Renewable Energy Drivers in the European Union - Evidence from the Panel Data Threshold Regression Model

• Autorzy: Klaudia Jarno

Warianty tytułu

Czynniki rozwoju energii odnawialnej w Unii Europejskiej - wnioski z analizy regresji progowej danych panelowych

• Języki publikacji: EN

Abstrakty

EN

The study examines the effect of increasing energy prices on the growth rate of the share of renewable energy in gross final energy consumption across EU member states under different GDP growth regimes in the years 2009-2017. The issue is addressed by means of the non-dynamic panel threshold regression model with individual-specific fixed effects as proposed by Hansen (1999). Empirical results of the study suggest the existence of a GDP growth rate threshold (3.1%) for the influence of increases in energy prices on the growth rate of the share of renewables in gross final energy consumption across EU member states. (original abstract)

Celem niniejszego artykułu jest identyfikacja czynników makroekonomicznych kształtujących tempo wzrostu udziału energii odnawialnej w finalnej konsumpcji energii w państwach członkowskich Unii Europejskiej w krótkim okresie. W szczególności w artykule skupiono się na wpływie wzrostu cen energii na stopę wzrostu udziału energii odnawialnej w finalnej konsumpcji energii. Postawiono hipotezę, uzasadnioną wynikami wcześniejszych badań, że relacja ta ma charakter nieliniowy i zależy od tempa wzrostu PKB. Przeprowadzone badanie empiryczne objęło wszystkie państwa członkowskie Unii Europejskiej i dotyczyło okresu 2009-2017. Początek okresu analizy uzasadniony jest przyjęciem pakietu energetyczno--klimatycznego, tworzącego ramy promowania odnawialnych źródeł energii w Unii Europejskiej. W badaniu empirycznym wykorzystano statyczny model regresji progowej dla danych panelowych, zgodnie z procedurą zaproponowaną przez Hansena (1999). Metoda ta pozwala na identyfikację nieliniowego związku między zmienną objaśnianą a zmienną objaśniającą w zależności od wartości innej zmiennej objaśniającej. Dodatkową zaletą tego modelu jest zastosowanie efektów stałych, które pozwalają na uwzględnienie specyficznych dla danego kraju niezmiennych w czasie czynników, takich jak np. jego uwarunkowania naturalne determinujące dostępność odnawialnych źródeł energii. W wyniku przeprowadzonego badania empirycznego wykazano istnienie istotnego statystycznie pozytywnego związku między tempem wzrostu cen energii a tempem wzrostu udziału energii odnawialnej w finalnej konsumpcji energii w przypadku przekroczenia 3,1% tempa wzrostu PKB. Z kolei dla wolniejszego tempa wzrostu PKB zidentyfikowano zależność negatywną (niemniej nie jest ona istotna statystycznie). Oznacza to, że związek między stopą wzrostu udziału energii odnawialnej w finalnej konsumpcji energii a tempem wzrostu cen energii w państwach Unii Europejskiej ma charakter asymetryczny i zależy od stopy wzrostu gospodarczego. Wyjaśnienia zaobserwowanych zjawisk należy szukać w przynajmniej częściowej substytucyjności paliw kopalnych i odnawialnych źródeł energii. Jednakże koszt pozyskania energii ze źródeł odnawialnych, w szczególności początkowe nakłady inwestycyjne umożliwiające rozpoczęcie produkcji energii odnawialnej, powoduje, że jedynie państwa o wysokiej stopie wzrostu są w stanie wygospodarować środki na mobilizację zasobów energii odnawialnej. Z punktu widzenia polityki gospodarczej uzyskane wyniki oznaczają, że decydenci, odpowiedzialni za projektowanie ścieżki wzrostu udziału energii odnawialnej w finalnej konsumpcji energii i dobór narzędzi jej promowania (np. w postaci tzw. podatku węglowego), powinni brać pod uwagę uwarunkowania ogólnogospodarcze. (abstrakt oryginalny)

Słowa kluczowe

EN

Renewable energy; Energy consumption; Regression models; Panel data

PL

Energia odnawialna; Konsumpcja energii; Modele regresji; Dane panelowe

• Czasopismo: Bank i Kredyt
• Rocznik: 2020
• Numer: nr 5
• Strony: 505--516

Twórcy

autor

Klaudia Jarno

• Poznań University of Economics and Business

Bibliografia

• Apergis N., Payne J.E. (2010a), Renewable energy consumption and economic growth: evidence from a panel of OECD countries, Energy Policy, 38(1), 658-660.
• Apergis N., Payne J.E. (2010b), The renewable energy growth in Eurasia, Energy Economics, 32(6), 1392-1397.
• Chan K.S. (1993), Consistency and limiting distribution of the least squares estimator of a threshold autoregressive models, The Annals of Statistics, 21(1), 520 -533.
• Chang T.H., Huang C.M., Lee M.C. (2009), Threshold effect of the economic growth rate on the renewable energy development from a change in energy price: evidence from OECD countries, Energy Policy, 37(12), 5796-5802.
• Hansen B.E. (1996), Inference when a nuisance parameter is not identified under the null hypothesis, Econometrica, 64(2), 413-430.
• Hansen B.E. (1999), Threshold effects in non-dynamic panels: estimation, testing and inference, Journal of Econometrics, 93(2), 345-368.
• Hansen B.E. (2000), Sample splitting and threshold estimation, Econometrica, 68(3), 576-603.
• Hernández F., Gual M.A., Rı́o P.D, Caparrós A. (2004), Energy sustainability and global warming in Spain, Energy Policy, 32(3), 383-394.
• Kelly N. (2006), The role of energy efficiency in reducing Scottish and UK CO2 emissions, Energy Policy, 34(18), 3505-3515.
• Omri A., Nguyen D.K. (2014), On the determinants of renewable energy consumption: international evidence, Energy, 72, 554-560.
• Sadorsky P. (2009a), Renewable energy consumption. CO2 emissions and oil prices in the G7 countries, Energy Economics, 31(3), 456-462.
• Sadorsky P. (2009b), Renewable energy consumption and income in emerging economies, Energy Policy, 37(10), 4021-4028.
• Tiba S., Omri A. (2017), Literature survey on the relationship between energy, environment and economic growth, Renewable and Sustainable Energy Reviews, 69, 1129-1146.