Får positiva attityder till vindkraft snurr på etableringen av nya vindkraftverk?

NATIONALEKONOMISKA INSTITUTIONEN Uppsala universitet VT 2018

Examensarbete C Författare: Jonas Walan

Handledare: Maria Vredin Johansson

Får positiva attityder till vindkraft snurr på

etableringen av nya vindkraftverk?

Sammanfattning

När Sverige tacklar klimatutsläppen för att nå Parisavtalets mål är energisektorn och vindkraften en essentiell del i arbetet. Att veta vad som behövs för att utbyggnaden av vindkraft ska öka är därmed av stort intresse. I uppsatsen undersöks sambandet mellan attityder till utbyggnad av vindkraft i Sverige och etableringen av ny vindkraft. Undersökningen skedde genom att sammanställa en modell med variabler som rimligen har en påverkan på utbyggnaden av vindkraftverk och sedan utföra en

regressionsanalys med paneldata på länsnivå för åren 2003 till 2016. Resultatet visar att det inte går att finna ett samband mellan större andel som vill satsa mer på vindkraft och effekten från vindkraftverk. Däremot finner studien andra variabler som korrelerar med effekten från vindkraftverk.

Innehållsförteckning

4. Variabler och modell 14

1. Inledning

Klimatomställningen är en av vår generations största utmaningar där förnybar energi är en viktig pusselbit i lösningen för att lyckas med omställningen. En av de största och snabbast växande förnybara energikällorna i Sverige är vindkraft som 2016 producerade 15,5 TWh.

I ett delmål för att nå 100 procent förnybar elproduktion år 2040 har regeringen en planeringsram för vindkraft till 2020 där målet är 30 TWh (Energimyndigheten 2011). För att nå detta mål krävs det alltså en stor utbyggnad av vindkraftverk runt om i Sverige.

Uppförandet av vindkraftverk på den svenska landsbygden har ofta fått lokalt motstånd av invånare som motsätter sig byggandet men även av intresseorganisationer mot vindkraft så som Föreningen Svenskt Landskapsskydd vilka arbetar för att förhindra etableringen av nya vindkraftverk runt om i Sverige.

Om potentiella vindkraftverk behöver bygglov ges tillstånd till dessa endast om kommunen har gett sitt godkännande vilket kallas tillstyrkan. Alltså har kommunen i praktiken en vetorätt när det kommer till tillstånd för nya vindkraftverk och det finns heller inte särskilda regler som kommunen behöver förhålla sig till bortsett från de allmänna krav på opartiskhet och saklighet som alltid gäller för all kommunal verksamhet (Vindlov 2018).

På grund av att det inte finns reglerade beslutskriterier och att besluten inte kan överklagas leder detta till att kommunala politiker får stort inflytande vid beslut om vindkraftsetableringar (Naturvårdsverket 2017). Den nuvarande regeringen gav Energimyndigheten och Naturvårdsverket i uppdrag att se över tillståndsprocessen för vindkraft och deras svar blev att etableringen av vindkraft skulle underlättas och bli mer rättssäker om bestämmelsen om kommunal tillstyrkan togs bort.

Användningen av dessa veton är omfattande och Dagens Samhälle skriver att 350 vindkraftverk stoppades mellan 2014 till 2017 och för att sätta det i relation etablerades det under denna tid 374 nya verk (Perkiö 2017).

I kommuner har invånare nära till beslutsfattare vilket gör att de lättare kan påverka lokala politiska beslut (Rosen och Gayer 2014). Det är därmed rimligt, med tanke på den makt kommunen har samt närheten till de lokala beslutsfattarna, att lokalbefolkningens attityder till vindkraft kan ha en påverkar på hur många vindkraftverk som etableras.

SOM-institutets undersökningar om attityder till olika energikällor visar att en majoritet av Sveriges befolkning är positiv till en utbyggnad av energi från vindkraft (Hedberg och Holmberg 2016). Data från dessa studier ligger till grund för denna undersökning.

byggas ut men inte där de bor. NIMBY har dock fått kritik av bland andra Wolsink (2000) som menar att det finns andra faktorer, till exempel skepticism mot personer eller bolag som vill bygga verken, som gör de lokala invånarna negativa till vindkraftsprojekt i sin kommun även om de är positiva till vindkraftverken i sig. Wolsink (2007) menar även att det finns en fundamental skillnad i attityder till vindkraft som energikälla och till själva vindkraftverken, något som han menar har missförståtts i diskussionen om allmänhetens attityder till vindkraft. Detta missförstånd grundar sig enligt Wolsink på att majoriteten av studier på attityder är fältstudier och generella enkätundersökningar som inte använder sig av socialpsykologiska teorier när frågorna formuleras.

Toke (2005) har genom kvalitativa och kvantitativa metoder undersökt vilka faktorer det är som har starkast påverkan på beslut vid etablering av vindkraft. Toke finner att attityden bland de som bor närmast vindkraftverken har störst inflytande men att även uppfattningen av de ekonomiska fördelarna, som etableringen har för samhället, är av stor vikt. Majoriteten av den internationella litteraturen angående attityder till vindkraft har haft ett lokalt perspektiv ofta som fältstudier där fokus har legat på anledningen till motståndet.

Denna uppsats har som avsikt att undersöka sambandet mellan en mer positiv attityd till att bygga fler vindkraftverk och antalet vindkraftverk som byggs i området men till skillnad från majoriteten av litteraturen i ämnet göra det i ett nationellt perspektiv genom regressionsanalys. Ur avgränsningssynpunkt har uppsatsen fokuserat på Sverige och åren mellan 2003 till 2016.

Frågeställningen är således _{​“Bidrar en positiv attityd till utbyggnad av vindkraft till att fler} vindkraftverk byggs?”.

Sverige är ett avlångt land med stora avstånd från norr till söder. I norra Sverige finns många stora vattenkraftverk som genom reglerkraft kan välja hur stor effekten ska vara från verken oavsett vilket väder som råder. När vindförhållanden är dåliga eller konsumtionen är över det vanliga ökar effekten i vattenkraftverken och skickar elektricitet från norra till södra Sverige där det finns mycket vindkraft och stor konsumtion av el. Även under vanliga förhållanden transporteras mycket el till södra delen av landet på grund av att det produceras mer i norr än vad som efterfrågas.

Förutsättningarna för att bygga ut vindkraft skiljer sig åt i landet vilket bland annat beror på att vinden inte blåser likadant överallt. Det kan också vara brist på lämpliga områden för att placera vindkraftverken på grund av att naturområden klassas som naturreservat eller nationalparker, att försvaret säger nej för att de övar eller har viktiga radaranläggningar i området eller att området är för tätbebyggt för att det ska vara möjligt (Svenska Kraftnät 2018).

2. Tidigare forskning

I Energimyndighetens rapport _{​Produktionskostnader för vindkraft i Sverige}

​ från 2016 ville

Energimyndigheten öka sina kunskaper om vindkraftens produktionskostnader. Genom intervjuer med aktörer och genomgång av projektdata från projektdatabasen Vindbrukskollen_​,_​ analyserade

myndigheten kostnaderna för vindkraft i Sverige och konstaterade att den tekniska utvecklingen går så snabbt framåt att kostnadsbedömningar snabbt blir inaktuella. En anledning till lägre kostnader per MW för nyare vindkraftsprojekt är att dagens turbiner har större rotorer, högre navhöjd och rotordiameter. Lite förenklat går det att säga att vindkraftverken har blivit högre, större och

effektivare. När tornen blir högre leder detta även till högre vindhastigheter och lägre turbulens vilket, tillsammans med de egenskaper som tidigare nämndes, gör att dagens turbiner är mer

kostnadseffektiva. Energimyndigheten poängterar även att vindkraften är ett kapitalintensivt energislag där stora investeringar krävs initialt men att det är låga driftskostnader eftersom vindkraftverk inte har några bränslekostnader (Energimyndigheten 2016).

Naturvårdsverket (2008) undersöker etableringen av vindkraftverk på lokal och regional nivå i flera länder. De har analyserat 25 rapporter och forskningsartiklar angående vindkraftsetableringar i olika europeiska länder som samlats in 2006 och 2008. I materialet hittade Naturvårdsverket starka kopplingar mellan hur positiv befolkningen var till en vindkraftsutveckling och stöd efter etableringen för ytterligare etablering av vindkraftverk. Liksom många andra artiklar betonar man vikten av en öppen dialog med lokalbefolkningen där de får möjlighet till diskussion.

Wolsink (2007) beskriver vad allmänhetens attityd är mot vindkraft i ett internationellt perspektiv, den roll de lokala miljökraven har i att forma allmänhetens attityder och vad som behövs för att förbättra allmänhetens acceptans för vindkraftverk. Utöver detta använder Wolsink sekundär data från tidigare studier och en ekonometrisk analys av enkätdata och genom denna analys

poängterar han vilka faktorer som anses viktigast av invånare samt att NIMBY-hypotesen är felaktig. Istället menar Wolsink att annonseringen av ett vindkraftsprojekt i närområdet skapar ett eget intresse och därför startar en tankeprocess (2007)

ser ut i Sverige och vilka utmaningar som utbyggnaden av vindkraft har för reglerkraft och utbyggnad av kraftnäten.

Elcertifikatpriset har en stor effekt på lönsamheten för äldre vindkraftverk i och med att utbyggnaden av nya vindkraftverk gått snabbare än vad som förväntats i investeringskalkylen för vindkraftverken som har byggts. Det har lett till att priset på de elcertifikat som vindkraftverken får har sjunkit och därmed har också inkomsterna minskat jämfört med den som investerare hade räknat med. De nya vindkraftverken är dock mindre känsliga för sänkt elcertifikatpris i och med att de flesta använder sig av fasta priser vilket ger stabilare investeringskalkyler.

Av de totalt 80 TWh som finns i tillståndsprocessen beräknar Söderberg (2013) att maximalt 50 TWh kommer att få tillstånd och att majoriteten av dessa kommer att lokaliseras till norra Sverige. Hon poängterar också att det finns en tendens att många fler projekt får avslag i södra Sverige vilket hon menar kan ha en förklaring i att det är högre befolkningstäthet.

För att sammanfatta litteraturen är de flesta studier, angående attityder och anledningar till motstånd till vindkraft, utformade antingen som fältstudier där vindkraftverk etableras eller genom generella enkätundersökningar som visar ett medelmåttigt till starkt stöd för vindkraft (Wolsink 2007).

Det är tydligt i litteraturen att det ofta finns lokalt motstånd till etablering av vindkraft och det i fältstudier har visats att lokalt motstånd även leder till att etableringar stoppas. Denna uppsats har som avsikt att undersöka om en mer positiv attityd till att bygga fler vindkraftverk leder till att fler vindkraftverk byggs i området_​​men till skillnad från majoriteten av litteraturen i ämnet gör jag det i ett nationellt perspektiv genom regressionsanalys.

2.2 Forskning om Attityder

I och med att utbyggnaden av vindkraft har ökat har också intresset för att undersöka attityders koppling till vindkraft ökat. Olsson (2015) skriver att _{​“Attityden generellt om vindkraft skiljer sig ofta} påtagligt mot acceptansen inför ett speciellt vindkraftsprojekt.”

​ . Det är möjligt att en individs attityd

är positiv till en början men blir negativ när den påverkas negativt av ett vindkraftsprojekt och blir mer medveten om dess nackdelar.

Attityd är en inställning hos en individ som värderar objekt som positiva eller negativa. Objekten kan vara allt från ett skomärke till mer invecklade politiska frågor (Helkama et al 2017). Det finns en del teorier om attityder som är av intresse när det kommer till vindkraftsprojekt. Ett av dom är att när en individ blir exponerad för något gör det att individen gillar det mer. Detta fenomen kallas för blott exponering (eng. mere exposure) och det förklarar anledningen till att vi ibland inte gillar ny musik från början men gillar den efter att ha lyssnat på den några gånger. Det finns dock en

mättnadspunkt där detta inte längre gäller (Helkama et al 2017).

tillgänglighet är god om omständigheterna som format attityden är “lättare att återkalla i minnet” och de “återkallas snabbare spontant” (Helkama et al 2017). Mängden information som en individ har påverkar alltså attitydens tillgänglighet.

Kallgren & Wood (1986) undersökte hur attityders tillgänglighet påverkar individers handlingar och kom fram till att individer vars attityder hade större tillgänglighet också till större del agerade efter dessa. Det fanns dock inget samband mellan de med en svag tillgänglighet och agerande.

Det är möjligt att tillgängligheten ändras för individer som bor där vindkraftsprojekt startas. Vindkraftsbolagen informerar lokalbefolkningen om vindkraft och individerna har större anledning till att fundera över vindkraft. Detta kan leda till en större tillgänglighet och ändrad attityd.

Wicker (1969) menar att det är mer sannolikt att attityder är icke-korrelerade eller enbart svagt korrelerade med beteenden än motsatsen. Han menar alltså att sambandet mellan beteende och attityd är svagt. Det finns många saker som påverkar ens beteende och det är inte alltid möjligt att finna en korrelation mellan attityd och beteende.

3. Data

Data för den beroende variabeln i uppsatsen består av Energimyndighetens vindkraftsstatistik per län med elproduktion i megawatt från vindkraft åren 2003 till 2016. Under denna period har en

omfattande utbyggnad av antalet vindkraftverk och effekten som genereras av dessa skett. Som går att se i _{​Figur 3}

​ har effekten från vindkraftverk ökat mer än vad antalet vindkraftverk har gjort. Detta

beror på att nyare vindkraftverk dels har blivit större men de har även blivit effektivare. Figur 3 Antal vindkraftverk och effekt från dessa på riksnivå åren 2003 till 2016.

I Appendix finns även en tabell över länens effekt från vindkraft år 2003 och 2015. Data för den förklarande variabeln av störst intresse kommer från SOM-institutets data angående inställning till olika energikällor för åren 1999-2016 som kommer att användas som variabel för invånarnas attityder. SOM-institutets (Samhälle Opinion Medier) nationella frågeundersökning, Riks-SOM, har som syfte att undersöka allmänhetens attityder och vanor gällande olika teman. Undersökningen görs genom en postenkät skickad till ett systematiskt urval av Sveriges befolkning i åldrarna 16 till 85 år med totalt 3000 personer som deltar i undersökningen. Data från

Super-Riks-SOM har vänligen tillhandahållits av Svensk Nationell Datatjänst med tillstånd av primärforskarna.

Genom att jag sammanställt statistiken från Super-Riks-SOM för åren 1999-2016 på länsnivå har en variabel skapats för att illustrera attityd till vindkraft. Frågan av intresse som ställs i

undersökningen är “_{​Hur mycket bör vi i Sverige satsa på vindkraft under de närmaste 5 -10 åren?”}

​ .

Svarsalternativen är “satsa mer”, “satsa ungefär som idag”, “satsa mindre än idag”, “helt avstå från energikällan” och “ingen åsikt”._​

sammanställts som en andel på länsnivå. Variabeln är andelen inom länet som svarade “satsa mer” på frågan “_{​Hur mycket bör vi i Sverige satsa på vindkraft under de närmaste 5 -10 åren?”}

​ . Det är ett tal

mellan noll och ett där noll är att ingen har svarat “satsa mer”, 0.5 är att 50 procent har svarat “satsa mer” och 1 är att 100 procent har svarat “satsa mer”.

Sedan 2008 har andelen som svarat “satsa mer” minskat över hela landet från i 80 procent av de svarande till 61 procent 2016. Detta har skett samtidigt som effekten från vindkraft har ökat kraftigt under samma tidsperiod. År 2008 fanns det en effekt från vindkraftverk på 1090 MW men åtta år senare hade effekten blivit 6434 MW vilket nästan är sex gånger större vilket illustreras i _{​Figur 3}

​ . Det

är också tydligt att effekten från vindkraftverken har ökat mer än antalet vindkraftverk. Detta beror på att vindkraftverken och blivit större och effektivare.

Jämtlands län hade 2015 tredje mest effekt från vindkraft och 33% hade svarat “satsa mer” i SOM-undersökningen. 2008 var den siffran 87%. Denna negativa utveckling skedde alltså samtidigt som Jämtland upplevde en betydande utbyggnad av vindkraft.

Figur 4 Andel som vill satsa mer på vindkraft år 2003 samt år 2015

I _{​Figur 4}

​ illustreras hur andelen som vill satsa mer på vindkraft har utvecklats inom Sveriges län

mellan 2003 och 2015. Det är märkbart hur andelen i de län som ligger i norra Sverige har minskat markant samtidigt som vindkraften i samma period har ökat stort. Skåne som har femte störst effekt från vindkraft 2015 har dock samma år en ökad andel som vill satsa på mer vindkraft.

Statistik om befolkningstätheten i svenska län har hämtats från Statistiska Centralbyrån (2018) för 2003 till 2016 och definieras som invånare per kvadratkilometer. Statistiken gäller befolkningsantalet i länet den 31 december dividerat med landarealen den 1 januari året därpå.

Elcertifikat är ett stödsystem för förnybar el som gör att producenter av förnybar el får högre betalt än marknadspriset på el. När en vindkraftsproducent har producerat en megawattimme (MWh) får den ett elcertifikat som den sedan kan sälja på en marknad där priset bestäms genom utbud och efterfrågan. Därmed får producenten en extra inkomst utöver elpriset (Energimyndigheten 2018).

Data för både elcertifikat och elpris har hämtats från Nord Pools hemsida där de offentliggör statistik. Nord Pool är den elbörs där el köps och säljs enligt elspotpriser. Elcertifikaten är i kronor per megawattimme och har hämtats för varje månad från januari 2005 till december 2016. Från dessa har ett genomsnittligt pris för elcertifikaten tagits fram. Detta genomsnittliga pris är det som används i variabeln för elcertifikat. Priser för 2003 och 2004 hade varit önskvärt men dessa har inte funnits tillgängliga. Elcertifikatsystemet infördes i maj 2003.

Före november 2011 fanns bara ett pris på el i Sverige i en viss tidpunkt men nu finns fyra olika elprisområden SE1, SE2, SE3 och SE4 som alla har olika priser baserat på handeln på Nord Pool. Därför skiljer sig elpriserna beroende på var i landet elen konsumeras. På grund av att en del av elen omvandlas till värmeenergi under vägen, vilket ses som en förlust, går det inte att flytta el mellan områden utan energiförluster och för att det konsumeras och produceras olika stor mängd el i dessa olika områden blir elspotpriser olika i de olika områdena. För åren 2003 till 2010 har alla län samma priser på el. För 2012-2016 har län som endast ligger inom ett elprisområde fått det genomsnittliga elpriset för det elområde för det året. De län som ligger inom två elområden har fått det

genomsnittliga elpriset för de två elområden för det året. Elcertifikatpris och elpris beror bägge på hur vindkraft och andra förnyelsebara energikällor har byggts ut. I _{​Tabell 1.a.}

​ visas korrelationen mellan

variablerna i modellen och korrelation mellan variablerna Elpris och Elcertifikatpris är 0.59 vilket tyder på en korrelation mellan variablerna men det bedöms inte vara så mycket att en av variablerna behöver exkluderas. Övriga variabler visar på inga eller mindre korrelationer mellan sig.

Statistik för reporäntan har hämtats från Ekonomifakta.se (2018) och varje år från 2003 till 2016 har tilldelats den reporänta som gällde vid den 31 december det året.

Samtliga variabler har inkluderats i _{​Appendix A}

​ för en översikt över hur de olika variablerna

är korrelerade med varandra. De har även inkluderats i _{​Appendix B}

​ där det finns beskrivande statistik

över varje variabel. Som går att se i _{​Appendix A}

​ är korrelationen mellan elcertifikatpris och elskatt

0.59 och korrelationen mellan _​attityd

​ _​ och _​elpris 0.61 vilket gör att det finns risk för multikollinearitet

4. Variabler och modell

Här presenteras regressionsmodellens konstruktion och sammansättning. Jag motiverar varför jag använder de här variablerna i modellen.

4.1 Beroende variabel

Effekt är mängden arbete per tidsperiod och här mäts effekten i kilowatt som vindkraftverk kan producera. Svenska kraftnät beskriver effekt som “Om en bil inte orkar köra upp för en backe är motorn för svag. Den ger inte tillräcklig effekt” (2018). Effekt är modellens beroende variabel. Här är variabeln _​Effekt

​ definierad som installerad effekt från vindkraftverk mätt i megawatt (MW). Om ett

vindkraftverk har en effekt på en MW så producerar detta vindkraftverk en megawattimme (MWh) på en timme under ideala förhållanden. Vid inspektion av variabelns spridning i en scatterplot med _​Effekt och _​År

​ _​ blev det tydligt att logaritmen av _​Effekt är bättre som beroende variabel. Denna finns bifogad i

appendix C men det är även logiskt eftersom utbyggnaden har varit tilltagande vilket går att se i _​Figur 3

​ i kapitel 3. Då megawatt kan vara svårt att sätta i perspektiv möjliggör en logaritm även lättare

tolkningar. I det här fallet blir tolkning att om en variabel ökar med en enhet ökar _​Effekt

​ i genomsnitt

med parameterestimatet i procent.

Anledningen till att effekt har valts som beroende variabel istället för antal vindkraftverk, som är lättare att förstå, är dels att mängden energi från vindkraft är det som behöver öka, inte bara antalet vindkraftverk. Det som också talar för att använda effekt är även att vindkraftverk med högre effekt ofta är större och låter mer. Eftersom _​Attityder

​ är den oberoende variabeln av störst intresse samtidigt

som oljud och hur synliga vindkraftverken är, har en påverkan på attityden till vindkraft, har bedömningen gjorts att effekt är ett bättre mått på utbyggnad av vindkraft än antalet vindkraftverk.

4.2 Oberoende variabler

Variabeln _​Attityder

​ förklarar hur stor andel som anser att Sverige bör satsa mer på vindkraft under de

närmaste 5 - 10 åren. Data kommer från de nationella SOM-undersökningarna där frågan av intresse är “_{​Hur mycket bör vi i Sverige satsa på vindkraft under de närmaste 5 -10 åren?”}

​ . Svarsalternativen

är “satsa mer”, “satsa ungefär som idag”, “satsa mindre än idag”, “helt avstå från energikällan” och “ingen åsikt”.

vilket möjliggör att den kan användas för att undersöka ändrade attityden (till vindkraft) påverkan på vindkraftsutbyggnad inom län mellan år. En ökad andel positiva till vindkraft väntas ha en positiv påverkan på beroende variabeln. Anledningen till att variabeln _​Attityd

​ är andelen som är positiva till

ökade satsningar till vindkraft är för att det är så få svar som är negativa. Det gör att estimatet inte blir lika pålitligt. En regression med variabeln _​NegAttiyd

​ , där attityder är definierade som andelen som

anser att Sverige ska “Satsa mindre än idag” eller “Helt avstå från energikällan”, finns bifogade i appendix E.

Befolkningstäthet

I Söderbergs (2013) undersökning om faktorer som påverkar vindkraftsutbyggnaden ses befolkningstätheten som en möjlig faktor som kan förklara varför det sker fler avslag på vindkraftsprojekt i södra Sverige jämfört med norra Sverige. Alltså förväntas _{​Befolkningstäthet}

​ ha en

negativ påverkan på _​Effekt.

​ Variabeln är definierad som invånare per kvadratkilometer.

Elpris

Inom elprisområdena baseras elpriserna på utbud och efterfrågan. Eftersom det inte alltid är möjligt att, från ett område till ett annat, transportera den mängd som efterfrågas skiljer sig priserna mellan områden. Dessa skillnader påverkar lönsamheten hos vindkraftverk och det är rimligt att tro att det påverkar etableringen av vindkraftverk positivt varpå elpris läggs till i modellen. Variabeln är definierad som kronor per megawattimme (MWh).

Elcertifikat

Vid produktion av förnyelsebar energi får producenten stöd av staten genom ett marknadsbaserat stödsystem som kallas elcertifikatsystemet. Elcertifikat är en del av ett stödsystem för förnybar el som gör att producenter av förnybar el får högre betalt än marknadspriset på el. När en vindkraftsproducent har producerat en megawattimme (MWh) får den ett elcertifikat som producenten sedan kan sälja på en marknad där priset bestäms genom utbud och efterfrågan. Därmed får producenten en extra inkomst utöver elpriset (Svenska Kraftnät 2018). Priset på elcertifikaten bestäms av utbud och efterfrågan och högre pris borde rimligtvis leda till bättre ekonomiska utsikter för vindkraftverk och ha en positiv påverkan på _​Effekt

​ i analysen.

Figur 4.2 Elproduktion per kraftslag i elcertifikatsystemet

Elskatt

Elskatten är en punktskatt i kr per kWh som har ökat från 16.8 kr (2003) till 19.3 kr (2016). I och med att elskatten påverkar det pris som producenten kan ta ut påverkar det lönsamheten för vindkraftverk och indirekt hur många vindkraftverk som etableras varpå elskatt läggs till i modellen. Det finns möjlighet för avdrag på el som framställts från förnyelsebara källor men för vind krävs det att den installerade generatoreffekten är under 125 kW vilket väldigt få nya vindkraftverk är. Dessa avdrag är därför försumbara.

Reporäntan

I och med att kostnaden för vindkraftverk till stor del ligger i den initiala investeringen för att bygga själva vindkraftverket, och inte driftkostnader som är relativt låg, är kostnaden för att eventuellt belåna investeringen en variabel av intresse. Reporäntan är den ränta som Riksbanken har som verktyg för att påverka inflationstakten. Den ränta som banker lånar ut till påverkas av Reporäntan så en höjd reporänta leder till att bankernas utlåningsränta höjs och företag väljer att investera mindre på grund av den ökade upplåningskostnader (Ekonomifakta 2018). _{​Reporäntan}

​ förväntas ha en negativ

4.3 Modell

Det bästa sättet för att undersöka om _​Attityd

​ _​ har en kausal effekt på _​Effekt är idealt genom att göra ett

randomiserat kontrollerat experiment med en experimentgrupp och en kontrollgrupp. Om de olika grupperna är identiska bortsett från att den ena gruppen blir påverkad av _​Attityd

​ och den andra

gruppen inte blir påverkad. Den skillnaden som blir mellan dessa grupper kommer då bero på antingen slumpen eller den påverkan som _​Attityd

​ har. Är det väldigt osannolikt att det beror på

slumpen har studien hittat ett resultat som med stor sannolikhet är kausalt. Ett experiment av detta slag för denna studie skulle vara väldigt svårt samtidigt som det skulle vara för dyrt.

Det finns dock statistiska metoder för att dra slutsatser från befintliga dataset. Datasetet som används i uppsatsen är paneldata vilket innebär att det finns flera enheter som observeras flera gånger. Här är det län som är enheterna och de observeras en gång per år. Varje län har alltså data för flera tidsperioder vilket gör att län är panelvariabeln och år är tidsvariabeln.

En fix effekt regression är här användbar eftersom det gör att man kan kontrollera för faktorer som inte varierar över tid som kan skapa omitted variable bias om de inte inkluderas. Modellen tar 1

alltså hänsyn till effekten som kommer från variabler som inte är med i modellen och varierar över tid men kan variera mellan län. Genom att använda klustrade standardfel tillåts även att ett läns

observationer korrelerar med varandra men antas vara okorrelerade med andra läns observationer. Det finns stora skillnader mellan län gällande potential för vindkraft vilka skulle skapa omitted variable bias men vid paneldata kan detta problem försvinna eller minska när variabeln som skulle skapat omitted variable bias (OVB_​1​_{) är konstant inom länet.}

Vid en vanlig regression med ordinary least square (OLS) skulle regressionen lida av OVB_​1

till exempel om variabeln för vindförhållanden inte togs med i regressionen men i paneldata med fixed effects påverkar vindförhållanden inte regressionen eftersom den är konstant över tiden. Även om fixed effects här minskar risken för omitted variable bias minskar den samtidigt variationen mellan län. Den variationen hade potentiellt kunnat identifiera effekten på det vi vill mäta. Här kan alltså vindförhållanden förklara en stor del av vindkraftsutbyggnaden. Det som är av intresse är dock Attityders

​ _​ korrelation med _​Effekt och därför är det ett mindre problem och fixed effects kan

kontrollera för vindförhållanden så att estimaten inte blir biased. Om variationen inom länen är låg finns det risk att fixed effects har för lite variation för att estimera precist. Det resulterar i stora standardfel och den statistiska signifikansen blir låg.

påverkan på _​Effekt

​ först efter denna tidsperiod. Man kan med andra ord säga att de oberoende

variablerna kan lagga. I appendix D finns därför en regression där dessa variabler är laggade.

Eftersom en laggad variabel skulle få ett år kortare tidsperiod och att resultatet inte skiljer sig har jag här valt att de oberoende variablerna inte är laggade.

Den modell som används i regressionen är därmed följande:

n(Effekt ) (Attityder) (Befolkningstäthet ) β (Elcertifikatpris) (Elpris )

l _it = β ₀+ β₁ + β _{2 it} + ₃ + β_{4 it} +

(Elskatt ) (Reporäntan)

β_{5 it} + β ₆

5. Ekonometriska Utmaningar

När ekonometriska metoder används för att urskilja ett kausalt samband är viktigt att kontrollera för att de statistiska samband som påträffats stämmer för den population som studeras. Detta kallas för intern validitet. Fem vanliga hot mot den interna validiteten är wrong functional form (fel

funktionsform), omitted variable bias, errors-in-variables bias, sample selection bias och simultaneous causality bias (Stock och Watson, 2011). Utöver dessa fem risker finns det två andra potentiella problem när en modell med fixa effekter används. De är att det inte är tillräckligt med variation i X och att det är mätfel i X. Alla risker som har radats upp kommer att förklaras och deras potentiella effekt på studien kommer att studeras nedan.

Omitted variable bias är när en variabel som utelämnas från modellen korrelerar både med den förklarande variabeln och den beroende variabeln. Regressionen blir då snedvriden då variabelns variation hamnar i residualen vilken då blir systematiskt felskattad. Det finns alltid en risk för att det finns variabler som har en signifikant påverkan på det en man vill undersöka. I det här fallet finns det alltså risk för att variabler som har en signifikant påverkan på mängden vindkraftverk som etableras i ett område inte är med i modellen och därför påverkar estimatet för _​Effekt

​ och samtidigt någon eller

flera av de oberoende variablerna. Tekniker och affärsmodeller har utvecklats i och med att

vindkraften har blivit vanligare men de är svåra att kvantifiera i en modell. Många av de variabler som skulle ha lett till omitted variable bias i en vanlig Ordinary Least Squares (OLS) regression

kontrolleras för i den fixed effects modell som används i den här studien i och med att alla variabler som är konstanta över tid men skiljer sig mellan län kontrolleras för.

Finns det risk att sambandet mellan en förklarande variabel och en beroende variabel är i fel form finns det risk för fel funktionsform. Det kan vara om det finns anledning att tro att något samband är icke-linjärt och istället borde ha en logaritmisk funktion. Denna miss skulle leda till inkonsistenta och biased estimat. I denna studie undersöktes just om sambandet mellan de förklarande variablerna och den beroende variabeln följer ett annat samband än ett linjärt. När detta studerades upptäcktes att en logaritmisk funktion var mer lämplig och den beroende variabeln _​Effekt

logaritmerades.

Hantering av data för med sig risken att det skett inmatningsfel när data sammanställdes eller att respondenter med eller utan avsikt lämnat ett svar som inte stämmer. Det kan bero på att

respondenten inte förstod frågan korrekt eller att personen inte ville svara sanningsenligt. Den data som har erhållits från de nationella SOM-undersökningarna har rimligen inte större risker för felaktiga svar då frågan “_{​Hur mycket bör vi i Sverige satsa på vindkraft under de närmaste 5 -10 åren?”}

risk för inmatningsfel då risken är att jag har tryckt i en siffra fel eller på fel plats. Att dessa fel skulle vara så stora att de skulle ha en märkbar påverkan på studiens resultat är däremot liten.

Om datainsamlingen inte har skett slumpmässigt, eller att en del av urvalet systematiskt saknas, kan detta leda till missing data och sample selection bias. Det finns inte så stora luckor i uppsatsens data att det finns anledning att tro att så är fallet. Risken finns dock i SOM-institutets data men med dess långa erfarenhet av dessa undersökningar ses risken som relativt liten. Denna typ av bias skulle dock kunna göra att regressionen antingen överskattar eller underskattar variabelns påverkan. Det minskar även precisionen i mätningen. Om data endast saknas för en av variablerna är det bara den variabelns förklaringsgrad som påverkas men om det finns risk att data saknas på grund av en annan variabels värde kommer regressionen bli biased.

Om det som studeras är X påverkan på Y men det visar sig att Y även påverkar X finns det simultan kausalitet._​​Om det bara är Y som påverkar X kallas det istället för reversed causality bias. Här ligger studiens svåraste problem. Det finns stor risk att den omfattande utbyggnaden av

vindkraftverk har påverkat individers attityd till vindkraft. Detta skulle göra att korrelationen mellan Attityd

​ _{​ ​ ​ ​} och _​Effekt inte beror på _​Attityds effekt på _​Effekt utan tvärtom. Även hos _{​Elcertifikat} finnas

denna risk i och med att vindkraften är en sådan stor del av elcertifikatmarknaden. Med den stora utbyggnaden av vindkraftverk har marknaden för elcertifikat fått ett ökat utbud av och priset påverkas. Därmed kan det både finnas simultaneous causality bias men också reversed causality bias.

Specifikt för fixed effects regressioner är att mycket variation försvinner jämfört med en vanlig OLS-regression. Det positiva är som tidigare förklarat av omitted variable bias minskar men en del av den goda variationen försvinner också vilket leder till att det är svårare att urskilja statistiska samband. Standardfelen blir större och signifikansen blir lägre för variablerna. Är det för lite variation i en variabel blir dessa problem så stora att det inte går att uttala sig om några samband.

6. Regressionsresultat

I Tabell 1.a. är olika regressioner presenterade. På den vänstra sidan är de förklarande variablerna och högst upp i raderna finns den beroende variabeln _​Effekt.

​ För varje ny regression läggs nya variabler

till. För att illustrera om regressionen är signifikant används stjärnor. En stjärna (*) signalerar att variabeln har ett p-värde som ligger under 0.1, två stjärnor (**) betyder att p-värdet är under 0.05 och tre (***) ett värde under 0.01. Inom parentesen visas vilken standardavvikelse som variabeln har.

I och med att regressionerna som utförts i _{​Tabell 1.a.}

​ är med fixed effects regression på

paneldata syns inte variablerna _​Länen

​ _​ och _​År i tabellen då länen är panelvariabeln (som hålls

konstant) och _​År

​ är tidsvariabeln.

Tabell 2 Regressionstabell för Effekt, Attityd, Elcertifikat, Elpris, Elskatt, Reporäntan, Befolkningstäthet

I den första regressionen som syns i den första kolumnen från vänster (1) är endast _​Attityd med som förklarande variabel. De tre stjärnorna indikerar att _​Attityd

innebär att då andelen inom länet som önskar att Sverige bör satsa mer på vindkraft ökar med en procentenhet så minskar effekten från vindkraft med 7 procent. Nere till vänster i _{​Tabell 2.a}

​ finns R_​2​_,

vilket står för förklaringsgraden som regressionen har. Adj R_​2​ _{står för den justerade förklaringsgraden.}

som tar hänsyn till att fler variabler läggs till i regressionen. N anger antalet observationer i regressionen. I denna första regression där endast _​Attityd

​ finns med förklarar modellen 32 procent av

variationen i _​Effekt

​ och det finns 264 observationer. Det är även ett mått på hur bra regressionen

beskriver studiens data.

I nästa regression som ligger i den andra kolumnen från vänster har _{​Befolkningstäthet}

​ lagts till

i modellen och fått en koefficient på 0,083 samt en standardavvikelse på 0,02. Det betyder att när Befolkningstätheten

​ _​ ökar med en en invånare per kvadratkilometer, ökar _​Effekt i genomsnitt med 0.08

procent. För att sätta det i perspektiv är en ökning på 100 personer per kvadratkilometer i genomsnitt associerat med en ökning av vindkraft med 8 procent.

I kolumn (4) har variabeln _{​Elcertifikat}

​ lagts till vilken går att se i kolumn (3). Den har här en

negativ koefficient på 0,00004 men är insignifikant är signifikant på 10 procent signifikansnivå. I den slutliga regressionen är den dock signifikant på 1 procents signifikansnivå. Koefficienten tolkas som att för varje ökad krona i elcertifikatpris minskar effekten från vindkraft med 0,005 procent.

I den fjärde kolumnen har _​Elpris

​ lagts till i regressionen. Den har här en koefficient på 0,009

men är insignifikant är signifikant på 10 procent signifikansnivå. I den slutliga regressionen där även Elskatt

​ _{​ ​} och _{​Reporäntan} lagts till är _​Elpris signifikant på 1 procents signifikansnivå och har en

koefficient på 0.0120 vilket innebär att för varje extra krona per MWh som elpriset ökar ökar effekten från vindkraftverk med drygt 0.012 procent.

Efter _​Elpris

​ _​ kom _​Elskatt också med i modellen vilken går att ses i kolumn 5, rad 5. Inte heller

Elskatt

​ är signifikant på 10 procent signifikansnivå förrän den slutliga regressionen. Där fick _​Elskatt

ett statistiskt signifikant estimat med en koefficient på 0.344 och en standardavvikelse på 0.055. Tolkningen för _​Elskatts

​ koefficient är att när elskatten ökar med en krona per kWh ökar effekten från

vindkraftverk med 0.344 procent.

I den slutgiltiga modellen återfinns _{​Attityd, Befolkningstäthet, Elcertifikatpris, Elpris, Elskatt} och _{​Reporäntan}

​ _​ vilka förklarar drygt 60 procent av variationen i _​Effekt som baseras på 228

observationer. _{​Reporäntan}

​ har ett negativt estimat på -0,597 och en standardavvikelse på 0,08. Det

innebär även att _{​Reporäntan}

​ är statistiskt signifikant på 1 procent signifikansnivå. Tolkningen för

variabeln är att när _{​Reporäntan}

7. Analys

​ _​ påverkan på _​Effekt undersöktes utan att kontrollera för andra variabler fick

Attityder

​ ett signifikant men negativt värde och även när regressionen kontrollerade för övriga

förklarande variabler fick _​Attityder

​ ett signifikant negativt värde. Baserat på litteraturen angående

attityder till vindkraft förväntades ett positivt värde för en mer positiv attityd till vindkraft. Att Attityder

​ _​ fick ett signifikant värde innebär att det finns en tydlig korrelation mellan _​Attityder och

Effekt

​ men det innebär inte att det är ett kausalt samband. Det är inte troligt att en ökad andel som

anser att Sverige bör satsa mer på vindkraft leder till att effekten från vindkraft minskar. Det stämmer inte heller med tidigare studier som visar att lokalt motstånd till vindkraftverk har en påverkan på om det blir en etablering av nya vindkraftverk i området. I appendix E finns ett regressionsresultat där Attityd

​ istället definieras som andelen negativt inställda till vindkraft. Enligt litteraturen förväntas då

att _{​NegAttityd}

​ _​ ska ha ett negativt estimat för _​Effekt. Även här stämmer inte resultatet överens med det

förväntade resultatet enligt litteraturen utan _{​NegAttityd}

​ får ett en positiv koefficient på 3.4 och är

signifikant på 5 procents signifikansnivå.

I kapitel 3 poängterade jag att attityderna till vindkraft har blivit mindre positiva sedan 2008 samtidigt som effekten från vindkraft har ökat kraftigt. Med hänsyn till detta är det alltså inte konstigt att korrelationen mellan _​Attityd

​ _​ och _​Effekt är negativ. En risk som togs upp om ekonometriska

problem är att det inte nödvändigtvis är _​Attityd

​ _​ som påverkar _​Effekt utan det även är möjligt att

invånare i län som upplevt kraftig utbyggnad av vindkraft har ändrat sin inställning till vindkraft på grund av utbyggnaden vilket gör att det inte går att utesluta en reverse causality bias när koefficienten för _​Attityd

​ _​ estimeras. Det skulle innebära att ju större _​Effekt är desto större blir koefficienten för

Attityd

​ _​ om _​Attityd påverkas negativt av ökad effekt från vindkraft. Det behöver alltså inte vara att

Attityd

​ leder till mindre effekt från vindkraft utan att det är den ökade effekten från vindkraft som lett

till att färre har en positiv attityd till vindkraft. Korrelationen mellan _​Attityd

​ _​ och _​Effekt kan alltså vara

negativ på grund av att _​Effekt

​ _​ påverkar _​Attityd och inte tvärtom. Ett nybyggt vindkraftverk som ökar

effekten från vindkraft kan alltså direkt leda till att den positiva attityden till vindkraft minskar. I kapitel 2 behandlas attityder och baserat på den forskningen är det möjligt att det i den här undersökningen skiljer sig mellan attityd och attityd beroende på vilken _{​tillgänglighet}

​ individer har

till attityden. I och med att _{​tillgängligheten}

​ ökar med mer information är det rimligt att individer som

bor där ett vindkraftsprojekt planeras har en mer _{​tillgänglig}

​ attityd till vindkraft eftersom

biased krävs att _​Attityd

​ är homogen inom länen vilket inte är ett rimligt antagande därmed kan

estimatet för _​Attityd

​ _​ vara missvisande givet teorin om attityders _{​tillgänglighet}.

En ökad befolkningstäthet gör det troligare att invånare bor i närheten av vindkraftverken och det är rimligt att det ger större motstånd till vindkraft och därmed färre vindkraftverk. Därmed hade ett negativt värde på _{​Befolkningstäthet}

​ _​ förväntats. Vid regressionen fick _{​Befolkningstäthet} ett signifikant

positivt värde där en ökad befolkningstäthet på 100 personer är i genomsnitt associerat med en ökning av vindkraft med 3,3 procent. Detta resultat är förvånande och leder till slutsatsen att korrelationen troligen är utan kausalitet eftersom det inte går att urskilja vad i _{​Befolkningstäthet}

​ _​ som kan öka _​Effekt.

När _{​Elcertifikatpris}

​ lades till i regressionen fick variabeln en negativ koefficient men var inte

statistiskt signifikant. På förhand förväntades att ett högre pris på elcertifikat skulle leda till bättre potential för nya vindkraftverk och i sin tur leda till större effekt från vindkraftverk. Vid den slutliga regressionen är _{​Elcertifikatpris}

​ signifikant samtidigt som den har en negativ koefficient. Precis som

Attityders

​ _​ starka korrelation med _​Effekt inte behöver vara ett kausalt samband behöver inte

Elcertifikatpris

​ _​ korrelation med _​Effekt vara ett kausalt samband.

Även _{​Elcertifikatprisets}

​ _​ korrelation med _{​Effekt ​har risk för reverse causality bias och innebär}

med andra ord att det är möjligt att en utökad effekt från vindkraftverk leder till att elcertifikatpriset påverkas. I och med att det har skett en stor utbyggnad av vindkraften i Sverige har utbudet av elcertifikat ökat kraftigt. Då priset på elcertifikaten bestäms av utbud och efterfrågan har detta lett till ett fall i priset. Det kan alltså anses rimligt att det finns en reverse causality bias i estimatet för Elcertifikatpris.

I den fjärde regressionen där _​Elpris

​ lades till i modellen fick variabeln inte en signifikant

koefficient och den var dessutom negativ. I förhand förväntades att _​Elpris

​ skulle ha en positiv

påverkan på effekten från vindkraftverk i och med att ökade elpris likt elcertifikaten skulle leda till bättre potential för nya vindkraftverk och större effekt från vindkraftverk. Till viss del finns det även här risk för ett reverse eller simultaneous causality bias i och med att utbyggnaden av vindkraftverk ökar produktionen av el och priset påverkas som även den bestäms av utbud och efterfrågan. I den slutliga modellen har ändå _​Elpris

​ en positiv och statistiskt signifikant koefficient på 0.012 vilket är i

linje med förväntningar. Elskatt

​ var statistiskt signifikant på 1 procent när variabeln lades till i modellen och hade en

positiv koefficient. Detsamma gäller även i den slutliga modellen. I förhand förväntades _​Elskatt

​ ha en

negativ korrelation med _​Effekt

​ _​ men i den slutliga modellen hade _​Elskatt en positiv signifikant

korrelation med _​Effekt.

​ _​ För den sista variabeln som lades till, _{​Reporäntan,} förväntades den ha en

negativ påverkan på _​Effekt

​ vilket den också fick.

Resultaten för _​Attityd

​ leder till att det inte går att styrka hypotesen att en positiv attityd leder

8. Slutsats

Syftet med den här uppsatsen har varit att undersöka vilken effekt som en positiv attityd till ökad satsning på vindkraft har på utbyggnaden av vindkraft. Genom att konstruera en modell som baseras på faktorer som rimligen påverkar potentialen för vindkraft genomfördes en regressionsanalys. De resultat som erhölls var att när andelen inom länet som önskar att Sverige bör satsa mer på vindkraft ökar så minskar effekten från vindkraft. Detta stämmer inte överens med tidigare litteratur i ämnet och leder även till slutsatsen att det inte går att se något som tyder på att ökad andel som anser att Sverige bör satsa mer på vindkraft leder till ökad effekt från vindkraft. Det betyder dock inte att attityden inte påverkar effekten. Det går enbart att säga att det inte hittats något som tyder på det.

Baserat på forskningen kring attityder finns det även anledning att tro att individer boendes i närheten av vindkraftsprojekt har större benägenhet att agera baserat på sin attityd till vindkraft. I och med att _​Attityd

​ rimligtvis inte är homogen inom länen kan att estimatet för sambandet mellan _​Attityd

och _​Effekt

​ vara biased givet teorin om attityders _{​tillgänglighet.}

Resultatet visar att elcertifikat, elskatt och reporäntan alla har statistiskt signifikanta samband med effekten från vindkraftverk. Den modell som används i regressionsanalysen förklarar hälften av variationen i effekten från vindkraftverk. Genom att lägga till fler variabler som kan ha en påverkan på vindkraftsutbyggnad och på så sätt optimera modellen kan framtida studier finna fler samband av intresse. Det är även intressant för politiker och tjänstemän att lägga extra fokus på elcertifikat och elskatt som har en tydlig korrelation med effekten från vindkraften.

För framtida studier vore det intressant att se hur resultaten från denna studie över svenska län skiljer sig från andra länder. Liknande studier i ett annat nordiskt land skulle ge en möjlighet att jämföra och utvärdera dessa resultat i förhållande till ett annat, liknande, lands resultat.

För vidare studier i Sverige vore det intressant att studera hur attityder på kommunal nivå förhåller sig till utbyggnaden av vindkraft eftersom besluten tas på just kommunnivå och invånare i kommuner där det planeras vindkraftsprojekt kan ha en mer _{​tillgänglig}

​ attityd till vindkraft. Med åren

har fler och fler kommuner fått vindkraftverk och de har även ökat vindkraftverken inom

kommunerna. Denna utveckling ser ut att fortsätta. Det gör att variationen inom och mellan länen ökar och möjliggör bättre ekonometriska analyser även på kommunnivå.

Andra sätt att dra lärdomar från denna studie och använda dessa i andra studier är att utveckla de variabler som används här och lägga till nya. Ett mått för utbyggnad av elnät eller hur ansträngt nätet är i länet kan ge bättre estimat för _​Attityd

9. Källförteckning

Helkama, K., Myllyniemi, R., Liebkind, K., Ruusuvuori, J., Lönnqvist, J-E., Hankonen, N., Mähönen, T A., Jasinskaja-Lahti, I., Lipponen, J. (2017) _{​Socialpsykologi - en introduktion.}

​ 2 uppl. Liber AB,

Malmö

Kallgren, C. Wood, W. (1986). _{​Access to attitude-relevant information in memory as a determinant of} attitude-behavior consistency.

​ Journal of Experimental Social Psychology, 22(4), ss 328-338

Nilsson, A., Martinsson, J. (2012). Attityder till miljöfrågor : utveckling, betydelse och förklaringar. Studentlitteratur, Lund

Rosen, H. Gayer, T. (2014). _{​Public Finance}

​ 10 uppl. New York: McGraw-Hill Education

Stock, J.H. Watson, M.W. (2011). _{​Introduction to econometrics}

​ , 3 uppl, Global uppl, Harlow:

Pearson

Toke, D. (2005). _{​Explaining wind power planning outcomes: some findings from a study in England} and Wales.

​ Energy Policy, 33(12), ss 1527-1539

Wicker, A. W. (1969). _{​Attitudes versus actions: The relationship of verbal and overt behavioral} responses to attitude objects.

​ Journal of Social Issues, 25, 41-78.

Wolsink, M. (2000)_{​ Wind power and the NIMBY-myth: institutional capacity and the limited} significance of public support.

​ Renewable Energy, 21(1), ss. 49-64

Wolsink, M. (2007) _{​Wind power implementation: The nature of public attitudes: Equity and fairness} instead of ‘backyard motives’

​ . Renewable and Sustainable Energy Reviews, 11(6) ss. 1188-1207.

Elektroniska källor

https://web.archive.org/web/20130312183231/http://www.energimyndigheten.se/sv/Om-oss/Var-verk samhet/Framjande-av-vindkraft1/Mal-och-forutsattningar-/Nytt-planeringsmal-for-2020/ [2018-03-27] Energimyndigheten (2018). Om elcertifikatsystemet https://www.energimyndigheten.se/fornybart/elcertifikatsystemet/om-elcertifikatsystemet/ [2018-04-17]

Energimyndigheten (2016). _{​Produktionskostnader för vindkraft i Sverige}

https://www.energimyndigheten.se/contentassets/9f658fbcc1d24014bbe6fbeb70f80cba/er-2016_17-pr

oduktionskostnader-for-vindkraft-i-sverige.pdf_​ [2018-04-17]

Hedberg, P. & Holmberg, S. (2015) Svenska folkets åsikter om energikällor. Forskningsprojektet Energiopinionen i Sverige. Göteborg : SOM-institutet

Naturvårdsverket (2017). Tydligare spelregler för vindkraft om kommunal tillstyrkan tas bort. http://naturvardsverket.se/Nyheter-och-pressmeddelanden/Tydligare-spelregler-for-vindkraft-om-kom

munal-tillstyrkan-tas-bort/_​ [2018-03-27]

Olsson, S. (2015). _{​Det blåser kalla vindar i Norrland}

  : En studie av kommunikation, attityd och

acceptans av vindkraftsutbyggnad utifrån lokalinvånares perspektiv.

​ Diva.

http://urn.kb.se/resolve?urn=urn:nbn:se:uu:diva-269673

Klintman, M., Waldo, Å. (2008) _{​Erfarenheter av vindkraftsetablering - Förankring, acceptans och} motstånd.

​ (Rapport 5866). Stockholm: Naturvårdsverket.

Perkiö, H. (2017). Kommunalt veto stoppar vindkraft. Dagens Samhälle, 22 maj https://www.dagenssamhalle.se/nyhet/kommunalt-veto-stoppar-vindkraft-32679 Skatteverket (2018). Energiskatt på el.

https://www.skatteverket.se/foretagochorganisationer/skatter/punktskatter/energiskatter/energiskattpae

l.4.15532c7b1442f256bae5e4c.html_​ [2018-03-27]

Stata (2017). Regress postestimation — Postestimation tools for regress

Svenska Kraftnät (2018). Drift och Marknad

https://www.svk.se/drift-av-stamnatet/drift-och-marknad/_​ [2018-04-17]

Söderberg, A-L. (2013). _{​Faktorer som påverkar vindkraftsutbyggnaden} http://uu.diva-portal.org/smash/get/diva2:588422/FULLTEXT01.pdf Vindlov (2018). _​Kommuner

http://www.vindlov.se/sv/ansvar--roller/kommuner/_​ [_{​2018-04-24]}

Data

Göteborgs universitet, SOM-institutet (2014). Super-Riks-SOM. Svensk Nationell Datatjänst. Version

5.0._​ https://doi.org/10.5878/002896

Statistiska centralbyrån, Statistikdatabasen (2018). _{​Befolkningstäthet}

www.statistikdatabasen.scb.se_​ [2018-04-11]

Energimyndigheten (2018)._{​ Energiläget i siffror 2018}

http://www.energimyndigheten.se/statistik/energilaget/_​ [2018-04-11]

Ekonomifakta (2018). _{​Reporäntan}

https://www.ekonomifakta.se/Fakta/Ekonomi/Finansiell-utveckling/Styrrantan/?graph=/1554/

1/all/

_​

[2018-04-17]

10. Appendix

Kolumn1 Attityd Befolkningstäthe

t

Elcertifikatpris Elskatt Elpris Reporänta

n Attityd 1,00 Befolkningstillvä xt −0,29 1,00 Elcertifikatpris 0,34 −0,01 1,00 Elskatt 0,13 0,00 −0,03 1,00 Elpris 0,29 -0,01 0.59 -0,02 1,00 Reporäntan 0,61 −0,17 0,03 0,41 0,27 1,00

10. B Deskriptiv statistik

Anges i Medelvärde Standard-

10. C Two way scatter med _​Effekt

​ och _​År.

10. E. Regression där _{​NegAttityd}

​ är andelen som anser att Sverige ska “Satsa mindre än idag” eller