Professional Documents
Culture Documents
Analiza Porównawcza Wykorzystania OZE W Państwach UE
Analiza Porównawcza Wykorzystania OZE W Państwach UE
Maksymilian Wiśniewski
Nr indeksu: 292130
Kierunek: Ekonomia
2 rok, II stopień
Praca napisana pod kierunkiem
dr Mateusza Jankiewicza
Toruń, 23.01.2022
Spis treści
1
Rozdział 1. Energia, jej źródła i znaczenie dla gospodarki
1.1. Geneza i źródła energii
Od początków istnienia świata, każdy proces zachodzący na kuli ziemskiej i
we Wszechświecie jest oparty na oddziaływaniach o charakterze energetycznym.
Łańcuchy górskie, zjawiska erozyjne, ale także obrotów galaktyk czy reakcje
nuklearne w gwiazdach – wszystkie te mechanizmy obecne w przyrodzie nie miałyby
miejsca, gdyby nie energia. Każde życie na świecie jest oparte na energii, również to
ludzkie. Człowiek jest istotą egzystującą dzięki zaopatrzeniu w energię, jest ona
niezbędna do jego prawidłowego funkcjonowania i rozwoju1. Przemiany w ludzkim
organizmie, zdolność do wykonywania pracy, zdolność do rozmnażania się –
wszystkie te cechy i umiejętności człowieka są uzależnione od jego pokładów
energetycznych. Dlatego tak ważne jest odpowiednie zaopatrywanie się w energię.
Generalnie istotę energii można określić w ten sposób – żeby cokolwiek mogło się
wydarzyć jedna z wielu form energii musi być przekształcona w inną.
Słowo „energia” ma wiele różnych znaczeń i jest wymieniane w wielu
kontekstach. Trudno więc jednoznacznie je zdefiniować. Definicja encyklopedyczna
mówi, że jest to „podstawowa wielkość fizyczna charakteryzująca w sposób
ilościowy układ materialny, określająca ruch jego składników oraz ich wzajemne
oddziaływanie”2. Wyróżnia się różne rodzaje energii3:
− energia chemiczna, czyli zmagazynowana energia, która jest uwalniana w
wyniku rozszczepienia się lub łączenia się w celu tworzenia związków chemicznych
dwóch lub więcej atomów i/lub molekuł,
− energia elektromagnetyczna, która związana jest z promieniowaniem
elektromagnetycznym i jego różnymi postaciami, np. światłem podczerwonym,
− energia mechaniczna, czyli energia używana do podnoszenia ciężaru,
− energia nuklearna będąca energią uwolnioną w wyniku interakcji
cząsteczek w jądrach atomowych,
− energia termiczna (cieplna), która jest związana z chaotycznym ruchem
cząsteczek układu, w wyniku czego tworzone jest ciepło
− energia elektryczna, czyli energia wywołująca przepływ elektronów.
1
Henryk Charun, Podstawy gospodarki energetycznej. Część 1, Wydawnictwo Uczelniane Politechniki
Koszalińskiej, Koszalin, 2004, s. 15
2
https://encyklopedia.pwn.pl/haslo/energia;3897972.html (dostęp: 23.01.2022)
3
Op. cit., s. 15
2
Współcześnie najczęściej używa się słowa „energia” w znaczeniu energii
elektrycznej, z którą człowiek ma najwięcej do czynienia na co dzień.
Przez wiele wieków naukowcy z różnych państw i kontynentów dokonywali
kolejnych odkryć, które przybliżały energię elektryczną do formy, w jakiej znana jest
ona dzisiaj. Warto tu chociażby wymienić Benjamina Franklina III, który w 1752
roku jako pierwszy udowodnił, że piorun jest wyładowaniem elektrycznym4;
Alessandro Voltę, który w 1800 roku skonstruował ogniwo Volty, które wytwarzało
stały prąd elektryczny i odkrył, że poszczególne reakcje chemiczne mogą wytwarzać
energię elektryczną5; a także Michaela Faradaya, który skonstruował dynamo
elektryczne, czyli surowy generator prądu czy Nikolę Teslę, który w 1900 roku
opracował sposób na przesyłanie energii elektrycznej6. A przecież o istnieniu
ładunków elektrycznych wiedzieli już Starożytni Grecy. Badania nad prądem
elektrycznym w XIX i XX wieku oraz związane z nimi odkrycia były elementem
rewolucji naukowo-technicznej, która obok gwałtownego wzrostu liczby ludności na
świecie była głównym czynnikiem sprawczym olbrzymiego wzrostu zużycia energii7.
Do wytworzenia energii niezbędne są zasoby energetyczne, w które obfituje
planeta Ziemia. Nazywa się je źródłami energii. Według definicji encyklopedycznej
źródła energii to „wszelkie substancje, zjawiska, procesy, obiekty lub urządzenia,
które mogą być wykorzystane bezpośrednio lub po zrealizowaniu odpowiednich
przemian energetycznych – do zaspokajania potrzeb energetycznych człowieka”8.
Prościej rzecz ujmując są to wszelkiego rodzaju kruszce, paliwa i inne ciecze czy też
zjawiska przyrodnicze, z których produkuje się energię. Źródła te można podzielić na
odnawialne i nieodnawialne9. Źródła odnawialne (w skrócie OZE) to źródła energii,
które uzupełniają się (lub odnawiają) w sposób naturalny10. Przykładami takich źródeł
są chociażby woda, Słońce, biomasa czy wiatr11. Źródła nieodnawialne to wszelkie
surowce, których eksploatacja prowadzi do zmniejszania naturalnych zasobów, a z
4
https://energiadirect.pl/poradniki/kto-wymyslil-prad (data dostępu: 14.02.2022)
5
https://fizyka.uniedu.pl/alessandro-volta/ (data dostępu: 14.02.2022)
6
https://energiadirect.pl/poradniki/kto-wymyslil-prad (data dostępu: 14.02.2022)
7
Witold M. Lewandowski, Ewa Klugmann-Radziemska, Proekologiczne odnawialne źródła energii.
Kompendium, Państwowe Wydawnictwo Naukowe, Warszawa, 2017, s. 21
8
https://encyklopedia.pwn.pl/haslo/energii-zrodla;3897991.html (dostęp: 22.11.2021)
9
Józef Paska, Wytwarzanie energii elektrycznej, Oficyna Wydawnicza Politechniki Warszawskiej
Warszawa, 2018, s. 12
10
https://ec.europa.eu/eurostat/statistics-
explained/index.php?title=Glossary:Renewable_energy_sources/pl (dostęp: 22.11.2021)
11
Józef Paska, Op. cit., s.12
3
czasem także do całkowitego ich wyczerpania12. Zalicza się do nich paliwa stałe
(węgiel kamienny i brunatny, torf), paliwa płynne (ropa naftowa, lekki olej opałowy
ciężki olej opałowy, olej Diesla, benzyna i inne), a także paliwa gazowe (gaz ziemny)
oraz paliwa nuklearne (rudy uranu czy toru)13.
Ogromny wzrost zapotrzebowania na energię zmusił człowieka do
poszukiwania nowych źródeł energii oraz efektywniejszego wydobywania tych
znanych i dostępnych. Stąd też w XXI wieku znacznie przyspieszyły badania nad
odnawialnymi źródłami energii, a także wzrosły wydatki na infrastrukturę niezbędną
do przemiany energii, którą one wytwarzają na energię elektryczną. Oprócz tego
„moda na ekologię” spowodowała, że państwa zaczęły odwracać się od źródeł
nieodnawialnych i zastępować je zieloną energią.
1.2. Aspekt ekonomiczny energii
Z racji na swoje znaczenie energia jest przedmiotem zainteresowania wielu
nauk, w tym również ekonomii. Ekonomia zwraca uwagę na konieczność
zapewnienia ciągłego i łatwego dostępu do energii elektrycznej, która jest podstawą
funkcjonowania i rozwoju współczesnych społeczeństw, a co za tym idzie wzrostu
gospodarczego. W tym kontekście warto przywołać pojęcie „bezpieczeństwa
energetycznego”, które ostatnio coraz bardziej nabiera na znaczeniu. Pojęcie to w
dużym skrócie można zdefiniować jako gwarancję dostaw energii. Bezpieczeństwo
energetyczne zależne jest od kilku istotnych czynników, takich jak14:
12
https://www.esoleo.pl/baza-wiedzy/poradnik-fotowoltaika-esoleo/oze-i-ekologia/jakie-sa-
nieodnawialne-zrodla-energii-w-polsce/ (dostęp: 14.01.2022)
13
Witold M. Lewandowski, Ewa Klugmann – Radziemska, Op. cit., s.23, Op. cit., s.12
14
https://www.gov.pl/web/polski-atom/bezpieczenstwo-energetyczne-podstawa-rozwoju-
spoleczenstwa (dostęp: 14.01.2022)
4
− transport, czyli czynnik związany przede wszystkim z łatwością i
bezpieczeństwem przesyłu energii do każdego konsumenta;
− dywersyfikacja dostawców, a więc brak zależności od ograniczonej grupy
dostawców, tak aby nie wystąpiło ryzyko zakłóceń w dostawach,
− różnorodność źródeł energii, a więc czynnik związany z budową
odpowiedniego miksu energetycznego, który nie będzie oparty tylko na
jednym źródle, ale na właściwej kombinacji odnawialnych i
nieodnawialnych źródeł.
Niewątpliwie, ekonomiczny aspekt energii jest też w dużej mierze związany z
jej ceną. Ostatnio kryzys gospodarczy wywołany pandemią Covid-19, ale też
problemy z realizacją dostaw oraz zmniejszona produkcja w krajach-eksporterach
głównych surowców energetycznych spowodowały, że ceny energii wywindowały w
górę. Analiza czynników wywołujących zawirowania na rynku energii jest istotnym
elementem prowadzenia właściwej polityki energetycznej, a co za tym idzie w miarę
możliwości zapobiegania nagłym szokom cenowym na rynku energii. Często rządy
państw posiadających duże zasoby surowców energetycznych stosują różne
polityczne zagrywki i szantaże, które dodatkowo wywołują wzrost oczekiwań
cenowych wśród spekulantów i w ten sposób sztucznie windują ceny energii w górę.
Analiza rynku energii oraz czynników mających na niego wpływ jest bardzo
ważnym przedmiotem zainteresowania ekonomistów. Łatwo dostępna, tania i
bezpieczna energia jest bazą do rozwoju gospodarczego współczesnych społeczeństw,
a jej zapewnienie jest jednym z kluczowych zadań polityki energetycznej każdego
państwa. Dywersyfikacja źródeł energii jest współcześnie możliwa tylko i wyłącznie
przy wykorzystaniu OZE. Z racji na wyczerpujące się zasoby surowców
energetycznych, odnawialne źródła przykuwają teraz największą uwagę, a kraje
prześcigają się w ich wykorzystaniu. W Unii Europejskiej nowe przepisy wręcz
wymuszają na jej członkach transformację energetyczną w ciągu najbliższych
kilkudziesięciu lat. Stąd też warto zbadać wykorzystanie OZE w UE, które w ciągu
ostatnich kilkunastu lat znacznie wzrosło, ale jeszcze głośniejsza stała się dyskusja,
czy zielona energia nie jest tylko wymysłem najbogatszych państw, które jeszcze
bardziej chcą pogłębić podziały panujące na świecie.
5
Rozdział 2. Analiza wykorzystania OZE w państwach UE w latach 2000, 2010 i 2019
2.1. Przedmiot badania, cele, hipotezy badawcze
Przedmiotem badania są odnawialne źródła energii. Analiza dotyczy finalnego
zużycia tych źródeł. Podmiotem badania są państwa Unii Europejskiej w formacie
UE-28, a więc włącznie z Wielką Brytanią, która opuściła UE w 2020 roku. Badanie
zostało przeprowadzone dla trzech wybranych lat, tak aby przeanalizować również
dynamikę zmian wykorzystania OZE w tych latach. Wybrano 2000, 2010 i 2019 rok,
ponieważ lata te reprezentują koniec XX wieku oraz pierwsze dwadzieścia lat XXI
wieku. To właśnie w tym okresie można mówić o wzroście zainteresowania OZE.
Ostatnim wybranym rokiem jest rok 2019, ponieważ dla nowszych lat nie były
dostępne dane z Wielkiej Brytanii.
Głównym celem badania jest porównanie państw Unii Europejskiej pod kątem
ich wykorzystania odnawialnych źródeł energii w 2000, 2010 i 2019 roku. W obrębie
tego celu wyznaczono również szczegółowe zadania badawcze, jakimi były: analiza
tendencji centralnej oraz rozproszenia wykorzystania OZE w UE oraz ich zmian w
wybranych latach, analiza stopnia koncentracji wykorzystania OZE w państwach UE
latach 2000-2019, analiza struktury zużycia OZE w państwach UE w wybranych
latach oraz budowa modelu przestrzennego opisującego zależność wykorzystania
odnawialnych źródeł energii w państwach UE od wielkości PKB per capita tych
państw osobno dla roku 2000, 2010 i 2019. Miały one na celu potwierdzenie
postawionych hipotez badawczych, które są następujące:
1. Wykorzystanie odnawialnych źródeł energii nie jest równomierne w całej
Unii Europejskiej, a Europa jest podzielona na spójne obszary, które w
większym i mniejszym stopniu korzystają z tych źródeł.
2. W miarę upływu czasu koncentracja wykorzystania OZE w UE jest coraz
większa, a więc postępuje konwergencja w odniesieniu do tego procesu.
3. Państwa UE położone na południowym wschodzie Europy charakteryzują
się średnio niższym wykorzystaniem OZE aniżeli pozostałe.
4. Występuje zależność pomiędzy sąsiednimi państwami UE w ramach
kształtowania się wykorzystania OZE.
5. PKB per capita ma wpływ na kształtowanie się OZE w państwach UE.
6
Do badania zostały wykorzystane dane Eurostat opisujące finalne zużycie
energii z OZE (w tysiącach TOE15) oraz realne PKB per capita (w euro per capita), a
także liczbę mieszkańców państw UE w wybranych latach. Następnie obliczono
finalne zużycie na mieszkańca, aby zapewnić porównywalność tych danych.
Dodatkowo finalne zużycie pomnożono przez tysiąc, aby operować na większych
wartościach. Z racji występujących drobnych braków w danych (brakowało w nich
realnego PKB per capita dla Rumunii w latach 2000-2001) konieczne było ich
wypełnienie zgodnie z teorią ekonomii. Brakujące realne PKB per capita obliczono na
podstawie nominalnego PKB w USD. W tym celu wykorzystano średnie roczne kursy
USD/euro w latach 2000 i 2001 (przeliczone z kursów miesięcznych) oraz liczbę
mieszkańców Rumunii w tych latach. Realne PKB per capita zostało przez Eurostat
obliczone poprzez nawiązania łańcuchowe („chain linked volumes”), czyli jako
wartość wyprodukowanych dóbr i usług w danym roku w cenach rynkowych z 2010
roku16. Wyniki analizy statystyk przestrzennych przeliczono na kilometry zgodnie ze
skalą 1:90 (1 km na mapie w programie R to 90 km w rzeczywistości).
15
TOE (ang. tons of oil equivalent) – tona olejowego odpowiednika, która według ustawy z dnia 15
kwietnia 2011 roku o efektywności energetycznej stanowi równoważnik jednej tony ropy naftowej o
wartości opałowej równej 41868 kJ/kg (10000 kcal/kg)
16
https://ec.europa.eu/eurostat/databrowser/view/sdg_08_10/default/table?lang=en(dostęp: 23.02.2022)
7
Prawnych Uniwersytetu Technologiczno-Humanistycznego im. Kazimierza
Pułaskiego w Radomiu. Praca ta nosi tytuł „Rola OZE w europejskim systemie
energetycznym” i pokazano w niej pozycję Europy w globalnym rynku OZE. Autorzy
pracy wyciągnęli ciekawe wnioski na podstawie swoich badań. Po pierwsze, Europa
do 2013 roku była liderem inwestowania w badania i rozwój technologii OZE,
jednakże w 2013 roku przegoniły ją Chiny. Po drugie, europejska transformacja
energetyczna przebiega w dynamicznym tempie, o czym świadczy dwukrotny wzrost
udziału energii z OZE w końcowym zużyciu energii brutto w latach 2013-201717.
W innej pracy napisanej pod redakcją naukową Alojzego Z. Nowaka,
Mariusza Szałańskiego i Władysławy Zborowskiej z Wydziału Zarządzania
Uniwersytetu Warszawskiego, pt. „Rola odnawialnych źródeł energii w rozwoju
społeczno-ekonomicznym kraju i regionu” autorzy doszli do wniosku, że
zwiększanie udziału energii ze źródeł odnawialnych w bilansach energetycznych
poszczególnych krajów stanowi ważny aspekt przyjętej strategii zrównoważonego
rozwoju, czyli transformacji w kierunku gospodarki niskoemisyjnej, efektywniej
korzystającej z zasobów i konkurencyjnej. Jest to jedno z założeń strategii rozwoju
Unii Europejskiej do 2020 roku18.
Z prac polskich badaczy warto jeszcze zwrócić uwagę na pracę pani Ewy
Jankowskiej z Wydziału Nauk Ekonomicznych i Zarządzania Uniwersytetu Mikołaja
Kopernika w Toruniu, pt. „Środowiskowa krzywa Kuznetsa w dekarbonizacji
europejskich gospodarek”, która porusza temat wpływu wzrostu gospodarczego na
emisję zanieczyszczeń. W pracy tej potwierdziła się hipoteza, że wraz z rozwojem
gospodarki zwiększają się emisje gazów cieplarnianych, a w szczególności dwutlenku
węgla, pochodzącego ze spalania paliw kopalnych19. Wniosek ten jeszcze bardziej
podkreśla rolę OZE w „ekologicznym” wzroście gospodarczym.
W zagranicznych pracach naukowych odnawialne źródła energii również są
bardzo popularną tematyką. Przykładowo w swoim artykule, pt. „Renewable Energy
Sources in the European Union: Markets and Capacity” K. Kaygusuz, Ö. Yüksek i A.
17
Beata Zakrzewska, Konrad Rojek, Rola OZE w europejskim systemie energetycznym, „Autobusy”,
6/2019, Wydziału Nauk Ekonomicznych i Prawnych Uniwersytetu Technologiczno-Humanistycznego
im. Kazimierza Pułaskiego w Radomiu, Radom, 2019, s. 360-352
18
Alojzy Z. Nowak, Mariusz Szałański i Władysława Zborowska, Rola odnawialnych źródeł energii w
rozwoju społeczno-ekonomicznym kraju i regionu, Wydawnictwo Naukowe Wydziału Zarządzania
Uniwersytetu Warszawskiego, Warszawa, 2016, s. 17, s. 30
19
Ewa Jankowska, Środowiskowa krzywa Kuznetsa w dekarbonizacji europejskich gospodarek,
„Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach”, nr 289/2016, Uniwersytet
Ekonomiczny w Katowicach, Katowice, 2016, s. 58
8
Sari z Karadeniz Technical University oraz Gaziosmanapasa University w Turcji
przeanalizowali wydatki na badania i rozwój technologii OZE w UE (UE-15) na
podstawie danych z przełomu XX i XXI wieku. Z ich analizy wynika, że wszystkie
państwa Unii Europejskiej dostrzegły konieczność włączenia OZE do sektora
energetycznego w celu ochrony środowiska, bezpieczeństwa i dywersyfikacji dostaw
energii oraz rozwoju społecznego20.
Niewątpliwie prac naukowych dotyczących OZE jest bardzo wiele, ale rzadko
poruszają one aspekt czysto przestrzenny. Naukowcy zgodnie twierdzą, że rozwój
OZE jest niezbędnym elementem właściwej polityki energetycznej, a na całym
świecie nabierają one coraz większego znaczenia. Ich wnioski częściowo pokrywają
się z postawionymi przeze mnie hipotezami. Jednakże, warto uzupełnić
dotychczasowe analizy o badanie aspektu przestrzennego OZE w UE w XXI wieku.
∑𝑛
𝑖=1 𝑥𝑖
𝑥̅𝑐 = ,
𝑛
20
K. Kaygusuz, Ö. Yüksek i A. Sari, Renewable Energy Sources in the European Union: Markets and
Capacity, “Energy Sources, Part B: Economics, Planning and Policy”, 2:1, s.19-29, Wydział Chemii
Uniwersytetu Technicznego Karadeniz w Trabzon, Wydział Chemii Uniwersytetu Gaziosmanpa¸sa w
Tokat, Taylor and Francis Group, Turcja, 2007, s. 27
21
Jadwiga Suchecka [red.], Statystyka przestrzenna. Metody analiza struktur przestrzennych,
Wydawnictwo C.H. Beck, Warszawa, 2014, s. 112
9
Średnią szerokość geograficzną wyznacza się ze wzoru:
∑𝑛
𝑖=1 𝑦𝑖
𝑦̅𝑐 = ,
𝑛
∑𝑛
𝑖=1 𝑝𝑖 𝑥𝑖 ∑𝑛
𝑖=1 𝑝𝑖 𝑦𝑖
𝑥̅𝑤𝑐 = ∑𝑛
, 𝑦̅𝑤𝑐 = ∑𝑛
,
𝑖=1 𝑝𝑖 𝑖=1 𝑝𝑖
𝑑𝑖𝑗
𝑀𝐷𝑐 = ∑𝑛−1 𝑛
𝑖=1 ∑𝑗=𝑖+1 ,
𝑛
𝑀𝐷𝑤 = ∑𝑛−1 𝑛
𝑖=1 ∑𝑗=𝑖+1 𝑓𝑖 𝑓𝑗 𝑑𝑖𝑗 ,
22
Jadwiga Suchecka [red.], Op. cit., s. 113
23
Ibidem, s. 114
24
Ibidem, s. 119
10
Kolejną miarą dyspersji, powszechnie stosowaną, jest średnia odległości
kwadratowych, która mierzy odległość pomiędzy i-tym a j-tym punktem a następnie
pomiędzy j-tym oraz i-tym. Wyznacza się ją za pomocą formuły:
gdzie 𝑑𝑖𝑗 wylicza się tak samo jak przy średniej odległości.
Miarę tą można również skorygować o wartości badanego zjawiska (ważona średnia
odległości kwadratowych). Wtedy wyznacza się ją ze wzoru:
∑𝑛 2
𝑖=1 𝑑𝑖𝑐
𝑑=√ ,
𝑛
𝑑 = √∑𝑛𝑖=1 𝑓𝑖 𝑑𝑖𝑐
2
,
25
Jadwiga Suchecka [red.], Op. cit., s. 120
26
Ibidem, s. 121
11
gdzie 𝑠𝑖 = [xi, yi] to współrzędne położenia na płaszczyźnie, i = 1, 2, ..., N to indeksy
badanych jednostek przestrzennych, 𝑘 + 𝑚 ≤ 𝑝, zaś p to stopień wielomianu trendu.
Najczęściej wykorzystuje się trendy pierwszego, drugiego i trzeciego stopnia27.
Autokorelacja przestrzenna określa interakcje występujące pomiędzy
wartościami zjawisk w różnych lokalizacjach. Wyróżnia się autokorelację28:
− dodatnią, która oznacza, że wartości zjawiska skupiają się w przestrzeni i
obszary sąsiadujące są podobne
− ujemną, która oznacza, że obszary sąsiadujące różnią się pod względem badanej
zmiennej bardziej niż wynikałoby to z losowego rozłożenia wartości.
W celu wykrycia autokorelacji w odniesieniu do całego obszaru stosuje się
statystykę Morana I. Oblicza się ją ze wzoru:
𝑁 ∑𝑁 𝑁
𝑖=1 ∑𝑗=1 𝑤𝑖𝑗 [𝑦(𝑠𝑖 )−𝑦
̅ ][𝑦(𝑠𝑗 )−𝑦̅]
𝐼 = ∑𝑁 ∑𝑁 𝑤 ∑ 𝑁 [𝑦(𝑠 )−𝑦 ̅] 2 ,
𝑖=1 𝑗=1 𝑖𝑗 𝑖=1 𝑖
Sąsiedztwo nie musi być określone za pomocą wspólnej granicy pomiędzy obszarami.
Można je zdefiniować inaczej, np. dwie jednostki przestrzenne są sąsiadami, jeżeli
odległość od środków tych jednostek nie przekracza pewnej odległości krytycznej30.
Istotność statystyki Morana sprawdza się za pomocą testu Morana, a najłatwiej
jest ją określić za pomocą wartości p. Jeżeli wartość p jest mniejsza od przyjętego
poziomu istotności to odrzuca się hipotezę zerową o nieistotności statystyki Morana i
wtedy autokorelacja przestrzenna występuje. W przeciwnym wypadku statystyka
Morana jest nieistotna, a więc autokorelacja nie występuje.
27
Elżbieta Szulc, Wykład 4, „Analiza przestrzennych zjawisk ekonomicznych”, Toruń, 2021, s. 12
28
Ibidem, s. 41-43
29
Ibidem, s. 46-47
30
Ibidem, s. 48-51
12
Na podstawie zbadanej struktury danego procesu można spróbować zbudować
dla niego model przestrzenny. W literaturze wymienia się wiele różnych modeli tego
typu, jednakże najczęściej wykorzystywane są przestrzenny model autoregresyjny
(SAR) oraz model błędu przestrzennego (SE).
Przestrzenny model autoregresyjny (SAR) przyjmuje następującą postać:
(𝑒 𝑇 𝑊𝑒/𝜎2 )2
𝐿𝑀𝑆𝐴𝑅 = (𝑊𝑋𝑏)𝑇 𝑀(𝑊𝑋𝑏)
~𝜒 2 (1),
[ +𝑇]
𝜎2
(𝑒 𝑇 𝑊𝑒/𝜎2 )2
𝐿𝑀𝑆𝐸 = ~𝜒 2 (1),
𝑇
31
Elżbieta Szulc, Wykład 6, „Analiza przestrzennych zjawisk ekonomicznych”, Toruń, 2021, s. 5
32
Ibidem, s. 6
13
gdzie oznaczenia są takie same jak dla LMSAR.
Wyboru dokonuje się na podstawie istotności tej statystyki przy hipotezie zerowej, że
współczynnik autokorelacji przestrzennej 𝜆 jest nieistotny.
Istotność którejś z tych statystyk testowych oznacza, że dany model SAR lub
SEM jest lepszy do opisania wybranej zmiennej zależnej. Jeżeli obie statystyki są
istotne lub nieistotne, to wtedy nie można rozstrzygnąć, który z tych modeli jest
lepszy. W takim przypadku proponuje się wykorzystanie wersji testów „odpornych”,
czyli RLMSAR oraz RLMSE, których wartości są wyznaczane na podstawie reszt z
modelu MNK33.
Test LR (Likelihood Ratio) służy do badania dopasowania modelu do danych
empirycznych. Im wyższa wartość statystyki LR, tym dopasowanie modelu jest
lepsze. Statystykę LR dla modelu SAR określa się wzorem34:
𝑁 𝑁 𝑒 𝑇𝑒
gdzie 𝑙𝑜𝑔𝐿 = − 2 log(2𝜋) − 2 𝑙𝑜𝑔𝜎 2 − 0,5 .
𝜎2
𝜌 2
𝑊𝑎𝑙𝑑(𝜌) = [𝑧(𝜌̂)]2 = [𝑆(𝜌)] ,
̂ 2
𝜆
𝑊𝑎𝑙𝑑(𝜆) = [𝑧(𝜆̂)]2 = [𝑆(𝜆̂)] .
33
Elżbieta Szulc, Wykład 6, Op. cit., s. 7-10
34
Ibidem, s. 14
35
Ibidem, s. 15
14
2.4. Wyniki analizy i ich interpretacja
Analiza wykorzystania OZE w UE w latach 2000, 2010 oraz 2019 przebiegała
w trzech etapach:
a) analiza statystyk przestrzennych wykorzystania OZE w UE,
b) badanie struktury przestrzennej wykorzystania OZE oraz realnego PKB
per capita w państwach UE,
c) budowa modelu przestrzennego opisującego wykorzystanie OZE w
państwach UE w zależności od realnego PKB per capita tych państw.
Tabela 1. Statystyki przestrzenne badanej zmiennej w roku 2000
Geograficzne centrum
Różnica Różnica
Współrzędne Centroid
wykorzystania OZE w
(jm) (km)
UE (2000)
x 13,78034 17,57302 3,79268 341,3412
y 48,98682 53,8091 4,82228 434,0052
Odległość pomiędzy centroidem a geograficznym centrum
Jednostki na mapie Rzeczywista odległość
6,135047 552,15423
Odległość Ważona odległość
Różnica
standardowa standardowa
Promień (jm) 13,47474 17,2767 3,80196
Promień (km) 1212,7266 1554,903 342,1764
Źródło: Opracowanie własne
15
Tabela 2. Statystyki przestrzenne badanej zmiennej w roku 2010
Geograficzne centrum
Różnica Różnica
Współrzędne Centroid
wykorzystania OZE
(jm) (km)
w UE (2010)
x 13,78034 16,7312 2,95086 265,5774
y 48,98682 52,46404 3,47722 312,9498
Odległość pomiędzy centroidem a geograficznym centrum
Jednostki na mapie Rzeczywista odległość
4,560546 410,4491
Odległość Ważona odległość
Różnica
standardowa standardowa
Promień (jm) 13,47474 14,90799 1,43325
Promień (km) 1212,7266 1341,7191 128,9925
Źródło: Opracowanie własne
16
Tabela 3. Statystyki przestrzenne badanej zmiennej w roku 2019
Geograficzne
centrum Różnica Różnica
Współrzędne Centroid
wykorzystania OZE (jm) (km)
w UE (2019)
x 13,78034 16,77368 2,99334 269,4006
y 48,98682 52,53949 3,55267 319,7403
Odległość pomiędzy centroidem a geograficznym centrum
Jednostki na mapie Rzeczywista odległość
4,645591 418,1032
Odległość Ważona odległość
Różnica
standardowa standardowa
Promień (jm) 13,47474 14,92704 1,4523
Promień (km) 1212,7266 1343,4336 130,707
Źródło: Opracowanie własne
17
W tabeli 4 przedstawiono zmiany statystyk przestrzennych wykorzystania
OZE w UE w latach 2000-2019 (w 10-letnich odstępach). Wartość różnicy dla
współrzędnych x oraz y się zmniejszała, co oznacza, że przesunięcia geograficznego
centrum wykorzystania OZE w UE na wschód i na północ były coraz mniejsze. Warto
zauważyć, że w pierwszych dziesięciu latach badanego okresu przesunięcia te były
bardzo duże, ale od 2010 roku wielkość tych zmian zdecydowanie się zmniejszyła co
może oznaczać, że zużycie OZE w UE wzrasta, ale w coraz wolniejszym tempie.
Może to również świadczyć o stabilizacji różnicy w zużyciu OZE pomiędzy
państwami UE położonymi na północy i wschodzie a tymi położonymi na południu i
zachodzie. Ważony środek ciężkości do 2010 roku bardzo zbliżył się do centroidu, co
świadczy o wzroście koncentracji wykorzystania OZE w UE w tamtym okresie. Na
podstawie wyników (zakładając normalny rozkład jednostek przestrzennych) można
wnioskować, że 2/3 wszystkich państw UE jest położonych w promieniu około 1300-
1500 km od centroidu oraz środka ciężkości procesu stopy bezrobocia w każdym z lat
badania. Nie można jednak powiedzieć, że zmiany ważonej odległości standardowej
w badanych latach są małe i nieistotne, ponieważ potwierdzają one postępującą
konwergencję państw UE w zakresie wykorzystania OZE. Obszar dyspersji ulegał
coraz mniejszym zmianom od 2010 roku, a więc można powiedzieć, że różnice
między państwami się stabilizowały, z tymże były zdecydowanie mniejsze niż pod
koniec XX wieku. Wszystkie państwa UE od początku XXI wieku poczyniły znaczne
postępy w zakresie wykorzystania OZE i zaczęły gonić liderów, którymi
zdecydowanie są państwa skandynawskie, a szczególnie Szwecja i Finlandia (stąd
przesunięcie na północny wschód). Z pewnością to wyrównywanie się poziomu
wykorzystania to efekt strategii UE dotyczącej transformacji energetycznej krajów
członkowskich do 2050 roku. Jednak stabilizacja różnic między państwami UE w
zakresie wykorzystania OZE tylko utwierdza w przekonaniu, że część państw nie jest
w stanie zrealizować tej strategii w przyjętym czasie.
W tabeli 5 przedstawiono odległości państw UE od centroidu oraz ważonego
środka ciężkości w latach 2000, 2010 oraz 2019. Odległość od centroidu jest stała,
ponieważ wynika jedynie z położenia geograficznego państw, a najbliżej centroidu
leży Austria, zaś najdalej Portugalia. Odległości od geograficznego centrum
wykorzystania OZE w UE są bardzo różne, ale zdecydowanie najdalej od tego
centrum w latach 2000-2019 leżała Portugalia, zaś najbliżej Polska.
18
Tabela 5. Odległości państw UE od centroidu oraz od geograficznego centrum
ważonego wykorzystaniem OZE w UE w latach 2000, 2010 oraz 2019
Odległość od Odległość od Odległość od Odległość od
centroidu (km) środka ciężkości w 2000 środka ciężkości w 2010 środka ciężkości w 2019
roku (km) roku (km) roku (km)
19
Warto zwrócić uwagę na duże zmniejszenie się wartości tych odległości w
latach 2000-2010, co ponownie świadczy o postępującej koncentracji wykorzystania
OZE w UE w tamtych latach. Delikatny wzrost odległości od ważonego środka
ciężkości w latach 2010-2019 świadczy zaś o stabilizacji różnic pomiędzy państwami
UE pod względem zużycia OZE, bo trudno jest wnioskować o jakimś mocnym
trendzie zwyżkowym w tej odległości od roku 2010. Niewątpliwie zaś, otrzymane
wyniki po raz kolejny potwierdzają hipotezę o wyrównywaniu się poziomów
wykorzystania OZE w państwach UE.
Rysunek 1. Geograficzne centrum wykorzystania OZE w UE w latach 2000-2019
20
wysokim wykorzystaniem OZE. Na pewno zaś państwa te są daleko w tyle za
krajami skandynawskimi, które, jak już wspomniano, są europejskimi liderami pod
tym względem.
Podsumowując tą wstępną analizę statystyczną, można zauważyć, że państwa
UE były bardzo podzielone pod względem wykorzystania OZE pod koniec XX
wieku, jednakże przez pierwsze dziesięć lat XXI wieku dystans pomiędzy
najlepszymi i najsłabszymi państwami pod tym względem się zdecydowanie
zmniejszył, a potem zaczął się stabilizować. Możliwe, że kraje w mniejszym stopniu
korzystające z OZE nie są w stanie sprostać wymaganiom UE i na tyle zwiększyć to
zużycie, aby dorównać państwom, które dominują w tym wykorzystaniu.
Zanim przanalizowano strukturę zmiennych, zbadano przestrzenne rozkłady
wykorzystania OZE w państwach UE w poszczególnych latach badania, które są
przedstawione na rysunkach 2-4.
Rysunek 2. Przestrzenny rozkład wykorzystania OZE w państwach UE w roku 2000
21
europejskie, czyli Wielka Brytania i Niemcy wcale nie wyróżniają się pod względem
wykorzystania OZE. Tak jak większość państw UE, ich zużycie OZE ma wartość w
okolicach mediany. Żaden kraj nie zużywał w 2000 roku bardzo mało OZE, stąd brak
państw w I grupie. Na mapie Europy tworzą się wyraźne spójne obszary pod
względem wykorzystania OZE, szczególnie w północnej i środkowej Europie.
Rysunek 3. Przestrzenny rozkład wykorzystania OZE w państwach UE w roku 2010
22
Rysunek 4. Przestrzenny rozkład wykorzystania OZE w państwach UE w roku 2019
23
budowy modelu przestrzennego. Po zbadaniu struktury tych zmiennych zbudowano z
nimi model (liniowy i/lub autoregresyjny). Wyniki dla 2000 roku przedstawiono w
tabelach 6-7 oraz na rysunku 5, dla 2010 roku w tabelach 8-9 oraz na rysunku 6, zaś
dla 2019 roku w tabelach 10-11 oraz na rysunku 7.
24
Rysunek 5. Przynależność państw UE do ćwiartek wykresu Morana w 2000 roku
Nie tworzą się żadne większe spójne obszary pod względem państw, które
trafiły do tych samych ćwiartek. Wyjątkiem jest spójny obszar w środkowej Europie –
Polska oraz państwa bałtyckie. Nie można więc powiedzieć, że państwa o wysokich
(niskich) wartościach wykorzystania OZE są otoczone państwami o wysokich
(niskich) wartościach tej zmiennej. Tak samo niskie wartości nie sąsiadują z
wysokimi, a wysokie z niskimi.
Z racji na brak autokorelacji w strukturze zmiennej zależnej, budowa
przestrzennego modelu autoregresyjnego nie ma uzasadnienia. Stąd też zbudowano
tylko model liniowy dla wykorzystania OZE w zależności od realnego PKB per capita
w 2000 roku. Wyniki tej estymacji przedstawiono w tabeli 7.
Estymacja modelu liniowego nie wykazała istotnej zależności pomiędzy
wykorzystaniem OZE w państwach UE a realnym PKB per capita w 2000 roku. Może
to być też związane z tym, że zależność ta nie występuje na poziomie przestrzennym,
ale przykładowo dla UE jako całości mogłaby już występować. W tej pracy jednak
przeprowadzono analizę przestrzenną wykorzystania OZE. Omawiany model ma
niezłe dopasowanie do danych empirycznych (76%), ale nie zmienia to faktu, że
należałoby poszukać innej zmiennej do opisania zmiennej Y w 2000 roku niż realny
PKB per capita.
25
Tabela 7. Wyniki estymacji i weryfikacji modelu liniowego dla wykorzystania OZE w
zależności od realnego PKB per capita w 2000 roku
26
Wyniki różnią się więc od tych dla roku 2000. Jest to z pewnością związane z
silną zmiennością wartości wykorzystania OZE w czasie i przestrzeni. Na przestrzeni
10 lat wartości te bardzo się zmieniły, wiele państw znacznie zwiększyło to
wykorzystanie w stosunku do 2000 roku, co może mieć wpływ na występowanie
autokorelacji przestrzennej w zmiennej Y w 2010 roku.
Rysunek 6. Przynależność państw UE do ćwiartek wykresu Morana w 2010 roku
27
przestrzennej. Zgodnie ze strukturą przestrzenną badanych zmiennych dodano do
modeli trend I stopnia.
Tabela 9. Wyniki estymacji i weryfikacji modelu liniowego dla wykorzystania OZE w
zależności od realnego PKB per capita w 2010 roku
28
RLMerr oraz RLMlag są nieistotne. Zbudowane zostały więc modele SAR oraz SE z
przesuniętą zmienną X (WX) oraz bez tego przesunięcia.
Tabela 11. Wyniki estymacji i weryfikacji modelu SAR dla zależności wykorzystania
OZE od realnego PKB per capita w 2010 roku z uwzględnieniem WX
29
Tabela 12. Wyniki estymacji i weryfikacji modelu SAR dla zależności wykorzystania
OZE od realnego PKB per capita w 2010 roku
30
Tabela 13. Wyniki estymacji i weryfikacji modelu SE dla zależności wykorzystania
OZE od realnego PKB per capita w 2010 roku z uwzględnieniem WX
Parametr Ocena Błąd standardowy Statystyka z Pr(>|z|) p-value
stała -0,44787 0,29606 -1,5127 0,13034 0,13034
x 0,00808 0,004624 1,7474 0,08057 0,91943
y 0,010011 0,006971 1,4360 0,15101 0,84899
X 1,12E-06 1,86E-06 0,6014 0,54759 0,45241
WX 2,64E-06 3,71E-06 0,712 0,47646 0,52354
λ= 0,4433 Statystyka LR: 5,6104 p-value: 0,01785
Statystyka Walda: 8,078 p-value: 0,004481
Log likelihood: 17,41164 AIC: -20,823
Źródło: Opracowanie własne
31
zmiennej X jest lepszy (mniejsza utrata informacji), jednakże jest to na tyle mała
różnica, że trudno jest jednoznacznie wskazać, który z omawianych modeli lepiej
opisuje zmienną zależną.
32
Rysunek 7. Przynależność państw UE do ćwiartek wykresu Morana w 2019 roku
Odnawialne źródła energii są więc bardzo ważną częścią ich systemu energetycznego.
Państwa zachodnie, mimo upływu 20 lat wciąż charakteryzują się stosunkowo niskim
wykorzystaniem OZE (poza Francją). Nie nadgoniły więc one dystansu dzielącego je
od państw północno – wschodnich. Mimo dużej zmienności wykorzystania OZE w
czasie, dotychczasowa analiza pozwala wysnuć wniosek, że proces transformacji
energetycznej UE jest procesem bardzo długotrwałym, a większość państw jeszcze
przez długi czas będzie opierało swój system energetyczny na węglu.
W tabeli 16 przedstawiono wyniki estymacji modelu liniowego dla
wykorzystania OZE w zależności od realnego PKB per capita w państwach UE w
2019 roku, Model ten ma bardzo słabe dopasowanie do danych empirycznych
(R2<50%), co wynika m.in. z tego, że nie uwzględniono w nim przesunięcia
przestrzennego zmiennej Y. Potwierdza on zaś wyniki dla 2000 i 2010 roku, a więc
brak istotnej zależności pomiędzy wykorzystaniem OZE w państwach UE a realnym
PKB per capita.
33
Tabela 16. Wyniki estymacji i weryfikacji modelu liniowego dla wykorzystania OZE
w zależności od realnego PKB per capita w 2019 roku
Testy Lagrange’a nie rozstrzygają, który z modeli – SAR czy SE jest lepszy
do opisania zmiennej Y w zależności od zmiennej X. Również nie podpowiadają one,
czy należy uwzględnieć w tych modelach przesunięcie przestrzenne zmiennej X, ale
jak już ustalono przy analizie struktury tej zmiennej w 2019 roku, nie występuje w
niej autokorelacja przestrzenna, a więc jej przesunięcie nie zostało dodane do modeli
SAR i SE.
Tabela 18. Wyniki estymacji i weryfikacji modelu SAR dla zależności wykorzystania
OZE od realnego PKB per capita w 2019 roku
34
W tabeli 18 przedstawiono wyniki estymacji i weryfikacji modelu SAR dla
zależności wykorzystania OZE od realnego PKB per capita w państwach UE w 2019
roku. Model ten jest słabej jakości, a wpływ na to ma nieistotność wszystkich
parametrów, a także bardzo mała wartość ilorazu wiarygodności. Nie występuje w
nim autokorelacja. Parametr ρ można zinterpretować w taki sposób, że wzrost
średniego wykorzystania OZE u sąsiadów powoduje wzrost tego wykorzystania w
danym państwie UE o 0,45 TOE/mieszkańca. Tak naprawdę wszystkie wnioski, które
można wysnuć na jego podstawie są takie same, jak te na podstawie dotychczas
omawianych modeli.
35
Podsumowując, analiza wykorzystania OZE w państwach UE w latach 2000,
2010 i 2019 zaprzeczyła części z postawionych hipotez, a część potwierdziła. Przede
wszystkim, w 2000 roku nie występowała zależność pomiędzy sąsiednimi państwami
UE w zakresie wykorzystania OZE. W 2010 i 2019 roku taka zależność już
występowała. Państwa na południu Europy rzeczywiście charakteryzują się średnio
niższym wykorzystaniem OZE niż te na północy, ale wschód Europy jest ma to
wykorzystanie wyższe niż zachód. Co ważne, analiza wykazała, że PKB (określone za
pomocą realnego PKB per capita) nie ma wpływu na kształtowanie się wykorzystania
OZE w państwach UE. W każdym z badanych lat Europa była podzielona na spójne
obszary pod względem zużycia OZE, jednakże zmienność tego zużycia była na tyle
duża, że trudno jest wskazać państwa, u których to zużycie jest od 2000 roku na
naprawdę wysokim poziomie. Jedynymi państwami, które wyróżniają się pod tym
względem są państwa skandynawskie i to one nadają tempo rozwojowi OZE w UE.
W UE postępuje konwergencja, a więc wyrównywanie się poziomu wykorzystania
OZE we wszystkich państwach, aczkolwiek w 2019 roku różnice pomiędzy
państwami się ustabilizowały i potrzebny jest nowy impuls, aby transformacja
energetyczna UE rzeczywiście była skuteczna. Nie ulega za to wątpliwości, że
polityka energetyczna UE przyniosła zamierzony efekt na początku XXI wieku, a
przepaść pomiędzy wykorzystaniem OZE w 2000 roku a tym w 2019 roku jest
olbrzymia.
Analiza przeprowadzona w tym badaniu dałaby inne wyniki, gdyby zostały w
niej zbudowane bardziej skomplikowane modele przestrzenne, a także gdyby zostały
w niej uwzględnione inne zmienne opisujące wykorzystanie OZE w UE, np.
dostępność tych źródeł w danym państwie, wartość subwencji na energetykę
odnawialną czy wielkość inwestycji w sektor „zielonej energii”.
36
Spis źródeł
Literatura
1. Henryk Charun, Podstawy gospodarki energetycznej. Część 1, Wydawnictwo
Uczelniane Politechniki Koszalińskiej, Koszalin, 2004, s. 15
2. Witold M. Lewandowski, Ewa Klugmann-Radziemska, Proekologiczne
odnawialne źródła energii. Kompendium, Państwowe Wydawnictwo Naukowe,
Warszawa, 2017
3. Józef Paska, Wytwarzanie energii elektrycznej, Oficyna Wydawnicza Politechniki
Warszawskiej Warszawa, 2018
4. Beata Zakrzewska, Konrad Rojek, Rola OZE w europejskim systemie
energetycznym, „Autobusy”, 6/2019, Wydziału Nauk Ekonomicznych i Prawnych
Uniwersytetu Technologiczno-Humanistycznego im. Kazimierza Pułaskiego w
Radomiu, Radom, 2019
5. Alojzy Z. Nowak, Mariusza Szałański, Władysława Zborowska, Rola
odnawialnych źródeł energii w rozwoju społeczno-ekonomicznym kraju i regionu,
Wydawnictwo Naukowe Wydziału Zarządzania Uniwersytetu Warszawskiego,
Warszawa, 2016
6. Ewa Jankowska, Środowiskowa krzywa Kuznetsa w dekarbonizacji europejskich
gospodarek, „Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach”, nr
289/2016, Uniwersytet Ekonomiczny w Katowicach, Katowice, 2016
7. K. Kaygusuz, Ö. Yüksek i A. Sari, Renewable Energy Sources in the European
Union: Markets and Capacity, “Energy Sources, Part B: Economics, Planning and
Policy”, 2:1, s.19-29, Wydział Chemii Uniwersytetu Technicznego Karadeniz w
Trabzon, Wydział Chemii Uniwersytetu Gaziosmanpa¸sa w Tokat, Taylor and
Francis Group, Turcja, 2007
8. Jadwiga Suchecka [red.], Statystyka przestrzenna. Metody analiza struktur
przestrzennych, Wydawnictwo C.H. Beck, Warszawa, 2014
9. Elżbieta Szulc, Wykłady z przedmiotu „Analiza przestrzennych zjawisk
ekonomicznych”, Uniwersytet Mikołaja Kopernika, Toruń, 2021
10. Bogdan Suchecki, Ekonometria przestrzenna. Metody i modele analizy danych
przestrzennych, Wydawnictwo C.H. Beck, Warszawa, 2010
Strony internetowe
1. https://encyklopedia.pwn.pl
2. https://energiadirect.pl
3. https://fizyka.uniedu.pl
4. https://pl.investing.com/currencies/usd-eur-historical-data
5. https://ec.europa.eu
6. https://www.esoleo.pl
7. https://www.gov.pl/web/polski-atom/bezpieczenstwo-energetyczne-podstawa-
rozwoju-spoleczenstwa
37
Spis tabel
38
Spis rysunków
39