Die Volkswirtschaft

Plattform für Wirtschaftspolitik

Hinweis: Für eine vollständige und korrekte Darstellung des Beitrags im PDF-Format hier klicken.

Technische Effizienz der öffentlichen Forstbetriebe in der Schweiz und Auswirkungen der Subventionen

Seit Mitte der Achtzigerjahre verzeichnen die Forstbetriebe insgesamt zunehmende Defizite. Die Schere zwischen Ertrag und Aufwand öffnet sich immer weiter: Während die Holzpreise tendenziell sinken, steigen die Produktionskosten an. Mit der Produktion und dem Verkauf von Holz können die rund 3000 öffentlichen Forstbetriebe in der Schweiz die Kosten der übrigen Aufgaben und Aktivitäten, die mit der Waldbewirtschaftung verbunden sind, immer weniger decken. Daher richtete der Bund zur Unterstützung dieser Branche ein Subventionssystem ein. Mit einer vom Staatssekretariat für Wirtschaft (Seco) in Auftrag gegebenen Studie wurde abgeklärt, wie sich die Subventionen auf die technische Effizienz der Holzproduktion auswirken. Die Ergebnisse dieser Studie zeigen grosse Unterschiede zwischen den einzelnen Forstbetrieben.

Die Subventionierung der Holzproduktion

Ursprünglich beschränkte sich das Subventionssystem des Bundes zu Gunsten der Waldwirtschaft auf Investitionsbeihilfen. Mit der Zeit wurde es aber auf Beiträge für ausserordentliche Schäden sowie im Rahmen von spezifischen Projekten auf Subventionen für die Pflege des Baumbestands und für Schutzmassnahmen ausgedehnt. Solche Projekte werden von den Verantwortlichen vor Ort beantragt und vom Bund und von den Kantonen gemeinsam finanziert, wobei die kantonalen Beiträge von der Finanzkraft des jeweiligen Kantons abhängen. Grundsätzlich dienen die Subventionen ausschliesslich zur Deckung der Nettokosten, d.h. der aus dem betreffenden Projekt resultierenden Kosten abzüglich allfälliger Einnahmen aus dem Holzverkauf. Die Bestimmung der Nettokosten beruht auf Pauschalbeträgen. Diese wurden unter Berücksichtigung der tatsächlichen Kosten in den Kantonen und einer Mindestbeteiligung des jeweiligen Forstbetriebs festgelegt. Dieses Finanzinstrument wurde nach dem Orkan Lothar vom 26.Dezember 1999 auf breiter Ebene angewandt. Es bezieht sich in erster Linie auf die Prävention und die Behebung von Schäden im Anschluss an Naturereignisse sowie von Folgeschäden (Krankheiten oder Borkenkäferbefall). Obwohl im Rahmen der Überwachung der Projekte die notwendigen Vorsichtsmassnahmen getroffen werden, besteht bei jeder Art von Subventionierung die Gefahr von unerwünschten Effekten: Der ungleiche Informationsstand der Initianten eines Projekts und der öffentlichen Gemeinwesen kann dazu führen, dass falsche Entscheide getroffen werden. Durch die Subvention entsteht der Eindruck, ein bestimmtes Projekt sei kostengünstiger, als dies in Wirklichkeit der Fall ist. Damit ist das Risiko verbunden, dass letztlich eher kostspielige Projekte unterstützt werden. Ausserdem kann die Verfügbarkeit einer externen Finanzierung dazu führen, dass Projekte bevorzugt werden, die grundsätzlich für eine Subventionierung in Frage kommen. Dies erfolgt unter Umständen zum Nachteil von Projekten, welche die ursprünglichen Kriterien erfüllen. Im Zentrum der Arbeiten, die im Auftrag des Seco durchgeführt wurden, steht die Frage, wie sich Subventionen auf die technische Effizienz der Holzproduktion auswirken (Verwendung, Management und Allokation der Ressourcen). Die finanziellen Probleme werden nicht speziell behandelt. Die Rentabilität ist zwar ein bedeutendes Ziel. In vielen Fällen ist die Holzproduktion jedoch erforderlich, um die vielfältigen Ziele der Waldpolitik zu erreichen (nachhaltige Waldbewirtschaftung). Sie wird entsprechend von den (öffentlichen) Eigentümern politisch unterstützt. Durch den kürzlich erfolgten Aufschwung im Holzmarkt haben sich die finanziellen Perspektiven der Branche zweifellos verbessert. Gleichzeitig geht aus den empirischen Resultaten hervor, dass die technische Effizienz in den Schweizer Forstbetrieben noch ein grosses Verbesserungspotenzial aufweist. Es hat sich insbesondere gezeigt, dass die ausgerichteten Subventionen diesbezüglich überhaupt keine positiven Auswirkungen haben. Gegenwärtig geht der Trend in die Richtung, die kommerzielle Holzproduktion von den anderen forstwirtschaftlichen Leistungen zu trennen und für die Letzteren eigene Unterstützungssysteme vorzusehen. Dies kann beispielsweise im Rahmen eine Leistungsvereinbarung realisiert werden. Diese Verbesserungen sollten Kostensenkungen und eine höhere Wettbewerbsfähigkeit der Schweizer Waldwirtschaft ermöglichen.

Datenbasis und Methoden

Die Daten für diese Studie wurden von Waldwirtschaft Schweiz (WVS) geliefert, die seit 1968 eine standardisierte Betriebsabrechnung (BAR) von rund 700 Forstbetrieben führt (WVS, 1996). Diese buchführenden Betriebe stehen in den meisten Fällen in öffentlichem Eigentum (Kantone, Gemeinden, öffentlich-rechtliche Körperschaften und Bürgergemeinden). Da in der Schweiz kaum grosse private Forstbetriebe bestehen, werden diese in der Datenbasis nicht berücksichtigt. Die BAR-Daten sind zwar nur bedingt repräsentativ, stellen für statistische Analysen zu den Forstbetrieben aber nach wie vor die beste zentrale Datenquelle dar. Für statistische Zwecke arbeitet das BFS heute mit einer Stichprobe von 200 repräsentativen Betrieben (Netzwerk von Pilotbetrieben). Der Betrachtungszeitraum erstreckt sich von 1998 bis 2003. Er deckt somit die zwei Jahre vor dem Orkan Lothar sowie die zwei bis drei Jahre danach ab, in denen die Primär- und Folgeschäden (Borkenkäfer) behoben werden mussten. Abgesehen von den allgemeinen Daten, welche die Identität und die Situation eines einzelnen Forstbetriebs – oder besser gesagt einer «Rechnungseinheit» (die mehrere Eigentümer und Betriebe umfassen kann) – beschreiben, lag der Schwerpunkt der Datenextraktion auf den Variablen, die mit der zweiten Produktionsstufe zusammenhängen. Diese umfasst den Holzschlag, die Holzrückung, die Waldpflege, den Transport an den Lagerungsort und vom Lagerungsort weg sowie weitere Aktivitäten und Nebentätigkeiten. Nach sorgfältiger Überprüfung der Daten wurde ein ausgeglichenes Panel aus 300 Betrieben zusammengestellt, was ungefähr 10% aller öffentlich-rechtlichen Forstbetriebe in der Schweiz entspricht und 20% der Schweizer Waldfläche abdeckt. Dies ermöglicht einen Vergleich der Ergebnisse im zeitlichen Verlauf.

Auswahl der Variablen der forstwirtschaftlichen Produktion

Die Variablen, die für die Bestimmung der Produktionseffizienz potenziell von Nutzen sind, wurden in drei Gruppen unterteilt (siehe Grafik 1): – Variablen, welche die Produktion beschreiben; – Variablen zur Messung der verwendeten Ressourcen (Inputs); – Umweltvariablen, die sich unabhängig von Volumen und Qualität der Ressourcen (Maschinen, Arbeitskräfte, Verwaltung usw.) auf die Bedingungen der Holzproduktion auswirken.

Allgemeine Ergebnisse

Tabelle 1 zeigt, dass im Jahr 1998 über ein Drittel der Betriebe eine effiziente Produktion aufwiesen (100%). Für diese Betriebe lässt sich im Rahmen einer statistischen Analyse kein Verbesserungspotenzial eruieren. Umgekehrt wies knapp die Hälfte der Betriebe eine Effizienz von unter 50% auf, was auf beträchtliche Mängel hindeutet. Im Jahr 1999 betrug dieser Anteil 35%, während über 30% der Betriebe eine effiziente Produktion aufwiesen. Ausserdem lag über die Hälfte der Betriebe in den Effizienzklassen zwischen 30% und 69,9%. Im Jahr 2000 lag der Anteil der Betriebe, die eine technische Effizienz von 50% oder mehr aufwiesen, bei 62%. Bei 32% der Betriebe wurde eine effiziente Produktion festgestellt. Im Jahr 2001 wiesen knapp 47% der Betriebe ein Effizienzergebnis von 50% oder mehr auf; bei nur 28% der Betriebe konnte eine effiziente Produktion verzeichnet werden. Im Jahr 2002 schliesslich lag der Anteil der Betriebe mit einer technischen Effizienz von mindestens 50% bei 57% und im Jahr 2003 bei 59%. Der Anteil der Betriebe mit einer effizienten Produktion lag bei 30% bzw. 31%. Der Durchschnitt der Effizienzergebnisse lag im Jahr 1998 bei 62,17% und im Jahr 1999 bei 66,38%. Im Jahr 2000 ging er wieder auf 63,35% zurück. Im Jahr 2001 betrug er nur noch 57,15% und stieg dann wieder auf Werte über 60% an. Die Grafik 2 zeigt, dass die durchschnittlichen Ergebnisse in Bezug auf die Effizienz in einer ersten Phase tendenziell anstiegen (1998-1999), anschliessend einen Rückgang aufwiesen (2000-2001) und schliesslich erneut zunahmen (2002-2003). Die Erklärung für den Rückgang der technischen Effizienz in den Jahren 2000 und 2001 ist vor allem im Orkan Lothar und dessen Folgeerscheinungen zu finden. Ab 2002 haben sich die Betriebsbedingungen offensichtlich wieder normalisiert. Lothar hatte somit anscheinend (leicht) negative Auswirkungen, die jedoch erst mit einer Verzögerung von einem Jahr spürbar wurden. Dies ist möglicherweise darauf zurückzuführen, dass ein grosses Volumen von Produktionsfaktoren eingesetzt wurde, um die Folgen des Orkans zu bewältigen.

Ergebnisse auf Ebene der Kantone

Die DEA-Analyse bezog sich auf die Kantone Aargau (AG), Graubünden (GR), Solothurn (SO), Thurgau (TG), Glarus (GL) und Zürich (ZH). Diese Auswahl erfolgte anhand der Zahl der Betriebe pro Kanton (von 19 im Kanton Zürich bis 71 im Kanton Graubünden), die zur Datenbasis gehören. Die Grafik 3 zeigt die Durchschnittsergebnisse der Betriebe in Bezug auf die technische Effizienz in den oben aufgeführten sechs Kantonen für die Jahre 1998, 2000 und 2002. Auffällig ist in erster Linie der starke Anstieg der durchschnittlichen Effizienzergebnisse der Betriebe im Kanton Graubünden. Dies deutet auf einen gewissen Nachholeffekt in diesem Kanton hin. Umgekehrt waren die von einem verhältnismässig hohen Effizienzniveau ausgehenden Betriebe im Kanton Aargau die einzigen, die während des gesamten analysierten Zeitraums einen kontinuierlichen Rückgang ihrer Durchschnittsergebnisse aufwiesen. Ausserdem geht aus der Grafik hervor, dass vier der sechs untersuchten Kantone am Ende des Betrachtungszeitraums tiefere durchschnittliche Effizienzergebnisse aufwiesen als zu Beginn. Auf Grund der angewandten Methode, mit der die Betriebe innerhalb der ausgewählten Gruppe verglichen werden, können die durchschnittlichen Effizienzergebnisse der Kantone nicht direkt mit den durchschnittlichen Ergebnissen der gesamten Stichprobe verglichen werden (siehe Grafik 2). Ausserdem hat die Zahl der Beobachtungen einen Einfluss auf die Trennschärfe der statistische Analyse: Je geringer die Zahl der festgestellten Werte, desto grösser ist ceteris paribus die Tendenz zu hohen Effizienzergebnissen.

Auswirkungen von Subventionen auf die Holzproduktion

Im Vergleich mit dem Durchschnitt weisen die 15 effizientesten Forstbetriebe (Top-15) eine um den Faktor drei höhere Holzproduktion auf. Trotzdem erhalten sie nur doppelt so hohe Subventionen. Ausserdem fallen diese Subventionen pro m3 gewonnenes Holz knapp dreimal geringer aus. Im Verhältnis zum Ertrag, der mit dem Holzverkauf erzielt wird, liegen die Subventionen bei den effizienten Betrieben um durchschnittlich 40% tiefer. Vergleicht man diese Top-15-Betriebe mit den 15 Betrieben, die auf schweizerischer Ebene die geringste Effizienz aufweisen (die «Flop-15»), stellt man umgekehrt fest, dass diese pro m3 gewonnenes Holz im Durchschnitt achtmal höhere Subventionen beziehen und dass deren Anteil am Umsatz durchschnittlich dreimal höher ist. Bei der Berechnung der Nettoeffizienz mit Hilfe von Regressionen zeigt sich, dass der mit der Variablen Subventionen verbundene Koeffizient – mit negativem Vorzeichen – mit Ausnahme vom Jahr 2000 für alle Jahre sehr signifikant ist. So zeigt beispielsweise für das Jahr 1998 der Wert des Subventionskoeffizienten an, dass ceteris paribus die Effizienz der Betriebe durch zusätzliche 1000 Franken an Subventionen um durchschnittlich 0,19% abnahm. Die Tatsache, dass diese Variable für das Jahr 2000 nicht signifikant ist, könnte darauf hindeuten, dass sich die ausgerichteten Subventionen auf die Effizienz der Arbeiten, die für die Behebung der vom Orkan Lothar angerichteten Schäden durchgeführt wurden, leicht positiv – prozentual betrachtet – auswirkten. Ersetzt man in der Gleichung die Subvention für die Produktion durch den Gesamtbetrag der ausgerichteten Subventionen (der auch Schutzmassnahmen, die Pflege des Baumbestands usw. umfasst), bleiben die Auswirkungen für den gesamten Betrachtungszeitraum negativ, wenn auch in einem geringeren Ausmass. In diesem Zusammenhang ist anzumerken, dass die für die Produktion gewährten Subventionen zwei Drittel der ausgerichteten Gesamtsumme ausmachen. Auf Kantonsebene sind die Ergebnisse zu den Auswirkungen der Subventionen weniger klar (und weniger zuverlässig). Im Kanton Graubünden hat sich die Finanzhilfe auf die Effizienz der Forstbetriebe im Jahr 2000 – dem Folgejahr des Orkans Lothar – anscheinend negativ ausgewirkt. Bezüglich der anderen Jahre und Kantone konnte kein signifikanter Effekt (weder positiver noch negativer Art) festgestellt werden.

Grafik 1 «Die wichtigsten Variablen»

Grafik 2 «Entwicklung der durchschnittlichen Effizienz in sechs Kantonen, 1998-2002»

Grafik 3 «Entwicklung der durchschnittlichen Effizienz im zeitlichen Verlauf, 1998-2003»

Tabelle 1 «Grad der technischen Effizienz»

Kasten 1: Methode zur Ermittlung der Effizienz Die statistische Methode zur Bestimmung der Effizienzgrenze wird als Data Envelopment Analysis (DEA) bezeichnet. Diese wurde im Jahr 1978 von Charnes, Cooper und Rhodes entwickelt und geht auf die Arbeiten von Farrell (1957) zurück. Sie erweitert das Effizienzkonzept auf den Fall von mehreren Inputs und Outputs, für den ein mathematisches Optimierungsprogramm entwickelt wird, das die Messung der relativen Effizienz ermöglicht. Es wird davon ausgegangen, dass die untersuchten Entscheidungseinheiten – d.h. in unserem Fall die Forstbetriebe – autonome Entscheide treffen, insbesondere was die Produktion und die verwendeten Faktoren anbelangt. Unter Berücksichtigung der bestehenden Technologie wandeln sie Inputs (Arbeit, Maschinen und Fahrzeuge, Verwaltung) in Outputs (Holz) um. Mit anderen Worten misst die DEA-Methode die Effizienz einer Entscheidungseinheit, indem sie den relativen Abstand zwischen dem Punkt berechnet, der dem Wert der beobachteten Inputs und Outputs entspricht, und dem hypothetischen Punkt auf der Effizienzgrenze. Damit ermöglicht diese Methode das Eruieren der besten Vorgehensweisen ausgehend von der Gesamtheit der Beobachtungen, d.h. des Grenz-Outputs, und das Messen des Effizienzgrads (Ergebnisses) jeder Entscheidungseinheit.Um die Auswirkungen des Umfeldes zu berücksichtigen, welche die Leistung der Forstwirtschaftsbetriebe beeinflussen können, wird in einer zweiten Phase eine Regression der aus der DEA-Analyse resultierenden Effizienzergebnisse auf die Umweltvariablen vorgenommen. Damit wird den (exogenen) Faktoren Rechnung getragen, die von einem Betrieb nicht oder nur indirekt beeinflusst werden können.

Kasten 2: Bibliografie – Badillo P.-Y. und Paradi J. (Hrsg.), La méthode DEA: analyse des performances, Paris, 1999, Hermes Science Publications.- BAFU/BUWAL/BFS, Wald und Holz, Jahrbuch, Bern/Neuenburg.- Charnes A., Cooper W. und Rhodes E., Measuring the Efficiency of Decision Making Units, European Journal of Operational Research, 1978, Bd. 2, S. 429-444.- Charnes A., Cooper W. W., Lewin A. und Seiford L., Data Envelopment Analysis: Theory, Methodology and Applications, Boston, 1994, Kluwer Academic Publishers.- Waldwirtschaft Verband Schweiz (WVS):Forstwirtschaftliches Betriebsabrechnungsprogramm, Grundlagen-Handbuch, Zürich, 1996.- Farrell J., The Measurement of Productive Efficiency, Journal of the Royal Statistical Society, Reihe A, Bd. 120 (3), 1957, S. 253-281.- Hofer, P. und Altwegg, J., Lernen von erfolgreichen Forstbetrieben, Ergebnisse einer Untersuchung über die wirtschaftlichen Erfolgsfaktoren ausgewählter Forstbetriebe in der Schweiz, BAFU, Bern, 2006.- Poffet G., Instrumente für eine neue forstliche Subventionspolitik des Bundes, Schweizerische Zeitschrift für Forstwesen, Nr. 4, 1997, S. 251-290.- Sekot W. und Hoffmann Ch., Zur Weiterentwicklung des forstlichen Betriebsvergleichs mit Hilfe der Data Envelopment Analysis, Centralblatt für das gesamte Forstwesen, Heft 1, 2007.

PhD in Economics, Institut de recherches économiques, Universität Neuenburg

Lehrbeauftragter an der Universität Neuenburg, Teilhaber von Eco'Diagnostic, Genf

PhD in Economics, Institut de recherches économiques, Universität Neuenburg

Lehrbeauftragter an der Universität Neuenburg, Teilhaber von Eco'Diagnostic, Genf