Dit rapport is ook beschikbaar via Contactadres:

Decompositie-analyse van energieindicatoren in Vlaanderen

Johan Couder, Aviel Verbruggen Departement Milieu, Technologie en Technologiemanagement (MTT) Universiteit Antwerpen (UA)

Studie uitgevoerd in opdracht van de Vlaamse Milieumaatschappij, MIRA MIRA/2004/08 December 2004

Dit rapport verschijnt in de reeks MIRA Ondersteunend Onderzoek van de Vlaamse Milieumaatschappij. Deze reeks bevat resultaten van onderzoek gericht op de wetenschappelijke onderbouwing van het Milieu- en natuurrapport Vlaanderen. Dit rapport is ook beschikbaar via www.milieurapport.be Contactadres: Vlaamse Milieumaatschappij – MIRA Van Benedenlaan 34 2800 Mechelen tel. 015 45 14 66 [email protected] Wijze van citeren: Couder J., Verbruggen A. (2004): Decompositie-analyse van energie-indicatoren in Vlaanderen, studie uitgevoerd in opdracht van de Vlaamse Milieumaatschappij, MIRA, MIRA/2004/08, Universiteit Antwerpen.

2

INHOUDSTAFEL 1

DEFINITIES EN AFBAKENING .............................................................................................................. 8 INLEIDING............................................................................................................................................................ 8 DEFINITIE ............................................................................................................................................................ 8 METEN VAN DE ACTIVITEITENNIVEAUS, HET ENERGIEGEBRUIK EN DE CO2-EMISSIES ......................................... 9 Meten van de activiteitenniveaus.................................................................................................................... 9 Meten van het energiegebruik ........................................................................................................................ 9 Meten van de CO2-emissies ............................................................................................................................ 9 DE KWALITEIT VAN DE DATA ............................................................................................................................. 10 Data over energiegebruik............................................................................................................................. 10 Data over bruto toegevoegde waarde .......................................................................................................... 10 Data over CO2-emissies ............................................................................................................................... 10 DE MATE VAN DESAGGREGATIE......................................................................................................................... 11 VOORSTELLINGSWIJZE ...................................................................................................................................... 11 KEUZE VAN INDICATOREN EN DECOMPOSITIEMETHODEN .................................................................................. 12

2

BELANGRIJKSTE RESULTATEN VAN DE DECOMPOSITIE-ANALYSES ................................. 14 DECOMPOSITIE VAN DE ENERGIE-INTENSITEIT IN VLAANDEREN ....................................................................... 14 DECOMPOSITIE-ANALYSES VOOR DE SECTOR LANDBOUW ................................................................................. 15 Decompositie van het energiegebruik in de landbouwsector ....................................................................... 15 Decompositie van de energie-intensiteit van de landbouwsector................................................................. 16 Decompositie van de koolstofintensiteit van de landbouwsector ................................................................. 16 DECOMPOSITIE-ANALYSES VOOR DE SECTOR ENERGIE ...................................................................................... 16 Decompositie van het energiegebruik van de energiesector ........................................................................ 17 Decompositie van de energie-intensiteit van de energiesector .................................................................... 19 Decompositie van de koolstofintensiteit van de energiesector ..................................................................... 19 DECOMPOSITIE-ANALYSES VOOR DE SECTOR INDUSTRIE ................................................................................... 20 Decompositie van het energiegebruik van de industriesector ...................................................................... 20 Decompositie van de energie-intensiteit van de industriesector .................................................................. 22 Decompositie van de koolstofintensiteit van de industriesector................................................................... 24 DECOMPOSITIE-ANALYSES VOOR DE SECTOR HANDEL & DIENSTEN ................................................................. 26 Decompositie van het energiegebruik van de dienstensectoren ................................................................... 26 Decompositie van de energie-intensiteit van de dienstensectoren ............................................................... 28 Decompositie van de koolstofintensiteit van de dienstensectoren ................................................................ 29

3

DECOMPOSITIE VIA ALGEBRAÏSCHE METHODEN..................................................................... 30 PRIMAIRE ENERGIE-INTENSITEIT........................................................................................................................ 30 FINALE ENERGIE-INTENSITEIT ........................................................................................................................... 30 RATIO FINALE / PRIMAIRE ENERGIE-INTENSITEIT ............................................................................................... 31 FINALE ENERGIE-INTENSITEIT BIJ CONSTANTE STRUCTUUR ............................................................................... 31 DECOMPOSITIE VAN HET ENERGIEGEBRUIK VAN AFZONDERLIJKE SECTOREN IN ODYSSEE ............................. 31 DECOMPOSITIE VAN DE ENERGIE-INTENSITEIT VAN AFZONDERLIJKE SECTOREN DOOR ECONOTEC................ 32

4

DE LASPEYRES INDEX DECOMPOSITIEMETHODEN .................................................................. 34 DEFINITIES ........................................................................................................................................................ 34 EEN GRAFISCHE INTERPRETATIE ........................................................................................................................ 35 De (klassieke) Laspeyres methode................................................................................................................ 35 AANVERWANTE LASPEYRES INDEX DECOMPOSITIEMETHODEN ......................................................................... 37 De Paasche index decompositiemethode...................................................................................................... 37 De gewoon gemiddelde index decompositiemethode ................................................................................... 38 De Refined Laspeyres, Sun/Shapley of Marshall-Edgeworth index decompositiemethode.......................... 38 VERALGEMENING VAN DE REFINED LASPEYRES INDEX METHODE .................................................................... 39

5

DE DIVISIA INDEX DECOMPOSITIEMETHODEN .......................................................................... 41 INLEIDING.......................................................................................................................................................... 41 DE ADDITIEVE DIVISIA INDEX DECOMPOSITIEMETHODEN.................................................................................. 42 De additieve Parametrische Divisia index methode I of PDM I .................................................................. 43 De additieve Parametrische Divisia index methode II of PDM II................................................................ 45 DE MULTIPLICATIEVE DIVISIA INDEX DECOMPOSITIEMETHODEN ...................................................................... 46 3

De multiplicatieve Parametrische Divisia index methode I of PDM I ......................................................... 47 De multiplicatieve Parametrische Divisia index methode II of PDM II....................................................... 48 De multiplicatieve Adaptive Weighted Divisia index methode of AWD ....................................................... 50 EEN VERALGEMENING VAN DE DIVISIA INDEX METHODEN ................................................................................ 50 BESLUIT VOOR DE LASPEYRES EN DIVISIA INDEX METHODEN ........................................................................... 51 6

DECOMPOSITIE VAN FYSISCHE ENERGIE-INDICATOREN....................................................... 52 DE METHODE VAN FARLA ET AL (1998) ............................................................................................................ 52 6.2 DE ‘FIXED BASKET’ BENADERING ............................................................................................................... 54 6.3 DE ‘LASPEYRES FYSIEKE INDEX’ BENADERING ........................................................................................... 54 6.4 DE “WERKELIJKE SEC / REFERENTIE SEC RATIO” BENADERING................................................................. 54

7

DECOMPOSITIE VAN DE KOOLSTOFINTENSITEIT ..................................................................... 57 INLEIDING.......................................................................................................................................................... 57 MULTIPLICATIEVE DIVISIA DECOMPOSITIE VAN DE KOOLSTOFINTENSITEIT ...................................................... 58 Conventione parametrische Divisia index decompositie van de koolstofintensiteit ..................................... 59 Refined Divisia index decompositie van de koolstofintensiteit (LMD)......................................................... 60 Adaptive Weighted Divisia index decompositie van de koolstofintensiteit (AWD)....................................... 60

4

Woord vooraf Het verloop van de energie-intensiteit en de koolstofintensiteit van Vlaanderen zijn belangrijke indicatoren, die elk jaar in de MIRA-T rapportering worden opgenomen. Er was een behoefte ontstaan om de evolutie van deze indicatoren beter te kunnen verklaren, zonder hiervoor een beroep te moeten doen op zeer gedetailleerde ‘bottom-up’ studies. Decompositie-analyse biedt in theorie de mogelijkheid om – met een absoluut minimum aan gegevens – de verandering van een energiegerelateerde indicator in een bepaald jaar t.o.v. een referentiejaar te verklaren als het product of de som van een aantal ‘verklarende effecten’, waaronder de verandering van de activiteiten van de sectoren, verschuivingen van de aandelen van de (deel)sectoren in de totale activiteit van een sector of de Vlaamse economie, een verschuiving in de aandelen van de energievormen in het totale (finale) energiegebruik, een verbetering van de energie-efficiëntie, enz. In dit rapport onderzoeken we (theoretisch) een groot aantal varianten van decompositiemethoden, en proberen de meest relevante methoden (empirisch) toe te passen op de sectoren landbouw, energie, industrie, en handel & diensten in Vlaanderen.

5

Samenvatting In een decompositie-analyse ontbinden we een (geaggregeerde) indicator zoals energiegebruik, energie-intensiteit of koolstofintensiteit eerst in een product van een aantal (vooraf gedefinieerde) verklarende factoren. We proberen vervolgens een verandering van de (geaggregeerd) indicator in een bepaald jaar t.o.v. een referentiejaar te verklaren als het gevolg van de veranderingen van de verklarende factoren (‘effecten’) over diezelfde periode. Elk effect geeft aan in welke mate de (geaggregeerde) indicator zou veranderd zijn als gevolg van een verandering van de relevante verklarende factor, waarbij de waarden van alle andere verklarende factoren constant worden verondersteld (zelfde waarde als in het referentiejaar). Een verandering van het energiegebruik, de energie-intensiteit of de koolstofintensiteit over een bepaalde periode wordt meestal beschreven als een combinatie van 2 of meer van de volgende effecten: -

Een verandering van het (absolute) activiteitenniveau van de sector, of activiteiten effect;

-

een verschuiving van de aandelen van de activiteitenniveaus van de deelsectoren in de totale activiteit van de sector over die periode, of structureel effect;

-

een verandering van de energie-intensiteiten (energie-efficiëntie) van de deelsectoren over die periode, of intensiteitseffect;

-

een verandering van de CO2-emissiefactoren van de energievormen in de deelsectoren over die periode, of emissiefactor effect;

-

een verandering van de aandelen van de energievormen in het energiegebruik van de deelsectoren over die periode, of brandstoffenmix effect;

We merken hierbij op dat energie-intensiteit de reciproke is van energie-efficiëntie. Dit betekent concreet dat een daling van de energie-intensiteit een verbetering van de energie-efficiëntie inhoudt. Wegens dataproblemen konden we enkel voor de industrie een decompositie analyse van de koolstofintensiteit uitvoeren. Voor de landbouwsector heeft decompositieanalyse weinig zin, vermits het energiegebruik van deze sector in de energiebalans in belangrijke mate wordt bepaald als het product van een fysische activiteit (bv aantal dieren) vermenigvuldigd met een gemiddeld energiegebruik per eenheid. Deze laatste factoren komen meestal uit de literatuur. Bovendien kennen we de toegevoegde waarde enkel voor de sector in zijn geheel, en niet voor de deelsectoren, zodat we met behulp van de Laspeyres en Divisia decompositiemethoden geen structureel effect kunnen bepalen. Voor de energiesector laten databeperkingen slechts twee “onzuiver afgebakende’ deelsectoren toe, waarbij het verloop van de toegevoegde waarde van de petroleumraffinagesector sterk afwijkt van de evolutie van de fysieke activiteitenniveaus. Een mogelijke oplossing is petroleumraffinaderijen en cokesproductie integraal bij de industrie te voegen, en de productie van elektriciteit en warmte en gasdistributie enkel via gedetailleerde bottom-up studies te bekijken. Onze beperkte decompositie analyse van de energiesector bevestigt al bij al wat we weten uit andere informatiebronnen. De energiesector realiseerde in de periode 1995 –2002 een verbetering van de energie-efficiëntie, vooral door het voorschakelen van gasturbines voor bestaande stoomketels (‘repowering’), door investeringen in stoom- en gasturbines (STEGs) en warmtekrachtkoppeling (WKK), en door optimalisering van de processturing en verdergaande warmte-integratie De industriesector is bij uitstek geschikt voor het uitvoeren van decompositie-analyses. De analyses tonen duidelijk aan dat de daling van de energie-intensiteit van de industriesector sedert 1998 vooral het gevolg is van een verbeterde energie-efficiëntie (dalend intensiteitseffect). Het structurele effect zou – zonder het intensiteitseffect – in de beschouwde periode voor een stijging van de energieintensiteit hebben gezorgd. De daling van de koolstofintensiteit in de industrie is (vanaf 1998) voornamelijk het gevolg van de verbeterde energie-efficiëntie (dalend intensiteitseffect), maar ook (zij het in iets mindere mate) van een verandering van de branstoffenmix (hoofdzakelijk de omschakeling naar aardgas). Zowel het emissiefactor-effect (verandering van de CO2-emissiefactoren van de

6

fossiele brandstoffen) als het structureel effect (verschuivingen van de aandelen van de deelsectoren in de totale toegevoegde waarde van de sector) zouden – zonder de andere effecten in rekening te brengen – de koolstofintensiteit van de industrie hebben doen toenemen. Het emissiefactor-effect is vrij beperkt. Het structureel effect is in absolute termen niet zo groot als het intensiteitseffect en het brandstoffenmix effect, maar we zagen nogmaal bevestigd dat de structurele verschuivingen in de beschouwde periode, ceteris paribus, voor een verhoging van de koolstofintensiteit zouden hebben gezorgd. Voor de sector handel & diensten leiden alle analyses tot dezelfde eindconclusie: de sector handel & diensten in zijn geheel heeft het in de periode 1995-2002 op vlak van energie-efficiëntie helemaal niet goed gedaan. Enkel de deelsector 'gezondheidszorg en maatschappelijke dienstverlening' verbetert in 2002 zijn energie-efficiëntie met 17 % t.o.v. 1995, maar alle andere dienstensectoren gaan erop achteruit: van ongeveer -35 % voor hotels en restaurants tot -10 % voor kantoren en administratie'. Gedetailleerde studies moeten uitwijzen wat hier de precieze oorzaken van zijn. De besluiten voor het theoretisch deel zijn als volgt. Onze studie bevestigt de relatieve eenvoud van de additieve LMD (II) index methode, een perfecte decompositiemethode (residuele term = 0) die bovendien voldoet aan de ‘time reversal’, de ‘circular’ en de ‘factor reversal’ test, maar die wel problemen oplevert indien de dataset nulwaarden bevat (de logaritme van nul is niet bepaald), wat met name bij de decompositie van de koolstofintensiteit eerder regel dan uitzondering is. De AMD index methode is iets eenvoudiger dan de LMD, maar is geen perfecte decompositiemethode (zij het dat de residuele term meestal vrij klein is), en voldoet enkel aan de ‘time reversal’ test. De additieve AMD I heeft geen problemen met nulwaarden in de dataset. De (gewone) Laspeyres methode wordt voor de decompositie van energie-indicatoren nog nauwelijks gebruikt. De Refined Laspeyres methode voldoet aan alle drie bovenvermelde testen, is bovendien perfect, maar is voor 3 of meer factoren vrij omslachtig om uit te rekenen. Een ander nadeel van de Refined Laspeyres methode is dat er enkel een additieve variant van bestaat.

7

1 Definities en afbakening Inleiding 1

De theorie rond decompositie-analyse is niet echt moeilijk, maar (inmiddels) wel vrij uitgebreid . De theorie bevat bovendien heel wat wiskundige vergelijkingen en afleidingen die weliswaar nodig zijn voor de onderbouwing van de theorie, maar die de modale lezer wellicht eerder als ‘ballast’ dan als ‘nuttige last’ zal beschouwen. De geïnteresseerde lezer vindt daarom in afzonderlijke hoofdstukken een vrij uitgebreide beschrijving van de diverse theorieën, waarbij we zoveel mogelijk hebben gestreefd naar zowel volledigheid als naar het weergeven van de meest recente stand van zaken. In dit en het volgende hoofdstuk over de resultaten beperken we ons tot het geven van enkele noodzakelijke definities en kenmerken van de toegepaste methoden. Het is onvermijdelijk dat bepaalde tekstgedeelten in dit rapport hierdoor elkaar zullen overlappen. Een aantal eenvoudige (algebraïsche) methoden kunnen we makkelijk implementeren m.b.v. een spreadsheet-programma. Voor de Laspeyres en Divisia index methoden hebben we de beschikbare gegevens in een database-pakket gestoken, en een ‘ruw softwareprogramma’ ontwikkeld. Wegens gebrek aan tijd en middelen, en omdat we vooral bezorgd waren om de correctheid van de resultaten, is dit programma geen ‘kant-en-klaar’ gebruiksvriendelijk softwarepakket geworden. Op voorwaarde dat de structuur van de data-input de volgende jaren niet drastisch wijzigt, laat het programma wel toe om vrij snel de resultaten te actualiseren. Definitie In een decompositie-analyse ontbinden we een (geaggregeerde) indicator zoals energiegebruik, energie-intensiteit of koolstofintensiteit eerst in een product van een aantal (vooraf gedefinieerde) verklarende factoren. We proberen vervolgens een verandering van de (geaggregeerd) indicator in een bepaald jaar t.o.v. een referentiejaar te verklaren als het gevolg van de veranderingen van de verklarende factoren (‘effecten’) over diezelfde periode. Elk effect geeft aan in welke mate de (geaggregeerde) indicator zou veranderd zijn als gevolg van een verandering van de relevante verklarende factor, waarbij de waarden van alle andere verklarende factoren constant worden verondersteld (zelfde waarde als in het referentiejaar). Een verandering van het energiegebruik, de energie-intensiteit of de koolstofintensiteit over een bepaalde periode wordt meestal beschreven als een combinatie van 2 of meer van de volgende effecten: -

Een verandering van het (absolute) activiteitenniveau van de sector, of activiteiten effect;

-

een verschuiving van de aandelen van de activiteitenniveaus van de deelsectoren in de totale activiteit van de sector over die periode, of structureel effect;

-

een verandering van de energie-intensiteiten (energie-efficiëntie) van de deelsectoren over die periode, of intensiteitseffect;

-

een verandering van de CO2-emissiefactoren van de energievormen in de deelsectoren over die periode, of emissiefactor effect;

-


We merken hierbij op dat energie-intensiteit de reciproke is van energie-efficiëntie. Dit betekent concreet dat een daling van de energie-intensiteit een verbetering van de energie-efficiëntie inhoudt. Elementen waar we rekening moeten mee houden in een decompositie-analyse zijn het meten van de verklarende factoren (zoals activiteitenniveaus, het energiegebruik en de CO2-emissies), de kwaliteit van de data, de mate van desaggregatie, de voorstellingswijze en de keuze van indicator(en) en

1 Ang en Zhang (2000) geven een overzicht van 124 decompositiestudies, van 1982 tot 1999. Volgens Ang, Liu en Chew (2003) zijn er nadien nog minstens 50 studies bijgekomen.

8

decompositiemethoden. We bespreken eerst kort deze elementen, vooraleer in het volgende hoofdstuk de eigenlijke resultaten te bespreken. Meten van de activiteitenniveaus, het energiegebruik en de CO2-emissies Meten van de activiteitenniveaus We meten de activiteit van de sector en zijn deelsectoren aan de hand van hun output. Voor de (verfijnde) Laspeyres en Divisia index methoden moet de (geaggregeerde) output van de sector gelijk zijn aan de som van de outputs van zijn deelsectoren. We moeten de outputs van de 2 sector en zijn deelsectoren bijgevolg in dezelfde eenheid meten . We gebruiken in dit rapport als output van landbouw, energie, industrie en handel & diensten de Bruto Toegevoegde Waarde aan constante prijzen van 1995. Voor de sectoren 'huishoudens' en 'transport' zijn de Laspeyres en Divisia index methoden niet van toepassing, omdat we a) deze sectoren niet kunnen ontleden in deelsectoren waarvan we de outputs in dezelfde eenheid kunnen meten, en b) de activiteiten van deze sectoren niet kunnen meten in dezelfde eenheid als voor landbouw, energie, industrie of handel & diensten (nl bruto toegevoegde waarde). Voor de meer eenvoudige algebraïsche methoden zijn we niet verplicht de toegevoegde waarde als indicator van de activiteiten te gebruiken. Deze eenvoudige methoden zijn maar beperkt bruikbaar (zie hoofdstuk 3). Meten van het energiegebruik Een ander ‘ruw gegeven’ dat we nodig hebben is het energiegebruik van de deelsectoren. We meten het energiegebruik in dit rapport in PJ. Het totale energiegebruik van de sector moet evident gelijk zijn aan de som van de energiegebruiken van zijn deelsectoren. Het betreft voor de decompositie van het energiegebruik en de energie-intensteit steeds het finale energiegebruik of eindenergiegebruik voor de sectoren landbouw, industrie en handel & diensten, en eigen gebruik en verliezen voor de energiesector. De som van deze energiegebruiken van alle sectoren samen (inclusief huishoudens en transport) is het bruto binnenlands energiegebruik (BBE). Voor de decompositie van de koolstofintensiteit beperken we ons (noodgedwongen) tot het energetisch gebruik van fossiele brandstoffen (zie ook volgende §). Meten van de CO2-emissies Voor de decomposite van de koolstofintensiteit van een sector hebben we data nodig over de CO2emissies. We meten de CO2-emissies in dit rapport in kton. Om redenen van methodologische aard, internationale vergelijkbaarheid, en dataproblematiek bekijken we enkel CO2-emissies (en niet de emissies van andere broeikasgassen) afkomstig van het energetisch gebruik van fossiele brandstoffen. Alle andere benodigde variabelen voor de analyse kunnen we berekenen uit deze drie gegeven tijdreeksen (tabel 1).

2

Dit sluit de facto het gebruik van fysische eenheden uit, en betekent dat we enkel monetaire eenheden kunnen gebruiken. 9

Tabel 1: ruwe data (variabelen) nodig voor de decompositie-analyse Variabele

E ijt

Omschrijving Gebruik van finale energievorm j in deelsector i in jaar t

Yit

Bruto Toegevoegde Waarde van deelsector i in jaar t

C ijt

CO2-emissies tgv van het gebruik van finale energievorm j in (2) deelsector i in jaar t

Eenheid PJ 9

10 EUR

(1

kton CO2

(1) constante prijzen 1995. (2) enkel t.g.v. de verbranding van fossiele brandstoffen. 3

We zien dat verrassend weinig ‘ruwe’ data nodig zijn om een decompositie-analyse op basis van Laspeyres of Divisia index methoden te kunnen doorvoeren. Dit is meteen één van de grote voordelen van dit soort analyses. Toch zullen we dadelijk merken dat databeschikbaarheid een levensgroot probleem is en blijft. De kwaliteit van de data Algemeen zijn de basisdata gebruikt voor dit rapport afkomstig uit de Kernset Milieudata van MIRA-T 2004 (zie ook www.milieurapport.be) of zijn verkregen van het MIRA-projectteam. Data over energiegebruik De gegevens over het energiegebruik per deelsector zijn een verwerking van data afkomstig van de Energiebalans Vlaanderen opgesteld door de Vito, op toestand van begin september 2004. Er zijn geen noemenswaardige problemen i.v.m. deze data. Er is in de Energiebalans Vlaanderen een rubriek “niet verder toewijsbare warmte aan huishoudens, handel & diensten en landbouw”. We hebben deze arbitrair volledig toegewezen aan de huishoudens, een sector die we in dit rapport niet afzonderlijk behandelen. Het betreft slechts een fractie van het bruto binnenlands energiegebruik (BBE) in Vlaanderen. Data over bruto toegevoegde waarde De data over de bruto toegevoegde waarde per deelsector zijn een verwerking van data afkomstig van de regionale en nationale rekeningen van het INR/NBB. Voor de sector landbouw kennen we enkel de bruto toegevoegde waarde voor de sector in zijn geheel, zodat we voor deze sector geen structurele effecten (wijzigingen t.g.v. verschuivingen in de activiteiten van de deelsectoren) kunnen berekenen. Voor de sector energie kennen we slechts de bruto toegevoegde waarde voor twee grote deelsectoren: “productie en distributie van elektriciteit, gas en water”, en “vervaardiging van cokes, geraffineerde aardolieproducten en splijten kweekstoffen’. Een probleem met deze laatste deelsector is dat het verloop van de bruto toegevoegde waarde sterk afwijkt van andere activiteiten-indicatoren voor deze deelsector. We hebben geen verklaring kunnen vinden voor deze anomalie. Data over CO2-emissies De Vito heeft ons voor de CO2-emissies Excel-rekenbladen bezorgd met meer details dan de data die beschikbaar waren rechtstreeks via MIRA. We moeten – om de decompositie van de koolstofintensiteit te kunnen uitvoeren – de CO2-emissies kunnen relateren aan de fossiele brandstoffen waarvan de verbranding de CO2-emissies heeft veroorzaakt. Deze data zijn enkel beschikbaar voor de sectoren energie en industrie, zodat we voor de andere sectoren (landbouw en handel & diensten) geen decompositie van de koolstofintensiteit kunnen uitvoeren. 3

Het begrip ‘ruwe’ moeten we nuanceren. Alle door ons gebruikte gegevens zijn resultaten van berekeningen, statistische schattingen e.d. Maar vanuit het oogpunt van de decompositie-analyse zijn het wel degelijk ruwe gegevens; 10

De (co-)verbranding van “andere brandstoffen” in de energiebalans Vlaanderen zouden we in principe bij de decompositie-analyse van de koolstofintensiteit kunnen betrekken, maar de beschikbare gegevens lieten niet toe ondubbelzinnig het verband te leggen tussen de verbranding van deze “andere brandstoffen” en de resulterende CO2-emissies, zodat we ons noodgewongen beperken tot de fossiele branstoffen, met name vaste brandstoffen (kolen, koolteer en cokes) samen met cokesoven- en hoogovengassen, vloeibare brandstoffen (petroleum en al haar derivaten), en aardgas. De mate van desaggregatie De literatuur is het erover eens dat hoe sterker men een een sector kan desaggregeren (i.e. hoe meer deelsectoren men kan definiëren), hoe beter de resultaten van de decompositie-analyse. Data moeten dan wel beschikbaar zijn voor alle relevante variabelen in dezelfde mate van detail. We proberen voor de definities van de sectoren en hun indeling in deelsectoren volledig het MIRAconcept te volgen. Omdat we – methodologisch gesproken – voor activiteitenniveaus, energiegebruik en CO2-emissies geen van elkaar verschillende indelingen in sectoren en deelsectoren kunnen gebruiken, hebben we noodgedwongen een aantal deelsectoren uit MIRA moeten aggregeren, om tot een soort ‘grootste gemene deler’ te komen. Tabel 2 toont de door ons gebruikte indeling (eigen coderingen). (1)

Tabel 2: Indeling in sectoren code 10 21 22 23 24 25 26 31 32 40 50 61 62 63 64 65 66

en deelsectoren t.b.v. de index methoden

deelsector huishoudens chemie metaal (ijzer, staal, non-ferro, automobiel, machinebouw) voeding-, drank- en genotsmiddelenindustrie textiel-, schoen-, leder- en kledingnijverheid papier- en papierwarenindustrie,grafische nijverheid,uitgeverijen e.d. andere industriën (bouw, asfalt, rubber, afvalrecuperatie, …) vervaardiging van cokes, geraffineerde aardolieproducten en splijten kweekstoffen productie en distributie van elektriciteit, gas en water landbouw transport handel hotels en restaurants kantoren en administratie onderwijs gezondheidszorg en maatschappelijke dienstverlening gemeenschapsvoorzieningen, sociaal-culturele en persoonlijke diensten

(1) Voor de sectoren ‘huishoudens’ en ‘transport’ is geen decompositie-analyse uitgevoerd.

De verschillende ‘codetabellen’, waaronder tabellen met codes en omschrijvingen van de (deel)sectoren, evenals een ‘transpositietabel’ die aantoont hoe de omzetting van de ene indeling naar de andere is gebeurd, is verkrijgbaar bij de auteurs op eenvoudige aanvraag. Voorstellingswijze We kunnen een onderscheid maken tussen ‘multiplicatieve’ en ‘additieve’ index methoden. Bij additieve methoden meet men een verandering in de (geaggregeerde) energie-indicator, bijvoorbeeld energie-intensiteit I, over de periode 0 – t in termen van het verschil I t - I 0 ; bij multiplicatieve methoden in termen van de ratio

It . Het verschil tussen multiplicatieve en additieve methoden is I0

methodologisch niet van zo’n groot belang, maar wel qua presentatie en interpretatie van de resultaten.

11

We kunnen de decompositie van de (geaggregeerde) indicatoren in een beschouwde periode 0-T bekijken voor elk jaar t t.o.v. een referentiejaar 0, of we kunnen de zogenaamde “rolling base year” methode toepassen waarbij we elk jaar t in de periode vergelijken met het voorgaande jaar t-1 (tijdreeksanalyse). We zullen in dit rapport, tenzij anders vermeld, steeds vergelijken t.o.v. een 4 refentiejaar, met name 1995 . Keuze van indicatoren en decompositiemethoden We bekijken de volgende drie energie(gerelateerde) indicatoren: energiegebruik, energie-intensiteit en koolstofintensiteit, en dit voor de vier sectoren landbouw, energie, industrie, en handel & diensten. We definiëren de energie-intensiteit van een sector – tenzij anders vermeld – als de hoeveelheid finaal (inclusief niet-energetisch) energiegebruik (in PJ) per eenheid Bruto Toegevoegde Waarde (in EUR, aan constante prijzen van 1995); en de koolstofintensiteit van een sector als de hoeveelheid energiegerelateerde CO2-emissies afkomstig van fossiele branstoffen (in kiloton) per eenheid Bruto Toegevoegde Waarde (in EUR, aan constante prijzen van 1995). Omwille van – voornameljk de reeds besproken dataproblemen – kunnen we niet voor alle sectoren en van alle indicatoren een decompositie-analyse uitvoeren. Tabel 3: uitgevoerde decompositie-analyses, per sector en indicator (1)

Landbouw (2) Energie Industrie Handel & Diensten

Energiegebruik X X X X

Energie-intensiteit X X X

Koolstofintensiteit (3)

X -

(1) Voor deze sector kunnen we geen structureel effect berekenen. (2) problemen met toegevoegde waarde deelsector ‘vervaardiging van cokes, geraffineerde aardolieproducten en splijten kweekstoffen. (3) Uitgevoerd, maar geen zinvolle resultaten 5

We hebben eveneens een decompositie-analyse uitgevoerd op de energie-intensiteit van Vlaanderen (alle sectoren). De meest gebruikte decompositiemethoden in de literatuur zijn varianten van de Laspeyres of Divisia index methoden, en bijna uitsluitend voor de sector industrie. Andere sectoren worden veel minder geanalyseerd. Dit heeft te maken met zowel dataproblemen – vooral wat betreft de sector handel & diensten – als met het geringe belang qua energiegebruik van een sector als landbouw. In veel gebruikte indelingen maken petroleumraffinaderijen en cokesfabrieken overigens deel uit van de sector industrie. Een ideale index moet aan een aantal kenmerken voldoen. Voor de decompositie analyse op basis van indices zijn 3 kenmerken van belang, met name: -

de ‘time reversal’ test. Deze test vereist dat de index van 0 naar t (prospectief) gelijk is aan de reciproke c.q. inverse van de index van t naar 0 (retrospectief), i.e.

DV0t = - DVt 0 -

D0 , t =

1 Dt 0

(multiplicatief), of

(additief);

de ‘circular’ test. Deze test vereist dat de waarde van de index niet afhangt van hoe de indicator zich over de tijd ontwikkelt ontwikkelt tussen tijdstip 0 en tijdstip t, i.e.

DV0t = DV0T + DVTt

D0t = D0T DTt

(multiplicatief), of

(additief), met T is een tijdstip tussen 0 en t;

4

We hebben 1995 en niet 1990 gekozen, omdat voor deze laatste de gegevens niet altijd beschikbaar waren. Een decompositie-analyse van energiegebruik en koolstofintensiteit op dit geaggregeerd niveau was methodologisch en wegens dataproblemen niet mogelijk.

5

12

-

de ‘factor reversal’ test. Deze test vereist dat het product q.q. som van al de ontbonden factoren (componenten) gelijk is aan de ratio c.q. verschil van het aggregaat, i.e.

n Vt = Õ Dk V0 k =1

(multiplicatief),

n

of

DV = å Vk

(additief).

k=A

De refined Divisia of Logarithmic Mean Divisia (LMD) index methoden, en de refined Laspeyres index methoden voldoen aan alle 3 bovenstaande testen. De Arithmetic Mean Divisia (AMD) en (gewone) Laspeyres indices voldoen enkel aan de ‘time reversal’ test (Ang & Zhang, 2000, p. 1168). We bespreken deze methoden uitgebreid in de theoretische hoofdstukken. De oudere maar nog veel gebruikte Laspeyres en AMD index decompositiemethoden kampen vaak met een significant maar moeilijk of niet te verklaren residueel effect. De nieuwere methoden (Refined 6 Laspeyres en LMD ) zijn zogenaamde perfecte decompositiemethoden, i.e. er zijn geen residuele effecten. We gebruiken daarom hoofdzakelijk de Refined Laspeyres en de LMD index decompositiemethoden. Voor de industriesector tonen we – ter illustratie – resultaten van de (gewone) Laspeyres en AMD index decompositiemethoden. Er is onder onderzoekers geen consensus over welke (index) methoden de beste zijn voor welk soort analyses, of in de woorden van Ang (2004): ‘After some 25 years, there is still no consensus among researchers and analysts as to which is the “best” decomposition method.” Waar nodig of relevant zullen we een aantal methoden met elkaar vergelijken. De uiteindelijke keuze zal altijd voor een deel subjectief gekleurd zijn. Naast bovenvermelde (verfijnde) indexmethoden maken we ook beperkt gebruik van enkele eenvoudige, algebraïsche methoden, zoals toegepast in de Europese energie-indicatoren databank ODYSSEE. Voor de decompositie van de energie-intensiteit van Vlaanderen (alle sectoren), zijn we verplicht een dergelijke methode toepassen, omdat de Laspeyres en Divisia index methoden hierop niet van toepassing zijn. In een laatste theoretisch hoofdstuk bespreken we kort enkele methoden voor de decompositie van fysieke energie-indicatoren. Deze komen in dit rapport niet aan bod in het empirisch deel, om de eenvoudige reden dat de databeschikbaarheid voor Vlaanderen hier schromelijk tekort schiet.

6

Soms ook Refined Divisia genoemd. 13

2 Belangrijkste resultaten van de decompositie-analyses In dit hoofdstuk beperken we ons tot een beschrijving van de belangrijkste resultaten van de decompositie-analyses. Voor het weergeven van de resultaten hebben we al een selectie gemaakt uit de verschillende methoden. Het heeft weinig zin om alle resultaten van alle mogelijke varianten van alle decompositiemethoden te tonen. Ten eerste, de lezer zou al snel door de bomen het bos niet meer zien. Ten tweede, voor een correcte toepassing van sommige methoden ontbreken de nodige gegevens. En ten derde, vele subtiele methodologische verschillen hebben weinig of geen invloed op de praktische interpretatie van de resultaten. We behandelen de methodologische verschillen ten gronde in de theoretische hoofdstukken. In dit hoofdstuk proberen we tussendoor de keuze van methoden te verantwoorden. We tonen verschillende resultaten voor de Vlaamse economie in zijn geheel (macro), en voor de verschillende sectoren (meso) afzonderlijk. De belangrijkste reden hiervoor is methodologisch van aard. Het is niet mogelijk om een geaggregeerde indicator zoals energie-intensteit van de Vlaamse economie in al zijn aspecten via slechts één analyse te benaderen. Decompositie van de energie-intensiteit in Vlaanderen Voor de analyse van de energie-intensiteit van de Vlaamse economie maken we gebruik van een methode die ook door ODYSSEE wordt gehanteerd. ODYSEE is een Europees project en omvat o.a. een databank met energie-indicatoren. Figuur 1: energie-intensiteit van de Vlaamse economie bij constante structuur (Vlaanderen, 19952002) PJ / miljard euro 1995 13,5 13,0 12,5 12,0 11,5 11,0 10,5 10,0 Energie-intensiteit

1995

1996

1997

1998

1999

2000

2001

2002

12,521 13,120 12,595 12,873 12,340 11,925 11,765 11,731

Energie-intensiteit bij 12,521 12,692 11,804 12,432 11,722 11,309 11,336 11,473 constante structuur (1995)

Bron: Vito, en eigen berekeningen.

Het structurele effect is in de periode 1995-2002 vrij beperkt gebleven: de energie-intensiteit die 11,731 PJ per miljard EUR BBP in 2002 bedraagt, zou ‘slechts’ 11,473 PJ/miljard EUR bedragen indien de structuur van de Vlaamse economie ongewijzigd was gebleven sedert 1995.

14

Het structureel effect is voornamelijk het gevolg van het toegenomen belang (in toegevoegde waarde) van de chemische industrie. Een licht effect van de metaalsector wordt bijna volledig gecompenseerd door het afgenomen belang van de productie, transport/vervoer en distributie van elektriciteit en gas, 7 in termen van toegevoegde waarde . We benadrukken dat we werken met macro-economische aggregaten, en dat bijgevolg een toename van de elektriciteitsproductie niet noodzakelijk betekent dat de toegevoegde waarde voor heel de sector (in even grote mate) stijgt. Decompositie-analyses voor de sector Landbouw We tonen enkele resultaten voor de sector landbouw, maar erg zinvol is een decompositie-analyse van deze sector wellicht niet, om de volgende redenen. Het energiegebruik van de sector ‘landbouw, tuinbouw, bosbouw, veeteelt en visvangst’ in de Energiebalans Vlaanderen wordt in belangrijke mate berekend als het product van het aantal geproduceerde eenheden (bv liter melk) of het aantal eenheden nodig om een productie te realiseren (bijvoorbeeld ha gebruikt voor de teelt van tarwe) of het aantal dieren, maal een gemiddeld energiegebruik per eenheid of dier (Vito, 2002). Gegevens over de activiteiten van de deelsectoren zijn jaarlijks beschikbaar bij het NIS (gedetailleerde landbouwtelling op 15 mei van elk jaar) en bij het Centrum voor Landbouweconomie. Het gemiddeld energiegebruik per eenheid of dier (dat een indicatie geeft van de energie-intensteit en dus van de energie-efficiëntie) is een factor die de opstellers van de Energiebalans Vlaanderen kiezen op basis van (meestal) literatuurgegevens, en die niet noodzakelijk overeenstemt met de werkelijkheid. M.a.w., het is zeer onwaarschijnlijk dat een 8 decompositie-analyse iets nuttig kan bijbrengen over het intensiteitseffect in deze sector . Voor de Laspeyres en Divisia index decompositiemethoden moeten we de activiteiten van de deelsectoren benaderen via de Bruto Toegevoegde Waarde. We hebben echter enkel een totaal voor de gehele sector landbouw, zodat deze decompositie-analyses niet toelaten een structureel effect te berekenen. We merken tot slot op dat de landbouwsector in 2002 een aandeel had van nauwelijks 2,1 % van het bruto binnenlands energiegebruik (BBE) in Vlaanderen. Alhoewel op zich geen reden om geen decompositie-analyse uit te voeren, verklaart dit geringe aandeel wellicht (ten dele) waarom we – althans voor de niet-ontwikkelingslanden – in de literatuur geen decompositiestudies hebben teruggevonden voor deze sector. Decompositie van het energiegebruik in de landbouwsector We gebruiken voor de decompositie van het energiegebruik de Refined Laspeyres mehtode, maar om bovenvermelde redenen kunnen we geen structureel (Estr) effect berekenen, zodat enkel een activiteiten- (Eact) en intensiteitseffect (Eint) overblijven.

7

We hebben (voorlopig) het belang van petroleumraffinaderijen moeten negeren, omwille van de zeer sterke (en voorlopig niet te verklaren) sterke daling van de bruto toegevoegde waarde van deze sector over de beschouwde periode. 8 Men kan beter de gedetailleerde gegevens opvragen bij de Vito. 15

Fig. 2: decompositie van het energiegebruik van de sector Landbouw via de Refined Laspeyres methode 10

verandering energiegebruik t.o.v. 1995 (verschil) (in PJ)

5 0 -5 -10 -15

1996

1997

1998

1999

2000

2001

2002

Eint

1,848

-1,990

-2,914

-6,364

-10,390

-7,389

-9,094

Estr

0,000

0,000

0,000

0,000

0,000

0,000

0,000

Eact

-0,812

1,868

2,501

3,868

6,201

2,903

6,166

DeltaE

1,036

-0,121

-0,413

-2,496

-4,189

-4,485

-2,928

DeltaE=verschil energiegebruik tov 1995;Eact=activiteiteneffect; Estr=structureel effect; Eint=intensiteitseffect

Het activiteiteneffect is louter bepaald op basis van de bruto toegevoegde waarde van heel de landbouwsector. De analyse lijkt erop te wijzen dat vooral een daling van de energie-intensiteit (verbetering van de energie-efficiëntie) verantwoordelijk is voor de daling van het energiegebruik in de periode 1995-2002. We moeten deze resultaten met een flinke korrel zout benaderen. Uiteindelijk is – gezien de wijze waarop het energiegebruik voor de sector wordt berekend (cfr. infra) – de evolutie van de energieefficiëntie in deze sector vooral afhankelijk van de keuzes die de opstellers van de Energiebalans Vlaanderen maken wat betreft het gemiddelde energiegebruik per eenheid of dier. De opstellers van de energiebalans baseren zich tevens op productie (activiteiten) in fysieke eenheden per deelsector i.p.v. toegevoegde waarde voor heel de sector. De evolutie van de twee tijdreeksen (activiteiten en energie-intensiteit) zal in de energiebalans meer dan waarschijnlijk (sterk) verschillen van wat we hier tonen. De analyse toont bovenal dat een ondoordacht gebruik van decompositie-analyse in feite een ‘misbruik’ is van de methode. Indien gedetailleerde data (in fysieke eenheden) beschikbaar zijn, kan men veel beter daar een beroep op doen. Voor de detailgegevens verwijzen we naar de Vito (2004). Decompositie van de energie-intensiteit van de landbouwsector Vermits de verandering van de energie-intensiteit wordt ontbonden in een structureel effect en een intensiteitseffect, en we het eerste effect niet kunnen berekenen, heeft een decompositie-analyse via de Laspeyres of Divisia index methoden hier geen zin. Decompositie van de koolstofintensiteit van de landbouwsector De decompositie van de koolstofinstiteit van de sector Landbouw konden we niet uitvoeren wegens gebrek aan data (in casu CO2-emissies per gebruik van fossiele brandstof). Decompositie-analyses voor de sector Energie De energiesector had in 2002 een aandeel van 23,9 % in het BBE van Vlaanderen. Voor de Laspeyres en Divisia index decompositiemethoden moeten we de activiteiten van de deelsectoren benaderen via de Bruto Toegevoegde Waarde. Dit heeft tot gevolg dat we voor de energiesector slechts twee deelsectoren kunnen onderscheiden, met name ‘productie van distributie van elektriciteit, gas en water’ en ‘vervaardiging van cokes, geraffineerde aardolieproducten en splijten kweekstoffen’. Voor de eerste deelsector relateren we hierdoor het energiegebruik van enkel de elektriciteits- en gassector samen aan de toegevoegde waarde van niet alleen de elektriciteits- en

16

gassector samen maar ook van de waterdistributiesector, wat zeker niet correct is. Voor de tweede deelsector merken we dat het verloop van de toegevoegde waarde (zeer) sterk afwijkt van het verloop van de fysieke productie van de petroleumraffinaderijen, wat eventueel te maken kan hebben met het feit dat in deze deelsector ook de toegevoegde waarde van splijten kweekstoffen is opgenomen. De invloed van de deelsector van de cokesproductie is niet duideljk. In MIRA hoort de geïntegreerde cokesfabriek van Sidmar bij de industrie, en andere cokesfabrieken zijn er niet meer in Vlaanderen sinds 1996 (sluiting Carcoke Zeebrugge). Het lijkt ons onwaarschijnlijk dat een deel van de toegevoegde waarde van Sidmar aan deze deelsector is toegewezen, maar het is niet onmogelijk. Nog een andere mogelijke verklaring is dat de deelsector van ‘vervaardiging van petroleumproducten’ wat betreft toegevoegde waarde niet enkel betrekking heeft op de petroleumraffinaderijen. Het energiegebruik in MIRA (en in de Energiebalans Vlaanderen) heeft voor deze deelsector wel uitsluitend betrekking op de petroleumraffinaderijen. Het voorgaande leidt onvermijdelijk tot de bedenking of het niet zinvoller zou zijn om – althans wat betreft decompositie-analyses – zowel de petroleumraffinage als de cokesproductie integraal toe te wijzen aan de industriesector, zoals in buitenlandse of internationale studies frequent gebeurt. Samen vertegenwoordigden de industriesector en deze twee deelsectoren in Vlaanderen in 2002 45,4 % van het BBE. Een additionele deelsector in de industriesector zou eventueel de berekening van het structureel effect ten goede kunnen komen. Het grote aandeel van de industrie (inclusief petroleumraffinaderijen en petrochemie) verklaart wellicht (ten dele) waarom het gros van de buitenlandse of internationale decompositiestudies betrekking heeft op de industriesector. Decompositie van het energiegebruik van de energiesector Voor de analyse van het energiegebruik van de energiesector doen we een beroep op een methode die ook in de Europese energie-indicatoren databank (ODYSSEE) wordt toegepast. In deze methodiek wordt een verandering van het totale energiegebruik van een sector ontbonden als de som van een “hoeveelheidseffect” en een “intensiteitseffect”: ·

Het hoeveelheidseffect zegt met hoeveel PJ het energiegebruik in een (deel)sector in een bepaald jaar zou zijn veranderd t.o.v. een referentiejaar, louter ten gevolge van het veranderde activiteitenniveau van deze (deel)sector. Men veronderstelt m.a.w. dat de energie-efficiëntie dezelfde is gebleven als in het referentiejaar;

·

Het intensiteitseffect zegt met hoeveel PJ het energiegebruik in een (deel)sector in een bepaald jaar zou zijn veranderd t.o.v. een referentiejaar, louter t.g.v. een verandering van de energie-efficiëntie. Men veronderstelt m.a.w. dat het activiteitenniveau hetzelfde is gebleven als in het referentiejaar.

Een nadeel van deze methode is dat ze geen rekening houdt met het zogenaamde ‘structurele effect’, i.e. veranderingen van het aandeel van het activiteitenniveau van een deelsector t.o.v. het totale activiteitenniveau van heel de sector. Daar staat tegenover dat we een grote vrijheid hebben in het gebruik van de activiteitenindicator(en) voor de (deel)sector(en). We hoeven zelfs niet voor alle deelsectoren hetzelfde soort activiteitenindicator (bv toegevoegde waarde) te gebruiken. Gezien de bovenvermelde problemen met de toegevoegde waarde voor deze sector, gebruiken we als activiteitenindicatoren de productie-indices (bruto indices, basisjaar 1995) voor beide deelsectoren. Het totale energiegebruik in een jaar t is af te leiden door bij het energiegebruik in het referentiejaar 0 (=1995) het hoeveelheidseffect en het intensiteitseffect van dat jaar t op te tellen.

17

Fig. 3: decompositie van het energiegebruik van de sector Energie via de ODYSSEE methode (productie-index als activiteitenindicator) 450

(verandering in) energiegebruik (t.o.v. 1995) (in PJ)

400 350 300 250 200 150 100 50 0 -50

1995

1996

1997

1998

1999

2000

2001

2002

2003* -21,6

Intensiteitseffect (in PJ)

-10,3

-9,2

-14,6

-24,4

-20,0

-21,8

-27,0

Hoeveelheidseffect (in PJ)

18,3

24,9

66,3

52,4

43,3

43,6

58,7

68,2

363,9 373,7

388,7

Energiegebruik (in PJ)

342,1 350,1

357,7 393,8

370,1 365,4

* Voorlopige resultaten

De figuur illustreert duidelijk dat de piek in het energiegebruik in 1998 wel degelijk het gevolg is van een sterk toegenomen activiteit, en niet van een opeens verslechterde energie-efficiëntie. De decompositie-analyse stuurt de analyst die wil onderzoeken waarom er een piek was in het energiegebruik in dat jaar in de correcte richting, namelijk nagaan waarom de activiteit in dat jaar sterk is gestegen. De figuur illustreert teven het gunstige effect van een daling van de energie-intensiteit of verbetering van de energie-efficiëntie (de gele balken in het negatieve gedeelte). De verbetering van de energie-efficiëntie was alleszins niet voldoende om de stijging van het energiegebruik als gevolg van toegenomen activiteiten te compenseren (‘relatieve i.p.v. absolute ontkoppeling’). De ODYSSEE methode laat toe de verandering van de energie-efficiëntie per deelsector te bepalen. Een negatieve waarde betekent nu een verslechtering van de energieefficiëntie. Fig. 4: verbetering van de energie-efficiëntie t.o.v. 1995 van de deelsectoren in de energiesector via de ODYSSEE methode (productie-index als activiteitenindicator) 18%

verandering v/d energie-efficiëntie t.o.v. 1995 (in %)

16% Vervaardiging van cokes, geraffineerde aardolieproducten en splijten kw eekstoffen

14% 12% 10% 8% 6%

Productie en distributie van elektriciteit, gas en w ater

4% 2% 0% -2%

1996

1997

1998

1999

2000

2001

2002

2003*


De energie-efficiëntie is in beide deelsectoren in de periode 1995-1996 steeds beter in vergelijking met 1995, met uitzondering van een zeer lichte dip voor de elektriciteits- en gassector in 1997. De ‘piekwaarden’ in 1999 kunnen we zonder bijkomend onderzoek niet verklaren. Een decompositieanalyse is een typische “top-down” benadering, die niet veel meer informatie kan geven dan wat in de bovenstaande grafieken wordt getoond. Indien we willen achterhalen wat de oorzaken zijn voor een 18

dalende of stijgende energie-efficiëntie, dan kan dit enkel via uitgebreid “bottom-up” onderzoek. De gegevens over het energiegebruik in 2003 zijn nog zeer ‘voorlopige’ resultaten, zodat we beter geen verregaande conclusies trekken uit de scherpe daling van de energie-efficiëntie in de petroleumraffinagesector in dat jaar. De decompositie analyse bevestigt al bij al wat we weten uit andere informatiebronnen. De energiesector realiseerde in de periode 1995 –2002 een rendementsverbetering, vooral door het voorschakelen van gasturbines voor bestaande stoomketels (‘repowering’), door investeringen in stoom- en gasturbines (STEGs) en warmtekrachtkoppeling (WKK), en door optimalisering van de processturing en verdergaande warmte-integratie. Decompositie van de energie-intensiteit van de energiesector Voor de decompositie van de energie-intensiteit van de energiesector moeten we één van de Laspeyres of Divisia index methoden gebruiken, met bruto toegevoegde waarde als activiteitenindicator. Fig. 5: verandering van de energie-intensiteit t.o.v. 1995 in de energiesector via de Revised Divisia methode 30

verandering energie-intensiteit t.o.v. 1995 (verschil) (in PJ/miljard EUR BBP)

25 20 15 10 5 0 -5 -10 -15 -20

1996

1997

1998

1999

2000

2001

2002

Iint

-7,476

-5,480

6,106

-2,449

-0,890

15,131

26,121

Istr

-0,136

-2,179

-1,218

-5,233

-7,002

-15,365

-14,273

It-I0

-7,612

-7,659

4,889

-7,682

-7,892

-0,234

11,848

It-I0=verschil energieintensiteit tov 1995; Istr=structureel effect; Iint=intensiteitseffect

De Revised Divisia decompositie van de energie-intensiteit geeft heel andere resultaten dan de ODYSSEE decompostie van het energiegebruik. De daling of stabilisatie van de energie-intensiteit (t.o.v. 1995) vanaf 1999 zou vooral het gevolg zijn van een structureel effect (verschuivingen van de aandelen van de deelsectoren in de totale activiteit van de energiesector). In 2001 en 2002 zou de energie-intensiteit zelfs (sterk) zijn toegenomen, of m.a.w. de energie-efficiëntie sterk verslechterd. Gezien we slechts twee deelsectoren konden definiëren, deze deelsectoren qua toegevoegde waarde ‘onzuiver’ zijn afgebakend, en vooral gelet op de problemen met bruto toegevoegde waarde in de “petroleumraffinagesector”, lijkt het ons weinig waarschijnlijk dat deze decompositie-analyse een correct beeld geeft van de veranderingen van de energie-intensiteit in de energiesector. Dit is nogmaals een waarschuwing dat we voorzichtig moeten omspringen met het gebruik van decompositiemethoden. Decompositie van de koolstofintensiteit van de energiesector We hebben een decompositie-analyse uitgevoerd van de koolstofintensiteit in de energiesector, maar omdat we hiervoor één van de Divisia index methoden moeten gebruiken, en gelet op bovenstaande problemen, leek het ons niet opportuun deze resultaten te tonen. Het was ons alleszins onmogelijk om een coherent beeld uit de resultaten te filteren.

19

Decompositie-analyses voor de sector Industrie De industriesector had in 2002 een aandeel van 39,9 % (inclusief niet-energetisch gebruik) en 24,8 % (exclusief niet-energetisch gebruik) in het BBE van Vlaanderen. We zullen de industriesector – in vergelijking met de andere sectoren – vrij uitgebreid bespreken. Dit is niet zo verwonderlijk, vermits decompositiemethoden van energie-indicatoren vooral voor deze sector werden ontwikkeld. Decompositie van het energiegebruik van de industriesector Voor de analyse van het energiegebruik van de industriesector doen we eerst een beroep op de reeds vermelde methode die ook in de Europese indicatorendatabank ODYSSEE wordt toegepast. We gebruiken voor alle deelsectoren de productie-indices (basisjaar 1995) als activiteitenindicator. Fig. 6: decompositie van het energiegebruik van de sector Industrie via de ODYSSEE methode (productie-index als activiteitenindicator) 700

verandering in energiegebruik t.o.v. 1995 (in PJ)

600 500 400 300 200 100 0 -100 -200 -300

1996

1997

1998

1999

Intensiteitseffect (in PJ)

2,0

-34,8

-35,5

-63,2 -112,1 -126,0 -175,0 -162,8

Hoeveelheidseffect (in PJ)

12,3

73,0

87,7

124,4

196,6 184,5 234,6

245,4

603,1 617,0 626,2

649,4 623,4 624,5

647,5

Energiegebruik (in PJ)

1995

564,9 579,2

2000

2001

2002

2003*


Het energiegebruik omvat eveneens het (in de industriesector vrij aanzienlijke) niet-energetisch gebruik. De productie (activiteit) wordt immers net zo goed gerealiseerd door het niet-energetische als het gewone finale energiegebruik. We krijgen ongeveer hetzelfde plaatje als voor de energiesector: de verbetering van de energieefficiëntie (dalende energie-intensteit) compenseert grotendeels maar niet volledig het (stijgende) effect t.g.v. een toename van de productie. Dit roept automatisch de vraag op of deze verbetering van de energie-efficiëntie even relevant is voor alle deelsectoren van de industriesector. De ODYSSEE methodiek biedt gelukkig de mogelijkheid om de verschillende effecten per deelsector te bekijken.

20

Fig. 7: verbetering van de energie-efficiëntie t.o.v. 1995 van de deelsectoren in de industriesector via de ODYSSEE methode (productie-index als activiteitenindicator) 40%

verandering v/d energie-efficiëntie tov 1995 (in %) voeding-, drank- en genotsmiddelenindustrie

30% papier- en papierw arenindustrie,grafisch e nijverheid,uitgeverijen e.d.

20%

chemie 10%

0% 1996

1997

1998

1999

2000

2001

2002

2003*

metaal (ijzer, staal, non-ferro, automobiel, machinebouw )

-10%

andere industriën (bouw , asfalt, rubber, afvalrecuperatie, …)

-20%

textiel-, schoen-, leder- en kledingnijverheid

-30%


Uitschieters in positieve zijn de voedingsnijverheid, de papiernijverheid en de chemische deelsector, waarvan de verbetering van de energie-efficiëntie (t.o.v. 1995) vanaf 2000 tussen de 20 en 30 % schommelt. De metaalnijverheid doet het evenmin slecht, met een verbetering rond de 10 % (en een niet verklaarde piek in 2001). De textielnijverheid en de overige industrieën doen het veel minder goed, met zelfs een verslechterde energie-efficiëntie tussen de 15 en 25 % in de periode 1998-1999. Vanaf 2000 kennen deze deelsectoren een verbetering van de energie-efficiëntie t.o.v. de periode 1998-1999, alhoewel hun energie-efficiëntie in 2003 (voorlopige statistieken) nog altijd slechter is dan in 1995. Het achterhalen van de oorzaken van de veranderingen in de energie-efficiëntie in de deelsectoren van de industrie vereist een zeer gedetailleerde bottom-up studie, zelfs tot op het niveau van de individuele productieprocessen. Dergelijke studie valt buiten het opzet van dit onderzoekssrapport. Ter vergelijking tonen we een decompositie-analyse van het energiegebruik m.b.v. de Refined 9 Laspeyres index methode , waarbij we als activiteitenindicatoren de bruto toegevoegde waarde van de deelsectoren hanteren. Het grote voordeel van de Laspeyres of Divisia index decompositiemethoden is dat we de verandering van het energiegebruik kunnen uitsplitsen in drie effecten – naast het reeds gekende hoeveelheidseffect [dat we zoals gebruikelijk voor dit soort analyses voortaan het activiteitseffect (Eact) zullen noemen] en het intensiteitseffect (Eint) – namelijk ook het zogenaamde structureel effect (Estr). Het structureel effect geeft, ceteris paribus, aan wat de invloed is op het totale energiegebruik van een sector t.g.v. verschuivingen van aandelen van de activiteiten van de diverse deelsectoren in de totale activiteit van de sector. Als activiteitenindicator gebruiken we steevast de bruto toegevoegde waarde (in EUR, constante prijzen van 1995). Het nadeel van de Laspeyres of Divisia index methoden is dat we de decompositie enkel kunnen toepassen op het niveau van heel de sector, en niet meer voor de deelsectoren afzonderlijk (zoals bij de ODYSSEE decompositiemethode). Zoals bij de ODYSSEE decompositiemethode bekijken we het totale finale energiegebruik, dus inclusief het niet-energetisch gebruik.

9

De Refined Divisia index decompositiemethode geeft quasi identieke resultaten; 21

Fig. 8: decompositie van het energiegebruik van de sector Industrie via de Refined Laspeyres index methode (bruto toegevoegde waarde als activiteitenindicator) verandering finaal energiegebruik t.o.v. 1995 (verschil) (in PJ)

150 100 50 0 -50 -100

1996

1997

1998

1999

2000

2001

2002

Eint

-14,870

-48,936

-20,125

-32,476

-44,096

-71,164

-78,443

Estr

18,095

32,289

17,828

21,138

19,619

20,127

22,982

Eact

11,097

54,856

54,414

72,571

108,997

109,508

115,050

DeltaE

14,323

38,208

52,117

61,234

84,520

58,471

59,588

DeltaE=verschil in energiegebruik tov 1995;Eact=activiteiteneffect; Estr=structureel effect; Eint=intensiteitseffect

We zien dat de toename van de activiteiten, zeker vanaf 1997, het meest dominante effect is in de verklaring van het toegenomen finaal energiegebruik in de sector industrie. Dit effect wordt, vanaf 1999-2000, vrij goed gecompenseerd door het dalend intensiteitseffect (verbetering van de energieefficiëntie). Het structureel effect, i.e. de verschuivingen in de aandelen van de deelsectoren in het totale activiteitenniveau van de sector, is weliswaar het kleinste effect, maar zeker niet verwaarloosbaar. Het structureel effect is, ceteris paribus, verantwoordelijk voor een additionele (zij het relatief kleine) toename van het finaal energiegebruik in de sector industrie. De resultaten van de Refined Laspeyres index methode stemmen vrij goed overeen met deze van de ODYSSEE methode, ten dele omdat voor de industrie bruto toegevoegde waarde een tamelijk goede benadering is van de productieniveaus in de deelsectoren. Decompositie van de energie-intensiteit van de industriesector De Divisia index decompositiemethoden zijn het best geschikt voor de industriesector, en daarom gaan we in dit hoofdstuk wat dieper in op deze methoden. Fig. 9: verandering van de energie-intensiteit t.o.v. 1995 in de industriesector via de additieve Revised Divisia methode 1,5

verandering in energie-intensiteit t.o.v. 1995 (verschil) (in PJ/miljard EUR TW)

1,0 0,5 0,0 -0,5 -1,0 -1,5 -2,0 -2,5

1996

1997

1998

1999

2000

2001

2002

Iint

-0,452

-1,430

-0,589

-0,936

-1,228

-1,981

-2,173

Istr

0,550

0,944

0,523

0,611

0,548

0,561

0,637

It-I0

0,098

-0,485

-0,066

-0,325

-0,681

-1,420

-1,536

22

It-I0=verschil energieintensiteit tov 1995; Istr=structureel effect; Iint=intensiteitseffect

Bij de decompositie van de energie-intensiteit hoeven we enkel rekening te houden met een structureel effect en een intensiteitseffect. Het activiteitseffect zit al vervat in de definitie van energieintensiteit, met name (finaal) energiegebruik per eenheid activiteit. De figuur laat duidelijk zien dat de daling van de energie-intensiteit van de industriesector sedert 1998 vooral het gevolg is van een verbeterde energie-efficiëntie (= negatief en dalend intensiteitseffect). Het structurele effect zou – zonder het intensiteitseffect – in de beschouwde periode voor een stijging van de energie-intensiteit hebben gezorgd. Het is gebruikelijk de energie-intensiteit van een sector weer te geven in index-vorm (bijvooorbeeld 1995 = 1). Een ander voordeel van de Divisia index decompostiemethoden is dat we deze net zo goed kunnen toepassen op indicatoren in index-vorm. Men spreekt in dit verband van multiplicatieve methoden (de Refined Laspeyres methode is typisch een additieve methode, waarvan zelfs geen multiplicatieve variant bestaat). De multiplicatieve methoden ontleden de ratio van de energieintensiteit in jaar t op de energie-intensiteit in het referentiejaar (1995) naar een product van verklarende factoren (i.p.v. een som van verklarende termen). Een multiplicatieve decompositiemethode is perfect indien het residuele effect gelijk is aan 1. Fig. 10: verandering van de energie-intensiteit t.o.v. 1995 in de industriesector via de multiplicatieve Revised Divisia methode 1,1

verandering energie-intensiteit (index 1995=1)

1,1 1,0 1,0 0,9 0,9 0,8

1996

1997

1998

1999

2000

2001

2002

It/I0

1,006

0,972

0,996

0,981

0,961

0,918

0,911

Dstr

1,032

1,057

1,031

1,036

1,033

1,034

1,039

Dint

0,974

0,920

0,967

0,947

0,930

0,888

0,877

It/I0=energieintensiteit index 1995=1; Dstr=structureel effect; Dint=intensiteitseffect

De interpretatie van de resultaten van de additieve en multiplicatieve methoden is uiteraard dezelfde; alleen de voorstellingswijze is anders. Om te beklemtonen dat de Revised Divisia index methode een perfecte decompositiemethode is, vergelijken we de resultaten van deze methode met de traditionele maar nog steeds veel gebruikte (gewone) Laspeyres en Aritmetic Meand Divisia (AMD) methoden. We zien dat vooral de (gewone) Laspeyres methode een residuele effect geeft dat, voor wat betreft de additieve variant, significant verschilt van nul. Voor de (niet weergeven) multiplicatieve variant geven de resultaten voor de gewone Laspeyres en AMD methoden een residuele effect significant verschillend van één (1).

23

Tabel 4: vergelijking (additieve) Revised Divisia, AMD en (gewone) Laspeyres decompositie van de energie-intensiteit van de industrie Revised Divisia Jaar 1996 1997 1998 1999 2000 2001 2002

Istr 0,550 0,944 0,523 0,611 0,548 0,561 0,637

Iint -0,452 -1,430 -0,589 -0,936 -1,228 -1,981 -2,173

Arithmetic Mean Divisia

Istr 0,550 0,944 0,523 0,610 0,546 0,561 0,637

Iint -0,452 -1,430 -0,589 -0,936 -1,230 -1,987 -2,176

Irsd 0,000 0,002 0,000 0,001 0,004 0,006 0,003

(gewone) Laspeyres

Istr 0,546 0,933 0,530 0,617 0,538 0,585 0,649

Iint -0,467 -1,460 -0,633 -1,045 -1,333 -2,165 -2,287

Irsd 0,019 0,042 0,038 0,103 0,114 0,160 0,102

Istr=structureel effect; Iint=intensiteitseffect; Irsd=residueel effect 10

De verschillende methoden (Refined Divisia, AMD of gewone Laspeyres) geven andere waarden voor de verschillende effecten. Noch de theorie, noch de empirie kunnen ondubbelzinnig aanduiden welke methode uiteindelijk “de beste” is. In dit voorbeeld wijken de resultaten van de AMD methode niet ver af van deze van de Revised Divisia methode, maar voor de (gewone) Laspeyres methode is de residuele term eigenlijk te groot om deze 11 methode nog echt relevant te kunnen noemen . Men kan (empirisch) aantonen dat – onder bepaalde (realistische) voorwaarden – het residuele effect de andere effecten vele malen kan overtreffen, tot 12 een factor 10 of meer. In dat soort situaties heeft het gebruik van een imperfecte decompositiemethode nog weinig zin. Decompositie van de koolstofintensiteit van de industriesector De industriesector is de enige sector waarvoor we voldoende gegevens hadden om op zinvolle wijze een decompositie van de koolstofintensiteit te berekenen. Vermits de koolstofintensiteit vaak wordt weergegeven in indexvorm, opteren we voor de multiplicatieve vanant van de Refined Divisia index decompositiemethode. De koolstofintentensiteit definiëren we als de ratio van de CO2-emissies t.g.v. de verbranding van fossiele branstoffen, op de activiteit (bruto toegevoegde waarde) van een (deel)sector. Voor de decompositie van de koolstofintensiteit kunnen we vier verschillende effecten onderscheiden: 13

-

een verandering van de CO2-emissiefactoren van de energievormen in de deelsectoren over de beschouwde periode, of emissiefactor effect (Demc);

-

een verandering van de aandelen van de energievormen in het energiegebruik van de deelsectoren over de beschouwde periode, of brandstoffenmix effect (Dfsh);

-

een verandering van de energie-intensiteiten (energie-efficiëntie) van de deelsectoren over de beschouwde periode, of intensiteitseffect (Dint); en

-

een verschuiving van de aandelen van de (activiteiten van de) deelsectoren in de totale activiteit van de sector over de beschouwde periode, of structureel effect (Dstr).

We onderscheiden – op basis van de ons door de Vito ter beschikking gestelde data – drie grote categorieën van fossiele brandstoffen, met name vaste brandstoffen (kolen, cokes, koolteer) + cokesoven- en hoogovengas, vloeibare brandstoffen (petroleumproducten), en aardgas.

10

Er zijn nog andere methoden die in het theoretisch deel aan bod komen, maar die hier niets relevant bijdragen tot de discussie. In het verleden was het gebruikelijk dat analysten de residuele term ‘verzwegen’, of dat ze verwezen naar moeilijk of niet te interpreteren ‘interactie-effecten’. 12 Dit fenomeen doet zich vooral voor wanneer men de analyse toepast op indicatoren uit verschillende landen of regio’s in de wereld. 13 Een CO2-emissiefactor van een energiedrager is niet noodzakelijk constant over de tijd. Zelfs binnen een bepaalde energievorm, bijvoorbeeld vaste brandstoffen, is er een grote verscheidenheid, en de samenstelling van deze energievorm kan en zal verschillen van jaar tot jaar. 11

24

Het voor de decompositie van de koolstofintensieit gehanteerde energiegebruik is uiteraard enkel het gebruik van bovenvernoemde fossiele brandstoffen, exclusief het niet-energetisch gebruik van deze 14 fossiele brandstoffen . Fig. 11: verandering van de koolstofintensiteit (index 1995=1) in de industriesector via de multiplicatieve Revised Divisia methode 1,1

verandering koolstofintensiteit (index 1995=1)

1,0

0,9

0,8

0,7

1996

1997

1998

1999

2000

2001

2002

Gt/G0

0,954

0,905

0,955

0,861

0,806

0,783

0,816

Demc

0,978

0,999

1,000

0,999

1,002

1,011

1,010

Dfsh

0,973

0,989

0,982

0,971

0,965

0,972

0,971

Dstr

1,018

1,023

1,022

1,023

1,027

1,026

1,029

Dint

0,955

0,894

0,949

0,866

0,810

0,775

0,806

Gt/G0:koolstofintensiteit index 1995=1; Demc=emissiefactoreffect; Dint=intensiteitseffect

Dfsh=brandstoffenmixeffect;

Dstr=structureel

effect;

De daling van de koolstofintensiteit in de industrie is (vanaf 1998) voornamelijk het gevolg van de verbeterde energie-efficiëntie (kleiner dan één en dalend intensiteitseffect), maar ook (zij het in iets mindere mate) van een verandering van de branstoffenmix (hoofdzakelijk de omschakeling naar aardgas). Zowel het emissiefactor-effect (verandering van de CO2-emissiefactoren van de fossiele brandstoffen) als het structureel effect (verschuivingen van de aandelen van de deelsectoren in de totale toegevoegde waarde van de sector) zouden – zonder de andere effecten in rekening te brengen – de koolstofintensiteit van de industrie hebben doen toenemen. Het emissiefactor-effect is vrij beperkt. Het structureel effect is in absolute termen niet zo groot als het intensiteitseffect en het brandstoffenmix effect, maar we zien nogmaal bevestigd dat de structurele verschuivingen in de beschouwde periode, ceteris paribus, voor een verhoging van de koolstofintensiteit zouden hebben gezorgd [zoals dat ze – zoals we eerder zagen – eveneens verantwoordelijk zouden zijn geweest voor een stijging van het (totale) energiegebruik en van de energie-intensiteit in de industriesector]. We weten dat de Revised Divisia methode in theorie een perfecte decompositiemethode is. Nochtans, wie de bovenstaande getallen voor elk afzonderlijk jaar bekijkt zal vaststellen dat de residuele factor 15 niet perfect één (1) is . Dat we “vals hebben moeten spelen” heeft te maken met een tekortkoming van de Divisia methoden. Divisia indices meten de verandering van een indicator in termen van de logaritmische veranderingen van de relevante factoren (zie ook het theoretisch hoofdstuk over Divisia methoden). In de decompositie analyse van de koolstofintensiteit is het zo dat een aantal variabelen – bijvoorbeeld het aandeel van het gebruik van een finale energievorm in het totale energiegebruik van een deelsector – in sommige jaren gelijk aan nul kan zijn. Dit is mogelijk omdat bijvoorbeeld die bepaalde energievorm (bijvoorbeeld vaste brandstoffen) vanaf een bepaald jaar niet meer in een deelsector wordt gebruikt. Het methodologische probleem is dat het (natuurlijk of neperiaans) logaritme van nul niet bepaald is. Om dit probleem programmatorisch op te lossen moeten we een

14

Er waren onvoldoende gegevens beschikbaar om ook het niet-energetisch gebruik mee op te nemen. Formeel moet voor elk jaar gelden Gt/G0 = Demc x Dfsh x Dstr x Dint x Drsd. Voor de Revised Divisia index methode moet gelden: Drsd = 1. 15

25

16

“trucje” toepassen, namelijk de variabele een (infinitisimaal ) kleine waarde verschillend van nul geven. Dit geeft helaas aanleiding tot afrondingsfouten. Deze fouten zijn gelukkig meestal verwaarloosbaar klein. Decompositie-analyses voor de sector Handel & Diensten De sector Handel & Diensten had in 2002 een aandeel van 6,2 % in het BBE van Vlaanderen. Decompositie van het energiegebruik van de dienstensectoren Voor de analyse van het energiegebruik van de sector en ‘handel en diensten’ doen we eerst een beroep op een methode die ook in de Europese indicaorendatabank ODYSSEE wordt toegepast. De interessantste optie is deze waarvoor we voor elke deelsector deze activiteitenindicator kiezen, die het best de specifieke activiteiten van die deelsector weergeeft. Een noodzakelijke voorwaarde is dat deze gegevens beschikbaar zijn. Indien de data ontbreken, kunnen we nog altijd terugvallen op toegevoegde waarde of aantal werknemers als indicator. We beschikken momenteel enkel voor onderwijs (aantal leerlingen) en gezondheidszorg (aantal ziekenhuisbedden) over betere activiteitenindicatoren. Tabel 5: deelsectoren ‘handel en diensten’ en hun activiteitenindicator Deelsector handel hotels en restaurants kantoren en administratie onderwijs gezondheidszorg en maatschappelijke dienstverlening gemeenschapsvoorzieningen, sociaal-culturele & persoonlijke diensten

Activiteitenindicator bruto toegevoegde waarde bruto toegevoegde waarde aantal werknemers aantal leerlingen aantal ziekenhuisbedden aantal werknemers

Hoe sterker de oorzakelijke band tussen beschouwde activiteit en het energiegebruik van een deelsector, hoe nauwkeuriger (in principe) het resultaat. Het is in dat opzicht betreurenswaardig dat voor de sector handel & diensten, waar gebouwenverwarming een groot deel van het energiegebruik voor zich opeist, een betere indicator – met name de (te verwarmen) vloeroppervlakte (in m²) – niet beschikbaar is.

16

In de door ons gebruikte programmeertaal is de kleinste reële waarde die we kunnen definiëren 1E-306. 26

Figuur 12: decompositie v/h energiegebruik van ‘Handel en Diensten’ via de ODYSSE methode (op basis van verschillende activiteitenindicatoren naargelang de deelsector) verandering energiegebruik (in PJ) 120 100 80 60 40 20 0 -20

1995

1996

1997

1998

1999

2000

2001

2002

Intensiteitseffect

0,0

10,7

6,3

5,5

5,5

5,0

9,2

13,4

Hoeveelheidseffect

0,0

-0,7

0,7

2,6

3,7

5,5

6,3

6,5

Energiegebruik

77,5

87,5

84,5

85,6

86,6

88,0

93,0

97,4

De ODYSSEE methode laat tevens toe de verandering van de energie-efficiëntie (per deelsector) te bepalen. Een negatieve waarde betekent een verslechtering van de energie-efficiëntie. Figuur 13: Verandering van de energie-efficiëntie van de deelsectoren van ‘Handel & Diensten’, via de ODYSSEE mehtode (op basis van verschillende activiteitenindicatoren naargelang de deelsector) 30%

verandering v/d energie-efficiëntie tov 1995 (in %) gemeenschapsvoorzieningen, sociaal-culturele en persoonlijke diensten

20% 10%

kantoren en administratie

0% 1996 -10% -20% -30% -40%

1997

1998

1999

2000

2001

2002

onderw ijs

gezondheidszorg en maatschappelijke dienstverlening handel

-50% -60%

hotels en restaurants

-70%

De sector 'gezondheidszorg en maatschappelijke dienstverlening' verbetert in 2002 zijn energieefficiëntie met 17 % t.o.v. 1995, maar alle andere dienstensectoren gaan erop achteruit: van ongeveer -35 % voor hotels en restaurants tot -10 % voor kantoren en administratie'. Heel duidelijk is het plaatje niet, behalve dat de energie-efficiëntie van alle deelsectoren – behalve van gemeenschapsvoorzieningen en kantoren & administratie – gedurende bijna heel de beschouwde periode slechter is dan in 1995. Opvallend is het absolute dieptepunt van hotels & restaurants in 2001, met een energie-efficiëntie die meer dan 64 % slechter was dan in 1995. We moeten de slechte prestaties van handel en hotel & restaurants nuanceren. Het is wellicht geen toeval dat de activiteitenindicator van de twee slechtst presterende dienstensectoren de bruto

27

toegevoegde waarde is (bij gebrek aan betere activiteitenindicatoren voor beide deelsectoren). Dit zou er kunnen op wijzen dat toegevoegde waarde voor de dienstensectoren misschien geen al te beste activiteitenindicator is. Voor de volledigheid herhalen we de decompositie analyse van het energiegebruik voor de sector handel & diensten, maar nu via de Refined Laspeyres index methode. Figuur 14: decompositie v/h energiegebruik van ‘Handel en Diensten’ via de Refined Laspeyres methode (op basis van bruto toegevoegde waarde) 25

verandering in energiegebruik t.o.v. 1995 (verschil) (in PJ)

20 15 10 5 0 -5

1996

1997

1998

1999

2000

2001

2002

Eint

10,687

5,783

5,366

4,301

2,009

5,380

8,475

Estr

-0,826

-1,277

-1,596

-2,206

-1,225

-1,806

-1,312

Eact

0,180

2,482

4,366

7,070

9,767

11,894

12,710

DeltaE

10,041

6,988

8,135

9,166

10,552

15,469

19,873

DeltaE=verschil energiegebruik tov 1995;Eact=activiteiteneffect; Estr=structureel effect; Eint=intensiteitseffect

De Refined Laspeyres methode bevestigt grotendeels de resultaten verkregen via de ODYSSEE methode, zij het dat deze laatste methode een groter aandeel toekent aan het toenemend intensiteitseffect (verslechterende energie-efficiëntie). In de Refined Laspeyres methode wordt het activiteiten effect in (heel) beperkte mate gecompenseerd door het structureel effect, maar beide samen zijn toch nog een stuk groter dan het hoeveelheidseffect in de ODYSSEE methode. De eindconclusie blijft in beide gevallen dezelfde: de sector handel & diensten in zijn geheel heeft het in de periode 1995-2002 op vlak van energie-efficiëntie helemaal niet goed gedaan. Gedetailleerde studies moeten uitwijzen wat hier de precieze oorzaken van zijn. Decompositie van de energie-intensiteit van de dienstensectoren We tonen tot slot de resultaten van de multiplicatieve Refined Divisia decompositie van de energieintensiteit in de sector Handel & Diensten. De additieve variant geeft (per definitie) dezelfde interpretatie, maar anders voorgesteld.

28

Fig. 15: verandering van de energie-intensiteit t.o.v. 1995 in de sector Handel & Diensten via de (multiplicatieve) Revised Divisia methode 1,15

verandering in energie-intensiteit (index 1995=100)

1,10

1,05

1,00

0,95

1996

1997

1998

1999

2000

2001

2002

It/I0

1,127

1,057

1,047

1,026

1,010

1,043

1,086

Dstr

0,990

0,984

0,981

0,974

0,986

0,979

0,985

Dint

1,138

1,074

1,068

1,054

1,024

1,065

1,102

It/I0=energieintensiteit index 1995=1; Dstr=structureel effect; Dint=intensiteitseffect

Echt verassend zijn de resultaten niet. Het structureel effect an sich zou nog voor een (lichte) verbetering (daling) van de energie-intensiteit hebben kunnen zorgen, maar dit effect wordt volledig teniet gedaan door het toenemend intensiteitseffect (verslechterende energie-efficiëntie). Decompositie van de koolstofintensiteit van de dienstensectoren De decompositie van de koolstofinstiteit van de sector Handel & Diensten konden we niet uitvoeren wegens gebrek aan data (in casu CO2-emissies per gebruik van fossiele brandstof).

29

3 Decompositie via algebraïsche methoden In het begin van de jaren ’80 van de vorige eeuw gebruikten analysten vooral eenvoudige “algebraïsche” methoden om het energiegebruik en / of de energie-intensiteit te ontbinden in een aantal verklarende factoren. Alhoewel onderzoekers voor de decompositie op sectorniveau sedert de jaren ’90 van de vorige eeuw meestal werken met methoden gebaseerd op Laspeyres of Divisia indices (zie volgende hoofdstukken), hebben de algebraïsche methoden toch nog een zeker nut. De Laspeyres of Divisia indicatoren laten niet toe het energiegebruik of de energie-intensiteit van een hele economie (macro-niveau) te analyseren, omdat deze methoden vereisen dat men voor alle sectoren van een economie dezelfde activiteiten-indicator (bv toegevoegde waarde) hanteert, en dat is niet mogelijk (bv huishoudens creëren geen toegevoegde waarde als dusdanig). Voor de decompositie analyse van macro-indicatoren moeten we ons bijgevolg behelpen met enkele pragmatische methoden. ODYSSEE is een databank met energie-efficiëntie indicatoren, en maakt deel uit van een Europees project gesteund door het (voormalige) SAVE programma van de Europese Commissie, het Franse ‘Agence de l’Environnement et de la Maitrise de l’Energie’ (Ademe), en de andere Europese energieagentschappen. Een van de doelstellingen van het project is het evalueren van wat de lidstaten hebben bereikt op het vlak van de energie-efficiëntie en de CO2-emissies op sectorieel niveau (ENERDATA, 2000). ODYSSEE bevat niet enkel indicatoren, maar geeft ook enkele decompositiemethoden aan die men op deze indicatoren kan toepassen. Het zijn deze indicatoren en methoden die we in dit hoofdstuk nader zullen bekijken. Primaire energie-intensiteit De primaire energie-intensiteit is de ratio van het primair (totaal) energiegebruik (in PJ) van een regio of land op het bruto binnenlands product (BBP) (in EUR) aan constante prijzen. Het ‘primair energiegebruik’ heet ‘Total Primary Energy Supply’ (TPES) bij de International Energy Agency (IEA), en ‘Gross Inland Energy Consumption’ (GIEC) bij Eurostat / European Environment Agency (EEA). EEA definieert GIEC als de binnenlandse energieproductie + energie importen energie exporten ± voorraadveranderingen - de bunkers. Finale energie-intensiteit De finale energie-intensiteit is de ratio van het finaal energiegebruik van een regio (in PJ) op het bruto binnenlands product (in EUR) aan constante prijzen. In tegenstelling tot IEA en Eurostat rekent ODYSSEE de volgende gebruiken niet tot het finale energiegebruik: ·

het niet-energetisch eindgebruik. Het niet-energetisch gebruik heeft meer te maken met grondstoffenbeheer (‘materials management’) dan wel met overwegingen i.v.m. met energie-efficiëntie;

·

de internationale bunkers. IEA en Eurostat sluiten enkel bunkers voor internationaal maritiem transport uit, niet deze voor de internationale luchtvaart.

EEA definieert finale energieconsumptie als de energieconsumptie van de sectoren transport (‘verkeer en vervoer’), industrie, huishoudens en diensten (‘handel & diensten’), met inbegrip van de consumptie van getransformeerde energie zoals elektriciteit, petroleumproducten, stadsverwarming, cokes, enz. EEA is vaag over de precieze definitie van deze indicator, zodat we niet met zekerheid kunnen nagaan of bijvoorbeeld (elektriciteits)verliezen over het net al dan niet mee zijn opgenomen. We gebruiken in dit rapport het binnenlands eindgebruik voor de diverse sectoren, zoals opgenomen in de Energiebalans Vlaanderen (Vito, 2004). We vermelden voor elke indicator afzonderlijk of we het bruto (inclusief de energiesector) dan wel het netto (exclusief de energiesector) binnenlands 30

energiegebruik hanteren voor de analyse, en of we het niet-energetisch gebruik al dan niet mee opnemen. Ratio finale / primaire energie-intensiteit Een daling van de ratio finale / primaire energie-intensiteit betekent dat meer primaire energie nodig is per eenheid finaal energiegebruik. De belangrijkste factoren hierin zijn de transformatie-, transport- en distributieverliezen. Finale energie-intensiteit bij constante structuur De finale energie-intensiteit bij constante structuur van een economie is een fictieve energieintensiteit, die men berekent door te veronderstellen dat de structuur van de economie (i.e. de aandelen van de sectoren in het BBP) niet veranderd is t.o.v. een referentiejaar, en waarbij men (enkel) rekening houdt met de veranderde energie-intensiteiten van de sectoren. Algemeen:

I tcs = å I it yi 0 i

met:

I tcs

de energie-intensiteit (finaal energiegebruik op BBP) van heel de economie in het jaar t, bij constante structuur

Eit Yit E I it = it BBPt E I it = it PC t Y yi 0 = i 0 BBP0

de finale energie-intensiteit in het jaar t voor de sectoren i = industrie, energie, ‘handel en diensten’ en landbouw

I it =

yi 0 = 1 PC 0 yi 0 = BBP0

de finale energie-instensiteit in het jaar t voor de sector i = ‘verkeer en vervoer’, met BBP = Bruto Binnenlands product (in EUR constante prijzen van 1995) in jaar t de finale energie-intensiteit in het jaar t voor i = bevolking, met PC is de private constumptie (in EUR constante prijzen van 1995) in jaar t het aandeel in het Bruto Binnenlands Product (in fractie) van de bruto toegevoegde waarde van een sector i = industrie, energie, ‘handel en diensten’ en landbouw, in het referentiejaar 0 voor de sector i = transport het aandeel in het Bruto Binnanlands Product (in fractie) van de private consumptie van i = bevolking, in het referentiejaar 0.

Bij het opstellen van tijdreeksen ‘corrigeert’ men traditioneel de energieconsumptie voor de 17 buitentemperaturen , om de invloed van strenge winters te neutraliseren. We bespreken in bijlage hoe men deze correcties eventueel kan uitvoeren. Decompositie van het energiegebruik van afzonderlijke sectoren in ODYSSEE ODYSSEE verklaart de verandering in het energiegebruik van een sector over een periode 0-T bij middel van twee effecten: een ‘hoeveelheidseffect’ (quantity effect of QE) en een ‘eenheidsconsumptie-effect’ (unit consumption effect of UCE). De eenheidsconsumptie, i.e. het energiegebruik per eenheid activiteit, noemt men ook specifiek energiegebruik of energie-intensiteit Men spreekt vooral van specifiek energiegebruik (Specific Energy Consumption of SEC) wanneer men de activiteiten in fysieke termen uitdrukt, bv als ton product. Men spreekt vooral van energie-intensiteit wanneer men de activiteit in monetaire termen uitdrukt, bv als toegevoegde waarde. 17

Vaak “klimaatcorrecties” genoemd. Volgens ons ten onrechte, een tijdreeks van hoogstens enkele tientallen jaren is niet voldoende om al van “klimaatwijzigingen” te kunnen spreken. 31

De berekening van deze twee effecten is als volgt:

DEitot = DEitQE + DEitUCE , of Eit = Ei 0 + DEitQE + DEitUCE met:

DEitQE = ( Ait - Ai 0 )U i 0

DEitUCE = ( AitU it - Ai 0U i 0 ) - [( Ait - Ai 0 )U i 0 ] = (U it - U i 0 )Ait

en met:

Eit Ait U it =

Eit Ait

DEitot = Eit - Ei 0

Energiegebruik in deelsector i in jaar t

PJ

Activiteitenniveau van deelsector i in jaar t

...

Eenheidsconsumptie van deelsector i in jaar t

PJ / ...

De verandering van het energiebruik van deelsector i in de periode 0-t

PJ

QE it

Het hoeveelheidseffect voor deelsector i in jaar t

PJ

UCE it

Het eenheidsconsumptie-effect voor deelsector i in jaar t

PJ

DE DE

Het hoeveelheidseffect meet de invloed van de verandering van het activiteitenniveau van deelsector i op het energiegebruik, waarbij het gemiddeld energiegebruik per eenheid activiteit constant wordt gehouden op het niveau van het referentiejaar 0. Het eenheidsconsumptie-effect meet de invloed van de verandering van het gemiddeld energiegebruik per eenheid activiteit in een deesector i op het energiegebruik, waarbij het activiteitenniveau constant wordt gehouden op het niveau van het referentiejaar 0. We hoeven het activiteitenniveau niet uit te drukken in termen van bruto toegevoegde waarde (EUR aan constante prijzen). Voor industriële deelsectoren kunnen we ook productie-indices gebruiken, of fysieke eenheden (ton productie), enz. Voor handel & diensten kunnen we aantal werknemers gebruiken, of aantal leerlingen, of aantal ziekenhuisbedden, enz. Het nadeel van deze eenvoudige methode is dat we geen structureel effect kunnen berekenen, i.e. verschuivingen van de aandelen van de deelsectoren in het activiteitenniveau van de sector. We verwijzen hiervoor naar de Laspeyres of Divisia index methoden. ODYSSEE definieert ook nog een “eenheidsconsumptie index” of UC index, namelijk:

DitUC =

Eit Eit - DEiUCE

De eenheidsconsumptie index is de ratio van het werkelijke energiegebruik van deelsector i in jaar t, op een fictief energiegebruik van sector i in jaar t, zijnde het werkelijk energiegebruik zonder het eenheidsconsumptie-effect. Een index van 0,8 (of 80 %) betekent een verbetering van de energieefficiëntie met 0,2 (of +20 %). Decompositie van de energie-intensiteit van afzonderlijke sectoren door ECONOTEC ECONOTEC (2003) gebruikt, in het kader van de nationale rapportering van België aan ODYSSEE, een eigen methode om de energie-intensiteit te onbinden in een structureel en een

32

“eenheidsconsumptie” of intensiteitseffect. De activiteitenniveaus van alle (deel)sectoren worden uitgedrukt in bruto toegevoegde waarde (in EUR aan constante prijzen). ECONOTEC berekent het structureel effect als de verandering in energie-intensiteit (eenheidsconsumptie) tussen referentiejaar 0 en jaar t, waarbij ze veronderstelt dat de energieintensiteit (eenheidsconsumptie) in jaar t dezelfde is als in het referentiejaar 0. m

Ei 0 Yi 0 = I t - i =1 BBPt

åY

it

DI str

m Ei 0 E Yit i 0 å m E æ Y Y ö Yi 0 Yi 0 = i =1 - i =1 = å i 0 çç i 0 - it ÷÷ BBP0 BBPt BBPt ø i =1 Yi 0 è BBP0 m

åY

i0

Het intensiteitseffect (of eenheidsconsumptie-effect) berekent ECONOTEC dan gewoon als het verschil tussen de totale verandering in energie-intensiteit en het structureel effect. Op die manier verdeelt ECONOTEC een eventueel residueel effect (zie ook Laspeyres en Divisia indices) over het intensiteitseffect.

DI int = DI tot - DI str m æ m E E ç å Yit it å Yi 0 i 0 Yit Yi 0 = ç i =1 - i =1 ç BBPt BBP0 ç è

=

m

i =1

=

æ Yit Eit

å çç BBP Y m

è

t

it

æ Yit Eit

å çç BBP Y i =1

è

t

it

-

ö ÷ m ÷ - Ei 0 æç Yi 0 - Yit ö÷ ç ÷ å BBPt ÷ø i =1 Yi 0 è BBP0 ÷ ø

Yi 0 Ei 0 Ei 0 Yi 0 E Y ö + i 0 it ÷÷ BBP0 Yi 0 Yi 0 BBP0 Y0 BBPt ø

æ Y Y öE ö + çç it - 2 i 0 ÷÷ i 0 ÷÷ BBP0 ø Yi 0 ø è BBPt

Het spreekt dat de ECONOTEC methode een laakbare ad hoc methode is, en dat men voor de decompositie van de energie-intensiteit van afzonderljke sectoren beter een beroep kan doen op bijvoorbeeld de Laspeyres of Divisia index decompositiemethoden.

33

4 De Laspeyres index decompositiemethoden Definities Dit hoofdstuk behandelt uitsluitend de decompositie van het energiegebruik en de energie-intensiteit via de Laspeyres index en aanverwante index methoden. Het volgend hoofdstuk zal dieper ingaan op de Divisia index methoden. De decompositie van de koolstofintensiteit komt aan bod in hoofdstuk 6. We bestuderen in dit hoofdstuk de (geaggregeerde) energie-intensiteit van een afzonderlijke sector (bv industrie), en niet van een hele economie. Een sector bestaat uit een eindig aantal (m) deelsectoren. De fundamentele identiteit die aan de grondslag ligt van de decompositie van het energiegebruik is de vergelijking die zegt dat het geaggregeerd energiegebruik van een sector in jaar t gelijk is aan de som van de producten van 1) de totale output (bruto toegevoegde waarde) van de sector in jaar t, 2) het aandeel van elke deelsector i in de totale output van de sector in jaar t, en 3) de energie-intensiteit van elke deelsector i in jaar t. m

m

i =1

i =1

Et º å Eit =å

m m Eit Yit Yt = å I it y it Yt = Yt å I it y it Yit Yt i =1 i =1

met:

Eit


PJ

Energiegebruik in de sector in jaar t

PJ

Aandeel van het energiegebruik van deelsector i in het totaal energiegebruik van de sector in jaar t

(fractie)

Bruto Toegevoegde Waarde van deelsector i in jaar t

109 EUR(1)

Yt = å Yit

Bruto Toegevoegde Waarde van de sector in jaar t

109 EUR(1)

Yit Yt E I it = it Yit E It = t Yt

Aandeel van de Bruto Toegevoegde waarde van deelsector i in de Bruto toegevoegde Waarde van de sector in jaar t

(fractie)

Energie-intensiteit van deelsector i in jaar t

PJ / 109 EUR(1)

Energie-intensiteit van de sector in jaar t

PJ / 109 EUR(1)

m

Et = å Eit i =1

wit =

Eit Et

Yit m

i =1

y it =

(1) constante prijzen van 1995.

Een verandering van het energiegebruik van een sector is het gevolg van (een combinatie van) een verandering van de output van de sector (activiteiteneffect), van de aandelen van de deelsectoren in de totale output van de sector (structureel effect), en van de energie-intensiteiten van de deelsectoren (intensiteitseffect). De energie-intensiteit van een sector c.q. deelsector definieren we als de ratio van het energiegebruik op de activiteit. Sommige auteurs stellen voor om op het niveau van de sector te spreken van de energie/activiteit of energie/output ratio, en enkel op het niveau van een deelsector van de energieintensiteit. We doen dit niet, omdat uit onze notatie het verschil tussen ‘geaggregeerde’ en ‘sectoriële’ energie-intensiteit duidelijk genoeg zal blijken. We zouden in principe de analyse ook kunnen uitvoeren op de energie-efficiëntie, gedefinieerd als de reciproke van de energie-intensiteit (of de ratio van de activiteit op het energiegebruik). We zullen dat in dit rapport niet doen.

34

Uit de fundamentele identiteit voor het energiegebruik van een sector kunnen we snel de fundamentele identiteit voor de energie-intensiteit van een sector afleiden.

®

Et = Yt

m

å I it yit ® I t = i =1

m

åI

it

y it

i =1

De doelstelling is de studie van de impact van structurele veranderingen (wijzigingen in de aandelen van de activiteiten van de deelsectoren in de totale activiteit van de sector) en van veranderingen in de energie-intensiteit van de deelsectoren op het verloop van de (ge-aggreggeerde) energieintenstiteit van de sector over een bepaalde periode. Het is gebruikelijk de Laspeyres (of Divisia) index methoden enkel toe te passen op afzonderlijke sectoren, bijna altijd de industriële sector. Het is theoretisch mogelijk de methode toe te passen op andere afzonderlijke sectoren (bv handel & diensten), of op een aantal sectoren samen (voor zover men voor deze sectoren een gelijksoortige activiteiten-indicator kan toepassen). In geval van industrie noemt men het “structureel effect” ook wel het “product mix” effect. Een wijziging van de aandelen van de deelsectoren in de output van de gehele industriële sector betekent immers dat de “product mix” van de industriële sector verandert. Wij zullen ons aanvankelijk niet bezighouden met de decompositie van het energiegebruik (ook ‘absolute’ decompositie genoemd). Door te werken met de energie-intensiteit houden we automatisch rekening met het activiteiteneffect, en kunnen we ons beperken tot het structureel effect en het intensiteitseffect. Dit geeft als bonus dat de (wiskundige) formuleringen iets minder omslachtig worden, en dat we bovendien (voor de Laspeyres index) een grafische illustratie kunnen geven. Naar het einde toe zullen we – bij de veralgemening van de Laspeyres index methodes – even terugkomen op de decompositie van het energiegebruik. Een grafische interpretatie De (klassieke) Laspeyres methode We weten dat we de energie-intensiteit van een sector in jaar t kunnen schrijven als

It =

m

åI

it

y it .

i =1

Laten we voor de eenvoud een afzonderlijke deelsector i bekijken. We kunnen schrijven

I it y it =

Eit Yit Eit E E = . Let op, it ¹ I it = it . We hebben wel Yt Yit Yit Yt Yt

m

Eit

åY i =1

t

=

1 Yt

m

åE

it

i =1

=

Et = It . Yt

35

Figuur 16: grafische voorstelling van een decompositie met 2 factoren

Ii

Ii0 DIi=-(Iit-Ii0)

j

m

k

l

Iit

yi0

yit

yi

Dyi=(yit-yi0) We veronderstellen dat voor een bepaalde deelsector i het aandeel van haar activiteiten in de totale activiteit van de sector stijgt van jaar 0 tot jaar t ( y i 0 ® y it ), en dat haar energie-intensiteit in dezelfde periode daalt ( I i 0 (

® I it ). De ratio in het jaar 0 (

Ei 0 ) is evident de oppervlakte j+k, en in het jaar t Y0

Eit E æE E ö ) de oppervlakte k+l. Het verschil tussen beide ratio’s ( D i = çç it - i 0 ÷÷ ) is de oppervlakte Y è Yt Y0 ø Yt

(k+l)-(j+k) of oppervlakte l-j. 18

Algebraïsch :

D

Ei = ( y it I it - y i 0 I i 0 ) Y = [ y i 0 I it + I it ( y it - y i 0 )] + [ y i 0 I it + y i 0 (I it - I i 0 )] = I it ( y it - y i 0 ) + y i 0 (I it - I i 0 )

De vraag is hoe we de verandering ( D

Ei ) kunnen schrijven als som (verschil) van een structureel Y

effect en een intensiteitseffect. We zouden de eerste term (oppervlakte l) op het eerste gezicht het “structureel effect” kunnen noemen, en de tweede term (minus oppervlakte j) het “intensiteitseffect”. Dit klopt echter niet – de verandering van jaar 0 naar jaar t gebeurt niet ‘eenklaps’, maar geleidelijk. Dit betekent concreet dat we rekening moeten houden met (minus) oppervlakte m, of algebraïsch ( yit - yi 0 )(I it - I i 0 ) .

18

Vergeet niet dat

I it < I i 0 , zodat (I it - I i 0 ) < 0 . 36

De Laspeyres index methode bestaat erin dat men alle gewichten uitdrukt in functie van het referentiejaar 0. Men definieert het structureel effect en het intensiteitseffect dan ook als volgt:

æ Ei ö ç D ÷ = I i 0 ( yit - yi 0 ) è Y ø str æ Ei ö ç D ÷ = yi 0 (I it - I i 0 ) è Y øint M.a.w., de verandering in structuur en in intensiteit worden gewogen m.b.v. de toestand van de structuur en de intensiteit in het referentiejaar 0. Grafisch gesproken is dan per definitie het structureel effect de oppervlakte l+m, en het intenstiteitseffect (minus) de oppervlakte j. Meteen wordt het grote nadeel van de Laspeyres

Ei ) gelijk is aan de Y æ Ei ö intensiteitseffect ç D ÷ , of è Y øint

methode duidelijk. Normaliter verwachten we dat de werkelijke verandering ( D som

D

van

het

structureel

æ Ei ö ç D ÷ en è Y ø str

effect

het

E Ei æ Ei ö æ E ö = ç D ÷ + ç D i ÷ . T.o.v. het werkelijke verschil tussen beide ratios ( D i ), met name Y è Y ø str è Y ø int Y

de oppervlakte l-j, geeft de som van het structureel effect en het intensiteitseffect de oppervlakte (l+m)-j = (l-j)+m. We hebben m.a.w. een (groot) residueel effect, namelijk de oppervlakte m. (Minus) de oppervlakte m is algebraïsch uit te drukken als ( yit - yi 0 )(I it - I i 0 ) . Uit de algebraïsche notatie kan men ook begrijpen waarom sommige auteurs spreken van het interactie effect i.p.v. het residueel effect. Het is verder duidelijk dat de Laspeyres methode de neiging zal hebben het (werkelijk, maar ongekende) structureel effect te overschatten. De verandering in de totale intensiteit van de hele sector is te schrijven als:

DI tot º I t - I 0 =

m

å I (y i0

it

i =1

= DI

Laspeyres str

m

m

- yi 0 ) + å yi 0 (I it - I i 0 ) + å ( yit - yi 0 )(I it - I i 0 ) i =1

+ DI

Laspeyres int

We hebben (grafisch) aangetoond dat

i =1

+ DI

Laspeyres rsd

Laspeyres DI tot ¹ DI str + DI intLaspeyres . We moeten rekening houden

met een (soms aanzienlijke) residuele term:

Laspeyres Laspeyres Laspeyres DI rsd = DI tot - DI str - DI int .

In het

verleden werd deze residuele term door veel analysten gewoon “genegeerd”, waarbij ze enkel de resultaten voor het structureel en het intensiteitseffect rapporteerden. Zij deden m.a.w. alsof Laspeyres DI tot = DI str + DI intLaspeyres . Andere analysten vermelden wel expliciet een “interactie” effect,

zonder dat zij hier enige precieze (economische) betekenis konden aan geven. We zullen verderop, bij de bespreking van de refined Laspeyres index, de residuele term verder (algebraïsch) analyseren. We zullen ook tonen hoe men – door het herdefiniëren van het structureel effect en intensiteitseffect – deze residuele term steeds kan herleiden tot nul. Eerst bespreken we een aantal (vroeger veel) gebruikte andere methoden, die nauw verwant zijn met de Laspeyres index methode. Aanverwante Laspeyres index decompositiemethoden De Paasche index decompositiemethode Men kan alle gewichten uitdrukken in functie van het jaar t i.p.v.het referentiejaar 0. Deze methode noemt men de Paasche index. We krijgen: 37

æ Ei ö ç D ÷ = I it ( yit - yi 0 ) è Y ø str æ Ei ö ç D ÷ = yit (I it - I i 0 ) è Y øint De som van het structureel effect en het intensiteitseffect is nu de oppervlakte l-(j+m), met als eerste term het structureel effect en als tweede term het intenstiteitseffect. We hebben nog altijd het probleem van de residuele term, met waarschijnlijk een overschatting van het (werkelijke maar ongekende) intensiteitseffect. De Paasche index wordt voor de decompositie van de energieintensiteit in de praktijk niet of nauwelijks gebruikt. De gewoon gemiddelde index decompositiemethode Men kan aantonen dat in principe elke lineaire combinatie van de Laspeyres index en de Paasche index is toegelaten (wat aanleiding geeft tot een oneindig aantal decompositiemethoden). In de praktijk echter zal men meestal het “gewoon gemiddelde” of rekenkundig gemiddelde van beide gewichten nemen, met name:

I + I i0 æ Ei ö ( yit - yi 0 ) ç D ÷ = it 2 è Y ø str y + yi 0 æ Ei ö (I it - I i 0 ) ç D ÷ = it 2 è Y ø int Empirisch geeft deze methode een klein(er) residueel effect dan de (zuivere) Laspeyres index methode, maar het residueel effect zal meestal toch nog altijd verschillend zijn van nul. Deze “gewoon gemiddelde” methode is nog steeds relatief populair. De Refined Laspeyres, Sun/Shapley of Marshall-Edgeworth index decompositiemethode Sun (1998) introduceerde een perfecte Laspeyres decompositie-methode, die men de ‘refined Laspeyres index’ methode noemt. Men zegt dat deze methode perfect is, omdat de residuele term gelijk is aan nul. We vertrekken voor de refined Laspeyres index van de volgende identiteiten:

DI tot =

m

it it

i =1

=

m

åy I -åy

I

i0 i0

i =1

m

m

m

i =1

i =1

i =1

å ( yit - yi 0 )Ii 0 + å (I it - Ii 0 )yi 0 + å ( yit - yi 0 )(Iit - I i 0 )

De eerste twee termen aan de rechterzijde stemmen overeen met het structureel effect ( DI str ) en het intenstiteitseffect ( DI int ) van de “gewone” Laspeyres index methode; en de derde term met de residuele term ( DI rsd ). Deze residuele term geeft de bovenvermelde “interactie effecten” weer. De residuele term is erg groot wanneer de verschillen in de variabelen

y i en I i groot zijn.

De ‘refined Laspeyres index’ verdeelt de “interactie effecten” gelijkelijk over de twee hoofdeffecten (structuur en intensiteit). Sun (1998) spreekt van het “jointly created and equally distributed” principe (p. 90). Zijn argumentatie is dat er geen redenen zijn om aan te nemen dat dit principe niet zou 19 gelden . 19

Onze bemerking hierbij is dat er ook geen redenen zijn om aan te nemen dat dit principe wel zou gelden. 38

De ‘refined Laspeyres index’ of Sun/Shapley methode wordt dan gegeven door (Sun, 1998, p. 91): m

DI str = å y i 0 (I it - I i 0 ) + i =1 m

DI int = å I i 0 ( y it - y i 0 ) + i =1

1 m å (I it - I i 0 )( yit - yi 0 ) 2 i =1 1 m å ( yit - yi 0 )(I it - I i 0 ) 2 i =1

In grafische termen komt het er eigenlijk op neer dat het oppervlak m netjes in twee wordt gedeeld, waarbij zowel het structureel effect als het intensiteitseffect elk de helf van dit oppervlak krijgen toebedeeld (met tegengesteld teken, zodat het residueel effect gelijk aan nul wordt), of met andere woorden de som van structureel effect en intensiteitseffect is {oppervlakte (l+m) - ½ oppervlakte m} + {- oppervlakte j - ½ oppervlakte m)}, wat uiteraard gelijk is aan de werkelijke verandering, met name oppervlakte l-j. Ang, Liu en Chew (2003) tonen aan dat deze methode wiskundig equivalent is met de Shapley decompositiemethode (Shapley, 1952), door Albrecht et al. (2002) voor het eerst geïntroduceerd in het kader van een CO2-emissie decompositie analyse. Men spreekt daarom ook van de Sun/Shapleymethode. Wanneer de decompositie betrekking heeft op slechts 2 factoren (bv structuur en intensiteit) dan is de Sun/Shapley methode wiskundig equivalent met de zogenaamde Marshall-Edgeworth methode. Voor de volledigheid geven we de Sun/Shapley methode in de Marshall-Edgeworth vorm (enkel te gebruiken wanneer er slechts twee ontbindende factoren zijn):

DI str =

DI int =

m m ö æ m öù 1 éæ m + y I y I y I yit I i 0 ÷ ú ç ÷ ç å å it it ê å i 0 it å i 0 i 0 2 ëè i =1 i =1 i =1 ø è i =1 øû

m m 1 éæ m ö æ m öù + y I y I y I êç å it i 0 å i 0 i 0 ÷ ç å it it å y i 0 I it ÷ ú 2 ëè i =1 i =1 i =1 ø è i =1 øû

De refined Laspeyres index geeft een perfecte decompositie ( DI rsd

= 0 , of DI tot = DI str + DI int ), en

is voor economisten of statistici makkelijk te begrijpen omwille van hun vertrouwdheid met de conventionele Laspeyres index. Een nadeel van de refined Laspeyres index is dat hij enkel geldt voor additieve decompositie analyse (zie Divisia index methoden). We kunnen wel schrijven:

DI tot = I t - I 0 ® I t = I 0 + DI tot ®

DI DI I t I 0 DI tot I = + ® t = 1 + str + int Sommige I0 I0 I0 I0 I0 I0

auteurs

geven de voorkeur aan deze laatste noteringswijze. Wanneer er meer dan 3 factoren zijn, wordt de formulering van de refined Laspeyres index zeer omslachtig, zoals we in de volgende paragraaf zullen zien. Veralgemening van de Refined Laspeyres index methode We hebben tot dusver enkel twee factoren of effecten bekeken, met name de structuur van de sector en de energie-intensiteiten van de deelsectoren. Het is relatief eenvoudig om de decompositie analyse uit te breiden tot meerdere factoren. De notatie wordt wat omslachtiger.

39

e

De (additieve) refined Laspeyres decomposiemethode laat zich makkelijk veralgemenen, met als k effect (Sun, 1998):

DX k = +

V0 k Dx x0k ö V 1æ çç å k 0 a Dx k Dx a ÷÷ 2 è a ¹ k x0 x0 ø

ö V 1æ + çç å k 0a b Dx k Dx a Dx b ÷÷ 3 è a ¹b ¹ k x0 x0 x0 ø +K 1 + Dx1Dx 2 K Dx k KDx n -1Dx n n met :

DX k = X tk - X 0K

Het ke effect

xtk

De waarde van de ke factor in jaar t De (geaggregeerde) indicator waarop we de decompositie-analyse willen toepassen, als product van n factoren

Vt = xt1 xt2 K xtk K xtn

Passen we dit (bijvoorbeeld) toe op het totale energiegebruik van een sector (zoals industrie) in jaar t, m

of Et

= Yt å I it yit , i =1

dan krijgen we

DEtot = DEact + DEint + DEstr , met:

m

DE act = DY å I i 0 y i 0 + i= A

m

DE int = Y0 å y i 0 DI i + i =1 m

DE str = Y0 å I i 0 Dy i + i =1

m m 1 1 DY å ( I i 0 Dy i + y i 0 DI i ) + DY å DI i Dy i 2 3 i =1 i =1 m 1 m 1 DI i ( y i 0 DY + Y0 Dy i ) + DY å DI i Dy i å 2 i =1 3 i =1

m 1 m 1 ( ) D y I D Y + Y D I + D Y DI i Dy i å i i0 å i 0 2 i =1 3 i =1

en

DY = (Yt - Y0 ) , Dyi = ( yit - yi 0 ) en DI i = (I it - I i 0 ) DE act , DE str en DEint zijn het activiteiten-, structureel respectievelijk intensiteitseffect, waarbij de residuele term DErsd = 0 .

40

5 De Divisia index decompositiemethoden Inleiding Dit hoofdstuk behandelt uitsluitend decompositie via de Divisia index methoden. De eersten die het gebruik van Divisia indices voor de decompositie van de energie-intensiteit en het energiegebruik voorstelden waren Boyd, McDonald, Rosse en Hanson (1987) en Boyd, Hanson en Sterner (1988). Boyd en Hanson werkten als economisten aan het Amerikaanse Argonne National Laboratory. De Divisia index methode zelf werd oorspronkelijk ontwikkeld door de Franse economist F. Divisia in 1925. Net zoals voor de Laspeyres index decompositiemethoden zullen we – omwille van de wiskundige eenvoud - ons vooral concentreren op de Divisia index decompositie van de energie-intensiteit en niet 20 van het energiegebruik . Een veralgemening van de Divisia methoden maakt hen bruikbaar voor de decompositie van indicatoren die men ontbindt in meer dan 2 factoren, zoals bijvoorbeeld energiegebruik (3 factoren) of koolstofintensiteit (4 factoren). De (geagreggeerde) energie-intensiteit van een sector i in jaar t kunnen we (her)formuleren als: m

E It = t = Yt

åE

it

i =1

Yt

m

=å i =1

m m Eit E Y = å it it = å I it yit Yt i =1 Yit Yt i =1

Voor een willekeurig jaar wordt dit: m

I = å I i yi i =1

Men maakt verder een onderscheid tussen ‘multiplicatieve’ en ‘additieve’ Divisia methoden. Bij additieve methoden meet men een verandering in de (geaggregeerde) energie-intensiteit over de periode 0 – t in termen van het verschil I t - I 0 ; bij multiplicatieve methoden in termen van de ratio

It . I0 De multiplicatieve en additieve methoden kennen op hun beurt nog een groot aantal varianten. Opdat de lezer door de bomen het bos nog zou kunnen zien, geven we nu al een boomstructuur van de verschillende Divisia methoden. De Divisia index methode is te beschouwen als een meer algemene methode, waaruit we o.a. ook de (gewone) Laspeyres index methode zoals beschreven in het vorige hoofdstuk kunnen afleiden.

20

De seminal paper van Boyd et al. (1987) bekeek ook de energie-intensiteit van de industriesector, niet het energiegebruik. 41

Fig 17: Boomstructuur van de belangrijkste Divisia index decompositiemethoden Divisia Index Divisia Index

muliplicatief

Parametrische Divisia methode I PDM I

AWD I (average weighing)

additief

Parametrische Divisia Methode II PDM II

Parametrische Divisia Methode I

Laspeyres Paasche MarshallEdgeworth

conventional logarithmic

AWD II (average weighing)

conventional logarithmic

Parametrische Divisia Methode II

Laspeyres Paasche MarshallEdgeworth

Deze boomstructuur geeft geen exhaustieve lijst van Divisia index methoden, en dient vooral als leidraad voor de volgende hoofdstukken De additieve Divisia index decompositiemethoden We ontbinden de verandering van de energie-intensiteit van de sector over de periode 0-t als volgt:

DI tot = DI str + DI int + DI rsd , met: DI tot = I tot , t - I tot , 0 DI str = I str ,t - I str , 0 DI int = I int, t - I int, 0

DI rsd = DI tot - DI str - DI int Indien

Verandering in de (geaggregeerde) energie-intensiteit van de sector Structureel effect: verandering in de totale energieintensiteit van de sector t.g.v. een verschuiving in de structuur van de sector Intensiteitseffect (technisch effect): verandering in de totale energie-intensiteit van de sector t.g.v. een wijziging in de energie-intensiteiten van de deelsectoren Residuele term

PJ / 109 EUR PJ / 109 EUR

PJ / 109 EUR PJ / 109 EUR

DI rsd = 0 dan is de decompositie perfect. m

We vertrekken van I

= å I i y i . Fundamenteel voor de Divisia index methoden is dat men de i =1

(ontbindende) factoren beschouwt als continue, afleidbare fucnties over de tijd. Beide zijden differentieren over de tijd geeft: m m dI dy dI = å yi i + å I i i dt i =1 dt i =1 dt

Deze vergelijking staat in de additieve vorm. De eerste term (aan de rechterzijde) is de intensiteitsindex (die het intensiteitseffect weergeeft), de tweede term is de structuurindex (die het structureel effect weergeeft) . Bovenstaande vergelijking is de basis voor de additieve Parametrische Divisia Methoden. Men maakt hierbij een onderscheid tussen parametrisatie I en II.

42

De additieve Parametrische Divisia index methode I of PDM I We vertrekken van de basisvergelijking: m m dI dy dI = å yi i + å I i i dt i =1 dt i =1 dt

Beide zijden integreren over het interval [0,t] geeft: t

t

t

t

t

m m m m dyi dy dI i dI i dI = + dt , of = + dt I dt I i i dt dt y I I y å å å 0 i i t i ò0 dt å ò ò ò ò dt dt dt dt i =1 0 i =1 0 i =1 0 i =1 0

Het uitwerken van deze integralen is zeer omslachtig, en daarom heeft men parametrische methoden bedacht. Op basis van de middelwaardestelling voor integralen kan men bovenstaande vergelijking op de volgende wijze discreet benaderen: m

m

i =1

i =1

I t - I 0 = å y i* (I it - I i 0 ) + å I i* ( y it - y i 0 ) , waarbij:

yi* º yi (ti , y ) en I i* º I i (ti , I ) , met ti , y , ti , I Î [0, t ] Men kan de gewichtsfuncties op een oneindig aantal manieren definiëren, zodat in principe het aantal decompositiemethoden oneindig is. Tabel xx geeft alvast een overzicht van de meest gebruikte additieve PDM I methoden. De algemene of conventionele additieve Parametrische Divisia Methode I (additieve PDM I) geeft als resultaat voor de termen: m

m

i =1

i =1

m

m

i =1

i =1

DI str = å I i* ( y it - y i 0 ) = å [I i , 0 + b i (I i ,t - I i , 0 )]( yit - y i 0 ) DI int = å y i* (I it - I i 0 ) = å [y i , 0 + g i ( y i ,t - y i , 0 )](I it - I i 0 ) De parameters moeten voldoen aan de volgende voorwaarden:

0 £ b i , g i £ 1 . Naargelang de

waarden van de parameters krijgt men verschillende varianten, namelijk de Laspeyres index methode indien b i = g i = 0 , de Paasche index methode indien b i = g i = 1 , en de ‘gewoon gemiddelde’ index methode indien b i = g i = 0,5 .

43

Tabel 6: Overzicht van de additieve Parametrische Divisia Methoden I Index

DI str m

Laspeyres

å I (y

(1)

i0

it

i =1

- yi 0 )

m

å I it ( yit - yi 0 )

Paasche

i =1 m

AMD I

i =1

m

LMD I

1

å 2 (I

(2)

å

(3)

i =1

it

+ I i 0 )( y it - y i 0 )

L(wit , wi 0 )

æy ö L(I t , I 0 ) lnçç it ÷÷ m è yi 0 ø å L(wkt , wk 0 ) k =1

DI int m

å y (I i0

it

- I i0 )

it

- I i0 )

i =1 m

å y (I it

i =1 m

1

å 2 (y i =1

m

å i =1

it

+ y i 0 )(I it - I i 0 )

L(wit , wi 0 )

æI ö L(I t , I 0 ) lnçç it ÷÷ è Ii0 ø å L(wkt , wk 0 ) m

k =1

(1) Zie ook (Ang en Zhang, 2000, p. 1157 onderaan). (2) ‘ARITHMETIC MEAN DIVISIA index”, of ‘simple average (parametric) Divisia index. (3) ‘LOGARITHMETIC MEAN DIVISIA index”, of ‘Refined Divisia Index’. Voor alternatieve schrijfwijzen, zie ook (Choi & Ang, 2003 p. 620) (Ang et al., 2004, p. 1566)

waabij we de logaritmische gewichtsfunctie definiëren als:

L(a, b ) =

(a - b )

( b)

ln a

=a

a¹b a=b

Uit de additieve parametrische Divisia index decompositiemethode I kunnen we de gewone Laspeyres index methode en aanverwanten afleiden (zie het hoofstuk over Laspeyres indices), zodat de Divisia index methode als een meer algemene methode is te beschouwen. De Laspeyres en AMD indices werden in de jaren ‘80 en ‘90 van de vorige eeuw het meest gebruikt, en zijn nog steeds erg populair. We weten echter dat noch de Laspeyres, noch de Paasche, noch de AMD variant een ‘perfecte’ decompositie (met DI rsd = 0 ) opleveren. Deze drie methoden beschrijven naast de hoofdeffecten (structureel effect, intensiteitseffect) ook één of meer zogenaamde ‘interactieeffecten’, die men in de residuele term zou terugvinden (zie ook het hoofdstuk over de Laspeyres indices). Deze ‘interactie-effecten’ hebben economisch weinig of geen betekenis. Een residuele term verschillend van nul betekent gewoon dat we een deel van de verandering van de (geaggregeerde) energie-intensiteit niet kunnen verklaren. In het geval van de Laspeyres index kan de residuele term (veel) groter zijn dan de twee andere effecten samen, wat een decompositie analyse vrij zinloos maakt. Ang en Choi (1997) ontwikkelden als eersten – in het kader van de decompositie van de energieintensiteit – de ‘Logarithmetic Mean Divisia” index (LMD), of ook de “Refined Divisia index” genoemd. De LMD index heeft het voordeel een ‘perfecte’ decompositie te geven Ang en Choi gebruiken hiertoe een logarithmisch gemiddelde gewichtsfunctie i.p.v. een rekenkundig gemiddelde gewichtsfunctie zoals bij AMD. De oorspronkelijke LMD index van Ang en Choi (1997) heeft eigenlijk betrekking op de multiplicatieve Parametrische Divisia methode II (multiplicatieve LDM II), die we in een van de volgende hoofdstukkken bespreken. Het gebruik van de logaritmisch gemiddelde gewichtsfunctie is evengoed toepasbaar op de additieve parametrische methode I, maar is zoals men kan zien rekenkundig zeer omslachtig. De rekenkundig meest eenvoudige LMD methode is de additieve LMD II, die we in het volgende hoofdstuk bekijken. We zullen daarom in dat hoofstuk wat dieper ingaan op de LMD methode.

44

De additieve Parametrische Divisia index methode II of PDM II We vertrekken van de basisvergelijking: m m m m dy y d ln y i dI I d ln I i dI dI = å yi i + å I i i ® = å yi i + å Ii i dt dt i =1 dt dt dt i =1 dt i =1 i =1

Beide zijden integreren over het interval [0,t] geeft: t

t

t

m m dI d ln I i d ln yi dt = y I dt + yi I i dt , of å i i ò0 dt å ò ò dt dt i =1 0 i =1 0 m t

I t - I 0 = å ò yi I i i =1 0

met

yi I i =

m t d ln I i d ln y i dt + å ò y i I i dt , dt dt i =1 0

Yi Ei Ei = Y Yi Y

De parametrische benadering via de algemene of conventionele additieve Parametrische Divisia Methode PMD II geeft als resultaat voor de termen: m é æE E E öù æ y ö DI str = å ê i 0 + bi çç it - i 0 ÷÷ú lnçç it ÷÷ Y0 øû è yi 0 ø i =1 ë Y0 è Yt m é æE E E öù æ I ö DI int = å ê i 0 + g i çç it - i 0 ÷÷ú lnçç it ÷÷ Y0 øû è I i 0 ø i =1 ë Y0 è Yt

De parameters moeten voldoen aan de volgende voorwaarden:

0 £ b i ,g i £ 1

We merken dat de Divisia index methode het structurele effect en het intensiteitseffect nu in termen van een gewogen gemiddelde van de logaritmische veranderingen van de relevante variabelen definieert. Dit creëert helaas een bijkomend probleem, naast het probleem van de mogelijke aanwezigheid van een residuele term verschillend van nul. De logaritmische termen geven aanleiding geven tot 21 rekenkundige problemen wanneer de dataset nul-waarden bevat . Dit kan gebeuren wanneer bijvoorbeeld een bepaalde energievorm, zoals windkracht, slechts vanaf een bepaald jaar in de beschouwde periode als energie-input in gebruik komt. Het zou ook kunnen dat slechts enkele deelsectoren een bepaalde energievorm, bijvoorbeeld waterkracht, gebruiken. Tabel 7 geeft een overzicht van de meest gebruikte additieve PDM II methoden.

21

Het natuurlijk logaritme van nul is onbepaald. 45

Tabel 7: Overzicht van de additieve Parametrische Divisia Methoden II Index

DI str

Laspeyres

(1)

Paasche

Ei 0 æ y it ö ÷÷ lnçç å i =1 Y0 è yi 0 ø m Eit æ y it ö ÷÷ lnçç å y i =1 Yt è i0 ø

æI ö lnçç it ÷÷ i =1 0 è I i0 ø m Eit æ I it ö lnçç ÷÷ å i =1 Yt è I i0 ø

m

LMD II

1 æ Eit Ei 0 ö æ y it ö ÷ ÷ lnç çç + å Y0 ÷ø çè y i 0 ÷ø i =1 2 è Yt m æE E ö æ y ö Lçç it , i 0 ÷÷ lnçç it ÷÷ å Y0 ø è y i 0 ø i =1 è Yt

(2)

m

Ei 0

m

1 æ Eit

åY

m

AMD II

DI int

å 2 çç Y

+

Ei 0 ö æ I it ö ÷ lnç ÷ Y0 ÷ø çè I i 0 ÷ø

è t m æE E ö æ I ö Lçç it , i 0 ÷÷ lnçç it ÷÷ å Y0 ø è I i 0 ø i =1 è Yt i =1

(1) Zie ook Ang en Zhang, 2000, p. 1159. (2) “LOGARITHMETIC MEAN DIVISIA” index. (Ang, Liu & Chew, 2003, p. 1566).

We zien in deze variant heel duidelijk dat de LMD methode slechts een parametrische methode is waarbij de gebruikte gewichtsfunctie gewoon de logaritmische gemiddelde gewichtsfunctie is, i.p.v. een andere fucntie zoals bijvoorbeeld de ‘gewone’ of rekenkundig gemiddelde gewichtsfucntie zoals bij AMD. De additieve LMD II methode is de meest eenvoudig uit te werken perfecte Divisia index decompositiemethode. De multiplicatieve Divisia index decompositiemethoden We ontbinden de verandering van de energie-intensiteit van een sector over de periode 0-t als volgt:

Dtot = Dstr Dint Drsd , met: I de ratio van de energie-intensiteit van de sector in jaar t op de Dtot = t (fractie) energie-intensiteit van de sector in het referentiejaar 0. I0 Structurele index (verschuivingen van de aandelen van de Dstr (fractie) activiteiten van de deelsectoren in de totale activiteit van de sector) Intensiteitsindex (verandering van de energie-intensiteiten van de (fractie) deelsectoren)

Dint Drsd =

Dtot Dstr Dint

Indien Drsd

Residuele term.

(fractie)

= 1 , dan is de decompositie perfect. m

Voor het afleiden van de termen

Dstr en Dint vertrekken we van I = å I i y i . Fundamenteel voor de i =1

Divisia index methoden is dat men de (ontbindende) factoren beschouwt als continue, afleidbare functies over de tijd. Beide zijden differentieren over de tijd geeft dan: m m dI dy dI = å yi i + å I i i dt i =1 dt i =1 dt

Toepassen van de kettingregel geeft:

46

I

m m d ln I i d ln y i d ln I = å yi I i + å I i yi dt dt dt i =1 i =1

Bovenstaande vergelijking is de basis voor de multiplicatieve Parametrische Divisia index Methoden (PDM). Men maakt hierbij een onderscheid tussen parametrisatie I en II. De multiplicatieve Parametrische Divisia index methode I of PDM I We vertrekken van de basisvergelijking:

I

m m d ln I i d ln y i d ln I = å yi I i + å I i yi dt dt dt i =1 i =1

Beide zijden delen door de (geagreggeerde) energie-intensiteit I geeft: m m m m y I d ln I i I y d ln y i d ln I i d ln y i d ln I d ln I , of , =å i i +å i i = å wi + å wi dt I dt I dt dt dt dt i =1 i =1 i =1 i =1

Yi Ei yI Y Yi YY E E met i i = = i i = i = wi E I EYYi E Y Beide zijden integreren over het interval [0,t] geeft: t

t

t

m m d ln I d ln I i d ln yi dt = w dt + wi dt , of å å i ò0 dt ò ò dt dt i =1 0 i =1 0

t

t

t

m m dI d ln I i d ln yi = w dt + wi dt å i ò0 I å ò ò dt dt i =1 0 i =1 0

Van beide zijden de exponent nemen: m t æ m t d ln I i æ I ö d ln yi ö expçç ln t ÷÷ = expçç å ò wi dt + å ò wi dt ÷÷ , of dt dt i =1 0 è I0 ø è i =1 0 ø

æ m t d ln I i ö æ m t d ln yi ö It = expçç å ò wi dt ÷÷ expçç å ò wi dt ÷÷ I0 dt dt è i=1 0 ø è i=1 0 ø De parametrisatie via de algemene of conventionele multiplicatieve Parametrische Divisia Methode II (PDM II) geeft als resultaat voor de termen:

ìm ìm æ y öü æ y öü Dstr = expíå wi* lnçç it ÷÷ ý = expíå [wi 0 + b i (wit - wi 0 )]lnçç it ÷÷ ý è yi 0 øþ è yi 0 øþ î i =1 î i =1 ìm ìm æ I öü æ I öü Dint = expíå wi* lnçç it ÷÷ ý = expíå [wi 0 + g i (wit - wi 0 )]lnçç it ÷÷ý è I i 0 øþ è I i 0 øþ î i =1 î i =1 met

wi* º wi (ti , w ) en ti , w Î [0, t ], en wi 0 =

Ei 0 Eit en wit = . E0 Et 47

De parameters moeten voldoen aan de volgende voorwaarden:

0 £ bi , g i £ 1 .

Tabel : Overzicht van de multiplicatieve Parametrische Divisia Methoden I Index

Dstr

Laspeyres

Paasche

AMD I

LMD I

(1)

(2)

Dint

ìm æ y öü expíå wi 0 lnçç it ÷÷ ý è yi 0 ø þ î i =1 ìm æ y öü expíå wit lnçç it ÷÷ ý è yi 0 ø þ î i=1

ìm æ I öü expíå wi 0 lnçç it ÷÷ ý è I i 0 øþ î i=1 ìm æ I öü expíå wit lnçç it ÷÷ ý è I i 0 øþ î i =1

ì æ y öù ü ï m é1 ï expíå ê (wit + wi 0 ) lnçç it ÷÷ú ý ï è yi 0 ø û ï î i =1 ë 2 þ

ì ü æ I öù ï ï m é1 expíå ê (wit + wi 0 ) lnçç it ÷÷ú ý I 2 ï è i 0 øû ï î i =1 ë þ

é ù ê m L(w , w ) æ y öú expêå m it i0 lnçç it ÷÷ú ê i=1 L(w , w ) è yi 0 øú kt k0 êë å úû k =1

é ù ê m L(w , w ) æ I öú expêå m it i0 lnçç it ÷÷ú ê i=1 L(w , w ) è I i0 øú kt k0 êë å úû k =1

(1) ‘ARITHMIC MEAN DIVISIA index”, of ook ‘simple average (Parametric) Divisia index. Zie ook Ang en Zhang, 2000, p. 1159 bovenaan, of Ang en Choi, 1997, p. 63. (2) ‘LOGARITHMETIC MEAN DIVISIA index”, of ‘Refined Divisia Index’. (Ang & Choi, 1997) (Ang, Liu & Chew, 2003, p. 1566):

Ang en Choi (1997) ontwikkelden als eersten wat zij de “Refined Divisia index” noemden (multiplicatieve LMD I). Deze multiplicatieve LMD I index heeft het voordeel een ‘perfecte’ decompositie te geven, i.e. Drsd = 1 . Ang en Choi gebruiken een logarithmisch gemiddelde gewichtsfunctie i.p.v. een rekenkundig gemiddelde gewichtsfunctie zoals bij AMD, waarbij de gewichten

wi* =

wi* voor de beide termen van de multiplicatieve LMD II index worden gegeven door:

é ù ê ú ê (wit - wi 0 )ú ê æ wit ö ú ÷÷ ú ê lnçç ëê è wi 0 ø ûú

é ù ê ú m ê (wkt - wk 0 ) ú å ê æ wkt ö ú k =1 ÷÷ ú ê lnçç êë è wk 0 ø úû

De ‘normalisatie’ (het noemergedeelte in bovenstaande gewichtsfunctie) is nodig, omdat anders de som van de gewichtsfuncties over de verschillende deelsectoren niet gelijk aan 1 is. De multiplicatieve LMD II, die we in het volgende hoofstuk afleiden, is eenvoudiger uit te rekenen (en geeft uiteraard dezelfde resultaten). De multiplicatieve Parametrische Divisia index methode II of PDM II We vertrekken van de basisvergelijking:

I

m d ln I d ln I i m d ln yi = å yi I i + å I i yi dt dt dt i =1 i =1

48

Beide zijden integreren over het inteveral [0,t] geeft: t m t m t m t m t dI i dy d ln I i d ln yi d ln I yi I i dt + å ò I i yi dt , of ò dI = å ò y i dt + å ò I i i dt ò0 I dt dt = å ò dt dt dt dt i =1 0 i =1 0 i =1 0 i =1 0 0 t

Beide zijden delen door I geeft: t

t

t

m m yi dI i I dy dI dt + å ò i i dt ò0 I = å ò i =1 0 I dt i =1 0 I dt

Van beide zijden de exponent nemen: m t é æ I öù æ m t y dI I dy ö exp êlnçç t ÷÷ ú = expçç å ò i i dt + å ò i i dt ÷÷ , of i =1 0 I dt è i =1 0 I dt ø ë è I 0 øû

æ m t y dI ö æ m t I dy ö It = expçç å ò i i dt ÷÷ expçç å ò i i dt ÷÷ I0 è i =1 0 I dt ø è i =1 0 I dt ø De parametrisatie via de algemene of conventionele multiplicatieve Parametrische Divisia Methode I (PDM I) geeft als resultaat voor de termen:

ìï m é I üï æI I öù Dstr = expíå ê i 0 + bi çç it - i 0 ÷÷ú ( yit - yi 0 )ý ïî i =1 ë I 0 ïþ è I t I 0 øû ìï m é y üï æy y öù Dint = expíå ê i 0 + g i çç it - i 0 ÷÷ú (I it - I i 0 )ý I 0 øû ïî i =1 ë I 0 ïþ è It De parameters moeten voldoen aan de volgende voorwaarden:

0 £ bi , g i £ 1 . Naargelang de

waarden van de parameters krijgt men verschillende varianten, namelijk de Laspeyres index methode indien b i = g i = 0 , de Paasche index methode indien b i = g i = 1 , en de ‘gewoon gemiddelde’ index methode indien b i = g i = 0,5 . Tabel 8: Overzicht van de multiplicatieve Parametrische Divisia Methoden II Index

Laspeyres Paasche AMD II (1)

LMD II (2)

Dstr

Dint

ìm I ü expíå i 0 ( y it - y i 0 )ý î i =1 I 0 þ m ì I ü expíå it ( y it - y i 0 )ý î i =1 I t þ

ìm expíå î i =1 ìm expíå î i =1

ü yi 0 (I it - I i 0 )ý I0 þ

ì m 1æI ü I ö expíå çç it + i 0 ÷÷( y it - y i 0 )ý I0 ø î i =1 2 è I t þ m é L(I it yit , I i 0 y i 0 ) æ y it öù ÷÷ú exp êå lnçç L(I t , I 0 ) è y i 0 øû ë i =1

ìï m 1 æ y y expíå çç it + i 0 I0 ïî i =1 2 è I t

ü y it (I it - I i 0 )ý It þ üï ö ÷÷(I it - I i 0 )ý ïþ ø

é m L(I it y it , I i 0 y i 0 ) æ I it öù exp êå lnçç ÷÷ú L (I t , I 0 ) è I i 0 øûú ëê i =1 49

(1) ‘ARITHMETIC MEAN DIVISIA index”, of ook ‘simple average (parametric) Divisia index. (2) ‘LOGARITHMETIC MEAN DIVISIA index”, of ook “refined Divisia index”.

De multiplicatieve LMD II wordt door Choi & Ang (2003) ook de Montgomery-Vartia index genoemd. De muliplicatieve LMD II heeft het voordeel iets eenvoudiger (qua uitwerking) te zijn dan de (historisch eerst ontwikkelde) multiplicatieve LMD I. De multiplicatieve Adaptive Weighted Divisia index methode of AWD Liu et al. (1992) ontwikkelden een andere variant, de zogenaamde “Adaptive Weighted Divisia” (AWD) index methode. In de AWD methode liggen de gewichten niet vast voor het referentiejaar 0 en het eindjaar t, maar veranderen ze van jaar tot jaar naarmate de activiteiten (output) en het energiegebruik veranderen. Deze variant geeft normaliter kleinere residuele effecten (in vergelijking met Laspeyres, Paasche of AMD), maar is qua uitwerking zeer omslachtig. De parameters (van de conventionele multiplicatieve PDM I en II gewichten) worden gegeven door (Greening et al., 1997, p. 379):

æ ö Ii 0 ( yit - yi 0 ) - wi 0 lnçç yit ÷÷ I0 è yi 0 ø bi = æ ö æ ö (wit - wi 0 )lnçç yit ÷÷ - çç I it - Ii 0 ÷÷( yit - yi 0 ) è yi 0 ø è I t I 0 ø æ ö yi 0 (I it - I i 0 ) - wi 0 lnçç Iit ÷÷ I0 è Ii 0 ø gi = æ yit yi 0 ö æ I it ö æ yit yi 0 ö çç ÷÷ lnçç ÷÷ - çç ÷÷(I it - I i 0 ) I I I I I 0 ø 0 ø è t è i0 ø è t met

0 £ bi , g i £ 1 .

In tegenstelling tot LMD I en LMD II is AWD geen perfecte decompositiemethode. Een veralgemening van de Divisia index methoden We hebben tot dusver enkel twee factoren of effecten bekeken, met name de structuur van de sector en de energie-intensiteiten van de deelsectoren. Het is relatief eenvoudig om de Divisia decompositie analyse uit te breiden tot meerdere factoren. De notatie wordt hierdoor omslachtiger. We zullen de Divisia methoden niet volledig opnieuw bespreken, maar ons beperken tot de voornaamse methoden, namelijk AMD en LMD. De veralgemening van de Refined Laspeyres methode hebbben we reeds besproken, en van de (gewone) Laspeyres index methode weten we dat de residuele term te groot is om bruikbaar te zijn voor beleidsdoeleinden.

50

e

Tabel 10: veralgemening van de AMD en LMD index methoden (k effect) Index

DX k m æ xitk ö 1 çç k ÷÷ ( ) V V ln + å it i0 i =1 2 è xi 0 ø

DX k é m 1 æ V V ö æ x k öù exp êå çç it + i 0 ÷÷ lnçç itk ÷÷ú ë i =1 2 è Vt V0 ø è xi 0 øû

LMD I

æV V ö Lçç it , i 0 ÷÷ k m è Vt V0 ø L(V ,V )lnæç xit ö÷ å t 0 ç xk ÷ m æ Vkt Vk 0 ö i =1 è i0 ø ç ÷ L , å çV V ÷ k =1 è t 0 ø

é ù æ Vit Vi 0 ö ê m Lçç , ÷÷ ú Vt V0 ø æ xitk ö ú è ê exp å m lnç ÷ ê i=1 æ Vkt Vk 0 ö çè xik0 ÷ø ú ÷÷ ê å Lçç , ú êë k =1 è Vt V0 ø úû

LMD II

æ xitk ö L(Vit ,Vi 0 )lnçç k ÷÷ å i =1 è xi 0 ø

é m L(Vit ,Vi 0 ) æ xitk ö ù exp êå lnçç k ÷÷ ú ( ) , L V V i = 1 t 0 è xi 0 ø û ë

Additief

AMD II

m

Zie ook Ang (2004).

Multiplicatief

Met als logaritmische gewichtsfunctie :

L(a, b ) =

(a - b )

( b)

ln a

=a

a¹b a=b

en

DX k = X tk - X 0K DX k =

X tk X 0k

Het ke effect (multiplicatief)

xitk

Vt =

Het ke effect (additief)

De waarde van de ke factor in jaar t voor deelsector i m

åx x

1 2 it it

i =1 1 2 it it

K xitk K xitn

De (geaggregeerde) indicator waarop we de decompositie-analyse willen toepassen, als product van n factoren (gesommeerd over m deelsectoren)

Vit = x x K xitk K xitn Voor de Divisia decompositie van bijvoorbeeld het energiegebruik definiëren we:

xit1 = Yt , xit2 = yit , xit3 = I it , en de rest is invulwerk. Besluit voor de Laspeyres en Divisia index methoden Tabel 10 bevestigt de relatieve eenvoud van de additieve LMD (II) index methode, een perfecte decompositiemethode (residuele term = 0) die bovendien voldoet aan de ‘time reversal’, de ‘circular’ en de ‘factor reversal’ test, maar die wel problemen oplevert indien de dataset nulwaarden bevat (de logaritme van nul is niet bepaald). De AMD index methode is nog iets eenvoudiger, maar is geen perfecte decompositemethode (zij het dat de residuele term meestal vrij klein is), en voldoet enkel aan de ‘time reversal’ test. De additieve AMD I heeft geen problemen met nulwaarden in de dataset. De (gewone) Laspeyres methode wordt voor de decompositie van energie-indicatoren nog nauwelijks gebruikt. De Refined Laspeyres methode voldoet aan alle drie bovenvermelde testen, is bovendien perfect, maar is voor 3 of meer factoren vrij omslachtig om uit te rekenen. Een ander nadeel van de Refined Laspeyres methode is dat er enkel een additieve variant van bestaat.

51

6 Decompositie van fysische energie-indicatoren De indicator ‘energie-intensiteit’ relateert per definitie energiegebruik (PJ) aan een economische variabele (BBP, toegevoegde waarde, private consumptie, ....), die men normaliter uitdrukt in monetaire eenheden (EUR aan constante prijzen). Men kan het energiegebruik ook relateren aan economische variabelen die men uitdrukt in fysische grootheden, zoals ‘aantal woningen’, ‘m² vloeroppervlakte in kantoren’, ‘ton geproduceerd staal’, ‘vracht-kilometer’, enz. In het laatste geval spreekt men eerder van ‘specifiek energiegebruik (specific energy consumption of SEC), eenheidsconsumptie (unit energy consumption UEC), of ook nog fysieke energie intensiteit (physical energy intensity PEI). Een voordeel van fysische indicatoren zoals specifiek energiegebruik (SEC) is dat men ervan uitgaat dat ze een betere indicatie geven over veranderingen in de energie-efficiëntie dan de gebruikelikje economische indicatoren zoals energie-intensiteit (Phylipsen et al, 1996). Een probleem met specifiek energiegebruik is dat de activiteitenniveaus van de verschillende (deel)sectoren in verschillende eenheden worden weergegeven, en dat men deze bijgevolg niet zomaar kan aggregeren. Dit is de reden waarom we de Divisia methode niet zonder meer kunnen toepassen voor de decompositie van de energie intensiteit van sectoren of de gehele economie in termen van fysieke indicatoren. De methode van Farla et al (1998) Farla et al (1998) doen een poging om de (geaggregeerde) energie-intensiteit van een hele economie te ontbinden in inter- en intrasectoriele verschuivingen, veranderingen in het specifiek energiegebruik, en veranderingen in de productie- of consumptiemix binnen een (deel)sector. Ze maken hierbij zoveel mogelijk gebruik van fysieke indicatoren. Ze maken tevens een onderscheid tussen zogenaamde ‘productieve’ en ‘consumptieve’ sectoren. Productieve sectoren creëren een ‘toegevoegde waarde’, en zijn landbouw, energie, industrie en handel & diensten. De consumptieve sectoren creëren geen toegevoegde waarde, en zijn huishoudens en transport. (1) constante prijzen van 1995.

Ze vertrekken van de identiteit:

I ttot =

Ettot Y 1æ m p n cö ç å Eit + å E jt ÷ = t ÷ BBPt BBPt Yt çè i =1 j =1 ø c p m n E ö Y æ E = t çç å it + å jt ÷÷ BBPt è i =1 Yt j =1 Yt ø c Y é m æ E p P Y ö n æ E N öù = t êå çç it it it ÷÷ + å ç jt jt ÷ú BBPt êë i =1 è Pit Yit Yt ø j =1 çè N jt Yt ÷øúû n æ m N ö ç = f t ç å SECit Qit yit + å SEC jt jt ÷÷ Yt ø j =1 è i =1

met:

Eitp

i = 1,2,K, m

E cjt

j = 1,2,K, n

Energiegebruik in een productieve deelsector i in PJ jaar t Energiegebruik in een consumptieve deelsector j in PJ jaar t

52

m

n

i =1

j =1

Ettot = å Eitp + å E cjt

Energiegebruik van de gehele economie in jaar t

Yit

Bruto Toegevoegde Waarde van een productieve 109 EUR(1) deelsector i in jaar t m

Bruto Toegevoegde Waarde van alle productieve 109 EUR(1) sectoren samen in jaar t

Yt = å Yit i =1

Aandeel van de Bruto Toegevoegde waarde van de productieve deelsector i in de Bruto toegevoegde Waarde van alle productieve sectoren samen in jaar t Bruto Binnenlands product van de gehele economie in jaar t Aandeel van de Bruto Toegevoegde waarde van alle productieve sectoren samen in het Bruto Binnenlands product in jaar t Activiteiten-indicator van een productieve sector i in jaar t Activiteiten-indicator van een consumptieve sector j in jaar t

Y y it = it Yt BBPt ft =

Yt BBPt

Pit N jt

SECit = SEC jt =

PJ

(fractie) 109 EUR(1) (fractie) (fysieke eenheid) (fysieke eenheid)

Eitp Pit

Specifiek energiegebruik van een productieve PJ / (fysieke eenheid) deelsector i in jaar t

E cjt

Specifiek energiegebruik van een consumptieve PJ / (fysieke eenheid) deelsector j in jaar t

N jt

Qit =

Pit Yit

“Kwaliteitsfactor” van deelsector i in jaar t

(fysieke eenheid) / 109 EUR(1)

I ttot =

Ettot BBPt

Energie-intensiteit van de gehele economie in jaar t

PJ / 109 EUR(1)

(1) constante prijzen van 1995.

De bovenstaande vergelijking introduceert een nieuwe factor of decompositie-element, de zogenaamde “kwaliteitsfactor” (quality factor) voor een productieve sector. Deze factor is de ratio van een activiteit-indicator (bv ton productie) op de toegevoegde waarde (EUR aan constante prijzen) van een productieve sector. Een stijging van de kwaliteitsfactor betekent dan dat een productieve sector bv meer ton moet produceren om één eenheid toegevoegde waarde te creëren. Een stijging van de kwaliteitsfactor betekent m.a.w. een ‘verslechtering van kwaliteit’ van het geproduceerde product – men moet meer van het ‘economisch minderwaardiger’ product produceren om dezelfde hoeveelheid toegevoegde waarde te creëren. Voor handel & diensten is de interpretatie iets dubbelzinniger, omdat output daar moeilijk te meten is en men meestal een beroep doet op aantal werknemers, aantal leerlingen, aantal ziekenhuisbedden, enz. als activiteitenindicator. Een stijging van de kwaliteitsfactor van bv kantoren zou betekenen dat men meer werknemers nodig heeft om een eenheid toegevoegde waarde te creëren, of dat m.a.w. ‘de kwaliteit van de werknemers’ is achteruitgegaan. De factor

N jt Yt

voor de consumptieve sectoren (huishoudens, transport) is veel moeilijker te

interpreteren. De activiteiten-indicatoren (aantal huishoudens, ton-km of persoon-km) dragen immers niet rechtstreeks bij tot de creatie van toegevoegde waarde. Farla et al. introduceren deze factor ad hoc om de vergelijking te doen kloppen, maar economisch heeft dit decompositie-element weinig of geen betekenis. We merken op dat het energiegebruik en de activiteit-indicatoren (ook van de industriële deelsectoren) nog altijd geaggregeerde grootheden zijn, tenzij men over de nodige data zou beschikken voor elk

53

individueel productieproces in een economie, wat zeer onwaarschijnlijk is. Een verbetering van de kwaliteitsfactor in bijvoorbeeld de chemie zou kunnen betekenen dat het aandeel van de productie van een ‘economisch minderwaardige’ plastic in de totale productie van plastics is gedaald ten voordele van een plasticsoort die meer toegevoegde waarde genereert. Maar zelfs indien de producten van een (industriële) deelsector in dezelfde eenheid worden uitgedrukt (bv ton), is het niet altijd zinvol om ze bij elkaar op te tellen, zeker niet wanneer ze het resultaat zijn van productieprocessen die qua energiegebruik zeer sterk van elkaar verschillen (Nanduri et al., 1999, p. 154). Het is in principe niet moeilijk om op bovenstaande vergelijking een aantal decompositie-methoden toe te passen, waaronder de door ons besproken Divisia methoden. Farla et al. (1998) beperken zich tot de Marshall-Edgeworth index methode. Vermits we voor Vlaanderen toch niet over de nodige gegevens beschikken, gaan we hier niet verder op in. 6.2 De ‘Fixed Basket’ benadering De methode van de “fixed basket”, die vooral toepasbaar is op de industriële sector, bestaat erin dat 22 men een “korf” samenstelt van de meest energie-intensieve (industriële) producten in een economie . Het geaggregeerde specifiek energiegebruik van de (industriële) sector is dan het gewogen gemiddelde van de specifieke energiegebruiken van de (industriële) deelsectoren, met als gewichten de ratio’s van het energiegebruik van elke (industriële) deelsector op het totale energiegebruik van deze “korf” (Phylipsen et al, 1996). Deze methode is eenvoudig, maar er kleven toch een aantal nadelen aan vast. Niet alle landen produceren dezelfde energie-intensieve goederen, wat internationale vergelijking bemoeilijkt. Het samenstellen van de korf kan omslachtig zijn als men op zeer gedesaggregeerd niveau wil werken. De “korf” is niet echt vast en zal men waarschijnlijk regelmatig moeten aanpassen om representatief te blijven. Tot slot is er het probleem welke goederen men in de korf opneemt, enkel de “energieintensieve”, of ook de producten die een groot deel van het (industrieel) energiegebruik voor zich opeisen zonder daarom noodzakelijkerwijze energie-intensief te zijn (Nanduri et al., 1999, p. 156). Deze fysieke indicator leent zich niet echt voor decompositie-analyse 6.3 De ‘Laspeyres fysieke index’ benadering Men kan de Laspeyres index methode gebruiken om een fysieke indicator te construeren. De (dimensieloze) Laspeyres fysieke index is:

åP

´ SEC it

åP

´ SEC i 0

i0

LAS 0t =

i

i0

i

Laspeyres methoden hebben we reeds uitvoerig besproken. 6.4 De “werkelijke SEC / referentie SEC ratio” benadering Een andere benadering, die vooral van toepassing is voor industriële deelsectoren, is de “werkelijke SEC / referentie SEC ratio” benadering. Deze methode werkt op een zeer gedesaggregeerd niveau, waarbij men voor elk individueel productieproces of product een zogenaamd “referentie specifiek energiegebruik” of “referentie SEC” bepaalt. Het geaggregeerde (dimensieloze) specifiek energiegebruik van een industriële (deel)sector is : 22

De korf zou kunnen bestaan uit telkens 1 ton van diverse primaire industriële producten, zoals voorgesteld door Schaeffer in (Phylipsen et al, 1996). 54

å P ´ SEC i

sec ag =

=

i

å P ´ SEC i

Ei

åP ´ P i

i

i

i

å P ´ SEC i

ref , i

ref , i

i

i

=

åE

i

i

å P ´ SEC i

ref , i

i

met:

Het geaggregeerd specifiek energiegebruik van de industriële (deel)sector Het energiegebruik voor de productie van product i (of energie gebruikt in productieproces i) De (fysieke) productie van product i

sec ag

Ei Pi SECi =

Ei Pi

SEC ref ,i

(fractie) PJ (fysieke eenheid)

Het werkelijk specifiek energiegebruik van product i of productieproces i

PJ / (fysieke eenheid)

Het specifiek energiegebruik van een referentie product i of productieproces i

PJ / (fysieke eenheid)

De referentie (of benchmark) kan men op verschillende manieren definiëren, bv: ·

‘best plant observed’: het productieproces met het laagste specifiek energiegebruik dat reeds commercieel in gebruik is;

·

‘best practice / best practical means’: het productieproces met het laagste specifiek energiegebruik dat technisch-economisch haalbaar is;

·

‘best available technique’: het productieproces met het laagste specifiek energiegebruik dat technisch haalbaar is.

Het geaggregeerd specifiek energiegebruik zal gelijk zijn aan 1 indien het specifiek energiegebruik van elk productieproces gelijk is aan het specifiek energiegebruik van hun geassocieerde ‘referentie productieproces’. Een geaggregeerd specifiek energiegebruik groter dan 1 betekent dat er ruimte is 23 voor verbetering van de energie-efficiëntie in de industriële (deel)sector . De grote problemen met deze methode zijn a) de grote data-behoefte, en b) het bepalen van de referentietechnologie of benchmark. Farla et al (1997) pasten deze methode toe voor de decompositie van het energiegebruik van de pulp en papier sector; Worrell et al (1997) voor het energiegebruik van de ijzer & staal sector. De basisvergelijking voor de decompositie analyse is:

å Ei = i

åE

i

´

i

å P ´ SEC i

å P ´ SEC i

i

åP

ref , i

´ å Pi i

i

i

= sec ag ´

ref , i

i

å P ´ SEC i

i

P

ref , i

´P

De eerste term (aan de rechterzijde) geeft het “energie efficiëntie effect”, de tweede term het “structureel” (of “product mix”) effect, en de derde term het “activiteiten effect”. 23

Een geaggregeerde SEC < 1 betekent waarschijnlijk dat er iets mis is met de benchmarks. 55

Voor de decompositie gebruikten ze een Divisia index, meer bepaald de additieve AMD (simple average parametric Divisia).

56

7 Decompositie van de koolstofintensiteit Inleiding We kunnen de verandering van de koolstofintensiteit van een sector over een bepaalde periode ontbinden als het product van vier factoren of effecten: ·

een verandering van de CO2-emissiefactoren van de energievormen in de deelsectoren over 24 die periode, of emissiefactor effect ;

·


·

een verschuiving van de aandelen van de (activiteiten van de) deelsectoren in de totale activiteit van de sector over die periode, of structureel effect; en

·

een verandering van de energie-intensiteiten (energie-efficiëntie) van de deelsectoren over die periode, of intensiteitseffect.

We vertrekken hiervoor van de identiteit: m

C Gt = t = Yt

n

åå C i =1 j =1

Yt

ijt

=

m

n

C ijt

åå Y i =1 j =1

= =

t

i =1

C ijt Eijt Eit Yit j =1 ijt E it Yit Yt

m

n

m

n

åå E åå R

e I y it

ijt ijt it

i =1 j =1

met:

Gebruik van finale energievorm j in deelsector i in PJ jaar t

Eijt n

Eit = å Eijt


PJ

Energiegebruik in de sector in jaar t

PJ

j =1

m

Et = å Eit i =1

eijt =

Eijt Eit

Aandeel van het gebruik van finale energievorm j in (fractie) het energiegebruik van deelsector i in jaar t Bruto Toegevoegde Waarde van deelsector i in jaar 109 EUR(1) t

Yit m

Yt = å Yit

Bruto Toegevoegde Waarde van de sector in jaar t

109 EUR(1)

i =1

y it =

Yit Yt

Aandeel van de Bruto Toegevoegde waarde van deelsector i in de Bruto toegevoegde Waarde van de (fractie) sector in jaar t

I it =

Eit Yit

Energie-intensiteit van deelsector i in jaar t

PJ / 109 EUR(1)

24 Sommige auteurs spreken over branstoffenkwaliteit effect, alhoewel het hier beschouwde effect enkel te maken heeft met de koolstofinhoud van de brandstoffen , en niet met de energie-inhoud of de inhoud van andere (schadelijke) bestanddelen, zoals zwavel.

57

It =

m Et = å I it Yt i =1

Energie-intensiteit van de sector in jaar t

PJ / 109 EUR(1)

CO2-emissies tgv van het gebruik van finale kton CO2 energievorm j in deelsector i in jaar t (2)

C ijt n

C it = å C ijt

CO2-emissies van deelsector i in jaar t

kton CO2

CO2-emissies van de sector in jaar t

kton CO2

j =1

m

C t = å C it i =1

cijt =

Aandeel van de CO2-emissies tgv van het gebruik van energievorm j in deelsector i in de CO2-emissies (fractie) van de sector

C ijt Ct

n C it = å cijt Ct j =1 C ijt Rijt = Eijt

cit =

Gt =

Ct Yt

Aandeel van de CO2-emissies van deelsector i in de (fractie) CO2-emissies van de sector CO2-emissiefactor voor energievorm j in deelsector kton CO2 / PJ i in jaar t Koolstofintensiteit van de sector in jaar t

kton CO2 / 109 EUR

(1) constante prijzen 1995.

De koolstofintensiteit van de sector is de som – over alle deelsectoren heen – van het product van de CO2-emissiefactoren in de deelsector, de aandelen van de finale energievormen in het energiegebruik van de deelsector, de energie-intensiteit van de deelsector, en het aandeel van de deelsector in de bruto toegevoegde waarde van de sector. Multiplicatieve Divisia decompositie van de koolstofintensiteit We ontbinden de verandering van de koolstofintensiteit van een sector over de periode 0-t als volgt:

Dtot = Demc D fsh Dint Dstr Drsd , met

Dtot =

Demc D fsh

Dint Dstr Drsd

Gt G0

De koolstofintensiteit index van de sector. Emissiefactor effect. Veranderingen in de koolstofintensiteit t.g.v. veranderingen in de CO2-emissiefactoren van de energievormen in de deelsectoren (a) Brandstoffenmix effect. Veranderingen in de koolstofintensiteit t.g.v. veranderingen in de aandelen van de energievormen in het energiegebruik van een deelsector Intensiteit effect (zie energie-intensiteit) Structureel effect (zie energie-intensiteit) Residuele term.

(a) Men veronderstelt meestal dat de CO2-emissiefactoren constant zijn over de tijd en over alle deelsectoren heen, behalve voor elektriciteit

De basisidentiteit differentiëren over de tijd geeft:

58

¶Gt = ¶t

m

n

åå

¶Rijt

i =1 j =1 m

¶t

n

+ åå Rijt

¶eijt

i =1 j =1 m

eijt I it y it

n

¶t

+ åå Rijt eijt i =1 j =1 m

I it yit

¶I it y it ¶t

n

+ åå Rijt eijt I it i =1 j =1

Beide zijden delen door

æG ö lnçç t ÷÷ = è G0 ø

T m

n

ò åå 0 i =1 j =1

T m

n

+ ò åå 0 i =1 j =1

T m

¶yit ¶t

Gt en integreren van 0 tot T geeft:

¶Rijt eijt I it yit ¶t

Gt

¶eijt Rijt I it yit ¶t

Gt

¶I it Rijt eijt yit Gt j =1 ¶t n

+ ò åå 0 i =1

T m

¶yit Rijt eijt I it Gt j =1 ¶t n

+ ò åå O i =1

Naargelang de toegepaste parametrisatie krijgen we verschillende varianten. Conventione parametrische Divisia index decompositie van de koolstofintensiteit Torvanger (1991) was wellicht de eerste die zich waagde aan een decompositie analyse van de CO2emissies van de industriesector (in 9 OESO landen), op basis van de (conventionele) Divisia index benadering. Volgens Torvanger (1991):

ém n æ R öù Demc = exp êåå (cij 0 + a ijt Dcij )lnç ijt ÷ú çR ÷ êë i=1 j =1 è ij 0 ø úû ém n æ e öù D fsh = exp êåå (cij 0 + b ijt Dcij )lnç ijt ÷ú ç e ÷ú êë i=1 j =1 è ij 0 ø û ém n æ I öù Dint = exp êåå (cij 0 + g ijt Dcij )lnçç it ÷÷ú è I i 0 øû ë i=1 j =1 ém n æ y öù Dstr = exp êåå (cij 0 + w ijt Dcij )lnçç it ÷÷ú è yi 0 øû ë i=1 j =1 met

Dcij = (cijt - cij 0 ) en 0 £ a ij , b ij , g ij ,w ij £ 1 .

59

De conventionele parametrische Divisia Index methode bleek uiteindelijk relatief populair voor de decompositie van de CO2-intensiteit. Nag en Parikh (2000) hanteren de multiplicatieve AMD index voor de decompositie van de koolstofintensiteit in India van 1970 tot 1995. Ze gebruiken overigens de “rolling base year” methode, waarbij elk jaar t wordt vergeleken met het voorgaande jaar t-1. In bovenstaande vergelijkingen moet men de jaarindex 0 dan vervangen door t-1. Ang & Pandiyan (1997) kiezen voor de “rolling base year” Laspeyres PDM I (of LAS-PDMI), waarbij a ij = b ij = g ij = w ij = 0 ; en de AMD I (in hun notatie: AVE-PDMI), waarbij a ij = b ij = g ij = w ij = 0,5 . Shrestna & Similsina (1996) gebruiken de multiplicatieve AMD “rolling base year” index voor de decompositie van de CO2-intensiteit van de elektriciteitssector in Azië van 1980 tot 1990. Refined Divisia index decompositie van de koolstofintensiteit (LMD) De factoren voor de multiplicatieve Revised Divisia Method worden gegeven door:

ém n æ R öù Demc = exp êåå cij* lnç ijt ÷ú çR ÷ êë i =1 j =1 è ij 0 øúû ém n æ e öù D fsh = exp êåå cij* lnç ijt ÷ú çe ÷ è ij 0 øûú ëê i =1 j =1 ém æ I öù Dint = exp êå ci* lnçç it ÷÷ú è I i 0 øû ë i =1 ém æ y öù Dstr = exp êå ci* lnçç it ÷÷ú è yi 0 øû ë i =1 met:

(c

ijt

- cij 0 )

æc ö lnç ijt ÷ çc ÷ è ij 0 ø cij* = é ù ú m n ê ê (cuvt - cuv 0 )ú åå ê æ cuvt ö ú u =1 v =1 ÷÷ ú ê lnçç ëê è cuv 0 ø ûú

Adaptive Weighted Divisia index decompositie van de koolstofintensiteit (AWD) Greening et al (2001; 1999; 1998) gebruiken o.a. de multiplicatieve AWD “rolling base year” index methode voor de decompositie van de CO2-emissies van 10 OESO landen in de periode 1971-1991/3. De parameters, volgens de aangepaste “Adaptive Weighting Divisia” (AWD) methode zijn (Greening et al, 1997, p. 48):

60

ù é æR ö cij 0 DRij - cij 0 lnç ijt ÷ ú ê çR ÷ Rij 0 ij 0 ú ê è ø a ijt = ê ú æR ö æc c ö ê Dcij lnç ijt ÷ - ç ijt - ij 0 ÷DRij ú ç Rij 0 ÷ ç Rijt Rij 0 ÷ ú ê è ø è ø û ë ù é æe ö cij 0 Deij - cij 0 lnç ijt ÷ ú ê çe ÷ eij 0 ij 0 ú ê è ø bijt = ê ú æ e ö æc c ö ê Dcij lnç ijt ÷ - ç ijt - ij 0 ÷Deij ú ç eij 0 ÷ ç eijt eij 0 ÷ ú ê è ø è ø û ë

é ù æI ö ci 0 DI i - ci 0 lnçç it ÷÷ ê ú Ii0 Ii0 ø è ê ú g it = ê æ I ö æc c ö ú ê Dci lnçç it ÷÷ - çç it - i 0 ÷÷DI i ú êë è I i 0 ø è I it I i 0 ø úû é ù æy ö ci 0 Dyi - ci 0 lnçç it ÷÷ ê ú yi 0 yi 0 ø è ê ú w it = ê æ yit ö æ cit ci 0 ö ú ÷÷Dyi ú ê Dci lnçç ÷÷ - çç è yi 0 ø è yit yi 0 ø ûú ëê Men ziet dat de AWD methode zeer “bewerkelijk” is. Bovendien is AWD niet eens een perfecte decompositiemethode.

61

Referenties Albrecht J., François D. and Schoors K. (2001): A Shapley Decomposition of Carbon Emissions without Residuals, working paper 2001/123, Universiteit Gent, December 2001. Ang B.W. (2004): Decomposition analysis for policymaking in energy: which is the preferred method?, in: Energy Policy, 32, pp. 1131-1139. Ang B.W. (1995): Multilevel decomposition of industrial energy consumption, in: Energy Economics, Vol. 17, N° 1, pp. 39-51. Ang B.W. and Ki-Hong Choi (1997): Decomposition of Aaggregate Energy and Gas Emission Intensities for Industry: A Refined Divisia Index Method, in: The Energy Journal, Vol. 18, No. 3, pp. 5973. Ang B.W. and Lee P.W. (1996): Decomposition of industrial energy consumption: The energy coefficient approach, in: Energy Economics, 18, pp. 129-143. Ang B.W. and Liu F.L. (2001): A new energy decomposition method: perfect in decomposition and consistent in aggregation, in: Energy, 26, pp. 537-548. Ang B.W. and Pandiyan G. (1997): Decomposition of energy-induced CO2 emissions in manufacturing, in: Energy Economics, 19, pp. 363-374. Ang B.W., Zhang F.Q. and Ki-Hong Choi (1998): Factorizing Changes in Energy and Environmental Indicators through Decomposition, in: Energy, Vol. 23, N° 6, pp. 489-495. Ang B.W. and Zhang F.Q. (2000): A survey of index decomposition analysis in energy and environmental studies, in: Energy, 25, pp. 1149-1176. Ang B.W., Liu F.L. and Chew E.P. (2003): Perfect decomposition techniques in energy and environmental analysis, in: Energy Policy, 31, pp. 1561-1566. Asia Pacific Energy Research Centre (2001): Energy Efficiency Indicators A Study of Energy Efficiency Indicators in APEC Economies, Toky. Balk B.M. (2000): Divisia Price and Quantity Indices: 75 Years After, Department of Statistical Methods, Statistics Netherlands, Draft, July 18, 2000, Voorburg. Barnali Nag and Jyoti Parikh (2000): Indicators of carbon emission intensity from commercial energy use in India, in: Energy Economics, 22, pp. 441-461. Boyd G.A., McDonald J.F., Ross M. and Hanson D.A. (1987): Separating the changing composition of US manufacturing production from energy efficiency improvements: a Divisia index approach, in: Energy Journal, 8 (2), pp. 77-96.

Boyd G.A., Hanson A. and Sterner Th. (1988): Decomposition of changes in energy intensity A comparison of the Divisia index and other methods, in: Energy Economics, 10, pp. 309-312. Cornillie J. and Fankhauser S. (2002), The energy intensity of transition countries, Working paper No. 72, European Bank for Reconstruction and Development, London, June 2002. Department of Energy (1995), Energy Conservation Trends, USA-DOE/PO-0034, Office of Policy and Office of Energy Efficiency and Alternate Fuels, Washington DC. Department of Energy (1995), Measuring Energy Efficiency in the United States’ Economy: A Beginning, USA-DOE/EIA-0555(95)2, Washington DC.

62

Diekmann J., Eichhammer W., Neubert A., Rieke H., Schlomann B. And Ziesing H.-J. (1997): Energy Efficiency Indicators: Statistical Basis, Theoretical Foundations, and Guide for Political Practice, Summary, Research Project of the German Ministry of Economics and Technology Nr. 23.97. Diewert W.E. (2001): The Consumer Price Index and Index Number Theory: A Survey, Discussion Paper N°: 01-02, Department of Economics, The University of British Columbia, Vancouver. Divisia, F. (1926), L'indice monetaire et la theorie de la monnaie, Paris: Societe anonyme du Recueil Sirey. ECONOTEC (2003), Indicators for energy efficiency monitoring and target setting (ODYSEE), Phase 8 National Report for Belgium, s.l., june 2003. Energy Information Administration (1998), Changes in Energy Intensity in the Manufacturing Sector 1985-1994. Department of Energy, Washington DC. Farla J., Cuelenaere R. and Blok C. (1998): Energy efficiency and structural change in the Netherlands, 1980-1990, in: Energy Economics, 20, pp. 1-28. Fisher I. (1922): The Making of Index Numbers, 3d ed., Houghton Mifflin, Boston. Gardner D.T. and Elkhafif M.A.T. (1998) Understanding industrial energy use: structural and energy intensity changes in Ontario industry, in: Energy Economics, 20, pp. 29-41. Greening L.A., Ting M. and Krackler J. (2001): Effects of changes in residential end-uses and behavior on aggregate carbon intensity: comparison of 10 OECD countries for the period 1970 through 1993, in: Energy Economics, 23, pp. 153-178. Greening L.A., Davis W.B. and Schipper L. (1998): Decomposition of aggregte carbon intensity for the manufacturing sector: comparision of declining trends from 10 OECD countries for the period 19711991, in: Energy Economics, 20, pp. 43-65. Greening L.A., Davis W.B., Schipper L. and Khrushch M. (1997): Comparison of six decomposition methods: application to aggregate energy intensity for manufacturing in 10 OECD countries, in: Energy Economics, 19, pp. 375-390. IEA (1997), Indicators of Energy Use and Efficiency, International Energy Agency and OECD, Paris. Ki-hong Choi and Ang B.W. (2003): Decomposition of aggregate energy intensity changes in two measures: ratio and difference, in: Energy Economics, 25, pp. 615-624. Lermit J. and Jollands N. (2001), Monitoring Energy Efficiency Performance in New Zealand: a Conceptual and Methodological Framework. Report prepared for the National Energy Efficiency and Conservation Authority, Wellington. Liaskas K., Mavrotas G., Mandaraka M. and Diakoulaki D. (2000): Decomposition of industrial CO2 emissions: The case of European Union, in: Energy Economics, 22, pp. 383-394. Liu X.Q. and Ang B.W. (1992): The Application of the Divisia Index to the Decomposition of Changes in Industrial Energy Consumption, in: Energy Journal, Vol. 13, N° 4, pp. 161-178. Luukkanen J. and Kaivo-Oja J. (2002), Economic Development and Environmental Performance: Comparison of Energy Use and CO2 emissions in OECD and NON-OECD regions, TUTU publications 5/2002, Finland Futures Research Centre, Turku School of Economics and Business Administration, Turku, Finland. Mulder P. and de Groot H.L.F. (2003), International Comparisons of Sectoral Energy- and LabourProductivity Performance, CPB Discussion Paper No. 22, CPB Netherlands Bureau for Economic Policy Analysis, The Hague, November 2003.

63

Nanduri M., Nyboer J. and Jaccard M. (2002), Aggregating physical intnsity indicators: results of applying the composite indicator approach to the Canadian industrial sector , in: Energy Policy, 30, pp. 151-163. ODYSSEE (1999), Aggregate energy efficiency indicators in ODYSSEE for industry. Phylipsen G.J.M., Blok K. and Worrell E. (1998), Handbook of International Comparisons of Energy Efficiency in the Manufacturing Industry, Dept. of Science, Technology and Society, Utrecht University. Schipper L., Unander F. and Marie-Lilliu C. (1999), The IEA Energy Indicators Effort: Extension to Analyses of Carbon Emissions, International Energy Agency, Paris. Shapley L. (1953): A value for n-person games, in: Kuhn H.W. and Tucker A.W. (eds.), Contributions to the Theory of Games, Vol. 2, Princeton University, Princeton, NJ. Shrestna R.M. and Timilsina G.R. (1996): Factors affecting CO2 intensities of power sector in Asia: A Divisia decomposition analysis, in: Energy Economics, 18, pp. 283-293. Sun J.W. (1998): Changes in energy consumption and energy intensity: A complete decomposition model, in: Energy Economics, 20, pp. 85-100. WEC (2001), Energy Efficiency Policy and Indicators, World Energy Council, London, October 2001.

64

Bijlage: Temperatuurcorrecties (‘klimaatcorrecties’) Voor de berekeningen in dit rapport werd geen correctie t.a.v. graaddagen toegespast. Van zodra er ooit voor Vlaanderen data beschikbaar komen van het aandeel ruimteverwarming, kan deze bijlage wel als referentie dienen van hoe men eventueel voor Vlaanderen die correctie in dat geval kan doorvoeren. Men ‘corrigeert’ traditioneel het energiegebruik om rekening te houden met toevallige 25 weersomstandigheden (men spreekt – m.i. ten onrechte – van ‘klimaatcorrecties’) In strenge winters 26 zal men meer moeten stoken dan in zachte winters . Men zou deze correctie in principe enkel mogen toepassen op dat deel van het energiegebruik dat dient voor de ruimteverwarming van gebouwen. De correctie is vooral van belang voor de sectoren huishoudens en ‘handel en diensten’, omdat daar ruimteverwarming een belangrijk deel van het totale energiegebruik opeist. De correctie gebeurt als volgt:

E itshc = Eitsh

d ref dt

met:

Eitshc Eitsh

dt d ref

Energiegebruik voor ruimteverwaming van gebouwen in sector i in jaar t, na klimaatcorrectie Energiegebruik voor ruimteverwaming van gebouwen in sector i in jaar t De graaddagen in jaar t De graaddagen in een ‘normaal referentiejaar’ (lange termijn gemiddelde)

PJ PJ °C d °C d

De ‘graaddagen’ legt een relatie tussen buitentemperatuur en energiegebruik (voor ruimteverwarming). Een ‘graaddag’ is een rekeneenheid waarmee men het aantal fictieve dagen aangeeft dat de gemiddelde etmaaltemperatuur beneden een bepaalde ‘stookgrens’ (of ‘verwarmingsdrempel’ of ‘conventionele binnentemperatuur’, in ° C) ligt. De eenheid van graaddagen is °C dag, en het symbool van deze samengestelde eenheid is “°C d” of eenvoudigheidshalve “°d”. De graaddagen berekent men als volgt:: ·

Is de gemiddelde etmaaltemperatuur kleiner of gelijk aan de stookgrens dan geldt: graaddagen per dag = stookgrens - gemiddelde etmaaltemperatuur;

·

Is de gemiddelde etmaaltemperatuur groter dan de stookgrens dan is het aantal graaddagen nul.

De graaddagen van een bepaalde periode is de som van de graaddagen van alle dagen van die periode. De graaddagen worden gemeten voor de verschillende weerstations in een land of regio. Men gebruikt in Nederland (KNMI) normaliter 18°C als stookgrens, maar in België (KMI) 15° C (“graaddagen 15/15”). Figas berekent echter – in het kader van het aardgasgebruik t.b.v. ruimteverwarming – de graaddagen t.o.v. een “verwarmingsdrempel” (stookgrens) die op experimentele wijze op 16,5° C werd vastgesteld. De graaddagen van een dag is dan het verschil tussen de referentietemperatuur van 16,5°C en de gemiddelde dagtemperatuur gemeten te Ukkel.

25

‘klimaat’ gaat altijd over heel lange termijn (honderden jaren), want in deze niet het geval is. Analoog zal men in zachte zommers minder moeten koelen dan in hete zomers. Men zou in principe hiervoor ook een correctiefactor kunnen toepassen. Men spreekt dan van ‘koelgraaddagen’. Deze correctie wordt (in Europa) zelden toegepast. 26

65

Om het aantal graaddagen in een normaal referentiejaar te bepalen neemt men meestal het 27 (rekenkundig) gemiddelde van het aantal graaddagen over een periode van 30 jaar . Voor de graadagen van 2004 gebruikt Figas als referentieperiode 1971-2000. Figas publiceert de graaddagen op http://www.gasinfo.be/graaddagen.htm. Een probleem is dat gegevens over dat deel van energiegebruik dat specifiek dient voor ruimteverwarming meesal niet beschikbaar zijn. Een mogelijke oplossing is – per sector – ‘arbitrair’ een fractie van het totale energiegebruik toe te wijzen aan energiegebruik t.b.v. ruimteverwarming. Farla et al. (1998) pasten voor Nederland de volgende percentages toe: (Deel)Sector Huishoudens Handel & Diensten Lichte industrie, bouw Voeding & Genotmiddelen Zware industrie

Deel van totaal energiegebruik voor ruimteverwarming (%) 85 82,5 50 33 10

Energiedrager Alle Aardgas Aardgas Aardgas Aardgas

Deze Nederlandse waarden zijn niet helemaal geverifieerd, en voor Vlaanderen zullen wellicht andere percentages gelden. De energiebalans Vlaanderen geeft hierover weinig of geen informatie, zodat we in dit rapport de zogenaamde ‘klimaat’orrectie’ niet hebben toegepast.

27

In principe de voorbije 30 jaar. Het aantal graaddagen voor een normaal referentiejaar is zeker niet constant over de tijd. 66

Dit rapport is ook beschikbaar via Contactadres:

Recommend Documents