Ενεργειακή φτώχεια | Energy poverty | αντικειμενικοί δείκτες | objective indicators | υποκειμενικοί δείκτες | subjective indicators | τεστ ανεξαρτησίας χ2 | Chi-square test of Independence | δυαδική λογιστική παλινδρόμηση | binary logistic regression | Ελλάδα | Greece
10
102
Περιέχει: εικόνες
Η ενεργειακή φτώχεια εκφράζει τη δυσκολία ενός νοικοκυριού να καλύψει επαρκώς τις ενεργειακές του ανάγκες με προσιτό κόστος και αντιπροσωπεύει ένα από τα σύγχρονα κρίσιμα κοινωνικοοικονομικά προβλήματα, σε ευρωπαϊκό, αλλά και σε εθνικό επίπεδο. Η Ευρωπαϊκή Οικονομική και Κοινωνική Επιτροπή ορίζει την ενεργειακή φτώχεια ως «τη δυσκολία ή αδυναμία εξασφάλισης επαρκούς θέρμανσης στην κατοικία και την πρόσβαση σε άλλες βασικές ενεργειακές υπηρεσίες σε εύλογη τιμή». Ως ένα πολυδιάστατο φαινόμενο, η ενεργειακή φτώχεια μπορεί να προσεγγιστεί είτε μέσω αντικειμενικών δεικτών, με βάση ποσοτικά δεδομένα, είτε μέσω υποκειμενικών δεικτών, με βάση την υποκειμενική αντίληψη του προβλήματος ή, εναλλακτικά, μέσω ενός συνδυασμού παραπάνω πτυχών. Η μέτρηση της ενεργειακής φτώχειας παρουσιάζει διάφορες δυσκολίες, καθώς συχνά απαιτεί πολλών ειδών πληροφορίες για τα νοικοκυριά (ενεργειακό κόστος, εισόδημα, κ.λ.π.). Επίσης, οι διάφορες μέθοδοι που χρησιμοποιούνται μέχρι στιγμής συχνά οδηγούν σε διαφορετικά αποτελέσματα, τόσο αναφορικά με την έκταση της ενεργειακής φτώχειας, όσο και αναφορικά με τη σύνθεση των νοικοκυριών που θεωρούνται «ενεργειακά φτωχά».
Ειδικά στην Ελλάδα, το πρόβλημα έχει ενταθεί εν μέσω της οικονομικής κρίσης της τελευταίας δεκαετίας. Δεδομένων των περιστάσεων και, σε μια προσπάθεια περαιτέρω κατανόησης των αιτιών και των αποτελεσμάτων του προβλήματος στη χώρα, το αντικείμενο της εν λόγω μεταπτυχιακής εργασίας ήταν η ανάλυση του φαινομένου της ενεργειακής φτώχειας στην Ελλάδα βάσει στατιστικής ανάλυσης. Συγκεκριμένα, καταγράφηκαν δεδομένα χρονοσειρών για διάφορους αντικειμενικούς και υποκειμενικούς δείκτες, τουλάχιστον για την τελευταία δεκαετία, με στόχο την παρατήρηση και κατανόηση της εξέλιξης του προβλήματος κατά τη διάρκεια των ετών. Επιπλέον, χρησιμοποιήθηκε το τεστ ανεξαρτησίας χ2 για τη διερεύνηση της σχέσης μεταξύ αντικειμενικών και υποκειμενικών δεικτών ενεργειακής φτώχειας με διάφορες κοινωνικοοικονομικές παραμέτρους. Τέλος, αναπτύχθηκαν μοντέλα δυαδικής λογιστικής παλινδρόμησης για την πρόβλεψη της ενεργειακής φτώχειας μέσω διαφορετικών αντικειμενικών δεικτών (δείκτης 10%, δείκτης 2Μ, δείκτης Μ/2) ως εξαρτημένες μεταβλητές και διάφορους κοινωνικοοικονομικούς παράγοντες ως ανεξάρτητες μεταβλητές. Διαπιστώθηκε ότι το λογιστικό μοντέλο βασισμένο στον δείκτη 10%, το οποίο μπορεί να εξηγήσει έως και το 32% της εξαρτημένης μεταβλητής, ταιριάζει καλύτερα από τα άλλα δύο μοντέλα, καθώς καλύπτει πληρέστερα τις μεταβλητές που μελετήθηκαν. Πιο συγκεκριμένα, διαπιστώθηκε ότι οι τύποι νοικοκυριών που είναι περισσότερο ευάλωτοι στην ενεργειακή φτώχεια βάσει του δείκτη 10% είναι κυρίως νοικοκυριά που αποτελούνται από έναν ενήλικα με εξαρτώμενα μέλη και εκείνα που βρίσκονται στη Μακεδονία (κυρίως Δυτική Μακεδονία), με τη σχετική πιθανότητα ενεργειακής φτώχειας να αυξάνεται κατά 6,669 φορές και 6,464 φορές, ανά μονάδα, αντίστοιχα. Οι άλλοι παράγοντες που επίσης επηρεάζουν το μοντέλο είναι η ανεργία και η διαμονή σε περιοχές μέσης πληθυσμιακής πυκνότητας.
Συνολικά, τα αποτελέσματα που προέκυψαν μπορούν να συμβάλουν στην κατεύθυνση σχεδιασμού πιο στοχευμένων πολιτικών αντιμετώπισης της ενεργειακής φτώχειας από τους αρμόδιους φορείς.
Energy poverty expresses the difficulty of a household to adequately meet its energy needs at an affordable cost and represents one of the current crucial socioeconomic problems so much at European as also at national level. The European Economic and Social Committee defines energy poverty as “the difficulty or inability to ensure adequate heating in the dwelling and to have access to other essential energy services at a reasonable price”. As a multidimensional phenomenon, it can be approached either by objective indicators, based on quantitative data, or by subjective indicators, based on the self-perceived view of the problem or, alternatively, by a combination of both aspects. The measurement of energy poverty presents several difficulties as it often requires a significant amount of information for households (energy costs, income, etc.). Also, the various methods used so far often lead to different results, so much as regards energy poverty extent, as also the composition of households considered as “energy poor”.
Especially in Greece, the problem has intensified during the economic crisis of the last decade. Given these circumstances and, in an attempt to further understand the roots and results of the problem in the country, the scope of this dissertation was the analysis of the energy poverty phenomenon in Greece based on statistical analysis. Particularly, time-series data sets were recorded for various objective and subjective indicators, at least for the last decade, aiming to observe and explain the evolution of the problem throughout the years. Moreover, the Chi-square test of Independence was used to investigate the association between objective and subjective indicators of energy poverty with socio-economic factors. Finally, binary logistic regression models were developed to predict energy poverty through different objective indicators (10% indicator, 2M indicator, M/2 indicator) as dependent variables and various socio-economic factors as independent variables. It was found that the logit model based on 10% indicator, which can explain up to 32% of the dependent variable, fits better than the other two models, as covering more representatively the variables under study. More specifically, it was found that the types of households mostly exposed to energy poverty based on indicator 10% are mainly households that consist of one adult with dependent children and those located in Macedonia (mainly Western Macedonia), increasing the relative probability of being energy poor by 6.693 times and 6.464 times, per unit, respectively. The other factors that also affect the model are unemployment and living in mid density regions.
Overall, the outcomes derived can help policy-makers towards designing more targeted policies to address energy poverty issues.