Een motorrijtuigenbelasting op basis van het oppervlak van auto’s – in plaats van gewicht – lijkt bevorderlijk voor de elektrificatie van het wagenpark. Maar een snelle analyse met AI laat zien dat deze grondslag sterk regressief uitpakt. Een combinatie van gewicht en volume biedt mogelijk een beter alternatief.
In Nederland wordt de wegenbelasting, officieel de motorrijtuigenbelasting (MRB), geheven op basis van het gewicht van de auto. Elektrische voertuigen (EV’s) zijn echter relatief zwaar, terwijl ze vanwege de lagere CO2-uitstoot voor lagere maatschappelijke kosten zorgen. Momenteel geldt er daarom een korting van 25% op de MRB voor EV’s. Zodra die korting in 2030 vervalt, zal het hogere gewicht van EV’s leiden tot hogere belastingen en wordt de aanschaf van een EV minder aantrekkelijk. Daarom zoeken staatsecretaris van Oostenbrugge (Belastingdienst) en Minister Hermans (Klimaat) naar een alternatieve grondslag voor de MRB. Een voorstel is om het oppervlak van een auto, de schaduw die de auto op het wegdek werpt, als maatstaf te gebruiken (Brandsema en Muller, 2025). In dit systeem betalen eigenaren van grote auto’s meer belasting, ongeacht het gewicht, zodat EV’s aantrekkelijk blijven.
Op het eerste gezicht lijkt een MRB op basis van de auto-oppervlakte een maatregel die de elektrificatie van het wagenpark stimuleert én een progressief karakter heeft: mensen met een lager inkomen rijden doorgaans in kleinere auto’s en zouden dus minder belasting betalen.
Maar klopt dat wel? Als er weinig variatie zit in de oppervlakte van auto’s, kan de aangepaste grondslag sterk regressief zijn: huishoudens met lagere inkomens betalen dan straks relatief meer belasting dan rijkere huishoudens.
Een snelle analyse, mede met behulp van artificiële intelligentie (AI), suggereert dat een wegenbelasting op basis van oppervlak inderdaad sterk regressief uitpakt. Een belasting op basis van volume maal het gewicht lijkt beter uit te pakken.
Op basis van deze snelle analyse kunnen nog geen conclusies worden getrokken voor beleid: een langzame analyse, met behulp van werkelijke (menselijke) intelligentie, is nodig om daar met meer zekerheid iets over te zeggen.
Rekenvoorbeeld
Ik zocht gegevens op van een handvol veel verkochte auto’s – zie tabel 1 – om de intuïtie dat een belasting op basis van oppervlak regressief kan uitpakken te valideren en af te zetten tegen de huidige MRB.
Op dit moment is het gewicht de basis voor de MRB, maar de MRB is niet proportioneel met het gewicht: de MRB stijgt meer dan proportioneel met het gewicht. Zo is de BMW 3 minder dan twee keer zo zwaar als de Kia Picanto, maar betaalt drie keer zoveel wegenbelasting. De belastingdienst werkt met belastingtarieven per gewichtsklasse.
Opvallend gevolg van het stelsel met gewichtsklassen is dat de jaarlijkse MRB-belasting voor alle modellen min of meer twee procent bedraagt van de aanschafwaarde, voor zowel goedkope en kleine, als voor dure en grote modellen. Uitgaande van de veronderstelling dat duurdere auto’s vaker worden gekocht door huishoudens met een hoger inkomen, voorkomt het huidige stelsel zo dat de belastingdruk sterk regressief uitvalt.
Dat de MRB voor veel automodellen neerkomt op ongeveer twee procent van de aanschafwaarde, suggereert dat prijs in theorie als grondslag had kunnen dienen. In de praktijk verdienen fysieke eigenschappen echter de voorkeur, omdat die eenduidiger vast te stellen zijn en beter aansluiten bij maatschappelijke kosten zoals wegslijtage en ruimtebeslag. Bovendien zou een prijsgrondslag elektrische auto’s benadelen, omdat die vooralsnog relatief duur lijken.
Bij deze vijf modellen zou een belasting op basis van het oppervlak regressief uitpakken ten opzichte van de huidige MRB. Een Kia Picanto kost circa 20.000 euro en heeft een oppervlak van ongeveer 5,7 vierkante meter. Een BMW 3 kost 57.500 euro en heeft een oppervlak van ongeveer 8,6 vierkante meter. Als simpelweg het oppervlak de belastinggrondslag vormt, betaalt de eigenaar van de BMW de helft meer MRB, terwijl de aanschafprijs van de auto bijna drie keer zo hoog is. De tabel maakt duidelijk dat dit geen toevallige uitkomst is van een vergelijking van deze twee auto’s. Duurdere auto’s zijn groter dan goedkope auto’s, maar niet proportioneel.
‘Snelle wetenschap’ met AI
De bovenstaande tabel is een momentopname voor vijf modellen. De informatie geeft een indruk maar nog geen volledig beeld van de effecten van de MRB-grondslag op de verdeling van belastingdruk. Ook weten we nog niet hoe de grondslag uitpakt voor EV’s.
Zelf alle data over de automodellen verzamelen kost echter veel tijd – waar ik niet over beschikte. Maar gelukkig hebben we met AI tegenwoordig de perfecte onderzoeksassistent, zo houdt Silicon Valley ons voor.
Ik heb dus drie LLM-modellen gevraagd de data te verzamelen: Perplexity, Mistral en ChatGPT. Ik heb ChatGPT de verkoopcijfers van 2024 gevraagd en de 100 bestverkochte modellen geselecteerd (Perplexity en Mistral slaagden er niet in de verkoopcijfers te vinden). Vervolgens heb ik alle drie de LLM-modellen gevraagd om voor elk model de lengte, breedte, hoogte, gewicht en verkoopprijs (2025, incl. btw en bpm) van het instap of basismodel op te zoeken, uitgesplitst naar type aandrijving. Van de drie antwoorden van de LLM-modellen heb ik steeds de mediaan genomen voor de statistische analyse. Mistral kon de prijs niet vinden; ChatGPT kon het gewicht niet vinden.
LLM’s staan er om bekend dat ze kunnen hallucineren: het algoritme wil een constructief antwoord geven en verzint dat indien ‘nodig’. Ook repliceerbaarheid is beperkt: dezelfde prompt kan een ander resultaat geven; het LLM leert over de tijd.
Hoewel ik substantiële fouten niet kan uitsluiten, heb ik daarvoor geen aanwijzingen gevonden. Toch is een waarschuwing op zijn plaats. Deze analyse kan niet gebruikt worden voor beleidsvorming. Maar voor een eerste indruk van statistische verhoudingen tussen autoprijzen en eigenschappen, is het interessant om te zien wat de LLM-modellen kunnen leveren.
Zoals de tabel hieronder laat zien zijn de opgeleverde data sterk gecorreleerd tussen de drie LLM-modellen. Voor de vijf modellen die ik zelf heb opgezocht correleren de AI-data bovendien sterk met mijn eigen data (correlatie is bijna altijd dicht bij de 1). Het gewicht heeft de laagste correlatie; dat lijkt te komen doordat er automodellen zijn die verschillen in gewichtsklasse per sub-model.
Resultaten
Om inzicht te krijgen in de verdeling van de belastingdruk, ga ik opnieuw uit van de aanname dat huishoudens met hogere inkomens gemiddeld duurdere auto’s aanschaffen. De autoprijs kan zo dienen als instrument om de belastingdruk te analyseren.
De onderstaande figuur maakt visueel inzichtelijk dat een belasting op basis van oppervlak sterk regressief is. Oppervlak stijgt met de aanschafprijs – dure auto’s zijn groter – maar minder dan proportioneel. De rechte lijn door de oorsprong geeft de gemiddelde verhouding (0,182 vierkante meter per duizend euro) tussen oppervlakte en prijs aan. Alleen voor auto’s die op de gemiddelde lijn liggen stijgt de prijs proportioneel met het oppervlak. Bij een MRB die proportioneel is aan het oppervlak betalen auto’s boven en links van de lijn (kleine en goedkope auto’s) daarom relatief meer belasting ten opzichte van hun waarde. Omgekeerd betalen auto’s onder en rechts van de lijn (grote en dure auto’s) juist minder belasting in verhouding tot hun prijs.
Om de verdeling van de belastingdruk en de noodzaak van een korting voor EV’s beter in kaart te brengen voor verschillende mogelijke belastinggrondslagen, heb ik vier regressiemodellen geschat. Elk model voorspelt een andere fysieke eigenschap van auto’s – oppervlak, volume, gewicht, en volume × gewicht – op basis van prijs en type aandrijving (benzine of elektrisch). De maatstaf volume en (volume × gewicht) heb ik genomen omdat ook de hoogte van een auto ongemak voor medeweggebruikers kan veroorzaken. Van alle variabelen neem ik het logaritme, en observaties zijn gewogen met het aantal verkopen.
De coëfficiënt voor prijs beschrijft de progressiviteit van de grondslag. Een coëfficiënt van 1 betekent dat de grondslag proportioneel met de prijs toeneemt. Een lagere coëfficiënt betekent dat de grondslag minder dan proportioneel toeneemt. De tabel hieronder vat de resultaten samen:
De regressiecoëfficiënten voor elektrische aandrijving suggereren dat elektrische auto’s met vergelijkbare prijs niet veel kleiner zijn dan benzineauto’s, zowel qua oppervlak als qua volume. Wel hebben EV’s een significant zwaarder gewicht. De coëfficiënten voor prijs tonen dat:
- Het oppervlak stijgt met 30 procent van de prijsstijging;
- Het volume stijgt met 40 procent;
- Het gewicht met 50 procent;
- Het product van volume en gewicht stijgt met bijna 90 procent – vrijwel proportioneel aan de prijs.
De AI-analyse ondersteunt daarmee ook dat een grondslag op basis van oppervlak sterk – relatief het meest – regressief is. Het verschil in oppervlak is bij dezelfde prijs nauwelijks significant tussen benzine en elektrisch aangedreven auto’s, waardoor een korting voor EV’s wellicht niet meer nodig is. Maar wil het kabinet aanschaf van EV’s stimuleren én voorkomen dat belastingdruk wordt verplaatst naar lage inkomens met kleine auto’s, dan is het nodig dat de MRB zeer sterk boven-proportioneel stijgt met het oppervlak.
Alleen de laatste maatstaf (volume × gewicht) levert een belastingbasis op die op zichzelf niet of nauwelijks regressief is. Echter, hier geldt net als in het huidige stelsel dat een korting voor EV’s relevant blijft vanwege het hogere gewicht. Het lijkt dus moeilijk om een nieuwe grondslag te vinden die louter fysieke eigenschappen van de auto gebruikt en zowel EV’s niet ontmoedigt als niet sterk regressief is.
Conclusie
Het oppervlak als grondslag voor de MRB lijkt als basis meer regressief dan de huidige situatie met het gewicht als basis. Dit betekent dat, als we hoge belastingen voor lage inkomens willen voorkomen, tarieven moeten worden gekozen die sterk meer-dan-proportioneel stijgen met oppervlak. Hier staat tegenover dat een korting voor EV’s dan niet meer nodig lijkt. Maar de vrees dat het gewicht als basis elektrische auto’s benadeelt, wordt ook eenvoudig gecorrigeerd door de huidige korting voor EV’s niet af te schaffen.
Kort gezegd: om elektrisch rijden te stimuleren lijkt het niet nodig om de grondslag te veranderen. Als toch een nieuwe grondslag wordt gezocht, kan ook een combinatie van gewicht en volume gebruikt worden: het houdt rekening met wegslijtage, beslag op de weg, ongemak voor medeweggebruikers, en met de financiële draagkracht van de autobezitter. Ook dan blijft een korting voor EV’s wenselijk. Belangrijke kanttekening is wel dat de analyse is uitgevoerd met hulp van LLM-modellen. Deze conclusies zijn dus suggestief en niet wetenschappelijk hard bewezen. Daarvoor zal er toch een mens nog aan de slag moeten.
Literatuur
Brandsema, L. en Muller, G. (2025) Motorrijtuigenbelasting flink op de schop: niet gewicht, maar oppervlakte telt mee. Nieuwsbericht op www.telegraaf.nl, 24 april.
Auteur
Categorieën