1. Slutsatser från känslighetsanalyser
1. Slutsatser
2. Vilka osäkerheter är intressantast?
3. Vilka analyser görs nu?
4. Vad vore intressant på längre sikt?
5. Vilka resultat finns hittills?
Mattias Lundberg, WSP Analys och Strategi, 8 jan 2009
Extern projektledare, arbetsgrupp samhällsekonomi i
trafikverkens gemensamma åtgärdsplanering
2. 1. Slutsatser (1)
• Ny känslighetsanalys (för) ofta sättet att lösa svåra frågor
• Risk för (för) mycket jobb och svåröverskådliga resultat
• Mallen samlad effektbedömning underlättar dock
Nyckeltal Huvudanalys Känslighetsanalys
samhällsekonomisk
1
Investerings- (Huvudanalys) Noll trafiktillväxt Hög trafiktillväxt CO2
effektivitet
kostnad Inv. kostnad (Inv. kostnad (Inv. kostnad (Inv. kostnad 50
50 % 85 % 50 %) 50 %) %)
Nettonuvärde 391 214 577 397
Nettonuvärdeskvot, NNK 0.64 0.35 0.95 0.65
Nyttokostnadskvot, NK 0.58 0.32 0.86 0.59
Investeringskostnad minus 610 610 610 610
Restvärde (diskonterat inkl.
SF)
3. Slutsatser (2)
• Viktigt välja ut beslutsrelevanta analyser
• Därför bör sådana som påverkar prioritering mellan grupper av
objekt och mellan enskilda väljas
- åtgärdsplaneringen har dock flera syften
• Variera förutsättningar inom realistiska gränser
• Denna gång har vi en strategi för känslighetsanalyser
4. 2. Olika typer av osäkerhet
• Osäkerhet i förutsättningar
(ekonomisk tillväxt, bränslepris, taxor, skatter och avgifter, andra
objekt som byggs)
• Osäkerhet i objektets egenskaper
(anläggningskostnader, trafikering, hastighetsgräns)
• Osäkerhet i de samhällsekonomiska värderingarna
(framtida tidsvärde, koldioxidvärdering)
• Osäkerheter i prognos- och kalkylmodellerna
5. Osäkerhet i förutsättningar
• Vissa påverkar NNK-nivån ungefär lika för alla objekt
– generell befolkningstillväxt, disk-räntan, skf 1 och 2,
(gemensamma) trafikuppräkningstal ...
• Vissa påverkar ”klasser” av objekt likartat: typiskt väg- resp.
spårobjekt i en given region
– men påverkar väg/spår resp. olika regioner olika
– bilinnehav, bränslepriser, regional ekonomisk tillväxt …
– beror på att så många effekter är prop. mot efterfrågan
• Vissa påverkar ”likartade” objekt olika (t ex vägobjekt i en
given region)
– befolkningens fördelning inom regionen, trängselavgifter,
”substitutåtgärder” …
6. Vilka osäkerheter är intressanta?
De som är relevanta för beslutsperspektivet
- Osäkerhet i generella parametrar (uppräkningstal, disk-
ränta…): relevant för beslut om total budget
- Osäkerhet i generella men trafikslagsspecifika parametrar
(bränslepris…): relevant för avvägning väg/spår
- Osäkerhet i regionspecifika parametrar
(befolkningsutveckling…): relevant för avvägning mellan
regioner
- Osäkerhet i objekts relativa lönsamhet (objektegenskaper,
befolkningsfördelning…): relevant för avvägning mellan
objekt av visst trafikslag inom viss region
7. 3. Generella analyser – för att testa robusthet
• Högre investeringskostnad, 85% konfidensnivån enligt successiv
kalkyl, för objekt >500 mkr
• Hög koldioxidvärdering (3,50 kr per kg), för objekt >500 mkr
• Internaliserande koldioxidvärdering (2,31 kr per kg)
• Ingen trafiktillväxt
• Högre trafiktillväxt (för det ”aktuella” färdmedlet)
Lätta att göra och visar om något objekt ligger nära gränsen – dock inte
så intressant för att ompröva prioritering mellan objekt
8. Generella analyser – för ökad förståelse
• Referensscenario (dvs lägre körkostnad bil)
• Högre oljepris, $ 120 per fat (dvs högre körkostnad bil)
• Taxor fjärrtåg, + 25 procent
• Tågdriftskostnad, - 25 procent
• Reviderat bilinnehav och reviderad bränsleförbrukning
• Noggrannare hantering restid vid trängsel
Fokus på reskostnaderna. Görs för några få objekt. För att öka
förståelsen för hur stor betydelse de olika förutsättningarna kan ha för
olika typer av objekt.
9. Objektsspecifika analyser – testa robusthet
Några exempel:
• Annat flygutbud
• Annan restid eller turtäthet
• Beroende av att annat objekt byggs
• Trängselskatt
• Annan fördelning befolkning och sysselsättning
• Annat bilinnehav
• Andra metoder (nätutläggning etc)
Ofta komplicerade att göra. Kan dock spela stor roll för prioritering
mellan objekt
10. 4. Monte Carlo-simulering intressant på sikt
• Om man har många osäkra parametrar och synergieffekter
(eller motsatsen) mellan dem blir det snabbt
oöverskådligt, åtm. om beräkningen är lite komplex
• Det är då man har nytta av MC-sim.
• Exempel: Emissioner från hamnetablering i Norvik
• Ger dels osäkerhetsintervall, dels känslighet ”per
parameter”
• Obs. ta endast med ”relevanta” parametrar – annars kan
”övergripande” parametrar slå ihjäl andra osäkerheter
11. Varje parameter har en spridning
Andel av Norvik-containergods Sjöavstånd (km) från Hamburg till hamn i... Mest troligt Minsta Högsta
som annars skulle gått via … Mest troligt Lägsta Högsta
Göteborg 409 409 426
Göteborg1 59% 73% 41%
Sydsverige Helsingborg/Malmö 461 461 637
Sydsverige Helsingborg/Malmö 14% 7% 16%
Gävle 1241 1241 1485
Gävle 4% 0% 10%
Stockholms hamn 1046 1046 1290
Stockholms hamn 23% 20% 23%
Norrköping 961 961 1205
Norrköping 0% 0% 3%
Södertälje 991 991 1235
Södertälje 0% 0% 2%
Oxelösund 931 931 1175
Oxelösund 0% 0% 5%
Norvik 792 792 1205
13. 5. Några resultat hittills
• Framtida trafiktillväxt spelar stor roll – där tillväxt väntas
(med hög än noll trafiktillväxt)
- nyttan drygt dubbelt så stor för några stora vägobjekt
NNK t.ex. 0,4-0,6-1,0
- upp till dubbelt för några jvgobjekt (OBS annan def)
- jättestor skillnad mindre vägobjekt i expansiva regioner,
men nästan ingen skillnad där trafiken ökar långsamt
- alltså extra viktigt för jvg och i expansiva områden
• Värdering koldioxid spelar liten roll
- nyttan <5% skillnad för några stora vägobjekt
- 5-10% skillnad för några jvgobjekt