidragsmottagare Kommungrupp Antal Andel Antal Andel Urbana kommuner Mixade kommuner Rurala kommuner ,63 0,96 0, ,37 0,04 0,01 Samtliga kommuner 258 0, ,11 Vi kan se att bidragsmottagarna nästan helt återfinns bland de urbana kommunerna. Dock utgör de avgiftsbetalande kommunerna även i denna gruppering nästan två tredjedelar. Kommunerna i de andra grupperingarna är, med ett fåtal undantag, avgiftsbetalare. 19

19 20

20 3 Analys Innan vi börjar med den egentliga analysen vill vi inledningsvis säga några ord om den metodik som använts i de olika utjämningsmodellerna. I utjämningssystemet för kommunerna är det sex av delmodellerna som är verksamhetsanknutna, i den meningen att de kan kopplas till en identifierbar verksamhet (och till i RS faktiskt redovisade kostnader) i kommunerna. De är utjämningsmodellerna för kollektivtrafik, gymnasieskola, barnomsorg, grundskola, individ- och familjeomsorg samt äldreomsorg. Kollektivtrafik skiljer sig dock från de övriga här nämnda verksamheterna genom att det här rör sig om en verksamhet eller tjänst som inte kan kopplas till en identifierbar grupp användare. Tilläggas kan att det är de verksamhetsanknutna modellerna avseende individuella tjänster som svarar för de största omfördelningarna. De finns en betydelsefull skillnad mellan IFO-modellen och de andra verksamhetsanknutna fördelningsmodellerna. Skillnaden är att i omfördelningsmodellerna för barnomsorg, grundskola, gymnasieskola och äldreomsorg har man en klart definierad målgrupp (i praktiken en åldersgrupp, i vissa fall uppdelad i ett antal undergrupper). Någon sådan motsvarighet finns inte inom IFO-verksamheten. Vad detta betyder för möjligheterna att ta fram objektiva och opåverkbara faktorer för att bestämma kommunernas strukturellt betingade kostnadsskillnader inom området återkommer vi till senare i denna promemoria. Så här långt nöjer vi oss med att konstatera att det är frånvaron av en sådan given utgångspunkt och måttstock som gjort att man valt att bygga IFO-modellen på en regressionsanalys. I detta kapitel redovisas vår analys av den nuvarande utjämningsmodellen. Vi kommer även att i kapitlet presentera vilka förbättringar av denna modell som vi bedömer vara möjliga. Analysen görs med utgångspunkt från de olika delverksamheterna inom IFO, dvs. barn- och ungdomsvård, ekonomiskt bistånd, missbrukarvård samt rest-ifo. För att begränsa omfattningen på detta kapitel har vi valt att här endast redovisa sammanfattningar av de analyser som vi gjort avseende de olika verksamhetsområdena. Mer utförliga beskrivningar av de verksamhetsspecifika analyserna lämnas i bilagorna 3 6. Barn- och ungdomsvård Som tidigare nämnts återfinns en mer utförlig beskrivning av den analys vi gjort avseende barn- och ungdomsvården i bilaga 3. 21

21 Nuvarande utjämningsmodell I den nuvarande IFO-modellen används en särskild delmodell för barn- och ungdomsvården. Denna delmodell kunde år 2004 förklara cirka 23 procent av kostnadsskillnaderna mellan kommunerna. När modellen konstruerades i början av 2000-talet förklarade modellen cirka 40 procent av de konstaterade kostnadsskillnaderna. I modellen används följande fyra förklarande variabler: Barn till ensamstående föräldrar 0 12 år (BESAM012) Lagförda ungdomar år (LAG1517) Barn med utländsk bakgrund år (UTBAK1619) Roten ur kommunens folkmängd upp till invånare (Rotbef75). Alternativ utjämningsmodell De analyser vi genomfört har resulterat i en alternativ modell med fyra variabler som avspeglar: kommunstorlek/-typ, familjeförhållanden, utländsk bakgrund och psykisk ohälsa. Den största skillnaden jämfört med den nuvarande modellen är att variabeln som avspeglade ungdomskriminalitet (LAG1517) är borttagen och ersatt av ett mått på psykisk ohälsa. De variabler som ingår i vår alternativa modell är: Andel barn 0 17 år med ensamstående föräldrar; (Familjesituation) Andel ungdomar år med insats inom psykiatrisk slutenvård, medelvärde för år ; (Psykisk ohälsa) Antal barn år som är födda utanför Norden och EU (2003 års medlemsländer) eller barn år som är födda inom Norden och EU med minst en förälder som inte är född där; (Utländsk bakgrund) Logaritmen av befolkningstalet inom en radie av 37,5 km kring kommunen, upp till invånare; (Befolkningsvariabel). Det är möjligt att förbättra förklaringsvärdet genom att tillföra ytterligare variabler. Vi har dock bedömt att förbättringarna är så pass små att nackdelarna med att komplicera modellen övervägt fördelarna. I tabellen nedan presenteras förklaringsvärdet för de olika variablerna i den alternativa modellen för åren samt för snittkostnaden för åren. 22

22 Tabell 3.1: Kostnaderna och strukturella faktorer. Standardiserade betavärden och total förklarad varians (Justerad R 2 ) i regressionsanalyser med kostnaden för barn och ungdomsvård som beroende variabel Förklarande variabler Befolkningsvariabel Familjesituation Utländsk bakgrund Psykisk ohälsa Snitt ,32** 0,34** 0,40** 0,36** 0,32** 0,36** 0,21** 0,23** 0,23** 0,21** 0,19** 0,24** 0,26** 0,24** 0,19** 0,15* 0,19** 0,21** 0,14** 0,17** 0,22** 0,22** 0,19** 0,22** Justerad R 2 0,38 0,40 0,45 0,37 0,32 0,43 ** = mindre än 0,01, * = mindre än 0,05 I tabellen har vi för varje förklarandevariabel angett på vilken signifikansnivå samvariationen ligger. I likhet med vad som är vanligt använder vi oss av gränserna 1 % och 5 % (i tabellen markerat med ** resp. *). Nivån 1 % innebär att sannolikheten att samvariationen beror på slumpen är mindre än 1 procent. Som framgår av tabellen har den alternativa modellen ett högre förklaringsvärde år 2004 än den nuvarande modellen (Justerad R 2 = 0,32 jämfört med 0,23 i den nuvarande modellen). Liksom för den nuvarande modellen sjunker dock förklaringsvärdet över tid. Genom att använda snittkostnaden för åren är det möjligt att höja förklaringsvärdet (Justerad R 2 = 0,43) ytterligare. Skälet till att snittvärdet ger ett bättre förklaringsvärde är troligen att det mildrar effekten av kommuner som enskilda år har starkt avvikande kostnadsnivåer. Övrig IFO Nuvarande utjämningsmodell Den nuvarande utjämningsmodellen har en gemensam delmodell för ekonomiskt bistånd, missbrukarvård samt rest-ifo. I denna modell ingår följande förklarande variabler: Arbetssökande utan ersättning från A-kassan eller KAS (AntEjErs) Män år med under i årsinkomst (InkUnd140) Ensamstående kvinnor år med barn 0 17 år (MBK1844) Andel utrikes födda flyktingar och nära anhöriga som vistats i landet 3 9 år samt övriga utrikes födda från länder utanför Norden och EU som vistats i Sverige 0 19 år (FL39IN019) Roten ur tätortsbefolkningen (Rottätbef). 23

23 Denna modell förklarade för utjämningsåret 2006, 60 procent av kostnadsskillnaderna mellan kommunerna för de här aktuella verksamheterna som helhet. Om vi i stället väljer att köra modellen mot kostnaderna för de enskilda verksamheterna blir resultatet följande: Tillämpas modellen separat på medelvärdet av kommunernas kostnader för ekonomiskt bistånd under åren ger modellen ett sammanlagt förklaringsvärde (justerad R ) på 2 0,646. Om man gör motsvarande regression på medelnettokostnaderna för missbrukarvården separat hamnar förklaringsvärdet på 0,408. Om man slutligen använder den nuvarande regressionsmodellen på den sammanslagna kostnaden för övrig vuxenvård och familjerätt (dvs. rest- 2 IFO) blir resultatet 0 (R = 0,00). Det vill säga, modellen förklarar inte något över huvud taget av kostnadsvariationerna inom detta område. Detta innebär att utjämningen för rest-ifo i praktiken sker helt efter hur kostnaderna för ekonomiskt bistånd och missbrukarvård fördelar sig. Alternativa utjämningsmodeller I de olika bilagorna har vi redovisat hur vi prövat olika variabler för att öka förklaringsgraden i regressionsanalysen. Under rubrikerna nedan redovisas de ändringar som vi bedömt vara möjliga för de olika delverksamheterna. Ekonomiskt bistånd 2 I den alternativa modellen har vi vid beräkningen använt oss av medelvärden av nettokostnaderna för ekonomiskt bistånd under perioden Modellen som har en relativt hög förklaringsnivå (R 2 = 0,73 ) består 4 av följande förklarandevariabler. 2 Se vidare bilaga 4. 3 Kostnaderna får varje år är justerat till 2005 års priser. 4 Samtliga variabler gäller för 2004 förutom andelen barn i ekonomiskt utsatta hushåll som endast finns för

24 Tabell 3.2: Kostnaderna och strukturella faktorer. Standardiserade betavärden och total förklarad varians (Justerad R 2 ) i regressionsanalyser med snittkostnaden för ekonomiskt bistånd som beroende variabel Variabel Standardiserat Variabelgrupp betavärde Arbetssökande utan ersättning från A-kassan eller KAS 0,247** Socioekonomiska förhållanden Män år med under i årsinkomst -0,198** Socioekonomiska förhållanden Andelen utrikesfödda utom 0,128** Härkomst/etnicitet norden Andel barn i ekonomiskt utsatta hushåll 0,563** Familjesituation/ Socioekonomiska förhållanden Roten ur befolkningen 0,356** Befolkningstäthet/Storlek/ Kommuntyp ** signifikant på 1 % nivå Modellen innehåller tre nya variabler jämfört med den nuvarande. Till att börja med har vi ersatt variabeln Andel utrikesfödda flyktingar och nära anhöriga (FL39IN019) med Andelen utrikesfödda utom Norden, eftersom denna variabel ger ett högre förklaringsvärde samtidigt som den fångar ungefär samma grupp i befolkningen. Vidare har vi ersatt Andel ensamstående mödrar år med hemmavarande barn (MBK1844), med Andel barn i ekonomiskt utsatta hushåll 5. Den tredje variabeln vi ersatt är Roten ur tätortsbefolkningen (Rottätbef) med Roten ur befolkningen. Missbrukarvård för vuxna 6 I vår alternativa modell använder vi oss av följande tre variabler: Roten ur kommunens befolkning Alkohol- eller narkotikadiagnos, antal per invånare, utskrivna från slutenvård (5 års medelvärde) Andel ekonomiska biståndstagare i befolkningen. Även i denna modell har vi använt oss av medelvärden av nettokostnaderna för verksamheten under perioden Resultatet redovisas i tabellen nedan. 5 Barnfattigdomen i Sverige årsrapport 2004, Rädda Barnen, Tapio Salonen. Utsatta hushåll definieras med att hushållet har en disponibel inkomst under en miniminorm för baskonsumtion och boende, vilken skiljer sig åt över landet. 6 Se vidare bilaga 5. 25

25 Tabell 3.3: Kostnaderna och strukturella faktorer. Standardiserade betavärden och total förklarad varians (Justerad R 2 ) i regressionsanalyser med snittkostnaden för missbrukarvården som beroende variabel Variabel Stnd. betavärden Justerad R 2 Roten ur bef. Alkohol/nark.diag. Andelen ek. biståndst. ** = < 0,01, * = < 0,05 0,446** 0,256** 0,205** 0,429 Som framgår av tabellen är den sammanlagda förklarade variansen (justerad R 2 ) 0,429. Betavärdet för den starkaste variabeln, roten ur befolkningen, sjunker något när de två andra variablerna, andelen alkohol/narkotikadiagnoser och andelen ekonomiska biståndstagare i befolkningen, används samtidigt. Rest-IFO 7 Övrig vuxenvård svarade 2004 för 4,7 procent av kostnaderna för IFO som helhet och familjerätt för 1,8 procent 8. Inom familjerätten varierade kostnaderna 2004 mellan 0 kr/invånare i åtta kommuner, och upp till 322 kr/invånare i Kungsör. Inom övrig vuxenvård låg 72 kommuner på 0 kr/invånare. Högst låg kostnaden (på 716 kr/inv.) i Övertorneå. Vi har undersökt om det går att hitta några strukturvariabler som samvarierar med kostnaderna inom dessa områden. Vid analysen har vi använt den sammanslagna nettokostnaden av de två posterna, och sedan genomfört en stegvis regression mot de förklarande variabler vi använt oss av i analysen av det ekonomiska biståndet. Resultatet är dock att kostnadsvariationerna inom detta område är inte går att förklara på motsvarande sätt som gjorts med de större posterna inom IFO. Den enda variabel som uppvisar en signifikant samvariation med kostnaden är en täthetsvariabel, med ett förklaringsvärde på 0,083. Detta är långt sämre än förklaringsvärdet inom något av de andra delområdena. Det finns ytterligare att antal variabler som uppvisar en svag samvariation, exempelvis antalet aborter per 1000 invånare och andelen med godkända betyg i årskurs 9. Dessa samband är dock allt för svaga för att bidra till ökat förklaringsvärde i en regressionsmodell. 7 Se vidare bilaga 6. 8 Räkenskapssammandraget

26 Regressionsmodellernas tillförlitlighet I kapitel 2 delade vi in kommunerna i tre grupper för att undersöka samvariationen mellan kommunernas urbaniseringsgrad (enligt vår definition) och den genomsnittliga kostnadsnivån för de olika verksamheterna inom IFO. För en närmare beskrivning av denna indelning hänvisas till kapitel 2. Vad vi vill göra i detta sammanhang är att undersöka om de framtagna regressionsmodellerna är någorlunda konsistenta mellan dessa grupper av kommuner. Det som prövats är de regressionsmodeller som ger de högsta förklaringsvärdena, dvs. de som tidigare i detta kapitel presenterats som våra alternativa modeller. Resultatet redovisas i tabellen nedan. Tabell 3.4: Regressionsanalyser av genomsnittskostnaderna år i 2 olika grupper av kommuner. Justerade R värden Delverksamhet Urbana kommuner 9 Mixade kommuner 10 Rurala kommuner 11 Alla kommuner Barn- och ungdomsvård 0,48 0,15 0,40 0,43 Ekonomiskt bistånd 0,91 0,64 0,11 0,73 Missbrukarvård 0,63 0,23 0,11 0,43 Som framgår av tabellen så är inte någon av de framtagna regressionsmodellerna konsistenta i den mening att de ger i stort sett samma förklaringsgrad när de används för de olika grupperna av kommuner. I praktiken innebär detta att modellerna inte på ett tillfredsställande sätt kan förklara och korrigera för kostnadsskillnaderna inom vissa av dessa grupper. Detta gäller särskilt de mixade kommunerna med avseende på barn- och ungdomsvård 2 2 (R = 0,15) och missbrukarvård (R = 0,23) samt de rurala kommunerna när det gäller ekonomiskt bistånd (R 2 2 = 0,11) och missbrukarvård (R = 0,11). Dessa resultat gör att det finns anledning att undersöka närmare om de variabler som används i de olika regressionsmodellerna är signifikanta när de används inom de här aktuella kommungrupperna. I tabellerna nedan visas resultatet av en sådan genomgång. 9 Storstäder, Förortskommuner och Större städer. 68 st. 10 Pendlingskommuner, Varuproducerande kommuner, Övriga kommuner över inv. och Övriga kommuner inv. 152 st.) 11 Glesbygdskommuner och Övriga kommuner med mindre än inv. 70 st. 27

27 Tabell 3.5: Standardiserade betavärden och signifikansnivå för de ingående förklarandevariablerna för barn- och ungdomsvård, med medelvärdet av kostnaderna för åren som beroendevariabel Variabler Urbana Mixade Rurala Befolkningsvariabel -0,037 0,202* 0,337** Familjesituation 0,203 0,282** 0,238* Utländsk bakgrund 0,479** -0,003 0,344** Psykisk ohälsa 0,245* 0,209** 0,262** ** = 1 % signifikansnivå, * = 5 % signifikansnivå Inte någon av de använda variablerna i modellen för barn- och ungdomsvård är signifikanta på 1-procentsnivån i samtliga kommungrupper. Tabell 3.6: Standardiserade betavärden och signifikansnivå för de ingående förklarandevariablerna för ekonomiskt bistånd, med medelvärdet av kostnaderna för åren som beroendevariabel Variabler Urbana Mixade Rurala Arbetssökande utan ersättning 0,303** 0,138* 0,086 från A-kassan eller KAS Män med under -0,238** -0,172* -0, i årsinkomst Andel utrikesfödda utom 0,093 0,141** 0,043 Norden Andel barn i ekonomiskt 0,604** 0,717** 0,368* utsatta hushåll Roten ur befolkningen 0,324** 0,195** 0,342** ** = 1 % signifikansnivå, * = 5 % signifikansnivå Den enda variabeln som är signifikant på 1-procentsnivån i samtliga kommungrupper är befolkningsvariabeln (Roten ur befolkningen). Tabell 3.7: Standardiserade betavärden och signifikansnivå för de ingående förklarandevariablerna för missbrukarvård, med medelvärdet av kostnaderna för åren som beroendevariabel. Variabler Urbana Mixade Rurala Andel ek. biståndstagare 0,439** 0,091 0,234 Alkohol/nark diag. 0,259** 0,335** 0,250* Roten ur bef. 0,302** 0,253** 0,280* ** = 1 % signifikansnivå, * = 5 % signifikansnivå Inte heller i detta fall finns någon variabel med en acceptabel grad av signifikans (1-procentsnivån) i samtliga kommungrupper. 28

28 4 Överväganden och slutsatser Att det är svårt att ta fram en utjämningsmodell för individ- och familjeomsorgen som uppfyller rimliga krav på enkelhet och rättvisa och som samtidigt baseras på mätbara och för kommunerna opåverkbara faktorer är något som inte bara vi tvingats konstatera. Beräkningen av standardkostnaderna i övriga modeller Som tidigare nämnts skiljer sig IFO från de andra individ- och verksamhetsanknutna utjämningsmodellerna genom att den saknar en klart identifierbar och kvantifierbar målgrupp. För att visa vad denna skillnad betyder i praktiken bedömer vi det bl.a. som nödvändigt att här förenklat försöka beskriva hur uträkningen av standardkostnaderna görs i de övriga modellerna 12. Grundprincipen är följande: Utgångspunkten är de samlade nettokostnaderna för verksamheten i landet som helhet (detta belopp hämtas från det kommunala räkenskapssammandraget, RS). Detta belopp divideras med antalet personer i landet som ingår i målgruppen. Det man då får fram är verksamhetskostnaden per individ i målgruppen eller, annorlunda uttryckt, en styckkostnad per individ i gruppen. (I vissa fall delas målgruppen också upp i undergrupper. Vi återkommer till detta senare i denna beskrivning) Därefter räknar man ut totalkostnaden för den enskilda kommunen; genom att multiplicera antalet personer i kommunen som ingår i målgruppen med den framräknade styckkostnaden (prislappen). Uppgifterna om antalet individer i målgruppen hämtas från SCB:s befolkningsstatistik. Denna totalkostnad divideras därefter med antalet invånare i kommunen och man har på detta sätt fått fram kommunens (preliminära) standardkostnad för verksamheten. Men hur sker då hänsynstagandet till andra strukturella kostnadsskillnader? Svaret är att det skiljer sig åt mellan modellerna. Gemensamt är dock att man i samtliga av dessa modeller redan i förhand bestämt vilka faktorer som hänsyn ska tas till, dvs. vilka faktorer utjämning ska ske för. I barnomsorgsmodellen ingår ett volymindex (som bygger på en regressionsanalys) som är tänkt att spegla behovet av barnomsorg i de enskilda kommunerna. I grundskolemodellen görs ett tillägg/avdrag för behovet av hemspråksundervisning samt för små skolor och skolskjutsar. För gymnasie- 12 Den som vill mer om hur beräkningarna sker hänvisas till SCB:s skrift Kommunalekonomisk utjämning för kommuner Utfall utjämningsåret 2006 (stencil). 29

29 skolan görs tillägg/avdrag för bebyggelsestruktur och programval och i äldreomsorgsmodellen för institutionsboende i glesbygd och för hemtjänstkostnader. Hur storleken på dessa olika tillägg/avdrag ska beräknas är också bestämt i förväg. Det kan exempelvis ske i form av ett givet belopp per individ i kommunen som uppfyller något visst villkor. I barnomsorgsmodellen och äldreomsorgsmodellen delar man dessutom in målgruppen i undergrupper (i barnomsorgsmodellen efter ålder, 4 grupper, och i äldreomsorgsmodellen efter ålder, kön, civilstånd och etnicitet; sammanlagt 48 undergrupper). 13 Vad som sker i dessa modeller är att man vid ett och samma tillfälle fördelar totalkostnaderna inom målgruppen och samtidigt gör en utjämning för (vissa) strukturella faktorer. Metoden med en indelning av målgruppen i undergrupper har samma syfte som systemet med tillägg/avdrag, nämligen att kompensera för strukturella kostnadsskillnader. Att denna kompensation vid utnyttjandet av undergruppering sker samtidigt som man tar fram en (preliminär) standardkostnad för kommunerna kan dock vara förvillande. Detta särskilt som man även i dessa två modeller dessutom har ett system med tillägg och avdrag för att kompensera för andra strukturella faktorer. Gemensamt för alla de ovan berörda modellerna är att de enskilda kommunernas verkliga kostnader för en verksamhet helt saknar betydelse vid fastställandet av kommunens standardkostnad för verksamheten. Den enda påverkan som den enskilda kommunens kostnadsnivå har är att genomsnittskostnaden per person för verksamheten i landet som helhet förändras marginellt. I modellernas logik ligger vidare att eventuella skillnader mellan kommunernas verkliga kostnader och deras standardkostnader utöver de som kompenserats i särskild ordning genom systemet med tillägg/avdrag eller undergruppering ses som uttryck för faktorer som kommunen själv kan påverka (dvs. som skillnader i servicenivå, kvalitet, avgiftssättning eller effektivitet). 13 För varje sådan undergrupp har man en särskild prislapp uttryckt som ett visst antal kronor per individ i gruppen. Det man använder undergrupperna till är att räkna fram en särskild normkostnad för varje enskild kommun. (För varje kommun multipliceras antalet individer i resp. undergrupp med prislappen för gruppen. Därefter summeras totalkostnaden för samtliga undergrupper i kommunen och detta belopp divideras med det totala antalet individer i samtliga undergrupper, dvs. i målgruppen i kommunen som helhet. Det framtagna beloppet utgör kommunens normkostnad för verksamheten). I praktiken fungerar dessa kommunvisa normkostnader som fördelningsnycklar eftersom det totalbelopp för riket som helhet som räknas fram med hjälp av dessa i ett avslutande skede räknas upp med en justeringsfaktor för att motsvara den faktiskt konstaterade totala nettokostnaden för verksamheten i landet. 30

30 Skillnaden i förutsättningar för IFO-verksamheten Det kan vara på sin plats att här något utveckla vad vi menat när vi sagt att det inte finns någon identifierbar och kvantifierbar målgrupp för IFO-verksamheten. Möjligtvis kan man hävda att så formellt inte är fallet. Ser man på de enskilda delverksamheterna inom IFO kan man konstatera att barn- och ungdomsvården avser personer mellan 0 20 år, missbrukarvården personer 21 år och äldre och det ekonomiska biståndet (i praktiken) personer mellan år. Det som är viktigt i detta sammanhang är dock att socialtjänstens insatser endast berör begränsade delar av dessa åldersgrupper. Som exempel kan nämnas att under 2004 fick 4,6 procent av befolkningen i riket som helhet ekonomiskt bistånd. 14 Detta betyder att även om det finns betydande variationer i andelen bidragstagare mellan kommunerna så utgör ändå gruppen bidragstagare en klar minoritet i landets samtliga kommuner. Ser vi på missbrukarvården och barn- och ungdomsvården är andelen i respektive åldersgrupper som berörs ännu mycket mindre. Slutsatsen är att storleken på de åldersgrupper som IFO-verksamheten kan beröra i riket totalt eller i enskilda kommuner inte ger någon vägledning till hur många i dessa grupper som behöver och eventuellt får hjälp genom individ- och familjeomsorgen. Till detta ska läggas att om en person väl blir föremål för socialtjänstens insatser så rör det sig ofta om betydande kostnader. Särskilt gäller detta för heldygnsinsatser inom barn- och ungdomsvården eller missbrukarvården, där insatserna för en enskild person lätt kan komma upp i flera hundratusentals kronor. Det är heller inte någon överdrift att säga att det finns betydande brister i kunskapen om det komplexa samspel mellan de individuella, sociala och ekonomiska faktorer som skapar och underhåller den typ av problem som individ- och familjeomsorgen har att arbeta med. Att det finns ett antal företeelser som ofta förekommer i dessa sammanhang är något som den sociala forskningen klart kunnat visa. Att gå från en sådan kunskap till att uttala sig om styrkan och orsakssambanden mellan dessa faktorer eller än mer att kunna använda denna kunskap till att prognostisera omfattningen av nödvändiga insatser och kostnader är dock en helt annan och mycket mer komplicerad sak. Det måste vidare konstateras att det ofta finns ett betydande utrymme för subjektiva bedömningar med avseende på om och när en IFO-insats ska sättas in eller inte. Lagstiftningen är vag när det gäller kriterier för och val av tänkbara insatser samt framhåller dessutom betydelsen av den enskildes samtycke och delaktighet i de insatser som planeras och genomförs. Det är också realistiskt att tro att det finns en betydande grupp individer som gör allt de kan för att undvika att bli föremål för insatser från IFO. Detta gäller särskilt för insatser inom barn- och ungdomsvården samt missbrukarvården. 14 SoS, Ekonomiskt bistånd, Årsstatistik

31 Men även när det gäller ekonomiskt bistånd väljer säkert många som skulle vara berättigade till ekonomiskt bistånd att försöka klara den egna försörjningen genom t.ex. lån eller bidrag från släktingar och vänner. Sammantaget betyder det ovan sagda att förutsättningarna för att utveckla enkla, klara, mätbara och opåverkbara kriterier för kostnadsutjämningen inom detta område inte är särskilt goda. Förutsättningarna för en regressionsbaserad modell Vad kan vi då säga om regressionsanalys som en metod för att utveckla en utjämningsmodell för IFO-verksamheten? Vi har i föregående kapitel beskrivit den nuvarande regressionsbaserade utjämningsmodellen och hur vi anser att man kan förbättra denna. Det måste dock här klart sägas att vi inte anser att de förslag vi lämnat löser de grundläggande problemen med modellens bristande flexibilitet och stabilitet. Det mest problematiska är inte den regressionsbaserade modellens relativt låga förklaringsgrad eller dess bristande konsistens när den används inom olika kommungrupperingar. Detta tror vi egentligen bara är symtom på mer grundläggande, bakomliggande problem. Ett av dessa problem är att den nuvarande utjämningsmodellen inte gör någon åtskillnad mellan kommunernas opåverkbara och deras påverkbara kostnader, dvs. mellan det som ska utjämnas och det som utjämningen inte ska avse. Detta är extra problematiskt inom IFO-verksamheten eftersom utrymmet för påverkan här av skäl som tidigare beskrivits måste bedömas vara väsentligt större än inom något av de andra områdena som tidigare nämnts. Konsekvensen är att vi inte vet om de samvariationer som regressionsanalysen visat på rör de påverkbara eller de opåverkbara kostnaderna. Vidare är en viktig anledning till att man valt att utnyttja en regressionsmodell att man inte vill att det i utjämningsmodellen ska ingå faktorer som kommunerna medvetet kan påverka. Detta uppnås genom att varje förklarande variabel i modellen tilldelas ett konstant värde per enhet (exempelvis i BOU-modellen: 183,11 kr per % i befolkningen som utgör barn 0 12 år till ensamstående föräldrar). Problemet är dock att med dessa konstanta värden försämras snabbt modellernas förklaringsvärde. Opåverkbarheten betalas med en försämrad förklaringsgrad. Det man gjort för att komma till rätta med detta är att man vid upprepade tillfällen valt att göra en ny regressionsmodell, visserligen ofta endast med mindre förändringar av ingående variabler. Det bör understrykas att även om man behåller samma variabler innebär en omräkning av en befintlig regressionsmodell att man i praktiken i större eller mindre utsträckning 32