Econometric Estimation of Energy Demand Elasticities

 

Projektlaufzeit: 7/2008 - 6/2011
Gefördert durch das E.ON ERC

  (a) Stromverbrauch in Teilsektoren in TWh. (b) Zusätzlicher Teilsektorenwert in Mrd. € in konstanten (1995) Preisen. (c) Industrieller Strompreis in € pro kWh in konstanten (1995) Preisen (Quelle: IEA/ EU-KLEMS, eigene Abbildung)

Energiebezogene Politikgestaltung hat weitreichende Konsequenzen für die Struktur der vorherrschenden Energiesysteme. Daher ist es wichtig, die Mechanismen zu verstehen, denen Energiemärkte unterliegen. Die genaue Vorhersage der Reaktion von Energiekonsumenten auf eine Veränderung des Preises, Einkommens oder anderer erklärender Variablen hilft, ein besseres Verständnis für die Funktionsweise des Energiemarktes zu entwickeln. Dieses Verständnis wiederum kann Politikern als Anleitung dienen, welche zu einer Energienutzung führt, die gleichermaßen ökologisch und sozial verträglich ist.

Methodisch liegt der Fokus dieses Projektes auf der Anwendung von ökonometrischen Techniken bei Zeitreihen und Panel-Daten. Wir setzen drei unterschiedliche Ko-Integrationstechniken ein, von welchen jede ihre Vorteile besitzt: (1) die Maximum-Likelihood-Schätzung von Johansen, (2) die „fully modified OLS“ (FMOLS) und dynamische OLS (DOLS) „group-means“ Panel-Schätzung von Pedroni, und (3) die „autoregressive distributed lag (ARDL) bounds“-Prüfungsverfahren von Pesaran.

Im ersten Teil schätzen wir die industriellen Energienachfrageelastizitäten auf der Ebene von Teilsektoren. Der verwendete Datensatz deckt acht Teilsektoren der deutschen Wirtschaft ab. Bei der Anwendung einer ko-integrierten VAR-Modellspezifizierung haben wir eine Ko-Integrationbeziehung für fünf von acht Teilsektoren festgestellt. Die Long-Run Nachfrageelastizitäten variieren zwischen 0,7 und 1,9 für wirtschaftliche Aktivität und zwischen -0,5 und 0 für die Elektrizitätspreise. Die Short-Run Elastizitäten, die durch ein „single-equation error-correction modeling“ (ECM) ermittelt werden, liegen zwischen 0,2 und 1,0 für wirtschaftliche Aktivität und zwischen -0,6 und 0 für die Elektrizitätspreise.

Im zweiten Teil schätzen wir die Stromnachfrageelastizitäten von privaten Haushalten und führen eine Analyse der kausalen Beziehung zwischen der Stromnachfrage, dem zur Verfügung stehenden Einkommen und dem Strompreis für eine Gruppe von 18 OECD Mitgliedern durch, indem wir die Panel Ko-Integrationsmodelle anwenden. Unsere Ergebnisse für das gesamte Panel lassen auf eine fast einheitliche Einkommenselastizität und eine unelastische Preiselastizität von -0,4 für den Long-Run schließen. Die Ergebnisse sind hinsichtlich der Verwendung der Schätzungmodelle (Group-Means Panel FMOLS und DOLS) robust. Für den Short-Run ergeben unsere Schätzungen mit dem ECM eine Einkommenselastizität von 0,5 und eine Preiselastizität von näherungsweise -0,1.

Im dritten Teil analysieren wir in 12 OECD Ländern unter Verwendung von Zeitreihendaten von 1980 bis 2008 die Nachfrage von privaten Haushalten nach Erdgas. Wir schätzen die Long-Run Nachfragelastizitäten unter Berücksichtigung des real verfügbaren Einkommens und der realen Erdgaspreise mit Hilfe der „ARDL bound“-Prüfungsverfahren. Unter der Verwendung eines Fehlerkorrekturmodells erhalten wir Schätzungen für die Annäherungsgeschwindigkeiten an Long-Run-Gleichgewichte und Short-Run-Elastizitäten für einzelne Länder. Wir beziehen den Effekt der Außenbedingungen auf die Nachfrage von Erdgas durch die Verwendung der Gradtagzahlen als Kontrollvariable. Durchschnittlich liegt die Long-Run Einkommenselastizität bei 0,9, die Preiselastizität bei -0,5 und die Elastizität für die Gradtagzahlen bei 1,4. Für die Short-Run Dynamik hat die Schätzung durch die Fehlerkorrekturmodelle einen durchschnittlichen Annäherungskoeffizienten von -0,6, eine Einkommenselastizität von 0,5, eine Preiselastizität von -0,2 und eine Elastizität für die Gradtagzahlen von 0,7 ergeben.

Unsere Ergebnisse zeigen, dass - unabhängig vom betrachteten Sektor oder der Energieform - die Steuerungseffekte von Preissteigerungen durch die Anhebung der Steuern auf die Energienachfrage nur einen begrenzten Beitrag zu Energieeinsparungen und damit zur Vermeidung von Treibhausgasemissionen leisten können.

Projektpublikationen

Bernstein R., Madlener R. (2010). Impact of Disaggregated ICT Capital on Electricity Intensity in European Manufacturing, Applied Economics Letters, 17(17): 1691-1695.

Bernstein R., Madlener R. (2010). Short- and Long-Run Electricity Demand Elasticities at the Subsectoral Level: A Cointegration Analysis for German Manufacturing Industries, FCN Working Paper No. 19/2010, Institute for Future Energy Consumer Needs and Behavior, RWTH Aachen University, November.

Bernstein R., Madlener R. (2011). Responsiveness of Residential Electricity Demand in OECD Countries: A Panel Cointegration and Causality Analysis, FCN Working Paper No. 8/2011, Institute for Future Energy Consumer Needs and Behavior, RWTH Aachen University, April.

Bernstein R., Madlener R. (2011). Residential Natural Gas Demand Elasticities in OECD Countries: An ARDL Bounds Testing Approach, FCN Working Paper No. 15/2011, Institute for Future Energy Consumer Needs and Behavior, RWTH Aachen University, October.

Madlener R., Bernstein R., Alva González M.Á. (2011). Econometric Estimation of Energy Demand Elasticities, E.ON Energy Research Center Series, Vol. 3, Issue 8, October (ISSN: 1868-7415). [Download]

Studien- und Abschlussarbeiten

Schäfer A. (2008). Analysis of the Demand for Electricity and its Expected Future Development in the Commercial and Services Sector until 2035 from a European Perspective, Studienarbeit, Lehrstuhl für Wirtschaftswissenschaften, insb. Energieökonomik, Fakultät für Wirtschaftswissenschaften, RWTH Aachen University.

Ruhrmann J. (2012). Literaturüberblick zum Thema Energienachfrage-Elastizitäten: Modelle, Schätzmethoden und Resultate, Studienarbeit, Lehrstuhl für Wirtschaftswissenschaften, insb. Energieökonomik, Fakultät für Wirtschaftswissenschaften, RWTH Aachen University.