4. Synergiën en afruilen binnen de SDG-agenda

De 2030-agenda voor de werelddoelen voor duurzame ontwikkeling is zo bijzonder vanwege haar reikwijdte. Niet alleen het mondiale karakter, maar ook het feit dat alle relevante welvaartsthema’s op sociaal-maatschappelijk, economisch en ecologisch terrein worden bestreken, maken dit initiatief uniek.

De breedte van de agenda brengt ook risico’s met zich mee. De SDG-agenda is gepresenteerd in de vorm van 17 doelen, met onderliggend 169 targets. Het is echter de vraag of al deze doelen en targets zonder meer naast elkaar gerealiseerd kunnen worden. Naast mogelijke synergie-effecten (waarbij investeren in één onderdeel van de SDG- agenda automatisch ook in voortgang op andere SDG’s en targets resulteert), is er op bepaalde terreinen ook sprake van afruilrelaties (waarbij de voortgang op één onderdeel van de SDG-agenda kan resulteren in een verslechtering op andere SDG’s en targets).

De vraag naar de samenhang binnen de SDG-agenda, en de mogelijkheid om mogelijke synergiën en afruilen te identificeren wordt extra klemmend nu nog slechts een decennium resteert om deze ambitieuze agenda te realiseren. Scharleman et al. benadrukken dan ook de noodzaak om beleid effectiever en efficiënter te maken. Hierbij is het van essentieel belang dat synergiën in de agenda geïdentificeerd en goed benut worden, en dat de negatieve welvaartseffecten in de vorm van afruil-effecten zoveel mogelijk worden beperkt.

Ook kan statistische informatie beleidsmakers helpen om dreigende afruilen te voorkomen. Zo laat empirisch onderzoek zien dat wanneer targets zich door de tijd heen minder gelijk ontwikkelen, dit uiteindelijk kan leiden tot een situatie van afruilen. Door meer inzicht te krijgen in de mate waarin de onderdelen van de SDG-agenda met elkaar samenhangen, kan het transitieproces richting de 2030-doelen beter worden vormgegeven.

Het vinden van verbanden

Het opsporen van de samenhangen binnen de SDG-agenda is een ingewikkelde opgave. Een belangrijke basis is gelegd in het werk van de Interlinkages Working Group of the IAEG-SDG, ingesteld door de Verenigde Naties. Het onderzoek naar de zogenaamde ‘interlinkages’, zowel binnen als tussen de 17 duurzaamheidsdoelen, is niet beperkt gebleven tot de VN-werkgroepen op dit terrein. In de periode vanaf 2016 is een grote stroom van publicaties op gang gekomen waarin wordt gepoogd meer grip te krijgen op de manier waarop de verschillende onderdelen van de SDG-agenda onderling samenhangen.

In deze literatuur kunnen globaal twee stromingen worden onderscheiden. Allereerst zijn er onderzoeken waarin wordt gekeken naar de mogelijke en verwachte causale relaties tussen de verschillende SDG-targets. Op basis van literatuuronderzoek (waarin wordt gekeken naar hoe vaak bepaalde combinaties van sleutelwoorden voorkomen) en aan de hand van enquêtes onder experts wordt een overzicht geboden van de belangrijkste verwachte synergie- en afruil-effecten.

Daarnaast is er een stroom van literatuur die zich richt op data-analyse. Door middel van tijdreeksanalyses kunnen aan de hand van uiteenlopende statistische methoden de belangrijkste samenhangen in de 2030-agenda worden geïdentificeerd. Parallel daaraan zijn er ook publicaties die zich juist richten op een cross-sectie analyse, waarbij de SDG- scores per target voor verschillende landen binnen één jaar worden geanalyseerd.

Figuur 4.1 geeft een indruk van de belangrijkste conclusies van een groot internationaal tijdreeksonderzoek dat is uitgevoerd. Voor een set van 227 landen hebben Pradhan et al. gekeken in hoeverre de data wijzen op mogelijke synergiën dan wel afruilen binnen de SDG-agenda.

4.1
Belangrijkste SDG-combinaties van synergiën en afruilen

Dit overzicht laat zien dat in de top tien van grootste synergie-effecten, SDG 1 (einde armoede) vijf keer betrokken is. Met andere woorden, het bestrijden van armoede heeft tevens gunstige effecten op andere SDG’s (en vice versa). In de top tien van grootste afruilen komt SDG 12 (duurzaam consumeren en produceren) liefst zeven keer voor. Dit wijst erop dat een verbetering van een aantal van de SDG’s (namelijk SDG 1 t/m 6 en SDG 10) leidt tot een verslechtering voor SDG 12.

Bij deze exercitie moeten wel twee kanttekeningen worden geplaatst. Allereerst betreft het een grote selectie aan landen, waarvan ook veel ontwikkelingslanden. Dat maakt dat bovengenoemde uitkomsten niet zonder meer ook voor Nederland gelden. Daarnaast gaat het hier uitdrukkelijk om het blootleggen van statistische verbanden. Dat wil nog niet zeggen dat er automatisch ook sprake is van causale relaties. Pas wanneer op basis van literatuuronderzoek kan worden aangegeven dat er ook duidelijk sprake is van causale verbanden, kan er daadwerkelijk van synergie- of afruilen worden gesproken.

Het is van belang dat in het opsporen van samenhangen en verknopingen binnen de SDG- agenda zowel een deductieve aanpak wordt gevolgd (met een overzicht van veronderstelde causale relaties) als een inductieve benadering (te weten het opsporen van statistische samenhangen op basis van tijdreeksen of cross sectie analyse). Deze beide aanpakken hebben zo hun verdienste, en kunnen als complementair worden gezien. Het identificeren van de belangrijkste causale relaties is uiteraard van groot belang, omdat een louter empirisch kwantitatieve analyse weliswaar statistische verbanden aan het licht kan brengen, zonder dat er sprake is van een onderliggend causaal verband. Anderzijds, hebben de kwantitatieve analyses het voordeel dat ze kunnen aangeven hoe onderlinge verbanden tussen de SDG-targets door de tijd heen kan veranderen.

Eerste uitkomsten voor Nederland

Zoals reeds aangegeven is, kunnen de empirische resultaten gepresenteerd in figuur 4.1 niet zonder meer als richting gevend voor Nederland worden beschouwd. Vandaar dat het CBS op basis van de tijdreeksen voor de SDG-indicatoren een co-integratietest heeft uitgevoerd, waarmee is nagegaan welke SDG-reeksen sterk met elkaar correleren voor Nederland. De resultaten die worden gepresenteerd zijn experimenteel en dus nog voorlopig van aard. Er wordt nog gezocht naar een aantal methodologische verbeteringen. De gehanteerde methode is echter een die internationaal gangbaar is.

De mate van samenhang tussen tijdreeksen wordt bepaald op basis van Engle-Granger Two-Step co-integratie. Met een co-integratietoets wordt onderzocht of twee tijdreeksen eenzelfde onderliggende trendmatige ontwikkeling hebben. De co-integratietoets levert een p-waarde op. Hoe dichter 1-p komt bij 1, des te sterker is de gelijkenis in de bewegingen van de trend. Een waarde van meer dan 0.95 (een p-waarde van 0.05) wordt gezien als een zeer sterk verband.

Figuur 4.2 geeft schematisch de belangrijkste uitkomsten van deze statistische analyse weer. Allereerst geven de onderste rij en de rechter kolom in de figuur aan in hoeverre er sprake is van mogelijke synergiën en afruilen binnen de verschillende SDG’s. Bij een aantal SDG’s is er sprake van targets waarvan verwacht mag worden dat ze elkaar over en weer versterken. Ook kan er echter sprake zijn van targets die onderling strijdig zijn, en van waaruit afruileffecten ontstaan. Bolletjes in een rode kleur geven mogelijke afruileffecten aan, de blauw gekleurde bolletjes wijzen op mogelijke synergiën. De omvang van de bolletjes geeft aan of het effect relatief groot of klein is. Op eenzelfde manier worden de verknopingen tussen de 17 SDG’s aangegeven. Ook hier zien we waar, afgaande op de omvang van de bolletjes en hun kleur, de grootste potentiële synergiën en afruilen liggen.

4.2
Percentage van de statistische relaties binnen en tussen de 17 SDGs dat mogelijk een synergie of een afruil vertegenwoordigt

Toelichting:
Er is sprake van verwachte synergie of afruil bij een co-integratietoets (1-p) van 0,90 of hoger. Een mogelijke synergie is weergegeven in het blauw, een mogelijke afruil in het rood. Aan de onderkant en de rechterkant van de visualisatie zijn respectievelijk de potentiële afruil en de potentiële synergie binnen SDG’s in een aparte rij en kolom weergegeven.

Deze figuur laat zien dat er sprake is van relatief grote potentiële afruileffecten binnen SDG 12. De grootste mogelijke synergie effecten binnen SDG’s treden op bij SDG 13 en 15, en in iets minder sterke mate bij SDG’s 2,3, 10, 11 en 12.

Onderstaande staatjes geven (zoals in figuur 4.1 al voor de internationale dataset was gedaan) een overzicht van de combinaties van SDG’s waarin de correlaties tussen de indicatoren wijzen op mogelijk sterke synergie- of afruilrelaties. Hierbij is de hele set van indicatoren die in de dashboards van hoofdstuk 3 is gepresenteerd, aan een co-integratietest onderworpen.

4.3
Tien SDG-combinaties met de meeste potentiële synergie-effecten

4.4
Tien SDG-combinaties met de meeste potentiële afruil-effecten

Deze eerste en voorlopige resultaten suggereren dat vooral voortgang op SDG 13 (Klimaatactie) mogelijk positieve effecten heeft op andere SDG’s en vice versa (SDG 13 maakt onderdeel uit van zes van de tien SDG-combinaties in de top 10 van sterkste potentiële synergie-effecten). Bij de top 10 van mogelijke afruileffecten domineert SDG 10 (ongelijkheid verminderen). In liefst negen van de tien gevallen is SDG 10 onderdeel van deze lijst. Dit suggereert dat voortgang op de andere SDG’s een negatief effect heeft op SDG 10 (en vice versa).

Met nadruk wordt erop gewezen dat het hier om voorlopige onderzoeksresultaten gaat, en dat het gaat om het blootleggen van statistische verbanden. Pas wanneer op basis van literatuuronderzoek kan worden aangegeven dat er ook duidelijk sprake is van causale verbanden, kan er daadwerkelijk van synergie- of afruilen worden gesproken. De hier gepresenteerde resultaten kunnen een aanwijzing geven van de mogelijke synergiën en afruilen. Vervolgonderzoek zal moeten uitwijzen of hier ook sprake is van duidelijke causale relaties. In hun onderzoek naar brede welvaart zullen de drie Planbureaus (CPB, PBL en SCP) deze thematiek ook verder onder de loep nemen.