Doktorska disertacija - Miha Rihar - končna e-verzija.pdf

Transkripcija

1 UNIVERZA V LJUBLJANI EKONOMSKA FAKULTETA MIHA RIHAR ANALIZA ODLOČITEV GOSPODINJSKIH ODJEMALCEV ZA IZBIRO INOVATIVNIH TARIFNIH SISTEMOV IN PRISTOP K PROGRAMOM UPRAVLJANJA S PORABO ELEKTRIČNE ENERGIJE DOKTORSKA DISERTACIJA Ljubljana, 2015

2 IZJAVA O AVTORSTVU Podpisani MIHA RIHAR, študent Ekonomske fakultete Univerze v Ljubljani, izjavljam, da sem avtor doktorske disertacije z naslovom ANALIZA ODLOČITEV GOSPODINJSKIH ODJEMALCEV ZA IZBIRO INOVATIVNIH TARIFNIH SISTEMOV IN PRISTOP K PROGRAMOM UPRAVLJANJA S PORABO ELEKTRIČNE ENERGIJE, pripravljene v sodelovanju s svetovalko izr. prof. dr. Jeleno Zorić. Izrecno izjavljam, da v skladu z določili Zakona o avtorski in sorodnih pravicah (Ur. l. RS, št. 21/1995 s spremembami) dovolim objavo doktorske disertacije na fakultetnih spletnih straneh. S svojim podpisom zagotavljam, da je predloženo besedilo rezultat izključno mojega lastnega raziskovalnega dela; je predloženo besedilo jezikovno korektno in tehnično pripravljeno v skladu z Navodili za izdelavo zaključnih nalog Ekonomske fakultete Univerze v Ljubljani, kar pomeni, da sem o poskrbel(-a), da so dela in mnenja drugih avtorjev oziroma avtoric, ki jih uporabljam v doktorski disertaciji, citirana oziroma navedena v skladu z Navodili za izdelavo zaključnih nalog Ekonomske fakultete Univerze v Ljubljani, in o pridobil(-a) vsa dovoljenja za uporabo avtorskih del, ki so v celoti (v pisni ali grafični obliki) uporabljena v tekstu, in sem to v besedilu tudi jasno zapisal(-a); se zavedam, da je plagiatorstvo predstavljanje tujih del (v pisni ali grafični obliki) kot mojih lastnih kaznivo po Kazenskem zakoniku (Ur. l. RS, št. 55/2008 s spremembami); se zavedam posledic, ki bi jih na osnovi predložene doktorske disertacije dokazano plagiatorstvo lahko predstavljalo za moj status na Ekonomski fakulteti Univerze v Ljubljani v skladu z relevantnim pravilnikom. Datum javnega zagovora: Predsednik : izr. prof. dr. Miroslav Verbič Član: doc. dr. Matej Švigelj Član: izr. prof. dr. Miloš Pantoš Svetovalka: izr. prof. dr. Jelena Zorić Ljubljana, Podpis avtorja:

3 ZAHVALA Za izkazano strokovno pomoč, podporo in usmerjanje se zahvaljujem mentorici, izr. prof. dr. Jeleni Zorić. Zahvaljujem se tudi prof. dr. Nevenki Hrovatin, ki mi je z veliko mero razumevanja v ključnih trenutkih priskočila na pomoč. Za pomoč pri prevodih angleških strokovnih izrazov se zahvaljujem tudi teti Vandi Šušteršič. Jane D. Hull je dejala, da»na koncu dneva največji doprinos k uspehu otroka predstavlja pozitivno udejstvovanje staršev«. S tem razlogom se zahvaljujem predvsem svoji mami za vrsto spodbud, moralno oporo in nenehno nesebično pomoč na moji poti k znanju. To delo, kot zadnji korak na svoji poti formalnega izobraževanja, zato v znak globokega spoštovanja in neizmerne hvaležnosti v celoti posvečam njej!

4

5 ERRATA Str. 44. slika 9: Velikosti vzorcev: Kritično konično tarifiranje N=69 Kritični konični rabati N=16 Spremenljivi urni tarifni sistem N=15 Večtarifni sistem N=215 Str. 46, slika 11: 35% 30% 31% Znižanje konice (%) 25% 20% 15% 10% 5% 16% 20% 12% 12% 9% 5% 16% Brez samodejnega odzivanja oz. "ročno" S samodejnim odzivanjem 0% Kritično konično tarifiranje Kritični konični rabati Spremenljivi urni tarifni sistem Večtarifni sistemi Str. 106, enačba 5.27: NN ln EE(LL) = ln EE(SS nn ) nn=1 Str. 111, enačba 5.42: NN llllll = II YYYY ii ln Φ xx 2ii ββ 2 ln (bb 2ii ) σσ ii=1 + II ii YYYY ln Φ ln (bb 2ii) xx 2ii ββ 2 σσ Φ ln (bb 1ii) xx 2ii ββ 2 σσ + II NNNN ii ln Φ xx 2ii ββ 2 ln (bb 2ii ) Φ xx 2ii ββ 2 ln (bb 1ii ) σσ σσ + II ii NNNN ln 1 Φ ln (bb 2ii) xx 2ii ββ 2 σσ

6 POVZETEK Upravljanje s porabo (v nadaljevanju DSM) predstavlja enega najprimernejših mehanizmov za izboljšanje energetske učinkovitosti in uravnavanje porabe s porazdeljeno, neenakomerno in prekinljivo proizvodnjo iz obnovljivih virov energije preko vpeljave programov prilagajanja odjema. Sistemski operaterji pričenjajo z nadgradnjo obstoječega elektroenergetskega omrežja z informacijsko-komunikacijsko tehnologijo, ki bo omogočila dvosmerno komunikacijo med vsemi udeleženci; toda, da bi lahko izrabili vse prednosti prilagajanja odjema, je ključnega pomena opremiti gospodinjstva s pametnimi števci in napravami, saj se bodo gospodinjstva le tako lahko odzvala na signale iz omrežja v realnem času. Evropska komisija je državam članicam naložila namestitev pametnih števcev v domove vsaj 80 % odjemalcev do leta Poleg tehničnih posodobitev prilagajanje odjema (kot eno izmed področij DSM) vključuje vpeljavo variabilnih in dinamičnih tarifnih sistemov ter na finančnih spodbudah temelječih programov prilagajanja. Ključni dejavnik vpeljave programov prilagajanja odjema v prihodnosti bo predstavljalo dinamično tarifiranje in povezovanje slednjih s tehnologijo, saj le-ta znatno izboljša odzivnost odjemalcev. V viziji nadaljnjega razvoja oskrbe z električno energijo so tako koncepti pametnih omrežij, prilagajanja odjema in pametnega doma praktično neločljivi ter ključnega pomena za trajnostni razvoj elektroenergetskega sistema in dosego okoljskih zavez. Razprava o zamislih in prednostih vpeljave koncepta pametnih omrežij poteka že dalj časa med elektroenergetskimi podjetji in regulatorji. Za uspešno vpeljavo novih tehnologij in konceptov morajo poleg ostalih udeležencev tudi končni odjemalci razumeti potencialne koristi ter jih sprejeti. Odjemalce lahko k sodelovanju spodbudi mnogo dejavnikov, kot so finančni prihranki, finančne spodbude, varovanje okolja ali dopolnilne storitve in funkcionalnosti k programom prilagajanja odjema, ki povečajo raven udobja in priročnost. Kljub temu do nedavnega končni odjemalci niso bili del te razprave. Obširni pregled literature pokaže, da praktično ni moč zaslediti znanstvenega članka ali študije, ki bi celovito raziskala sprejemanje in pripravljenost gospodinjskih odjemalcev na novosti in koristi, ki jih zanje prinaša uvedba pametnih omrežij, upravljanje s porabo in avtomatizacija doma, z vidika pričakovanih finančnih prihrankov v zameno za prilagoditev svojih navad in/ali investicije v funkcionalnosti pametnega doma. Namen disertacije je opredeliti pripravljenost slovenskih gospodinjskih odjemalcev za sodelovanje v različnih programih prilagajanja odjema, ugotoviti, v kolikšni meri so se pripravljeni odzivati na cenovne signale ter oceniti, kakšne finančne spodbude pričakujejo v zameno. Poleg tega je cilj naloge ugotoviti, koliko so odjemalci pripravljeni investirati v nakup funkcionalnosti pametnega doma, ki omogočajo vpeljavo dopolnilnih storitev k dobavi električne energije.

7 Izvirni prispevek doktorske naloge k obstoječemu znanju zato predstavlja s teoretičnega vidika razvoj modela, s katerim je možno analizirati prednostno izbiro različnih tarifnih sistemov električne energije, oblik sodelovanja v programih prilagajanja odjema ter funkcionalnosti pametnega doma pri gospodinjskih odjemalcih. Določili smo pripravljenost potrošnikov za plačilo oz. sprejem nadomestila za sodelovanje v različnih programih ter pripravljenost za investiranje v funkcionalnosti pametnega doma. Z namenom analize prednostne izbire odjemalcev smo na vzorcu gospodinjskih odjemalcev v Sloveniji uporabili metodi izraženih preferenc: eksperiment diskretne izbire in referendumski tip metode kontingenčnega vrednotenja. Ugotovitve kažejo, da so odjemalci pripravljeni pristopiti k bolj dinamičnemu obračunavanju porabe električne energije, vendar še zdaleč vseh predlaganih možnosti ne dojemajo enako. Med načini odzivanja preferirajo ročno odzivanje, medtem ko skrajno negativno vrednotijo možnost upravljanja z njihovimi napravami s strani zunanjega izvajalca. Slednje gre verjetno pripisati bojazni odjemalcev pred izgubo zasebnosti in/ali nadzora nad upravljanjem naprav. Po drugi strani izsledki pilotskih raziskav kažejo, da so z vidika doseganja prihrankov veliko primernejši sistemi avtomatičnega odzivanja na cenovne signale. Na podlagi rezultatov analize lahko sklepamo, da so odjemalci pripravljeni investirati v nakup potrebnih naprav in opreme, ki bi omogočile samodejno odzivanje na cenovne signale, vendar le v primeru, da bi na ta način uspeli doseči dovolj velike prihranke pri mesečnem računu za električno energijo ter da bi se jim investicija povrnila v relativno kratkem roku. Nadaljnje ugotovitve kažejo, da gospodinjstva pozitivno dojemajo koristi pametnih funkcionalnosti v smislu tehnoloških, energetskih in varnostnih koristi, vendar so kljub velikemu izraženemu zanimanju za posamezne funkcionalnosti pripravljeni plačati relativno malo. Trenutne tržne cene za rešitve pametnega doma so verjetno bistveno previsoke, da bi pritegnile k nakupu večji delež gospodinjstev. Ključne besede: upravljanje s porabo, dinamično tarifiranje, prilagajanje odjema oskrba z električno energijo, funkcionalnosti pametnega doma

8 SUMMARY Demand-side management (DSM) is seen as one of the most suitable tools to improve energy efficiency and to balance demand with an intermittent distributed renewable resources by implementing demand response programs (DR). System operators are starting to upgrade the present grid with information-communication technology (ICT) that will enable two-way communication between all participants, but in order to take a full advantage of demand response potential installation of smart meters and smart appliances is crucial for the households to be able to respond to electricity supplier s signals in a real time. The European Commission set the claim for the member countries to equip at least 80% of consumers with smart meters by Besides hardware upgrades, demand-response includes implementation of several pricebased (dynamic pricing) and incentive-based DR programs. Dynamic pricing introduces a number of new concepts and price signals in the selling of electricity. The largest driving factor for the future of demand-response is the development of dynamic pricing and coupling of dynamic pricing with technology as technology greatly improves customer responsiveness. Thus, for the future development of electricity supply, Smart Grid, DSM and home automations concepts are inseparable and crucial for sustainable development of the power system and achievement of environmental goals. Utilities and policy makers have been discussing the ideas and opportunities that smart grid brings to electricity distributors, suppliers and customers for quite some time. Successful implementation of new technologies and demand-response programmes requires that customers as well as system operators perceive their benefits and are comfortable with them. There may be different factors motivating users to participate in dynamic pricing and demand-response programs such as money savings, financial incentives, protecting environment, or value-added services accompanied with demand-response programs that increase comfort levels and enhance convenience. However, until recently customers were not a part of this conversation. A comprehensive review of literature reveals that one hardly finds a study, which would analyse acceptance and readiness of households for opportunities that introduction of Smart Grid, DSM and home automation would bring to them from the aspect of financial savings in return for adjustment of their habits and/or investment into smart home functionalities. The objective of the thesis is to analyse preferences of Slovenian consumers for participating in various demand-response programmes with innovative pricing schemes and to establish the willingness to pay (WTP) or, alternatively, willingness to accept compensation for taking part in the programmes. In addition, the thesis aims to establish consumers WTP for energy and security related smart home functionalities, which enable introduction of supplementary services to energy supply.

9 The dissertation contributes to the existing knowledge from the theoretical perspective by developing a model to analyse consumers preferences for various electricity pricing schemes, demand-response programmes and smart home functionalities. Consumers willingness to pay or willingness to accept compensation for participating in various programmes and to invest in smart home functionalities is determined. Insights into consumers preferences were acquired by stated preference methods on a sample of Slovenian residential consumers, namely discreet choice experiment and doublebounded contingent valuation were employed. Results suggest that households are willing to participate in more dynamic pricing, but not all the proposed pricing schemes were equally perceived. Households prefer to respond manually to price signals, while programs where electricity supplier or a third party contractor would control their load is highly negatively perceived. The latter can be attributed to the fear of privacy and control loss. On the other hand, many pilot projects have shown that automatic response results in higher financial savings. Based on our results we can conclude that consumers are willing to invest in smart devices and home automation that would enable automatic response to price signals as long as they are able to lower their electricity bills and their investment returns in relatively short period. Further findings reveal that consumers positively perceive benefits of smart functionalities in terms of technological, energy and security benefits, but despite high interest stated in purchasing functionalities, current market prices for smart home solutions may be too high to attract a larger share of households. Keywords: demand-side management, dynamic pricing, demand-response, electricity supply, smart home functionalities

10 KAZALO VSEBINE 1 UVOD Opis področja Namen in cilji dela Prispevek k znanosti Podatki in metodologija Struktura vsebine REFORME ELEKTROENERGETSKEGA SEKTORJA IN CILJI ENERGETSKE POLITIKE EU Namen in učinki reform elektroenergetskega trga in energetska politika EU Cilji energetske politike EU Direktiva 2012/27/EU o energetski učinkovitosti Pravni red na področju elektroenergetike v Republiki Sloveniji Dobava električne energije Distribucija električne energije Ozaveščanje odjemalcev Energetska učinkovitost Pametna merilna infrastruktura Prilagajanje odjema KONCEPT PAMETNIH OMREŽIJ, PRILAGAJANJA ODJEMA IN PAMETNEGA DOMA Pametna omrežja Napredni sistem merjenja in napredna merilna infrastruktura Pametni števci Povzetek koristi vpeljave koncepta pametnih omrežij Izzivi povezani z vpeljavo pametnih omrežij Upravljanje s porabo Prilagajanje odjema Načini odzivanja odjemalcev Programi prilagajanja odjema Inovativni tarifni sistemi Večtarifni sistemi Spremenljivi urni tarifni sistem Kritično konično tarifiranje Kritični konični rabati i

11 Občasni rabati izven konic Direktno krmiljenje bremen Vloge in interes/koristi posameznih udeležencev v programih prilagajanja odjema Vidik dobaviteljev Vidik sistemskih operaterjev Vidik povezovalcev kratkotrajnih bremen Funkcionalnosti pametnega doma Dopolnilne storitve k programom prilagajanja odjema Vloga konceptov pri doseganju energetskih ciljev EU Koristi in pomisleki z vidika gospodinjskih odjemalcev Analiza pilotskih projektov in raziskav povezanih s konceptom pametnega merjenja, prilagajanja odjema in storitev pametnega doma Pametni števci in pametne naprave Prilagajanje odjema in dodatne storitve Dopolnilne storitve Sklepi OCENJEVANJE VREDNOSTI MERIL KORISTNOSTI Merila vrednosti koristnosti Dilema in implikacije uporabe meril koristnosti Metode za oceno vrednosti meril koristnosti Kontingenčno vrednotenje Eksperiment diskretne izbire Oblika eksperimenta diskretne izbire Učinkovitost eksperimenta Delitev eksperimenta na več delov Vsebinski in vedenjski vidiki oblikovanja eksperimenta Neobvezujoča izbirna možnost Vrste neobvezujočih možnosti Zahtevnost eksperimenta Opredelitev nivojev lastnosti Dominantne izbirne možnosti Nesmiselne oziroma nedopustne izbirne možnosti Izdelava eksperimenta diskretne izbire Pristopi k izdelavi/oblikovanju eksperimenta diskretne izbire Oblikovanje eksperimentov na osnovi pravokotnih tabel Pristopi za oblikovanje optimalnih oz. učinkovitih oblik eksperimenta ii

12 5 MODELIRANJE ODLOČITEV Modeli diskretne izbire Pogojni logit model Omejitve pogojnega logit modela Neodvisnost od nebistvenih izbirnih možnosti Mešani logit model Ocenjevanje meril koristnosti Kontingenčno vrednotenje Dvodelni model Model nenaključne izbire vzorca ZASNOVA RAZISKAVE Ozadje raziskave Ciljna populacija, izbira vzorca in način anketiranja Ciljna populacija Izvedba anketiranja Zasnova anketnega vprašalnika Raba električne energije in ponudniki elektrike v gospodinjstvih Učinkovita raba električne energije v gospodinjstvih Različni tarifni sistemi Programi prilagajanja porabe električne energije Sprotno spremljanje porabe električne energije Izbira paketov storitev Pametni dom Opredelitev zneskov pripravljenosti za plačilo Uporaba informacijske tehnologije Družbeno-ekonomske značilnosti Testiranje vprašalnika OPISNE STATISTIKE Družbeno ekonomske značilnosti anketirancev Oskrba z električno energijo v gospodinjstvih Učinkovita raba električne energije in okoljska ozaveščenost gospodinjstev Uporaba naprav in strojev na električno energijo Izbira tarifnega sistema Samodejno odzivanje na cenovne signale in direktno krmiljenje bremen Sprotno spremljanje porabe električne energije iii

13 7.8 Pričakovana doba povrnitve vložka za nakup pametnih naprav in odnos do subvencij za nakup Tehnološka naprednost odjemalcev REZULTATI Ocena pripravljenosti sprejeti nadomestila za sodelovanje v programih prilagajanja porabe ter ocena pripravljenosti za plačilo za nakup s tem povezane potrebne opreme Odjemalci, ki se jim poraba električne energije obračunava po enotarifnem sistemu Inovativni tarifni sistemi Samodejno odzivanje na cenovne signale Pripravljenost za investicijo v tehnologije potrebne za sodelovanje v programih Sprotno spremljanje porabe Odjemalci, ki se jim poraba električne energije obračunava po dvo- ali večtarifnem sistemu Inovativni tarifni sistemi Samodejno odzivanje na cenovne signale Pripravljenost za investicijo v tehnologije potrebne za sodelovanje v programih Sprotno spremljanje porabe Primerjava rezultatov obeh skupin Ocena pripravljenosti za investiranje v funkcionalnosti pametnega doma Pripravljenost za plačilo za funkcionalnosti pametnega doma Pametni termostat, ki omogoča sodelovanje v programih prilagajanja porabe električne energije Upravljanje ogrevanja prostorov in vode ter hlajenja prostorov preko skupnega termostata Sprotno spremljanje porabe posameznih gospodinjskih naprav in aparatov Elektronsko (brezžično) odčitavanje in spremljanje porabe energentov Spremljanje energetske učinkovitosti vašega doma preko namenskega zaslona v stanovanju Varnostni sistem Oddaljeno upravljanje in nadzor sistema»pametnega doma« Učenje navad uporabnikov Vpliv značilnosti gospodinjstev na pripravljenost za plačilo Družbeno-ekonomske značilnosti IT naprednost Okoljska ozaveščenost iv

14 8.2.3 Druge lastnosti SKLEP LITERATURA KAZALO TABEL Tabela 1: Oblike programov prilagajanja odjema in možni izvajalci storitve Tabela 2: Pregled pilotskih projektov z inovativni tarifni sistemi Tabela 3: Razmerje med kompenzirajočimi merami variabilnosti, ekvivalentnimi merami variabilnosti, WTP in WTA Tabela 4: Minimalno število stopinj prostosti za oceno glavnih učinkov pri delno-zmnoženi obliki eksperimenta Tabela 5: Lastnosti izbirnih možnosti s pripadajočimi nivoji Tabela 6: Funkcionalnosti pametnega doma Tabela 7: Družbeno ekonomske značilnosti gospodinjstev s pripadajočimi spremenljivkami Tabela 8: Povprečni mesečni strošek gospodinjstva za električno energijo Tabela 9: Spremenljivki, ki označujeta zadovoljstvo gospodinjskih odjemalcev z dobaviteljem električne energije in visok račun za električno energijo Tabela 10: Učinkovita in varčna rabe energije v gospodinjstvih Tabela 11: Delež gospodinjstev glede na dobavo električne energije iz obnovljivih virov in energetsko svetovanje Tabela 12: Spremenljivke, ki označujejo okoljsko ozaveščenost odjemalcev ter njihovo naravnanost k učinkoviti rabi električne energije Tabela 13: Pripravljenost gospodinjstev na prekinitev cikla delovanja naprav Tabela 14: Uporaba naprav glede na čas v dnevu Tabela 15: Pripravljenost gospodinjskih odjemalcev za premik uporabe naprav iz časa konic v čas izven konic Tabela 16: Kateri tarifni sistem bi izbrali v kolikor bi se v njihovem gospodinjstvu odločili za zamenjavo tarifnega sistema Tabela 17: Izbran tarifni sistem glede na trenutnega Tabela 18: Lastniki naprav glede na njihovo izraženo pripravljenost na sodelovanje v programu prilagajanja odjema Tabela 19: Delež gospodinjstev, ki mesečno odčitava stanje števca za električno energijo ter delež naročenih na storitev sprotnega spremljanja porabe Tabela 20: Tehnološka naprednost gospodinjskih odjemalcev Tabela 21: Ocena glavnih učinkov eksperimenta diskretne izbire za odjemalce, ki se jim poraba električne energije obračunava po enotarifnem sistemu Tabela 22: Ocena pripravljenosti za sprejem nadomestila (v %) med odjemalci, ki se jim poraba električne energije obračunava po enotarifnem sistemu v

15 Tabela 23: Ocena glavnih učinkov eksperimenta diskretne izbire za odjemalce, ki se jim poraba električne energije obračunava po dvotarifnem sistemu sistemu Tabela 24: Ocena pripravljenosti za sprejem nadomestila (v [%]) med odjemalci, ki se jim poraba električne energije obračunava po dvotarifnem sistemu Tabela 25: Ordinalnost koristnosti nivojev posameznih lastnosti paketa storitev električne energije Tabela 26: Izraženo zanimanje za funkcionalnosti pametnega doma Tabela 27: Ocene pripravljenosti za investiranje v funkcionalnosti pametnega doma Tabela 28: Pripravljenost za plačilo za funkcionalnosti pametnega doma med gospodinjskimi odjemalci KAZALO SLIK Slika 1: Proizvodnja in prevzem električne energije iz prenosnega omrežja za dan ; Slika 2: Vzorčni dnevni diagram podjetja Elektro Ljubljana na dan (torek) Slika 3: Pretok električne energije in informacijski pretok v sklopu koncepta pametnih omrežij (novi elementi so označeni z rumeno barvo) Slika 4: Napredna merilna infrastruktura Slika 5: Primerjava zasnove konvecionalnega in pametnega sistema merjenja Slika 6: Shematski prikaz trga z električno energijo Slika 7: Okvirni model prilagajanja odjema v primeru več udeležencev trga Slika 8: Kategorije storitev pametnih funkcionalnosti Slika 9: Znižanje koničnega odjema v primeru različnih tarifnih sistemov Slika 10: Doseženi prihranki pri mesečnem računu za električno energijo Slika 11: Vpliv avtomatizacije na znižanje koničnega odjema Slika 12: Komponente potrošniškega vedenja Slika 13: Primerjava vsebine in strukture predstavljenih informacij pri kontingnečnem vrednotenju in eksperimentom diskretne izbire Slika 14: Preprost eksperiment diskretne izbire Slika 15: Primeri pravokotnih tabel za ocenjevanje glavnih učinkov Slika 16: Pravokotne tabele za prvih nekaj oblik Slika 17: Nabor izbirnih možnosti z dominantno možnostjo Slika 18: Prilagojen Fedorov algoritem Slika 20: Izbira paketov storitev - primer nabora izbirnih možnosti pri eksperimentu diskretne izbire Slika 20: Zadovoljstvo z dobaviteljem električne energije Slika 21: Način merjenja porabe električne energije v gospodinjstvu Slika 22: Delež gospodinjskih odjemalcev, ki ima z dobaviteljem električne energije sklenjeno pogodbo o vezavi vi

16 Slika 23: Pripravljenost gospodinjskih odjemalcev za zmanjšanje ravni udobja v zameno za večje prihranek pri stroških za električno energijo Slika 24: Preference gospodinjskih odjemalcev glede tarifnih sistemov Slika 25: Preference gospodinjstev glede hibridnih tarifnih sistemov Slika 26: Način na katerega bi želeli biti odjemalci obveščeni o spremembah tarif ali pa o občasnih akcijskih cenah Slika 27: Preference gospodinjstev o vnaprejšnjem obveščanju glede sprememb tarif in drugih izrednih dogodkih Slika 28: Verjetnost sodelovanja v programu prilagajanja odjema Slika 29: Želeni način prilagajanja odjema Slika 30: Pripravljenost za pristop k storitvi sprotnega spremljanja porabe Slika 31: Čas, ki so ga posamezniki pripravljeni nameniti spremljanju porabe in cenam električne energije Slika 32: Pričakovana doba povrnitve vložka za nakup pametnih naprav preko prihranka pri stroških za energijo Slika 33: Delež gospodinjstev, ki bi bil pripravljen skleniti pogodbo o vezavi z dobaviteljem električne energije v zameno za subvencijo za nakup paketa»pametni dom«oz. pametne naprave ali možnost obročnega odplačevanja naprave oz. paketa Slika 34:Preference odjemalcev glede kombinacije vezave in subvencije za nakup paketa»pametni dom«ali posameznih pametnih naprav vii

17

18 1 UVOD 1.1 Opis področja V zadnjem desetletju je bilo področje elektroenergetike deležno velikih sprememb, ki so posledica liberalizacije, deregulacije in privatizacije. Liberalizacija trga z električno energijo je povzročila povečanje konkurence (Nazarko, Jurczuk in Zalewski, 2005), medtem ko je deregulacija povzročila spremembe v sestavi oskrbovalne verige. Razmerje med dobavitelji električne energije in odjemalci se je bistveno spremenilo; trgi, ki so bili nekoč ločeni, so se s tem začeli znatno prekrivati (St. Clair, 1999). Z naraščanjem konkurence namreč postaja vse težje tekmovati zgolj s cenami električne energije, zaradi česar morajo dobavitelji električne energije svojo temeljno storitev električno energijo dopolniti s ponudbo dodatnih storitev (Gellings, 1996). Drugi pomemben dejavnik sprememb predstavljajo prizadevanja držav članic EU za večjo energetsko učinkovitost. Ta sodi v okvir podnebno-energetske strategije EU, imenovane , ki so jo sprejeli voditelji držav članic in do leta 2020 poleg 20 % povečanja energetske učinkovitosti predvideva tudi 20 % znižanje toplogrednih plinov ter 20 % delež obnovljivih virov energije v celotni porabi energije ("Decision No 406/2009/EC," 2009; "Directive 2009/28/EC," 2009; "Directive 2009/29/EC," 2009). Energetska učinkovitost je hkrati ena izmed petih prioritet v novi energetski strategiji EU (Energy 2020), saj naj bi predstavljala ekonomsko učinkovit način za doseganje okoljskih ciljev, zanesljivosti oskrbe in konkurenčnosti gospodarstva. Za izpolnitev ciljev energetske učinkovitosti in povečanja deleža električne energije, pridobljene iz obnovljivih virov, je potrebna nadgradnja obstoječega električnega omrežja z informacijsko-telekomunikacijsko tehnologijo (krat. IKT), ki omogoča dvosmerno komunikacijo med vsemi udeleženci (proizvajalci, dobavitelji in odjemalci). Ta se običajno nanaša na koncept pametnih omrežij (ang. Smart Grid), katerih cilj je izboljšati zanesljivost, kvaliteto in učinkovitost oskrbe z električno energijo. Poleg IKT infrastrukture, koncept pametnih omrežij vključuje napredno oz. pametno merjenje, pametne termostate, pametne naprave, izvajanje upravljanja s porabo (ang. Demand-side management, krat. DSM) in avtomatizacijo doma za gospodinjske odjemalce (Harper- Slaboszewicz, McGregor in Sunderhauf, 2012; Lakota Jeriček in sod., 2010; Strbac, 2008). V skladu z energetsko strategijo EU morajo države članice do leta 2020 zagotoviti, da bo imelo vsaj 80 % potrošnikov nameščene pametne meritvene sisteme ("A new Energy Strategy for Europe ," 2010). Koncept pametnih omrežij vključuje še nekatere druge nadgradnje in elemente infrastrukture, katerih obravnava ne sodi na področje tega raziskovalnega dela. 1

19 Upravljanje s porabo (DSM) kot element pametnih omrežij se omenja kot enega možnih orodij za uravnavanje odjema glede na neenakomerno in razpršeno proizvodnjo električne energije iz obnovljivih virov energije (Hesser & Succar, 2012). Pojem DSM je prvotno pomenil načrtovanje in izvajanje vseh tistih aktivnosti, katerih namen je bil vplivati na porabo odjemalcev tako, da se bo to odrazilo na količini in času odjema (Gellings, 1996). V 80. in 90. letih prejšnjega stoletja je v praksi pojem DSM postal skupni imenovalec za večjo energetsko učinkovitost, varčnost in upravljanje z bremeni. Vse s poudarkom na zmanjševanju potreb po električni energiji in proizvodnih kapacitetah (Gellings, 1996). Z uvedbo trga z električno energijo je v ospredje stopil vidik tržnih priložnosti, ki jih uvedba programov prilagajanja odjema, ponuja dobaviteljem električne energije (Lakota Jeriček in sod., 2010; Omahen in sod., 2010). Nekatere znane koristi izvedbe DSM programov na strani dobaviteljev električne energije so ravnanje dnevnega diagrama, nižanje letne konice, optimiziranje nakupa električne energije na dnevnem trgu z električno energijo, izravnavanje odstopanj, prodaja prihranjene energije na dnevnem trgu z električno energijo in nastop na trgu sistemskih storitev, predvsem sekundarne in terciarne rezerve (Omahen in sod., 2010). Pojav konkurence na trgu je namreč močno razširil trg storitev s področja DSM, temelječe na novih tehnologijah (Chamberlin & Herman, 1996). Z informatizacijo omrežja in vpeljavo pametnega merjenja se odpirajo možnosti za izvedbo programov prilagajanja odjema preko cenovnega odzivanja odjemalcev s pomočjo variabilnih in dinamičnih tarifnih sistemov ali direktnega krmiljenja bremen (Goldman, Hopper, Bharvirkar, Neenan in Cappers, 2007; Omahen in sod., 2010; Strbac, 2008). Variabilni in dinamični tarifni sistemi predstavljajo spremembo v strukturi cene in ne same spremembe višine cene. Z uvedbo teh na končen znesek računa ne vpliva zgolj količina, temveč tudi čas odjema (Harper-Slaboszewicz in sod., 2012). Ključni gonilni dejavnik za prihodnost prilagajanja odjema je razvoj dinamičnega tarifiranja in povezovanja le-tega s tehnologijo, saj ta močno izboljša odziv odjemalcev (Hamilton, Thomas, Park in Choi, 2012). Uvedba pametnih omrežij ponuja tudi možnosti za razvoj novih storitev na področjih odčitavanja porabe in nadzora nad napravami na daljavo ter nadzora domov v realnem času, s čimer bi lahko omogočili boljšo nego starejših in drugih ranljivih skupin (Nair & Zhang, 2009). Ponudba dobave električne energije je lahko dopolnjena tudi s storitvami in proizvodi kot so sistemi za varovanje doma, ponudba internetnih storitev in telefonije ter kabelske televizije, s čimer bi postala bolj zanimiva za končne odjemalce (Harper- Slaboszewicz in sod., 2012). O prednostih, ki jih prinaša uvedba pametnih omrežij tako za distributerje in dobavitelje električne energije kot tudi za končne odjemalce, že dalj časa razpravljajo elektroenergetska podjetja in regulatorji. Vendar pa je za uspešno vpeljavo novih 2

20 tehnologij in izvedbo DSM programov ključno tudi pozitivno sprejemanje in dojemanje prednosti le-teh pri končnih odjemalcih. Do nedavnega pa ti žal niso bili del tega pogovora (Hamilton in sod., 2012, str. 774). Dejavniki, ki motivirajo končne odjemalce za izbiro dinamičnih tarifnih sistemov in pristop k DSM programom, so lahko različni: prihranki denarja, finančne spodbude, varovanje okolja (Lakota Jeriček in sod., 2010; Mert, Suschek-Berger in Tritthart, 2008), ali dodatne oz. dopolnilne storitve DSM programov, ki nudijo večje udobje in priročnost z uporabo novih tehnologij (Chamberlin & Herman, 1996). Pilotski projekti kažejo, da so se odjemalci pripravljeni odzivati na spreminjajoče se cene električne energije ("Demand Side Response in the domestic sector - a literature review of major trials," 2012) in dovoliti, da se njihove naprave odzivajo na cenovne signale glede na v naprej določene kriterije ("GridWise Demonstration Project Fast Facts," 2007) ter da s sodelovanjem v programih prilagajanja odjema v povprečju tudi znižajo svoj račun za električno energijo ("PowerCentsDC Program Final Report," 2010). Odziv odjemalcev, ki so sodelovali v pilotskih projektih, je v večini primerov zelo pozitiven ("Demand Side Response in the domestic sector - a literature review of major trials," 2012). Kljub nekaterim uspešnim pilotskim projektom pa vsi odjemalci verjetno ne bodo pripravljeni sodelovati ali se ne bodo mogli odzivati na spremenljive cene električne energije (Hamilton in sod., 2012). Za izdelavo ustreznih tržnih strategij in oblikovanje paketov storitev je za dobavitelje električne energije ključnega pomena védenje, kako končni odjemalci dojemajo predlagane koncepte. Zato je potrebno poiskati odgovore na vprašanja o pripravljenosti odjemalcev za sodelovanje v dinamičnih tarifnih sistemih in programih upravljanja s porabo. 1.2 Namen in cilji dela Namen disertacije je analizirati pripravljenost slovenskih gospodinjskih odjemalcev za sodelovanje v različnih DSM programih z inovativnimi tarifnimi sistemi in ugotoviti, v kolikšni meri so se pripravljeni odzivati na cenovne signale ter ali so pripravljeni ob ustreznih finančnih spodbudah in informiranosti odložiti oziroma celo zmanjšati porabo električne energije. Poleg tega je cilj naloge ugotoviti, ali obstaja zadostno povpraševanje za ponudbo dodatnih oz. dopolnilnih storitev k dobavi električne energije, ki sodijo v koncept pametnih omrežij, avtomatizacije doma in DSM. Skladno s cilji raziskovalnega dela lahko opredelimo naslednja raziskovalna vprašanja: 1. Katere tarifne sisteme gospodinjski odjemalci preferirajo in v katerih programih upravljanja s porabo so pripravljeni sodelovati? 3

21 2. Koliko so odjemalci pripravljeni plačati oziroma alternativno: kolikšno nadomestilo so pripravljeni sprejeti v zameno za sodelovanje v različnih programih upravljanja s porabo? 3. Po katerih pametnih funkcionalnostih, ki omogočajo vpeljavo dodatnih storitvah s področja energetskih rešitev, varnosti in zagotavljanja večjega udobja ter priročnosti, ki sodijo v koncept funkcionalnosti pametnega doma obstaja povpraševanje gospodinjskih odjemalcev? 4. Katere demografske in socialno-ekonomske značilnosti odjemalcev določajo izbiro funkcionalnosti pametnega doma? 1.3 Prispevek k znanosti Obširni pregled literature pokaže, da praktično ni moč zaslediti znanstvenega članka ali študije, ki bi celovito raziskala sprejemanje in pripravljenost gospodinjskih odjemalcev na novosti in koristi, ki jih zanje prinaša uvedba pametnih omrežij, upravljanje s porabo in avtomatizacija doma. Avtorji se v znanstveni literaturi in študijah (Omahen in sod., 2010; Strbac, 2008) pri upravljanju s porabo osredotočajo predvsem na koristi izvajanja za dobavitelje in odjemalce. Hung-po (2010) v svojem članku s teoretičnega vidika utemeljuje odziv odjemalcev na dinamične tarifne sisteme, Gottwalt (2011) pa se je s soavtorji lotil analize obnašanja gospodinjskih odjemalcev skozi simulacijo upravljanja s porabo v povezavi z dinamičnimi tarifnimi sistemi. Poročila o izvedenih pilotskih projektih prilagajanja odjema ("Demand Side Response in the domestic sector - a literature review of major trials," 2012, str. 33,34; Faruqui, Sergici in Sharif, 2010; Stromback, Dromacque in Yassin, 2011, str. 21) izpostavljajo predvsem koristi sistemskega operaterja v obliki znižanja koničnega odjema, med tem ko le peščica poroča o doseženih prihrankih odjemalcev. V zadnjem času je bilo nekaj raziskav namenjenih ocenjevanju pripravljenosti za plačilo gospodinjskih odjemalcev za nakup pametnih števcev (Gerpott & Paukert, 2013; Kaufmann, Künzel in Loock, 2013; Pepermans, 2011) in dopolnilne storitve (Ida, Murakami in Tanaka, 2012; Kaufmann in sod., 2013). Mert in sod. (2008) pa so izvedli raziskavo v petih evropskih državah o sprejemanju in pripravljenosti za plačilo za nakup pametnih naprav. Zaslediti je mogoče tudi nekaj domačih študij o pripravljenosti plačevanja zelene energije (Zorić & Hrovatin, 2012), različne pakete dobavljene električne energije (Zorić & Hrovatin, 2011) in dodatne storitve (Došenović Bonča, Milenković Kramer, Tajnikar in Ponikvar, 2011; Goett, in sod., 2000), vendar se te ne osredotočajo na izbrane koncepte v pričujočem delu. Edinstven prispevek doktorske naloge k obstoječemu znanju zato predstavlja s teoretičnega vidika razvoj modela, s katerim je možno analizirati prednostno izbiro različnih tarifnih sistemov električne energije, DSM programov ter funkcionalnosti pametnega doma, ki omogočajo vpeljavo dodatnih storitev pri gospodinjskih odjemalcih. Določena bo pripravljenost potrošnikov za plačilo ali pripravljenost sprejeti nadomestilo za sodelovanje 4

22 v različnih programih. Posebna pozornost bo namenjena tudi opredelitvi vloge povratnih informacij v povezavi s porabo in cenami energije kot tudi možnih finančnih prihrankov odjemalcev, izhajajočih iz pripravljenosti prilagajanja svojih navad ter vlogi ekološke in informacijske ozaveščenosti odjemalcev. Na osnovi navedenega bo možno oceniti tržni potencial za vpeljavo dinamičnega tarifiranja in programov upravljanja s porabo v praksi ter razširitev ponudbe dobaviteljev električne energije, ki bi zajemala dodatne storitve s področja pametnih omrežij in avtomatizacije doma v Sloveniji. To bo odločevalcem v podjetjih pomagalo sprejeti ustrezne odločitve pri oblikovanju svoje ponudbe za končne odjemalce oziroma za različne skupine odjemalcev v primeru, da bi se tržna segmentacija izkazala kot potrebna. Na osnovi rezultatov analize je moč definirati tudi ustrezne ukrepe ekonomske politike, ki bi vključevala tako finančne spodbude kot ozaveščanje in izobraževanje potrošnikov o možnih koristih, ki izhajajo iz sodelovanja pri različnih zgoraj omenjenih programih. Rezultate te študije je mogoče v določeni meri aplicirati tudi na druge (nove) države članice EU, saj so morale vse slediti zahtevam po liberalizaciji in deregulaciji trga z električno energijo in se zavezale k izpolnitvi energetskih ciljev EU. 1.4 Podatki in metodologija Med gospodinjskimi odjemalci v Sloveniji je bila izvedena raziskava na vzorcu 1216 gospodinjstev, s pomočjo katere smo pridobili podatke o družbeno-ekonomskih značilnostih odjemalcev, njihovi okoljski ozaveščenosti in IT naprednosti ter prednostni izbiri programov prilagajanja odjema ter funkcionalnosti pametnega doma, ki omogočajo ponudbo dodatnih storitev. Internetno anketiranje je z namenom zagotovitve reprezentativnega vzorca izvedla agencija za tržne raziskave. Ločena analiza je izvedena za prednostno izbiro programov prilagajanja odjema ter funkcionalnosti pametnega doma. Za pridobitev informacij o obnašanju odjemalcev smo uporabili metodi izraženih preferenc: eksperiment diskretne izbire in referendumski tip metode kontingenčnega vrednotenja. Odločitve odjemalcev pri eksperimentu diskretne izbire smo modelirali s pogojnim in mešanim logit modelom, pri metodi kontingenčnega vrednotenja pa z dvodelnim modelom (angl. two-part model) in modelom nenaključne izbire vzorca (angl. sample selection model). Vse modele smo ocenili z uporabo metode največjega verjetja (ang. maximum likelihood estimation). 1.5 Struktura vsebine V drugem poglavju bomo predstavili ključne cilje in rezultate reform elektroenergetskega sektorja v Evropski uniji, smernice in cilje energetske politike EU s poudarkom na 5

23 energetski učinkovitosti ter veljavni pravni red Republike Slovenije s področja oskrbe z električno energijo ter učinkovite rabe energije. V sklopu tretjega poglavja bomo podrobno predstavili koncepte pametnih omrežij, prilagajanja odjema in pametnega doma. Opredelili bomo njihovo medsebojno povezanost in pomen za doseganje ciljev energetske politike. Izpostavili bomo ključne koristi vpeljave in vidike posameznih deležnikov, predstavili možne dopolnilne storitve s področja upravljanja s porabo ter predstavili obširen pregled pilotskih projektov in teoretičnih raziskav s področja omenjenih konceptov. V četrtem poglavju bomo izpeljali merila za vrednotenje koristnosti in metode za oceno vrednosti meril koristnosti. Podrobneje se bomo posvetili kontingenčnemu vrednotenju in eksperimentu diskretne izbire ter opredelili vidike oblikovanja obeh metodologij. V sklopu petega poglavja bomo opredelili model slučajnih koristi in iz njega izpeljali pogojni in mešani logit model te dvodelni model in model nenaključne izbire vzorca, ki smo jih uporabili za modeliranje odločitev gospodinjskih odjemalcev. Šesto poglavje podaja celovit pregled nad zasnovo raziskave, opredelitvijo ciljne populacije te zasnovo anketnega vprašalnika. V sedmem poglavju bomo predstavili opisne statistike uvodnega in končnega dela vprašalnika, v poglavju 8 pa še ocene modeliranja odločitev odjemalcev in njihovo interpretacijo. Zadnje, deveto poglavje, predstavlja sklepni del disertacije in smernice za nadaljnje raziskave. 6

24 2 REFORME ELEKTROENERGETSKEGA SEKTORJA IN CILJI ENERGETSKE POLITIKE EU Evropska komisija je od leta 1996 sprejela tri zakonodajne svežnje ukrepov z namenom uskladitve in liberalizacije notranjega trga z električno energijo ("Directive 96/92/EC," 1996; "Directive 2003/54/EC," 2003; "Direktiva 2009/72/EC," 2009). Ti urejajo dostop do trga, preglednost, regulacijo in varstvo uporabnikov. Na podlagi sprejetih ukrepov danes lahko na trg z električno energijo prosto vstopajo novi dobavitelji električne energije, končni odjemalci pa lahko prosto izbirajo svojega dobavitelja. Poleg teh je bilo sprejetih tudi nekaj drugih pomembnih direktiv o ukrepih za zagotavljanje zanesljivosti oskrbe z električno energijo in energetski učinkovitosti ter okoljskih zavez, ki so podlaga za prihodnji razvoj elektroenergetskega sektorja v Evropski uniji (v nadaljevanju EU). V okviru tega poglavja bomo predstavili reforme elektroenergetskega sektorja, energetsko politiko EU ter v sklopu te sprejete okoljske zaveze ter pravni red na področju elektroenergetike v Republiki Sloveniji. 2.1 Namen in učinki reform elektroenergetskega trga in energetska politika EU Ključno reformo elektroenergetskega sektorja predstavlja liberalizacija trga z električno energijo. Njen glavni namen je bil vzpostavitev primerne strukture in pogojev na trgu za učinkovito konkurenco. S tem razlogom je bilo potrebno prestrukturiranje sektorja z ločitvijo vertikalno povezanih dejavnosti in zmanjšanje njihove horizontalne koncentracije. Z vertikalno ločitvijo podjetij sta se tržni dejavnosti proizvodnje in dobave ločili od naravno monopolnega prenosa in distribucije električne energije, ki jih opravljajo regulirana podjetja (sistemski operaterji in distribucijska podjetja) (Jamasb & Pollitt, 2005; Prilagajanje odjema, 2012; Thomas, 2006). Pravno podlago za uveljavitev reforme sta omogočili direktivi 96/92/EC ("Directive 96/92/EC," 1996) in 2003/54/EC ("Directive 2003/54/EC," 2003), katerih namen je bil vzpostavitev enotnega evropskega trga, prost dostop do omrežja za proizvajalce in upravičene odjemalce, ločitev cen za uporabo omrežja od cen za energijo in ločitev dejavnosti. Direktivi sta omogočili postopno liberalizacijo trga z električno energijo, ki se je začela leta 1999 s prosto izbirajo dobavitelja za odjemalce z letno porabo nad 40 GWh ter končala julija 2007 z odprtjem trg za gospodinjske odjemalce. Pred liberalizacijo trga je bilo v Sloveniji prisotnih pet dobaviteljev električne energije, z odprtjem trga in možnostjo proste izbire dobavitelja pa sta na maloprodajni trg vstopili še dve podjetji. Slednji sta od prihoda na trg znatno povečali svoja tržna deleža, kar je močno 7

25 zaostrilo konkurenco na trgu. V zadnjih treh letih ( ) je dobavitelja električne energije letno zamenjalo med približno 4-5,5 % gospodinjskih odjemalcev ("Poročilo o stanju na področju energetike v Sloveniji leta 2011," 2012; "Poročilo o stanju na področju energetike v Sloveniji leta 2012," 2013; "Poročilo o stanju na področju energetike v Sloveniji leta 2013," 2014). Da se je konkurenca na trgu resnično zaostrila, kaže tudi gibanje Herfindahl-Hirschmanovega indeksa 1, katerega trend je bil v obdobju na segmentu gospodinjskih odjemalcev izrazito negativen, kar kaže na krepitev konkurence med posameznimi dobavitelji ("Poročilo o stanju na področju energetike v Sloveniji leta 2013," 2014, str. 64). Temeljni cilj reform v EU je bil izboljšati produktivno učinkovitost sektorja z znižanjem stroškov in cen energije (Pollitt, 2009). Oblikovanje cen za dobavo električne energije je bilo nekoč v pristojnosti vlade, s sprejetjem reform pa je postalo domena posameznih podjetij za oskrbo z električno energijo. Ker v času pred liberalizacijo maloprodajna cena električne energije ni pokrila nabavne cene na veleprodajnem trgu, se je cena v letu po odprtju trga zvišala za 19 %. Vendar pa se je trend naraščanja cen kljub določenim pričakovanjem, da se bo z vzpostavitvijo tržnega okolja cena električne energije pocenila, nadaljeval praktično vse do začetka leta Cena dobavljene električne energije je tako od odprtja trga do konca leta 2012 poskočila za skoraj 57 %, v letu 2013 pa se je znižala za 1 % ("Poročilo o stanju na področju energetike v Sloveniji leta 2013," 2014, str. 67). Vpeljava maloprodajnega trga z električno energijo za gospodinjske odjemalce je bistveno spremenila razmerje med dobavitelji električne energije in odjemalci. Trgi, ki so bili nekoč ločeni, so se s tem začeli znatno prekrivati (St. Clair, 1999). Z naraščanjem konkurence namreč postaja vse težje tekmovati zgolj s cenami električne energije, zaradi česar dobavitelji električne energije iščejo priložnosti za dopolnitev svoje temeljne storitve dobave električne energije s ponudbo dodatnih storitev (Gellings, 1996). Pametna omrežja, ki jih bomo predstavili v nadaljevanju, ponujajo vrsto priložnosti za razvoj poslovnih modelov, ki temeljijo na ponudbi oskrbe z električno energijo skupaj s programi prilagajanja odjema (Hamilton in sod., 2012, str. 799). Julija 2009 je Evropska komisija sprejela tretji sveženj zakonodajnih predlogov za uravnavanje trgov z električno energijo. V sklopu treh uredb in dveh direktiv skupna pravila notranjega trga z električno energijo obravnava direktiva 2009/72/EC ("Direktiva 2009/72/EC," 2009), ki je nadomestila direktivo 2003/54/EC. Namen slednje je vzpostaviti konkurenčen, varen in z okoljskega vidika trajnostni trg z električno energijo. Konkurenčen in enoten trg z energijo omogoča evropskim potrošnikom izbiro med različnimi ponudniki na eni strani ter različno velikim ponudnikom dostop do trga na drugi. 1 S Herfindahl-Hirschmanovi indeksom merimo koncentracijo trga, pri čemer upoštevamo število vseh podjetij na trgu in njihovo relativno velikost. Podjetja z manjšim tržnim deležem imajo manjšo utež. Večja kot je vrednost, bolj koncentriran je trg, kar pomeni, da je na trgu majhno število udeležencev trga z velikimi tržnimi deleži. 8

26 V skladu z direktivo so morale države članice oblikovati določbe o zaščiti potrošnikov in uveljavitvi ekonomsko in socialno kohezijo. Odjemalcem mora biti omogočena prosta izbira in enostavna menjava dobavitelja električne energije, poleg tega morajo imeti možnost pridobiti jasne informacije o trgu z električno energijo in njihovi porabi električne energije. Odjemalci morajo biti o dejanski porabi in stroških obveščeni dovolj pogosto, da jim to omogoča uravnavanje njihove porabe energije. Poleg tega mora dobavitelj odjemalcem predložiti podatke o deležih virov energije in vplivu na okolje. Direktiva je državam članicam naložila pripravo ocene stroškov in koristi za vpeljavo pametnih števcev do septembra Članice, v katerih je ocena vpeljave pametnih števcev pozitivna, morajo do leta 2020 vsaj 80 % gospodinjstev opremiti s pametnimi meritvenimi sistemi. Števci morajo biti zmožni dvosmerne komunikacije in mesečnega odčitavanja porabe. V primeru novogradenj pa direktiva narekuje obvezno namestitev pametnih števcev. V skladu s prizadevanji po večji energetski učinkovitosti, morajo elektroenergetska podjetja strmeti k optimizaciji rabe električne energije z vpeljavo storitev upravljanja z energijo, razvojem inovativnih načinov obračunavanja porabe, vpeljavo pametnih sistemov merjenja oz. pametnih omrežij. Pri načrtovanju razvoja distribucijskega omrežja morajo operaterji omrežja upoštevati tudi ukrepe s področja upravljanja s porabo, ki bi lahko nadomestili potrebo po nadgradnji kapacitet. 2.2 Cilji energetske politike EU Evropski svet je marca 2007 sprejel sklepe, poznane kot cilji» «, ki od držav članic zahtevajo, da do leta 2020 dosežejo naslednje tri cilje (»Sklepi predsedstva«, 2007): zmanjšajo emisije toplogrednih plinov za 20 % v primerjavi z letom 1990, povečajo energetsko učinkovitost, da bi dosegli 20 % prihranka porabe energije v EU v primerjavi s predvidevanji za leto 2020 in dosežejo 20 % delež električne energije iz obnovljivih virov v končni porabi. Med temi cilji obstaja seveda močna soodvisnost, saj je znižanje izpustov toplogrednih plinov v veliki meri možno doseči ravno s povečanjem energetske učinkovitosti in deleža obnovljivih virov pri proizvodnji električne energije. Manjša poraba energije pomeni tudi manjšo energetsko odvisnost od uvoza energentov. Zgolj iz tega naslova naj bi po ocenah Evropske komisije članice EU prihranile leta 2020 približno 200 milijard EUR, kar bo izboljšalo konkurenčnost evropskega gospodarstva. Prizadevanja za večje energetsko učinkovitost ustvarjajo pogoje za nove poslovne priložnosti, nova delovna mesta, predvsem pa naj bi dolgoročno za odjemalce pomenila nižje račune za elektriko. Prav preko slednjih naj bi se po predvidevanjih Evropske komisije investicija v nove 9

27 tehnologije, ki bodo pripomogle k doseganju zastavljenih ciljev, tudi odplačala (»Impact assessment - Accompanying document «, 2011, str. 6,7). Vendar pa v Evropska komisija v nedavni presoji vplivov (Impact assessment - Accompanying document, 2011, str. 7) ugotavlja, da EU še vedno ni na poti, da bi lahko v polnosti realizirala prihranke energije na stroškovno učinkovit način. Kljub temu, da je zaznati delen prelom večno naraščajočega trenda porabe energije, zadnje ocene kažejo, da bomo uspeli doseči le 9 % zmanjšanje porabe do leta S tem razlogom je Evropska komisija leta 2011 predstavila nov načrt energetske učinkovitosti (»Načrt za energetsko učinkovitost 2011«, 2011), ki zajema vse sektorje od proizvodnje do končne porabe skozi celotno energetsko verigo. Poleg premostitve ovir pri doseganju cilja na področju porabe energije je cilj predlaganih ukrepov tudi uresničitev vizije EU za leto 2050, ki predvideva manjšo odvisnost od uvoza energije, večjo zanesljivost oskrbe z energijo in nizkoogljično gospodarstvo. Glede na trenutne napovedi bodo morale države članice EU podvojiti napore, da bo lahko realizirala vse s tem povezane koristi za gospodarstvo, družbo in okolje. Cilji» «so tudi del strategije Evropa 2020 ("Evropa 2020 Strategija za pametno, trajnostno in vključujočo rast," 2010), ki predvideva znižanje toplogrednih plinov celo za 30 %, v kolikor bodo za to primerni pogoji. Strategija opredeljuje pet prednostnih nalog: energetsko učinkovita Evropa, izgradnja resnično vseevropskega integriranega energetskega trga, krepitev moči potrošnikov ter doseganje najvišje ravni varnosti in zanesljivosti, okrepitev vodilne vloge Evrope na področju energetskih tehnologij in inovacij, okrepitev zunanjih razsežnosti energetskega trga EU. Energetska učinkovitost, kot eden izmed glavnih ciljev, je opredeljen kot»stroškovno najučinkovitejši način zmanjšanja emisij, povečanja zanesljivosti oskrbe z energijo in konkurenčnosti, izboljšanja cenovne dostopnosti energije za potrošnike in ustvarjanja delovnih mest, tudi v izvoznih panogah«("evropa 2020 Strategija za pametno, trajnostno in vključujočo rast," 2010), Direktiva 2012/27/EU o energetski učinkovitosti Leta 2012 je bila sprejeta nova direktiva o energetski učinkovitosti ("Direktiva 2012/27/EU," 2012) z namenom vzpostavitve skupnega okvirja ukrepov za spodbuditev energetske učinkovitosti znotraj EU v skladu zastavljenimi cilji» «in strategijo Evropa 2020 ("Evropa 2020 Strategija za pametno, trajnostno in vključujočo rast," 2010). V sklopu direktive je predstavljena vrsta ukrepov za večjo energetsko učinkovitost javnih stavb, pogodbeno zagotavljanje prihrankov energije, obvezno zagotavljanje informacij 10

28 odjemalcem o njihovi porabi, učinkovito proizvodnjo energije, zahteva obvezno izvajanje energetskih pregledov v velikih podjetjih in spodbuja vzpostavitev podjetij za energetske storitve. Direktivi 2012/27/EU in 2009/72/EC se torej glede cilja spodbujanja k večji učinkovitosti elektroenergetskega omrežja in večje varnosti dobave energije - medsebojno dopolnjujeta in podpirata. Države članice morajo zagotoviti, da imajo končni odjemalci, ki imajo nameščene pametne števce, možnost enostavnega dostopa do dodatnih informacij o pretekli porabi, ki omogočajo podrobno samopreverjanje. Dodatne informacije o pretekli porabi vključujejo kumulativne podatke za obdobje najmanj treh predhodnih let oz. od začetka pogodbe o dobavi ter podatke o času porabe za vsak dan, teden in leto za obdobje zadnjih dveh let. Slednji morajo biti odjemalcem na voljo preko spletnega vmesnika ali namenskega vmesnika števca. Ne glede na to, ali so bili pametni števci nameščeni ali ne, imajo vsi odjemalci pravico do pridobitve podatkov o svoji pretekli porabi, v kolikor so ti podatki na voljo. Prav tako morajo končni odjemalci poleg obračuna dobiti na voljo ustrezne informacije o celovitem prikazu tekočih stroškov za porabljeno energijo. Obračuni za porabljeno energijo morajo biti za odjemalce brezplačni, prav tako tudi dostop do informacij o njihovi porabi. Direktiva opredeljuje storitev prilagajanja odjema in predvideva vrsto ukrepov za vpeljavo le-tega. Komisija v direktivi med izhodišči v točki 44 pojem prilagajanja odjema opredeljuje kot»pomemben instrument za izboljšanje energetske učinkovitosti, saj porabnikom ali tretjim stranem, ki jih ti imenujejo, daje bistveno več možnosti, da ukrepajo v zvezi z informacijami o porabi in obračunu, in tako zagotavlja mehanizem za zmanjšanje ali preusmeritev porabe, ki prinese prihranek energije pri končni porabi ter z učinkovitejšo rabo omrežij in proizvodnih zmogljivosti tudi pri proizvodnji, prenosu in distribuciji energije.«glede prilagajanja odjema direktiva države članice obvezuje, da sprejmejo sledeče ukrepe: Nacionalni zakonodajni organi morajo spodbujati aktivnosti upravljanja s porabo, na primer prilagajanje odjema, ki bi omogočile sodelovanje dobaviteljev na trgu debelo; Spodbujanje vpeljave programov prilagajanja odjema za potrebe izravnave, sistemskih rezerv in drugih storitev na trgih, kar zahteva opredelitev in če je potrebno spremembo tehničnih in pogodbenih določil (npr. najmanjša zahtevana zmogljivost, čas in trajanje zagona prilagajanja odjema, obvestila o času zagona ipd.), na način, ki je primeren za vključitev prilagajanja odjema za zagotavljanje omenjenih storitev oz. s katerim je moč spodbuditi sodelovanja ponudnikov storitev prilagajanja odjema (vključno s povezovalci kratkotrajnih bremen porabnikov) pri zagotavljanju sistemskih storitev. 11

29 Operatorji visoko učinkovite kogeneracije lahko ponudijo storitve za izravnavo odjema in druge sistemske storitve, kjer je to tehnično in ekonomsko dopustno in ustreza varnostnim zahtevam in zahtevam za zanesljivost omrežja; Operaterji prenosnega in distribucijskega omrežja morajo pri sprejemanju ukrepov za izravnavo odjema in drugih pomožnih (sistemskih) storitvah ponudnike storitev prilagajanja odjema vključno s povezovalci oz. agregatorji kratkotrajnih bremen porabnikov obravnavati na enakopraven način. Države članice morajo zagotoviti, da tarife na podlagi Direktive 2009/72/EC ("Direktiva 2009/72/EC," 2009) omogočajo dobaviteljem izboljšati udeležbo porabnikov pri učinkovitosti sistema, vključno s prilagajanjem odjema glede na nacionalne razmere. Tarife za uporabo omrežja morajo biti oblikovane tako, da operaterjem omrežij ali dobaviteljem električne energije na maloprodajnem trgu ne preprečujejo, da bi dajali na razpolago sistemske storitve za ukrepe prilagajanja odjema, obvladovanje odjema in porazdeljeno pridobivanje energije na trgih električne energije. Pri tem so mišljeni predvsem ukrepi za preusmeritev porabe končnih odjemalcev s časa konic v čas izven teh, prihranke energije zaradi prilagajanja odjema porazdeljenih odjemalcev preko povezovalcev kratkotrajnih bremen porabnikov, zmanjšanje povpraševanja zaradi ukrepov za energetsko učinkovitost, povezavo in razporejanje proizvodnih virov pri nižjih ravneh napetosti, povezavo proizvodnih virov, ki so bližje kraju porabe, in shranjevanje energije. Tarifni sistemi za uporabo omrežja in dobavo električne energije lahko podpirajo obračunavanje glede na čas porabe, dinamično tarifiranje ali popuste v času konic. 2.3 Pravni red na področju elektroenergetike v Republiki Sloveniji V Sloveniji je 22. marca 2014 začel veljati nov energetski zakon (EZ-1) ("Energetski zakon (EZ-1)," 2014), s katerim je Republika Slovenija svojo zakonodajo uskladila z veljavnimi direktivami EU. Področje distribucije in oskrbe z električno energijo pa urejajo še naslednji podzakonski akti: Akt o metodologiji za določitev omrežnine in kriterijih za ugotavljanje upravičenih stroškov za elektroenergetska omrežja in metodologiji za obračunavanje omrežnine Uredba o splošnih pogojih za dobavo in odjem električne energije Uredba o zagotavljanju prihrankov energije Uredba o splošnih pogojih za dobavo in odjem električne energije 12

30 2.3.1 Dobava električne energije Cene dobave električne energije se v skladu s 35. členom energetskega zakona oblikujejo prosto na trgu. Končni odjemalci pa imajo pravico izbire in zamenjave dobavitelja električne energije. 41. člen zakona določa, da mora dobavitelj končne odjemalce»brezplačno periodično obveščati o njihovi porabi elektrike, o značilnostih porabe ter o možnostih učinkovite rabe energije, in sicer dovolj pogosto, da lahko odjemalci sami uravnavajo svojo porabo elektrike«. V 355. členu je opredeljeno, da mora biti to vsaj enkrat letno. Pri tem mora biti obračun predstavljen odjemalcem v jasni in razumljivi obliki Distribucija električne energije Distributer mora v skladu s 304. členom omogočiti končnemu odjemalcu plačevanje prispevka za uporabo omrežja na podlagi dejanske porabe ali na osnovi mesečne akontacije. Metodologijo določanja cen sistemskih storitev (omrežnine) pa v skladu s 74. členom določa Agencija za energijo s splošnim aktom ("Akt o spremembi Akta o spremembah in dopolnitvah Akta o metodologiji za določitev omrežnine in kriterijih za ugotavljanje upravičenih stroškov za elektroenergetska omrežja in metodologiji za obračunavanje omrežnine," 2014) (v nadaljevanju akt). 7. člen določa, da mora metodologija za obračunavanje omrežnine spodbujati uporabnike omrežij k optimalni uporabi omrežij. Za pokrivanje upravičenih stroškov sistemskega operaterja prenosnega in distribucijskega omrežja, ki se pokrivajo iz omrežnine, so 92. člen akta določa naslednje tarifne postavke za obračunavanje: omrežnino za prenosno omrežje, omrežnino za distribucijsko omrežje in omrežnino za sistemske storitve. V skladu s 97. členom akta se omrežnina končnim odjemalcem na nizkonapetostnem omrežju (gospodinjski odjemalci) lahko obračunava po enotni tarifi ali po dvotarifnem sistemu z naslednjima tarifnima postavkama: višja dnevna tarifa se obračunava od ponedeljka do petka od 6.00 do 22.00; nižja dnevna tarifa se obračunava v preostalem času in ob sobotah, nedeljah in dela prostih dnevih od do Način obračunavanje omrežnine v Aktu sicer ni neskladen s smernicami, opredeljenim v direktivi 2012/27/EU ("Direktiva 2012/27/EU," 2012), vendar pa za enkrat ne dopušča vpeljave bolj dinamičnih načinov obračunavanja omrežnine. 13

31 2.3.3 Ozaveščanje odjemalcev Dobavitelji morajo v skladu z 42. členom EZ-1 odjemalce ozaveščati o porabi električne energije na način, da na izdanih računih ter promocijskem gradivu prikaže»delež posameznega proizvodnega vira energije v celotni strukturi elektrike, ki jo je dobavitelj koristil v predhodnem letu, tako da je mogoča razumljiva primerjava med različnimi dobavitelji na državni ravni«. Poleg tega mora navesti vsaj sklic»na obstoječe referenčne vire (npr. spletne strani, kjer so javno dostopni podatki o vplivih na okolje, izraženih z emisijami CO2 in količinami radioaktivnih odpadkov, ki so posledica proizvodnje elektrike iz celotne strukture proizvodnih virov elektrike, ki jo je dobavitelj koristil v predhodnem letu)« Energetska učinkovitost 43. člen EZ-1 vsem elektroenergetskim podjetjem nalaga skrb za energetsko učinkovitost preko optimizacije porabe, nudenjem storitve upravljanja s porabo, razvojem inovativnih formul za oblikovanje cen in uvajanjem naprednih merilnih sistemov. S tem zakon napeljuje vsa elektroenergetska podjetja, ne zgolj dobaviteljev, k razvoju inovativnih načinov obračunavanja, operaterje prenosnih in distribucijskih omrežij pa k vpeljavi pametnih omrežij. V skladu s 318. členom EZ-1 so dobavitelji elektrike končnim odjemalcem zavezani za doseganje prihrankov (v nadaljnjem besedilu: zavezanci), ki morajo zagotoviti prihranke energije pri končnih odjemalcih. Lahko pa dobavitelji namesto zagotavljanja prihrankov energije pri končnih odjemalcih, izpolnijo svojo obveznost tudi z nakazilom finančnih sredstev Eko skladu. Znesek, ki ga morajo nakazati, je enak zmnožku prihrankov, ki bi jih morali doseči pri končnih odjemalcih. Obdobje in višino prihrankov končne energije, ki jih morajo dobavitelji električne energije doseči v posameznem obdobju, določa Uredba o zagotavljanju prihrankov energije ("Uredba o zagotavljanju prihrankov energije," 2014) (v nadaljevanju uredba). Ta v 7. členu določa, da dobavitelji lahko dosežejo prihranke energije z»investiranjem v ukrepe za povečanje energetske učinkovitosti, dodeljevanjem spodbud, izvajanjem energetskih storitev, pogodbenim zagotavljanjem prihrankov energije ali na drug način.«vendar pa mora način, s katerim zavezanci dosegajo prihranke energije pri končnih odjemalcih, izkazovati, da je posredovanje zavezanca prispevalo k realizaciji doseženih prihrankov. 5 člen uredbe med ukrepi za učinkovite rabe energije, ki so povezani z električno energijo, opredeljuje: vgradnjo energetsko učinkovitih sistemov razsvetljave, vgradnjo naprav za učinkovito soproizvodnjo, vgradnjo toplotnih črpalk, 14

32 energetsko učinkovite gospodinjske aparate, vgradnjo naprednih merilnih sistemov in uvedbo naprednih načinov merjenja in obračunavanja energije. Kljub temu, da direktiva 2012/27/EU ("Direktiva 2012/27/EU," 2012) med izhodišči v 44. točki prilagajanje odjema izrecno opredeljuje kot»pomemben instrument za izboljšanje energetske učinkovitosti«, nedavno sprejeta uredba, ki je stopila v veljavo , slednjega ne uvršča med predvidene ukrepe oz. storitve za povečanje energetske učinkovitosti. Višino doseganja prihrankov energije, ki jo morajo pri končnih odjemalcih doseči dobavitelji za posamezno obdobje, opredeljujeta 4. in 12. člen uredbe: za leto 2015 v višini 0,25 % prodane energije v letu 2014, za leto 2016 v višini 0,50 % prodane energije v letu 2015, za leto 2017 v višini 0,50 % prodane energije v letu 2016 in za leto 2018 v višini 0,75 % prodane energije v letu Pametna merilna infrastruktura 49. člen EZ-1 določa, da mora operater distribucijskega omrežja»gospodinjskim odjemalcem in drugim uporabnikom sistema zagotoviti uvajanje naprednih merilnih sistemov, ki spodbujajo dejavno sodelovanje odjemalcev na trgu elektrike, omogočajo obračunavanje po dejanski porabi, uporabo novih načinov obračunavanja, ki so prilagojeni ponudbi in povpraševanju na trgu, ter izvajanje storitev s strani ponudnikov na trgu.«v nadaljevanju člen nalaga Agenciji za energijo izdelavo ocene dolgoročnih stroškov in koristi za posamičen tip odjemalca in trg. V kolikor je ocena pozitivna, se do leta 2020 najmanj 80 % odjemalcev opremi z naprednimi merilnimi sistemi. Vgradnja naprednih merilnih sistemov ter uvedba naprednih načinov merjenja in obračunavanja energije sta, kot smo že omenili, opredeljena tudi v Uredbi o zagotavljanju prihrankov energije ("Uredba o zagotavljanju prihrankov energije," 2014) kot možna ukrepa za povečanje energetske učinkovitosti Prilagajanje odjema V 295. členu EZ-1 ponuja pravno podlago za izvajanje storitev prilagajanja porabe:»odjemalec, ki s količino odjema ali prilagajanjem svojega odjema prispeva k ugodnejši obremenitvi distribucijskega sistema, je upravičen do ugodnejših pogojev oskrbe, če so razlogi in kriteriji za ugodnejšo obravnavo določeni v sistemskih obratovalnih navodilih oziroma splošnih pogodbenih pogojih izvajalcev tržne distribucije.«15

33 EZ-1 daje z 21. členom prednost ukrepom za doseganje prihrankov energije, v kolikor so specifični stroški le-teh enaki kot bi bili v primeru zagotavljanja novih zmogljivosti za enako količino energije, ob hkratni zahtevi po ohranjanju obstoječe zanesljivosti energetskega sistema. V skladu s 46. členom Uredbe o splošnih pogojih za dobavo in odjem električne energije lahko odjemalci sodelujejo pri izvajanju sistemskih storitev, med katere sodi tudi»razbremenjevanje elektroenergetskega sistema v kriznem stanju, ko elektroenergetski sistem še deluje povezano ob isti frekvenci, vendar je nujno zmanjšati odjem in upravljalec omrežja zato selektivno odklaplja odjemalce od omrežja, da bi dosegel stabilizacijo obratovanja sistema«. Kljub temu, da energetski zakon (EZ-1) podaja pravno podlago za sodelovanje vseh odjemalcev pri zagotavljanju sistemskih storitev, so podzakonski akti navkljub smernicam podanim z direktivami EU še vedno precej togi. Dvotarifni sistem obračunavanja omrežnine sicer res spodbuja odjemalce k manjši porabi preko dneva med delovniki in večji porabi ponoči in med dela prostimi dnevi, vendar pa ne omogoča preprostega sodelovanja in nagrajevanja odjemalcev, ki bi bili pripravljeni svoj odjem prilagoditi, kadar bi bilo to potrebno za namen izravnave ali sistemskih rezerv. Razlog za omenjeno deloma tiči v tem, da je odjem na nivoju celotne Slovenije kot ga prikazuje diagram dnevnega odjema na Slika 1 dejansko povečan med 6. uro zjutraj in 22. uro zvečer in v tem času precej izravnan. Vendar pa navedeno ne velja za vse dele distribucijskega omrežja (npr. Elektro Ljubljana glej Slika 2). Ključne koristi prilagajanja odjema so torej predvsem na tem nivoju (Omahen in sod., 2010). Slika 1: Proizvodnja in prevzem električne energije iz prenosnega omrežja za dan ; [MWh] Predviden prevzem (MWh) Dejanski prevzem (MWh) Predvidena proizvodnja Dejanska proizvodnja (MWh) Vir: Prevzem in proizvodnja, ELES, dnevno 16

34 Slika 2: Vzorčni dnevni diagram podjetja Elektro Ljubljana na dan (torek). 600, , ,000 [MWh] 300, , ,000 0, Vir: Borzen, organizator trga z električno energijo, d.o.o. Možen način sodelovanja gospodinjskih odjemalcev pri zagotavljanju sistemskih storitev je tako bolj ali manj omejen na sodelovanje preko povezovalcev kratkotrajnih bremen porabnikov. Vlogo slednjih bi lahko prevzeli dobavitelji in s tem prihodke z naslova zagotavljanja sistemskih storitev prenesli v obliki prihrankov na svoje odjemalce, ki bi sodelovali v programih prilagajanja odjema. Ob prevzemu določenih tveganj bi dobavitelji na ta način oblikovali tudi programe cenovnega odzivanja, v primeru zunanjih povezovalcev pa bi bilo prilagajanje odjema omejeno le nekatere načine prilagajanja porabe (npr. direktno krmiljenje bremen). 17

35 3 KONCEPT PAMETNIH OMREŽIJ, PRILAGAJANJA ODJEMA IN PAMETNEGA DOMA Pametna omrežja, prilagajanje odjema in pametni dom predstavljajo tri ločene, vendar neločljivo povezane koncepte, katerih namen je omogočiti vključitev mikro proizvodnje iz obnovljivih virov v omrežje ter zagotoviti večjo zanesljivost oskrbe, energetsko učinkovitost in varčno rabo energije. V nadaljevanju bomo predstavili vsakega izmed konceptov posebej in opredelili njihovo vlogo pri doseganju omenjenih ciljev. 3.1 Pametna omrežja Čeprav začetki elektrifikacije segajo v 19. stoletje, so zlato dobo v razvitih državah predstavljala 60. leta 20. stoletja. V tem času je bilo distribucijsko omrežje že zelo razširjeno in dovolj zmogljivo, da je lahko v zadovoljivi meri preneslo večje obremenitve, centralizirana proizvodnja električne energije iz termo-, hidro- in jedrskih elektrarn pa je veljala za tehnološko in ekonomsko napredno. Zaradi razvoja zabavne industrije, sistemov za ogrevanje, prezračevanje in hlajenje prostorov, ki so odvisni od električne energije, nekoliko kasneje pa tudi naglega porasta rabe informacijske tehnologije, se je v zadnjih letih 20. stoletja poraba električne energije znatno povečala (Rashed Mohassel, Fung, Mohammadi, in Raahemifar, 2014). Posledično je sledil neenakomeren odjem energije preko dneva. Zaradi povečanega odjema v času konic je bilo potrebnih vedno več elektrarn, da bi se izognili padcu napetosti in zmanjšanju kakovosti dobavljene električne energije. Po drugi strani so zaradi manjšega odjema v nočnem času proizvodne kapacitete neizkoriščene (Rashed Mohassel in sod., 2014). Vedno večja okoljska ozaveščenost prebivalstva in strmenje k skrbnejšemu ravnanju z okoljem in naravnimi danostmi sta privedla do sprejetja okoljskih zavez EU. Posledično se je v zadnjem desetletju začela povečevati proizvodnja električne energije iz obnovljivih virov energije. Pri tej gre večinoma za več manjših ali mikro-proizvodnih enot, ki so razpršene po omrežju. Proizvodnja električne energije iz obnovljenih virov je sicer pomembna za trajnostni razvoj energetskega sistema, vendar njihovo vključevanje predstavlja določene probleme z vidika zanesljivosti omrežja (Lakota Jeriček in sod., 2010, str. 1, 6). Prvi problem predstavlja sama narava obnovljivih virov (konkretno sončnih in vetrnih virov), zaradi neenakomerne in prekinljive proizvodnje, ki se v kratkem času lahko hitro spreminja (Wang, Wang, in Ton, 2012, str. 278). Drug problem pa je povezan s čedalje večjim deležem razpršenih (obnovljivih) virov, vključenih v srednje in nizkonapetostna omrežja, saj ta niso bila nikoli načrtovana in grajena z namenom večje proizvodnje električne energije. Današnja omrežja so načrtovana za dobavo električne energije v smeri od centraliziranih velikih proizvodnih enot h končnim odjemalcem. Dokler je delež tako proizvedene električne energije majhen (velikosti nekaj odstotkov), ne 18

36 predstavlja večjih težav, v primeru večjega deleža (npr. nekaj 10 %), pa bo potrebno omrežje nadgraditi, da bi zagotovili zanesljivo, varno in ekonomično oskrbo z električno energijo (Lakota Jeriček in sod., 2010, str. 1, 6). Izzivi v elektroenergetskem sektorju so danes povezani predvsem z vključevanjem razpršenih virov električne energije v omrežje, gospodarnostjo elektroenergetskih sistemov, oblikovanjem sistema nadzora v vse kompleksnejšega omrežja, izboljšanjem kakovosti in zanesljivosti oskrbe z električno energijo ter skrbjo za varovanje okolja. Če so v preteklosti operaterji omrežja svojo skrb posvečali predvsem kakovosti oskrbe z električno energijo in gospodarnostjo sistema, danes zaradi informatizacije omrežja vse večji izziv predstavljata tudi varnost in zasebnost informacij (Rashed Mohassel in sod., 2014). Koncept rešitev, s katerimi se elektroenergetski sektor želi spopasti z omenjenimi izzivi, označujemo s terminom pametna omrežja (angl. Smart Grid) (Rashed Mohassel in sod., 2014). Ta predstavljajo nadgradnjo obstoječih omrežij z informacijsko-komunikacijskimi tehnologijami, ki omogočajo dvosmerno komunikacijo med vsemi udeleženci (proizvajalci, dobavitelji in odjemalci), z namenom izboljšanja zanesljivosti, kakovosti in učinkovitosti oskrbe z električno energijo. Koncept pametnih omrežij vključuje tako klasične elemente sistema kot so centralizirane velike proizvodne enote, prenosno in distribucijsko omrežje, ter nove elemente kot so razpršeni obnovljivi proizvodni viri, napredna merilna infrastruktura (angl. Advanced metering infrastructure AMI), hranilniki električne energije, aktivnosti za obvladovanje porabe oz. upravljanje s porabo (angl. Demand-side management DSM) in avtomatizacija doma (Lakota Jeriček in sod., 2010, str. 6). Koncept pametnih omrežij predvideva združevanje razpršenih virov energije v virtualne elektrarne, kar bo omogočilo večji nadzor nad obratovanjem posameznih elementov in zagotavljanje dela sistemskih storitev (regulacija napetosti in jalove moči, razbremenjevanje in obremenjevanje omrežja, tericiarna rezerva, možnost otočnega obratovanja posameznih področij ob razpadih ipd.). Poleg tega bodo v omrežje vključeni diagnostični sistemi za hitro zaznavo okvar in samoodpravo okvar v omrežju, posebno vlogo pa bodo v konceptu odigrala tudi električna vozila, ki bodo služila kot hranilniki energije in jo bodo v primeru potrebe lahko tudi vračala v omrežje (Lakota Jeriček in sod., 2010, str. 1,2). Slika 3 predstavlja shemo elektroenergetskega sistema na koncepturalnem nivoju s prikazanim pretokom električne energije in informacij v sklopu koncepta pametnih omrežij. 19

37 Slika 3: Pretok električne energije in informacijski pretok v sklopu koncepta pametnih omrežij (novi elementi so označeni z rumeno barvo). Energetski pretok Informacijski pretok Elektrarna Elektrarna Elektrarna Vodenje proizvodnje Proizvodnja Prenosno omrežje Sistemski operater Prenos Distribucijsko omrežje Distribucijsko omrežje DCV in merilni center Distribucija Porabniki Porabniki Porabniki Ponudniki novih storitev Odjem Razpršeni viri Hranilniki Virtualna elektrarna Razpršeni viri Legenda: Pretok električne energije Pretok električne energije (RV in hranilniki) Informacijski pretok novi informacijski pretoki novi elementi in udeleženci Vir: G. Lakota Jeriček in sod., Vizija razvoja koncepta SmartGrids v Sloveniji, 2010, slika Napredni sistem merjenja in napredna merilna infrastruktura Sistem naprednega merjenja oz. napredna merilna infrastruktura (angl. Advanced System Infrastructure AMI) predstavlja eno od osnovnih energetskih informacijskih infrastrukturnih tehnologij in je eden izmed ključnih elementov koncepta pametnih omrežij (Lakota Jeriček in sod., 2010, str. 20). Vključuje pametne števce, komunikacijsko omrežje, sistem za obvladovanje podatkov s števcev (Meter Data Management System MDSM) ter sredstva za vključitev zbranih podatkov v platforme programske opreme in vmesnike ("Advanced metering infrastructure," 2008, str. 5). AMI omogoča dvosmerno komunikacijo med operaterjem omrežja in končnim odjemalcem. Podatki o stanju števca in morebitnem presežku proizvodnje električne energije iz domače elektrarne se posredujejo operaterju omrežja, v obratni smeri pa cenovni signali in drugi ukazi potrebni za prilagajanje odjema ("10 Things To Know About Smart Meters & Solar," ; "Advanced Metering Infrastructure (AMI)," 2007; Lakota Jeriček in sod., 2010, str. 22,23). Vpeljava AMI bo spodbudila učinkovitejšo rabo energije, delovanje resnično konkurenčnih in transparentnih trgov z energijo in razvoj energetskih storitev (Lakota Jeriček in sod., 2010, 20

38 str. 20). Topografijo napredne merilne infrastrukture na konceptualnem nivoju prikazuje slika 4. Slika 4: Napredna merilna infrastruktura Vir:Rashed Mohassel in sod., A survey on Advanced Metering Infrastructure, 2014, slika Pametni števci Pametni števec je napredna merilna naprava za merjenje porabe energije odjemalca in v primerjavi z običajnim števcem operaterju omrežja zagotavlja večji nabor informacij o porabi. Zmožen je zbrati in varno posredovati podatke o porabi v realnem času vključno z vrednostmi napetosti, faze, kota in frekvence operaterju omrežja. Zmožnost dvosmerne komunikacije omogoča tudi beleženje podatkov o proizvodnji električne energije na strani odjemalca in vračanje le-te v omrežje. Služi kot glavna komponenta pametnega omrežja na strani odjemalcev, zagotavlja prehod med omrežjem ter tehnologijami in funkcionalnostim pametnega doma ter skrbi za komunikacijo med in nadzor nad njimi. Omogoča zbiranje diagnostičnih informacij o distribucijskem omrežju, pametnih napravah v gospodinjstvu in je zmožen komunicirati z drugimi števci v svoji okolici. Podpira razpršene vire proizvodnje, hranilnike energije in na osnovi tako zbranih podatkov omogoča ustrezen obračun stroškov (Balta-Ozkan, Davidson, Bicket in Whitmarsh, 2013a; Depuru, Wang in Devabhaktuni, 2011). Primerjava zasnove konvecionalnega in pametnega sistema merjenja je prikazana na sliki 5. Pametni števec zagotavlja (Rashed Mohassel in sod., 2014): merjenje porabe, 21

39 večtarifno merjenje in dinamično tarifiranje, podatke o porabi za odjemalca in dobavitelja, zaznavo in obveščanje o izpadih, možnost daljinskega upravljanja z napravami in krmilniki (vklop in izklop naprav), omejevanje odjema pri programih prilagajanja odjema, nadzor kvalitete dobavljene energije: faze, napetosti, toka, delovne in jalove moči, faktor moči, zaznavo kraje energije, komunikacijo z ostalimi pametnimi napravami in učinkovitejšo rabo energije. Pametni števec torej predstavlja ključno vlogo pri doseganju učinkovitejših in pametnejših domov ("Smart Homes and Home Automation 2nd Edition," 2013). V skladu z energetsko strategijo EU morajo države članice do leta 2020 zagotoviti, da bo imelo vsaj 80 % potrošnikov nameščene pametne meritvene sisteme ("A new Energy Strategy for Europe ," 2010). Slika 5: Primerjava zasnove konvecionalnega in pametnega sistema merjenja Konvencionalni sistem merjenja Gospodinjski ali poslovni odjemalec Konvencionalni števec Ročno zbiranje podatkov Ročno obračunavanje Pametni sistem merjenja Gospodinjski ali poslovni odjemalec Pametni števec Podatkovna baza Komunikacijski vmesnik/ protokol Prehod Komunikacijski vmesnik/ protokol Vir: S. S. S. R. Depuru in sod., Smart meters for power grid: Challenges, issues, advantages and status, 2011, slika Povzetek koristi vpeljave koncepta pametnih omrežij Vpeljava pametnih omrežij prinaša vrsto koristi, ki jih lahko strnemo v sklop naslednjih točk (Lakota Jeriček in sod., 2010, str. 4,5; "Smart meters executive paper,"): 22

40 možnost vključitve velikega števila manjših, razpršenih virov energije s spremenljivo (in manj predvidljivo) proizvodnjo v omrežje; vključitev hranilnikov energije v sistem; boljši izkoristek sistema zaradi prerazporejanja porabe, uporabe hranilnikov, združevanja obnovljivih virov v virtualne elektrarne; večja zanesljivost sistema zaradi zaznave izpadov in napak v omrežju; zaznava in preprečitev kraje električne energije in s tem povezanih prevar; vpeljava programov prilagajanja odjema, s čimer bo možno uravnavati proizvodnjo in porabo električne energije; zanesljiva oskrba in kakovost dobave električne energije v spremenjenih razmerah obratovanja elektroenergetskega sistema; plačevanje porabe po dejanski porabi za končne odjemalce; zmanjšanje skupne porabe električne energije preko ozaveščanja odjemalcev in nudenja povratnih informacij o porabi; zmanjšanje izpustov ogljikovega dioksida zaradi proizvodnje električne energije iz obnovljivih virov in zmanjšanja skupne porabe ter možnost razvoja novih storitev in produktov Izzivi povezani z vpeljavo pametnih omrežij Poleg tehničnih izzivov terja vpeljava koncepta pametnih omrežij odgovore na vrsto vprašanj z regulatornega, socialnega in ekonomskega vidika. Z ekonomskega vidika koncept pametnih omrežij prinaša možnost razvoja vrste inovativnih storitev, zato je potrebna identifikacija poslovnih priložnosti, analiza trga in ekonomske upravičenosti, ki bo lahko spodbudila njihovo oblikovanje (Lakota Jeriček in sod., 2010, str. 12). Na regulatornem področju je potrebno opredeliti motive udeležencev v konceptu ter temu primerno s spodbudami in tarifiranjem ustvariti primerne pogoje zanje. V svoji udeležbi morajo namreč videti svoj ekonomski interes, da bi postali udeleženci v eni izmed predvidenih vlog (mikro proizvajalec, mikro hranilnik električne energije ali izvajalec storitev združevanja razpršenih virov). Seveda pa morajo biti spodbude oblikovane tako, da bodo ekonomsko vzdržne (Lakota Jeriček in sod., 2010, str ). S sociološkega vidika je potrebno raziskati vzorce obnašanja in preference odjemalcev glede načinov obračunavanja, razmerje med ugodjem in ceno ter poskrbeti za ustrezno obliko ozaveščanja odjemalcev. Sisteme obračunavanja električne energije je potrebno oblikovati tako, da bodo ti spodbujali odjemalce k prilagajanju njihove porabe glede stanje v sistemu. To pomeni, da bo potrebno z nižjo ceno nagraditi tiste odjemalce električne energije, ki bodo svojo porabo prilagajali potrebam elektroenergetskega sistema. Ravno od sodelovanja končnih odjemalcev je namreč odvisna optimalnost izrabe omrežja in s tem 23

41 povezani prihranki v sistemu, kar bo lahko privedlo do nižje cene za vse odjemalce (Lakota Jeriček in sod., 2010, str ). 3.2 Upravljanje s porabo Elektrika kot tržno blago ima specifične fizikalne lastnosti, zaradi katerih jo je težko oz. v večjih količinah nemogoče shranjevati. S tem razlogom mora proizvodnja v vsakem trenutku pokriti porabo. Vendar pa se stroški proizvodnje v času visoke porabe večajo tem bolj kot ta odstopa glede na enakomerni odjem preko celega dneva in so tako najvišji prav v času konic. Proizvodne kapacitete, za pokrivanje koničnega odjema namreč delujejo le kratek čas v dnevu sicer pa so neizkoriščene, zaradi česar je proizvodnja izredno draga. Skladno s tem morajo biti tudi elektroenergetska omrežja načrtovana tako, da so zmožna prenesti najvišje konične obremenitve, ki pa se lahko pojavijo le nekajkrat v letu. Nadgrajevanje omrežij je stroškovno zahtevno, pogosto pa je povezano tudi s težavami pri umeščanju novih daljnovodov v prostor. Dodaten izziv predstavlja vedno večji delež proizvodnje iz obnovljivih virov (npr. vetrne in sončne energije), ki je običajno neenakomerna. V določeni meri lahko omenjene probleme rešimo z delnim prilagajanjem porabe. Obstaja več različnih pristopov, kako to doseči oz. kako odjemalce spodbuditi k temu (Omahen in sod., 2010, str. 16,17; Prilagajanje odjema, 2012, str. 9). Upravljanje s porabo (angl. Demand Side Management DSM) je prvotno označevalo načrtovanje in izvedbo vseh tistih aktivnosti, katerih namen je bil vplivati na porabo odjemalcev tako, da bi dosegli želene spremembe v diagramu odjema čas odjema in obseg odjema (Gellings, 1996). V nekoliko širšem smislu lahko upravljanje s porabo opredelimo kot ukrepe, politike in/ali programe, katerih namen je spremeniti navade odjemalcev glede porabe elektrike tako, da zmanjšajo svojo porabo ali spremenijo vzorec porabe električne energije (Carley, 2012). Koncept upravljanja s porabo je bil sprva zasnovan iz dveh razlogov: kot odgovor na potrebo elektroenergetskih podjetij po optimizaciji razmerja med proizvodnjo in porabo ter kot edinstveno trženjsko orodje. Koncept upravljanja s porabo torej uokvirja idejo, da čas in količina porabe nista dano dejstvo, temveč, da o načrtovanju porabe in proizvodnje lahko razmišljamo sočasno (Gellings, 1996). Koncept upravljanja s porabo je bil prvič vpeljan konec 70. let v ZDA (Carley, 2012; Prilagajanje odjema, 2012). V 80. in 90. letih je upravljanje s porabo postalo skupni imenovalec za ukrepe za zagotavljanje večje učinkovitosti (angl. energy efficiency), obvladovanja obremenitve (angl. load management) in varčevanja z energijo (angl. energy conservation) pri vseh s poudarkom na zmanjševanju potrebe po (novih) proizvodnih kapacitetah (Gellings, 1996). 24

42 Na tem mestu velja poudariti, da kljub temu, da sta pojma»varčevanje z energijo«in»energetska učinkovitost«pogosto uporabljana izmenljivo, obstaja pomembna razlika med njima. Energetska učinkovitost pomeni, da porabimo manj energije za ekvivalenten nivo storitve ali aktivnosti. Varčevanje z energijo oz. prihranek energije po drugi strani predstavlja absolutno zmanjšanje porabe energije in ga lahko dosežemo z večjo energetsko učinkovitostjo, spremembo vedenjskih navad ali celo z manjšo gospodarsko aktivnostjo. Primer varčevanja z energijo ob nespremenjeni energetski učinkovitosti predstavlja npr. ogrevanje prostorov na nižjo končno temperaturo ali redkejša uporaba avtomobila. Iz navedenega sledi, da povečanje energetske učinkovitosti ne pomeni samo po sebi tudi zmanjšanja porabe energije. Kljub temu, da izdelki in procesi postajajo vedno učinkovitejši, skupna poraba energije še vedno narašča. Izhajamo iz dejstva, da ob večjem razpoložljivem dohodku stremimo k večjemu udobju, kar pomeni več manjših gospodinjstev, več najrazličnejših naprav, pogostejša potovanja in več udobja pri ogrevanju in hlajenju prostorov (Commission, 2011, str. 7; Prindle in Koszalka, 2012, str. 685,686). Ukrepe upravljanja s porabo glede na daljnosežnost učinkovanja delimo na kratkoročne in dolgoročne. Dolgoročno upravljanje s porabo zajema tiste ukrepe, katerih cilj je doseči spremembe v navadah odjemalcev. Mednje sodijo torej predvsem ukrepi za varčevanje z energijo oz. zmanjšanje porabe ter večjo energetsko učinkovitost. Dolgoročni ukrepi prinašajo predvsem dolgoročne koristi za odjemalce in okolje (Omahen in sod., 2010, str. 21,22). Med kratkoročno upravljanje s porabo sodi obvladovanje obremenitev oz. prilagajanje odjema (angl. demand-response - DR) 2. Namen kratkoročnih ukrepov je predvsem zmanjševanje porabe v času kritičnega stanja elektroenergetskega omrežja ali času izredno visokih cen na veleprodajnem trgu z električno energijo (Omahen in sod., 2010, str. 22). V tradicionalno organiziranem elektrogospodarstvu so prevladovali predvsem dolgoročni ukrepi kot so ozaveščanje odjemalcev, popusti in ugodno financiranje nakupa učinkovitih naprav, namestitev ali zamenjava potratnih naprav z varčnejšimi, energetski pregledi, preprosti večtarifni sistemi ipd. ter so bili namenjeni tako večjim kot tudi gospodinjskim odjemalcem. Kratkoročni programi kot so npr. ponujanje spremembe odjema s strani odjemalcev (angl. demand-side bidding) in dobava z možnostjo prekinitve (angl. interruptible rate program ali interruptible load program) pa so bili namenjeni predvsem večjim industrijskim odjemalcem (Nadel & Geller, 1996). Medtem ko so v preteklosti dolgoročne ukrepe izvajala elektroenergetska podjetja sama, so slednji danes predvsem regulatorno usmerjeni (Omahen in sod., 2010, str. 21,22). 2 Termin obvladovanje obremenitev (angl. load management) zasledimo predvsem v starejši literaturi, medtem ko se v novejši (predvsem tuji) uporablja skoraj izključno samo prilagajanje odjema (angl. demand response). Termin prilagajanje porabe se običajno povezuje z uporabo sodobnih merilnih in komunikacijskih tehnologij. 25

43 Temeljna cilja kratkoročnih in dolgoročnih ukrepov upravljanja s porabo sta enaka uskladiti proizvodnjo, porabo in prenosne zmogljivosti sistema. Ob tem je potrebno ohraniti enak nivo kvalitete storitve za končne odjemalce s čim manj posegi v okolje (Omahen in sod., 2010, str. 23) Prilagajanje odjema Prilagajanje odjema električne energije lahko opredelimo kot spremembo rabe električne energije s strani končnih odjemalcev glede na njihov običajni vzorec porabe kot odziv na spremembo cene električne energije v času ali finančnega nadomestila oblikovanega z namenom, da bi dosegli zmanjšanje porabe električne energije v času visokih cen energije na trgu na debelo ali kadar je ogrožena zanesljivost sistema (Aldina in sod., 2012). Predstavlja ključno komponento pametnih omrežij, saj omogoča uravnavanje odjema glede na neenakomerno in razpršeno proizvodnjo električne energije iz obnovljivih virov energije ter zmanjšanje odjema v času kritičnih konic (Hesser & Succar, 2012; Smart Grid White Paper: The Home Appliance Industry s Principles & Requirements for Achieving a Widely Accepted Smart Grid, 2009, str. 3). Namen programov prilagajanja odjema je torej spodbuditi odjemalce k spremembi časa in količine odjema v času kritičnega stanja elektroenergetskega omrežja ali času izredno visokih cen na veleprodajnem trgu z električno energijo. Programi so tržno naravnani, kar pomeni, da odjemalci v zameno za sodelovanje prejmejo določeno finančno nadomestilo ali imajo nižjo ceno električno energijo v času izven kritičnega stanja. Odjemalci namreč električno energijo porabljajo po v veliki meri predvidljivem vzorcu. To pomeni, da je njihovo porabo ob določenih časovnih obdobjih možno določiti z relativno visoko verjetnostjo (Prilagajanje odjema, 2012, str. 12). Prilagajanje odjema s spodbujanjem interakcije in odzivnosti odjemalcev določi kratkoročne učinke na trg z električno energijo, kar prispeva k ekonomskim koristim tako za dobavitelja in/ali operaterja omrežja kot tudi za odjemalca. Poleg tega z izboljšanjem zanesljivosti elektroenergetskega sistema in na dolgi rok nižanjem koničnega odjema prispeva k nižjim skupnim stroškom investicij v proizvodne kapacitete in preloži potrebo po nadgradnji omrežja (Mohagheghi, Stoupis, Zhenyuan, Zhao in Kazemzadeh, 2010) Načini odzivanja odjemalcev Odjemalci se lahko v sklopu programov prilagajanja odjema odzovejo na različne tarife ali izredne dogodke na tri načine (Albadi & El-Saadany, 2008; Siano, 2014): z zmanjšanjem porabe, s premikom porabe v čas nižjih tarif oz. izven izrednega dogodka ter z uporabo lastnih proizvodnih ali hranilnih kapacitet. 26

44 Odjemalci lahko v času konic zmanjšajo porabo električne energije in ob tem ne spremenijo vzorca porabe izven konic (npr. odjemalci začasno spremenijo nastavitve termostata za ogrevanje ali hlajenje). Tovrsten način za odjemalce predstavlja določeno zmanjšanje udobja. Pri drugem načinu odjemalci del porabe električne energije prestavijo iz časa konic v čas izven konic, npr. s premikom določenih aktivnosti v gospodinjstvu (npr. pranje ali sušenje perila v pralnem stroju) na čas izven konice oz. v čas nižje tarife. Tovrstni odziv predstavlja minimalno znižanje nivoja udobja. V tretjem primeru odjemalci, ki imajo nameščene manjše proizvodnje kapacitete ali hranilnike električne energije (to funkcijo bi lahko opravljal tudi električni avtomobil), lahko zmanjšajo odjem iz omrežja in potrebno električno energijo nadomestijo iz teh virov. Odjemalci v tem primeru ne občutijo praktično nobenega zmanjšanja udobja, prav tako se tudi ne spremeni njihov vzorec odjema. Vendar pa z vidika elektroenergetskega sistema pomembno spremeni vzorec in/ali količino odjema (odvisno glede na to, ali se razliko v odjemu iz omrežja nadomesti iz lastnih proizvodnih kapacitet ali iz hranilnika električne energije) (Albadi & El-Saadany, 2008; Lakota Jeriček in sod., 2010, str. 19; Siano, 2014) Programi prilagajanja odjema Programe prilagajanja odjema primerne za gospodinjstva lahko razdelimo na (Prilagajanje odjema, 2012, str. 16,17): inovativne tarifne sisteme in inovativne cenike in direktno krmiljenje bremen. Podrobnejša delitev programov prilagajanja odjema, predvsem inovativnih tarifnih sistemov, in možne izvajalce posameznega programa prikazuje Tabela 1. Posamezne programe bomo podrobneje predstavili v nadaljevanju. Tabela 1: Oblike programov prilagajanja odjema in možni izvajalci storitve Program Izvajalec storitve Inovativni tarifni sistemi in inovativni ceniki Večtarifni sistemi ali sistemi tarifnih časov (angl. Time-of-Use ToU) Spremenljivi urni tarifni sistem (angl. Real Time Pricing - RTP) Kritično konično tarifiranje (angl. Critical Peak Pricing - CPP) Kritični konični rabati (angl. Critical Peak Rebate - CPR) Dobavitelji, sistemski operaterji/regulator Dobavitelji, sistemski operaterji/regulator Dobavitelji, sistemski operaterji/regulator Dobavitelji, sistemski operaterji/regulator 27

45 Program Občasni rabati izven konic Direktno krmiljenje bremen Direktno krmiljenje bremen (angl. Direct Load Control DLC) Izvajalec storitve Dobavitelji Dobavitelj, sistemski operater, povezovalci oz. agregatorji kratkotrajnih bremen porabnikov Vir: Povzeto po Prilagajanje odjema, 2012, str , tabela Inovativni tarifni sistemi Dinamično tarifiranje in variabilne tarifne sheme predstavljajo spremembo v strukturi cene in ne same spremembe nivoja cene. Z uvedbo teh na končen znesek računa ne vpliva zgolj količina, temveč tudi čas odjema (Harper-Slaboszewicz in sod., 2012, str. 747). V nadaljevanju bomo podrobneje predstavili vsako izmed njih Večtarifni sistemi Pri večtarifnem sistemu se poraba električne energije obračunava glede na čas porabe. Ta se lahko razlikujejo glede na čas v dnevu, tednu ali sezono (npr. poletje in zimo). V Sloveniji je uveljavljen predvsem dvotarifni sistem pri katerem velja visoka tarifa med delavniki med 6. in 22. uro, medtem ko ponoči ter med vikendi in prazniki velja nizka tarifa. Tarif je lahko tudi več, vendar se običajno zaradi praktičnih omejitev priporočajo največ tri. V Sloveniji možnost obračunavanja porabe po tritarifnem sistemu ponujajo le redki dobavitelji (Prilagajanje odjema, 2012, str. 21,35,36) Spremenljivi urni tarifni sistem Pri spremenljivem urnem tarifnem sistemu cena električne energije variira preko dneva in je lahko vsako uro v dnevu drugačna. Na veleprodajnem trgu se namreč z delom celotne proizvedene električne energije trguje v enournih intervalih, zaradi česar se cene vsako uro spreminjajo. Spremenljivi urni tarifni sistem torej odraža cene na veleprodajnem trgu. Cene so običajno znane dan v naprej za celotnih 24 ur naslednjega dne. Podobno kot pri večtarifnih sistemih so tudi tu cene običajno višje preko dneva in v času konic ter nižje ponoči in med koncem tedna (Faria & Vale, 2011, str. 21; Mahmood in sod., 2014; Prilagajanje odjema, 2012). Problem pri tovrstnem načinu obračunavanja porabe je v tem, da je za odjemalce neprestano spremljanje spreminjajočih se cen nepraktično in posledično ročno odzivanje ni najbolj učinkovito. V primeru samodejnega odzivanja na spreminjajoče se cene s pomočjo pametnih naprav pa lahko velik problem predstavlja sinhronizacija bremen (angl. load synchronisation), saj se velik del odjema električne energije iz tipičnega časa konice le 28

46 prestavi v tipični čas izven konice, ne da bi se ob tem tudi spremenilo razmerje med konično in povprečno obremenitvijo (Mohsenian-Rad & Leon-Garcia, 2010) Kritično konično tarifiranje Kritično konično tarifiranje predstavlja hibridni tarifini sistem večtarifnega in spremenljivega urnega tarifnega sistema. To pomeni, da običajno dopolnjuje eno- ali večtarifne sisteme, pri čemer je občasno v času konic nastopi konična tarifa, v času katere je cena električne energije nekajkrat višja (lahko tudi 5x ali več) od siceršnje cene ob tem času. Običajno se za izvajanje tovrstnega tarifiranja v naprej določi maksimalno število kritičnih dogodkov v določenem časovnem obdobju (npr. dvakrat tedensko), njihovo trajanje (npr. 2 uri) ter koliko časa v naprej bodo odjemalci obveščeni o času in ceni te tarife (Faria & Vale, 2011; Prilagajanje odjema, 2012, str. 21). Prednost tovrstnega načina obračunavanja je njegova relativna preprostost in v tem, da odjemalcu ni potrebno posvečati veliko časa spremljanju spreminjajočih se cen. Osnovna predpostavka pri uvedbi tovrstnega tarifiranja je, da se ob nespremenjenem vzorcu porabe račun za elektriko ne podraži (Omahen in sod., 2010, str. 80). V zameno za sodelovanje v takem programu ima zato odjemalec nižjo ceno električne energije v primerjavi z osnovnim eno- ali več-tarifnim sistemom (Stromback in sod., 2011, str. 18). Iz navedenega sledi, da mora odjemalec za sodelovanje v takem programu prejeti določeno nadomestilo ali popust na siceršnje tarife osnovnega tarifnega sistema (eno- ali večtarifnega sistema) Kritični konični rabati Kritični konični rabati predstavljajo podoben pristop k spodbujanju odjemalcev za zmanjšanje porabe v času konic kot pri kritičnemu koničnemu tarifiranju, s to razliko, da če kritično konično tarifiranje deluje po principu»palice in korenčka«kritični konični rabati predstavljajo le»korenček«. Pri kritičnih koničnih rabatih so odjemalci za znižanje svoje porabe v času konic namreč nagrajeni (običajno) v obliki dobropisa pri mesečnem računu (dobropis se običajno izračuna glede na količino prihranjene energije v kwh, ki je ovrednotena v monetarni vrednosti v EUR/kWh). To pomeni, da z znižanjem svoje porabe v času konic le pridobijo, v nasprotnem primeru pa za svoje»nesodelovanje«niso kaznovani. Podobno kot pri kritičnem koničnem tarifiranju so tudi v tem primeru odjemalci v naprej obveščeni o času in trajanju izrednega dogodka. Določen problem pri tem pristopu predstavlja izbira izhodiščne vrednosti porabe glede na katero je odjemalec znižal svojo porabo v času izrednega dogodka. Običajno se kot izhodišče vzame povprečno porabo v preteklih (delovnih) dneh ali isti dan v tednu nekaj zaporednih preteklih tednov, ko ni nastopil izredni dogodek za znižanje porabe. Tako kot kritično konično tarifiranje tudi kritični konični rabati dopolnjujejo enotarifni ali enega izmed večtarifnih sistemov 29

47 (Alexander, 2010; Faruqui & Sergici, 2010; Omahen in sod., 2010, str. 80; Prilagajanje odjema, 2012, str. 21) Občasni rabati izven konic Nekateri dobavitelji električne energije v Sloveniji ponujajo možnost občasnih rabatov (pretežno) v času visoke tarife, vendar izven konic. V času izrednega dogodka je cena električne energije cenejša (npr %) kot sicer v času posamezne tarife. V kolikor odjemalec del svojih aktivnosti oz. porabe (npr. pranje in sušenje perila ter pomivanje posode) prestavi v ta čas, s tem lahko zniža svoj račun. Običajno sta dva ali trije dogodki tedensko, čas in trajanje (po navadi 2 uri) pa sta znana nekaj dni ali celo teden dni v naprej. Za prilagajanje svoje porabe različnim tarifam električne energije lahko člani gospodinjstvu skrbijo sami, torej ročno (spremljajo tarife in si prizadevajo uporabljati večje porabnike energije v času nižjih tarif oz. njihovo delovanje ročno nastavijo tako, da delujejo v varčnem načinu v času višjih tarif) ali pa z uporabo pametnih naprav, ki poleg običajnega delovanja lahko svoje delovanje tudi samodejno prilagajajo cenam električne energije (npr. pralni stroj samodejno prične cikel pranja v času nižjih tarif, pametni termostat v času višjih tarif preklopi delovanje klimatske naprave ali ogrevalnega sistema v varčni način ipd.). Odjemalci imajo torej možnost napravo zagnati ali uporabljati v»pametnem«ali navadnem načinu (Prilagajanje odjema, 2012, str. 22) Direktno krmiljenje bremen Pri direktnem krmiljenju bremen izvajalec storitve (operater omrežja, dobavitelj ali agregator) na daljavo krmili delovanje naprav v gospodinjstvu. Običajno izvajalec za krajši čas (npr min) izklopi posamezno napravo, v primeru uporabe pametnih naprav, pa lahko namesto izklopa tudi za krajši čas spremeni nastavitve delovanja (npr. pri klimatski napravi dvigne temperaturo hlajenja za stopinjo ali dve). Za tovrstno krmiljenje so primerne predvsem naprave, ki po svojem načinu delovanja sodijo med toplotne stroje (npr. toplotna črpalka, grelnik vode, klimatska naprava, hladilnik ipd.) ter večji porabniki energiji (npr. električni radiatorji), katerih cikel delovanja je možno prekiniti za krajši čas brez večjega vpliva na kakovost storitve (npr. hlajenja ali ogrevanja). V primeru starejših (ne pametnih) naprav je potrebno za vsako posebej namestiti poseben krmilnik, ki omogoča izklop/vklop naprave na daljavo. Ob pristopu odjemalca k tovrstnemu programu se z izvajalcem storitve dogovorita o maksimalnem številu izklopov oz. krmiljenj s strani izvajalca, trajanju posameznega izklopa in višini nadomestila za sodelovanje v programu. Prednost programa je visoka zanesljivost z vidika izvajalca storitve, vendar pa z vidika odjemalcev tovrstni način prilagajanja porabe pomeni določen poseg v njihovo zasebnost, kar lahko predstavlja oviro pri vpeljavi programa (Mohsenian-Rad, Wong, Jatskevich, Schober in Leon-Garcia, 2010; Omahen in sod., 2010, str. 53,54,84; Prilagajanje odjema, 2012, str. 22; Siano, 2014). 30

48 3.2.4 Vloge in interes/koristi posameznih udeležencev v programih prilagajanja odjema Slika 6: Shematski prikaz trga z električno energijo Izravnava Izravnalni trg Izravnava Izravnava Sistemske storitve Omejitve na prenosnem omrežju Sistemski operater Omejitve na distribucijskem omrežju Proizvodnja električne energije Prenosno omrežje Distribucijsko omrežje Odjemalci Bilateralne pogodbe Bilateralne pogodbe Trgovci in dobavitelji Trgovanje na borzi z električno energijo Pogodba o dobavi Borza z elek. energ. Trgovanje na borzi z električno energijo Vir: Prilagajanje odjema, 2012, str. 27, slika 1 Z deregulacijo elektroenergetskega sistema so nastale nove tržne strukture kot sta trenutni in izravnalni trg (glej sliko 6). Prilagajanje odjema se lahko uveljavi med odjemalci in praktično vsemi ostalimi udeleženci trga v različnih oblikah (Prilagajanje odjema, 2012, str. 14): v okviru bilateralnih pogodb (na primer za podporo izvajanju sistemskih storitev), v okviru pogodb o dobavi, prek tarifnih sistemov, na bilančnem trgu, na trenutnem trgu z električno energijo. 31

49 Glede na njihovo vlogo na trgu oz. pri opravljanju sistemskih storitev lahko opredelimo naslednje udeležence (glej sliko 7), ki bi lahko imeli interes za sodelovanje v programih prilagajanja odjema (Prilagajanje odjema, 2012, str. 14): odjemalci, sistemski operater (distribucijskega in prenosnega omrežja), dobavitelji in agregatorji oz. povezovalci kratkotrajnih bremen porabnikov. Slika 7: Okvirni model prilagajanja odjema v primeru več udeležencev trga Uporabnik storitve prilagajanja odjema Izvajalec storitve prilagajanja odjema Merilna naprava Naprave za krmiljenje Odjemalec (ponudnik prilagajanja odjema) Vir: Prilagajanje odjema, 2012, str. 27, slika Vidik dobaviteljev Dobavitelj lahko nastopa v vlogi izvajalca storitve ali uporabnika (v primeru zunanjega izvajalca, npr. povezovalca kratkotrajnih bremen porabe). Interes dobavitelja za sodelovanje v programu prilagajanja odjema je predvsem optimizacija poslovanja in zmanjšanje tveganj pri nakupu električne energije na veleprodajnem trgu. Z vidika optimizacije poslovanja imamo v mislih predvsem nižje stroške zaradi možnosti delnega zmanjšanja porabe in skladno s tem manjših potreb po nakupu konične energije po visokih cenah, nižje stroške izravnavanja odstopanj. Z vidika obvladovanja tveganj pa vpeljava dinamičnih tarifnih sistemov (npr. spremenljivega urnega cenika in deloma kritičnega koničnega tarifiranja) pomeni prenos del nihanj v cenah na veleprodajnem trgu na 32

50 maloprodajni trg in posledično na končne odjemalce (Prilagajanje odjema, 2012, str ). Vpeljavo programov prilagajanja odjema lahko dobavitelj izkoristi za potrebe (Omahen in sod., 2010, str. 93): optimiziranja nakupa električne energije na dnevnem trgu z električno energijo, prodajo prihranjene električne energije na dnevnem trgu z električno energijo, izravnavo odstopanj in nastop na trgu sistemskih storitev, predvsem sekundarne in terciarne rezerve. Nakup električne energije v Sloveniji poteka preko bilateralnih pogodb o dobavi, mimo organiziranega trga z električno energijo, odstopanja od ocen napovedi pa se pokriva z nakupom in prodajo na dnevnem trgu. Ker se cene na trgu hitro in občutno spreminjajo, v času visokih cen možnost kratkoročnega zniževanja odjema predstavlja mehanizem za optimiziranje nakupa električne energije. V primeru visokih cen, pa lahko dobavitelj na dnevnem trgu tudi proda del vnaprej zakupljene energije. Podobno lahko dobavitelj s pomočjo kratkoročnih ukrepov prilagajanja porabe (npr. direktnim krmiljenjem bremen) nastopa tudi na izravnalnem trgu. Za optimizacijo nakupa in prodaje električne energije na dnevnem trgu so primerne dinamične oblike tarifiranja (npr. spremenljivi urni cenik, kritično konično tarifiranje in kritični konični rabati) saj se trguje dan v naprej, med tem ko so za potrebe izravnave odstopanj trguje na urnem trgu. Za slednje je primerno le direktno krmiljenje bremen (Omahen in sod., 2010, str. 103,104). V preteklosti so terciarno rezervo zagotavljali zgolj ponudniki proizvodnih kapacitet, vendar pa lahko v vlogi izvajalca prilagajanja odjema oz. ponudnika terciarne rezerve nastopi tudi dobavitelj. Za potrebe sistemskih storitev je primerno le direktno krmiljenje bremen, saj je potrebna hiter odziv (v primeru terciarne rezerve je to 15 min) Vidik sistemskih operaterjev Sistemski operater prenosnega ali distribucijskega omrežja lahko nastopa v vlogi izvajalca storitve ali uporabnika (v primeru zunanjega izvajalca, npr. povezovalca kratkotrajnih bremen porabe). Interes operaterja omrežja za vpeljavo prilagajanja odjema temelji predvsem na zmanjšanju obremenitev v omrežju, zmanjšanju konične moči in posledično znižanju stroškov povezanih z investicijami v nadgradnjo omrežja za potrebe zagotovitve večjih prenosov ali distribucijskih kapacitet (Prilagajanje odjema, 2012, str ). Slednje lahko dosežemo preko (Omahen in sod., 2010, str. 93): ravnanja dnevnega diagrama ali nižanja letne konične obremenitve. 33

51 Pri ravnanju dnevnega diagrama odjema gre za dolgoročen pristop k spremembi vzorca odjema. Pri tem želimo doseči daljnosežne spremembe vedenja odjemalcev, kar pa lahko dosežemo le z različnimi oblikami tarifiranja (Omahen in sod., 2010, str. 94,95). Pomembnejši vidik predstavlja nižanje letne konične obremenitve. Elektroenergetski sistem je namreč načrtovan glede na maksimalno letno konično obremenitev, ki pa nastopi le nekajkrat letno. Za ta namen so primerni predvsem kratkoročni ukrepi za zmanjšanje odjema v času konice (npr. direktno krmiljenje bremen) (Omahen in sod., 2010, str. 97,98) Vidik povezovalcev kratkotrajnih bremen Pravni okvir za delovanje agregatorjev oz. povezovalcev kratkotrajnih bremen zagotavljata direktivi 2009/72/EC in 2012/27/EU ("Direktiva 2009/72/EC," 2009; "Direktiva 2012/27/EU," 2012). Slednja povezovalca opredeljuje kot ponudnika storitev prilagajanja odjema, ki združuje več kratkotrajnih bremen odjemalcev, z namenom da jih proda (lahko tudi na dražbi) na organiziranih trgih z električno energijo. Vloga povezovalcev in njihovega sodelovanja pri prilagajanju odjema je opredeljena v 15. členu direktive 2012/27/EU ("Direktiva 2012/27/EU," 2012), ki določa, da morajo operaterji za prenos energije in distributerji upoštevati povezovalce in druge izvajalce storitev prilagajanja odjema na nediskriminatoren način in na osnovi njihovih tehničnih zmogljivosti pri usklajevanju zahtev po izravnavi in po drugih pomožnih storitvah, z ozirom na omejitve pri upravljanju omrežij. Tehnične specifikacije za sodelovanje na trgih pa morajo biti prilagojene tudi povezovalcem kratkotrajnih bremen odjemalcev. Interes povezovalcev kratkotrajnih bremen odjemalcev na trgu z električno energijo je popolnoma komercialne narave (Prilagajanje odjema, 2012, str ). V vlogi povezovalca pa lahko na izravnalnem trgu in trgu sistemskih storitev nastopi tudi dobavitelj električne energije. 3.3 Funkcionalnosti pametnega doma Pametni dom predstavlja ključno komponento pametnih omrežij, saj brez njih funkcionalnosti in zmogljivosti, ki so ponujene na nivoju omrežja s strani odjemalcev, ne bodo realizirane v celoti. Prilagajanje odjema namreč lahko temelji na»ročnem«odzivu končnih odjemalcev na cenovne signale ali na avtomatizaciji doma. Ročno spremljanje spreminjajočih se cen električne energije, vklapljanje in izklapljanje delovanja naprav ob ustreznem času oz. sprotno nastavljanje delovanja glede na cene električne energije terja čas in spremembo navad ter posledično vpliva na raven udobja članov gospodinjstva. S pomočjo pametnih naprav in sistemov, ki so se zmožni samodejno odzivati na signale iz omrežja (s strani dobavitelja, operaterja ali povezovalca), je moč doseči zmanjšanje porabe 34

52 v času konic oz. premik porabe v čas izven njih, ob tem pa ne terja sprememb navad in vedenja odjemalcev (Balta-Ozkan in sod., 2013a). Pametni domovi preko v domače omrežje povezanih pametnih tehnoloških naprav omogočajo odjemalcem učinkovitejši nadzor in upravljanje z energijo, sočasno pa zagotavljajo večjo raven udobja in priročnosti pri vrsti aktivnosti v gospodinjstvu (Balta- Ozkan in sod., 2013a). Baltan-Ozkan in sod. (2013a) so navedli nekaj primerov: samodejno prilagajanje ogrevanja prostorov preko pametnega termostata glede na vremenske razmere in glede na to ali so člani gospodinjstva doma ali ne; ob sočasni povezavi s senčili uravnavanje količine sončne svetlobe, ki obseva stanovanje skozi okna, dodatno varčuje pri energiji potrebni za ogrevanje in hlajenje; samodejno usklajevanje delovanja grelnika sanitarne vode glede na čas, ko so člani gospodinjstva doma, tako da zagotavlja toplo vodo kadar so člani gospodinjstva doma ter deluje v varčnem načinu, kadar jih ni; inteligentna razsvetljava, ki izklopi luči, ko nikogar ni v prostoru; vključitev lastnih proizvodnih virov iz obnovljive energije v domače omrežje ter samodejno odzivanje naprav na signale iz omrežja. Poleg storitev in funkcionalnosti povezanih z energijo, sodijo v koncept pametnih omrežij tudi storitve s področij (Balta-Ozkan in sod., 2013a): skrbi za zdravje ter nege starejših in drugih ranljivih skupin, varovanja premoženja, komunikacij, zabavne elektronike ter udobja in priročnosti. Pametni dom lahko torej opredelimo kot rezidenco opremljeno z visoko tehnološkimi napravami, aparati in senzorji, do katerih je možno na daljavo dostopati in jih nadzorovati ter ki zagotavljajo storitve, ki povečujejo udobje, energetsko učinkovitost in varnost (Balta-Ozkan, Davidson, Bicket in Whitmarsh, 2013b; Chan, Campo, Estève in Fourniols, 2009; Harper, 2003). S tehnologijami pametnega doma je torej možno nadzorovati delovanje in učinkovitost naprav in druge opreme, optimizirati udobje in energetsko učinkovitost ter posledično prispevati k varovanju okolja (Hauser & Crandall, 2012). 35

53 Slika 8: Kategorije storitev pametnih funkcionalnosti Upravljanje in nadzor porabe energije Energetska učinkovitost Varovanje premoženja Priročnost in udobje Skrb za zdravje in nega Komunikacije E-zdravje Zabava Varnost Podpora življenjskemu slogu Vir: Balta-Ozkan in sod., The development of smart homes market in the UK, 2013a, slika 1 Storitve in funkcionalnosti, ki spadajo v sklop pametnega doma, lahko glede na vrsto razvrstimo v tri širše, celovite, pa vendar povezane kategorije (glej sliko 8): upravljanje in nadzor porabe energije, podpora življenjskemu slogu ter varnost. Storitve s področja upravljanja in nadzora porabe energije tvorijo ključne podporne storitve razvoju pametnih omrežij na strani odjemalcev (Balta-Ozkan in sod., 2013a). S tem razlogom in v skladu s cilji tega dela se bomo v nadaljevanju osredotočili na storitve, ki sodijo v sklop upravljanja in porabe energije, vključujoč varovanje doma ter storitve, ki omogočajo višji nivo udobja in priročnosti. Ključ do uspešne vpeljave programov prilagajanja odjema in doseganja večje energetske učinkovitost je prav v združevanju funkcionalnosti in koristi slednjih z avtomatizacijo doma in tehnologijami, ki povečajo udobje. Priročnost in prihranki zaradi večje učinkovitosti in prilagajanja odjema pa pomagajo opravičiti stroške investicije (Harper-Slaboszewicz in sod., 2012, str. 727,728). Podrobnejši pregled možnih funkcionalnosti in storitev pametnega doma s področja skrbi za zdravje ter nege starejših in drugih ranljivih skupin podajajo Chan in sod. (2009), vidik možnih storitev s področja podpore življenjskemu slogu pa Harper-Slaboszewicz s sod. (2012). 36

54 Na konceptualnem nivoju lahko pametni dom opišemo s pomočjo štirih ključnih komponent: 1. komunikacijsko omrežje preko katerega različne naprave med seboj komunicirajo; 2. inteligentni nadzorni mehanizem, ki upravlja sistem; 3. senzorji, ki zbirajo informacije in 4. pametne funkcionalnosti (npr. pametni sistem za ogrevanje in/ali hlajenje, pametni gospodinjski aparati itd.). Senzorji omogočajo zaznavo položaja ljudi in objektov ter zbiranje informacij o stanjih (npr. vremenu, porabi energije, odprti oknih, prisotnosti dima ipd.). Komunikacijsko omrežje (angl. home area network) med seboj povezuje posamezne komponente pametnega doma ter zagotavlja komunikacijo med njimi. Poleg tega omogoča oddaljen dostop do posameznih komponent in informacij ter upravljanje s sistemom. Senzorji omogočajo zaznavo položaja ljudi in objektov ter zbiranje informacij o stanjih (npr. vremenu, porabi energije, odprti oknih, prisotnosti dima ipd.). Komunikacijsko omrežje (angl. home area network) med seboj povezuje posamezne komponente pametnega doma in zagotavlja komunikacijo med njimi. Poleg tega omogoča oddaljen dostop do posameznih komponent in informacij ter upravljanje s sistemom. Pametne funkcionalnosti omogočajo inteligentne naprave in gospodinjski aparati. Severno Ameriško Združenje proizvajalcev gospodinjskih aparatov (angl. Association of home appliance manufacturers AHAM) je leta 2009 izdalo belo knjigo o pametnih omrežjih (Smart Grid White Paper: The Home Appliance Industry s Principles & Requirements for Achieving a Widely Accepted Smart Grid, 2009, str. 6,7) v kateri je pojem»pametna naprava«opredelilo kot gospodinjski aparat ali napravo, ki omogoča napredno rabo električne energije tako, da omogoča nadzor, skrbi za varno delovanje ter samodejno prilagaja svoje delovanje potrebam lastnika. V nadaljevanju so opredelili šest ključnih lastnosti pametnih naprav: Naprava mora omogočati prilagoditev porabe glede na spreminjajoče se cene električne energije. Naprava mora omogočati odzivanje na signale elektroenergetskega podjetja in s tem prispevati k prizadevanjem za obvladovanje koničnega odjema v pametnih omrežjih in varčevanju energije z: o opomniki uporabniku o premiku uporabe v čas nižjih cen električne energije in o zmožnostjo samodejnega odzivanja (zmanjšanja porabe ali zamika porabe) v skladu z v naprej podanimi nastavitvami uporabnika. Kljub samodejnemu prilagajanju delovanja signalom iz omrežja (bodisi cenovnim bodisi za izklop ali neposredno zmanjšanje porabe) mora biti integriteta delovanja ohranjena. 37

55 Uporabnik mora imeti možnost onemogočiti ali preklicati signale iz omrežja. Naprava mora omogočati priklop in nadzor preko domačega omrežje (angl. Home area network HAN) in domačega sistema za upravljanje z energijo. Naprava omogoča prilagajanje porabe razpoložljivostim električne energije proizvedene iz obnovljivih virov. V tem delu bomo uporabljali termin»pametna naprava«v skladu z zgornjim opisom s poudarkom na možnosti samodejnega prilagajanja delovanja signalom iz omrežja. 3.4 Dopolnilne storitve k programom prilagajanja odjema Ključ do uspeha vsakega dobavitelja električne energije je v zadovoljevanju potreb odjemalcev. Ob vedno večji konkurenci na trgu postaja vse težje tekmovati le s cenami električne energije, zato bodo uspešna podjetja za oskrbo z električno energijo preusmerila vidik iz dobave električne energije na pestro ponudbo končnih energetskih storitev, da bi tako zadovoljili najrazličnejše potrebe in želje odjemalcev (Gellings, 1996). Pametni števci, ki omogočajo samodejno sprotno sporočanje stanje porabe, dobavitelju in odjemalcu prinašajo vrsto priložnosti za razvoj novih storitev. Neposredne povratne informacije motivirajo potrošnike tudi na drugih področjih (npr. v trgovini, bencinskih servisih ipd.), med tem ko pri porabi električne energije pretežni del gospodinjskih odjemalcev ni deležen praktično nobene povratne informacije glede porabe električne energije (Hamilton in sod., 2012, str. 777). V Sloveniji večina gospodinjskih odjemalcev še vedno plačuje električno energijo na osnovi predvidene porabe glede na preteklo leto. Ob koncu obračunskega obdobja dobavitelj pripravi obračun za preteklo leto, na podlagi katerega odjemalcu vrnejo razliko od preveč preplačane električne energije oz. mora razliko doplačati, v kolikor je dejanska poraba gospodinjstva presegla predvideno. Nekateri dobavitelji električne energije sicer omogočajo plačevanje položnic po sprotni mesečni porabi, vendar pogosto le proti dodatnemu mesečnemu plačilu, kar marsikaterega odjemalca gotovo odvrne od namere. Poleg tega podatek o skupni porabi preko celega meseca predstavlja precej skopo povratno informacijo oz. z drugimi besedami, ponuja le malo možnosti, da bi se odjemalci lahko odzvali na spremembe cene električne energije (Hamilton in sod., 2012, str. 777). Na tem področju lahko dobavitelji električne energije odjemalcem ponudijo različne storitve, kot je sprotno spremljanje porabe preko spletnega vmesnika oz. portala ali namenskega zaslona v stanovanju, informativni mesečni računi o dejanski porabi ali enostavnih informativnih prikazovalnikih. Poleg tega obveščanje odjemalcev o njihovi porabi predstavlja najbolj preprost, pa vendar pogosto učinkovit način vplivanja na porabo odjemalcev (Prilagajanje odjema, 2012). 38

56 Storitev sprotnega spremljanja omogoča odjemalcem, da v realnem času spremljajo svojo porabo električne energije, trenutno ceno električne energije, vpogled v preteklo porabo ipd. Storitev lahko dobavitelji dopolnijo z enostavnimi nasveti za dosego večjih prihrankov. Za storitev sprotnega spremljanja mora biti gospodinjstvo opremljeno s pametnim števcem ali pa čitalcem analognega števca. Za razliko od namenskih prikazovalnikov sprotne porabe informativni prikazovalniki ne omogočajo spremljanja porabe in cene električne energije, temveč le z barvnimi signali opozarjajo odjemalca o ceni električne energije (npr. rdeča barva visoka tarifa, rumena barva srednja tarifa, zelena barva nizka tarifa). Njihova uporaba je smiselna predvsem v povezavi z večtarifnimi sistemi ali dinamičnimi tarifnimi shemami. Dobavitelji lahko odjemalcem ponudijo tudi plačevanje po sprotni mesečni porabi. V primeru, da odjemalci nimajo nameščenih pametnih števcev, morajo sami mesečno sporočati dobavitelju stanje števca preko telefona ali spletnega portala. Dobavitelj lahko informacije o mesečni porabi dopolni z nasveti, ki odjemalca spodbujajo k varčni rabi električne energije, s primerjavo porabe in stroškov s podobno velikimi gospodinjstvi ali jim v primeru, da imajo nameščene pametne števce, k mesečnemu računu priložijo tudi kakšno drugo analizo njihove porabe. Uvedba pametnih omrežij ponuja obilo možnosti za razvoj novih storitev v okviru avtomatizacije doma in pametnih funkcionalnosti. Tu so priložnosti za uvedbo storitev, kot je oddaljen nadzor pametnega doma, sistemov za varovanje doma, vrste rešitev s področja skrbi za zdravje ter nege starejših in drugih ranljivih skupin, ponudbo internetnih storitev, telefonije ter kabelske televizije, s čimer bi ponudba postala bolj zanimiva za končne odjemalce (Harper-Slaboszewicz in sod., 2012; Nair & Zhang, 2009; Prilagajanje odjema, 2012, str. 9). Dodaten potencial za ponudbo storitev temelječih na funkcionalnostih pametnega doma pa predstavlja hitra rast trga za pametne domove; po nekaterih projekcijah naj bi se ta do leta 2020 povečal za trikrat ("European Smart Homes and Assisted Living Market," 2011; "Global Smart Thermostats Market ," 2014; "Smart Homes and Home Automation 2nd Edition," 2013). 3.5 Vloga konceptov pri doseganju energetskih ciljev EU Koncept pametnih omrežij omogoča vključevanje večjega deleža razpršenih obnovljivih virov, s čimer pomembno prispeva k izpolnjevanju zavez o proizvodnji 20 % deleža skupne energije iz obnovljivih virov in 20 % znižanje izpustov CO 2. K uresničevanju zaveze o 20 % učinkovitejši rabi električne energije pa prispeva predvsem vpeljava naprednega sistema merjenja, ki omogoča natančno zbiranje in posredovanje informacij o porabi končnim odjemalcem preko izdajanja mesečnih računov za električno energijo po dejansko porabljeni energiji in prikaza sprotne porabe na namenskih prikazovalnikih, spletnih vmesnikih ali mobilnih napravah. Slednje se odrazi v varčnejši rabi energije, ob 39

57 vpeljavi programov prilagajanja odjema in dinamičnih tarifnih shem ob podpori avtomatizacije doma pa omogoča znižanje konične porabe, kar pomeni optimalnejšo izrabo elektroenergetskega sistema in posledično manjšo potrebo po naložbah v proizvodnje in prenosne kapacitete omrežja (Lakota Jeriček in sod., 2010, str. 9). Raziskava o učinkih informacijskih in komunikacijskih tehnologij na energetsko učinkovitost ("Impacts of information and communication technologies on energy efficiency - Final Report," 2008) ugotavlja, da bi uporaba pametnih omrežij lahko zmanjšala letno porabo električne energije v EU za 9 % do leta Da pa bi lahko znižali porabo, morajo gospodinjstva in podjetja imeti prost dostop do informacij o porabi. 3.6 Koristi in pomisleki z vidika gospodinjskih odjemalcev Odgovor na vprašanje o interesu gospodinjskih odjemalcev za soudeležbo pri vpeljavi predstavljenih konceptov je večplasten. Zajema vrsto vidikov kot so finančni, okoljski, zasebnosti, varnosti, udobja in priročnosti. Koncepti pametnih omrežij, prilagajanja odjema in avtomatizacije doma, prinašajo gospodinjskim odjemalcev vrsto prednosti. Zamenjava obstoječih analognih števcev s pametnimi elektronskimi, ki so zmožni beleženja in sprotnega sporočanja stanja porabe energije dobavitelju, omogoča obračunavanje porabe električne energije po dejanski mesečni porabi. Sodelovanje v programih prilagajanja odjema omogoča odjemalcem, da si s premikom svoje porabe v čas nižjih cen znižajo stroške za električno energijo. Na dolgi rok bo celoten koncept prispeval k nižjim cenam električne energije, zaradi manjših vlaganj v nove proizvodne kapacitete, nadgradnje omrežij in optimizacije poslovanja dobaviteljev (Hamilton in sod., 2012). Odjemalci bodo verjetno pripravljeni sodelovati pri vzpostavitvi koncepta pametnih omrežij in programov prilagajanja odjema, v kolikor bo interakcija z njihovega vidika enostavna, dostopna in ne bo negativno vplivala na njihov življenjski slog. Kljub možnostim sprotnega spremljanja porabe, ki jih omogoča uporaba pametnih števcev, obstaja vprašanje, koliko časa dnevno ali tedensko so odjemalci resnično pripravljeni posvetiti spremljanju in prilagajanju porabe. Večina bo verjetno k stvari pristopila po principu»nastavi in pozabi«, kar pomeni, da bo delovanje naprav nastavila na začetku v skladu s svojimi preferencami glede udobja, okoljskih in finančnih vidikov, nastavitve morda občasno prilagodila, sicer pa pustila, da naprave delujejo samodejno in v skladu z nastavitvami prilagajajo svoje delovanje signalom iz omrežja ob zanje nezmanjšanem nivoju udobja ("The Smart Grid: An introduction," 2009, str. 20). Energetski cilji EU so zastavljeni predvsem z željo po večji energetski neodvisnosti, zanesljivosti oskrbe in varovanju okolja ("Načrt za energetsko učinkovitost 2011," 2011). 40

58 Čeprav mnogo odjemalcev razume pomen zastavljenih ciljev in posrednih koristi zanje, na njihove navade glede rabe energije vplivajo predvsem želja po večjem udobju, priročnosti, finančnih prihrankih in bistveno manj vidik vzdrževanja, investicij in zanesljivosti omrežja ali zmanjšanje emisij toplogrednih plinov (Hauser & Crandall, 2012, str. 119). Koristi za okolje odjemalci običajno odobravajo, vendar le kot stranski rezultat energetske učinkovitosti. Ob tem se odjemalci običajno sicer počutijo dobro, kar dojemajo kot odraz svoje okoljske ozaveščenosti, vendar pa to samo po sebi ne predstavlja zadostnega razloga, da bi se odločili za investicijo v učinkovitejše gospodinjske aparate, naprave ali potrebno tehnologijo za sodelovanje v programih prilagajanja odjema (Mert in sod., 2008, str. 30). Chamberlin and Herman (1996) sta tako že pred skoraj dvema desetletjema predlagala, da bi odjemalce spodbudili k sodelovanju z dopolnilnimi storitvami k prilagajanju odjema, ki bi povečale udobje in priročnost. Nekateri avtorji (npr. (Balta-Ozkan in sod., 2013a; Harper-Slaboszewicz in sod., 2012, str. 727,728; Nair & Zhang, 2009) vidijo možnost v povezavi z avtomatizacijo doma in drugimi pametnimi funkcionalnostmi ter storitvami, ki jih omogočajo. Čeprav se zdi povezava praktično vsakega kotička stanovanja s pomočjo komunikacijskih tehnologij v pametno omrežje skoraj neizogibna, pa obstaja določen razkorak med tem, kaj odjemalci dejansko želijo in tem, kaj od njih pričakujejo elektroenergetska podjetja in ponudniki rešitev za pametni dom. Slednji namreč pričakujejo, da bodo gospodinjstva postopoma investirala v funkcionalnost pametnega doma z nakupom pametnih naprav in gospodinjskih aparatov ter namestitvijo sistemov za avtomatizacijo doma (Harper- Slaboszewicz in sod., 2012, str. 724,725). Kot bomo videli v nadaljevanju, vprašanje o tem, koliko so gospodinjski odjemalci resnično pripravljeni investirati v celoten koncept za enkrat, ostaja v veliki meri še odprto. Kljub vsem omenjenim neposrednim in posrednim koristim ter možnim rešitvam s katerimi bi programe prilagajanja porabe približali končnim odjemalcem, vsi v njih verjetno ne bodo želeli sodelovati (Hamilton in sod., 2012, str. 746). Nekateri zaradi pomislekov glede zasebnosti, ne odobravajo, da bi elektroenergetska podjetja nadzorovala njihove naprave in aparate iz strahu pred višjimi stroški za električno energijo (Harper- Slaboszewicz in sod., 2012, str. 745). Glede na trenutno zakonodajo EU sodelovanje za gospodinjstva ni obvezno, temveč predvideva nagrajevanje v zameno za prilagajanje svoje porabe. To pomeni, da je gospodinjskim odjemalcem o tem prepuščena popolnoma prosta odločitev (Prilagajanje odjema, 2012, str. 15,16). Razprava o prednostih vpeljave pametnih omrežij že dalj časa poteka med elektroenergetskimi podjetji in regulatorji, medtem ko končni odjemalci vanjo do nedavnega niso bili vključeni. Vendar pa je za uspešno vpeljavo novih tehnologij in izvedbo programov prilagajanja odjema ključno tudi pozitivno sprejemanje in dojemanje prednosti le-teh pri končnih odjemalcih (Hamilton in sod., 2012, str. 774). Pregled odzivov 41

59 odjemalcev vključenih v različne pilotske projekte in hipotetične eksperimente bomo predstavili v naslednjem podpoglavju ter jih primerjali z rezultati teoretičnih analiz in simulacij. 3.7 Analiza pilotskih projektov in raziskav povezanih s konceptom pametnega merjenja, prilagajanja odjema in storitev pametnega doma Pametni števci in pametne naprave Pepermans (2011) v raziskavi, opravljeni med flamskimi gospodinjstvi, ugotavlja, da so potrošniki pripravljeni investirati v pametne števce. V povprečju so pripravljeni plačati za 1 % prihranka na letni ravni porabe energije med 0 in 67 evri. Rezultati kažejo, da odjemalci pozitivno vrednotijo funkcionalnost pametnega števca, ki bi jim omogočala nastavitev samodejnega izklopa električnih naprav (npr. televizorja), ki je že dalj časa v mirovanju. Odvisno od uporabljenega ekonometričnega modela so odjemalci za takšno funkcionalnost pripravljeni odšteti od 46 do 91 EUR več v primerjavi s števcem, ki omogoča le možnost spremljanja porabe. Nasprotno rezultati kažejo, da so odjemalci indiferentni do funkcionalnosti, ki omogoča samodejno upravljanje naprav glede na spreminjajoče se cenovne signale. Gospodinjstva skrbi tudi vidik zasebnosti pri pametnih števcih. Gerpott in sod. (2013) so raziskovali vpliv na pripravljenost za plačilo za pametne števce v Nemčiji. Preučevali so 5 dejavnikov, in sicer: pričakovane prihranke, koristnost podatka o porabi, okoljsko ozaveščenost, namero o spremembi načina porabe in zaupanje v varnost podatkov. Vseh pet dejavnikov se je izkazalo, da je njihov vpliv na pripravljenost za plačilo statistično značilen. Največji je bil vpliv zadnjih dveh dejavnikov. Na osnovi dobljenih rezultatov je moč izračunati, da so odjemalci pripravljeni plačati za pametni števec približno 20 EUR v obliki enkratnega investicijskega stroška in manj kot 0,5 EUR/mesec v obliki mesečne naročnine. Vidika zasebnosti in varnosti podatkov so izpostavili tudi Balta-Ozkan in sod. (2013b) v svoji raziskavi o družbenih preprekah, ki omejujejo vpeljavo pametnih domov. Javne delavnice so pokazale, da predstavljajo glavne ovire pri odločitvi gospodinjstev za avtomatizacijo doma: strah pred izgubo nadzora, zanesljivost, dojemanje tehnologij pametnega doma kot nekaj posebnega in nepomembnega ter visoki stroški namestitve. V sklopu EIE projekta, ki ga je financirala Evropska komisija (Mert in sod., 2008), so proučevali odnos odjemalcev do pametnih naprav v petih evropskih državah, tudi Sloveniji. Rezultati telefonskih intervjujev in fokusnih skupin (v nekaterih državah) so v 42

60 vseh državah pokazali pozitiven odnos gospodinjskih odjemalcev do pametnih naprav. Na splošno so potrošniki pripravljeni kupiti pametne naprave, če le-te ne bi stale več ali le malenkost več kot klasične (npr. 5 do 25 EUR na napravo). Pripravljeni bi bili sprejeti tudi dodatne stroške v vrednosti 100 EUR za namestitev pametnih števcev. Kljub temu, da za večino odjemalcev glavni dejavnik nakupa pametnih gospodinjskih aparatov predstavlja vidik finančne koristi (Mert in sod., 2008), pa so Gottwalt in sod. (2011) na podlagi simulacijskega modela ugotovili, da posamezno gospodinjstvo lahko pričakuje dokaj majhne koristi od naložbe v pametne naprave, če upoštevamo samo vidik prihrankov. Zlasti v začetku prihranki pri računu za električno energijo zaradi sodelovanja v programih prilagajanja odjema komaj presegajo stroške povezane z naložbo v pametne naprave, zaradi česar je le-ta neprivlačna. Iz navedenega sledi, da bosta na odločitev gospodinjstev za naložbo v pametne naprave vplivala predvsem vidika za uporabo naprav povezanega z udobjem in priročnosti. Kljub temu pa pametne naprave pripomorejo k prilagodljivosti bremen odjema gospodinjskih odjemalcev, kar omogoča izravnavo odjema s proizvodnjo v distribucijskih omrežjih z velikim deležem energije iz obnovljivih virov Prilagajanje odjema in dodatne storitve Glavni motivacijski faktor gospodinjstev za sodelovanje v pilotskih projektih so bili prihranki pri mesečnem računu. Tako je odgovorilo kar 86 % udeležencev projekta CL&P Pilot in 73 % udeležencev projekta PowerCentsDC Trial. Sledijo okoljski dejavniki (varovanje okolja in zmanjševanje emisij toplogrednih plinov) 67 % jih je tako odgovorilo v okviru projekta CL&P Pilot in skoraj pol manj, 34 %, v okviru projekta PowerCents DC Trial. Slednji so kot pomemben dejavnik opredelili še preizkus uporabe pametnih omrežij (34 %) in pomoč snovalcem politik (32 %) ("Demand Side Response in the domestic sector - a literature review of major trials," 2012, str. 32,33). Primerjava rezultatov 23 pilotskih projektov (glej Tabela 2) kaže, da je s stališča nižanja koničnega odjema najprimernejše kritično konično tarifiranje. Odjemalci so v povprečju dosegli med 7 in kar 45 % zmanjšanje odjema v času kritične konične tarife. Sledijo kritični konični rabati, kjer je opaziti bolj homogeno zmanjšanje konic med različnimi projekti (6-21 %). Najmanj k izravnavi konic prispeva obračunavanje po večtarifnih sistemih (0 12 %). Do podobnih ugotovitev so se dokopali tudi pri podobni raziskavi podjetja VaasaETT (Stromback in sod., 2011, str. 21), kjer so primerjali rezultate približno 100 pilotskih projektov (nekateri sovpadajo s prej omenjenim pregledom). V največji meri so znižali porabo v času koničnega odjema odjemalci s kritičnim koničnim tarifiranjem (16 %), odjemalci s kritičnim koničnimi rabati in spremenljivim urnim cenikom so zmanjšali porabo za 12 % in odjemalci z večtarifnim načinom obračunavanja, 5 % (glej sliko 9). 43

61 Slika 9: Znižanje koničnega odjema v primeru različnih tarifnih sistemov 18% 16% 16% Znižanje konice (%) 14% 12% 10% 8% 6% 4% 12% 12% 5% 2% 0% Kritično konično tarifiranje (N=215) Kritični konični rabati (N=69) Spremenljivi urni tarifni sistem (N=16) Večtarifni sistemi (N=15) Legenda: N velikost vzorca Vir: J. Stromback in sod., The potential of smart meter enabled programs to increase energy and systems efficiency: a mass pilot comparison, 2011, str. 21 Pri večini pilotskih projektov so se osredotočili predvsem na sistemski vidik, torej vidik izravnave konic, in bistveno manj na vidik odjemalcev in prihrankov pri mesečnem računu, ki so jih dosegli v posameznem projektu. V sklopu tistih pilotskih projektov, za katere so podatki na voljo, je imelo nižje stroške za električno energijo kar med 55 in 100 % odjemalcev (odvisno od tarifnega sistema) ("Demand Side Response in the domestic sector - a literature review of major trials," 2012, str. 33,34). Največje prihranke so dosegli odjemalci, ki se jim je poraba električne energije obračunavala po spremenljivem urnem tarifnem sistemu (v povprečju 13 %), več kot polovico manj (6 %), odjemalci s kritičnem koničnim tarifiranjem, 5 % odjemalci, ki se jim je poraba električne energije obračunavala po večtarifnih sistemih in najmanj, le 3 % odjemalci s kritičnimi koničnimi rabati (glej sliko 10) (Stromback in sod., 2011, str. 22). Vendar pa se doseženi prihranki močno razlikujejo med posameznimi pilotskimi projekti. Na primer, v okviru projekta PowerCentsDC ("PowerCentsDC Program Final Report," 2010) so uspeli odjemalci, ki se jim je poraba električne energije obračunavala po spremenljivem urnem ceniku, v povprečju prihraniti kar 39 %, svoj mesečni račun pa so znižali prav vsi odjemalci, ki se jim je poraba obračunavala po tem tarifnem sistemu. 44

62 Slika 10: Doseženi prihranki pri mesečnem računu za električno energijo 14% 13% 12% Znižanje računa (%) 10% 8% 6% 4% 6% 5% 3% 2% 0% Spremenljivi urni tarifni sistem (N=7) Kritično konično tarifiranje (N=5) Večtarifni sistemi (N=13) Kritični konični rabati (N=6) Legenda: N velikost vzorca Vir: J. Stromback in sod., The potential of smart meter enabled programs to increase energy and systems efficiency: a mass pilot comparison, 2011, str. 22 Pri primerjavi pilotskih projektov z različnimi tarifnimi sistemi (navadnim večtarifnim sistemom, kritičnim koničnim tarifiranjem in kritičnimi koničnimi rabati) lahko ocenimo, kako pomen moči signala vpliva na prilagajanje odjema. Večje kot je razmerje med ceno v času konice in časom izven konice, močnejši je cenovni signal. Če primerjamo različne pilotske projekte med seboj, lahko ugotovimo, da velikost razmerja med ceno v času konic in izven konic ne pojasni v celoti variiranja odzivov odjemalcev. Navedeno pomeni, da med velikostjo razmerja med ceno v času konice in v času izven konice ter doseženim zmanjšanjem porabe v času konic ni povsem jasne povezave ("Demand Side Response in the domestic sector - a literature review of major trials," 2012, str. 21). Podobno sta ugotovila tudi Faruqui in Palmer (2012), ki sta primerjala podatke 74 različnih kombinacij tarifnih sistemov in pametnih naprav ter drugih tehnologij na podlagi 9 pilotskih projektov prilagajanja odjema. Njuna raziskava kaže, da velikost razmerja med ceno v času konice in času izven nje pojasni le polovico variance znižanja končnega odjema (pri večtarifnem sistemu, kritičnem koničnem tarifiranju in kritičnih koničnih rabatih). To pomeni, da na znižanje koničnega odjema vpliva več dejavnikov in ne zgolj razmerje v ceni. Po ugotovitvah obširne raziskave podjetja VaasaETT (Stromback in sod., 2011, str. 57), v okviru katere so pregledali kar 100 pilotskih projektov v meta raziskavi o pilotskih projektih prilagajanja odjema, je bilo zmanjšanje koničnega odjema med 60 in 200 % večje ob samodejnem odzivanju naprav na cenovne signale ali direktnem krmiljenju bremen v 45

63 primerjavi z ročnim odzivanjem odjemalcev (za obračunavanje so bili uporabljeni večtarifni sistem, kritično konično tarifiranje in kritični konični rabati). Pri kritičnem koničnem tarifiranju je bil konični odjem pri avtomatizaciji manjši za 31 % v primerjavi s 16 % v primeru ročnega odzivanja, pri kritičnih koničnih rabatih se je konični odjem znižal za 20 % v primeru avtomatizacije in 12 % sicer, ter v primeru večtarifnih sistemov 16 % pri avtomatizaciji in 5 % pri ročnem odzivanju odjemalcev. Na sliki 11 so razlike grafično prikazane. Rezultati raziskave, ki sta jo opravila Faruqui in Sergici (2010), prav tako kažejo, da je zmanjšanje odjema v konicah znatno večje pri uporabi pametnih naprav in avtomatizacije, kot sicer (ugotovitve prav tako veljajo za večtarifni sistem, kritično konično tarifiranje in kritične konične rabate). Slika 11: Vpliv avtomatizacije na znižanje koničnega odjema 35% 30% 25% 20% 15% 10% S samodejnim odzivanjem Brez samodejnega odzivanja oz. "ročno" 5% 0% Spremenljivi urni tarifni sistem Kritično konično tarifiranje Večtarifni sistemi Kritični konični rabati Vir: J. Stromback in sod., The potential of smart meter enabled programs to increase energy and systems efficiency: a mass pilot comparison, 2011, str Dopolnilne storitve Številni pilotski projekti so pokazali, da sprotno spremljanje porabe v realnem času preko namenskega zaslona prinese v povprečju 2 do 18 % prihranek energije (Faruqui in sod., 2010; Gans, Alberini in Longo, 2011; Raw & Ross, 2011). S kombinacijo prikaza na prikazovalniku porabe in zgodovino porabe, preprostimi nasveti o varčevanju z energijo in dinamičnimi cenami so prihranki energije celo večji. 46

64 Do podobnih rezultatov so prišli tudi v okviru pilotnega projekta EnergyWise Meter Pilot, ki ga je izvedlo podjetje Connexus Energy. Gospodinjstva, ki so uporabljala le prikazovalnike porabe in pametne termostate brez spremembe tarifnega sistema so porabili v povprečju 15 % manj energije v konicah v primerjavi s kontrolno skupino gospodinjstev (Ivanov, Getachew, Fenrick in Vittetoe, 2013). Rezultati pilotskih projektov tudi kažejo, da so gospodinjstva, ki so bila opremljena z namenskimi prikazovalniki porabe, uspeli privarčevati več kot tisti, ki so porabo spremljali preko spletnega portala (Stromback in sod., 2011). V nekaterih primerih, pa spremljanje porabe preko spletnega portala za dan nazaj (z enodnevnim zamikom) ni imelo nobenega vpliva na porabo energije (angl. Energy Demand Research Project)(Raw in Ross, 2011). Kaufmann in sod. (2013) so preučevali, kakšno vrednost predstavlja pametni števec skupaj z drugimi dopolnilnimi pametnimi storitvami švicarskim gospodinjskim odjemalcem. Ugotovili so, da so slednji pripravljeni plačati več za pakete storitev, ki vključujejo storitev sprotnega spremljanja porabe v realnem času (0,9 do 1,3 EUR na mesec), programske in usmerjevalne storitve (1,1 EUR/mesec), obračunavanje porabe po dejanski mesečni porabi (2 EUR/mesec) in varnost doma (0,7 EUR/mesec). Večina odjemalcev preferira sprotno spremljanje porabe v realnem času preko namenskih prikazovalnikov v primerjavi s spremljanjem preko spletnega portala ali mobilnih naprav. Podobno raziskavo na podlagi eksperimenta diskretne izbire so opravili tudi na Japonskem in ugotovili, da potrošniki sicer pozitivno vrednotijo vizualizacijo porabe električne energije, vendar so v povprečju pripravljeni plačati samo okrog 0,5 EUR/mesec za namenski prikazovalnik porabe in približno 0,8 EUR/mesec za prikaz nasvetov o varčni rabi energije (Ida in sod., 2012). V obsežni raziskavi ("Actionable Insights for the New Energy Consumer," 2012), izvedeni v 19 državah v treh zaporednih letih ( ), so preučevali vrednote odjemalcev glede električne energije ter drugih energetskih in ne-energetskih proizvodov in o storitvah dobaviteljev elektrike. Približno polovica odjemalcev, ki ni bila deležna dodatnih storitev s strani svojega dobavitelja električne energije, je pokazala zanimanje za storitev namestitve in/ali vzdrževanja hišnih električnih naprav (npr. termostatov, peči, grelnikov vode, klimatskih naprav) in naprave ali storitve povezane z avtomatizacijo upravljanja s porabo energije glede na njihove preference (npr. oddaljen nadzor in avtomatizacija ogrevanja stanovanj in nekaterih gospodinjskih aparatov) Sklepi Na podlagi pregleda pilotskih projektov in obstoječih raziskav lahko oblikujemo naslednje zaključke: odjemalci se pozitivno odzivajo na cenovne signale; 47

65 nespremenljivi večtarifni sistemi najmanj prispevajo k izravnavi konic, vendar pa je njihov učinek prisoten dnevno, medtem ko se kritično konično tarifiranje in kritični konični rabati odrazijo v največjem znižanju koničnega odjema, vendar le ob kritičnih dogodkih; samodejno odzivanje naprav na signale iz omrežja znatno poveča učinke programov prilagajanja odjema; z uporabo funkcionalnosti pametnega doma povezanih z energijo lahko gospodinjstva prihranijo znatne prihranke; potencial spletnih storitev za zmanjševanje porabe električne energije je manjši kot v primeru sprotnega spremljanja porabe preko namenskih prikazovalnikov ali celo redko dosežen; gospodinjstva so pripravljena investirati v pametne števce in pametne naprave ter pristopiti k storitvam, ki zahtevajo mesečno naročnino; finančni prihranki sami po sebi morda niso edini ali zadosten dejavnik, ki bi vplival na odločitev o investiranju v funkcionalnosti pametnega doma. 48

66 Tabela 2: Pregled pilotskih projektov z inovativni tarifni sistemi Pilotski projekt Obdobje Država Število udeležencev Povprečno zmanjšanje odjema v času konic Večtarifni sistemi (glede na čas porabe) Razmerje v ceni konične in ceni izven konično tarife (približno) California State-wide Pricing Pilot ZDA % 200% CL&P Pilot 2009 ZDA % % PG&E's Trial ZDA % varied Ireland Electricity Smart Metering Irska % % Behaviour Trials Ontario Smart Price Pilot Kanada 124 0% 140% mypower Trial ZDA % 187% Energy Demand Research Project Velika 194 (EdF Energy). različno 165% Trials Britanija (SSE) Norway EFFLOCOM Trial Norveška 237 < 10% - Northern Ireland Powershift trial Severna 100 minimalno 267% Irska Integral Energy Trial Avstralija Xcel Energy Trial ZDA vseh skupaj 5,19% (z AC) 10.63% (brez AC) - Florida Gulf Power Select Programme od leta 2000 dalje ZDA 49 Ni podatka za ToU 2300 na CPP Ni podatka za ToU, 22% pri CPP odjemalcih 266% pri CPP ob nekritičnih Se nadaljuje

67 Pilotski projekt Obdobje Država Število udeležencev Povprečno zmanjšanje odjema v času konic izven konice Idaho DSR trial ZDA 85 0% 184% Missouri CPP trial ZDA 91 0% 349% Razmerje v ceni konične in ceni izven konično tarife (približno) dneh PSE's ToU tria ZDA gospodinjski in mali poslovni odjemalci 5% - Kritično konično tarifiranje California State-wide Pricing Pilot ZDA 827 (CPP-s fiksnim kritičnim časom) 234 (CPP-s spremenljivim kritičnim časom) 13% - CL&P Pilot 2009 ZDA % % Integral Energy Trial) Avstralija % 2008% Energy Australia Trial Avstralija ~750 7% 3636% PG&E Trial ZDA ~ na SmartRate 14-15% različno BGE Pricing Pilot 2008 ZDA % 1444% ETSA Utilities Trials Avstralija mypower Trial ZDA % 850% Ontario Smart Price Pilot Kanada % 400% 50 Se nadaljuje

68 Pilotski projekt Obdobje Država Število udeležencev Povprečno zmanjšanje odjema v času konic Razmerje v ceni konične in ceni izven konično tarife (približno) PowerCentsDC Trial ZDA % 688% OG&E Trial 2010 ZDA % 1095% EdF Tempo Tariff Francija % - Xcel Energy Trial ZDA (sodelujočih v celotnem projektu) Brez klimatske naprave: 32% pri CPP, 15% pri CPP-ToU S klimatsko napravo: 38% pri CPP, 29% pri CPP-ToU - Florida Gulf Power Select Programme od leta 2000 dalje ZDA % 829% Idaho DSR Trial ZDA kW med konicami 370% Missouri CPP Trial ZDA 87 12% (2004) 13% (2005) 625% Kritični konični rabati CL&P Pilot 2009 ZDA % - BGE Pricing Pilot 2008 ZDA % % Ontario Smart Price Pilot Kanada % 400% PowerCentsDC Trial ZDA % 682% Anaheim Critical Peak Rebate Trial 2005 ZDA 71 12% 519% za porabnike, ki 51 Se nadaljuje

69 Pilotski projekt Obdobje Država Število udeležencev Povprečno zmanjšanje odjema v času konic Legenda: ToU večtarifni sistem (nespremenljivi, določen glede na čas v dnevu, tednu ali letu) CPP kritično konično tarifiranje AC klimatska naprava Razmerje v ceni konične in ceni izven konično tarife (približno) porabijo manj kot 240kWh mesečno 52

70 4 OCENJEVANJE VREDNOSTI MERIL KORISTNOSTI 4.1 Merila vrednosti koristnosti Monetarna merila vrednosti blaginje za različne dobrine so nujno potrebna za ustrezno analizo stroškov in koristi v ekonomiki blaginje. Tradicionalno je analiza stroškov in koristi odločilna pri obveščanju oblikovalcev politik o potencialnih neto koristih, povezanih s spremembami cen (npr. davki, subvencije ipd.), ki jih vključujejo različne politike (Jaramillo, 2009). Koncepta pripravljenosti za plačilo (angl. Willingness to pay, krat. WTP) in pripravljenost sprejeti nadomestilo (angl. Willingness to Accept (compensation), krat. WTA) najenostavneje razložimo z s pomočjo funkcij koristnosti. Naj bo uu(xx, qq) funkcija koristnosti potrošnika, kjer xx predstavlja vektor 3 zasebnih dobrin in qq dobrino/-e, ki je/so predmet opazovanja. Odvisno od konteksta, qq lahko predstavlja zgolj eno dobrino in je v tem primeru skalar, ali več (oz. skupek) dobrin in je tako vektor 4. Cene zasebnih dobrin xx so znane in podane v obliki vektorja pp (Bateman & Willis, 2001). Privzemimo, da za uu(xx, qq) velja, da je zvezna in nepadajoča v vseh argumentih in strogo kvazi-konkavna v xx. Če potrošnik dobrino qq pojmuje kot»dobro«(torej, zanj predstavlja pozitivno koristnost) potem je uu(xx, qq) naraščajoča v qq, če jo pojmuje kot»slabo«(torej zanj predstavlja negativno koristnost) je uu(xx, qq) padajoča v qq in če je do nje indiferenten je uu(xx, qq) neodvisna od qq (Richard T. Carson & Hanemann, 2005, str. 845). Potrošnik maksimira svojo funkcijo koristnosti glede na razpoložljiv dohodek, mm. Pripadajočo indirektno funkcijo koristnosti tako lahko zapišemo kot (Richard T. Carson & Hanemann, 2005, str. 845; Haab & McConnell, 2002, str. 5): VV(pp, qq, mm) = max xx {uu(xx, qq) pp xx mm}. (4.1) Na podlagi predpostavk, ki smo jih naredili o uu(xx, qq), za VV(pp, qq, mm) torej velja, da je homogena stopnje 0 v pp in mm ter nenaraščajoča in kvazikonveksna v pp. Dualna indirektni funkciji je izdatkovna funkcija, ki jo določimo kot (Haab & McConnell, 2002, str. 5): ee(pp, qq, mm) = min xx {pp xx uu(xx, qq) uu}. (4.2) 3 Za zapis vektorjev bomo v tej disertaciji uporabili krepke črke. 4 V našem primeru bomo v enačbah qq navajali kot skalar. 53

71 Indirektna funkcija koristnosti in izdatkovna funkcija nudita teoretično ogrodje za ocenjevanje blaginje. Dve točni merili učinkov blaginje kot posledice spremembe v ceni je predlagal Hicks (1941, 1943, 1956), temelječi na področjih pod Hicksovo krivuljo povpraševanja. Prvo, pri kateri vzamemo za izhodišče indirektne funkcije koristnosti začetno stanje oz. nivo (uu 0 ), imenujemo kompenzirajoče mere variabilnosti (angl. Compensating Variation - CC), drugo, pri kateri pa vzamemo za izhodišče indirektne funkcije koristnosti končno stanje oz. nivo (uu 1 ), pa imenujemo ekvivalentne mere variabilnosti (angl. Equivalent Variation - E). Kompenzirajočo (C) in ekvivalentno (E) mero variabilnost lahko v primeru spremembe cen pp (predpostavimo znižanje cen) in nespremenjenem dohodku mm zapišemo kot (Richard T. Carson & Hanemann, 2005, str. 845; Haab & McConnell, 2002, str. 7,8; McConnell, 1990): VV(pp 11, qq, mm CC) = VV(pp 00, qq, mm) (4.3) VV(pp 00, qq, mm + EE) = VV(pp 11, qq, mm). Obe merili lahko izrazimo tudi s pomočjo izdatkovne funkcije: CC = ee(pp 00, qq, VV 0 ) ee(pp 11, qq, VV 0 ) EE = ee(pp 00, qq, VV 1 ) ee(pp 11, qq, VV 1 ), (4.4) kjer VV 0 in VV 1 predstavljata indirektni funkciji koristnosti VV 0 (pp 00, qq, mm) in VV 1 (pp 11, qq, mm), qq predstavlja dobrino, ki maksimira funkcijo koristi, pp 0 je vektor začetnih cen, pp 1 vektor končnih cen po spremembi in mm, ki predstavlja nivo dohodka. Pogosto nas bolj kot učinek spremembe cene na blaginjo zanima, kako na blaginjo vpliva sprememba količine dobrine. Oblikovalci politik navadno želijo ovrednotiti stroške in koristi predlaganih projektov, programov ter učinke na blaginjo v primeru zagotavljanja oz. ne zagotavljanja dobrine. To so pogosti cilji v teoriji netržnih vrednotenj, kjer podatki o obnašanju na trgu glede na cene ali količino niso na voljo (Jaramillo, 2009, str. 49). Karl-Goran Mäler (1974) je prvi pokazal, da je možno koncepta C in E, s katerima sicer merimo učinke ob spremembi cene, prilagoditi za merjenje vpliva spremembe količine na blaginjo. Na tem mestu lahko formalno določimo C in E za spremembo v količini. Osredotočimo se za enkrat zgolj na eno dobrino, qq, ki predstavlja npr. nov tehnološki proizvod, ki ga še ni na trgu. Spremljamo učinek spremembe stanja qq na blaginjo - iz stanja, ko posameznik dobrine nima, v stanje, ko dobrino ima (ali obratno). To spremembo stanja označimo kot prehod s qq 0 k qq 1. Cene zasebnih dobrin pp in dohodek mm ob tem ostanejo nespremenjeni. Korist posameznika se tako spremeni iz VV 0 (pp, qq 0, mm) v VV 1 (pp, qq 1, mm), pri čemer velja, da je VV 1 > VV 0, če sprememba predstavlja prehod na boljše, VV 1 < VV 0, če spremembo predstavlja prehod na slabše ter VV 1 = VV 0, če je posameznik neopredeljen do spremembe. 54

72 Če sledimo zapisu Carsona in Hanemanna (2005, str. 845), lahko merili C in E ob spremembi stanja qq izrazimo z indirektno funkcijo koristnosti kot: VV(pp, qq 1, mm CC) = VV(pp, qq 0, mm) (4.5) VV(pp, qq 0, mm + EE) = VV(pp, qq 1, mm) ali izdatkovno funkcijo kot: CC = ee(pp, qq 0, VV 0 ) ee(pp 00, qq 1, VV 0 ) EE = ee(pp, qq 0, VV 1 ) ee(pp 00, qq 1, VV 1 ). (4.6) V tem primeru merili CC in EE predstavljata monetarni vrednosti, pri katerih je posameznik neopredeljen do situacije, kjer si lasti dobrino (qq 1 ) in situacije, kjer dobrine nima (qq 0 ). Pri merilu C izhodišče predstavlja stanje, v katerem posameznik nima dobrine, medtem ko pri merilu E izhodišče predstavlja stanje, v katerem dobrino ima. Če sprememba predstavlja izboljšavo oz. prehod na bolje VV 1 > VV 0, potem velja, da sta CC > 0 in EE > 0. V tem primeru CC predstavlja posameznikovo maksimalno pripravljenost za plačilo, da bi se sprememba zgodila in EE njegova pripravljenost sprejeti minimalno nadomestilo, da bi se spremembi odpovedal (glej tabelo 3). V nasprotnem primeru, kjer sprememba predstavlja prehod na slabše, VV 1 < VV 0, velja da sta CC < 0 in EE < 0. V tem primeru merilo CC predstavlja najmanjši znesek, ki ga je posameznik pripravljen sprejeti kot nadomestilo za uveljavitev spremembe (torej min WTA) in EE najvišji znesek, ki ga je pripravljen plačati, da do spremembe ne bi prišlo (torej njegova maksimalna pripravljenost za plačilo max WTP) (Richard T. Carson & Hanemann, 2005, str. 845). Tabela 3: Razmerje med kompenzirajočimi merami variabilnosti, ekvivalentnimi merami variabilnosti, WTP in WTA Ekvivalentna mera variacije Kompenzirajoča mera variacije Koristnost narašča WTA WTP Koristnost pada WTP WTA Vir: T. C. Haab in K. E. McConnell, Valuing environmental and natural resources: the econometrics of nonmarket valuation, 2002, str. 7, tabela 1.1 Kljub temu, da so definicije popolnoma skladne in mere variabilnosti starejše, sta se z razširjenostjo uporabe kontingenčnega vrednotenja danes uveljavila predvsem termina pripravljenost za plačilo (WTP) in pripravljenost sprejeti nadomestilo (WTA). V skladu z zgornjim opisom lahko torej definiramo oba koncepta na naslednji način (Haab & McConnell, 2002, str. 6): 55

73 Pripravljenost za plačilo (ang. Willingness to Pay - WTP) je najvišji znesek, ki ga je posameznik pripravljen plačati za izboljšanje stanja oz. maksimalni znesek, ki ga je pripravljen plačati, da se izogne poslabšanju stanja. Pripravljenost sprejeti nadomestilo (angl. Willingness to Accept (compensation) WTA) je minimalni znesek, ki ga je posameznik pripravljen sprejeti za poslabšanje stanja, oziroma minimalni znesek, ki ga je pripravljen sprejeti, da bi se odpovedal izboljšanju stanja. Obe merili torej predstavljata znesek (ki ga je posameznik pripravljen plačati ali sprejeti v obliki nadomestila) izražen v monetarnih enotah (npr. EUR) ob katerem je ta indiferenten med»statusom quo«in spremembo stanja (Haab & McConnell, 2002; Whitehead & Blomquist, 2006). Pri tržni menjavi gre za najugodnejšo ponudbo kupca in izklicno oz. rezervacijsko ceno prodajalca. V nadaljevanju bomo predstavili več metod, s katerimi je primeru spremembe količine mogoče neposredno oceniti pripravljenost za plačilo in pripravljenost sprejeti nadomestilo Dilema in implikacije uporabe meril koristnosti V kolikor zanemarimo učinek dohodka in če pripravljenost za plačilo predstavlja relativno majhen delež dohodka, bi morala biti pripravljenost za plačilo in pripravljenost sprejeti nadomestilo približno enaka (A. Alberini & J. Cooper, 2000). Kljub temu je v številnih raziskavah možno zaslediti, da za iste dobrine v istih okoliščinah pripravljenost sprejeti nadomestilo znatno presega zneske pripravljenosti za plačilo. Mnogokrat celo pri izdelkih in storitvah z relativno majhnimi nominalnimi vrednostmi za toliko, da že intuicija pove, da gre za neskladje. V večini primerov, v katerih so uporabljene metode izraženih preferenc (angl. stated preference method), naj bi bila razlika med pripravljenostjo sprejeti nadomestilo (WTA) in pripravljenostjo za plačilo (WTP) kot to narekuje teorija, majhni. Razlika med meriloma naj bi bila odvisna od vpliva dohodkovne elastičnosti povpraševanja na pripravljenost za plačilo oz. z drugimi besedami odvisnosti pripravljenosti za plačilo glede na spremembo dohodka. Ekonomska teorija namreč pravi, da je elastičnost odvisna od elastičnosti zamenjave med denarjem in dobrino, ki je predmet raziskave. Kako velika je elastičnost, pa je empirično vprašanje (Bateman in sod., 2002). Ekonomski teoriji navkljub sta Horowitz in McConnel (2002) pri pregledu 45 raziskav ugotovila, da je razmerje med pripravljenostjo sprejeti nadomestilo in pripravljenostjo za plačilo (v nadaljevanju razmerje WTA/WTP) pri navadnih zasebnih dobrinah nekoliko manjše od 3 in v primeru javnih in netržnih dobrin celo večje od 10. V nadaljevanju ugotavljata, da bližje kot je dobrina, ki je predmet raziskave oz. vrednotenja»navadni zasebni dobrini«, oz. čim enostavneje jo anketiranci pretvorijo v monetarno vrednost (npr. v primeru loterijske srečke), tem manjše 56

74 je razmerje med pripravljenostjo za plačilo in pripravljenostjo sprejeti nadomestilo. Anomalija je poudarjena na podlagi empiričnih rezultatov, ki so bili pridobljeni z modelov obnašanja (ang. behaviour models), pri katerih običajno ni pomembnih razlik med pripravljenostjo za plačilo in pripravljenostjo sprejeti nadomestilo (Haab & McConnell, 2002, str. 8,9). V literaturi sta podani dve razlagi za omenjeno anomalijo. Prva izhaja iz psihološkega modela znanega iz teorije pričakovanj (angl. prospect theory), ki izpostavlja nenaklonjenost oz. strah pred izgubo (angl. loss aversion), po kateri posamezniki sprejemajo svoje odločitve glede na neto relativno spremembo»statusa quo«(začetnega stanja) in ne na njihovo blagostanje po in pred spremembo. Ta razlaga opušča neoklasično funkcijo koristnosti kot osnovo za izbiro in obravnava pripravljenost za plačilo ter pripravljenost sprejeti nadomestilo kot lastnost preferenc (Haab & McConnell, 2002, str. 8,9). Posamezniki tako lahko pripišejo večjo težo tako izgubi kot pridobitvi (Anna Alberini & Joseph Cooper, 2000). Druga razlaga, ki temelji na neoklasični funkciji koristnosti in ki jo je najbolj natančno opredelil Hanemann (1991), pojasnjuje razliko med pripravljenostjo za plačilo in pripravljenostjo sprejeti nadomestilo kot nezmožnost zamenjave med zasebnimi in javnimi dobrinami. Omenjena razlaga v veliki meri lahko pojasni anomalijo v primeru vrednotenja javnih dobrin, vendar pa ne velja za najbolj običajne zasebne dobrine (Haab & McConnell, 2002, str. 9). Kljub določenemu splošnemu prepričanju, da z metodami izraženih preferenc ni možno meriti pripravljenosti za sprejetje nadomestila, saj naj taka oblika vprašanj ne bi bila stimulativna za anketirance, da razkrijejo svoje prave preference 5. Bateman in sod. (2002) svetujejo naj bo izbira WTP ali WTA za vrednotenje odvisna od tega ali sprememba stanja za posameznika pomeni strošek ali korist glede na izhodiščno stanje. V primeru izboljšanja stanja (koristi), je priporočljivo, da uporabimo za merilo WTP, medtem ko v primeru, da sprememba pomeni poslabšanje stanja (strošek), je priporočljivo uporabiti za merilo WTA. Poleg tega pregled obstoječih študij (Horowitz & McConnell, 2002) kaže na to, da stimulativna oblika vprašanj vodi do celo večjega razmerja WTA/WTP in ne manjšega. Navedeno pomeni, da tehnike anketiranja, za katere bi pričakovali, da bodo podale resničnejšo sliko preferenc anketirancev, ne vplivajo na razmerje, oziroma celo vodijo k večjemu razmerju. Horowitz in McConnell zaključita, da razmerje WTA/WTP ni odvisno od same oblike vprašanj, temveč predvsem od tega, kako blizu je predmet vrednotenja navadni zasebni dobrini. Podobno sliko namreč kažejo tudi rezultati dejanskih eksperimentov oz. analize razkritih preferenc (angl. revealed preferences). Razmerje med pripravljenostjo za plačilo in pripravljenostjo sprejeti nadomestilo v dejanskih eksperimentih naj se v povprečju ne bi 5 Posamezna metoda ali tehnika poizvedovanja o preferencah posameznikov je stimulativna (angl. incentive compatible), kadar način poizvedovanja spodbuja posameznike, da resnično in v celoti razkrijejo svoje preference (Harrison, 2007, str. 67).. 57

75 statistično značilno razlikovalo od hipotetičnih eksperimentov, ki analizirajo izražene preference (npr. anketnih vprašalnikov). Zaradi visokega razmerja WTA/WTP so številni raziskovalci sprva odsvetovali uporabo hipotetičnih anketnih vprašalnikov, saj naj ti ne bi bili primerni za oceno preferenc posameznikov. Ugotovitev, da je razmerje enako tako pri dejanskih kot tudi pri hipotetičnih eksperimentih, zavrača pomisleke o ustreznosti hipotetičnih anketnih eksperimentov,vsaj v tej točki (Horowitz & McConnell, 2002). V tem delu uporabljamo obe merili. Kljub določenim pomislekom nekaterih avtorjev smo se odločili uporabiti merilo pripravljenosti sprejeti nadomestilo. Z obliko vprašanja, pri kateri bi gospodinjstva spraševali po tem, koliko več bi bili pripravljeni plačati za dobavo električne energije, da jim ne bi bilo potrebno sodelovati v shemi prilagajanja porabe, bi lahko naleteli na odpor anketirancev do izpolnjevanja določenih delov vprašalnika. Težko bi tudi opredelili pomen izbire»ne bi izbral nobene izmed navedenih možnosti«, saj ta ne bi predstavljala obstoječega stanja oz.»statusa quo«. 4.2 Metode za oceno vrednosti meril koristnosti Pravilna ocena WTP je ključna za izdelavo optimalne cenovne strategije (angl. pricing strategy) pri trženju proizvodov ali storitev. Tovrstne ocene lahko služijo napovedovanju odziva trga na spremembo cen in modeliranje funkcij povpraševanja (Balderjahn, 2003). Te lahko pridobimo na osnovi opazovanj že obstoječega trga, raznih eksperimentov ali z uporabo anketnih vprašalnikov. Za oceno potrošnikovega WTP ali WTA obstaja več metod. Breidert (2005) jih je razdelil glede na način, na katerega pridobimo oceno. V grobem se metode poizvedovanja o preferencah potrošnikov delijo na metode izraženih preferenc (angl. stated preference SP) in metode razkritih preferenc (angl. revealed preference RP). Ne glede na uporabljeno metodo želimo bodisi neposredno ali posredno razkriti kako potrošniki vrednotijo stroške in koristi, izražene v monetarni enoti. Pri metodah razkritih preferenc uporabimo informacije s trgov, ki so povezani z dobrino, ki jo želimo vrednotiti. Uporaba teh metod je smiselna, kadar je možno na podlagi dejanskih odločitev potrošnikov na trgu sklepati o njihovi pripravljenosti za plačilo. Dejanske odločitve na trgu so namreč zanesljivi pokazatelji prednosti, ki jih potrošniki pripisujejo posameznim izdelkom: če je oseba za nek izdelek pripravljena plačati XX EUR, lahko na podlagi tega zaključimo, da je za izdelek pripravljena plačati najmanj toliko (z drugimi besedami, da je njena pripravljenost plačati najmanj tolikšna). Kljub temu, da je izdelava zaključkov na podlagi dejanskih odločitev oz. dejanj relativno enostavna, pa je napovedovanje (z uporabo metod razkritih preferenc) ob spremenjenih ali novih pogojih nekoliko bolj zapleteno (Bateman in sod., 2002). Drug (očiten) razlog, ki nam onemogoča, da bi lahko sklepali o tem koliko so potrošniki pripravljeni plačati za določeno dobrino, je, 58

76 da trg za izbrano dobrino ne obstaja. V takih primerih se moramo pri uporabi metod razkritih preferenc zanesti na podatke s trgov za povezane tržne dobrine (substituti, komplementi oziroma v proizvodnji uporabljeni inputi). Četudi taki trgi obstajajo, včasih pridobljene informacije ne zadoščajo za oceno pripravljenosti na plačilo. Pogosto na podlagi opazovanja posameznikovega obnašanja v določenem trenutku lahko sklepamo le o tem ali je za določeno dobrino pripravljen plačati več ali manj od določenega zneska. Iz primera da določena storitev stane 20 EUR in se je posameznik posluži, lahko sklepamo le, da je za omenjeno storitev pripravljen plačati najmanj 20 EUR. V kolikor se za storitev ne odloči, lahko sklepamo le, da je za to storitev pripravljen plačati manj kot 20 EUR. Če želimo izpeljati zaključke o vrednosti, ki jo določena korist predstavlja potrošnikom, moramo razpolagati s podatki o obnašanju potrošnikov v različnih situacijah, v katerih so bili soočeni z različnimi cenami. Slednji pogosto niso na voljo (Bateman in sod., 2002, str. 21,22). Pogosto na osnovi opazovanja trgov ne moremo pridobiti zadostnih informacij bodisi zaradi pomanjkanja podatkov, ker izdelka ali storitve še ni na trgu ali ker trg ni vzpostavljen oz. ne obstaja (Bergantino & Bolis, 2005, str. 183). V takih primerih uporabimo metode izraženih preferenc. Pri teh potrošnike običajno sprašujemo, koliko bi bili pripravljeni plačati za določeno dobrino. To lahko storimo na več načinov: z neposrednimi ali posrednimi vprašanji oz. pristopom. Ključno pri tem je, da želimo z odgovori na vprašanja simulirati obnašanje potrošnikov na trgu (Bateman in sod., 2002, str. 20,21). Metode izraženih preferenc ponujajo ogrodje v okviru katerega lahko raziščemo preference ljudi do novih dobrin, ob omejenem naboru dobrin ali predpostavimo hipotetičen trg. S tega vidika ponujajo vrsto možnosti za ocenjevanje, ki močno presegajo dopuščajoče metode razkritih preferenc (Thomas C. Brown, 2003, str. 100). Kadar želimo predvideti odziv potrošnikov ob vpeljavi novih storitev je gotovo smiselno za mnenje vprašati njih same (Breidert, 2005, str. 47). Pri metodah izraženih preferenc se tako zanašamo na odgovore posameznikov na skrbno oblikovana vprašanja. Vendar ker obstaja določen dvom v pripravljenost ali zmožnost ljudi, da odgovarjajo na vprašanja resnično in previdno, je mnogo ekonomistov nezaupljivih do vrednotenja s pomočjo metod izraženih preferenc. Vendar pa je popolno zavračanje uporabe metod izraženih preferenc naivno in omejujoče. Naivno, ker se z dobro zasnovano raziskave lahko izognemo marsikateremu problemu in omejujoče, ker so tovrstne raziskave pogosto najbolj učinkovit način poizvedovanja o preferencah ljudi (Thomas C. Brown, 2003, str. 99; Manski, 2000). Da bi lahko rezultate na podlagi metod izraženih preferenc interpretirali ter na njihovi osnovi izpeljali določene sklepe, moramo glede odločitev posameznikov privzeti določene predpostavke (Abley, 2000). Metode izraženih preferenc temeljijo na konceptu koristnosti (teorijo slučajnih koristi bomo podrobneje predstavili v podpoglavju 5.1). S tem predpostavljamo, da anketiranci predstavljeni dobrini pripisujejo določeno koristnost. 59

77 Predpostavljamo, da anketiranci sprejemajo racionalne odločitve tako, da pri tem maksimirajo svojo korist. Za lastnosti in opis dobrine, ki jih vključimo v anketni vprašalnik, privzamemo, da smo opredelili vse bistvene vidike dobrine, ki jih vidi anketiranec. Iz omenjenega razloga sklepamo, da je odločitev sprejel na osnovi informacij, ki smo mu jih predhodno podali. Na vedenje potrošnikov vpliva več dejavnikov, ki jih s stališča raziskovalca lahko razdelimo v dve skupini - zunanje elemente, ki jih lahko opazujemo in notranje, ki jih ne moremo opazovati. Zunanji elementi so tisti, kot npr. lastnosti dobrine, ki je predmet raziskave. Notranji, neopazovani elementi pa opredeljujejo dojemanje in preference potrošnika. Zunanji elementi spodbudijo ali omejijo vedenje na trgu, medtem ko notranji odražajo potrošnikovo razumevanje opisanih lastnosti in vplivajo na njihove odločitve, s katerimi zasledujejo določene strategije. S pomočjo metod izraženih preferenc lahko povzamemo podatke o preferencah (ali je potrošniku dobrina všeč oziroma ni) in vedenjskih namenih (kaj namerava storiti) (Abley, 2000). Elemente oz. dejavnike, ki vplivajo na vedenje potrošnika prikazuje spodnji diagram (Slika 12). 60

78 Slika 12: Komponente potrošniškega vedenja Posameznikove družbeno-ekonomske značilnosti in izkušnje Lastnosti dobrine Informacije o dobrini Opazovani elementi Dojemanje Neopazovani elementi Odnos Preference Vedenjski nameni Omejitve zaradi posameznikove situacije Vedenje Omejitve glede dostopnosti dobrine Vir: Pearmain in sod. (v J. Abley, Stated Preference Techniques and Consumer Decision Making: New Challenges to Old Assumptions, 2000, slika 2) V okviru metod izraženih preferenc ločimo dva sklopa metod: 1. Metode kontingenčnega vrednotenja: Primarni cilj kontingenčnega vrednotenja je običajno vrednotenje stanja ene dobrine ali občasno več tesno povezanih dobrin, ki se razlikujejo po določeni lastnosti na podlagi česar lahko ocenimo vrednost posamezne lastnosti. Sprememba stanja lahko predstavlja nakup izdelka, koriščenje storitve ali spremembo v okolju (Bateman in sod., 2002, str. 173; Thomas C. Brown, 2003, str. 101). 2. Metode modeliranja odločitve (Bateman in sod., 2002, str ): eksperiment diskretne izbire (angl. Discreet Choice Experiment - DCE) 61

79 Pri eksperimentu diskretne izbire anketirancem predstavimo nabor izbirnih možnosti, ki se med seboj razlikujejo po nivojih lastnostih, in jih prosimo naj med njimi izberejo tisto, ki jim je najbližje. kontingenčno razvrščanje (angl. Contingent ranking) Pri kontingenčnem razvrščanju anketirance prosimo naj razvrstijo izbirne možnosti iz nabora predstavljenih možnosti glede na njihove preference. kontingenčno ocenjevanje (angl. Contingent rating) Pri tej metodi anketirancem predstavimo več posameznih možnosti, ki se med seboj razlikujejo po nivojih lastnosti, in jih prosimo naj vsako izmed predstavljenih možnosti posebej ocenijo na semantični ali numerični lestvici. S tem pristopom tako ne primerjamo predstavljenih možnosti neposredno, temveč posredno. primerjava parov (angl. Paired comparison) Pri tej metodi anketirancem predstavimo po dve možnosti sočasno in jih nato prosimo naj na numerični ali semantični lestvici označijo katera možnost jim je bližje ter kako močno (na numerični lestvici od 1 do 10, bi npr. št. 1 predstavljala, da močno preferirajo možnost A, in št. 10, da močno preferirajo možnost B). Vsem metodam modeliranja odločitve je skupno, da so izdelki, storitve oz. druge dobrine predstavljene v obliki različnih možnosti. Vsaka možnost je opisana z več lastnostmi (npr. proizvajalec, poreklo, cena), možnosti pa se med seboj razlikujejo po nivojih lastnosti (npr. vsaka možnost ima navedeno drugačno ceno). Torej, vsaka možnost lahko predstavlja različico oz. izvedenko izdelka, vrsto storitve ipd. Pogosto metode modeliranja odločitve v literaturi zasledimo tudi pod skupnim imenom združena analiza (angl. Conjoint analysis). Vendar pa Jordan J. in sod. (2010) v svojem članku z naslovom»eksperimenti diskretne izbire niso združena analiza«(angl. Discrete Choice Experiments Are Not Conjoint Analysis) poudarjajo pomembne razlike med eksperimentom diskretne izbire in ostalimi tremi metodami modeliranja izbire, ki jih avtorji uvrščajo med združeno analizo. Ključne razlike so namreč prav v skladnosti posameznih metod z različnimi ekonomskimi in drugimi teorijami. Eksperiment diskretne izbire je skladen z dvema ključnima teorijama, ki omogočata interpretacijo rezultatov skladno z neoklasično ekonomsko teorijo, to sta: karakteristična teorija vrednosti in teorija slučajnih koristi (Bateman in sod., 2002, str. 278). Za razliko, združena analiza temelji na teoriji združenega merjenja (angl. Theory of Conjoint Measurement), ki ima sicer določene povezave s klasično teorijo koristnosti, vendar je v svojem bistvu matematična in se ukvarja z obnašanjem številskih sistemov in ne ljudi ali njihovih preferenc. Potencialno skladna z neoklasično ekonomsko teorijo, (na kateri sloni tudi teorija naključnih koristi) je 62

80 le metoda kontingenčnega razvrščanja (Louviere in sod., 2010). Ocene blaginje potrošnika pridobljene z metodama kontingenčnega ocenjevanja in primerjave parov tudi niso skladne s teorijo povpraševanja (Bateman in sod., 2002, str. 250) 6. Celovitejši pregled in podrobnejši opis metod združene analize je predstavil (2005). V nadaljevanju se bomo zato osredotočili predvsem na slednji dve metodi: kontingenčno vrednotenje (v nadaljevanju CV) in eksperiment diskretne izbire (v nadaljevanju DCE). Opišimo najprej podobnosti in razlike v grobem nekoliko kasneje pa bomo obe metodi predstavili tudi bolj podrobno. Tako metoda CV (zaprtega tipa) kot tudi metoda DCE temeljita na teoriji naključnih koristi, ki jo opisuje t. i. model slučajnih koristi (ang. Random utility model - RUM). Ta opisuje diskretno izbiro v okviru maksimiranja koristi. Teorijo in model bomo podrobneje predstavili v poglavju 5.1. Metodo CV uporabljamo v primeru, kadar želimo oceniti vrednost dobrine kot celote, medtem ko uporabljamo metodo DCE predvsem za vrednotenje posameznih lastnosti dobrine (Swanwick, Hanley in Termansen, 2007, str. 61,62). Pri metodi CV tako izbiramo med dvema možnostma, kjer prva predstavlja stanje, ko se za nakup izdelka ali storitve po ponujeni ceni odločimo in druga stanje, v katerem nakup izdelka zavrnemo, t.i.»status quo«. Za razliko pri metodi DCE običajno izbiramo med več kot dvema možnostma, pri čemer je vsaka opisana z več lastnostmi (Boxall, Adamowicz, Swait, Williams in Louviere, 1996). Ena izmed možnosti pogosto predstavlja obstoječe stanje, ostale možnosti pa torej podobno kot pri metodi CV spremembo stanja. Vendar pa smo bolj kot na samo spremembo stanja pri metodi DCE osredotočeni na vrednost posamezne lastnosti. V literaturi lahko zasledimo uporabo obeh metod za vrednotenje izdelkov, storitev ali drugih dobrin (oz. njihovo spremembo) kot so npr. okoljske dobrine, kulturna dediščina ipd. Tipično predstavitev informacij pri metodi CV in DCE (podobno velja tudi za večino drugih metod modeliranja izbire) predstavlja slika 13. Iz prikazanega razberemo, da pri metodi CV posameznik ovrednoti lastnosti možnosti M 1 in jih nato primerja z možnostjo, ki predstavlja obstoječe stanje, M 2. Nasprotno, metoda DCE zahteva, da posameznik najprej oceni in primerja lastnosti izbirnih možnosti M 1, M 2 in M 3 ter jih šele nato primerja z možnostjo M 4, ki predstavlja obstoječe stanje. V nabor izbirnih možnosti lahko vključimo tudi več izbirnih možnosti, celo 10 ali več. V praksi pogosto anketirancem predstavimo več naborov izbirnih možnosti zaporedoma ter jih prosimo naj izberejo tisto, ki jim je najbližja (DeShazo & Fermo, 2002). Z metodo DCE želimo torej predvsem oceniti vrednost posameznih značilnosti ali lastnosti dobrine in primerjati kako potrošniki vrednotijo eno lastnost iste komponente glede na drugo (npr. koliko so pri pametnem termostatu pripravljeni potrošniki plačati za zaslon velikosti 10 palcev v primerjavi z 6 Skladna s teorijo povpraševanja sta le eksperiment diskretne izbire in metoda kontingenčnega razvrščanja v primeru, da vsebujeta izbirno možnost, ki predstavlja obstoječe stanje (bodisi izdelek, storitev ali drugo blagostanje). 63

81 zaslonom velikosti 7 palcev). Prednost metode DCE je torej v tem, da lahko merimo mejno vrednost spremembe lastnosti posamezne komponente nekega izdelka (Swanwick in sod., 2007, str. 63,64). Slika 13: Primerjava vsebine in strukture predstavljenih informacij pri kontingnečnem vrednotenju in eksperimentom diskretne izbire Kontingenčno vrednotenje Eksperiment diskretne izbire Izbirne možnosti M 1 M 2 M 1 M 2 M 3 M 4 Lastnosti izbirnih možnosti L 11 L 11 L 21 L 31 Trenutno L 12 L 12 L 22 L 32 stanje L 13 L 13 L 33 L 33 Trenutno stanje Vir: DeShazo, J. R. in Fermo, G., Designing Choice Sets for Stated Preference Methods: The Effects of Complexity on Choice Consistency, 2011, slika 1 V kolikor oba pristopa, tako holistični kot tudi atributivni (angl. attribute based approach) razkrijeta enake preference glede neke dobrine in če privzamemo, da sta bili obe metodologiji uporabljeni na primerljiv način, potem bi morala uporaba ene ali druge metodologije v primeru, da ocenjujemo iste lastnosti oz. spremembe, privesti do podobnih rezultatov (Hynes, Campbell in Howley, 2011). Kljub temu pa nekatere raziskave kažejo nasprotno. Hynes in sod. (2011) so pripravili pregled raziskav s področja vrednotenja okolja z uporabo obeh metodologiji. Rezultati, do katerih nas privedeta oba pristopa, so si lahko zelo različni, vendar pa je pri nekoliko več študijah bilo zaslediti, da so ocene pripravljenosti za plačilo pri metodi diskretne izbire večje od tistih dobljenih z metodo kontingenčnega vrednotenja. Primerljivost rezultatov pa je v veliki meri odvisna tudi od vrste modela, ki ga uporabimo za analizo podatkov pridobljenih na osnovi ene ali druge metode. Avtorji tako opozarjajo, da pri številnih študijah v modelih za analizo podatkov pridobljenih z metodo diskretne izbire ni bila upoštevana raznovrstnost preferenc (ang. heterogeneity) anketirancev, kar je privedlo do pristranskih ocen. Velja torej, da je primerljivost rezultatov pridobljenih s pomočjo ene ali druge metode odvisna predvsem od uporabljenih modelov za analizo podatkov in upoštevanja značilnosti podatkov v modelih samih. Pri odločitvi ali naj uporabimo metodo DCE (oz. katero drugo metodo modeliranja odločitev) ali metode kontingenčnega vrednotena, moramo upoštevati naslednje danosti (Bateman in sod., 2002, str. 74). V splošnem je priporočljivo izbrati metodo kontingenčnega vrednotenja v primeru, kadar želimo oceniti pripravljenost za plačilo za neko dobrino, izdelek ali storitev v celoti in metode modeliranja odločitev, kadar želimo oceniti pripravljenost za plačilo posamezne lastnosti dobrine. Uporaba tehnik modeliranja odločitev je 64

82 uporabna tudi v primerih, kadar želimo oceniti relativno vrednost nivojev posamezne lastnosti in jih primerjati med seboj. Uporaba tehnik modeliranja odločitev je sodobnejša od tehnik kontingenčnega vrednotenja. Vendar pa omenjeno pomeni, da je za prvo potrebno predelati več literature, za kar so potrebni nadaljnji dokazi o na ta način pridobljenih rezultatih, predno lahko postanemo gotovi o izvedbi pristopov modeliranja odločitev. Vse tehnike modeliranja odločitev niso skladne s teorijo blagostanja. Po mnenju nekaterih kritikov so neposredna vprašanja, kot je npr.»koliko ste pripravljeni plačati za?«za anketirance kognitivno zahtevna. Pri tehnikah modeliranja odločitev ne sprašujemo neposredno po monetarnih vrednostih, zato naj bi bile slednje ljudem lažje razumljive. Tehnike modeliranja odločitev predstavljajo bolj učinkovito sredstvo vzorčenja kot tehnike CV, saj običajno z njimi pridobimo več odgovorov posameznega anketiranca Kontingenčno vrednotenje Kontingenčno vrednotenje je metoda za ocenjevanje vrednosti, ki jo posameznik pripiše neki dobrini. V literaturi se najpogosteje uporablja za vrednotenje javnih dobrin (npr. okolja, kulture ipd.), torej za dobrine, za katere trg ne obstaja. Vendar pa Randall (1986) dodaja, da podobno velja tudi za zasebne dobrine predno pridejo na trg. Tudi tem potrošniki običajno težko pripišejo določeno vrednost. Razlika med»realnim«in kontingenčnim trgom ni nujno tako velika, kot je sprva moč sklepati. V kolikor so lastnosti izdelka podane dovolj natančno, lahko s pomočjo metode kontingenčnega vrednotenja pridobimo dragocene informacije o povpraševanju po izdelku ali storitvi (Trudy A. Cameron & James, 1987). Poglaviten namen metod kontingenčnega vrednotenja je torej v modeliranju odzivov posameznikov v smislu njihovih akcij ob nastopu konkretne hipotetične situacije (Verbič & S. Erker, 2005, str. 20). Pri kontingenčnem vrednotenju anketirancem predstavimo izdelek, storitev ali dobrino ter s tem povezano spremembo stanja. Ta lahko predstavlja npr. nakup izdelka, koriščenje storitve ali spremembo v okolju. Od anketirancev nato želimo z izbranim pristopom izvedeti kakšno vrednost jih omenjena sprememba predstavlja, pri čemer uporabimo eno od meril učinkov blaginje kot posledice spremembe stanja. V kolikor dobrino opišemo z določenimi lastnostmi, so te običajno enake za vse anketirance, lahko pa določene lastnosti spreminjamo in tako ocenimo njihovo vrednost. Poznamo naslednje oblike kontingenčnega vrednotenja: metodo odprtega tipa (angl. open-ended), metode zaprtega tipa (angl. close-ended): o metode dvojne izbire, 65

83 o izklicni pristop, o pristop seznama plačil, o pristop polihotomno večstransko omejene izbire, o eno in pol-stransko omejeni pristop in o postopek razvrščanja naključnega seznama plačil. Metoda odprtega tipa je ena najstarejših metod za oceno pripravljenosti za plačilo med potrošniki. Gre za neposredno obliko spraševanja, pri čemer anketirancem predstavimo izdelek, storitev ali drugo dobrino ter jih nato vprašamo koliko bi bili pripravljeni plačati zanj. Vprašanje lahko oblikujemo kot npr.»največ koliko bi bili pripravljeni plačati za «ali pa uporabimo katerega izmed psiholoških pristopov poizvedovanja. Eden izmed prvih je psihološki vidik cene opredelil Stoetzel (1954) in predlagal način za poizvedovanja o posameznikovi pripravljenosti za plačilo preko dveh vprašanj o najnižji in najvišji ceni, na način: 1.»Nad katero ceno zagotovo ne bi kupili izdelka, ker si ga ne morete privoščiti, oziroma menite, da ni vreden tega denarja?«2.»pod katero ceno ne bi kupili izdelka, ker bi začeli dvomiti o njegovi kvaliteti?«metode odprtega tipa so bile v preteklosti zelo priljubljene, saj ne terjajo zahtevnih tehnik ali modeliranja, preko katerega bi prišli do ocen o posameznikovi ali povprečni pripravljenosti za plačilo. Odgovori namreč govorijo sami zase. Kljub temu pa ima tovrstni način vrsto pomanjkljivosti (Breidert, 2005, str. 48). Z neposrednim spraševanjem potrošnikov o njihovi pripravljenosti za plačilo za izdelek je prisoten nenaravni fokus na ceno. Potrošniki pogosto ne želijo razkriti, koliko so resnično pripravljeni plačati. Včasih navedejo višjo ceno, saj ne želijo izpasti skopuški ali pa nasprotno, navedejo nižjo ceno zaradi občutka, da s tem pripomorejo k nižjim cenam (Nagle & Holden, 2002, str. 344). Četudi anketiranci razkrijejo svojo pravo vrednotenje dobrine, omenjeno ne predstavlja nujno resničnih nakupovalnih navad oz. vedenja (Nessim and Dodge (1995) v Breidert, 2005, str. 48). V primeru zapletenih in nepoznanih dobrin neposredno spraševanje anketirancev po njihovi pripravljenosti za plačilo predstavlja velik psihičen napor (Brown e tal, 1996). Ne glede na to ali to vodi v precenjene ali podcenjene ocene prave vrednosti, obstaja verjetnost, da bodo rezultati pristranski oz. netočni. Zaznana vrednost dobrine ni nujno stabilna. Kupci pogosto napačno ocenijo ceno izdelka, še posebno, kadar gre za izdelek, ki ga ne kupujejo pogosto oz. ni nujna dobrina (Marbeau (1987) v Breidert, 2005, str. 48). Pred nakupom ima lahko kupec previsoka ali prenizka pričakovanja glede cene izdelka. Na neposredno vprašanje o vrednotenju izdelka bo navedel ceno, kot jo pričakuje. Če posledično med nakupom ugotovi, kakšne so dejansko cene na trgu za želen izdelek in se ga odloči kljub 66

84 temu kupiti, je kupec prilagodil svojo pripravljenost plačati glede na trenutno tržno ceno. Neposredno izpraševanje potrošnikov o tem koliko so pripravljeni plačati za določen izdelek torej ni najbolj zanesljiva metoda. Nagle in Holden (2002, str. 345) tako zaključita, da so rezultati dobljeni s tovrstnim pristopom v najboljšem primeru neuporabni ali pa močno zavajajoči. V nasprotju z neposrednim pristopom spraševanja anketirancev o njihovi pripravljenosti za plačilo za določen izdelek ali storitev, jim tega lahko predstavimo oz. opišemo njegove lastnosti ter jih vprašamo ali bi ga bili pripravljeni kupiti po določeni ceni. Anketirancem lahko sočasno ponudimo tudi več zneskov ter jih prosimo, naj jih razvrstijo ali pa ocenijo verjetnost, ki bi jo bili pripravljeni plačati. Tovrstne pristope imenujemo zaprti tip kontingenčnega vrednotenja. Poleg opisanega pristopa lahko opredelimo več zneskov. V praksi najpogosteje uporabljena oblika zaprtega tipa so t.i. vprašanja dvojne izbire (angl. dichotomous choice) oz. pogosto imenovana tudi kontingenčna metoda diskretne izbire (angl. discrete choice contingent valuation method) ali referendumska metoda. Tako obliko vprašanj sta konec osemdesetih let predstavila Bishop in Heberlein (1979), ki je kmalu zatem postala široko sprejeta. Kasneje so jo na posvetovanju ekspertov na temo kontingenčnega vrednotenja pod okriljem Ameriške državne uprave za oceane in ozračje (angl. National Oceanic and Atmospheric Administration - NOAA) opredelili kot priporočeno obliko (Arrow & Solow, 1993), zaradi česar je postala danes najpogosteje uporabljana metoda kontingenčnega vrednotenja. Pri omenjeni metodi anketiranca po predstavitvi konkretnega izdelka, storitve ali druge dobrine vprašamo, ali bi bil pripravljen zanj plačati določen znesek. Vprašanje se tako običajno glasi»ali bi bili pripravljeni plačati XX EUR za omenjeni izdelek?«ali pa»ali bi bili pripravljeni kupiti omenjeni izdelek, če bi stal XX EUR?«. Anketiranec nato odgovori z»da«ali»ne«. Če ponujene zneske sistematično spreminjamo na dovolj velikem vzorcu, dobimo množico pritrdilnih oziroma odklonilnih odgovorov, s pomočjo katerih kasneje ocenimo ustrezno merilo blaginje, kot je aritmetična sredina ali pa mediana pripravljenosti na plačilo spremembe stanja. Navedeno dosežemo z ocenjevanjem verjetnosti, da bo posameznik odgovoril pritrdilno na vprašanja o različnih ponujenih zneskih (Verbič & S. Erker, 2005, str. 29). Ker odgovore na vprašanja predstavljajo binarne spremenljivke, je potrebno podatke (odgovore) modelirati z ustreznim ekonometričnim modelom, da iz njih izluščimo informacijo o pripravljenosti za plačilo. Pri izbiri statističnega modela je ključno, da je ta skladen z ekonomsko teorijo, kar pa predstavlja določene omejitve pri izbiri modela (W. Michael Hanemann & Kanninen, 2001, str. 1,2) Ker je anketiranec postavljen v položaj, v katerem mora sprejeti odločitev o potencialnem nakupu pri dani ceni, je ta bistveno bolj podoben dejanskemu položaju ob nakupu kot v 67

85 primeru, kadar mora sam podati zanj sprejemljivo ceno. Poleg tega je za anketiranca odločitev o primernosti cene znatno lažja, kot v primeru ko mora ceno podati sam (Thomas C Brown, Champ, Bishop in McCollum, 1996). Zaradi tovrstne narave vprašanj posamezniki tudi težje prepoznajo namen anketiranja, kar pomeni, da so anketiranci stimulirani k temu, da resnično in v celoti razkrijejo svoje preference(bateman in sod., 2002, str. 139; Garrod & Willis, 1999, str. 189; Verbič & S. Erker, 2005, str. 29). Da metoda zaprtega tipa resnično bolje oponaša obnašanje na trgu, kažejo tudi ugotovitve Horowitza in McConnela (2002, str. 437), ki pritrjujejo dejstvu, da v razmerju WTA/WTP pri dejanskih in hipotetičnih eksperimentih ni praktično nobene razlike. Poznamo več oblik vprašanj dvojne izbire: Enostransko omejeno (angl single-bounded, SB), dvostransko omejeno (angl. double-bounded, DB) in večstransko omejeno (angl. multiple-bounded) obliko. Enostransko omejena oblika zaprtega tipa je tista, ki sta jo ob predstavitvi zaprtega tipa kontingenčnega vrednotenja prvotno predlagala Bishop in Heberlein (1979). Pri tej obliki anketirancu zastavimo zgolj eno vprašanje in zabeležimo njegov odgovor. Odgovor predstavlja kvalitativno informacijo v obliki spodnje ali zgornje meje njegove pripravljenosti za plačilo v kolikor je njegov odgovor»da«ponujeni znesek predstavlja spodnjo mejo njegove pripravljenosti za plačilo in zgornjo mejo, če je njegov odgovor»ne«(w. Michael Hanemann & Kanninen, 2001, str. 3). V primeru, da je njegov odgovor»da«lahko torej sklepamo, da je njegova pripravljenost za plačilo nekje med ponujenim zneskom in neskončnostjo in v primeru, ko odgovori z»ne«, da je njegova pripravljenost za plačilo med nič in ponujenim zneskom. Pri dvostransko omejeni obliki (Hanemann, 1985a; Carson 1985), sledi prvemu vprašanju še drugo vprašanje, pri čemer je ponujeni znesek pri drugem vprašanju odvisen od odgovora na prvo vprašanje. Če anketiranec na prvo vprašanje odgovori z»da«, potem je pri drugem vprašanju znesek za katerega ga sprašujemo, če bi ga bil pripravljen plačati, višji ter nižji v primeru, da je na prvo vprašanje odgovoril z»ne«. V primeru, da anketiranec odgovori na eno vprašanje z»da«ter na drugo z»ne«(ali obratno), dobimo spodnjo in zgornjo mejo njegove pripravljenosti za plačilo. Primer večstransko omejene oblike je npr. tristransko omejena (angl triple-bounded) oblika, kjer prvemu in drugemu vprašanju sledi še tretje. Zneski po katerih sprašujemo anketiranca, se spreminjajo po istem ključu kot pri dvostransko omejeni obliki. Uporaba dvostransko omejene oblike znatno poveča statistično učinkovitost v primerjavi z enostransko omejeno obliko (M. Hanemann, Loomis in Kanninen, 1991), medtem ko dodatno, tretje, vprašanje le malo prispeva k višji učinkovitosti (Cooper & Hanemann, 1994). Kljub večji statistični učinkovitosti dvostransko in večstransko omejene oblike, pa se z vsakim dodatnim vprašanjem poveča verjetnost, da so odgovori med seboj nekonsistentni, kar vpliva na pristranskost ocene koeficientov (W. Michael Hanemann & Kanninen, 2001, str ). Z drugimi besedami to pomeni, da je porazdelitev preferenc 68

86 anketirancev, ki jih izpeljemo na podlagi odgovorov na prvo vprašanje, drugačna od porazdelitve, ki jo izpeljemo na podlagi odgovorov na drugo vprašanje. Cameron in Quiggin (1994), predlagata obravnavo odgovorov na prvo in drugo vprašanje ločeno in tako predlagata uporabo bivariatnega modela. Ugotovila sta, da četudi odgovore na prvo in drugo vprašanje opisuje v grobem ista porazdelitev (npr. normalne porazdelitve), ti dve porazdelitvi nikakor nista identični. Med njima sicer obstaja visoko značilna pozitivna korelacija, vendar pa sta dokazala, da tezo, da je korelacijski koeficient enak ena, lahko zavrnemo. (1974) McFaden (1994) celo zaključi, da so odgovori na prvo in drugo vprašanje pri dvostransko omejeni obliki notranje neskladni (oz. nekonsistentni) in da je hipotezo, da odgovori na prvo in drugo vprašanje izhajajo iz iste porazdelitve moč zavreči pri enoodstotni stopnji značilnosti. Alberini (1995) pravi, da kljub določeni pristranskosti ocenjenih koeficientov pri dvostransko omejeni obliki, to nadomestimo z večjo učinkovitostjo v primerjavi z enostransko omejeno obliko. Carson in sod. (1999) ugotavljajo, da so ocene pripravljenosti plačati pri dvostransko omejeni obliki običajno nekoliko nižje od ocen pridobljenih na podlagi enostransko omejene oblike, zato mora raziskovalec sprejeti kompromis med pristranskostjo, katere posledica so nižje ocene, in manjšim intervalom zaupanja. V nadaljevanju bomo predstavili še nekaj pristopov zaprtega tipa. Hanemann (1999), je predlagal t.i. eno in pol-stransko omejeni pristop, kjer anketirancem sprva povemo, da se cena izdelka lahko giba med XX EUR in YY EUR (pri čemer je XX < od YY), pri čemer vrednosti XX in YY variirata med anketiranci. Anketiranca nato povprašamo ali bi bil pripravljen plačati spodnji znesek, torej XX EUR. Če odgovori z da, ga vprašamo še, če bi bil pripravljen plačati YY EUR, sicer s spraševanjem zaključimo. Nasprotno lahko anketirancu ponudimo najprej zgornji znesek in če ga zavrne, nato še spodnjega (Bateman in sod., 2002, str. 141). Pri izklicnem pristopu (angl. iterative bidding aproach ali bidding game) začnemo anketiranca spraševati ali bi bili pripravljen plačati določen znesek v EUR in nato znesek višamo, dokler ponudbe ne zavrne. Najvišji znesek, ki ga je anketiranec še sprejel, interpretiramo kot njegovo najvišjo pripravljenost za plačilo. Ta pristop se le redko uporablja, saj je podvržen sidranju oz. pristranosti izhodiščne ponudbe (angl. anchoring oz. starting point bias), kar pomeni, da je končna vrednost pripravljenosti za plačilo sistematično povezana s prvim ponujenim zneskom. Druga slabost tega pristopa pa je v tem, da ponavljajoča vprašanja lahko vznejevoljijo anketirance in ti pričnejo odgovarjati brez premisleka v želji po čim hitrejšem koncu spraševanja (A. Alberini & J. Cooper, 2000, str. 10; Bateman in sod., 2002, str. 138). Alternativni pristop je t.i. pristop seznama plačil (angl. payment card format), pri katerem anketirancu predstavimo vrsto možnih zneskov in ga prosimo, naj izbere najvišjega, ki bi 69

87 ga še bil pripravljen plačati. Izbran znesek interpretiramo kot anketirančevo pripravljenost za plačilo. Cameron in Huppert (1988) sta ponudila natančnejšo interpretacijo, ki pravi, da anketirančevo pripravljenost za plačilo leži na intervalu med izbranim zneskom in naslednjim možnim višjim zneskom. Slabost tega pristopa je v možni pristranskosti zaradi nabora možnih zneskov (A. Alberini & J. Cooper, 2000, str. 10; Bateman in sod., 2002, str ; W. Michael Hanemann & Kanninen, 2001, str. 3). Pri pristopu polihotomno večstransko omejene izbire (angl. polychotomous-choice, multiple-bounded aproach) anketirancu ponudimo več zaporednih (naraščajočih ali padajočih) zneskov, pri katerihse mora o vsakem posebej opredeliti, i kako verjetno je, da bi ga bil pripravljen plačati za dobrino, ki je predmet raziskave. Vprašanje lahko prikažemo v obliki dvo-dimenzionalne tabele, v kateri so v prvem stolpcu navedeni zneski in v prvi vrstici zapisane verjetnosti (npr. od 1 do 5, kjer 1 pomeni»zagotovo ne«in 5»zagotovo da«). Anketiranec tako pri vsakem znesku v isti vrstici označi, kako verjetno bi ga bil pripravljen plačati. Anketirančeva pripravljenost za plačilo je med najvišjim zneskom, ki bi ga bil anketiranec»zagotovo«ali»verjetno«pripravljen plačati in najnižjim zneskom, ki ga»verjetno«ali»zagotovo«ne bi bil več pripravljen plačati. Ključni problem tega pristopa je, da ni skladen z ekonomsko teorijo, zato morajo raziskovalci pripraviti več samovoljnih predpostavk pri določitvi ekonometričnega modela za modeliranje odgovorov anketirancev (Alberini, Boyle in Welsh, 1999). Podoben pristop je t.i. postopek razvrščanja naključnega seznama plačil (angl. Randomised card sorting procedure), pri katerem anketirancu pokažemo seznam zneskov v naključnem vrstnem redu, ta pa jih mora nato razvrstiti v tri stolpce glede na verjetnost plačila.. En stolpec predstavlja znesek, ki»bi jih bil verjetno«pripravljen plačati, drugi zneske, ki jih»verjetno ne bi bil«pripravljen plačati in tretji zneske, za katere se ne more opredeliti oz. ni prepričan (Bateman in sod., 2002, str. 142). Izbira pristopa oz. načina poizvedovanja je ključnega pomena, saj običajno različni pristopi privedejo do različnih ocen oz. rezultatov. Na posvetovanju ekspertov na temo kontingenčnega vrednotenja pod okriljem Ameriške državne uprave za oceane in ozračje (angl. National Oceanic and Atmospheric Administration - NOAA) so kot priporočeno obliko opredelili metodo diskretne izbire (Arrow & Solow, 1993). Enako priporočajo tudi Bateman in sod. (2002, str. 142). Cameron in sod. (2002, str. 422) so primerjali več metod kontingenčnega vrednotenja in ugotovili, da od ocen pridobljenih z drugimi metodami oz. pristopi najbolj odstopajo tisti, ki so pridobljeni z neposrednim spraševanjem (odprti pristop) in seznamom plačil. Ob omenjenih priporočilih pri uporabi nekaterih metod in dejstvu, da je najpogosteje uporabljena ter posledično najbolj raziskana dvostransko omejena metoda diskretne izbire, smo za potrebe te raziskave uporabili slednjo. 70

88 4.2.2 Eksperiment diskretne izbire Eksperiment diskretne izbire (angl. Discreet Choice Experiment - DCE) je zmogljivo orodje za ocenjevanje verjetnosti s katero bi anketiranci izbrali določeno možnost (Na & Elkin, 2013). V literaturi ga pogosto zasledimo tudi pod termini izbirni oz. odločitveni eksperiment (angl Choice experiment CE) 7 analiza diskretne izbire (angl. Discreet Choice Analysis) ali združena analiza na osnovi izbire (angl. Choice-based conjoint analysis) (Breidert, 2005). Kljub pogostemu mešanju, enačenju ali povezovanju združene analize z eksperimentom diskretne izbire, Louviere in sod. (2010) opozarjajo na vrsto razlik med metodama in zaključijo, da termina nista sinonima niti ne smemo tolmačiti eksperimenta diskretne izbire kot poseben primer združene analize. Uporaba eksperimenta diskretne izbire ima dolgo tradicijo na mnogoterih raziskovalnih področjih kot so trženje, promet, ekonomika okolja in zdravja ter je postala neizogibna pri analizi vedenja pri izbiri (angl. choice behavior) (Crabbe & Vandebroek, 2012). Pri eksperimentu diskretne izbire anketiranec izbira med več izbirnimi možnostmi (angl. alternatives), ki lahko predstavljajo različne izdelke, izvedenke izdelkov, storitve ali druge dobrine (več različnih primerov je predstavljenih v Kuhfeld (2010)). Vsako izbirno možnost opišemo kot skupek lastnosti (angl. atributes), posamezna lastnost pa (običajno) zavzema več nivojev (angl. levels). Skupino predstavljenih izbirnih možnosti, med katerimi mora anketiranec izbrati, imenujemo nabor izbirnih možnosti (angl. choice set). Anketiranci iz nabora predstavljenih možnosti označijo tisto, ki bi jo v primeru dejanske odločitve izbrali (Breidert, 2005). Eksperiment diskretne izbire temelji na dveh ekonomskih teorijah, ki utemeljujeta uporabo eksperimenta in interpretacijo rezultatov. Prva je t.i. karakteristična teorija vrednosti (angl. Characteristics theory of value) (Lancaster, 1966), ki pravi, da lahko vsako dobrino opišemo kot skupek značilnosti oz. lastnosti in nivojev, ki jih zavzemajo (npr. proizvajalec, zmogljivost, varnost, cena ipd.). To velja tako za tržne (zasebne), kot tudi za večino netržnih (javnih) dobrin. Druga podporna teorija je teorija slučajnih koristi (angl Random utility theory), ki temelji na predpostavki, da vsak posameznik sprejema racionalne odločitve in to na način, da pri svoji izbiri maksimira svojo koristnost (Cascetta, 2009). Posamezniki imajo obenem subjektivne poglede na določeno dobrino, zato njihove odločitve pogosto temeljijo na lastnih pogledih in razumevanjih povezav med posameznimi lastnostmi dobrine (Bateman in sod., 2002, str. 278). Če si zamislimo dve dobrini, ki se med seboj razlikujeta po svojih lastnostih in pripadajočih nivojih lastnosti, bo anketiranec pri odločitvi katero od njiju izbrati primerjal 7 R. T. Carson in Louviere (2011) opozarjata, da ima termin odločitveni eksperiment (angl. Choice experiment) v nekaterih drugih vedah (npr. biologiji in fiziki) drugačen pomen, kjer odločitev ni omejena s tem, da je diskretna kot to običajno predvidevamo pri metodologijah izraženih preferenc. S tem razlogom priporočata opustitev rabe samostojnega termina odločitveni eksperiment in predlagata uporabo termina eksperiment diskretne izbire. 71

89 korist, ki jo zanj predstavlja ena ali druga možnost. Anketiranec se odloči med možnostmi, ki so mu ponujene ob predpostavki, da drugih možnosti ni na voljo (Bateman in sod., 2002, str. 279). Model slučajnih koristi bomo podrobneje izpeljali v poglavju 5.1, vendar pa si za lažje razumevanje teoretičnega zaledja eksperimenta diskretne izbire poglejmo nekaj temeljnih izhodišč. Privzemimo, da je na voljo JJ izbirnih možnosti. Posameznika nn prosimo naj izbere tisto, ki zanj predstavlja največjo korist. Označimo slednjo z UU nnnn, pri čemer je jj = 1,, JJ. Posameznik pri svoji odločitvi primerja posamezne izbirne možnosti in izbere možnost ii tako, da velja (Train, 2009, str. 14): UU nnnn > UU nnnn jj ii. (4.7) Posameznik se pri svoji odločitvi opre na informacije, ki so mu na voljo lastnosti posamezne izbirne možnosti in informacije, ki niso prikazane ali omenjene v predstavljeni izbirni možnosti. Pri slednjih gre lahko za posameznikovo dojemanje predstavljenih možnosti oz. druge dejavnike, ki vplivajo na njegovo odločitev (npr. pri primerjavi uporabe avtobusa ali vlaka, kjer sta kot lastnosti navedeni le čas vožnje in pogostost prihodov oz. odhodov, lahko pri anketirancu na odločitev vpliva tudi mnenje o čistoči na postajališčih ene in druge možnosti ipd., čeprav slednje ni vključeno v eksperiment) (Abley, 2000, str. 13; Bateman in sod., 2002, str. 279). Kljub temu, da posameznik sam pri sebi ve, zakaj se je odločil za posamezno možnost, pa so nam na voljo le podatki o izbirnih možnostih, torej njihove lastnosti (Hensher, Rose in Greene, 2005, str. 82). To pomeni, da resnično korist UU nnnn, ki jo posamezniku nn predstavlja izbirna možnost jj, lahko opišemo kot: UU nnnn = VV nnnn + εε nnnn, (4.8) pri čemer VV nnnn predstavlja opazovano komponento koristi in εε nnnn neopazovano oz. slučajno komponento koristi. Naključna komponenta predstavlja nihanje oz. nepojasnjen odklon v željah, vedenju in druge nemerljive dejavnike (McFadden, 1986). Teorija slučajnih koristnosti ponuja bolj realistično predstavitev preferenc kot konvencionalna teorija koristnosti, vendar pa je pri napovedovanju na osnovi le-te potrebno privzeti določene predpostavke glede neopazovane komponente koristi (Bateman in sod., 2002, str. 279). Glede na privzete predpostavke o slučajnih komponentah koristi je odvisna izbira ekonometričnega modela, s katerim modeliramo odločitve anketirancev. V grobem je odločitev odvisna od pričakovane porazdelitve slučajne komponente, na podlagi česar izberemo probit (v primeru normalne porazdelitve) ali logit (v primeru logaritmične porazdelitve) modele. Pogostejši so logit modeli (Breidert, 2005, str. 52). Različne vidike izbire ekonometričnega modela bomo podrobneje opisali v poglavju

90 Na osnovi odločitev, ki jih sprejmejo anketiranci, s pomočjo ekonometričnih modelov za vsakega izmed nivojev posamezne lastnosti ocenimo delno ali parcialno (angl. part-worth) koristnost. Te pa ne ocenimo na nivoju posameznika, temveč na skupnem (agregiranem) nivoju. Razlog za to tiči v tem, da opazovanje odločitve oz. izbire posamezne možnosti iz nabora izbirnih možnosti vsebuje le informacijo o izbrani možnosti, ne pa tudi o preostalih možnostih. V tem se eksperiment diskretne izbire bistveno razlikuje od nekaterih metod združene analize, s katerimi je možno oceniti delno koristnost za vsake posameznika posebej. V mnogo primerih kot je npr. napoved tržnega deleža za nov izdelek, ocena na skupnem (agregiranem) nivoju popolnoma zadošča (Breidert, 2005, str ). Običajno ena izmed lastnosti izbirnih možnosti predstavlja tudi ceno, strošek ali kompenzacijo. To nam omogoča, da lahko ceno izrazimo kot spremembo koristi v monetarni vrednosti. Ta predstavlja relativno vrednost določenega nivoja lastnosti glede na izhodiščni nivo izraženo v monetarni enoti oz. pripravljenost plačati za spremembo nivoja lastnosti glede na izhodiščni nivo (npr. pripravljenost za plačilo za avto v modri barvi glede na avto v rdeči barvi). Na ta način lahko izračunamo pripravljenost za plačilo za katerokoli izbirno možnost oz. katerokoli kombinacijo lastnosti glede na izhodiščno stanje (Breidert, 2005, str ) Oblika eksperimenta diskretne izbire Pri oblikovanju eksperimenta diskretne izbire moramo biti pozorni na več vidikov. V nadaljevanju smo te razdelili na tehnične ter vsebinske in vedenjske. V sklopu katerih bomo opredelili vse tiste vidike in pomisleke izbire npr. izbire število izbirnih možnosti, lastnosti ali število odločitev, ki vplivajo na statistične lastnosti eksperimenta. V nadaljevanju pa bomo predstavili tudi vsebinski vidik omenjenih lastnosti kot je npr. pomen izbirne možnosti, ki predstavlja obstoječe stanje, ter vpliv različnih vsebinskih ter tehničnih lastnosti eksperimenta na odziv oz. vedenje posameznikov pri sprejemanju odločitev. Kot bomo videli so vsi vidiki med seboj tesno povezani zato jih moramo pri oblikovanju eksperimenta nujno upoštevati. Tehnični vidiki oblikovanja eksperimenta Pri raziskavah, ki temeljijo na eksperimentu diskretne izbire uporabljamo eksperimentalni pristop za snovanje izdelkov, anketiranci pa izberejo izdelek v vsakem naboru izdelkov. Podobno kot združen model (angl. conjoint model) ima tudi model diskretne izbire linearno funkcijo koristnosti, ki pa je ugnezdena/vstavljena (embeded) v nelinearni model (Warren F. Kuhfeld, 2010, str. 55). 73

91 Slika 14: Preprost eksperiment diskretne izbire M 1 M 2 M 3 Znamka Coca-Cola Pepsi Cockta Cena 1 EUR 1,2 EUR 1,2 EUR Označite možnost, ki bi jo izbrali M 1 M 2 M 3 Znamka Coca-Cola Pepsi Cockta Cena 1 EUR 1,2 EUR 1 EUR Označite možnost, ki bi jo izbrali M 1 M 2 M 3 Znamka Coca-Cola Pepsi Cockta Cena 1 EUR 1 EUR 1,2 EUR Označite možnost, ki bi jo izbrali M 1 M 2 M 3 Znamka Coca-Cola Pepsi Cockta Cena 1,2 EUR 1 EUR 1,2 EUR Označite možnost, ki bi jo izbrali Slika 14 predstavlja preprost eksperiment diskretne izbire, ki ima 3 nabore izbirnih možnosti (angl. choice sets). Vsak nabor sestavljajo tri izbirne možnosti oz. različice izdelka ali storitve. Anketiranci morajo pri reševanju sprejeti 4 odločitve. Vsako izbirno možnost sestavljata 2 lastnosti oz. atributa, pri čemer ima znamka 3 nivoje in cena 2 nivoja. Konceptualno gledano, oblika eksperimenta ni nič drugega kot matrika števil, ki predstavljajo vrednosti nivojev lastnosti izbirnih možnosti, ki jih predstavimo anketirancem v okviru hipotetične odločitvene situacije (J. M. Rose & Bliemer, 2008). Eksperimente diskretne izbire v grobem delimo na označene (angl. labelled) in neoznačene (angl. unlabelled). Pri označenih eksperimentih ima vsaka možnost v naboru izbirnih možnosti svojo oznako, ki predstavlja konkretno dobrino ali izdelek (npr. možnost 1 predstavlja avto, možnost 2 avtobus itd. ali npr. možnost 1 predstavlja znamko 1, možnost 2 znamko 2 itd.) in se ponovi v vsakem naboru izbirnih možnosti. Nasprotno pri neoznačenih eksperimentih izbirne možnosti prosto variirajo in predstavljajo neimenovano dobrino oz. izdelek s poljubnim skupkom lastnosti (David A Hensher in sod., 2005, str. 112,113). Posamezne lastnosti so lahko generične (splošne) ali specifične za posamezno izbirno možnost (angl. alternative-specific). Lastnosti specifične za posamezno izbirno možnost so 74

92 značilne predvsem za označene eksperimente. Generične lastnosti obravnavamo enako za vsak izdelek, kot je npr. cena na sliki 14. Tako obliko eksperimenta imenujemo generična (angl. generic design). Lastnosti, ki so značilne oz. specifične za posamezen izdelek ali znamko, analiziramo za vsak izdelek oz. znamko posebej (Warren F. Kuhfeld, 2010, str. 55). Pri eksperimentu diskretne izbire merimo, kako posamezen nivo lastnosti vpliva na izbiro izdelka ali storitve, ki je predmet raziskovanja. Z drugimi besedami, zanima nas torej učinek posameznih nivojev lastnosti na izbiro izdelka. Pri tem ločimo glavne učinke in vzajemne učinke lastnosti. Glavni učinek (angl. main effect) je preprosto učinek ene lastnosti, kot je npr. učinek cene ali znamke. To pomeni, da je učinek znamke enak ne glede na ceno. Vzajemni učinek (angl. interaction effect) pa predstavlja medsebojnega delovanja (interakcije) dveh ali več nivojev različnih lastnosti (npr. enega nivoja cene in ene znamke). Ta je torej lahko različen za vsako kombinacijo nivojev cene in znamke (Warren F. Kuhfeld, 2010, str. 57). Vzemimo za primer eksperiment, s katerim želimo oceniti izdelek z dvema lastnostma, pri čemer ima prva lastnost tri nivoje, druga pa štiri nivoje. Vseh možnih različic izdelka je tako 3 4 = 12. Če te razdelimo v dva nabora možnosti, bo moral anketiranec sprejeti dve odločitvi med šestimi izbirnimi možnostmi oz. različicami izdelkov. Obliko eksperimenta, kjer so v eksperiment vključene vse možnosti imenujemo polno-zmnožena oblika (angl. full-factorial design). Pri polno-zmnoženi obliki je možno oceniti vse glavne in vzajemne učinke nižjih in višjih redov, saj so ti nekorelirani. V primeru bolj zapletenih eksperimentov z več lastnostmi in več nivoji pri vsaki lastnosti je taka oblika eksperimenta težko izvedljiva ali celo neizvedljiva, saj je vseh možnosti preveč. Na primer, če bi imeli pet lastnosti, kjer bi imele 3 lastnosti po 4 nivoje in 2 lastnosti po 5 nivojev (tako obliko bi označili kot ), bi bilo vseh možnih kombinacij = Četudi bi izbirne možnosti združili v nabore po 4 možnosti, bi moral anketiranec sprejeti 400 odločitev. S tem razlogom je pogosto v uporabi t.i. delno-zmnožena oblika (angl. fractional-factorial design) oblika eksperimenta. Ta vsebuje le nekatere izmed vseh možnih kombinacij. Cena tega zmanjšanja je, da ne moremo meriti vseh učinkov, saj ti sovpadajo. Običajno se tako osredotočimo na ocenjevanje glavnih učinkov in vzajemnih učinkov nižjega reda, npr. dvo-stranskih (angl. two-way) vzajemnih učinkov, za vzajemne učinke višjega reda (npr. tristranskih) pa predpostavimo, da so neznatni ali enaki nič. Pri delno zmnoženi obliki smo zato pozorni na naslednji dve lastnosti: pravokotnost in uravnoteženost. Oblika eksperimenta je uravnotežena, kadar se vsak nivo lastnosti znotraj posamezne lastnosti pojavi enako pogosto. Kadar pa se vsak par nivojev lastnosti pojavi enako pogosto in to velja za vsako kombinacijo nivojev dveh lastnosti in za vsako kombinacijo lastnosti, pravimo, da je oblika eksperimenta pravokotna (Warren F. Kuhfeld, 2010, str. 57,58). 75

93 Kadar je oblika eksperimenta pravokotna, to pomeni, da je korelacija med spremenljivkami, ki predstavljajo posamezne nivoje lastnosti, enaka nič. Praktičen učinek tega je, da je vpliv sprememb v katerikoli lastnosti na izbiro anketiranca možno zaznati in izmeriti. Vzemimo za primer eksperiment, pri katerem bi se anketiranci odločali med več različicami avtomobilov. Poleg drugih lastnosti bi vsak avto določevala tudi cena in moč motorja. Slednja bi se spreminjala skupaj navzgor in navzdol in bila tako v popolni korelaciji. Ko bi v tem primeru merili spremembe v izraženi koristnosti ob variiranju cene in moči motorja, bi bilo nemogoče ugotoviti ali je vpliv na izbiro avtomobila moč pripisati ceni ali moči motorja ter opredeliti menjalno razmerje (angl. trade-off) med njima. Pravokotnost zagotavlja, da je možno tovrstne učinke ločiti. Kljub temu, da pravokotnost poenostavi tako optimizacijo oblike eksperimenta kot tudi analizo, je potrebna pazljivost, saj pogosto lahko pripelje do nesmiselnih oz. nedopustnih izbirnih možnosti (Bateman in sod., 2002, str. 263). Odločitev o tem ali je smiselno eksperiment oblikovati tako, da lahko na podlagi le-tega ocenimo vzajemne učinke ali zgolj glavne, mora temeljiti na premisleku teorije intuiciji in dopustnosti v okviru velikosti eksperimenta in vzorca. S tem, ko v fazi oblikovanja eksperimenta izključimo možnost identifikacije vzajemnih učinkov, predpostavimo, da ti niso statistično značilno različni od nič oz. v kolikor se statistično značilno razlikujejo od nič, da so neodvisni od učinkov ostalih lastnosti (Reed Johnson in sod., 2013). Louviere (v Bateman in sod., 2002, str. 264) pravi, da je v praksi več kot 80 % vedenja anketirancev moč pojasniti na podlagi glavnih učinkov. Vendar pa ob tem izpostavlja, da v kolikor so vzajemni učinki prisotni, vendar jih je zaradi oblike eksperimenta nemogoče določiti, bodo ocene glavnih učinkov pristranske. S tem razlogom je torej smiselno glede na prehodno poznavanje problema premisliti, katere vrste (vzajemnih) učinkov lahko pričakujemo. Minimalno skupno število izbirnih možnosti oz. kombinacij lastnosti izdelka ali storitve, ki jih vsebuje eksperiment je odvisno od potrebnega števila stopinj prostosti. Število stopinj prostosti pri eksperimentu diskretne izbire je enako številu opazovanj zmanjšanemu za število neodvisnih parametrov, ki jih ocenjujemo. To pomeni, da več parametrov kot želimo oceniti, večje število stopinj prostosti je potrebnih za to. Večje število stopinj prostosti torej pomeni obsežnejši eksperiment (z več izbirnimi možnostmi). Z drugimi besedami, kompleksnejša nelinearna razmerja kot želimo zaznati, več parametrov moramo oceniti, kar posledično pomeni, da je potrebnih več stopinj prostosti za ocenitev modela (David A Hensher in sod., 2005, str. 122). Potrebno število stopinj prostosti za ocenitev je odvisno od tega, ali želimo oceniti linearne ali nelinearne učinke. Linearne učinke posamezne lastnosti lahko ocenimo takrat, kadar so nivoji lastnosti linearni. V primeru, da želimo oceniti učinke posameznega nivoja določene lastnosti, pa govorimo o nelinearnih učinkih. Število potrebnih stopinj lastnosti se tudi 76

94 nekoliko razlikuje pri označenem in neoznačenem eksperimentu (David A Hensher in sod., 2005, str. 123). Enačbe za izračun so predstavljene v tabeli 4. Tabela 4: Minimalno število stopinj prostosti za oceno glavnih učinkov pri delno-zmnoženi obliki eksperimenta Vrsta eksperimenta Učinki Neoznačen Označen Linearni LL + 1 AAAA + 1 Nelinearni 1 + (nn ll 1) ll=1 ll=1 Legenda: L predstavlja število lastnosti, nn ll število nivojev lastnosti ll in A število oznak oz. označenih izbirnih možnosti (npr. avto, vlak, letalo). LL LL 1 + AA (nn ll 1) Vir: D. A. Hensher in sod., Applied choice analysis: a primer, 2005, str. 123 Če želimo oceniti tudi vzajemne učinke, moramo enačbam v tabeli 4 prišteti 1 za vsak vzajemni učinek v primeru linearnih učinkov in (nn 1 1) (nn 2 1) v primeru dvostranskih vzajemnih učinkov posameznih nivojev lastnosti 1 in lastnosti 2. V primeru tristranskih vzajemnih učinkov moramo slednje pomnožiti še s številom nivojev lastnosti 3, zmanjšanim za ena, t.j. (nn 1 1) (nn 2 1)(nn 3 1) (David A Hensher in sod., 2005, str. 124). Poseben tip delno-zmnoženih oblik so t.i. pravokotne tabele (angl. orthogonal arrays). Te natanko določajo število lastnosti, število nivojev za posamezno lastnost, kombinacije posameznih lastnosti in število vseh kombinacij. Primere oblik pravokotnih tabel za posamezno število kombinacij prikazuje slika 15 (Warren F. Kuhfeld, 2010, str. 59). Na seznamu je zapisano število kombinacij in nato število lastnosti ter nivojev za posamezno lastnost. Če vzamemo za primer osem kombinacij (prva številka na seznamu je 8) in obliko , to pomeni, da imajo 4 lastnosti 2 nivoja in 1 lastnost 4 nivoje. Slika 16 prikazuje pravokotne tabele za prvih pet oblik. Slika 15: Primeri pravokotnih tabel za ocenjevanje glavnih učinkov Vir: W. F. Kuhfeld, Marketing research methods in SAS., 2010, str

95 Slika 16: Pravokotne tabele za prvih nekaj oblik Vir: W. F. Kuhfeld, Marketing research methods in SAS., 2010, str Učinkovitost eksperimenta Za eksperimente, ki imajo obliko pravokotne tabele velja, da so uravnoteženi in pravokotni ter posledično 100 % učinkoviti in optimalni. Eksperimenti take oblike so uporabni za modele, kjer želimo oceniti glavne učinke in je število lastnosti in njihovih nivojev relativno majhno. Pogosto taka oblika ni možna, saj določene kombinacije vsebinsko niso možne oz. nimajo smisla, število vseh možnih kombinacij ne ustreza drugim vidikom oblike eksperimenta ali pa želimo oceniti tudi vzajemne učinke posameznih lastnosti. V takem primeru je potrebno sprejeti odločitev, ali prilagoditi število lastnosti in nivojev posamezne lastnosti znanim pravokotnim tabelam ali pa poiskati drugo čim bolj učinkovito nepravokotno obliko eksperimenta (Zwerina, Huber in Kuhfeld, 2010, str. 60). Eksperimenti učinkovitih oblik so v primerjavi s tistimi pravokotnih oblik učinkovitejši pri zbiranju informacij, saj zahtevajo manjši vzorec za dosego enakega nivoja točnosti ocen (Bliemer and Rose 2005; Sandor and Wedel 2001). Take oblike so torej lahko boljše od pravokotnih, vendar pa so običajno neuravnotežene. Običajno jih ustvarimo s pomočjo programske opreme, pri čemer algoritmi poiščejo učinkovito obliko z iskanjem najučinkovitejše kombinacije izbirnih možnosti (Zwerina in sod., 2010, str. 60). Merilo učinkovitosti bomo v nadaljevanju izpeljali za primer multinominalnega logit modela (angl. multinominal logit model) (McFadden, 1974). Model predpostavlja, da se posameznik odloči med izbirnimi možnostmi tako, da maksimizira svojo koristnost, UU, podano z naslednjo enačbo: UU = xx ii ββ + ee, (4.9) 78

96 je kjer xx ii predstavlja vrstični vektor lastnosti (oz. natančneje, ki predstavlja kombinacijo nivojev posameznih lastnosti), ki določajo izbirno možnost ii, ββr vektor KK koeficientov oz. uteži povezanih s temi lastnostmi in napako eer, ki predstavlja nepojasnjene odklone. Predpostavimo, da imamo N naborov izbirnih možnosti, CC nn, pri čemer je nn = 1,2,, NN, in kjer je vsak nabor izbirnih možnosti CC nn = xx 1nn, KK, xx JJnn nn. Če so napake, eer, porazdeljene neodvisno in imajo identično Gumbelovo porazdelitev, potem lahko pokažemo, da je verjetnost izbire možnosti ii iz nabora izbirnih možnosti CC nn enaka: PP iiii (XX nn, ββ) = eexx iiiiββ JJ nn ee xx jjjjββ jj=1, (4.10) kjer XX nn, predstavlja matriko, ki jo sestavlja JJ nn vrstičnih vektorjev xx jjjj, ki opisujejo kombinacijo lastnosti izbirne možnosti. Navpično združenim matrikam XX nn pravimo matrika oblike eksperimenta XX (angl. choice design matrix). Poiskati želimo tak vektor koeficientov ββ, ki maksimira vrednost funkcije največjega verjetja glede na dane podatke. Pri zelo splošnih pogojih je cenilka največjega verjetja konsistentna in asimptotično normalna s kovariančno matriko: JJ NN Ω = (ZZ PPPP) 1 = zz jjjj NN kjer je zz jjjj = xx jjjj PP jjjj zz jjjj nn=1 jj=1 JJ nn ii=1 xx iiii PP iiii. 1 (4.11) Iz enačbe (4.11) je razvidno, da se v nasprotju z linearnimi modeli centriranje (angl. centering) pojavi znotraj posameznega nabora izbirnih možnosti in ne preko vseh izbirnih možnosti kot pri linearnem modelu. To pomeni, da pri eksperimentih, ki imajo izbirne možnosti združene v več naborov oz. skupin (kjer anketiranec izbere eno izbirno možnost izmed vseh izbirnih možnosti znotraj posameznega nabora), izbira izbirnih možnosti in razvrstitev le-teh v nabore vpliva na kovariančno matriko. Medtem ko pri linearnih modelih kovariančna matrika ni odvisna od pravih vrednosti vektorja ββ, so pri nelinearnem modelu verjetnosti funkcija od ββ in posledično vplivajo na kovariančno matriko (Zwerina in sod., 2010, str. 267). Običajno predpostavimo da je ββ = 00, vendar pa lahko ta predpostavka, v kolikor je napačna, terja znatno več odgovorov, kar z drugimi besedami običajno pomeni večji vzorec (Huber & Zwerina, 1996). Cilj je torej najti tako obliko eksperimenta, pri kateri je kovariančna matrika Ω kot je določena z enačbo (4.11) najmanjša. Obstaja več meril učinkovitosti, ki jih lahko uporabimo za primerjavo posameznih oblik eksperimenta. Najpogosteje uporabljena sta A- učinkovitost (angl. A-efficiency) in D-učinkovitost (angl. D-efficiency) oz. njuni obratni vrednosti A-napaka (angl. A-error) in D-napaka (angl. D-error): 79

97 AA nnnnnnnnnnnn = ssss(ω) KK, (4.12) DD nnnnnnnnnnnn = Ω 1 KK, (4.13) pri čemer je KK število parametrov, ssss() pa označuje sled matrike. A-napaka predstavlja torej aritmetično, D-napaka pa geometrijsko povprečje lastnih vrednosti matrike Ω. Obstajata dva problema, ki omejujeta uporabnost A-napake za učinkovitost oblike eksperimenta: relativna A-napaka ni neodvisna od vrste kodiranja matrike oblike eksperimenta ter je nekoliko računsko zahtevnejša za izračun. V nasprotju, D-napaka, temelji na determinanti in ne na sledi matrike. to pomeni, da jo je računsko lažje posodabljati in je neodvisna od vrste uporabljenega kodiranja matrike. S tem razlogom je D-napaka ali njena obratna vrednost D-učinkovitost najpogosteje uporabljeno merilo za merjenje učinkovitosti oblike eksperimenta. Kljub temu, obstaja glede na matematične lastnosti obeh meril visoka korelacija med njima (Zwerina in sod., 2010, str ). Obliki eksperimenta z minimalno D-napako pravimo D-optimalna oblika (M. C. J. Bliemer & Rose, 2005, str. 8). Huber in Zwerina (1996) sta opredelila štiri glavne pogoje, ki morajo biti izpolnjeni, da ima oblika eksperimenta minimalno D-napako. To sta poleg pravokotnosti in uravnoteženosti nivojev lastnosti še minimalno prekrivanje (angl. minimal overlap) in uravnoteženost koristnosti (angl. utility balance). Minimalno prekrivanje pomeni, da možnosti v posameznem naboru izbirnih možnosti nimajo prekrivajočih se nivojev lastnosti. Pogoj uravnoteženosti koristnosti pa je izpolnjen kadar vsaka izbirna možnost v posameznem naboru možnosti anketirancu predstavlja enako koristnost oz. z drugimi besedami, kadar je verjetnost, da bo anketiranec izbral posamezno možnost izmed vseh izbirnih možnosti JJ nn znotraj posameznega nabora izbirnih možnosti CC nn enaka (oz. čim bližje) 1. Pravokotnost in uravnoteženost pa smo že opredelili. JJ nn Za večino kombinacij števila lastnosti, števila nivojev pri posamezni lastnosti in števila izbirnih možnosti je nemogoče najti obliko eksperimenta, ki izpolnjuje navedene pogoje Zwerina et. al. (2010, str ). Poleg tega je najti D-optimalno obliko običajno zahteven problem, saj obstaja eksponentno mnogo oblik z različnimi kombinacijami nivojev lastnosti. S tem razlogom je ustrezneje uporabljati izraz D-učinkovita oblika eksperimenta za eksperimente z majhno D-napako, saj je pogosto nemogoče zagotoviti, da smo našli obliko z najnižjo D-napako (M. C. J. Bliemer & Rose, 2005, str. 8). D-učinkovite oblike eksperimentov so se glede na izkušnje izkazale za primerne za modele diskretne izbire (Warren F. Kuhfeld, 2010, str. 248). 80

98 Delitev eksperimenta na več delov Kadar je naborov izbirnih možnosti preveč in bi torej moral anketiranec sprejeti preveč odločitev, je smiselno eksperiment razdeliti na več manjših delov oz. blokov. Anketiranec v tem primeru izpolni le svoj blok. Če vzamemo za primer obliko eksperimenta s skupno 36 izbirnimi možnostmi oz. kombinacijami izdelka ali storitve. Te nato združimo v nabore po 3 izbirne možnosti tako da dobimo 12 naborov. Anketiranec bi v tem primeru moral sprejeti 12 odločitev. V takem primeru obstaja verjetnost, da bo anketiranec vedno manj zbrano odgovarjal in obkroževal odgovore na pamet. Da bi se temu izognili, eksperiment razdelimo na 3 dele oz. bloke. Tako bi vsak anketiranec sprejel le 4 odločitve, seveda pa zato potrebujemo trikrat večji vzorec. Pravzaprav potrebna velikost vzorca narašča eksponentno, ko pada število izbirnih možnosti znotraj posameznega bloka pri nespremenljivem skupnem številu možnosti (David A Hensher in sod., 2005, str. 126). Pravokotnost oblike eksperimenta ohranimo le, če so izpolnjeni vsi bloki eksperimenta. Če bi tako v našem primeru eksperiment rešila le 2 anketiranca (torej bi bila rešena le 2 bloka), eksperiment pri analizi ne bi bil pravokoten (David A Hensher in sod., 2005, str. 126). Glede na (Warren F. Kuhfeld, 2010, str. 71) naj bi pravzaprav vsak anketiranec sprejel le eno odločitev (torej naj bi mu bil predstavljen le en nabor izbirnih možnosti), vendar pa je pogosto bolj gospodarno, če anketiranec sprejme več odločitev, saj s tem zmanjšamo potrebno velikost vzorca. Število odločitev, ki jih sprejme posamezen anketiranec, tako Kuhfeld (2010), ne vpliva na pričakovano koristnost, vendar pa vpliva na strukturo kovariance. Včasih so lastnosti visoko korelirane znotraj posameznega bloka, kar je pogosto predvsem pri manjših velikostih blokov, vendar v kolikor korelacije med lastnostmi niso velike na nivoju celotnega eksperimenta, to ni problem Vsebinski in vedenjski vidiki oblikovanja eksperimenta Neobvezujoča izbirna možnost Eden izmed ključnih argumentov za vključitev neobvezujoče možnosti oz. možnosti neizbire ponujenih izbirnih možnosti (angl. opt-out alternative, pogosto tudi»constant alternative«ali»status-quo alternative«) v eksperiment je bil sprva povečanje podobnosti z realnostjo in izogibanje prisiljeni izbiri (R. T. Carson in sod., 1994). Zavrnitev, izogibanje izbire in prelaganje odločitve kot tudi izbira alternativne možnosti ali znamke namesto ponujenih, je namreč eden izmed sestavnih delov praktično vsakodnevnega obnašanja posameznikov na trgu. Številne raziskave s področja eksperimentalne psihologije in trženja so pokazale, da se anketiranci, ki so prisiljeni v odločitev, navadno zatečejo k poenostavitvam in kompromisom, kar popači njihove resnične preference. (Dhar, 1997; Dhar & Simonson, 2003). Ker se neobvezujoča izbirna možnost ponovi v vsakem naboru izbirnih možnosti, jo pogosto označujemo tudi z izrazom konstantna izbirna možnost (angl. constant alternative) (npr. Zwerina in sod. (2010, str )). 81

99 Drugi pomemben razlog, zaradi katerega je potrebno vključiti neobvezujočo izbirno možnost v nabor izbirnih možnosti, pa je, da so merila blaginje (kot je npr. pripravljenost za plačilo) le v tem primeru skladna s teorijo povpraševanja. Učinke povpraševanja je namreč možno identificirati zgolj v primeru, ko je anketirancem na voljo možnost»neizbire«ali obstoječa možnost oz. stanje (Adamowicz & Boxall, 2001; Bateman in sod., 2002, str. 281,294,295; R. T. Carson in sod., 1994). Rezultati pridobljeni na osnovi eksperimenta, ki ne vsebuje neobvezujoče možnosti so pristranski, saj lahko precenijo verjetnost, da bi posameznik resnično izbral eno izmed hipotetičnih možnosti, v kolikor v resnici ne bi izbral nobene izmed njih (Ruby Banzhaf, Reed Johnson in Mathews, 2001). V kolikor nekaterim anketirancem najboljšo možnost predstavlja obstoječe stanje, bo katerikoli model temelječ na obliki eksperimenta, ki ne vsebuje možnosti, ki predstavlja obstoječe stanje, pripeljal do netočnih ocen blaginje potrošnika (Bateman in sod., 2002, str. 294, 295). Vpeljava neobvezujoče izbirne možnosti pa lahko predstavlja tudi določene zaplete pri analizi eksperimenta tako s stališča vedenjskih posledic kot tudi ekonometričnih izzivov (Kontoleon & Yabe, 2003). Neobvezujoča izbirna možnost lahko namreč popači spodbude za odkrivanje preferenc kot sledijo iz teorije racionalne izbire. Ključni razlog za to je, da neobvezujoča izbirna možnost omogoča lahek izhod za anketirance, kadar so soočeni s težko odločitvijo (Dhar & Simonson, 2003; Luce, 1998). Tako teorija kot tudi empirični rezultati kažejo, da tem bolj so izbirne možnosti za anketiranca enakovredne, oz. predstavljajo enako koristnost za anketiranca, težje se med njimi odloči in večje je verjetnost, da odločitev preloži (Dhar, 1997; Dhar & Simonson, 2003; Tversky & Shafir, 1992). Na tem mestu je potrebno opozoriti, da je uravnoteženost koristnosti eden izmed štirih glavnih pogojev, kot sta jih opredelila Huber in Zwerina (1996) in sicer, da ima oblika eksperimenta minimalno D-napako (glej str. 80). Kadar so anketiranci soočeni s težko odločitvijo in ob tem prisiljeni v izbiro (torej neobvezujoča možnost ni na voljo), anketiranci izberejo ali osnovno možnost, ki predstavlja nekakšen kompromis med vsemi možnostmi, ki so na voljo, ali asimetrično dominantno možnost (možnosti z eno dominantno lastnostjo) ali možnost, ki predstavlja visoko kvaliteto in ceno (Kontoleon in Yabe, 2003; Simonson, 1989; Simonson & Tversky, 1992; Tversky, Sattath in Slovic, 1988). Vključitev neobvezujoče izbirne možnosti, ki predstavlja obstoječe stanje ali izdelek (npr.»izbral bi svoj trenutni izdelek«), vpliva tudi na učinkovitost eksperimenta. Če primerjamo eksperiment z npr. tremi izbirnimi možnostmi v posameznem naboru izbirnih možnosti in eksperiment, ki v naboru izbirnih možnosti vključuje še dodatno, četrto, konstantno izbirno možnost, ima slednji večjo D-napako in je tako manj učinkovit. Posledica tega so lahko manj natančne ocene koeficientov. Ključni razlog za manjšo učinkovitost eksperimenta tiči 82

100 v dejstvu, da je (v uravnoteženem eksperimentu s stališča uravnoteženosti koristnosti) neobvezna izbirna možnost, ki predstavlja obstoječe stanje, izbrana (v tem konkretnem primeru) v četrtini primerov. V kolikor je naš namen oceniti izbirno možnost, ki predstavlja obstoječe stanje oz. izdelek glede na druge izbirne možnosti, pa bo pogostejše ponavljanje gotovo privedlo do natančnejših ocen koeficientov za posamezne nivoje lastnosti, ki sestavljajo obstoječo izbirno možnost (Zwerina in sod., 2010, str ). Kadar eksperiment vsebuje neobvezno izbirno možnost, ni možno doseči 100 % relativno učinkovite oblike eksperimenta. Če namreč želimo doseči 100 % učinkovitost, morajo vse kombinacije nivojev lastnosti optimalno variirati, v tem primeru pa se v vsakem naboru možnosti pojavi ista izbirna možnost oz. kombinacija nivojev lastnosti (Warren F. Kuhfeld, 2010, str. 318). Vpeljava neobvezujoče izbirne možnosti predstavlja določen izziv tudi pri ekonometrični analizi eksperimenta oz. modeliranju odločitev. V mnogih primerih neobvezujoča izbirna možnost ne doprinese nobene dodatne informacije o relativnih preferencah anketiranca glede lastnosti hipotetičnih možnosti (kar je sicer primarni cilj eksperimenta). Drug problem pri analizi predstavlja opredelitev pomena neobvezujočeizbirne možnosti, saj ni samoumevno katere nivoje lastnosti zavzema (Kontoleon & Yabe, 2003). Tretji problem predstavlja ena od pomembnih teoretičnih omejitev nekaterih ekonometričnih modelov (kot je npr. pogojni logit model CL model) predpostavka t.i. neodvisnosti od nepomembnih izbirnih možnosti (angl. independence of irrelevant alternatives IIA). Ta pomeni, da je posameznikova odločitev med dvema izbirnima možnostma znotraj nabora možnosti odvisna le od lastnosti in stroškov teh dveh možnosti, ne pa tudi od lastnosti katerekoli druge možnosti. Z vpeljavo neobvezujoče izbirne možnosti je omenjena predpostavka kršena, saj lahko glede na eksperiment brez neobvezujoče izbirne možnosti slednja prevzame večji delež od nekaterih izbirnih možnosti kot od drugih (npr. če bi bila v eksperimentu brez neobvezne možnosti izbrana v polovici primerov možnost A in v polovici primerov možnost B, bi bila v eksperimentu z neobvezno možnostjo C izbrana možnost A v 30 %, možnost B v 40 % in možnost C v 30 % - slednja bi torej prevzela večji delež siceršnje izbire možnosti A, kar pa bi pomenilo, da vpeljava možnosti C vpliva na izbiro možnosti A in B) (Dhar & Simonson, 2003). Nekateri raziskovalci (npr. (Dhar & Simonson, 2003; Louviere in sod., 2010)) kljub temu izpostavljajo, da vključitev neobvezujoče izbirne možnosti v določenih primerih ni primerna. Tak primer je npr. izbira osnovne šole za otroke, ki so šoloobvezni, ali pa npr. v živilski trgovini izbira vrečke ta je lahko plastična, papirnata ali pa jo prinesemo s sabo. Kljub nekaterim pomislekom in morebitnim komplikacijam Kontoleon in Yabe (2003) priporočata v vsakem primeru vključitev neobvezujoče možnosti v eksperiment. 83

101 Vrste neobvezujočih možnosti V raziskavah, ki temeljijo na eksperimentu diskretne izbire, najpogosteje zasledimo naslednji dve obliki neobvezujoče možnosti (R. T. Carson in sod., 1994; Kontoleon & Yabe, 2003; Zwerina in sod., 2010, str ):»nič od naštetega«(ali npr.»ne bi se odločil za oz. izbral nobene izmed naštetih možnosti«) Označuje odgovor, da nobena izmed ponujenih alternativ ni sprejemljiva oz. da se anketiranec ne more odločiti med ponujenimi alternativami in želi nadaljevati z naslednjo izbiro.»moj trenutni izdelek«(pogosto tudi»svoj najljubši izdelek«,»izbral bi svojo trenutno znamko«,»obstoječe stanje«ipd.) Običajno predstavlja trenutno stanje (t.i.»status quo«) oz. izdelek ali storitev, ki ga oz. jo anketiranec trenutno uporablja. V literaturi in raziskavah s področja trženja zasledimo uporabo obeh oblik neobvezujoče izbirne možnosti, vendar pa ni moč razbrati jasnega vzorca, katera oblika je primernejša v danih primerih. V netržnih raziskavah raziskovalci najpogosteje uporabljajo obliko»nič od naštetega«, čeprav bi bila morda v določenih primerih druga oblika primernejša (Kontoleon & Yabe, 2003). Glede na pogosto nejasno izbiro oblike neobvezujoče izbirne možnosti, bi lahko sklepali, da izbira oblike ne vpliva na odločitveni proces posameznika. Vendar pa sta Kontoleon in Yabe (2003) ugotovila, da je v primeru, ko je bila v eksperiment vključena oblika»moj trenutni izdelek«, to izbirno možnost izbralo skoraj še enkrat več (47 % proti 27 %) anketirancev kot v primeru, ko je bila v eksperiment vključena neobvezujočo izbirno možnost oblike»nič od naštetega«. Znatno večji je bil tudi delež anketirancev, ki so v vsakem naboru izbirnih možnosti izbrali možnost»moj trenutni izdelek«v primerjavi z deležem tistih, ki so izbrali možnost»nič od naštetega«(23 % proti 6 %). Ena izmed možnih razlag za dobljene rezultate je, da se anketiranci pri uporabi oblike»nič od naštetega«počutijo prisiljene v izbiro in zato izberejo eno izmed hipotetičnih izbirnih možnosti, ki so na voljo. Različno pa je bilo tudi razmerje med izbranimi možnosti A, B in C ob neobvezujoči izbirni možnosti ene in druge oblike. Rezultati raziskave so pokazali, da so odgovori anketirancev pri uporabi oblike»moj trenutni izdelek«med seboj bolj skladni, anketiranci pa nekoliko manj psihično utrujeni od reševanja eksperimenta. Anketiranci se pri reševanju eksperimenta, ki vsebuje neobvezno izbirno možnost»moj trenutni izdelek«manj zatekajo k poenostavitvam in kompromisom, kar se kaže v večjem številu razkritih vzajemnih učinkov med lastnostmi izdelka oz. dobrine, ki je predmet raziskave (Kontoleon & Yabe, 2003). Teoretično zaledje ugotovitev ponuja predvsem v teoriji racionalne izbire ter teoriji konstruktivnih preferenc (angl. constructive preference theory). Batsell in Louviere (1991) (v Kontoleon in Yabe, 2003) priporočata uporabo oblike, ki najbolj približa hipotetično odločitev tisti, ki jo posamezniki izkusijo v resničnih razmerah. Vendar pa je odločitev o tem, s katero obliko neobvezujoče izbirne možnosti najbolj 84

102 približamo izbiro oz. odločitev tisti na resničnem trgu, zaradi zapletenosti mnogih vsakodnevnih odločitev vse prej kot lahka. Pogosto se prepletajo tudi cilji raziskave (npr. želimo določiti udeležbo na trgu kot tudi odnos do posameznih novo predlaganih lastnosti izdelka). V kolikor želimo relativne vrednosti, ki jih pridobimo na osnovi modeliranja odločitev anketirancev, pretvoriti v absolutne, ki so uporabne za analizo stroškov in koristi, moramo v eksperiment vključiti izbirno možnost, ki predstavlja obstoječe stanje (angl. baseline alternative) (Bateman in sod., 2002, str. 251). V tem primeru je torej izbira oblike neobvezujoče možnosti trivialna -»moj trenutni izdelek«. Cilj izbire ustrezne oblike neobvezujoče izbirne možnosti je predvsem povečati podobnost hipotetične odločitve v eksperimentu z odločitvami v resničnem življenju in s tem pridobiti kar se da največ informacij. Carson in sod. (1994) priporočajo uporabo oblike»moj trenutni izdelek«oz. temu podobno formulacijo, če želimo raziskati katere lastnosti oz. nivoje lastnosti mora imeti nov izdelek, da bi pritegnil nove kupce. Kadar pa želimo raziskati tržni delež izdelka in možnosti prodora na trg, naj bi v eksperiment vključili neobvezujočo izbirno možnost v obliki»nič od naštetega«. Uporabi slednje pa se je smiselno izogniti v primerih, kadar se v realnosti posameznik ne more izogniti sprejetju odločitve (npr. dolgotrajno odlašanje izbire osnovnih dobrin brez bližnjih nadomestnih dobrin, kot so npr. osnovna živila, je namreč nerealno) (Dhar & Simonson, 2003). Kontoleon in Yabe (2003) priporočata uporabo omenjene oblike v primerih, ko anketiranci dobro poznajo dobrino, ki je predmet raziskave (npr. študije o potrošniškem blagu, rekreaciji in zdravju kot tudi študije o lokalnih javnih dobrinah kot je npr. ločevanje odpadkov, onesnaževanje vode ipd.), bomo to v največji meri dosegli z uporabo oblike»moj trenutni izdelek«oz.»obstoječe stanje«, medtem ko je v primeru, kadar anketiranci niso dobro seznanjeni z njihovo trenutno dobrino (npr. izbira v primeru čistih javnih dobrin in trajnih dobrin) verjetno primernejša uporaba neobvezujoče izbirne možnosti v obliki»nič od naštetega«ali podobno Zahtevnost eksperimenta Optimizacija oblike eksperimenta pa ne sme biti zgolj predmet optimizacije statističnih lastnosti in maksimiranja učinkovitosti eksperimenta, temveč tudi narave in zahtevnosti/kompleksnosti eksperimenta samega ter vpliv slednjega na ocene parametrov (Bech, Kjaer in Lauridsen, 2011). Odločitev o tem, koliko odločitev naj anketiranec sprejme (oz. kolikokrat naj izbere zanj najustreznejšo možnost izmed nabora izbirnih možnosti), je odvisna tudi od zahtevnosti tematike in posledično eksperimenta. Pri tematikah oz. problemih, ki so vsebinsko 85

103 anketirancem bližje, anketiranci lahko sprejmejo več odločitev (Bateman in sod., 2002, str. 265). Poleg števila odločitev pomembno določa zahtevnost naloge (odločitve oz. izbire) tudi število izbirnih možnosti, število lastnosti in korelacijska struktura informacije v naboru izbirnih možnosti. Vse našteto dokazano vpliva na konsistentnost odločitev. Skladnost pada z zahtevnostjo eksperimenta (npr. (DeShazo & Fermo, 2002; John M. Rose, Hensher, Caussade, Ortúzar in Jou, 2009)). S pojmom skladnost imamo v mislih odstopanja pri izbiri anketirancev, ki jih ne moremo pojasniti zs pripadajočo funkcijo koristnosti. Predpostavimo, da bi anketiranec, ki razpolaga s popolnimi informacijami, razvrstil izbirne možnosti A1, A2 in A3 v tem vrstnem redu. Povečanje zahtevnosti lahko povzroči, da bi odgovori anketirancev lahko postali neskladni na način, da možnosti A1 ne bi več razvrstili na prvo mesto. Neskladnost se lahko kaže na vsaj štiri načine. V prvem primeru je preferenčno razvrščanje nepopolno (npr. jasen je vrstni red A2, A3, ne pa tudi položaj A1). V drugem primeru preferenčno razvrščanje ni tranzitivno (npr. A1, A2 in sočasno A3, A1). Tretji primer neskladnosti se kaže v primeru, ko je preferenčno razvrščanje sicer popolno in tranzitivno, ampak ne optimalno (npr. A2, A1, A3). Četrti primer neskladnosti pa je v primeru, ko anketiranec sicer ne naredi napake, vendar pa je neodločen med dvema izbirnima možnostma in zato možnost izbere naključno (DeShazo & Fermo, 2002). Večja kot je obremenitev anketirancev, več je torej možnosti, da se bo kakovost podatkov, ki jih posredujejo, poslabševala. Seveda pa obstaja zelo malo natančnih empiričnih raziskav, ki bi nas usmerjale v tej zadevi, poleg tega so si nasprotujoči tudi obstoječi rezultati. Na primer, Swait in Adamovicz (1996) sta ugotovila, da zahtevne naloge (na primer, zapletenost odločitev in naraščajoče psihične obremenitve) lahko vplivajo na varianco slučajne napake εε, ki posledično lahko vpliva na učinkovitost parametra vektorja. V več kot šestih različnih študijah izraženih preferenc so ugotovili, da obstaja nivo kompleksnosti, do katerega se varianca zmanjšuje, in da obstaja naraščajoča psihična obremenitev, po kateri varianca stohastične koristnosti začne naraščati. Ugotovili so, da je varianca konveksna funkcija kompleksnosti odločitev in naraščajoče psihične obremenitve. Do skoraj enakih zaključkov sta prišla tudi DeShazo in Fermo (2002) za število možnosti v naboru izbirnih možnosti. Do nekega števila možnosti se varianca zmanjšuje zaradi boljšega ujemanja podanih možnosti z anketirančevimi preferencami, nato pa začne varianca ponovno naraščati, kar pomeni, da psihični napor pretehta večjo izbiro. Pokazala sta tudi, da varianca napake narašča s številom lastnosti. Bech in sod. (2011) so pri primerjavi rezultatov anketirancev, ki so morali sprejeti 5, 9 in 17 odločitev, opazili nekoliko različne ocene parametrov med posameznimi skupinami in podobno ugotovili, da začne psihični napor naraščati po določenem številu odločitev. Kljub temu zaključijo, da so bili anketiranci zmožni sprejeti 17 odločitev brez večjih težav. 86

104 Tudi ugotovitve Chung in sod. (2011) kažejo na to, da so odločitve anketirancev odvisne od količine podatkov na podlagi katerih morajo sprejeti odločitve. Rezultati mejnih učinkov in pripravljenosti za plačilo kažejo, da spreminjanje števila možnosti in naborov možnosti vpliva na mejne ocene pripravljenosti za plačilo. V njihovem primeru so tako ugotovili, da je optimalna oblika eksperimenta s 5 možnostmi in 6 nabori možnosti. Nasprotno pa Brazell in Louviere (v Louviere, Hensher in Swait, 2000, str. 261) ugotavljata, da so stopnje anketnih odgovorov in ocene parametrov praktično enake, kadar se primerja skupine anketirancev, ki so odgovarjali na 12, 24, 48, ali 96 naborov izbirnih možnosti v okviru določene izbirne naloge. Nedavna raziskava Brouwerja in sod. (2010) je pokazala, da so z vsako dodatno odločitvijo anketiranci bolj prepričani v svoj odgovor. Vendar naj slednje ne vplivalo na ocene parametrov ali varianco. Izražene prednosti/preference so bile torej stabilne in skladne. Ker je bil njihov eksperiment relativno preprost, anketiranci so se namreč morali odločiti petkrat med tremi možnostmi, pa avtorji zaključijo, da gre pozitivne rezultate deloma pripisati enostavnosti eksperimenta. V večini študij se anketiranci odločajo med enim in 16 nabori izbirnih možnosti, povprečno med osmimi izbirnimi scenariji na anketiranca (Michiel C. J. Bliemer & Rose, 2011). Vendar kot je moč razbrati iz rezultatov nekaterih omenjenih raziskav, so anketiranci zmožni brez težav reševati tudi daljše eksperimente, v kolikor tematika ni prezahtevna. Na podlagi omenjenega lahko povzamemo, da kompleksnost eksperimenta vpliva na odločitve anketirancev, vendar pa ostaja odprto vprašanje, kako meriti zahtevnost vsebine (oz. tematike) in kako to enoznačno prevesti v število možnosti v posameznem naboru ter skupno število naborov. Obliko eksperimenta je potrebno prilagoditi predvsem glede na kompleksnost izbire (število lastnosti in različnih možnosti), spodbud, načina anketiranja (anketiranje po elektronski pošti, osebni intervjuji, spletne ankete), vrste anketirancev itd. (Louviere, Hensher in Swait, 2000, str. 261). Številni avtorji (npr. (Brouwer in sod., 2010; Chung in sod., 2011; DeShazo & Fermo, 2002) tako priporočajo predhodno testiranje različnih oblik eksperimenta, da bi ugotovili optimalen opis možnosti preko lastnosti ter število izbirnih možnosti. Kljub vsemu pa, dokler ne bodo na voljo bolj točna priporočila, Louviere in sod. (2000, str. 261) priporočajo nekoliko bolj konservativen pristop k oblikovanju eksperimentov Opredelitev nivojev lastnosti Nivoji lastnosti morajo biti določeni tako, da so dopustni, realistični in v območju smiselnem za anketirance (Hanley, Mourato in Wright, 2001, str. 437). Obstoječe nivoje 87

105 lastnosti je smiselno okviriti z nižjimi in višjimi vrednostmi, kar omogoča oceno vrednosti izgube/poslabšanja in izboljšave/pridobitve (Bateman in sod., 2002, str. 260). Cene oz. nivoji cen, ki jih vsebujejo posamezne izbirne možnosti, morajo biti sorazmerne z nivoji ostalih lastnosti. Možnosti s prenizkimi cenami bodo namreč zelo verjetno vedno izbrane, kar se posledično pokaže v izredno majhnem (ali blizu nič) koeficientu cene. To pomeni zelo veliko mejno monetarno vrednost posameznih nivojev lastnosti. Možnosti s previsokimi cenami bodo verjetno pretežno zavrnjene, kar se podobno pokaže, sicer paradoksalno, v izredno majhnem koeficientu cene (Bateman in sod., 2002, str. 261). Število nivojev lastnosti vpliva tudi na velikost intervala zaupanja. Parametri lastnosti z več nivoji imajo običajno večje intervale zaupanja, saj je za oceno parametra posameznega nivoja na voljo manj opazovanj. Ta lahko ustrezno zmanjšamo z zagotovitvijo dovolj velikega vzorca (Reed Johnson in sod., 2013) Dominantne izbirne možnosti Slika 17: Nabor izbirnih možnosti z dominantno možnostjo Možnost 1 Možnost 2 Čas potovanja 20 min 25 min Cena 2 EUR 3 EUR Izbirne možnosti (npr. izvedenke izdelka) v naboru izbirnih možnosti določajo lastnosti, za večino katerih se lahko opredelimo ali imajo pozitiven ali negativen vpliv na koristnost. Pri tovrstnih lastnostih povečevanje nivojev lastnosti ali povečuje ali zmanjšuje privlačnost izdelka in posledično verjetnost, da bo ta izbran (Crabbe & Vandebroek, 2012). Kadar prva izbirna možnost vsebuje nivoje lastnosti, ki so bolj ali enako privlačni nivojem druge izbirne možnosti (kot je npr. prikazano na primeru na sliki 17), pravimo, da je prva izbirna možnost glede na drugo dominantna. V tem primeru pojmujemo dominantnost v smislu, da bi vsak racionalni anketiranec izbral slednjo (Crabbe & Vandebroek, 2012). Kadar je ena izbirna možnost glede na ostale dominantna, naloga (izbira oz. odločitev) postane lažja za anketirance. Odstranitev dominantne izbirne možnosti iz nabora izbirnih možnosti prisili anketiranca, da pri izbiri pretehta vse izbirne možnosti in njihove nivoje lastnosti (Warren F. Kuhfeld, 2010, str. 820). Nabori izbirnih možnosti, ki vključujejo dominantno izbirno možnost, ne prispevajo nobene dodatne informacije glede relativne pomembnosti nivojev lastnosti in tako niso prav informativni pri analizi preferenc. Kljub temu, da je problem z dominantnimi izbirnimi možnostmi znan, je v literaturi temu namenjeno manj pozornosti (Crabbe & Vandebroek, 2012). Kljub prednostim učinkovite zasnove eksperimenta, se je v praksi 88

106 pokazalo, da eksperimenti lahko vključujejo nabore izbirnih možnosti z dominantnimi možnostmi Hess and Adler (v Crabbe & Vandebroek, 2012). Vendar je slednje zaradi poudarjanja pomembnosti same učinkovitosti eksperimenta pogosto prezrto (Crabbe & Vandebroek, 2012). Louviere in sod. (2000, str. 302) priporočajo izločitev dominantnih izbirnih možnosti iz eksperimenta, vendar pa ob tem opozarjajo, da obstaja polemika glede učinka dominantnih izbirnih možnosti, saj v mnogo primerih ni povsem jasno, ali so take možnosti dominantne tudi glede na neobvezujočo izbirno možnost, kot je npr.»ne izberi ničesar«, ali je slednja morda dominantnejša. S tem razlogom svetujejo določeno previdnost pri izločanju omenjenih možnosti, saj lahko pomembno vplivajo na statistične lastnosti eksperimenta Nesmiselne oziroma nedopustne izbirne možnosti Pri oblikah eksperimentov, ki temeljijo na pravokotnih tabelah, nivoji lastnosti variirajo neodvisno, zato se pogosto pojavijo nesmiselne, nedopustne oz. v resničnem življenju malo verjetne izbirne možnosti (npr. izdelek najvišje kvalitete po najnižji ceni). Prav tako se nesmiselne izbirne možnosti pojavijo v računalniško generiranih eksperimentih (Reed Johnson in sod., 2013). Nesmiselnost kombinacije nivojev lastnosti je namreč odvisna od vsebinskega pomena izbirnih možnosti oz. predmeta raziskave. Nelogične kombinacije anketiranci običajno težko ocenijo, kar lahko privede do pristranskosti zaradi hipotetične situacije (angl. hypothetical bias), neopazovane heterogene interpretacije anketirancev ali merske napake kot posledice nezbranosti pri odgovarjanju ali drugih neopazovanih vplivov. V večini primerov je zato priporočljivo take izbirne možnosti odstraniti iz eksperimenta oz. določiti pogoje, ki onemogočajo pojavitev slednjih v eksperimentu. Večina pristopov za oblikovanje eksperimenta običajno omogočajo opredelitev kombinacij nivojev lastnosti, ki naj bi se ne pojavile v eksperimentu, vendar pa to ne velja za vse pristope (pri katerih pristopih je to možno in pri katerih ne, bomo opozorili v podpoglavju ). Na tem mestu je potrebno opozoriti, da s statističnega vidika izločitev nesmiselnih in dominantnih izbirnih možnosti pripelje do določene stopnje korelacij in neuravnoteženosti nivojev lastnosti v eksperimentu (Reed Johnson in sod., 2013) Izdelava eksperimenta diskretne izbire Pred izdelavo eksperimenta diskretne izbire moramo opredeliti naslednje (Bateman in sod., 2002, str ; David A Hensher in sod., 2005, str ; Warren F. Kuhfeld, 2010, str. 26; Reed Johnson in sod., 2013): predmet raziskave, ki se nanaša na izdelek, storitev ali drugo dobrino ter katere(-ga) lastnosti želimo vrednotiti; 89

107 ali bomo uporabili označen ali neoznačen eksperiment oz. eksperiment z označenimi ali neoznačenimi izbirnimi možnostmi; lastnosti, ki predstavljajo predmet raziskave in število oz. razpon nivojev lastnosti za vsako lastnost posebej (lastnosti lahko predstavljajo značilnosti izdelka, kot so npr. cena, barva, poreklo; lastnosti, kot so npr. čas vožnje, varnost ipd.); glavne in vzajemne učinke, ki jih želimo oceniti; potrebno število stopinj prostosti, ki določa najmanjše potrebno število izbirnih možnosti; obliko eksperimenta v smislu polno-zmnožene ali delno-zmnožene oblike; število naborov izbirnih možnosti (koliko odločitev bo potrebnih za izpolnitev enega eksperimenta); obliko neobvezne izbirne možnosti; glede na število potrebnih odločitev, ki jih terja izpolnitev eksperimenta, je po potrebi potrebno opredeliti število delov na katere bomo razdelili eksperiment; model, na osnovi katerega želimo oceniti vpliv posameznih nivojev lastnosti na izbiro (določiti je potrebno način, na katerega bomo opazovane podatke modelirali kot funkcijo lastnosti, nivojev lastnosti in drugih dejavnikov); omejitve modela, v kolikor so potrebne (vključuje opredelitev dominantnih in nesmiselnih izbirnih možnosti, ki ne smejo biti vključene v končni eksperiment) Pristopi k izdelavi/oblikovanju eksperimenta diskretne izbire Kljub privlačnim statističnim lastnostim pravokotnih tabel oz. večkrat imenovanih tudi pravokotni osnutki za glavne učinke (angl. orthogonal main-effects plan - OMEP), se v praksi pogosto izkažejo za toge oz. neprilagodljive. Poleg tega, pravokotne tabele obstajajo le za določene kombinacije lastnosti, nivojev lastnosti in števila izbirnih možnosti. V ostalih primerih se je potrebno poslužiti drugih pristopov za oblikovanje eksperimenta (Reed Johnson in sod., 2013) Oblikovanje eksperimentov na osnovi pravokotnih tabel Za eksperimente oblikovane na osnovi pravokotnih tabel 8 veljata pravokotnost in uravnoteženost. Tako oblikovani eksperimenti omogočajo neodvisno oceno glavnih učinkov, ne pa nujno tudi vzajemnih učinkov (če želimo oceniti tudi slednje, moramo uporabiti večjo, glede na potrebno število stopinj prostosti primerno, tabelo). Pri tovrstnih pristopih oblikovanja eksperimenta običajno uporabimo vrstice pravokotne tabele za prvo možnost v vsakem naboru izbirnih možnosti. Ostale izbirne možnosti v naboru izdelamo tako, da sistematično priredimo nivoje lastnosti z uporabo ene od 8 Pravokotne tabele lahko najdemo v vrsti spletnih katalogov, kot npr. (W. F. Kuhfeld) (Sloane) 90

108 strategij, ki vključujejo tehnike naključnih kombinacij, zrcaljenja nivojev, rotiranja in zamikanja (Reed Johnson in sod., 2013). Reed Johnson in sod. (2013) ter Street in sod. (2005) so povzeli naslednje pristope: Naključna kombinacija Pri tem načinu izdelave eksperimenta vzamemo ustrezno pravokotno tabelo in nato naključno združimo vrstice (vsaka predstavlja izbirno možnost) v nabore izbirnih možnosti. Ob tem moramo biti izredno pazljivi, saj se lahko zgodi, da imajo možnosti v istem naboru več enakih nivojev lastnosti ali celo, da imata dve izbirni možnosti pri določeni lastnosti v vsakem naboru možnosti enake nivoje. V takem primeru bi zbrali zelo malo informacij o učinku nivoja take lastnosti. Drug problem, do katerega lahko pride, je, da se določeni nivoji lastnosti pojavljajo v vsakem naboru le v eni (npr. prvi) izbirni možnosti, z drugimi besedami, nivoji lastnosti niso uravnoteženi med izbirnimi možnostmi. Tako generirane oblike so običajno zelo neučinkovite. Zrcaljenje nivojev (angl. fold-over) (Reed Johnson in sod., 2013) Pri tem pristopu nivoje lastnosti pri naslednji izbirni možnosti zamenjamo z nasprotnimi. Npr., če ima vsaka lastnost po 2 nivoja, izbirna možnost pa 4 lastnosti, ki so kodirane z 0110, potem je naslednja izbirna možnost kodirana z V primeru, da ima vsaka lastnost 3 nivoje in vsaka izbirna možnost 6 lastnosti ter je prva kodirana kot , bi bila naslednja kot Ta oblika eksperimenta je pravokotna, vendar pa je ta pristop omejen v primerih, ko je število nivojev večje od 2. Kroženje nivojev (angl. rotated designs) Izbirne možnosti pri tem načinu ustvarimo s kroženjem nivojev lastnosti proti desni in nato nazaj na prvo mesto. Npr. če bi bila prva izbirna možnost kodirana kot 0123, bi bila naslednja Za eksperimente ustvarjene na ta način velja, da se lastnosti posameznih izbirnih možnosti v naboru minimalno prekrivajo, so uravnoteženi in pravokotni, vendar pa so zelo omejevalni, saj je razlika med nivoji lastnosti izbirnih možnosti v vsakem naboru enaka. Zamikanje nivojev (angl. shifted designs) Pri tem pristopu uporabimo generator in modularno aritmetiko za izdelavo izbirnih možnosti. Naj bo npr. prva izbirna možnost kodirana kot 2102, naš generator je Če prištejemo prvi izbirni možnosti generator po modulu 3, dobimo naslednjo izbirno možnost kodirano kot Tako izdelani eksperimenti so pravokotni in z minimalnim prikrivanjem nivojev lastnosti. Združevanje pravokotnih tabel Ta pristop je podoben prvemu, vendar pa v tem primeru uporabimo za vsako izbirno možnost drugo pravokotno tabelo (npr. eno pravokotno tabelo za izbirne 91

109 možnosti na prvem mestu v vsakem naboru vseh možnosti, drugo tabelo za izbirne možnosti, ki se pojavljajo na drugem mestu v naboru itd.). V tem primeru se nivoji lastnosti ponovijo enako pogosto pri vsaki izbirni možnosti, vendar pa to ne prepreči možnosti, da bi imela para določene dveh izbirnih možnosti v vsakem naboru enake nivoje pri eni ali več lastnostih. Slabost strategij za oblikovanje eksperimentov, ki temeljijo na uporabi pravokotnih tabel, je v tem, da ne vemo, kako dobra bo končna oblika eksperimenta. V nekaterih primerih (npr. pri strategiji z naključnim kombiniranjem vrstic) je celo možno, da ne bomo mogli oceniti vseh učinkov, spet pri drugih pa lahko oblika eksperimenta vsebuje bistveno večje število naborov izbirnih možnost, kot bi bilo potrebno za ocenitev želenih učinkov (Street in sod., 2005). Velik problem pri oblikah eksperimentov, ki temeljijo na pravokotnih tabelah, je tudi ta, da ne moremo določiti omejitev, s katerimi bi izločili izbirne možnosti z neverjetnimi/nemogočimi kombinacijami lastnosti, dominantne izbirne možnosti ali prekrivanje (Reed Johnson in sod., 2013). Take izbirne možnosti običajno pri teh pristopih iz eksperimenta odstranimo ročno, vendar pa s tem vplivamo tudi na uravnoteženost nivojev lastnosti Pristopi za oblikovanje optimalnih oz. učinkovitih oblik eksperimenta Oblike eksperimentov dobljene na osnovi pravokotnih tabel so tudi bistveno manj učinkovite od oblik eksperimenta dobljenih s pristopi za oblikovanje optimalnih oz. učinkovitih oblik eksperimenta (Street in sod., 2005). Rose in Bliemer (2008) sta povzela tri take pristope: a) Optimalne pravokotne oblike eksperimentov (angl. Optimal Orthogonal Choice Designs), so opisali (Street & Burgess, 2004; Street in sod., 2005): Eksperiment je po tej metodi zgrajen tako, da maksimira razlike med nivoji lastnosti prek vseh alternativ in posledično maksimira informacije pridobljene na podlagi odgovorov anketirancev. Ti eksperimenti so omejeno-pravokotne oblike, kar pomeni, da so pravokotni znotraj alternative, vendar pa obstajajo med alternativami (običajno popolno negativne) korelacije. Tako oblikovan eksperiment je zato priporočljivo uporabiti le v primeru generičnih (splošnih) izbirnih možnosti. S tem pristopom oblikovanja eksperimenta se tudi omejimo na probleme, pri katerih imajo vse alternative enako število lastnosti in vse lastnosti enako število nivojev. Nekatere omejitve je sicer možno zaobiti. Podrobno tovrstni način oblikovanja eksperimenta opisujejo (Street in sod., 2005). b) Učinkovite oblike eksperimentov (angl. Efficient Choice Designs) so opisali avtorji Huber in Zwerina (1996), Zwerina in sod. (2010) ter Sándor in Wedel (Sándor & Wedel, 2001, 2005): 92

110 Pri tej metodi skušamo poiskati obliko eksperimenta z najmanjšo asimptotično variančno-kovariančno (krat. AVC) matriko za dano obliko ekonometričnega modela. Asimptotične standardne napake (ocenjene na osnovi modelov diskretne izbire so preprosto kvadratni koreni elementov glavne diagonale AVC matrike. Manjša kot je AVC matrika oz. njeni elementi na diagonali, tem manjše so asimptotične standardne napake. Z deljenjem ocen parametrov z asimptotičnimi standardnimi napakami dobimo asimptotične t-razmerja. To pomeni, da manjše kot so asimptotične standardne napake, večja bodo asimptotična t-razmerja v modelu. Oblike eksperimentov, pri katerih skušamo minimizirati elemente AVC matrike, imenujemo učinkovite oblike. c) Oblike verjetnosti izbire (angl. Choice Percentage Designs), katerih avtorji so Toner, Clark, Grant-Nuller in Fowkes (v Rose in Bliemer, 2008) ter Kaninnen (2002): Ta pristop temelji na zamisli, da z združevanjem nivojev lastnosti z ocenami parametrov na način, da dobimo določene verjetnosti izbire za vsako odločitev, minimiziramo elemente glavne diagonale AVC matrike. Teorija v ozadju je podobna tisti pri prejšnjem pristopu. Obe temeljita na AVC matriki, vendar medtem ko pri prejšnji skušamo določiti optimalne nivoje lastnosti kombinacij, ki minimizirajo elemente AVC matrike, pri tej metodi skušamo izbrati nivoje lastnosti tako, da optimiziramo verjetnost izbire za vsako alternativo v eksperimentu. Kljub temu, da vsi trije pristopi privedejo do učinkovitih eksperimentov, vprašanje o tem, katera strategija je boljša, ostaja odprto. Rose in Bliemer (2008) zaključita, da za enkrat ni jasno, kateri pristop je boljši oz. katera metoda za izdelavo eksperimenta bo privedla do boljših rezultatov v različnih okoliščinah. Tega namreč ne utemeljuje nobena teorija niti empirični rezultati. Vsak pristop temelji na določenih predpostavkah, zato je verjetno primernejši v določenih okoliščinah. Prvi pristop je primeren, kadar raziskovalcem niso poznani oz. niso na voljo podatki, na podlagi katerih bi lahko predvidevali o preferencah anketirancev ter kadar bodo uporabljene splošne (generične) lastnosti. Poleg nekaterih že omenjenih omejitev, ki sledijo iz uporabe te metode, avtorja opozarjata tudi na to, da so primerjave nivojev iste lastnosti za določen par alternativ natanko določene in lahko se zgodi, da se določena kombinacija nikoli ne pojavi. V določenih primerih slednje lahko privede do tega, da je nemogoče dobiti statistično značilne ocene parametrov/koeficienta. Kot drugo pomanjkljivost navajata dejstvo, da po tej metodi nivoji lastnosti izbirnih možnosti (v posameznem naboru izbirnih možnosti) nikoli ne zavzamejo istih vrednosti. Običajno to prisili anketirance k tehtanju med vsemi lastnostmi alternativ, vendar pa to v primerih, ko določen nivo pretehta vse ostale pri izbiri, obstaja verjetnost, da ne bomo pridobili nobene informacije o vplivu ostalih nivojev lastnosti na izbiro. Kot tretje pa navajata težavno iskanje pravokotne oblike za prvo alternativo v prvem koraku izdelave eksperimenta, odvisno od števila nivojev pri vsaki lastnosti. 93

111 Uporabo druge metode za izdelavo oblike eksperimenta predlagata kadar: obstajajo predhodne ocene o verjetni vrednosti parametrov; so nekateri ali vsi parametri v realnosti verjetno značilni za posamezno izbirno možnost; in raziskovalec ni pripravljen žrtvovati uravnoteženosti za nobeno od lastnosti. Za razliko, uporabo tretje metode priporočata v primerih kadar: je raziskovalec pripravljen deloma žrtvovati pravokotnost eksperimenta, je pripravljen popolnoma žrtvovati uravnoteženost nivojev lastnosti za vsaj eno lastnost in kjer lahko vsaj eno lastnost obravnavamo kot zvezno ter so želene verjetnosti (izbire) znane v naprej. Street in sod. (2005) dodajajo, da druga metoda izdelave oblike eksperimenta sicer vedno privede do učinkovite oblike eksperimenta, vendar pa ne vemo ali je ta tudi optimalen. Pogosto tudi privede do koreliranih ocen glavnih učinkov. Eksperimente oblikovane na osnovi pravokotnih tabel običajno oblikujemo ročno (Reed Johnson in sod., 2013), medtem ko je iskanje optimalnih oz. skoraj optimalnih ter učinkovitih oblik eksperimenta prezahtevno. V teh primerih uporabimo računalniške algoritme (Warren F. Kuhfeld, 2010, str. 247). V literaturi lahko zasledimo vrsto predlaganih in izvedenih (implementiranih) algoritmov za iskanje učinkovite oblike eksperimenta z menjavo nivojev lastnosti. Primarno ti temeljijo na zamenjavi vrstic in stolpcev. Pri algoritmih temelječih na zamenjavi vrstic (vrstica običajno predstavlja eno izbirno možnost) te v vsaki iteraciji izberemo iz v naprej določenega nabora kandidatnih izbirnih možnosti (bodisi polno bodisi delno zmnožene oblike). Algoritmi, ki temeljijo na zamenjavi stolpcev, oblikujejo eksperiment z izbiro nivojev lastnosti za vsako lastnost za vse izbirne možnosti (sočasno). Pri algoritmih, ki temeljijo na zamenjavi vrstic, je izločitev dominantnih in nesmiselnih izbirnih možnosti preprosto, saj jih odstranimo na začetku iz nabora kandidatov za izbirne možnosti (npr. z določitvijo nekega kriterija uravnoteženosti koristnosti v primeru dominantnih možnosti ter z določitvijo pogojev oz. omejitev v primeru nesmiselnih izbirnih možnosti). Nekoliko težje pa dosežemo uravnoteženost nivojev lastnosti. Za algoritme, ki temeljijo na zamenjavi stolpcev pa drži prav nasprotno. Tu je namreč enostavno doseči uravnoteženost nivojev lastnosti, nekoliko težje pa je najti ustrezno kombinacijo nivojev lastnosti za vsak nabor izbirnih možnosti. V splošnem algoritmi temelječi na zamenjavi stolpcev omogočajo več fleksibilnosti in so primernejši za izdelavo večjih eksperimentov, medtem ko so v primeru neoznačenih eksperimentov in posebnih primerih, kadar želimo določiti določene omejitve eksperimenta, primernejši algoritmi, ki temeljijo na zamenjavi vrstic (J. M. Rose & Bliemer, 2008). Eden najpogosteje uporabljenih algoritmov, ki temeljijo na zamenjavi vrstic, je t.i. prilagojeni Fedorov algoritem (angl. Modified Fedorov algorithm) (Cook & Nachtrheim, 94

112 1980). Algoritem najprej pripravi nabor kandidatov za izbirne možnosti, ki je lahko polno zmnožena (za majhne probleme) ali delno zmnožena (za večje probleme) oblika, izpeljana iz polnega nabora izbirnih možnosti. Nato ustvari obliko eksperimenta (uravnoteženo glede na nivoje lastnosti) tako, da izbirne možnosti izbere iz nabora kandidatov za izbirne možnosti in izračuna napako učinkovitosti (npr. D-napako) za trenutno izdelano obliko eksperimenta. Če ima ta manjšo napako učinkovitosti, jo algoritem shrani kot (za enkrat) najbolj učinkovito obliko ter nadaljuje z naslednjo iteracijo pri kateri ponovi opisani postopek. Algoritem se ustavi, ko oceni vse možne kombinacije izbirnih možnosti (kar v splošnem ni dopustno) ali ko doseže v naprej določeno število iteracij (Quan, Rose, Collins in Bliemer, 2011; John M. Rose, Bliemer, Hensher in Collins, 2008). Delovanje prilagojenega Fedorovega algoritma prikazuje slika 18. Slika 18: Prilagojen Fedorov algoritem Korak 1: ustvari nabor kandidatov za vsako izbirno možnost (v kolikor je eksperiment neoznačen, ustvari le za eno izbr. možnost) Korak 2: ustvari novo začetno obliko z izbiro izbirnih možnosti iz nabora kandidatov Korak 3: izračunaj merilo učinkovitosti Oblika eksperimenta D-napaka Nabor kandidatov za izbr. možn. A Nabor kandidatov za izbr. možn. B Zamenjaj izbirne možnosti Korak 5: sistematično zamenjaj izbirne možnosti iz nabora izbirnih možnosti pri čemer ohrani zamenjave, ki so vodile k izboljšanju učinkovitosti Korak 4: shrani obliko z najnižjo D- napako Vir: W. Quan in sod., A comparison of algorithms for generating efficient choice experiments, 2011, slika 1 Kadar je število vrstic polno-zmnožene oblike majhno (do nekaj tisoč), se prilagojen Fedorov algoritem običajno obnese bolje kot algoritem za zamenjavo koordinat, še posebej kadar iščemo obliko eksperimenta, s katero želimo oceniti vzajemne učinke. V primerih, ko je polno zmnožena oblika večja, pa se običajno bolje obnese algoritem za zamenjavo koordinat. Vendar pa to ni nujno pravilo in se lahko izkaže tudi drugače (Warren F. Kuhfeld, 2010, str. 1245). Zainteresirani bralec lahko več o različnih algoritmih prebere v nedavnem delu Quana in sod. (2011), kjer so opisali in primerjali še nekatere druge algoritme kot so RSC algoritem (Huber & Zwerina, 1996), algoritem za zamenjavo koordinat (angl. Coordinate Exchange algorithm), ki sta ga predlagala Mayer in Nachtsheim (1995), izvorni algoritem (angl. Genetic algorithm) avtorjev Heredia-Langner, Carlyle, Montgomery, Borror in Runger (2003) ter predlagali prilagojen algoritem algoritma za zamenjavo koordinat, t.i. algoritem naključne zamenjave (angl. Randomized exchange algorithm). 95

113 5 MODELIRANJE ODLOČITEV 5.1 Modeli diskretne izbire Modeli diskretne izbire so običajno izpeljani na osnovi predpostavke o racionalnem potrošniku, ki svoje odločitve sprejema tako, da maksimira svojo korist (Train, 2009, str. 14). Thurstone (v Train, 2009, str. 14) je razvil koncept v smislu psiholoških spodbud z namenom testiranja ali anketiranci lahko razlikujejo med različnimi nivoji spodbud. Kasneje je Marschak (v Train, 2009, str. 14) interpretiral spodbude kot korist in ponudil izpeljavo iz maksimiranja koristnosti. Modele, ki jih lahko izpeljemo na ta način imenujemo modeli slučajne koristnosti (angl. Random utility model - RUM). V nadaljevanju bomo izpeljali model slučajne koristnosti. Odločevalec, ki ga označimo s črko nn, je soočen z izbiro med JJ izbirnimi možnostmi, pri čemer vsaka zanj predstavlja določeno korist UU nnnn, jj = 1,, JJ. Odločevalec pri svoji odločitvi primerja posamezne možnosti iz nabora izbirnih možnosti in izbere tisto, ki zanj predstavlja največjo korist oz. z drugimi besedami izbere izbirno možnost ii če in samo če velja: UU nnii > UU nnnn jj ii. (5.1) V kontekstu raziskave želi raziskovalec opazovati koristnost, ki jo odločevalcu (oz. preiskovancu) predstavlja posamezna izbirna možnost. Kljub temu, da je odločevalcu koristnost vsake izbirne možnosti, ki mu jo ta predstavlja, poznana, kar pa ne velja tudi za raziskovalca. Slednji namreč razpolaga z manj informacijami o razlogih za preiskovančevo odločitev kot preiskovanec sam (David A Hensher in sod., 2005, str. 82). Raziskovalec opazuje le lastnosti posamezne izbirne možnosti in določene značilnosti odločevalca. S tem razlogom koristnost UU jj, ki jo odločevalcu nn predstavlja izbirna možnost jj,običajno opišemo kot: UU nnnn = VV nnnn + εε nnnn, (5.2) kjer VV nnnn predstavlja opazovano komponento, εε nnnn pa neopazovano oz. komponento koristnosti. Glede na definicijo εε nnnn (kot razlika med dejansko in opazovano koristnostjo) so značilnosti le-te kot npr. porazdelitev kritično odvisne tega kako določimo VV nnnn. Z drugimi besedami, εε nnnn ni sama po sebi določena za izbirno situacijo. Ker nam neopazovana komponenta koristi εε nnnn ni poznana jo obravnavamo kot slučajno spremenljivko. Skupno funkcijo gostote verjetnosti naključnega/slučajnega vektorja εε nn = εε nn1,, εε nnnn označimo z ff(εε nn ). Na podlagi gostote lahko naredimo verjetnostne sodbe o določevalčevi izbiri. Verjetnost, da odločevalec nn izbere izbirno možnost ii je: 96

114 PP nnnn = PPPPPPPP UU nnnn > UU nnnn zzzz jj ii = PPPPPPPP VV nnnn + εε nnnn > VV nnnn + εε nnnn zzzz jj ii = PPPPPPPP VV nnnn VV nnjj > εε nnnn εε nnnn zzzz jj ii (5.3) To pomeni, da je verjetnost, da bo odločevalec nn izbral izbirno možnost ii enaka verjetnosti, da je razlika slučajnih komponent koristnosti εε nnnn εε nnnn manjša od razlike opazovanih komponent koristnosti (VV nnnn VV nnnn ). Z uporabo funkcije gostote verjetnosti lahko zgornjo verjetno zapišemo kot: PP nnnn = PPPPPPPP VV nnnn VV nnnn > εε nnnn εε nnnn zzzz jj ii = II VV nnnn VV nnnn > εε nnnn εε nnnn ff(εε nn )ddεε nn εε zzzz jj ii, (5.4) kjer II( ) predstavlja indikacijsko funkcijo, ki je enaka 1, če izraz v oklepaju drži in enak 0 sicer. To je večdimenzionalni integral funkcije gostote verjetnosti neopazovanega dela koristnosti, ff(εε nn ). Na podlagi predpostavk o porazdelitvi neopazovane komponente koristnosti izpeljemo različne modele diskretne izbire. Integral je preprosto izračunljiv le za določene specifikacije ff(εε nn ), v drugih ga je potrebno oceniti numerično s pomočjo/preko simulacije. Pomen verjetnosti posamezne izbire je bolj prefinjen in razkriva več, kot se morda sprva zdi. Vzemimo za primer dve izbirni možnosti, A in B. Ugotovimo, da je opazovana komponenta koristnosti odločevalca nn za izbirno možnost A, VV AA = 5 in za izbirno možnost B, VV BB = 4. Kljub temu, da je opazovana komponenta koristnosti izbirne možnosti AA večja od BB, zaradi neopazovane komponente koristnosti ni nujno, da je odločevalec izbral možnost AA. Verjetnost, da je odločevalec izbral možnost B namesto možnosti AA, je enaka verjetnosti, da so neopazovani oz. nepojasnjeni dejavniki, ki vplivajo na izbiro možnosti BB, bistveno večji od tistih, ki vplivajo na izbiro možnosti AA, tako da pretehtajo izbiro. V našem primeru to pomeni, da mora biti v primeru izbire možnosti BB neopazovana komponenta koristnosti le-te za vsaj 1 enoto večja od neopazovane komponente koristnosti možnosti AA. Verjetnost, da bo odločevalec izbral možnost B, je torej enaka verjetnosti, da je εε BB εε AA > 1. Nasprotno velja, da bo odločevalec izbral možnost A, če je εε BB εε AA < 1. Izbira modela s katerim modeliramo odločitev oz. izbiro anketirancev je odvisna od namena raziskave, oblike eksperimenta diskretne izbire in vsebinske interpretacije eksperimenta ter posledično predpostavk, ki jih privzamemo (o porazdelitvi neopazovane komponente koristnosti) (Sagebiel, 2011; Train, 2009, str. 15,16). V nadaljevanju bomo podrobneje predstavili pogojni logit model in mešani logit model, ki smo ju uporabili za potrebe naše raziskave. 97

115 5.1.1 Pogojni logit model Pogojni logit model (angl. Conditional Logit Model) je razširitev multinominalnega modela (angl. Multinomial logit model), oz. je splošnejši model, katerega poseben primer je morda nekoliko bolj poznan multinomski model (Greene, 2007, str. N3-11). Pogojni logit model je še posebej primeren za modeliranje sprejemanja odločitev, kjer pojasnjevalne spremenljivke (lahko) vključujejo tako lastnosti izbirnih možnosti (barva, cena ipd.) kot tudi značilnosti anketirancev (dohodek, starost ipd.). V nadaljevanju bomo za izpeljavo modela sledili Greenu (2012, str ): McFaden (1974) je pokazal, da če in samo če so vse slučajne komponente neodvisne in identično porazdeljene (angl. independent and identically distributed - IID) z Gumbelovo porazdelitvijo (porazdelitev ekstremnih vrednosti tipa 1): FF(εε nnnn ) = ee ee εε nnnn, (5.5) potem je verjetnost, da posameznik nn izbere izbirno možnost jj enaka: PPPPPPPP(YY nn = jj) = eezz nnnn θθ ee zz JJ nnnn θθ jj=1 kjer je YY nn slučajna spremenljivka, ki označuje izbrano možnost., (5.6) Koristnost UU nnnn je odvisna od zz nnnn, ki vključuje lastnosti izbirne možnosti in značilnosti posameznika. Za nadaljnjo izpeljavo modela je smiselno, da jih ločimo. Naj bo zz nnnn = xx nnnn, ww nnnn in θθ = [ββ, αα ]. Potem xx nnnn predstavlja lastnosti izbirnih možnosti in torej variira preko izbirnih možnosti in morebiti tudi preko posameznikov. ww nnnn pa predstavlja značilnosti posameznika, ki so enake za vse izbirne možnosti. Če slednje vključimo v model, se (5.6) spremeni v (Greene, 2012, str. 802): PPPPPPPP(YY nn = jj) = eexx nnnn ββ+wwnn αα ee xx nnnn ββ+wwnn JJ αα jj=1 = ee xx nnnn ββee ww nn αα ee xx JJ nnnn ββ ee jj=1 ww nn αα. (5.7) Slednje torej lahko zapišemo kot: PPPPPPPP YY nn = jj xx ii1, xx ii2,, xx iiii = ee xx nnnn ββ PPPPPPPP(YY nn = jj XX ii ) = PP nnnn = JJ ee xx nnnn ββ jj=1. (5.8) Členi, ki ne variirajo preko izbirnih možnosti (torej tisti, ki so specifični za posameznike) ne vplivajo na verjetnost, saj se okrajšajo. To je pričakovano za model, ki primerja koristnost izbirnih možnosti. 98

116 Vzemimo za primer izbiro različnih paketov električne energije, pri čemer je izbira posameznika odvisna od cene električne energije za kw/h, ki jo označimo s CC nnnn, storitve sprotnega spremljanja porabe, ki jo označimo s SS nnnn in dohodka posameznika, ki jo označimo z DD nnnn. Funkcije koristnosti za tri različne pakete zapišemo kot: UU nn1 = CC nn1 ββ 1 + SS nn1 ββ 2 + αα + DD nn γγ + εε nn1 UU nn2 = CC nn2 ββ 1 + SS nn2 ββ 2 + αα + DD nn γγ + εε nn2 UU nn3 = CC nn3 ββ 1 + SS nn3 ββ 2 + αα + DD nn γγ + εε nn3 (5.9) V primeru, da posameznik izbere paket 1,to pomeni: UU nn1 UU nn2 = (CC nn1 CC nn2 )ββ 1 + (SS nn1 SS nn2 )ββ 2 + (εε nn1 εε nn2 ) > 0 UU nn1 UU nn3 = (CC nn1 CC nn3 )ββ 1 + (SS nn1 SS nn3 )ββ 2 + (εε nn1 εε nn3 ) > 0 (5.10) Kot lahko vidimo, se konstanta in dohodek pri primerjavi odštejeta. Slednje izhaja iz dejstva, da model naključnih koristi temelji na primerjavi parov izbirnih možnosti in ne izbirnih možnostih samih po sebi. Če želimo v model vključiti učinke, ki izhajajo iz značilnosti posameznika, moramo model nekoliko spremeniti. Eden izmed načinov je, da ustvarimo nabor umetnih (angl. dummy) spremenljivk (konstant specifičnih za posamezno izbirno možnost), AA jj, za izbirne možnosti in vsako od njih pomnožimo s skupnim ww. Na ta način dopustimo, da koeficienti teh glede na izbirno možnost nespremenljivih značilnosti variirajo preko izbirnih možnosti namesto značilnosti posameznika (Greene, 2012, str. 802,803). Funkcija koristnosti za npr. prvo izbirno možnost bi bila v tem primeru: UU nn1 = CC nn1 ββ 1 + SS nn1 ββ 2 + AA 1 αα 1 + AA 2 αα 2 + AA 3 αα 3 + AA 1 DD nn γγ 1 + AA 2 DD nn γγ 2 + AA 3 DD nn γγ 3 + εε nn1 (5.11) Analogno linearnemu modelu, popoln nabor interakcijskih členov ustvari singularnost, zato moramo enega izmed njih (npr.»aa 3 DD nn γγ 3 «) opustiti (Greene, 2012, str. 803). Razmerje med verjetnostma izbire za možnost ii in jj oz. t.i. razmerje obetov (angl. odds ratio) med izbirno možnostjo ii in jj je enako: PP nnnn = ee xx nn (ββ ii ββ jj ) (5.12) PP nnnn Vidimo lahko, da razmerje obetov PP nnnn ni odvisno od drugih izbirnih možnosti, kar sledi iz PP nnnn predpostavke o neodvisnosti med slučajnimi komponentami. Kljub temu, da je lastnost priročna z vidika ocenjevanja, pa je nekoliko problematična z vidika vedenja odločevalcev, k čemur se bomo vrnili nekoliko kasneje. 99

117 Pri pogojnem logit modelu koeficienti ne predstavljajo neposredno mejnih učinkov. Slednje za zvezne spremenljivke lahko dobimo z odvajanjem enačbe (5.8) po xx mm : PP nnnn xx mm = PP nnnn (11(jj = mm) PP nnnn ) ββ, mm = 1,, JJ. (5.13) Opazimo lahko, da zaradi svoje vključenosti v PP nnnn in PP nnnn vsak nabor lastnosti xx mm vpliva na vse verjetnosti. Hensher (1991) zato predlaga poročanja o elastičnostih verjetnosti. Učinek lastnosti kk izbirne možnosti mm na PP nnnn je enaka: llllll jj llllll mmmm = xx mmmm [11(jj = mm) PP nnnn ]ββ kk. (5.14) Z modelom torej ne moremo oceniti ravni koristnosti posamezne izbirne možnosti, temveč zgolj razlike v koristnosti med izbirnimi možnostmi. Iz tega sledi, da če v model dodamo konstanto ali množimo verjetnosti vseh izbirnih možnosti, to ne vpliva na izbiro - izbirna možnost z največjo koristnostjo je v vseh primerih enaka. S tem v povezavi se pojavi problem identifikacije modela in je zato pri ocenjevanju modela potrebna predhodna normalizacija skale. Običajno se to izvede tako, da se normalizira varianco slučajne napake. Ker sta raven koristnosti in varianca slučajne napake povezani (v primeru, da koristnost pomnožimo s faktorjem λλ, se varianca slučajne napake spremeni s faktorjem λλ 2 ), s tem posredno normaliziramo raven koristnosti (Train, 2009, str ). Logaritem funkcije verjetja za pogojni logit model je: NN JJ ln LL = dd nnnn ln PPPPPPPP(YY nn = jj), nn=1 jj=1 kjer je dd nnnn = 1 YY nn = jj 0 ssssssssss (5.15) V primeru, da mora posameznik sprejeti TT zaporednih odločitev, pri čemer predpostavljamo, da so te med seboj neodvisne, potem logaritem funkcije verjetja lahko izrazimo kot (Michiel C. J. Bliemer & Rose, 2010): kjer je tt = 1,, TT. NN TT JJ ln LL = dd nnnnnn ln PPPPPPPP(YY nnnn = jj), (5.16) nn=1 tt=1 jj=1 100

118 PP mmmm = PP rrrr = Omejitve pogojnega logit modela Kljub splošni priljubljenosti mešanega logit modela, pa predpostavka, da so vse neopazovane oz. slučajne komponente εε nnnn neodvisne in identično porazdeljene z Gumbelovo porazdelitvijo, predstavlja nekatere resne omejitve. Kritični del predpostavke je, da so neopazovane komponente med seboj nekorelirane za vsako izbirno možnost ter da imajo prav tako tudi enako varianco za vsako izbirno možnost. Neopazovani dejavniki, ki vplivajo na izbiro (ali ne izbiro) ene izbirne možnosti, so lahko podobni dejavnikom, ki vplivajo na izbiro druge možnosti. Na primer, posameznik, ki se ne mara voziti z avtobusom zaradi drugih potnikov, se verjetno tudi z vlakom ne mara voziti iz podobnih razlogov. V takem primeru neopazovani dejavniki torej niso neodvisni, temveč korelirani. Podobno omejitev predstavlja predpostavka o neodvisnosti tudi v primeru panelnih podatkov, ko posameznik sprejme več odločitev (kot je to običajno v primeru eksperimentov diskretne izbire). Pričakovati je namreč, da neopazovani dejavniki, ki vplivajo na izbiro posameznika pri prvi odločitvi, v vsaj delni meri vplivajo tudi na odločitev v naslednjih korakih, kar pomeni, da med neopazovanimi komponentami v času obstajajo korelacije (Train, 2009, str. 18) Neodvisnost od nebistvenih izbirnih možnosti Predpostavka o neodvisnosti sledi iz temeljne predpostavke modela o neodvisnosti in homoskedastičnosti. Čeprav je lastnost neodvisnosti od nebistvenih izbirnih možnosti v nekaterih primerih realistična, pogosto ne drži. Vzemimo za primer odločitev posameznika, ki mora za pot v službo izbrati avto, aa, ali moder avtobus, mmmm. Za poenostavitev primera privzemimo, da sta pripadajoči funkciji koristnosti enaki, tako da je verjetnost izbire prevoza z avtom enaka verjetnosti izbire prevoza z modrim avtobusom, PP aa = PP mmmm = 1. V tem primeru je 2 razmerje verjetnosti oz. obetov enako PP aa = 1. Nadaljnje predpostavimo, da dodamo še PP mmmm tretjo možnost prevoza, in sicer z rdečim avtobusom, rrrr, ter da posamezniku vožnja z modrim ali rdečim avtobusom predstavlja enako korist. To pomeni, da je verjetnost, da bo posameznik za prevoz izbral moder avtobus enaka verjetnosti, da bo izbral rdečega. Glede na pogojni logit model je razmerje obetov PP aa enako ne glede na to ali obstaja še katera PP mmmm druga možnost (v tem primeru rdeči avtobus) ali ne. Na podlagi razmerij obetov PP aa = 1 in PP mmmm PP rrbb = 1 pogojni logit model predvidi verjetnosti PP PP aa = PP mmmm = PP rrrr = 1. V resničnem mmmm 3 življenju bi pričakovali, da verjetnost izbire prevoza z avtom ostane nespremenjena ob uvedbi nove možnosti prevoza z avtobusom ter da se bo verjetnost izbire (modrega) avtobusa razdelila med modri in rdeči avtobus. Pričakovali bi torej, da je PP aa = 1 in 2

119 V tem primeru pogojni logit model zaradi IIA lastnosti preceni verjetnost izbire enega ali drugega avtobusa in podceni izbiro avtomobila. Razmerje verjetnosti PP aa namreč v resnici PP mmmm z uvedbo nove možnosti avtobusnega prevoza ne ostane enako kot to predvidi pogojni logit model, temveč se spremeni. Primer je sicer nekoliko skrajen in malo verjeten v resničnem življenju. Vendar pa do podobnih napačnih predvidevanj pri logit modelih pride vsakokrat, ko se spremeni razmerje verjetnosti dveh izbirnih možnosti zaradi vključitve dodatne izbirne možnosti (ali obratno, ko določeno možnost izključimo). Medtem ko je predpostavka IIA v določenih primerih sicer resnična, je v drugih napačna in vodi do napačnih ocen parametrov (Train, 2009, str. 46). Hausman in McFadden (1984) sta predlagala test, s katerim preverimo veljavnosti IIA predpostavke danes pretežno imenovan Hausmanov test. Trdita, da če je podmnožica nabora izbirnih možnosti resnično nebistvena (irelevantna), potem velja, da če jo v celoti odstranimo iz modela, to ne bo sistematično vplivalo na ocene parametrov. Odstranitev teh izbirnih možnosti bo sicer neučinkovita, vendar pa ne bo vodila k nekonsistentnosti. V nasprotnem primeru, če razmerja obetov niso resnično neodvisna od teh (odstranjenih) izbirnih možnosti, bodo ocene parametrov nekonsistentne. To preverjanje je osnova Hausmanovega specifikacijskega testa. Testna statistika je: χχ 2 = ββ ss ββ ff VV ss VV ff 1 ββ ss ββ ff, (5.17) kjer ss označuje cenilko modela z odstranjeno podmnožico izbirnih možnosti in ff cenilko modela, ki vključuje poln nabor (torej vse) izbirne možnosti. VV ss in VV ff predstavljata pripadajoče ocene asimptotičnih kovariančnih matrik. Testna statistika sledi χ 2 porazdelitvi (s KK stopinjami prostosti (Greene, 2012, str. 807,808). Pogosto je v uporabi tudi t.i. Small-Hsiaov test (Small & Hsiao, 1985), pri katerem vzorec naključno razdelimo v dva podvzorca približno enake velikosti. Model brez omejitev(angl. SS unrestricted model) ocenimo na obeh podvzorcih, kjer 1 ββ uu predstavlja ocene parametrov SS neomejenega modela na prvem podvzorcu in 2 ββ uu enako za drugi vzorec. Uteženo povprečje koeficientov izračunamo kot: SS 1 SS 2 ββ uu = 1 SS 1 ββ uu SS 2 ββ uu (5.18) 2 2 Nato iz drugega podvzorca ustvarimo omejen vzorec tako, da izločimo vse primere z izbrano vrednostjo odvisne spremenljivke. Pogojni logit model nato ocenimo na podlagi 102

120 SS omejenega vzorca, na podlagi česar dobimo 2 SS ββ rr in verjetje 2 LL ββ rr. Small-Hsiao statistika je: SS SSSS = 2 1 SS 2 SS LL ββ uu 2 LL ββ rr, (5.19) ki je asimptotično porazdeljena s χχ 2 porazdeljitvijo s številom stopinj prostosti enakim številu koeficientov, ki jih ocenjujemo v polnem modelu in omejenem modelu. Kljub razširjeni rabi omenjenih testov sta Cheng in Long (2007) ugotovila, da sta oba testa nezanesljiva. Testiranje z metodo Monte Carlo je namreč razkrilo, da testa pogosto zavrneta IIA predpostavko kljub temu, da se zdijo izbirne možnosti neodvisne, ali ravno nasprotno, je ne zavrnejo četudi je očitno, da so posamezne izbirne možnosti med seboj substituti. S tem razlogom uporabo omenjenih testov odsvetujeta in zaključita, da se glede zaskrbljenosti v zvezi z IIA predpostavko zdi najbolje slediti navodilu McFadden-a (1974), ki je zapisal, da naj bosta multinominalni logit model in pogojni logit model uporabljena zgolj v primerih, kadar je mogoče prepričljivo domnevati, da so kategorije izidov v očeh odločevalca različne in jih ta tehta neodvisno. V nadaljevanju bomo predstavili mešani logit model, ki ne temelji na predpostavki IIA Mešani logit model Mešani logit model (angl. Mixed logit model), pogosto imenovan tudi Logit model s slučajnimi parametri (angl. Random parameter logit), je prilagodljiv model, s katerim lahko ocenimo katerikoli model koristnosti (McFadden & Train, 2000). Odpravlja namreč tri omejitve standardnega logit modela (Michiel C. J. Bliemer & Rose, 2010): dopušča heterogenost preferenc med anketiranci, dopušča korelacije med odgovori istega anketiranca pri več ponavljajočih odločitvah, dovoljuje nekonstantno varianco napake preko izbirnih možnost z odpravo IID predpostavke. O zmogljivosti mešanega logit modela priča več študij, npr. Bhat (1998) ter Brownstone in Train (1999) pri uporabi na presečnih podatkih (angl. Cross-sectional data) ter Erdem (1996), Revelt in Train (1998) in Bhat (2000) na panelnih podatkih. Pri izpeljavi pogojnega logit modela v nadaljevanju bomo sledili avtorjem Train (2009, str ) ter Bliemer in Rose (2010). Verjetnost, da anketiranec nn med JJ izbirnimi možnostmi izbere možnost jj, je integral običajnih logit verjetnosti po prostoru parametrov ββ: 103

121 PP nnnn = LL nnnn (ββ)ff(ββ θθ)dddd, (5.20) kjer ff(ββ θθ) predstavlja funkcijo gostote verjetnosti, LL nnnn pa logit verjetnost, ki jo ocenimo za parametre ββ: ee VV nnnn (ββ) LL nnnn (ββ) = JJ ee VV nnnn (ββ) ii=1, (5.21) kjer VV nnnn (ββ) predstavlja opazovano komponento koristnosti, ki je odvisna od (vektorja) parametrov ββ. Čeprav ni nujno, običajno privzamemo, da opazovano komponento koristnosti lahko opišemo z linearno funkcijo parametrov ββ (Michiel C. J. Bliemer & Rose, 2010): KK VV nnjj = ββ kk xx nnnnnn. (5.22) kk=1 V tem primeru mešan logit model lahko zapišemo v obliki: ee xx nnnn ββ PP nnnn = JJ ee xx nnnn ββ ii=1 ff(ββ θθ)dddd, (5.23) Verjetnost mešanega logit modela je uteženo povprečje logit verjetnosti, ki jih ocenimo za parametre ββ, pri čemer uteži predstavlja funkcija gostote verjetnosti ff(ββ θθ). Pri tem θθ predstavlja (vektor) parametrov porazdelitvene funkcije. Funkcija ff(ββ θθ) je lahko zvezna ali diskretna. V praksi se termin pogojni logit model uporablja, kadar je funkcija gostote verjetnosti zvezna. V primeru, da ff(ββ θθ) predstavlja funkcijo verjetnosti diskretne slučajne spremenljivke, tak model imenujemo model latentnih razredov (angl. latent class model). Kot vidimo, verjetnosti izbire pri mešanem logit modelu ne določajo parametri ββ, temveč parametri porazdelitve θθ. Parametri ββ se namreč pri integriranju okrajšajo in tako izpadejo iz enačbe. Zato pri modeliranju odločitve običajno ocenjujemo parametre porazdelitve θθ. Na podlagi določenih izpeljav mešanega logit modela sicer parametri ββ imajo določen pomen, ki ga lahko interpretiramo kot okus/preference posameznega odločevalca. Ena izmed metod, ki omogoča sočasno ocenitev tako parametrov ββ kot tudi parametrov θθ, je t.i. Bayesova metoda. 104

122 Mešani logit model lahko izpeljemo na podlagi različnih vedenjskih značilnostih, pri čemer vsaka izpeljava predstavlja drugačno interpretacijo. Najpreprostejša izpeljava in tudi najpogosteje uporabljena v nedavnih raziskavah temelji na slučajnih parametrih. Pri tej izpeljavi izhajamo iz enačbe (5.1), ki izraža koristnost posameznika nn ob izbiri možnosti jj: UU nnnn = xx nnnn ββ nn + εε nnnn, (5.24) kjer xx nnnn predstavlja vektor opazovanih spremenljivk (lastnosti), ki vplivajo na izbiro posameznika, ββ nn predstavlja vektor pripadajočih koeficientov, ki predstavljajo preference posameznika nn, εε nnnn pa predstavlja neopazovano komponento identično in neodvisno porazdeljeno (IID) z Gumbelovo porazdelitvijo. Koeficienti ββ nn variirajo med posamezniki v skladu s funkcijo gostote porazdelitve ff(ββ θθ). Funkcija koristnosti je torej izražena na zelo podoben način kot pri pogojnem logit modelu, le da tam privzamemo, da je vektor koeficientov ββ isti oz. nespremenljiv za vse posameznike v populaciji oz. vzorcu. Odločevalec pozna svoj ββ nn in εε nnnn za vsako izbirno možnost jj, vendar pa raziskovalec opazuje le xx nnnn. Če bi raziskovalec poznal ββ nn, bi verjetnost izbire lahko izrazili v obliki običajne (pogojne) logit verjetnosti (glej enačbo (5.21)), saj so εε nnnn porazdeljene kot IID ekstremnih vrednosti tipa 1. Ker pa nam vektorji parametrov ββ nn niso poznani, verjetnost izbire izrazimo kot integral vseh običajnih logit verjetnosti pomnoženih z gostoto verjetnosti parametrov, kar nas pripelje do enačbe (5.20). Funkcijo gostote porazdelitve ff(ββ θθ) določimo v skladu s predvideno porazdelitvijo koeficientov ββ. V praksi večinoma uporabljamo normalno ali log-normalno porazdelitev, uporabimo pa lahko tudi trikotniško, enakomerno ali katerokoli drugo porazdelitev v skladu z našimi pričakovanji glede obnašanja modela. V primeru, da je posameznik soočen z več zaporednimi odločitvami, in če privzamemo, da so te med seboj odvisne (kar je tipično za eksperimente diskretne izbire), potem lahko verjetnost zaporednih posameznikovih odločitev oz. izbir zapišemo kot (Michiel C. J. Bliemer & Rose, 2010): TT SS nn = tt=1 JJ jj=1 ee xx nnnnnnββ JJ ee xx nnnnnnββ ii=1 yy nnnnnn, (5.25) kjer je yy nnnnnn = 1, če posameznik sprejme izbirno možnost jj v izbirni situaciji tt (v primeru eksperimenta diskretne izbire tt predstavlja zaporedno številko nabora izbirnih možnosti) in enaka 0 sicer. Verjetnost SS nn je odvisna od slučajnih parametrov ββ, tako da lahko izrazimo pričakovano verjetnost kot (Michiel C. J. Bliemer & Rose, 2010): 105

123 EE(SS nn ) = SS nn (ββ) ff(ββ θθ)dddd. (5.26) Pripadajoči logaritem funkcije verjetja je v primeru panelnih podatkov enak: ββ NN ln EE(SS nn ) = ln EE(SS nn ) nn=1 (5.27) Mešani logit model ocenimo s pomočjo simulacije. Verjetnosti SS nn aproksimiramo preko simulacije za katerokoli dano vrednost θθ, tako da: izvlečemo vrednost ββ iz vseh vrednosti porazdeljenih kot ff(ββ θθ) in jo označimo z indeksom rr kot ββ [rr], kjer rr = 1,, RR pri čemer R predstavlja število iteracij, izračunamo verjetnost SS nn ββ [rr] za vrednost ββ [rr], ponovimo koraka 1 in 2 RR-krat ter izračunamo povprečno vrednost. Povprečno vrednost simulirane verjetnosti zapišemo kot: RR SS nn = 1 RR SS nn ββ [rr]. (5.28) rr=1 SS nn je nepristranska cenilka verjetnosti SS nn. Z večanjem števila iteracij R se manjša varianca. Velja, da je strogo pozitivna, tako da je ln SS nn definirana, kar je potrebno za ocenitev logaritma funkcije verjetja. SS nn je gladka funkcija (dvakrat odvedljiva) v parametrih θθ in spremenljivkah xx, kar olajša numerično iskanje funkcije največjega verjetja in izračun elastičnosti. Če simulirane verjetnosti SS nn vstavimo v logaritem funkcije verjetja, dobimo: NN SLL = ln 1 ee RR nn=1 RR TT rr=1 tt=1 JJ jj=1 xx [rr] nnnnnnββ nn JJ ee xx [rr] nnnnnnββ nn ii=1 yy nnnnnn. (5.29) Ocenjevanje meril koristnosti Z modeli diskretne izbire želimo v praksi pogosto oceniti merila koristnosti kot sta npr. pripravljenost za plačilo ali pripravljenost za sprejem nadomestila. Kljub temu, da modeli diskretne izbire ne pripeljejo neposredno do ocen meril koristnosti, saj namreč ne opazujemo velikosti koristnosti (angl. scale of utility) temveč zgolj razlike v koristnosti med izbirnimi možnostmi, pa te lahko izračunamo posredno, s pomočjo mejne koristnosti prihodka in mejne koristnosti ocenjenih koeficientov ββ za posamezne lastnosti oz. nivoje lastnosti. Pripravljenost za plačilo tako lahko izrazimo kot (Greene, 2012, str. 819): 106

124 WWWWWW = ββ kk σσ γγ pppppphoooooooo σσ, (5.30) pri čemer ββ kk predstavlja mejno koristnost lastnosti ali nivoja lastnosti kk, γγ pppppphoooooooo mejno koristnost prihodka, σσ pa je standardni odklon neopazovanega dela funkcije koristnosti. V modelu se pojavi kot posledica normalizacije. σσ se okrajša z razmerja, kar nas pripelje do (Greene, 2012, str. 820): WWWWWW = ββ kk = ββ kk. (5.31) γγ pppppphoooooooo ββ ssssssssšeeee Če lastnost kk predstavlja posamezniku negativno korist (npr. čakalna doba), kar bi bilo razvidno iz negativnega predznaka koeficienta, potem je pripravljenost za plačilo (npr. za vsako dodatno minuto čakanja) negativna. Kadar ne opazujemo prihodka kot približka za mejno koristnost prihodka, uporabimo negativno vrednost spremenljivke stroška. Pri osnovnem pogojnem logit modelu je pripravljenost za plačilo preprosto razmerje parametrov opisano z enačbo (5.31). Nekoliko drugače pa je v primeru mešanega logit modela. V kolikor smo namreč kateregakoli od parametrov modelirali kot slučajni/naključni parameter, potem preprost izračun, ki sledi iz enačbe (5.31), ne bo razkril heterogenosti preferenc posameznikov. V raziskavah, katerih namen je oceniti pripravljenost za plačilo in kjer odgovore modeliramo s pomočjo mešanega logit modela, običajno določimo parameter v števcu kot slučajni, parameter v imenovalcu (npr. prihodek ali strošek) pa kot neslučajni. Model ponovno ocenimo tako, da določimo ββ kk,nn = ββ kk + σσ kk vv nn, vse ostale parametre pa kot neslučajne. Pričakovano vrednost pripravljenosti za plačilo za vsakega posameznika posebej nato ocenimo kot (Greene, 2012, str. 820): EE(WWWWWW) = EE ββ kk,nn yy nn, xx nn γγ pppppphoooooooo, (5.32) kjer yy nn predstavlja zaporedje odgovorov. Srednja vrednost tako izračunane pripravljenosti za plačilo je približno enaka vrednosti, ki jo izračunamo na podlagi enačbe (5.31), kjer sta torej oba parametra modelirana kot fiksna. Heterogenost preferenc do izbranega parametra med populacijo razkrije cenilka gostote (Greene, 2012, str. 820). 107

125 5.2 Kontingenčno vrednotenje Statistično gledano, odgovori na vprašanja pri kontingenčnem vrednotenju (CV) predstavljajo diskretne odvisne spremenljivke, saj jih merimo na nominalni ali urejenostni (oz. ordinalni) lestvici. Tovrstne podatke je možno analizirati z vrsto različnih modelov. Da bi dali statističnemu modelu tudi ekonomski pomen, moramo statistični model za CV odgovore izraziti tako, da bo skladen z ekonomskim modelom maksimizacije koristnosti (W. Michael Hanemann & Kanninen, 2001, str. 4,5). Privzemimo posameznega potrošnika s funkcijo koristnosti, ki vključuje tržne dobrine, ki jih označimo z x, in dobrino, ki jo želimo vrednotiti, označeno s q. Poleg tega naj funkcija koristnosti vključuje tudi druge lastnosti tržnih dobrin in potrošnikove značilnosti, ki določajo njegove preference do dobrin x in q, ki jih označimo s ss. Pripadajoča indirektna funkcija koristnosti je odvisna od cen tržnih dobrin, p, potrošnikovega prihodka, m, njegovih značilnosti, s, dobrine, ki jo ocenjujemo q in naključne napake (nepojasnjenega odklona) ε. Slednji predstavlja neopazovane značilnosti potrošnika in/ali lastnosti dobrine, ki je predmet opazovanja. Predstavlja lahko tako razlike v preferencah med potrošniki kot tudi mersko napako. vv(pp, qq, mm, ss, εε) (5.33) Potrošnik je soočen z odločitvijo o nakupu dobrine q, tako da se raven dobrine q spremeni iz qq 0 v qq 1 (qq 1 > qq 0 ). Če privzamemo, da sprememba stanja pomeni prehod na bolje, potem velja, da je vv(pp, qq 1, mm, ss, εε) vv(pp, qq 0, mm, ss, εε). To spremembo ponudimo potrošniku za ceno c (v EUR) in ta jo lahko sprejme ali zavrne. V skladu s teorijo maksimizacije koristnosti (angl. utility maximization theory) je verjetnost, da potrošnik sprejme ponudbo enaka: PPPP(oooooooooooooo jjjj "dddd") = PPPP {vv(pp, qq 1, mm cc, ss, εε) vv(pp, qq 0, mm, ss, εε)} (5.34) Slednje lahko izrazimo ekvivalentno z uporabo merila kompenzirajoče mere variacije, CC, tako da velja: vv(pp, qq1, mm CC, ss, εε) = vv(pp, qq0, mm, ss, εε). (5.35) Zatorej je, CC = CC(pp, qq 0, qq 1, mm, ss, εε). (5.36) CC predstavlja potrošnikovo maksimalno pripravljenost za plačilo za spremembo stanja q iz qq 0 v qq 1. Potrošnik sprejme ponudbo le v primeru, da je ponujena cena manjša ali enaka njegovi pripravljenosti za plačilo, sicer jo zavrne. Enakovredno pogoju (5.35) jo lahko zapišemo kot: 108

126 PPPP (oooooooooooooo jjjj "dddd) = PPPP{ CC(pp, qq 0, qq 1, mm, ss, εε) cc }. (5.37) V skladu z modelom slučajne koristnosti je CC(pp, qq 0, qq 1, mm, ss, εε) naključna spremenljivka. Kljub temu, da anketiranec pozna svojo maksimalno pripravljenost za plačilo (ve, koliko je največ pripravljen plačati) za spremembo v qq 1, tega raziskovalec ne ve, zato jo obravnavamo kot slučajno spremenljivko (W. Michael Hanemann & Kanninen, 2001) Dvodelni model Dvodelni model (angl. two-part model) omogoča, da potrošnikovo odločitev, ali kupiti in koliko plačati, modeliramo v dveh neodvisnih korakih. V prvem se potrošnik odloči, ali bo nakup izvedel, v drugem pa, koliko bo za dobrino plačal. Model tako dopušča, da pojasnjevalne spremenljivke različno vplivajo na odločitev o tem, ali je posameznik pripravljen kupiti dobrino in koliko je zanjo pripravljen plačati. Pri dvodelnem modelu privzamemo, da je verjetnost odločitve za nakup neodvisna od verjetnosti, koliko je potrošnik pripravljen plačati za dobrino (A. Colin Cameron & Trivedi, 2005). Potrošnikovo odločitev, ali je pripravljen kupiti izdelek ali ne, določa naslednja linearna enačba: zz ii = xx 1ii ββ 1 + uu 1ii (5.38) kjer xx 1ii predstavlja vektor pojasnjevalnih, ββ 1 vektor koeficientov, uu 1ii naključno napako in zz ii dihotomno odvisno spremenljivko, ki lahko zavzame vrednosti: zz ii = 1 čee jjjj ppppppppppšnnnnnn pppppppppppppppppppppp iiiiiiiiiiiiiiiiiiiiii/kkkkkkkkkkkk 0 ssssssssss Za modeliranje te odločitve uporabimo (binarni) probit model. Verjetnost, da se potrošnik odloči za nakup, je: PPPP(zz ii = 1 xx 1ii ) = Φ(xx 1ii ββ 1 ) (5.39) kjer je Φ zbirna funkcija verjetnosti (angl. cumulative distribution function - CDF) standardne normalne porazdelitve. Drugi del modela ocenimo zgolj za anketirance, ki so pripravljeni investirati v nakup (zz ii = 1). Če vzamemo enačbo (5.39) kot osnovo za oceno vrednostne funkcije, ki dodeli monetarno vrednost spremembi ekonomske blaginje ob spremembi stanja v q, lahko zapišemo nelinearno obliko enačbe, ki določa pripravljenost za plačilo potrošnika ii (ii = 1,, NN) kot: ln WWWWWW(xx 2222, uu ii ) = xx 2ii ββ 2 + uu 2ii, (5.40) 109

127 kjer je xx 2ii vektor pojasnjevalnih spremenljivk (in je lahko enak ali različen xx 1ii ), ββ 2 vektor koeficientov/parametrov in uu 2ii naključna napaka. Ker so podatki o izdatkih običajno bližje lognormalni porazdelitvi kot normalni, pripravljenost za plačilo logaritmiramo (Adrian Colin Cameron & Trivedi, 2009). Naj bb 1 predstavlja znesek prve ponudbe in bb 2 znesek druge, kjer je bb 2 > bb 1, če anketiranec odgovori z da na prvo ponudbo (jo sprejme), in bb 1 > bb 2, če anketiranec odgovori z»ne«. Na podlagi tega, so možni štirje izidi (Lopez-Feldman, 2012; Yoo & Yang, 2001): Anketiranec odgovori z»da«na obe ponudbi. V tem primeru lahko sklepamo, da je bb 2 < WWWWWW <. Anketiranec odgovori z»da«na prvo in z»ne«na drugo ponudbo. V tem primeru lahko sklepamo, da je bb 1 < WWWWWW < bb 2. Anketiranec odgovori z»ne«na prvo in z»da«na drugo ponudbo. V tem primeru lahko sklepamo, da je bb 2 < WWWWWW < bb 1. Anketiranec odgovori z»ne«na prvo in drugo ponudbo. V tem primeru lahko sklepamo, da je 0 < WWWWWW < bb 2. Določimo yy 1 and yy 2 kot dihotomni spremenljivki, ki predstavljata odgovora na prvo in drugo vprašanje oz. ponudbo. Če privzamemo, da velja (5.39) in uu ii ~NN(0, σσ 2 ), lahko verjetnost vsakega izida zapišemo kot: a) yy 1 = 1 in yy 2 = 1 Pr(yy 1ii = 1, yy 2ii = 1 xx ii ) = Pr(bb 2 < WWWWWW < ) = Φ xx 2iiββ 2 ln (bb 2ii ) σσ b) yy 1 = 1 in yy 2 = 0 Pr(yy 1ii = 1, yy 2ii = 0 xx ii ) = Pr(bb 1 < WWWWWW < bb 2 ) = Φ ln (bb 2ii) xx 2ii ββ 2 σσ Φ ln (bb 1ii) xx 2ii ββ 2 σσ c) yy 1 = 0 in yy 2 = 1 Pr(yy 1ii = 0, yy 2ii = 1 xx ii ) = Pr(bb 2 < WWWWWW < bb 1 ) = Φ xx 2iiββ 2 ln (bb 2ii ) Φ xx 2ii ββ 2 ln (bb 1ii ) σσ σσ d) yy 1 = 0 in yy 2 = 0 Pr(yy 1ii = 0, yy 2ii = 0 xx ii ) = Pr(0 < WWWWWW < bb 2 ) (5.41) = 1 Φ ln (bb 2ii) xx 2ii ββ 2 σσ 110

128 Da bi poenostavili zapis, določimo slamnate spremenljivke (II ii YYYY, II ii YYYY, II ii NNNN, and II ii NNNN ) s katerimi označimo zaporedje odgovorov anketiranca, pri čemer Y predstavlja odgovora»da«in N odgovor»ne«, tako da je npr. II ii YYYY = 1 če sta yy 1 = 1 in yy 2 = 1 ter II ii YYYY = 0 sicer. Te spremenljivke pravzaprav določajo, v katero območje enačbe se uvrsti pripravljenost za plačilo posameznika. V skladu z zgornjo specifikacijo je logaritem funkcije verjetja za dvostransko omejeni model dvojne izbire 9 : NN YYYY llllll = II ii ln Φ xx 2ii ββ 2 ln (bb 2ii ) σσ ii=1 + II ii YYYY ln Φ ln (bb 2ii) xx 2ii ββ 2 σσ Φ ln (bb 1ii) xx 2ii ββ 2 σσ NNNN + II ii ln Φ xx 2ii ββ 2 ln (bb 2ii ) Φ xx 2ii ββ 2 ln (bb 1ii ) σσ σσ (5.42) + II ii NNNN ln 1 Φ ln (bb 2ii) xx 2ii ββ 2 σσ + II ii NNNN ln 1 Φ ln (bb 2ii) xx 2ii ββ 2 σσ S pomočjo metode največjega verjetja na osnovi zapisanega logaritma funkcije verjetja dobimo vektor koeficientov ββ in σσ Model nenaključne izbire vzorca Strazzera s soavtorji (2000) predlaga, da v kolikor ni utemeljenega razloga, na podlagi katerega bi predvidevali, da sta enačbi izbire (angl. selection equation) in pripravljenosti za plačilo (angl. valuation equation) neodvisni, uporabimo model nenaključne izbire vzorca (angl. sample selection model). Model tako predstavlja posplošitev dvostopenjskega modela. Za izpeljavo modela sledimo izpeljavi avtorjev Yoo in Yang (2001) ter Strazzera in sod. (2000). Če vzamemo enačbo izbire (opisuje odločitev ali investirati ali ne) in enačbo pripravljenosti za plačilo (opisuje znesek, ki ga je anketiranec pripravljen plačati) kot to določata enačbi (5.38) in (5.40) ter kjer pripravljenost za plačilo (angl. willingness to pay v nadaljevanju WTP) opazujemo zgolj v primeru, ko je zz ii = 1 (5.38), potem lahko 9 Sledili smo dvostransko omejenemu ali intervalnemu modelu, kot ga je opisala Alberini (1995) in upoštevali log-normalno porazdelitev pripravljenosti za plačilo. 111

129 funkcijo verjetja (angl. likelihood function) za model, ki predpostavlja odvisnost med odločitvama, zapišemo kot: LL = Pr (zz ii 0) Pr (zz ii > 0, BB LL < WWWWWW < BB UU ), (5.43) zz ii =0 zz ii =1 kjer BB LL and BB UU predstavljata spodnjo in zgornjo mejo. Da bi model lahko ocenili z metodo največjega verjetja (angl. Maximum Likelihood (ML) method), je potrebno poznati skupno porazdelitev (zz ii, WWWWWW). Predpostavimo, da imata (zz ii, WWWWWW) bivariatno normalno porazdelitev NN 2 (xx 1ii ββ 1, xx 2ii ββ 2, σσ 1, σσ 2, ρρ), kjer σσ 1 in σσ 2 predstavljata standardni odklon mejnih porazdelitev zz ii in WWWWWW; ρρ pa predstavlja korelacijski koeficient med zz ii in WWWWWW (Yoo & Yang, 2001). Naj Σ predstavlja kovariančno matriko napak iz obeh enačb: Σ = cccccc(uu 1ii, uu 2ii ). (5.44) Parametre kovariančne matrike Σ je potrebno normalizirati za identifikacijo modela. Če sledimo Amemiyi (1984), lahko določimo σσ 1 = 1 in σσ 2 = σσ brez izgube splošnosti. σσ 1 Σ = cccccc(uu 1ii, uu 2ii ) = EE(uu uu) = σσ 1 2 σσ 12 2, (5.45) σσ 21 σσ 2 kjer uu = [uu 1 uu 2 ] predstavlja matriko vektorjev napak (angl. disturbance vector) velikosti nn 2, druga enakost pa izhaja iz EE[uu 1 uu 2 ] = [0 0]. Normalizacijo dosežemo tako, da vsak element v Σ delimo z σσ ii in določimo σσ 12 = σσ 21 = ρρσσ 1 σσ 2, in σσ 2 = σσ: σσ 1 σσ 1 2 σσ σσ Σ = 1 σσ 1 2 = 1 ρρρρ σσ 21 σσ 2 2 σσ 1 σσ 2 1 ρρρρ σσ2, (5.46) kar pomeni, da je porazdelitev uu enaka: u 1i u ~ N 2 0 1, ρσ 2i 0 ρσ σ2. (5.47) Medtem ko je standardni odklon spremenljivke zz ii, σσ 1, zaradi normalizacije enak 1, je standardni odklon ln (WWWWWW), σσ 2, enak σσ in ga zato lahko ocenimo zaradi variabilnosti ponudb (Strazzera in sod., 2000). 112

130 Naj ww 1 = uu 1 in ww 2 = uu 2 predstavljata standardni normalni napaki skupno porazdeljeni kot σσ NN 2 (0, 0, 1, 1, ρρ), kjer NN 2 predstavlja bivariatno normalno porazdelitev. Model, kot je predstavljen v enačbi (5.43), deli celotno (ww 1, ww 2 ) podporno ravnino ff(ww 1, ww 2 ) na naslednjih pet ločenih delov (Jaramillo, 2009): 1. zz i = 1 a) yy 1i = 1 in yy 2i = 1 => (BB LL = bb 2ii, BB UU = ) Pr(zz ii > 0, bb 2ii < WWWWWW < ) = = Pr xx 1ii ββ 1 + ww 1ii > 0, ln (bb 2 ) < ln (xx 2ii ββ 2 + σσσσ 2ii ) < = Pr ww 1ii > xx 1ii ββ 1, ln (bb 2ii) xx 2ii ββ 2 < ww σσ 2ii < 2 = Pr ww 1ii < xx 1ii ββ 1, ln (bb 2ii) xx 2ii ββ 2 < ww σσ 2ii < 2 xx 1iiββ1 = ff(ww 1ii, ww 2ii ) ddww 1ii xx 1iiββ1 ln (bb 2ii ) xx 2ii ββ 2 σσ 2 = ff(ww 1, ww 2 ) ddww 1ii xx 1iiββ1 ddww 2ii ln (bb 2ii ) xx 2ii ββ 2 σσ 2 ddww 2ii ff(ww 1ii, ww 2ii ) ddww 1ii = Φ(xx 1ii ββ 1 ) ψ xx 1ii ββ 1, ln (bb 2ii) xx 2ii ββ 2, ρρ σσ 2 b) yy 1i = 1 in yy 2i = 0 => (BB LL = bb 1ii, BB UU = bb 2ii ) Pr(zz ii > 0, bb 1ii < WWWWWW < bb 2ii ) = ddww 2ii = Pr xx 1ii ββ 1 + ww 1ii > 0, ln (bb 1 ) < ln (xx 2ii ββ 2 + σσσσ 2ii ) < ln (bb 2 ) (5.48) = Pr ww 1ii > xx 1ii ββ 1, ln (bb 1ii) xx 2ii ββ 2 < ww σσ 2ii < ln (bb 2ii) xx 2ii ββ 2 2 σσ 2 = Pr ww 1ii < xx 1ii ββ 1, ln (bb 1ii) xx 2ii ββ 2 < ww σσ 2ii < ln (bb 2ii) xx 2ii ββ 2 2 σσ 2 xx 1iiββ1 ln (bb 2ii ) xx 2ii ββ 2 σσ 2 = ff(ww 1ii, ww 2ii ) ddww 1ii ln (bb 1ii ) xx 2ii ββ 2 σσ 2 = ψ xx 1ii ββ 1, ln (bb 2ii) xx 2ii ββ 2 σσ 2, ρρ ddww 2ii ψ xx 1ii ββ 1, ln (bb 1ii) xx 2ii ββ 2, ρρ σσ 2 c) yy 1i = 0 in yy 2i = 1 => (BB LL = bb 2ii, BB UU = bb 1ii ) Pr(zz ii > 0, bb 2ii < WWWWWW < bb 1ii ) = = Pr(xx 1ii ββ 1 + ww 1ii > 0, ln (bb 2 ) < ln (xx 2ii ββ 2 + σσσσ 2ii ) < ln (bb 1 )) 113

131 = Pr ww 1ii > xx 1ii ββ 1, ln (bb 1ii) xx 2ii ββ 2 < ww σσ 2ii < ln (bb 1ii) xx 2ii ββ 2 2 σσ 2 = Pr ww 1ii < xx 1ii ββ 1, ln (bb 1ii) xx 2ii ββ 2 < ww σσ 2ii < ln (bb 1ii) xx 2ii ββ 2 2 σσ 2 xx 1iiββ1 ln (bb 1ii ) xx 2ii ββ 2 σσ 2 = ff(ww 1ii, ww 2ii ) ddww 1ii ln (bb 2ii ) xx 2ii ββ 2 σσ 2 = ψ xx 1ii ββ 1, ln (bb 1ii) xx 2ii ββ 2 σσ 2, ρρ ddww 2ii ψ xx 1ii ββ 1, ln (bb 2ii) xx 2ii ββ 2 σσ 2, ρρ d) yy 1i = 0 in yy 2i = 0 => (BB LL = 0, BB UU = bb 2ii ) Pr(zz ii > 0, 0 < WWWWWW < bb 2ii ) = = Pr(xx 1ii ββ 1 + ww 1ii > 0, 0 < ln (xx 2ii ββ 2 + σσσσ 2ii ) < ln (bb 2 )) = Pr ww 1ii > xx 1ii ββ 1, 0 < ww 2ii < ln (bb 2ii) xx 2ii ββ 2 σσ 2 = Pr ww 1ii < xx 1ii ββ 1, 0 < ww 2ii < ln (bb 2ii) xx 2ii ββ 2 σσ 2 xx 1iiββ1 = ff(ww 1ii, ww 2ii ) ddww 1ii ln (bb 2ii ) xx 2ii ββ 2 σσ 2 0 = ψ xx 1ii ββ 1, ln (bb 2ii) xx 2ii ββ 2 σσ 2, ρρ. ddww 2ii 2. zz i = 0 Pr(zz ii 0) = Pr(xx 1ii ββ 1 + ww 1ii 0) = 1 Φ(xx 1ii ββ 1 ), kjer ψ predstavlja standardno normalno porazdelitveno funkcijo. Logaritem funkcije verjetja za model nenaključne izbire vzorca lahko zapišemo kot: NN llllll = (1 zz ii ) ln 1 Φ(xx 1ii ββ 1 ) ii=1 NN YYYY + zz ii II ii ln Φ(xx 1ii ββ 1 ) ψ xx 1ii ββ 1, ln (bb 2ii) xx 2ii ββ 2 ii=1 YYYY + II ii ln ψ xx 1ii ββ 1, ln (bb 2ii) xx 2ii ββ 2 σσ 2 σσ 2, ρρ, ρρ (5.49) ψ xx 1ii ββ 1, ln (bb 1ii) xx 2ii ββ 2 σσ 2, ρρ 114

132 NNNN + II ii ln ψ xx 1ii ββ 1, ln (bb 1ii) xx 2ii ββ 2 σσ 2, ρρ ψ xx 1ii ββ 1, ln (bb 2ii) xx 2ii ββ 2 σσ 2 + II NNNN ii ln ψ xx 1ii ββ 1, ln (bb 2ii) xx 2ii ββ 2 σσ 2, ρρ., ρρ Z uporabo metode največjega verjetja lahko v splošnem dobimo ocene parametrov ββ 1, ββ 2, σσ 2 in ρρ z ozirom na vse argumente sočasno. Ker se lahko v določenih primerih, ko je ρρ neznan, funkcija največjega verjetja nenavadno obnaša, smo uporabili alternativno metodo, kot sta jo predlagala Nawata and Nagase (1996), pri kateri ocenimo logaritem funkcije verjetja (llllll) za vrednosti ρρ na intervalu (-1, 1). Pri ρρ = 0 so ocene parametrov enake ocenam pridobljenim z dvodelnim modelom. V primeru, da je resnična vrednost ρρ nič, sta obe enačbi (izbire in WTP) neodvisni. To bi pomenilo, da lahko nepristranske ocene parametrov pridobimo tudi z ločenim ocenjevanjem obeh odločitev z dvodelnim modelom (Strazzera in sod., 2000). Ali je korelacija med enačbama statistično značilna, smo preverili s testom razmerja verjetij (angl. likelihood ratio (LR) test). 115

133 6 ZASNOVA RAZISKAVE 6.1 Ozadje raziskave Temeljni namen tega dela je raziskati vidik gospodinjskih odjemalcev in njihovega dojemanja predlaganih konceptov pametnih omrežij, upravljanja s porabo in avtomatizacije doma. Iz obširnega pregleda literature, predstavljenega v poglavju 3.7, je razvidno, da se gospodinjski odjemalci pozitivno odzivajo na cenovne signale in tako s sodelovanjem v programih prilagajanja odjema lahko znatno prispevajo k stabilnemu delovanju elektroenergetskega sistema. Kljub številnim izvedenim pilotskim projektom po svetu se le peščica osredotoča na vidik odjemalcev. Izkaže se, da praktično ni moč zaslediti znanstvenega članka ali študije, ki bi celovito raziskala sprejemanje in pripravljenost gospodinjskih odjemalcev na novosti in koristi, ki jih zanje prinaša uvedba pametnih omrežij, upravljanje s porabo in avtomatizacija doma, z vidika pričakovanih finančnih prihrankov v zameno za prilagoditev svojih navad. Kljub nekaterim tujim raziskavam, v okviru katerih so ocenjevali pripravljenost gospodinjskih odjemalcev za plačilo za pametni števec in nekatere dopolnilne storitve, ki terjajo plačevanje mesečnega prispevka, jih je bilo izvedenih le peščica, ki ugotavljajo namere pripravljenosti gospodinjstev za investiranje v pametne funkcionalnosti, ki niso neposredno povezane s pametnim števcem. Nekatere dodatne pametne funkcionalnosti so povezane s stroški namestitve dodatnih senzorjev in/ali naprav ali pa predstavljajo le potrebno nadgradnjo osnovne izvedenke naprave (npr. oddaljeno upravljanje s pametnim termostatom). S tem razlogom želimo raziskati pripravljenost slovenskih gospodinjskih odjemalcev za sodelovanje v različnih programih prilagajanja odjema, ugotoviti v kolikšni meri so se pripravljeni odzivati na cenovne signale ter oceniti kakšne finančne spodbude pričakujejo v zameno. Poleg tega je cilj tega dela raziskati preference gospodinjskih odjemalcev glede različnih funkcionalnosti pametnega doma, ki omogočajo vpeljavo dopolnilnih storitev k dobavi električne energije ter ugotoviti, koliko so odjemalci pripravljeni investirati v nakup le-teh. Skladno s cilji tega dela ter še neodgovorjenimi vprašanji, lahko opredelimo naslednja raziskovalna vprašanja: 1. Katere tarifne sisteme gospodinjski odjemalci preferirajo in v katerih programih upravljanja s porabo so pripravljeni sodelovati? 2. Koliko so odjemalci pripravljeni plačati, oziroma alternativno: kolikšno nadomestilo so pripravljeni sprejeti v zameno za sodelovanje v različnih programih upravljanja s porabo? 116

134 3. Po katerih pametnih funkcionalnostih, ki omogočajo vpeljavo dodatnih storitev s področja energetskih rešitev, varnosti in zagotavljanja večjega udobja ter priročnosti, ki sodijo v koncept funkcionalnosti pametnega doma, obstaja povpraševanje gospodinjskih odjemalcev? 4. Katere demografske in socialno-ekonomske značilnosti odjemalcev določajo izbiro funkcionalnosti pametnega doma? Rezultati raziskave bodo lahko v pomoč dobaviteljem električne energije (in drugim zunanjim izvajalcem) pri oblikovanju programov prilagajanja odjema in dopolnilnih storitev k oskrbi z električno energijo, ki temeljijo na funkcionalnostih pametnega doma. Nadalje bodo ponudniki rešitev za pametni dom svoje izdelke in storitve lažje prilagodili potrebam končnega uporabnika. Za potrebe tega dela smo uporabili metode izraženih preferenc. V primeru storitev prilagajanja porabe trg v Sloveniji še ne obstaja, v primeru dodatnih storitev k dobavi električne energije pa se ta šele razvija in zato zgolj na podlagi opazovanj obnašanj potrošnikov na trgu ni moč pridobiti zadostnih informacij o njihovi pripravljenosti za plačilo oz. pripravljenosti za sprejetje nadomestila. V nadaljevanju bomo opredelili ciljno populacijo, izbiro vzorca, način anketiranja in zgradbo vprašalnika. 6.2 Ciljna populacija, izbira vzorca in način anketiranja Ciljna populacija Ciljno populacijo naše raziskave predstavljajo gospodinjski odjemalci električne energije v Sloveniji. Teh je bilo leta 2013 po podatkih Agencije za energijo ("Poročilo o stanju na področju energetike v Sloveniji leta 2013," 2014, str. 18). Natančneje, ciljno populacijo predstavljajo predstavniki teh gospodinjstev, ki so odgovorni za sprejemanje odločitev povezanih z električno energijo in/ali plačujejo račune za električno energijo Izvedba anketiranja Načine izvedbe anketiranja v grobem delimo glede na prisotnost ali odsotnost anketarja. V prvo skupino sodijo t.i. vodene ankete oz. intervjuji (angl. interviewer-administered), v katerih aktivno sodeluje anketar, ki anketirance vodi skozi anketni vprašalnik tako, da jim zastavlja vprašanja ter si zapisuje odgovore. V drugo skupino pa sodijo t.i. samostojno vodeni pristopi anketiranja oz. samo-intervjuiranje (angl. self-administered surveys), kjer anketiranec samostojno izpolnjuje anketni vprašalnik brez prisotnosti anketarja ali 117

135 njegovega usmerjanja (med izpolnjevanjem). K vodenim anketam uvrščamo osebne intervjuje in telefonsko anketiranje, k samostojno-vodenim pa anketiranje preko pošte, spleta in elektronske pošte (Champ & Welsh, 2007, str. 28). Izbira izvedbe anketiranja je odvisna od vrste dejavnikov, kot so stroški, potreben čas za izvedbo, pokritje ciljne populacije, prožnost pri izpraševanju, stopnja odzivnosti in točnost podatkov (Dekker, 2001). Prednost vodenih anket je prav v prisotnosti anketarja, ki skozi sam proces intervjuranja nadzoruje potek anketiranja ter po potrebi nudi dodatna pojasnila. Po drugi strani je s tem povezana tudi slabost teh pristopov, saj prisotnost anketarja lahko vpliva na anketirančeve odgovore (Champ & Welsh, 2007, str. 28). Eden izmed takih vplivov anketarja je t.i.»pristranskost zaradi družbene všečnosti«, ki se pojavi, kadar anketiranci odgovarjajo na vprašanja tako kot domnevajo, da jih želi slišati anketar. Tak primer je npr. odnos do okolja, kjer anketiranci navajajo visoko zavedanje in strmenje k okolju prijaznejšemu življenju, ker ga pojmujejo s stališča družbe kot zaželen oz. pričakovan odnos. Osebni intervjuji so zaradi številnih prednosti priporočena oblika anketiranja za obsežnejše raziskave, vendar pa so se zaradi visokih stroškov, povezanih z izvedbo tovrstnega anketiranja in razvoja informacijske tehnologije v zadnjih letih, v veliki meri uveljavile računalniško podprte oblike samointervjuiranja (angl. computer-assisted self-interviewing CASI) (Dekker, 2001). Pri teh so vprašanja anketirancu prikazana na računalniškem zaslonu, anketiranec pa nanje odgovarja s pomočjo miške in tipkovnice ali zaslona na dotik. Poznamo različne načine izvedbe računalniško podprtega anketiranja (Champ & Welsh, 2007, str ): brez uporabe interneta (Pri tem načinu anketirance zberemo na neki lokaciji, kjer izvedemo anketiranje s pomočjo na računalnik naloženega programa. Druga možnost je, da jim program pošljemo po elektronski pošti, jih prosimo, da ga namestijo na svoj računalnik in nam nato pošljejo rezultate); z uporabo interneta (spletno anketiranje) (Pri tem načinu anketirance napotimo na določen spletni naslov, kjer se nahaja anketni vprašalnik. Spletni naslov jim sporočimo preko elektronske pošte ali drugega medija); po elektronski pošti (Pri tem pristopu anketirancem pošljemo elektronsko pošto z anketnim vprašalnikom ter jih prosimo naj jo izpolnijo in vrnejo). Največ možnosti omogoča spletno anketiranje. Spletni vprašalnike namreč lahko za boljše razumevanje ali obrazložitev vprašanj dopolnimo z dodatnimi grafičnimi, avdio in video vsebinami. V kolikor je potrebno, lahko omogočimo, da anketiranec na vprašanja odgovarja ustno, odgovori pa se shranijo v obliki zvočnega zapisa. Pri odgovarjanju na vprašanja se odgovori samodejno beležijo v podatkovno bazo. Pri zahtevnih raziskavah, računalniško podprti anketni vprašalniki lahko znatno zmanjšajo napor anketiranca, saj omogočajo preverjanje skladnosti odgovorov in vpeljavo pravil (npr. sosledje vprašanj glede na predhodne odgovore). V primerjavi z osebnimi intervjuji imajo anketiranci pri 118

136 reševanju spletnih vprašalnikov občutek večje zasebnosti in zato rajši oz. manj neradi odgovarjajo tudi na bolj občutljiva vprašanja (npr. družbeno-ekonomska). Pri odgovarjanju na vprašanja se odgovori samodejno beležijo v podatkovno bazo, s čimer se tudi izognemo marsikateri napaki, ki lahko sicer nastane pri ročnem vnosu podatkov. Verjetno največja in pogosto odločilna prednost anketiranja s pomočjo spletnih vprašalnikov, je bistveno nižja cena v primerjavi z osebnimi intervjuji, saj se izognemo stroškom dela anketarjev, tiskanja in vnosa podatkov v podatkovno bazo (J. L. Brown, Vanable in Eriksen, 2008; Champ & Welsh, 2007, str. 33,35). Kljub omenjenim prednostim ima tovrstno zbiranje odgovorov tudi določene pomanjkljivosti (Champ & Welsh, 2007; Dekker, 2001). Nepopolno pokritje kljub temu, da število gospodinjstev z dostopom do interneta hitro narašča, je delež slednjih pogosto manjši med gospodinjstvi, v katerih živijo zgolj starejši člani. Mnogo starejših tudi ne uporablja računalnika in tako nima možnosti izpolniti spletnega vprašalnika. Pristranskost obstajajo deli populacije, ki nimajo potrebnih znanj ali sposobnosti za uporabo računalnika. Internet uporabljajo pretežno gospodinjstva z mlajšimi in delovno aktivnimi prebivalci, zato so pri tem načinu anketiranja te družbene skupine bolj zastopane, medtem ko je delež starejših prebivalcev v vzorcu običajno manjši od deleža v ciljni populaciji. Nestrukturiran sistem naslovov v primeru posredovanja povezave do spletne ankete preko elektronske pošte veljajo enake omejitve kot pri samem anketiranju preko elektronske pošte. V primerjavi s poštnim sistemom in telefonskim omrežjem je sistem elektronskih naslovov namreč bistveno manj reguliran. Uporabniki lahko registrirajo elektronski naslov pri vrsti ponudnikov, ga celo večkrat zamenjajo ali jih imajo celo več. Sestaviti seznam elektronskih naslovov gospodinjstev je zato v nekem trenutku izredno zahtevno, vzdrževati pa praktično nemogoče. Za popise prebivalstva zato ta pristop ne pride v poštev. Več nedavnih študij je pokazalo, da je kvaliteta podatkov, pridobljenih s pomočjo spletnega anketiranja, primerljiva tistim, pridobljenim z osebnimi ali telefonskimi intervjuji. Nielsen (2011) je primerjala podatke, zbrane s pomočjo spletnega anketiranja in osebnih intervjujev. V okviru raziskave je z metodo kontingenčnega vrednotenja ocenjevala pripravljenost ljudi za plačilo za podaljšanje pričakovane življenjske dobe zaradi zmanjšanja onesnaževanja. Kljub manjšim razlikam v povprečnih in srednjih ocenah pripravljenosti za plačila, te niso bile statistično značilne. Prav tako se pridobljena vzorca nista statistično značilno razlikovala glede na porazdelitev starosti, spola in prihodka. V vzorcu spletnega anketiranja je bil le manjši delež ljudi z nizko izobrazbo, kar je lahko posledica napake zaradi nepopolnega pokritja (angl. coverage error). V študiji Taylorjeve in sod. (2009) so primerjali učinke vzorčenja (angl. sample effects) med spletnim anketiranjem na osnovi panela udeležencev, anketiranjem preko elektronske 119

137 pošte in telefonskim anketiranjem. V okviru študije so s pomočjo metode kontingenčnega vrednotenja ocenjevali pripravljenost za plačilo za zmanjšanje onesnaževanja zraka v ZDA. Ugotovili so, da so ocene blaginje pri spletnem anketiranju in anketiranju preko elektronske pošte nekoliko nižje od tistih, pridobljenih s pomočjo telefonskega anketiranja, kar so pripisali pristranskosti telefonskega anketiranja zaradi všečnega obnašanja anketirancev. Razlikovala se je tudi struktura družbeno ekonomskih in vedenjskih značilnosti med vzorci. Zaključijo, da so ocene pripravljenosti za plačilo, pridobljene na osnovi spletnega anketiranja, ob ustreznih kontrolnih spremenljivkah primerljive s tistimi, pridobljenimi na osnovi ostalih dveh načinov anketiranja, čeprav je bil delež pojasnjene variance pri spletnem anketiranju nekoliko nižji. Kljub določenim pomislekom glede nepopolnega pokritja in možnega pristranskega vzorca smo se zaradi stroškovne ugodnosti v primerjavi z osebnimi intervjuji in obilice interaktivnih možnosti, ki jih omogočajo računalniško podprti anketni vprašalniki, odločili za spletno anketiranje na osnovi panela udeležencev. Pri tem smo z namenom zagotovitve naključnega in reprezentativnega vzorca glede na vrsto družbeno-ekonomskih značilnosti gospodinjstev anketiranje izvedli s pomočjo agencije za tržne raziskave. S tem razlogom je naš vzorčni okvir manjši od ciljne populacije. V prvem četrtletju 2013 je imelo v Sloveniji dostop do interneta 76 % gospodinjstev, internet pa je uporabljalo 74 % prebivalcev starih med 10 in 74 let. ("Uporaba interneta v gospodinjstvih in pri posameznikih, Slovenija, končni podatki," 2013). Med gospodinjstvi brez internetnega priključka je večina starejših od 65 let, namreč v starostnem razredu let je v prvem četrtletju leta 2013 internet uporabljalo le 25 % prebivalcev, 65 % pa jih še nikoli ni uporabljalo računalnika ("Uporaba računalnikov in interneta pri starejših, podrobni podatki, Slovenija, končni podatki," 2013). Delež gospodinjstev, v katerih prebivajo le starejši od 65 let, smo zato z izbiro spletnega anketiranja izključili iz vzorčenja. Seznam udeležencev panela tržne agencije, ki je izvedla anketiranje, je sicer vseboval osebe med 18. in 70. letom starosti. 6.3 Zasnova anketnega vprašalnika Zgradba vprašalnika in zaporedje vprašanj sta ključnega pomena pri izvedbi anketiranja. Vprašanja, na katera anketiranci odgovarjajo, najprej vplivajo na odgovore v nadaljevanju, zato je pomembno, da si ta sledijo tako, da anketirance pritegnejo k temi in spodbudijo k reševanju tudi morebiti zahtevnejših vprašanj (Bateman in sod., 2002, str. 148,149). Vprašalnik, glede na strukturo, običajno razdelimo na tri osnovne dele (Bateman in sod., 2002, str ; Krupnick & Adamowicz, 2007): uvodni del, v okviru katerega predstavimo in opišemo problem ter zberemo podatke o anketirančevemu mnenju oz. poznavanju tematike; 120

138 osrednji del, v katerem uporabimo izbrano metodo za vrednotenje meril koristnosti ter zaključni del, v katerem zberemo podatke o anketirančevih družbeno-ekonomskih značilnostih ter morebitnih drugih vidikih kot je težavnost vprašalnika ipd. Zaradi obširnosti raziskave smo naš vprašalnik razdelili na 9 sklopov. Anketirance smo skozi vrsto vprašanj postopoma seznanjali s osrednjo tematiko, s čimer smo želeli zagotoviti, da so pri sprejemanju odločitev pri eksperimentu diskretne izbire in odgovarjanju na vprašanja o funkcionalnostih pametnega doma razumeli, o čem jih sprašujemo. Poleg tega smo vključili vrsto opisnih vprašanj, preko katerih smo ocenili odnos anketiranca do predstavljenih sprememb in novosti ter preverili skladnost odgovorov ter veljavnost rezultatov, pridobljenih na osnovi eksperimenta diskretne izbire in kontingenčnega vrednotenja. Vprašalnik je obsegal naslednjih 9 sklopov, ki jih bomo podrobneje predstavili v nadaljevanju: 1. raba električne energije in ponudniki elektrike v gospodinjstvih, 2. učinkovita raba električne energije v gospodinjstvih, 3. različni tarifni sistemi, 4. programi prilagajanja porabe električne energije, 5. sprotno spremljanje porabe električne energije, 6. izbira paketov storitev, 7. pametni dom, 8. uporaba informacijske tehnologije in 9. družbeno-ekonomskih značilnosti. Glede na priporočeno strukturo vprašalnika, lahko sklope 1-5 uvrstimo med uvodni del, sklope 6-8 v osrednji del ter sklopa 8 in 9 v zaključni del Raba električne energije in ponudniki elektrike v gospodinjstvih V prvem sklopu smo anketirance spraševali o tem, kdo je dobavitelj električne energije v njihovem gospodinjstvu, kako so z njim zadovoljni, ali imajo sklenjeno vezavo s svojim dobaviteljem, ali so že kdaj zamenjali dobavitelja, koliko znaša njihov povprečni mesečni račun za elektriko, kakšen tarifni sistem uporabljajo in če so ga kdaj že zamenjali ter če so naročeni na oskrbo z zeleno energijo oz. energijo iz obnovljivih virov Učinkovita raba električne energije v gospodinjstvih Rezultati nekateri raziskav (npr. Gerpott in sod. (2013)) nakazujejo, da finančni prihranki niso edini dejavnik, ki vplivajo na odločitev gospodinjskih odjemalcev za nakup funkcionalnosti pametnega doma. Po drugi strani nekateri pilotski projekti kažejo (Faruqui in sod., 2010), da odjemalci, ki so ozaveščeni glede svoje rabe električne energije, lahko 121

139 dosežejo znatne prihranke zgolj s premišljeno rabo energije. Pogosto se kot dejavnik, ki vpliva na pristop k programom prilagajanja odjema, varčne in učinkovite rabe energije ter pripravljenost za investiranje v s tem povezano avtomatizacijo doma, omenja okoljska ozaveščenost prebivalstva. Ta se je v zadnjem desetletju znatno povečala in pozitiven vpliv le-te za pripravljenost na sodelovanje v različnih programih prilagajanja odjema in s tem povezano pripravljenost za investicije v nakup potrebne opreme in pametnih funkcionalnosti bi tako lahko nakazoval naraščajoč trend povpraševanja v prihodnjih letih. Vendar pa je okoljsko ozaveščenost težko izmeriti, saj izkušnje na podlagi nekaterih predhodnih študij (Zorić & Hrovatin, 2012) kažejo, da če ljudi sprašujemo po njihovem odnosu do okolja, ti odgovarjajo večinoma zelo pozitivno (v odnosu do okolja), med odgovori pa je opaziti le malo variabilnosti. Kljub načelno pozitivnemu izraženemu odnosu ljudi do okolja, pa ni nujno, da ta odraža tudi njihovo dejansko vedenje. V okviru raziskave REUS ("12 resnic o rabi energije v gospodinjstvih, povzetek poročila," 2010; "12 resnic o rabi energije v gospodinjstvih, povzetek poročila," 2011) so npr. ugotovili, da kljub pozitivno izraženemu odnosu do okolja velike večine gospodinjstev (83 %), v praksi učinkovito rabi energijo le 28 % gospodinjstev. S tem razlogom smo se bolj kot na samo okoljsko ozaveščenost odjemalcev osredotočili na vidik ozaveščenosti glede svoje rabe električne energije in aktivnosti, ki jih gospodinjstva izvajajo z namenom varčevanja in učinkovite rabe energije in vpliv omenjenega na odločitev za sodelovanje v programih prilagajanja odjema ter za investiranje v funkcionalnosti pametnega doma. Anketirance smo tako povprašali po tem, koliko pozornosti namenjajo učinkoviti in varčni rabe energije (npr. ali ugašajo luči kadar zapustijo prostor, ali izklapljajo naprave kadar te niso v uporabi, ali imajo ponoči ter v času njihove odsotnosti od doma nastavljeno nižjo temperaturo ogrevanja prostorov ter ali uporabljajo večje gospodinjske aparate kot je npr. pralni stroj v času nižje namesto v času visoke tarife). Poleg tega smo anketirance vprašali tudi, ali so se že kdaj odločili za energetsko svetovanje za njihov dom. Pri analizi bomo v sklopu okoljske ozaveščenosti obravnavali tudi rezultate na vprašanje, ali je gospodinjstvo naročeno na oskrbo z energijo iz obnovljivih virov (proti dodatnemu plačilu), ki smo ga sicer zastavili kot zadnje vprašanje prejšnjega sklopa. Gospodinjstva, naročena na dobavo električne energije, pridobljeno zgolj iz obnovljivih virov, na nek način predstavljajo okoljsko ozaveščen del populacije, zato nas bo zanimalo tudi v kolikšni meri ta segment odjemalcev v predlaganih programih prilagajanja odjema in povezanih storitvah prepozna okoljsko noto. Glede na podatke Statističnega urada Slovenije se je v letu 2013 (podobno velja tudi za leto 2011 in 2012) v gospodinjstvih največ električne energije porabilo za velike gospodinjske aparate (hladilne in zamrzovalne naprave, pralne, sušilne in pomivalne stroje), in sicer 820 GWh ali okoli 25 %, za ogrevanje in hlajenje prostorov 473 GWh (skoraj 15 %), za osebne računalnike, monitorje in televizijske sprejemnike 320 GWh 122

140 (skoraj 10 %), za kuhanje 272 GWh (okoli 8 %) ("Poraba energije in goriv v gospodinjstvih, Slovenija, končni podatki," 2012; "Poraba energije in goriv v gospodinjstvih, Slovenija, končni podatki," 2013; "Poraba energije in goriv v gospodinjstvih, Slovenija, končni podatki," 2014). Največji potencial za nižanje letne konične obremenitve ali ravnanje dnevnega diagrama (v primeru sistemskega operaterja distribucijskega omrežja) ali za optimiranje nakupa električne energije na dnevnem trgu z električno energijo, prodajo prihranjene energije na dnevnem trgu ali izravnavanje odstopanj (s stališča dobavitelja električne energije) predstavljajo veliki porabniki električne energije oz. bolje rečeno možnost premika ali zamika njihovega delovanja v čas pred ali po izrednemu dogodku obravnave (npr. nižanja konice). V gospodinjstvi so to predvsem veliki gospodinjski aparati ter naprave namenjene ogrevanju in hlajenju prostorov. Glede na njihovo naravo delovanja smo naprave razvrstili v dva sklopa: naprave, katerih cikel delovanja je možno za krajši čas prekiniti brez večjih posledic na udobje odjemalcev, gospodinjske aparate in naprave, katerih delovanje je omejeno le na nekaj ur dnevno in katerih cikla ni mogoče prekiniti oz. bi prekinitev vplivala na samo kakovost delovanja. V prvo skupino sodijo pretežno naprave, ki jih po naravi delovanja uvrščamo med toplotne stroje. To so hladilniki, zamrzovalniki, toplotne črpalke in klimatske naprave. Poleg omenjenih smo v to skupino uvrstili še električne radiatorje. V drugo sodijo električni štedilnik, pralni stroj, sušilec perila, pomivalni stroj, električni kamin in talno gretje na električno energijo (slednje se običajno uporablja za talno ogrevanje kopalnic ali predelov stanovanja, kjer so položene ploščice in to le krajši čas dnevno, zato smo ga uvrstil v to skupino). Zaradi delovanja pretežno v poletnem času in običajno le takrat, kadar je kdo doma, smo v to skupino uvrstili tudi klimatsko napravo. Najprej smo anketirance povprašali, katere naprave uporabljajo v svojem gospodinjstvu, nato pa smo jih za prvo skupino naprav povprašali ali bi bili pripravljeni dovoliti prekinitev delovanja za krajši čas, če bi v zameno prejeli dobropis pri mesečnem računu za električno energijo. Za drugo skupino naprav pa smo imetnike naprav vprašali, ob katerih urah jih običajno uporabljajo med delavniki in uporabo katerih naprav bi bili potencialno pripravljeni zamakniti, če bi s tem lahko prihranili pri računu za električno energijo. V nadaljevanju smo anketirance vprašali še, ali bi bili za večji prihranek pri njihovem mesečnem računu za elektriko pripravljeni zmanjšati raven udobja v njihovem domu. Smotrnost programov prilagajanja odjema tako s stališča operaterja omrežja ali dobavitelja energije kot tudi gospodinjskih odjemalcev je odvisna predvsem od dela skupno porabljene 123

141 energije, ki ga je možno premakniti iz območja obravnave. Na strani odjemalcev je z možnimi prihranki najtesneje povezana prav njihova prilagodljivost glede rabe električne energije oz. konkretneje uporabe določenih naprav. Ocena tega potenciala je zato ključnega pomena za odločitev ali oblikovati program prilagajanja odjema ter na kakšen način Različni tarifni sistemi V tem sklopu smo anketirancem na kratko predstavili različne načine obračunavanja porabe električne energije ter jim zastavili vprašanja o tem, katerega bi izbrali. Tarifne sisteme smo razdelili v dve skupini: temeljne tarifne sisteme (eno-, dvo-, tritarifni in spremenljivi urni tarifni sistem) in hibridne tarifne sisteme (kritično konično tarifiranje, kritični konični rabati in občasna nižja cena izven konic), ki jih je možno kombinirati z eno- ali dvotarifnimi sistemi. Temeljne tarifne sisteme smo ponazorili tudi grafično ter pri vsakem zapisali tudi čas posamezne tarife (npr. pri dvotarifnem sistemu višja tarifa med delavniki od 6. do 22. ure in nižja tarifa med delavniki med 22. in 6. uro ter med vikendi in prazniki preko celega dne). Hibridne tarifne sisteme smo predstavili opisno, saj strokovna poimenovanja anketirancem niso poznana. Posamezn tarifni sistem smo opisali kot: Kritično konično tarifiranje: 10 % nižja visoka in nizka tarifa v zameno za višjo ceno elektrike dvakrat tedensko po eno uro v času konic (ko je elektrika dražja ob delavnikih med 10h in 12h ter 17h in 19h). Kritični konični rabati: Dobropis na mesečnem računu za anketirančevo občasno zmanjšanje porabe elektrike pretežno v času konic (ko je elektrika dražja ob delavnikih med 10h in 12h ter 17h in 19h). Občasna rabati izven konic: Dva do trikrat tedensko 40-50% nižja cena elektrike, ki velja 2 uri v času izven konic (ko je elektrika dražja ob delavnikih med 10h in 12h ter 17h in 19h). V nadaljevanju smo anketirance povprašali o tem, na kakšen način bi želeli biti obveščeni o spremenljivih cenah električne energije (času kritične konične tarife, akcijske/izredne nižje cene ipd.) ter koliko časa v naprej. 124

142 6.3.4 Programi prilagajanja porabe električne energije Odjemalci lahko svojo porabo električne energije prilagajajo na tri načine: z odzivanjem na spreminjajoče se cene električne energije: o samodejno z uporabo pametnih naprav; o ročno; preko direktnega krmiljenje bremen, pri čemer dobavitelj ali omrežni operater na daljavo upravlja z napravami v gospodinjstvu. Za prilagajanje svoje porabe različnim tarifam električne energije lahko v gospodinjstvu skrbijo člani gospodinjstva sami, torej ročno (spremljajo tarife in si prizadevajo uporabljati večje porabnike energije v času nižjih tarif oz. njihovo delovanje ročno nastavijo tako, da delujejo v bolj varčnem načinu v času višjih tarif) ali pa z uporabo pametnih naprav, ki svoje delovanje samodejno prilagajajo cenam električne energije. Direktno krmiljenje bremen je primerno predvsem za naprave, katerih cikel delovanja je možno za krajši čas prekiniti brez večjih posledic na udobje odjemalcev (npr. toplotna črpalka, hladilnik, grelnik vode ipd.), medtem ko je samodejno odzivanje z uporabo pametnih naprav možno poleg omenjenih tudi za večje gospodinjske aparate, kot sta npr. pralni in sušilni stroj, ki glede na znane tarife električne energije svoj cikel delovanja zamakneta v čas nižjih tarif. Anketirance smo vprašali kateri koncept sodelovanja v programu prilagajanja porabe se jim zdi privlačnejši direktno krmiljenje bremen (naprav) s strani dobavitelja električne energije (ali drugega zunanjega izvajalca), samodejno odzivanje z uporabo pametnih naprav ali nič od tega, torej»ročno«prilagajanje variabilnim cenam električne energije Sprotno spremljanje porabe električne energije V tem sklopu smo anketirancem predstavili storitev sprotnega spremljanja porabe ter jih povprašali ali so morda že naročeni nanjo ali morda le vsak mesec sproti pošiljajo svojemu dobavitelju podatek o stanju njihovega števca. V nadaljevanju smo želeli preveriti, v kolikšni meri je možno z dodatnimi funkcionalnostmi storitve sprotnega spremljanja porabe motivirati odjemalce za pristop k storitvi. S tem razlogom smo oblikovali nekoliko naprednejšo storitev sprotnega spremljanja porabe, ki poleg samega spremljanja porabe v realnem času omogoča tudi: spremljanje in primerjavo porabe vašega gospodinjstva v času, primerjavo porabe vašega gospodinjstva z drugimi podobno velikimi gospodinjstvi in prikaz nasvetov za učinkovito rabo energije ter jih povprašali kako verjetno bi se odločili za tovrstno storitev. 125

143 Podobno kot sprotno spremljanje porabe, tudi dinamično tarifiranje od odjemalcev terja določen čas za spremljanje spreminjajočih se cen električne energije ter izrednih dogodkov, v času katerih je cena električne energije nižja (v primeru občasni rabatov izven konic), višja (v primeru kritičnega koničnega tarifiranja) ali v času katerih so odjemalci za znižanje svoje porabe nagrajeni (v primeru kritičnih koničnih rabatov). S tem razlogom nas je zanimalo, koliko časa tedensko so odjemalci pripravljeni nameniti spremljanju cen in porabi električne energije Izbira paketov storitev Ta sklop predstavlja ključni del vprašalnika in je bil namenjen vrednotenju posameznih storitev, ki so vključene v paket storitev odjema električne energije, in sicer: različnih tarifnih sistemov, možnostim prilagajanja odjema, storitve prilagajanja odjema ter pripravljenosti gospodinjskih odjemalcev na investiranje v nakup novih naprav, nadgradnjo obstoječih oz. druge stroške, ki so potrebni za izvedbo. Za vrednotenje smo uporabili eksperiment diskretne izbire, v okviru katerega smo oblikovali pakete storitev z vključenimi različnimi možnostmi in storitvami. Ključ do uspešne raziskave, temelječe na eksperimentu diskretne izbire, je odvisen od tega, do katere mere lahko oz. uspemo zajeti pomembne lastnosti dobrine, ki jo želimo opisati, ne da bi anketiranci ob tem zmedli oz. jim naložili preveliko breme (Mansfield & Pattanayak, 2007, str. 2). Upoštevajoč navodilo, smo v eksperiment vključili le najpomembnejše informacije, čeprav so z odločitvijo lahko povezani tudi drugi dejavniki. Odločili smo se oblikovati neoznačen eksperiment, saj nobena izmed lastnosti ne predstavlja točno določene storitve ali jasne oznake, ki bi ji gospodinjski odjemalci nedvoumno pripisovali določen pomen (npr. blagovna znamka, vrsta prevoznega sredstva ipd.). Opredelili smo šest ključnih lastnosti, ki so opisovale vsako izbirno možnost oz. paket storitev, in sicer: Tarifni sistem pod to lastnost smo združili štiri temeljne tarifne sisteme, to so enotarifni sistem, dvotarifni sistem, tritarifni sistem in spremenljivi urni tarifni sistem. Dodatne možnosti tarifiranja pod to lastnost smo združili tri dodatne možnosti tarifiranja, t.i. hibridne možnosti, ki jih je možno poljubno združiti z eno- ali dvotarifnim sistemom. Trotarifni sistem in spremenljivi urni tarifni sistem pa sta že sama po sebi dovolj variabilna, da to ni potrebno. Poleg tega smo dodali še nivo lastnosti»brez dodatnega tarifiranja«. Prilagajanje odjema v sklopu te lastnosti smo opisali možnosti prilagajanja odjema. Sprotno spremljanje porabe ali je storitev sprotnega spremljanja porabe vključena v paket storitev ali ne. 126

144 Sprememba v znesku mesečnega računa S stališča gospodinjskih odjemalcev je eden najpomembnejših vidikov spremembe gotovo vpliv le-te na njihov mesečni račun za električno energijo. Kljub pomislekom nekaterih ekonomistov smo se odločili uporabiti merilo pripravljenosti sprejeti nadomestilo (v obliki prihranka pri mesečnem računu), saj sta prehod na bolj dinamično tarifiranje in pristop k prilaganju odjema povezana z delno izgubo udobja, lahko v nekaterih primerih terjata več posvečanja časa spremljanju porabe električne energije in lahko zahtevata tudi določeno investicijo v nakup novih naprav in/ali krmilnikov. Pričakovano vedenje odjemalcev je torej tako, da bodo prešli k bolj dinamični porabi električne energije le v primeru, da bodo uspeli vsaj deloma znižati svoj strošek električne energije. Z obliko vprašanja, pri kateri bi gospodinjstva spraševali po tem, koliko več bi bili pripravljeni plačati za dobavo električne energije, da jim ne bi bilo potrebno sodelovati v shemi prilagajanja porabe, bi lahko naleteli na odpor anketirancev do odgovarjanja na vprašanja oz. bi se verjetno povečal delež protestnih odgovorov. V tem primeru bi tudi težko opredelili pomen izbire»ne bi izbral nobene izmed navedenih možnosti«ali»izbral bi svoj obstoječ paket«, saj bi bilo prav obstoječe stanje povezano z višjimi stroški. S tem razlogom menimo, da je v tem primeru uporaba merila pripravljenosti sprejeti nadomestilo bolj stimulativna, saj spodbuja anketirance k odgovarjanju na vprašanja in s tem na razkritje njihovih resničnih preferenc. Spremembo v znesku smo opredelili kot možen prihranek ali verjetno zvišanje mesečnega računa, predstavljeno v odstotnem deležu obstoječega računa za električno energijo. strošek nakupa naprav Prilagajanje odjema (z izjemo ročnega) in sprotno spremljanje porabe sta povezana z določenimi investicijskimi stroški. Pri sprotnem spremljanju porabe ta lahko predstavlja nakup namenskega prikazovalnika, pri direktnem krmiljenju naprav s strani operaterja nakup krmilnikov, ki omogočajo vklop in izklop naprave ali pa doplačilo ob nakupu pametnih naprav, ki podpirajo oddaljeno upravljanje, oz. v primeru direktnega krmiljenja bremen na osnovi cenovnih signalov prav tako doplačilo pri nakupu pametnih naprav. Doplačilo pri nakupu pametnih naprav smo opredelili kot razliko v ceni med pametno napravo, ki podpira to funkcionalnost, in konvencionalno napravo. Prvo in drugo lastnost bi lahko sicer tudi združili skupaj, vendar smo se ju odločili ločiti zaradi bolj nazornega prikaza v samem eksperimentu. Da bi anketiranci čim lažje razumeli, po čem jih sprašujemo, smo se odločili tarifne sisteme prikazati tudi grafično. Vendar pa se je pri testiranju vprašalnika izkazalo, da je grafični prikaz hibridnih tarifnih sistemov prenatrpan z informacijami, oz. da te anketirancem niso dovolj razumljive. Zato smo se odločili hibridne tarifne sisteme ločiti od osnovnih tarifnih sistemov in jih predstaviti opisno. Lastnosti izbirnih možnosti s pripadajočimi nivoji so prikazane v tabeli 5. V skladu s priporočili glede dominantnih in nesmiselnih oz. nedopustnih kombinacij nivojev lastnosti (glej poglavji in ) smo opredelili vse take 127

145 kombinacije ter jih izločili iz eksperimenta. V našem primeru je takih kombinacij mnogo, saj določene niso možne, so nesmiselne ali pa nerealne (npr. dodatne možnosti tarifiranja se lahko kombinirajo zgolj z eno- in dvotarifnim sistemom; pri enotarifnem sistemu brez dodatne možnosti tarifiranja (hibridnega tarifnega sistema) ter brez direktnega krmiljenja bremen prihranek ni možen oz. zgolj minimalen, v kolikor je paket vseboval sprotno spremljanje porabe; direktno krmiljenje bremen je nesmiselno ob spremenljivem urnem tarifnem sistemu, saj je ta namenjen cenovnemu odzivanju; nasprotno velja za direktno krmiljenje bremen na osnovi cenovnih signalov (torej samodejno odzivanje naprav glede na trenutno tarifo) in eno- ali dvotarifni sistem brez dodatnih možnosti tarifiranja). Zaradi velikega števila nedopustnih možnosti smo za zadnji dve lastnosti določili po 6 nivojev, da bi s tem dosegli čim večjo mero variabilnosti in zmanjšali korelacije med lastnostmi. Obliko eksperimenta torej lahko zapišemo kot Polno zmnožena oblika za tako število lastnosti in nivojev lastnosti vsebuje 3456 vrstic oz. različnih kombinacij nivojev lastnosti (torej različnih izbirnih možnosti), najmanjša delno zmnožena oblika, ki omogoča oceno vseh glavnih učinkov pa 144 vrstic. Kljub občutno manjši velikosti, je 144 izbirnih možnosti še vedno veliko. Četudi jih npr. združimo v nabore po 4 izbirne možnosti ter razdelimo eksperiment na 4 bloke (torej za en v celoti izpolnjen eksperiment bi potrebovali štiri anketirance), bi moral vsak sprejeti 9 odločitev. Ob tem moramo upoštevati še izbirno možnost, ki predstavlja obstoječe stanje. To pomeni, da bi moral en anketiranec devetkrat izbrati med petimi izbirnimi možnostmi. Pregled 64 raziskav, v katerih je bil za vrednotenje preferenc uporabljen eksperiment diskretne izbire (Michiel C. J. Bliemer & Rose, 2011), kaže na to, da v povprečju anketiranci izbirajo med 3 izbirnimi možnostmi naenkrat in sprejmejo 9 odločitev. Z ozirom na zahtevnost tematike in s tem povezanimi opozorili nekaterih raziskovalcev (glej poglavje ) ter dolžino celotnega anketnega vprašalnika smo ocenili, da bi bilo to za anketirance prenaporno in utrujajoče, kar bi lahko privedlo do poenostavljenih in na hitro sprejetih odločitev. Število izbirnih možnosti v posameznem naboru smo se tako odločili omejiti na tri in neobvezujočo izbirno možnost ter 15 naborov, ki smo jih razdelili v 3 bloke po 5 naborov. Izbira vrste neobvezujoče izbirne možnosti oz. opredelitev njenega pomena je bila v našem primeru trivialna, saj ciljno populacijo predstavljajo prav odjemalci električne energije, ki so torej že deležni storitve. Vsak anketiranec je tako moral 5-krat izbrati med štirimi različnimi paketi storitev, med katerimi je ena možnost predstavljala obstoječi paket storitev. Vendar pa se obstoječe stanje med odjemalci razlikuje. Poraba električne energije se gospodinjskim odjemalcem v Sloveniji v večini obračunava po eno- ali dvotarifnem sistemu. Od izhodiščnega stanja pa so odvisni tudi možni relativni prihranki pri mesečnem računu zaradi prehoda k bolj dinamičnemu obračunavanju porabe električne energije. S tem razlogom smo oblikovali dva ločena eksperimenta, ki sta si identična v vseh lastnostih in nivojih lastnosti z izjemo nivojev pri»spremembi v znesku mesečnega računa«. Med 128

146 tem ko so vse spremembe v znesku mesečnega računa za odjemalce, ki se jim poraba električne energije obračunava po enotarifnem sistemu, opredeljene kot možni prihranki, to ne velja tudi za odjemalce, ki se jim poraba električne energije trenutno obračunava po dvo- ali večtarifnem sistemu. Za večino teh odjemalcev bi prehod na enotarifno obračunavanje verjetno pomenil višje stroške za porabljeno električno energijo. V skladu s tem smo v drugem eksperimentu opredelili tudi spremembe zneska v smislu višjega mesečnega računa. Uporaba delno-zmnožene pravokotne oblike v veliki meri tako izgubi smisel, saj bi zaradi vrste omejitev iz takega - popolnoma pravokotnega in uravnoteženega eksperimenta izločiti vrsto kombinacij, ker bi bile bodisi nedopustne, bodisi dominantne, zaradi česar bi oblika eksperimenta izgubila obe, sicer zaželeni, lastnosti. Uporaba konvencionalnih pristopov za oblikovanje eksperimenta, ki temeljijo na pravokotnih tabelah, tako ni prišla v poštev. Zato smo za oblikovanje učinkovite oblike eksperimenta sledili pristopu avtorjev Huber in Zwerina (1996) ter Zwerina in sod. (2010) ter za iskanje učinkovite oblike eksperimenta uporabili prilagojen Fedorov algoritem. V skladu s priporočili Rose-a in Bliemerja (2008) ter Kuhfelda (2010, str. 1245) je namreč v primeru, kadar je število vrstic polno-zmnožene oblike majhno (do nekaj tisoč vrstic) ter gre za neoznačen eksperiment z omejitvami, priporočena uporaba algoritmov, ki temeljijo na zamenjavi vrstic. 129

147 Tabela 5: Lastnosti izbirnih možnosti s pripadajočimi nivoji Eksperiment 1 (osnovo predstavlja enotni tarifni sistem) Eksperiment 2 (osnovo predstavlja dvotarifni sistem) Lastnosti Nivoji lastnosti Nivoji lastnosti Število nivojev lastnosti Tarifni sistem Dodatne možnosti tarifiranja Prilagajanje odjema Enotni tarifni sistem; Dvotarifni sistem; Trotarifni sistem; Spremenljivi urni tarifni sistem. Brez; Kritično konično tarifiranje; Kritični konični rabati; Rabati izven konic. Brez oz. ročno; Direktno krmiljenje bremen na osnovi cenovnih signalov; Direktno krmiljenje bremen Sprotno spremljanje porabe Sprememba v znesku mesečnega računa [%] Strošek nakupa naprav [EUR] Da, ne. 2 0, -7, -14, -21, -28, , +7, 0, -7, -14, , 100, 200, 300, 400, Da bi anketiranci lažje razumeli o čem jih sprašujemo, oz. kaj posamezen paket storitev (predstavljen kot ena izmed izbirnih možnosti) zajema, smo lastnosti in nivoje lastnosti opisali v nekoliko bolj vsakodnevnem in anketirancem lažje razumljivem jeziku (npr. kritično konično tarifiranje kot dopolnilo dvotarifnemu sistemu smo opisali kot»10 % nižja visoka in nizka tarifa v zameno za višjo ceno elektrike 2x tedensko po 2 uri v času konic«). Slika 19 prikazuje primer nabora izbirnih možnosti, kot je bil prikazan anketirancem. 130

148 Slika 19: Izbira paketov storitev - primer nabora izbirnih možnosti pri eksperimentu diskretne izbire Tarifni sistem Dodatne možnosti tarifiranja in ugodnosti Način prilagajanja porabe elektrike v vašem gospodinjstvu Brez dodatne možnosti tarifiranja in ugodnosti Dobavitelj električne energije upravlja z vašimi napravami 10% nižja visoka in nizka tarifa v zameno za višjo ceno elektrike 2x tedensko po 2 uri v času konic Samodejno odzivanje vaših naprav na ceno elektrike Brez dodatne možnosti tarifiranja in ugodnosti Za prilagajanje porabe elektrike glede na tarifo skrbite sami ročno Moj obstoječi paket storitev Sprotno spremljanje in analiza porabe elektrike v vašem gospodinjstvu Možen prihranek pri mesečnem računu Da Ne Da Ni prihranka do 7% do 14% Strošek nakupa naprav 500 EUR 400 EUR 0 EUR Izbran paket 131