Norske husholdningers pristilpasning i kraftmarkedet

Rapport 2023/28

Matilde Avdem Frankmo

Norske husholdningers pristilpasning i kraftmarkedet

Kategori	Rapporter
Underkategori(er)	Statistikk og empirisk analyse Kraft og energi
År	2023
Rapportnummer	28
Forfatter(e)	Matilde Avdem Frankmo
Last ned	file_download (1.0 MB)
Les i nettleser	find_in_page

Rapport 202	3/28	 | Masteropp	gave 	 	
 	
 	
 	
Norske h	usholdningers 	prist	ilpasning	 i kraftmarkedet	 	
En 	økonometrisk analyse av den daglige spo	tp	riselastisiteten i perioden 2020 til 	
2022	 	
Matild	e Avdem Fran	kmo

Norske husholdningers pristilpasning i kraftmarkedet	 	
 
Vista Analyse	 | Rapport 2023/28 	
 
Dokumentdetaljer	 	
Tittel	 	Norske h	usholdningers 	prist	ilpasning	 i kraftmarkedet	 	
Rapportnummer 	 	Rapport 2023/	28 	
Forfattere	 	Matilde Avdem Frankmo 	
ISBN	 	978-82-8126-639-1 	
Prosjektleder	 	Orvika Rosnes	 	
Dato for ferdigstilling	 	11. mai 2023 	
Tilgjengelighet	 	Offentlig 	 	
Nøkkelord	 	Statistikk og empirisk analyse, kraft og energi, priselastisitet, paneldata 	
 
 
 
 
 
 
 
 
 
 
 
 
 
Om Vista Analyse	 	
Vista Analyse AS er et samfunnsfaglig 	analyseselskap med hovedvekt på økonomisk utredning, evaluering, rådgivning 	
og forskning. Vi utfører oppdrag med høy faglig kvalitet, uavhengighet og integritet. Våre sentrale temaområder er 
klima, energi, samferdsel, næringsutvikling, byutvikling og velfe	rd. Vista Analyse er vinner av Evalueringsprisen 2018.	 	
Våre medarbeidere har meget høy akademisk kompetanse og bred erfaring innenfor konsulentvirksomhet. Ved be-
hov benytter vi et velutviklet nettverk med selskaper og ressurspersoner nasjonalt og internasj	onalt. Selskapet er i 	
sin helhet eiet av medarbeiderne.

Norske husholdningers 
pristilpasning i 
kraftmarkedet	 	
En økonometrisk analyse av den daglige 	spot	priselastisiteten i periode	n 	
2020 til 2022	 	
Matilde Avdem Frankmo	 	
Economics	 	
30 	studiepoeng	 	
 
Økonomisk 	institutt	 	
Samfunnsvitenskapelig fakultet	 	
 
Mai 2023	 	
Masteroppgave

Norske husholdningers pristilpasning 	
i kraftmarkedet	 	
 	
En økonometrisk analyse av den daglige 	
spotpriselastisiteten i perioden 2020 til 2022	 	
 
 	
Matilde 	Avdem Frankmo

© 2023 Matilde Avdem Frankmo	 	
Veileder: Nils	-Henrik 	Mørch von der Fehr	 	
Biveileder: Orvika Rosnes	 	
Norske husholdningers pristilpasning i kraftmarkede	t 	
http://www.duo.uio.no/	 	
Trykk: 	Grafisk 	senter	, Universitetet i Oslo

i 	
 
Forord	 	
Denne masteroppgaven avslutter min toårige mastergrad i samfunnsøkonomi ved Universitetet 
i Oslo. 	Ettersom jeg nå tar steget vekk fra studier og inn i arbeidslivet vil jeg gjerne takke alle 	
som har bidratt til å gjøre de to siste årene 	med studier 	innholds	rike og minneverdige. Spesielt 	
vil jeg takke 	mine	 gode studievenner, som har gjort hverdagen på masterstudiet til en opplevelse	 	
fylt av glede og engasjement	. 	
Jeg vil 	også rette en stor takk til 	min	e to veiledere, Nils	-Henrik Mørch von der Fehr og Orvika 	
Rosnes, for gode og detaljerte tilbakemeldinger underveis i oppgaven.	 Deres	 faglige innspill og	 	
kunnskap om kraftmarkedet har vært uvurderlig	. Takk også til Vista Analyse for 	stipend til 	
masteroppgave	n. 	Jeg vil 	i tillegg	 takke Ragnar Nymoen for tilbakemeldinger på den 	
økonometriske metoden	, og mine kollegaer i Norges Bank for 	tilrettelegging av data	 og innspill 	
underveis	. 	
Til slutt vil jeg	 gjerne	 takke min største støttespiller	, William	, for h	ans genui	ne interesse for 	
nye temaer	, og evne til å sette seg inn i 	problemstillinger	 utenfor egen fagdisiplin	. 	
 
Jeg har under masteroppgaven hatt et studentengasjement i Norges Bank. Jeg vil understreke at 
eventuelle meninger er mine egne, og reflekterer ikke meningene til min arbeidsgiver. 
Potensielle feil og mangler er 	også 	utelukkende mitt eget ansvar.	 	
Analyser, 	figurproduksjon og bearbeiding av data er gjennomført i RStudio. 	Tabeller er laget 	
me	d pakken stargazer. 	Koder kan oppgis ved forespørsel.

ii 	
 
Sammendrag	 	
I denne oppgaven estimerer jeg husholdningenes	 priselastisitet i kraftmarkedet med hensyn på 	
daglig 	spotpris. 	Bakgrunnen for å estimere 	en slik elastisitet	 i dagens situasjon er at prisnivået 	
i Norge 	har ligget vesentlig høyere i 2021 og 2022 enn 	det har gjort 	tidligere år, noe som gir 	
grunnlag for å t	ro at tidligere estimater ikke er overførbare. 	For å analysere priselastisiteten har 	
jeg estimert forbruksresponsen i de individuelle prisområdene NO2 og NO4, 	som er Sør	- og 	
Nord	-Norge, 	samt	 i Norge som helhet	. Sistnevnte analyseres	 gjennom en paneldatareg	resjon. 	I 	
analysen benytter 	jeg i hovedsak 	nederlandsk gasspris og vindkraftproduksjon i Sverige som 	
instrumentelle variabler. 	 	
Analysen 	indikerer	 at en spotprisøkning på ett prosent fra en dag til den neste gir en 	
gjennomsnittlig forbruksreduksjon på 	0,03	 prosent	 blant husholdningene i perioden	. Dette er 	
på nivå	 med 	resultater fra 	tidligere	 studier	, og jeg finner ingen indikasjoner på at elastisiteten 	
har endret seg som følge av et generelt høyere prisnivå i kraftmarkedet	 i denne perioden	. 	
Implikasjonene 	av en uelastisk etterspørselsside er todelt	. For det første vil en uelastisk 	
etterspørselsside i større grad gjøre prisene tilbudsbestemt. Tilbudssiden vil i fremtiden bestå 
av en større andel ikke	-regulerbare energikilder, og prissvingningene som følger a	v dette vil da 	
ikke bli dempet av et fleksibelt husholdningsforbruk. 	For det andre vil 	en lav elastisitet blant 	
husholdningene også implisere at en subsidieordning som demper prissvingningene fra dag til 
dag	, kun medfører	 en begrenset vridning 	av	 fo	rbruket.

iii 	
 
Innhold	 	
1. Introduksjon	 ................................	................................	................................	...........................	 1 	
2. Prisene i kraftmarkedet	 ................................	................................	................................	...........	 3 	
2.1 Prissettingen i kraftmarkedet: Spotpris	 ................................	................................	............	 3 	
2.2 Spotpris og 	sluttbrukerpris	 ................................	................................	...............................	 6 	
3. Tidligere litteratur om kraftpriselastisitet	 ................................	................................	.............	 13	 	
4. Datagrunnlag	 ................................	................................	................................	........................	 18	 	
5. Økonometrisk modell og metode	 ................................	................................	.........................	 21	 	
5.1 Teoretisk utgangspunkt	 og modell	 ................................	................................	.................	 21	 	
5.2 Estimeringsmetode	 ................................	................................	................................	.........	 24	 	
6. Resultater	 ................................	................................	................................	..............................	 32	 	
6.1 Sør	-Norge (NO2)	 ................................	................................	................................	............	 32	 	
6.2 Nord	-Norge (NO4)	 ................................	................................	................................	.........	 35	 	
6.3 Alle p	risområder	 ................................	................................	................................	.............	 37	 	
6.4 Elastisiteten ved ulike prisnivåer	 ................................	................................	....................	 40	 	
6.5 Tolkning av resultater	 ................................	................................	................................	.....	 42	 	
7. Konklusjon	 ................................	................................	................................	...........................	 44	 	
Litteraturliste	 ................................	................................	................................	............................	 46	 	
Appendiks	 ................................	................................	................................	................................	. 53	 	
Appendiks 2.2.1: Gjennom	slaget av spotprisen til sluttbrukerprisen	 ................................	.. 53	 	
Appendiks 2.2.2: Effekten av spotprisen på gjennomslaget	 ................................	.................	 54	 	
Appendiks 2.2.3: Effekten av strømstøtte på gjennomslaget	 ................................	................	 55	 	
Appendiks 5.1.1: Augmented Dickey	-Fuller	-test	 ................................	................................	.. 57	 	
Appendiks 5.1.2: Justert R	2 ved ul	ike spesifikasjoner	 ................................	..........................	 58	 	
Appendiks 5.1.3: Residualer ved ulike spesifikasjoner	 ................................	........................	 58	 	
Appendiks 5.1.4: Regresjon med befolkning som kontrollvariabel	 ................................	......	 59	 	
Appendiks 5.2.1: Autokorrelasjonsfunksjoner	 ................................	................................	.....	 60	 	
Appendiks 5.2.2	: Konsistent og ikke konsistent IV	-estimator	 ................................	..............	 61	 	
Appendiks 5.2.3: Sargan	-test	 ................................	................................	...............................	 62	 	
Appendiks 6.1.1: F	-statistikk for instrumentene	 ................................	................................	... 63	 	
Appendiks 6.1.2: Første steg i IV	-regresjon	 ................................	................................	........	 64	 	
Appendiks 6.1.3:	 Regresjon med norsk vindkraft som instrumentvariabel	 ..........................	 65	 	
Appendiks 6.1.4: Korrelasjonstabell for vindkraftproduksjon	 ................................	.............	 66	 	
Appendiks 6.2.1: OLS	-regresjon med områdespesifikke elastisiteter	 ................................	.. 67	 	
Appendiks 6.4.1: Utregning av priselastisitet i tilfelle med kvadratledd	 .............................	 68

iv 	
 
Figurer og tabeller	 	
Figur 1: Prissettingen i engrosmarkedet	 ................................	................................	....................	 3 	
Figur 2: Norske spotpriser	 ................................	................................	................................	..........	 5 	
Figur 3: Avgifter, kraftpris og 	nettleie som andel av sluttbrukerprisen	 ................................	.....	 8 	
Figur 4: Fordeling av kontraktstyper	 ................................	................................	..........................	 9 	
 
Tabell 1: Deskriptiv statistikk	 ................................	................................	................................	.. 20	 	
Tabell 2:	 Regresjon NO2	 ................................	................................	................................	..........	 33	 	
Tabell 3: Regresjon NO4	 ................................	................................	................................	..........	 36	 	
Tabell 4: Regresjon Norge	 ................................	................................	................................	.......	 38	 	
Tabell 5: Regresjon med kvadratledd og tidsdummy	 ................................	...............................	 40

1 	
 
1. Introduksjon	 	
Høsten 2021 opplevde norske strømforbrukere et kraftig og 	tilsynelatende 	uforventet prishopp 	
i kraft	markedet	. Norge har 	historisk	 hat	t et kraftoverskudd	, med blant annet 	betydelig 	utbygging 	
av vannkraft	 med lav produksjonskostnad	, noe som over tid 	har gitt	 svært 	lave kraftpriser. 	Siden 	
prissjokket	 	har det vært mye debatt rundt støtteordninger, prissettingsmodell og 	
kraftutvekslings	avtaler i det norske kraftmarkedet.	 	
Et sentralt spørsmål 	i denne forbindelsen 	er 	hvordan	 husholdningene tilpasse	r sitt forbruk	 til de 	
høye prisene	. Ifølge standard økonomisk teori vil forbruket være en negativ funksjon av 	
kraftprisen, både fordi økte priser reduserer 	real	budsjettet	 til husholdningene, og fordi strøm 	
blir relativt dyrere i forhold til andre varer. 	I prinsippet kan husholdningene	 ved en prisøkning 	
redusere 	strøm	forbruket på to måter	; en 	direkte 	reduksjon, gjennom å for eksempel sette ned 	
innetemperaturen, eller 	gjenno	m 	utsettelse av forbruk til en periode med lavere priser. 	
Sistnevnte kalles også 	lastflytting	. Størrelsen på prisresponsen	 blant husholdninger i 	
kraftmarkedet 	er 	imidlertid 	usikker. 	Elektris	itet 	betegnes gjerne som 	et 	nødvendig gode	, 	
etter	som 	det 	brukes ti	l å fylle grunnleggende 	behov	 som	 oppvarming, matlaging, og hygieniske 	
formål	. Det er derfor stor usikkerhet knyttet til hvor mye husholdningene 	i realiteten	 reduser	er 	
forbruket ved en prisøkning. 	 	
Det har vært flere forsøk på å estimere hvordan forbrukere	 responderer på prisendringer i 	
kraftmarkedet, både i Norge og internasjonalt. Disse studiene 	konsentreres	 i stor grad 	om	 å 	
estimere en 	priselastisitet	, altså den prosentvise endringen i forbruket som følge av en 	
prosentvis endring i prisen. Tidligere norske studier er basert på historiske data med 	relativt 	
lav	e priser	, og det er ikke en selvfølge at elastisiteten er den samme i e	n situasjon med svært 	
hø	ye prisnivåer	. I denne oppgaven vil jeg derfor fokusere på norske husholdningers 	
kraftforbruk	 for årene 2020 til 2022, og 	analysere	 hvordan 	forbruket	 responderer på kortsiktige 	
spotprisendringer	 i perioden	. Mitt forskningsspørsmål er dermed: 	Hva er sammenh	engen 	
mellom spotprisene og husholdningenes etterspørsel etter elektrisk kraft fra dag til dag? 	 	
Det er i hovedsak to grunner til at dette er et interessant spørsmål. For det først	e er 	
husholdningenes 	pris	respons	 relevant for utviklingen i engrosmarkedet 	fremover. Dersom 	
husholdningene responderer mye på prisen	, vil dette innebære 	bedre tilpasning til tilgjengelig 	
kapasitet, og dermed også 	jevnere priser mellom perioder	. Sistnevnte	 er av betydning for hele

2 	
 
markedet. 	Med tanke på at kraftproduksjonen i størr	e grad vil bestå av ikke	-regulerbare 	
energikilder i årene fremover	, er det spesielt viktig å vite hvor 	rustet husholdningene er mot 	
store	 prissvingninger	, og i hvilken grad de greier å 	tilpasse seg	.1 	
De	t andre hoved	området	 hvor det er av 	betydning	 hvordan husholdningene responderer på 	
prisendringer	, er ved utforming av 	støtteordninger og 	hjelpe	tiltak	. Dersom 	husholdningene er 	
prissensitive vil en 	subsidieordning 	som svekker prissignalene fra dag til dag 	kunne 	føre til 	en 	
lavere forbruksres	pons. Dette er	 fordi 	subsidiene	 reduserer sluttbrukerprisen og dermed 	svekker	 	
insentiv	et til forbruk	sreduksjon. 	En slik mekanisme 	er blitt 	fremhevet	 både av 	politikere	 og 	
økonomer	, og konsekvensene innebærer blant annet enda høyere spotpriser og økt fare f	or 	
rasjonering	.2 Ved 	lav priselastisitet reduseres de negative konsekvensene av en subsidieordning 	
i kraftmarkedet.	 For å gi en meningsfylt 	vurdering	 av konsekvensene ved en subsidie er det 	
derfor sentralt å ha en formening om hvordan norske husholdninge	rs forbruk påvirkes	 av 	
prisene	. 	
Oppgaven er strukturert som følger:	 Del 2 beskriver prissettingen i det norske markedet. Del 3 	
oppsummerer tidligere relevant litteratur	 om emnet	. Del 4 	beskriver datagrunnlaget, og del 5 	
presenterer den 	økonometriske metoden som benyttes i oppgaven. 	Del 6 presenterer resultatene 	
fra analys	en	, og evaluerer 	kvaliteten	 til estimatene	. Til slutt vil del 	7 konkludere og drøfte 	
implikasjone	r for	 det norske kraftmarkedet	. 	
 
 	 
 	1 Økningen i kraftproduksjonen frem mot 2040 vil i stor grad bestå av ikke	-regulerbar vind	- og solkraft	 	
(Birkelund et al., 2021)	. 	2 Se for e	ksempel finansministerens svar 	i Bru og Vedum 	(2022	), eller diskusjon 	om 	effektivitetstap i 	Dalen 	og	 	
Halvorsen 	(2022	).

3 	
 
2.	 Prisene i kraftmarkedet	 	
I d	el 2	 belyse	r jeg	 hvilke mekanismer som påvirker pris	en	 på	 elektris	itet 	i Norge	. Del	 2.1	 	
inneholder en 	beskrive	lse av	 prisdannelsen i 	engrosmarkedet	, med 	særlig vekt på	 hvilke 	
faktorer som 	har effekt på	 spot	prisen	 i de norske prisområdene	. Del	 2.2	 beskriver så spotprisens 	
gjennomslag til sluttbrukerprisen, som er den prisen husholdningene 	står	 ovenfor	. 	
 
2.1 	Prissettingen i kraftmarkedet	: Spotpris	 	
De nordiske s	potprisene fastsettes i	 engrosmarkedet, 	som er et marked hvor produsenter, 	
kraftleverandører og store forbrukere handler kraft seg imellom	 (NVE, 2023a)	. Prissettingen 	
foregår ved at aktørene legger inn salgs	- og kjøpsbud på kraftbørsen Nord	 Pool dagen før 	
kraften skal leveres. 	Samtid	ig melder også Statnett og de andre transmisjonssystemoperatørene 	
inn kapasiteten på overføringskablene. 	Basert på budene konstrueres tilbuds	- 	og 	
etterspørselskurve	r, som brukes til å 	kalkulere områdepriser	 for hver time det påfølgende 	
døgnet	, se figur 1	 (Nord Pool,	 2020)	. 	
Figur 	1: Prissettingen i engrosmarkedet	. 	
Kilde: 	Nord Pool, 2020	. 	
 	
Spotprisen i hvert prisområde bestemmes 	dermed	 	av etterspørsel, tilbud og 	
overføringskapasitet.	 Etterspørsel	en påvirkes blant annet av 	temperatur, 	tid på døg	net og 	
høytider. 	Spesielt temperatur er en viktig driver, ettersom ru	ndt 80 prosent av

4 	
 
oppvarmingsbehovet dekkes av elektrisitet i Norge	 (NVE, 2023c)	.3 Et positivt 	skifte i	 	
etterspørsel	skurven	 vil	 isolert sett 	gi økt spotpris	. 	
Tilbudet av kraft bestemmes av produksjonssideforhold som 	vind, nedbør og prisen på 	
innsatsfaktorer	 som kull	, gass	 og CO2	-kvoter	. Sistnevnte tre påvirker kraftproduksjonen i 	
Europa, mens 	de to første	 er 	spesielt 	viktig	e for innenlands produksjon	 i Norge	.4 Økt 	
vindkraftproduksjon påvirker prisen gjennom å 	øke tilbudet av kraft med en marginalkostnad 	
tilnærmet lik null	. Nedbør påvirker prisen 	gjennom elvekraft og 	tilsig	 til vannmagasiner	. En 	
høyere fyllingsgrad gir lavere spotpris ved	 å redusere alternativkostnaden av vannbeholdningen 	
i magasinene. 	M	ye av vannkraften i Norge	 er regulerbar	, som betyr at	 produsentene 	må vurdere 	
gevinsten	 ved	 å produsere vannkraften 	på ulike tidspunkter	. V	annkraftprodusentene vil holde 	
igjen produksjonen de	rsom de forventer høyere priser i tiden fremover	, og 	de 	er p	å den	ne	 måten 	
med på å	 jevne ut prisen mellom perioder	.5 Tilbudet avhenger der	med	 også av forventninger	 til 	
prisen	, og er ikke eksogent bestemt	. 	
Det tredje forholdet som påvirker 	spotprisen	 i et prisområde	, er overføringskapasiteten 	til 	
nærliggende områder	. Kraften eksporteres fra områder med lavere priser til områder med 	
høyere priser helt til spotprisene enten er jevnet ut, eller til overføringskapasiteten er brukt opp. 
Dette 	har blant ann	et gjort a	t de sørlige 	norske 	prisområdene, som er NO1 (Østlandet), NO2 	
(Sørlandet) og NO5 (Vestlandet) ofte har hatt 	like	 eller nesten 	like	 spot	pris	er i perioden	 2020 	
til 2022	. Overføringskapasiteten	 har	 fra høsten 2021 	imidlertid ofte vært begrense	nde	 me	llom 	
de sørlige og de to nordlige områdene, slik at 	spotprisene i 	NO3 (Midt	-Norge) og NO4 (Nord	-	
Norge) 	ikke har blitt påvirket 	i stor grad	 av prisene i sør	. 	
 	3 Tall fra 2018.	 	4 I 2021 kom 91	,5% av kraftproduksjonen fra vannkraft og 7	,5% fra vindkraft	 (Statistisk Sentralbyrå, 2022)	. 	5 Rundt ¾	 av vannkraften i Norge er regulerbar	 (OED, 2022b; Statkraft, 2022)	.

5 	
 	
Figur 	2: Norske spotpriser	.6 	
1. januar 	2020	 – 31. desember 	2022	. Kilde: 	Elhub, 2023a	. 	
 	
 
Ettersom retningen på kraftflyten 	reflekterer	 de relative spotprisene mellom områder, påvirkes 	
prisen innad i et prisområde implisitt også av markedsutviklingen i naboområdene. 	Sjokk eller 	
mekanismer som påvirker 	spot	prisen i et	t område	 vil kunne 	endre	 kraftflyten og dermed også 	
spot	prisene i nærligg	ende områder. 	En kraftig økning i prisene på gass i 2021 har for eksempel 	
gitt høye europeiske kraftpriser, som igjen påvirker prisene i Sør	-Norge gjennom økt eksport 	
og tilsvarende svekket tilbud. Denne mekanismen er blitt forsterket 	av	 åpningen 	av 	to 	nye	 	
kabelforbindelse	r til Tyskland og England,	 NordLink og North Sea Link	. Hver	 av disse 	har en 	
kapasitet på rundt 1	 400 MW	, og 	har	 med det 	økt 	Norges overføringskapasitet til utlandet med 	
rundt 15 prosent	 (Statnett, 2023a, 2023b; Stortingets utredningsseksjon, 2022)	. Implikasjonen 	
er at 	eksterne	 forhold har 	mer	 å si for spotprisen	, og 	at gassprisen 	er en	 indirekte driver bak 	
sørlige norske kraftpriser	. 	
De nordlige områdene har ikke blitt påvirket av 	prisene på kontinentet i tilsvarende grad som 	
de sørlige. 	Dette skyldes 	som nevnt 	begrensninger på overføringskablen	e mellom nord og sør i 	
Norge. 	For de 	to 	nordlige områdene har interne etterspørsels	- og tilbudsforhold hatt	 relativt	 mer 	
å si	 for prisen	 i perioden.	 Samtidig 	påvirkes prisene også her av markedsforhold	ene i 	
nærliggende områder	, eksempelvis 	forholdene i Nord	-Sverige.	 Overføringskapasiteten mellom 	
 	6 Prisene i NO1 og NO5 har vært tilnærmet like i perioden. Dette er grunnen til at prisene i NO1 i liten grad 
synes i figuren.

6 	
 
Norge og Sverige i nord er relativt høy; 	den overstiger overføringskapasiteten mellom nord og 	
sør i Norge	 (Statnett, 2022)	. Implikasjonen er at produksjons	- og etterspørselsforhold i Sverige 	
har 	stort potensiale til å påvirke spotpr	isen i NO3 og NO4. 	Spesielt gjelder dette elspotområdet 	
SE2, som er det nordligste 	svenske prisområdet. 	Sør	-Norge har på sin side mest 	
overføringskapasitet til SE3. 	 	
 
2.2 	Spotpris og sluttbrukerpris	 	
I d	enne 	delen	 presentere	s forholdet mellom 	spotprisen og sluttbrukerprisen, 	spesi	elt	 hva som 	
påvirker gjennomslaget av spotprisen til sluttbruke	rprisen	. Gjennomslaget defineres her som 	
den prosentvise endringen i sluttbrukerprisen ved en prosentvis endring i spotprisen. 
Distinksjonen mellom spotpriser og sluttbrukerpriser er sentral etter	som 	analysen	 tar 	
utgangspunkt i	 spotpriser. 	 	
Sluttbrukerprisen	 består i all hovedsak av tre hovedkomponenter: spotpris, nettleie og avgifter. 	
Nettleien varierer i stor grad med region og nettselskap. Før juli 2022 var nettleien delt inn i et 
fastledd, et f	ast månedlig beløp, og et energiledd hvor 	man	 betaler for antall 	kWh	 brukt. Fra 1. 	
juli ble det innført en ny nettleieordning, hvor energileddet avhenger av når forbruket skjer og 
hvor mye strøm 	som	 bruke	s samtidig	 (NVE, 2022a)	. Det er i tillegg innført en 	
trappetrinnsmodell for fastleddet. Hensikten med denne ordningen 	er 	å unngå sprengt kapasitet 	
i høylasttimer, og i praksis gjør ordningen at nettleien blir dyre	re dersom husholdningene bruker 	
mer strøm i de timene hvor spotprisene også er høye. Nettleien fører 	både med den gamle og 	
den nye ordningen 	til et avvik mellom spotpris og sluttbrukerpris	, men 	som 	med den nye 	
ordningen også 	varierer med 	markedsforholdene	. 	
Det 	andre	 som skiller sluttbrukerprisen fra spotprisen er 	en rekke avgifter med varierende 	
størrelse og utforming. Disse inkluderer 	enovaavgift, merverdiavgift (mva.), og avgift på 	
elektrisk kraft	, også kalt	 elavgift	 (OED, 2022a)	.7 For 2022 var 	enovaavgiften på 1 øre	 per 	kWh 	
(ekskludert mva.), elavgiften på 15,41 øre	 per 	kWh (alminnelig sats) og merverdiavgiften på 	
25	 prosent 	(Finansdepartementet, 2022)	. Det er verdt å merke seg at spesielt merverdiavgiften 	
utgjør en betydelig andel av sluttbrukerpris	en. 	De to første avgiftene 	øker	 prisen per 	kWh med 	
 	7 Finnmark og Troms har fritak fra merverdiavgiften, og en redusert sats på elavgift. Det har også vært redusert 
elavgift deler av	 perioden for de andre fylkene.

7 	
 
et fast 	beløp	. Merverdiavgiften vil derimot virke proporsjonalt, noe som gjør at 	
sluttbrukerprisen 	nominelt 	vil skille seg mer fra spotprisen 	i høyprisperioder	. I tillegg til avgifter 	
betaler 	husholdningen	e også gjerne noen øre per kWh i påslag til strømleverandører.	 	
I forbindelse med avgiftsregimet 	må også 	de midlertidige støtteordningene for husholdninger 	
som trådte i kraft fra desember 2021	 nevnes	. Ordningen gikk i første omgang ut på at 	
husholdningene fikk kompensert 55 prosent av strømutgiftene når markedsprisen på strøm i	 	
gjennomsnitt	 var over 70 øre per kWh ekskludert mva. for en måned	 (OED, 2022c)	. Det legges 	
også til 25 prosent på støttesatsene for å ta hensyn til mva.	 (NVE, 2022b)	. Kompensasjonsnivået 	
ble i januar 2022 o	ppjustert fra 55 til 80 prosent, og ble igjen økt i september 2022 til 90 prosent. 	
Støtten gjelder forbruk opp til 5000 kWh for en husholdning. 	Det er også verdt å merke seg at 	
strømstøtten i utgangspunktet ikke dekket borettslag og sameier, men dette ble 	innført i januar 	
2022.	 	
Med den overnevnte støtteordningen	 regnes 	det i praksis 	ut en kompensasjon per kWh for hele 	
måneden, slik at støtten er den samme for hver kWh brukt	, uavhengig av den faktiske prisen 	
den dagen.	 Regjeringen har	 i etterkant	 foreslått å endre denne ordningen fra og med september 	
2023, slik at støttekomponenten 	i stedet 	beregnes basert på spotprisen den aktuelle timen	 (SMK 	
et al., 2	023)	. Dette vil innebære at støtten endrer seg fra dag til dag, og kompensasjonen 	vil 	
være	 høyere de dagene hvor spotprisen er høy. 	For begge ordningene trekker s	tøtten 	isolert sett 	
sluttbrukerprisen 	ned, 	sett i forhold til spotprisen	. Støtte	ordningene	 virker altså i motsatt retning 	
av det øvrige avgiftsregimet.

8 	
 	
Figur 	3: Avgifter, kraftpris og nettleie som andel av sluttbrukerprisen	. 	
1. kv. 2012 	– 4. kv. 2022. 	 Kilde	: Statistisk Sentralbyrå, 2023d	. 	
 	
Figur 	3 illustrerer hvordan kraftprisen	, nettoavgifter	 og nettleien	 har utviklet seg som andel	er 	
av sluttbrukerprisen til husholdningene	 siden	 2012	. Historisk har nettleie, avgifter og spotpris 	
utgj	ort	 omkring en tredel hver, hvilket er bakgrunnen for at tidligere studier har multiplisert 	
elastisiteten med hensyn på spotprisen med tre for å få elastisiteten med hensyn på 
sluttbrukerprisen	 (Bye 	og	 Hansen, 2008)	. Andelene endret seg svært mye fra andre halvdel av 	
2021, omtrent da spotprisene i Sør	-Norge begynte å øke. 	Vi ser	 også	 tydelig effekten av 	
strømstøtteordningen fra første kvartal 2022, da nettoavgiftene 	i denne perioden	 trekk	er 	
sluttbrukerprisen ned. Fra og med tredje kvartal 2022 	har	 strømstøtteordningen ført til at 	
spotprisen har vært høyere enn sluttbrukerprisen, ettersom nettoavgiftene er større i 
absoluttverdi enn nettleien. 	 	
I tillegg til det relative forholdet mellom sp	otprisen og komponenter som nettleie og avgifter, 	
avhenger også	 gjennomslagshastigheten av endringer i spotprisen til sluttbrukerprisen	 av 	
fordelingen av kontraktstyper	 (Halvorsen, 2012)	. Som illustrert i figur 	4 er det	 de senere årene 	
blitt klart	 vanligst med spotprisavtaler	 i Norge	, hvor prisen på forbruk varierer hver time 	eller 	
hver dag 	med spotprisen	. Det er også mulig å inngå fastprisavtaler på alt fra tre måneder til fem 	
år. 	For grup	pen med fastprisavtaler vil ikke 	variasjoner i spotprisen påvirke sluttbrukerprisen 	
på kort sikt. 	Et tredje alternativ er såkalte variabelprisavtaler, hvor prisene kan endre	s med 14 	
dagers forvarsel. 	Ettersom gruppene med fastprisavtaler og variabelprisavt	aler ikke er 	
eksponert for kortsiktige spotprisendringer, vil man 	sannsynligvis 	ikke finne noen st	erk

9 	
 
sammenheng mellom husholdningenes forbruk og spotprisen 	på dagsbasis 	i tilfeller hvor disse 	
gruppene utgjør en stor andel av befolkningen. 	 	
Figur 	4: Fordeling av kontraktstyper	. 	
1. kv. 2012 	– 4. kv. 2022. 	Kilde:	 Statistisk Sentralbyrå, 2023b	. 	
 	
Figur 	4 viser at det er klart flest husholdninger 	med spotprisavtale i perioden 2012 til 2022. Fra 	
første kvartal 	2020 til 	fjer	de kvartal 	2022	 hadde 	mellom 74	% 	og 87% 	av norske husholdninger 	
en avtale som direkte knytter dem til spotprisen. Det	te er høy	e tall sammenliknet med	 andre 	
europeiske land, og 	implikasjonen er at	 endringer i spotprisen for de fleste forbrukerne gir 	
direkte utslag i sluttbrukerprisen den aktuelle timen. 	Med andre ord har vi et utvalg hvor en stor 	
andel av husholdningene blir påvirket av spotprisen på kort sikt	. 	
For å kunne 	beskri	ve gjennomslaget av spotprisen mer presist uttrykker vi s	luttbrukerprisen 	
som en funksjon av spotprisen 	på følgende måte	:8 	
 	 
 	8 Gitt nettleieordningen slik den var før juni 2022.

10	 	
 
�	=	(������������	+	(1−	������)(�������	+	(1−	������)�(������,�������)−	max	(0,������̅(������,�������)−	70	)� +	�+	�	+	�) ∙1.25	 	
hvor	 	
�	=	�����������������	 � ø��	 ���	 ��	ℎ 	
������	=	�������	 ��	 �����������	 ���	 ���������������	 	
������	=	����������	 ���	 ��������	 ������������	 	
������̅(������,�������)=	���������	 ������	���������	 ��������	 	
 ���	 �	å���	 ���	 ��	 ��������	 ��	 ����������	 	
 ��	 ���������	 ������	 	
������	=	�������	 ��	 �����������	 ����	 ��������������	 	
 ���	 ℎ��	 ��������	 	
�	=	���������������	 ��������	 	
�(������,�������)=	 ��������	 ����	 ���	 ��	 ��������	 ��	 ����������	 	
 ��	 ���������	 ������	 	
�=	���	ø���	ø����	���	 ���	 ��������	 �	å�����	 (�∈	[0,1]) 	
�	=	����������	 	
�	=	������	 �å ���������	 �����	 ��	 �����������	 	
�=	�å����	 ���	 ���	ø���������	ø� 	
Spotprisen påvirker 	på kort sikt 	sluttbrukerprisen 	direkte 	gjennom	 andelen 	husholdninger 	med 	
spotprisavtale, men også indirekte 	gjennom	 andelen med variabel prisavtale. 	I tillegg påvirker 	
spotprisen sluttbrukerprisen gjennom strømstøtteordningen i de tilfellene 	hvor	 	den 	
gjennomsnittlige spo	tprisen overstiger 70 øre (	������̅>	70	) og	 strømstøttesatsen er positiv	 (�>	0). 	
Gjennomsnittsprisen avhenger av dagens spotpris 	������ og spotpr	isen de andre dagene 	�������. Merk at 	
������̅ i realiteten er den samme gjennom en hel måned, men	 husholdningene 	vil være	 usikre på hva 	
gjennomsnittet 	vil 	lande på. 	B 	kan derfor 	tolkes som forventet sluttbrukerpris for 	
husholdningene.	 	
Som	 indiker	t av figur 	3 har 	vi 	forandringer i flere variabler i løpet av perioden	, noe som 	
medfører at gjennomslaget også endres. 	En åpenbar forandring er at spotprisen øker. Ettersom 	
������ øker	, utgjør det første leddet en større andel av den totale kostnaden	. I tillegg vil 	�(������,�������) 	
påvirkes, noe som er med på å trekke sluttbrukerprisen opp	. Alt annet likt vil et høyere nivå på 	
spotprisen gjøre at en prosentvis endring i 	������ gir en større prosentvis endring i 	�, ettersom

11	 	
 
spotprisen da utgjør en større andel	 av totalprisen.	9 En høyere spotpris gjør altså at 	
gjennomslaget øker. 	 	
Den andre	 store	 forandringen skjer i leddet 	max	(0,������̅−	70	)� når strømstøtten innføres. 	
Gjennomslaget	 av spotprisen til sluttbrukerprisen	 påvirkes på to måter	 av strømstøtteordningen	: 	
1) sluttbrukerprisen for en gitt spotpris reduseres, og 2) forventningene til gjennomsnittsprisen 
kan endres, og potensielt motvirke spotprisendringen. Den første av disse gir økt gjennomslag 
av spotprisen til sluttbrukerprisen, e	ttersom en lavere sluttbrukerpris betyr at endringer i 	
spotprisen utgjør en større andel av totalprisen.	 10 Den andre mekanismen er ikke like tydelig. 	
Dersom forventningene til gjennomsnittsprisen øker, kan husholdningene se dette som at deler 
av prisøknin	gen blir fanget opp av strømstøtten. 	Gjennomslaget 	til	 sluttbrukerprisen trekkes da 	
ned. 	 	
Det bør her presiseres at 	den sistnevnte 	mekanisme	n hviler på tolkningen av sluttbrukerprisen 	
som forventet sluttbrukerpris. Uten forventninger påvirkes gjennomslaget	 fra dag til dag kun 	
gjennom den første mekanismen	, ettersom støtten i realiteten er uendret	. I en alternativ ordning	, 	
hvor støttekomponenten beregnes på timesbasis eller daglig, vil den faktiske støtten endres med 
spotprisene fra dag til dag. 	Da vil gjenn	omslaget kunne reduseres	, ettersom 	en økning	 i 	
spotprisene 	en bestemt dag 	vil 	dempes av økt strømstøtte 	denne 	dag	en	. 	
I tillegg til spotprisendringer og innføring av strømstøtte er det i perioden også mindre endringer 
i � grunnet forandringer i elavgiften, pluss endringer i 	� som følge av ny nettleieordning. 	Dette 	
vil kunne påvirke gjennomslaget dersom endringene medfør	er en forandring i spotprisens andel 	
av total sluttbrukerpris. Endringene her har imidlertid vært svært små sett i forhold til andre 
endringer. 	Vi har også en økning i	 andelen med spotpriskontrakter,	 ������, grunnet stor usikkerhet i 	
fastprismarkedet. Dette fo	rsterker den direkte effekten av spotprisendringer på 	
sluttbrukerprisen	, og	 øker 	derfor	 gjennomslaget. 	 	
Det er åpenbart at	 spotprisen	s gjennomslag til	 sluttbrukerprisen 	endrer seg 	i løpet av perioden	, 	
og de mest sentrale mekanismene trekker i 	retning av økt gjennomslag.	 Dette har to sentrale 	
implikasjoner for den videre analysen. For det første vil et økt gjennomslag isolert sett kunne 
gi en høyere spotpriselastisitet enn i tidligere perioder. 	En slik mekanisme	 forutsetter at det er 	
sluttbruker	prisen husholdningene egentlig bryr seg om, og at en prosentvis endring i spotprisen 	
 	9 Den førstederiverte av gjennomslaget med hensyn på spotprisen er positiv. 	Se appendiks 2.2.1	 for beregning av 	
gjennomslag	 og 	appendiks 	2.2.2	 for 	beregning av 	effekten 	av spotprisen på gjennomslaget	. 	10 Se appendiks 2.	2.3 for 	beregning av 	effekten av strømstøtte på gjennomslage	t (nåværende ordning)	.

12	 	
 
i denne perioden gir en høyere prosentvis endring i sluttbrukerprisen enn 	i tidligere 	tidsperioder	. 	
Spotpriselastisiteten burde da ligge nærmere sluttbrukerpriselastisitet	en.	 	
Den andre implikasjonen er at vi ikke kan utlede en elastisitet med hensyn på sluttbrukerprisen 
på bakgrunn av resultatene	, ettersom det ikke lenger er riktig å anta at en 	prosentvis økning i 	
spotprisen utgjør en 	fast	 prosent	andels	 økning i sluttbruker	prisen	. De to prisene er 	imidlertid	 	
tett relatert	 til hverandre	. Selv om vi ikke kan estimere priselastisiteten med hensyn på 	
sluttbrukerprisen direkte	, kan vi derfor likevel 	få et inntrykk av	 hvilken størrelsesorden den 	
befinne	r seg i.

13	 	
 
3. 	Tidligere litteratur om kraftpriselastisitet	 	
Tidligere estimater på priselastisiteter i kraftmarkedet varierer, og påvirkes blant annet av 
sektor, geografi, datastruktur, modell, tidsperiode og estimeringsme	tode	 (Labandeira et al	., 	
2017)	. Analyser som baserer seg på spotpris får også gjerne ulike resultater enn analyser som 	
baserer seg på sluttbrukerpris.	11 I de følgende avsnittene oppsummerer jeg bidrag fra litteraturen 	
som har likhet	strekk	 med min analyse. Det vil si at jeg s	er på nyere litteratur som omhandler 	
husholdningssektoren. 	Jeg har også fokus på studier som bruker norske, høyfrekvente data 	
og/eller aggregerte paneldata. Studier som benytter seg av instrumentelle variabler blir også 
vektlagt. Jeg vil 	i tillegg	 begrense analysen til å se på kortsiktige 	pris	elastisiteter, 	hvor kort sikt 	
her 	defineres som 	opptil ett år. 	Det vil si a	t studier som ser på tilpasning over flere år	, utelukkes	. 	
En rapport 	skrevet av	 Rosnes et al. 	(2022)	 oppsummerer mye av den tidligere litteraturen om 	
priselastisiteter, både internasjonalt og i Norge	. Basert på tidligere st	udier 	anslår	 de en 	
priselastisitet med hensyn på sluttbrukerprisen på 	-0,15. 	Anslaget	 er for hele økonomien, ikke 	
bare husholdninger. 	Det	 er i	midlertid i	 stor grad basert på	 en metastudie 	fra	 2018	, hvor	 Zhu et 	
al. 	(2018)	 	oppsummerer 	resultatene fra 105 tidligere studier	. 	Pris	elastisiteten 	til 	
husholdningenes 	etterspørsel 	estimeres	 gjennom en vektet minstekvadraters metode	. Forskerne	 	
kategoriserer 	estimatene	 etter modellspesifikasjon, datakarakteristikk, miljørelaterte faktorer, 	
og estimeringsmetode. 	Estimatet	 deres er	 på 	-0,228. 	 	
Det er i tillegg flere nyere enkeltstudier som anslår elastisiteten blant husholdninger.	 Burke 	og	 	
Abayasekara 	(2018	) estimerer 	elastisiteten for husholdningssektor	en i USA med utgangspunkt 	
i paneldata for delstat, sektor og år 	for 	perioden 2003 til 2015	. Gjennom 	en førstedifferens	-	
estimator	 finner de en kortsiktig priselastisitet på 	-0,10 for husholdninger på årsbasis, et tall 	
som er relativt konsistent for ulike varianter av delstatsspesifikke, årsspesifikke og 
sektorspesifikke effekter. De inkluderer også en IV	-regresjon, hvor de bruker hver sektors log 	
endring i gjennomsnittspris på kra	ft betalt av forbrukerne utenfor sektoren, men innenfor 	
samme stat og år som instrument. For IV regresjonen får de en signifikant koeffisient på 	-0,06. 	 	
Csereklyei 	(2020)	 repliserer mye av Burke og Abayasekaras analyse, men for europeiske land	. 	
Hun 	baser	er analysen	 på årlige pris	- og forbrukstall 	for	 medlemsland 	i EU	, for perioden 1996 	
til	 2016	, og 	benytter laggede priser 	og priser i industrisektoren 	som instrument	 for prisene i 	
 	11 Se drøfting rundt dette i 	Halvorsen 	(2012	).

14	 	
 
husholdningssektoren	. For husholdningene finner 	hun	 en kortsiktig elastisitet på 	-0,08 med 	en 	
førstedif	ferensestimator med landsspesifikke effekter	, og 	-0,07 når regresjonen også inkluderer 	
instrumentet. 	 	
Av norske studier 	med	 årlige 	data	 har vi	 Halvorsen et al. 	(2005)	, som 	gjennom en 	
tverrsn	ittsanalyse 	basert på	 3 492 husholdninger estimerer priselastisiteten til ulike energivarer 	
gjennom et «Almost Ideal Demand System»	 De finner en priselastisitet med hensyn på 	
sluttbrukerprisen på 	-0,65. Estimatene er basert på data fra 1993, 1994 og 1995. 	
Overførbarheten til i dag er dermed usikker. 	 	
Andre nyere studier inkluderer blant annet 	Cialani 	og	 Mortazavi 	(2018)	, som 	bruker	 en 	
dynamisk modell basert på 	paneldata for 29 europeiske land	, og 	Auray et al. 	(2019	) som 	
benytter seg 	av 	blant annet en kanonisk modell for å 	estimere priselastisitet i Frankrike	 	
Elastisi	tet	en estimeres til	 -0,8 i modellen.	 Estimatene på	 kortsiktig elastisitet 	fra Cialani og 	
Mortavezi ligger på	 -0,044 	og	 -0,041	. 	
Det er verdt å merke seg at selv om de overnevnte studiene estimerer en kortsiktig priselastisitet, 
benytter 	mange av dem	 likevel priser på årsbasis. 	Dette betyr at koeffisientene må tolkes som 	
prosentvis endring fra et år til det neste.	 Flere nylige studi	er bruker mer høyfrekvente data, 	
hvorav det vanligste er data på timesbasis. 	Tolkningen av slike elastisiteter handler i større grad 	
om 	lastflytting	, ettersom estimatene beskriver endringer fra time til time	, og er 	mer	 av relevans 	
for markedsklareringen de	n aktuelle timen	/døgnet	 enn for 	langsiktige energiproble	me	r 	
(Halvorsen, 2012	, s. 32	). 	
En av studiene som 	baseres på	 høyfrekvente data	, er 	Bönte et al. 	(2015)	, som	 estimerer 	
etterspørselselastisiteten i Tyskland for perioden 2010 til 2014 	gjennom å bruke	 vindhastighet	 	
som instrument for 	kraft	prisen	. De bruker tall på timesbasis, og finner en elastisitet på 	-0,432 	
basert på dataene for hele perioden. Analysen deres antyder 	også 	at elastisiteten reduseres 	over 	
tidsperioden	, og den gjennomsnittlige elastisitete	n for de to siste årene i dataperioden er 	estimert 	
til	 -0,32. 	 	
Nyere n	orske studier har også i stor grad fokusert på elastisiteter fra time til time	, hvorav de 	
mest relevante før 2012 gjengis i 	Halvorsen 	(2012	). Her beskrives for eksempel en studie av 	
Bye og Hansen	, som	 bruker data på timesbasis for å estimere effekten av spotpriser på aggregert 	
etterspørsel etter kraft	. Bye 	og	 Hansen 	(2008)	 bruker en modell for produksjonssiden og 	
etterspørselssi	den i kraftmarkedet for å estimere den kortsiktige priselastisiteten, og ender opp

15	 	
 
med en elastisitet med hensyn på 	spotprisen	 på omtrent 	-0,02 for vintermånedene	. Dette 	
resultatet varierer imidlertid ut ifra tid på døgnet og ukedag.	 	
Ekhaugen et al. 	(2011	) analyserer hvordan kraftforbruket reagerte på pristopper i løpet av 	
vinteren 2009 til 2010 med tall på timesbasis	. De finner blant ann	et en etterspørselselastisitet 	
for Midt	-Norge på 	-0,852 ved å bruke terminpriser som instrument	 for kraftprisene	. Forfatterne	 	
konkluderer også med at høyere priser gir en sterkere reduksjon i forbruket, altså at elastisiteten 
øker med prisene. 	 	
Hofmann og	 Lindberg har skrevet to	 nyere	 artikler om 	pris	elastisiteten i Norge. 	Hofmann 	og	 	
Lindberg 	(2019)	 ser spesifikt på etterspørselselastisiteten i Oslo i forbindelse med 	lastflytting	. 	
De bruker en generell lineær modell (GLM). 	De	 finner ingen elastisitet i høylasttimer, mens 	
estimatene i lavlastperioder ligger på mellom 	-0,011 og 	-0,075. 	Hofmann 	og	 Lindberg 	(2021)	 	
ser spesifikt på husholdningers resp	ons på prisendringer	. Oppmerksomheten	 her 	rettes	 mot	 	
lastflytting	 i høylasttimer, og resultatene er oppnådd gjennom et prissettingseksperiment med 	
deltakende husholdninger fra Oslo, Bergen og Stavanger. Prosjektet ble gjennomført i perioden 
10. februar til	 13. mars 2020. Husholdningene ble møtt med prissignaler på 5 NOK	 per 	kWh	 	
og 10 NOK	 per 	kWh	 gjennom fire ulike prisprofiler, en betraktelig prisøkning relativt til 	
spotprisene i perioden.	12 Den gjennomsnittlige etterspørselselastisiteten for de ulike 	
husho	ldningene 	blir	 i eksperimentet 	estimert til	 -0,049.	 Forfatterne	 presiserer imidlertid at det 	
ikke var noen signifikant forskjell i forbruksresponsen hos de som fikk et prissignal på 5 NOK	 	
per 	kWh	 og de som fikk et prissignal på 10 NOK	 per 	kWh	. Dette kan tale for at	 	
reduksjonsmulighetene er begrensede.	 	
Jonassen 	og	 	Øby 	(2021)	 	 	bruker 	aggregerte 	norske dagstall for å estimere 	
etterspørselselastisiteten m	ed hensyn til spotprisen	. Gjennom en regresjon med tilsig og 	
vindkraftproduksjon 	som instrum	enter 	kommer 	de 	til frem til en etterspørselselastisitet på 	-0,03 	
for perioden 2015 til 2021. 	Min analyse har store likhetstrekk med dette arbeidet	. 	
Dalen 	og	 Halvorsen 	(2022)	 analyserer økonomiske konsekvenser av økte kraftpriser og 	
strømstønadsordninger	. Forfatterne	 konkluderer med at husholdningene i gjennomsnitt har hatt 	
 	12 Husholdningene måtte ikke betale det prissignalene indikerte, men de ble i realiteten belønnet ut ifra prissignal 
og forbruksreduksjon.

16	 	
 
en betydelig strømsparing, opp mot 16 	prosent i februar 2022.	13 Reduksjonen er imidlertid 	
basert på en svært høy økning i prisen, og 	det	 estimere	s ingen priselastisitet direkte.	 	
Oppsummert finner 	man i dette 	utvalget av tidligere studier estimater på husholdningenes 	
kortsiktige priselastisitet	 som spriker fra 	-0,02 til 	-0,852.	 Tidligere har 	resultater fra 	analyser 	
basert på tall på årsbasis 	vist en større forbruksrespons enn analyser	 med	 kortere tidsintervall, 	
noe som er blitt forklart med at tilpasningsmulighetene er bedre på sikt	 (Halvorsen, 2012	, s. 	
32	). Denne forskjellen er ikke like tydelig i de overnevnte studiene. En av årsakene til dette kan 	
være at det er en overvekt av internasjonale studier i de nyere studiene som	 ser på årstilpasning, 	
mens de nyeste norske studiene i all hovedsak estimerer timeselastisiteter. 	Det kan være at 	
norske husholdninger har et mer elastisk forbruk enn i andre land. 	Skillet kan også skyldes 	
metodiske forskjeller	. A	nalyser basert på disaggregerte data, slik som Auray 	et al	. (2019) og 	
Hofman og Lindberg (2021)	, kan for eksempel	 lede til	 større elastisiteter i absoluttverdi enn 	
analyser	 basert på aggregerte 	data	 (Rosnes et al., 2022, s. 14; The Economist, 2022)	. 	
Det er altså i	ngen	 norske studier som 	i beregningen av priselastisitet 	baserer seg på et 	
datagrunnlag 	hvor prisene har holdt seg på et tilsvarende høyt nivå over like lang tid som de	 	
har gjort 	i perioden 2021 til 2022	. At prisnivået har vært gjennomgående høyt	, illustreres 	
eksempelvis 	ved at gjennomsnittsprisen i 	både 2021 og 	2022 overstiger historiske års	priser 	
betydelig	: Gjennomsnittlig kraftpris for husholdninger i sluttbrukermarkedet var i 2021 på 71	,7 	
øre	 per 	kWh og i 2022 på 149	,6 øre	 per 	kWh	 (Statistisk Sentralbyrå, 2012, 2023c)	. Til 	
sammenlikning har gjennomsnittsprisen ligget på mellom 	14	,1 øre	 per 	kWh og 48	,7 øre	 per 	
kWh	 i årene 1998 til 2020	. Det vil være naturlig å tenke at elastisiteten også kan variere med 	
nivået på spotprisen, både ettersom 	utgifter til 	elektrisk kraft 	som	 andel av det totale budsjettet 	
til husholdningene	 påvirkes	, og fordi prisnivået påvirker gjennomslaget av spotprisen t	il 	
sluttbrukerprisen	. 	
Formål	et med oppgaven 	er todelt: Den er i første omgang	 et bidrag til å forstå hvordan norske 	
husholdningenes priselastisitet med hensyn på spotprisen 	arter	 seg i en situasjon med høye 	
priser.	 I tillegg er den et bidrag til litteratu	ren ved å estimere elastisiteter med dagstall, noe få 	
tidligere studier gjør. Mer disaggregerte tidsintervaller kan potensielt fange opp mer av 
prisresponsen ettersom endringer ikke blir gjemt bort 	på samme måte som 	i aggregerte 	
 	13 Gjennomsnittlig månedsforbruk lå på rundt 1400 kWh per husholdning, og estimert gjennomsnittlig sparing på 
230 kWh.

17	 	
 
årsdata	.14 Samtidig 	vil	 tol	kningen fortsatt bære preg av forbruksreduksjon	, og ikke ren 	
lastflytting	, slik 	den i større grad ville gjort	 med timesdata	. 	
 
 	 
 	14 Se diskusjon rundt energipriser og aggregering i 	The Economist 	(2022	).

18	 	
 
4. Datagrunnlag	 	
Analysen	 basere	s på daglige data for tidsperioden 2020 til 2022	. Den første variabelen er 	
husholdningenes strømforbruk. Denne serien er aggregerte tall per prisområde hentet fra Elhub, 
et datterselskap av Statnett	 (Elhub, 	2023a)	. Tidligste publiserte forbrukstall er 1. januar 2020. 	
Forbrukstallene fra Elhub er gruppert etter næring, med husholdninger som en egen kategori. 
Som vi ser av tabell 1	, varierer strømforbruket 	blant husholdningene 	betraktelig over tid, fra et 	
gjennomsnittlig forbruk på 9 911 	M	Wh	 per prisområde	 i en periode	 med lav etterspørsel	, til et 	
forbruk på 40	 395 	M	Wh	 i en 	periode med høy etterspørsel	. Dette skyldes i stor grad 	
sesongvariasjoner, da 	forbruket av 	strøm til oppvarming 	øker 	om vinteren. 	Forbruk	et varierer 	
også mye mellom områder	; gjennomsnittlig dagsforbruk i NO5 ligger 	for eksempel 	på 9	 77	3 	
M	Wh	, mens det i NO1 er på 	40	 422	 MWh	. Dette skyldes 	for det meste 	forskjeller i 	
innbyggertall.	 Nivåforskjellene	 øker også	 mellom områdene om vintere	n. 	
Den andre sentrale variabelen i analysen e	r priser, her	 definert som 	spotprisene oppgitt i øre per 	
kWh	. Spotprisene	 er hentet fra Refinitiv Datastream	. Refinitiv Datastream publiserer 	ikke 	tall 	
for helgedager, noe som vil si 	at det endelige datasettet kun består av ukedager.	 Ideelt sett hadde 	
det vært ønskelig med tall for alle 	dagene	, både fordi det gir flere datapunkter, og fordi 	
forbruk	smønstret	 i helge	ne	 kan 	skille seg fra ukedagene. 	Man bør derfor merke seg at e	ventuelle 	
resultater vil reflektere forbruksresponsen på 	spot	priser i ukedagene. 	 	
Som vil bli utdypet i del 5 benytter jeg meg av instrumentelle variabler 	for kraftprisen 	i 	
analysen. 	Jeg inkluderer derfor en	 variabel for nederlandsk gasspris oppgitt i øre per 	kWh, 	
ettersom gassprisen har vært en betydningsfull driver bak kraftprisene på det europeiske 
kontinentet i perioden. 	Dette er spesielt tilfellet fra og med høsten 2021, da gassprisene steg 	
betraktelig. 	De europeiske gassprisene smitter	 som nevnt	 igjen over	 på norske kraftpriser 	
gjennom kraftutveksling. 	Variabelen for nederlandsk gasspris	 er 	i likhet med norske kraftpriser	 	
dagstall ekskludert helgedager, hentet fra Refinitiv Datastream. 	 	
I tillegg til 	nederlandsk gasspris	 har jeg også 	andre kraftproduksjonsr	elaterte variabler	 som 	
instrumenter i analysen. Dette inkluderer vindkraftproduksjon i Sverige og Norge, samt tilsig 
til vannmagasine	r. Data 	for	 svensk vindkraftproduksjon er hentet fra 	Svenska kraftnät 	(2023)	, 	
som fører statistikk på timesbasis over kraftproduksjon fra ulike energikilder	. Disse er aggregert 	
opp til dagstal	l. 	Vindkraftproduksjonen er inndelt etter hvilket elspotområde 	i Sverige 	
produksjonen skjer i.	 I analysen benytter jeg meg av vindkraftproduksjonen i SE2	 og SE3	, som

19	 	
 
med gjennomsnittlig 	dags	produksjon i perioden på 	henholdsvis 	32	 340 	M	Wh 	og 22	 815 	M	Wh 	
er d	e område	ne	 med høyest produksjonsnivå	. Disse to områdene er i tillegg de som er mest 	
integrert med det norske markedet	 (Statnett, 2022)	. SE2 er tettest integrert med Nord	-Norge, 	
og SE3 med Sør	-Norge.	 	
I tillegg til svensk vindkraftproduksjon inkluderer datasettet også tall 	for	 	daglig 	
vindkraftproduksjon	 i Norge	, inndelt	 etter	 pris	område. Disse dataene er i likhet med 	
for	brukstallene aggregerte tall på dagsbasis hentet fra Elhub	 (Elhub, 2023b)	. I Norge er relativt 	
store deler av vindkraftproduksjonen lokalisert i nord	, med en gjennomsnittlig daglig 	
produksjon 	i perioden 	på 14	 827 	MWh	 for NO3 og 5	 914 	MWh	 for NO4. Til sammenlikning 	
ble det i	 gjennomsnitt	 produsert 10	 939 	MWh	 i NO2 og kun 1894 	MWh	 i NO1. En svakhet ved 	
statistikken er at den mangler tall 	for	 vindkraftpro	duksjon for NO5.	 	
Tilsig til vannmagasiner er hentet fra NVEs 	historikk over 	hydrologiske data	, som publiseres 	
hver uke til kraftsituasjonsrapporten	 (NVE, 2023b)	. Målingene gjøres hver søndag klokken 24	 	
(NVE, 2019)	. Ettersom tallene er på ukesbasis har 	jeg	 gjennomført en lineær	 int	erpoler	ing	 for 	
å skape en proxy	-variabel for daglig tilsig	, hvor søndag er det rapporterte tallet og tallene for 	
mandag til lørdag er 	interpolerte	 verdier	. Når tilsiget kommer	, er tilfeldig og uavhengig av 	
ukedag, så interpoleringen gir trolig 	et 	greit	, om	 enn	 noe 	upresist anslag	 på daglig tilsig	. 	
Den 	viktigste kontrollvariab	elen 	i analysen	 er temperatur. For å konstruere en representativ 	
temperaturvariabel har jeg tatt utgangspunkt i middeltemperaturen per døgn for de fem mest 
folkerike byene i hvert pri	sområde, hentet fra Norsk Klimaservicesenter	s offisielle værstatistikk	 	
(Norsk Klimaservicesenter, 2023)	. Te	mperaturvariabelen er gjennomsnittet av temperaturen i 	
disse fem byene for en gitt dag. Dette gjennomsnittet	 antas å	 korrelere med temperaturen i de 	
ulike delene av	 prisområdet	. Som vist i tabell 1 gjør vektingen at vi får lite ekstreme verdier	; 	
den laveste temperaturen i datasettet er på 	-12 grader, og den høyeste på 25.

20	 	
 	
Tabell 	1: Deskriptiv statistikk	 	 	
 	 	
 	 	 	
Variabel	 	Kategori	 	Gjennomsnitt	 	Std.	avvik	 	Min	 	Ma	ks 	Observasjoner	 	
 	 	
Pris (øre/	kWh	) 	Totalt	 	70,90 	94	,28 	0,58 	648	,13 	3 915	 	
 	Mellom omr.	 	 	38	,89 	24	,35 	103	,93 	5 	
 	Over tid	 	 	72	,19 	1,16 	413	,7 	783	 	
 	 	 	 	 	 	 	
Forbruk (	MWh	) 	Totalt	 	20 7	17 	14 054	 	4 797	 	83 878	 	3 915	 	
 	Mellom omr. 	 	 	12	 176	 	9 77	3 	40 	422	 	5 	
 	Over tid	 	 	7 428	 	9 911	 	40 395	 	783	 	
 	 	 	 	 	 	 	
Temperatur (	°C	) 	Totalt	 	7,41 	6,60 	-12	,10 	24	,93 	3 915	 	
 	Mellom omr.	 	 	1,49 	4,90 	8,78 	5 	
 	Over tid	 	 	6,21 	-7,87 	20,11 	783	 	
 	 	 	 	 	 	 	
Nederlandsk gasspris	 Totalt	 	60,53 	60,04 	3,38 	32	0,29 	783	 	
(øre/	kWh	) 	Mellom omr.	 	 	- 	- 	- 	- 	
 	Over tid	 	 	60,04 	3,38 	32	0,29 	783	 	
 	 	 	 	 	 	 	
Vindkraftproduksjon	 	Totalt	 	8 261	 	8 219	 	23 	41 200	 	3 132	 	
Norge (	MWh	) 	Mellom omr.	 	 	5 527	 	1 874	 	14 	464	 	4 	
 	Over tid	 	 	4 7	02 	360	 	23 365	 	783	 	
 	 	 	 	 	 	 	
Vindkraftproduksjon	 	Totalt	 	31 586	 	21 759	 	593	 	100	 270	 	783	 	
SE2	 (MWh	) 	Mellom omr.	 	 	- 	- 	- 	- 	
 	Over tid	 	 	21	 759	 	593	 	100	 270	 	783	 	
 	 	 	 	 	 	 	
Vindkraftproduksjon	 	Totalt	 	22 815	 	14 550	 	1 518	 	69 350	 	783	 	
SE3 (	MWh	) 	Mellom omr.	 	 	- 	- 	- 	- 	
 	Over tid	 	 	14 550	 	1 518	 	69 350	 	783	 	
 	 	 	 	 	 	 	
Tilsig (GWh/uke)	 	Totalt	 	527	,36 	535	,28 	0 	3458	 	3915*	 	
 	Mellom omr.	 	 	212	,62 	328	,81 	87	0,87 	5 	
 	Over tid	 	 	445	,10 	34	,60 	2 372	 	783*	 	
 	 	
*Antall interpolerte datapunkter

21	 	
 
5. Økonometrisk	 modell	 og metode	 	
Del 	5 av oppgaven 	er delt i 	to: 	del	 5.1 presentere	r modelle	n og hvordan hver enkelt variabel 	
inngår i den	. Del	 5.2 	spesifiserer metodene som bli	r brukt til å estimere 	parameterne i 	modellen. 	 	
 
5.1 	Teoretisk	 utgangspunkt	 og modell	 	
Modellen	, hvor 	i definerer område og 	t dag,	 er som følger:	 	
∆log	 (�ℎℎ	)�������	=	�1∆log	(�������������)+	�2∆��������+	 �3�������+	������������� 	
hvor	 	
�ℎℎ	=	���������	 �������	 ���	 ℎ��	ℎ����������	 	
������	=	����������	���	��������	 �ø����	 	
�	=	����������	 � ℃	 	
�	=	������������������	 ���	 ℎ��������	 	
������=	��������	 	
Samtlige av regresjonene baseres på førstedifferensierte serier	, hvor man for hver observasjon 	
trekker fra variabelens verdi fra foregående periode. Årsaken er at 	enkelte av 	nivåseriene viser 	
tegn til ikke	-stasjonæritet, 	mens 	de førstedif	ferensierte seriene 	tilsynelatende 	er stasjonære.	15 	
Ved en differensiering	 blir også 	seriene 	mer robuste for seriekorrelasjon, og risikoen for at 	
spuriøse sammenhenger påvirker resultatene reduseres	 (Stock 	og	 Watson, 2020, 	s. 588)	. 	
M	odellen bli	r både	 estimert for 	individuelle tidsserier	 og felles for områdene gjennom en 	
paneldataregresjon. 	Regresjonene med enkeltområder vil 	ikke ha noen variasjon i 	i. Jeg 	
konsentrerer meg om	 NO2 og NO4,	 henholdsvis S	ør-Norge og Nord	-Norge	, for å sammenlikne	 	
geografiske ytterpunkter. 	Hensikten med 	de indi	viduelle	 regresjonene er å identifisere 	
potensielle forskjeller 	mellom	 pris	områdene, so	m for eksempel kan komme av 	klimavariasjoner	 	
eller ulik fordeling av kontraktstyper. 	Jeg 	avgrenser altså analysen til å 	se på NO2 og NO4 	i 	
detalj, heller enn å dekke all	e prisområdene.	 	
 	15 Augmented Dickey	-Fuller	-tester avviser en nullhypotese om ikke	-stasjon	æritet 	for	 samtlige av de 	
differensierte seriene. 	Se appendiks 	5.1.	1.

22	 	
 
En 	paneldata	regresjon vil ha fordelen av å benytte 	data	 fra alle områdene	 til å estimere 	
koeffisientene i modellen	, noe som gir flere 	observasjoner	 og større 	sampel	variasjon	. 	
Estimatoren 	er en «Within»	-estimator, som 	bruker	 variasjonen inna	d i et område	 over tid	, og 	
ikke variasjonen mellom områdene	, for å beregne 	koeffisienten	e. Gitt at panelet er balansert vil 	
estimatene fra hvert prisområde vektes like mye. 	 	
Variablene i modellen er forbruk blant husholdninger, spotpris	, temperatur	 og 	en 	
dummyvariabel som indikerer hvorvidt dagen er en 	helligdag	. F	or f	orbruk og spotpris 	brukes	 	
den naturlige logaritmen	 i modellen, slik at 	det	 estimere	s en prosentvis endring i forbruket ved 	
en prosentvis endring i prisen. 	Det vil si at 	�1 tolkes som elas	tisiteten til forbruk 	på dagsbasis 	
med hensyn på spotprisen. 	 	
Det er lett å se hvorfor forbruket bør være på logaritmeform	. E	ttersom forbruket i stor grad 	
bestemmes av størrelsen på prisområdet og antall husholdninger bosatt de	r, vil det være mer 	
nyttig å 	se på prosentvis endring, 	fordi	 dette 	gjør at vi kan sammenlikne resultater med data fra 	
ulike geografiske områder. 	 	
At spotprisene bør være på logaritmeform er ikke like åpenbart	. D	et kan like gjerne tenkes at 	
forbruket responderer på en enhetsendring i p	risen 	som	 en prosentvis endring. 	For mine data 	
har en loglineær spesifisering høyere justert R	2 enn en log	log	 spesifisering	 i NO2	, noe som kan 	
tale for at 	denne spesifiseringen passer dataene bedre	.16 Forskjellene er imidlertid marginale, 	
og 	forholdet er motsatt	 for NO4. 	Residualene i loglog	 spesifiseringen viser heller ingen tegn til 	
systematikk, verken for NO2 eller NO4.	17 Det gjør de heller ikke for den loglineære 	
spesifiseringen. 	 	
Til tross for at e	n loglineær spesifisering muligens er like informativ som en log	log	 	
spesifisering	, velger jeg å benytte meg av logaritmen til spotprisen 	i analysen	. Hovedårsaken 	
til dette er at 	loglog	 spesifiseringen	, i tillegg til å gi	 en 	�1-koeffisient som 	direkte kan 	tolkes 	
som en elastisitet, 	er den 	spesifikasjonen som er brukt mest i tidligere 	forskning	 (Burke 	og	 	
Abayasekara, 2018, 	s. 128)	. En slik spesifikasjon gjør dermed at resultatene lettere kan 	
sammenliknes med tidligere 	studier	. 	
 	16 Basert på en standard 	OLS	-regresjon	 med differensierte se	rier	. Se appendiks 	5.1.2. 	17 I likhet med Burke og Abayasekara 	(2018) 	har jeg plottet predikerte verdier mot tilpassede verdiene fra 	
regresjoner 	med log	-log spesifikasjon, log	-lineær spesifikasjon og lineær	-lineær spesifikasjon. 	Se appendiks 	
5.1.3.

23	 	
 
Den tredje variabelen i analysen er temperatur. 	Ettersom over halvparten av strømforbruket i 	
Norge går til oppvarming	, vil temperaturendringer ha mye å s	i for forbruket. 	Temperatur kan 	
også 	korrelere	 med forhold som påvirker kraftproduksjonen, som for eksempel 	vindstyrke	 og 	
hydrologiske forhold. 	Temperatur er derfor en sentral	 kontrollvariabel	, hvor forholdet mellom 	
forbruk og temperatur antas å være logli	neært. 	Jeg tar ikke logaritmen av temperatur, ettersom 	
det er en variabel med verdier innenfor et relativt kort intervall, som også inkluderer negative 
tall	. 	
Til slutt inkludere	s en dummyvariabel for helligdager, ettersom 	helligdager kan gi 	endringer i 	
forbruk	 gjennom for eksempel endret reisemønster eller 	antall 	timer brukt i hjemmet. 	
Helligdager påvirker også	 spot	pris	en	 dersom kraftproduksjon	en	 endres	. Helligdagene utgjør 	
totalt 22 av 	de i	 alt 	783 dager	 som inngår i analysen	. 	
Det er spesiel	t to variabler som 	burde	 vært inkludert i analysen, men hvor det ikke er tilgjengelig 	
spesifikk	e nok data	 til å ha dem med	. Den første av disse er en kontrollvariabel for antall timer 	
dagslys. Dagslys vil både kunne påvirke strømforbruket som går til belys	ning, og spotprisen 	
gjennom for eksempel solkraftproduksjon. 	Flere tidligere studier har 	brukt dagslys som en 	
kontrollvariabel	, blant annet 	Jonassen 	og	 Øby 	(2021	) og	 Lijesen 	(2007	). 	
I tillegg til dagslys skulle analysen også ideelt sett inkludert en kontrollvariabel for antall 
innbyggere i hvert prisområde. 	Dette er fordi populasjonsstørrelse i stor grad påvirker 	
kraftforbruket. En slik variabel kunne derfor ha gitt større presisjon i	 analysen	 (Cinelli et al., 	
2020	, s. 6	). Det kan også være problematisk 	å utelate innbyggertallet 	de	rsom vi har	 systematisk 	
til	- eller fraflytting fra et 	pris	område til et annet. 	Innbyggertallet har for eksempel falt i de to 	
nordligste fylkene fra fjerde kvartal 2019 til fjerde kvartal 2022, mens det i samme periode har 
økt i de øvrige fylkene	 (Statistisk Sentralbyrå, 2023a)	. Ettersom statistikk på befolkningstall 	
kun finnes på kvartalsbasis og på fylkes	- eller kommunenivå, har en konstruert variabel for 	
innbyggertall for lav presisjon til	 å utgjøre en forskjell i 	denne 	analysen.	18 	
Hvorvidt det å utelate disse to variablene fra analysen utgjør et problem	, avhenger av hvor mye 	
de påvirker forbruket. 	Dalen 	og	 Larsen 	(2009)	 ansl	år at rundt 	5 prosent av forbruket i Norge 	i 	
2006 	gikk	 til belysning	. Fremveksten av elbiler og flere elektroniske apparater, gjør at denne 	
andelen trolig er enda lavere i perioden 2020	-2022	 Antall timer dagslys vil 	også	 til en viss 	grad 	
 	18 Se appendiks 	5.1.4	 for 	OLS	-regresjon utført med interpolert befolkningstall som kontrollvariabel. 	Ingen 	
relevante koeffisienter endrer seg.

24	 	
 
korrelere med temperatur	 (over året)	, og	 noe 	av forbruksvariasjonen vil sannsynligvis bli fanget 	
opp i denne variabelen. 	Det vil 	likevel	 være slik at estimatene i regresjoner som ikke tar høyde 	
for at vi utelater denne variabelen, i noen grad vil 	kunne	 fange opp effekten av timer med 	
dagslys på forbruket	. 	
For innbyggertall er økningen 	2,6 prosent 	for Vestfold, Agder og Rogaland, som i stor grad 	
overlapper med NO2, fra utgangen av fjerde kvartal 2019 til 2022	 (Statistisk Sentralbyrå, 	
2023a)	. For Nordland og Troms og Finnmark er nedgangen på 	0,2 prosent. 	Dette innebærer en 	
svært liten endring fra dag til dag. 	Endringen i innbyggertall har	 av den grunn	 ikke så	 stor effekt 	
på	 forb	ruksendringer 	på dagsbasis. 	En informativ befolkningsvariabel 	kunne	 likevel gi	tt mer 	
presisjon til analysen.	 	
 
5.2 	Estimerings	metode	 	
Utgangspunktet for 	estimeringene	 er en standard minstekvadraters regresjon (	«Ordinary Least 	
Squares	», OLS). Deretter vil 	analysen utvides ved en	 estimator som bruker	 instrumentelle 	
variabler (IV) for å 	korrigere for 	mulige 	skjevheter ved OLS	-estimatoren. 	 	
OLS	-estimatoren velger regresjonskoeffisienter slik at den estimerte regresjonslinjen passer de 	
observ	erte dataene så godt som mulig	 (Stock 	og	 Watson, 2020	, s. 148	-149	). Dette gjøres ved å 	
minimere den kvadraterte distansen mellom hver enkeltobservasjon og regresjonslinjen. For at 
koeffisientene skal gi et forventningsrett og konsistent estimat for elastisiteten	, må følgende 	
betingelser være oppfylt	 (Stock 	og	 Watson, 2020)	: 	
1) Det betingede gjennomsnittet til feilleddet er l	ik 	null.	 Denne betingelsen kalles gjerne 	
Conditional Mean Independence, eller CIA, og uttrykkes matematisk på følgende måte:	 	
�(������|������)=	0 	
2) At den avhengige variabelen og regressoren begge er uavhengig og identisk fordelt 
(i.i.d. 	– identically and 	independently distributed). 	 	
3) At 	ekstreme verdier	 er usannsynlig (både avhengig variabel og regressoren har 	
begrenset kurtose).

25	 	
 
Dette er de tre OLS	-antagelsene. 	Den førstedifferensierte	 av priser og forbruk 	er ikke 	
nødvendigvis i.i.d., til tross for at seri	ene 	ikke 	viser 	tegn til seriekorrelasjon	, og vi ikke 	
umiddelbart kan 	finne bevis på	 heteroskedastisitet	.19 På grunn av sesongvariasjone	r vil det 	
nødvendigvis være perioder hvor sannsynligheten for at endringen er negativ	, er større enn for 	
at endringen er 	positiv, og motsatt. 	Jeg vil derfor 	bruke standardfeil som er robuste for 	
heteroskedastisitet	 og 	seriekorrelasjon,	 for å unngå økt fare for type 1 feil	. Faren for 	ekstreme 	
verdier 	reduseres av å bruke logaritmer	 (Wooldridge, 2012	, s. 193	). Dette reduserer 	risikoen	 for 	
at b	etingelse 2 og 3 	utgjør store 	feilkilder	 for den interne validiteten i analysen.	 	
Den første 	OLS	-antagelsen er 	imidlertid den 	viktigste	, ettersom 	resultatene kan bli	 	
forventningsskjeve 	dersom den ikke er 	oppfylt	. Det er flere 	forhold som kan 	gi opphav til 	
problemer	 (Stock 	og	 Watson, 2020, s. 334	-344)	. 	
a) Skjevhet grunnet utelatte variabler (	«omitted variable bias	», OVB). Man får 	
forventnings	skjeve 	estimatorer	 dersom man ikke kontrollerer for en variabel som 	
påvirker regressoren og samtidig korrelerer med den avhengige variabelen.	 	
b) Feilspesifisering av funksjonell form. 	Estimatorene	 blir skjeve dersom man for 	
eksempel antar en lineær form i et tilfelle hvor forh	oldet egentlig er kvadratisk. 	 	
c) Målefeil i regressoren. Dette kan enten vri koeffisienten mot null (klassisk målefeil) 
eller gi et 	(i tallverdi) 	for høyt OLS	-estimat (målefeil korrelert med regressoren). 	 	
d) Manglende data. Dette gir skjeve resultater dersom h	vilke data som mangler	, bestemmes 	
av den avhengige variabelen	 (seleksjons	skjevhet	). 	
e) Simulta	nitetsskjevhet	. OLS fanger ikke opp effekten av regressoren på den avhengige 	
variabelen dersom den avhengige variabelen også påvirker regressoren. 	 	
Flere 	av antagelsene utgjør potensielle problemer	 og må korrigeres for i 	denne analysen	. OVB	 	
er 	delvis 	korrigert for ved å	 inkludere 	kontroll	variabler som både påvirker prisen og kan 	
korrelere med forbruket, slik som temperatur. 	Det at vi ser på prosentvis endring innad i et 	
område	 vil i tillegg korrigere for ikke	-observerbare forskjeller 	som er konstante over tid, men 	
forskj	ellig 	mellom områdene	. Dette kan for eksempel være 	antall byer 	i et prisområde, 	og 	
sammensetningen av	 ulike typer 	bebyggelse. 	Dersom forskjeller stammer fra variabler som 	
 	19 Se appendiks 	5.2.1	 for 	autokorrelasjonsfunksjon	er 	for 	NO2	 og NO4	.

26	 	
 
endrer seg over tid	, vil dette fortsatt kunne gi skjeve resultater i analysen.	 Som ne	vnt i forrige 	
del	, har 	jeg	 ikke nok data til å kontrollere for alle potensielle kilder til skjevhet	. Antall timer 	
dagslys vil kunne gi skjevheter dersom de påvirker spotprisen gjennom 	for eksempel 	produsert 	
solkraft. Innbyggertall vil kunne gi skjevheter d	ersom flyttemønstre korrelerer med spotprisen. 	
Dette kan 	blant annet	 være tilfellet om folk flytter dit de forventer lavere priser i fremtiden, 	
eller dersom flyttemønstrene henger sammen med bredere økonomiske faktorer som også 
påvirker 	spotprisen.	 	
Jeg diskuterte valget 	av 	funksjonsform, spesielt mellom loglineære og loglog spesifikasjoner, 	
ovenfor.	 Jeg gjennomfører 	i tillegg 	en 	Ramsey 	RESET	-test	20 for å sammenlikne	 den valgte 	
modell	en	 med modeller som inkluderer høyereordensledd	 av andre	 og tredje grad	. RESET	-	
testen	 indikerer at 	høyereordensledd ikke 	øker forklaringskraften til modellen.	21 	
Eventuelle målefeil i regressoren får 	jeg ikke	 tatt stilling til, men ettersom 	jeg	 har offentlig og 	
publisert statistikk er det ingen 	spesiell 	grunn t	il å 	mistenke feil i	 dataene	. Et unntak er nyttbart 	
tilsig, hvor tallene er 	estimater	 grunnet interpoleringen	. Disse dataene vil 	avvike noe fra	 det 	
reelle daglige tilsiget.	 I tillegg har jeg som nevnt ikke helgetall. 	Ellers 	mangler det 	ikke data	 for 	
de relevante variablene	.22 	
Den mest åpenbare kilden til skjevhet når man estimerer effekten av prisendringer på forbruk	, 	
er imidlertid simultan kausalitet, ettersom spotprisen fas	tsettes i et marked hvor husholdningene 	
utgjør en betydelig 	an	del av etterspørselssiden	.23 Forbruket kan derfor også påvirke prisen. 	Den 	
vanligste måten å korrigere for endogenitet i regressoren på	, 	er å bruke 	
instrumentvariab	elmetoder 	(IV).	 Instrumentelle	 variabler vil også kunne korrigere for OVB.	 	
Intuisjonen bak IV	-estimatoren 	er 	at 	instrumentet, som enten kan være en enkeltvariabel eller 	
en kombinasjon av flere instrumentelle variabler, 	fanger opp en del av prisvariasjonen som er 	
uavhengig av feilleddet	. Gitt at instrumentet er eksogent	, fanger det opp variasjon i prisen som 	
også er eksogen, og 	endrin	gene i forbruk 	estimeres så 	på bakgrunn av denne prisvariasjonen	 	
(Stock 	og	 Watson, 2020, s. 429)	. Koeffisienten 	�1 er i en 	IV	-regresjon 	definert	 av	 formelen	: 	
 	20 «Regression 	Equation Specification Error Test	» 	21 Test gjort for NO2 	får en p	-verdi på 	0,64, og 	avviser 	med det 	ikke en nullhypotese om at modelltilpasningen er 	
bedre i vår modell enn i modeller med høyere ordens	-ledd.	 	22 Et unntak her er vindkraftproduksjon i NO5. Det	te påvirker ikke OLS	-estimatoren.	 	23 Forbruk blant husholdningene utgjorde i	 gjennomsnitt	 28 prosent av totalt dagsforbruk for de ulike 	
prisområdene i perioden 	(Elhub, 2023a)	.

27	 	
 	
�1=	���	(����������	,�������	)−	���	(����������	,������) 	
���	(����������	,��������	)	 	
Likningen 	forteller oss	 at man må trekke fra kovariansen mellom instrumentet og feilleddet for 	
å få e	n konsistent 	estimat	or for	 �1 (Verbeek, 2004, s. 136)	. I praksis	 får vi ikke estimert 	
kovariansen mellom instrumentet og feilleddet	, som betyr at 	�1 kan få	 en skjevhet. 	For at 	IV	-	
estimatoren skal være 	konsistent	, stilles det	 derfor	 to krav	 til instrumentet	: 	
1) Relevans: Instrumentet må ha en reell effekt på prisen (fang	e opp nok av 	
prisvariasjonen). 	Kriteriet u	trykkes gjerne som 	���	(����������	,��������	)≠	0. 	
Styrken til instrumentet	 kan testes ved å se om det første steget	 i regresjonen	, som her 	
er instr	umentets effekt på spotprisen,	 har en F	-statistikk	 på over 10	 (Stock 	og	 Watson, 	
2020, s. 446)	. 	
2) Eksogenitet: Instrumentet	 kan ikke påvirke etterspørselen gjennom noen andre kanaler 	
enn gjennom prisen. Med andre ord skal ikke instrumentet korrelere med feilleddet, 
���	(����������	,������)=	0. 	
Dersom betingelsene holder	, blir 	�1 konsistent estimert ved:	24 	
�1̂	=	���	(����������	,�������	) 	
���	(����������	,��������	) 	
I denne oppgaven 	har 	jeg	 fire kandidater til instrumentelle variabler	: nederlandsk gasspris, 	
svensk vindkraft	 (i SE2 eller SE3)	, norsk vindkraft og tilsig til vannmagasiner	. Det	te er alle 	
variabler som påvirker spotprisen gjennom tilbudssiden. 	Det vil bli testet ulike lineære 	
kombinasjoner av d	e instrumentelle variablene	. Relevansen til 	et 	instrument	 kan	 testes i 	
følgende første steg:	 	
∆log	(�������������)=	�1∆log	(�������������)+	�2∆��������+	�3∆��������������	+	�4∆��	�������+	�5∆��������	+	��������������+	������������� 	
hvor	 	
�������	=	����������������	 ��������	 	
��	=	������	 �������������������	 � ��	2 �����	 ��	3 	
�������	=	����������	 ���������	 	
��	=	������	 ���	 �������������	 	
 	24 Se appendiks 	5.2.2.

28	 	
 
For individuelle prisområder har vi igjen ingen variasjon i 	i. For å teste et instrume	nt basert på 	
enkelte av de instrumentelle variablene	, fjerner man de øvrige instrumentelle variablene fra 	
regresjonslikningen	. Instrumentet er relevant dersom de instrumentelle variablene samlet sett 	
er signifikante.	 	
For at det skal være uproblematisk med 	en lineær kombinasjon av instrumenter	, er det en 	
forutsetning at 	kravet om delvis monotoni	sitet	 er oppfylt, altså at hver enkelt 	inst	rumentvariabel	 	
påvirker alle perioder i samme retning	 (Mogstad et al., 2021)	. Det vil s	i at økt 	
vindkraftproduksjon for eksempel aldri kan føre til høyere spotpris	, og at en økning i prisen på 	
nederlandsk gasspris aldri kan gi lavere spotpris. 	Dersom alle fire instrumentelle variabler er 	
eksogene, kan man argumentere for at det mest effekt	ive instrumentet er 	en tilpasset lineær 	
kombinasjonen av alle variablene	 (Verbeek, 2004, s. 144)	. Det er fordi 	et instrument med flere 	
variabler	 vil kunne fange opp mer av variasjonen i spotprisen. 	Det er 	imidlertid også argumenter 	
for å ikke ha med for mange instrumenter i analysen	. D	ersom 	en 	instrumentvariabel	 er svak, vil 	
den kunne redusere styrken til instrumentet	 samlet sett	. Flere instrumenter øker også faren for 	
at minst ett av dem ikke oppfyller	 kravet til eksogenitet. 	Det kan derfor være en bedre strategi 	
å 	evaluere instrumentene hver 	for 	seg, og deretter undersøke ulike kombinasjoner	 av 	
instrumentene	 (Verbeek, 2004, s. 148)	. I analysen vil jeg vurdere relevansen til flere 	
instrumentkombinasjoner. 	 	
En fordel med å estimere elastisitetene separat for hvert prisområde	, er at instrumentet da kan 	
variere 	mellom områder ut ifra hvor mye hver enkeltvariabel påvirker spotprisen.	 I tilfellet 	med 	
paneldata 	vil den lineære kombinasjonen av instrumentene bli den samme for de ulike 	
områdene, som vil si at vi ikke får tatt hensyn til 	at for eksempel	 vindkraft	produk	sjon i SE2	 har 	
en større påvirkning på prisene i Nord	-Norge enn i Sør	-Norge. Dette kan lede til mindre 	
presisjon i analysen	, men vil ikke gi 	nevneverdig	 skjevhet 	som følge av svake instrumenter 	
dersom F	-statistikken fortsatt er over 	terskelverdien på 	10.	25 	
Eksogenitetsbetingelsen er i motsetning til relevans ikke noe man kan teste empirisk	, men heller 	
noe som må evalueres for enkeltvariabler basert på økonomisk intuisjon. Et instrument er ikke 
eksogent dersom det 1) påvirker 	forbruksendringer direkte, eller 2) korrelerer med 	
forbruksendringer	 av 	andre 	grunner enn at det påvirker spotprisen	. For nederlandsk gasspris vil 	
for eksempel 	ikke eksogenitetsbetingelsen være oppfylt dersom en stor andel av 	
 	25 Ved en F	-statistikk på 10 har IV	-estimatoren en skjevhet på rundt 10% relativt til OLS	 (Stock 	og Watson, 	
2020	, s. 470	; Verbeek, 2004	 s. 148	).

29	 	
 
husholdningene bruker gass til	 oppvarming, 	fordi økt gasspris i et slikt tilfelle	 også øker prisen 	
på et substitutt	 til kraft	. Det kan også være tilfellet at nederlandsk gasspris påvirkes av 	
overordnede økonomiske faktorer som også påvirker kraftforbruket i Norge, som for eksempel 
seso	ng	baserte variasjoner	 eller 	internasjonale 	fraktkomplikasjoner. 	En annen måte gassprisen 	
kunne påvirket kraftforbruket på	, er dersom økningen i 	statlige 	norske gassinntekter fikk direkte 	
utslag i husholdningenes økonomi.	 	
Selv om naturgass brukes noe til o	ppvarming i industrien	, er det svært få husholdninger som 	
har dette som oppvarmingskilde	, noe som taler mot at norske husholdninger påvirkes direkte 	
av gassprisene i nevneverdig grad	.26 Utgiftene i statsbudsjettet har 	heller	 ikke økt i nærheten av 	
like my	e som inntektene fra gass, og d	et er lite troverdig at gassprisene skulle påvirket folks 	
økonomi fra dag til dag gjennom denne mekanismen. 	De	t eventuelle problemet	 med	 å bruke 	
nederlandsk gasspris som instrument for norske spotpriser	, blir dermed trolig at 	det er mange 	
variabler som påvirker gassprisen, og at det er vanskelig å utelukke at noen av dem også kan 
påvirke norske husholdningers kraftforbruk.	 Mye av prisendringene i gassprisene for perioden 	
har imidlertid blitt drevet av manglende tilbud av spesif	ikt gass i Europa og endrede 	
geopolitiske forhold. 	Den geopolitiske situasjonen påvirker trolig ikke 	kraft	forbruket 	blant 	
norske husholdninger 	i seg selv. 	 	
Tidligere analyser	, slik som Bye og Hansen	 (2008	) og Jonassen og Øby 	(2021	), har	 brukt 	
værfenomener som instrumente	lle variabler	. Slike variabler	 har fordelen av å være 	
sesongavhengige og 	i stor grad 	uavhengige av øvrige økonomiske faktorer	, i alle fall på 	
dagsbasis. 	Det er ikke åpenbart om værforholdene 	korrelerer med	 forbruket på noen anne	n måte 	
enn gjennom endringer i spotprisen	, i alle fall ikke når man kontrollerer for temperatur. 	I teorien 	
kan	 man tenke seg at vind og nedbør har mulighet til å påvirke husholdningenes 	
forbruksmønstre direkte, for eksempel dersom værforholdene gjør at man	 i større grad holder 	
seg hjemme. 	Vi kan 	ikke utelukke at 	en slik mekanisme	 eksisterer	. Det geografiske skillet vil 	
imidlertid 	gjøre	 at 	denne sammenhengen	 gjelder i mindre grad for vindkraftproduksjonen i SE2 	
og SE3 	enn for norske værvariabler.	 	
Det kan og	så tenkes at vindkraftprodusenter planlegger for eksempel vedlikehold til perioder 	
de forventer lavere priser, noe som 	vil gi en positiv sammenheng mellom forbruk og 	
 	26 I 2018 ble 80 prosent av oppvarmingsbehove	t blant husholdninger	 dekket av elektrisitet, 15 prosent av 	
biobrensler, rundt 3 prosent av fjernvarme og noe av olje og oljeprodukter. Naturgass utgjorde en ubetydelig 
andel 	(NVE, 2023c)	.

30	 	
 
vindkraftproduksjon	. 	Dette vil kunne gjelde både vindkraftproduksjon i Sverige og 	
vindkraf	tproduksjon i Norge.	 I så fall vil 	�1-koeffisienten trekkes i negativ retning, ettersom 	
produksjonen reduseres samtidig som prisen	e er lave. 	I regresjonen vil denne «ekstra» 	
korrelasjonen tolkes som 	en 	effekt av høyere priser. 	Det samme gjelder dersom folk holder seg 	
hjemme grunnet været, ettersom økt vindkraftproduksjon og lavere priser da vil 	korrelere	 med 	
høyere forbruk. 	Matematisk uttrykt f	år vi ikke trukket fra den positive kovariansen mellom 	
instrumentet og feilleddet fra den positive kovariansen mellom instrumentet og forbruket, noe 
som gjør at telleren	, og dermed også elastisiteten,	 overestimeres.	27 	
Den samme intuisjonen som for vindkraf	t vil	 også gjelde for tilsig	 dersom 	medlemmer av 	
husholdningene 	holder seg hjemme ved 	mye 	regn	. Koeffisienten her vil i så fall også dras i 	
negativ retning	 og antyde et mer elastisk forbruk	. Det er 	imidlertid 	et visst geografisk skille 	
mellom områdene med 	vannmagasiner og områdene det bor flest mennesker. 	Tilsig bestemmes 	
dessuten ikke kun av regn, men også av smeltetidspunkt og distanse mellom nedbør og 
vannmagasin	, og disse variablene 	er potensielt	 mindre korrelert med forbruket fra dag til dag.	 	
Flere 	nor	ske	 studier har brukt 	både 	fyllingsgrad 	og tilsig 	som instrument	er.28 Tilsig er trolig 	
mer eksogent enn 	fyllingsgrad	, ettersom tilsig er naturbestemt	, mens fyllingsgrad	en	 kan 	
reguleres	 og dermed påvirkes av prisen	. 	
Ettersom det er flere 	kandidater til instrumenter	, gjennomfør	er jeg	 en Sargan	-test 	for 	
overidentifiserende restriksjoner. 	Intuisjonen er at de 	tilpassede verdiene fra instrumentet skal 	
være uavhengige av feilleddet i den fullstendige regresjonen	 (Verbeek, 2004, s. 147)	. Gjennom	 	
å anta at ett av instrumentene er eksogent, kan man teste hvorvidt de andre også er det ved å se 
om instrumentene har noen prediksjonskraft for 	feilleddet i den andre regresjonen. 	Det er viktig 	
å merke 	seg at testen aldri får bekreftet hvorvidt et instrument er eksogent, ettersom man 	
implisitt antar at minst én av variablene er eksogene. 	Testen kan også gi et positivt utfall i en 	
situasjon med to endogene instrumenter	, og 	den 	skal derfor ikke brukes ukri	tisk.	 Hensikten med 	
testen er heller å luke ut de instrumentene som testen 	gir sterke indikasjoner på	 at er endogene. 	 	
For de fire instrumentelle variablene 	ser det ut til å være et problem med minst 	én av variablene	: 	
Sargan	-testen	 for regresjonen 	med	 alle 	fire	 instrumentelle variable	r indikerer at man bør 	
forkaste en nullhypotese om at instrumente	t ikke er korrelert med feilleddet	.29 Samme test 	
 	27 Kovariansen mellom vindkraft o	g feilleddet er positiv, og skulle vært trukket fra 	�1-koeffisienten. I stedet 	
inngår den i estimatet.	 	28 Se for eksempel oppsummerende t	abell i 	Jonassen 	og Øby 	(2021	). 	29 Se appendiks 	5.2.4 for oversikt over re	sultatene fra Sargan	-teste	r.

31	 	
 
gjennomført med diverse utvalg av variablene	, viser at å inkludere norsk vindkraftproduk	sjon 	
som instrument gjennomgående leder til forkasting av nullhypotesen om eksogenitet. Dette kan 
være et signal om at norsk vindkraftproduksjon ikke er en eksogen 	instrumentvariabel	, og at å 	
inkludere denne variabelen i analysen vil kunne gi et skjevt	 estimat på priselastisiteten. 	 	
Instrumentet med nederlandsk gasspris, vindkraftproduksjon i SE2 og tilsig blir fortsatt 
forkastet på 5 prosent signifikansnivå som et eksogent instrument for prisene i NO4. 	Med 	
vindkraftproduksjon i SE3, nederlandsk gasspri	s og tilsig forkaster vi nullhypotesen på 10	 	
prosent	 nivå for både NO2 og NO4. 	 	
To av de instrumentelle variablene består samlet Sargan	-testen i både NO2 og NO4	; svensk 	
vindkraftproduksjon og nederlandsk gasspris. Det betyr ikke umiddelbart at disse to 
ins	trumentene er eksogene, men testen får heller ikke avkreftet at de er det.	 Det at disse to 	
variablene i stor grad avhenger av forhold utenfor Norge	, styrker imidlertid antagelsen om at 	
de er	 eksogene	. Instrumentene vil med all sannsynlighet gi 	resultater s	om er 	mindre skjeve	 enn 	
instrumentene	 med vindkraft og tilsig, ettersom 	de to sistnevnte variablene	 potensielt	 korrelerer 	
med 	værvariabler som også påvirker forbruket.

32	 	
 
6. Resultater	 	
I d	enne 	del	en vil 	jeg 	først 	presentere 	regresjonsresultatene	 fra NO2 og NO4	. Deretter vil 	
resultatene fra paneldataregresjonen presenteres. 	Ettersom fire instrumentelle variabler gir opp 	
til 15 kombinasjoner av instrumenter for hvert prisområde, presenterer jeg 	i hver 	del	 	
regresjonene basert på	 de instrumentene 	jeg har	 mest tillit til	. Hvor godt et instrument er	, 	
evalueres ut ifra hvor godt instrumente	t oppfyller kravene til relevans og eksogenitet.	 	
Regresjonst	abelle	ne	 rapporterer 	for NO2 og NO4 	standardfeil som er robuste for 	
seriekorrelasjon 	og heteroskedastisitet (HAC	-standardfeil). Standardfeilene 	brukt i	 	
paneldataregresjonene er robuste for klynger. 	 	
I analysen betegnes en økt forbruksrespons som et 	mer elastisk	 kraftforbruk. En mer negativ 	
�1̂	-koeffisient tilsvarer altså en høyere 	elastisitet, ettersom elastisiteten måler graden av 	
pristilpasning	. D	et er absoluttverdien som måler størrelsen på responsen. 	Lavere koeffisienter 	
indikerer derfor høyere elastisitet. 	 	
 
6.1 	Sør	-Norge	 (NO2)	 	
Regresjon	ene i tabell	 2 er som følger:	 Regresjon	 1 er OLS. Regresjon 2 er 	en IV	-regresjon 	med 	
alle fire instrument	elle variabler	. Regresjon 3 	og 4 er med nederlandsk gasspris og svensk 	
vindkraft i SE3 (3) og SE2 (4) som instrumentelle variabler. 	 I r	egresjon 5 og 6 er kun svensk	 	
vindkraft 	inkludert 	som instrument, 	i 5 produksjonen i SE3 og 	i 6 produksjonen i SE2.	30 	
 	
 	30 For fullstendig F	-statistikk for NO2 og NO4, se appendiks 6.1.1. For resultater fra første steget i IV regresjon 	
med alle fire instrumenter, se appendiks 6.1.2.

33	 	
 	
Tabell 	2: Regresjon NO2	 	
 	Avhengig	 variabe	l 	
 	log(Forbruk)	 	
 	OLS	 	IV	 	
 	 	Alle (Sv3)	 	Ng, Sv3	 	Ng, Sv2	 	Sv3	 	Sv2	 	
 	(1)	 	(2)	 	(3)	 	(4)	 	(5)	 	(6)	 	
log(Pris)	 	-0,017	***	 	-0,075	***	 	-0,064	***	 	-0,044	** 	-0,070	***	 	-0,047	** 	
 	(0,005)	 	(0,020)	 	(0,018)	 	(0,018)	 	(0,019)	 	(0,022)	 	
Temperatur	 	-0,021	***	 	-0,023	***	 	-0,023	***	 	-0,022	***	 	-0,023	***	 	-0,022	***	 	
 	(0,001)	 	(0,001)	 	(0,001)	 	(0,001)	 	(0,001)	 	(0,001)	 	
Helligdag	 	0,004	 	-0,007	 	-0,005	 	-0,001	 	-0,006	 	-0,002	 	
 	(0,009)	 	(0,009)	 	(0,009)	 	(0,009)	 	(0,009)	 	(0,009)	 	
Konstant	 	-0,0002	 	0,0002	 	0,0001	 	0,00001	 	0,0002	 	0,00003	 	
 	(0,001)	 	(0,001)	 	(0,001)	 	(0,001)	 	(0,001)	 	(0,001)	 	
Resultat 	Sargan	-	
test	 (p-verdi)	 	 	3.33e	-11***	 	0,83	 	0,29	 	NA	 	NA	 	
F-statistikk	 	 	12	,40	 	12	,96	 	6,09	 	16	,91	 	7,89	 	
Merk	: 	*p<	0,1; **p<	0,05;	 ***	p<	0,01	 	
Koeffisienten	e for	 log(Pris) tolkes som 	spot	priselastisiteten 	fra dag til dag 	blant husholdninger. 	
Dette er 	�1-estimatene. 	Med utgangspunkt i OLS	-estimatet ville en prisøkning på ett prosent 	
fra en dag til den neste indikert en forbruksreduksjon på 	0,017	 prosent 	i NO2	. Vi ser også at 	
temperatur har en jevn og 	plausibel	 effekt på forbruket	 for samtlige regresjoner	. Koeffisientene 	
her antyder at en temperaturøkning på én grad reduserer forbruket med 	0,02 prosent. 	Ingen av 	
regresjonene får signifikante koeffisienter på helligdagsdumm	yen, som kan bety at forbruket 	
på helligdagene ikke skiller seg nevneverdig fra forbru	ket de øvrige dagene.	 	
Estimatene 	for	 priselastisiteten 	er høyere i absoluttverdi for regresjonene 	med	 instrumentelle 	
variabler	: mellom 	-0,44 og 	-0,075.	 Disse estimatene har også større standardfeil, noe som er 	
vanlig i IV	-regresjoner ettersom man har usikkerhet både 	om	 hvordan instrumentet påvirker 	
regressoren, og 	om	 hvordan regressoren påvirker den avhengige variabelen. 	Intuitivt kan det gi 	
mening	 med et	 høyere estimat 	for	 elastisiteten	 ved en IV	-regresjon enn ved OLS	, ettersom 	
formålet med å bruke instrument	er er å 	isolere vekk effekten av forbruket på prisen. 	 	
Regresjon 2, hvor instrumentet er en kombinasjon av alle fire variabler, består ikke Sargan	-	
testen ettersom vi kan forkaste en nullhypotese om at ingen av variablene er endogene med 
svært høy sikkerhet. 	Dette betyr at vi trolig har en skjevhet i resultatene for denne regresjonen	,

34	 	
 
og 	regresjonen 	er inkludert	 for 	sammenligning med	 de øvrige regresjon	ene.	 Som nevnt i del 	5, 	
avviser Sargan	-testen eksogeniteten til alle instrumenter hvor norsk vindkraft er 	inkludert	. 	
Regresjonene 	med	 norsk vindkraft 	som	 instrumentvariabel	 viser også systematisk 	høyere 	
elastisitet 	enn andre 	regresjoner	: -0,075 i regresjon 2 med alle variablene, og 	opp 	til 	-0,238 når 	
vindkraft brukes som instrument alene	.31 De 	høye 	estimatene	 kan skyldes at instrumentet er 	
endogent	, og at 	norsk vindkraftproduksjon	 korrelerer positivt med forbruket på andre måter enn 	
gjennom s	potprisen	. En positiv korrelasjon mellom vindkraftproduksjon og feilleddet som 	det 	
ikke korrigeres for	, vil i dette tilfellet trekket estimatet i negativ retning.	32 Et overe	stimat 	for	 	
elastisiteten er	 i tråd med 	de påpekte 	mekanismene 	for	 hvorfor vindkraft	 ikke 	nødvendigvis 	er 	
et eksogent instrument. 	 	
Regresjonene som 	har	 nederlandsk gasspris og svensk vindkraft som instrumentelle variabler 	
(3 og 4)	, har begge en høy nok p	-verdi til å bestå Sargan	-testen. 	Dette betyr	 som nevnt	 ikke at 	
vi ukritisk kan anta at de er eksogene, men det øker troverdigheten til resultatene. 	Jeg har også 	
inkludert to regresjoner som kun 	har	 svensk vindkraftproduksjon som ins	trument, ettersom 	
dette tilsynelatende er det sterkeste instrumentet.	33 Det er verdt å merke seg at estimatene basert 	
på SE2 er lavere enn de basert på SE3. De har også en F	-statistikk under 10, som betyr at de er 	
svake instrumenter. 	Det gir mening 	at vind	kraftp	roduksjonen i SE2 har en lavere påvirkning på 	
prisen i NO2	 enn produksjonen i SE3	, ettersom SE2 geografisk sett er lengre unna	. Samtidig 	
betyr den lave F	-statistikken 	at vi 	kan	 ha mindre tillit til 	disse 	resultatene. De mest troverdige 	
resultatene	 i utvalget	 er 	de fra 	regresjon 3 og 5, ettersom disse 	er med	 de 	instrumente	ne	 som 	i 	
størst grad oppfylle	r kravene til	 eksogenitet og relevans. 	Priselastisiteten i Sør	-Norge er derfor 	
estimert til	 rundt 	-0,065 	for	 perioden	 i denne analysen	. 	
Et argument 	mot	 at svensk vindkraftproduksjon er et eksogent instrument	, kan være at	 svensk 	
og norsk vindkraft trolig er påvirket av mange av de samme faktorene	. Dersom norsk vindkraft 	
er endogent, burde man av den grunn 	også 	være kritisk til eksogeniteten	 til svensk 	
vindkraftproduksjon. 	Man kunne tenkt seg at svensk vindkraft er et mindre ‘presist’ estimat på 	
norsk vindkraft, fordi 	vindforholdene i	 Sverige og Norge 	trolig korrelerer	. På den andre siden 	
er 	det	 fortsatt 	en betraktelig geografisk forskjell me	llom områdene. Vi kan ikke utelukke at det 	
er elementer ved vindkraftproduksjonen i Sverige som korrelerer med norsk forbruk, men det 	
 	31 Se appendiks	 6.1.3	 for regresjoner med norsk vindkraft som 	instrumentvariabel	. 	32 Kovariansen mellom instrumentet og feilleddet er negativt, og burde vært trukket fra.	 �1̂ blir større i 	
absoluttverdi enn 	�1. 	33 Se appendiks 6.1.1	 og 6.1.2.

35	 	
 
er heller	 ikke åpenbart at sammenhengen er sterk fra dag til dag	. Korrelasjonen mellom svensk 	
og norsk vindkraftproduksjon	 reduseres	 også	 av å ta differansen av variablene.	34 	
Til slutt bør det bemerkes 	at nederlandsk gasspris tilsynelatende ikke har en betydningsfull 	
effekt på spotprisen.	35 Dette er noe overraskende. 	Ettersom gassprisen 	antas å være 	en 	sterk 	
driver 	for	 spotprisene i de sørlige prisområdene for perioden	, kunne man forventet en 	mer 	
tydelig	 positiv sammenheng	. Årsaken til at gassprisen tilsynelatende ikke 	påvirker	 prisen	, kan 	
være at gassprisene i realiteten påvirker spotprisene med en forsinkelse, for ekse	mpel dersom 	
kraftprodusentene som bruker gass som innsatsfaktor	, baserer tilbudene si	ne i engrosmarkedet	 	
på gårsdagens gasspriser. Dette kunne 	blitt	 utforsket ved	 å inkludere lagge	de	 variab	ler	 for 	
gassprisen	, noe jeg ikke har forsøkt	 i denne analysen. 	 	
 
6.	2 	Nord	-Norge (NO4)	 	
Det 	er interessant å sammenlikne resultatene fra 	NO2	 med de fra det nordligste prisområdet i 	
Norge	, NO4	. Spotprisen i 	NO4 påvirkes 	av mange av de samme	 instrumentelle variablene 	som	 	
NO2	, selv om størrelsesordenen varierer. Som for NO2 inkluderer jeg de mest 	rimelige	 	
regresjonene, i tillegg til en samlet regresjon for alle instrumentene (regresjon 2). 	Regresjonen 	
med alle instrumente	lle variabler	 er her med vindkraftproduksjon i SE2, ikke	 SE3. 	 	
Regresjon 1 	er 	OLS	. Regresjon 2 	en IV	-regresjon med 	nederlandsk gasspris, svensk 	
vindkraftproduksjon i SE2, norsk vindkraftproduksjon og tilsig som instrument	er. Regresjon 3 	
og 4 	er 	IV	-regresjoner med nederlandsk gasspris og 	svensk 	vindkraftproduksj	on 	(hhv. SE3 og 	
SE2), 	som instrument	er 	og	 	regresjon 5 	og 6 IV	-regresjoner med 	kun 	svensk 	
vindkraftproduksjon	 (hhv. 	SE3 og SE2)	 som instrument	. 	
 	34 Se appendiks 6.1.4 for korrelasjon	stabell	. 	35 Nederlandsk gasspris i seg selv har en F	-statistikk på 2.53 for NO2.

36	 	
 
 	
Tabell 	3: Regresjon NO4	 	
 	Avhengig	 variabe	l 	
 	log(	Forbruk	) 	
 	OLS	 	IV	 	
 	 	Alle 	(Sv	2) 	Ng, Sv3	 	Ng, Sv2	 	Sv3	 	Sv2	 	
 	(1)	 	(2)	 	(3)	 	(4)	 	(5)	 	(6)	 	
log(	Pris	) 	-0,009	** 	-0,057	***	 	-0,006	 	-0,028	***	 	-0,006	 	-0,030	***	 	
 	(0,004)	 	(0,011)	 	(0,011)	 	(0,011)	 	(0,012)	 	(0,011)	 	
Temperatur	 	-0,019	***	 	-0,020	***	 	-0,019	***	 	-0,020	***	 	-0,019	***	 	-0,020	***	 	
 	(0,001)	 	(0,001)	 	(0,001)	 	(0,001)	 	(0,001)	 	(0,001)	 	
Helligdag	 	0,004	 	-0,002	 	0,005	 	0,002	 	0,005	 	0,001	 	
 	(0,014)	 	(0,014)	 	(0,014)	 	(0,014)	 	(0,014)	 	(0,014)	 	
Konstant	 	0,00001	 	0,0002	 	-0,00001	 	0,0001	 	-0,00001	 	0,0001	 	
 	(0,001)	 	(0,001)	 	(0,001)	 	(0,001)	 	(0,001)	 	(0,001)	 	
Resultat Sargan	-	
test (p	-verdi)	 	 	1.09e	-06	 	0,962	 	0,579	 	NA	 	NA	 	
F-statistikk	 	 	24	,89	 	28	,00	 	34	,46	 	41	,06	 	49	,90	 	
Merk	: 	*p<	0,1; **p<	0,05;	 ***	p<	0,01	 	
Estimatet for priselastisiteten har omtrent halve størrelsen 	i OLS	-regresjonen	 som i	 den 	
tilsvarende regresjonen for NO2	. Vi ser 	også	 at koeffisienten 	nå kun er signifikant på 5 prosent 	
nivå. 	En årsak til at OLS	-estimatet er lavere for NO4	, kan være at 	simultan kausalitet leder til 	
en større skjevhet her enn 	for	 NO2. Dette kan for eksempel være fordi prisene i NO	4 i mindre	 	
grad er blitt påvirket av eksterne faktorer i løpet av perioden, og dermed påvirkes relativt 	mer	 	
av interne etterspørsel	sforhold. 	Dersom dette er tilfellet	, vil	 en 	konsistent	 IV	-regresjon	 kunne	 	
gi koeffisienter som i større grad likner de i NO2. 	 	
For den første IV	-regresjonen, r	egresjon 2, 	blir koeffisienten betydelig større i tallverdi enn i 	
de øvrige regresjonene. 	Dette 	skyldes 	også her 	at norsk vindkraftproduksjon	, som er inkludert 	
som 	instrumentvariabel	, trolig 	korrelerer positivt med forbruket	. 	
For	 regresjon 3 og 5, hvor vindkraftproduksjon i SE3 inngår i instrumentet	, er det første man 	
kan merke seg at 	koeffisient	ene ikke blir signifikant forskjellige fra null. Dette er	 til tross for 	
en tilstrekkelig høy F	-statistikk. 	Koeffisientene er også lavere i tallverdi enn de fra OLS	-	
regresjonen.	 Dette kan bety at husholdningene i Nord	-Norge har et svært uelastisk forbruk.	 	
Samtidig er e	stimatene	 for	 priselastisiteten 	fra 	regresjon 4 og 6, hvor vindkraftproduksjonen i

37	 	
 
SE2 inngår i instrumentet	, både signifikante	, og betraktelig 	høyere	 enn 	de	 fra OLS	-regresjonen	. 	
Koeffisientene 	i disse regresjonene 	er 	omtrent tre ganger så 	store som i OLS	-regresjonen	, noe 	
som kan vitne om en sterk	 endogeniteten i prisvariabelen. 	 	
Det er ikke innlysende hvordan forskjellen mellom regresjon 3 og 5 på en side, og regresjon 4 
og 6 på den andre siden, burde tolkes, spesielt ettersom vindkraftprod	uksjonen i SE3 og SE2 i 	
stor grad påvirkes av de samme faktorene. En mulig tolkning kan være at 
vindkraftproduksjonen i SE2	, på grunn av sin geografiske nærhet,	 ikke er et eksogent 	
instrument for spotprisen i NO4	. Den høye 	koeffisienten fanger 	i så fall 	op	p en positiv 	
korrelasjon mellom forbruket og vindkraftproduksjon som ikke skyldes endringer i spotprisen.	 	
En slik tolkning stemmer også overens med resultatene fra Sargan	-testen, hvor vi er nærmere å 	
forkaste nullhypotesen om eksogenitet for regresjonene m	ed vindkraftproduksjon i SE2 enn 	
med SE3. 	Samtidig gjør også den geografiske nærheten, og overføringskapasiteten som følger, 	
at produksjonen i SE2 har en større direkte effekt på prisene. 	Det er derfor vanskelig å gi et 	
estimat på priselastisiteten i NO4. 	Analysen indikerer likevel at 	elastisiteten	 trolig er lavere	 for 	
NO4	 enn for NO2.	 	
Det kan være flere grunner til 	en lavere priselastisitet i Nord	-Norge	 enn i Sør	-Norge	, og 	
forskjellen 	behøver	 ikke reflektere en metodisk feil.	 Elastisiteten	 er ikke nødvendi	gvis den 	
samme 	på tvers av områder, ettersom prisområdene skiller seg i form av blant annet geografi, 	
klima, bosetning	, og bebyggelse	. I tillegg har prisnivået og prisvariasjonen vært svært ulik i 	
NO2 og NO4 i perioden. Som illustrert i del 2	, vil gjennomslaget av spotprisen til 	
sluttbrukerprisen øke med prisnivået, noe som bety	r at husholdninger i Sør	-Norge har blitt mer 	
eksponert for spotprisen. 	Samtidig er også deler av Troms og Finnmark unntatt både elavgift 	
og merverdiavgift på elektrisite	t, noe som isolert sett taler for at gjennomslaget burde være 	
høyere her. 	En samlet OLS	-regresjon 	viser	 at koeffisientene for de ulike områdene er signifikant 	
forskjellige på 10 prosent nivå	, noe som antyder at elastisiteten i realiteten ikke er den samme 	
i de ulike prisområdene i perioden	.36 	
6.3 	Alle prisområder	 	
I d	enne 	del	en se	r jeg	 på 	alle 	de norske 	prisområdene	 under ett 	gjennom	 en paneldataregresjon. 	
Det antas dermed implisitt at elastisiteten er den samme i ulike områder. 	I paneldataregresjonen 	
 	36 Se appendiks	 6.2.1	.

38	 	
 
anta	r 	man også	 at instrumentet 	i en spesifikk regresjon 	har den samme påvirkningen 	i 	
forskjellige områder	. 	
I r	egresjonene under 	inngår 	kun 	kombinasjoner av 	nederlands	k gasspris og svensk 	
vindkraftproduksjon som instrumenter. 	Regresjon 1 er som før OLS, mens de øvrige er IV	-	
regresjoner. Instrumentene er som følger: 	I r	egresjon	ene	 2, 4 og 6	 både 	nederlandsk gasspris og 	
svensk vindkraftproduksjon	, og i 	regresjon	ene	 3, 5 og	 7 	kun 	svensk vindkraftproduksjon. 	I 	
regresjon	ene	 2 og 3 	inngår	 produksjon i SE3, 	i regresjon	ene	 4 og 5 produksjonen i SE2, og 	i 	
regresjon	ene	 6 og 7 produksjonen 	i begge områder	. 	
 	
Tabell 	4: Regresjon 	Norge	 	
 	Avhengig	 variabe	l 	
 	log(Forbruk)	 	
 	OLS	 	Ng	, Sv3	 	Sv3	 	Ng	, Sv2	 	Sv2	 	Ng	, Sv3	, 	
Sv2	 	Sv3	, Sv2	 	
 	(1)	 	(2)	 	(3)	 	(4)	 	(5)	 	(6)	 	(7)	 	
log(Pris)	 	-0,010	***	 -0,027	***	 -0,028	***	 -0,030	***	 -0,032	***	 -0,028	***	 	-0,029	***	 	
 	(0,002)	 	(0,005)	 	(0,005)	 	(0,006)	 	(0,006)	 	(0,005)	 	(0,005)	 	
Temperatur	 	-0,019	***	 -0,020	***	 -0,020	***	 -0,020	***	 -0,020	***	 -0,020	***	 	-0,020	***	 	
 	(0,0003)	 (0,0003)	 (0,0003)	 (0,0003)	 (0,0003)	 (0,0003)	 	(0,0003)	 	
Helligdag	 	-0,002	** 	-0,002	** 	-0,002	** 	-0,002	** 	-0,002	** 	-0,002	** 	-0,002	** 	
 	(0,001)	 	(0,001)	 	(0,001)	 	(0,001)	 	(0,001)	 	(0,001)	 	(0,001)	 	
Constant	 	0,0002	 	0,0002	 	0,0002	 	0,0002	 	0,0002	 	0,0002	 	0,0002	 	
 	(0,001)	 	(0,001)	 	(0,001)	 	(0,001)	 	(0,001)	 	(0,001)	 	(0,001)	 	
 	 	 	 	 	 	 	 	
F-statistikk	 	 	228	,15	 	302	,04	 	167	,48	 	205	,15	 	202	,07	 	24	0,65	 	
Merk	: 	*p<	0,1; **p<	0,05;	 ***	p<	0,01	 	
 
OLS	-estimatet 	for	 priselastisiteten 	ligger	 her 	mellom OLS	-estimatet fra NO2 på 	-0,017 og NO4 	
på 	-0,009	, noe som gir mening med tanke på at 	paneldataregresjonen	 estimerer et	 vektet 	
gjennom	snitt av 	koeffisientene fra 	de nordlige og sørlige områdene.	 Også her 	gir	 IV	-	
regresjonen	e et 	høyere	 estimat 	for 	elastisiteten enn 	OLS	-regresjone	n. Estimatene 	for	 	
priselastisiteten 	i regresjon	ene	 2 til 	7 ligger 	ganske jevn	t, mellom 	-0,027 og 	-0,03	2.

39	 	
 
Koeffisientene ligger nærmere de	 fra NO4 enn NO2, noe som kan komme av at elastisitetene 	
fra NO1 og NO3	 også er lavere enn i NO2	. 	
Vi ser også at regresjonene 	der vindkraftproduksjon i SE2 	inngår i	 instrument	et, til forskjell fra 	
SE3, 	gir	 noe 	høyere estim	ater på elastisiteten.	 En mulig forklaring på dette 	kan være at	 SE2 i	 	
gjennomsnitt	 er et sterkere instrument for norske spotpriser, noe som 	kan være tilfelle som følge 	
av at	 produksjonen her er høyere enn i SE3	, og 	at 	denne produksjonen	 derfor 	utgjør en st	ørre 	
andel av tilbudssiden	. Samtidig har SE3 	noe 	større overføringskapasitet til Norge. 	 	
En annen 	forklaring	 kan være at de svenske produksjonsområdene påvirker 	prisområdene i	 	
Norge i ulik grad, og at 	SE2 i større grad for eksempel fanger opp prisvariasjon	en i de nordligste 	
områdene. Dersom SE2 ikke klarer presist 	å 	estimere prisene i Sør	-Norge, vil det være 	
usikkerhet rundt koeffisientene her. 	Samtidig 	viser	 F-statistikken 	at samtlige instrumenter	 er 	
sterke nok til å oppfylle kravet til relevans	, og	 F-statistikken er	 høyere 	i paneldataregresjonen 	
enn de var for enkeltseriene.	 	
Ettersom SE2 og SE3 fanger opp prisvariasjonen i delvis ulike områder	, kan det mest presise	 	
og 	effektive 	instrumentet	 være 	det	 hvor 	begge variablene	 benyttes	, slik som i regresjon	ene	 6 og 	
7. 	Det er likevel marginale 	størrelses	forskjeller mellom koeffisientene	 fra regresjon	ene	 2 og 	7. 	
Instrumentene 	er også de som i størst grad oppfyller kravene til eksogenitet	 av de variablene vi 	
har tilgjengelig, ettersom nederlandsk gasspris og svensk vindkraftproduksjon både 	består 	
Sargans	-testen	, og 	avhenger av forhold utenfor Norge. 	Dette	 bidrar til å redusere risikoen for 	
en eventuell sammenheng mellom instrumentene og no	rske husholdningers kraftforbruk. 	Det 	
mest 	rimelige	 estimatet fra denne analysen er derfor at norske husholdningers priselastisitet 	
med hensyn 	til	 spotprisen på dagsbasis er på rundt 	-0,03	. Det bør likevel bemerkes at dersom 	
svensk 	vindkraftproduksjon	 ikke er et eksogent instrument, som er en mulig implikasjon av 	
analysen 	i del 6.2	, vil 	elastisiteten 	potensielt	 være	 overestimert. 	 	
Det bør 	også 	bemerkes at	 de fem prisområdene 	har samme vekt i	 paneldataregresjonen	, og 	
husholdninger i nord blir 	derfor	 vektet for høyt relativt til innbyggertall.	 Dersom elastisiteten 	i 	
realiteten 	er 	høyere	 i de sørlige områdene	, hvor vektingen er for lav relativt til innbyggertall	, 	
kan dette gi en negativ skjevhet	 i estimatene	. Dette 	vil 	bety at estimatet ikke nødvendigvis 	
reflekterer	 en gjennomsnittlig	 norsk husholdning, men at det i større grad reflekterer 	
husholdningene i nord.	 Dette vil trekke 	estimatet nærmere null	.

40	 	
 
6.4 	Elastisiteten 	ved ulike 	prisnivåer	 	
Som nevnt i 	del	 6.2	, kan 	en	 mulig årsak 	til	 de ulike estimatene mellom NO2 og NO4 være at 	
prisnivået har vært svært forskjellig	 i Sør	- og Nord	-Norge i perioden	. I d	enne 	del	en vil 	jeg 	
derfor undersøke i hvilken grad elastisiteten påvirkes av pris	nivået. Dette gjøres gjennom 	en 	
paneldataregresjon med 	to ulike modellspesifikasjoner. 	I r	egresjon	ene	 1 og 2 	analyseres det	 om 	
elastisiteten i seg selv avhenger av prisnivået, gjennom å inkludere et kvadratledd for prisen	. I 	
regresjon 3 og 4 	analyseres det	 hvorvidt elastisiteten er ulik i perioden før og etter månedsskifte	t 	
november	-desember 2021. 	Månedsskiftet representerer både innføringen av 	
strømstøtteordningen for husholdninger og 	begynnelsen på 	en periode hvor prisene har vært på 	
et 	betraktelig høyere nivå enn perioden før.	 For begge IV	-regresjonene er instrumentet 	
nederlandsk gasspris og svensk vindkraftproduksjon i både SE3 og SE2.	 	
 	
Tabell 	5: Regresjon med kvadratledd og tidsdummy	 	
 	Avhengig	 variabe	l 	
 	log(Forbruk)	 	
 	OLS	 	IV	 	OLS	 	IV	 	
 	(1)	 	(2)	 	(3)	 	(4)	 	
log(Pris)	 	0,0001	 	-0,106	 	-0,005	* 	-0,035	***	 	
 	(0,005)	 	(0,137)	 	(0,003)	 	(0,013)	 	
log(Pris)	2 	-0,002	** 	0,013	 	 	 	
 	(0,001)	 	(0,024)	 	 	 	
log(Pris) * 	Periode	 2 	 	 	-0,00001	** 	0,00001	 	
 	 	 	(0,00000)	 	(0,00002)	 	
Temperatur	 	-0,019	***	 	-0,019	***	 	-0,019	***	 	-0,020	***	 	
 	(0,0003)	 	(0,001)	 	(0,0003)	 	(0,0003)	 	
Helligdag	 	-0,002	** 	-0,002	** 	-0,002	** 	-0,002	** 	
 	(0,001)	 	(0,001)	 	(0,001)	 	(0,001)	 	
Konstant	 	0,0002	 	0,0002	 	0,0002	 	0,0002	 	
 	(0,001)	 	(0,001)	 	(0,001)	 	(0,001)	 	
F-statistikk (på 	
kvad	rat	ledd/interaksjon)	 	 	209	,93	 	 	109	,73	 	
Merk	: 	*p<	0,1; **p<	0,05;	 ***	p<	0,01	 	
I OLS	-regresjonen får vi en negativ koeffisient 	for	 kvadratleddet	. En negativ koeffisient betyr 	
at elastisiteten 	øker	 med prisnivået	, altså at husholdningene reduserer forbruket mer ved høyere

41	 	
 
prisnivåer. 	I tilfellet med koeffisientene fra 	OLS	-regresjonen vil for eksempel elastisiteten være 	
på 	-0,016 for et 	prisnivå på 50 øre per kWh, og 	-0,018 for et prisnivå på 	100 øre per kWh.	37 For 	
høye priser 	gir	 en prosentvis endring i spotprisen en 	større	 prosentvis endring i 	
sluttbrukerprisen.	 Dette kan være en mekanisme bak 	at elastisiteten med hensyn på spotprisen 	
øker når spotprisen er på et høyere nivå. 	 	
Regresjon 2, som er regresjonen med instrumentell	e variabler,	 gir	 imidlertid en positiv 	
koeffisient. Dette antyder at elastisiteten 	reduseres	 med prisnivået, altså at husholdningene 	
endrer	 forbruket prosentvis mind	re når prisene er på et høyt nivå. Dette kan for eksempel være 	
tilfellet om husholdningene ved et høyt prisnivå allerede har gjennomført de 
forbruksreduksjonene	 og 	kortsiktige tilpasningene som er mulig. Koeffisienten på IV	-	
regresjonen er imidlertid ikke s	ignifikant	 forskjellig fra	 null.	 Dette kan bety at elastisiteten i 	
realiteten ikke varierer med prisnivået. 	Det kan også bety at de nevnte mekanismene er til stede, 	
men at mekanismene som trekker i retning økt elastisitet med høyere priser	, og 	de	 som trekk	er 	
i retning redusert elastisitet med høyere priser, utlikner hverandre. Vi kan uansett ikke slå fast 
noe om forholdet mellom prisnivå og elastisitet på bakgrunn av de to første regresjonene.	 	
Regresjon 3	 og 4	 inkluderer en interaksjon	 mellom prisen og	 en 	dummyvariabel for månedene 	
fra og med desember 2021. Dette er tidspunktet strømstøtteordningen ble innført. Perioden 
overlapper også med økningen i prisnivået i de sørlige prisområdene.	 OLS	-regresjonen antyder 	
at e	lastisiteten 	kan være 	høyere	 fra og med de	sember 2021 enn den var for perioden før	, 	
ettersom vi får en negativ koeffisient	 for 	interaksjons	leddet	 som er signifikant på 5 prosent nivå. 	
Implikasjonen av en negativ koeffisient er at forbruksresponsen som følge av en prisendring er 
høyere i denne peri	oden.	 Vi må imidlertid være forsiktige med å tolke dette som en endring 	
som følge av et prisskifte, ettersom det kan være flere 	forhold	 enn prisnivået 	som skiller seg 	
mellom periodene.	 Det går 	for eksempel	 ikke an å skille effekten av strømstøtteordningen 	og 	
effekten av endringen i prisnivået fra hverandre med denne modellen.	 I tillegg e	r 	det	 	
bemerkelsesverdig at 	de estimerte elastisiteten	e, både før og etter desember 2021,	 er veldig 	
nære null, og 	koeffisientene 	for 	priselastisiteten	 samsvarer ikke med de t	idligere 	beregnede	 	
elastisitetene i	 analysen	. Dette svekker troverdigheten til 	regresjon 3	. 	
I r	egresjon 4	 inngår	 instrumentelle variabler, 	og 	denne 	regresjonen	 gir	 ikke en	 signifikant 	
koeffisient på interaksjons	leddet	 mellom pris og tidsdumm	yen	. Regresjonen har et 	
 	37 Forutsetter koeffisient på lineært ledd lik null. Se appendiks 	6.4.1	 for formel brukt til utre	gning	 av elastisitet i 	
modell med kvadratledd	.

42	 	
 
utgangspunkt som likner mer på 	tidligere resultater, med et estimat 	for	 priselastisiteten som i 	
den første peri	oden	 ligger på 	-0,035. 	I tillegg til at IV	-regresjonen korrigerer for endogenitet	, 	
er r	egresjon 4	 også 	av den grunn mer troverdig enn regresjon 3.	 En ikke	-signifikant koeffisient 	
for	 tidsdumm	yen antyder at elastisiteten ikke har endret seg fra og med desember 2021. 	 	
I både regresjon 2 og 4 er F	-statistikken langt over 10, som betyr at instrumentet i 	
utgangspunktet er relevant for både kvadratleddet av prisen	, og interaksjonsleddet med 	
tidsdumm	yen.	 Dette styrker muligheten for at elastisitetene i realiteten er like	, både for ulike 	
prisnivåer	 og i de to periodene. 	Vi kan 	likevel	 ikke 	konkludere med at elastisiteten er uendret.	 	
Det at analysen ikke viser en signifikant forskjell mellom periodene 	kan 	og	så 	skyldes at 	
data	historikken ikke er lang nok til å fange opp 	periodevise	 forskjeller i tilstrekkelig grad	. 	
Modellen i analysen er i til	legg svært enkel. En mer kompleks modell med flere 	
kontrollvariabler vil i større grad kunne fange opp eventuelle ulikheter i elastisitetene. 	 	
 
6.5 To	lkning av resultater	 	
Resultatene fra analysen indikerer at norske husholdninger responderer noe på 	daglig	e 	
spot	prisendringer, men at forbruksendringen er svært lav	. Mer presist 	estimerer	 analysen at en 	
prisøkning på 	ett	 prosent gir en 	reduksjon i etterspørselen	 etter strøm 	blant husholdningene 	på 	
0,03 prosent.	 Analysen antyder også at priselastisiteten er høyere i Sør	-Norge (NO2) enn i 	
Nord	-Norge (NO4) i perioden. 	Jeg finner ingen tydelige indikasjoner på at priselastisiteten 	
endrer seg 	med høyere prisnivåer	. 	
I praksis betyr	 en priselastisitet på 	-0,03	 at 	en pri	søkning på 	for eksempel 	3 prosent, som er den 	
største prisøkningen	 fra en dag til neste	 i perioden	,38 gir en forbruksreduksjon på	 0,9 prosent 	
denne dagen.	 Et annet illustrerende regnestykke er at en prisøkningen må være på 33 prosent 	
for å gi en forbruksre	duksjon på ett prosent. 	En prisøkning	 må altså være svært stor fra dag til 	
dag for at vi skal få en nevneverdig endring i forbruket. 	Dette 	er tilsynelatende ikke	 i 	
overensstemmelse med Dalen	 	og Halvorsen	 	(2022), som 	konkluderer med at 	
forbruksreduksjon	en 	har vært betydelig i perioden	. 	
Det er imidlertid viktig å være klar over at mine resultater beskriver en endring på daglig basis, 
og de er ikke direkte sammenliknbare med studier som ser på pris	- og forbruksendringe	r med 	
 	38 For NO2.

43	 	
 
høyere tidsoppløsning	. Elastisitet	en kan se noe lavere ut enn ved tidligere analyser basert på 	
årsdata	, som i 	analysene trukket frem i 	litteraturgjennomgangen 	rangerte fra 	-0,041 til 	-0,228	. 	
Hvorvidt dette reflektere metodiske forskjeller	, eller det at elastisiteten øker dersom man har 	
len	gre tilpasningstid	, er uvisst. 	På en side kan husholdningene gjøre flere endringer for å 	
redusere forbruket i løpet av et år enn i løpet av en dag, som for eksempel 	å forbedre	 isolasjon	, 	
eller 	skifte	 til LED	-pærer.	 På den andre siden fanger også forbruksen	dringen fra dag til dag opp 	
eventuell 	lastflytting	 mellom dage	r, noe som 	ikke 	vil 	bli fanget opp med elastisiteter på årsbasis. 	 	
Sammenliknet med 	tidligere estimerte 	elastisitete	r som bruker	 timesoppløsning	, er 	et estimat 	
på 	-0,03 	i tråd med disse	. I motsetning til 	lastflytting	 innad i en dag vil ikke elastisiteten på 	
dagsbasis fange opp forflytning av daglige gjøremål, som matlaging, oppvask og 	ivaretagelse	 	
av personlig hygiene	. Det gir likevel mening at estimatene ligger på omtrent samme nivå.	 En 	
estimert elastisitet på 	-0,03 er også identisk med estimatet 	i Jonassen og Øby 	(2021	), som er 	
den eneste 	nevnte 	andre studien som også bruker dagstall.	 Estimatet ser tilsynelatende ut til å 	
ligge rundt samme nivå som tidligere studier, og 	vi ser ingen åpenb	ar endring som følge av 	det 	
høye prisnivået. 	 	
I denne analysen 	beskrive	r altså	 forbruks	endringene	 totalresponsen av både	 forbruksreduksjon 	
og 	lastflytting	 mellom dager	. Vi får ikke skilt d	e to responsene	 fra hverandre empirisk.	 Dette 	
gjør tolkningen noe me	r komplisert	, og vi 	kan 	ikke på bakgrunn av 	den estimerte 	elastisiteten 	
si noe om forbruksreduksjon	en	 over lengre tid. 	Dersom 	for eksempel 	en stor del av responsen 	
skyldes 	lastflytting	, vil forbruksreduksjonen 	svekkes om man har prisøkning flere dager på 	rad,	 	
ettersom det er begrensninger på hvor langt fremover 	husholdningene	 kan flytte forbruk	et. For 	
å sammenlikne 	elastisiteter med ulik tidsoppløsning 	kan	 man bruke det samme datasettet og de 	
samme metodene med ulik aggregering av tid.

44	 	
 
7. Konklusjon	 	
Jeg	 har estimert husholdningenes kraftpriselastisitet med hensyn 	til spotprisen, 	for	 NO2, NO4 	
og 	alle prisområder under ett	, i den hensikt å belyse hvorvidt elastisiteten kan ha endret seg som 	
følge av et generelt høyere prisnivå i kraftmarkedet.	 Analysen 	indikerer	 at 	spotpris	elastisiteten 	
blant husholdninger 	i Norge 	er svært lav	, på 	rundt 	-0,03 når vi ser på daglige endringer	. 	
En lav priselastisitet blant husholdninger i kraftmarkedet har 	potensielt 	to viktige 	implikasjoner:	 	
1) Fremtidige prissvingninger 	fra dag til dag 	vil 	i liten grad 	dempes 	en fleksibel 	
etterspørsel	 blant husholdningene	. I tilfellet med	 en uelastisk 	etterspørsel	 vil 	ikke 	
husholdningene klare å tilpasse seg tilgjengelig kapasitet	 i kraftmarkedet. S	potprisen 	vil 	
i stor	 grad bestemmes av tilbudet, noe som vil kunne medføre store prissvingninger i et 	
marked hvor tilbudssiden i økende grad bestå	r av ikke	-regulerbare p	roduksjonskilder. 	 	
2) En subsidieordning for husholdningene vil 	kunne 	ha lave vridningseffekter. 	Til tross for 	
at vi ikke har beregnet elastisiteten med hensyn på 	sluttbrukerprisen	, gir elastisiteten 	
beregne	t med hensyn på spotprisen en indikasjon på husholdningenes generelle 	
tilpasningsdyktighet. 	En korrekt innvending mot en slik tolkning av resultatene vil være 	
at en beregning basert på dagstall er uegnet til å ev	aluere 	tilpasning	 på lengre sikt. 	Det 	
er 	i denne analysen 	vanskelig å tyde implikasjonene 	av	 dagens strømstøtteordning, som 	
i praksis gir et nivåskifte på månedsbasis. En ny subsidieordning, hvor 
støttekomponenten beregnes time for time i stedet for hver m	åned, vil derimot dempe 	
endringer i sluttbrukerprisen fra dag til dag.	 Analysen indikere	r at en slik ordning kun 	
vil ha mindre effekt på 	det daglige 	forbruket.	 	
For videre studier vil det være interessant å utforske 	sammenhengen mellom priselastisiteten 	
og 	prisnivået videre. 	I tillegg vil det være av interesse å undersøke 	hvordan elastisitetene 	
avhenger av tidsoppløsning, for eksempel gjennom å sammenlikne 	resultater fra 	analyser med 	
tidsaggregering på dags	nivå	 med	 ukes	- eller 	månedsnivå.	 Ved 	ukes	- og 	måneds	data	 vil man 	
trolig kunne tolke resultatene som ren forbruksreduksjon.	 I en slik analyse bør man ha 	data	 for 	
flere år 	for å få tilstrekkelig med datapunkter. 	 	
Videre studier kan 	også 	forbedres 	gjennom et bredere panel, gjerne 	ved bruk	 av	 mikrodata. 	Da 	
vil 	man kunne få et mer detaljert bilde av forbruksresponsen, og det vil for eksempel være mulig 	
å evaluere hvordan forbruk	- og velferdsendringer påvirkes av ulike 	karakteristika	. 	Et

45	 	
 
forskningsdesign basert på mikrodata vil potensielt også kunne gi mer presise estimater på 
husholdningenes samlede forbruksrespons.

46	 	
 
Litteratur	liste	 	
Auray, S., Caponi, V., & Ravel, B. (2019). Price Elasticity of Electricity Demand in France. 	
Economie et Statistique / Economics and Statistics	, 513	, 91	–103.	 	
Birkelund, H., Arnesen	, F., Hole, J., Spilde, D., Jelsness, S., Aulie, F. H., & Haukeli, Ingrid E. 	
(2021). 	Langsiktig kraftmarkedsanalyse 2021 	- 2040: Forsterket klimapolitikk 	
påvirker kraftprisene	 (Nr. 2021/29). Norges vassdrags	- og energidirektorat. 	
https://publikasjoner.nve.	no/rapport/2021/rapport2021_29.pdf	 	
Bru, T., & Vedum, T. S. (2022). 	Skriftlig spørsmål fra Tina Bru (H) til olje	- og 	
energiministeren	. Stortinget. https://www.stortinget.no/no/Saker	-og	-	
publikasjoner/Sporsmal/Skriftlige	-sporsmal	-og	-svar/Skriftlig	-sporsmal/?q	id=88565	 	
Burke, P. J., & Abayasekara, A. (2018). 	The price elasticity of electricity demand in the 	
United States: A three	-dimensional analysis. 	The Energy Journal	. 	
https://doi.org/10.5547/01956574.39.2.pbur	 	
Bye, T., & Hansen, P. V. (2008). 	How do Spot pric	es affect aggregate electricity demand?	 	
527	. https://www.ssb.no/forskning/discussion	-papers/how	-do	-spot	-prices	-affect	-	
aggregate	-electricity	-demand	 	
Bönte, W., Nielen, S., Valitov, N., & Engelmeyer, T. (2015). 	Price elasticity of demand in the 	
EPEX spot mark	et for electricity	—	New empirical evidence. 	Economics Letters	, 135	, 	
5–8. https://doi.org/10.1016/j.econlet.2015.07.007	 	
Cialani, C., & Mortazavi, R. (2018). Household and industrial electricity demand in Europe. 	
Energy Policy	, 122	, 592	–600. https://doi.org/1	0.1016/j.enpol.2018.07.060	 	
Cinelli, C., Forney, A., & Pearl, J. (2020). A Crash Course in Good and Bad Controls. 	SSRN 	
Electronic Journal	. https://doi.org/10.2139/ssrn.3689437

47	 	
 
Csereklyei, Z. (2020). Price and income elasticities of residential and industrial electricity 	
demand in the European Union. 	Energy Policy	, 137	, 111079. 	
https://doi.org/10.1016/j.enpol.2019.111079	 	
Dalen, H. M., & Halvorsen, B. (2022). 	Økonomiske konsekvens	er av høye kraftpriser og 	
strømstønad: En empirisk studie av stønadsberettigede husholdninger,	 (Nr. 2022/36; 	
Rapporter). Statistisk Sentralbyrå. https://www.ssb.no/energi	-og	-	
industri/energi/artikler/okonomiske	-konsekvenser	-av	-hoye	-kraftpriser	-og	-	
stromstona	d/_/attachment/inline/9a39ac2d	-f93a	-41b4	-80e2	-	
5b38ddd7ad2b:71b9050840159e1478462581eaac6c03ebb8d40f/RAPP2022	-36.pdf	 	
Dalen, H. M., & Larsen, B. M. (2009). 	Hvor mye energi bruker husholdningene til ulike 	
formål?	 2009/5	. https://www.ssb.no/a/publikasjoner/pdf	/oa_200905/dalen.pdf	 	
Ekhaugen, T., Strøm, S., & Ibenholt, K. (2011). 	Kraftetterspørselens kortsiktige prisrespons 	
vinteren 2009/2010	 (Nr. 2011/07). Vista Analyse AS. https://vista	-	
analyse.no/site/assets/files/5855/va_rapport_2011	-	
07_kraftettersp_rselens_pr	isrespons_1.pdf	 	
Elhub. (2023a). 	Strømforbruk	. Elhub. https://elhub.no/statistikk/stromforbruk/	 	
Elhub. (2023b). 	Strømproduksjon	. Elhub. https://elhub.no/statistikk/stromproduksjon/	 	
Finansdepartementet. (2022, desember 20). 	Avgiftssatser 2023	. Regjeringen.no	. 	
https://www.regjeringen.no/no/tema/okonomi	-og	-budsjett/skatter	-og	-	
avgifter/avgiftssatser	-2023/id2929584/	 	
Halvorsen, B. (2012). 	Utviklingen i strømforbruket, prisfølsomheten og strømmarkedet	 (Nr. 	
2012/2; Rapporter). Statistisk sentralbyrå. 
https://www.ssb.no/a/publikasjoner/pdf/rapp_201202/rapp_201202.pdf	 	
Halvorsen, B., Larsen, B. M., & Nesbakken, R. (2005). 	Pris	- og inntektsfølsomhet i ulike 	
husholdningers etterspørsel etter elektrisitet, fy	ringsoljer og ved	 (Nr. 2005/8;

48	 	
 	
Rapporter). Statistisk Sentralbyrå. 
https://www.ssb.no/a/publikasjoner/pdf/rapp_200508/rapp_200508.pdf	 	
Hlavac, M. (2022). 	stargazer: Well	-Formatted Regression and Summary Statistics Tables	. 	
https://cran.r	-project.org/web/pack	ages/stargazer/stargazer.pdf	 	
Hofmann, M., & Lindberg, K. B. (2019). 	Price elasticity of electricity demand in metropolitan 	
areas 	– Case of Oslo. 	2019 16th International Conference on the European Energy 	
Market (EEM)	, 1	–6. https://doi.org/10.1109/EEM.2019.8	916561	 	
Hofmann, M., & Lindberg, K. B. (2021). 	Do households react to variable power prices? 	- 	
Results from a Norwegian pricing experiment	. 	
Jonassen, J. S., & Øby, O. A. (2021). 	Tilbud og etterspørsel etter elektrisitet i Norge: En 	
estimering av priselastis	iteter i det norske kraftmarkedet	 [Master thesis]. 	
https://openaccess.nhh.no/nhh	-xmlui/handle/11250/2982725	 	
Labandeira, X., Labeaga, J. M., & López	-Otero, X. (2017). 	A meta	-analysis on the price 	
elasticity of energy demand. 	Energy Policy	, 102	, 549	–568. 	
htt	ps://doi.org/10.1016/j.enpol.2017.01.002	 	
Lijesen, M. G. (2007). The real	-time price elasticity of electricity. 	Energy Economics	, 29	(2), 	
249	–258. https://doi.org/10.1016/j.eneco.2006.08.008	 	
Mogstad, M., Torgovitsky, A., & Walters, C. R. (2021). The Causal I	nterpretation of Two	-	
Stage Least Squares with Multiple Instrumental Variables. 	American Economic 	
Review	, 111	(11), 3663	–3698. https://doi.org/10.1257/aer.20190221	 	
Nord Pool. (2020). 	System price and Area price calculations	. NordPoolGroup. 	
https://www.nordpo	olgroup.com/en/trading/Day	-ahead	-trading/Price	-calculation/	 	
Norsk Klimaservicesenter. (2023). 	Observasjoner og værstatistikk	—	Seklima	. Seklima. 	
https://seklima.met.no/

49	 	
 
NVE. (2019). 	Håndbok: Norsk magasinkapasitet og magasinfylling	. Norges vassdrags	- og 	
ener	gidirektorat. 	
https://webfileservice.nve.no/API/PublishedFiles/Download/201903383/2728821	 	
NVE. (2022a). 	Ny nettleie (fra 1. Juli 2022)	. Norges vassdrags	- og energidirektorat. 	
https://www.nve.no/reguleringsmyndigheten/kunde/nett/ny	-nettleie	-fra	-1-juli	-2022/	 	
NVE. (2022b). 	Strømstøtte for husholdninger	. Norges vassdrags	- og energidirektorat. 	
https://www.nve.no/reguleringsmyndigheten/kunde/stroem/spoersmaal	-og	-svar	-om	-	
stroemstoette	-for	-hoeye	-stroempriser/stroemstoette	-for	-husholdninger/	 	
NVE. (2023a). 	Engrosmarkedet	. Norges vassdrags	- og energidirektorat. 	
https://www.nve.no/reguleringsmyndigheten/regulering/kraftmarkedet/engrosmarkede
t/ 	
NVE. (2023b). 	Hydrologiske data til kraftsituas	jonsrapporten	. Norges vassdrags	- og 	
energidirektorat. https://www.nve.no/energi/analyser	-og	-statistikk/hydrologiske	-data	-	
til	-kraftsituasjonsrapporten/	 	
NVE. (2023c). 	Varme	. Norges vassdrags	- og energidirektorat. 	
https://www.nve.no/energi/energisystem/termis	k-energi/varme/	 	
OED. (2022a, mai 13). 	Kraftmarkedet	. Energifakta Norge. https://energifaktanorge.no/norsk	-	
energiforsyning/kraftmarkedet/	 	
OED. (2022b, mai 13). 	Kraftproduksjon	. Energifakta Norge. 	
https://energifaktanorge.no/norsk	-energiforsyning/kraftforsyn	ingen/	 	
OED. (2022c, oktober 21). 	Tidslinje	—	Strømstøtte til husholdningene	 [Tidslinje]. 	
Regjeringen.no; regjeringen.no. 
https://www.regjeringen.no/no/tema/energi/stromnettet/stromstotte	-til	-	
husholdningene	-tidslinje/id2929222/

50	 	
 
Refinitiv. (2023). 	Datastream M	acroeconomic Analysis	. Refinitiv Datastream. 	
https://www.refinitiv.com/en/products/datastream	-macroeconomic	-analysis	 	
Rosnes, O., Skulstad, A., Valseth, Å. S., & Aarrestad, K. (2022). 	Virkninger av høye 	
strømpriser på norsk økonomi	 (Nr. 2022/34). Vista Anal	yse AS, DNV. 	
https://www.vista	-analyse.no/site/assets/files/7791/vista_analyse_rapport_2022	-	
34_virkninger_av_hoye_strompriser.pdf	 	
SMK, Finansdepartementet, & OED. (2023, februar 15). 	Regjeringen gjør endringer i 	
strømstøtteordningen	 [Pressemelding]. Regjer	ingen.no; regjeringen.no. 	
https://www.regjeringen.no/no/aktuelt/regjeringen	-gjor	-endringer	-i-	
stromstotteordningen/id2963350/	 	
Statistisk Sentralbyrå. (2012). 	08925: Kraftpriser i sluttbrukermarkedet (øre/kWh), etter 	
statistikkvariabel, kontraktstype og år. 	Statistikkbanken	. Statistisk Sentralbyrå. 	
https://www.ssb.no/statbank/table/08925	 	
Statistisk Sentralbyrå. (2022). 	08307: Produksjon, import, eksport og forbruk av elektrisk 	
kraft (GWh) 1950	—	2021. Statistikkbanken	. Statistisk Sentralbyrå. 	
https://www.ssb.no	/statbank/table/08307	 	
Statistisk Sentralbyrå. (2023a). 	01222: Befolkning og kvartalsvise endringar, etter 	
statistikkvariabel, region og kvartal. Statistikkbanken	. Statistisk Sentralbyrå. 	
https://www.ssb.no/statbank/table/01222	 	
Statistisk Sentralbyrå. (2023	b). 	09364: Kraftpriser i sluttbrukermarkedet, etter kontraktstype, 	
statistikkvariabel og kvartal. Statistikkbanken	. Statistisk Sentralbyrå. 	
https://www.ssb.no/statbank/table/09364	 	
Statistisk Sentralbyrå. (2023c). 	09366: Kraftpriser i sluttbrukermarkedet (ø	re/kWh), etter 	
kontraktstype, statistikkvariabel og år. Statistikkbanken	. Statistisk Sentralbyrå. 	
https://www.ssb.no/statbank/table/09366

51	 	
 
Statistisk Sentralbyrå. (2023d). 	09387: Kraftpris, nettleie og avgifter for husholdninger 	
2012K1	—	2022K4. Statistikkban	ken	. Statistisk Sentralbyrå. 	
https://www.ssb.no/statbank/table/09387	 	
Statkraft. (2022). 	Vannkraft	. Statkraft.no. https://www.statkraft.com/var	-	
virksomhet/vannkraft/	 	
Statnett. (2022, april 4). 	Prisforskjeller og kapasitet nord	-sør	. 	
https://www.statnett.no/contentassets/1d183d99f1d943e1bc67c5ef98887052/presentas
jon	-webinar	-prisforskjeller	-og	-kapasitet	-nord	-sor.pdf	 	
Statnett. (2023a, mars 15). 	NordLink	. Statnett. https://www.statnett.no/vare	-	
prosjekter/mellomlandsforbindelser/nordlink/	 	
Statnett. (2023b, mars 15). 	North Sea Link	. Statnett. https://www.statnett.no/vare	-	
prosjekter/mellomlandsforbindelser/north	-sea	-link/	 	
Stock, J. H., & Watson, M. W. (2020). 	Introduction to Econometrics, Global Edition	 (4.). 	
Pearson Education Limited. https:	//www.sea	-stat.com/wp	-	
content/uploads/2020/08/James	-H.	-Stock	-Mark	-W.	-Watson	-Introduction	-to-	
Econometrics	-Global	-Edition	-Pearson	-Education	-Limited	-2020.pdf	 	
Stortingets utredningsseksjon. (2022). 	Norges behov for utenlandskabler og utbygging av 	
kraftnettet	. Stortinget. 	
https://www.stortinget.no/globalassets/pdf/utredningsseksjonen/utredningsnotater/202
2/norges	-behov	-for	-utenlandskabler	-og	-utbygging	-av	-kraftnettet	-2021251.pdf	 	
Svenska kraftnät. (2023). 	Produktionsstatistik	. Mimer | Svenska kraftnät. 	
https://mim	er.svk.se/ProductionConsumption/ProductionIndex	 	
The Economist. (2022, august 25). How to avoid energy rationing. 	The Economist	. 	
https://www.economist.com/finance	-and	-economics/2022/08/25/how	-to-avoid	-energy	-	
rationing

52	 	
 
Verbeek, M. (2004). 	A Guide to Modern E	conometrics	 (2.). John Wiley & Sons. 	
https://thenigerianprofessionalaccountant.files.wordpress.com/2013/04/modern	-	
econometrics.pdf	 	
Wooldridge, J. M. (2012). 	Introductory Econometrics: A Modern Approach	 (5.). South	-	
Western Cengage Learning. 
https://economic	s.ut.ac.ir/documents/3030266/14100645/Jeffrey_M._Wooldridge_Intr	
oductory_Econometrics_A_Modern_Approach__2012.pdf	 	
Zhu, X., Li, L., Zhou, K., Zhang, X., & Yang, S. (2018). A meta	-analysis on the price 	
elasticity and income elasticity of residential electric	ity demand. 	Journal of Cleaner 	
Production	, 201	, 169	–177. https://doi.org/10.1016/j.jclepro.2018.08.027

53	 	
 
Appendiks	 	
Appendiks 2.	2.1: Gjennomslaget av spotprisen til sluttbrukerprisen	 	
For enkelhets skyld skriver 	jeg	 leddene 	som ikke 	interagerer med spotprisen	 som kon	stant 	K, 	
ettersom disse forsvinner når vi ser på endring.	 	
Anta at 	������ øker med 1 prosent, slik at 	������0=������ og 	������1=������	∙1.01	. Prosentvis endring i B 	blir da	: 	
�1−	�0	
�0	
=	 (������������1+	(1−	������)(1−	������)�(������1,�������)−	max	(0,������̅1−	70	)�+	�) ∙1.25	
(������������0+	(1−	������)(1−	������)�(������0,�������)−	max	(0,������̅0−	70	)�+	�) ∙1.25	
−	(������������0+	(1−	������)(1−	������)�(������0,�������)−	max	(0,������̅0−	70	)�+	�) ∙1.25	
(������������0+	(1−	������)(1−	������)�(������0,�������)−	max	(0,������̅0−	70	)�+	�) ∙1.25	 	
 
=	(������������	∙1.01	+	(1−	������)(1−	������)�(������	∙1.01	,�������)−	max	(0,������̅1−	70	)�+	�) ∙1.25	
(������������	+	(1−	������)(1−	������)�(������,�������)−	max	(0,������̅0−	70	)�+	�) ∙1.25	
−	(������������	+	(1−	������)(1−	������)�(������,�������)−	max	(0,������̅1−	70	)�+	�) ∙1.25	
(������������	+	(1−	������)(1−	������)�(������,�������)−max	(0,������̅1−	70	)�+	�) ∙1.25	 	
 
=	0.01	������������	+	(1−	������)(1−	������)(�(1.01	������,�������)−	�(������))−	∆max	(0,������̅−	70	)�)	
(������������	+	(1−	������)(1−	������)�(������,�������)−max	(0,������̅1−	70	)�))+	�	 	
 
Likningen beskriver gjennomslaget av spotp	risen til sluttbrukerprisen. Gjennomslaget	 i tilfellet 	
uten strømstøtte	 blir som følger	: 	
�1−	�0	
�0	
=	 (������������	∙1.01	+	(1−	������)(1−	������)�(������	∙1.01	)+	�) ∙1.25	
(������������	+	(1−	������)(1−	������)�(������)+	�) ∙1.25	
−	(������������	+	(1−	������)(1−	������)�(������)+	�) ∙1.25	
(������������	+	(1−	������)(1−	������)�(������)+	�) ∙1.25	 	
 
=	������������	∙0.01	+	(1−	������)(1−	������)(�(������	∙1.01	)−	�(������)) 	
������������	+	(1−	������)(1−	������)�(������)+	�

54	 	
 
Appendiks 2.	2.2: Effekten av spotprise	n på gjennomslaget	 	
Anta simplifisert marked med kun spotprisavtaler og uten strømstøtte:	 	
�1−	�0	
�0	
=	0.01	������	
������	+	� 	
Den førstederiverte med hensyn på P blir da:	 	
0.01	(������	+	�)−	0.01	������	
(������	+	�)2	=	0.01	�	
(������	+	�)2>	0 	
I tilfellet med variable prisavtaler hvor man antar 	������������	(������,������������)	
������������	>	0 vil den samme intuisjonen gjelde	. 	
I tilfeller uten strømstøtte er prosentvis endring i B som følge av en prosentvis endring i P som 
vist:	 	
�1−	�0	
�0	
=	������������	∙0.01	+	(1−	������)(1−	������)(�(1.01	������)−	�(������)) 	
������������	+	(1−	������)(1−	������)�(������)+	� 	 	
Vi antar at effekten av spotprisen på variable prisavtaler er konstant, slik at 	������������	(������1,������������)	
������������	=	������������	(������0,������������)	
������������	. 	
Den førstederiverte med hensyn på 	P blir da	: 	
(0.01	������+	(1−	������)(1−	������)(1.01	�������	(������,�������)	
������������	−	�������	(������,�������)	
������������	))(������������	+	(1−	������)(1−	������)�(������,�������)+	�)	
(������������	+	(1−	������)(1−	������)�(������,�������)+	�)2	
−	
(0.01	������������	+	(1−	������)(1−	������)(�(1.01	������,�������)−	�(������,�������)))(������+	(1−	������)(1−	������)�������	(������,�������)	
������������	)	
(������������	+	(1−	������)(1−	������)�(������,�������)+	�)2	 	
 	
Utregning 	av 	teller:	 	
0.01	������2������	+	0.01	������(1−	������)(1−	������)�(������,�������)+	0.01	�������	+	0.01	(1−	������)(1−	������)�������	(������,�������)	
������������	������������	 	
+0.01	(1−	������)2(1−	������)2�������	(������,�������)	
������������	�(������,�������)+	0.01	(1−	������)(1−	������)�������	(������,�������)	
������������	�

55	 	
 	
−0.01	������2������	−	0.01	������������	(1−	������)(1−	������)�������	(������,�������)	
������������	
−	(1−	������)(1−	������)(�(1.01	������,�������)−	�(������,�������))������	
−	(1−	������)2(1−	������)2(�(1.01	������,�������)−	�(������,�������))�������	(������,�������)	
������������	 	
=	0.01	�	(������+	(1−	������)(1−	������)�������	(������,�������)	
������������	) 	
+	(������(1−	������)(1−	������)+	(1−	������)2(1−	������)2�������	(������,�������)	
������������	)(1.01	�(������)−	�(1.01	������)) 	
Det andre leddet forsvinner dersom 	1.01	�(������)=	�(1.01	������), og vi sitter igjen med et positivt 	
ledd som sier at gjennomslaget av spotprisen til sluttbrukerprisen øker med andelen med 
spotprisavtaler, og andelen med 	variab	elprisavtaler multiplisert med påvirkningen av spotprisen 	
på selve avtalen. 	 	
 
Appendiks 2.	2.3: Effekten av strømstøtte på gjennomslaget	 	
Prosentvis endring i B 	ved en prosentvis endring i P med strømstøtte:	 	
������������	∙0.01	+	(1−	������)(1−	������)(�(������	∙1.01	)−	�(������))−	 ∆max	(0,������̅−	70	)∙�	
������������	+	(1−	������)(1−	������)�(������)+	�	−	max	(0,������̅−	70	)∙�	 	
Anta at 	������̅ > 70 for hele perioden. Da blir uttrykket:	 	
������������	∙0.01	+	(1−	������)(1−	������)(�(������	∙1.01	)−	�(������))−	 ������̅′(������)∙�	
������������	+	(1−	������)(1−	������)�(������)+	�	−	(������̅−	70	)∙�	 	
Prosentvis endring i B 	øker	 med strømstøtten dersom: 	 	
�����������	 ���	 ��ø���	>	�����������	 ����	 ��	ø���	 	
 
������������	∙0.01	+	(1−	������)(1−	������)(�(������	∙1.01	)−	�(������))−	 ������̅′(������)∙�	
������������	+	(1−	������)(1−	������)�(������)+	�	−	(������̅−	70	)∙�	
>	 ������������	∙0.01	+	(1−	������)(1−	������)(�(������	∙1.01	)−	�(������))	
������������	+	(1−	������)(1−	������)�(������)+	�

56	 	
 
Ettersom store deler av uttrykkene er like kan vi omdøpe 	så 	
�	=	 ������������	∙0.01	+	(1−	������)(1−	������)(�(������	∙1.01	)−	�(������))>	0 	
og	 	
�=	 ������������	+	(1−	������)(1−	������)�(������)+	�	>	0 	
og omformulere uttrykket på følgende måte: 	 	
�
� <	 	�−	������̅′(������)∙� 	
�−	 (������̅−	70	)∙� 	
�(�−	 (������̅−	70	)∙�)<	�(�−	������̅′(������)∙�) 	
�
�	<	 	������̅′(������)	
(������̅−	70	) 	
Forholdet mellom endringen i gjennomsnittspris og differansen mellom gjennomsnittsprisen og 
70 øre må gi en prosentvis økning høyere enn den totale prosentvise økningen i et tilfelle uten 
strømstøtte for at strømstøtten fører til økt prosentendring i B.

57	 	
 
Appendiks 5.1	.1: Augmented Dickey	-Fuller	-test	 	
 	
Kritisk	e verdier	 	 	
 	 	 	 	Signifikansnivå	 	
 	 	
 	 	 	10	 % 	5 % 	1 % 	
 	
 	 	 	 	 	 	
Kun skjæringspunkt	 	 	 	-2,57 	-2,86 	-3,43 	
 	 	 	 	 	 	
Skjæringspunkt og 
tidstrend	 	 	 	-3,12 	-3,41 	-3,96 	
 	 	 	 	 	 	
 
 	
NO2	 	
 	Nivå	serier	 	 	Førstediffer	ensierte serier	 	
 	Test	-statistikk	 	P-verdi	 	 	Test	-statistikk	 	P-verdi	 	
 	
log(Forbruk)	 	-1,53 	0,78 	 	-9,49 	0,01*	 	
 	 	 	 	 	 	
 	 	 	 	 	 	
log(Pris)	 	-3,70 	0,02 	 	-9,86 	0,01*	 	
 	 	 	 	 	 	
 	 	 	 	 	 	
Temperatur	 	-2,28 	0,46 	 	-10,96 	0,01*	 	
 	 	 	 	 	 	
 	 	 	 	 	 	
log(Nederlandsk gass)	 	-2,81 	0,23 	 	-8,41 	0,01*	 	
 	 	 	 	 	 	
 	 	 	 	 	 	
Vindkraft	produksjon	 	
SE2	 	-6,50 	0,01*	 	 	-12	,87 	0,01*	 	
 	 	 	 	 	 	
 	 	 	 	 	 	
Vindkraft	produksjon 	
Norge	 	-6,31 	0,01*	 	 	-13	,42 	0,01*	 	
 	 	 	 	 	 	
 	 	 	 	 	 	
Tilsig	 	-4,42 	0,01*	 	 	-9,09 	0,01*	 	
 	 	 	 	 	 	
 	 	 	*P	-verdien er i realiteten lavere enn 	0,01

58	 	
 
Appendiks 	5.1.2: Justert R	2 ved ulike spesifikasjoner	 	
Justert	 R2 for 	førstedifferensierte serier	 	 	
 	 	
 	 	 	
Område	 	Log	-log	 	 	Lin	-lin	 	 	Log	-lin	 	 	
 	 	
NO2	 	0,589	 	 	0,567	 	 	0,592	 	 	
 	 	 	 	 	 	 	
NO4	 	0,547	 	 	0,540	 	 	0,545	 	 	
 	 	 	 	 	 	 	
 
 
Appendiks 5.	1.3: Residualer ved ulike spesifikasjoner

59	 	
 
Appendiks 5.1.4	: Regresjon med b	efolkning som kontroll	variabel	 	
 	
Regresjon med og uten 	befolkning	 som kontroll	variabel	 	
 	Avhengig	 variab	el 	
 	log(	Forbruk	) 	
 	NO2	 	 	NO4	 	 	
log(	Pris	) 	-0,017	***	 	-0,017	***	 	-0,009	** 	-0,009	** 	
 	(0,005)	 	(0,005)	 	(0,004)	 	(0,004)	 	
Temperatur	 	-0,021	***	 	-0,021	***	 	-0,019	***	 	-0,019	***	 	
 	(0,001)	 	(0,001)	 	(0,001)	 	(0,001)	 	
Befolkning	 	 	-4.575	 	 	14.943	 	
 	 	(51	,923)	 	 	(79	,273)	 	
Helligdag	 	0,004	 	0,004	 	0,004	 	0,004	 	
 	(0,009)	 	(0,009)	 	(0,014)	 	(0,014)	 	
Konstant	 	-0,0002	 	-0,00002	 	0,00001	 	0,00005	 	
 	(0,001)	 	(0,002)	 	(0,001)	 	(0,001)	 	
Observasjoner	 	782	 	782	 	782	 	782	 	
R2 	0,590	 	0,590	 	0,548	 	0,548	 	
Justert	 R2 	0,589	 	0,588	 	0,546	 	0,546	 	
Residual	er std.	 	
feil	 	0,032 (	df = 778)	 	0,032 (df = 777)	 	0,039 (df = 778)	 	0,039 (df = 777)	 	
Merk	: 	*p<	0,1; **p<	0,05;	 ***	p<	0,01

60	 	
 
 
Appendiks 	5.2.1	: Autokorrelasjonsfunksjoner

61	 	
 	
 	
 
 
Appendiks 	5.2.2	: Konsistent og ikke konsistent IV	-estimator	 	
Dersom 	���	(����������	,������)=	0 	
 �1̂	=	���	(����������	,�������	)	
���	(����������	,��������	)=	���	(����������	,�������	)−	���	(����������	,������) 	
���	(����������	,��������	)	
=	�1 	
 
Dersom 	��	�(����������	,������)≠	0 	
 �1̂	=	���	(����������	,�������	)	
���	(����������	,��������	)=	�1+	 	���	(����������	,������)	
���	(����������	,��������	)

62	 	
 
Appendiks 	5.2.3	: Sargan	-test	 	
Instrumentets effekt på residualene	 	
 	P-verdi	 	
 	 	 	NO2	 	 	NO4	 	
 	
Nederlandsk gasspris, 
vindkraftproduksjon	 SE2	, norsk 	
vindkraftproduksjon og tilsig	 	
 	 	3.33e	-11 	 	1.09e	-06 	
(SE3)	 	 	 	4.45e	-12 	 	3.38e	-09 	 	 	 	 	 	 	
Vindkraftproduksjon	 SE2	, norsk 	
vindkraftproduksjon og tilsig	 	 	 	7.44e	-10 	 	4.55e	-07 	
(SE3)	 	 	 	1.20e	-11 	 	8.17e	-10 	 	 	 	 	 	 	
Nederlandsk gasspris, norsk 
vindkraftproduksjon og tilsig	 	 	 	4.10e	-08 	 	0,0054	 	
 	 	 	 	 	 	
 	 	 	 	 	 	
Nederlandsk gasspris, 
vindkraftproduksjon 	SE2 	og 	
tilsig	 	
 	 	0,289	 	 	0,01	4 	
(SE3)	 	 	 	0,069 	 	0,019	 	
 	 	 	 	 	 	
Nederlandsk gasspris, 
vindkraftproduksjon 	SE2 	og 	
norsk vindkraftproduksjon	 	
 	 	1.03e	-09 	 	1.22e	-05 	
(SE3)	 	 	 	2.93e	-11 	 	4.54e	-08 	
 	 	 	 	 	 	
Nederlandsk 	gasspris og 	
vindkraftproduksjon	 SE2	 	 	 	0,8228	 	 	0,5787	 	
(SE3)	 	 	 	0,228	 	 	0,962

63	 	
 
Appendiks	 6.1.1	: F	-statistikk for instrumentene	 	
F-statistikk for samlet signifikans	 	
 	 	
 	 	 	NO2	 	 	NO4	 	
 	
Nederlandsk gasspris	 	 	 	2,53 	 	3,02 	
 	 	 	 	 	 	
 	 	 	 	 	 	
Vindkraftproduksjon SE2	 	 	 	7,89 	 	49	,90 	
 	 	 	 	 	 	
 	 	 	 	 	 	
Vindkraftproduksjon SE3	 	 	 	16	,91 	 	41	,06 	
 	 	 	 	 	 	
 	 	 	 	 	 	
Vindkraftproduksjon Norge	 	 	 	40,67 	 	55	,12 	
 	 	 	 	 	 	
 	 	 	 	 	 	
Nyttbart tilsig	 	 	 	3,15 	 	0,42 	
 	 	 	 	 	 	
 	 	 	 	 	 	
Nederlandsk gasspris, 
vindkraftproduksjon SE2, 
vindkraftproduksjon 	Norge 	og tilsig	 	
 	 	12	,40 	 	24	,89 	
(SE3)	 	 	 	13	,31 	 	29	,30 	
 	 	 	 	 	 	
Vindkraftproduksjon SE2, 
vindkraftproduksjon 	Norge 	og tilsig	 	 	 	17	,63 	 	25	,48 	
(SE3)	 	 	 	18	,22 	 	30,79 	
 	 	 	 	 	 	
Nederlandsk gasspris, 
vindkraftproduksjon 	Norge 	og tilsig	 	 	 	15	,47 	 	19	,99 	
 	 	 	 	 	 	
 	 	 	 	 	 	
Nederlandsk gasspris, 
vindkraftproduksjon SE2 og tilsig	 	 	 	4,25 	 	23	,05 	
(SE3)	 	 	 	8,73 	 	18	,92 	
 	 	 	 	 	 	
Nederlandsk gasspris, 
vindkraftproduksjon SE2 og 
vindkraftproduksjon	 Norge	 	
 	 	15	,41 	 	33	,21 	
(SE3)	 	 	 	17	,24 	 	38	,52 	
 	 	 	 	 	 	
Nederlandsk gasspris og 
vindkraftproduksjon SE2	 	 	 	6,09 	 	34	,46 	
(SE3)	 	 	 	12	,96 	 	28	,00 	
 	 	 	 	 	 	
Instrumenter med F statistikk over 10 regnes som relevante

64	 	
 
Appendiks 	6.1.2	: Første steg 	i IV	-regresjon	 	
Regresjon: Første steg av IV	-regresjon	 	
 	Avhengig	 variab	el 	
 	log(	Pris	) 	
 	NO2	 	NO4	 	
log(Nederlandsk gass)	 	0,462	 	0,338	 	
 	(0,295)	 	(0,223)	 	
Vindkraftproduksjon SE3	 	-0,00001	***	 	-0,00001	***	 	
 	(0,00000)	 	(0,00000)	 	
Vindkraftproduksjon SE2	 	-0,00000	 	-0,00000	***	 	
 	(0,00000)	 	(0,00000)	 	
Vindkraftproduksjon Norge	 	-0,00000	** 	-0,00003	***	 	
 	(0,00000)	 	(0,00000)	 	
Tilsig	 	-0,0003	** 	-0,0002	 	
 	(0,0001)	 	(0,0001)	 	
Temperatur	 	-0,014	** 	-0,011	** 	
 	(0,006)	 	(0,004)	 	
Helligdag	 	-0,185	***	 	-0,154	***	 	
 	(0,063)	 	(0,042)	 	
Konstant	 	0,005	 	0,003	 	
 	(0,007)	 	(0,008)	 	
Observa	sjoner	 	782	 	782	 	
R2 	0,243	 	0,293	 	
Justert	 R2 	0,237	 	0,286	 	
Residual	er std 	feil	 (df = 775)	 	0,233	 	0,278	 	
Merk	: 	*p<	0,1; **p<	0,05;	 ***	p<	0,01

65	 	
 
Appendiks 6.1.3	: Regresjon med n	orsk vindkraft som 	instrumentvariabel	 	
 	
Regresjon med norsk vindkraft som IV	 (NO2)	 	
 	Avhengig	 variab	el 	
 	log(	Forbruk	) 	
 	Ng+Nv	 	Sv3+Nv	 	Ti+Nv	 	Nv	 	
log(	Pris	) 	-0,144	***	 	-0,096	***	 	-0,156	***	 	-0,238	***	 	
 	(0,043)	 	(0,022)	 	(0,036)	 	(0,045)	 	
Temperatur	 	-0,026	***	 	-0,024	***	 	-0,026	***	 	-0,029	***	 	
 	(0,001)	 	(0,001)	 	(0,002)	 	(0,003)	 	
Helligdag	 	-0,020	 	-0,011	 	-0,022	** 	-0,037	***	 	
 	(0,012)	 	(0,009)	 	(0,011)	 	(0,013)	 	
Konstant	 	0,001	 	0,0003	 	0,001	 	0,001	 	
 	(0,001)	 	(0,001)	 	(0,002)	 	(0,002)	 	
Observa	sjoner	 	782	 	782	 	782	 	782	 	
R2 	0,171	 	0,428	 	0,082	 	-0,690	 	
Justert	 R2 	0,168	 	0,426	 	0,078	 	-0,696	 	
Residual	er std. 	
feil	 (df = 778)	 	0,046	 	0,038	 	0,048	 	0,066	 	
Merk	: 	*p<	0,1; **p<	0,05;	 ***	p<	0,01

66	 	
 
Appendiks 6.1.4	: Korrelasjonstabell	 for	 vindkraftproduksjon	 	
 	
Korrelasjon mellom norsk og svensk vindkraftproduksjon	 	
Områder:	 	Nivå	serier	 	Førstedifferensierte serier	 	
NO2 og SE2	 	0,326	 	0,163	 	
 	 	 	
NO2 og SE3	 	0,486	 	0,342	 	
 	 	 	
NO4 og SE2	 	0,352	 	0,266	 	
 	 	 	
NO4 og SE3	 	0,294	 	0,152

67	 	
 
Appendiks	 6.2.1	: OLS	-regresjon	 med områdespesifikke elastisiteter	 	
Samlet OLS	-regresjon	 	
 	Avhengig variabel	 	
 	log(	Forbruk	) 	
log(	Pris	) 	-0,006	 	
 	(0,005)	 	
Område	 NO2	 	0,00001	 	
 	(0,002)	 	
Område	 NO3	 	0,0001	 	
 	(0,002)	 	
Område	 NO4	 	0,0002	 	
 	(0,002)	 	
Område	 NO5	 	-0,0001	 	
 	(0,002)	 	
Temperatur	 	-0,019	***	 	
 	(0,0003)	 	
Helligdag	 	0,001	 	
 	(0,004)	 	
log(	Pris	)*Område	 NO2	 	-0,007	 	
 	(0,007)	 	
log(Pris)*Område NO3	 	-0,006	 	
 	(0,006)	 	
log(Pris)*Område NO4	 	-0,004	 	
 	(0,006)	 	
log(Pris)*Område NO5	 	-0,002	 	
 	(0,007)	 	
Konstant	 	-0,0001	 	
 	(0,001)	 	
P-verdi ved F	-test for samlet signifikans, interaksjonstermer	 	0,08	8 	
Merk	: 	*p<	0,1; **p<	0,05;	 ***	p<	0,01

68	 	
 
Appendiks	 6.4.1	: Utregning av priselastisitet	 i tilfelle med kvadratledd	 	
Priselastisitet i tilfelle med kvadratledd	 	
log	(�)=	 �0+	�1log	(������)+	�2(log	(������))2+	�3�+	�4� 	
����������������������	 ���	 ℎ����������	 �å ������: 	
1
�	∙�������
������������	=	 �1∙1
������	+	 �2∙2∙log	(������)∙1
������ 	
�������
������������	∙������
�	=	 �1+	2�2log	 (������)

Husholdningers betalingsvillighet for å unngå strømbrudd	 	
 	
Vista Analyse	 | Rapport 2022/23	 	3 	
 
 	
 
 
 
 	
Vista Analyse AS	 	
Meltzers gate 4	 	
0257 Oslo	 	
 
post@vista	-analyse.no	 	
vista	-analyse.no