Sesongjustering av strømforbruket for alminnelig forsyning i månedlig elektrisitetsstatistikk

Forbruk i alminnelig forsyning påvirkes av sesongvariasjon gjennom året. Den viktigste kilden til sesongvariasjon er temperatur. Siden forbruket har et systematisk mønster gjennom året, kan vi ikke sammenlikne tall fra måned til måned på en meningsfull måte. Gjennom statistiske metoder kan vi renske rådata for all systematisk sesongvariasjon. De sesongjusterte tallene gir oss informasjon om en økning (nedgang) i rådata bare skyldes sesongvariasjon, eller om vi har en generell økning (nedgang) i strømforbruket. Sesongjusterte tall beskriver derfor den underliggende utviklingen.

Dette notatet består av tre deler. I del I presenter vi rådata. Plott av rådata viser tydelig sesongmønster. Strømforbruket har høye verdier gjennom vinteren, avtar gjennom sommermånedene for så å stige gjennom høstmånedene. Autokorrelasjonsdiagram og plott av rådata for hvert år over hverandre understøtter også at forbruk i alminnelig forsyning har et veldefinert sesongmønster. I tillegg indikerer autokorrelasjonsdiagrammet at rådata er en ikke stasjonærprosess. Dette tester vi om stemmer ved å bruke en Dickey-Fuller test. I Dickey-Fullertesten beholder vi H0 hypotesen, som sier at rådata er en ikke-stasjonær prosess.

I del II forklarer vi hvordan rådata prekorrigeres ved en ARIMA modell. Kalendereffekter skyldes ulikt antall arbeidsdager fra måned til måned eller bevegelige helligdager som påske, pinse og Kristi Himmelfartsdag. Da sammensetningen av ukedager i en måned kan ha betydning for strømforbruket, tester vi først i en økonometrisk modell om alle variabler som fanger opp kalendereffekter og bevegelige helligdager er signifikant. Deretter tar vi ut den variabelen som er minst signifikant og estimerer på nytt. Til slutt står vi igjen med en modell hvor bare ukedagseffekten er signifikant på 5 prosent nivå. I denne modellen antar vi at hverdager påvirker strømforbruket i alminnelig forsyning med lik vekt, mens lørdag og søndag påvirker med en lavere vekt. Denne spesifikasjonen av ukedagseffekten er rimelig, fordi enkelte forbruksgrupper innenfor tjenesteyting vil bruke mindre strøm i helgen på grunn av ingen eller redusert åpningstid. Dette kan også gjelde for noen forbruksgrupper i industrien utenom kraftintensiv industri, men forbruket innenfor treforedling, som utgjør om lag 34 prosent av dette forbruket, går jevnt gjennom hele året. Parameterestimatene i modellen uttrykker hvor mye logaritmen til rådata er prekorrigert, med motsatt fortegn.

I siste del av notatet viser vi resultatene fra sesongjusteringen og ulike indikatorer som måler hvor god sesongjusteringen er. Sesongjusterte tall er satt sammen av de to komponentene trend og irregulær komponent. Den irregulære komponenten reflekterer tilfeldig variasjon som ikke gjentarseg fra år til år og kan derfor tolkes som et støyledd. Ved å fjerne den irregulære komponenten fra den sesongjusterte serien framkommer trenden, som beskriver den langsiktige utviklingen i data.Grafen med sesongjusterte tall viser at vi ved å glatte ut sesongsvingninger gjennom året kan sammenlikne tall fra måned til måned på en meningsfull måte. Plottet av trenden indikerer en positiv underliggende vekst i strømforbruket på nittitallet, mens det ser ut til at forbruket flater ut i perioden 2000(1)-2008(5) per måned på rundt 6630 GWh. Kvalitetsmålene uttrykker at vi alt i alt oppnår en god sesongjustering. M3 og M5 (se tabell på side 18) har riktignok høyere verdier enn 1,noe som ikke er gunstig. Dette kommer av at vi da har store utslag i den irregulære komponenten.Q, som er en vektet samleindikator for M1-M11 bortsett fra M2, er lik 0,46 og det er svært bra. Kritisk verdi for Q er 1. Stabiliteten for sesongkomponenten og sesongjusterte tall er tilfredsstillende.