Data applied in the forest sector models NorFor and NTMIII

Abstract

This report provides an overview of the data used in the two Norwegian forest sector models NorFor and NTMIII. Both models are spatial partial equilibrium models describing the Norwegian forest and bioenergy sectors, including harvest of timber, processing in industry, demand of final products and trade and transport between regions and to/from Norway. Both models have endogenous prices of timber and wood products, but differ in the timber supply side, in the time horizon and the foresight information of agents. NTM has econometrically specified timber supply curves and no option of changing forest management and investment from the predetermined path. In NorFor, simulated growth and yields of all National Forest Inventory plots are included for several future management options. NTM is mostly applied for projections 10 – 20 years into future, while NorFor can currently be applied up to 100 years in future. NTM is a myopic model employing a recursive optimization, assuming that agents do not possess any information about the future beyond the current period. NorFor optimizes for all periods at once, and assumes that agents have perfect foresight.

2008 is base year for both models. Different methods and source are applied to establish the data sets documented in this report. Public statistics from Statistics Norway are used for prices, international trade, harvest and energy consumption. Data from the National Forest Inventory sample plots are used to estimate county‐specific timber supply in NorFor. Elasticities of timber supply (only NTM) and demand for final products (both models) are based on econometric studies. Supply curves for harvest residues are based on available biomass and hauling costs. Plant level data in the pulp, paper and board industry are collected through interviews in the forest industries and annual reports. Input‐output coefficients in bioenergy production are based on other studies and own analyses of data from Statistics Norway and Enova. Costs for expanding district heating systems are based on the heating market model X‐Varme runs. Other parameters are forest management costs (only NorFor), transport costs and GDP growth as a basis for demand growth.

Data quality is an important factor in the quality of the results. Several aspects are related to data quality, as representativeness and data uncertainty. Data representativeness indicates how well the analyzed chain or products are represented, as the data often are taken from other geographical areas or adjacent products. Data limitations always exist, and models are simplified representations of the systems. However, consequences of data deficiency vary with the analyses. In general, data regarding production, prices and trade of wood, energy and forest industrial products based on figures from Statistics Norway are of high quality, whereas data of inputs and costs in the industry have weaker empirical basis and thus higher uncertainty.

Denne rapporten beskriver data anvendt i skogsektormodellene NorFor og NTMIII. Begge modellene er romlige, partielle likevektsmodeller, som beskriver de norske skog‐ og bioenergisektorene, inkludert avvirkningen av tømmer, prosessindustri, etterspørsel av sluttprodukter og handel og transport mellom regioner i Norge og til/fra utlandet. Begge modellene har endogene priser for tømmer og skogprodukter, men er forskjellige når det gjelder modellering av tømmertilbudet, tidshorisonten som analyseres og forutsetninger om aktørenes informasjon om fremtiden. I NTM modelleres tømmertilbudet basert på parametre fra økonometriske studier og det er ingen mulighet til å forandre skogbehandlingen fra den forutbestemte banen. I NorFor simuleres tilveksten på alle Landskogtakseringens prøveflater, og modellen inkluderer flere valg for fremtidig skogbehandling. NTM anvendes for analyser med 10‐20 års horisont, mens NorFor kan i dag brukes for analyser med tidshorisont opp til 100 år. NTM er basert på rekursiv programmering hvor investeringen er basert på lønnsomheten i inneværende tidsperiode, dvs. aktørene forutsettes å ikke ha noe informasjon om fremtiden. NorFor optimerer for alle perioder samlet, og forutsetter på den måten at agentene har perfekt informasjon om fremtidige forhold.

2008 er basisåret i begge modellene. Ulike metoder og kilder er tatt i bruk for å etablere datasettene som er dokumentert i denne rapporten. Offentlig statistikk fra Statistisk sentralbyrå er brukt for priser, handel, avvirkning og energiforbruk. Data fra Landskogtakseringens prøveflater er brukt for å estimere tømmertilbudet på fylkesnivå i NorFor. Elastisiteter for tømmertilbud (bare NTM) og etterspørsel etter sluttprodukter (begge modellene) er basert på økonometriske studier. Tilbudskurver for hogstavfall er basert på tilgjengelig biomasse og transportkostnader. Data på fabrikknivå for papir‐, masse‐ og plateindustri er samlet inn gjennom intervjuer og årsrapporter. Input‐output koeffisienter for bioenergi er basert på andre studier og egne analyser basert på data fra Statistisk sentralbyrå og Enova. Kostnader for å utvide fjernvarmesystemer er basert på kjøringer med varmemarkedsmodellen X‐Varme. Andre parametre er kostnader for skogbehandling (NorFor), transportkostnader og BNP‐vekst som grunnlag for etterspørselsvekst.

Datakvaliteten påvirker kvaliteten på resultatene i analysene. Det er flere aspekter ved datakvalitet, slik som representativitet og datausikkerhet. Representativiteten indikerer hvor godt verdikjedene eller produktene er representert. Dataene er ofte hentet fra andre geografiske regioner eller lignende produkter. Begrensinger i dataene vil alltid eksistere og modeller er forenklete beskrivelser av de faktiske systemene som analyseres. Konsekvensene av mangler i dataene er avhengig av analysene som skal utføres. I hovedsak er data for produksjon, priser og handel med trevirke, energi og skogindustriprodukter basert på tall fra Statistisk sentralbyrå av god kvalitet, mens data for innsatsfaktorer og kostnader i industrien har et svakere emirisk grunnlag og derfor høyere usikkerhet.