Nieuwe inzichten uit de gedragswetenschappen zijn ook relevant voor overheidsbeleid. Sinds een aantal jaren voeren de ministeries meerdere pilots uit wat betreft het toepassen van gedragsinzichten in beleid. Zo hield Economische Zaken een pilot met het oogmerk het uitstelgedrag van boeren te verminderen bij de jaarlijkse aanlevering van gegevens. Door middel van randomized controlled trials kunnen de effecten van gedragsinterventies goed gemeten worden.
Jeremy Bentham beschreef in A fragment on government (1776) wat hij een fundamenteel axioma noemde: “Het grootste geluk voor het grootste aantal is de maatstaf voor goed en slecht.” Bentham (1789) deed ook een praktisch voorstel voor de berekening hiervan, zijn felicific calculus. Deze ideeën zijn nu, ruim twee eeuwen later, in de economie nog springlevend. Micro-economen kennen hun eigen versie van de felicific calculus, waarbij in theorie alles waar wij waarde aan hechten, kan worden omgerekend naar een waarde in harde euro’s. Macro-economen geven vervolgens aanwijzingen hoe de welvaart (lees: het geluk) van een land kan worden verhoogd. Overheidsbeleid is veelal gebaseerd op dergelijke economische modellen. Daarmee is Benthams fundamentele axioma impliciet nog steeds het uitgangspunt van veel overheidsbeleid.
De toepassing van economische modellen is echter niet zonder problemen. Denk daarbij bijvoorbeeld aan de discussies rond ‘brede welvaart’ (Tijdelijke Commissie Breed Welvaartsbegrip, 2016). Bovendien hebben economische modellen veelal een behoorlijk beperkt mensbeeld.
De homo economicus
Economische modellen worden bevolkt door een ideaalbeeld dat wel wordt aangeduid als de homo economicus. Deze homo economicus is rationeel, van alle informatie op de hoogte en streeft altijd eigenbelang na. Het is een koele rekenaar zonder emoties. De laatste decennia is er binnen en buiten de economie steeds meer kritiek op dit mensbeeld. Niet alleen omdat het als theoretisch concept onrealistisch is, maar ook omdat het soms tot verkeerde conclusies leidt en daarmee tot verkeerd beleid.
Zo kan de homo economicus prima omgaan met meer keuzevrijheid. Volgens de modellen kan extra keuze alleen maar leiden tot meer geluk. In de praktijk echter kan meer keuzevrijheid keuzestress opleveren, of maken mensen door een overdaad aan intransparante keuzemogelijkheden juist slechtere keuzes (Iyengar en Lepper, 2000). Een ander voorbeeld is het effect van voorlichting. Een homo economicus kun je door voorlichting behoeden voor het maken van slechte keuzes, zoals roken of ongezond eten. In de praktijk is dit voor de meeste mensen echter niet genoeg om hun gedrag aan te passen – het leidt hooguit tot een toegevoegd schuldgevoel. Ook financiële instrumenten zullen op een homo economicus hun uitwerking hebben, want hij berekent meteen of de gewijzigde kostenstructuur ervoor kan zorgen dat een andere keuze voor hem optimaal is. Maar in de praktijk blijkt gedrag veelal gebaseerd op gewoontes en zien we dat veel mensen hun gedrag niet aanpassen. Daarnaast zal de homo economicus altijd gelukkiger worden door een hoger inkomen, maar tonen onderzoeken aan dat dit in de praktijk slechts tot op bepaalde hoogte geldt (Kahneman en Deaton, 2010).
Uiteindelijk betekent dit dat iets waarvan de homo economicus in theorie gelukkig wordt niet altijd hetzelfde is als waarvan mensen in de praktijk gelukkig worden. Een overheid die het geluk van inwoners nastreeft, doet er dus goed aan om rekening te houden met deze kritiek op de homo economicus.
Gedrag en beleid
Binnen de economie heeft de gedragseconomie de afgelopen decennia gewerkt aan een rijker, maar dus ook complexer mensbeeld. Daarbij is voortgebouwd op resultaten vanuit andere gedragswetenschappen zoals de sociale psychologie en de antropologie. De nadruk hierbij ligt op het gedrag van mensen. Dat is voor de overheid ook heel relevant, want veel overheidsbeleid heeft uiteindelijk tot doel dat mensen zich anders gaan gedragen.
In 2008 schreven Richard Thaler en Cass Sunstein het boek Nudge, waarin ze lieten zien dat dit rijkere mensbeeld ook resulteert in meer mogelijkheden voor de overheid om het gedrag van mensen te sturen. Vooral in Engeland is hier invulling aan gegeven met de oprichting van het Behavioural Insights Team in 2010. Zij hebben laten zien dat simpele ingrepen een groot verschil kunnen maken. Bijvoorbeeld dat meer mensen hun belastingen op tijd betalen, dat werklozen sneller een baan vinden of dat er meer energiebesparende investeringen worden gedaan (BIT, 2014; 2015).
In 2014 hebben de Raad voor de leefomgeving en infrastructuur, de Raad voor Maatschappelijke Ontwikkeling en de Wetenschappelijke Raad voor het Regeringsbeleid de overheid geadviseerd om gebruik te maken van gedragsinzichten ten einde het beleid effectiever en goedkoper te maken (Rli, 2014; RMO, 2014; WRR, 2014). Het kabinet heeft deze adviezen omarmd. Alle ministeries hebben toegezegd om een of meerdere pilots uit te voeren en zo te bezien wat de meerwaarde hiervan is voor hun beleidsterreinen (Ministerie van Economische Zaken, 2014).
Het ministerie van Economische Zaken heeft daarvoor een eigen Behavioural Insights Team (BIT EZ) opgezet. Er wordt onder andere gewerkt aan het bevorderen van energiebesparing door bedrijven, aan het verminderen van voedselverspilling en aan een betere informatiebeveiliging.
EZ heeft daarnaast het initiatief genomen tot de oprichting van het Behavioural Insights Netwerk Nederland (BIN NL) en coördineert dit netwerk ook. BIN NL is bedoeld om kennis uit te wisselen en heeft een aanjaagfunctie. Coördinatoren gedragskennis van alle elf de departementen zijn lid van BIN NL. Bij de departementen vragen zij aandacht voor het toepassen van gedragsinzichten in beleid, en waar nodig bieden ze begeleiding.
Uitstelgedrag bij boeren
BIT EZ werkt aan het voorkómen van uitstelgedrag onder boeren bij het indienen van de jaarlijkse gecombineerde opgave (GO). Alle boeren in Nederland moeten jaarlijks data aanleveren bij de Rijksdienst voor Ondernemend Nederland (RVO) ten behoeve van Europese en nationale statistieken, het maken van emissieberekeningen en het verkrijgen van zowel Europese als nationale landbouwsubsidies. Het gaat daarbij bijvoorbeeld om zaken als hun grondoppervlak, soorten gewassen en aantal dieren. Jaarlijks krijgen de boeren rond 1 april de aanschrijving voor de GO. Na de aanschrijving hebben ze tot half mei de tijd om de gegevens in te dienen. Nu blijken de boeren veelal te wachten tot het laatste moment met indienen. De ervaring leert dat circa 60 procent pas in de laatste twee weken indient en circa 40 procent zelfs in de laatste week. Hierdoor raakt het digitale systeem overbelast en kent de helpdesk een grote piekdrukte, waardoor deze lastig bereikbaar is, ondanks extra uitzendkrachten. Dit leidt tot vertragingen en ongenoegen bij de boeren. RVO heeft om deze redenen aan BIT EZ gevraagd of er mogelijkheden zijn om het uitstelgedrag te verminderen.
Uit de literatuur blijkt dat uitstelgedrag hardnekkig en lastig te beïnvloeden is (Boele et al., 2015). Dit komt onder meer omdat de gegeven deadline niet alleen een uiterste inleverdatum is, maar ook werkt als een zogenaamd ‘ankerpunt’. Zolang die datum nog ver weg is, lijkt het niet nodig om al aan het werk te gaan. Een mogelijkheid is daarom om een eerdere adviesdatum te geven die kan fungeren als een alternatief ankerpunt. Het geven of veranderen van een ankerpunt kan een krachtig middel zijn – zo is het aandeel studenten dat een maximale studielening aanvraagt spectaculair gedaald door de standaardoptie te wijzigen (Van der Steeg en Waterreus, 2015). Een andere mogelijkheid is een commitment device te gebruiken om mensen zich te laten vastleggen. Het is namelijk niet uit onwil dat ze laat inleveren, ze hebben alleen een extra zetje nodig om het daadwerkelijk op tijd te doen. Het inzetten van ‘zelfbinding’ is een effectief middel gebleken om mensen bijvoorbeeld files te laten vermijden door het opstellen van een persoonlijk ‘mijdplan’ (D&B, 2013), en sneller een baan te laten vinden door wekelijks op te schrijven welke activiteiten ze zullen gaan ondernemen (BIT, 2014).
Deze ideeën zijn verwerkt in de aanschrijvingsbrief die de boeren begin april hebben ontvangen. Om de effecten van de verschillende interventies te meten, is voor de opzet van een randomized controlled trial gekozen. De boeren zijn willekeurig in vier groepen verdeeld die elk een verschillende brief hebben ontvangen. Allereerst was er een controlegroep die een standaard aanschrijvingsbrief ontving. Dan waren er twee groepen die hierbij als ankerpunt een adviesdatum meekregen; voor de eerste groep was dat 22 april en voor de tweede 29 april. De laatste groep kreeg een kalender mee waarop stond aangegeven welke dagen naar verwachting druk waren en welke juist rustig. Om zich te committeren, werd hun gevraagd om op die kalender de dag te omcirkelen waarop ze hun gegevens wilden aanleveren.
Figuur 1 geeft per brief aan welk percentage van de boeren in de laatste twee weken de gegevens heeft aangeleverd. Daarbij worden alleen de boeren meegenomen die de gegevens zelf hebben aangeleverd (ongeveer de helft van de boeren laat dit invullen door hun accountant of een adviesbureau). Wat betreft de controlegroep heeft twee derde gewacht tot de laatste twee weken. Bij de andere drie groepen is dat significant minder. Daarbij is de maximale winst ruim zeven procent minder indieners in de laatste twee weken.
Opvallend is dat de ankerpunten beter blijken te werken dan het commitment device. Dit verschil is ook significant, terwijl het verschil tussen de beide ankerpunten niet significant is. Vooraf hadden we juist het grootste effect verwacht van de kalender. Deze interventie trekt immers meer aandacht dan de adviesdatums, en zelfbinding is in andere situaties heel krachtig gebleken. Wat hier misschien heeft meegespeeld is dat het niet mogelijk was om de kalender in kleur af te drukken en om deze als los document mee te sturen. Verder bleek uit de enquête die achteraf naar de boeren werd gestuurd dat slechts drie procent ook daadwerkelijk een datum had omcirkeld.
In die enquête werd er ook gevraagd naar de reden waarom men zich aan de adviesdatum had gehouden. Het meest genoemde antwoord was: “De datum hielp mij om het invullen niet tot het laatste moment uit te stellen”. Dit laat zien dat mensen wel weten dat het goed is om het indienen niet uit te stellen, maar dat ze een dergelijk steuntje in de rug nodig hebben om er ook daadwerkelijk naar te handelen.
Evidence-based beleid
De resultaten laten zien dat het mogelijk is om het uitstelgedrag te verminderen door gebruik te maken van inzichten uit de gedragswetenschappen. Tegelijkertijd tonen de resultaten ook aan dat niet alles wat theoretisch werkt een even grote invloed heeft in de praktijk.
Dat benadrukt ook het belang van de pilot. Ten eerste geven pilots inzicht in de effectiviteit van beleid voordat er veel geld – in sommige gevallen miljoenen – aan wordt besteed. Ten tweede kunnen er verschillende (varianten van) beleidsmaatregelen uitgeprobeerd worden en wordt er zo gericht kennis opgedaan over wat werkt. Ten derde leveren pilots vaak aanvullende inzichten op.
Conclusie
Door rekening te houden met hoe mensen zich echt gedragen, kan de overheid haar beleid effectiever en goedkoper maken. Om dit ook daadwerkelijk te bereiken, is het van belang dat dit beleid in de praktijk wordt getoetst. Zo komt de doelstelling van Jeremy Bentham – het bewerkstelligen van het grootste geluk voor het grootste aantal mensen – een beetje dichterbij.
Auteur
Categorieën
