Upload
nguyentu
View
220
Download
0
Embed Size (px)
Citation preview
2
Können Preissteigerungen die Energienachfrage eindämmen?Empirische Analyse am Beispiel österreichischer Haushalte
Dr. Stephan SharmaE-Control GmbH
Kommunales Infrastrukturmanagement
6.06.2008
3
Einleitung
12.4
12.8
13.2
13.6
14.0
14.4
76 78 80 82 84 86 88 90 92 94 96 98 00 02 04
LOG_X_GAS
15.4
15.6
15.8
16.0
16.2
16.4
16.6
76 78 80 82 84 86 88 90 92 94 96 98 00 02 04
LOG_X_STROM
4
Einleitung
• Haushalts-Strom- und Gasverbrauch stetig zugenommen
• Wirtschafts- bzw. Wohlstandswachstum Hauptursache?
• Problem: Erhöhung der Abhängigkeit und Emissionen → Erfüllung internationaler Verpflichtungen schwieriger
• Lösung: Steigerung der Energieeffizienz und des –sparens
• Für mittel- bis langfristige Maßnahmen zu spät → kurzfristig erreichbar über Erhöhung der Besteuerung von Strom und Gas („Negativ-Anreiz“)
• Effektivität hängt von der Einkommens- und Preiselastizität der Strom- bzw. Gasnachfrage ab
5
Inhaltsverzeichnis
1. Modelle zur Bestimmung der Elastizitätena) Lineare
b) Doppelte-Log
c) Fehlerkorrektur („EC“)
d) A/Symmetrische instrumentalisierte EC (NEU)
2. Haushaltsnachfrage-Modella) Strom
b) Gas
3. Effektivität steuerpolitischer Maßnahmen
4. Schlussfolgerungen
Theorie
Empirie
6
1.a Lineare-Modelle
• Intuitiv erster Ansatz: Schätzung Elastizitäten aus linearer Nachfragebeziehung mit Kleinstquadrate (KQ)-Methode:
(1)
(2)
x..Nachfrage, p..Preise, m..Einkommen, z..andere Variable
• ,
• Lineare Modelle liefern konstante Schätzer, Elastizitäten sind jedoch vom Zeitpunkt t abhängig
∑ +⋅+⋅+⋅+=i
ttiittt uzmpx ,λγβα
t
tpx
x
ptt
⋅= βη ˆ,
t
tmx
x
mtt
⋅= γη ˆ,
∑∑∑∑∑=
−=
−=
−=
− +⋅+⋅+⋅+⋅+=R
r i
trtiri
L
l
ltl
K
k
ktk
J
j
jtjt uzmpxx0
,,001
λγβµα
7
1.a Lineare-Modelle
• Aus (2) möglich langfristige Elastizitäten zu bestimmen:
Langfristiger Preiseffekt:
• Langfristige Elastizität existiert nur falls kurzfristige und KQ-Schätzer für µ signifikant
• Nachteil Linearer-Modelle:
→ nicht direkt Elastizitäten
→ Koexistenz kurz- und langfristiger Elastizitäten
1
00
21010
1...
µββµβµβ−
=+⋅+⋅+
8
1.b Doppelte-Log-Modelle
• Gleichung (1) und (2) in logarithmischer Form
• Schätzer und somit kurzfristige Elastizitäten:
• Nachteil Linearer- u Doppelter-Log-Modelle: Zeitreihen (ZR) müssen stationäre stochastische Prozesse sein;
• Strom- und Gasnachfrage haben stochastischen Zeittrend → Nicht-Berücksichtigung liefert Scheinzusammenhang
β̂ γ̂
t
t
t
t
tpxx
p
p
xt
⋅∂∂
=,η ( )( )( )
( )t
t
t
t
t
t
t
t
x
p
p
p
p
x
x
x⋅
∂∂
⋅∂∂
⋅∂
∂=
ln
ln
ln
ln
t
t
t
tx
p
px ⋅⋅⋅= 1β̂ β̂=
9
1.c Fehlerkorrektur- (EC) Modelle
• ZRen-Differenzierung nicht ausreichend, da langfristige Information (falls vorhanden) verloren geht
• Lösung Kointegrations-Konzept Engel u. Granger (1987)
• Idee: Existiert stationäre Linearkombination zweier od. mehrerer nicht-stationärer ZRen, Schätzung im Rahmen eines Fehlerkorrektur-Modells:
(3)
ecm beschreibt stationäre Kointegrationsbeziehung zw. Variablen in Einheiten, alle Variablen sind logarithmiert
∑∑∑∑∑=
−=
−=
−=
−− +∆⋅+∆⋅+∆⋅+∆⋅+⋅+=∆R
r i
trtiri
L
l
ltl
K
k
ktk
J
j
jtjtt uzmpxecmx0
,,001
1 λγβµϕα
10
1.d A/Symmetrische instrumentalisierte EC-Modelle - NEU
• Standardannahme der Exogenität der unabhängigen Variablen verletzt (p, m, xt-j) → Schätzer verzerrt und inkonsistent → zwei-stufige OLS-Schätzung notwendig
• Annahme einer symmetrischen Nachfragefunktion möglicherweise unrealistisch → Komponentenzerlegung:
/ kumulative Preisanstiege/-rückgänge
• Irreversibilitätseffekte bislang unberücksichtigt:
tdectinct pppp ,,1 ++=
tincp , tdecp ,
11
1.d A/Symmetrische instrumentalisierte EC-Modelle - NEU
Irreversibilitätseffekt (symmetrische Nachfragefunktion)p
( )px
alte Technologie
1p
Bx ,0
A
Ax ,0
0p
B
Cx ,0
C
D
Dx ,0
neue Technologie
12
1. Modelle - FAZIT
• Lineare- u Doppelte-Log-Modelle nicht geeignet, sofern ZRen nicht alle stationäre stochastische Prozesse
• Existieren nicht-stationäre ZRen Überprüfung einer möglichen Kointegration notwendig
• Bei Vorliegen von Kointegration: Schätzung eines instrumentalisierten EC-Modells, anderenfalls Verwendung Doppeltes-Log-Modell in differenzierter und instrumentalisierter Form
• Berücksichtigung Irreversibilitäts- und Asymmetrischer-Effekte
13
2.a Strom a/symmetrisches instrumentalisiertes EC-Nachfragemodell
Abhängige Variable: Stromtx∆ 2005,...,1979=t
Unabhängige Variablen Koeffizient Stand.abw. t-Statistik
Stromtecm 1− -0.06 0.01 -4.78***
Stromtincp ,∆ -0.37 0.10 -3.79***
tincm ,∆ 0.72 0.17 4.20***
ttemp∆ -0.23 0.03 -7.93***
trendd 0.00 0.00 3.95***
81d 0.07 0.01 8.71***
87d 0.20 0.00 49.71***
2R 0.95
F-Statistik (o. 81d , 87d ) 34.34***
trendtStromt
Stromt
Stromt dmpxecm ⋅+−⋅−⋅+= 02.057.1523.177.0
Instrumente: const , ttemp∆ , trendd , 81d , 87d , Gastincp ,∆ , Strom
tincp 1, −∆ , 2, −∆ tincm , 01d
*** (**) [*] steht für Signifikanz bei einem Niveau von 1% (5%) [10%]
14
2.a Strom a/symmetrisches instrumentalisiertes EC-Nachfragemodell
• Diagnostik
• Preiselastizität kurz- und langfristig unelastisch; Einkommenselastizität höher und langfristig elastisch
• Kointegrationsvektor aus symmetrischen Spezifikation (Komponentenzerlegung keine zusätzliche Erklärung)
Test Freiheitsgrade Teststatistik
Lagrange Multiplikator ( )32χ (3 Lags) 4.69
ARCH-Effekte ( )12χ (1 Lag) 3.45*
Jarque-Bera ( )2JB 1.43
Heteroskedastie (White) ( )122χ 10.11
Ramsey RESET ( )19,1F 0.76
Stabilität (Chow Prognose) ( )7,13F (1993) 1.30
*** (**) [*] steht für Signifikanz bei einem Niveau von 1% (5%) [10%]
15
2.a Strom a/symmetrisches instrumentalisiertes EC-Nachfragemodell
Prognosegüte
.0
.1
.2
.3
.4
80 82 84 86 88 90 92 94 96 98 00 02 04
D_LOG_XD_LOG_XF_IN_PMCD_LOG_XF_IN_PMC+2*D_LOG_SE_IN_PMCD_LOG_XF_IN_PMC-2*D_LOG_SE_IN_PMC
16
2.b Gas asymmetrisches instrumentalisiertes EC-Nachfragemodell
Abhängige Variable: Gastx∆ 2005,...,1979=t
Unabhängige Variablen Koeffizient Stand.abw. t-Statistik
Gastasymecm 1, − -0.39 0.04 -10.01***
Gastx 1−∆ -0.43 0.17 -2.49**
theiz∆ 0.49 0.08 6.29***
80d -0.21 0.01 -36.14***
98d 0.12 0.01 13.14***
2R 0.90
F-Statistik (o. 80d , 98d ) 55.14***
39.1330.235.0 ,,, −⋅−⋅+= tincGastinc
Gast
Gastasym mpxecm
Instrumente: const , theiz∆ , 80d , 98d , , 2, −∆ tincm , 01d
*** (**) [*] steht für Signifikanz bei einem Niveau von 1% (5%) [10%]
17
2.b Gas asymmetrisches instrumentalisiertes EC-Nachfragemodell
• Diagnostik
• Nur langfristige Preis- und Einkommenselastizität – da Haushalte kurzfristig kaum Verbrauch anpassen können
• Einkommenselastizität ca. 2fach größer; Grund: Einkommen an Wohnstandard geknüpft
• Kein signifikanter Irreversibilitätseffekt
Test Freiheitsgrade Teststatistik
Lagrange Multiplikator ( )32χ (3 Lags) 6.08
ARCH-Effekte ( )12χ (1 Lag) 3.12*
Jarque-Bera ( )2JB 0.66
Heteroskedastie (White) ( )82χ 6.25
Ramsey RESET ( )21,1F 0.65
*** (**) [*] steht für Signifikanz bei einem Niveau von 1% (5%) [10%]
18
2.b Gas asymmetrisches instrumentalisiertes EC-Nachfragemodell
Prognosegüte
-.4
-.2
.0
.2
.4
.6
80 82 84 86 88 90 92 94 96 98 00 02 04
D_LOG_XD_LOG_XF_24_PM_1D_LOG_XF_24_PM_1+2*D_LOG_S_24_PM_1D_LOG_XF_24_PM_1-2*D_LOG_S_24_PM_1
19
3. Strom Baseline-Szenario
Haushaltsstromverbrauch in GWh
12,000
13,000
14,000
15,000
16,000
17,000
95 97 99 01 03 05 07 09 11 13 15
Haushaltsstromverbrauch in GWh
12,000
13,000
14,000
15,000
16,000
17,000
95 97 99 01 03 05 07 09 11 13 15
Baseline-Simulation
%6.1+=∆ Stromincp
%7.1+=∆ incm
%0.1−=∆temp
∅ %3.11505 +=∆ −Stromx
20
3. Strom Effizienz-Szenario 1
Haushaltsstromverbrauch in GWh
12,000
13,000
14,000
15,000
16,000
17,000
95 97 99 01 03 05 07 09 11 13 15
Haushaltsstromverbrauch in GWh
12,000
13,000
14,000
15,000
16,000
17,000
95 97 99 01 03 05 07 09 11 13 15
Effizienz-Simulation
%8.3+=∆ Stromincp
%7.1+=∆ incm
%0.1−=∆temp
%01.015 −=∆ Stromx
21
3. Strom Effizienz-Szenario 2
Haushaltsstromverbrauch in GWh
12,000
13,000
14,000
15,000
16,000
17,000
95 97 99 01 03 05 07 09 11 13 15
Haushaltsstromverbrauch in GWh
12,000
13,000
14,000
15,000
16,000
17,000
95 97 99 01 03 05 07 09 11 13 15
Effizienz 2-Simulation
%4.3+=∆ Stromincp
%7.1+=∆ incm
%0.1+=∆temp
%07.015 −=∆ Stromx
22
3. Gas Baseline-Szenario
Haushaltsgasverbrauch in GWh
10,000
12,000
14,000
16,000
18,000
20,000
22,000
95 97 99 01 03 05 07 09 11 13 15
Haushaltsgasverbrauch in GWh
10,000
12,000
14,000
16,000
18,000
20,000
22,000
95 97 99 01 03 05 07 09 11 13 15
Baseline-Simulation
%6.3+=∆ Gasincp
%7.1+=∆ incm
%9.0+=∆heiz Brennwert (KWh/Nm3) = 10.07
∅ %4.21505 +=∆ −Gasx
23
3. Gas Effizienz-Szenario
Haushaltsgasverbrauch in GWh
10,000
12,000
14,000
16,000
18,000
20,000
22,000
95 97 99 01 03 05 07 09 11 13 15
Haushaltsgasverbrauch in GWh
10,000
12,000
14,000
16,000
18,000
20,000
22,000
95 97 99 01 03 05 07 09 11 13 15
Brennwert (KWh/Nm3) = 10.07
Effizienz-Simulation
%2.11+=∆ Gasincp
%7.1+=∆ incm
%9.0+=∆heiz
%01.015 −=∆ Gasx
24
4. Schlussfolgerungen
• Preiselastizitäten im Strom und Gas unelastisch und deutlich niedriger als Einkommenselastizitäten
• Schaffung negativer Energienachfrage-Anreize durch Preiserhöhungen nur bedingt effektiv: Jede Einkommenssteigerung muss im Strom mit 2.3fach höheren (im Gas 6.6fach höheren) Preissteigerungen kompensiert werden
• Hauptursache für Verbrauchsanstieg Wohlstands- bzw. Wirtschaftswachstum
→ Derartige steuerpolitische Maßnahmen müssen eindeutig verbrauchs- und einkommensabhängig sein!
25
4. Schlussfolgerungen - Diskussion
• Analyse liefert keine explizite Steuerformel; Beantwortet fundamentale Frage, ob Steuern allgm. zur Eindämmung der Energienachfrage geeignet sind
• Dämpfung des Einkommenszuwachs zu Gunsten höherer Folgekosten eines Klimawandels → notwendig Berücksicht-igung von Einkommensunterschieden („fuel poverty“)
Idee: Hohe Einkommen Negativ-Anreiz über Steuern u. niedrige über zweckgebundene Subventionen
Zusätzlich Implementierung verpflichtender Energie-einsparungsziele der Energielieferanten (vgl. UK) →pareto-effiziente Lösung (VW, Lieferant und Konsument)
26
2. Nachfragemodell (Strom/Gas)
Zeitreihen
7.84
7.88
7.92
7.96
8.00
8.04
8.08
8.12
8.16
8.20
76 78 80 82 84 86 88 90 92 94 96 98 00 02 04
LOG_HEIZ
4.5
4.6
4.7
4.8
4.9
5.0
5.1
5.2
5.3
5.4
76 78 80 82 84 86 88 90 92 94 96 98 00 02 04
LOG_P_GAS
12.4
12.8
13.2
13.6
14.0
14.4
76 78 80 82 84 86 88 90 92 94 96 98 00 02 04
LOG_X_GAS
2.15
2.20
2.25
2.30
2.35
2.40
2.45
2.50
2.55
76 78 80 82 84 86 88 90 92 94 96 98 00 02 04
LOG_TEMP
3.5
3.6
3.7
3.8
3.9
4.0
4.1
4.2
76 78 80 82 84 86 88 90 92 94 96 98 00 02 04
LOG_M_REAL_OE
4.5
4.6
4.7
4.8
4.9
5.0
5.1
5.2
5.3
5.4
76 78 80 82 84 86 88 90 92 94 96 98 00 02 04
LOG_P_STROM
15.4
15.6
15.8
16.0
16.2
16.4
16.6
76 78 80 82 84 86 88 90 92 94 96 98 00 02 04
LOG_X_STROM
27
Dr. Stephan Sharma
Tel: 01 24724-417
Fax: 01 24724-900
www.e-control.at
Ansprechperson
Web-Adresse
Weitere Informationen
28