2013 09 15 Rebound Effects Eindrapport...Rebound effect met impact op het milieu Eindrapport Voor:...

Rebound effect met impact op het milieu

Eindrapport

Voor:

Vlaamse Overheid –Departement LNE

Afdeling Milieu, Natuur en Energiebeleid

Dienst Beleidsvoorbereiding en - evaluatie

Koning Albert II-laan 20 bus 8

1000 Brussel

15 september 2013

Transport & Mobility Leuven

Diestsesteenweg 57

3010 Leuven

Belgium

http://www.tmleuven.be

Auteurs: Eef Delhaye (TML)

Christophe Heyndrickx (TML) Rodric Frederix (TML)

Bruno Van Zeebroeck(TML) Sandra Rousseau (KU Leuven -HUBrussel)

Stef Proost (KU Leuven)

REBOUND EFFECT MET IMPACT OP HET MILIEU - EINDRAPPORT 2

“It is wholly a confusion of ideas to suppose

that the economical use of fuel is equivalent

to a diminished consumption. The very

contrary is the truth”

Jevons, 1865


Inhoud

Inhoud .................................................................................................................................................................. 3

Lijst met begrippen ............................................................................................................................................. 5

1 Samenvatting .............................................................................................................................................. 6

1.1 Wat u absoluut moet weten over het rebound effect .......................................................... 6

1.2 Wat interessant is voor u .......................................................................................................... 8

2 Inleiding en probleemstelling ............................................................................................................... 17

3 Naar een concept Rebound Effecten.................................................................................................. 18

3.1 Literatuuroverzicht ................................................................................................................. 23

3.2 Concept Rebound Effecten .................................................................................................. 38

4 Naar een selectie van cases ................................................................................................................... 40

4.1 Algemene principes ................................................................................................................ 40

4.2 Case Transport ........................................................................................................................ 42

4.3 Case Energie ............................................................................................................................ 43

5 Case 1: telewerken .................................................................................................................................. 44

5.1 Wat is telewerken? .................................................................................................................. 44

5.2 Mogelijke rebound effecten .................................................................................................. 44

5.3 Literatuur .................................................................................................................................. 45

5.4 Doorrekening .......................................................................................................................... 48

5.5 Totale impact ........................................................................................................................... 62

5.6 Sensitiviteit ............................................................................................................................... 64

6 Case 2: energie-efficiëntieverbeteringen ............................................................................................. 70

6.1 Energie-efficiëntieverbetering bij de consument ............................................................... 70

6.2 Efficiëntieverbetering producenten ..................................................................................... 94

7 Algemene conclusie ............................................................................................................................. 107

Literatuur ......................................................................................................................................................... 111

Annex 1: lijst van mogelijke cases ............................................................................................................... 118


Voorstellen van de stuurgroep ........................................................................................................... 118

Voorstellen van de opdrachthouder .................................................................................................. 121

Annex 2: Beschrijving van het ISEEM Model ........................................................................................ 124

1.1 Modelbeschrijving ................................................................................................................ 124

1.2 Regionale effecten door verandering in de transport sector.......................................... 126

1.3 Input aanwezig in model ..................................................................................................... 127

1.4 Input nodig voor beleidssimulatie ...................................................................................... 129

1.5 Output .................................................................................................................................... 129

Annex 3: Lijst van sectoren .......................................................................................................................... 132

Annex 4: Resultaten efficiëntieverbetering producenten ........................................................................ 133


Lijst met begrippen

Algemeen evenwichtsmodel: In tegenstelling tot een partieel evenwichtsmodel bekijkt een

algemeen evenwichtsmodel niet alleen de gevolgen op de markt waar de beleidsmaatregel

plaatsvindt, maar ook de effecten op alle andere markten, met onder meer de arbeidsmarkt. De

algemene evenwichtstheorie dateert uit de jaren 1870 en bouwt in het bijzonder voort op het werk

van de Franse econoom Léon Walras

Backfire: situatie waarbij het rebound effect groter dan 100% is

Directe effect: het verwachte effect indien er geen gedragsveranderingen zijn. Ook soms het

“ingenieurseffect” genoemd.

Rebound Effect: de mate waarin een milieugerichte efficiëntieverbetering niet één tot één vertaald

wordt naar de verwachte effecten bij een constante vraag. Uitgedrukt als een % van de initiële

efficiëntieverbetering. Hierbij maken we een onderscheid naar de directe, de indirecte rebound

effecten en de brede economische effecten.

Directe rebound effecten: stijging in consumptie van het goed waarvoor er een verbetering is als

gevolg van de (impliciete) prijsdaling veroorzaakt door de efficiëntieverbetering.

Indirecte rebound effecten: verandering in consumptie van andere goederen, die op hun beurt

ook energie vergen. De indirecte effecten omvatten ook de bijkomende energie die eventueel nodig

is om het efficiëntere goed te maken (embodied effect).

Economisch brede rebound effecten: de macro-economische effecten waarbij

efficiëntieverbeteringen bij een goed zich verder zetten naar de rest in de economie.

Marginale kosten: dit zijn de kosten die een extra eenheid met zich meebrengen.

Telewerken: telewerken is een arbeidsvorm waarbij werknemers hun activiteiten kunnen verrichten

buiten de eigenlijke vestigingsplaats en dit doorgaans op flexibele tijdstippen.


1 Samenvatting

1.1 Wat u absoluut moet weten over het rebound effect

Wat is “het rebound effect”

Het rebound effect laat zich het best uitleggen door middel van een voorbeeld. Stel dat het gebruik

van bijkomende isolatie, bij onveranderd gedrag, leidt tot een energiebesparing van 20%. We

spreken dan van een rebound effect indien de werkelijke besparing kleiner dan wel groter is dan

deze 20%. De winst in efficiëntie zorgt voor een besparing die tot een gedragsverandering leidt,

namelijk extra consumptie.

50% van potentiële efficiëntie- winst kan verloren gaan door het rebound effect

Door allerlei gedragsveranderingen gaat meestal tussen 30 en 50% van een initieel verwachte

besparing verloren. Zo laat bijvoorbeeld bijkomende isolatie toe om goedkoper te verwarmen.

Mensen kunnen hierop reageren door de verwarming iets hoger te zetten; het zou hun immers niets

meer kosten dan voordien. Hierdoor is de uiteindelijke besparing kleiner dan indien men wel meer

isolatie heeft, én de verwarming op hetzelfde niveau houdt. Het is zelfs zo dat in sommige gevallen

er uiteindelijk meer verbruikt kan worden dan vòòr de besparingsmaatregel (ook ‘backfire’

genoemd). Aan de andere kant kan er ook meer bespaard worden dan initieel verwacht (ook ‘super-

conversation’ genoemd).

Het rebound effect is een gevolg van gedragsveranderingen

Een winst in efficiëntie zorgt voor een besparing die tot een gedragsverandering leidt, namelijk

extra consumptie. De rebound effecten of gedragsveranderingen spelen zowel direct, via extra

consumptie van energie- of milieugoederen,- als indirect via extra consumptie van andere goederen.

Deze laatsten veroorzaken uiteindelijk ook extra verbruik van energie- of milieugoederen.

Daarnaast zijn er ook brede economische effecten die doorwerken in de ganse economie. Deze

spelen vooral bij de producenten. Deze maken immers intermediaire producten voor andere

producenten. Een prijsdaling voor een intermediair product vertaalt zich in tal van andere finale (of

andere intermediaire) producten. Op die manier vindt de prijsdaling zijn weg in de hele economie

met een verhoging van het energieverbruik en/of milieubelasting als gevolg, het rebound effect.

Een rebound effect is niet noodzakelijk “slecht”.

Een rebound effect is klassiek economisch gezien niet noodzakelijk slecht. Een efficiëntiewinst laat

de consument toe een besparing te realiseren. Deze besparing kan de consument gebruiken om

extra energie en andere goederen te verwerven die hij anders niet had kunnen verwerven. Hij

verhoogt zo zijn welvaart. Efficiëntiewinsten komen op deze manier ook economische groei ten

goede. Dit betekent niet dat het rebound effect genegeerd mag worden.

Het rebound effect wordt sterk beïnvloed door de prijsgevoeligheid

De gedragsverandering, en dus het rebound effect, hangt af van de gevoeligheid van de consument

voor veranderingen in prijzen. Bij consumenten hangt de prijsgevoeligheid samen met de

aanwezigheid van vervangende goederen of diensten en met de verzadiging voor wat betreft de

consumptie van het goed. Indien de verwarming al op 22° staat, zal men deze bijvoorbeeld niet


verhogen naar 23°, waardoor het rebound effect veel minder sterk is dan als de verwarming initieel

maar op 19° stond. Hoe gevoeliger de consument is voor een prijsverandering, hoe belangrijker het

directe rebound effect zal spelen.

Het rebound effect is groter op lange termijn dan op korte termijn

Dit is een gevolg van het feit dat de prijsgevoeligheid groter is op de lange dan op de korte termijn.

Gedrag aanpassen op langere termijn is ook eenvoudiger want dan is er meer flexibiliteit en zijn er

meer mogelijkheden.

Om het rebound effect te minimaliseren, is een belasting te verkiezen boven een subsidie

Het rebound effect wordt veroorzaakt door een (impliciete) prijsdaling. Indien deze prijsdaling

teniet gedaan wordt door een extra belasting zal er ook geen rebound effect zijn. De overheid moet

dan wel de taks zodanig besteden dat ze zelf geen rebound effect veroorzaakt. Merk op dat het

tegengaan van het rebound effect een mogelijkheid is maar zeker geen vereiste. Het rebound effect

op zich is immers niet noodzakelijk welvaartsverlagend.

Om deze reden kan het doeltreffender zijn een belasting in te voeren op energiedragers of

milieugoederen dan een subsidie voor energie- of milieubesparende maatregelen door te voeren.

Een subsidie zorgt uiteindelijk voor een lagere energiekost en dus mogelijkerwijs tot een rebound

effect. Een belasting op de energiedrager zorgt integendeel voor een lager energieverbruik. De

reden is dat de belasting het (gebruik van het) goed duurder maakt en zo voor een extra incentive

zorgt voor energie- of milieubesparende maatregelen omdat het besparingspotentieel groter wordt.

Een belangrijke uitzondering hierop zijn de eenvoudig vervangbare of herlokaliseerbare goederen.

Het is niet efficiënt om goederen te belasten die eenvoudig te vervangen zijn door goederen die niet

belast worden en zo goedkoper zijn. Dat is bijvoorbeeld het geval bij een energie- (of milieu-)

belasting voor de industrie ingevoerd in één land. De industrie kan vrij eenvoudig haar productie

verplaatsen naar een land zonder energie- (of milieu-)belasting, met goedkope energie en/of

milieugoederen (leakage). Lokaal verdwijnt het milieu- of energieverbruik wel, maar het milieu- of

energieverbruik blijft elders wel bestaan zolang de lokale vraag van de consument blijft bestaan.

Mogelijk is het milieu-of energiegebruik elders zelfs minder efficiënt en dit kan leiden tot een

toename van milieuproblemen op wereldschaal zoals het klimaatprobleem.

Ook een voldoende strenge standaard of norm zal het rebound effect minimaliseren of

opheffen

Als een standaard of norm zo gekozen wordt dat hij een extra kost betekent waardoor de

consument (producent) geen financiële winst kan halen, dan zal er geen rebound effect zijn. Dit kan

bijvoorbeeld het geval zijn bij een strenge CO2 uitstootnorm voor auto’s. De strenge norm kan

extra technologie vereisen waarvan de kost de winst van lager verbruik compenseert.

Hou in prognoses en impact analyses rekening met het rebound effect

Bij het maken van prognoses voor het behalen van bepaalde objectieven met betrekking tot

energie- of andere milieuobjectieven is het belangrijk rekening te houden met een rebound effect.

Indien men geen rekening houdt met het bestaan van rebound effecten, dan kan het moeilijk

worden om de vooropgestelde energie- of milieuobjectieven te behalen. Daarom houdt men in het

VK expliciet rekening met het rebound effect door de verwachtingen systematisch naar beneden bij

te stellen.


1.2 Wat interessant is voor u

“It is a wholly a confusion of ideas to suppose that the economical use of fuel is equivalent

to a diminished consumption. The very contrary is true.”

Dit zei William Stanley Jevons in 1865 toen hij vaststelde dat bij een efficiënter gebruik van

steenkool het verbruik van steenkool gevoelig toenam.

Ook vandaag bestaan talrijke voorbeelden waar de reële winsten in energie-efficiëntie niet

overeenkomen met de theoretisch verwachtte winsten. Enkele gevalstudies van TML bevestigen dit.

• Telewerken levert een energiebesparing op voor de woonwerkverplaatsingen, maar die

besparing kan volledig teniet gedaan worden door een hoger energieverbruik thuis en door

bijkomende, andere verplaatsingen.

• Een hoogrendementsketel die 50% efficiënter werkt doet de stookolie rekening dalen met

ongeveer 30%, niet met 50%

• Een efficiëntieverbetering in de petrochemie zorgt voor MEER energieverbruik in

Vlaanderen .

• Een efficiëntieverbetering in de dienstensector VERLAAGT het energieverbruik in

Vlaanderen als geheel meer dan de loutere energiewinst in de dienstensector.

In de meeste gevallen levert een besparing in energie-efficiëntie ook effectief een (kleinere)

energiebesparing op zoals ook onderstaande figuur illustreert. De afwijking van de realiteit wordt

rebound effect genoemd. In sommige gevallen versterkt het rebound effect het initiële effect

(superconservation), in andere gevallen gaat het initiële effect helemaal teniet (back fire).

Onderstaande figuur illustreert deze mogelijkheden.


Figuur 1: Een geobserveerde energiebesparing wijkt af van de mechanisch voorspelde energiebesparing

Theorie Realisatie1 Realisatie2 Realistatie3

Mechanisch voorspeld Rebound tusen 30 en 50% Effect meer dan teniet Effect versterkt

ingenieurseffect Meest frequent Back fire Superconservation

1.2.1 Rebound effect is een gevolg van gedragsveranderingen op verschillende

niveaus

Het initieel verwachte effect van een efficiëntieverbetering zonder gedragsverandering is het

directe of ingenieurseffect. Een condensatieketel laat bijvoorbeeld toe het energieverbruik van de

verwarming met 50% te laten dalen. Het directe of ingenieurs effect van de maatregel is dan een

energiebesparing van 50%.

Figuur 2: het rebound effect is een combinatie van verschillende effecten

Mechanisch

voorspelde

besparing

Werkelijke

geobserveer

de

besparing

Rebound

effect

Rebound

effect (meer-

verbruik)

Mechanisch

voorspelde

besparing

Rebound

(extra be-

sparing)

Mechanisch

voorspelde

besparing Werkelijke

geobserveer

de

besparing

Rebound

effect

direct rebound

indirect rebound

breed economisch


Op een verbetering in energie-efficiëntie reageren consumenten (en producenten) door allerlei

gedragsveranderingen. Deze gedragsveranderingen vormen het rebound effect. Er zijn directe en

indirecte rebound effecten, daarnaast zijn er ook brede economische rebound effecten. De figuur

hierboven illustreert dit.

• Het directe rebound effect is een stijging in de (energie)consumptie als gevolg van een

(impliciete) prijsdaling van energie. Voor eenzelfde resultaat (verwarming bv.) is minder

energie nodig zodat bv. verwarming goedkoper wordt. Door deze prijsdaling gaan mensen

de verwarming misschien langer opzetten en/of meer kamers verwarmen en/of de

thermostaat hoger zetten.

• De indirecte rebound effecten zorgen voor een stijging van de (energie) consumptie

omdat ook andere extra goederen worden geconsumeerd. Dit kan omdat dankzij de

impliciete prijsdaling van energie hiervoor budget vrijkomt. Soms is voor het realiseren van

de initiële energie-efficiëntie winsten ook extra materiaal nodig. De extra energie die

hiervoor eventueel nodig is, is de embodied energie.

• De brede economische rebound effecten zijn effecten waarbij de

efficiëntieverbeteringen zich verder zetten in de rest van de economie. Deze spelen vooral

bij producenten via intermediaire goederen.

• Als alle reboundeffecten samen ervoor zorgen dat de initiële efficiëntieverbetering teniet

wordt gedaan spreken we van back fire. Back fire stelde Jevons vast bij

efficiëntieverbeteringen van steenkoolgebruik in de industrie. In China werd, meer recent,

ook een back fire effect vastgesteld bij de invoering van microgolfovens voor het koken.

• Als alle reboundeffecten samen ervoor zorgen dat de initiële efficiëntieverbetering versterkt

wordt spreken we van superconservation. Dit gebeurt bijvoorbeeld als de

energiebesparing opgelegd wordt via een standaard en extra geld kost zodat er geen

financiële besparing mogelijk is en geen budget vrijkomt om aan andere goederen te

spenderen.

Vooral het directe rebound effect is goed gedocumenteerd in de literatuur, de indirecte en brede

economische reboundeffecten zijn dat veel minder.

1.2.2 Rebound door de economische bril:

prijsdaling van goed A = extra consumptie van goed A + extra andere

uitgaven

Prijsdaling van energie zorgt voor extra consumptie van energie

Een eenvoudige vraagcurve voor goed A, bijvoorbeeld “verwarming”, geeft aan hoeveel de

consument bereid is te betalen voor een bepaalde hoeveelheid “verwarming”. Op de X-as staat de

hoeveelheid verwarming, op de Y-as de prijs. Als de prijs van de “verwarming” daalt zal de

consument extra “verwarming” kopen. Als de prijs stijgt zal hij minder “verwarming” kopen. De

manier waarop de consument reageert op prijsveranderingen bepaalt de helling van de vraagcurve,

ook prijs-elasticiteit genoemd. De helling zal bepalen hoeveel meer of minder de consument

consumeert bij een prijsverandering.


Figuur 3: Theoretische illustratie van het rebound effect

De linkse figuur geeft een startsituatie aan met een bepaalde marktprijs (P0(E0))voor “verwarming”

bij een bepaalde gevraagde hoeveelheid (Q0). Bovenop de marktprijs is er ook een milieukost (A

min P0(E0)) per eenheid “verwarming” die niet vervat zit in de marktprijs (externe kost).

Door bijvoorbeeld het gebruik van condensatieketels zal de efficiëntie van verwarmen toenemen.

Met eenzelfde hoeveelheid brandstof kan men dus meer verwarmen, of om eenzelfde temperatuur

te bereiken is minder brandstof nodig. De prijs voor “verwarming” daalt dus zoals de rechtse

grafiek illustreert. Een prijsdaling tot P1(E1)betekent echter ook dat men meer “verwarming” (Q1)

zal wensen. Men zal bijvoorbeeld de thermostaat op 22° ipv op 20° afstellen. Gezien de extra kost

van de nieuwe condensatieketel zal het effect zich waarschijnlijk niet op korte termijn laten voelen,

maar slechts op de langere termijn.

Prijsdaling van energie zorgt voor andere uitgaven die op hun beurt

doorwerken in de economie

Normaal besteden consumenten niet de volledige besparing aan extra verwarming. Het aandeel

besteed aan extra verwarming (direct rebound effect) zal groter zijn bij armere bevolkingsgroepen

of landen dan bij rijkere bevolkingsgroepen of landen. Voor rijkeren is extra verwarming

waarschijnlijk minder nuttig omdat ze zich al dichter bij hun saturatiepunt wat betreft verwarming

zitten. Indien de thermostaat reeds op 23° staat heeft het geen of weinig zin hem te verhogen tot

25°. De consument is nagenoeg gesatureerd wat betreft verwarming. Indien de thermostaat slechts

op 18° staat heeft het wel zin hem te verhogen naar 20°.

Een deel van de besparing zullen consumenten besteden aan andere uitgaven, het indirecte rebound

effect. Op die manier stimuleren ze ook de rest van de economie wat op zijn beurt extra energie

verbruik betekent. Andere uitgaven kunnen bijvoorbeeld zijn:

• extra vliegtuigreizen (extra energieverbruik)

• bijkomende toestellen

• …...

De impact van deze keuze is allesbehalve neutraal.


Bij de rijkere bevolkingsgroepen of landen zal het indirect rebound effect via andere consumptie

groter zijn.

Gelijkaardige fenomenen bij producenten

Een bedrijfssector die zijn energie-efficiëntie verbetert, zal een deel van zijn inputs vervangen door

de goedkoper geworden input (energie). Daarnaast zal die sector ook zijn verkoopsprijzen verlagen

en zal hij meer produceren. Meer productie in die sector betekent ook extra gebruik van

intermediaire producten afkomstig van andere economische sectoren. Ook die andere sectoren

zullen daarom extra energie nodig hebben. Daarnaast betekenen goedkopere producten voor de

consument ook een deel extra beschikbaar budget. Hierdoor kan hij weer andere producten

verbruiken en zo de andere sectoren aanzwengelen.

1.2.3 Illustratie door gevalstudies:

TML bestudeerde in dit onderzoek drie gevalstudies van totale reboundeffecten (direct, indirect,

economisch breed): telewerken, energie-efficiëntieverbeteringen bij consumenten en energie-

efficiëntieverbeteringen bij producenten.

Reboundeffecten bij telewerken zorgen voor verlies van 70 tot 100% van

initieel effect

Bij het invoeren van één dag telewerk per week in Vlaanderen stelt TML vast dat

• het aantal voertuigkilometers slechts daalt met ongeveer 30% van het verwachte directe

effect.

• ongeveer 70% van de verwachte vermindering in voertuigkilometers verloren gaat via

reboundeffecten.

• telewerken geen energiebesparing oplevert wegens de reboundeffecten. Er is wel een effect

op de uitstoot van broeikasgassen en luchtpolluenten omdat meer vervuilende energie van

wagengebruik vervangen wordt door minder vervuilende energie voor verwarming.

• de niet-telewerkende autogebruikers slechts 30% van de tijdswinst realiseren omdat de

vermindering van files aanzienlijk kleiner is dan verwacht.

• ongeveer 70% van de verwachte tijdswinst gaat dus verloren via reboundeffecten

Tabel 1: Detail van de rebound effecten bij telewerk

aantal miljoen

vkm/jaar

energie

(miljoen kWh/jaar)

tijdswinst

(miljoen uur/jaar)

Direct effect

Telewerkers 370 265 15

Rebound 1

Energiegebruik thuis -69

Rebound 2 en 3

Inkomens en locatie-effect -168 -120 -7

Rebound 4

Latente vraag -101 -72 -4

Congestie niet-telewerkers 0,31

Totaal 101 4 4

Rebound Effect 73% 99% 71%


De gevalstudie nam volgende elementen in beschouwing:

• Vlaamse werknemers gaan gemiddeld één dag per week telewerken (met variatie per sector)

• Direct effect van de maatregel: Telewerkers vermijden één woon-werkverplaatsing per

week

• Rebound 1: in de winterperiode moet thuis extra verwarmd worden, vooral in huizen waar

de thuiswerker de enige aanwezige is

• Rebound 2 en 3: telewerkers die geld besparen door het telewerken1, gebruiken een deel

van hun vrijgekomen transportbudget om

o andere verplaatsingen te doen (inkomenseffect). Hier speelt ook dat mensen nog

altijd naar de winkel, school, etc. gaan – transport dat vroeger misschien in de

keten woon-werkverkeer zat.

o langere woon-werk verplaatsingen te doen op hun werkdagen (locatie effect – men

zal bijvoorbeeld een grotere woon-werkafstand aanvaarden omdat men deze trip

niet elke dag hoeft te maken bij telewerken)

• Rebound 4: De afwezigheid van telewerkers vermindert de files en het tijdverlies voor niet

telewerkers. De tijdswinst en de vermindering van files zijn wel niet zo groot als verwacht.

Er zijn nu meer niet- telewerkers die de auto nemen omdat het sneller gaat dan vroeger.

Deze nieuwe gebruikers vormden de “latente” of “geïnduceerde” vraag. Deze nieuwe

gebruikers zorgen er dus voor dat de tijdswinst kleiner wordt voor de oude gebruikers.

De gevalstudie nam een verkleining van de kantoorruimtes op middellange of lange termijn niet in

aanmerking. Het rebound effect zou met dit effect inbegrepen enkele percenten lager liggen.

We kunnen een aantal verklaringen geven voor zo een belangrijk rebound effect:

• De helft van de telewerkers gebruikten de trein vóór ze telewerkten

• Een deel van de telewerkers voert telewerk uit vanuit een satellietkantoor. Om naar dat

satellietkantoor te gaan gebruiken ze de auto. Voorheen gebruikten ze de trein voor een

weliswaar langere verplaatsing.

• Het energieverbruik om zich te verplaatsen met een wagen is relatief laag vergeleken met

het opwarmen van een huis gedurende de hele dag. Aan de andere kant wordt de meer

1 Niet iedereen zal geld uitsparen door te gaan telewerken. Treinreizigers die een abonnement hebben, besparen enkel op

de tijd nodig voor het woon-werktransport.


vervuilende energie van wagengebruik vervangen door minder vervuilende energie voor

verwarming.

Indien we een aantal hypotheses aanpassen (gevoeligheidsanalyse) dan zien we dat de grootteorde

van de resultaten dezelfde blijft.

Rebound effect van energie-efficiëntiewinst bij producenten: van extra

energiewinst in diensten (super conservation) tot extra energieverlies in

petrochemie (backfire)

TML analyseerde de verschillende directe en indirecte effecten die spelen bij een stijging van de

energie-efficiëntie met 1 à 10% in één van de verschillende economische sectoren. TML deed dit op

een theoretische manier met het algemeen evenwichtsmodel ISEEM om de verschillende effecten

die doorwerken in de economie in beschouwing te nemen. De rebound effecten in de petrochemie

en de dienstensectoren springen eruit.

Figuur 4: Totaal rebound effect als gevolg van efficiëntieverbetering in één sector

De petrochemie kent een backfire effect. Voor 1% energie-efficiëntieverbetering in de petrochemie

gaat het energieverbuik in Vlaanderen stijgen met het equivalent van twee maal de energie besparing

gerealiseerd dankzij de efficiëntieverbetering in de petrochemie. De reden is dat een

efficiëntieverbetering in de petrochemie voor goedkopere brandstof zorgt voor alle consumenten

en economische sectoren. Consumenten en economische sectoren zullen daarom hun brandstof en

energieverbruik verhogen.


De diensten sectoren (waaronder de financiële sector, de overheid, onderwijs, onderzoek, etc2.-

rechts op de figuur)kennen een super-conservation effect. Voor 1% energie-efficiëntie verbetering

in de diensten daalt het energieverbruik in Vlaanderen met het equivalent van 20 tot 30% van de

energie-efficiëntieverbetering in de dienstensector. De hoofdreden is dat de dienstensectoren de

energie-efficiëntiewinsten in extra personeel investeren. Deze extra aanwervingen door de

dienstensectoren zetten de arbeidsmarkt onder druk zodat de lonen stijgen. Dit heeft voor gevolg

dat ook de lonen in de industrie stijgen, dat de industriële productie duurder wordt en de

consument minder van deze industriële producten verbruikt. Minder industriële productie betekent

ook minder energieverbruik.

Rebound effect van energie-efficiëntiewinst bij consumenten: van

ongeveer 20% op korte termijn tot 50% op lange termijn


energie-efficiëntie met 1% van elektrische toestellen, verwarming of warm water. TML deed dit,

net als voor de producenten, met het algemeen evenwichtsmodel ISEEM om de verschillende

effecten die doorwerken in de economie in beschouwing te nemen.

Onderstaande figuur geeft de grootte van het reboundeffect (Y as) voor een betere energie-

efficiëntie van elektrische toestellen, verwarming of warm water op korte (KT) en lange (LT)

termijn. De figuur geeft ook aan onder welke energievorm en bij wie het rebound effect gebeurt.

Figuur 5: opsplitsing van het totale rebound effect naar energiedrager, consument en bedrijven

De gevalstudie leert ons dat:

• De rebound effecten belangrijker zijn op lange (rond 50%) dan op korte termijn (rond

20%) omdat men zijn gedrag eenvoudiger kan veranderen op langere termijn.

• De consument, dankzij de energie-efficiëntie winst, het vrijgekomen budget, gebruikt om

extra gas, elektriciteit en stookolie te verbruiken.

2 Zie bijlage 3 voor een volledige lijst van de sectoren


o Opvallend is dat bij elektrische applicaties een deel van de besparing wordt

verbruikt onder de vorm van stookolie. Via een indirect rebound effect gaat de

consument dus zijn elektriciteitswinst omzetten in stookolie verbruikt.

o Bij verwarming situeert het grootste rebound effect zich bij elektriciteit. Enerzijds

wordt er extra verwarmd met elektriciteit, anderzijds wordt elektriciteit ook

gebruikt voor andere toepassingen. Stookolie is daarentegen niet inzetbaar voor

andere toepassingen zodat het rebound effect via stookolie beperkter blijft.

• De brede economische effecten situeren zich bij de producenten en dan vooral op korte

termijn. Het minverbruik van de consument wordt op korte termijn

niet optimaal opgevangen door de producenten, zij investeren teveel omdat ze een hogere

vraag naar energie verwachten. Daardoor is er een licht overschot aan energieproductie,

waardoor de prijzen dalen. Dit zorgt op zijn beurt voor extra (elektriciteits) verbruik bij de

producenten op korte termijn. Op langere termijn passen de producenten hun

investeringen aan, waardoor het overschot verdwijnt en de prijs normaliseert. Het gaat

(hoofdzakelijk) om het groene balkje – elektriciteitsbedrijven.

Voor ruwe olie merken we een licht besparingseffect (super-conservation) op lange termijn.

De reden is dat de gedaalde vraag naar afgewerkte olieproducten, leidt tot minder raffinage

van ruwe olie in Vlaanderen.


2 Inleiding en probleemstelling

De Vlaamse overheid wil een kwaliteitsvol leefmilieu realiseren, waarin op een duurzame wijze

gebruik wordt gemaakt van diverse voorraden. Hiertoe ontwikkelt ze een geïntegreerd leefmilieu-,

natuur en energiebeleid. Dit beleid uit zich in de vorm een milieubeleidsplan waarin de hoofdlijnen

van het milieubeleid van het Vlaamse Gewest bepaald worden. Naast een schets van de context, is

in het plan een evenwaardige plaats toebedeeld aan de lange termijndoelstellingen, de

overheidsinterne engagementen, de plandoelstellingen, de milieuthema’s en de maatregelpakketten.

In de meeste gevallen zijn maatregelen direct gericht op het doel. Denk bijvoorbeeld aan

emissiestandaarden voor wagens om de emissies te verminderen, het aanmoedigen van het isoleren

van huizen om het energiegebruik te verlagen, het bevorderen van duurzame consumptie van

levensmiddelen, etc.

Naast het beoogde, rechtstreekse/directe effect, treed er echter bij sommigen van deze maatregelen

ook een tweede orde of indirect effect op. Dit indirect effect kan zowel positief als negatief

bijdragen tot het halen van de doelstelling. Een gekend voorbeeld is het feit dat strengere

emissiestandaarden leiden tot een verminderd brandstofverbruik. Dit is positief wanneer men kijkt

naar het gebruik van energie. Aan de andere kant zorgt dit verminderd energieverbruik ook voor

een besparing bij de consument. De vraag die zich dan stelt, is wat de consument met dit

“bijkomend” budget zal doen. Indien deze hierdoor juist meer gaat rijden, dan kan het initiële effect

(verlaging van de uitstoot per km) sterk verminderd worden – of zelfs te niet gedaan doordat er

meer kilometers gereden worden. Het mechanisme van dit soort “tweede orde” effecten wordt in

de literatuur ook wel “rebound effecten” genoemd. Dit effect is niet nieuw. De Britse econoom

William Stanley Jevons merkte dit in 1865 voor het eerst bij het gebruik van steenkool: de brandstof

werd plotseling efficiënter gebruikt, waardoor de totale consumptie van steenkool snel de hoogte in

schoot. Het effect wordt daarom ook wel de Jevons-paradox genoemd.

In opdracht van de Vlaamse Overheid – Afdeling Milieu, Natuur- en Energiebeleid gaan we in deze

studie na hoe het “rebound effect” speelt op Vlaams niveau. Het rapport bestaat uit twee grote

delen. In een eerste deel wordt het concept “rebound effect” op een onderbouwde en

gestructureerde wijze uiteengezet en voorzien van voorbeelden. Daarna wordt met behulp van drie

cases het rebound effect geïllustreerd op Vlaams niveau. Hierbij worden ook algemene conclusies

en specifieke aanbevelingen geformuleerd, die ook een aanzet kunnen geven om het rebound effect

te voorzien en in zekere mate te vermijden. Dit werk moet er ook toe bijdragen dat het bestaan van

dit soort effecten op een duidelijke manier kan gecommuniceerd worden.


3 Naar een concept Rebound Effecten

Veel van het milieubeleid is erop gericht om de efficiëntie van inputs (energie, water, materialen,…)

te verhogen om zo de milieu-effecten verbonden met het gebruik van deze inputs te verminderen.

Maar al te vaak wordt verondersteld dat deze efficiëntieverbeteringen zullen leiden tot een daling

van het gebruik van de inputs, zeker in vergelijking met een scenario waarin deze verbeteringen er

niet zijn. Er zijn echter heel wat mechanismes, in de literatuur samengebracht onder de noemer

“rebound effecten” –of “terugslageffecten”, die ertoe leiden dat de besparingen minder groot zijn

dan verwacht. In sommige, extreme gevallen, kunnen verbeteringen zelfs leiden tot een totaal

verbruik dat hoger is dan anders het geval zou zijn. Dit wordt in de literatuur “backfire” genoemd.

Dit is bijvoorbeeld het geval voor zeer doordringende technologieën zoals de stoommotor in de 19e

eeuw, die niet alleen de energie-efficiëntie verhoogde, maar ook de economische productiviteit.

Traditioneel focust de rebound literatuur op energie en energie-efficiëntieverbeteringen, maar het

concept is ook van toepassing voor andere inputs zoals water, materiaal, etc. Bij een zeer ruime

interpretatie van het concept rebound effecten kan men elke vorm van beleid opnemen, waarbij de

gerealiseerde effecten niet overeenkomen met de initieel verwachte effecten. En dit omdat mensen

hun gedrag aanpassen. Denk bijvoorbeeld aan het verstrekken van gratis busabonnementen die

vooral fietsers en wandelaars aantrekt.

Binnen een economisch kader is het echter voor de hand liggend dat de verbetering in input-

efficiëntie niet één tot één vertaald wordt naar een daling van het gebruik van deze input. De

impliciete veronderstelling achter deze één-één relatie is dat de vraag naar de input constant zou

blijven. Dit is een te eenvoudige veronderstelling. De verbetering in efficiëntie vermindert immers

de marginale kost van de input en hierop gaan mensen/bedrijven reageren. We tonen dit aan met

onderstaande figuur. Deze figuur vormt de basis van de economische theorie – met name een vraag

en aanbodschema. Veronderstel dat deze figuur de vraag van een consument naar een energiedienst

voorstelt– dit kan de vraag naar verwarming zijn, of de vraag naar transport, de vraag naar schone

kleding, etc…Om de zaken concreet te maken veronderstellen we dat het hier gaat om de vraag

naar huishoudverwarming. Maar deze figuur is van toepassing voor alle andere voorbeelden. Op de

horizontale as vinden we de gevraagde hoeveelheid verwarming terug. Op de verticale as staat de

kostprijs van verwarming voor de consument. De kostprijs voor de consument omvat zowel de

tijdskost3 als de geldkost. De vraag naar de dienst is een dalende functie van de prijs. Als

verwarming duur is, dan zal de consument minder verwarming vragen (binnen bepaalde grenzen

natuurlijk). In de praktijk zal ze bijvoorbeeld de verwarming eerder uitzetten of de thermostaat een

graad lager instellen dan als de prijs laag is. In dit voorbeeld veronderstellen we dat de prijs constant

is (P0) én een functie van de energie-efficiëntie van de dienst E0. Gegeven de vraag en deze prijs,

hebben we een evenwicht in het punt en zal de consument een vraag gelijk aan Q0 hebben.

Op deze figuur hebben we nog een lijn toegevoegd, met name de milieukost die samenhangt met

het gebruik van energie voor verwarming. Deze is ook afhankelijk is van de energie-efficiëntie.

Voor zover deze kost niet vervat zit in de prijs voor verwarming, wordt dit ook een externe kost

genoemd. Extern, omdat de consument er geen rekening mee houdt. Het bestaan van dit soort

externe kosten is een reden voor het opleggen van maatregelen zoals belastingen of

3 Het mee opnemen van het tijdscomponent is belangrijk voor bepaalde voorbeelden. Bij transport zal meer wegcapaciteit

leiden tot een lagere tijdskost en zo tot meer verkeer. Bij de vervanging van houtkachels versus pelletkachels zal ook

voornamelijk het verhoogde gebruiksgemak voor een bijkomende vraag naar verwarming zorgen.


energiestandaarden, etc. Voor de eenvoud van de grafiek hebben we deze hier constant

verondersteld. Gegeven de gevraagde hoeveelheid Q0 is de milieukost gelijk aan de lichtblauwe

rechthoek ABCP0.

Figuur 6: vraag naar verwarming bij energie-intensiteit E0

Veronderstel nu dat de energie-efficiëntie voor het verwarmen van een huis verbetert waarbij

E0=θ*E1. θ staat voor de winst in energie-efficiëntie die zorgt voor een gelijk niveau van

verwarming als bij E0, maar met een verminderde energie-input. Deze verbeterde efficiëntie van

verwarming kan ontstaan door bijvoorbeeld de installatie van een hoogrendementsketel (al dan niet

verplicht of gesubsidieerd door de overheid). Abstractie makend van de installatieprijs van deze

ketel daalt de prijs voor het verwarmen van het huis voor de consument. We gaan er ook van uit

deze verbeterde energie-efficiëntie ervoor zorgt dat de milieukost bij een gegeven vraag daalt. Dit is

weergegeven in figuur 2. Als de vraag constant blijft (Q0) (of de prijs onveranderd) dan daalt de

milieukost en wordt gelijk aan de blauwe rechthoek.


Figuur 7: Illustratie verandering milieukost bij verbetering energie-efficiëntie als vraag constant blijft

Het verschil in milieukosten is dan gelijk aan het verschil tussen de rechthoek van figuur 1 en de

rechthoek van figuur 2. Dit is ook vaak wat beleidsmakers verwachten bij het uitstippelen van het

beleid en wordt ook wel het mechanische, ingenieurseffect genoemd. Maar doordat de energie-

efficiëntieverbetering ook zorgt voor een prijsdaling, zal juist de vraag naar verwarming ook stijgen.

De consument zal juist zijn thermostaat een graadje hoger zetten of besluiten om de verwarming

langer aan te zetten. Hierdoor komen we in een nieuw evenwicht, bij prijs P1(E1) en Q1, met

Q1>Q0. Door deze stijging in de vraag, is er ook een extra belasting voor het milieu – gelijk aan de

gestippelde rechthoek (figuur 3). Een deel van het mechanische verwachte effect wordt dus teniet

gedaan. Dit is wat men het directe rebound effect noemt.

Merk op dat de efficiëntieverbetering op zich zorgt voor een baat voor de consument. De baat voor

de consument is gelijk aan de oppervlakte P0ABC. Afhankelijk van de grootte-orde van de externe

kosten, de effecten die daar spelen en van de investeringskost nodig om tot de efficiëntieverbetering

te komen, zal er ook nog steeds een baat voor de maatschappij zijn. Rebound effecten worden vaak

als iets negatief aanzien, in de zin dat niet alle mogelijke baten van een efficiëntieverbetering

gerealiseerd worden in werkelijkheid. Hierbij vergeet men dat de efficiëntieverbetering op zich vaak

wel nog steeds leidt tot een baat voor de maatschappij. Dit met uitzondering van zogenaamde

backfires.

A

C

B


Figuur 8: Illustratie verandering milieukost bij verbetering energie-efficientie met rebound effect

We focussen hier op de milieu-effecten, maar hetzelfde effect speelt zich af bij de achterliggende

energie-input. Verwarmen gebeurt bijvoorbeeld met gas. Door het gebruik van een

hoogrendementsketel die θ efficiënter is verwacht men, bij gelijkblijvend gebruikt een daling in het

verbruik met θ. In werkelijkheid gaan de mensen reageren en zal de daling in het verbruik kleiner

zijn dan θ.

Het rebound effect wordt bij conventie als een percentage uitgedrukt en geeft het verschil weer

tussen het mechanisch verwachte en de werkelijkheid. Een rebound effect van 10% wil zeggen dat

als bijvoorbeeld het gasverbruik theoretisch gezien daalt met 50% door een efficiëntieverbetering,

we in werkelijkheid maar een daling zien van 45% van het verbruik van gas.

Figuur 9: Grafische voorstelling van het idee Rebound Effect

Theorie Realisatie

Mechanisch

voorspelde

energiebesparing Werkelijke

geobserveerde

energiebesparing

Rebound effect

A

B


Het rebound effect (RE) is met andere woorden gelijk aan het verschil in de verwachte besparing

(VB) en de gerealiseerde besparing (GB) ten opzichte van de verwachte besparing.

�� 100 � �1 � ��

�� 100

Indien de efficiëntieverbetering volledig teniet wordt gedaan, dan is het rebound effect groter dan

100% . Men gebruikt dan meer van de input dan initieel, en men spreekt dan van een backfire4. Het

is echter ook mogelijk dat men nog minder van de input gaat gebruiken dan initieel verwacht. Dit

wil zeggen dat het gebruik van de input meer daalt dan de één-tot-een basis met de input efficiëntie,

met andere woorden een 1% verbetering in efficiëntie (dus in θ) leidt tot een daling van 2% in het

gebruik. Dit wordt ook wel een “super-conservation” rebound effect genoemd. Onderstaande

figuur illustreert deze begrippen.

Figuur 10: Een geobserveerde energiebesparing wijkt af van de mechanisch voorspelde energiebesparing

Theorie Realisatie1 Realisatie2 Realistatie3

Mechanisch voorspeld Rebound tusen 30 en 50% Effect meer dan teniet Effect versterkt

ingenieurseffect Meest frequent Backfire Superconservation

Vandaag de dag is het niet duidelijk of zowel backfire als super-conservation rebound effecten zich

ook voordoen in de werkelijkheid. Uit de literatuurstudie die volgt, blijkt ook dat er meer in het

algemeen geen overeenstemming is over de grootte-orde van de rebound effecten; er is enkel

overeenstemming over het feit dat rebound effecten bestaan.

Met dit voorbeeld willen we vooral het achterliggend mechanisme beschrijven. Dit voorbeeld is ook

van toepassing voor bijvoorbeeld de gevolgen van brandstofefficiëntere voertuigen en de vraag naar

4 Zie ook Alcott (2005), Dimitropoulus (2007), Sorell (2009) en Madlener & Alcott (2009)

Mechanisch

voorspelde

besparing

Werkelijke

geobserveer

de

besparing

Rebound

effect

Rebound

effect

(meer-

verbruik)

Mecha-nisch

voor-spelde

bespa-ring

Rebound

(extra be-

sparing)


brandstof, materiaalgebruik, etc. In een meer bredere context geldt dit voorbeeld ook voor

verbeteringen in wegcapaciteit, verbeteringen in gebruiksgemak, etc. Dit voorbeeld focust op

consumenten, maar de idee is ook van toepassing voor producenten.

Merk op dat naast dit direct effect, er ook andere redenen zijn waarom de daling in het gebruik van

de input kleiner is dan volgens de technische berekeningen. Zo is het mogelijk dat de consument

een deel van het geld dat ze bespaart aan verwarming niet zal besteden aan meer verwarming, maar

aan andere goederen zoals reizen– die op hun beurt ook weer energie vragen. Bij de installatie van

bijvoorbeeld isolatie is er ook een meerverbruik aan energie bij de productie van de isolatie zelf

(ook “embodied” energy demand genoemd). Producenten kunnen ervoor opteren om de

besparingen die ze hebben door de verbetering van één input in te zetten om meer te produceren,

wat op zijn beurt dan weer de consumptie van kapitaal, arbeid en materiaal verhoogt – wat op zijn

beurt weer extra energie vraagt. Daarnaast kunnen kost-efficiënte input efficiëntieverbeteringen

leiden tot een verhoogde productiviteit van heel de economie, wat op zijn beurt economisch groei

verhoogt wat weer leidt tot een verhoogde consumptie van inputs (macro-economische effecten).

Dit soort effecten worden in de literatuur ook wel de indirecte effecten genoemd.

In de volgende sectie starten we met het literatuuroverzicht. In dit literatuuroverzicht focussen we

op definities en classificaties van het rebound effect. Vervolgens worden een aantal voorbeelden

besproken. Gegeven de voorbeelden en de literatuur komen we tot een voorstel tot een definitie

van rebound effecten die centraal zal staan in deze studie.

3.1 Literatuuroverzicht

3.1.1 Definitie

Uit lezing van de literatuur rond rebound effecten blijkt dat er verschillende definities in omloop

zijn van wat een rebound effect juist is. Er is wel consensus over het bestaan van rebound effecten

en over het algemeen achterliggend idee. De idee is dat er een verbetering in energie-efficiëntie is

waarvan blijkt dat de initieel ingeschatte (theoretische) energiebesparing in de realiteit minder is dan

verwacht door veranderingen in gedrag (Gavankar & Geyer (2010)). Deze initieel ingeschatte

besparing hebben we eerder ook het “mechanisch effect” genoemd worden.

Maxwell, D. ea (2011) hanteren een iets bredere definitie in de zin dat ze niet enkel focust op

energie. Zij definiëren het rebound effect als de stijging in consumptie veroorzaakt door

milieugerichte efficiëntieverbeteringen via ofwel een prijsdaling (omdat een efficiënter product

goedkoper is in het gebruik en daardoor meer geconsumeerd wordt5) ofwel door andere

gedragsveranderingen. Het rebound effect kan dus zowel door prijsveranderingen als door

mentale/psychologische veranderingen veroorzaakt worden. Murray (2013) onderzocht

bijvoorbeeld wat het rebound effect is van “groener leven”. Hierbij wordt verondersteld dat geen

nieuwe efficiëntere goederen aangekocht worden, maar dat mensen bijvoorbeeld het autorijden

gaan vervangen door fietsen, dat ze bijvoorbeeld hun droogkast minder gaan gebruiken, etc.

MIRA6 heeft ook een zeer brede definitie waarbij het rebound effect gedefinieerd wordt als een

situatie waarin het volume van consumptie van bepaalde producten in feite de verhoogde efficiëntie

van het product (ten dele) te niet doet.

5 Merk op dat de aankoop van het efficiëntere product wel duurder kan zijn. 6http://www.milieurapport.be/default.aspx?path=mira/Tools/woordenboek/&AlfaLetter=R&cat=0&SearchTerm=true

&Culture=nl&&ExplID=2761


In het algemeen focust de literatuur van rebound effecten eerder op efficiëntieverbeteringen en niet

op andere vormen van beleid en niet verwachte effecten. Centraal staan ook energie-

efficiëntieverbeteringen. Dit laatste heeft te maken met de oorsprong van het concept. De literatuur

rond rebound effecten start bij de Britse econoom William Stanley Jevons en het gebruik van

steenkool. In 1865 merkte hij op dat de brandstof plotseling efficiënter gebruikt kon worden,

waardoor steenkool in meer toepassingen gebruikt kon worden en de totale consumptie van

steenkool snel de hoogte in schoot. Het rebound effect wordt daarom ook wel de Jevons-paradox

genoemd.

Daarna bleef het stil rond dit onderwerp tot Brookes (1979) en Khazzoom (1980) een nieuwe

impuls aan dit onderzoek gaven. Khazzoom (1980) stelde in een studie naar de economische

effecten van verplichte energiestandaarden voor huishoudtoestellen vast dat de daling in

energiegebruik kleiner is dan de verbetering in energie-efficiëntie. Dit werd veroorzaakt door de

prijsveranderingen ten gevolgen van de verbetering in energie-efficiëntie. Een verbetering in de

energie-efficiëntie leidt meestal tot een daling van de gebruikskosten/prijs, wat dan, volgens de

gangbare economische theorie, weer leidt tot een verhoging van de vraag (zie ook de eerdere

figuren). Dit effect wordt later het directe rebound effect genoemd en sinds 1992 wordt de

“Khazzoom-Brookes postulaat7” gebruikt om de idee te beschrijven dat een verbetering in energie-

efficiëntie kan leiden tot een stijging in energiegebruik.

Wat precies gemeten wordt met “energie-efficiëntie” wordt meestal niet gedefinieerd, er wordt

enkel gesteld dat er een verbetering is (Gavankar & Geyer (2010)). Over de achterliggende

mechanismes die leiden tot het rebound effect, én over welke mechanismes mee opgenomen

dienen te worden, is er meer discussie. Er zijn dan ook verschillende classificaties in omloop.

Turner, K. (2012) geeft een uitgebreid literatuuroverzicht, waarbij ze focust op de verschillende

definities/classificaties van rebound effecten. Zij stelt dat het gebrek aan een solide raamwerk en de

haast om empirische schattingen uit te voeren geleid heeft tot een gebrek aan consensus in de

literatuur.

3.1.2 Classificatie

Binnen de literatuur vindt men voor het “Rebound effect” verschillende betekenissen. De Jevons

Paradox benadrukt de lange termijn en de bredere (macro) economisch effecten. Anderen zoals

Brookes (1979) en Khazzoom (1980) benadrukken een korte termijn, micro economische

benadering. Greening (2000) en Sorrel (2007) brengen de twee definities samen door de algemeen

evenwichtseffecten erbij te betrekken.

De classificatie die het meeste terugkomt, maakt een onderscheid tussen de directe effecten, de

indirecte effecten en de economisch brede effecten (onder andere bij Gavankar & Geyers, 2010;

Gueraa & Sancho (2010)). Dit is ook het onderscheid dat Maxwell ea (2011) maken. In hun

onderzoek behandelen ze in detail het concept van rebound effect en geven een overzicht van een

aantal voorbeelden. Ze maken een onderscheid tussen de micro- en de macro-economische

effecten.

- Op micro-economisch niveau

o Direct rebound effect – waar een verhoging van de efficiëntie en de daarbij

horende kostendaling voor een product/dienst leidt tot een verhoogde consumptie

van het product/dienst zelf omdat ze goedkoper wordt. Het klassieke voorbeeld

7 Saunders (1992)


hierbij is dat als de brandstofefficiëntie van personenwagen stijgt, mensen geneigd

zijn om meer te rijden.

o Indirect rebound effect – waar besparingen door de verhoogde efficiëntie en

bijhorende kostendaling leiden tot meer inkomen wat dan weer wordt uitgegeven

aan andere producten en diensten. In het voorbeeld wil dit zeggen dat mensen niet

de volledige besparing aan brandstofkosten, weer gaan “oprijden”, maar ook

andere uitgaven gaan doen, zoals meer uit eten gaan of meer gaan reizen. Deze

bijkomende uitgaven vragen op hun beurt ook weer energie.

- Op macro-economisch niveau

o Brede economie rebound effect – waar een verhoging van de efficiëntie de

economische productiviteit verhoogt wat leidt tot een hogere economische groei

en consumptie op macro-economisch niveau.

Deze classificatie kan men ook zien als een verandering van welke effecten precies deel uitmaken

van het rebound effect wanneer men de effecten over de tijd bekijkt. Hierbij spelen de micro-

economische effecten eerder op korte termijn, terwijl de macro economische effecten op langere

termijn spelen.

-

-

-

Wat korte en lange termijn is, is sterk afhankelijk van de levensduur van het goed in kwestie. Voor

een auto is dit 5 jaar, voor een huis 30 jaar en voor een kantoor 20 jaar. Verlichting is vergeleken

met 700 jaar terug 6000 keer efficiënter geworden. Ook is het mogelijk dat juist op de heel korte

termijn er geen effect is. We keren even terug naar ons initiële voorbeeld: het vervangen van een

verwarmingsketel. De ketel wordt vervangen en de energierekening daalt. Dit leidt tot een reactie:

men gaat meer kamers verwarmen, langer verwarmen, etc. Maar in het eerste jaar gaan mensen dit

misschien niet doen. De ketel vervangen is immers duur en het beschikbare inkomen zal hierdoor

tijdelijk dalen. Op langere termijn gaan ze wel reageren.

Van den Bergh (2011) gaat niet akkoord met deze classificatie omdat de bredere economische

effecten binnen verschillende classificaties vallen. Hij stelt voor om enkel een onderscheid naar

directe en indirecte effecten te maken, die dan samen de bredere economische effecten vormen.

Dit is een heel eenvoudige classificatie, maar heeft als nadeel dat het verondersteld dat de effecten

additief zijn.

Energiebesparin

g zoals voorzien

door ingenieurs Werkelijke

geobserveerde

energiebesparing

Werkelijke

geobserveerde

energiebesparing

Rebound effect

lange termijn

Rebound effect

korte termijn

tijd


Sorrell (2007) stelt ook dat het totale rebound effect de som is van de directe en indirecte rebound

effecten, waarbij hij deze twee effecten nog verder onderverdeelt:

- Direct rebound effect:

o Voor consumenten: het directe rebound effect is gerelateerd aan individuele

energievoorzieningen, zoals verwarming, verlichting, witgoederen, etc. en zijn

rechtstreeks gerelateerd aan de energie die nodig is om die voorziening te leveren.

Een verbeterde energie-efficiëntie verlaagt de bijkomende kost om die voorziening

te leveren en leidt daardoor tot een stijging van de vraag. De vervanging van een

oude verwarmingsketel door een hoge rendementsketel leidt ertoe dat het relatief

goedkoper wordt om de woning te verwarmen. Mensen kunnen hierop reageren

door de verwarming hoger te zetten en/of langer aan te laten staan. Volgens de

economische theorie spelen hierbij twee effecten.

� Substitutie-effect: men gaat meer (goedkopere) energie consumeren in

plaats van (relatief) duurder geworden ander producten. Men gaat met

andere woorden de consumptie van andere goederen en diensten

vervangen door energie om zo tot eenzelfde nut te bekomen.

� Inkomens effect, waarbij de stijging in reëel inkomen veroorzaakt door de

energie-efficiëntieverbetering leidt tot een hogere consumptie van alle

goederen en diensten, inclusief energiediensten

o Voor producenten

� Substitutie-effect: Men gaat meer van de goedkopere energie gebruiken,

ter vervanging van kapitaal en arbeid en andere materialen om tot een

zelfde output te komen.

� Output effect: de kostenbesparing van de energie-efficiëntieverbetering

laat toe dat meer output geproduceerd wordt – waardoor de consumptie

van alle inputs (inclusief energie) stijgt8.

- Indirect rebound effect

o “embodied energy” – dit wil zeggen de indirecte energieconsumptie nodig om tot

een energie-efficiëntieverbetering te komen, zoals de energie nodig om isolatie te

produceren en te installeren.

o Tweede-orde effecten als gevolg van de energie-efficiëntieverbeteringen. Hierin

zitten bijvoorbeeld het bijkomend energiegebruik op lange termijn als de

efficiëntieverbeteringen leiden tot economische groei die dan weer leiden tot meer

energieverbruik. Bij Maxwell ea (2011) zit dit effect in de brede economische

effecten.

Dit is ook de classificatie die Lee & Wagner (2012) maken, waarbij ze stellen dat de directe en de

indirecte rebound effecten samen de economisch brede effecten maken. Dit is licht verschillend

van de classificatie van Sorell & Dimitropoulus (2008) en Murray (2013) die stellen dat je de

directe en de indirecte effecten hebt, die samen met de schaal- en productie-effecten de economisch

brede effecten vormen.

Nog andere classificaties worden gemaakt door Greening ea (2000), die een van de eerste was om

een verdere classificatie te maken van de verschillende rebound effecten en om de benadering van

Jevons en Khazoom samen te brengen. Hij maakte een onderscheid naar 4 effecten (directe

effecten, bijkomend energieverbruik, effecten op de marktprijs en volume aanpassingen en

transformatie effecten). Sorell (2009) maakt dan weer een onderscheid naar 5 verschillende

8 Er is eventueel dit outputeffect op de markt, indien de kostendaling bij 1 onderneming plaatsvindt.


effecten (voorziene energie effect, het budget effect, het output effect, de energiemarkt effect en de

compositie-effecten) en Turner, K. (2009) onderscheidt voor rebound effecten wat betreft

energieverbeteringen in de productiesector zeven verschillende effecten (het technische effect, het

substitutie-effect, de output/competitiviteiteffect, het compositie-effect, het inkomenseffect, het

negatieve multiplicator effect en het negatieve effect op investeringen).

3.1.3 Schattingen grootte-orde rebound effect

De meeste empirische literatuur focust rond energiediensten – en meer bepaald rond

efficiëntieverbeteringen voor de consument. Er is veel literatuur rond de rebound effecten van

verbeteringen van brandstofefficiëntie en verbeteringen bij de verwarming van woningen. Hierbij

ligt de focus meestal op de zogenaamde directe rebound effecten.

Sorell (2007) omvat een uitgebreid literatuuroverzicht rond rebound effecten binnen de

energiesector. Meer dan 500 studies en rapporten werden hierbij geanalyseerd. Hierbij wordt een

onderscheid gemaakt tussen vijf types van literatuur: evaluatiestudies, econometrische studies,

studies die gebruik maken van substitutie elasticiteiten, algemeen evenwichtsstudies en de resultaten

van energie, productiviteit en economische groei studies. Ook hij wijst er op dat verschillen in de

literatuur waarschijnlijk vooral te wijten zijn aan het gebruik van verschillende definities. Gavankar

& Geyer (2010) stellen dat verschillen ook te wijten zijn aan verschillen in datasets, verschillen in

schattingsmethode, verschillen in afhankelijke variabelen, etc.

Maxwell ea (2011) omvat eveneens een uitgebreid literatuuroverzicht en een bevraging van 44

experten. Ze stellen dat al de evidentie erop wijst dat er geen evidentie is dat het rebound effect zo

klein is dat het niet significant is, maar ook geen evidentie dat het groter is dan 100%. Verder wijzen

ze er ook op dat de grote variatie in de literatuur erop wijst dat het geen goed idee is om de

gevonden % zo maar als algemene richtlijnen toe te passen.

Opvallend in heel de literatuur is dat de kosten van de efficiëntieverbetering zelden meegenomen

worden.

3.1.3.1 Direct rebound effect

Wat empirische schattingen betreft is er het meeste onderzoek gedaan naar de directe rebound

effecten. De meeste methodes maken gebruik van elasticiteiten om het effect in te schatten. Over

welke elasticiteit (welke afhankelijke versus welke veranderlijke) is er minder eenduidigheid. De

keuze lijkt voornamelijk af te hangen van de databeschikbaarheid.

Sorell ea (2009) maken een overzicht van schattingen van het directe rebound effect. Hierbij

focussen ze zowel op de methodologie als op de theoretische problemen. De focus van hun

overzicht ligt bij energiediensten voor huishoudens. Gebaseerd op een literatuuroverzicht stellen ze

wel dat het rebound effect in de meeste gevallen overschat wordt. Ze besluiten dat voor OECD

landen het direct rebound effect in het algemeen kleiner dan 30% zal zijn.

Op basis van hun literatuuronderzoek stellen Gavankar & Geyer (2010) dat er een soort van

consensus in de literatuur is dat het direct rebound effect voor personentransport en verwarming

rond de 30% ligt. Er is dus geen sprake van een backfire of een heel groot rebound effect.

Dit is ook de conclusie van Maxwell ea (2011). Het directe rebound effect voor

energievoorzieningen voor huishoudens (verwarming, airco, transport, witgoed en verlichting)

wordt geschat op een 10% tot 30%.


Frondel ea (2010) geeft een voorbeeld voor brandstofverbruik van hoe de definitie van de directe

rebound effecten afhangen van de elasticiteit die gebruikt wordt:

- De verandering in de vraag naar transportdiensten door de verandering in efficiëntie

- De negatieve prijselasticiteit van de vraag naar dienst s. Deze is gelijk aan de eerste definitie

als de brandstofprijzen exogeen zijn én de vraag naar dienst s enkel afhangt van de prijs.

Dit wil zeggen dat de prijs voor dienst s gelijk is aan de brandstofprijs voor een gegeven

efficiëntie x

- De (negatieve) eigen prijselasticiteit van brandstofconsumptie

- De (negatieve) brandstofprijselasticiteit van de vraag naar transportdiensten.

a) Studies rond brandstof efficiëntieverbeteringen

Frondel ea (2010) gebruikte panel data en regressiemethodes op basis van reisdagboeken van

huishoudens om de heterogeniteit van directe rebound effecten in personentransport in te schatten.

Ze vonden een rebound effect van rond de 60% en stellen dan ook dat een klimaatbeleid niet enkel

mag focussen op standaarden, maar dat brandstofbelastingen ook een belangrijke rol moeten

spelen. Verder vonden ze dat het rebound effect sterk afhankelijk was van het jaarlijks aantal km

dat personen reden. Voor mensen die weinig reden, bleek het rebound effect veel sterker.

Matos & Silva (2011) analyseerde de Portugese vrachtsector tussen 1987-2006 en komen tot de

conclusie dat de efficiëntieverbeteringen op het vlak van brandstofverbruik niet geleid hebben tot

een “backfire”, maar dat er wel een direct rebound effect is van 24.1%. Bovendien gaf de

vrachtsector de voorkeur aan operationele efficiëntieverbeteringen over technologische brandstof

efficiëntieverbeteringen. Maxwell ea (2011) stellen op basis van hun literatuuronderzoek dat het

directe rebound effect voor brandstofverbeteringen tussen de 30%-80% is voor commercieel

transport.

TML (2011)9 berekende voor DG ENV de rebound effecten van een strengere uitstootregulering.

Hier werd rekening gehouden met zowel positieve als negatieve rebound effecten: de daling in

brandstofgebruik leidt immers tot lagere rijkosten en kan zo leiden tot meer rijden – anderzijds

stijgt ook de aanschafprijs, waardoor het aantal verkochte wagens kan dalen.

In het onderzoek van Macharis ea (_) voor LNE in verband met het (milieu)potentieel van

elektrisch rijden in Vlaanderen werd ook kort het rebound effect bekeken. De idee hierachter is dat

een elektrisch voertuig in aankoop wel duur is, maar in gebruik veel goedkoper dan een

conventioneel voertuig. Een rebound effect is dus mogelijk indien er een verandering is in het

aantal verplaatsingen en/of het soort verplaatsingen. Op basis van de antwoorden van de bevraging

schatten ze het rebound effect klein in. 77% van de mensen zei immers van een elektrisch voertuig

niet meer te gebruiken dan een conventioneel voertuig en het elektrische voertuig zou 4% van het

wandelen, 8% van de fiets en 17% van het openbaar vervoer halen.

Winebrake ea (2012) geeft een kritisch overzicht van de literatuur betreffende het berekenen van

de directe rebound effecten bij vrachtwagens als gevolg van maatregelen die (ook) het

brandstofgebruik doen verminderen. Ze stellen dat er geen studies zijn die rechtstreeks het effect

van brandstofverbruik inschatten op de vraag naar wegvrachtvervoer. De meeste studies variëren

wat betreft de methode, de gebruikte data en de variabelen die al dan niet meegenomen worden. Ze

stellen dat recente studies rond lichte vrachtwagens vonden dat de vraag wel reageerde op

9 Smokers ea (2011), Support for the revision of regulation (EC) No443/2009 on CO2 emissions for cars


veranderingen in brandstofprijs, maar niet noodzakelijk op veranderingen in brandstofefficiëntie.

De auteurs manen dan ook aan om voorzichtig te zijn met het gebruik van prijselasticiteiten

Lee & Wagner (2012) maken ook een overzicht van de literatuur, waarbij ze focussen op het

bestaan van rebound effecten als gevolg van emissiestandaarden binnen de transportsector. Ze

stellen dat de efficiëntieverbetering op zich positief is voor de consument en de maatschappij want

een efficiëntieverbetering verlaagt de energieconsumptie en de daaraan gekoppelde externaliteiten.

Daarnaast kunnen huishoudens het geld dat ze besparen elders aan besteden en toch een zelfde

dienst op het vlak van energie krijgen. Ook als ze een deel van de besparing spenderen aan extra

energie, dan is dit toch nog positief voor de consument. Deze analyse houdt wel geen rekening met

de kostprijs van de efficiëntieverbetering noch met mogelijke verschuivingen naar andere

milieuproblemen. Ze wijzen er wel op dat het bestaan van het rebound effect impliceert dat het

beter is om externaliteiten te beprijzen (een zogenaamde Pigoubelasting) of rechtstreeks te limiteren

(pollution cap) dan om standaarden op te leggen. Op basis van hun literatuuronderzoek stellen ze

dat het korte termijn rebound effect voor efficiëntieverbeteringen binnen transport rond de 1-10%

ligt en het lange termijn rebound effect rond de 5-30% ligt. Het National Highway Traffic Safety

Administration zou een centrale schatting van 10% gebruiken. De factoren die het directe rebound

effect binnen transport beïnvloeden zijn dezelfde factoren die ook de prijs- en

inkomenselasticiteiten beïnvloeden, met name het reëel inkomen10, factoren zoals stijgende

verstedelijking en rij-intensiteit (saturatie-effect), onvervulde vraag wat zorgt voor een hoger

rebound effect in ontwikkelingslanden, en hogere brandstofprijzen in de initiële situatie11. Zo zou

ook het bestaan van congestie het rebound effect verminderen. Ze merken hierbij wel op dat de

meeste literatuur gebruik maakt van prijselasticiteiten terwijl het beter zou zijn om gebruik te maken

van de efficiëntie-elasticiteit van de vraag.

Yu ea (2013) berekenen het rebound effect voor efficiëntere wagens in Beijing. Zij vinden een

direct rebound effect van 33,61%. Dit is iets hoger dan de meeste schattingen voor OECD landen.

Murray (2013) maakt een onderscheid naar besparingen in brandstof door de aankoop van een

brandstofefficiënter voertuig dan wel door het rijden met de wagen te vervangen door meer te gaan

fietsen (‘groener te gaan leven’). Bij de vervangen van de wagen vond ze een rebound effect van

tussen de 17 en 24% voor het mediaan inkomen (Australië). Meer fietsen – dus zonder vervanging

van de wagen zelf – heeft een lager rebound effect van 12 tot 17% bij het mediaan inkomen. De

idee is dat het beschikbare inkomen stijgt door het laten staan van de wagen. Dus ook al is er geen

echte efficiëntieverbetering, toch kan het rebound effect ook optreden bij het

promoten/veranderen van levensstijl. Hoe groter de economische winst van het groener leven, hoe

groter het verwachte rebound effect. Het rebound effect is kleiner indien groener leven duurder is

dan wel gepaard gaat met minder werken. Een belangrijk resultaat is ook dat het indirect rebound

effect belangrijker wordt bij de hogere inkomensgroepen.

10 Small & Van Dender (2007) vinden dat het rebound effect daalt met het reëel inkomen – wat je theoretisch ook zou

verwachten. Als het inkomen stijgt, daalt immers het budgetaandeel van transport. Frondel ea (2010) vond daarentegen

geen impact van inkomen. 11 Mensen reageren sterker op efficiëntieverbeteringen als de brandstofprijs al hoog is.


Tabel 2: samenvatting literatuur direct rebound effect binnen transport

Auteur/Datum Regio Efficiëntieverbetering Methode Geschat Rebound effect

Frondel ea (2010) Duitsland Brandstofverbruik wagens

Panel data en regressiemethodes op basis van reisdagboeken (1997-2005)

Gemiddeld 57-62%

Matos & Silva (2011) Portugal Brandstofverbruik vrachtwagens

tijdreeksanalyse 24%

Maxwell ea (2011) Brandstofverbruik vrachtwagens

Literatuurstudie/experten 30-80%

Sorell (2007)* Brandstofverbruik wagens

Meta-analyse van 17 studies die gebruik maken van huishouddata

10-30% (lange termijn)

Gillingham (2011)* Brandstofverbruik wagens

Analyse van prijselasticiteiten

7% (korte termijn)

Greening ea (2000)* Brandstofverbruik wagens

Analyse van geaggregeerde studies uit de jaren ‘90

10% (korte termijn)

20-30% (lange termijn)

Small & Van Dender (2007)*

VS Brandstofverbruik wagens

Cross-sectionele tijd serie analyse 1966-2004 en 2000-2004

Voor 1966-2004:

4.1% (korte termijn)

21% (lange termijn)

Voor 2000-2004:

1.1% (korte termijn)

5.7% (lange termijn)

Barla ea (2009)* Canada Brandstofverbruik wagens

Panel data 1990-2004

8% (korte termijn)

20% (lange termijn)

Wang ea (2012)* Hong Kong Brandstofverbruik wagens

Tijdreeksen voor 1993-2009 en voor 2002-2009

45% (1993-2009)

35% (2002-2009)

Goldberg (1996)* VS Brandstofverbruik wagens

Consumenten uitgaven data 1984-1990

0% (korte termijn)

Puller & Greening (1999)* VS Brandstofverbruik wagens

Consumenten uitgaven data 1980-1981 e, 1984-1990

35% tot 80%

West (2004)* VS Brandstofverbruik wagens

Consumenten uitgavendata vanaf 1997

87%

Roy (2000)* ontwikkelingslanden Brandstofverbruik wagens

Geaggregeerde tijdreeksanalyse 1973-1974 en 1989-1990

24%%(korte termijn)

50% (lange termijn)

Wang ea (2011)* 28 Chinese provincies Brandstofverbruik wagens

Geaggregeerde tijdreeksanalyse voor periode 1994-2009

96%

Gavankar & Geyer (2010) OECD, VS en Japan Verbeteringen energie-efficiëntie persoonlijk transport

Literatuurstudie

5%-15% (KT) en 20-30% (LT) (6 geaggregeerde tijdreeksanalyses – VS)

5%-25% (KT) 20%-30% (LT) (2 geaggregeerde panel data studies)


0% (KT) 20-65% (LT) (3 studies gebaseerd op huishouddata)

Sorell ea (2009) brandstofverbruik literaruurstudie 10%-30% (op basis van 17 studies – direct RE)

Murray, C.K. (2013) Australië Efficiëntere wagen versus groener leven (minder rijden)

Econometrische schatting

17-24% (efficiëntere wagen)

12-17% (minder rijden)

Yu ea (2013) Beijing Brandstofverbruik wagens


33.61% (direct rebound effect)

* overgenomen uit studie van Lee & Wagner (2012)

b) Studies rond direct rebound effect efficiëntieverbeteringen energie huishoudens

Voor energie stelt Sorell (2007) dat het verwachte rebound effect klein is omdat de vraag naar

energie relatief inelastisch is en omdat de kost van energie maar een klein onderdeel in de totale

kosten is. Wat betreft de grootteorde stelt hij dat men kan verwachten dat het rebound effect

proportioneel is aan het aandeel van energie in de totale kost van de energiediensten, rekening

houdend met de mate waarin deze kosten zichtbaar zijn voor de gebruiker (inkomenselement).

Maar bij stijgend gebruik van bepaalde energiediensten dient men rekening te houden met saturatie

(technologisch, verminderd nut) waardoor het direct rebound effect kleiner kan zijn. Bij een stijging

van de brandstofefficiëntie zal men waarschijnlijk meer gaan rijden, maar er is een limiet op hoeveel

je meer kan rijden. Hieruit volgt dat voor lage inkomensgroepen het rebound effect groter zal zijn

omdat zij nog niet op het saturatieniveau zitten. Daarom verwacht de meeste literatuur dan ook dat

de rebound effecten groter zijn voor ontwikkelingslanden (zie bv. Roy (2000)) Directe rebound

effecten kunnen ook kleiner zijn als de meer energie-efficiënte toestellen veel duurder zijn. Maar

eens aangekocht kan het gebruik wel hoger zijn. In de praktijk zijn de meeste toestellen én

efficiënter én goedkoper geworden over de tijd. De vraag die zich stelt is wat de prijs zou zijn

zonder de efficiëntieverbeteringen.

Sorrell ea (2009) stelt op basis van een literatuuronderzoek dat het rebound effect voor

huishoudverwarming 20% is, voor airco tussen de 1% en de 26%, voor andere energiediensten

zoals verlichting en waterverwarming minder dan 20%. Ook verwijst hij naar een studie van Davis

(2007) waarin men vond dat het rebound effect van een efficiëntere wasmachine heel klein was.

Li & Xuewen (2012) hebben op basis van paneldata voor China voor de periode 1985-2008 het

directe rebound effect van energieverbeteringen geschat. Hierbij hebben ze China ook ingedeeld in

drie regio’s: een regio met een hoge energie-efficiëntie, een regio met een lage energie-efficiëntie en

een met een lage efficiëntie. Het rebound effect varieerde van 53,66% voor de hogere regio; 69,82

% voor de middelste regio en 78,80% voor de minst efficiënte regio. Dit resultaat ondersteunt de

thesis dat het rebound effect groter is in ontwikkelingslanden. Ook vonden ze dat het rebound

effect daalde over de tijd.

Het HECoRE project12, uitgevoerd door de ULB, UA en ICEDD heeft als doel de effecten van

efficiëntieverbeteringen op het gebruik van energie door Belgische huishoudens na te gaan en om

mogelijke beleidsinstrumenten die rebound effecten kunnen tegengaan te analyseren. De focus lag

12 http://www.belspo.be/belspo/fedra/proj.asp?l=en&COD=SD/EN/08A


bij het gebruik van energie door huishoudens (brandstof en elektriciteit) en de mobiliteit van

huishoudens (werk en vrije tijd). Binnen dit project wordt het rebound effect eerst heel algemeen

gedefinieerd als “het adverse effect van een verbetering”. Binnen de economie/technologie wordt

dit dan gezien als de onverwachte consumptie van middelen als gevolg van een verbetering van de

efficiëntie van die middelen. Dit voor elke technologie die gebruik maakt van natuurlijk bronnen

(water, metaal,…). .Zo wordt in dit project gesteld dat het beste model om rebound effecten te

modelleren een zogenaamd ‘agent based’ model is. Dit soort model laat meer interacties toe,

netwerkeffecten (bv. het snobeffect – mijn buurman heeft zonnepanelen dus ik wil er ook), zachte

beleidsmaatregelen zoals energie-educatie, sensibilisering, etc. Binnen het project zelf werd dit soort

modellen wel niet ontwikkeld. Daarnaast wordt het concept van “mental accounting” en het belang

hiervan bij rebound effecten geïntroduceerd Mental accounting houdt onder meer in dat we ons

gedrag laten bepalen door algemene waardes. Voor de consumptie van energie door huishoudens

stellen ze dat de bevragingen toonden dat mensen enkel kijken naar de energierekening, niet naar de

consumptie van energie zelf. Mensen gaan dan ook hun verbruik aanpassen aan wat ze kunnen

betalen. Dit impliceert dat als bijvoorbeeld het verwarmen van een huis relatief goedkoper wordt,

de kans groot is dat mensen of de verwarming meer gaan aanzetten of een hogere gewenste

kamertemperatuur gaan instellen. Daarnaast kan er ook een vorm van mental rebound effect

optreden: mensen vinden het bijvoorbeeld al heel zuinig van zichzelf dat ze een laag-

rendementsketel hebben en kijken niet meer naar het verbruik zelf. Het onderzoek bevat echter

weinig empirische resultaten.

Ook voor energiegebruik van huishoudens maakt Murray (2013) een onderscheid naar het

vervangen van toestellen en het groener leven. In dit geval beschouwt ze de vervanging van

klassieke lampen door compacte fluorescent lampen. Groener leven houdt hier bijvoorbeeld in dat

men kortere douches gaat nemen, lichten uitdoet als men de kamer verlaat, standby apparaten

uitschakkeld, etc. Het vervangen van lampen heeft een rebound effect van 5-7.5%, terwijl het

groener leven een geschat rebound effect heeft van 4.5-6.5%. Chitnis ea (2013) wijzen ook op het

bestaan van rebound effect puur als gevolg van gedragsveranderingen (“sufficiency” in plaats van

efficiëntie).

Chitnis ea (2013) berekenen het rebound effect van zeven maatregelen die de energie-efficiëntie

van huishoudens moeten verbeteren. Deze maatregelen gaan over isolatie, het vervangen van

verwarmingsketels, het vervangen van lampen tot het verwarmen met zonne-energie. Voor de

maatregelen rond verwarming vonden ze een gemiddeld rebound effect van 12.4%; voor

maatregelen rond verlichting een rebound effect van 13.0% indien men geen rekening houdt met

het “embodied” effect. Rekening houdend met dit effect stijgt het rebound effect naar 20% voor

verwarming (16% indien men geen rekening houdt met zonne-energie) en 15% voor verlichting.

Yu ea (2013) onderzoeken of een stijging in de energie-efficiëntie van een aantal

huishoudapparaten leidt tot een bijkomend energiegebruik op korte termijn bij huishoudens in

Beijing. De methode die hij hiervoor gebruikt geeft aanleiding tot rebound effecten die

geïnterpreteerd moeten worden als maximale rebound effecten. Over het algemeen vinden ze

grotere rebound effecten dan elders in de literatuur. Dit heeft voor een deel ook te maken met het

verschil in rebound effecten bij geïndustrialiseerde landen dan wel bij ontwikkelingslanden. Voor

airconditioning vinden ze een gemiddeld direct rebound effect van 60.76% en een relatief laag

indirect rebound effect van 3%. Voor microgolfovens vinden ze een totaal rebound effect van wel

626,58%. Hierbij wordt de initiële energiewinst (ten opzichte van traditionele kooktoestellen)

volledig teniet gedaan (backfire). Voor wasmachines vinden ze een rebound effect van 106.81%.

Davis (2007) vond voor een rebound effect van maar 15% in de VS voor wasmachines. Yu ea

verklaren dit verschil door te wijzen op de veel hogere onverzadigde vraag in ontwikkelingslanden.


Tabel 3: samenvatting literatuur direct rebound effect binnen energiegebruik door huishoudens


Li & Xuewen (2012) China Energie-efficiëntieverbetering

Panel data

53,66%-78,80%, afhankelijk van de energie-efficiëntie van de regio

Gavankar & Geyer (2010) OECD, VS en Japan Verbeteringen huishoudelijke verwarming

literatuurstudie

30%-60% (beste schatting) – op basis van 6 voor-na studies

30-60% (beste schatting) op basis van 5 econometrische studies – 1 vergelijking

25%-60% en eerder naar 50-60% op basis van 3 econometrische studies met meerdere vergelijkingen.

Gavankar & Geyer (2010) OECD, VS en Japan airco literatuurstudie 0-50% (gebaseerd op 9 studies – initiële review door Greening ea (2000)

Gavankar & Geyer (2010) OECD, VS en Japan Verwarming van water literatuurstudie 10-40% (gebaseerd op 5 studies)

Gavankar & Geyer (2010) OECD, VS en Japan Witte huishoudgoederen literatuurstudie 0% (gebaseerd op 2 studies)

Sorell ea (2009) OECD Verwarming huishoudens

literatuurstudie Minder dan 30%. Centrale schatting van 20% (gebaseerd op 9 studies)

Sorell ea (2009) airco literatuurstudie 1-26% (gebaseerd op 2 studies)

Sorell ea (2009) VS Andere energiediensten (bv. waterverwarming, verlichting, etc)

literatuurstudie

Minder dan 20% (3 studies)

Davis (2007)*** VS Wasmachine die 48% minder energie gebruikt en 41% minder water

experiment

5.6% stijging in vraag schone kleding – maar ook door minder verbruik water en wasmiddel. Pure RE gelinkt aan energiebesparing quasi nul.(80-90% kost wassen zijn tijdskosten dus energiekost relatief onbelangrijk)

Murray (2013) Australië Vervangen van lampen versus groener leven


5-7.5% voor het vervangen van lampen

4.5-6.5% voor het groener leven

Chitnis ea (2013) VK 7 maatregelen om de energie-efficientie van huishoudens te verhogen

Econometrische schatting en model

12.4% voor maatregelen rond verwarming

13.0% voor maatregelen rond verlichting

Yu ea (2013) Beijing Airco, microgolfovens, wasmachine


Airco: 88,95%

Microgolfoven: 626,58%


Wasmachine: 106,81%

*** Sorrell ea (2009)

c) Studies rond rebound effecten binnen andere sectoren

De literatuur rond rebound effecten buiten de sectoren transport en energie is veel schaarser. Rond

watergebruik is de verwachting dat er ook rebound effecten optreden aangezien de mechanismes

vergelijkbaar zijn als bij bijvoorbeeld energie. In de literatuur is er echter minder evidentie voor.

Weidema ea (2008) vonden ‘super conservation effecten’ variërend van 10%-100% voor

regelgeving die de milieu-impact van vlees en melkproducten wou verbeteren in de EU. Dit wil

zeggen dat het uiteindelijke effect groter was dan het pure ‘ingenieurseffect’.

Carlsson-Kayama ea (2005)13 zagen ook ‘super conservation effecten’ van het overschakelen naar

een groener dieet. Dit omdat de kostprijs van het groener dieet hoger is.

Binnen Geerken ea (2011) werd het indirect rebound effect op de ecologische voetafdruk voor een

aantal maatregelen doorgerekend met behulp van een input-output model. Deze maatregelen

hadden betrekking op het voorkomen van voedselafval, een verschuiving naar meer vegetarische

maaltijden, hogere bezettingsgraad van auto’s.

Een iets andere benadering wordt genomen in het REBOUND project, gefinancierd door het Duits

Federaal Ministerie van Onderwijs en Onderzoek (BMBF). Binnen dit project focust Peters ea

(2012), op de rebound effecten veroorzaakt door psychologische en sociologische oorzaken en niet

door prijseffecten.

3.1.3.2 Indirect rebound effect en Economisch brede effecten

Literatuur die enkel focust op indirecte rebound effecten of de macro-economische effecten is niet

echt aanwezig. De economisch brede effecten zijn veel moeilijker in te schatten dan de directe

rebound effecten. Statistische analyses zijn zeer moeilijk omdat het zeer moeilijk is om het effect te

isoleren van andere gebeurtenissen. Deze rebound effecten worden meestal ingeschat met behulp

van algemeen evenwichtsmodellen. Gavankar & Geyer (2010) stellen dat de literatuur rond de

meer macroeconomische rebound effecten nog in het stadium van theoretische discussies en

veronderstellingen zit. Ze verwijzen naar Greening & Greene (1998) en Schippers ea (X) die

stellen dat de economisch brede rebound effecten klein zijn omdat de energiekost maar een klein

aandeel is in de uitgaven van zowel consument en producent. Voor producenten wordt dit gestaafd

door de bevindingen van Venmans (2013) die vond dat zelfs indien investeringen in

energiebesparingen zichzelf terugbetalen binnen de 5 jaar, bedrijven toch niet geneigd waren om

hierin te investeren. Dit omdat dit soort investeringen niet hoog genoeg op de rangorde staan –

juist door hun klein aandeel in de kostenstructuur. Aan de andere kant citeren ze studies die

rebound effecten vinden van meer dan 30% - ook in geïndustrialiseerde landen. Maxwell ea (2011)

stellen dat deze effecten in het algemeen veel kleiner zijn dan de directe effecten, en dat de meeste

studies een effect van ongeveer 10% vinden. Al zijn er ook studies die meer dan 30% vinden.

13 Geciteerd in Murray (2013)


Allen ea (2009) analyseren een 8-tal studies (zie tabel 3) die gebruik maakten van algemeen

evenwichtsmodellen, allen gefocust op rebound effecten. Alle studies vonden rebound effecten

groter dan 30% (rond de 37-50% ofwel groter dan 100%), het % dat door de auteurs gezien werd

als het consensuscijfer voor de grootte-orde van de directe rebound effecten. Dit wijst erop dat er

naast directe effecten er nog andere rebound effecten zijn. Ze stellen dat je altijd economisch brede

effecten hebt omdat je anders moet veronderstellen dat er

- Geen vervanging mogelijk is met andere inputs

- De vraag naar energie onafhankelijk is van de prijs van energie

- De vraag van goederen onafhankelijk is van prijsveranderingen of dat het aandeel van

energie in de kostprijs quasi nul is.

De auteurs stellen dat het gebruik van algemeen evenwichtsmodellen de volgende voordelen heeft:

- Verschillende effecten kunnen simultaan meegenomen worden. Het resultaat is een

numerieke ondersteuning van de analyse.

- Het is mogelijk om het “pure” effect te isoleren. Men doet immers twee “runs” van het

model – een keer met en een keer zonder de efficiëntieverbetering en kan dan het resultaat

vergelijken.

- Algemeen evenwichtsmodellen zijn niet noodzakelijk een zwarte doos, mits het model en

de analyse goed gedocumenteerd zijn.

Het gebruik van algemeen evenwichtsmodellen heeft echter ook nadelen:

- De productie wordt beschreven aan de hand van “zich goed gedragende”, maar beperkte

functionele vormen.

- De parameters worden geschat op basis van een bepaald basisjaar en zijn mogelijk niet

representatief

- Er wordt verondersteld dat bedrijven kosten minimaliseren, consumenten hun nut

maximaliseren en dat de technologische veranderingen exogeen zijn – wat niet

noodzakelijk overeenkomt met de werkelijkheid.

Karen Turner14 heeft heel wat onderzoek gedaan naar rebound effecten binnen de energiesector.

Hierbij focuste ze op efficiëntieverbeteringen zowel binnen de productiezijde van de sector als voor

consumenten. Met behulp van een algemeen evenwichtsmodel zijn er een aantal doorrekeningen

gebeurd voor Schotland en het Verenigd Koninkrijk. Hierbij werd er steeds een exogene

efficiëntieverbetering verondersteld.

Guerra & Sancho (2010) stellen dat in de meeste empirische literatuur een bias optreedt omdat

men uitgaat van de “verkeerde” ingenieurseffecten. Hierdoor wordt het economisch brede rebound

effect onderschat. Zij stellen dat een juiste maatstaf om de economisch brede rebound effecten te

meten een vergelijking is van wat een input-output model berekent dat de gevolgen zijn van een

efficiëntieverbetering en van wat een algemeen evenwichtsmodel (gebaseerd op dezelfde input als

bij het input-output model) berekent. Dit idee hebben ze vervolgens toegepast op een Spaanse case.

In het basisgeval bekwamen ze een rebound effect van 87% volgens de traditionele definitie en

91% volgens hun eigen definitie. Als een sensitiviteitsanalyse laten ze ook de elasticiteit variëren.

Behalve in het geval van een inelastische vraag komen ze steeds op een (bijna) backfire.

Merk op dat de meeste literatuur hier uitgaat van exogene verbeteringen en vooral focust op de

productiezijde van een economie.

14 Zie referentielijst voor een oplijsting van de beschikbare resultaten. Naast rapporten zijn ook heel wat presentaties

beschikbaar.


Tabel 4: samenvatting literatuur indirect rebound effect en economisch brede effecten.


Semboja, 1994* Kenia

Energie-efficiëntieverbetering voor zowel producenten als consumenten

Algemeen evenwichtsmodel

>100% in beide gevallen

Dufournaud ea , 1994* Sudan 100%-200% verbetering van de energie-efficiëntie van verwarmingskachels


47-77%

Vikstrom, 2003* Zweden 15% in productiesectoren en 12% in energiesector


50-60%

Washida, 2004* Japan 1% in alle sectoren Algemeen evenwichtsmodel

53% in basisgeval

Grepperud & Ramussen, 2004*

Noorwegen

Verdubbeling van de historische groeivoet in elektriciteitsproductiviteit voor 4 sectoren en een verdubbeling van de groeivoet van olie efficiëntie in twee sectoren


Klein voor olie

>100% in sommige gevallen voor elektriciteit

Glomsrod & Taoyuan, 2005*

China

Deregularisering van steenkoolindustrie, lager prijs en meer aanbod van schone steenkool


>100%

Hanley ea, 2005* Schotland 5% voor producenten (inclusief energie aanbod)


37% in basecase

Turner Schotland Algemeen evenwichtsmodel

Guerra & Sancho (2010) Spanje

5% efficiëntie verbetering in intermediair gebruik van energie


Voor benchmark elasticiteit: 87% traditionele definitie eco brede rebound effect. Volgens eigen definitie rebound effect 91%

Greening (2000) citing Kydes (1997)**

VS 6.5% lagere energie- intensiteit dan in de base case

Algemeen evenwichtsmodel NEMS

25% (eco brede RE)

* Bron: Allen ea, 2009

**Bron: Lee&Wagner (2012)

Een aantal van bovenstaande studies vinden heel hoge rebound effecten (50%- tot meer dan

100%). In een gesloten economie zijn dit onrealistische cijfers. Indien de prijseffecten bij de

consument klein zijn, moet men terugvallen op substitutie-elasticiteiten bij de producent. Deze zijn

meestal kleiner dan 1, omwille van de complementariteit met kapitaal. Bij een klein aandeel van

energie bij de productiefactoren is de subsitutie-elasticiteit ongeveer gelijk aan de prijselasticiteit.

3.1.4 Besluit literatuurstudie

Al de literatuuroverzichten zijn het erover eens dat er geen eenduidige definitie van wat een

rebound effect juist is. Veel auteurs stellen ook dat het gebrek aan een eenduidige definitie juist de

verklaring is voor de verscheidenheid aan resultaten. Gelinkt hiermee zien we dat ook wat de

classificatie van de verschillende effecten betreft, er ook geen eensgezindheid is in de literatuur. De


allereerste literatuur en de meeste empirische schattingen focussen slechts op een enkel effect – het

korte termijn directe effect. Maxwell ea (2011) maken een onderscheid tussen drie effecten. De

vraag die zich hier stelt is of we ons willen beperken tot de korte termijn directe effecten of ook een

rol zien voor de bredere economische effecten op lange termijn. Hierbij merken we op dat de

literatuur vindt dat naarmate het inkomen stijgt de directe effecten kleiner worden en de indirecte

en economisch brede effecten groter worden. Gegeven de inkomens in Vlaanderen lijkt het dan

ook relevant om zo veel mogelijk effecten mee op te nemen.

Ook al zijn er verschillen in de exacte definitie en classificatie van rebound effecten, toch is er een

aspect dat centraal staat. De analyse begint altijd met een vorm van efficiëntieverbetering. Wat de

exacte verbetering precies is, wordt vaak niet gedefinieerd maar in het algemeen kan gesteld worden

dat voor een zelfde output minder input nodig is. Efficiëntieverbeteringen kunnen ingegeven zijn

door een specifiek beleid zoals verbruiksstandaarden op huishoudapparaten, emissiestandaarden

voor voertuigen, etc.. of kunnen in een meer algemeen proces naar verbetering ontstaan. Aan de

andere kant zijn er ook andere vormen van beleid waarbij het gerealiseerde niet overeenkomt met

het initieel ingeschatte effect. Denk bijvoorbeeld aan het gratis openbaar vervoer voor studenten in

vele steden die er vooral toe geleid hebben dat studenten overschakelden van fiets en wandelen

naar bus of meer trips dan voordien maken(Steenberghen ea (2006)). Strengere emissiestandaarden

die leiden tot het gebruik van meer plastic in voertuigen – wat belastender is voor het milieu dan

metalen omdat deze laatsten efficiënter te recycleren zijn. De vraag die zich stelt is of “Rebound

Effecten “ zeer breed gedefinieerd dient te worden – waarbij de focus ligt op alle tweede-orde

effecten die een beleid (ongewild) met zich kan meebrengen of moeten we ons eerder beperken tot

de traditionele link met de efficiëntieverbetering.

Wat betreft de empirische schattingen focust de meeste literatuur op energie en meer bepaald op

(personen)transport en huishoudverwarming. In het algemeen is er weinig empirische evidentie

rond licht, watergebruik, materiaalgebruik, etc.

De meeste definities focussen ook op positieve rebound effecten met een negatief effect op

mogelijke doelstellingen. Dit terwijl rebound effecten ook negatief kunnen zijn en hierdoor kunnen

bijdragen tot de doelstelling. Lagere snelheidslimieten op autosnelwegen kunnen hier een voorbeeld

van zijn. Door de lagere snelheid daalt de uitstoot, maar wordt het ook minder aantrekkelijk om te

rijden. Ook binnen voeding zijn er een aantal voorbeelden van positieve tweede-orde effecten

mogelijk (cf. Wagema). Merk op dat we eerder al aantoonden dat rebound in se ook goed kan zijn.

De focus binnen de literatuur ligt op werking prijsmechanismen en minder op andere elementen die

het gedrag van consumenten kan beïnvloeden. Al is bijvoorbeeld het artikel van Murray (2013) daar

een uitzondering op.

De investeringskosten om tot de efficiëntieverbeteringen te komen, worden zelden meegenomen in

de analyse. Ook de internationale aspecten worden vaak genegeerd. Indien een

efficiëntieverbetering doorwerkt in de economie en Vlaanderen hierdoor meer gaat produceren, dan

is dit enkel goed indien Vlaanderen efficiënter is dan het buitenland. Anders leidt dit tot een export

van het probleem. Dit speelt ook bij de keuze tussen beprijzing en het zetten van standaarden. De

literatuur stelt dat in het algemeen beprijzing niet leidt tot rebound effecten en standaarden wel.

Maar bij beprijzing van bijvoorbeeld de CO2 uitstoot in een open economie maak je je eigen

producten duurden, wat de import bevordert en er uiteindelijk toe leidt dat de CO2 in het

buitenland wordt uitgestoten. In een wereld waarin Europa alleen bekommerd is om CO2 zal een

standaard een hoger effect hebben op de totale CO2 uitstoot in de wereld dan bij beprijzing in


Europa alleen. Dit omdat de technologie overgebracht kan worden naar andere landen (cf. carbon

leakage en Barla&Proost 2012).

Er is weinig aandacht voor puur technische rebound effecten. Zo is het mogelijk dat met meer

isolatie in de daken, er weer meer warmte via de muren verdwijnt indien de isolatie van daken zorgt

voor een groter temperatuurverschil tussen de binnen- en de buitentemperatuur.

3.2 Concept Rebound Effecten

Gegeven dit literatuuroverzicht willen we komen tot een concept voor rebound effecten zoals dit

verder gebruikt zal worde in de studie. Hiertoe stelden we ons volgende vragen

- De literatuur linkt rebound effecten aan (energie)efficiëntieverbeteringen. Volgt onze

definitie deze literatuur of gaan we voor een breder concept, waarbij rebound effecten

staan voor elke “onverwachte”/”ongewenste” beleidsconsequentie. Gelinkt aan

efficiëntieverbeteringen of elk “bijkomend” effect van beleid.

Indien we elk “bijkomend effect” van beleid mee zouden opnemen, dan wordt het concept

erg breed en waarschijnlijk minder hanteerbaar. Daarom stellen we voor om te kiezen voor

een concept dat gelinkt is aan efficiëntieverbeteringen. Deze verbeteringen zien we wel

breder dan voor enkel energie.

- De literatuur maakt een onderscheid tussen de directe effecten en de indirecte effecten.

Macro-economische effecten worden soms onder de indirecte effecten gerekend of worden

soms aanzien als een categorie op zichzelf. De vraag die zich hier stelt is wat voor effecten

we willen opnemen. Dit hangt ook samen met de tijdshorizon. Macro-economische

effecten treden eerder op lange termijn op.

We stellen voor om hier rekening te houden met alle effecten. De literatuur wijst er immers

op dat voor geïndustrialiseerde landen indirecte effecten (inclusief macro-economische

effecten) een belangrijkere rol gaat spelen. Dit hangt samen met mogelijke saturatie-

effecten.

Wat betreft de classificatie zijn er verschillende mogelijkheden. Ofwel wordt de classificatie

van Maxwell (2011) gevolgd en maken we een onderscheid naar directe, indirecte en

macro-economische effecten. Ofwel maken we een onderscheid naar directe en indirecte

effecten, waarbij de indirecte effecten in se alle tweede-orde effecten omvat – inclusief de

macro-economische effecten

- De klassieke definities focussen meestal op rebound effecten die een deel van de

efficiëntiewinsten te niet doen. Er is echter ook (zij het beperkte) evidentie die erop wijst

dat er ook bijkomende winsten mogelijk zijn. Onze definitie zou dus ook dit soort

positieve effecten moeten toestaan. Daarnaast wijzen we erop dat rebound effecten vaak

als negatief geïnterpreteerd worden, terwijl ze wel staan voor een baat voor de

consument/producent.


In het vervolg van deze studie werken we met volgende definitie:

Het Rebound Effect is de mate waarin een milieugerichte efficiëntieverbetering niet één tot één

vertaald wordt naar de verwachte effecten bij een constante vraag. Door gedragsveranderingen

zal het gerealiseerde effect uiteindelijk lager, dan wel groter zijn dan indien deze

gedragsveranderingen niet plaats vinden. Hierbij maken we een onderscheid naar de directe, de

indirecte rebound effecten en de brede economische effecten.

De directe rebound effecten hangen samen met verandering in consumptie van het goed

waarvoor er een verbetering is als gevolg van de prijsverandering veroorzaakt door de

efficiëntieverbetering. Bijvoorbeeld, het vervangen van klassieke lampen door energie-

efficiëntere lampen kan ertoe leiden dat mensen het licht sneller aandoen, in meer kamers het

licht aandoen, het licht niet altijd uitdoen bij het verlaten van de kamer, etc.

De indirecte effecten hangen samen met verandering in consumptie van andere goederen, die

op hun beurt ook energie vergen. Door een efficiëntieverbetering van verlichting bijvoorbeeld

daalt de energiefactuur, ondanks het meergebruik van verlichting. Dit zorgt voor bijkomend

inkomen wat op zijn beurt weer besteed kan worden aan andere goederen. De indirecte

effecten omvatten ook de bijkomende energie die eventueel nodig is om het efficiëntere goed te

maken (embodied effect).

De economisch brede effecten zijn de dan eerder macro-economische effecten waarbij

efficiëntieverbeteringen bij een goed zich verder zetten naar de rest in de economie.


4 Naar een selectie van cases

De tweede fase vormt de kern van deze studie. In deze studie worden een aantal cases voor het

Vlaamse niveau doorgerekend. Twee cases zullen in detail berekend worden. In de volgende

paragrafen stellen we eerst de algemene principes voor een selectie voor. Vervolgens gaan we dieper

in op de gekozen cases. De lijst waaruit deze cases gekozen zijn, is terug te vinden in bijlage 1.

4.1 Algemene principes

Initieel werd bepaald om twee cases door te rekenen, waarvan een voor transport en een voor

energie. De keuze voor deze twee toepassingen is gebaseerd op:

1. De waarschijnlijkheid om een rebound effect te vinden. Daarom focussen we ons op de

sectoren waarvan uit eerdere literatuur al bleek dat er rebound effecten spelen: transport,

en energie.

2. Mogelijkheid tot negatieve rebound effecten.

3. Gelinkt aan het milieu

4. Beleidsrelevant voor Vlaanderen– hiertoe hebben we gekeken naar het meest recente

Vlaamse Milieubeleidsplan 2011-2015. Binnen dit plan worden 38 pakketten van

realiseerbare voornemens met grote maatschappelijke relevantie vooropgesteld. Daarnaast

impliceert dit ook dat het beter zou zijn om te focussen op maatregelen waarbij niet alleen

het relatief rebound effect groot is (conform principe 1), maar het effect ook groot is in

absolute termen. Voor energiecases zijn ook de EU doelstellingen 20-20-20 en het daaruit

volgend beleid van belang.

5. Voldoende informatie beschikbaar

6. Toepasbaarheid in het algemeen evenwichtsmodel ISEEM (zie bijlage 2 voor meer uitleg

rond dit model)

Naast deze algemene principes moet de case ook passen onder het concept dat gedefinieerd werd.

Meer concreet wil dit zeggen dat enkel voorstellen waarbij er sprake is van een

efficiëntieverbetering weerhouden werden. Voorbeelden van beleid waarbij wel ongewenste

effecten optreden, maar geen echte efficiëntieverbetering impliceren werden daarom dan ook niet

geselecteerd.

Voor de voorgestelde domeinen betekent dit concreet voor deze vijf punten het volgende:

Transport

1. Transport is in verschillende studies al onderzocht. Binnen goederenvervoer worden de

rebound effecten op 30-80% geschat (Maxwell, D. ea (2011)).

2. TML schatte in 2012 de negatieve rebound effecten van een strengere CO2 regulering voor

personenwagens. Ten gevolge van de strengere reguleringen wordt verwacht dat de

aankoopprijs van wagens zal verhogen, wat leidt tot een daling in de verkoop en een daling

in de uitstoot. Dit zou leiden tot een bijkomende brandstofbesparing van 1 tot 2%.

3. Het aandeel van transport in de verschillende milieuthema’s in Vlaanderen is niet te

verwaarlozen, vooral op het vlak van geluidshinder, luchtvervuiling en de bijdrage tot

klimaatsverandering.


Figuur 11: aandeel van transport in de verschillende milieuthema’s (Vlaanderen, 2011)

Bron: http://www.milieurapport.be/nl/feitencijfers/MIRA-T/sectoren/transport/

4. Binnen het Milieubeleidsplan focussen twee maatregelen rond mobiliteit en transport.

Bijvoorbeeld maatregel. 20 - Een milieuvriendelijke mobiliteit bewerkstelligen. In dit

project ligt de focus op de uitbouw van milieuvriendelijke gemotoriseerd verkeer en richt

zich op een daling van de wegverkeeremissies. Beleidsinstrumenten zijn bv. financiële

instrumenten (Hervorming van de belasting op in verkeersstelling, rekeningrijden

vrachtwagens), communicatie, voorbeeldfunctie van de Vlaamse overheid en groene

logistiek. Maatregel 23 focust dan weer op het elektrisch rijden bewerkstelligen in

Vlaanderen

5. Transport is een sector waarbij de verschillende effecten van maatregelen (zowel

technische regulering, uitstootregulering, financiële instrumenten) reeds intensief

gemodelleerd en gesimuleerd zijn. Daarnaast toont de literatuurstudie ook aan dat het

rebound effect binnen transport al eerder voor andere landen onderzocht werd.

Energie

1. Reeds in 1865 merkte de Britse econoom William Stanley Jevons dat de totale consumptie

van steenkool snel de hoogte in schoot terwijl de brandstof plotseling efficiënter werd

gebruikt. Veel van de literatuur (zie bijvoorbeeld tabel 1.1 in Maxwell, D. ea (2011) rond

rebound effecten focust ook rond energiegebruik.

2. In het geval van energie worden niet onmiddellijk negatieve rebound effecten verwacht.

De literatuur vindt tot op heden vooral evidentie van positieve rebound effecten.

3. Net als transport heeft ook de sector energie een belangrijk aandeel op de milieudruk in

Vlaanderen.


Figuur 12: aandeel van de energiesector in de verschillende milieuthema’s (Vlaanderen, 2011)

Bron: http://www.milieurapport.be/nl/feitencijfers/MIRA-T/sectoren/energiesector/

4. Energie speelt een belangrijke rol in het Vlaams milieubeleidsplan. Hierbij wordt vooral

gefocust op hernieuwbare energie (zie bv. punt 12, 15 en 18).

5. Net als transport is de energiesector een intensief bestudeerde sector – ook in Vlaanderen.

Dit, en gegeven de focus in de literatuur op de rebound effecten van energie zijn we ervan

uitgegaan dat voldoende informatie beschikbaar zou zijn.

4.2 Case Transport

Voor transport wordt de case van telewerken geselecteerd. De efficiëntiewinst bij telewerken is het

uitgespaarde vervoer en de tijd die daarmee gepaard gaan. Indien er een significant aandeel van de

weggebruikers van de weg wordt gehaald, zijn er ook mogelijke effecten op congestie en dus ook

op mensen die zelf niet aan telewerken doen. In eerste instantie worden er mensen van de

weggehaald – dit heeft een positief effect op congestie. Op langere termijn is het echter mogelijk

dat door het aanzuigeffect deze initieel positieve effecten op congestie weer te niet gedaan worden.

Maar voor alle gebruikers geldt dat de voornaamste efficiëntieverbetering tijdswinst is. Eventuele

rebound effecten zijn:

- Effect op congestie (eerder genoemd).

- Verschuiving van verwarming van kantoren naar het meer verwarmen van huizen en

satellietkantoren en dus mogelijk een stijging van energiegebruik.

- Efficiëntieverlies op het werk zelf indien thuiswerken minder productief is dan op het

werk. Hiervoor zal de literatuur rond thuiswerken en efficiëntie geanalyseerd worden.

Het voordeel van deze case is dat ze/er:

- beleidsrelevant is voor Vlaanderen

- eenvoudig te communiceren


- vernieuwend in de zin dat dit nog niet eerder bestudeerd is onder de noemer rebound

effecten

- data beschikbaar zijn

- zowel directe als indirecte effecten te verwachten zijn

- door te rekenen is met het ISEEM model

4.3 Case Energie

Voor de energiecasus wordt een meer theoretische oefening gemaakt waarbij een

efficiëntieverbetering van X% verondersteld wordt. Dit zowel aan consumentenzijde als aan

producentenzijde.

Voor de consumenten zal dit verder opgesplitst worden naar verschillende vormen van gebruik van

energie. Er zijn data beschikbaar om voor consumenten de volgende opsplitsing te maken:

- Verlichting (elektriciteit) - Verwarming (gas / elektriciteit / stookolie / vaste brandstof (maar dat is een heel klein

deel) ) - Air-co (elektriciteit) - Transport (petroleum) - Ander gebruik : koken / strijken / huishouden algemeen (elektriciteit / eventueel gas)

In de oefening kunnen we dus het rebound effect gaan vergelijken van een 10%

efficiëntieverbetering in verwarming versus een 10% efficiëntieverbetering in verlichting. Qua

opdeling is verwarming het meest complex. Ook moeten we nog nagaan of de relevante

elasticiteiten in de literatuur aanwezig zijn.

Dit is een meer theoretische aanpak, maar heeft als grote voordeel dat:

- Meer aspecten bekeken kunnen worden en er dus verschillende coëfficiënten berekend kunnen worden.

- Er een onderscheid gemaakt kan worden tussen verbeteringen bij consument dan wel bij producent.

- Er data beschikbaar is. - Zowel directe als indirecte effecten te verwachten zijn. - Het door te rekenen is met het ISEEM model. - Veel gevoeligheidsanalyse mogelijk is.

In de volgende hoofdstukken bespreken we deze cases in meer detail.


5 Case 1: telewerken

Voor transport wordt de case van telewerken geselecteerd. De efficiëntiewinst bij telewerken is het

uitgespaarde vervoer en de tijd en energie die daarmee gepaard gaan. De voordelen van het

doorrekenen van deze case zijn dat ze/er

- beleidsrelevant is voor Vlaanderen

- eenvoudig te communiceren is

- vernieuwend is in de zin dat onderzoek rond telewerken vaak abstractie maakt van rebound

effecten

- data beschikbaar zijn

- zowel directe als indirecte effecten te verwachten zijn

- door te rekenen is met het ISEEM model

In de volgende paragrafen bespreken we achtereenvolgens de definitie van telewerken, de relevante

literatuur en tot slot de berekening voor Vlaanderen.

5.1 Wat is telewerken?

Telewerken is een arbeidsvorm waarbij werknemers hun activiteiten kunnen verrichten buiten de

eigenlijke vestigingsplaats en dit doorgaans op flexibele tijdstippen (Macharis ea 2011). Er is echter

geen eenduidige definitie van wat telewerken nu precies is: het gaat van het verschuiven van

arbeidstijden om het piekverkeer te vermijden, het werken van thuis uit dan wel van uit een

satellietkantoor of op verplaatsing. De juridische definitie van telewerken is terug te vinden in CAO

nr 85 van 9 november 2005 betreffende het telewerken. Hierin wordt telewerken omschreven als

een vorm van organisatie en/of uitvoering van het werk waarin, met gebruikmaking van

informatietechnologie en in het kader van een arbeidsovereenkomst, werkzaamheden die ook op de

bedrijfslocatie van de werkgever zouden kunnen worden uitgevoerd, op regelmatige basis en niet

incidenteel buiten die bedrijfslocatie worden uitgevoerd 15. Een belangrijk punt is hier dat het gaat

over ‘op regelmatige basis’ en over werk dat ook op de bedrijfslocatie kan uitgevoerd worden. Merk

op dat binnen deze CAO zogenaamde mobiele telewerkers (bijvoorbeeld vertegenwoordigers,

consultants, technici, thuisverpleging) en satellietkantoren en telecenters buiten de definitie vallen.

Een ander belangrijk element is de vrijwilligheid van telewerken. Werknemers mogen niet verplicht

worden om te telewerken. Aan de andere kant is de werkgever ook niet verplicht om telewerken

aan te bieden.

In deze doorrekening beperken we de definitie van telewerken tot het regelmatig verrichten van

arbeid thuis dan wel in satellietkantoren.

5.2 Mogelijke rebound effecten

Initieel is er een besparing in energie en tijd doordat er door het telewerken verplaatsingen worden

uitgespaard/ingekort. Hieraan gekoppeld zal er ook een positief effect op emissies en eventueel op

congestie zijn. Dit is het directe effect of het initieel verwachte effect of het ingenieurseffect.

15 http://www.tijdvoortelewerk.be/cao.html


Eventuele rebound effecten zijn

- Rebound 1: Verschuiving van verwarming van kantoren naar het meer verwarmen van

huizen en satellietkantoren en dus mogelijk een stijging van energiegebruik.

- Rebound 2: Door het toestaan van telewerken wordt het woon-werkverkeer goedkoper.

Hierdoor komt er meer budget vrij. Deze kan besteed worden aan meer transport (rebound

2a) dan wel aan andere goederen (rebound 2b).

- Rebound 3: Doordat het woon-werkverkeer goedkoper wordt, gaat men misschien verder

wonen van het werk. Op lange termijn kan er dus ook een invloed zijn op de

locatiebeslissingen.

- Rebound 4: In eerste instantie worden er mensen van de weg gehaald – dit heeft een

positief effect op congestie. Op langere termijn is het echter mogelijk dat door het

aanzuigeffect deze initieel positieve effecten op congestie en energie/milieu weer deels

teniet gedaan worden.

- Rebound 5: Op zeer lange termijn is het mogelijk dat er minder/kleinere kantoorgebouwen

opgetrokken worden. Dit is positief.

In deze analyse houden we geen rekening met mogelijke efficiëntie-effecten op het werk zelf. Dit

omdat dit niet echt gekoppeld is aan besparingen in energie, noch aan verbeteringen op het vlak van

milieu, noch aan het thema van rebound effecten. Werken van thuis uit of vanuit een

satellietkantoor wordt door telewerkers zelf omschreven als productiever.

5.3 Literatuur

In dit kort literatuuroverzicht focussen we op de literatuur die de relatie telewerken en het effect op

energieverbruik, congestie, etc. behandelen. Hierbij geven we steeds aan of rebound effecten mee

opgenomen zijn in de analyse. We gaan dus niet dieper in op de aanwezige literatuur omtrent de

karakteristieken van telewerkers en de voorwaarden om telewerken succesvol te maken.

Op basis van acht telewerkprogramma’s kwamen Mokhtarian ea (1995) tot de conclusie dat de

mobiliteitseffecten als gevolg van telewerken ook een positieve impact had op milieu. De (extra)

energieconsumptie thuis werd eveneens bestudeerd, maar de effecten hiervan bleken

verwaarloosbaar ten opzichte van de reductie in energie door de daling in voertuigkm. De

energieconsumptie in de kantoren zelf werd wel niet mee opgenomen in deze studie.

Atkyns ea (2002) analyseerde aan de hand van een bevraging de procedures nodig om telewerken te

meten en het effect op uitgespaarde voertuigkm en emissies in de US. Hierbij werd geen rekening

gehouden met de eerder vernoemde mogelijke rebound effecten.

Matthews & William (2005) bestudeerden de effecten op het energiegebruik in kantoren in de

Verenigde Staten en Japan. Op basis van de doorrekening van een aantal scenario’s schatten ze dat

voor het huidig aandeel aan telewerkers de energieconsumptie in kantoren daalt met ongeveer

0.01% tot 0.4% in the Verenigde staten en met 0.03% tot 0.36% in Japan. Ze stellen dat in een

maximaal scenario waarbij 50% van de “kenniswerknemers” 4 dagen in de week thuis telewerken

leidt tot een daling van amper 1% in energieverbruik. Hierbij houden ze rekening met de

energiedaling in transport, de mogelijke daling in het aantal kantoorgebouwen en de stijging van het

energiegebruik thuis. Ze stellen zelf dat analyses die focussen op emissies leiden tot grotere winsten,

maar dat de winst – eens men alleen focust op de mogelijke energiebesparingen - beperkt is.

Verbeke ea (2006) gingen voor België met behulp van een rekenmodel na hoeveel

verkeersexternaliteiten bespaard kunnen worden voor verschillende scenario’s van telewerken.

Hierbij waren de belangrijkste parameters de frequentie en de penetratiegraad van telewerken. De


focus lag op de effecten op het verkeer. Er wordt geen rekening gehouden met de mogelijke

effecten op het energiegebruik op kantoor dan wel thuis. Er wordt wel rekening gehouden met de

latente vraag. Hierbij wordt in het rekenmodel een rebound effect van 50% verondersteld. Dit wil

zeggen dat de uiteindelijke daling in voertuigkm maar de helft is van de voertuigkm die de

telewerkers initieel uitsparen.

Fuhr & Pociask (2010) maken een inschatting van de vermeden externe kosten als gevolg van

telewerken voor de komende 10 jaar. Naast de transportkosten en de energiereducties houden ze

ook rekening met het feit dat er minder gebouwen opgetrokken moeten worden als gevolg van

besparingen in kantoorruimte. Dit rebound effect is goed voor ongeveer 5% van de totale

vermeden externe kosten die gegenereerd worden over 10 jaar. Het gaat hier dus om een bijkomend

indirect positief effect.

Macharis ea (2011) berekenden op basis van kentallen en de resultaten van een bevraging voor

Brussel de impact van telewerken op het milieu en de congestie. Uit de bevraging van Macharis ea

(2011) bleek dat energiereducties haalbaar in de hoofdkantoren lager dan 1% is omdat

verwarming/afkoeling en verlichting vaak niet afgestemd kan worden op het aantal werknemers

werkelijk aanwezig op het kantoor16. Dit impliceert dat de impact op hoofdkantoren op korte en

middellange termijn eerder beperkt zal zijn. Wat betreft het mogelijk bijkomend energiegebruik

thuis, stellen Macharis ea (2011) dat de impact vooral afhangt van het feit of er nog andere

personen aanwezig zijn overdag, aangezien het huis dan toch al verwarmd en verlicht wordt. Bij

ongeveer 1 op 4 van de thuiswerkers in hun bevraging bleek dit het geval. 3 op 4 thuiswerkers

verwarmt meerdere kamers in het huis terwijl 22% heel het huis verwarmt. Dit was niet verschillend

bij de personen waarbij er meerdere personen thuis waren dan wel niet. 56% van de mensen

antwoordden dat ze meer verwarmen dan wanneer ze niet thuis zouden werken. Gemiddeld spreekt

men van 13% bijkomende verwarming. 58% van de mensen stelt dat de energieconsumptie op het

vlak van verlichting gemiddeld stijgt met 7%. Wat betreft de consumptie van elektriciteit voor

gebruik van de computer, printer; koffiemachine antwoordt 72% van de mensen dat deze stijgt met

gemiddeld 7%. Uit het rapport blijkt niet of dit gaat om de stijging op een thuiswerkdag vergeleken

met een gewone werkdag, dan wel of het gaat om een stijging op jaarbasis. Indien de stijging op

week/jaarbasis is dan lijkt 7% aan de hoge kant – zeker voor elektriciteit - want dit wil zeggen dat

ze bijna twee keer zoveel verbruiken op een thuiswerkdag dan op een gemiddelde dag17.

Rietveld (2011) bespreekt telewerken als een middel om het energiegebruik van transport te doen

dalen. Hij wijst erop dat telewerken in realiteit niet zo wijdverspreid is als men denkt. In de

Verenigde Staten doet ongeveer 7% van de werknemers aan telewerken. In Nederland is voor de

groep van telewerkers het gemiddeld aantal uur dat men thuiswerkt 1.5 uur per week. De auteur

stelt dat dit erop wijst dat telewerken in dit geval vaak bestaat uit het later vertrekken naar het werk

en/of avondwerk. In dit geval leidt deze vorm van telewerken niet tot een daling in pendelverkeer.

’s Morgens werken kan een impact hebben op congestie, maar ’ s avonds werken laat dan weer toe

dat mensen die moeten overwerken mee met de avondspits naar huis kunnen keren. Andere

mogelijke “rebound effecten” die hij identificeert, zijn

- het feit dat door het thuiswerken de wagen nu thuis beschikbaar is voor andere gezinsleden

16 Er is geen informatie teruggevonden over het aandeel Vlaamse kantoren waarbij een mogelijke afstemming op het

aantal werknemers wel mogelijk is. 17 Stel dat men op een gemiddelde dag 10 eenheden verbruikt. Op een week wil dit zeggen dat men 70 eenheden

verbruikt. Indien het energiegebruik met 7% stijgt, wil dit zeggen dat op weekbasis het energiegebruik stijgt naar 77

eenheden. Deze extra 7 eenheden worden dan toegewezen aan de thuiswerkdag – een dag met 17 eenheden. Ten opzichte

van de eerdere 10 eenheden is dit een stijging met 70%.


- gegeven dat de gemiddelde pendeltijd daalt, kan dit op lange termijn leiden tot beslissingen

om verder van het werk te wonen waardoor het energiegebruik op zeer lange termijn weer

kan stijgen door het toestaan van telewerken. Dit werd bevestigd in het onderzoek van

Rhee (2009) die met behulp van een spatieel economisch model de effecten van telewerken

op ‘urban sprawl’ (stedelijke uitbreiding) onderzocht.

Fu ea (2012) analyseerde de impact van thuis te werken en het gebruik van land, infrastructuur en

demografie. Gebaseerd op Ierse cijfers stellen ze dat er gemiddeld 9.33 kWh per dag bespaard kan

worden per individu die thuis gaat werken. Hierbij houden ze rekening met de stijging in het

energiegebruik thuis. Hiermee tonen ze aan dat telewerken ook een significante invloed kan hebben

op het energiegebruik in landen waar de pendelafstanden relatief kort zijn. Telewerken wordt sterk

beïnvloed door het gebruik in land, publiek transport en de internetinfrastructuur. Daarnaast spelen

ook pendelafstand en persoonlijke kenmerken een belangrijke rol bij de beslissing om te gaan

telewerken.

Lari (2012) maakte op basis van een bevraging een kosten-baten analyse van een programma

(eWorkPlace) gericht op het vereenvoudigen van telewerken/flexibel werken in de US. Ze stelt dat

dit programma een baten-kosten ratio had van 9.22. De belangrijkste positieve effecten waren de

besparingen aan private kosten van het rijden met de wagen, de tijdsbesparingen en de daling in

emissies. In deze analyse werd geen rekening gehouden met mogelijke rebound effecten.

Ropke ea (2012) focussen niet op telewerken, maar op de energie-impacts van ICT in het algemeen

en zijn impact op het energiegebruik. Hierbij maken ze een onderscheid tussen drie soorten van

effecten, waarbij gesteld wordt dat de eerste orde effecten negatief zijn en de tweede en derde orde

effecten zowel negatief als positief kunnen zijn:

- Eerste orde effecten: milieu-impact direct gerelateerd aan de volledige levenscyclus van de

ICT hardware.

- Tweede orde effecten: de milieu-impact veroorzaakt door het gebruik van ICT waardoor

processen van productie, transport en consumptie veranderd zijn

- Derde orde effecten: de milieu-impact gerelateerd aan veranderingen van gedrag en

economische structuren op middellange termijn. Rebound effecten worden in deze derde

categorie ondergebracht.

In hun analyse focussen ze op de tweede en derde orde effecten aangezien die vaak niet worden

meegenomen. Telewerken is een voorbeeld waarbij verwacht werd dat ze aanzienlijke positieve

tweede orde effecten heeft aangezien energie-intensief transport vervangen wordt door minder

energie-intensieve ICT toepassingen, maar waarbij derde orde effecten dit initieel verwacht effect

toch blijken te milderen. Voorbeelden van rebound effecten bij telewerken die hier worden gegeven

zijn:

- Het feit dat als mensen later kunnen vertrekken ze de file vermijden en zo eerder opteren

voor de wagen dan voor publiek transport

- Dat het toelaat om verder van het werk te wonen dan men anders zou aanvaarden indien

men elke dag naar het werk moet pendelen

- Hoger gebruik van de wagen voor privé doeleinden

Uit dit literatuuronderzoek besluiten we dat de focus in de literatuur voornamelijk ligt bij het

berekenen van de directe effecten op het gebruik van transport en de daaraan gekoppelde emissies.

Indien rebound effecten expliciet worden meegenomen, dan worden ze meestal als verwaarloosbaar

beschouwd. Voor het verdere onderzoek zijn vooral de cijfers beschikbaar bij Verbeke (2006) en


Macharis ea (2011) relevant. Merk wel op dat de cijfers van Macharis ea (2011) gebaseerd zijn op

bevragingen bij bedrijven uit het Brusselse.

5.4 Doorrekening

Voor de doorrekening bouwen we verder op de modellen zoals ontwikkeld door Verbeke ea (2006)

en Macharis ea (2011). Uit deze studies bleek dat de impact voornamelijk afhangt van volgende

parameters:

- Het aantal mensen dat gaat telewerken

- Het aantal dagen waarop aan telewerken gedaan wordt

- De wijze van telewerken: thuis of op een satellietkantoor

- De modale keuzes die gemaakt worden bij pendelen naar het hoofdkantoor en

satellietkantoor en de afstand

- De afstanden tot het werk-thuis en satellietkantoor-thuis

- Het effect van telewerken op niet-werkgebonden trips

Daarom voorzien we ook een sensitiviteit wat betreft de waardes voor een aantal van deze

parameters.

In de volgende paragrafen bespreken we eerst de opbouw van het model en daarna de gebruikte

data en de resultaten.

5.4.1 Opbouw rekenmodel

Binnen het rekenmodel onderscheiden we vier stappen:

1) Berekening van het direct effect op het aantal vkm en de daaruitvolgende impact op

energiegebruik en tijdswinsten

2) Berekening van het direct rebound effect (rebound 1) op het meergebruik aan energie

thuis of in het satellietkantoor

3) Berekening van de indirecte rebound effecten op het aantal vkm. Het gaat hier over

het inkomenseffect (rebound 2) en het effect op locatiekeuze (rebound 3).

Berekening van het directe effect op congestie, al dan niet rekening houdend met de

latente vraag (rebound 4).

Het mogelijke rebound effect op heel lange termijn – rebound 5- het effect op kantoorgebouwen

wordt niet berekend. De cijfers nodig hiervoor zijn niet beschikbaar. In de literatuur stelt de studie

van Fuhr &Pociask (2010) dat dit over 10 jaar voor een bijkomende baat gelijk aan 5% van de totale

vermeden externe kosten is.

Stap 1: Direct effect op vkm/energie/tijd

In een eerste stap bepalen we de theoretische vermindering in voertuigkm per werknemer en de

daaraan gekoppelde daling in energiegebruik en tijdswinst. Eens we de effecten per telewerker

bepaald hebben, berekenen we de effecten per sector en op jaarniveau.

In de analyse maken we een onderscheid tussen mensen die thuiswerken en mensen die op een

satellietkantoor gaan werken. Bij de thuiswerkers is immers het verwachte effect op de daling in

voertuigkm groter dan voor satellietwerkers.

Daarnaast maken we een onderscheid tussen mensen die met de wagen gaan werken en mensen die

gebruik maken van het openbaar vervoer. Voor mensen die met de wagen gaan werken is er sprake

van zowel een daling in energiegebruik als van een tijdswinst. Voor de mensen die gebruik maken


van het openbaar vervoer is er enkel een tijdswinst aangezien we ervan uitgaan dat de daling in de

vraag naar openbaar vervoer niet groot genoeg is om een effect te hebben op het aanbod.

Voor thuiswerkers wordt de daling in het aantal voertuigkm bepaald door:

- Het aantal dagen per week dat men thuiswerkt

- Het aantal werkweken – dus rekening houdend met vakanties, ziektedagen, halftijds

werkenden, etc.

- Het modale aandeel van de wagen/openbaar vervoer

- De gemiddelde afstand van het werk met de wagen/openbaar vervoer.

Voor de mensen die in satellietkantoren (tele)werken is de situatie anders. Deze moeten zich

immers nog altijd verplaatsen. We moeten hierbij dus rekening houden met de mogelijke modale

verschuivingen. Om het effect op het aantal voertuigkm te berekenen, houden we rekening met


- Het aantal werkweken

- Het aandeel mensen dat overschakelt van de trein naar de auto, vermenigvuldigd met de

afstand naar het satellietkantoor. Hier gaat het om bijkomende vkm met de wagen.

- Het aandeel mensen dat met de auto blijft rijden, vermenigvuldigd met het verschil in

afstand tussen het hoofdkantoor en het satellietkantoor. Dit gaat om een daling in

voertuigkm met de wagen.

- Het aandeel mensen dat van de auto overschakelt naar de trein of zachte modi,

vermenigvuldigd met de afstand naar het hoofdkantoor. Dit gaat ook over een daling in

vkm met de wagen.

- Het verschil in snelheid en afstand tussen de modi wanneer men naar een satellietkantoor

gaat dan wel naar het hoofdkantoor. Dit zal de mogelijke tijdswinsten bepalen.

Het product van bovenstaande parameters geeft dan de verwachte daling in voertuigkm per

thuiswerker.

Om later een vergelijking mogelijk te maken met het energiegebruik thuis vermenigvuldigen we de

uitgespaarde voertuigkm met het verbruik in energie. Om de tijdswinst te bepalen delen we de

uitgespaarde voertuigkm door de gemiddelde snelheid die in Vlaanderen gereden wordt.

Stap 2: Rebound 1 – extra energieverbruik thuiswerker

Voor de thuiswerkers zal het energiegebruik thuis stijgen. Voor dit bijkomend energiegebruik thuis

gaan we ervan uit dat deze enkel relevant is als er anders niemand thuis zou zijn. Het gaat dan met

name om het bijkomend energieverbruik voor verwarming. Het gebruik van een computer,

koffiemachine, radio, verlichting etc. nemen we niet mee omdat in het geval van bijvoorbeeld de

computer deze anders op het werk zou aanstaan. Het eventuele gebruik van een koffiemachine,

verlichting en dergelijke is te verwaarlozen. Het bijkomend energiegebruik thuis wordt bepaald door

het product van


- Het aantal werkweken

- Het gemiddeld energieverbruik per dag voor verwarming

- Het feit of er iemand anders thuis is

Gegeven de resultaten van het literatuuronderzoek gaan we ervan uit dat telewerken op korte

termijn een beperkte tot geen impact heeft op het energieverbruik op kantoor. Het blijkt immers

heel moeilijk om het energiegebruik af te stemmen op het aantal gebruikers. Op zeer lange termijn

zijn hier wel effecten mogelijk indien telewerken leidt tot minder en/of kleinere kantoren.


Extra energieconsumptie thuis is voor satellietwerkers niet relevant. Wel relevant zijn de eventuele

bijkomende energiekosten van het satellietkantoor. De vragen die zich hier stellen zijn:

- Is dit kantoor er enkel voor de telewerkers of gaat het om een bestaande bedrijfssite

- Hoeveel mensen maken gemiddeld gebruik van het satellietkantoor.

Dit effect (het bijkomende energieverbruik in satellietkantoor) nemen we niet mee in rekening

wegens gebrek aan gegevens.

Stap 3: Rebound 2 en 3 – extra uitgaven en andere locatiekeuze (verder)

We gebruiken eerst een vereenvoudigd theoretisch model om de indirecte rebound effecten

(rebound 2 en 3) bij telewerken te definiëren. We veronderstellen dat de consument gebruik maakt

van twee soorten transport: transport tussen de werkplaats en woonplaats en ander transport.

Onder ander transport verstaan we recreatief transport en transport gerelateerd aan de aankoop van

goederen.

De onderstaande vergelijking geeft de totale energieconsumptie van transport ( ��, berekend uit het

aantal jobs (��, het aantal gemaakte trips per job gedurende een bepaald tijd (��/��, de

gemiddelde woon-werk afstand ��̅��; en het aantal trips voor andere doeleinden(��.�, het aantal

andere trips gedurende een bepaalde tijd ( ��/�), de gemiddelde afstand per interactie (�� en de

brandstofefficiëntie (��. � � ��. ��/� . � ! " ��.��/�. ��#. �� (1)

Deze formule helpt ons om inzicht te krijgen in mogelijke veranderingen in het energieverbruik van

transport, bij het invoeren van telewerken. De parameters � kunnen geïnterpreteerd worden als de

efficiëntie van woon-werk en andere interacties.

We zien telewerken als een verandering in de efficiëntie van ��/�. Gebruiken we nu ��. �̅� � $�

en ��. �̅� � $�, de totale jaarlijkse afstand afgelegd voor woon-werkverkeer dan wel voor andere

zaken.

Om de indirecte rebound effecten in te schatten stellen we een realistische consumptieboom op

naar transport, zoals de volgende figuur. Dez komt overeen met de huishoudvraag naar transport

en met het vraagmodel naar transport in het ISEEM model18.

18 Het ISEEM model wordt in meer detail in bijlage twee besproken.


Figuur 13: Consumentenboom transport

Op het eerste niveau stelt dit de keuze tussen transport gerelateerde en niet-transport gerelateerde

consumptie voor. Op het tweede niveau de keuze tussen privé en publiek transport. Op het derde

niveau vaste en variabele kosten in transport en het onderste niveau de keuze tussen werk-woon

transport en ander transport. Veranderingen in het laagste niveau zijn equivalent met $�en$�

Op basis van deze structuur en de verwachte efficiëntieverandering kunnen we berekeningen

maken van het rebound effect op de eigen vraag naar transport en naar andere goederen.

Stap 4: Rebound 4 – aanzuigeffect en effect andere weggebruikers

Thuiswerken leidt tot een daling in het aantal voertuigkm. Hoe minder verkeer er op de baan is, hoe

korter de files- toch in de piekuren. Uitgaande van de gemiddelde snelheid als maatstaf voor

congestie is het mogelijk om aan de hand van congestiefuncties het effect op de gemiddelde

snelheid te berekenen als er een voertuigkm meer of minder wordt gereden. Deze congestiefuncties

geven aan hoe de reistijden monotoon stijgend verlopen in functie van het verkeersvolume. We

veronderstellen hierbij dat een additionele voertuigkilometer de gemiddelde snelheid op de weg

doet dalen, waarbij de gemiddelde reistijd dus stijgt. Het functieverband dat we hier gebruiken is dat

van een BPR congestiefunctie; deze heeft volgende vorm19:

19 Naast de BPR functies kunnen ook lineaire, exponentiële, conische, Davidson’s en Akçelik’s congestiefuncties gebruikt

worden. Eigen doorgedreven onderzoek op basis van Vlaamse meetgegevens toonde echter aan dat de BPR functie een

van de beste schattingen gaf, samen met een eenvoudige functionele vorm.

Consumptie

Transport Consumptie Niet Transport

Privé Publiek

Vast Variabel

Pendel Ander

Inkomen


1ff

qT T

C

β

α = +

Waarbij

Tff = reistijd in een onbelast netwerk waarin het verkeer vrij kan stromen (seconden)

q = verkeersvolume (voertuigkilometer per uur)

C = maximaal verkeersvolume (voertuigkilometer per uur)

α = constante die bepaalt hoe vlak de functie is bij vrijstromend verkeer

β = constante die bepaalt hoe sterk de functie stijgt van zodra er congestie optreedt

In Delhaye ea (2010) werden deze parameters berekend. Onderstaande tabel toont de resultaten

voor de vier wegtypes die toen beschouwd werden. De resultaten gelden telkens voor het volledige

net.

Tabel 5: Parameters congestiefuncties, Vlaams Gewest, 2007

Wegennet Tff C α β

Hoofdwegennet - Vlaamse Ruit 36,21 3.138.944 0,1741 2,7536 Hoofdwegennet - alles behalve Vlaamse Ruit 34,39 2.828.288 0,1792 1,7382 Regionaal wegennet 67,02 5.900.202 0,2081 1 Stedelijk wegennet 58,69 3.355.506 0,4013 1 Bron: Delhaye ea (2010)

In de case die we hier bestuderen daalt het aantal weggebruikers omdat een aantal telewerkers van

de weg verdwijnen. De gemiddelde snelheid voor de (niet-telewerkende) weggebruikers stijgt en de

kost om met de auto te rijden daalt dan. Gegeven dat de prijs van autorijden daalt, verwacht men

een stijging van het aantal weggebruikers. In de literatuur wordt dit fenomeen ook aangeduid met

“latente” vraag of geïnduceerd transport. Deze speelt ook bij bijvoorbeeld infrastructuurwerken die

de capaciteit willen verhogen. De idee is dat een deel van de vrijgekomen capaciteit na verloop van

tijd weer wordt ingenomen. Litman (2012) geeft een overzicht van het % aan nieuwe capaciteit

geabsorbeerd door geïnduceerd transport. Onderstaande tabel neemt dit overzicht over en voegt

wat bijkomende bronnen toe.


Tabel 6: Aandeel capaciteit opnieuw ingenomen op korte en lange termijn

Auteur Korte termijn Lange termijn (na 3 jaar)

SACTRA* 50-100%

Goodwin* 28% 57%

Johnson & Ceerla* 60-90%

Hansen & Hung* 90%

Fulton ea* 10-40% 50-80%

Marshall* 76-85%

Noland* 20-50% 70-100%

EC (2004) 25% 50%

Schiffer ea (2005) 0-40% 50-100%

* overgenomen van Litman (2012)

In zijn analyse gebruikt Verbeke (2006) 50% om rekening te houden met de latente vraag. Dit wil

zeggen dat hij verondersteld dat de uiteindelijke daling in voertuigkm maar de helft is van het

directe effect.

5.4.2 Gebruikte data en resultaten rekenmodel

Stap 1: Direct effect op vkm, energie en tijd

We berekenen eerst de tijdswinst voor de individuele thuiswerker en de satellietwerker. Voor de

modale aandelen gaan we uit van Macharis ea (2011). Hieruit blijkt dat telewerkers meer dan de

gemiddelde pendelaar de trein nemen. Dit wordt ook gereflecteerd in de gemiddelde afstand tot het

werk – 40 km – enkele afstand. De cijfers van Macharis ea (2011) zijn geldig voor Brussel. Over het

algemeen zijn de afstanden voor Vlaanderen 1.5 keer korter (VUB 2006). De grotere thuis-

werkafstanden voor Brussel zijn te verklaren door zowel de goede bereikbaarheid van Brussel met

de trein, als het feit dat verschillende overheidsinstanties – zowel Vlaamse, Brusselse als Waalse en

internationale instellingen in Brussel gevestigd zijn. Daarnaast is het modaal aandeel van spoor ook

groter voor Brussel dan voor Vlaanderen. In de gevoeligheidsanalyse zal hiermee rekening

gehouden worden.

Op basis van Maerivoet & Yperman (2008) hebben we de gewogen gemiddelde snelheid20 berekend

op een werkdag in Vlaanderen. Deze is gelijk aan 56,65 km/uur. Voor de andere modi baseren we

ons op Mobiliteitsvisie De Lijn 2020 voor de snelheid van de trein en op Lebrun ea (2012) voor de

snelheid van de tram en de metro en op Het Laatste Nieuws (2011)21 voor de bus22. De snelheden

voor fietsen/te voet en zachte weggebruikers zijn eigen veronderstellingen. Als we de afstand delen

door de snelheid bekomen we de tijdswinst per trip voor de telewerker. Onderstaande tabel geeft de

20 De gewichten zijn de vkm gereden in de verschillende periodes (piek versus dal) en op de verschillende type wegen. 21 http://www.hln.be/hln/nl/957/Binnenland/article/detail/1273507/2011/06/02/Snelheid-voertuigen-De-Lijn-daalde-

in-2010.dhtml 22 Merk op dat de snelheden voor openbaar vervoer geen rekening houden met het voor- en natransport. Voor trein

betekent dit waarschijnlijk een overschatting van de gemiddelde snelheid, voor bus/tram/metro eventueel een

onderschatting. De fout hangt af van de afstand van het voor- en natransport en de gebruikte modi.


inputgegevens en het resultaat voor de thuiswerker. Gemiddeld is er voor de thuiswerker een

tijdswinst van 44 minuten per trip.

Tabel 7: Tijdswinst per thuiswerker per trip

Bron: Macharis ea (2011), Maerivoet & Yperman (2008), Het Laatste Nieuws (2011), Lebrun ea

(2012)

Voor de satellietwerker spelen het verschil in zowel afstanden als snelheid voor een trip naar het

hoofdkantoor dan wel naar het satellietkantoor. Onderstaande tabel toont de resultaten voor de

satellietwerkers. Gemiddeld is de tijdswinst iets kleiner dan voor de thuiswerker, maar nog steeds

gelijk aan 34 minuten per trip.

Tabel 8: Tijdswinst per satellietwerkers per trip

Bron: Macharis ea (2011), Maerivoet & Yperman (2008), Het Laatste Nieuws (2011), Lebrun ea

(2012)

Voor de besparing in energiegebruik is enkel de daling in vkm van de wagen van belang.

Onderstaande tabel toont de centrale schatting van het effect op het totaal aantal

voertuigkm/thuiswerker/jaar, de energiewinst/thuiswerker/jaar en de tijdswinst /thuiswerker/jaar.

We gaan hier uit van

- 1 thuiswerkdag per week. In de bevraging van Macharis ea (2011) bleek dat 45% van de

mensen minder dan 1 dag per week thuiswerkte en 30% 1 dag.

- 40 werkweken. Dit gaat uit van een 200 werkdagen op een jaar.

- Een modaal aandeel van de wagen van 51%. Deze cijfers zijn gebaseerd op Macharis ea

(2011).

- Een energieverbruik van 0,72 kWh/vkm23.

- Een gemiddelde tijdswinst van 44 minuten per trip zoals eerder berekend.

23 Bron: TREMOVE model: www.tremove.org

Normale pendelmodi aandeel bij

thuiswerkers

gemiddelde afstand

hoofdkantoor (km)

gemiddelde

snelheid (km/u)

tijdswinst

thuiswerken

(uur/trip)

auto 51.30% 40 57 0.71

trein 39.20% 62 80 0.78

motor/brommer 2.20% 31 57 0.55

tram 2.20% 11 17 0.65

metro 1.10% 28 29 0.97

te voet 0.40% 3 5 0.60

fiets 2.00% 14 18 0.78

bus 1.50% 26 30 0.87

Verandering van modi

aandeel

satellietwerkers

gemiddelde

afstand

hoofdkantoor (km)

gemiddelde afstand

satellietkantoor

(km)

gemiddelde snelheid

modi naar

hoofdkantoor (km/u)

gemiddelde

snelheid modi naar

satellietkantoor

tijdswinst

thuiswerken

(uur/trip)

van trein naar auto 34.60% 75 21 80 57 0.57

van auto naar auto 23.90% 73 28 57 57 0.79

trein naar trein 14.80% 83 26 80 80 0.71

trein naar zacht 9.90% 72 5 80 10 0.40

auto naar trein 2.50% 60 35 57 80 0.62

auto naar zacht 2.50% 48 10 57 10 -0.15

trein naar bus 2.50% 86 10 80 30 0.74

anderen 9.50% 0 0 0 0 0.00


Tabel 9: Resultaten direct effect voertuigkm (per thuiswerker)

Bron: eigen berekeningen

Gegeven deze veronderstellingen bekomen we een besparing van 1642 voertuigkm (vkm) per

werknemer. Uitgaande van een energieverbruik van 0,72 kWh/vkm24 komen we tot een besparing

van 1178 kWh per werknemer die thuiswerkt. De jaarlijkse tijdswinst voor de thuiswerker is gelijk

aan 59 uur.

Uitgaande van 2,17 miljoen werknemers25, 13% telewerkers – waarvan 9% thuiswerkers komen we

tot volgend resultaat voor de thuiswerkers.

Tabel 10: Resultaten direct effect voertuigkm, energie en tijdswinst per jaar totaal Vlaanderen –

thuiswerkers


Op jaarbasis is er een besparing van 309 miljoen voertuigkm door de thuiswerkers berekend. Dit

komt overeen met een besparing van 222 miljoen kWh en 11 miljoen uur. In de

gevoeligheidsanalyse maken we een onderscheid naar het type werknemer en de mogelijkheid tot

telewerken.

Ook voor de satellietwerker kennen we het aantal uitgespaarde vkm. Onderstaande tabel toont de

veronderstellingen die gemaakt zijn en het resultaat van de berekening zoals eerder uitgelegd. De

24 Bron: TREMOVE model: www.tremove.org 25 RSZ data 2010

Input: basisgegevens thuiswerker

frequentie (aantal per week) 1

aantal werkweken 40

modale aandeel auto 51.30%

gemiddelde afstand werk auto (km) 40

heen en terug (factor) 2

Winst: direct effect

vkm/werknemer/jaar 1642

energie wagen (kWh/werknemer/jaar) 1178

tijdswinst per jaar (uur/werknemer/jaar) 59

Input: basisgegevens thuiswerker

aantal werknemers 2170097

% thuiswerkers 9%





aantal thuiswerkers 188075

totaal miljoen vkm/jaar 309

energie wagen ( miljoen kWh/jaar) 222

tijdswinst per jaar (miljoen uur/jaar) 11


veronderstellingen in verband met de afstanden en de modale verschuivingen zijn gebaseerd op

Macharis ea (2011). Ook hier geldt dat de gemiddelde afstanden en het modale aandeel van spoor

waarschijnlijk groter zijn voor Brussel dan voor Vlaanderen. Per satellietwerker wordt er jaarlijks

647 vkm en 45 uur uitgespaard, dit komt overeen met een energiebesparing van 464 KWh.

Tabel 11: Resultaten effect voertuigkm, energiegebruik en tijdswinst per satellietwerker


Het is onmiddellijk duidelijk dat de besparing in vkm en bijgevolg in energie en tijd veel kleiner is

dan bij de thuiswerker. Dit deels omdat er ook een belangrijke modale verschuiving is van openbaar

vervoer naar de wagen.

Ook hier vermenigvuldigen we de effecten met het aantal satellietwerkers om zo tot een totale

besparing op jaarbasis voor Vlaanderen te komen.

Tabel 12: Resultaten direct effect voertuigkm, energie en tijdswinst per jaar


Het totale directe effect – thuiswerkers en satellietwerkers samengebracht – is gelijk aan een daling

van 370 miljoen vkm op jaarbasis. Ter vergelijking – in Cools ea (2012) werd het potentieel voor

telewerken geschat op een daling van 560 miljoen vkm.

Input: basisgegevens satellietwerker

frequentie (aantal per week) 1

aantal werkweken 40

van trein naar auto 35%

van auto naar auto 24%

auto naar trein 2%

auto naar zacht 2%

heen en terug (factor) 2

gemiddelde afstand werk 75

gemiddelde afstand satelliet 22





Input: basisgegevens satellietwerker

aantal werknemers 2170097

% telewerkers satelliet 4%





aantal satellietwerkers 94038





Tabel 13: Resultaten totaal direct effect vkm, energie en tijdswinst per jaar – centrale schatting


Stap 2: Rebound 1 – Extra energiegebruik thuiswerker

Het eerste direct rebound effect dat we beschouwen is het energiegebruik thuis. Dit is enkel

relevant voor de thuiswerker. We focussen hier op het bijkomend energiegebruik voor verwarming.

Er zal ook een bijkomend energieverbruik zijn door de extra verlichting, maar dit bijkomend

verbruik is klein vergeleken met het effect op het verbruik voor verwarming.

Om het effect op de verwarming te berekenen, gaan we eerst uit van een top down berekening,

waarbij we vertrekken van het totale verbruik in Vlaanderen. Vervolgens analyseren we wat het

resultaat is van een benadering van onderuit, waarbij we de bijkomende verwarming per woning

proberen te schatten.

Top down berekening

Voor de verwarming berekenen we eerst het gemiddeld verbruik per dag verwarming. In

Vlaanderen verbruikt de residentiële sector gemiddeld 230 PJ/jaar (periode 2009-2011). Uit het

achtergrond document huishoudens van MIRA bleek dat in 2006, 70% van het totale

energiegebruik voor verwarming is. Recentere cijfers ontbreken. Dit wil zeggen dat een 161 PJ

verbruikt wordt voor de verwarming van Vlaamse woningen. Dit is gelijk aan 44.722 miljoen kWh

voor heel Vlaanderen voor 1 jaar. Gedeeld door het aantal woongelegenheden26 in Vlaanderen

(2.775.682) verkrijgen we zo een verbruik van 16.112 kWh/woning/jaar aan verwarming. Om een

verbruik per dag te kennen, delen we door 220 dagen (uitgaande van een werkende verwarming in

de periode tussen ongeveer 15 oktober en 15 mei). Zo bekomen we 73,2 kWh/woning/dag.

Uitgaande van 7 uur vol vermogen (4,72 kW om 22° te hebben tussen 6-8 uur en tussen 17-22u) en

17 uur gereduceerd vermogen (50% of 2,36 kW om de rest van de dag 15° te hebben) komen we

op een verbruik van aan 33,0 kWh vol vermogen en 40,2 kWh aan gereduceerd vermogen. Bij

thuiswerken komt er een periode van 9 uur (tussen 8 en 17 uur) bij waaraan aan vol vermogen

verwarmd wordt in plaats van aan half vermogen (9uur maal 4,72 kW i.p.v. 2,36 kW) of een

bijkomend verbruik van 22,27 kWh per thuiswerkdag. Op jaarbasis, uitgaande van 1 thuiswerkdag

per week, 40 werkweken en uitgaande van een verwarming die 220 dagen op 365 dagen aanstaat,

komt dit neer op 489 kWh bijkomend verbruik per jaar. Als we rekening houden met eventueel

andere aanwezige gezinsleden dan komt dit neer op 366 kWh per thuiswerker per jaar of 69 miljoen

kWh extra aan verwarming.

De 16.112 kWh/woning/jaar lijkt echter aan de lage kant geschat27. Indien we uitgaan van een

verbruik van tussen de 18.000-23.000 kWh dan bekomen we – uitgaande van een gemiddelde van

20.500 kWh) een bijkomend verbruik van 467 kWh per jaar per thuiswerker of een totaal van 88

miljoen kWh per jaar voor alle thuiswerkers samen.

26 MIRA achtergrond document huishoudens. Dit omvat zowel open, half-open, gesloten bebouwing als appartementen. 27 Persoonlijke communicatie VEA

Totaal direct effect





Bottom up

Het benodigde vermogen om één of twee kamers overdag extra opgewarmd te houden, hangt af

van verschillende parameters28:

- De energieprestatie van de woning (K-peil): de aanwezige isolatie, warmteverliezen door

transmissie en ventilatie. Dit is afhankelijk van de leeftijd van de woning.

- Afgiftesystemen: vloerverwarming, radiatoren, convectoren, etc. Bij vloerverwarming zal er

immers nauwelijks een dagverlaging toegepast worden omdat dit een ‘traag’ systeem is.

Convectoren en radiatoren zijn veel sneller.

- Temperatuurregime van de afgiftesystemen: aanvoer- en retourtemperatuur, debiet.

- Opwekkingssystemen: bijvoorbeeld warmtepomp die op nachttarief een buffervat oplaadt

- Dagverlaging: hoeveel zou de temperatuur overdag dalen en binnen welke tijd moet de

kamer opnieuw verwarmd worden. Het opwarmen van het gebouw vraagt extra vermogen.

Dit hangt sterk af van de inertie van de structuur (massief of licht) en van de

energieprestatie van de woning

- De oppervlakte van de ruimte waar gewerkt wordt. Dit bepaalt immers het

opwarmingsvermogen.

- Etc.

Op al deze parameters is een grote spreiding mogelijk, waardoor het uiteindelijke antwoord niet zo

eenduidig is.

Gebruik makend van een aantal richtwaarden komt men tot volgend resultaat. Als we uitgaan van

een geïnstalleerd vermogen van afgiftesystemen in een ruimte tussen de 1000 en 5000 W, een

bijkomende verwarming van 8 uur per dag, dan bekomen we een extra energiegebruik van 8 tot 40

kWh per dag. Indien de verwarming niet blijft aanstaan dan moet de ruimte ’s avonds opnieuw

verwarmd worden. Het opwarmingsvermogen voor een ruimte van 40 m² (bijvoorbeeld de

woonkamer) bedraagt 880 W bij een temperatuurverlaging van 3°C en een opwarmingstijd van 2

uur29. Tijdens de opwarmingstijd wordt dus 880 W*2uur of 1,76 kWh aan energie verbruikt. Dit

valt weg bij het thuiswerken omdat de ruimte er op temperatuur blijft. Netto komen we dus op een

bijkomen energiegebruik van 6,24 tot 38,24 kWh per dag (8-1,76 en 40-1,76 kWh). De 22,27 kWh

per thuiswerkdag eerder berekend met de top down benadering valt binnen deze grenzen.

Bij een gelijkaardige berekening gaan we uit van een gemiddeld K-peil van 7230 en een woning met

een warmteverliesoppervlakte van 350 m². De gemiddelde compactheid is 1,4 voor vrijstaande

huizen, 1,55 voor halfopen bebouwing en 1,9 voor rijwoningen en appartementen31. Gebruik

makend van een gewogen gemiddelde van 1,68 kan je van het K peil naar de U waarde gaan door

het K-peil te delen door 83,3. Als we de U waarde dan vermenigvuldigen met de verliesoppervlakte

dan bekomen we het aantal Watt per graad verschil. We krijgen dan 72/83.3*350m² = 302

Watt/Kelvin. Uitgaande van een gemiddelde dagtemperatuur van 10°C32 buiten, is het verschil met

de gewenste binnentemperatuur gelijk aan 10°C. Om 1 uur tot 20°C te komen hebben we dan een

vermogen van 3kWatt nodig. Om dit een uur te doen is dit 3 kWh of 27 kWh per thuiswerkdag (9

uur bijkomend verwarmen) voor een volledige woning. Gegeven het belang van de leefruimte

28 Persoonlijke communicatie WTCB 29 WTCR rapport nr 14, Ontwerp en dimensionering van centrale –verwarmingsinstallaties met warm water – tabel 10. 30 Heylen en Winters (2009), Isolatieniveau van private huurwoningen en woonuitgaven, Steunpunt Ruimte en Wonen. 31 VEA(2012) EPB in cijfers 2006-2011, Cijferrapport Energieprestatieregelgeving.

32 http://statbel.fgov.be/nl/statistieken/cijfers/leefmilieu/klimaat/.


schatten we het bijkomend energiegebruik dan op 19 kWh – opnieuw binnen bovenstaande

grenzen.

In de verdere berekeningen gaan we verder met een bijkomend verbruik van 21,24 kWh per

thuiswerkdag of een bijkomend gebruik van 367 kWh/jaar of 69 miljoen kWh/jaar voor alle

thuiswerkers samen.

Stap 3: Rebound 2 en 3: extra uitgaven en andere locatiekeuze

Voor de berekening van het inkomens- en locatie effect bekijken we eerst het relatieve aandeel van

de bestedingen in ISEEM per huishouddeciel. De huishouddecielen hangen af van het inkomen van

het huishouden. De eerste kolom toont de bestedingen aan transport in de totale bestedingen, de

tweede kolom het aandeel van privé transport in het totaal, de derde en laatste kolom toont het

aandeel vaste kosten (aankoop voertuig, eenmalige belastingen, etc.) in de totale transport kost.

Tabel 14: Aandelen in uitgaven naar transport, per huishouddeciel

Huishoud deciel

Transport

bestedingen in

totaal

Aandeel privé

transport in

totaal

transport

Aandeel vaste

kosten in totale

transport kosten

D1 9,6% 92,1% 50,2%

D2 12,1% 94,2% 47,7%

D3 14,1% 92,9% 43,8%

D4 14,3% 94,0% 45,7%

D5 15,8% 93,9% 47,9%

D6 16,3% 93,9% 42,2%

D7 16,3% 92,0% 46,1%

D8 16,7% 93,7% 43,2%

D9 17,0% 94,0% 43,7%

D10 19,5% 95,3% 41,4%

Bron: ISEEM model

In het vervolg van de berekeningen gebruiken we de volgende parameters, die het aandeel in de

totale uitgaven per onderdeel en de elasticiteiten weergeven. Deze zijn vergelijkbaar met de uitgaven

van het doorsnee huishouden D5 (zie Tabel 14) en de gebruikte elasticiteiten in het ISEEM model.

Daarom kan de volgende doorrekening representatief worden genoemd voor de hele consumptie

naar transport. Hierbij moeten we wel beklemtonen dat we geen rekening houden met secundaire

inkomenseffecten of indirecte effecten door een vermindering in congestiekosten.


Tabel 15: Gebruikte parameters bij doorrekening van vraagschok bij invoeren telewerken

Aandeel in

uitgaven Elasticiteiten

Transport uitgaven 15,0% 0,5

Privé transport 95,0% 0,3

Variabele kosten 50,0% 0,3

Woon-werk verkeer 50,0% 0,1

Op deze manier houden we rekening met de uitgaven die de mensen zelf doen. Voor sommigen is

het woon-werk verkeer immers gratis of wordt deze gesubsidieerd door de werkgever (tussenkomst

treinabonnement, bedrijfswagens,etc.)

We simuleren een schok in ��/� gelijk aan 20%. Dit staat gelijk met 1 thuiswerkdag per

werkweek. We gebruiken deze schok om de gepercipieerde kost in het woon-werk transport te

verlagen. De volgende tabel toont dan de resulterende relatieve veranderingen in de prijs en vraag

naar transport en andere consumptie.

Tabel 16: Relatieve verandering in transport en andere bestedingen

Variabele Variabele (%)

Totale bestedingen 0%

Andere consumptie -0,32%

Woon-werk verkeer -13,20%

Ander transport 2,271%

Bron: eigen berekeningen mbv ISEEM model

We zien dat de verhoging van de woon-werk efficiëntie parameter leidt tot een toename van de

transportconsumptie, doordat de verhoogde efficiëntie leidt tot een prijsdaling voor transport. De

redenering hier is dat de verlaagde kost voor woon-werkverkeer de relatieve kosten van ander

transportgebruik verlaagt. De aanname is dat het hier puur over transportkilometers gaat en over de

tijd gebruikt in transport. Consumenten gaan hun auto dus meer gebruiken voor recreatief en ander

gebruik. Dit komt ook overeen met de bevindingen van Macharis (2011), waarin blijkt dat 13% van

de ondervraagden stelt dat ze ook de wagen gebruiken indien ze thuiswerken. In 42% van de

gevallen gaat het hier om extra km.

De daling in woon-werkverkeer is eveneens niet gelijk aan 20%, maar aan 13,2%. Dit komt omdat

thuiswerken de consument toelaat om verder van huis te gaan wonen, waardoor de gemiddelde

woon-werk afstand op langere termijn kan toenemen.


Het totale33 rebound effect is dan gelijk aan 1- ()*,,-%/,,,0)%

(,-% � 45,327% (13.20 is vermindering

woon werkverkeer; 2.271 is verhoging ander verkeer). Dit wil zeggen dat van de initiële daling in

voertuigkm slechts 54,6% overblijft. Hetzelfde geldt voor de initiële energiebesparing en de

tijdswinsten. De resultaten, na correctie voor dit tweede rebound effect zijn te vinden in

onderstaande tabel.

Tabel 17: Resultaten totaal direct effect vkm, energie en tijdswinst per jaar, gecorrigeerd voor rebound

2 en 3


Door thuiswerken te interpreteren als een verlaging van de gepercipieerde kost in het woon-werk

transport is de inschatting van de hoeveelheid recreatief en ander transport aan de hoge kant. Bij

deze interpretatie daalt ook de consumptie van andere goederen (niet-transport) licht (-0.32%).

Indien thuiswerken geïnterpreteerd wordt als een budgetstijging (meer beschikbare tijd en geld), dan

zou ook de consumptie van andere goederen stijgen, en zou de consumptie van recreatief en ander

transport minder hard stijgen. De totale winst in voertuigkilometers zou dan groter zijn.

De realiteit ligt ergens tussen beide interpretaties. In het vervolg van het rapport gebruiken we de

hoge inschatting zoals in Tabel 17. In sectie 5.6 wordt via een gevoeligheidsanalyse nog nagegaan in

welke mate de resultaten veranderen indien de winst in voertuigkilometer groter is.

Stap 4: Rebound 4 – aanzuigeffect en effect andere weggebruikers

Op basis van de eerder besproken reistijd-verkeersvolume relatie kunnen we berekenen hoeveel

extra reistijd één bijkomende voertuigkilometer teweeg brengt op deze wegen door hiervan de

afgeleide te nemen. Merk op dat de reistijdstijging op het stedelijk wegennet hoger is dan de reistijd

op het regionaal wegennet, terwijl je – gegeven de gangbare snelheidslimieten – zou verwachten dat

dit omgekeerd is. Dit komt zo uit de gemeten data. Een mogelijke verklaring is dat het verkeer

minder vlot gaat op regionale wegen omdat er meer verkeer is, meer lichten, etc en omdat de

capaciteit op stedelijke wegen lager is.

Het effect van een extra voertuigkm meer of minder op de gemiddelde snelheid is dan gelijk aan

6��6$7897:;<=�<6>6?6@>A:B6>C � D DE E � �1F�

G HI JJEG()E � KEFLG HI JJ

33 Het rebound effect wanneer we enkel rekening houden met de stijging in de afstand is kleiner en gelijk aan 33,97%.

Input




rebound 2 en 3 45%

Winst - gecorrigeerd voor rebound 2 en 3





Gebruik makend van de coëfficiënten eerder gegeven en de volumes over van Maerivoet en

Yperman (2008) kunnen we het effect van 1 vkm meer of minder berekenen. Onderstaande tabel

geeft dit effect in seconden.

Tabel 18: Effect (seconden) van een daling/stijging met een voertuigkm

Bron: eigen berekeningen op basis van Delhaye ea (2010)

Omdat we niet weten op welk wegennet de vkm van de telewerkers verdwijnen, berekenen we een

gewogen gemiddelde voor de tijdswinsten. Hiervoor maken we gebruik van de resultaten voor een

werkdag en wegen we aan dezelfde verkeersvolumes als eerder. Zo komen we op een gemiddelde

tijdswinst van 10.90 seconden per voertuigkm dat verdwijnt34.

Wanneer we de 10,90 seconden per voertuigkm vermenigvuldigen met het aantal voertuigkm die

nog overblijven na de correcties bij stap 3, komen we op een tijdswinst voor de maatschappij van

0,61 miljoen uur.

Indien we veronderstellen dat 50% van de verdwenen voertuigkm weer ingenomen wordt door

latente vraag dan daalt de winst in voertuigkm, de winst in energie, en de winst in tijd voor de

andere weggebruikers verder. Onderstaande tabel toont het resultaat.

Tabel 19: Resultaten totaal direct effect vkm, energie en tijdswinst voor niet-telewerkers per jaar,

gecorrigeerd voor rebound 2, 3 en 4


5.5 Totale impact

Onderstaande tabel vat de bevindingen van de vorige hoofdstukken samen.

34 We maken gebruik van een afgeleide. Dit wil zeggen dat dit resultaat enkel geldig is in de onmiddellijke nabijheid van de

voertuigvolumes waarvoor deze afgeleide berekend is. Indien telewerken een veel groter effect zou hebben dan nu wordt

aangenomen, dan moet dit cijfer herbekeken worden.

Vlaams gewest

ochtend avond dag nacht ochtend avond dag nacht

hoofdwegennet Vlaamse ruit 7.46 10.82 7.04

hoofdwegennet 5.31 7.19 4.99 0.74 4.03 3.15

regionaal wegennet 10.90 12.57 7.09 2.36 9.45 4.73

stedelijk 18.62 21.47 7.09 4.18 14.19 7.09

werkdag niet-werkdag

Correctie latente vraag


energie wagen ( miljoen kWh/totaal/jaar) 72

tijdswinst per jaar (miljoen uur) - Niet- telewerkers 0.31


Tabel 20: Effect van telewerken op vkm, energie en tijd, rekening houdend met het rebound effect.

Het rebound effect bij telewerken is groot. Ongeveer 70% van de initiële besparing in vkm en

tijdswinst gaat teniet door rebound effecten. Voor de tijdswinst is het rebound effect het kleinste

omdat er hier ook positieve effecten zijn voor de andere weggebruikers, maar het is zeker niet

verwaarloosbaar, want het bedraagt toch nog ongeveer 70%. Wat betreft het energiegebruik is het

rebound effect nog groter doordat er meer energie thuis gebruikt wordt. In totaal wordt er een 4

miljoen kWh bespaard. Ter vergelijking: in Vlaanderen wordt op jaarbasis ongeveer 1600 PJ of 444

miljard kWh verbruikt. We kunnen dus stellen dat op het vlak van energie er dus eigenlijk een

nuloperatie verwacht wordt. We houden hierbij wel geen rekening met de mogelijke energiewinsten

die kunnen ontstaan doordat er op lange termijn minder kantoorgebouwen nodig zijn. Fuhr &

Pociask (2010) stelden dat dit rebound effect goed is voor ongeveer 5% van de totale vermeden

externe kosten die gegenereerd worden over 10 jaar. Het gaat hier dus om een bijkomend indirect

positief effect. In dit geval zou het gaan om een bijkomende besparing van 3,6 miljoen kWh/jaar –

wat het rebound effect doet dalen tot 98,6%.

Daarnaast merken we ook op dat de impact naar milieu ook verschillend kan zijn. De uitstoot van

broeikasgassen en luchtpolluenten is immers verschillend voor motorvoertuigen dan voor de

productie van energie. Onderstaande tabel toont de uitstoot per kWh – voor energie zijn er enkel

vergelijkbare cijfers teruggevonden voor de productie van elektriciteit.

Tabel 21: Emissies per kWh

Energiesector (2011) Wagen (2010)

Broeikasgassen (CO2 equivalent gram/kWh) 275 328

Verzurende emissies (Zeq/kWh)* 0,005 0,012

Ozonprecursoren (mg TOFP/kWh) 204 1487

Bron: Tremove model voor de wagen (zowel indirecte als directe emissies) en MIRA website voor energie (http://www.milieurapport.be/nl/feitencijfers/MIRA-T/sectoren/energiesector/emissies-naar-lucht-door-de-energiesector/emissie-per-eenheid-geproduceerde-stroom/ ) * voor de wagen zit hier enkel SO2 in, voor de energiesector ook NO2 en NH3.

Hieruit blijkt dat de winst in energie door de daling in vkm meer effect heeft op de uitstoot dan het

bijkomende energiegebruik door verwarming – en dit voor alle polluenten. Bovendien wordt voor

transport fijn stof hier nog niet mee opgenomen in de tabel.

miljoen vkm/jaar energie (miljoen kWh/jaar) tijdswinst (miljoen uur/jaar)

Direct effect


Rebound 1


Rebound 2 en 3


Rebound 4


Congestie niet-telewerkers 0.31

Totaal 101 4 4



5.6 Sensitiviteit

Gegeven de onzekerheden bij bepaalde parameters in de voorgaande analyse is er ook een

gevoeligheidsanalyse uitgevoerd op de belangrijkste parameters. In deze paragraaf bespreken we

hiervan het resultaat. Door deze analyse krijgen we een idee van het onzekerheidsinterval

waarbinnen de bovenstaande resultaten vallen. Voor elk van de gevoeligheidsanalyses herhalen we

de slottabel.

5.6.1 Aandeel telewerkers en aandeel satellietwerkers

- Aandeel telewerkers (nu 13%): we veronderstellen dat deze eens gelijk is aan 6% (aandeel

laag) en 25% (aandeel hoog)

Tabel 22: Effect telewerken op vkm, energie en tijdswinst – rekening houdend met rebound effecten –

gevoeligheidsanalyse: aandeel hoog


gevoeligheidsanalyse: aandeel laag

- Meer satellietwerkers. In de basisberekeningen veronderstellen we dat 2/3 van de

werknemers thuis werkt en 1/3 is satellietkantoren. In deze analyse veronderstellen we dat

er 9% satellietwerkers zijn en 4% thuiswerkers. Het totaal aantal telewerkers blijft hetzelfde


Direct effect


Rebound 1


Rebound 2 en 3


Rebound 4



Totaal 225 -27 11



Direct effect


Rebound 1


Rebound 2 en 3


Rebound 4



Totaal 29 21 1




gevoeligheidsanalyse: meer satellietwerkers

- Aantal telewerkdagen: als een soort van maximum scenario veronderstellen we dat er 3

dagen in de week thuisgewerkt wordt. Dit wordt ook aanzien door de werkgevers als het

maximaal aantal dagen dat thuisgewerkt kan worden.


gevoeligheidsanalyse: aantal telewerkdagen

5.6.2 Onderscheid naar sectoren

- Onderscheid naar sectoren (aandeel verschillend over sectoren). In deze analyse houden

we rekening met het aantal werknemers in elke sector en met de graad van telewerken dat

er mogelijk is. Onderstaande tabel toont de veronderstellingen

Bron: VUB (2006) voor aandeel telewerkers en RSZ data (2010)


Direct effect


Rebound 1


Rebound 2 en 3


Rebound 4



Totaal 73 54 4



Direct effect


Rebound 1


Rebound 2 en 3


Rebound 4



Totaal 303 11 13


Sector aantal werknemers % telewerkers

Totaal landbouw &delfstoffen 10968 10%

Totaal industrie 358335 6%

Totaal energie/waterbeheer 25392 6%

Totaal bouw 133948 9%

Totaal private diensten 871738 11%

Totaal publieke diensten & onderwijs 378245 12%

Totaal andere diensten (publiek/privaat) 391471 9%



gevoeligheidsanalyse: verschil sectoren

5.6.3 Gemiddelde afstand en modale aandelen

- Gemiddelde afstand. De gemiddelde afstanden in de basisanalyse zijn overgenomen van

Macharis ea (2011). Deze afstanden gelden voor Brusselse telewerkers. Over het algemeen

zijn de afstanden voor Vlaanderen 1.5 keer korter (VUB 2006). Daarom hebben we alle

afstanden gedeeld door deze factor. Dit wil dus zeggen dat we bijvoorbeeld uitgaan van een

gemiddelde woon-werkafstand voor de thuiswerker van 26.6 km in plaats van 40 km.


gevoeligheidsanalyse: gemiddelde afstand

- Modaal aandeel spoor. In de basis analyse zijn we uitgegaan van de cijfers van Macharis

ea (2011). Deze slaan op Brussel en Brussel kent een groot aandeel aan spoor (een 39%

aandeel spoor bij telewerkers in Brussel). Gemiddeld is het aandeel spoor in Vlaanderen

gelijk aan een 7% (OVG 4.3). Daarom voeren we de analyse ook nog eens uit met een

modaal aandeel aan spoor voor 7% voor de thuiswerkers. Dit is echter een ondergrens

omdat uit de literatuur blijkt dat het aandeel spoor groter dan gemiddeld is voor

telewerkers. Telewerkers vindt men immers voornamelijk terug in de groep met een relatief

grotere woon-werkafstand omdat het dan ook een echte besparing in tijd is om te gaan

telewerken. Daarnaast stijgt het aandeel van spoor met de woon-werkafstand. Voor de

satellietwerkers is de verschuiving van modi vooral van belang. Deze wijzigen niet.


Direct effect


Rebound 1


Rebound 2 en 3


Rebound 4



Totaal 73 5 2



Direct effect


Rebound 1


Rebound 2 en 3


Rebound 4



Totaal 70 -19 4




gevoeligheidsanalyse: modaal aandeel spoor

5.6.4 Energiegebruik verwarming

- Energiegebruik verwarming: de basisanalyse veronderstelt dat de verwarming de helft van

het jaar aanstaat, en dan voor heel de dag. In deze gevoeligheidsanalyse nemen we een

extreme veronderstelling en stellen we dat het energiegebruik voor verwarming maar 30%

is van het energiegebruik in de basisberekening (minder verwarming). Dit heeft enkel

invloed op het eerste rebound effect.


gevoeligheidsanalyse: minder verwarming

5.6.5 Latente vraag en inkomens- en locatie-effect

- Elasticiteit latente vraag: in plaats van 50% veronderstellen we 30%. (latente vraag)


Direct effect


Rebound 1


Rebound 2 en 3


Rebound 4



Totaal 137 29 4



Direct effect


Rebound 1


Rebound 2 en 3


Rebound 4



Totaal 101 24 4




gevoeligheidsanalyse: latente vraag

- Rebound effect door het inkomenseffect en het gaan wonen op langere afstanden

(inkomens-en locatie-effect): in de basisanalyse werd hier uitgegaan van een rebound

effect van 55%. In de gevoeligheidsanalyse veronderstellen we een rebound effect van

25%. Dit wil zeggen dat we maar 25% van de initieel gewonnen vkm verliezen.


gevoeligheidsanalyse: inkomens- en locatie- effect

5.6.6 Besluit gevoeligheidsanalyse

Onderstaande tabel toont de resultaten van deze analyse. Deze tabel toont de uiteindelijke

verandering in vkm, energie en tijdswinst en het rebound effect in %.


Direct effect


Rebound 1


Rebound 2 en 3


Rebound 4



Totaal 141 33 6



Direct effect


Rebound 1


Rebound 2 en 3


Rebound 4



Totaal 139 31 6



Tabel 32: Samenvatting gevoeligheidsanalyse

De meeste van de parameters hebben een effect op het energiegebruik thuis. Alleen het veranderen

van de elasticiteit wat betreft de latente vraag en het thuisgebruik hebben een significante invloed

op het relatieve effect wat betreft het aantal vkm. Het aandeel telewerkers, het aandeel

satellietwerkers, het verbruik aan verwarming en de veronderstelde afstanden hebben een duidelijke

invloed op het % energiegebruik.

Het rebound effect wat betreft het aantal km is meestal gelijk aan 73% - met een ondergrens van

62%. Voor energiegebruik blijft het rebound effect hoog – rond de 90 tot 100%, met een

uitschieter op 107%. Als het aandeel telewerkers stijgt, is er zelfs sprake van een backfire (107%).

Het rebound effect is het kleinste voor energie als er relatief meer satellietwerkers zijn. Het rebound

effect voor de tijdswinst ligt rond de 70%. Als de latente vraag of het inkomen en locatie-effect

kleiner is, dan daalt ze tot een 60%. Over het algemeen kunnen we besluiten dat het rebound effect

bij telewerken significant is.


Basis Totaal 101 4 4


Aandeel hoog Totaal 225 -27 11


Aandeel laag Totaal 29 21 1


Meer satellietwerkers Totaal 73 54 4


Aantal telewerkdagen Totaal 303 11 13


Verschillend over sectoren Totaal 73 5 2


Gemiddelde afstand Totaal 95 0 3


Modaal aandeel spoor Totaal 101 4 4


Minder verwarming Totaal 101 24 4


Latente vraag Totaal 141 33 6


inkomen en locatie -effect Totaal 139 31 6



6 Case 2: energie-efficiëntieverbeteringen

Voor de energiecasus wordt een meer theoretische oefening gemaakt waarbij een

efficiëntieverbetering van X% verondersteld wordt. Dit zowel aan consumentenzijde als aan

producentenzijde.

We starten deze analyse met de doorrekening van een efficiëntieverbetering bij de consument.

6.1 Energie-efficiëntieverbetering bij de consument

In de eerste oefening berekenen we het rebound effect voor efficiëntieverbeteringen bij de

consument, waarbij we een onderscheid maken naar verschillend gebruik van energie (verwarming,

verlichting, elektrische toestellen, warm water en koken) en naar verschillende energiedragers

(elektriciteit, aardgas en stookolie). In de volgende paragraaf bespreken we de aanpassingen die

gebeurd zijn aan het ISEEM model, waarmee we de berekening gaan doen. Het model zelf wordt in

meer detail in bijlage 2 besproken. Daarna bespreken we aan de hand van een theoretisch voorbeeld

hoe de resultaten van het ISEEM model geïnterpreteerd worden. Vervolgens gaan we verder met

het opzetten van de oefening zelf en de bespreking van de resultaten.

6.1.1 Aanpassingen aan ISEEM

Het ISEEM model is een model op arrondissementniveau. Voor deze studie werd ISEEM

geaggregeerd naar 3 regio’s (Vlaanderen-Brussel-Wallonië) om de analyse niet verder te

compliceren. De data werd nagekeken op eventuele fouten in de aggregatie en sectorindeling

• Een belangrijke aanpassing is de opsplitsing van de consumptie van huishoudens in energie

gerelateerde, niet-energie gerelateerd en transport consumptie. De consumptie van

transport wordt uitgesplitst in een publiek (aangekocht) en privaat deel. De uitsplitsing van

energie voor vervoer (diesel, petroleum en andere brandstoffen) en energie voor andere

doeleinden gebeurt aan de hand van gedetailleerde huishoudbudget enquêtes (HBE) van

Vlaanderen, Brussel en Wallonië. Deze worden gepubliceerd door het Nationaal Instituut

voor Statistiek en kunnen online geraadpleegd worden.

Hiermee wordt de boomstructuur van de huishoudvraag gelijk aan:


De niet-energie bundel werd gemodelleerd op basis van een Stone Geary functie35, gelijkaardig aan

het oorspronkelijke ISEEM model. De aan energie gerelateerde consumptie is verder uitgesplitst

in: koken, verwarming, licht, applicaties en warm water. Voor elke categorie is een verschillende

input nodig van olie, gas of elektriciteit. Het aandeel consumptie van kolen was te laag om

betekenisvol in het huishoudbudget uit te splitsen. Om deze opsplitsing te maken is gebruik

gemaakt van volgende bronnen:

- MIRA Achtergronddocument 2010, Sector Huishoudens - Energiebalans van het Brussels Hoofdstedelijk Gewest (BHG) 2009

Er wordt een 5 bij 3 matrix opgesteld die de uitgaven in Vlaanderen weergeeft voor vijf categorieën van energieconsumptie, verdeeld over drie energiedragers (elektriciteit, aardgas, stookolie). Onderstaande tabel geeft de lege matrix die ingevuld moet worden.

35 De Stonge_Geary functie is een utiliteitsfunctie (U) van de volgende vorm: M � ∏ . �� O��PQ� ,waarbij x consumptie

voorstelt van goed i, O een bepaald niveau van minimumconsumptie en H een preferentieparameter. Specifiek voor deze

functie is dat men aanneemt dat huishoudens tenminste het niveau aan consumptie O willen bereiken. Stone Geary utiliteit

laat toe om de consumptie van moeilijker substitueerbare of essentiële goederen (voeding, kleding, elektriciteit) met een

groter realisme te modeleren.

Budget

Transport Andere

Energie Niet-Energie

K V L A … …

Olie Gas Elec

Publiek Privaat

Verz Auto Brandstof


Tabel 33: Lege matrix

Uitgaven (miljoen euro) Elektriciteit Aardgas Stookolie Totaal

Verwarming

Verlichting

Elektrische toestellen

Warm water

Koken

Totaal

Deze matrix zullen we stap voor stap invullen. Voor een duidelijk overzicht presenteren we op het einde van elke stap de matrix zoals hij op dat moment ingevuld is.

Stap 1: naar een energieverbruik per drager

Het MIRA rapport vermeldt het totaal energieverbruik van huishoudens in Vlaanderen in 2009, namelijk 236.7 PJ. We gebruiken de gegevens van 2009 in plaats van recenter beschikbare gegevens van 2010 of 2011 omdat het energieverbruik in 2010 en 2011 veel extremer is: respectievelijk 253.3 en 225.4 PJ36. Deze extremere waarden zijn een gevolg van meer extreme weersomstandigheden in deze jaren, waardoor de stookkosten enorm verschillen. Een goede indicator hiervoor is het aantal graaddagen. Het gemiddeld aantal graaddagen in de afgelopen 10 jaar was 2241. In 2009, 2010 en 2011 bedroeg het aantal graaddagen respectievelijk 2212, 2703 en 192837. De waarden voor 2009 komen dus veel beter overeen met een gemiddeld verbruik in Vlaanderen dan de waarden voor 2010 of 2011.

Verder staat in het MIRA rapport aangegeven hoe dit totaal energieverbruik zich verdeelt over 7 verschillende energiedragers.

Tabel 34: Energieverbruik per energiedrager in Vlaanderen, 2009

Energiedrager Energieverbruik (PJ) Aandeel

Benzine 0,5 0,2%

Butaan/propaan 1,7 0,7%

Kolen 3,2 1,4%

Biomassa 3,8 1,6%

Elektriciteit 41,2 17,4%

Aardgas 91,3 38,6%

Stookolie 95,0 40,1%

Bron: MIRA achtergronddocument 2010, Sector Huishoudens

36 http://www.emis.vito.be/cijferreeksen 37 http://www.aardgas.be/consumenten/de-aardgasfederatie/nieuws-en-publicaties/graaddagen


In ISEEM worden enkel elektriciteit, aardgas en stookolie beschouwd. Gezien het beperkte aandeel van de andere energiedragers (3.9%) beschouwen we deze niet mee in verdere berekeningen, en kijken we enkel naar het verbruik van elektriciteit, aardgas en stookolie.

Verder dient het energieverbruik vertaald te worden naar euro, aangezien ISEEM rekent in monetaire termen. Hiervoor maken we gebruik van de data in Energiebalans BHG 2009, waarin zowel de uitgaven in euro als het energieverbruik voor de verschillende energiedragers vermeld staat. Combinatie van deze gegevens levert de uitgaven per energie-eenheid op voor elk van de energiedragers.

Tabel 35: Uitgaven per energie-eenheid per energiedrager in BHG, 2009

miljoen euro/PJ Stookolie Aardgas Elektriciteit

Totaal 12,89 16,22 52,62

Bron: Energiebalans van het BHG, 2009

Merk op dat in de Energiebalans Vlaanderen deze info niet beschikbaar is. We veronderstellen echter dat de uitgaven per energie-eenheid in Vlaanderen sterk overeenkomen met die in het BHG. Aangezien de Energiebalans BHG 2009 cijfers bevat over alle energiedragers biedt deze ook meer garantie op consistentie dan het gebruik van individuele cijfers voor elke energiedrager apart.

Als we deze gegevens toepassen op het energieverbruik in Vlaanderen, weten we de kolomtotalen van onze 5 op 3 matrix volgende tabel:

Tabel 36: Matrix na stap 1


Verwarming

Verlichting

Elektrische toestellen

Warm water

Koken

Totaal 2152,1 1481,1 1224,4 4857,6


Stap 2: naar een energieverbruik per gebruikscategorie

Dit energieverbruik moet nu verdeeld worden over de verschillende categorieën van energieconsumptie. Hiervoor vertrekken we van de verdeling vermeld in het MIRA rapport.


Tabel 37: Energieverbruik per categorie in Vlaanderen, 2009

Categorie Energieverbruik (%) Energieverbruik (PJ)

Verwarming 70% 161,28

Verlichting 2% 4,61

Elektrische toestellen 12% 27,65

Ruimtekoeling, bevochtiging 1% 2,30

Warm water 15% 34,56

Bron: MIRA achtergronddocument 2010, Sector Huishoudens

Deze categorieën komen nog niet overeen met onze eigen categorisering. Daarom maken we volgende vertaalslag. De ruimtekoeling/bevochtiging wordt bijgeteld bij de elektrische toestellen. Verder wordt er een categorie Koken toegevoegd. Het energieverbruik voor Koken zal verderop afgeleid worden.

Naast het vertalen van de categorisering moet het energieverbruik nog worden omgezet naar monetaire eenheden. Deze keer kunnen we niet rechtstreeks gebruik maken van prijzen, omdat elke categorie een andere mix van energiedragers verbruikt. Daarom maken we opnieuw gebruik van Energiebalans 2009, waarin onderstaande verdeling van de uitgaven voor het Brussels Hoofdstedelijk Gewest te vinden is.


Tabel 38: Energie-uitgaven per energiedrager en categorie in Brussel, 2009

Uitgaven (miljoen euro) Stookolie Aardgas Elektriciteit

Verlichting, elektrische toestellen 193,1

Koken 23,6 23,3

Sanitair, warm water 14,3 66,5 21,5

Extra verwarming 8,8

Verwarming 79 267,5 28,9

Totaal 93,3 357,6 275,6

Bron: Energiebalans van het BHG, 2009

Verlichting en het gebruik van elektrische toestellen gebeurt puur op basis van elektriciteit. Hiervoor kunnen we dus wel rechtstreeks de prijzen uit Tabel 35 gebruiken. Voor de categorie Koken maken we de benadering dat deze geen gebruik maakt van de energiedrager Stookolie. Verder gebruiken we de verdeling van het Brussels elektriciteitsverbruik per woning. Koken neemt volgens deze gegevens 9% van het totaal elektriciteitsverbruik op zich. Dit aantal trekken we af van de categorie Elektrische toestellen. We krijgen dan onderstaande tabel.




Verwarming

Verlichting 247,4 0 0

Elektrische toestellen 1414,5 0 0

Warm water

Koken 193,7 0

Totaal 2152,1 1481,1 1224,4 4857,6


Stap 3: Aanvullen energiedragers aardgas en stookolie

Voor het invullen van de energiedragers aardgas en stookolie kijken we naar de verdeling van de uitgaven over de verschillende categorieën in Brussel. Voor stookolie wordt 14.3/(14.3+79)=15.3% uitgegeven aan Warm water, en 84.7% aan Verwarming. Deze verdeling kunnen we vermenigvuldigen met de totale uitgaven in Vlaanderen aan stookolie. Voor aardgas geldt dezelfde redenering. Dit levert volgende tabel:



Verwarming 1107,9 1037

Verlichting 247,4 0 0 247,4

Elektrische toestellen 1414,5 0 0 1414,5

Warm water 275,4 188

Koken 193,7 97,7 0 291,4

Totaal 2152,1 1481,1 1224,4 4857,6


Stap 4: Aanvullen energiedrager elektriciteit

De som van de uitgaven aan elektriciteit voor Warm water en Verwarming moet gelijk zijn aan 2152.1 – (247.4+1414.5+193.7) = 296.5. Voor de verdeling ervan kijken we net zoals in stap 3 naar de verdeling van de uitgaven over deze categorieën in Brussel. Koken neemt 23.3/(23.3+28.9)=44.6% voor zijn rekening, en Warm water de overige 55.4%. Onze finale matrix ziet er dus als volgt uit




Verwarming 170,0 1107,9 1037 2314,7 47,7%

Verlichting 247,4 0 0 247,4 5,1%

Elektrische toestellen 1414,5 0 0 1414,5 29,1%

Warm water 126,5 275,4 188 589,6 12,1%

Koken 193,7 97,7 0 291,4 6,0%

Totaal 2152,1 1481,1 1224,4 4857,6

44,3% 30,5% 25,2%


Ter vergelijking, in Brussel wordt 54% van de energie-uitgaven gespendeerd aan verwarming, 26% aan verlichting en elektrische toestellen, 14% aan warm water, en 6% aan koken.

6.1.2 Overzicht elasticiteiten

Onderstaande tabel geeft een overzicht van studies die de prijs- en/of inkomenselasticiteit bepalen

voor een bepaalde vorm van energieverbruik. Voor elke studie is de bron vermeld, het jaar of de

periode op basis waarvan de elasticiteiten zijn bepaald, het betreffende land, de specifieke vorm van

energieverbruik, het type elasticiteit, en tot slot of het om een korte of langetermijnselasticiteit gaat.

Indien de studie één van deze aspecten niet duidelijk vermeld, is dit aangeduid in de tabel als een

liggende streep. Zoals de tabel laat zien liggen de bekomen waarden vaak sterk uiteen. Er vallen

echter wel een aantal algemene tendensen op te maken op basis van deze data:

• Voor eenzelfde studie is de elasticiteit op korte termijn steeds kleiner (in absolute waarde)

dan die op lange termijn

• De prijselasticiteit van energie schommelt rond de -0.3

• De prijselasticiteit van verwarming ligt meestal hoger (absoluut gezien), rond de -0.45

• De variatie is kleiner voor de prijselasticiteit dan voor de inkomenselasticiteit


Tabel 42: Literatuuroverzicht elasticiteiten energie

Bron Jaar Land Toepassing Type LT/KT

/- Elasticiteit

HERMES 2003 België Verwarming Prijs KT -0,26

LT -0,42

Inkomen KT 0,71

LT 0,77

Nesbakken, 1999

1990 Noorwegen Verwarming met

elektriciteit

Prijs - -0,55

Verwarming Prijs - -0,15

Giraudet et al., 2012

Model outcome

Frankrijk Verwarming Prijs LT -0,45

Meier & Rehdanz, 2010

1991-2005 UK Verwarming

met gas

Prijs KT -0,74

Verwarming met olie

Prijs KT -0,54

Inkome

n KT [0,01; 0,04]

Rehdanz, 2007 1998-2003 Duitsland Verwarming Inkome

n KT [0,01; 0,1]

Verwarming

met gas

Prijs KT -0,43

Verwarming

met olie

Prijs KT -0,48

Centraal bureau voor

statistiek

1979 Nederland Verlichting & verwarming

Prijs - -0,38

Prosser, 198538 1971-1982 7 OECD countries Energie Prijs KT -0,26

LT -0,37

38 Zoals vermeld in A. Ferrer-i-Carbonell et al. (2000)


Koopmans et al., 19991

- Nederland Energie Prijs LT -0,29

Bentzen & Engsted, 19931

1948-1990 Denemarken Energie Prijs KT -0,135

LT -0,465

Karimu & Brannlund,

2013

1960-2006 17 OECD countries Energie Prijs LT -0,18

Webster et al., 2008

Model outcome USA Energie Prijs LT -0,23

Rothman et al., 19941

1985 53 countries Energie Prijs - [-0,69; -

0,78]

Elektriciteit Prijs - [-1,35; -

1,42]

Duerinck et a., 2007 - België Elektriciteit Prijs - -0,48

Inkome

n - 0,25

Berkhout et al., 2004

1994-1999 Nederland Elektriciteit Prijs KT [-0,55; -

0,57]

Inkomen KT 0,61

Gas Prijs KT [-0,19; -

0,28]

Inkome

n KT -0,27

Halvorsen & Larsen, 199939

1984-1992 Noorwegen Elektriciteit Prijs KT [-0,4; - 0,6]

Boonekamp, 2007

1995-2000 Nederland Elektriciteit Prijs KT [-0,05; -

0,13]

Gas Prijs KT [-0,04; -

0,15]

Blázquez, Boogen,

2000-2008 Spanje Elektriciteit Prijs KT -0,11

LT -0,24

39 Zoals vermeld in Berkhout et al. (2004)


Filipini, 2012 Inkome

n KT 0,14

LT 0,3

Filipini,1999 1984-1990 Zwitserland Elektriciteit Prijs KT -0,3

EPRI, 199140

- USA Elektriciteit Prijs KT -0,3

LT -0,9

A. Faruqui, 2008

- USA Elektriciteit Prijs KT [-0,13; -

0,26]

LT [-0,39; -

0,78]

Aasness & Holtsmark,

199341

- Noorwegen Elektriciteit Prijs LT -0,2

Inkomen LT 0,28

Dennerlein, 19874

- Duitsland Elektriciteit Prijs - -0,38

Inkomen - 0,42

6.1.3 Benaderen van modeleffecten uit ISEEM

Met deze paragraaf willen we de logica van de resultaten uit ISEEM uiteenzetten, door de effecten

van het model te benaderen met een set van vereenvoudigde vergelijkingen. We doen dit, omdat de

resultaten van algemeen evenwichtsmodellen, zoals ISEEM, moeilijk te interpreteren kunnen zijn,

door de complexe niet-lineaire vergelijkingen die gebruikt worden in het model. In het voorbeeld

hieronder, leiden we het rebound effect af, zonder het model te gebruiken. We focussen hierbij op

een efficiëntieverbetering aan de zijde van de consumenten, omdat deze het eenvoudigst te

begrijpen is.

Vereenvoudigen we een uiterst complexe vergelijking42 zoals de volgende (1), die de vraag naar

energie op het huishoudniveau ($�� bepaalt op basis van inkomen (Y), prijs van energie (R�), prijs

van andere producten (RS�), energie-efficiëntie �T), de prijselasticiteit �U� en huishoudpreferenties

(V��. $� � W

R� .V�XR�)(XTX()

V�XR�)(XTX() " �1 � V� �XRS�)(X �1�

40 Zoals vermeld in Neenan & Eom (2008) 41 Zoals vermeld in Nesbakken (1999) 42 Deze vergelijking is quasi identiek aan deze die daadwerkelijk in het ISEEM model wordt gebruikt.


Naar de benaderde, maar eenvoudigere vergelijking (2), waarbij alle variabele in relatieve waarden

(percentuele veranderingen) worden uitgedrukt. Hierbij moeten de punten boven de variabelen

gezien worden als relatieve of percentuele veranderingen.

$�Y ≅ [Y � U. �R�Y # " �U � 1�. RY " �U � 1�. TY �2� Waarbij RY � C� . �RY� � TY# " CS� . RYS�

Met C� en CS� de aandelen van de energie gebonden en andere consumptie in de totale bestedingen.

Een equivalente vergelijking naar de vraag naar energie aan de kant van de producenten (��, in

functie van veranderingen in de totale vraag ��Y ), de prijs van andere productiefactoren43 ( RY\]�, het

aandeel van energie �C�� en andere factoren (C\]�, de prijselasticiteit van energie bij de producenten

�U�S^�en veranderingen in energie-efficiëntie bij producenten44 �T_S^Y � is. We herhalen dat alle

punten boven de variabelen wijzen op percentuele veranderingen in de variabelen.

��Y ≅ �Y � U�S^ . ��RY " R�Y # " �U�S^ � 1�. T_S^Y �3�

Waarbij RY � C� . �RY� � T_S^Y # " C\]. RY\]

Vergelijkingen zoals (2) en (3) zijn vereenvoudigde of BOTE45 vergelijkingen. Deze vormen de

basis om CGE resultaten te communiceren aan een breder publiek (Dixon & Rimmer, 2002).

Focussen we eerst op de vraag naar energie aan de consumentenzijde.

Terwijl vergelijking 1) zo goed als oninterpreteerbaar is, vertelt vergelijking 2) ons zeer veel over het

veronderstelde gedrag van consumenten. Uit vergelijking 2) kunnen we de volgende elementen

afleiden:

1. In afwezigheid van prijseffecten en veranderingen in energie-efficiëntie, stijgt de vraag naar

energie percentueel even sterk als het inkomen. Als voorbeeld: 1% extra inkomen, betekent

1% extra vraag naar energie.

2. In afwezigheid van inkomenseffecten en efficiëntieverbeteringen zal een percentuele

stijging van de prijs van energie een daling van de energieconsumptie van U maal de

prijsverandering vermeerderd met het aandeel van de energieconsumptie teweeg brengen.

Bijvoorbeeld, stel dat U gelijk is aan 0.5 en het aandeel van energie in de totale bestedingen

gelijk is aan 10%. Dan zal een stijging van de energieprijs met 1%, een daling van de

energieconsumptie teweeg brengen gelijk aan ongeveer 0.5+(0.1*0.5) = -0.55%

3. Vice versa, zal een stijging van de prijs van andere producten met 1%, een daling van de

energie gebonden consumptie teweeg brengen van U ∗ 0.9 ∗ 1% =-0.45 %

4. Als laatste, maar belangrijkste ter interpretatie van het rebound effect, zal een stijging van

de energie-efficiëntie, in afwezigheid van alle andere inkomens-of prijseffecten, een daling

van de energieconsumptie teweeg brengen, die gelijk is aan �U � 1� vermenigvuldigd met

het aandeel van energie in de consumptie vermeerderd met �U � 1� - de relatieve

43 Waarbij C\] staat voor het aandeel kapitaal en arbeid (toegevoegde waarde) in de productie. 44 Deze wordt enkel voor de volledigheid toegevoegd, we focussen in ons voorbeeld op energie-efficiëntieverbetering bij

de consumenten. 45 Back Of The Envelope (eng.): letterlijk ‘aan de achterkant van de enveloppe’. Vergelijkingen die zo intuïtief zijn dat ze

snel door een onderzoeker op de achterkant van een enveloppe kunnen neergeschreven worden om een schatting van het

totale effect te berekenen.


efficiëntieverbetering. Nemen we terug het voorbeeld in 2, dan zal een stijging van de

energie-efficiëntie met 1% leiden tot een daling van het energieverbruik met 0.05-0.5) = -

0.45%.

Merk nu op dat we bij de berekening van punt 1-4 hierboven, steeds hebben aangenomen dat

andere variabelen (inkomen, prijzen) constant bleven. Dit noemen we het ‘directe effect’. We

definiëren het directe rebound effect46Y bij consumenten als � � �TY " $�Y �/TY. Waarbij de relatieve

verandering van de energieconsumptie berekend werd met constante prijzen en constant

consumenten inkomen.

Uit het voorgaande kunnen we benaderen hoe groot het directe rebound effect van

energieconsumptie is, zonder de complexe vergelijking (1) te gebruiken, rechtstreeks uit het aandeel

van energieconsumptie en de elasticiteit.

Tabel 43: Benadering direct rebound effect bij 1% efficiëntieverbetering, in functie van elasticiteit en het

aandeel van de energie in de consumptie (ter illustratie)

Aandeel van energie in totale consumptie

Elasticiteit 1% 5% 10% 15% 20%

0,1 10,9% 14,5% 19,0% 23,5% 28,0%

0,2 20,8% 24,0% 28,0% 32,0% 36,0%

0,3 30,7% 33,5% 37,0% 40,5% 44,0%

0,4 40,6% 43,0% 46,0% 49,0% 52,0%

0,5 50,5% 52,5% 55,0% 57,5% 60,0%

0,6 60,4% 62,0% 64,0% 66,0% 68,0%

Tabel 43 kunnen we gebruiken als richtlijn bij het bepalen van rebound effecten, onafhankelijk van

de modelresultaten. De enige informatie die we hierbij nodig hebben is een schatting van de

elasticiteit sigma en het aandeel van energieconsumptie in de totale consumptie. De in vet gedrukte

waarden geven aan welke schattingen van het rebound effect, het dichtste bij de modelresultaten

van het ISEEM model liggen.

Tabel 43 is niet het einde van het verhaal in een goed werkende economie. De extra energie-

efficiëntie bij de consument zal leiden tot een daling van de vraag naar energie en uiteindelijk tot

een daling van energieprijzen. De stijging van de vraag naar andere goederen, kan de prijs van die

goederen beïnvloeden. We nemen aan dat de prijsontwikkeling bij de consument en de producent

gelijklopend is. Dit betekent dat het rebound effect kan versterkt of verzwakt worden doordat

consumenten en producenten de markt naar energie en andere producten delen.

We kunnen dus indirecte rebound effecten bij de consument en de producent onderscheiden. Bij de

consument zullen indirecte rebound effecten ontstaan door veranderingen in het inkomen ([Y�en

de marktprijzen voor energie (R�Y �en andere goederen (RS�Y �. Veranderingen in energie-efficiëntie bij

de consument kunnen ook doorwerken aan de producentenzijde. Bij de producent ontstaan

indirecte rebound effecten door wijzigingen in de totale vraag (�Y ), de marktprijs voor energie (R�Y � en productiefactoren (R\]Y �. Het ISEEM model houdt rekening met interactie-effecten op alle

markten om het rebound effect te berekenen, maar in dit voorbeeld focussen we op het

46 R staat hier voor het directe rebound effect in %. Een rebound effect gelijk aan nul betekent dat de daling in

energieconsumptie( $�Y � gelijk is aan de efficiëntieverbetering (TY� . Merk op dat $�Y hier een negatief getal is!


voornaamste effect: de marktprijs van energie (R�Y �. Het is immers op deze prijs dat de energie-

efficiëntieverbetering bij de consument een invloed zal hebben.

Nemen we terug het voorbeeld van hierboven, onder puntje 4, waarbij consumenten 10% van hun

budget besteden aan energie, met een substitutie elasticiteit gelijk aan 0.5. Een efficiëntieverbetering

van 1% aan consumentenzijde leidt dan tot een daling van de consumentenvraag gelijk aan -0.45%.

Nemen we aan dat het energieverbruik van consumenten 10% bedraagt van het totale

energieverbruik. Dat betekent dat de totale vraag naar energie daalt met -0.045%. Stellen we ons nu

voor dat dit leidt tot een prijsdaling van energie met -0.01%47. Zowel consumenten als producenten

reageren op de prijsdaling. Gemakkelijkheidshalve nemen we aan dat U�S^=U=0.5 en dat het

aandeel van het energieverbruik in de productie ook gelijk is aan 10% van de totale productiekost ).

Hierdoor is de reactie van de producenten op de prijsdaling gelijk aan die van de consumenten.

Zowel consumenten als producten gaan dus reageren op de prijsverandering door 0.0055% meer

energie te verbruiken. In onderstaande tabel geven we het volledig resultaat voor het directe en

indirect rebound effect van dit gestileerde voorbeeld.

Tabel 44: Gestileerd voorbeeld van direct en indirect rebound effect bij een efficiëntieverbetering bij

consumenten van 1%

Consument Producenten Totale economie

Energie-efficiëntieverbetering 1% 0% 0

Verwachte besparing (ingenieurseffect) 1% 0% 0,1%

Directe effecten

Reëele verandering in vraag energie -0,45% 0% -0,045%

Direct rebound effect 55% 0% 55%

Indirecte effecten

Prijs energie -0,01% -0,01% -0,01%

Indirect vraageffect +0,0055% +0,0055% +0,0055%

Totale verandering in vraag energie -0,4445% +0,0055% -0,0395%

Totaal rebound effect 55,55% 4,95% 60,5%

Met dit in het achterhoofd wordt het gemakkelijker om de rebound effecten die uit ISEEM

berekend worden (zowel direct als indirect) beter te begrijpen. We wijzen op de volgende elementen

1. Hoewel de veronderstelde verandering in de energieprijs laag is (-0.01%), zien we een groot

interactie-effect met de producenten, hun aandeel in het totale rebound effect is ongeveer

8%48.

2. Het indirect effect op de consument is klein, we hebben natuurlijk wel indirecte

inkomenseffecten en prijseffecten op andere goederen genegeerd. Hier zullen we verder op

ingaan bij het gebruik van het ISEEM model.

47 Dit is een vrij realistische schatting, maar werd voornamelijk gebruikt omwille van het gemak om de effecten door te

rekenen. 48Berekend als 4.95% / 60.5%


3. De resultaten worden gedreven door de elasticiteit van de energieconsumptie bij

consumenten en producent, hun aandeel in de totale energieconsumptie en de invloed van

de consument op de energieprijzen

6.1.4 Opzet simulaties

We voeren een simulatie uit waarbij het gebruik van energie door het huishouden in gebruik van

water, elektrische applicaties en verwarming met 1%, 5% en 10% aan efficiëntie wint, we volgen

hierbij de methodologie van Turner K. (2011). We modelleren een permanente, kosteloze en directe

schok in de energie-efficiëntie van huishoudens in 3 van de 5 types energieverbruik bij

huishoudens: verwarming, gebruik van elektrische applicaties en het gebruik van een boiler (warm

water). We focussen ons op deze types verbruik, omdat de resultaten voor verlichting nagenoeg

perfect overeenkwamen met die van ‘elektrische applicaties’ en de resultaten voor ‘koken’ en ‘warm

water’ eveneens zeer sterk overeenkwamen.

We onderscheiden zowel korte als lange termijneffecten, directe en indirecte rebound effecten. Om

de korte en lange termijn effecten te onderscheiden maken we een belangrijke veronderstelling. Uit

econometrisch onderzoek (cf. literatuurstudie eerder) is gebleken dat de korte termijn substitutie

elasticiteit van energiegebruik veel kleiner is dan de lange termijn elasticiteit van energieverbruik. In

ISEEM gebruiken we de volgende substitutie-elasticiteiten voor energieverbruik op korte en lange

termijn voor consumenten U\c � 0.1 en U]c � 0.5. Voor producenten gebruiken we een

elasticiteit van energieverbruik gelijk aan 0.5, zowel op korte als op lange termijn. We nemen dus

aan dat producenten meer substitutiemogelijkheden hebben in hun energieconsumptie dan de

consumenten.

Zoals in de vorige paragraaf al werd uiteengezet, is er een directe relatie tussen de gebruikte

elasticiteit van energieconsumptie en het rebound effect. Om een correcte inschatting te maken van

het rebound effect is het dus nodig om de elasticiteit van de consumenten te laten toenemen over

de tijd. Om het model over te laten gaan van korte termijn, naar lange termijn elasticiteiten kunnen

we enkel een veronderstelling maken. Daarom nemen we aan dat de prijselasticiteit van

energiegebruik lineair toeneemt in de tijd, met discrete stappen van 0.05. Dit betekent dat we

aannemen dat de huishoudens hun gewoontes aanpassen over een periode van 8 jaar. Dit is

vergelijkbaar met Turner K. (2011). In principe heeft de ‘aanpassingstermijn’ geen invloed op de

modelresultaten. Als de aanpassingstermijn wordt verkleind of verlengd, betekent dit dat de lange

termijn effecten naar voren in de tijd worden geschoven, de lange termijn effecten blijven zo goed

als identiek. Het enige verschil is hoe snel deze zich voordoen.

We gebruiken de dynamische versie van het ISEEM model over een periode representatief voor

2012-2025. We onderscheiden het directe en indirecte effect op de volgende manier door het model

twee keer te laten draaien. De eerste keer gebruiken we enkel de vergelijkingen die de consumptie

van de huishoudens bepalen, alle prijzen en inkomensvergelijkingen worden vastgezet. Dit betekent

dat we enkel het pure effect van de efficiëntieverbetering, zonder prijs en inkomenseffecten

berekenen. De impact op de producenten wordt genegeerd. In onze tweede run gebruiken we het

volledige ISEEM model, met alle inkomens en prijseffecten.

De dynamische versie van ISEEM houdt rekening met kapitaalsaccumulatie, investeringen en

mobiliteit van arbeid en kapitaal. De schok in energie-efficiëntie doet zich voor in jaar 1. Na

ongeveer 8 jaar is de schok volledig verwerkt (2020). De bijkomende periodes werden meegenomen

om de stabiliteit van de resultaten te checken. Als we spreken over de ‘lange termijn’ resultaten

spreken we over de stabiele modelresultaten na 8 jaar. Zoals al vermeld hierboven zijn de lange


termijn resultaten in principe onafhankelijk van de aanpassingstermijn. Het model biedt enkel een

schatting van de aanpassingsperiode.

6.1.5 Resultaten

De resultaten voor algemeen energieverbruik worden getoond in Tabel 45. Zoals gezegd tonen we

de resultaten voor elektrische applicaties, verwarming en warm water. We gebruiken als

basisscenario een verbetering van de efficiëntie in elk type verbruik van 1%. Deze tabel is

vergelijkbaar met Tabel 44, maar hierbij gaat het over echte modelresultaten uit ISEEM. We

onderscheiden korte (KT) en lange termijn (LT) effecten. De korte termijn effecten zijn de effecten

in het eerste jaar van de energie-efficiëntieschok. De lange termijn effecten zijn het uiteindelijke

resultaat, na volledige verwerking van de energie- efficiëntie schok.

Tabel 45: Direct en indirect rebound effect op korte en lange termijn (1%)

Elektrische appl Verwarming Warm water

KT LT KT LT KT LT

Efficiëntie verbetering 1% 1% 1% 1% 1% 1%

Elasticiteit consument 0,1 0,5 0,1 0,5 0,1 0,5

Elasticiteit producent 0,5 0,5 0,5 0,5 0,5 0,5

Verwachte daling verbruik -0,25% -0,25% -0,49% -0,49% -0,12% -0,12%

Verwachte daling totaal

verbruik -0,020% -0,020% -0,040% -0,040% -0,010% -0,010%

Werkelijke daling verbruik -0,21% -0,11% -0,42% -0,25% -0,10% -0,06%

Werkelijke daling totaal

verbruik -0,016% -0,009% -0,034% -0,024% -0,008% -0,005%

Direct rebound effect 15,0% 58,0% 14,1% 48,9% 14,5% 51,2%

Indirect rebound effect

consument 0,6% 0,2% 0,3% 0,1% 0,4% 0,1%


producent 6,0% -0,1% -0,2% -8,5% 1,4% -6,4%

Totaal rebound effect 21,7% 58,0% 14,2% 40,4% 16,2% 44,8%



Bekijken we eerst de directe rebound effecten bij de consumenten. Deze zijn vergelijkbaar met onze

schatting in Tabel 43, gegeven een aandeel van de totale energieconsumptie in de totale

huishoudconsumptie van ongeveer 5% (zie ook Tabel 49)

Zoals al uiteengezet in de vorige sectie, kan de impact van het indirect rebound effect door

producenten groot zijn. Opvallend is dat in Tabel 45 het indirecte rebound effect van de producent

op korte termijn erg hoog is bij elektrische applicaties (6%), terwijl het quasi nul is in de lange

termijn. Omgekeerd is het indirect producenteneffect op korte termijn effect ongeveer nul bij

verwarming en warm water en wordt het op langere termijn negatief.

Om deze resultaten beter te begrijpen splitsen we Tabel 45 op naar energieverbruik, het resultaat

wordt weergegeven in Tabel 46.

Tabel 46: Direct en indirect rebound effect per energiedrager (korte en lange termijn)

Elec_appl Verwarming Water

KT LT KT LT KT LT

Electriciteit & gas49

Direct consument 13,3% 41,9% 16,0% 67,4% 15,0% 56,6%

Indirect consument 0,8% 0,1% 0,8% 0,1% 0,8% 0,1%

Indirect producent 5,9% -1,5% 6,0% -2,1% 5,9% -1,9%

Totaal 20,0% 40,5% 22,8% 65,4% 21,7% 54,8%

Olie

Directe rebound

huishoudens Nvt Nvt 12,5% 33,5% 13,7% 43,4%

Indirect rebound

huishouden Nvt Nvt50

-0,1% 0,0% -0,2% 0,1%

Indirect producent Nvt Nvt -0,3% -2,6% 0,1% -1,9%

Totaal Nvt Nvt 12,0% 31,0% 13,5% 41,5%

Totale rebound

Huishoudens totaal 15,6% 58,2% 14,4% 48,9% 14,8% 51,2%

Producenten gas &

elektriciteit 5,9% -1,5% 2,7% -1,0% 3,5% -1,1%

Producenten olie 0,7% 1,0% -0,2% -1,4% 0,0% -0,8%

49 Uit de beschikbare data is het niet mogelijk om consumptie van elektriciteit en gas te scheiden. 50 Nvt= Niet van Toepassing. Er wordt geen veronderstelling gemaakt over een verbetering in de energie-efficientie van

stookolie of brandstoffen. Daarom is het onmogelijk om een rebound effect enkel voor brandstoffen/olie te berekenen.

Dit betekent echter niet dat de consumptie van stookolie en brandstoffen niet verandert. Het extra energieverbruik van

stookolie speelt zelfs een belangrijke rol bij het totale rebound effect.


Producenten ruwe

olie en kolen -0,5% 0,3% -2,7% -6,1% -2,1% -4,5%

Totaal 21,7% 58,0% 14,2% 40,4% 16,2% 44,8%


In bovenstaande tabel zien we een duidelijk patroon naar voren komen. Kijken we eerst naar

elektrische applicaties (en verlichting) die enkel elektriciteit gebruiken. We zien dat het directe

rebound effect op de consumptie van elektriciteit door huishoudens 13,3% bedraagt op korte en

41,9% op lange termijn. Maar, de totale rebound, inclusief de impact van andere energiedragers

(verbruik van stookolie) is hoger. Op lange termijn blijken huishoudens bij een verbetering van de

elektrische toestellen, consumptie van elektriciteit te vervangen door stookolie en andere

brandstoffen. Dit verhoogt de totale rebound naar 58,2%. Op korte termijn is het indirecte effect

van producenten erg hoog, dit wordt veroorzaakt door een scherpe daling van de energieprijs op

korte termijn, waarna die stabiliseert op langere termijn. Dit wordt verder verklaard in Tabel 47.

Het rebound effect van elektrische verwarming blijkt erg hoog. Op korte termijn is de direct

rebound 16% en de totale rebound 22.8%. Op lange termijn is de directe rebound 67.4% en het

totale rebound effect 65.4%. Het lange termijn rebound effect van verwarming op basis van

stookolie blijkt slechts 31% te zijn, of grofweg de helft. Dit valt gemakkelijk te verklaren uit de

substituteerbaarheid van de consumptie van elektriciteit. Stookolie kan immers enkel gebruikt

worden voor verwarming van water of het huis, elektrische energie is een veel universelere

energiedrager.

Wat betreft het gebruik van energie voor warm water, deze resultaten liggen min of meer tussen

deze van verwarming en deze van elektrische applicaties. Dat kan verklaard worden doordat boilers

zowel op stookolie als op basis van gas en elektriciteit functioneren. De relatieve rebound van

boilers op stookolie ligt wel hoger dan in het geval van verwarming.

In Figuur 14 splitsen we het totale rebound effect nogmaals uit naar energiedrager, consumenten en

bedrijven. De gebruikte cijfers zijn identiek aan deze van Tabel 46, maar hier wordt ingegaan op een

grafische voorstelling van het totale rebound effect. De som van de cijfers in elk ‘blokje’ is gelijk

aan het totale rebound effect. Cijfers onder de as, geven energiebesparingseffecten weer. De

rebound in gebruik van elektrische energie is verantwoordelijk voor het grootste deel van het

rebound effect, zeker bij elektrische applicaties. Op langere termijn speelt het extra gebruik van

stookolie door consumenten een grotere rol. De impact op producenten speelt vooral op korte

termijn een rol, door een daling van de energieprijzen. Op langere termijn valt dit effect weg en

wordt zelfs voornamelijk negatief, door een toegenomen import van energie. Hier wordt in Tabel

47 verder op ingegaan.


Figuur 14: Opsplitsing van het totale rebound effect naar energiedrager, consument en bedrijven

Bron: Eigen berekeningen op basis van ISEEM

Kijken we naar de totale rebound effecten en splitsen we het indirect effect van producenten uit

over gas & elektriciteit, stookolie, steenkool & ruwe olie, dan zien we een groot indirect rebound

effect omwille van de consumptie van ruwe olie op de lange termijn, zowel bij verwarming als bij

warm water. Om dit te verklaren verwijzen we naar onderstaande tabel.

Tabel 47: Invloed op de internationale handel, productie en prijzen van energiedragers (in %)

Elec_appl Verwarming Water

KT LT KT LT KT LT

Import olie 0,014 % 0,023 % -0,074 % -0,073 % -0,012 % -0,010 %

Import electriciteit & gas -1,113 % -0,641 % -0,955 % -0,302 % -0,306 % -0,131 %

Export olie 0,008 % 0,012 % -0,009 % -0,066 % -0,001 % -0,010 %

Export electriciteit & gas 0,065 % -0,567 % 0,058 % -0,395 % 0,018 % -0,139 %

Productie olie 0,008 % 0,013 % -0,018 % -0,065 % -0,002 % -0,010 %

Productie electriciteit&gas -0,183 % -0,541 % -0,156 % -0,348 % -0,050 % -0,127 %

Prijs olie 0,001 % 0,000 % -0,005 % 0,001 % -0,001 % 0,000 %

Prijs electriciteit & gas -0,126 % -0,001 % -0,108 % 0,001 % -0,035 % 0,000 %

-20.0%

-10.0%

0.0%

10.0%

20.0%

30.0%

40.0%

50.0%

60.0%

70.0%

KT LT KT LT KT LT

Elektrische applicaties Verwarming Warm water

Elektriciteit&Gas Consument Stookolie Consument

Elektriciteit Bedrijven Olie Bedrijven

Ruwe olie


In Tabel 47 zien we hoe de import, export, productie en marktprijzen van de voornaamste

energiedragers veranderen op korte en lange termijn. Om de resultaten te begrijpen moeten we de

basis van de dynamische assumpties van ISEEM kort uiteenzetten. Kapitaal is immers immobiel op

korte termijn. Veranderingen in investeringen op lange termijn zorgen dat het model een evenwicht

bereikt op de kapitaalsmarkt. Op korte termijn heeft de energiesector een teveel aan kapitaal, op

lange termijn valt dit overschot weg en produceert de energiesector terug aan normale

(internationale) marktprijzen. We zien dus dat de binnenlandse productie van elektriciteit en gas op

korte termijn in alle gevallen minder afneemt dan de lange termijn.

In het geval van verwarming en stookolie is er ook een negatief langetermijneffect op de productie

van raffinaderijen. Dit leidt tot een lager verbruik van ruwe olie, wat het grote indirecte effect op

lange termijn verklaart. Men moet dit effect relativeren om 2 redenen: 1)het gaat over een

omzetting van ruwe olie naar petroleum waardoor de besparing niet helemaal representatief is, 2) er

treedt substitutie op van binnenlands geproduceerde petroleum naar import van petroleum,

waardoor het energieverbruik naar importproducten verschuift.

Onderstaande figuur toont het korte en lange termijn rebound effect van 1%. De volle lijnen tonen

het totale rebound effect, de gestippelde lijnen het indirecte effect. Deze figuur toont hoe het

rebound effect dynamisch evolueert over een periode van 12 jaar. Na 8 jaar is het lange termijn

rebound effect nagenoeg stabiel.

Figuur 15: Korte & lange termijn rebound, totaal & indirect effect (1%)

De volgende figuur toont een vergelijking van het totale rebound effect, in vergelijking met een

hogere relatieve efficiëntieverbetering van 5 en 10%. Het rebound effect is ongeveer gelijk en is

tussen -0.2% en -0.4% kleiner bij een efficiëntieverbetering van 5% en tussen -0.4% en -0.8%

kleiner bij een efficiëntieverbetering van 10%. Vooral bij verwarming is het relatieve verschil groter.

We kunnen hieruit besluiten dat het rebound effect stabiel is bij een hogere relatieve

efficiëntieverbetering.

-20.0

-10.0

0.0

10.0

20.0

30.0

40.0

50.0

60.0

70.0

1 3 5 7 9 11 13

Re

bo

un

d e

ne

rgie

%

Yearselec_appl verwarming water

indirect_elec_appl indirect_verwarming indirect_water


Figuur 16: Vergelijking rebound effect van 1% met hogere relatieve efficiëntieverbeteringen van 5% en

10%

Onderstaande figuren illustreren hoe het model tot een nieuw marktevenwicht komt. Merk op dat

het aanbod in jaar 1 de vraag overschrijdt. Dit wordt veroorzaakt door de beperkte substitutie van

kapitaal door andere factoren op korte termijn. Op lange termijn neemt het aanbod af, totdat het

evenwicht hersteld is. Hiermee hangt nauw de volgende figuur samen. Deze toont de internationale

handel in energie. Het eerste jaar wordt gekenmerkt door een scherpe daling van de import, het

overschot aan energie wordt geëxporteerd. Op langere termijn neemt de import van energie weer

toe, en de export af, totdat de marktprijzen overeenkomen met de internationale marktprijzen.

Figuur 17: Verandering in vraag en aanbod van elektrische energie en gas bij 1% efficiëntieverbetering

in water, verwarming en elektrische applicaties

-1.0

-0.9

-0.8

-0.7

-0.6

-0.5

-0.4

-0.3

-0.2

-0.1

0.0

1 3 5 7 9 11 13V

ers

chil

in

re

bo

un

d

elec_appl_5% verwarming_5% water_5%

elec_appl_10% verwarming_10% water_10%

-0.120

-0.100

-0.080

-0.060

-0.040

-0.020

0.000

1 3 5 7 9 11 13

%V

era

nd

eri

ng

vra

ag

en

aa

nb

od

en

erg

ie

elec_appl_aanbod

elec_appl_vraag

verwarming_aanbod

verwarming_vraag

water_aanbod

water_vraag


Figuur 18: Verandering in export en import van elektrische energie en gas bij 1% efficiëntieverbetering

in water, verwarming en elektrische applicaties

6.1.6 Rebound effect per inkomensklasse

We waren niet in staat om de substitutie elasticiteit van energieconsumptie te differentiëren per

inkomensklasse, we nemen aan dat de elasticiteiten op korte en lange termijn gelijk zijn voor elke

inkomensklasse. Het rebound effect zal niet gelijk zijn, omwille van het verschillende aandeel

energie per inkomensklasse. Bij de armste klasse is het aandeel 5,9%, bij de rijkste klasse nog slechts

3,6%. Dit maakt een verschil bij de berekening van het rebound effect. Op basis van de

berekeningen in Tabel 43, en het aandeel van energie in de huishoudconsumptie, benaderen we het

directe rebound effect per inkomensdeciel als:

Tabel 48: Benadering direct rebound effect per inkomensdeciel van D1 (arm) naar D10 (rijk)

Sigma

Deciel Aandeel energie 0.1 0.5

D1 5,9% 15,3% 53,0%

D2 5,3% 14,8% 52,7%

D3 4,5% 14,1% 52,3%

D4 4,6% 14,1% 52,3%

D5 4,1% 13,7% 52,1%

D6 4,2% 13,8% 52,1%

D7 3,8% 13,4% 51,9%

D8 3,6% 13,2% 51,8%

D9 3,6% 13,2% 51,8%

D10 3,6% 13,2% 51,8%

In de onderstaande tabel geven we de werkelijke modelresultaten van het reboundeffect per

inkomensklasse. We gebruiken hiervoor een simulatieopzet die identiek is als hierboven beschreven,

maar met specifieke energie-efficiëntie schokken per huishoudklasse. Om de resultaten

overzichtelijk te houden onderscheiden we enkel de armste (D1), midden (D5) en rijkste (D10)

klasse. We onderscheiden opnieuw de korte termijn (KT) en lange termijn (LT) resultaten. Zoals al

gezegd is er geen onderscheid tussen de substitutie elasticiteiten van energieverbruik van de hoogste

en laagste inkomensklasse.

-1.600

-1.400

-1.200

-1.000

-0.800

-0.600

-0.400

-0.200

0.000

0.200

0.400

1 3 5 7 9 11 13

%V

era

nd

eri

ng

im

po

rt e

n e

xp

ort

en

erg

ie

elec_appl_export

elec_appl_import

verwarming_export

verwarming_import

water_import

water_export


Tabel 49: Rebound per inkomensklasse – modelresultaten bij relatieve energie-efficiëntieverbetering van

1%

Elektrische appl Verwarming Warm water

KT (U=0,1) D1 D5 D10 D1 D5 D10 D1 D5 D10

Direct cons 16,6% 14,8% 14,3% 15,4% 14,2% 13,8% 15,7% 14,3% 13,9%

Indirect cons 0,6% 0,6% 0,6% 0,3% 0,3% 0,3% 0,4% 0,4% 0,4%

Indirect prod 5,6% 5,7% 6,0% -1,0% 0,1% 0,5% 0,6% 1,5% 1,9%

Totaal 22,8% 21,0% 20,9% 14,7% 14,6% 14,6% 16,6% 16,2% 16,3%

LT (U=0,5) D1 D5 D10 D1 D5 D10 D1 D5 D10

Direct cons 59,8% 57,3% 56,8% 49,3% 49,4% 49,3% 51,8% 51,4% 51,3%

Indirect cons -0,2% -0,2% -0,2% 0,0% -0,1% -0,1% -0,1% -0,1% -0,1%

Indirect prod -0,1% -0,4% -0,3% -9,1% -8,1% -7,9% -7,0% -6,2% -5,9%

Totaal 59,7% 56,9% 56,5% 40,1% 41,2% 41,4% 44,8% 45,3% 45,4%

We zien dat voornamelijk het directe rebound effect de resultaten stuurt op korte termijn. De

verschillen met een algemene energie-efficiëntie schok zijn klein. De rebound effecten van de

hoogste inkomensklasse zijn 2-3% kleiner dan deze van de laagste inkomensklasse op korte en

lange termijn bij gebruik van elektrische apparatuur, koken en verlichting. Bij verwarming en warm

water treedt er een interactie-effect op met de producenten op de lange termijn, waardoor het

rebound effect bij de hoogste inkomensklasse ongeveer 1% hoger is. Het directe rebound effect op

lange termijn is kleiner bij verwarming en warm water, omwille van de beperkingen om stookolie

voor ander energiegebruik toe te passen. De reden waarom de rijkste huishoudens een iets groter

indirect producenteneffect veroorzaken, komt omdat zij absoluut gezien, meer energie gebruiken en

dus op hun beurt een iets groter indirect prijseffect veroorzaken.

De verschillen in indirecte effecten zijn klein. De drijvende factor is het aandeel van energie in de

consumptiebundel en de veronderstelling over de substitutie elasticiteiten.

6.1.7 Besluit

We vergeleken korte en lange termijneffecten van energie-efficiëntie op de consumenten. We

focussen hierbij op elektrische applicaties (en verlichting), verwarming en warm water. Om de

ontwikkeling van het rebound effect te onderzoeken op langere termijn gebruikten we de

dynamische versie van het ISEEM model met kapitaalsaccumulatie en met graduele aanpassing van

de consumentenelasticiteit.

De indirecte effecten van de producenten spelen een matige tot belangrijke rol in de berekening van

het totale rebound effect. Deze interactie-effecten ontstaan doordat in ISEEM de producenten en

consumenten de markt naar energie delen. Zelfs kleine dalingen van de energieprijzen, kunnen een

belangrijke impact hebben op het totale rebound effect. Op lange termijn daalt de binnenlandse

productie van elektriciteit en petroleum. Op de markt voor petroleum voorspelt het model een

aanzienlijke indirecte impact op lange termijn door veranderingen in de vraag naar ruwe olie,

veroorzaakt door de verminderde binnenlandse productie van raffinaderijen. Dit doet zich voor bij

het gebruik van stookolie voor verwarming. Het gaat hier echter vooral over substitutie van


binnenlandse energievraag, naar import van geraffineerde olie. Dit effect is dus niet volledig

representatief.

Als algemene conclusie bij onze resultaten geldt het volgende: op korte termijn is het rebound

effect bij de consumenten vrij beperkt, omdat de consument zijn/haar consumptiegedrag slechts

geleidelijk aanpast. Het verwachte directe rebound effect bij consumenten is ongeveer 15%, met

relatief kleine verschillen tussen de verschillende vormen van energieverbruik (verwarming, koken,

verlichting, warm water en elektrische applicaties). Het totale rebound effect op korte termijn wordt

voornamelijk vergroot bij verbruik van elektrische energie, wat leidt tot een versterking van het

rebound effect met 5%. De bron van dit effect is een korte termijn daling in de vraag naar

elektrische energie. Andere indirecte effecten, omwille van prijsveranderingen of secundaire

veranderingen in het consumenteninkomen zijn bijna verwaarloosbaar en tellen mee voor een

versterking van de rebound van ongeveer 0.5% tot maximum 1%.

Op lange termijn blijkt het directe rebound effect voor consumenten de beste graadmeter voor het

totale rebound effect. Hierbij moet wel rekening gehouden worden met de grotere substitutie

elasticiteit van consumenten op langere termijn. Het rebound effect van elektrische applicaties is het

hoogst, met respectievelijk 58%. Verwarming en warm water (boilers) veroorzaken een kleiner

direct rebound effect van respectievelijk 48.9% en 51.2%. Dit komt door de beperktere

substitueerbaarheid van stookolie voor ander energieverbruik. Inclusief de indirecte

producentenimpact door verminderde olieraffinage en elektriciteitsproductie, worden de laatste

40.4% en 44.8%. Maar zoals hierboven aangehaald zijn de indirecte producenteneffecten op lange

termijn hier niet volledig representatief.

Splitsen we op naar energiedrager, dan zien we vooral bij elektrische verwarming een hoog rebound

effect van 67%. Ter vergelijking, het rebound effect van verwarming op stookolie bedraagt slechts

33%. Het rebound effect bij warm water (boilers) is 41.5%, omdat hier een groter interactie-effect is

met verwarming op stookolie en ander energieverbruik.

De verschillen in rebound effecten tussen de huishoudens zijn niet erg groot, dit hangt natuurlijk

samen met onze veronderstelling dat alle huishoudens dezelfde substitutie elasticiteit hebben tussen

energie en niet-energie gerelateerde consumptie. Het directe rebound effect bij armere huishoudens

is ongeveer 2-3% groter dan bij rijkere huishoudens. Het grotere indirecte markteffect door de

rijkste huishoudens compenseert dit gedeeltelijk.

We besluiten dat hoewel het algemeen evenwichtsmodel een grote mate van detail en inzicht biedt

in het rebound effect, de indirecte effecten op lange termijn klein zijn. In een kleine, open

economie als België worden veranderingen in de prijzen van energie (de grootste drijver van

indirecte effecten) grotendeels opgevangen door de internationale markt. De aanname dat andere

indirecte prijs- en inkomenseffecten een grotere rol spelen bij het rebound effect blijkt, tenminste

op basis van onze modelresultaten, grotendeels ongegrond aan de consumentenzijde. Dit hoeft

echter niet het geval te zijn bij de producenten.


6.2 Efficiëntieverbetering producenten

Deze oefening gaat na wat de effecten zijn van een efficiëntieverbetering binnen een sector die het

benodigd energieverbruik voor die sector doet verminderen. Met andere woorden wordt er vanuit

gegaan dat, door de efficiëntieverbetering, er voor dezelfde output minder energie nodig is. We

kijken naar de effecten op korte tot middellange termijn, waarbij verondersteld wordt dat de

hoeveelheid kapitaal (machines en dergelijke) niet verandert, maar waarbij voor de consumenten

wel de lange termijn substitutie elasticiteit uit de vorige sectie wordt gehanteerd. Een voorspelling

op lange termijn laat deze veronderstelling los, maar vereist wel inzicht in toekomstige investeringen

in kapitaal voor alle sectoren. Gezien de grote onzekerheid hieromtrent lijkt het daarom

aangewezen om deze vereenvoudigde veronderstelling te gebruiken. In totaal maakt ISEEM

onderscheid tussen 2951 sectoren. De beschouwde efficiëntiewinst is 5%. Voor elk scenario kijken

we naar de resulterende netto energiebesparing en maken we een opsplitsing tussen de ingenieurs-

effecten, de directe rebound effecten en de indirecte rebound effecten. Na het bespreken van de

resultaten volgt er nog een sensitiviteitsanalyse.

6.2.1 Methodologie

Deze oefening maakt opnieuw gebruik van het ISEEM model, een CGE model voor België. Net als

voor de consumenten bekijken we enkel de resultaten voor Vlaanderen. In dit model zijn er

verschillende sectoren die goederen produceren en daarvoor inputs gebruiken. De productie van

een sector wordt gemodelleerd als een geneste CES productiefunctie. Om een product te maken

zijn er energie, arbeid, kapitaal -en intermediaire goederen nodig. Deze productie gebeurt initieel

door bepaalde verhoudingen van deze inputs te gebruiken, maar deze verhoudingen kunnen

wijzigen door prijsveranderingen van de inputs. Als de prijs van arbeid te duur wordt, kan een

producent beslissen om meer gebruik te maken van kapitaal, en meer overgaan tot automatisering

van bepaalde processen. Dit noemen we substitutie tussen de inputs. Verder zijn er ook inputs

waartussen geen substitutie mogelijk is. Inputs waartussen substitutie mogelijk is worden verzameld

in een nest. In ISEEM zijn er meerdere nesten op verschillende niveaus, zoals op onderstaande

figuur is weergegeven.

51 Zie annex 3 voor een overzicht van deze sectoren


Figuur 19: Voorstelling productiefunctie in ISEEM

Om een efficiëntieverbetering te modelleren moeten de parameters van de Kapitaal-Arbeid-Energie

(KLE) nest aangepast worden. Concreet komt dit neer op een herberekening52 van het model,

waarbij er nu slechts 100-x % van de initiële hoeveelheid energie nodig is om dezelfde hoeveelheid

output te genereren (waarbij x de efficiëntiewinst is). Wat we op deze manier doen is de

productiefunctie aanpassen, en daarmee dus ook de preferenties voor verschillende soorten input.

De nieuwe Kapitaal-Arbeid-Energie productie wordt nu gegeven door

de�S�f � =cS�f gVS�f�deS�f�Xhij()Xhij . �1 � VS�f��S�f�Xhij()Xhij kXhijXhij()

� =cS�f lVS�f�deS�f�Xhij()Xhij . �1 � VS�f� g�1 � ��100 ��m^kXhij()Xhij nXhijXhij()

� de��m^ Hierin is ϒ een parameter tussen 0 en 1 die de verhouding aangeeft tussen de gebruikte hoeveelheid

Kapitaal-Arbeid en de gebruikte hoeveelheid energie (een lage ϒ komt overeen met een lage

hoeveelheid Kapitaal-Arbeid); de parameter σKLE is de substitutie-elasticiteit, en duidt aan hoe

eenvoudig het is om energie te vervangen door Kapitaal-Arbeid. De parameter aT is tot slot een

normalisatieparameter.

52 De herberekening moet resulteren in een productiefunctie waarbij het mogelijk is om dezelfde hoeveelheid output te

produceren met een lagere hoeveelheid energie als input.

…

Output

Kapitaal-Arbeid

(KL)

Intermediair

product 1

Arbeid Kapitaal

Intermediair

product n

Kapitaal-Arbeid-

Energie

Energie (E)


De netto energiebesparing kan opgesplitst worden in een ingenieurs effect, een direct en een

indirect rebound effect. Volgende figuur maakt duidelijk hoe we elk van deze effecten interpreteren

in het vervolg van deze oefening.

Figuur 20: Grafische voorstelling rebound effect.

Het punt A is de oorspronkelijke situatie, met een bepaalde hoeveelheid geproduceerde output en

een bijhorende hoeveelheid energie per output. De totale energieconsumptie is gelijk aan de

rechthoek ADOI.

Wanneer er een energie-efficiëntieverbetering gebeurt, zal een eerste schatting voorspellen dat de

energiewinst gelijk is aan x maal de oorspronkelijke energieconsumptie binnen de sector. Deze

energiebesparing noemen we het ingenieurseffect, en wordt in de figuur aangeduid door de

rechthoek ABCD (waarbij C gelijk is aan (1-x).D). De totale energieconsumptie volgens deze

schatting is gelijk aan de rechthoek BCOI.

Vanwege de efficiëntieverbetering zal de producent veranderingen doorvoeren in zijn

productieproces, en duurdere input (bv. arbeid) vervangen door energie. De producent stelt zich de

volgende vraag: gegeven mijn nieuwe productietechnologie en de huidige marktprijzen van alle

inputs, wat is de optimale hoeveelheid die ik nodig heb van elke input om evenveel output te

produceren als nu? De op deze manier bepaalde totale energieconsumptie is gelijk aan de rechthoek

FEOI. Het directe rebound effect is hetgeen we verliezen tov de eerste schatting, en is gelijk aan de

rechthoek BCEF.

Tot slot zijn er nog de indirecte rebound effecten. De verandering in de gebruikte hoeveelheid

inputs leidt tot prijsveranderingen op de andere markten. Concurrentie binnen de beschouwde

sector zal leiden tot lagere prijzen, en zal de winst doen dalen. De vraag voor de output van deze

sector zal stijgen vanwege de lagere prijzen. Deze verhoogde output leidt tot een hogere vraag in

inputs, wat dan weer tot prijsstijgingen van de inputs leidt. Voor consumenten kunnen deze

veranderingen in prijzen ook leiden tot een nieuwe consumptiemix. De uiteindelijke

energieconsumptie in de hele maatschappij kan in principe zowel hoger als lager liggen dan de

oorspronkelijke energieconsumptie in de maatschappij. Het indirect rebound effect is het verschil

tussen de uiteindelijke energieconsumptie en de energieconsumptie volgens de tweede schatting.

I

E C O

F B A

# output

# energie input per output D


6.2.2 Resultaten

In deze sectie presenteren we de resultaten van een efficiëntieverbetering in een bepaalde sector.

We maken hierbij een onderscheid tussen het ingenieurseffect, een direct en een indirect rebound

effect, en het totale rebound effect. Door het groot aantal verschillende sectoren in ISEEM is het

niet vanzelfsprekend om de vereenvoudigde vergelijkingen uit sectie 6.1 toe te passen. De

verandering in energieconsumptie is namelijk niet enkel te vinden bij de beschouwde sector (waar

de efficiëntieverbetering plaatsvindt), maar ook bij alle andere sectoren. Het volstaat dus niet om de

vergelijking slechts voor één sector toe te passen. Het toepassen van deze vergelijking op alle 29

sectoren zou echter niet verduidelijkend werken. Bovendien is er een belangrijk verschil met de

consumentenzijde: bij producenten is er een sterke wisselwerking tussen de sectoren onderling,

omdat ze elkaars producten gebruiken in hun productieproces; voor veel industriële sectoren zijn de

belangrijkste afnemers niet de consumenten, maar de sectoren zelf. De sectoren hebben dus

onderling een sterk effect op elkaars outputhoeveelheid en prijs. Om een duidelijk beeld te krijgen

op de reboundeffecten zouden de effecten op outputhoeveelheid en prijs van een sector moeten

opgesplitst worden per sector. In plaats van een dergelijke opsplitsing te maken is ervoor geopteerd

om het direct en indirect rebound effect rechtstreeks grafisch weer te geven, en de achterliggende

effecten te rapporteren. Om de resultaten overzichtelijk te houden bespreken we in deze paragraaf

de resultaten voor een selectie van sectoren:

• Sector 5: Textiel

• Sector 6: Petrochemie

• Sector 8: Transportmateriaal

• Sector 11: Elektriciteit en gas

• Sector 16: Landtransport

• Sector 23: Financiële sector

• Sector 26: Overheidsdiensten

Deze selectie betreft sectoren die op basis van de resultaten representatief zijn voor de andere

sectoren. Bijlage 4 geeft de resultaten voor alle sectoren.

Onderstaande figuur toont het directe rebound effect bij een efficiëntieverbetering van 5% in een

bepaalde sector. We gaan dus steeds uit van een energie-efficiëntieverbetering in één sector. We

veronderstellen dus niet dat de efficiëntieverbetering plaatsvindt in alle sectoren tegelijkertijd. Op

de horizontale as vinden we de geselecteerde sectoren en op de verticale as het directe rebound

effect als een percentage van het ingenieurseffect. Een rebound effect van 100% zou betekenen dat

de ingenieurseffecten volledig tenietgedaan zijn, en dat er dus netto geen verandering is in

energieverbruik. De resultaten geven een direct rebound effect dat steeds kleiner is dan de initiële

efficiëntieverbetering, en altijd positief. Het direct rebound effect zorgt dus nooit voor een extra

energiebesparing, maar doet het ingenieurseffect ook nooit volledig teniet. Het directe rebound

effect schommelt rond de 20%, met uitschieters van 1.8 % en 50.6%.


Figuur 21: Direct rebound effect als gevolg van efficiëntieverbetering in één sector

Kijken we naar de verschillen tussen de sectoren, dan springt in bovenstaande figuur sector 6

(petrochemie) eruit. De directe rebound effecten zijn des te groter naarmate de sector energie-

intensiever is. Dit is logisch, aangezien eenzelfde efficiëntieverbetering in deze sectoren een grotere

kostenbesparing betekent, en dus meer mogelijkheden laat tot optimalisatie van het

productieproces.

Onderstaande figuur toont het indirecte rebound effect in gans Vlaanderen bij een

efficiëntieverbetering van 5% in een bepaalde sector. Op de horizontale as vinden we de

geselecteerde sectoren en op de verticale as het indirecte rebound effect uitgedrukt als een als een

percentage van het ingenieurseffect.


Figuur 22: Indirect rebound effect als gevolg van efficiëntieverbetering in één sector

Het indirecte rebound effect is een bundeling van allerhande effecten die niet altijd eenvoudig te

isoleren zijn. In se gaat het om een verder doorwerken van het initiële effect in de rest van de

economie. Het totale indirecte rebound effect kan zowel positief (meer energieconsumptie) als

negatief (minder energieconsumptie) zijn, zoals te zien is op de figuur.

Er zijn een aantal belangrijke parameters en mechanismes die maken of het indirecte effect van een

efficiëntieverbetering positief of negatief is. Ten eerste zijn er de sectoren die energie produceren,

sector 6 (petrochemie) en 11 (elektriciteit en gas). Een hogere energie-efficiëntie in deze sectoren

leidt tot lagere prijzen voor energie, hetgeen de vraag naar energie over de hele samenleving doet

toenemen en dus leidt tot een zeer hoog positief indirect rebound effect. Ten tweede zijn er een

aantal sectoren die energie-intensief (energie per output) zijn zoals transport en de industrie en een

hoge totale energieconsumptie hebben (en dus ook een hoge totale output). Voor deze sectoren is

het indirecte rebound effect ook positief. Bij de geselecteerde sectoren gaat het hierbij om sector 5

(textiel en kledij) en sector 16 (land transport).

De dienstensectoren (sectoren 23 en 26) scoren dan weer eerder laag op deze criteria, en zijn eerder

arbeidsintensief. Zij hebben immers maar een klein aandeel aan energie als input. Veranderingen in

de energie-efficiëntie voor de dienstensectoren zorgen ervoor dat deze sectoren competitiever

worden, en meer arbeidskrachten willen aantrekken. De industrie gaat in concurrentie met de

dienstensector voor de arbeidskrachten, waardoor de prijzen in de industrie stijgen. Er vindt een

kleine verschuiving plaats in de arbeidsmarkt van industrie naar diensten. Deze verschuiving wordt

echter versterkt doordat de verschillende industriesectoren sterk verweven zijn, en veel

intermediaire goederen gebruiken van elkaar. De intermediaire goederen worden dus duurder, wat

de finale producten nog duurder maakt. De oorspronkelijke lichte prijsstijging wordt dus intern

versterkt. Als gevolg daarvan daalt de productie in de industrie, en daarmee daalt ook de totale

energieconsumptie verder.


Sector 8 (transportmateriaal, automobielsector) is één van de sectoren die een belangrijk effect

aandeel heeft in de export. Een hogere energie-efficiëntie verbetert de concurrentiepositie, en doet

de export toenemen. Dit zet druk op de handelsbalans. Gegeven dat de inwisselwaarde van euro

voor buitenlandse valuta vast ligt, vraagt een evenwicht op de internationale markt dat ófwel de

binnenlandse inflatie toeneemt, ófwel de rente (en dus ook vraag) van binnenlandse investeringen

afneemt. Dit leidt dan weer tot een lagere vraag naar investeringsgoederen. Deze vermindering in

investeringen, voornamelijk in de bouwsector, leidt tot een extra vermindering van de

energieconsumptie in die sector.

Onderstaande figuur toont het totale rebound effect bij een efficiëntieverbetering van 5% in een

bepaalde sector. Op de horizontale as vinden we de geselecteerde sectoren en op de verticale as het

totale rebound effect uitgedrukt als een als een percentage van het ingenieurseffect. De netto

energiebesparing (in verhouding tot het ingenieurseffect) kan afgelezen worden als het verschil

tussen 100% en het totale rebound effect. Merk op dat deze percentuele netto energiebesparing

niet noodzakelijk iets zegt over de absolute energiebesparing: voor sector 26 ligt de waarde hoger

dan voor sector 8, maar het basis energie verbruik in sector 8 ligt hoger dan in sector 26. Een

kleinere percentuele besparing kan dus toch resulteren in een grotere energiebesparing in absolute

termen.

Figuur 23: Totaal rebound effect als gevolg van efficiëntieverbetering in één sector

Voor bijna alle sectoren is het totale rebound effect kleiner dan 100%, en zijn er dus de netto

energiewinsten.

Bij de energie-intensieve sectoren (transport, industrie) zorgt een energie-efficiëntiewinst voor een

totaal rebound effect rond de 50%, zodat ongeveer de helft van de verwachte energiewinst effectief

behaald wordt. Over het algemeen geldt dat hoe hoger het aandeel van energie in de initiële

productiekost van de sector, hoe hoger het rebound effect zal zijn. Een energie-efficiëntiewinst

voor sectoren die energie produceren kan daarentegen leiden tot een verhoogde in plaats van een

verlaagde energieconsumptie (backfire). In het geval van raffinage bleek het rebound effect het

hoogst en bedroeg bijna 300%. De reden voor het hoge rebound effect is dat de binnenlandse


productie van olie en afgeleide producten en dus ook het gebruik van ruwe olie voor raffinage sterk

stijgt. Ook de export naar het buitenland neemt in verhouding sterk toe. Dit heeft een grote

secundaire impact op het totale energieverbruik. Deze resultaten lopen eveneens gelijk met Turner

K. (2010).

Opvallend is dat winsten in energie-efficiëntie bij de dienstensector en dan vooral in de publieke

sector voor grotere energiebesparingen dan het ingenieurseffect zorgen. Het directe rebound effect

is al kleiner dan bij de meer energie intensieve sectoren (1-5% in vergelijking met 30-50%), maar het

indirecte rebound effect is negatief en bedraagt bij de financiële sector -30% en bij de publieke

sector zelfs -70%. Deze effecten spelen voornamelijk via de arbeidsmarkt, die een groot indirect

effect heeft op de rest van de economie. De redenering hier is als volgt: de toename van de energie-

efficiëntie zorgt voor een relatief kleine besparing aan energie in de dienstensector (voornamelijk

uitgespaarde verwarmingskosten en in mindere mate verlichting, transport en andere elektrisch

gebruik). Omdat de dienstensector een relatief hoge graad van arbeidsintensiteit heeft, besteedt de

sector een groot deel van de uitgespaarde kosten aan arbeid. Omdat arbeid een productiefactor is

die niet oneindig is, zorgt dit voor een kleine, maar significante druk op de arbeidsmarkt die

doorspeelt op andere sectoren. De verhoging van de prijs van arbeid heeft daardoor een kleine

impact op de productiekosten van de industrie, die op haar beurt leidt tot dalingen in

energiegebruik.

Dit lijkt op het eerste zicht-tegen intuïtief, maar het kan ook begrepen worden als een versterking

van de competitiviteit van de dienstensector, ten opzichte van industrie. De dienstensector vertoont

een eerder kleine hoeveelheid energiegebruik, maar een grote arbeidsintensiteit. De industrie

vertoont zowel een groter energieverbruik als een relatief hoge arbeidsintensiteit. Als men dezelfde

mensen die als arbeider worden ingezet in de industrie, inzet in de dienstensector, kan dit dus leiden

tot een netto daling van het energieverbruik per werknemer. Dit is één van de bekende

mechanismen (naast efficiëntieverbeteringen in energieverbruik) die ertoe leiden dat postindustriële

economieën absoluut gezien meer energie verbruiken dan ontwikkelingseconomieën, maar minder

gerekend per capita of per werknemer.

Deze hele redenering stoelt natuurlijk op de flexibiliteit van de arbeidsmarkt. Omdat we in deze

versie van ISEEM niet met een gedetailleerd uitgewerkte arbeidsmarkt werken, met verschillen in

opleidingsniveau en capaciteiten, is een sensitiviteitsanalyse noodzakelijk. Indien we de substitutie-

elasticiteit van arbeid, die het ‘gemak’ bepaalt waarmee arbeid met andere productiefactoren kan

worden ingewisseld met de helft verlagen, verlaagt ook het indirect effect van de dienstensector op

het energieverbruik. Een halvering van de substitutie-elasticiteit van kapitaal door arbeid (σKL) leidt

(benaderd) tot een halvering van het berekend negatief rebound effect voor de dienstensectoren.

Het effect blijft echter wel relevant, zeker voor de publieke dienstensector.

Een ander, onverwacht resultaat dat uit de resultaten naar voren komt, is dat de impact van extra

energie-efficiëntie in export gerichte sectoren (zoals automobielproductie) een negatief indirect

rebound effect kunnen veroorzaken door wisselwerkingen met de internationale markt. De reden is

dat efficiëntieverbeteringen dan leiden tot een netto toename van export, wat druk zet op de

handelsbalans. Gegeven dat de inwisselwaarde van euro voor buitenlandse valuta vast ligt, vraagt

een evenwicht op de internationale markt dat ófwel de binnenlandse inflatie toeneemt, ófwel de

rente (en dus ook vraag) van binnenlandse investeringen afneemt. Dit leidt dan weer tot een

verhoogde prijs voor arbeid of een lagere vraag naar investeringsgoederen. Beiden hebben een

klein, maar significant negatief effect op de vraag naar energie.


Vergelijking van het direct en indirect rebound effect geeft aan dat het uiteindelijke effect in grote

mate bepaald wordt door het indirect rebound effect. Dit komt omdat voor de producenten er een

sterke interactie onderling is (output van een sector is input voor andere sector). De wisselwerking

met de rest van de economie is dus wel degelijk van groot belang, wat het belang bevestigt van het

gebruik van een algemeen evenwichtsmodel in plaats van een partieel evenwichtsmodel.

6.2.3 Sensitiviteit

Deze paragraaf gaat de gevoeligheid na van de resultaten wanneer één van de parameters verandert.

Drie parameters worden onderzocht: de efficiëntieverbetering x, de substitutie-elasticiteit voor

kapitaal-arbeid (σKL) die aangeeft hoe eenvoudig het is om arbeid te vervangen door kapitaal, en de

substitutie-elasticiteit voor energie-kapitaal-arbeid (σKLE in sectie 6.2.1) die aangeeft hoe eenvoudig

het is om energie te vervangen door kapitaal-arbeid. We zijn geïnteresseerd in de gevoeligheid van

de efficiëntieverbetering, omdat dit aangeeft in welke mate de resultaten uit de vorige sectie

geëxtrapoleerd kunnen worden, hetgeen van belang kan zijn voor effectieve beleidsbeslissingen. De

substitutie-elasticiteit voor kapitaal-arbeid en energie-kapitaal-arbeid zijn van belang omdat ze in

deze case studie bepalen in welke mate de arbeidsmarkt veranderingen in energie-efficiëntie

opvangt. Een kleinere substitutie-elasticiteit zorgt ervoor dat verschuivingen moeilijker zijn, en

verhindert in zekere mate dat er arbeid vervangen wordt door meer energie te verbruiken. Dit leidt

ook tot kleinere effecten op de arbeidsmarkt. Net zoals de prijs –en inkomenselasticiteiten uit sectie

6.1.2 zijn de substitutie-elasticiteiten geen universele constanten, en zit er een redelijke marge op de

schattingen hiervoor. Daarom kijken we na hoe sterk de resultaten veranderen bij een andere

schatting, om een idee te krijgen van de onzekerheidsmarge.

Onderstaande figuren tonen de directe, indirecte en totale rebound effecten bij een

efficiëntieverbetering in een bepaalde sector van 1%, 5% en 10%.

Figuur 24: Direct rebound effect bij verschillende efficiëntieverbeteringen


Figuur 25: Indirect rebound effect bij verschillende efficiëntieverbeteringen

Figuur 26: Totaal rebound effect bij verschillende efficiëntieverbeteringen

Het blijkt dat de sterkste niet-lineariteiten bij het indirect rebound effect gevonden kunnen worden.

Dit valt te verklaren doordat het indirect rebound effect het doorwerken is van het initiële effect in

de gehele economie (ipv enkel binnen de sector), en er dus meer wisselwerking kan optreden tussen

allerlei niet-lineaire effecten. Voor sommige sectoren neemt het indirect rebound effect toe met de

energie-efficiëntie, voor andere sectoren neemt het af. Bij het direct rebound effect treedt er voor

alle sectoren een soort verzadiging op: het direct rebound effect wordt kleiner met de stijgende

energie-efficiëntie. Dit komt omdat de winsten vanwege de energie-efficiëntie niet eindeloos

kunnen gebruikt worden om kapitaal en arbeid door energie te vervangen. Aangezien het totale


rebound effect wordt gedomineerd door het indirect effect, is de gevoeligheid van het totale

rebound effect ook bepaald door die van het indirecte effect. Al bij al is de gevoeligheid voor de

grootte van de energie-efficiëntiewinst echter beperkt.

Voor de sensitiviteitsanalyse van de substitutie-elasticiteit worden vier gevallen beschouwd:

• Case 1: substitutie-elasticiteit voor kapitaal-arbeid van 0.95 (basiswaarde in ISEEM) en

substitutie-elasticiteit voor energie-kapitaal-arbeid van 0.7 (basiswaarde in ISEEM)

• Case 2: substitutie-elasticiteit voor kapitaal-arbeid van 0.95 (basiswaarde in ISEEM) en

substitutie-elasticiteit voor energie-kapitaal-arbeid van 0.4

• Case 3: substitutie-elasticiteit voor kapitaal-arbeid van 0.4 en substitutie-elasticiteit voor

energie-kapitaal-arbeid van 0.7 (basiswaarde in ISEEM)

• Case 4: substitutie-elasticiteit voor kapitaal-arbeid van 0.4 en substitutie-elasticiteit voor

energie-kapitaal-arbeid van 0.4

De waarden van 0.4 voor de substitutie-elasticiteit voor kapitaal-arbeid en voor energie-kapitaal-

arbeid zijn lagere schattingen uit de literatuur (zie Dissou et al., 2012). Onderstaande figuur toont

het totale rebound effect bij een substitutie-elasticiteit voor kapitaal-arbeid van 0.95 (basiswaarde in

ISEEM) en 0.4 en een substitutie-elasticiteit voor energie-kapitaal-arbeid van 0.7 (basiswaarde in

ISEEM) en 0.4.

Figuur 27: Totaal rebound effect bij verschillende substitutie-elasticiteiten voor kapitaal-arbeid en

energie-kapitaal-arbeid

Een daling van σKLE (case 2) leidt steeds tot een lagere waarde voor het rebound effect, en dus een

grotere energiebesparing. De reden hiervoor is het feit dat een lagere σKLE het voor alle sectoren

minder aantrekkelijk maakt om arbeid of kapitaal te vervangen door goedkopere energie. Een daling

van σKL (case 3) daarentegen leidt steeds tot een kleiner rebound effect in absolute grootte. Dit

komt omdat σKL voornamelijk inspeelt op de indirecte effecten via de arbeidsmarkt. Voor de

dienstensectoren is σKL dan ook bepalend. Voor meer industriële sectoren is σKLE bepalend. Kijken

we naar case 4, dan zien we dat een daling van beide parameters ervoor zorgt dat het rebound effect

ongeveer halveert in absolute grootte. Aangezien de waarden in case 1 en case 4 respectievelijk de


hogere en de lagere schattingen in de literatuur representeren, kunnen de uitkomsten voor case 1 en

4 gezien worden als een soort betrouwbaarheidsinterval waarbinnen het werkelijke totale rebound

effect zich bevindt.

6.2.4 Besluit

In deze sectie werd nagegaan wat de effecten zijn van een efficiëntieverbetering binnen een sector

die het benodigd energieverbruik voor die sector doet verminderen. Er werd hierbij gekeken naar

de korte termijneffecten. De effecten op lange termijn zullen groter zijn dan die op korte termijn,

net zoals dat het geval was voor de consumenten. Dit valt te begrijpen aangezien rebound effecten

voortkomen uit het wijzigen van gedragingen en beslissingen ten opzichte van het verleden.

Aangezien op langere termijn de mogelijkheden tot wijziging toenemen, zal ook het rebound effect

toenemen. Dit wordt ook bevestigd in de studie van Turner K. (2010), die een gelijkaardige studie

uitvoerde voor Schotland en het Verenigd Koninkrijk. Rebound effecten voor verschillende

sectoren waren over het algemeen (en consistent) 10-20% groter53.

Het effect van een energie-efficiëntiewinst verschilt sterk van sector tot sector. Voor

dienstensectoren zorgt een energie-efficiëntiewinst voor grotere energiebesparingen dan verwacht

op basis van het ingenieurseffect. Deze effecten spelen voornamelijk via de arbeidsmarkt. Bij meer

energie-intensieve sectoren zorgt een energie-efficiëntiewinst voor een totaal rebound effect rond

de 50%, zodat ongeveer de helft van de verwachte energiewinst effectief behaald wordt. Een

energie-efficiëntiewinst voor sectoren die energie produceren kan daarentegen leiden tot een

verhoogde in plaats van een verlaagde energieconsumptie. We vatten deze inzichten als volgt nog

eens samen:

1) Hoewel dienstensectoren (zowel privaat als publiek) een relatief laag aandeel in het totaal

energieverbruik hebben, kunnen ze indirect een groter energiebesparingseffect veroorzaken

door het wegtrekken van arbeid uit sectoren met een hogere energie intensiteit. Indirect is

dit dus een stimulans voor arbeid in de dienstensectoren.

2) Efficiëntieverbeteringen in sectoren die energie produceren, kunnen leiden tot een

zogenaamde ‘backfire’ of extra energieverbruik. Dit wordt veroorzaakt door drie

mechanismen. Het eerste is een daling in de energieprijs voor de verbruikers door

toegenomen efficiëntie van de sector, die de vraag naar energie opnieuw stimuleert. Het

tweede is een toegenomen export en afname van import van elektriciteit en

petroleumderivaten. Het laatste is een toegenomen import van ruwe olie, kolen en gas

(primaire energie) voor het produceren van secundaire energiedragers en derivaten.

3) Efficiëntieverbeteringen in sectoren die energie intensief en export gericht zijn, kunnen via

interactie met het evenwicht op de internationale markt leiden tot extra inflatie en daling

van binnenlandse investeringen. Deze daling in buitenlandse investeringen zorgt voor een

daling van het verbruik van energie en arbeid voor andere sectoren. Dat leidt op zich weer

tot een grotere energiebesparing dan initieel verwacht.

De kracht van het algemeen evenwichtsmodel is om deze effecten te isoleren en zichtbaar te

maken, terwijl ze in een andere economische analyse niet zouden opvallen.

De grootte van de energie-efficiëntiewinst heeft in beperkte mate een effect op de grootte van het

rebound effect. Het direct rebound effect wordt voor alle sectoren kleiner naargelang de

53 Met enkele opvallende uitzonderingen. Zo werden rebound effecten tot 800% voorspeld op basis van desinvesteringen

in niet-energiesectoren, resultaten die ons niet erg geloofwaardig leken en die ertoe hebben bijgedragen dat we een keuze

hebben gemaakt voor de ‘vaste kapitaal’ assumptie.


efficiëntiewinst groter is. De grootte van de energie-efficiëntiewinst heeft echter een ander effect op

het indirect en het totale rebound effect voor elke sector.

Uit de gevoeligheidsanalyse blijkt dat de grootte van het rebound effect sterk afhankelijk is van de

gekozen waarden voor enkele cruciale parameters (de substitutie-elasticiteiten σKLE en σKL). Enige

voorzichtigheid is dus steeds geboden bij het interpreteren van deze resultaten, maar ook bij

modelmatige resultaten uit andere studies.


7 Algemene conclusie

Het doel van deze studie was om na te gaan hoe “rebound effecten” spelen op Vlaams niveau.

Rebound effecten zorgen ervoor dat bij efficiëntieverbeteringen, een deel van de potentiële

(energie/milieu)winst verloren gaat. Een winst in efficiëntie zorgt immers voor een besparing die

tot een gedragsverandering leidt, namelijk een bijkomende consumptie.

De studie valt uiteen in twee delen. In een eerste deel werd aan de hand van een literatuuroverzicht

het concept van rebound effecten bepaald. Vervolgens werden twee cases voor Vlaanderen

uitgerekend: één voor telewerken en één rond energie-efficiëntieverbeteringen.

Resultaat literatuuroverzicht

Al de literatuuroverzichten zijn het erover eens dat er geen algemeen aanvaarde definitie van

rebound effect bestaat. Veel auteurs stellen ook dat het gebrek aan een eenduidige definitie ook

juist de verklaring is voor de verscheidenheid aan resultaten. Gelinkt hiermee zien we dat wat de

classificatie van de verschillende effecten betreft, er ook geen eensgezindheid is in de literatuur.

Ook al zijn er verschillen in de exacte definitie en classificatie van rebound effecten, toch is er een

aspect dat centraal staat. De analyse begint altijd met een vorm van efficiëntieverbetering. Wat de

exacte verbetering precies is, wordt vaak niet gedefinieerd maar in het algemeen kan gesteld worden

dat voor een zelfde output minder input nodig is. Wat betreft de empirische schattingen focust de

meeste literatuur op energie en meer bepaald op (personen)transport en huishoudverwarming. In

het algemeen is er weinig empirische evidentie rond lichtconsumptie, watergebruik,

materiaalgebruik, etc. De meeste definities focussen ook op positieve rebound effecten met een

negatief effect op mogelijke doelstellingen. Dit terwijl rebound effecten ook negatief kunnen zijn en

hierdoor kunnen bijdragen tot de doelstelling. De investeringskosten om tot de

efficiëntieverbeteringen te komen, worden zelden meegenomen in de analyse. Ook de

internationale aspecten worden vaak genegeerd.

Het gebruikte concept voor Rebound Effecten

Op een verbetering in energie-efficiëntie reageren consumenten (en producenten) door allerlei

gedragsveranderingen. Deze gedragsveranderingen vormen het rebound effect. Er zijn directe en

indirecte rebound effecten, daarnaast zijn er ook brede economische rebound effecten.

• Het directe rebound effect is een stijging in de (energie)consumptie als gevolg van een

(impliciete) prijsdaling van energie. Voor eenzelfde resultaat (verwarming bv.) is minder

energie nodig zodat bv. verwarming goedkoper wordt.

• De indirecte rebound effecten zorgen voor een stijging van de (energie) consumptie

omdat ook andere extra goederen worden geconsumeerd. Dit kan omdat dankzij de

impliciete prijsdaling van energie hiervoor budget vrijkomt. Soms is voor het realiseren van

de initiële energie-efficiëntie winsten ook extra materiaal nodig. De extra energie die

hiervoor eventueel nodig is, is de embodied energie.

• De brede economische rebound effecten zijn effecten waarbij de

efficiëntieverbeteringen zich verder zetten in de rest van de economie. Deze spelen vooral

bij producenten via intermediaire goederen.

• Als alle reboundeffecten samen ervoor zorgen dat de initiële efficiëntieverbetering teniet

wordt gedaan spreken we van back fire.


• Als alle reboundeffecten samen ervoor zorgen dat de initiële efficiëntieverbetering versterkt

wordt spreken we van superconservation. Dit gebeurt bijvoorbeeld als de

energiebesparing opgelegd wordt via een standaard en extra geld kost zodat er geen

financiële besparing mogelijk is en geen budget vrijkomt om aan andere goederen te

spenderen.

Resultaat van de cases

Reboundeffecten bij telewerken zorgen voor verlies van 70 tot 100% van initieel effect

Bij het invoeren van één dag telewerk per week in Vlaanderen stelt TML vast dat

• het aantal voertuigkilometers slechts daalt met ongeveer 30% van het verwachte directe

effect.

• ongeveer 70% van de verwachtte vermindering in voertuigkilometers verloren gaat via

reboundeffecten.

• telewerken geen energiebesparing oplevert wegens de rebound effecten. Er is wel een

effect op de uitstoot van broeikasgassen en luchtpolluenten omdat meer vervuilende

energie van wagengebruik vervangen wordt door minder vervuilende energie voor

verwarming.

• de niet-telewerkende autogebruikers slechts 30% van de tijdswinst realiseren omdat de

vermindering van files aanzienlijk kleiner is dan verwacht.

• ongeveer 70% van de verwachte tijdswinst gaat dus verloren via reboundeffecten

De gevalstudie nam een verkleining van de kantoorruimtes op middellange of lange termijn niet in

aanmerking. Het rebound effect zou met dit effect inbegrepen enkele percenten lager liggen.

We kunnen een aantal verklaringen geven voor zo een belangrijk rebound effect:

• De helft van de telewerkers gebruikten de trein voor ze telewerkten

• Een deel van de telewerkers voert telewerk uit vanuit een satellietkantoor. Om naar dat

satellietkantoor te gaan gebruiken ze de auto. Voorheen gebruikten ze de trein voor een

weliswaar langere verplaatsing.

• Het zich verplaatsen met een wagen relatief weinig energie vraagt, vergeleken met het

opwarmen van een huis gedurende de hele dag.

Indien we een aantal hypotheses aanpassen (gevoeligheidsanalyse) dan zien we dat de grootte-orde

van de resultaten dezelfde blijft.

Rebound effect van energie-efficiëntiewinst bij producenten: van extra energiewinst in

diensten (super-conservation) tot extra energieverlies in petrochemie (backfire)


energie-efficiëntie met 1 à 10% in één van de verschillende economische sectoren. TML deed dit op

een theoretische manier met het algemeen evenwichtsmodel ISEEM om de verschillende effecten

die doorwerken in de economie in beschouwing te nemen. De rebound effecten in de petrochemie

en de dienstensectoren springen eruit.

De petrochemie kent een backfire effect. Voor 1% energie-efficiëntieverbetering in de petrochemie

gaat het energieverbuik in Vlaanderen stijgen met het equivalent van twee maal de energie besparing

gerealiseerd dankzij de efficiëntieverbetering in de petrochemie. De reden is dat

efficiëntieverbetering in de petrochemie voor goedkopere brandstof zorgt voor alle consumenten


en economische sectoren. Consumenten en economische sectoren zullen daarom hun brandstof en

energieverbruik verhogen.

De diensten sectoren (rechts op de figuur)kennen een super conservation effect. Voor 1% energie-

efficiëntieverbetering in de diensten daalt het energieverbruik in Vlaanderen met het equivalent van

20 tot 30% van de energie-efficiëntieverbetering in de dienstensector. De hoofdreden is dat ervan

uitgegaan kan worden dat de dienstensectoren de energie-efficiëntiewinsten voor een deel in extra

personeel investeren. Deze extra aanwervingen door de dienstensectoren zetten de arbeidsmarkt

onder druk zodat de lonen stijgen. Dit heeft voor gevolg dat ook de lonen in de industrie stijgen,

dat de industriële productie duurder wordt en de consument minder van deze industriële producten

verbruikt. Minder industriële productie betekent ook minder energieverbruik.

Rebound effect van energie-efficiëntiewinst bij consumenten: van ongeveer 20% op korte

termijn tot 50% op langere termijn


energie-efficiëntie met 1% van elektrische toestellen, verwarming of warm water. TML deed dit, net

als voor de producenten met het algemeen evenwichtsmodel ISEEM om de verschillende effecten

die doorwerken in de economie in beschouwing te nemen.

De gevalstudie leert ons dat:

• De rebound effecten belangrijker zijn op lange (rond 50%) dan op korte termijn (rond

20%) omdat de elasticiteiten op lange termijn groter zijn. Dit komt omdat men op lange

termijn zijn gedrag eenvoudiger kan aanpassen dan op korte termijn.

• De consument, dankzij de energie-efficiëntie winst, het vrijgekomen budget gebruikt om

extra gas, elektriciteit en stookolie te verbruiken.

• De brede economische effecten zich situeren bij de producenten en dan vooral op korte

termijn. Dankzij een minderverbruik bij de consumenten dalen de energieprijzen. Dit zorgt

op zijn beurt voor extra (elektriciteits) verbruik bij de producenten op korte termijn.

Aanbevelingen

Het rebound effect speelt ook in Vlaanderen en is zeker niet te verwaarlozen.

Een rebound effect is niet noodzakelijk “slecht” zolang het objectief wat betreft

energieverbuik of milieubelasting niet wordt overschreden.

Een rebound effect is klassiek economisch gezien niet noodzakelijk slecht. De efficiëntiewinst laat

de consument toe een besparing te realiseren. Deze besparing kan de consument gebruiken om

extra energie en andere goederen te verwerven die hij anders niet had kunnen verwerven. Hij

verhoogt zo zijn welvaart volgens de economische theorie. Efficiëntiewinsten komen op deze

manier ook economische groei ten goede. Zolang het rebound effect de gestelde objectieven voor

vermindering van energieverbruik en/of milieubelasting niet in het gedrang brengt, stelt het

rebound effect dus geen probleem.

Een subsidie zorgt mogelijkerwijs voor een verhoogd rebound effect. Een belasting heeft

het omgekeerde effect.

Het rebound effect wordt veroorzaakt door een (impliciete) prijsdaling. Indien deze prijsdaling

teniet gedaan wordt door een extra belasting zal er ook geen rebound effect zijn. De overheid moet

dan wel de taks zodanig besteden dat ze zelf geen rebound effect veroorzaakt.


Om deze reden is het ook efficiënter een belasting in te voeren op energiedragers of milieugoederen

dan een subsidie voor energie- of milieubesparende maatregelen door te voeren. Een subsidie zorgt

uiteindelijk voor een goedkoper energiegebruik. Als de prijs van een goed daalt, dan stijgt de vraag

naar dit goed – indien de consument nog niet verzadigd is. De subsidie leidt zo tot een hoger

energiegebruik. Een belasting op de energiedrager zorgt integendeel voor een lager energieverbruik.

De reden is dat de belasting het gebruik van energie duurder maakt en zo voor een extra incentive

zorgt voor energie- of milieubesparende maatregelen. Het besparingspotentieel wordt immers

groter.

Een belangrijk uitzondering hierop zijn de makkelijk vervangbare of herlokaliseerbare goederen.

Indien een belast goed makkelijk vervangbaar is door een ander, niet belast en dus goedkoper goed,

zal een belasting niet efficiënt zijn. Dat is bijvoorbeeld het geval van een energie- (of milieu-)

belasting voor de industrie ingevoerd in één land. De industrie kan vrij makkelijk zijn productie

verplaatsen naar een land zonder energie- (of milieu-)belasting, met goedkope energie en/of

milieugoederen (leakage). Lokaal verdwijnt het milieu- of energieverbruik wel, maar het milieu- of

energieverbruik blijft elders wel bestaan zolang de lokale vraag van de consument blijft bestaan.

Mogelijk is het milieu-of energiegebruik zelfs minder efficiënt elders.

Ook een voldoende strenge standaard of norm zal het rebound effect minimaliseren of

opheffen

Als een standaard of norm zo gekozen wordt dat hij een extra kost betekent voor de consument (of

producent) die de energie- of milieuefficiëntiewinst opheft zal er geen rebound effect zijn. Dit kan

bijvoorbeeld het geval zijn bij een strenge CO2 uitstootnorm voor auto’s. De strenge norm kan

extra technologie vereisen waarvan de kost de winst van lager verbruik compenseert.

Hou in prognoses en impact analyses rekening met het rebound effect

Bij het maken van prognoses voor het behalen van bepaalde objectieven mbt energie- of andere

milieuobjectieven is het belangrijk rekening te houden met een rebound effect. Indien geen

rekening wordt gehouden met mogelijke rebound effecten zullen de vooropgestelde energie- of

milieudoelstellingen waarschijnlijk niet worden gehaald.


Literatuur

Aasness, J., Holtsmark, B., 1993. Consumer Demand in a General Equilibrium Model for

Environmental Analysis. Discussion Papers No. 105, Statistics Norway.

Alcott, B. (2005), ”Jevons’ Paradox”. Ecological Economics 54: 9-21

Allen,G. ea (2009), The Rebound Effect with Energy Production: a Partial Equilibrium Analysis;

Strathclyde Discussion Papers in Economics 09-25

Atkyns,R. ea (2002), Measuring the environmental impacts of telework adoption amidst change in

complex organisations: AT&T survey methodology and results; Resource, Conservation and

Recycling 36, 267-285

Barla, P. & Proost, S. (2012), Energy efficiency policy in a non-cooperative world, Energy

Economics 34, 2209-2215

Bentzen, J., and Engsted, T., 1993. Short- and long-run elasticities in energy demand: a

cointegration approach. Energy Economics 15, pp 9-16.

Berkhout, P.H.G.; Ferrer-i-Carbonell, A. and J.C. Muskens, 2004. The ex post impact of an energy

tax on household energy demand. Energy Economics 26, pp 297-317.

Brussels Instituut voor Milieubeheer (2012), Energiebalans van het Brussels Hoofdstedelijk Gewest

2009, Eindrapport

Blazquez, L.; Boogen, N. and M. Filippini, 2012. Residential electricity demand for Spain: new

empirical evidence using aggregated data. CEPE Working Paper No. 82.

Bogaert, S., De Smet, L., Verdonck, F., Van Biervliet, K., Logghe, S., Franckx, L., Eyckmans, J. and

S. De Jaeger, 2006. Verkennende studie naar prijs- en inkomenselasticiteiten van

milieugerelateerde goederen en diensten in Vlaanderen. Studie uitgevoerd in opdracht van de

Vlaamse Milieumaatschappij, MIRA.

Boonekamp, P.G.M, 2007. Price elasticities, policy measures and actual developments in household

energy consumption – A bottom up analysis for the Netherlands. Energy Economics 29, pp

133-157.

Boulanger, P-M, ea (2013), Household Energy Consumption and Rebound Effect (HECoRE),

Final report

Brookes, L. (1979), A Low Energy Strategy for the UK by G. Leach ea: a Review and Reply, Atom

269: 3-8

Centraal Bureau voor statistiek en Statistische en Economische onderzoeken, 1979. Sociale Maand

Statistiek, oktober 1979, nr. 12.

Chitnis, M. ea (2013), Turning lights into flights: Estimating direct and indirect rebound effects for

UK households. Energy Policy 55, 234-250


Cools ea (2012), Ondersteuning bij de ontwikkeling van het Vlaams Klimaatsbeleidsplan, Studie

uitgevoerd door VITO in opdracht van LNE.

Delhaye, E., De Ceuster, G., Maerivoet, S. (2010) Internalisering van externe kosten van transport

in Vlaanderen, studie uitgevoerd in opdracht van de Vlaamse Milieumaatschappij, MIRA,

MIRA/2010/10, Transport&Mobility Leuven

Dennerlein, R.K.H., 1987. Residential demand for electrical appliances and electricity in federal

republic of Germany. Energy J. 8 (1), pp 60-86.

Dimitropoulos, J. (2007), Energy Productivity Improvements and the Rebound Effect: An

Overview of the State of Knowledge; Energy Policy 35: 6354-6363

Duerinck J., Aernouts, K., Beheydt, D., Briffaerts, K., De Vlieger, I., Renders, N., Schoeters, K.,

Schrooten, L. and H. Van Rompaey, 2008. Energie- en broeikasgasscenario’s voor het

Vlaams gewest – verkenning beleidsscenario’s tot 2030. Studie uitgevoerd in opdracht van

het Vlaams Gewest.

EPRI CU-7131, 1991, “Consumer Response to Rate Options,” Electric Power Research Institute,

Palo Alto, CA.

Faruqui, A., 2008. Inclining Toward Efficiency. Public Utilities Fortnightly.

Ferrer-i-Carbonell, A., Muskens, A.C., van Leeuwen, M.J., 2002. Behavioural responses to energy

and transportrelated taxes: a survey of price elasticities. International Journal of Global

Energy Issues 18 (2– 4), 202– 217.

Filippini, M., 1999. Swiss residential demand for electricity. Applied Economics Letters 6(8), pp

533–538.

Frondel, M. ea (2010), Heterogeneity in the Rebound Effect, Further Evidence for Germany; Ruhr

Economic Papers #227

Fu,M. ea (2012), Environmental policy implications of working from home: Modelling the impacts

of land-use, infrastructure and socio-demographics, Energy Policy 47, 416-423

Fuhr, J.P &S. Pociask (2011), Broadband and Telecommuting: Helping the US Environment and

the Economy, Low Carbon Economy, Vol 2(1), 41-47

Geerken, T. ea (2011), Analyse van het concept voetafdruk in een Vlaamse beleidscontext,

http://www.lne.be/themas/beleid/mina4/leeswijzer/publicaties/Vlaamse%20Overheid_LN

E_Finaal%20rapport_Analyse%20van%20het%20concept%20voetafdruk%20in%20een%20

Vlaamse%20beleidscontext.pdf

Gavankar & Geyer (2010), The Rebound Effect: State of the Debate and Implications for Energy

Efficiency Research, Bren School of Environmental Science and Management

Greening, L.A. ea (2000), Energy Efficiency and Consumption – the Rebound Effect: a Survey;

Energy Policy 28(6-7):389-401

Giraudet, L.G., Guivarch, C. and P. Quirion, 2012. Exploring the potential for energy conservation

in French households through hybrid modeling. Energy economics 34, pp 426-445.


Guerra, A-I & Sancho, F. (2010), Rethinking Economy-Wide Rebound Measures: An unbiased

Proposal, Barcelona Economics Working Papers Series, Working Paper 456

Halvorsen, B., Larsen, B.M., 1999. Changes in the pattern of household electricity demand over

time. Discussion Papers 225. Statistics Norway, Research Department.

Heylen en Winters (2009), Isolatieniveau van private huurwoningen en woonuitgaven, Steunpunt

Ruimte en Wonen.

Ivanova Olga, Heyndrickx C., Spitaels K., Tavassy L., Koops O., Snelder M. (2007), First report on

RAEM 3.0, Manual and Mathematical Description, Transport & Mobility Leuven

Ivanova Olga, Heyndrickx C., Van Steenbergen A., Mayeres I., Witlox F., Hamaide B. (2009),

Development of an Integrated Spatio-Economic-Ecological Model Methodology for the

Analysis of Sustainability Policy, FWT contract nr. SD/TA/08A

Jenkins, J. ea (2011), Energy Emergence: Rebound and Backfire as Emergent Phenomena, Report

by the Breakthrough Institute

Jevons, W.S. (1865). The Coal Question: Can Britain Survive? First published in 1865, re-published

by Macmillan, London, UK, 1906

Karimu, A and R. Brännlund, 2013. Functional form and aggregate energy demand elasticities: A

nonparametric panel approach for 17 OECD countries. Energy economics 36, pp 19-27.

Khazzoom, J.D (1980), Economic Implications of Mandated Efficiency in Standards for

Household Appliances, The Energy Journal 1(4): 21-39

Koerth-Baker & K. Turner (2011); The Rebound Effect: Some Questions Answered; Strathclyde

Discussion Papers in Economics 11-07

Koopmans, C.C., te Velde, D.W., Groot, W., and Hendriks, J.H.A., 1999. NEMO: Netherlands

Energy demand Model. A top-down model based on bottom-up information. Research

Memorandum 155. Centraal Planbureau, the Netherlands.

Lari, A. (2012), Telework/Workforce flexibility to reduce congestion and environmental

degradation? Procedia Social and Behavioural Science 48, 712-721

Lee, R. & G. Wagner (2012), The Rebound Effect in a More Fuel Efficient Transportation Sector;

Institute for Policy Integrity; New York University of Law Working paper No 2012/3

Li,L. Xuewen, L. (2012), Regional Energy Rebound Effect in China Based on IPAT Equation,

IEEE

Litman (2012) Generated Traffic and Induced Travel. Implications for Transport Planning, Victoria

Transport Policy Institute

Macharis, C. ea ( ), (Milieu)Potentieel van elektrisch rijden in Vlaanderen, Eindrapport, Studie voor

de Vlaamse overheid, LNE


Macharis, C. ea (2011), Telework. Studie betreffende de milieu-, de mobiliteits- en de socio-

economische impact van het telewerken in grote bedrijven in het Brussels Hoofdstedelijk

Gewest. Eindrapport. In opdracht van Brussel Leefmilieu

Madlener, R. & Alcott, B. (2009); Energy Rebound and Economic Growht: A Review of the Main

Issues and Research Needs, Energy 34(3):370-376

Maerivoet, S. & I. Yperman (2008) Analyse van verkeerscongestie in België, rapport in opdracht

van de Federale Overheidsdienst Mobiliteit en Vervoer

Matthews, H.S & E. Williams (2005), Telework Adoptation and Energy Use in Building and

Transport Sectors in the United States and Japan, Journal of Infrastructure Systems, Vol

11(1)

Matos F.J.F & F.J.F Silva (2011), The Rebound Effect on Road Freight Transport: Empirical

Evidence from Portugal, Energy Policy 39 (5): 2833-2841

Maxwell, D. ea (2011), Addressing the Rebound Effect, a report for the European Commission,

DG ENV.

Meier,H. and K. Rehdanz, 2010. Determinants of residential space heating expenditures in Great

Britain. Energy economics 32, pp 949-959.

MIRA Milieurapport Vlaanderen (2010), Achtergronddocument, Sector Huishoudens

Mobiliteitsvisie De Lijn 2020

Mokhtarian, P., Handy, S.; Salomon, I. (1995), Methodological Issues in the Estimation of the

Travel, Energy and Air Quality Impacts of Telecommuting, Transportation Research A:

Policy and Practive 29(4), 283-302

Murray, C. (2013), What if consumers decided to all “go green”? Environmental rebound effects

from consumption decisions, Energy Policy 54, 240-256

Neenan, B. and J. Eom, 2008. Price Elasticity of Demand for Electricity : A Primer and Synthesis.

Electric Power Research Institute (EPRI), Palo Alto, California.

Nesbakken, R., 1999. Price sensitivity of residential energy use in Norway. Energy economics 21,

pp 493-515.

Peters, A. ea (2012); Theoretical Perspectives on Rebound Effects from a Social Science Point of

View – working paper to prepare empirical psychological and sociological studies in the

REBOUND project, Working Paper Sustainability and Innovation, No S. 2/2012

Prosser, R.D., 1985. Demand elasticities in OECD: dynamical aspects. Energy Economic 7, pp 9-

12.

Rehdanz, K., 2007. Determinants of residential space heating expenditures in Germany. Energy

economics 29, pp 167-182.

Rhee, Hyok-Joo. 2009. Telecommuting and urban sprawl. Transportation Research Part D 14: 453-

460


Rietveld P. (2011), Telework and the transition to lower energy use in transport: On the relevance

of rebound effects; Environmental Innovation and Societal Transitions 1, 146-151

Ropke I & Christensen T.H. (2012), Energy Impacts of ICT – Insights from an Everyday Life

Perspective; Telematics and Informatics 29, 348-361

Rothman, D. S.; Hong, J. H.; Mount, T. D., 1994. Estimating Consumer Energy Demand Using

International data: Theoretical and policy implications. Energy Journal 15, pp 67-88.

RSZ data 2010

Saunders, H. (1992), The Khazzoom-Brookes Postulate and Neoclassical Growth, Energy Journal

12(4), 131-148

Small, K.A & Van Dender, K. (2007), Fuel Efficiency and Motor Vehicle Travel: The Declining

Rebound Effect, UC Irvine Economics Working Paper #05-06-03

Smokers ea (2011), Support for the Revision of Regulation (EC) No443/2009 on CO2 Emissions

for Cars

Sorell, S. (2007), The Rebound Effect: an Assessment of the Evidence for Economy-wide Energy

Savings from Improved Energy Efficiency. A report produced by the Sussex Energy Group

for the Technology and Policy Assessment function of the UK Energy Research Centre.

Sorell, S & J. Dimitropoulos (2007), UKERC Review of Evidence for the Rebound Effect:

Technical Report 2: Econometric Studies. UK Energy Research Centre, London

Sorrell, S. ea (2009), Empirical Estimates of the Direct Rebound Effect: A Review; Energy Policy

37; 1356-1371

Steenberghen ea (2006), Impact of ‘Free’ Public Transport on Travel Behaviour: a case study. Final

report Belspo project CP/63

Thissen, M.J.P.M. (2005), RAEM, Ruimtelijk Algemeen Evenwichtsmodel voor Nederland

Tversky, A. & Kahneman, D. (1974). "Judgment under uncertainty: Heuristics and biases". Science,

185, 1124–1130.

Turner, K. (2012), “Rebound” Effects from Increased Energy Efficiency: a Time to Pause and

Reflect; Stirling Economics Discussion Paper 2012-15

Turner, K. ( ), A CGE Analysis of the Relative Price Sensitivity Required to Induce Rebound

Effects in Response to an Improvement in Energy Efficiency in the UK Economy,

Strathclyde Discussion Papers in Economics

Turner, K. ea (2012), Econometric Estimation of Nested Production Function and Testing in a

CGE analysis of Economy-wide Rebound Effects

Turner, K & N. Hanley (2010), Energy Efficiency, Rebound Effects and the Environmental

Kuznetz curve, Energy Economics

Van den Bergh, J.C.J.M. (2011), Energy Conservation more Effective with Rebound Policy,

Environmental and Resource Economics 48:43-58


Vlaamse Overheid (2011), Milieubeleidsplan 2011-2015

VEA(2012) EPB in cijfers 2006-2011, Cijferrapport Energieprestatieregelgeving.

Venmans, F (2013), Barriers to Energy Efficiency – In the Belgian ceramic, lime and cement sector.

Presentation Belgian Environmental Economics Day 2013

http://www.hubrussel.net/cedon/BEED2013

Verbeke, A. ea (2006), De impact van telewerken op verkeersexternaliteiten in Vlaanderen,

Eindrapport. In opdracht van de Vlaamse overheid, Departement MOW

Webster, M.; Paltsev, S. and J. Reilly, 2008. Autonomous efficiency improvement or income elasticity of energy

demand: Does it matter?. Energy Journal 30, pp 2785-2798.

Weidema ea (2008) Environmental improvement potentials of meat and dairy products,

http://ipts.jrc.ec.europa.eu/publications/pub.cfm?id=1721

Winebrake, J.J. ea (2012), Estimating the Direct Rebound Effect for On-road Freight

Transportation; Energy Policy 48; 252-259

WTCR rapport nr 14, Ontwerp en dimensionering van centrale –verwarmingsinstallaties met warm

water – tabel 10.

Yu, B. ea (2013), Evaluating the Direct and Indirect Rebound Effects in Household Energy

Consumption Behavior: A case study of Beijing, Energy Policy (article in press).

Webpages

Aandeel van transport in de verschillende milieuthema’s (Vlaanderen, 2010)

http://www.milieurapport.be/nl/feitencijfers/MIRA-T/sectoren/transport/

Aandeel van de energiesector in de verschillende milieuthema’s (Vlaanderen, 2010)

http://www.milieurapport.be/nl/feitencijfers/MIRA-T/sectoren/energiesector/

http://www.aardgas.be/consumenten/de-aardgasfederatie/nieuws-en-publicaties/graaddagen

Emissies per kWh energie, http://www.milieurapport.be/nl/feitencijfers/MIRA-

T/sectoren/energiesector/emissies-naar-lucht-door-de-energiesector/emissie-per-eenheid-

geproduceerde-stroom

http://www.emis.vito.be/cijferreeksen

HECoRe project, http://www.belspo.be/belspo/fedra/proj.asp?l=en&COD=SD/EN/08A

Het Laatse Nieuws,

http://www.hln.be/hln/nl/957/Binnenland/article/detail/1273507/2011/06/02/Snelheid-

voertuigen-De-Lijn-daalde-in-2010.dhtml

http://www.tijdvoortelewerk.be/cao.html


HERMES model,

http://www.plan.be/publications/Publication_det.php?lang=nl&TM=30&KeyPub=140

http://www.milieurapport.be/default.aspx?path=mira/Tools/woordenboek/&AlfaLetter=R&cat=

0&SearchTerm=true&Culture=nl&&ExplID=2761

http://statbel.fgov.be/nl/statistieken/cijfers/leefmilieu/klimaat/.

Tremove model, www.Tremove.org


Annex 1: lijst van mogelijke cases

In deze bijlage lijsten we de verschillende voorstellen voor de cases op.

Voorstellen van de stuurgroep

In onderstaande hebben we alle voorstellen samengebracht die TML via mail heeft binnengekregen.

In een schuin lettertype worden de voor- en nadelen van elk voorstel besproken. Deze voorstellen

zijn ook binnen een vergadering met de stuurgroep besproken.

Transport

- Effecten van gratis openbaar vervoer

Door besparingen bij De Lijn staan ook de tarieven voor openbaar vervoer terug ter discussie.

Momenteel rijden de 65-plussers nog steeds gratis. De bussen in de Hasseltse binnenstad zijn gratis,

in Blankenberge komt de stad ook tussen voor 60-65jarigen, in Leuven rijden de studenten gratis.

Aangezien er geen kost is voor het doen van de verplaatsing, zullen mensen meer verplaatsingen

doen dan wanneer er wel een correcte beprijzing is. Als kan aangetoond worden dat de gratis

tarieven leiden tot meer vervoer (dus meer congestie en milieueffecten), kan dit een positieve

invloed hebben op het prijzendebat. Prijzen terug verhogen zal natuurlijk wel sociale gevolgen

hebben, waar ook rekening moet mee gehouden worden.

Voor studenten heeft men vastgesteld dat niet de autoverplaatsingen verminderen (beoogd effect),

maar minder studenten te voet gaan of met de fiets rijden. Nochtans hebben de actieve modi

gezondheidsbaten.

Deze case wordt omwille van volgende redenen niet geselecteerd:

- Geen efficiëntie verbetering

- Het lijkt nuttiger om deze analyse uit te voeren met een partieel evenwicht en niet met een algemeen

evenwichtsmodel zoals het ISEEM model.

- Het verwachte rebound effect in traditionele definitie voor studenten is naar verwachting klein (gratis OV

vervangt gratis wandelen – geen inkomenseffecten en geen prijseffecten)

- Voor gepensioneerden spelen mogelijk andere motieven? Sociale? Verkeersveiligheid?

- Voor gepensioneerden mogelijk wel inkomenseffect

- Fiscaliteit bedrijfswagens

Deze fiscaliteit wil energie-efficiënte wagens stimuleren en is dan ook nog steeds voornamelijk

gebaseerd op de CO2-emissie van personenwagens, waardoor dieselwagens bevoordeeld worden

omdat ze globaal zuiniger zijn. Maar hoewel men hierdoor minder energie verbruikt en minder CO2

uitstoot, wat de klimaatverandering ten goede komt, wordt recent duidelijk dat door de hogere

uitstoot van fijn stof van dieselwagens de opwarming van de aarde versneld wordt door de

aanwezigheid van ‘black carbon’ in de dieseluitstoot (heeft opwarmend effect).

- Gratis gebruik van brandstof bij bedrijfswagens beperken tot woon-werkverkeer en niet

voor privé-doelen:


Indien personen moeten betalen voor hun brandstof voor privé-verplaatsingen zullen minder

verplaatsingen gedaan worden of meer alternatieven overwogen worden (die daarom niet altijd

milieuvriendelijker zijn: bv. buitenlandse reis met vliegtuig t.o.v. firmawagen). Waarschijnlijk zullen

meer km gedaan worden met 2e wagen. Wagens die particulieren zelf kopen zijn meestal lichtere

wagens die minder verbruiken, wat zowel het materiaalgebruik als het energiegebruik ten goede

komt. Ze zijn echter ook wel meestal minder recent, met meer milieueffecten naar

luchtkwaliteitspolluenten.

Deze case wordt omwille van volgende redenen niet geselecteerd:

- Het gaat hier niet om een efficiëntieverbetering

- Deze analyse is ook eerder geschikt voor een partieel model en niet voor ISEEM

- CO2 afhankelijk belasting is te integreren in model – maar is dit de moeite om met ISEEM te doen?

- Wegenvignet/hervormen BIV/rekeningrijden

Onderzoek omtrent de nieuwe of te hervormen systemen van de verkeersbelastingen en het

wegenvignet: in beide systemen wil men een integratie van milieu (incl. beleid afgedankte

voertuigen) en is het belangrijk te weten wat de effecten zouden zijn van invoering in bepaalde

vormen.

Wat is het (rebound?) effect van een wegenvignet (of andere niet gebruiksgerelateerde belastingen),

die de autobezitter er dan potentieel “uit wil halen” door meer te rijden?

Hervorming BIV

• Eventueel clusteren milieuvriendelijke vervoersmodi: ecodrive, ecoscore, ecopremie, subsidies allerhande, personenbelasting, rekening rijden, premies

• Zeker relevant voor Vlaamse beleidsmaker � toekomstgericht (Vlaamse overdracht van Federaal niveau)

Rekeningrijden (zie ook hervorming BIV)

• Er is de aangekondigde kilometerheffing voor vrachtwagens

• Proefproject rekeningrijden door TML

• Wat in het geval van personenwagens?

Deze case wordt niet geselecteerd want

- Geen efficiëntieverbetering in strikte zin. Je gaat van vaste naar variabele kost.

- Merk op dat we hier wel op lange termijn mogelijke een super conservation effect (dus positief) kunnen

verwachten als mensen zich dichter bij hun werk gaan vestigen omdat transport duurder (dit zit nu niet in

het model, maar zou wel kunnen).

- Telewerken

Door te telewerken moeten minder verplaatsingen gebeuren en is er dus minder congestie en

milieu-effecten, maar aangezien meer plaats op de weg vrijkomt trekt dit nieuw verkeer aan.

Doordat personen thuis werken wordt ook gedurende de dag de verwarming opgezet in de

individuele huizen/satellietkantoren, wat het energiegebruik verhoogt t.o.v. de collectieve

arbeidsplaatsen.


Deze case werd geselecteerd en is verder uitgewerkt in de basistekst.

- Telewinkelen (link met telewerken?)

• Met internet is de hele wereld bereikbaar met een muisklik

• ‘Goedkope’ spullen met een grote impact op het milieu door het vervoer?

• Toepasbaar in het model?

Deze case werd niet geselecteerd want

- Het is meer een logistiek vraagstuk en niet echt toepasbaar in het ISEEM model

- Maar op zich is het een interessant vraagstuk. In België wordt nog relatief veel geld besteed aan de

distributie van goederen.

- Elektrische fietsen

• Dat is de markt die speelt: is deze voldoende relevant?

• RE: meer elektriciteit verbruiken

• Neg. RE: nu wel fietsen (ipv met de auto) (vraagtekens)


- Eerder uit te rekenen met een partieel evenwichtsmodel en niet met een algemeen evenwichtsmodel.

- Pendelfonds

• Is in se een efficiëntieverbetering

• Bedrijfsvervoerplannen (woon-werk verkeer)


- Mogelijke effecten hangen sterk af van invulling (euro per km/ per maand)

- Kan effecten hebben op locatiebeslissing

- Onzeker of we dit kunnen modelleren in ISEEM

Materiaalbeleid

Materiaalefficiëntere productie van nieuwe wagens is opgenomen in ons materialenbeleid (oa ook

een luik opgenomen in de milieubeleidsovereenkomst met een engagement van de

voertuigproducenten). Er wordt in dat kader veel verwacht van alternatieve materialen (vb

koolstofvezels), maar daarbij moeten we telkens toch ook kritisch naar de hele levenscyclus van het

alternatieve materiaal kijken (vb. recyclage van koolstofvezels zou geen positief verhaal zijn).

Gegevens hierrond hebben wij niet maar zouden beschikbaar kunnen zijn binnen LNE. VITO doet

in dit domein ook iets rond een ecoscore van wagens.

Rond verpakkingen: OVAM doet momenteel een onderzoek naar verpakkingen in de

voedingsindustrie, en naar hoe gebruik van meer verpakking zou kunnen leiden tot minder

voedselverspilling, en dus lagere milieu-impact. Hierover kunnen wel heel wat gegevens gevonden

worden. Ik zal morgen nog laten weten wat de bronnen zijn, ik kan de betrokken collega voorlopig

niet bereiken.


Deze cases werd niet geselecteerd want

- Materiaal zit nu niet in model – afhankelijk van beschikbaarheid gegevens en format (cf IO model

OVAM) zou koppeling gemaakt kunnen worden (soort materiaalmodule). Het is onzeker of dit zou

lukken

- Het is onzeker of de nodige informatie beschikbaar is.

- Welk beleid zou gesimuleerd worden?

- Verpakkingen zijn eerder een Europees gegevens. Het is een wereldindustrie en dan is er de vraag naar de

impact die Vlaanderen kan hebben.

- Energie

Allerhande premies die een energiebesparing tot doel hebben (fall-back)

• Internationaal goed gedocumenteerd

• Meerwaarde? Vlaamse case

• Soortgelijk voorstel van VEA? (goede dakisolatie verhoogt de ‘lekken’ via de muren) klopt enkel als ook invloed op verschil temperatuur binnen en buiten.

We hebben het gevoel dat er binnen de maatregelen rond energiebesparing vooral aandacht is

gegaan naar rebound effect bij burgers, maar dat er nog weinig geweten is over het rebound effect

bij energiebesparende investeringen bij bedrijven (i.h.b. KMO’s)

In een algemeen evenwichtsmodel zitten geen KMO’s maar sectoren en productie. De vraag is hier over KMO’s zich

anders gedragen dan consumenten. Zie eerdere opmerking over belang energiekosten in bestedingen bedrijf en dus

kleine kans dat ze energiebesparende maatregelen doorvoert. Dit is eerder een case studie en de vraag stelt zich dan of

er wel voldoende info beschikbaar is.

Voorstellen van de opdrachthouder

Energie:

1) Een meer theoretische oefening waarbij we een efficiëntieverbetering van x% veronderstellen in energie. En dit eens voor huishoudens en eens voor productie

a. Voordelen i. Inzicht in hoe groot rebound in Vlaanderen is voor energie-

efficiëntieverbeteringen ii. Vergelijkbaar met literatuur/positie Vlaanderen ten opzichte van

andere landen iii. Meerdere gevoeligheden mogelijk (ander %, ander elasticiteiten, etc. )

b. Nadelen i. Theoretische oefening en geen rechtstreekse link met het beleid – al

zou je kunnen stellen dat als ze later een beleid uitvinden dat x% invloed heeft op energie-efficiëntie deze oefening inzicht geeft in het mogelijke effect

2) Huishoudverwarming bij huishoudens. Meer bepaald kunnen we hier denken aan

efficiëntieverbetering hoogrendementsketel. Stel dat X% van de mensen zo een ketel neemt, of anders dat dit verplicht wordt, of dat er een subsidie gegeven wordt (maar ik vermoed dat we dan ergens extern de link tussen de subsidie gaan moeten leggen en hoeveel mensen dit doen?)

a. Voordelen


i. Voor Vlaanderen, beleidsrelevant want er zijn premies hiervoor (bijvoorbeeld Iverlek)

ii. Vergelijkbaar met andere literatuur 3) Isolatie / wonen: Feedback effecten ontstaan door een lagere prijs van ‘warmte’,

uitgaven aan andere energie-intensieve goederen en (eventueel) door een lagere vraag naar stookolie /gas.

a. Voordelen i. Mogelijk rebound effect ii. Mogelijk in het ISEEM model iii. Voorbeeld waar “embodied energie” mogelijk significant.

b. Nadelen i. Isoleren van huizen hangt samen met het werk dat nodig is om dit te

doen. Zeker vloerisolatie vereist structurele werken aan de woning.

Transport

1) Telewerken cf; suggestie stuurgroep. Concreet: stel dat alle Vlaamse ambtenaren 2 dagen in de week thuis gaan werken. Negatief is dat je extra verwarming creëert thuis en in satellietkantoren. Positief is o betere matching arbeid. Door het toestaan van telewerken zal het bereik van een

bepaalde positie groter zijn. Dit wil zeggen dat mensen van verder bereid zijn om te pendelen naar Brussel omdat er ook de mogelijkheid is tot telewerken. Als er meer mensen beschikbaar zijn voor een bepaalde job, dan suggereert de economische theorie dat de kans groter is dat de “beste” persoon die job zal doen.

o mogelijk effecten op congestie. Het initiële effect op congestie zal wel afhangen van de modi waarmee de personen anders naar het werk gaan. Indien vooral treinpendelaars gaan telewerken zullen de initiële effecten gering zijn. Op langere termijn is het ook mogelijk dat de initiële winst op het vlak van congestie te niet gedaan wordt door de latente vraag a. Voordelen

i. Zowel negatieve als mogelijk positieve effecten ii. Beleidsrelevant (cf. recent voorstel hiertoe)

b. nadelen i. Rebound in zeer brede zin van het woord cf. in se geen echte

efficiëntieverbetering?

2) Elektrische voertuigen: stel dat X % van de voertuigen elektrisch zijn? Of wat als premie elektrische voertuigen verder stijgen? Of verplichting (bv. voor grote vloten/overheidsvloten…). Eventueel verder kijken en ook hybride voertuigen mee opnemen?

a. Voordelen i. Eens auto gekocht is rijden veel goedkoper, dus mogelijk daar effect

(al stelde studie van Macharis van niet) ii. Indien % hoog genoeg, mogelijk effect op elektriciteitsprijs wat dan

weer zou doorwerken op rest economie. De studie TRANS2HOUSE (Belspo project) heeft onderzocht wat de mogelijke effecten zijn op de elektriciteitsprijs door een stijgende vraag van elektrische voertuigen en het feit dat de capaciteit uitgebreid zou moeten worden.

iii. Eventueel bijkomend negatieve effecten als de capaciteit van de centrales niet hoog genoeg is (en nucleair niet meer mag). Meer gas- en koolcentrales inzetten die meer vervuilend zijn

iv. Mix rebound binnen transport en energie v. We verwachten dat voldoende info beschikbaar is.

b. Nadelen i. Heel veel mogelijke interacties?


ii. Deze case wordt eerder gestuurd door de autoconstructeurs en door Europa. Het is niet duidelijk wat de rol van Vlaanderen hier zou zijn.

3) Materiaalgebruik: bv. Verplichting om wagens voor x% uit plastic te maken? Of

meergebruik van plastic door het CO2doel voor 2020 (95 g/km). Dit heeft invloed op verbruik en dus op uitstoot, maar ook op gedrag mensen (meer rijden)

a. Voordelen i. In se een klassieke case in de literatuur, maar nu een andere input ii. Eventueel koppeling te maken met een materiaalmodule?

b. Nadelen i. Link Vlaams beleid? Materiaalgebruik is EU gegeven? ii. Werkbelasting koppeling met materiaal module en vraag naar

beschikbaarheid data


Annex 2: Beschrijving van het ISEEM

Model

1.1 Modelbeschrijving

ISEEM staat voor geIntegreerd, Spatio-Economisch en Ecologisch Model. ISEEM werd

ontwikkeld door Transport & Mobility Leuven, in samenwerking met de Universiteit van Gent, het

Federaal Planbureau en de Facultés Universitaires de Namur. De ontwikkeling van het model

gebeurde in opdracht van het Federaal instituut voor wetenschap en technologie (FWT/Belspo).

De basis van het ISEEM model werd gevormd door derde versie van het RAEM model (RAEM

3.0). De structuur van RAEM werd uitgebreid en gespecificeerd naar de Belgische beleidscontext.

De ontwikkeling werd daarna verder gezet door Transport & Mobility Leuven. Het model werkt nu

ook op het niveau van arrondissementen en heeft een sterkere focus op transport en regionale

interacties gekregen. Dit gebeurde binnen de eerdere werkpakketten van dit project, onder meer

dankzij een bijkomende subsidie van het Instituut voor Wetenschap en Technologie (IWT).

Het model werd uitgebreid onder de naam “ISEEM-Benelux” en bevat momenteel een database

voor België en Nederland op NUTS-3 niveau (arrondissementen). In deze bijlage focussen we ons

op het Belgische deel van het model. Ondanks een aantal verschillen in structuur en opzet met het

oorspronkelijke model blijven we verwijzen naar het ISEEM model.

De versie van ISEEM die we gebruiken voor dit rapport heeft een gelijkaardige, maar iets

eenvoudigere structuur als het oorspronkelijke model. Het huidige model gebruikt de

vereenvoudigde ‘perfecte mededinging assumptie’ en modelleert dus geen marktimperfecties of

schaalvoordelen. In de plaats daarvan biedt het een veel ruimer inzicht in de regionale economie en

transport sectoren en is er meer aandacht besteed aan het inpassen van gegevens uit

transportnetwerkmodellen.

Voor een uitgebreide technische documentatie van het RAEM model wordt verwezen naar Ivanova

et al (2007), voor een volledige beschrijving van het initiële ISEEM model naar Ivanova,

Heyndrickx, Van Steenbergen et al (2009).

Het ISEEM model hoort binnen de categorie van dynamische en regionale algemeen

evenwichtsmodellen. Deze modellen stellen de economie van een land of gebied voor, op basis van

kennis over handel, regionale economie en micro-economische theorie. De belangrijkste

basisgegevens van het model zijn parameters die het gedrag van consumenten en bedrijven bepalen,

een initiële dataset van monetaire transacties en handel binnen de economie en gegevens over het

transportnetwerk.

Het model beschrijft het gedrag van een aantal ‘representatieve agenten’. Deze zijn consumenten,

producenten, de overheid, transportfirma’s en investeerders. De agenten van ons model werken,

wonen, exporteren en importeren goederen en diensten, betalen en innen belastingen, kopen

transportdiensten en verplaatsen zich tussen de regio’s van het model. Hun gedrag wordt afgeleid

uit de micro-economische theorie, die de grondslag vormt van ISEEM.


Het model is ‘in evenwicht’, wat betekent dat productie en consumptie in balans zijn en dat alle

productiefactoren (kapitaalgoederen, arbeid en energie) gebruikt worden. We nemen aan dat de

dataset van het model in de beginsituatie een oplossing vormt van het model. De wiskundige

formules van het model worden dus in lijn gebracht met de gegevens uit de database, waardoor het

model de ‘basissituatie’ of baseline repliceert. Een modelsimulatie is in principe het inbrengen van

een kleine afwijking in de basissituatie, waarna een krachtig oplossingsalgoritme een nieuw

‘evenwicht’ berekent.

De kracht van ISEEM is haar flexibiliteit om regionale en economische welvaartseffecten van

transport gerelateerde investeringen door te rekenen. ISEEM is in staat om de directe effecten op

de regionale economie te presenteren, waarbij rekening wordt gehouden met vrachttransport,

woon-werk verkeer en ander passagierstransport. Daarnaast worden secundaire effecten of

indirecte effecten op de arbeidsmarkt, locatie van bedrijven, consumentenprijzen en de regionale

economie berekend.

Hieronder worden de algemene kenmerken van het huidige ISEEM model beschreven

- Arrondissementen: het ruimtelijke niveau van ISEEM is gemodelleerd op NUTS-3

(Arrondissementen) niveau voor België, wat neerkomt op 43 gebieden. De lijst van

gebieden vindt men terug in tabel 4.

- Productiesectoren: de huidige database van het model bevat gegevens over 29

productiesectoren, waarvan 5 transport gerelateerde sectoren. De lijst van sectoren is terug

te vinden in annex C.

- Toegesneden op de Belgische situatie: afhankelijk van de graad van detail nodig op

regionaal niveau kunnen gebieden en sectoren geaggregeerd of uitgesplitst worden. De

vergelijkingen van het model zijn geschat op basis van Belgische statistieken en

econometrisch onderzoek.

- Recursief dynamisch model: Het ISEEM-model is recursief dynamisch over de tijd.

Voor ieder jaar wordt een evenwichtsituatie berekend en de jaren verbonden door kapitaal

accumulatie, waarbij investeringen afhangen het verwachte rendement in de toekomstige

periode. Door het toevoegen van dynamica is het ISEEM-model in staat om resultaten per

jaar te presenteren, waarmee het modelresultaten beter inpasbaar zijn voor een kosten-

baten analyse.

- Arbeidsmarkt De werkloosheid wordt bepaald aan de hand van de looncurve, die de

relatie beschrijft tussen het vrijwillige werkloosheidspercentage en het reële loonniveau.

Pendel tussen regio’s wordt bepaald aan de hand van een model dat vacatures en

werkzoekenden in evenwicht brengt, waarbij afruil plaatsvindt tussen pendelreistijd en het

hoger te behalen loon. De evenwichtslonen zorgen zo voor een verbinding tussen de

arbeidsmarkt en de productiemarkt.

- Handel en transport:. Bedrijven en consumenten gebruiken goederen en diensten uit de

eigen regio en uit andere regio’s. Transport is een belangrijk deel van het handelsproces en

elk goed bevat de volledige handelskosten als een deel van de consumentenprijs.

- Productiemarkt: De aanname van perfect competitie bleef behouden in het ISEEM-

model

- In ISEEM wordt de grondmarkt en woningmarkt niet expliciet gemodelleerd. Wel is

deze indirect opgenomen in de werking van het model, als een deel van de normale

marktwerking. Daarnaast bevat de database gegevens over de beschikbaarheid van grond


en de landprijzen, die eventueel kunnen gebruikt worden voor een doorrekening van

resultaten

1.2 Regionale effecten door verandering in de transport

sector

De doorwerkingen van transportkosten op de regionale economie en arbeidsmarkt die bestaan in

het ISEEM model, worden het best geïllustreerd met de onderstaande figuren. Transportkosten

bepalen voor een groot deel de interacties die bestaan tussen regio’s, zowel qua interregionale

handel als in woon-werk verkeer. Bekijken we eerst in Figuur 1 de effecten van een daling van de

transportkosten op handel en economie. De verbeterde toegang tot de markt maakt het

gemakkelijker om met de regio te handelen, daardoor stijgt de vraag naar goederen uit deze regio,

wat de uitvoer en invoer verbeterd en de competitiviteit van de regio. Natuurlijk leidt dit eveneens

tot een verschuiving in de andere regio’s. Op langere termijn zullen nieuwe bedrijven zich vestigen

of van locatie veranderen. Hoe deze interacties verlopen is uniek en afhankelijk van de lokale vraag

en aanbod en de structuur van het transportnetwerk. Uiteindelijk zal de som van regionale

interacties een effect hebben op de nationale economie. Deze is de som van positieve en mogelijk

negatieve effecten op de andere regio’s.

Figuur 28: Doorwerking van transportkosten op de regionale economie (Thissen, 2005)

Deze figuur kan men ook toepassen op veranderingen op de energiemarkt.

Voor veranderingen in de transportsector zien we in figuur 2 de verdere doorwerkingen op de

arbeidsmarkt en op pendelaars. Een verhoogde bereikbaarheid van de regio leidt tot een stijging van

het lokale arbeidsaanbod en een verlaging van de zoekkosten van bedrijven. Dit leidt tot een

verschuiving van de arbeidsmarkt naar de regio. Hoe sterk deze verschuiving is, hangt af van de

kenmerken van het transport netwerk en de initiële arbeidsvraag en aanbod. Op langere termijn

(hier niet afgebeeld) kan migratie optreden die een versterkend effect heeft op het arbeidsaanbod en

de verschillen in welvaart tussen de regio’s kan verkleinen.

Lagere transport Lagere transport kosten en tijd

Goedkopere uitvoer

Goedkopere invoer

Lokale intermediaire, consumptie en investeringsvraag

Mogelijke Schaal- Mogelijke schaalvoordelen

Mogelijke Schaal- nadelen

Groei lokale productie

Krimp lokale productie

Lokale inkomens- en Lokale inkomens en werkgelegenheidseffecten

Nationale generatieve effecten

Interregionale distributieve effecten


Figuur 29: Doorwerking van transport op pendelbewegingen (Thissen, 2005)

1.3 Input aanwezig in model

De belangrijkste input voor ISEEM bestaat uit de social accounting matrix of SAM, die de

monetaire transacties tussen de agenten in ons model voorstelt. Annex B toont op vereenvoudigde

wijze hoe zo een SAM matrix eruit ziet. De nationale matrix, gebaseerd op de meest recente

Belgische input en output tabellen en gegevens uit de nationale boekhouding, wordt opgesplitst

naar regionaal niveau door gebruik te maken van een dataset met gegevens over consumptie,

productie, aantal bedrijven, werkgelegenheid, etc. Een voorbeeld van de regionale gegevens die

gebruikt worden om de nationale matrix uit te splitsen is opgenomen in onderstaande tabel. Deze

laat de gegevensmatrix zien voor de regio Brussel.

Lagere transport

kosten en tijd kosten en tijd

Shift Arbeidsaanbod

Verandering in

relatief loon

Lokale productie effect

Nationale generatieve

effecten

Interregionale

distributieve effecten

Pendel

Handelseffecten

Mogelijke schaalvoordelen

Tabel 50: Model input op regionaal niveau

Nr. Sector Productie Arbeid Taxen / Subsidies Kapitaal

Intermediaire

Consumptie Consumptie Overheid Investeringen Export Import Aantal Bedrijven

sec1 Landbouw 31.2 2.2 0.0 3.6 17.2 162.5 0.0 6.1 33.3 426.9 520.0

sec2 Visserij 1.1 0.3 0.0 0.2 0.6 18.6 0.0 0.0 3.3 21.8 5.0

sec3 Mijnbouw 18.7 3.6 0.5 1.4 10.7 4.3 0.0 0.0 69.7 1826.9 23.0

sec4 Voedsel 2625.3 333.6 9.6 125.2 1921.7 1888.0 0.0 0.0 1845.1 1303.8 533.0

sec5 Textiel 665.3 117.9 0.0 53.8 451.2 844.7 0.0 0.0 603.6 723.6 432.0

sec6 Brandstof 11797.0 1577.1 11.0 478.8 8458.5 1175.8 729.7 2.7 8498.7 5339.0 1936.0

sec7 Electronica 466.3 115.5 0.0 32.0 299.3 116.2 0.0 337.7 658.4 1201.3 370.0

sec8 Transport Eq 3317.7 448.6 0.0 99.8 2559.3 859.1 0.0 735.4 1987.5 1516.4 50.0

sec9 Andere 2381.3 438.7 5.9 118.6 1656.6 345.9 62.6 656.5 2111.9 2598.1 1117.0

sec10 Water 928.5 245.0 0.0 298.5 477.2 118.5 47.9 0.0 37.0 14.5 12.0

sec11 Electriciteit 3831.3 716.4 32.8 715.5 1631.5 491.5 0.0 0.0 1551.7 984.9 54.0

sec12 Bouw 4194.5 740.3 6.2 133.9 2572.2 19.3 0.0 2332.4 111.3 53.7 6654.0

sec13 Handel 14445.9 3601.6 118.9 784.8 7206.5 574.9 0.0 0.0 363.7 333.2 18349.0

sec14 Horeca 2388.1 505.3 21.1 164.5 1331.3 718.7 0.0 0.0 291.2 299.6 6061.0

sec15 Rail 1066.3 517.8 0.0 495.5 936.9 203.8 0.0 0.0 165.8 75.7 8.0

sec16 Land 1292.6 439.4 3.9 216.1 548.4 26.7 403.5 0.0 188.3 430.1 1556.0

sec17 Pipeline 663.1 272.4 0.0 68.4 369.2 4.8 0.0 0.0 36.0 24.9 14.0

sec18 Zee 138.8 5.2 0.0 2.0 119.3 4.3 0.0 0.0 114.1 73.2 11.0

sec19 Binnenwater 6.0 0.1 0.0 0.3 5.2 0.7 0.0 0.0 4.6 8.6 18.0

sec20 Lucht 519.2 58.5 0.0 40.1 405.3 32.6 0.0 0.0 143.1 218.3 65.0

sec21 Andere transport 2263.3 365.5 0.0 300.0 1422.6 548.6 1285.9 0.0 705.8 780.5 672.0

sec22 Telecommunicatie 8175.7 2182.7 0.0 709.3 3662.7 573.6 0.0 0.0 1111.6 417.3 1377.0

sec23 Financiën 19067.2 5311.7 175.3 1607.6 8773.8 925.6 0.0 0.0 2947.7 977.7 770.0

sec24 R&D 68.7 25.7 0.0 4.3 37.9 12.4 350.7 0.0 182.4 278.8 418.0

sec25 Makelaars 27569.3 4307.1 643.3 3416.5 11770.1 3351.5 38.3 668.6 3801.4 2390.5 22242.0

sec26 Publiek 8969.6 6035.6 0.0 565.3 2220.5 181.4 7773.4 0.0 0.0 0.0 97.0

sec27 Onderwijs 3371.9 2778.7 0.5 205.6 362.4 133.5 5520.9 0.0 7.7 4.6 402.0

sec28 Gezondheid 4660.9 2054.6 0.0 204.7 1714.4 953.7 6283.8 0.0 4.3 2.8 715.0

sec29 Andere 4309.4 1447.4 22.3 275.3 2046.8 944.5 546.6 34.7 216.7 195.4 708.0

De calibratie van het model gebeurt grotendeels in de code en het model is daardoor vrij flexibel in

het opnemen van nieuwe gegevens. Hiermee bedoelen we bijvoorbeeld het updaten van de SAM,

bijstellen van de regionale parameters of zelfs het opnemen van nieuwe regio’s in het model. Dit is

eveneens het geval voor het incorporeren van nieuwe modelelementen.

1.4 Input nodig voor beleidssimulatie

In deze paragraaf beschrijven we met behulp van Tabel 51 de input die nodig is om een

beleidssimulatie door te rekenen met het ISEEM model. Hierbij maken we een onderscheid naar

het onderdeel, het type (absoluut, percentage, bedrag) en het formaat van de gegevens.

Het is hierbij belangrijk dat deze gegevens beschikbaar zijn voor zowel het referentiescenario als

voor het beleidscenario.

Tabel 51: Input nodig voor simulatie

Onderdeel Type Formaat gegevens

Investering

Monetair (mil euro)

Spreiding investering in tijd

Investeringstabel

Verwachte veranderingen in reistijden (reiskosten) voor passagiers

Procentuele en/of absolute veranderingen in reistijden

Optimaal: verandering met doorwerking op alle arrondissementen (volledige OD tabel met nieuwe reistijden)

Minimaal: reistijdverbetering op de nieuwe verbinding

Verwachte veranderingen in reistijden (reiskosten) voor vrachtvervoer

Procentuele en/of absolute verandering in reistijden

Idem als passagierstransport

Uitsplitsing per goed, indien mogelijk

Regionale productie

-Productie uitgesplitst naar sectoren op gemeentelijk niveau (monetair)

-Aantal bedrijven per type

Zie Tabel 4

Arbeidsmarkt Werknemers naar type bedrijf/sector (regionale productie)

Aantal werknemers eventueel gewogen met loonindex

Geplande veranderingen binnen regio die al dan niet samenhangen met de investering

( Nieuw bedrijventerrein)

(Aantal nieuwe ha

Prijs bedrijventerrein)

Monetaire waarden of afwijking ten opzichte van het referentiescenario

Verwachte efficientieverbeteringen energiesector (of beleid dat impact heeft op energie-efficientie)

Procentuele veranderingen in energieeffientie

Onderscheid verbetering voor consumenten of producenten

% efficientieverbetering

1.5 Output

Onderstaande tabel lijst een aantal van de parameters op die tot de standaard output van het model

behoren. Hierbij maken we een onderscheid tussen nationale indicatoren en regionale parameters.

Rebound effecten. Eindrapport 130

De meeste indicatoren worden zowel in monetaire termen als in relatieve waarden ten opzichte van

het referentiescenario weergegeven. De indicator voor welvaart is een getransformeerde

welvaartsfunctie, gekend als de verandering in ‘equivalent variation’. Deze drukt de hoeveelheid

geld uit die men aan een consument in het referentiescenario moet geven om hetzelfde niveau van

welvaart te bereiken als in de simulatie.

In Tabel 4 staan een aantal kernindicatoren, waarvan de meesten zowel op regionaal als op

nationaal vlak worden geoutput. Gegevens over sectoren, goederen en diensten kunnen volledig

gedifferentieerd weergegeven worden.

Tabel 52: Output van de modelsimulatie

Nationaal Regio

Bruto nationaal product, per sector Bruto regionaal product, per sector

Totale exports en imports Regionale import en export

Taksinkomsten op nationaal niveau Taksinkomsten op regionaal niveau

Handelstekort of surplus Totale handel tussen en in de regios

Totale reiskosten op nationaal niveau Totale reiskosten op regionaal niveau

Spaartegoeden (binnen & buitenland) Investeringen per regio

Nationale consumptive/productie Consumptie/productie per regio

Welvaartseffecten (nationaal) Welvaartseffecten (regio)

Totale pendel Pendelbewegingingen tussen regio's

Werkloosheid en uitkeringen (nationaal) Werkloosheid en uitkeringen

Emissies, per sector Emissies, per sector

Concentratie van firma's industrie per regio

Vraag naar verschillende types arbeiders per regio

Deze output kan ook op een grafische wijze weergegeven worden. Onderstaande figuur toont

hiervan een voorbeeld waarbij een doorrekening werd gemaakt van een verbeterde reistijd op de

Ring rond Brussel. Het regionaal product van Brussel en Halle-Vilvoorde neemt het sterkst

toeneemt, ten nadele van alle andere regio’s, met voornamelijk Antwerpen en Leuven. Dit komt

omdat de competitiviteit van Brussel toeneemt door de reistijdverbetering.


Figuur 30: Effect op bruto regionaal product (miljoen €)


Annex 3: Lijst van sectoren

sector1 Agriculture, hunting and forestry sector2 Fishing sector3 Mining and quarrying sector4 Food, beverages and tobacco sector5 Textiles and clothing sector6 Fuels, chemicals, rubber and plastic sector7 Electronics sector8 Transport equipment sector9 Other manufacturing sector10 Water supply sector11 Electricity and gas sector12 Construction

sector13 Wholesale and retail trade; repair of motor vehicles, motorcycles and personal and household goods

sector14 Hotels and restaurants sector15 Transport via railways sector16 Other land transport sector17 Transport via pipelines sector18 Sea and coastal water transport sector19 Inland water transport sector20 Air transport sector21 Supporting and auxiliary transport activities; activities of travel agencies sector22 Post and telecommunications sector23 Financial intermediation sector24 Research and development sector25 Real estate, renting and other business activities sector26 Public administration and defense; compulsory social security sector27 Education sector28 Health and social work sector29 Other community, social, personal service activities and activities of households


Annex 4: Resultaten efficiëntieverbetering

producenten

Direct rebound effect

Direct

rebound (%)

Efficientieverbetering

1% 5% 10%

sector1 19.8 19.2 18.4

sector2 22.3 21.6 20.8

sector3 28.5 27.8 26.8

sector4 23.4 22.7 21.8

sector5 30.8 30.0 29.0

sector6 51.4 50.6 49.6

sector7 18.9 18.3 17.6

sector8 23.1 22.4 21.5

sector9 25.4 24.6 23.7

sector10 8.9 8.6 8.2

sector11 17.9 17.4 16.6

sector12 18.9 18.3 17.5

sector13 12.8 12.4 11.8

sector14 9.6 9.2 8.8

sector15 8.1 7.8 7.4

sector16 20.8 20.1 19.3

sector17 5.1 5.0 4.7

sector18 29.4 28.6 27.6

sector19 33.6 32.8 31.7

sector20 32.4 31.6 30.6

sector21 16.2 15.7 15.0

sector22 5.3 5.1 4.8

sector23 1.9 1.8 1.7

sector24 9.8 9.5 9.0

sector25 5.5 5.3 5.0

sector26 5.7 5.5 5.3

sector27 2.8 2.7 2.6

sector28 14.6 14.1 13.5

sector29 11.7 11.3 10.8



Indirect

rebound (%)


1% 5% 10%

sector1 -15.3 -15.5 -15.9

sector2 -43.3 -44.1 -45.1

sector3 27.2 24.6 21.3

sector4 -40.7 -41.5 -42.6

sector5 15.9 13.4 10.0

sector6 235.5 242.0 248.9

sector7 -41.0 -42.8 -45.2

sector8 -44.3 -45.7 -47.5

sector9 -23.6 -25.2 -27.2

sector10 -13.1 -13.2 -13.1

sector11 26.3 25.5 24.5

sector12 -45.5 -45.5 -45.5

sector13 30.3 30.4 30.5

sector14 -27.0 -27.1 -27.1

sector15 -14.4 -14.5 -14.5

sector16 18.3 18.1 17.7

sector17 50.2 50.5 50.7

sector18 12.1 11.5 10.8

sector19 17.9 16.9 15.5

sector20 -10.3 -10.8 -11.3

sector21 -15.1 -15.5 -16.0

sector22 -35.0 -35.2 -35.3

sector23 -32.5 -32.6 -32.7

sector24 -8.1 -8.5 -8.9

sector25 -19.1 -19.2 -19.3

sector26 -81.6 -81.8 -82.1

sector27 -72.5 -72.7 -72.9

sector28 -63.5 -63.9 -64.3

sector29 -55.9 -56.1 -56.4


Totaal rebound effect

Totaal

rebound (%)


1% 5% 10%

sector1 4.6 3.7 2.6

sector2 -21.0 -22.4 -24.3

sector3 55.7 52.3 48.1

sector4 -17.3 -18.8 -20.7

sector5 46.7 43.4 39.0

sector6 287.0 292.6 298.5

sector7 -22.1 -24.5 -27.6

sector8 -21.2 -23.3 -26.0

sector9 1.7 -0.5 -3.5

sector10 -4.2 -4.6 -5.0

sector11 44.2 42.9 41.1

sector12 -26.7 -27.3 -28.0

sector13 43.1 42.7 42.3

sector14 -17.4 -17.8 -18.2

sector15 -6.3 -6.7 -7.1

sector16 39.1 38.2 37.0

sector17 55.4 55.5 55.4

sector18 41.5 40.1 38.4

sector19 51.5 49.6 47.1

sector20 22.1 20.9 19.3

sector21 1.1 0.2 -0.9

sector22 -29.7 -30.1 -30.5

sector23 -30.6 -30.8 -30.9

sector24 1.7 1.0 0.1

sector25 -13.6 -13.9 -14.2

sector26 -75.9 -76.3 -76.8

sector27 -69.7 -70.0 -70.3

sector28 -48.9 -49.8 -50.9

sector29 -44.2 -44.8 -45.6

2013 09 15 Rebound Effects Eindrapport...Rebound effect met impact op het milieu Eindrapport Voor:...

Documents

Transcript of 2013 09 15 Rebound Effects Eindrapport...Rebound effect met impact op het milieu Eindrapport Voor:...