1 / 13

Seco@home – Projekttreffen Auswertung des Discrete-Choice-Experiments zu Wärmetechnologien

Seco@home – Projekttreffen Auswertung des Discrete-Choice-Experiments zu Wärmetechnologien Referent: Martin Achtnicht (ZEW) Mannheim, 11. Februar 2010. Forschungsfragen. Allgemein : Welche Determinanten bestimmen die Anschaffung einer Wärmetechnologie?

Télécharger la présentation

Seco@home – Projekttreffen Auswertung des Discrete-Choice-Experiments zu Wärmetechnologien

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Seco@home – Projekttreffen Auswertung des Discrete-Choice-Experiments zu Wärmetechnologien Referent: Martin Achtnicht (ZEW) Mannheim, 11. Februar 2010

  2. Forschungsfragen • Allgemein: • Welche Determinanten bestimmen die Anschaffung einer Wärmetechnologie? • Welchen Einfluss haben soziodemographische Faktoren dabei ? Konkret: • Gibt es Unterschiede in den Präferenzen hinsichtlich einzelner Attribute in Abhängigkeit der Technologie (Heizung vs. Dämmung) ? • Spielen eingesparte CO2-Emissionen für Hauseigentümer eine Rolle ? Falls ja, für wen besonders ? • Achten ältere Eigentümer mehr auf die Amortisationsdauer als jüngere ? • Bis zu welchem Grad kann ein unabhängiger Energieberater die Wahl beeinflussen ? • …

  3. RFB: Alternativen der Heizkostenreduktion

  4. RFB: Alternativen der Heizkostenreduktion W1: hohe Energiekosten W2: Sanierung sowieso fällig W10: Steig. der Behaglichkeit W6: Umwelt- bzw. Klimaschutz

  5. RFB: Alternativen der Heizkostenreduktion W3: finanzielle Subventionen W9: Steig. des Marktwerts W5: Unabh. v. Energielieferanten W4: günstige Kredite

  6. DCE: Design und Rahmendaten Alternativen: Heizsystem vs. Wärmedämmung Attribute: Anschaffungskosten (in Tausend €: 10, 20, 30, 40*) Energiekostenersparnis (in %: 25, 50, 75) Amortisationsdauer (in Jahren: 10, 20, 30) CO2-Verminderung (in %: 0**, 25, 50, 75, 100**) Meinung eines unabh. Energieberaters („empfehlenswert“) Förderung durch öffentliche und/oder private Hand (ja/nein) Garantiedauer (in Jahren: 2, 5, 10) Choice Sets: 12 pro befragtem Hauseigentümer Beobachtungen: 408 Hauseigentümer (4896 Wahlentscheidungen) * nur Dämmung, ** nur Heizung

  7. DCE: deskriptive Analyse

  8. DCE: ökonometrische Analyse - allgemein

  9. DCE: ökonometrische Analyse – Logit-Modell Alternative-specific conditional logit Number of obs = 9120 Case variable: beobachtung Number of cases = 4560 Number of persons = 380 Wald chi2(14) = 612.53 Log likelihood = -2723.659 Prob > chi2 = 0.0000 McFadden's adjusted R2 = 0.1335 ------------------------------------------------------------------------------ chosen | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- techno | costs | -.0443897 .0025837 -17.18 0.000 -.0494537 -.0393258 costsXeast | -.0225773 .0055155 -4.09 0.000 -.0333874 -.0117672 costsXcity | .0262382 .0051982 5.05 0.000 .01605 .0364265 costsav | .0004866 .0000604 8.06 0.000 .0003682 .0006049 paybackp | -.0186473 .0023179 -8.04 0.000 -.0231904 -.0141043 eadviser | .1954547 .0327573 5.97 0.000 .1312516 .2596577 funding | .1562049 .0327739 4.77 0.000 .0919693 .2204405 guarantee | .0211149 .0057356 3.68 0.000 .0098734 .0323564 co2sav | .0048886 .0011522 4.24 0.000 .0026303 .007147 co2savXag~55 | .0026942 .0013366 2.02 0.044 .0000745 .0053139 co2savXwoman | -.0019418 .0013618 -1.43 0.154 -.0046108 .0007272 co2sav~_heeq | .000816 .0015082 0.54 0.588 -.00214 .0037719 -------------+---------------------------------------------------------------- heizsystem | heating~2000 | -.1812677 .0701222 -2.59 0.010 -.3187048 -.0438306 otherheating | -.2190172 .0670135 -3.27 0.001 -.3503613 -.0876732 _cons | .1057318 .0509246 2.08 0.038 .0059215 .2055421 -------------+---------------------------------------------------------------- wärmedämmung | (base alternative) ------------------------------------------------------------------------------

  10. DCE: ökonometrische Analyse – Mixed-Logit-Modell Mixed logit model Number of obs = 9792 Number of persons = 408 LR chi2(7) = 756.39 Log likelihood = -2577.5313 Prob > chi2 = 0.0000 McFadden's adjusted R2 = 0.2361 ------------------------------------------------------------------------------ chosen | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- Mean | costs | -.0699871 .003279 -21.34 0.000 -.0764139 -.0635604 heatsys | -.0590699 .089553 -0.66 0.510 -.2345906 .1164507 costsav | -7.725489 .2235076 -34.56 0.000 -8.163556 -7.287422 paybackp | -4.738583 .331783 -14.28 0.000 -5.388866 -4.0883 co2sav | -5.322672 .2153465 -24.72 0.000 -5.744743 -4.9006 eadviser | -1.806824 .2723078 -6.64 0.000 -2.340537 -1.27311 funding | -2.423487 .4852424 -4.99 0.000 -3.374544 -1.472429 guarantee | -4.421088 .5352033 -8.26 0.000 -5.470067 -3.372109 -------------+---------------------------------------------------------------- SD | heatsys | 1.637306 .0888828 18.42 0.000 1.463099 1.811513 costsav | 1.228284 .1737335 7.07 0.000 .8877727 1.568795 paybackp | 1.795458 .2133749 8.41 0.000 1.377251 2.213665 co2sav | 1.262331 .1433134 8.81 0.000 .9814418 1.54322 eadviser | 1.209779 .1986457 6.09 0.000 .820441 1.599118 funding | -1.496127 .3020188 -4.95 0.000 -2.088073 -.9041806 guarantee | -1.424835 .3147328 -4.53 0.000 -2.0417 -.8079702 ------------------------------------------------------------------------------ costs konstant, heatsys normal-, restl. Variablen lognormalverteilt

  11. DCE: ökonometrische Analyse – WTP Die „wahren“ Parameter – am Beispiel co2sav: ------------------------------------------------------------------------------ chosen | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- mean_co2sav | .0108246 .0011995 9.02 0.000 .0084736 .0131756 median_co2~v | .0048797 .0010508 4.64 0.000 .0028201 .0069393 sd_co2sav | .0214339 .005342 4.01 0.000 .0109638 .0319041 ------------------------------------------------------------------------------ Herleitung der WTP für eine zusätzliche CO2-Ersparnis von 1%: ------------------------------------------------------------------------------ chosen | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- mean_WTP | .1546658 .0174866 8.84 0.000 .1203928 .1889388 median_WTP | .0697228 .015171 4.60 0.000 .0399881 .0994574 sd_WTP | .3062555 .0762761 4.02 0.000 .1567572 .4557538 ------------------------------------------------------------------------------

More Related