| Forside | | Indhold | | Forrige | | Næste |

Metodemæssige problemstillinger i forbindelse med samfundsøkonomiske vurderinger af klimatilpasningstiltag

6 Usikkerhed

• 6.1 Hvad er usikkerhed?
• 6.2 Beslutningskriterier
  • 6.2.1 Beslutninger under usikkerhed med godt kendskab til sandsynligheder
  • 6.2.2 Beslutninger under usikkerhed med ringe kendskab til sandsynligheder (egentlig usikkerhed)
  • 6.2.3 Følsomhedsanalyser, Monte Carlo simulationer og intervalanalyser
  • 6.2.4 Quasi option værdi
• 6.3 Anbefaling

6.1 Hvad er usikkerhed?

Usikkerhed i forbindelse med konsekvenser af klimaændringer opstår, når der enten ikke er kendskab til sandsynligheden for at en given konsekvens indtræffer, og/eller når der ikke er kendskab til arten eller omfanget af konsekvenserne. Figur 6-1 præsenterer begreberne usikkerhed og risiko i klimasammenhæng. De tre mørke områder illustrerer alle forskellige former for usikkerhed, mens det kun er det lyse område, som illustrerer risiko. Usikkerhedsbegrebet dækker hermed et forholdsvis stort spektrum i forhold til risiko, og der eksisterer ikke en skarp afgrænsning mellem de to begreber.

Figur 6-1: Illustration af usikkerhed og risiko (Willows & Connell, 2003).

Økonomiske analyser af tilpasningstiltag er forbundet med forskellige typer af usikkerhed. Der eksisterer ikke blot usikkerhed mht. omfanget af de kommende klimaændringer, men også omkring andre fremtidige samfundsmæssige, økonomiske og miljømæssige ændringer.

Årsagerne til usikkerhed er forsøgt kategoriseret på flere måder. En tilgang er at opdele årsagerne i hovedgrupperne:

• usikkerhed mht. den naturlige variation,
• datausikkerhed,
• informationsusikkerhed og
• modelusikkerhed.

Som det vil fremgå af nedenstående kan årsagerne ikke blot henføres til en enkelt af figur 6-1’s former for usikkerhed, men dem alle.

Usikkerhed med hensyn til den naturlige variation opstår pga. at der i naturen og samfundet, på trods af stor viden, opstår udsving, der ikke kan forklares eller forudsiges.  Et eksempel er usikkerhed om omfanget af kommende jordskælv og vulkanudbrud.

Datausikkerhed opstår, fordi der er begrænsninger for hvor præcise målinger der kan udføres samt begrænsninger på dataindsamlingsmulighederne. Et eksempel er usikkerhed i forbindelse med måling af bølge- og land højder.

Informationsusikkerhed opstår, da det nuværende tilgængelige teoretiske og empiriske vidensniveau på et givet område ikke er tilstrækkeligt, f.eks. ufuldendt kendskab til kulstofkredsløbet og havenes varmeoptagelse.

Modelusikkerhed kan opfattes som en særlig form for informationssikkerhed, og udspringer af, at der ikke findes tilstrækkelig med viden til at opstille perfekte modeller. Modeller bruges eksempelvis i forbindelse med bestemmelsen af drivhusgaskoncentrationen i atmosfæren (kemisk-atmosfærisk model) og drivhusgaskoncentrationens globale indvirkninger (global klimamodel).

Fælles for mange af årsagerne til usikkerhed er, at de ikke er eksogene, idet omfanget påvirkes af det nuværende samfunds handlinger samt at omfanget kan reduceres (eller øges) over tid efterhånden som der opnås større forståelse for problemstillingerne. Dette fører til en afledt form for usikkerhed, nemlig om hvilken form for viden, der vil blive tilgængelig i fremtiden.

Der kan således identificeres et hav af usikkerhedsårsager i forbindelse med en økonomisk analyse af klimatilpasningstiltag. Hvilke årsager til usikkerhed, som er relevante i en given analyse, afhænger dog af det specifikke tilpasningstiltag, samt af det betragtede tidsperspektiv. Nogle former for usikkerhed opstår i forbindelse med bestemmelsen af den fremtidige drivhusgasudledning, andre i forbindelse med bestemmelsen af klimaændringerne, mens andre først i forbindelse med bestemmelsen af de lokale konsekvenser af klimaændringerne og tilpasningerne hertil og endelig andre i forbindelse med selve gennemførelsen af den økonomiske vurderinger. Usikkerheden vil eskalere hele vejen gennem denne proces. Dette fænomen er også omtalt som en kaskade af usikkerhed eller en usikkerhedseksplosion, og er illustreret i figur 6-2.

Figur 6-2: Kaskade af usikkerhed (efter Moss & Schneider 2000).

Det er i dag ikke muligt at sætte objektive sandsynligheder for de forskellige følger af den globale opvarmning bl.a. pga. manglede testmuligheder. Der arbejdes derfor med subjektive sandsynligheder. De subjektive sandsynligheder afspejler den tro på at en given klimapåvirkning vil ske, der er blandt klimaeksperter, forudsat den tilgængelige viden, modelresultater mv. En følge heraf er, at sandsynligheden for et udfald kan ændres, efterhånden som ny data eller teori vinder frem.

En diskussion, som bl.a. er opstået som følge af at det kun er muligt at vurdere klimakonsekvenserne subjektivt, er om der bør sættes sandsynligheder for de forskellige klimapåvirkninger. IPCC anbefaler i deres retningslinjer, at der ikke sættes sandsynligheder for de forskellige scenarier, men derimod at der sættes sandsynligheder på forskellige klimaændringer inden for hvert scenarium. Baggrunden er, at det herved undgås at beslutningstagere eller interesseorganisationer forsøger på det. I modsat fald ville der være en risiko for at der kunne opstå fejlagtige konklusioner om klimaændringernes betydning. Omvendt kan dette betyde, at katastrofer, som indebærer en meget lav sandsynlighed, negligeres.

6.2 Beslutningskriterier

Beslutninger kan træffes under to betingelser^[23]:

• Beslutning med  godt kendskab til sandsynligheder for indtrædelse af tilstande
   
• Beslutning med ringe kendskab til sandsynligheder for indtrædelse af tilstande

Først ses på beslutningskriterier til at vælge tilpasningsstrategi for en given klimaeffekt indenfor et klimascenarium (afsnit 6.2.1). Dernæst ses på beslutningskriterier til at vælge tilpasningsstrategi mellem klimascenarierne (afsnit 6.2.2).

Indenfor et givet klimascenarium indtræder en effekt (f.eks. stiger vandstanden i et vandløb). Eksperterne er ikke i stand til præcis at angive omfanget af effekten, dvs. hvor meget vandet stiger. Men de kan knytte sandsynligheder på vandstandsstigningerne. F.eks. sige, at sandsynligheden for, at vandstanden stiger 1 cm er 0,1, 10 cm 0,3 etc. I denne situation kan man benytte beslutningskriterier under usikkerhed med godt kendskab til sandsynligheder. Disse kriterier er en hjælp til at vælge tilpasningsstrategi for en enkelt effekt indenfor et enkelt klimascenarium.

En anden problemstilling er, når man har sammensat forskellige tilpasningsstrategier. De består typisk af en række tiltag eller projekter møntet på tilpasning til flere effekter. De enkelte tiltag eller projekter kan være udvalgt ved ovennævnte metode, eller ved at man direkte har kunnet opgøre projektet/tiltaget. Disse tilpasningsstrategier går på tværs af klimascenarierne, forstået på den måde at deres omfang og dermed deres omkostninger og nettoresultat varierer med klimascenarierne. Der er f.eks. fremkommet tre strategier med hver deres kombination af projekter/tiltag. I denne situation skal man vælge mellem tilpasningsstrategierne hen over klimascenarierne. Her benyttes beslutningskriterier under usikkerhed med ringe kendskab til sandsynligheder.

6.2.1 Beslutninger under usikkerhed med godt kendskab til sandsynligheder

Her bruges kriteriet forventet nutidsværdi (expected net present value; ENPV).

Indenfor et givet klimascenarium er der f.eks. tre forskellige niveauer for indtræden af en begivenhed/effekt. Det kan f.eks. være, at vandstanden i et vandløb stiger. Tilsvarende er der tre forskellige tilpasningsstrategier A, B og C. Metoden for forventet nutidsværdi kan anvendes, hvis man er i stand til at knytte sandsynligheder for de forskellige begivenheder (f.eks. vandstandsstigninger) indenfor klimascenariet. Det pointeres, at sandsynlighederne gælder indenfor et givet klimascenarium. Metoden kan altså bruges til at vælge tilpasningsstrategi indenfor et klimascenarium, når der er kendskab til sandsynligheder indenfor dette klimascenarium. Der er altså ikke tale om at sætte sandsynligheder på de enkelte klimascenarier i forhold til hinanden og efterfølgende vælge mellem disse.

Et eksempel er illustreret i tabel 6-1. p1, p2 og p3 angiver sandsynligheden for begivenheden og N det respektive nettoresultat (som kan være fremkommet ved hjælp af en cost-benefit analyse, jf. afsnit 6.2.2).

Tabel 6-1: Matrice til brug for beregning af forventet nutidsværdi (ENPV) indenfor et givet klimascenarium

ENPV for en given tilpasningsstrategi er da summen af produktet af sandsynlighederne for de enkelte begivenheder og strategiens nettoresultat.

ENPV for tilpasningsstrategi A = 0,3*2 + 0,2*6 + 0,5*10 = 6,8 etc.

Bemærk, at sandsynlighederne for de enkelte begivenheder er konstante for de forskellige tilpasningsstrategier A, B etc.

Man vælger den tilpasningsstrategi, der har den største ENPV. I eksemplet vælges 12,5, dvs. tilpasningsstrategi C.

Kritikken af denne metode går på, at rangordning efter ENPV ignorerer spredningen ved de enkelte tilpasningsstrategier. For eksempel kan to tilpasningsstrategier have samme ENPV, men forskellige spredning for omkostningerne. Hensynet til spredningen af ENPV kan indarbejdes i beslutningskriteriet gennem en sammenvejning af ENPV og spredningen.

Der er to alternative metoder til ENPV-kriteriet:

• expected utility kriterie
   
• risiko benefits plotting (= expected value risk analyse).

Der henvises til afsnit 5.7.3 i Macroeconomica (2004): Implementation Report.

6.2.2 Beslutninger under usikkerhed med ringe kendskab til sandsynligheder (egentlig usikkerhed)

Redskabet er pay-off matricer. Der er tre forskellige scenarier for klimaforandringer (voldsom, medium og lille klimaændring) og tre forskellige tilpasningsstrategier.

For hver af disse 9 kombinationer kan vi beregne pay-offs (dvs. nettoresultatetet, nutidsværdien NPV). NPV kan f.eks. være fremkommet ved brug af cost benefit analyse (CBA) eller ved en anden metode. Opgørelse af pay offs kræver, at alt er opgjort i samme enheder (både omkostninger og miljøkonsekvenser). Således skal miljøkonsekvenserne være prissat enten i kroner og ører eller vha. et pointsystem. Payoffs er nettoresultatet eller overskuddet, dvs. gevinster minus omkostninger.

Bemærk, at et stigende niveau for tilpasning antages at kræve et stigende niveau for handling og dermed investeringer. Derfor varierer omkostningerne for hver tilpasningsstrategi henover scenarierne. Der er altså ikke tale om, at strategien koster det samme uanset klimascenarium.

Det skal understreges, at beslutningskriterierne er redskaber til at vælge tilpasningsstrategi, uanset hvad man tror på af klimascenarierne, dvs. på tværs af scenarierne. Det går altså ikke ud på at vælge mellem klimascenarierne. Derfor er det heller ikke nødvendigt at tage stilling til, hvilket af scenarierne, der er det mest sandsynlige og så vælge strategi. Beslutningskriterierne er et redskab til at vælge tilpasningsstrategi givet den usikkerhed, der er forbundet med klimascenarierne.  De gør det muligt at vælge mellem strategierne og at vælge ambitionsniveau for den valgte strategi.

I tabel 6-2 er vist et eksempel på en payoff matrice. Der er tale om et simpelt hypotetisk eksempel.

Tabel 6-2.: Eksempel på Payoff matrice (også kaldet performance matrice). Mill.kr. i nutidsværdi

Note: N står for nettoresultat, dvs. værdi af miljøeffekter minus omkostninger

Matricen stiller det synligt og systematisk op. Der er ingen faste regler for valg, det afhænger af præferencerne. Men der kan anvendes en række forskellige kriterier som hjælperedskab.

Der findes seks forskellige kriterier for valg, heraf én optimistisk, tre mere eller mindre pessimistiske og to former for sammenvejninger:

• Maximax kriteriet
• Minimax omkostningskriteriet
• Maximin kriteriet
• Minimax fortrydelseskriteriet
• Hurwicz kriteriet
• Laplace kriteriet

Valget afhænger af beslutningtagernes holdning til risikoen. Hvert kriterie kan give en forskellig beslutning. Beslutningstageren må bruge det kriterie, som bedst passer på vedkommendes holdning. Det er op til beslutningstagerens grad af optimisme eller pessimisme. En optimistisk beslutningstager vil gå for den strategi, der giver maksimale resultat (payoff), uanset det faktum at alternative klimatilstande kan give meget lave resultater for den samme strategi. En meget pessimistisk beslutningstager vælger en mere forsigtig strategi etc.

Derfor er det meget vigtigt, at beslutningstageren er bevidst og åben om, hvilket kriterium der lægger til grund for beslutningen.

I det følgende beskrives de enkelte kriterier nærmere:

6.2.2.1 Maximax

Maximax står for maximasing the maximum outcome. Dette er en høj-risiko strategi. Man vælger den løsning, der giver mulighed for det bedste resultat af alle løsninger, altså største payoffs (største NPV) i matricen vælges. Man identificerer den maksimale NPV for hver tilpasningsstrategi og vælger den maksimale blandt disse.

I eksemplet i tabel 6-2 vælges ganske enkelt den strategi, der giver det højeste nettoresultat, dvs. strategi B under scenario 3 med nettoresultatet 600. Der iværksættes altså investeringer svarende til strategi B’s niveau under scenario 3.

Dette kriterium bruges af den optimistiske beslutningstager - eller af én som får fordel af beslutningen eller ikke kommer til at lide under, hvis beslutningen viser sig uheldig. Maximax kritiseres for at være for optimistisk og kunne udsætte for signifikante tab.

6.2.2.2 Minimax

Minimax står for minimise the maximum ”loss”. Strategi til at undgå under-tilpasning, altså for lidt tilpasning. En risikoavers og forsigtig tilgang under hensyntagen til klimakonsekvenserne. For beslutningstageren, der har fokus på klimakonsekvenserne snarere end omkostningerne. Man vælger den laveste værdi blandt de højeste pay-offs for hver af de tre tilpasningsstrategier.

I eksemplet identificeres først de højeste nettoresultater for hver strategi, som er  200, 600 og 450. Derefter vælges den laveste blandt disse, nemlig 200 for strategi A under scenario 1. Der foretages investeringer svarende til strategi A’s niveau under scenario 1.

6.2.2.3 Maximin

Strategi til at undgå over-tilpasning, altså at tilpasse sig for meget og dermed bruge for mange penge. For beslutningstageren, der ønsker at være forsigtig med hensyn til omkostningerne. En risikoavers og forsigtig tilgang, hvor der fokuseres på de værst mulige udfald for hver tilpasningsstrategi. For hver tilpasningsmulighed identificerer man den laveste NPV, som kan blive resultatet heraf. Man vælger herefter den tilpasning, som har den største NPV blandt de lavest mulige. Man vælger altså den mindst dårlige blandt gruppen af de dårligste resultater.

I eksemplet udvælges først de laveste nettoresultater for de tre tilpasningsstrategier, dvs. 150, 100 og 10. Herefter vælges den største blandt disse, altså 150 svarende til strategi A’s investeringer under scenario 3.

6.2.2.4 Minimax fortrydelse kriterium

Fortrydelsesbaseret strategi: minimax fortrydelseskriterie. Fortrydelse opstår, hvis vi opdager, at en tidligere beslutning giver mindre gevinster end forventet, eller hvis vi har mistet en gevinst.

Der konstrueres et nyt redskab ud fra pay off matricen, nemlig en såkaldt fortrydelsesmatrice. I hver celle angives fortrydelse, som beregnes ved det maksimale pay off under det pågældende klimascenarium minus cellens payoffs. For klimascenarium 1 er den maksimale pay off lig med 200, for scenarium 2 300 og for scenarium 3 600. Værdi af fortrydelse kan i bedste fald være 0.

Tabel 6-3. :Eksempel på fortrydelsesmatrice, Mill.kr. i nutidsværdi

Man finder den option, der har den laveste maksimale fortrydelse. Dette gøres ved at anvende minimax tilgangen på fortrydelsesmatricen. Altså vælge den tilpasning, hvis højest mulige fortrydelse er den laveste.  Eller med andre ord minimisere den maksimale fortrydelse. Der udvælges for hver strategi den højeste payoffs, dvs. 450, 100 og 190, derefter vælges den  laveste heraf, dvs. 100, som er strategi B’s  omkostningsniveau under klimascenarium 1. Minimax kritiseres for at være meget pessimistisk og bør anvendes med stor forsigtighed.

6.2.2.5 Hurwitcz-kriterie

Hurwitcz-kriterie er et forsøg på at slå bro mellem de to mest ekstreme af ovennævnte kriterier, nemlig maximax og maximin. Man beregner et a-indeks, som er et vejet gennemsnit af den minimale og maksimale NPV for hver tilpasningsstrategi (omkostningsniveau). Yderpunkterne bliver a lig 1, som svarer til maximin og a lig nul, der svarer til maximax. Beslutningstagerne vælger den løsning, der har den største værdi af a-indekset.

Hurwitcz-kriteriet er kritiseret for kun at fokusere på maksimale og minimale udfald og ignorere de mellemliggende gode muligheder.

6.2.2.6 La Place –kriteriet

La Place –kriteriet tillægger alle klimascenarier den samme sandsynlighed. Herved kan ENPV-kriteriet (se ovenfor) anvendes. La Place kriteriet anses for risikabelt at anvende, fordi det kan være urealistisk og uden sammenhæng med virkeligheden at anvende ens sandsynligheder for alle klimascenarier.

6.2.3 Følsomhedsanalyser, Monte Carlo simulationer og intervalanalyser

Der er tre metoder til at sætte fokus på risikoen og usikkerheden ved den beregnede NPV:

• Følsomhedsanalyser
• Monte Carlo simulationer
• Intervalanalyser

Følsomhedsanalyser beregner NPV med forskellige værdier af nøgleparametre, dvs. forudsætninger. Disse kan f.eks. være kalkulationsrenten, tidshorisont, priser på miljøeffekter, investeringsbeløb m.m. Her vil det også være en god ide at beregne et ”worst case” og et ”best case”, dvs. de kombinationer af parametre som giver hhv. det bedste og det dårligste udfald. Det kan også være nyttigt at beregne størrelsen af eventuelle ikke-prissatte konsekvenser, der er nødvendig for at ”tippe” NPV, dvs. få til at skifte fortegn. Ligeledes at beregne hvilken størrelse af  gevinsterne i alt eller hvilken størrelse af en enkelt parameter, der skal til for at tippe NPV.

Monte Carlo simulation er den mest anvendte metode til belysning af risiko , hvis man har et modelværktøj til rådighed. Metoden går ud på, at man genererer et stort antal resultater udfra sandsynlighedsfunktioner for variabler. Herved finder man fordelingen af mulige resultater. Dette kan så anvendes til at finde spredning og forventede værdier. Metoden giver en robust indikation af det overordnede niveau for risiko for det endelige resultat. Monte Carlo simulation kræver kendskab til sandsynligheder, modelværktøj, store datamængder og kan være tidskrævende at udføre.

Interval analyser går ud på at finde øvre og nedre grænse for udfald af resultatet (NPV). Man tager alle de mindste værdier for variable i en beregning og alle de maksimale i en anden beregning. Herved identificerer man den ekstreme nedre og øvre værdi af resultatet (NPV). Det ”sande” resultat ligger med stor sandsynlighed indenfor disse grænser. Metoden har stor lighed med ”worst case” og ”best case”. Interval analyser er oftest mindre tids- og datakrævende end Monte Carlo simulationer.

6.2.4 Quasi option værdi

Hvis der er usikkerhed og samtidig irreversibilitet, så bliver begrebet quasi option værdi (QOV) relevant. Det at vente med en beslutning kan forværre eller forbedre skaderne ved klimaændring. QOV udtrykker stigningen i den forventede værdi af NPV ved at vente. ”At vide hvad vi ikke ved”. QOP udtrykker værdien af at bevare muligheden for at gøre beslutningerne om.

QOV handler om, at kvaliteten af beslutningsgrundlaget kan forbedres ved at beslutningen udsættes. Dette kan opstå, hvis der er usikkerhed, som kan mindskes ved at lære. Pointen er, at det at udsætte (vente med sin beslutning) genererer information.

For eksempel kan ny fremtidig information vise, at klimaforandringerne er mindre end forventet, og at der derfor er behov for mindre udgifter end vi troede. Her er optionsværdien positiv. Omvendt hvis den nye information viser, at klimakonsekvenserne bliver værre, fordi vi har udsat tiltagene (investeringerne). I dette tilfælde bliver QOV negativ. Størrelsen af QOV afhænger af graden af irreversibilitet af klimaforandringernes virkning og hvor fleksibel over tid tilpasningen er.

Der gås ikke mere i dybden med QOV, men det er vigtigt at være opmærksom på, at der kan være fordele ved at udsætte nogle beslutninger, mens andre ikke kan tåle at blive udsat.

6.3 Anbefaling

I situationen med godt kendskab til sandsynligheder anbefales at anvende forventet nutidsværdi, ENPV.

Hvis der er ringe kendskab til sandsynligheder anbefales at anvende maximin metoden, fordi det repræsenterer den mest risikoaverse metode. Maximin går ud på, at for hvert tilpasningsstrategi identificeres det dårligste nettoresultat. Derefter vælges blandt disse den strategi, der har det bedste nettoresultat. Dette svarer til anbefalingen i UKs Green book. Kun hvis omkostningerne ved at vælge forkert vurderes at være beskedne, kan et mere optimistisk kriterium anvendes, såsom maximax.

Der bør altid udføres følsomhedsanalyser og Monte Carlo simulationer giver en robust indikation af det overordnede niveau for risikoen  og er isæt nyttig, hvis man har et modelværktøj til rådighed.

Det er vigtigt at være opmærksom på, at der kan være fordele forbundet ved at udsætte nogle beslutninger, mens andre ikke kan tåle at blive udsat, da de vil medføre tab.

Fodnoter

^[23] Afsnittet bygger i stor udstrækning på UK vejledninger med baggrundsrapporter: Metroeconomica (2004): Costing the impacts of climate change in the UK, Metroeconomica(2004): Overview report, Metroeconomica(2004): Implementation report og baggrundsrapporten Willows and Connell (2003): Climate adaptation: Risk, uncertainty and decision-making, samt på Møller, F., Andersen, S.P., Grau, P., Huusom, H., Madsen, T., Nielsen, J., Strandmark, L.(2000): ”Samfundsøkonomisk vurdering af miljøprojekter”

| Forside | | Indhold | | Forrige | | Næste | | Top |

Version 1.0 Oktober 2006, © Miljøstyrelsen.