Aktiver Javascript i din nettleser for en bedre opplevelse på regjeringen.no

NOU 2018: 17

Klimarisiko og norsk økonomi

Til innholdsfortegnelse

2 Klimarisiko i samfunnsøkonomiske analyser og integrerte evalueringsmodeller

Bent Arne Sæther, sekretariatsmedlem, 21.11.18

2.1 Bakgrunnen for vedlegget

Samfunnsøkonomiske analyser er en viktig del av beslutningsgrunnlaget for offentlig politikk og investeringer. Noen slike tiltak er begrunnet med klimahensyn. Andre tiltak skjer ut fra andre hensyn, men kan ha betydelige klimavirkninger. For utvalget er det interessant å vurdere om klimarisikovurderinger har en tilstrekkelig plass i slike analyser. Dette vedlegget går gjennom metodikken i samfunnsøkonomiske analyser, både teoretisk og med henvisning til offentlige retningslinjer, og med hovedvekten på de komponentene som er særlig kritiske når klimavirkninger inngår i analysene.1

Globale, integrerte vurderings- eller evalueringsmodeller (Integrated Assessment Models, IAM) kombinerer klimavitenskap og økonomi, og brukes til å analysere ulike sider ved klimautfordringen. Noen av de mest brukte modellene har det samme teoretiske grunnlaget som samfunnsøkonomiske analyser, slik at det gir mening å se disse to emnene i sammenheng. Et springende punkt er hvor godt disse globale modellene beskriver de mulige økonomiske konsekvensene knyttet til ulike nivåer på den globale middeltemperaturen, i form av BNP- eller konsumtap. Vedlegget går gjennom noen trekk ved slike modeller, inkludert noen mangler og kritiske innvendinger.

2.2 Hovedtrekk i samfunnsøkonomiske analyser

Samfunnsøkonomiske analyser er basert på økonomisk velferdsteori, og brukes til å vurdere og sammenlikne den økonomiske effektiviteten i investeringer og andre tiltak. De mest sentrale elementer er at konsekvenser av et tiltak verdsettes i penger, i tråd med befolkningens samlede betalingsvilje, og at framtidige nytte- og kostnadsstørrelser neddiskonteres med en rentesats, noe som gir oss deres nåverdi. (Nærmere omtale av neddiskontering, se pkt. 1.3.) Tiltaket er samfunnsøkonomisk lønnsomt hvis alle virkninger er prissatt og netto nåverdi er større enn null, altså hvis nåverdien av all nytte overstiger nåverdien av alle kostnader. Et «tiltak» kan være en fysisk investering, men det kan også stå for en økonomisk reform eller et hvilket som helst tiltak, så som en bestemt klimapolitikk. Slike analyser kan brukes til å sammenlikne alternative tiltak, eller til å sammenlikne et mulig tiltak med et basisalternativ uten nye tiltak.

Utredningsinstruksen for staten2 krever at samfunnsøkonomisk analyse skal brukes ved utredning av store tiltak – dvs. investeringer, regelendringer og reformer med store konsekvenser. Dette følger av et generelt krav om at politiske beslutninger skal bygge på et solid kunnskapsgrunnlag. Finansdepartementet har fastsatt en del regler for hvordan slike analyser skal utføres i statlig sektor3, og Direktoratet for økonomistyring har utgitt en veileder i samfunnsøkonomiske analyser. 4 Figur 1 viser fasene i en samfunnsøkonomisk analyse, slik de beskrives i DFØs veileder.

Figur 2.1 Arbeidsfaser i en samfunnsøkonomisk analyse.

Figur 2.1 Arbeidsfaser i en samfunnsøkonomisk analyse.

Kilde: DFØ (2018) Veileder i samfunnsøkonomiske analyser

I samfunnsøkonomiske analyser5 blir konsekvenser verdsatt i penger, så langt det er mulig og forsvarlig, med sikte på å beregne samfunnsøkonomisk lønnsomhet. Konsekvensene av tiltaket har et omfang som kan måles eller anslås, og en pris per enhet. Prisene kan være markedspriser. Men når slike ikke finnes, kan det være hensiktsmessig å beregne kalkulasjonspriser. Klima- og andre miljøvirkninger mangler markedspriser. Slike virkninger må enten tilordnes kalkulasjonspriser eller beskrives verbalt. Analysene forutsetter at en legger inn pris- og kvantumsforutsetninger for hele analyseperioden. Ofte blir de relative prisene forutsatt å være konstante gjennom hele perioden, om en ikke har kunnskap som tilsier noe annet.6

Spørsmålet om prissetting, og om framtidig utvikling i relative priser, er sentralt for behandlingen av klima- og andre miljøkonsekvenser. Miljøkonsekvenser er stort sett ikke målt i penger. Det finnes metoder for å beregne kalkulasjonspriser, for eksempel gjennom undersøkelse av befolkningens betalingsvillighet for miljøgoder7, men slike metoder er usikre og omdiskuterte. Samtidig er det forhold som tilsier at mange miljøgoder vil bli knappere og dermed høyere verdsatt i framtiden enn i dag, slik at eventuelle kalkulasjonspriser bør øke raskere enn det generelle prisnivået.

I klimarelaterte analyser er det viktig hvilke framtidige kalkulasjonspriser en bruker på utslipp av klimagasser, dvs. karbonprisen. Den kan uttrykke skadekostnader ved klimagassutslipp, eller den kan gjenspeile marginalkostnaden ved å nå et klimamål, avhengig av analysens siktemål. (Se nærmere omtale i pkt. 1.4 under.) Også framtidige priser på olje, gass, kull og på fornybar energi vil ofte være viktige i klimarelaterte analyser.

Analyseperioden avhenger av prosjektets levetid, altså hvor langt inn i framtiden konsekvensene vil merkes. Finansdepartementets rundskriv slår fast at som hovedprinsipp skal analyseperioden være så nær tiltakets levetid som praktisk mulig. For infrastrukturtiltak i samferdselssektoren settes analyseperioden til 40 år.8 Hvis prosjektet har en levetid utover analysehorisonten, skal det beregnes hva restverdien er ved utgangen av perioden.

Usikkerheten i samfunnsøkonomiske analyser blir oftest belyst ved hjelp av følsomhetsanalyser. Analysene forutsetter at det legges inn anslag for nytte og kostnader langt inn i framtiden. Følsomhetsanalyser består i å variere verdiene på kritiske nytte- og kostnadskomponenter for å vise hvordan variasjonene påvirker lønnsomheten i prosjektet. (Se nærmere omtale under pkt. 1.5.)

Fordelingsvirkningene av et prosjekt eller tiltak beskrives separat, men påvirker ikke den samfunnsøkonomiske lønnsomheten. Nytte og kostnader teller like mye uavhengig av hvilke personer eller grupper som blir berørt, slik at et tiltak kan være svært lønnsomt selv om fordelingsvirkningene vurderes som negative. Dette er bakgrunnen for at fordelingsvirkningene skal beskrives eksplisitt, jf. fase 7 i figur 1.

Samfunnsøkonomisk analyse brukes fortrinnsvis til å vurdere enkelttiltak, dvs. prosjekter og tiltak som er for små til å påvirker prisene i økonomien. I prinsippet kan slike analyser også dekke omfattende endringer i politikk. Men da må en gå utover partielle tilnærminger, og bruke modeller som omfatter hele økonomien.9 Et eksempel er de såkalte integrerte evalueringsmodellene (IAMs, Integrated Assessment Models), som kan innehold mange av elementene fra samfunnsøkonomiske analyser, og brukes til å analysere ulike varianter av global klimapolitikk. Vi kommer tilbake til disse modellene lengre nede i vedlegget.

2.3 Nærmere om neddiskontering

Neddiskontering er et sentralt element i samfunnsøkonomiske analyser. Dette er altså en standard metode som gjør alle framtidige inntekter og kostnader om til en verdi i per dag, en nåverdi. Neddiskontering skjer ved hjelp av en kalkulasjonsrente. Med en rentesats på for eksempel 4,0 pst. vil 1000 kr om ett år tilsvare 1000 kr / 1,04 = vel 961 kr i nåverdi. 1000 kr om to år tilsvarer 1000 kr / 1,042, dvs. snaut 925 kr i nåverdi. Nåverdien i dag av 1000 kr om 30 år er vel 308 kr. Med en rentesats på 2,0 pst. ville denne nåverdien være klart større, nemlig 552 kr. Med en sats på 6,0 pst. ville den bare være 174 kr.

Valg av kalkulasjonsrente kan slå kraftig ut i lønnsomhetsberegningene. Siden kostnadene for å redusere den globale oppvarmingen kommer straks og i nær framtid, mens skadekostnadene vi vil unngå tilhører til dels fjern framtid, kan kraftig neddiskontering isolert sett bidra til å gjøre dyre klimatiltak i dag ulønnsomme. En hovedårsak til at Stern-rapporten10 kunne framstille en relativt ambisiøs klimapolitikk som lønnsom, var at den brukte en kalkulasjonsrente på 1,4 pst. Til sammenlikning brukte Nordhaus på samme tid 11 en markedsbasert sats (5,5 pst.), og kom fram til at klimapolitikken burde starte forsiktig og heller trappes opp etter hvert. En nærmere diskusjon av kalkulasjonsrenten finnes i boks 1.

Finansdepartementet har fra 2014 bestemt at det skal brukes en fallende kalkulasjonsrente i alle økonomiske analyser av offentlige prosjekter og tiltak. Realrentesatsen er på 4 pst. p.a. i 40 år, fallende til 3 pst. de neste 35 årene, og deretter 2 pst. resten av prosjektets levetid. Dette er i tråd med forslaget i NOU 2012: 16, der begrunnelsen ligger i at usikkerheten om den økonomiske utviklingen øker jo lengre fram i tid en ser. 12

Tabell 2.1 Kalkulasjonsrente for analyse av statlige tiltak. Tall i prosent.

0 – 40 år

40 – 75 år

etter 75 år

Risikojustert rente

4,0

3,0

2,0

Kilde: Rundskriv R-109-2014 (Finansdepartementet)

Debatten om neddiskontering og miljøpolitikk er gammel og komplisert. På den ene siden reagerer de fleste intuitivt på at selv dramatiske miljøskader i fjern framtid får en nåverdi nær null. Dette endres noe, men i praksis ikke mye, av at rentesatsen gjøres fallende etter 40 år. En svært lav kalkulasjonsrente ville på sin side gjøre mange langsiktige prosjekter mer lønnsomme – også slike som har sterkt negative miljøkonsekvenser.

I utgangspunktet skal kalkulasjonsrenten sikre effektiv ressursallokering. En utfordring er at bærekraftig utvikling, inkludert begrensninger på den globale oppvarmingen, inneholder et fordelingskriterium mellom generasjoner. Dermed har dette kriteriet en sterk etisk dimensjon. Mens kalkulasjonsrenten brukes til nåverdiberegninger, vil bærekraftig utvikling eksplisitt dreie seg om situasjonen langt fram i tid. Det er antakelig umulig å kreve at kalkulasjonsrenten skal ivareta begge disse hensynene på én gang.13

En nærliggende løsning på problemet er å sette eksplisitte mål for den globale temperaturøkningen, dvs. for maksimale nettoutslipp av klimagasser. Deretter kan en bruke en kalkulasjonsrente basert på effektivitetskriterier for å vurdere tiltak og prosjekter innen denne beskrankningen. Dette alternativet trekkes også fram i NOU 2012:16, og ligger nært opptil det en kaller kostnadseffektivitetsanalyser (jf. fotnote 1).

Boks 2.1 Nærmere om kalkulasjonsrenten

Det finnes ulike tilnærminger til å bestemme kalkulasjonsrenten. Et mye brukt utgangspunkt er den såkalte Ramsey-betingelsen for optimal sparing:

r = p + μ g

Her står r på venstre side for avkastningen på investeringer, mens høyre side uttrykker et «konsumbasert» avkastningskrav. p er konsumentenes tidspreferanse, altså et uttrykk for ren utålmodighet. g er prosentvis årlig konsumvekst per innbygger. μ er en størrelse som sier hvor mye grensenytten av konsumet faller i pst. når konsumet faller med én pst. Produktet μ g viser hvor mye grensenytten synker når konsumet øker med g pst. Vi kan tolke leddet slik: Jo sterkere konsumveksten er, og jo sterkere nytten av én ekstra krone konsum faller med voksende inntekt – desto sterkere ønske om å forbruke én krone nå framfor å utsette konsumet til siden1. Stor personlig utålmodighet, pluss sterk forventet konsumvekst og stort tap i tilleggsnytte når konsumet vokser – det leder til sterk neddiskontering av framtidig forbruk.

Problemet er at verken den rene tidspreferansen eller grensenytten lar seg observere, mens framtidig vekstrate i konsumet er usikker. Når Stern (2007) ender på 1,4 pst., skyldes det at han setter tidspreferanseraten til 0,1. Grensenytteelastisiteten av konsumet settes til 1 og vekstraten i konsumet til 1,3 pst. Samme år bruker Nordhaus (2007) hhv. 1,5 pst., 2 og 2 pst., og får en kalkulasjonsrente på 5,5 pst. Ulike forsøk på empiriske beregninger av kalkulasjonsrenten har gitt resultater fra 0,24 til 11 pst.

Optimal sparing tilsier at avkastningen av én ekstra enhet investering tilsvarer konsumtapet ved å avstå fra å konsumere enheten og la den gå til investering isteden. I prinsippet kan kalkulasjonsrenten altså beregnes både fra investerings- og fra konsumsiden. I NOU 2012:16 bygges renten opp med én risikofri komponent som settes til 2,5 pst. og et normalt risikopåslag på 1,5 pst. Etter 40 år settes renten til 2 + 1 = 3 pst. og etter 75 år til 2 + 0 = 2 pst. Den fallende renten begrunnes med at usikkerheten om den makroøkonomiske utviklingen – målt ved konsumveksten – øker jo lengre fram i tid en ser.

1 Batten (2018) tolker leddet μ g som «aversjon mot ulikhet i konsum mellom generasjoner», et ledd som uttrykker hvilken vekt som tillegges kommende generasjoners velferd. Det gjør μ til et normativt element i likningen.

Kilde: NOU 2012: 16 Samfunnsøkonomiske analyser, kap. 5

2.4 Nærmere om karbonpriser

I samfunnsøkonomiske analyser av klimapolitikk eller klimarelaterte investeringer blir et kjernespørsmål hvordan vi skal verdsette endringer i klimagassutslipp. Svaret er ikke liketil, og valg av karbonprisbane vil avhenge av konteksten. Tar vi et globalt perspektiv, og ser bort fra alle avtaler og virkemidler, er det naturlig å være ute etter den globale skadekostnaden per enhet utslipp, den såkalte «social cost of carbon». (I et nasjonalt perspektiv kan resultatet være et annet, jf. diskusjon lengre nede i avsnittet.)

Beregninger av «social cost of carbon» tar utgangspunkt i at én utslippsenhet har en bestemt skadekostnad. Utslippsenheten bidrar til klimagasskonsentrasjonen og dermed til konsekvensene i form av oppvarming og til konsekvenser i form av havstigning, flom, tørke, mulig issmelting mv. Disse konsekvensene utgjør en kostnad for menneskene, som i prinsippet kan beregnes. Kostnaden er uavhengig av hvor utslippet skjer, men ikke av klimagasskonsentrasjonen i utgangspunktet. Det betyr at kostnaden ved et ekstra tonn utslipp avhenger av hvilken utslippsbane en regner ut fra.

«Social cost of carbon» vil være oppgitt per tonn karbon, eventuelt per tonn CO2.14 I disse beregningene møter vi usikkerheten i fullt monn og i flere ledd: Hvor sterk er egentlig klimafølsomheten? Hvilke konsekvenser får oppvarmingen for nedbør, tørke, ekstremvær og så videre, ved ulike og stigende temperaturer? Hvilke økonomiske tap vil oppstå i berørte samfunn? Hvilke tilpasningstiltak vil landene for eksempel ha gjennomført?

Usikkerhet i mange ledd gjør det krevende å beregne de økonomiske konsekvensene knyttet til mange av disse virkningene. Estimater varierer kraftig med forutsetningene som blir lagt til grunn. Valg av kalkulasjonsrente gir store utslag, likeså hvilke framtidige skadekostnader som legges inn. Ikke minst er det et problem å bestemme hvordan mulige dramatiske utfall med ukjent sannsynlighet skal integreres i beregningene. Boks 2, basert på eksempler fra USA, kan illustrere noen av disse poengene, uten at en skal legge overdreven vekt på de faktiske nivåene. (En fersk artikkel i Nature15 presenterer for eksempel et estimat for «social cost of carbon» på vel 400 dollar per tonn CO2.)

Boks 2.2 Strid om «social cost of carbon» i USA

Obama-administrasjonen oppnevnte i 2009 en tverrdepartemental arbeidsgruppe som skulle foreslå karbonpriser til bruk i evaluering av prosjekter og politikk med konsekvenser i form av endring i klimagassutslipp. I sin seneste rapport, fra 2016, foreslo arbeidsgruppen å bruke i alt fire karbonprisbaner fram til 2050, basert på gjennomsnittsestimater fra tre ulike globale evalueringsmodeller. De tre prisbanene gjenspeiler ulike kalkulasjonsrenter – henholdsvis 5, 3 og 2,5 pst. Lavere rentesats gir høyere karbonprisbane. Mens 5 pst. rente gir en prisbane som går fra 12 dollar per tonn CO2 i 2020 til 26 dollar i 2050, gir 2,5 pst. rente en karbonpris som stiger fra 62 dollar per tonn i 2020 til 95 dollar i 2050. Den fjerde og høyeste prisbanen representerer skadekostnader knyttet til utfall med lav sannsynlighet, men store konsekvenser. Denne banen innebærer en karbonpris på 123 dollar per tonn i 2020 og 212 dollar i 2050. (Alle priser oppgitt i 2007-dollar.)

På denne bakgrunnen anbefalte Obama-administrasjonen at føderale departementer og etater skulle bruke en karbonprisbane som starter på om lag 50 dollar per tonn CO2 i 2020 for deretter å stige.

Trump-administrasjonen har siden oppløst arbeidsgruppen. I 2018 anbefalte de amerikanske miljømyndighetene (EPA) at en i revisjonen av drivstoffstandarder i personbiler og lette lastebiler skulle bruke en karbonpris på 1 – 7 dollar per tonn CO2. Det er to hovedårsaker til det dramatiske fallet i «social cost of carbon». For det første inkluderer EPAs beregninger bare kostnader som oppstår innenfor USAs grenser, ikke de globale kostnadene. For det andre blir beregningene gjort med kalkulasjonsrenter på 3 og 7 pst. Den høyeste rentesatsen fører til en «social cost of carbon» på om lag 1 dollar per tonn.

Kilde: OECD (2015), IWG (2016), EPA (2016), Plumer (2018), Auffhammer (2018).

En alternativ tilnærming vil være å ta utgangspunkt i et globalt utslippsmål. I en OECD-rapport fra 2015 heter det at vanskene med å verdsette viktige virkninger har gjort at «the context of international policy and analysis has tended to move away from using explicit estimates of the social cost of carbon.» I stedet brukes karbonprisbaner som er avledet av globale utslippsmål. Mens altså USA (se over) og Canada baserer sine karbonpriser på «social cost of carbon», er Storbritannia et land som har gått over fra denne tilnærmingen til å bruke karbonpriser som er konsistente med vedtatte klimamål.16

Boks 2.3 Tilrådinger i NOU 2012: 16

«På bakgrunn av drøftingene i dette kapitlet tilrår utvalget:

  • Dagens differensierte avgifts- og kvotestruktur for privat sektor egner seg ikke til bruk i samfunnsøkonomiske analyser. En felles karbonprisbane for samfunnsøkonomiske analyser bør legges til grunn.

  • Hva som er rett kalkulasjonspris for klimagassutslipp, avhenger av hvilket spørsmål en ønsker at analysen skal gi svar på. Utvalget baserer seg på en antakelse om at myndighetene har bindende mål om utslippsbegrensninger slik at økte utslipp ett sted nødvendigvis vil måtte motsvares av reduksjon et annet sted. Ut ifra det tilrår utvalget at kalkulasjonsprisen for klimagassutslipp baseres på marginalkostnaden ved utslippsreduksjon (marginal rensekostnad). Om det ikke foreligger bindende mål om utslippsbegrensninger, bør karbonprisbanen i prinsippet i stedet være basert på marginale skadekostnader.

  • Dersom myndighetene har bindende mål for innenlandske utslippsreduksjoner, bør kalkulasjonsprisene avledes fra beskrankningene som følger av disse målene. Klimakur 2020 (2010) har beregnet ulike slike baner fram mot 2020.

  • Dersom norske bindende mål snarere er knyttet til til de totale, globale utslipp Norge forårsaker, og norske utslipp er underlagt et globalt kvotemarked, bør kalkulasjonsprisen for klimagassutslipp baseres på forventninger om den internasjonale kvoteprisen. Av de ulike kvoteprisene i dagens internasjonale kvotemarked tilrår utvalget å bruke EUs kvotepris. Banen bør baseres på markedets forventninger til framtidige kvotepriser. For årene det ikke noteres priser, bør prisbanen over tid nærme seg en antatt togradersbane basert på internasjonalt anerkjente modellberegninger.

  • For prosjekter der den samfunnsøkonomiske analysen er særlig følsom overfor ulike karbonprisbaner, vil det være nyttig å utføre sensitivitetsberegninger der en legger til grunn en togradersbane for alle år.

Skulle den nasjonale eller internasjonale situasjonen endres, slik at nye klimamål blir bindende for norsk økonomi, er det den marginale rensekostnad gitt disse nye målene som bør ligge til grunn for hovedalternativet for en felles kalkulasjonspris for klimagassutslipp.

Dersom Norge i framtiden skulle være i en situasjon der myndighetene ikke har bindende mål for utslippsreduksjoner, slik at utslippsøkninger ett sted ikke kan antas å innebære utslippsreduksjoner et annet sted, er det i prinsippet den marginale skadekostnaden som bør være utgangspunktet for karbonprisbanen i samfunnsøkonomiske analyser.

Konkretisering av banene bør utarbeides av Finansdepartementet i samråd med andre berørte departementer.»

Kilde: NOU 2012: 16 Samfunnsøkonomiske analyser, kap. 9.8.

Et nærliggende alternativ er å bruke Parisavtalens mål, som uttrykk for hva verdenssamfunnet oppfatter som et akseptabelt nivå for den globale oppvarmingen. Det finnes i prinsippet uendelig mange utslippsbaner som er konsistente med en oppvarming på 1,5 – 2 grader, men alle har til felles at de globale nettoutslippene må falle til null en gang rundt midten av dette århundret. Tilsvarende vil det være mange mulige karbonprisbaner som er konsistente med Parismålet, og det kan gjøres mange ulike forutsetninger om bl.a. teknologiutvikling, virkemiddelvalg og graden av kostnadseffektivitet i fordelingen av utslippsreduksjonene.

Å beregne karbonpris basert på et utslippsmål er strengt tatt ikke i tråd med et prinsipp om at verdsetting skal reflektere summen av individuelle betalingsvilligheter, med mindre en ser Parisavtalen som et kollektivt (politisk) uttrykk for alle innbyggernes preferanser. På den andre siden unngår en noen metodeproblemer som er knyttet til eksplisitt verdsetting av klimavirkninger. Samtidig vil det være en direkte og synlig forbindelse mellom politiske mål og analyse av enkelttiltak. Dette kan forklare den tendensen OECD har beskrevet over.

I en nasjonal analyse kan perspektivet være et annet. NOU 2012: 16 sier: «Hva som er rett kalkulasjonspris for klimagassutslipp, avhenger av hvilket spørsmål en ønsker at analysen skal gi svar på.» 17 Tilrådingene fra utvalget er oppsummert i boks 3, og dekker en rekke alternative situasjoner. Et springende punkt er om et økt utslipp fra et prosjekt fører til økte globale utslipp, eller om det finnes en bindende utslippsskranke slik at økt utslipp ett sted vil motsvares av utslippsreduksjoner et annet sted.

Norsk regelverk fastsetter ingen obligatorisk karbonprisbane til bruk i offentlige samfunnsøkonomiske analyser. Ulike etater kan derfor ha ulik praksis. Samferdselsetatene, og andre etater i tillegg, bruker kalkulasjonspriser fra Vegvesenets håndbok i konsekvensanalyser, jf. tabell 2.18 Men en gjennomgang av økonomiske analyser av store statlige investeringsprosjekter viser at klimagassutslipp behandles svært ulikt.19 En sektorveileder for petroleumssektoren forutsetter at det utføres beregninger med et høyt og et lavt alternativ for karbonprisen. Når det gjelder tiltak som primært er ment å redusere klimagassutslipp, skal det beregnes hvilken karbonpris som kreves for at tiltaket skal være samfunnsøkonomisk lønnsomt.20

Tabell 2.2 Kostnader per tonn utslipp CO2-ekvivalenter i ulike utslippsår. (2016-kr)

2015

2020

2030

Kr/tonn CO2-ekvivalenter

250

380

945

Kilde: Vegdirektoratet (2018), kap. 5. Tallene er basert på Klimakur (2010).

2.5 Nærmere om usikkerhet og følsomhetsberegninger

I en risikosammenheng er det interessant å se på hva offentlige veiledere i samfunnsøkonomiske analyser sier om behandling av usikkerhet i analysene. Usikkerhetsanalyse er en integrert del av analysen, jf. fase 6 i figur 1, og den vanlige metoden er følsomhetsberegninger.

Følsomhetsanalyser (sensitivitetsanalyser) består i å variere verdien på sentrale faktorer, for å se hvordan lønnsomheten av et prosjekt eller tiltak blir påvirket. Bakgrunnen bør være en vurdering av hva som er de sentrale usikkerhetsfaktorene. «En starter med å gjøre en vurdering av hva som er en realistisk variasjonsbredde rundt de forventningsverdiene som er lagt til grunn ved nåverdiberegningen. En grei regel kan være å sette opp et pessimistisk alternativ og et optimistisk alternativ som henholdsvis nedre og øvre grense av en rimelig variasjonsbredde.»21 En mulig variant er å beregne «break-even»-verdier, dvs. hvilke verdier på kritiske faktorer som snur lønnsomheten i et prosjekt eller tiltak fra positiv til negativ (eller omvendt).

I noen tilfeller vil scenarioanalyse være et aktuelt verktøy. Dette vil kunne gjelde hvis noen av nytte- og kostnadsvirkningene, eller andre kritiske faktorer i analysen er korrelert med hverandre. Det kan også være aktuelt når flere kritiske faktorer kan slå inn samtidig, uten at de er direkte korrelert. Scenarioanalyser er imidlertid ressurskrevende, og vil dermed være forbeholdt store prosjekter. (Det gis ingen nærmere veiledning om bruk av scenarioanalyser.) En forenklet versjon er en følsomhetsanalyse der en endrer flere faktorer samtidig.22 Monte Carlo-simuleringer, som er en følsomhetsanalyse av alle usikre faktorer på én gang, er også nevnt som en mulighet – uten at DFØ egentlig anbefaler denne metoden.

«For å gi beslutningstaker et godt grunnlag for beslutningen, bør dere foreslå ulike aktiviteter som kan iverksettes for å redusere sannsynligheten for et mer negativt utfall enn forventet.»23 Slike aktiviteter kan gå ut på å redusere sannsynligheten for negative utfall, eventuelt begrense konsekvensene av slike utfall. Det kan også være at lønnsomheten i tiltaket kan styrkes gjennom å beholde eller øke fleksibiliteten – altså å bevare opsjons-verdiene i tiltaket. Det vil særlig gjelde i situasjoner der viktige virkninger er irreversible.

Føre var-prinsippet er aktuelt i situasjoner der usikkerheten er stor, og skadene kan bli dramatiske og irreversible dersom de inntreffer. «Hvis sannsynligheten for et katastrofalt utfall er ikke-neglisjerbar, vil standard analysemetode kunne undervurdere, kanskje i betydelig grad, kostnaden ved at samfunnet utsettes for en ukjent grad av katastroferisiko.» Det kan være et poeng å synliggjøre forskjellen mellom kostnadene ved en ren nåverdibetraktning og kostnadene ved å følge et føre var-prinsipp.24 Hvis føre var-prinsippet sikter mot å unngå «worst case», kan forskjellen sies å indikere hva samfunnet må være villig til å betale for å unngå worst case.

2.6 Noen avsluttende kommentarer om samfunnsøkonomiske analyser

Fra et klima- og miljøperspektiv er det en betydelig utfordring hvordan virkninger uten markedspris skal innpasses i analyser som bygger på monetær verdsetting. Som nevnt finnes det mange ulike metoder for beregning av klima- og andre miljøkostnader, men disse metodene er usikre og delvis omstridte. Det er et åpent spørsmål om, og eventuelt i hvilken grad, dette problemet kan løses. Samtidig er det vanskelig å gi ikke verdsatte virkninger en korrekt vekt i analyser som er basert på monetær verdsetting. Det finnes metoder for systematisk presentasjon og sammenstilling av ikke prissatte virkninger, og anbefalt praksis i norske analyser er å vurdere om disse virkningene til sammen styrker eller svekker resultatet av en nåverdiberegning av prissatte virkninger. 25 «Oversettelsen» mangler altså, og virkninger som mangler en pengeverdi kan blant annet ikke neddiskonteres. En forsterkende faktor er at mange miljøvirkninger kan vare langt utover rimelige analyseperioder. Noen er i praksis irreversible, og det gjelder ikke minst klimavirkningene.

I prinsippet er samfunnsøkonomiske analyser normative, ved at nåverdikriteriet gir grunnlag for å evaluere og rangere alternative tiltak. En mye diskutert utfordring, som vi ikke kommer nærmere inn på her, er fordelingsvirkninger. Samfunnsøkonomisk lønnsomhet tilsier at samfunnets aggregerte betalingsvillighet for et tiltak eller prosjekt overstiger kostnadene, slik at vinnere i prinsippet kan kompensere tapere. Denne kompensasjonen vil oftest ikke finne sted, og det er ikke gitt at samfunnets vurdering av nytte og kostnader er uavhengig av hvem som blir berørt. Dette synes å være bakgrunnen for denne vurderingen fra ekspertutvalget for samfunnsøkonomiske analyser: «Utvalgets syn innebærer (….) at samfunnsøkonomisk lønnsomhet skal tolkes som et oppsummerende mål på hva befolkningen til sammen er villig til å betale for et tiltak, ikke som et mål på hva som er til samfunnets beste i videre forstand,…».26 «(D)et kan være nyttig å betrakte nytte-kostnadsanalyser som et verktøy for å systematisere informasjon om virkninger, snarere enn et verktøy for direkte normativ anbefaling.»27

Samfunnsøkonomiske analyser er et systematisk rammeverk for beskrivelse og sammenstilling av de antatte (typisk forventede) konsekvensene av et prosjekt eller tiltak. Noen vil, av ulike grunner, legge hovedvekten på samfunnsøkonomiske analyser er en tilnærming som er heldekkende og samtidig motvirker dobbelttelling. I bestrebelsen på å presentere et nyttig beslutningsgrunnlag vil systematikk og oversikt telle mer enn lønnsomhetskriteriet. Samtidig er det monetær verdsetting basert på individuell betalingsvillighet, neddiskontering og beregning av netto lønnsomhet som skiller samfunnsøkonomiske analyser fra andre former for konsekvens-utredninger. Dette er også trekk som går igjen i noen sentrale integrerte evalueringsmodeller (se under).

2.7 Nærmere om integrerte evalueringsmodeller (IAM)

Siden klimaendringene er en global prosess, må enhver beregning av fysiske og økonomiske konsekvenser i ett land gå veien om en global modell. Ulike typer økonomiske modeller er i bruk, kombinert med klimamodeller, for å gjøre økonomiske beregninger av klimaendringer og klimapolitikk. Slike kombinerte modeller kalles integrerte evalueringsmodeller («Integrated Assessment Models» – IAM). En oversikt fra 200828 nevner fem ulike modelltyper, hvorav de viktigste er simuleringsmodeller, generelle likevektsmodeller og velferdsoptimeringsmodeller.29 Noen av de mest framtredende, brukte og omtalte er i denne siste gruppen, som blant annet omfatter FUND-modellen og DICE/RICE-modellene, og denne framstillingen vil legge hovedvekten på dem.

Integrerte vurderingsmodeller kombinerer klimavitenskap og økonomi. Figur 2, basert på Batten (2018)30, viser en typisk struktur. «Klimamodulen» inneholder alle de fysiske sammenhengene, fra utslipp via konsentrasjon i atmosfæren til virkninger i form av havnivåstigning, tørke, nedbør osv. «Økonomimodulen» inneholder en global vekstmodell, som inkluderer investeringer i utslippsreduserende tiltak med tilhørende kostnad, og i tillegg tilbakevirkningene på økonomien av de fysiske virkningene som oppvarmingen fører med seg. Boksen med «økonomisk dynamikk» vil inneholde forutsetninger om bedrifters og forbrukeres atferd. Modellene kan være sterkt aggregerte, eller disaggregert for eksempel på et regionalt nivå.31

Figur 2.2 Integrerte evalueringsmodeller – typisk struktur

Figur 2.2 Integrerte evalueringsmodeller – typisk struktur

Kilde: Batten (2018) – Bank of England Staff Working Paper No. 706

I disse modellene vil utslippsreduserende investeringer på kort sikt redusere den økonomiske veksten. I vekstmodellen ligger det en del forutsetninger om befolkningsvekst og teknologisk utvikling. Dette skaper en bestemt utviklingsbane for global produksjon, målt ved BNP. Med denne utviklingsbanen følger klimagassutslipp, som etter hvert virker negativt tilbake på økonomien i form av en reduksjon i BNP og reduserte konsummuligheter. Klimainvesteringer må finansieres gjennom reduksjon i tradisjonelle produksjonsinvesteringer og/eller i løpende konsum. Samtidig vil klimainvesteringer i dag gi mindre oppvarming og et lavere konsumtap på lengre sikt.

Det oppstår dermed en avveining mellom hvor mye BNP og konsummuligheter som skal ofres i dag for høyere konsum i framtiden. Velferdsoptimeringsmodeller er utstyrt med et velferdsmål, en velferdsfunksjon, som knytter den globale velferden til konsumet. En vanlig antakelse er at økt konsum alltid gir økt velferd, men at velferdsøkningen ved en ekstra konsumenhet faller med voksende konsum. Riktig avveining av konsum, produktive investeringer og klimainvesteringer vil da være den den som fører til størst mulig nåverdi av all nåtidig og framtidig velferd.

En sentral faktor i den økonomiske dynamikken vil være hvordan en modellerer avveiningene mellom nåtid og framtid. Som vi har sett, vil sterk neddiskontering trekke i retning av at framtidig nytte blir mindre viktig relativt til nytte i dag. Sternrapporten32, basert på beregninger med modellen PAGE2002, brukte en lav rentesats ut fra et konsumresonnement. Nordhaus brukte en markedsbestemt og høyere rentesats i sin DICE-modell 33 Det betyr at framtidig nytte av reduserte utslipp får mindre vekt i forhold til tidlige kostnader ved utslippsreduserende tiltak. Modellene kan brukes til å analysere klimapolitikk for å nå et bestemt klimamål, eller til å analysere optimalt globalt ambisjonsnivå i klimapolitikken, gitt de antatte skade- og reduksjonskostnader. Den optimale løsningen vil dels avhenge av neddiskonteringen, dels av hvilke kostnader en omstilling vil føre med seg, og ikke minst av hvilke kostnader som knyttes til de framtidige fysiske klimaendringene.

I slike modeller vil utviklingen i den globale klimapolitikken være representert ved en «karbonprisbane». Modellene må forenkle et sammensatt sett av virkemidler til én variabel. Verdien kan forutsettes å være den samme over hele verden, eller variere mellom regioner og land. Karbonprisen vil endre seg over tid. I beregninger av en optimal klimapolitikk vil det høre en bestemt karbonprisbane til den optimale utviklingen i realinvesteringer, klimainvesteringer og forbruk. Slike beregninger ligger også under anslag for «social cost of carbon», (jf. pkt. 4 over). Alternativt kan karbonprisbanen være et resultat av beregninger av nødvendig/optimal politikk for å nå et bestemt utslippsmål. En ytterligere mulighet er å legge inn en bestemt karbonprisbane, og så modellberegne hvilken effekt dette nivået har på utslippene av klimagasser (og eventuelt på den globale oppvarmingen og på skadekostnader).

2.8 Nærmere om skadekostnadene i modellene

Mange IAM-beregninger inneholder relativt moderate anslag for framtidige klimakostnader. En metastudie34 (Nordhaus og Moffat 2017) sammenfatter i alt 36 skadekostnadsanslag fra 27 ulike økonomiske studier. Forfatterne finner at BNP per innbygger i 2100 reduseres med om lag 2 pst. ved en temperaturøkning på 3 °C, og med om lag 8 pst. ved en temperaturøkning på 6 °C. Disse relativt moderate skadekostnadene er en viktig årsak til at IAM-beregninger ofte konkluderer med at optimal klimapolitikk er forsiktig i dag, for deretter å opptrappes gradvis. «Mange IAM-baserte beregninger leder til en slik «gå sakte»-konklusjon,..».35 Selv om det etter hvert er skjedd endringer og oppgradering av beregningene, er totale estimerte skadekostnader fortsatt relativt små også ved betydelige temperaturøkninger. 36

Diskusjonen om verdsetting av klimakonsekvenser dreier seg dels om hvilke estimater som blir brukt, og dels om hvordan analysene håndterer den store usikkerheten. Kritikken går dels ut på at modellene ikke holder tritt med status i forskningen på virkningen av klimaendringer på jordbruk m.m., dels at mange skadevirkninger ikke er modellert ennå. Kostnader knyttet til skade på økosystemer og tap av økosystemtjenester er et viktig eksempel. Dette siste er en av faktorene som trekkes fram av Nordhaus og Moffat, som begrunnelse for at tallene fra de underliggende studiene i deres metastudie «are likely to be underestimates of true damages».37 I tillegg sier kritikere at funksjonssammenhengene som brukes har et svakt eller ikke-eksisterende empirisk grunnlag.38 Auffhammer39 påpeker at de mest brukte integrerte modellene inneholder skadefunksjoner basert på relativt få og gamle studier. Han skriver at litteraturen på området utvikler seg raskt, både når det gjelder økonometriske metoder og dekning av sektorer og regioner. Han refererer en studie som legger inn de ferskeste skadefunksjonene fra jordbrukssektoren i FUND-modellen40, noe som alene dobler estimatet på «social cost of carbon».

Det er vanskelig å estimere virkningene og kostnadene ved langsiktig og sterk global oppvarming basert på tidsserier som er korte og representerer beskjedne temperaturendringer. En sentral størrelse som «klimafølsomheten» kan kanskje betraktes ikke bare som usikker, men som prinsipielt umulig for oss å kjenne i dag.41 Det samme kan gjelde mange av de sammenhengene som til sammen bestemmer virkningene av global oppvarming, og kostnadene knyttet til disse. En vanlig forutsetning, for eksempel i DICE-modellen, er en «kvadratisk» skadefunksjon, der kostnadene øker med en faktor ganger kvadratet av temperaturøkningen. Dette kan oppfattes som et nokså tilfeldig, subjektivt valg. Farmer m.fl.42 peker på mangelen på data, mens Pindyck mener at skadefunksjonene er «completely made up», uten teoretisk eller empirisk grunnlag.43 Han mener at de tidlige evalueringsmodellene var svært nyttige ved å belyse sammenhengene mellom nøkkelvariabler, på en konsistent og overbevisende måte, men mener samtidig at de konkrete beregningene som blir gjort ikke er til nytte som grunnlag for klimapolitikken.44

Det er alt i alt trolig at de globale beregningsmodellene undervurderer framtidige skadekostnader ved stigninger i middeltemperaturen, og spesielt ved sterk oppvarming.45 Batten 46 mener at de økonomiske virkningene kan arte seg som mange lokale, spesifikke hendelser, som vil være vanskelig å reflektere i integrerte modeller. Slike enkeltvirkninger kan til sammen gi en betydelig reduksjon i produktiviteten, kanskje mange ganger større enn enkeltstående katastrofer (tørke, ekstremregn, flom osv.). I likhet med Auffhammer47 fremmer hun en rekke forslag til forbedringer i modellene, inkludert bruk av nyere klimaforskning til å forbedre utformingen av skadefunksjonene. Stern48 tviler på at mindre (incremental) endringer i de integrerte evalueringsmodellene vil være tilstrekkelig, og viser til artikkelen til Farmer m.fl.49 (2015). Disse forfatterne foreslår å utvikle en «tredje bølge» av modeller. Dette inkluderer dynamiske, stokastiske generelle likevektsmodeller, men de trekker særlig fram agentbaserte modeller.50

Boks 2.4 Debatten om Weitzmans «dismal theorem»

I denne sammenhengen kan det være interessant å gi et raskt referat av debatten om Martin Weitzmans såkalte «dismal theorem» («dystre teorem»). Weitzman, William Nordhaus og Richard Pindyck – alle framtredende økonomer, og allerede nevnt her – hadde for noen år siden en debatt om bruk av forventningsbaserte analyser vs. føre-var-tilnærminger basert på hensynet til ekstreme utfall med lave, men ikke neglisjerbare sannsynligheter. Debatten tok blant annet form av et eget «symposium». 1

Weitzman (2011) lanserte det såkalte «dismal theorem», som går ut på at under visse betingelser kan verden ha nær sagt uendelig betalingsvilje for å unngå global oppvarming. Teknisk sett baserte han resonnementet på to sentrale antakelser. Han brukte en velferdsfunksjon som impliserte at verden har svært sterk risikoaversjon, altså motvilje mot å risikere negative utfall. I tillegg hadde han en skadekostnadsfunksjon med «tykke haler» – til forskjell fra de normale sannsynlighetsfordelingene som oftest blir brukt i de integrerte evalueringsmodellene. Denne kombinasjonen førte til at verdenssamfunnet bokstavelig talt ville være villig til å betale hva som helst for å unngå risikoen for katastrofale klimautfall.

Nordhaus (2011) påpekte at verden logisk sett ikke kan ha uendelig betalingsvilje for å unngå enhver mulig katastrofe. Det finnes en mengde mulige katastrofer som kan ha en sannsynlighetsfordeling med tykke haler, så som kollisjon med en asteroide og pandemier. Pindyck (2011) var enig i denne kritikken av Weitzmans konkrete modell. Men han mente også at en føre var-tilnærming i klimapolitikken ikke forutsetter Weitzmans «dismal theorem», og kan begrunnes også om skadefunksjonen skulle ha tynne haler. I en kommentar til kritikken svarte Weitzman at hans poeng var at «potensielt tykke haler bør gjøre økonomer mindre trygge på nytte-kostnadsberegninger». (For en nærmere presentasjon av debatten om Weitzmans «dismal theorem», se NOU 2012: 16, kap. 8.5.)

1 Se referansene Nordhaus (2011), Pindyck (2011) og Weitzman (2011).

2.9 Optimalisering eller føre var-tilnærming?

I et risikoperspektiv er det særlig viktig å vurdere hvordan modellene tar hensyn til mulige dramatiske, irreversible prosesser som kan bli utløst hvis klimagassutslippene fortsetter. Det kan for eksempel gjelde nedsmelting av is i Himalaya, på Grønland og i Antarktis, eller endring av de store havstrømmene. Noen av disse prosessene kan virke tilbake på, og forsterke, selve oppvarmingen. Andre kan forsterke virkningene og kostnadene når middeltemperaturen kommer over visse nivåer. Det er stor usikkerhet om hvor slike terskler og vippepunkter kan ligge. En rapport fra Verdensbanken sier for eksempel at gitt usikkerheten om virkningenes fulle karakter og omfang, «er det ikke sikkert at tilpasning til en 4 °C-verden er mulig».51 DICE-modellen opererer med et tillegg på 25 pst. i skadekostnadene «for å inkorporere ikke-prissatte skader og ta hensyn til potensielt katastrofale scenarioer.»52 Slike scenarioer inkluderer havnivåstigning, endringer i havstrømmer og akselererte klimaendringer. Dette kan tolkes som at slike scenarioer, som må antas å føre til kostnader langt utover de som følger av mer gradvise endringer, blir inkludert med en forventningsverdi der de store kostnadene er vektet med en liten sannsynlighet.

Et viktig spørsmål er om det gir mening å inkludere mulige katastrofale utfall i estimater basert på forventningsverdier. Dette er et spørsmål som iallfall et stykke på vei kan diskuteres prinsipielt, altså uavhengig av kvaliteten i modellenes skadefunksjoner, og av hvordan mulige katastrofer vektes inn. En risikotilnærming vil innebære at en ser på et sett med scenarioer, som illustrasjoner av ulike mulige utviklingsbaner, og vurderer hvert enkelt scenario eksplisitt. Ett eller flere «worst case»-scenarioer bør inngå, og i en vurdering av fysisk risiko vil det innebære alternativer med sterk oppvarming og mulig katastrofale virkninger for hele eller deler av verden.

Vurdering av sannsynligheter for ulike scenarioer vil være en viktig del av beskrivelsen, selv om disse sannsynlighetene ikke blir brukt til å beregne forventningsverdier. Sannsynlighetsvurderinger kan ikke baseres på observerte historiske frekvenser, men vil måtte bygge på et faglig skjønn. Et særlig interessant spørsmål i en klima- og klimarisikosammenheng er hva en antar om «høyrehalen» i de sentrale fordelingene, altså sannsynligheten for utfall som er mer ekstreme.

Figur 4 viser en skjev fordeling med lang høyrehale. Denne figuren gjenspeiler ikke stokastisk usikkerhet, men en faglig vurdering av sannsynlighetene for ulike nivåer for økningen i den globale middeltemperaturen ved en økning av CO2-konsentrasjonen i atmosfæren til 700 ppm. Figuren er hentet fra Wagner og Weitzman (2015). Forfatterne bygger på klimapanelets vurdering av «klimafølsomheten», som viser den langsiktige økningen i global gjennomsnittstemperatur ved en dobling av klimagasskonsentrasjonen i atmosfæren fra førindustrielt nivå (til ca. 560 ppm). Panelets vurdering er at temperaturen vil øke med om lag 3 °C, men spredningen i modellberegningene viser at klart høyere verdier ikke kan utelukkes. Med en økning til 700 ppm, som kan bli en følge av mangel på kraftigere klimapolitikk, antas oppvarmingen å bli 3,4 °C (medianverdien i figuren). Men vurderingen er videre at det da vil være så mye som ca. 10 pst. sannsynlighet for at temperaturen vil øke med 6 °C eller mer. Hvis en i stedet hadde beskrevet sannsynlighetene med en normalfordeling, ville sannsynligheten for et såpass ekstremt utfall ha framstått som langt mindre. Dette viser hvordan antakelser om sannsynlighetsfordelingenes form kan ha dramatisk effekt på vurderingene av fysisk klimarisiko. En slik antakelse styrker argumentasjonen for en føre var-tilnærming i klimapolitikken, det vil si å «kjøpe forsikring» mot et ekstremt utfall.

Figur 2.3 Langsiktig økning i global middeltemperatur hvis klimagasskonsentrasjonen passerer 700 ppm CO2e.

Figur 2.3 Langsiktig økning i global middeltemperatur hvis klimagasskonsentrasjonen passerer 700 ppm CO2e.

Figuren viser langsiktig temperaturøkning på den vannrette aksen og sannsynlighetstetthet på den loddrette. Middeltemperaturen forventes å ville øke med vel 3 grader (medianverdi = 3,4 °C) hvis klimagasskonsentrasjonen passerer 700 ppm. Sannsynligheten for at den øker med 6 grader eller mer vurderes til i overkant av 10 prosent.

Kilde: Wagner og Weitzman (2015).

Referanser:

Arrow, K. J., M. L. Cropper, C. Gollier, B. Groom, G. M. Heal, R. G. Newell, W. D. Nordhaus, R. S. Pindyck, W. A. Pizer, P. R. Portney, T. Sterner, R. S. J. Tol and M. L. Weitzman (2012). How Should Benefits and Costs Be Discounted in an Intergenerational Context? Discussion Paper 12 – 53. Washington, DC: Resources for the Future,.

Atkinson, G. and S. Mourato (2015). Cost-Benefit Analysis and the Environment. OECD Environment Working Papers, No. 97, OECD Publishing, Paris.

Auffhammer, M. (2018). Quantifying Economic Damages from Climate Change . Journal of Economic Perspectives, Volume 12, Fall 2018, pages 33 – 52.

Batten, S. (2018). Climate change and the macro-economy: a critical review. Staff Working Paper No. 706. Bank of England.

DFØ (2006). Behandling av usikkerhet i samfunnsøkonomiske analyser. Veileder.

DFØ (2018). Veileder i samfunnsøkonomiske analyser.

DFØ (2018b). Utredningsinstruksen.

EPA (2016). Social Cost of Carbon. EPA Fact Sheet, Environment Protection Agency, December 2016.

Farmer, J. D., Hepburn, Mealy and Teytelboym (2015). A Third Wave in the Economics of Climate Change. Environmental and Resource Economics, Oct 2015.

Finansdepartementet (2014). Prinsipper og krav ved utarbeidelse av samfunnsøkonomiske analyser m.v. Rundskriv R-109/2014.

Interagency Working Group on Social Cost of Greenhouse Gases (IWG) (2016). Technical Support Document: Technical Update of the Social Cost of Carbon for Regulatory Impact Analysis, under Executive Order 12866. United States Government.

IPCC (2014). Climate Change 2014: Synthesis Report.

Kompas, T., V. H. Pham, and T. N. Che (2018). The Effects of Climate Change on GDP by Country and the Global Economic Gains from Complying With the Paris Climate Accord. Earth’s Future, 6, 1153 – 1173.

Moore, F. C., U. Baldos, T. Hertel, and D. Dias (2017). New Science of Climate Change Impacts on Agriculture Implies Higher Social Cost of Carbon. Nature Communications 8: 1607.

Nordhaus, W. D. (2008). A Question of Balance: Weighting the Options on Global Warming Policies. Yale University Press.

Nordhaus, W. D. (2011). The Economics of Tail Events with an Application to Climate Change. Review of Environmental Economics and Policy. 5 (2), s. 240 – 257. (Nordhaus’ bidrag til et symposium, med hans kritikk av Weitzmans «dismal theorem».)

Nordhaus, W. D. (2017). Evolution of Assessments of the Economics of Global Warming: Changes in the DICE Model, 1992 – 2017. NBER Working Paper No. 23319. National Bureau of Economic Research, Cambridge, USA.

Nordhaus, W. D. and A. Moffat (2017). A Survey of Impacts of Climate Change: Replications, Survey Methods, and a Statistical Analysis. NBER Working Paper No. 23646. National Bureau of Economic Research, Cambridge, USA.

NOU 2012:16. Samfunnsøkonomiske analyser. Finansdepartementet.

OECD (2018), Cost-Benefit Analysis and the Environment: Further Developments and Policy Use, OECD Publishing, Paris.

OED (2018) Sektorveileder i samfunnsøkonomiske analyser for petroleumssektoren.

Pindyck, R. S. (2011). Fat Tails, Thin Tails, and Climate Change Policy. Review of Environmental Economics and Policy. 5 (2), s. 258 – 274. (Pindycks bidrag til symposium om Weitzmans «dismal theorem».)

Pindyck, R. S. (2013). Climate Change Policy: What Do the Models Tell Us? Working Paper 19244, National Bureau of Economic Research, July 2013.

Plumer, B (2018). Trump Put a Low Cost on Carbon Emissions. Here’s Why it Matters. The New York Times, Aug. 23, 2018.

Ricke, K., L. Drouet, K. Caldeira og M Tavoni (2018). Country-level social cost of carbon. Nature Climate Change 8, p 895 – 900, 2018.

Roe, G. H. and B. Baker (2007). Why is Climate Sensitivity so Unpredictable? Science 26 Oct 2007: Vol. 318, Issue 5850, pp. 629-632.

Smith, S. and N.-A. Braathen (2015). Monetary Carbon Values in Policy Appraisal: An Overview of Current Practice and Key Issues. OECD Environment Working Paper No. 92.

Stanton, E., F. Ackerman and S. Kartha (2009) Inside the integrated assesment models: Four issues in climate economics. Climate and Development 1 (2009), p. 166 – 184.

Stern, N. (2007). Stern Review on the Economics of Climate Change. HM Treasury, London.

Stern, N. (2016). Current climate models are grossly misleading. Nature, Volume 530, 25 Feb 2015.

Vegdirektoratet 2018. Konsekvensanalyser. Veiledning. Håndbok V712.

Volden, G. H. (2013) Bruk av karbonpriser i praktiske samfunnsøkonomiske analyser. Concept rapport nr. 37.

Wagner N. and M. Weitzman (2015) Climate Shock: The Economic Consequences of a Hotter Planet. Princeton University Press

Weitzman, M. (2011). Fat-Tailed Uncertainty in the Economics of Catastrophic Climate Change. Review of Environmental Economics and Policy, 5 (2), s. 275 – 292. (Del av et «symposium» som diskuterte Weitzmans «dismal theorem».)

World Bank (2012). Turn down the heat : why a 4 °C warmer world must be avoided. Washington DC : World Bank.

Fotnoter

1.

For en omfattende gjennomgang av utviklingen på området, fra et generelt miljøperspektiv, se OECD (2018).

2.

DFØ (2018b). Utredningsinstruksen. Det er også utgitt en veileder til denne.

3.

Finansdepartementet (2014). Rundskriv R-104/2014.

4.

DFØ (2018). Veileder i samfunnsøkonomisk analyse.

5.

Strengt tatt er det bare i fullstendige nytte-kostnadsanalyser en krever at alle konsekvenser blir uttrykt i penger. Det finnes ulike typer samfunnsøkonomiske analyser. I kostnadseffektivitetsanalyser er målet gitt, og analysen brukes til å sammenlikne alternative tiltak som kan brukes til å nå målet. I kostnadsvirkningsanalyser blir nyttevirkningene av alternative tiltak beskrevet, men ikke verdsatt, mens kostnadene blir uttrykt i penger. (DFØ 2018, NOU 2012: 16.)

6.

Etter Finansdepartementets regler (Finansdepartementet 2014) skal tidsverdier og verdien av et statistisk liv oppjusteres over tid etter bestemte regler. En grundig drøfting er gitt i NOU 2012: 16.

7.

For en beskrivelse av ulike verdsettingsmetoder, se for eksempel NOU 2012: 16, OECD (2018).

8.

Finansdepartementet (2014).

9.

NOU 2012: 16 skriver at dette normalt vil kreve en generell likevektsmodell.

10.

Stern (2007)

11.

Nordhaus (2007)

12.

I NOU 2012: 16 er det er gitt en grundig vurdering og begrunnelse. Prinsippet om en fallende kalkulasjonsrente synes for øvrig å ha nokså bred oppslutning. I Arrow m.fl. (2012) sier en stor gruppe etablerte økonomer seg enig i dette prinsippet, selv om de samme økonomene ikke er enige om hva som er riktig nivå.

13.

Det er flere aspekter som kommer inn her. I prinsippet kunne en tenke seg at alle miljøgoder hadde en kalkulasjonspris. Hvis disse prisene kunne antas å stige raskere enn andre priser i økonomien, for eksempel på grunn av økende knapphet, ville dette motvirke effekten av neddiskonteringen. Men de fleste miljøgoder er ikke prissatt, og dermed finnes ingen priser å neddiskontere.

14.

1 tonn CO2 tilsvarer om lag 0,27 tonn rent C (karbon). Mengden av andre klimagasser regnes om til «CO2-ekvivalenter», basert på antatt oppvarmingspotensial og levetid i atmosfæren.

15.

Ricke m.fl. (2018)

16.

Smith og Braathen (2015)

17.

NOU 2012: 16, kap. 9.

18.

Vegdirektoratet (2018). V712 Konsekvensanalyser.

19.

Volden (2013) – Conceptrapport.

20.

OED (2018), kap. 3.5.

21.

DFØ (2018). Veileder i samfunnsøkonomisk analyse.

22.

Ibid.

23.

Ibid.

24.

Ibid.

25.

En mye brukt tilnærming finnes i Vegvesenet (2018) og DFØ (2018).

26.

NOU 2012: 16, kap. 3.6.

27.

Ibid.

28.

Stanton m.fl. (2008).

29.

Velferdsoptimaliseringsmodellene inneholder også en generell likevektsmodell. En annen mulig kategorisering er i «POM»- og «PEM»-modeller (IPCC 2001), her etter Farmer m.fl. (2015). POM står for «policy optimization models», og inneholder nytte-kostnadsberegninger, til forskjell fra PEM («policy evaluation models»).

30.

Batten (2018).

31.

RICE-modellene er for eksempel en «regionalisert» versjon av DICE.

32.

Stern (2007).

33.

Jf. beskrivelsen i Boks 1. Nordhaus’ rentesats på 5,5 pst. er basert på en markedsrente og en forutsetning om framtidig vekst, mens de andre parameterne er tilpasset. I senere beregninger har han brukt andre (og noe lavere) rentesatser. For en redegjørelse for endringer over tid i DICE-modellen, se Nordhaus (2017).

34.

Nordhaus and Moffat (2017).

35.

NOU 2012: 16, kap. 8.

36.

Dette er oppsummeringen i Kompas m.fl. (2018). Forfatterne har forøvrig gjennomført en egen analyse, med en generell likevektsmodell som skiller mellom 139 land. Selv om modellen bare fanger opp et begrenset sett med skadevirkninger, finner de betydelige økonomiske gevinster ved å nå Parisavtalens mål, sammenliknet med et 4 °C-scenario («business as usual»). De relative kostnadene ved å ikke implementere avtalen er størst for Afrika sør for Sahara, for India og for Sørøst-Asia. Vestlige land, som Norge, vil tape relativt sett mye mindre. Modellen inkluderer bare helseeffekter, havnivåstigning og virkninger på jordbruksproduksjon. Dette bekrefter et hovedtrekk fra andre studier, nemlig at skadekostnadene er svært ulikt fordelt.

37.

Nordhaus and Moffat (2017).

38.

Batten (2018) – m.fl.

39.

Auffhammer (2018).

40.

Moore m.fl. (2017)

41.

Roe and Baker (2007), her etter Farmer m.fl. (2015).

42.

Farmer m.fl. (2015)

43.

Weitzman (2009) mener valget av kvadratiske funksjoner simpelthen skyldes at økonomer er vant til å bruke slike funksjoner fra før. Samme sted foreslår han isteden en eksponentiell skadefunksjon, som gir langt sterkere vekst i skadekostnader med økende middeltemperatur, men som i og for seg virker like lite basert på empiri.

44.

Pindyck har senere foreslått en tilnærming til global oppvarming tilsvarende den som ble brukt i analyser av faren for en kjernefysisk krig under den kalde krigen. Først – beskrive et plausibelt spekter av katastrofale utfall. Dernest – anslå tapet i form av redusert kapital (og BNP). Til slutt – anslå plausible sannsynligheter, gjennom dialog blant eksperter. Dette vil gi en forventet nåverdi av nytten av å unngå slike utfall eller redusere sannsynligheten for dem. «En slik tilnærming inneholder selvfølgelig ikke den antatte (perceived) presisjonen som følger med en IAM-basert analyse, men denne antatte presisjonen er en illusjon.» (Pindyck 2013.)

45.

Nordhaus (2013) poengterer at skadekostnadsfunksjonene i DICE-modellen er kalibrert for temperaturøkninger på 0 til 3 grader, og i praksis ikke eksisterer for temperaturøkninger over 3 grader.

46.

Batten (2018).

47.

Auffhammer (2018)

48.

Stern (2016).

49.

Farmer m.fl. (2018).

50.

Forfatterne peker på at agentbaserte modeller har vist seg å være fruktbare i analysen av blant annet finansmarkeder og innovasjon, men at de foreløpig ikke er mye brukt på klimaområdet.

51.

World Bank (2012)

52.

Batten (2018). Det samme gjelder metastudien i Nordhaus and Moffat (2017).

Til toppen
Til dokumentets forside