Simulering av ändrade förutsättningar

Sambanden i SASM är ofta komplexa. Detta för att kunna återspegla en komplex verklighet. Görs en förändring, till exempel att en miljöersättning tas bort, medför det kanske att utbudskurvan skiftar uppåt och att det blir ett nytt marknadsläge med högre pris och lägre volym.

Figur 8 utgår från det jämviktsläge som beskrivs i figur 7. Tas sedan en miljö- ersättning bort försvinner en intäkt från produktionen. Mer av kostnaderna måste då täckas av försäljningen av produkten vilket innebär att produktions- kostnaden ökar. Utbudskurvan skiftar då uppåt. Utbudskurvan kommer dessutom att ändra form. En orsak är att miljöersättningen sannolikt är förknippad med villkor som medför högre kostnader. Dessa kostnader faller bort om miljöersättningen tas bort. En annan orsak är att alla förändringar ger följdeffekter för andra produkter vilka i sin tur ger följdeffekter tillbaka. Den tvådimensionella illustrationen i figur 8 flyttas från en snittyta i den mul- tidimensionella produktmarknaden till en annan snittyta med andra volymer för övriga produkter.

Följden av att utbudskurvan skiftar uppåt blir att SASM hittar en ny jäm- viktspunkt på den regionala marknaden med en lägre volym till ett högre pris. Den producerade kvantiteten minskar från Q₀ till Q₁ samtidigt som priser stiger från P₀ till P₁. Det är viktigt är att de båda modellberäkningarna ska jämföras med varandra för att få fram effekten av att ta bort miljöer- sättningen. Jämförs läget utan miljöersättning med det som observerats i statistiken (svart punkt i figur 8) uppstår en felkälla genom att de avvikelser som finns mellan modellresultaten och statistiken tillskrivs miljöersättningen. Observera även att förändringen i detta fall innebär att den producerade volymen inte längre räcker till att sälja produkter till andra regioner. Vid Q₁ sammanfaller konsumenternas efterfrågan med den upplevda. Här ligger dock en förenkling i figur 8. Egentligen skulle även den blå kurvan, med upplevd efterfrågan, ha ändrat form eftersom produktionskostnaderna även ändras i andra regioner.

Exemplet med en borttagen miljöersättning visar hur SASM kan användas vid en utvärdering av ett stöd som redan betalas ut. Den hypotetiska beräk- ningen gäller då hur det skulle ha varit om stödet inte hade funnits. Vid en framåtsyftande beräkning för ett stöd som eventuellt ska införas blir resone- manget det omvända eftersom startläget är ett läge utan det aktuella stödet. Miljöersättningen till vall kan fungera som ett exempel på hur SASM arbetar för att beräkna de effekter som kan uppstå vid förändrad politik genom att ett nytt stöd införs:

Den omedelbara effekten av en miljöersättning till vall är att kostna- derna för vallfoder blir lägre eftersom de som odlar vall får miljö- ersättning. En följdeffekt av detta är att lönsamheten för vallbaserad djurhållning ökar vilket medför att antalet nötkreatur och får ökar. Ökat antal betesdjur borde leda till att fler betesmarker hålls i hävd, men när drivkraften är billigare vallfoder från åker kan effekten bli den motsatta. Bete på vall gynnas av miljöersättningen till vall, vilket innebär att dju- ren betar mer på åkrar och mindre på naturliga betesmarker. En annan effekt av att priset på grovfoder sjunker är att det blir mindre lönsamt att vidta åtgärder för att få hög skörd. Detta innebär att intensiteten sänks och att vallodlingen förskjuts mot att använda mer areal och min- dre insatser av gödning. En tredje effekt är att vallen får ökad lönsamhet och detta kan tränga bort spannmål. I regioner med svag lönsamhet för spannmål kan dock effekten bli den motsatta. Utan vallodling skulle marken ligga i träda, men när vallen ska förnyas är det en fördel att ha spannmål i växtföljden. Då blir det mer spannmål om vallen är lönsam. Den regionala efterfrågan av spannmål påverkas också. Fler djur medför ökad efterfrågan och ett högre pris, men billigare grovfoder ger en övergång till mindre andel spannmål i foderstaterna vilket sänker efterfrågan.

Genom att jämföra en modellberäkning med och en utan miljöersättningen för vall får man fram alla dessa krafter och motkrafter. Man kan se i vilken riktning de drar i olika regioner och få fram storleksordningen för genom- slaget både regionalt och för Sverige som helhet.

5.10 Tidsperspektiv

SASM är en statisk jämviktsmodell. Statisk innebär att jämviktslägena hittas momentant utan beaktande av den process som över tiden leder dit. I så kallade dynamiska modeller modelleras förändringar över tid av själva data- materialet. Variablernas nya värden är då beroende av de tidigare tillstånden. Det tar därmed tid innan ett nytt jämviktsläge uppnås. SASM går direkt till det nya jämviktsläget utan att beskriva vägen dit. Dynamiken över tid fångas istället genom att utbudet av produktionsfaktorer förändras, beroende av vilket tidsperspektiv som används. SASM är förberedd för att användas på olika sätt beroende på tidsperspektivet i frågeställningen. Om så önskas

kan såväl produktionstekniken som efterfrågan av jordbruksprodukter och priserna på de internationella marknaderna ändras.

5.10.1 Utvärderingar

Vid utvärderingar av befintlig politik är det enbart flexibiliteten i byggnads- beståndet som ska kopplas till tidsperspektivet. SASM kan då beräknas med övriga data baserat på slutåret, men byggnadsbeståndet kan delvis få bestäm- mas i beräkningen baserat på det byggnadsbestånd som fanns ett tänkt startår. Ett basscenario som speglar läget slutåret med de förutsättningar som verkligen gällde kan då jämföras med ett scenario där någon eller några faktorer har ändrats, till exempel kan ett stöd tas bort. Skillnaden mellan de båda scenarierna visar då den effekt det borttagna stödet har haft.

5.10.2 Framåtsyftande beräkningar utan tidsbestämning

Vid framåtsyftande analyser kan SASM användas på flera olika sätt. Ett är att bara öka flexibiliteten i lösningarna genom att tillåta en omvandling av byggnadsbeståndet som normalt tar 10 till 20 år men att i övrigt behålla alla data som i nuläget. Även här kan ett basscenario som speglar läget med nuvarande förutsättningar jämföras med ett scenario där någon eller några faktorer ändras. Skillnaden mellan de båda scenarierna visar då den effekt de ändrade faktorerna kan förväntas ge helt isolerat från allt annat som kommer att påverka det verkliga utfallet under tiden som anpassningen sker.

5.10.3 Framtidsscenarier

Ett annat sätt att räkna är att verkligen försöka förutspå hur det kan bli slutåret för beräkningen, exempelvis till år 2030. Om startåret är 2018 innebär det att anpassningsperioden är tolv år, vilket ger vissa möjligheter att anpassa byggnadsbeståndet. Samtidigt är det mycket annat som kommer att ändras fram till år 2030. Den tekniska utvecklingen gör att produktiviteten ökar, priserna på produktionsmedel kommer att ändras, lönekravet kommer att öka, efterfrågan på livsmedel kommer att ändras och världsmarknadspri- serna för livsmedel kommer att ändras. Allt detta kan lätt ändras i SASM, men det krävs ett bra dataunderlag för hur ändringarna ska göras.

Många av förändringarna är kopplade till varandra. Det innebär att de data som används måste vara konsistenta med varandra. Priserna på jordbruks- produkter har till exempel en stark koppling till priserna för energi. Det går då inte att hämta prisprognoser för jordbruksprodukter från en källa, till exempel OECD:s och FAO:s Agricultural Outlook och prisutvecklingen för energi från en annan, till exempel Energimyndigheten, om inte den bakom- liggande prognosen om prisutvecklingen som använts av OECD och FAO ligger i linje med den som Energimyndigheten har. Antagande om växelkurser och inflationstakten i Sverige och andra länder måste också matcha varandra eftersom det annars kan bli orimliga prislägen när internationella priser räknas om till svenska kronor i fast penningvärde. Det finns också en stark

koppling mellan prognostiserade framtida priser på jordbruksprodukter och på förväntad produktivitetsutveckling. Det är effektiviseringarna i produktio- nen som gör att priserna kan gå ner trots att priserna för många produktions- faktorer går upp.

SASM är förberedd med en trendmässig teknisk utveckling i termer av årligt ökad produktion och minskat behov av produktionsmedel räknat per hektar eller per djur. Modellen är också förberedd för att kunna lägga in procen- tuella förändringar av internationella produktpriser, av nationella priser för produktionsfaktorer och av inflationen. Beräkningarna görs normalt realt, vilket innebär att de stöd som är fastställda med ett nominellt belopp behöver räknas om med inflationen. Eftersom det är många faktorer som ändras måste först ett nytt basscenario kalibreras för det tänkta året. Därefter kan enskilda ändringar göras för att man ska kunna se hur utfallet påverkas av dessa ändringar. Förändringen från idag till det nya basscenariot är givetvis också intressant men där är osäkerheten större eftersom mycket av de exogena data som används är prognoser eller trendframskrivningar. När två framtida scenarier jämförs med varandra har dessa felkällor mindre betydelse eftersom de oftast påverkar båda scenarierna på ett likartat sätt.