Plik w formacie PDF - UrzÄ d Regulacji Energetyki

PRZEDSIĘBIORSTWA ODBIORCA NA RYNKU ENERGETYCZNEENERGIIMODEL EKONOMETRYCZNY − NARZĘDZIE OCENY EFEKTYWNOŚCI OSD ELEKTROENERGETYCZNYCH6. PodsumowanieOcena efektywności działania czternastu OSDzaprezentowana w pracy opiera się na modeluekonometrycznym, opisującym kształtowaniesię kosztu operacyjnego w zależności od szereguczynników o charakterze techniczno-ekonomicznym.Model został oszacowany dla kosztu dystrybucji,kosztu dystrybucji poddanego korekcieo wpływ rezerw aktuarialnych i wolumenu różnicbilansowych. Zbiór potencjalnych zmiennych objaśniającychzawiera 31 wielkości, które posłużyły doestymacji modelu w konkurencyjnych wariantach,mających na celu analizę wrażliwości wnioskowaniao parametrach strukturalnych i wskaźnikachefektywności oraz określenie wpływu poszczególnychzmiennych na poziom kosztu operacyjnego.Uzyskane wyniki mogą być pomocne w określeniudla każdej OSD wartości uzasadnionego kosztuoperacyjnego (przy zachowaniu danego poziomudziałalności) oraz wyznaczeniu ścieżki potencjalnejredukcji kosztu obserwowanego.Zaprezentowany model ekonometryczny dladanych przekrojowo-czasowych pozwala nauwzględnienie podczas estymacji znacznie większejliczby zmiennych niż w przypadku analizy nadanych przekrojowych, nie wymagając budowyzmiennych agregatowych, co w konsekwencji niepowoduje utraty dostępnej informacji oraz zapewniauzyskanie stabilnych wyników. Metody estymacjibayesowskiej pozwalają na małopróbkowąestymację dla każdego z obiektów (na podstawieobserwacji z kilku lat) wskaźników efektywnościtraktowanych jako efekty indywidualne (stałew czasie), co prowadzi do bardziej wiarygodnychi interpretowalnych ekonomicznie rezultatów. Zaprezentowanymodel może również zostać wykorzystanydo prognozowania wartości kosztu i różnicbilansowych oraz umożliwia wariantową symulacjęalternatywnych decyzji dotyczących rozwojusieci dystrybucyjnej.Stochastyczny model graniczny rozważonyw pracy umożliwia dekompozycję kosztu obserwowanegona koszt niezbędny i koszt nadwyżkowy.Koszt minimalny uwzględnia efekt wynikającyz zakłóceń losowych i innych czynników nieujętychw modelu oraz podstawowy mikroekonomicznykoszt graniczny, stanowiący wielkość niezbędnądo zapewnienia danego poziomu działalnościi uzasadnioną z ekonomicznego punktu widzenia.Różnica między kosztem obserwowanym a kosztemniezbędnym określa koszt nadwyżkowy, którypotencjalnie może zostać zredukowany. Indywidualnewskaźniki efektywności dają miarę procentowąpotencjalnej redukcji kosztu. Należy podkreślić,że model graniczny szacowany technikamibayesowskimi umożliwia określenie niepewnościzwiązanej z estymacją każdej z kategorii kosztówi efektywności, co ma istotne znaczenie praktyczne(informuje o precyzji wnioskowania). Analizawrażliwości wnioskowania o parametrach strukturalnych,wskaźnikach efektywności oraz zdefiniowanychkategoriach kosztu wskazuje na dużą –mimo skromnego panelu – stabilność i odpornośćwyników empirycznych.Literatura:1. Aigner D., Lovell C.A.K, Schmidt P. (1977),„Formulation and estimation of stochasticfrontier production function models”, Journalof Econometrics vol. 6.2. Broeck van den J., Koop G., Osiewalski J.,Steel M.F.J. (1994), „Stochastic frontier models:A Bayesian perspective”, Journal of Econometricsvol. 61.3. Fernández C., Osiewalski J., Steel M.F.J.(1997), „On the use of panel data in stochasticfrontier models with improper priors”,Journal of Econometrics vol. 79.4. Greene W.H. (1993), „The econometric approachto efficiency analysis”, [w:] The Measurementof Productive Efficiency – Techniques andApplications (red.: Fried H.O., Lovell C.A.K.,Schmidt S.S.), Oxford University Press, NewYork.5. Koop G., Osiewalski J., Steel M.F.J. (1994),„Hospital efficiency analysis through individualeffects: A Bayesian approach”, CentER DiscussionPaper 9447, Tilburg.6. Koop G., Osiewalski J., Steel M.F.J. (1997),„Bayesian efficiency analysis through individualeffects: Hospital cost frontiers”, Journal ofEconometrics vol. 79.7. Koop G., Steel M.F.J., Osiewalski J. (1995),„Posterior analysis of stochastic frontiermodels using Gibbs sampling”, ComputationalStatistics vol. 10.8. Lovell K.A. (1993), „Production frontiers and productiveefficiency”, [w:] Fried H.O., Lovell C.A.K.,22 Biuletyn Urzędu Regulacji Energetyki nr 1 (79) 30 marca 2012