Session 8_2 Mats Andersson
Upcoming SlideShare
Loading in...5
×

Like this? Share it with your network

Share
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
    Be the first to like this
No Downloads

Views

Total Views
331
On Slideshare
331
From Embeds
0
Number of Embeds
0

Actions

Shares
Downloads
0
Comments
0
Likes
0

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. Marginalkostnaden för järnvägsunderhåll Mats Andersson VTI – Transportekonomi och CTS – Centrum för Transportstudier
  • 2. Introduktion
    • Syftet med forskningen kring järnvägens underhållskostnader har varit att fastställa sambandet mellan marginella förändringar i trafikvolym och kostnaden för underhåll för att ligga till grund för framtida banavgifter för slitage
    • Detta har gjorts dels inom ramen för en avhandling vid KTH (Andersson 2007) som innehåller 3 olika studier på underhållskostnadsdata för perioden 1999 – 2002, dels en efterföljande studie i det pågående projektet med finansiering från BV
    • För ändamålet behövs data om underhållskostnader, trafikering och andra egenskaper som behöver kontrolleras för (infrastruktur, regionala förhållanden m m)
  • 3. Introduktion
    • Föregångare på området var Per Johansson och Jan-Eric Nilsson ( Transport Policy , 2004) som analyserade ett aggregat av drift- och underhållskostnader för perioden 1994 – 1996 i Sverige och Finland (poolade data)
    • Den studien har sedan inspirerat till ett antal europeiska studier och efterföljande analyser i Sverige
    • Andersson (2007a, 2007b och 2008) redovisar analyser som är baserade på ett antal olika estimeringsmetoder
    • Poolad ansats för drift, underhåll och underhåll/reinvestering
    • Statisk paneldataansats för drift respektive underhåll
    • Dynamisk paneldataansats för drift respektive underhåll
    • Andersson (2009) har studerat möjligheten att separera trafikeffekten mellan person- och godståg med en poolad Box-Cox-regression
  • 4. Introduktion
    • Huvudresultaten finns redovisade i en svensk sammanfattning av avhandlingen som finns att hitta på KTH:s hemsida via Centrum för Drift och Underhåll (CDU)
    • Detaljerna finns i den engelska avhandlingen eller efterföljande vetenskapliga publikationer
  • 5. Data
    • Datamaterialet täcker ca 185 bandelar i Sverige under perioden 1999 – 2002
    • Tillgänglig information på varje bandel är
    • årliga underhållskostnader (Agresso)
    • årliga trafikvolymer (Järnvägsföretag)
    • årliga infrastrukturegenskaper (BIS)
    • Vi observerar således samma bandel under 4 år (i de flesta fall). Den typen av data kallas för paneldata
    • Kostnadsdata är uppdelat på olika verksamhetskoder och anläggningskomponenter, men det finns stora osäkerheter i att gå ner på sådan detaljnivå (mycket bokförs som övrigt ) så vi använder total underhållskostnad som beroende variabel
  • 6. Data
    • Trafikvolymer har varit ett stort bekymmer att få tillgång till på detaljerad nivå, men vi har dock fått tillstånd att nyttja trafikdata från enskilda järnvägsföretag och den vägen skapat en egen trafikdatabas
    • Trafikuppgifter finns för person- och godståg i form av tåg- och bruttotonkilometer per år
    • Sedan 2007 har Banverket ett eget system för insamling av data och vi ser redan tendenser på att framtida information blir bättre
    • Infrastrukturinformationen är hämtat från BanInformationsSystemet (BIS) och innehåller spårlängd, växlar, rälsålder, skarvar, broar, tunnlar, spårets kvalitetsklass m m
  • 7. Analys 1
    • I den första studien så betraktar vi alla observationer i datamaterialet (749 st) som inbördes oberoende, s k poolning av data
    • Vi använder underhållskostnad som beroende variabel och som oberoende variabler ingår totalt antal bruttoton, en rad infrastrukturvariabler och så kallade dummyvariabler för banområden, år och stationsområden
    • Modellerna förklarar ca 80 % av kostnadsvariationen vilket är bra för den här typen av data
  • 8. Analys 2
    • Antagandet om oberoende mellan observationerna i studie 1 är ganska starkt eftersom vi faktiskt observerar samma bandel över tidsperioden
    • I den andra studien så använder vi särskilda modeller för paneldata som tar hänsyn till att det finns ett beroende mellan bandelar
    • I stället för att inkludera infrastrukturvariabler direkt i modellen så skattas en bandelsspecifik konstant som fångar upp alla egenskaper hos varje bandel som inte är trafikrelaterade
    • Vi kan förkasta den första poolade studien genom statistiska test som visar på ett beroende inom varje bandel
  • 9. Analys 3
    • Den tredje studien inkluderar även dynamiska effekter såsom att underhållet en viss tidsperiod påverkas av om en reinvestering är planerad inom en snar framtid eller att underhållet ett visst år är beroende av underhållet som genomfördes föregående år
    • Det blir lite mer komplicerat när dessa dynamiska effekter ska tas hänsyn till, men det är fullt möjligt
    • Det finns ett tydligt beroende mellan en nalkande reinvestering och underhållsvolymen i formen att man sänker underhållet ett par år innan reinvesteringen
    • Underhållet har även ett cykliskt mönster vilket tyder på att man försöker hålla ett långsiktigt steady-state
  • 10. Analys 4
    • Den fjärde studien fokuserar på två olika saker
    • att fördela trafikeffekten på person- och godståg
    • att testa hur data bör transformeras
    • Det är vanligt att man logaritmerar data för att få ett linjärt beroende mellan kostnaderna och de variabler som ska förklara kostnadsvariationen, men det finns andra transformationsformer t ex Box-Cox-transformation
    • Studien förkastar logaritmeringen till förmån till Box-Cox på banor med blandad trafik och identifierar även separata effekter för person- respektive godståg
  • 11. Sammanfattande resultattabell Prisnivå för estimaten är 2002. Beslutad avgift i december 2009 är 0.0036 / Brtkm 0.0108 / Brtkm 0.0014 / Brtkm 0.0168 / Brtkm Pass: 0.18 Gods: 0.05 Gods: 0.44 Poolad Box-Cox/OLS Underhåll – Mixade banor Underhåll – Godsbanor Andersson 2009 (1999-2002) 0.0070 / Brtkm 0.0060 / Brtkm 0.0092 / Brtkm 0.26 0.22 0.34 Dynamisk panel Underhåll (framtida reinv.) Underhåll (kort sikt) Underhåll (lång sikt) Andersson 2008 (1995-2004) 0.0073 / Brtkm 0.27 Statisk panel m fixa effekter Underhåll Andersson 2007b (1999-2002) 0.0031 / Brtkm 0.0055 / Brtkm 0.21 0.26 Poolad OLS Underhåll Underhåll & Reinvestering Andersson 2007a (1999-2002) Marginalkostnad SEK/trafikenhet Elasticitet - trafikvolym Metod och kostnadskategori Studie (period)
  • 12. Slutsatser
    • Dagens spåravgift ligger ganska långt under de skattningar som vi har gjort
    • Vår ”bästa” modell pekar mot 0.7 öre per bruttotonkm, men dagens spåravgift är 0.36 öre. Skillnaden i prisnivå gör gapet större
    • Paneldatamodeller bör användas när vi har paneldata
    • I Box-Cox-modellen så får vi starkare beroende mellan persontåg och underhållskostnader än för godståg
    • Det är inte helt orimligt då persontrafiken styr många regelverk, men å andra sidan är det en poolad modell som vi i inte är övertygade om…
  • 13. Framtiden
    • Övergången till upphandlat underhåll har medfört en del utmaningar när det gäller kostnadsanalyserna
    • Inte nog med att det kan finnas stora skillnader för en given bandel mellan år innan och efter konkurrensutsättningen, det finns förmodligen också stora skillnader i hur kontrakten är upphandlade, konkurrensläget m m. Vi behöver därför mer kunskap om de underliggande underhållskontrakten
    • Lägg därtill att kontrakten innehåller fasta och rörliga ersättningar, där de fasta under vissa år har fördelats ut på bandel med hjälp av en fördelningsnyckel och inte behöver vara kopplade till utfört arbete
    • Vi behöver göra effektivitetsanalyser på kontraktsnivå för att se om det finns stora skillnader mellan kontrakten. Effektivitetsskillnader påverkar marginalkostnaden på så sätt att ineffektivitet höjer genomsnittskostnaderna som tillsammans med elasticiteten är marginalkostnaden