College 1.14.4 Bijlage 1 - Inzicht in arbeidsmarktknelpunten voor de uitvoering van het klimaatbeleid
Tekst van het document
Regionale veranderingen in waar de energieproductie plaatsvindt kan ertoe leiden dat degenen die hun baan verliezen minder makkelijk de nieuw ontstane banen kunnen vervullen, zelfs als zij over de benodigde vaardigheden beschikken (zie Weterings et al. 2018). In het arbeidsmarktprognosemodel is het mogelijk om rekening te houden met eventuele verschillen in de opleidingsachtergrond voor bepaalde beroepen. Als de reparatie van elektrische auto’s bijvoorbeeld heel andere vaardigheden vergt dan de reparatie van auto’s met een verbrandingsmotor, leidt het klimaatbeleid tot een verandering in het type opleiding dat automonteurs nodig hebben. Als de huidige arbeidskrachten niet in staat zijn de nieuwe werkzaamheden uit te voeren, kan dat leiden tot een grote discrepantie tussen vraag en aanbod (zie Ligtvoet et al. 2016; Koning et al. 2016; ILO 2018). Rekening houden met de hierboven beschreven opsplitsingen binnen sectoren vraagt wel een omvangrijk aanvullend empirisch onderzoek. Dat onderzoek dient als basis voor de aannames over hoe de productieketen en beroepen- en opleidingenstructuur verschilt tussen de traditionele activiteiten en activiteiten die ontstaan door het klimaatbeleid.
Voor een inschatting van de mogelijke verschillen in arbeidsintensiteit en verschuivingen in de productieketen kan worden voortgebouwd op de opsplitsing van de energiesector en energiegerelateerde sectoren, die het CBS heeft gemaakt voor de Nationale Energieverkenning (CBS 2015) en die ook in de Klimaat- en Energieverkenning wordt gebruikt. De verandering in de werkzaamheden kan worden ingeschat via gegevens van het CBS en UWV. Door de werkzaamheden van de werknemers die traditioneel in de sectoren werken te vergelijken met die van degenen die momenteel al betrokken zijn bij de activiteiten die invloed ondervinden van het klimaatbeleid, ontstaat inzicht in de mogelijke veranderingen in de vraag naar arbeidskrachten. Het is niet mogelijk om alle veranderingen via kwantitatieve analyses in te schatten, omdat het veelal gaat om toekomstige ontwikkelingen die nog niet op uitgebreide schaal voorkomen. Daarom zijn er ook kwalitatieve analyses nodig van de te verwachte veranderingen in de werkzaamheden binnen beroepen en sectoren. Dit kan bijvoorbeeld via interviews met experts en vertegenwoordigers van de bij het klimaatbeleid betrokken sectoren (zie bijvoorbeeld Ligtvoet et al. 2016).
PBL | 45
Bijlagen Bijlage 1 ROA-arbeidsmarktprognosemodel Het arbeidsmarktprognosemodel dat in het PBL-ROA-model wordt gebruikt om de verandering in de vraag naar arbeidskrachten als gevolg van klimaatbeleid te vergelijken met de verandering in arbeidsaanbod bouwt voort op het model dat ROA gebruikt voor het Project Onderwijs Arbeidsmarkt (POA). In deze bijlage lichten we eerst de opzet van het POA-model nader toe en geven we aan welke bronnen worden gebruikt voor het bepalen van vervangingsvraag en het aanbod. Ook lichten we toe op welke punten het gebruikte POA-model is aangepast voor het PBLROA model. Vervolgens beschrijven we hoe de regionalisering van het model is uitgevoerd. De beschrijving van het POA-model is een aangepaste versie van de beschrijving in ROA (2021a) en ROA (2021b).
Opzet van het POA-model ROA gaat uit van een stroomcijfer-aanpak bij het maken van de arbeidsmarktprognoses. Bij deze aanpak worden prognoses gemaakt van de stromen van en naar de arbeidsmarkt in een bepaalde toekomstige periode. In het POA-model is dat een periode van 5 jaar vooruit. Omdat de Enquête Beroepsbevolking (EBB) van het CBS altijd een jaar na afname wordt gepubliceerd, komt een prognose van 5 jaar vooruit erop neer dat het jaar waarin de prognose wordt gepubliceerd ook een prognosejaar is. Dus prognoses gepubliceerd in 2022 gaan tot 2026. Voor de prognose worden gegevens gebruikt over feitelijke ontwikkelingen van de werkgelegenheid in het verleden per bedrijfssector, beroep en opleiding. Eigen (verklarende) econometrische modellen vormen de structuur van het prognosemodel, met als belangrijkste databronnen: 1) cijfers uit de Enquête Beroepsbevolking (EBB) van het Centraal Bureau voor de Statistiek (CBS), 2) prognoses over de toekomstige ontwikkelingen in de werkgelegenheid per bedrijfssector, 3) referentieramingen van het Ministerie van Onderwijs, en 4) data uit het ROA Schoolverlaters Informatie Systeem (SIS). De gekozen stroomcijfer-benadering heeft als voordeel dat de processen in kaart worden gebracht die van belang zijn voor de ontwikkeling van vraag en aanbod op de arbeidsmarkt. Hierbij wordt de arbeidsmarkt in zijn integraliteit in beschouwing genomen.
Dit verdient de voorkeur boven een aanpak waarbij deelmarkten worden onderzocht omdat het meer recht doet aan de substitutiemogelijkheden op de arbeidsmarkt. De prognoses worden doorgerekend voor in totaal 113 beroepsgroepen en 90 opleidingstypen, gespreid over de volle breedte van de arbeidsmarkt. Bij de doorrekening van het prognosemodel is uitgegaan van werkenden volgens de internationale ILO-definitie, waarbij alle banen van 1 uur of meer worden meegeteld van personen in de leeftijd 15-74 jaar. Figuur B1.1 geeft een schematisch overzicht van het prognosemodel. Globaal gezien gaat het erom dat indicatoren voor knelpunten in de vraag-aanbod-verhouding worden afgeleid van schattingen van de toekomstige vraag naar arbeidskrachten en het te verwachten aanbod van arbeid. Een stroomgrootheid die van belang is voor de vraagzijde van de arbeidsmarkt is de uitbreidingsvraag, die de te verwachten ontwikkeling weergeeft van de werkgelegenheid in een bepaalde beroepsgroep of een bepaald opleidingstype. De uitbreidingsvraag naar beroep en opleiding hangt af van de verwachte macro-economische en sectorale economische PBL | 46
ontwikkelingen. In het POA-model wordt aangesloten bij de ramingen over de economische groei, de werkgelegenheid en de participatiegraden van het CPB op nationaal niveau (CBP 2021b en 2022). Het gaat hierbij om prognoses voor de ontwikkeling van de werkenden en banen, alsook van de toegevoegde waarde en de investeringen in kapitaal (die gebruikt worden bij de schatting van de uitbreidingsvraag naar beroep). Zoals in hoofdstuk 3 is toegelicht, zijn de CPB-ramingen ook gebruikt als uitgangspunt bij het opstellen van het basisscenario voor de in dit rapport uitgevoerde analyse met het PBL-ROA-model. De CPB-ramingen zijn nader gesplitst naar sector en regio op basis van gegevens van het CBS. Figuur B1.1
Uitgaande van de verwachte uitbreidingsvraag per bedrijfssector, maakt ROA eerst prognoses van de verschuivingen in de beroepenstructuur binnen de onderscheiden bedrijfssectoren. Hierdoor kan er rekening worden gehouden met het feit dat binnen een bedrijfssector bepaalde beroepsgroepen zich sneller ontwikkelen dan andere, bijvoorbeeld als gevolg van technologische ontwikkelingen of internationalisering in een sector. Vervolgens worden er in het zogenaamde beroepenmodel van de uitbreidingsvraag, naast de ontwikkeling van de omvang en structuur van de werkgelegenheid, verschillende verklarende variabelen (onder andere toegevoegde waarde en investeringen) gebruikt om de prognoses van de uitbreidingsvraag naar beroep samen te stellen. Als er economische krimp wordt verwacht in een sector, verdwijnt er werkgelegenheid in de betrokken beroepen.
PBL | 47
Ten tweede bepaalt ROA welke implicaties de voorspelde groei (of krimp) van de verschillende beroepsgroepen heeft voor de uitbreidingsvraag per opleidingstype. Hierbij wordt rekening gehouden met het optreden van verschuivingen in de samenstelling van opleidingen binnen beroepsgroepen. De uitbreidingsvraag per opleidingstype heeft betrekking op het aantal personen met een bepaalde opleidingsachtergrond die werkgevers zouden willen aannemen om te kunnen voorzien in een grotere vraag naar goederen en diensten. Gediplomeerden die overwegend werkzaam zijn in krimpberoepen kunnen met een negatieve uitbreidingsvraag te maken hebben. Een negatieve uitbreidingsvraag wordt verrekend met de vervangingsvraag (de omvang van de negatieve uitbreidingsvraag is gelijk aan het aantal mensen dat in de vervangingsvraag niet vervangen hoeft te worden). De feitelijke ontwikkeling van het aantal werkenden per opleidingstype zal hier doorgaans van afwijken door de interactie met de aanbodzijde van de arbeidsmarkt, en de als gevolg daarvan optredende substitutieprocessen. Bij de analyse van de werkgelegenheidsontwikkeling naar sector, beroep en opleiding wordt intensief gebruik gemaakt van de verschillende jaargangen van de EBB van het CBS.
Naast uitbreidingsvraag is er op de arbeidsmarkt sprake van vervangingsvraag door – al dan niet vervroegde – pensionering, arbeidsongeschiktheid, tijdelijke terugtreding van de arbeidsmarkt, beroepsmobiliteit, en dergelijke. Om de uitstroom te bepalen worden in het POA-model veronderstellingen gedaan ten aanzien van de participatiegraden in de verschillende leeftijdscohorten. Hiervoor wordt uitgegaan van de meest recent geschatte CPB-prognoses van de bruto participatiegraden per leeftijd, geslacht en opleidingsniveau tot 2026. Daarbij wordt rekening gehouden met skills-upgrading in de vervangingsvraag. Van vervangingsvraag is enkel sprake als het vertrek van een werkende in een beroep of met een specifieke opleidingsachtergrond ook daadwerkelijk leidt tot vraag naar een andere werkende. Als werkgelegenheidskrimp de reden is voor vertrek, dan is er in het model geen sprake van vervangingsvraag omdat deze uitstroom niet relevant is voor nieuwkomers (het leidt niet tot een baanopening). Dit betekent dus dat niet de volledige arbeidsmarktuitstroom daadwerkelijk leidt tot vervangingsvraag. De vervangingsvraag wordt afzonderlijk voor beroepsgroepen en opleidingstypen berekend. De vervangingsvraag naar beroep kan om verschillende redenen afwijken van de vervangingsvraag naar opleiding.
Zo is de mobiliteit tussen beroepsgroepen wel van invloed op de vervangingsvraag per beroepsgroep, maar heeft deze geen effect op de vervangingsvraag per opleidingstype. De mobiliteit tussen beroepsgroepen heeft ten slotte geen directe gevolgen voor de opleidingsstructuur van de werkgelegenheid, hoewel ze hiermee wel kunnen samenvallen. Daar staat tegenover dat het afronden van een vervolgopleiding gelijk staat aan uitstroom naar een ander (doorgaans hoger) opleidingstype. In dat geval is er sprake van een vervangingsvraag bij het opleidingstype waartoe de vooropleiding van deze werkende wordt gerekend. Maar deze vervangingsvraag heeft geen gevolgen voor de beroepenstructuur. Uitstroompatronen naar beroep en opleiding worden geschat aan de hand van de EBB, waarbij data voor de meest recente 10 jaar worden gebruikt. Bij een toename van de werkgelegenheid vormen de uitbreidingsvraag en de vervangingsvraag tezamen de baanopeningen voor nieuwkomers op de arbeidsmarkt. Bij krimpende werkgelegenheid leidt alleen de vervangingsvraag tot baanopeningen. Tegenover de totale vraag naar nieuwkomers staat het verwachte aanbod van nieuwkomers op de arbeidsmarkt. Ten eerste bestaat het aanbod uit de toekomstige arbeidsmarktinstroom van schoolverlaters en de doorstroom naar een ander opleidingstype vanwege het afronden van postinitiële vervolgopleidingen in de prognoseperiode.
De tweede component van het arbeidsaanbod bestaat uit het nog boven de markt zwevende aanbod van kortdurig werklozen aan het begin van
PBL | 48
de prognoseperiode. Hierbij wordt verondersteld dat langdurig werklozen (die langer dan een jaar op zoek zijn naar werk) geen serieuze concurrenten meer vormen voor schoolverlaters. De instroomprognoses van schoolverlaters op de arbeidsmarkt hebben de meest recente Referentieraming van het ministerie van Onderwijs, Cultuur en Wetenschap als uitgangspunt. Deze prognoses hebben betrekking op de verwachte uitstroom uit het initiële onderwijs. Deze prognoses worden door het ROA verbijzonderd en aangevuld met prognoses van de doorstroom naar het post-initiële onderwijs, op basis van gegevens uit de Onderwijsmatrix, de Enquête Beroepsbevolking van het CBS en gegevens uit het Schoolverlatersinformatiesysteem (SIS) van het ROA. De verwachte vraag- en aanbodstromen per opleidingstype worden met elkaar geconfronteerd om een indicatie te krijgen van de toekomstige arbeidsmarktperspectieven voor nieuwkomers op de arbeidsmarkt. De Indicator Toekomstig Arbeidsmarktperspectief (ITA) wordt berekend door aanbod te delen door vraag en geeft aan welke vraag-aanboddiscrepantie er per opleidingstype te verwachten is in de komende zes jaar. Als het arbeidsaanbod kleiner is dan de vraag, en de ITA dus kleiner dan of gelijk is aan 1,00, wordt het arbeidsmarktperspectief als goed getypeerd.
Als de waarde van de ITA zelfs kleiner dan of gelijk is aan 0,85, wordt gesproken van een zeer goed arbeidsmarktperspectief. 5 Daarentegen, als de ITA een waarde heeft tussen de 1,00 en 1,05 – en het aanbodoverschot dus niet veel groter is dan wat als frictie kan worden beschouwd – wordt gesproken van een redelijk arbeidsmarktperspectief. Bij een hogere waarde van de ITA wordt het arbeidsmarktperspectief voor het desbetreffende opleidingstype als matig, of bij een ITA groter dan 1,15, als slecht aangeduid. 6 Het is belangrijk om stil te staan bij de interpretatie van deze indicator. Een aanbodoverschot impliceert niet vanzelfsprekend dat de desbetreffende groep werkloos zal worden en een aanbodtekort betekent niet automatisch dat er sprake zal zijn van onvervulde vacatures. Het is immers ook mogelijk dat werkgevers hun eisen aanpassen en mensen aannemen met een andere opleidingsachtergrond dan aanvankelijk gevraagd werd. Schoolverlaters met een opleiding waarvoor het aanbod de vraag overtreft ervaren in een dergelijke situatie een verslechtering van hun positie doordat zij bijvoorbeeld vaker beneden hun niveau of buiten hun richting moeten werken, slechter beloond worden of vaker genoegen moeten nemen met deeltijdwerk, terwijl men liever een voltijdsbetrekking had (Wieling & Borghans 2001). Omgekeerd zal bij een tekortschietend aanbod de positie van schoolverlaters verbeteren.
Deze hoeven in dat geval minder vaak genoegen te nemen met een functie op een lager niveau, een lagere beloning en dergelijke. Bij de opleidingen die door opleidingstypen met een aanbodoverschot worden verdrongen, zal het aantal baanopeningen vanwege dit substitutieproces kleiner worden. Daarentegen zal er voor de opleidingen die verwant zijn aan de opleidingen met een tekortschietend aanbod juist sprake zijn van extra baanopeningen. Wanneer er sprake is van knelpunten zullen deze substitutie-effecten derhalve van belang zijn voor de arbeidsmarktperspectieven van de desbetreffende opleidingen. De vraag-aanbod-confrontatie geeft voor elk opleidingstype ook een indicatie van de toekomstige knelpunten in de personeelsvoorziening. Daarbij bepalen de uitbreidings- en vervangingsvraag samen de rekruteringsbehoefte per opleidingstype. Bij krimpende werkgelegenheid voor een 5
Deze grenzen voor de ITA zijn gebaseerd op een statistische analyse van de spreiding van de arbeidsmarktsituatie van de verschillende opleidingstypen (zie Wieling et al. 1990). Zie voor een analyse van de betekenis van de ITA ook Dupuy (2009). 6 ROA evalueert geregeld de kwaliteit van de prognoses (Bakens et al. 2021). Zie bijvoorbeeld voor de vervangingsvraag Montizaan (2009), Dupuy (2009) en Bertrand-Cloodt (2010). PBL | 49
bepaald opleidingstype wordt deze rekruteringsbehoefte op een andere wijze berekend dan het aantal baanopeningen voor nieuwkomers op de arbeidsmarkt. In dat geval bestaat immers vanuit het perspectief van bedrijven de mogelijkheid om de gedwongen uitstroom van het zittende personeel (negatieve uitbreidingsvraag per opleiding) te verminderen. Zeker wanneer bedrijven geconfronteerd worden met een krappe arbeidsmarkt voor een bepaald opleidingstype, mag worden aangenomen dat zij van deze mogelijkheid gebruik zullen maken. De te verwachten spanning in personeelsvoorziening komt tot uiting in de Indicator Toekomstige Knelpunten in de Personeelsvoorziening (ITKP). In lijn met de ROA-prognose in POA wordt deze indicator in dit rapport niet weergegeven. De Indicator Toekomstige Knelpunten in de Personeelsvoorziening naar Beroep (ITKB) reflecteert de verwachte discrepantie tussen vraag en aanbod naar beroep. De ITKB geeft de kans weer dat de gewenste personeelssamenstelling naar opleiding binnen beroepsgroepen gerealiseerd kan worden, rekening houdend met het verwachte aanbod per opleiding. Bij de berekening van de ITKB is rekening gehouden met het verwachte aanbod van scholieren met bijbanen. Naarmate de waarde van de ITKB lager is, zijn er meer knelpunten te verwachten.
Als de ITKB gelijk is aan 1 worden er geen knelpunten verwacht bij het vervullen van de vraag, want vanuit alle onderliggende opleidingen kan in de vraag worden voorzien (typering ‘geen’ knelpunten). Een ITKB van 0 betekent dat de vraag vanuit het beroep in het geheel niet vervuld kan worden. De verdere typering van ITKB-waarden is direct gerelateerd aan de verdeling van ITA-typeringen in de overeenkomstige prognose.
Regionale arbeidsmarktprognose Nadat de nationale prognoses naar beroepen en opleidingen zijn gemaakt, kunnen prognoses worden gemaakt voor elk van de 9 regio’s die worden onderscheiden in het PBL-ROA-model. Een belangrijke aanpassing in het PBL-ROA-model ten opzichte van het POA-model is dat we uitgaan van de werklocatie van de beroepsbevolking in plaats van de woonlocatie, en dat we naast prognoses voor opleidingen ook prognoses voor beroepen maken. Voor de regionale prognose benutten we informatie uit de nationale prognose. Daar waar in de EBB te weinig gegevens beschikbaar zijn op regionaal niveau, maken we gebruik van de nationale prognoses voor beroepen en opleidingen als randtotalen in de regionale prognose. Ook maakt dit het mogelijk om te controleren of de verschillende vraag- en aanbodcomponenten op regionaal niveau optellen tot de nationale schattingen. De input van de regionale prognose bestaat uit de ingeschatte verandering in de vraag naar arbeidskrachten per bedrijfssector en regio in het basisscenario en in het klimaatbeleidsscenario. De doorvertaling van de sectorale werkgelegenheidsgroei per regio naar beroepen en opleidingen gebeurt aan de hand van een RAS-procedure (zie ook ROA 2021a).
Op basis van de gegevens uit de Enquête Beroepsbevolking van het CBS kan per regio worden bepaald wat het aandeel van elk beroep (op het niveau van de beroepsklasse) is in elke sector. Voor de analyse met het PBL-ROAmodel nemen we daarbij een tweejaarlijks gemiddelde van de beroepen naar sector voor 20182019 om te voorkomen dat jaarlijkse fluctuaties als gevolg van de kleine aantallen het patroon te veel beïnvloeden. Op basis van de verwachte verandering in de vraag naar arbeidskrachten per sector en regio, zowel bij het basisscenario als bij het klimaatbeleidsscenario, en de prognose voor de beroepen op nationaal niveau tot vijf jaar vooruit, zijn voor de RAS-procedure de randtotalen voor de beroepen (totaal voor Nederland) en sectoren (totaal voor Nederland en totaal voor de regio) in dat jaar PBL | 50
bekend. Op basis van de verdeling van het aandeel werkenden in een sector voorafgaand aan de analyseperiode kan via de RAS-procedure invulling worden gegeven aan het verwachte aantal werkenden per beroep in een sector over vijf jaar voor elke regio. Eenzelfde procedure wordt gevolgd voor het schatten van de uitbreidingsvraag naar opleidingen. Deze volgen uit de geschatte randtotalen tot vijf jaar vooruit voor de opleidingen op regionaal niveau. De landelijke vervangingsvraag naar beroep en opleiding wordt verdeeld over de 9 regio’s naar omvang van de werkzame beroepsbevolking per regio. Er wordt rekening gehouden met de verschillen in samenstelling naar leeftijdsklasse en geslacht tussen de regio’s, waarbij wordt verondersteld dat deze verschillen zich bij alle beroepen en opleidingen op gelijke wijze manifesteren. De landelijke vervangingsvraag per beroep en opleiding wordt onderverdeeld naar cohorten, en per beroep en opleiding wordt de vervangingsvraag van een cohort vermenigvuldigd met de verhouding tussen het regionale en het landelijke werkgelegenheidsaandeel van een cohort, en het aandeel van de werkzame beroepsbevolking van een regio in het landelijke totaal. Per regio ontstaat er op deze wijze een vervangingsvraag voor beroepen en opleiding, uitgesplitst naar cohorten van leeftijd en geslacht.
Het aanbod op de arbeidsmarkt bestaat uit de som van de verwachte arbeidsmarktinstroom van schoolverlaters in de prognoseperiode en het aantal kortdurig werklozen aan het begin van de prognoseperiode (personen die korter dan één jaar werkloos zijn). Deze laatste groep is op te vatten als het boven de markt zwevende aanbod van werklozen. Het regionale aanbod van werklozen wordt verdeeld op basis van het aandeel kortdurig werklozen van een provincie in het landelijke totaal, waarbij rekening wordt gehouden met de verschillen per opleidingstype. De landelijke arbeidsmarktinstroom van schoolverlaters wordt verdeeld naar rato van het aantal werkzame jongeren (tot 30 jaar oud) over de verschillende woonregio’s. Derhalve wordt bij de verdeling van de landelijke arbeidsmarkinstroom over regio’s al rekening gehouden met verhuizingen van afgestudeerden naar andere regio’s dan de regio waarin men woont ten tijde van de studie. We veronderstellen dus dat het verhuisgedrag van schoolverlaters in beginsel onveranderd blijft.
Bijlage 2 Regionale verdeling van investeringen In tabel B2.1 staat per investeringscategorie welke indicatoren zijn gebruikt om de verwachte meerinvesteringen voor de jaren 2022-2026 te verdelen over de 12 provincies. Tabel B2.1 Indicatoren die zijn gebruikt voor de regionale verdeling van de meer-investeringen Investeringscategorie
Indicator
Bron
Energieproductie fossiel
Capaciteit elektriciteitsopwekking fossiel (gas + kolen) Aantal banen aardolieraffinaderijen (19201 = SBI08) (2020)
JRC-PPDB-OPEN
Energiebesparing aardolieraffinaderijen
PBL | 51
LISA
Zonne-energie
Windenergie Windenergie
Wind op land Wind op zee
Energieproductie overig hernieuwbaar
Biogas en bio-raffinage
Energieproductie overig hernieuwbaar
Biomassa en afval, biobrandstoffen
Energiebesparing industrie (excl. Aardolieraffinaderijen)
Energienetwerken Energienetwerken
Elektrisch vervoer Elektriciteitsnet
Energienetwerken
Waterstoftechnologie
Energienetwerken
CCS (CO2opvang en opslag)
Energienetwerken
Warmtenetten en geothermie
Energienetwerken
Energie uit water
Gebouwde omgeving
Mobiliteit
PBL | 52
Personenvervoer
RES-aanbod zonnestroom (pijplijn + ambitie) Windaanbieding RES (pijplijn + ambitie) Verwachte realisatie wind op zee per park in 2030 Biogas bekende hernieuwbare elektriciteit (2019) Biomassaverbranding met decentrale elektriciteitsopwekking hernieuwbare elektriciteit (2019) CO₂-uitstoot alle bedrijven/instellingen excl. gasverbruik energievoorziening (aardgas en elektriciteit) (ton) (2020) Prognose laadpunten 2030 Investeringsinschatting net impact analyse – RES 1.0 Totaal bekende hernieuwbare energie voor vervoer CO₂-uitstoot alle bedrijven/instellingen excl. gasverbruik Energievoorziening (aardgas en elektriciteit) (ton) (2020) Totaal bekend warmteverbruik (aardgas en (hernieuwbare) warmte) Waterkracht hernieuwbare elektriciteit genormaliseerd (2020) Startanalyse aardgasvrije wijken / PBL / LN kaart data (least-cost) Totaal personenauto’s (2021) – Elektrische personenauto's (BEV),
RES Monitor PBL
RES Monitor PBL Routekaart Wind op Zee 2030 – EZK Klimaatmonitor
Klimaatmonitor
Klimaatmonitor
Nationale Agenda Laadinfrastructuur RES1.0 Net impact analyses
Klimaatmonitor
Klimaatmonitor
Klimaatmonitor
Klimaatmonitor
https://themasites.pbl.nl/leidraadwarmte/2020/# CBS + Klimaatmonitor
Mobiliteit
Landbouw (warmte)
Wegvervoer
geregistreerd bij eigenaar (2020) Totaal bedrijfsauto’s (2021) – Elektrische bedrijfsauto's, geregistreerd bij eigenaar (2020) Aardgas geleverd aan landbouw, bosbouw en visserij (SBI A) (2013)
CBS + Klimaatmonitor
Klimaatmonitor
Figuur B2.1 toont de verdeling van de verschillende investeringscategorieën over de provincies. Voor de overzichtelijkheid zijn de investeringscategorieën in deze figuur geaggregeerd tot zeven hoofdcategorieën (zie tabel B3.1 voor de indeling). Figuur B2.1
Bijlage 3 Koppeling investeringen aan sectoren Op basis van verschillende bronnen is per investeringscategorie een inschatting gemaakt van in welke (bedrijfs)sectoren de vraag naar goederen en diensten direct zal veranderen als gevolg van de meer-investeringen die volgens het in paragraaf 3.1.1 beschreven klimaatbeleidsscenario gaan plaatsvinden. De investeringscategorieën die we onderscheiden zijn gebaseerd op de studie van Kalavasta en Berenschot (2021) die we gebruiken als uitgangspunt voor het scenario. We beperken ons tot de investeringscategorieën die in deze studie in beschouwing zijn genomen en waarvan wordt verwacht dat de meer-investeringen in 2030 groter dan nul zijn.
PBL | 53
De bronnen die we gebruiken om in te schatten welke sectoren gevolgen ondervinden van de meer-investeringen hanteren meestal een hoger aggregatieniveau voor de investeringscategorieën dan Kalavasta en Berenschot (2021). Daarom hebben we verschillende investeringscategorieën samengenomen bij het vaststellen van de investeringsmatrix. Tabel B3.1 laat zien hoe dit is gedaan. Een uitzondering is de energieproductie op basis van zon en wind. Deze hebben we uitgesplitst omdat de sectoren die betrokken zijn bij deze investeringen verschillen. De splitsing van de meerinvesteringen in de centrale energieproductie van zon en wind is gebaseerd op de verhouding tussen de investeringen in beide categorieën in 2018 zoals weergegeven in de Klimaat- en Energieverkenning 2019. Tabel B3.1 Koppeling investeringscategorieën van Kalavasta en Berenschot en PBL-ROA-model Kalavasta en Berenschot
Investeringsmatrix PBL-ROA
Centrale energieproductie
Zon en wind
Zonne-energie
Centrale energieproductie
Zon en wind
Windenergie
Centrale energieproductie
Back up centrales en flex
Energieproductie fossiel
Centrale energieproductie
Warmte
Energieproductie overig hernieuwbaar
Centrale energieproductie
Waterstof
Energieproductie overig hernieuwbaar
Centrale energieproductie
Groengas
Energieproductie overig hernieuwbaar
Netwerken
Elektriciteit
Energienetwerken
Netwerken
Warmtenetten
Energienetwerken
Netwerken
Gas
Energienetwerken
Netwerken
Waterstof
Energienetwerken
Netwerken
CO2
Energienetwerken
Gebouwde omgeving
Isolatie
Gebouwde omgeving
Gebouwde omgeving
Warmtevoorziening (excl. warmtenetten)
Gebouwde omgeving
Gebouwde omgeving
Energieproductie (zon-pv)
Gebouwde omgeving
Gebouwde omgeving
Koeling
Gebouwde omgeving
Mobiliteit
Personenvervoer
Mobiliteit: personenvervoer
Mobiliteit
Goederenvervoer (weg)
Mobiliteit: overig wegvervoer
Industrie
Staal
Energiebesparing industrie exclusief aardolieraffinage
Industrie
Raffinage
Energiebesparing aardolieraffinaderijen
Industrie
Chemie
Energiebesparing industrie exclusief aardolieraffinage
Industrie
Kunstmest
Energiebesparing industrie exclusief aardolieraffinage
Industrie
Voedsel
Energiebesparing industrie exclusief aardolieraffinage
Industrie
Papier
Energiebesparing industrie exclusief aardolieraffinage
PBL | 54
Industrie
Warmteproductie
Energiebesparing industrie exclusief aardolieraffinage
Landbouw (warmte)
Warmteproductie
Landbouw: geothermie
Landbouw (warmte)
Landbouw: warmtepompen
Zonne-energie, windenergie, overig hernieuwbare energie en energiebesparing in aardolieraffinage Voor deze vier investeringscategorieën is gebruikgemaakt van de Input-Outputtabel voor Japan uit 2015 (beschikbaar op de site van e-stat). De kapitaalmatrix in deze tabel bevat informatie over welke goederen of diensten nodig zijn om verschillende type producten te kunnen maken en welke sectoren die goederen en diensten leveren. De matrix voor Japan is dusdanig gedetailleerd dat deze informatie bevat op het detailniveau dat past bij de energietransitie. Het is bijvoorbeeld mogelijk om te achterhalen welke producten nodig zijn voor het aanleggen van wind- of zonneparken. Met behulp van deze matrix kunnen we afleiden in welke sectoren naar verwachting de vraag naar goederen of diensten toeneemt als er wordt geïnvesteerd in zonne-energie, windenergie, overig hernieuwbare energie of energiebesparing in de aardolieraffinage. Daarnaast hebben we de BACIhandelsdatabase uit 2020 (beschikbaar op de site van CEPII) en de PRODCOM-database gebruikt om vast te stellen welk aandeel van elk van de benodigde goederen in Nederland wordt geproduceerd en welk aandeel wordt geïmporteerd. We hebben de volgende stappen ondernomen om te bepalen welke bedrijfssectoren invloed zullen ondervinden van investeringen in zonne-energie, windenergie, overig hernieuwbare energie en aardolieraffinage: 1.
Voor elk van deze vier investeringscategorieën is bepaald welke van de producten die in de Japanse kapitaalmatrix worden onderscheiden daarbij aansluit op basis van de omschrijving van de producten in de Japanse tabel. Zo gebruiken we voor de investeringscategorie windenergie de informatie uit de tabel die hoort bij ‘elektriciteitsproductie door wind’. De producten die nodig zijn voor elk type investering volgens de Japanse tabel zijn vervolgens gelinkt aan de producten die worden onderscheiden in de MRIO-tabel (de zogenoemde CPA-productcodes). 2. Uitgezonderd voor de dienstensectoren, is een correctie uitgevoerd voor het feit dat sommige van de goederen (deels) worden geïmporteerd uit het buitenland en een verandering in de vraag hiernaar dus geen invloed heeft op de vraag naar arbeidskrachten in Nederland. Dit is gedaan voor alle producten uit de kapitaalmatrix die meer dan 1 procent uitmaken van de benodigde producten voor elk van de investeringscategorieën. Voorbeelden van producten waarvoor deze correctie is uitgevoerd zijn turbines, boilers en transformatoren. 3. Op basis van de BACI-handelsdata uit 2020 is de import van de in de vorige stap geselecteerde producten vastgesteld, door de Japanse productgroepen te linken aan de HS-codes uit de BACI-data.
Deze importcijfers worden gebruikt om als volgt het importaandeel te bepalen: 𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 = 𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 − 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 + 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝
De Nederlandse productie per product komt uit de PRODCOM-database (beschikbaar via de Statline website van het CBS). Op deze manier verkrijgen we een importaandeel voor de cruciale producten voor de investeringscategorieën, zoals windturbines. Als de import
PBL | 55
groter is dan de productie min export plus import, wordt het aandeel gelijk gezet aan 1 voor dat product. 4. De benodigde producten voor investeringen in de technologieën zijn door middel van de importaandelen gesplitst in een toename in de vraag voor deze producten in Nederland en een toename van de import van deze producten. Vervolgens worden de benodigde producten geaggregeerd naar het productniveau dat in de MRIO-tabel wordt gebruikt (de zogenoemde CPA-codes).
Duurzame mobiliteit De meer-investeringen in auto’s en overige voertuigen hebben we gemodelleerd als een toename in de vraag naar vervoersmiddelen. Voor deze investeringscategorie kijken we dus niet naar de investeringen die nodig zijn om meer voertuigen te produceren in Nederland. Een groot deel van de auto’s en andere voertuigen die in Nederland worden gekocht, wordt in het buitenland geproduceerd. We hebben de verwachte verandering in de vraag naar auto’s gecorrigeerd voor de import met behulp van de BACI-handelsdata. Die correctie is uitgevoerd op vergelijkbare wijze als hierboven is beschreven voor de andere vier investeringscategorieën. Om vervolgens in te kunnen schatten hoe groot de productie van elektrische auto’s in Nederland is, hebben we de totale productie van auto’s beperkt tot het aandeel van alle verkochte auto’s dat een nieuwe elektrische auto is. Dat is ongeveer 24 procent (Revnext & RVO 2021). De investeringen in laadpalen die nodig zijn om elektrisch rijden mogelijk te maken vallen onder de energienetwerken.
Landbouw (warmte) In de verkenning van Kalavasta en Berenschot (2021) zijn de gevolgen van het klimaatbeleid voor de landbouw beperkt tot meer-investeringen in warmte. Deze meer-investeringen zijn opgesplitst in geothermie (70 procent) en warmtepompen (30 procent) in lijn met de verdeling in het ETM. De vraag naar warmtepompen is gecorrigeerd voor het aandeel dat in het buitenland wordt geproduceerd. We hebben een correctie uitgevoerd voor het aandeel dat wordt geïmporteerd op vergelijkbare wijze als hierboven is beschreven voor de andere investeringscategorieën waar dit een rol speelt.
Elektriciteitsnet, energiebesparing industrie, gebouwde omgeving en geothermie Voor de overige investeringscategorieën is gebruik gemaakt van inschattingen uit de literatuur voor de benodigde producten. We hebben daarvoor de gegevens over de verwachte procentuele verdeling van deze investeringen over verschillende bedrijfssectoren uit de studies Garret-Peltier (2017) en Pollin et al. (2015) overgenomen. In tabel B3.2 (te raadplegen op pbl.nl) staat per investeringscategorie in welke bedrijfssectoren de meer-investeringen naar verwachting leiden tot een toename van de vraag naar producten en diensten en hoe groot het aandeel is van elke sector. Ook geven we per sector aan hoeveel procent van de productie naar verwachting in Nederland plaatsvindt en hoeveel wordt geïmporteerd. De percentages tellen per investeringscategorie op tot 100 procent.
Bijlage 4 Verandering in vraag naar arbeidskrachten in 63 sectoren De grootste veranderingen in de vraag naar arbeidskrachten vinden plaats in een beperkt aantal van de 63 sectoren die we onderscheiden in de MRIO-analyse. Figuur B4.1 laat de verandering zien
PBL | 56
in de tien subsectoren met de grootste toe- en afname voor de twee varianten van het klimaatbeleidsscenario. Alle overige sectoren zijn samengenomen tot één sector.
Figuur B4.1 laat zien dat tussen de sectoren die behoren tot de ‘machine-, apparaten- en metaalindustrie’ grote verschillen bestaan in de mate waarin de vraag naar arbeidskrachten zal veranderen. Zo neemt de vraag naar arbeidskrachten in ‘elektrische apparatuur’ met ruim 30 procent toe en in de ‘machinebouw’ met ongeveer 10 procent, terwijl de vraag naar arbeidskrachten in de sector ‘overige transportmiddelen’ juist licht afneemt als we veronderstellen dat de investeringen als gevolg van het klimaatbeleid ten koste van andere investeringen en/of consumptie gaan. De verschillen tussen de deelsectoren binnen de 21 sectoren betekenen dat de discrepantie tussen vraag en aanbod op een lager sectoraal niveau groter kan uitvallen.
Bijlage 5 Verandering in vraag naar arbeidskrachten bij basisscenario Figuur B5.1 laat zien hoe volgens het basisscenario de vraag naar arbeidskrachten in 2026 naar verwachting zal verschillen van de situatie in 2019. We laten dit zien voor de 21 sectoren die in het
PBL | 57
arbeidsmarktprognosemodel worden onderscheiden. Figuur B5.2 laat diezelfde verandering zien, maar dan niet per sector maar per provincie.
PBL | 58
Bijlage 6 Prognoses naar beroepsgroepen Figuur B6.1 (deel 1)
PBL | 59
Figuur B6.1 (deel 2)
PBL | 60
Figuur B6.1 (deel 3)
PBL | 61
Bijlage 7 Prognoses naar opleidingsniveau Figuur B7.1 (deel 1)
PBL | 62
Figuur B7.1 (deel 2)
PBL | 63
Literatuur Bakens, J., D. Fouarge, & G. de Lombaerde (2021), Evaluatie van arbeidsmarktprognoses naar beroep, Maastricht: ROA-TR-2021/2. Bertrand-Cloodt, D. (2010), Evaluatie uitbreidingsvraag en indicator toekomstig arbeidsmarktperspectief (ITA) tot 2008, ROA-TR-2010/6, Maastricht: ROA. CBS (2015), Methodebeschrijving NEV 2015: economische indicatoren energievoorziening, Den Haag/Heerlen: CBS. CPB (2021a), Actualisatie verkenning voor de middellange termijn 2022-2025, maart 2021, Den Haag: CPB. https://www.cpb.nl/sites/default/files/omnidownload/CPB-Raming-Actualisatie-MLT-20222025-maart-2021.pdf CPB (2021b), Centraal Economisch Plan 2021, Den Haag: CPB. CPB (2022), Centraal Economisch Plan 2022, Den Haag: CPB. Dupuy, A. (2009), An evaluation of the forecast of the indicator of the labour market gap, ROA-TR-2009/3, Maastricht: ROA. Europese Commissie (2018), A Clean Planet for all A European strategic long-term vision for a prosperous, modern, competitive and climate neutral economy, Brussel: Europese Commissie. Garrett-Peltier, H. (2017), ‘Green versus brown: Comparing the employment impacts of energy efficiency, renewable energy, and fossil fuels using an input-output model’, Economic Modelling, 61: 439-447. Heyma, A., J. van Kesteren, J. Bakens, R. Gerards, I. Klinker & E.
Graus (2022), Arbeidsmarktkrapte Technici: ontwikkelingen, verklaringen en handelingsperspectieven, SEO-rapport 2022-82 (verwachte publicatie september 2022). ILO (2018), Greening with jobs – World Employment and Social Outlook 2018. Geneve: ILO. Kalavasta & Berenschot (2021), Een essay over de financiering van de Energietransitie tussen 2020 en 2050. https://www.rijksoverheid.nl/documenten/rapporten/2021/02/12/een-essay-over-definanciering-van-de-energietransitie. Koning, M., N. Smit & T. van Dril (2016), Energieakkoord – Effecten van de energietransitie op de inzet en kwaliteit van arbeid, Amsterdam: EIB. Krook-Riekkola, A., Berg, C., Ahlgren, E. O., & P. Söderholm (2017), ‘Challenges in top-down and bottom-up soft-linking: Lessons from linking a Swedish energy system model with a CGE model’, Energy, 141: 803-817. Ligtvoet, A., A. Pickles & J. van Barneveld (2016), Kwalitatieve impact van het Energieakkoord op werkgelegenheid, Amsterdam: Technopolis. Masson-Delmotte, V., P. Zhai, H.O. Pörtner, D. Roberts, J. Skea, P.R. Shukla, A. Pirani, W. Moufouma-Okia, C. Péan, R. Pidcock & S. Connors (2018), Global warming of 1.5 C. An IPCC Special Report on the impacts of global warming of 1.5. Meekes, J. & W. Hassink (2019), ‘The role of the housing market in workers′ resilience to job displacement after firm bankruptcy’, Journal of Urban Economics, 109: 41-65. Montizaan, R.
(2009), Evaluatie vervangingsvraagprognoses naar opleiding en beroep, ROA-TR-2009/1, Maastricht: ROA. OECD (2017), Employment Implications of Green Growth: Linking jobs, growth, and green policies, Parijs: OECD. PBL | 64
Pollin, R., H. Garrett-Peltier, J. Heintz & S. Chakraborty (2015), Global Green Growth: Clean Energy Industrial Investments and Expanding Job Opportunities, New York: United Nations Industrial Development Organization (UNIDO) and Global Green Growth Institute (GGGI). Revnext & RVO (2021), Trendrapport Nederlandse markt personenauto’s, https://www.rijksoverheid.nl/documenten/rapporten/2021/09/22/bijlage-2-trendrapportnederlandse-markt-personenauto-s-editie-2021. ROA (2021a), Methodiek arbeidsmarktprognoses en -indicatoren 2021-2026, ROA-TR-2021/6, Maastricht: ROA. ROA (2021b), De arbeidsmarkt naar opleiding en beroep tot 2026, ROA-R-2021/5, Maastricht: ROA. Thissen, M., M.B.M. Lankhuizen, F. van Oort, B. Los & D. Diodato (2018), EUREGIO: The construction of a global IO DATABASE with regional detail for Europe for 2000-2010, TI Discussion Paper Series; Vol. 18-084/VI, Amsterdam: Tinbergen Institute. Weterings, A., D. Diodato & M. van den Berge (2013), Veerkracht van regionale arbeidsmarkten, Den Haag: PBL. Weterings, A., O. Ivanova, D. Diodato, M. Lankhuizen, M. Thissen, K. Schure & R. Koelemeijer (2018), Effecten van de energietransitie op de regionale arbeidsmarkt – een quickscan, Den Haag: PBL. Weterings, A., J. Bakens, O. Ivanova & D. Fouarge (2019), Frictie op de arbeidsmarkt door de energietransitie: een modelverkenning, Den Haag/Maastricht: PBL en ROA. Wieling, M. & L.
Borghans (2001), ‘Discrepancies between supply and demand and adjustment processes in the labour market’, Labour, 15: 33-56. Wieling, M., A. de Grip & E. Willems (1990), Een systematische kwalitatieve typering van arbeidsmarktinformatie, ROA-W-1990/8, Maastricht: ROA.
Het Researchcentrum voor Onderwijs en Arbeidsmarkt (ROA) heeft dit onderzoek uitgevoerd binnen het Project Onderwijs-Arbeidsmarkt (POA), bekostigd door het Nationaal Regieorgaan Onderwijsonderzoek (NRO) (dossiernummer 405-17-900), met bijdragen van de ministeries van Economische Zaken en Klimaat (EZK), Onderwijs, Cultuur en Wetenschap (OCW), Landbouw, Natuur en Voedselkwaliteit (LNV), Binnenlandse Zaken en Koninkrijksrelaties (BZK) en Sociale Zaken en Werkgelegenheid (SZW).
PBL | 65