Metoder for å vurdere usikkerhet

Forutsetningene som inngår i den samfunnsøkonomiske analysen, er normalt beheftet med usikkerhet. Vurdering av usikkerhet er derfor en viktig del av analysen. Usikkerheten kan beregnes og visualiseres på ulike måter. Hvilken metode som bør benyttes avhenger blant annet av tiltakets omfang, kompleksitet og kostnader. Normalt gjennomføres det sensitivitetsanalyser for de mest usikre forutsetningene. Der det er hensiktsmessig kan i tillegg utfallsrommet ved at flere hendelser inntreffer samtidig, drøftes.

Under beskriver vi fire metoder for å vurdere usikkerhet. Merk at metodene benyttes på prissatte virkninger. For å få fram det komplette bildet av tiltakets usikkerhet, må også usikkerhet rundt ikke-prissatte virkninger drøftes kvalitativt.

Sensitivitetsanalyser brukes til å belyse hvordan endringer i én forutsetning eller virkning påvirker tiltakets samlede samfunnsøkonomiske lønnsomhet. Metodikken hjelper beslutningstakere med å forstå hvor robust eller sårbart et tiltak er for ulike forutsetninger og usikkerheter.

De fire stegene under kan benyttes for å gjennomføre en sensitivitetsanalyse.

Steg 1: Kartlegge og vurdere usikre forutsetninger

Først må de viktigste forutsetningene eller virkningene i analysen identifiseres. Dette kan inkludere forutsetninger om investeringskostnader, kraftpriser, levetid på materiell, framtidig forbruk eller verdien av ny kraftproduksjon. For hver av de identifiserte forutsetningene bør usikkerheten drøftes, og det bør vurderes hva som gjør den usikker. Dette kan omfatte usikkerhet i dataene, variasjoner i markedsforhold, politiske endringer eller andre faktorer som kan påvirke resultatene. Hvordan usikre forutsetninger kan kartlegges og vurderes er forklart nærmere her.

Steg 2: Gjennomføre sensitivitetsanalyse

Sensitivitetsanalysen innebærer deretter å variere forutsetningene for å se hvordan endringene påvirker resultatene av analysen. Variablene justeres opp og ned i henhold til den identifiserte usikkerheten.

Steg 3: Evaluere resultatene

Resultatene kan visualiseres gjennom grafer, tabeller eller andre egnede verktøy slik som vist i eksempelet under. Analyse av resultatene gir innsikt i hvilke variabler som har størst innvirkning på lønnsomheten av tiltaket.

Steg 4: Konkludere

Resultatene av sensitivitetsanalysen gir beslutningstakere bedre grunnlag for å vurdere risiko og muligheter for tiltaket. Dette kan bidra til mer informerte beslutninger, for eksempel om tiltaket er levedyktig i ulike situasjoner, eller om det kreves risikoreduserende tiltak.

I samfunnsøkonomiske analyser av nettiltak er det ofte større sikkerhet ved noen av forutsetningene enn andre. Typisk er det større sikkerhet rundt investeringskostnadene enn rundt nyttevirkningene. Investeringskostnadene er gjerne basert på gode erfaringstall, og investeringene skal som regel gjøres i nær framtid. Nyttevirkningene er gjerne mer usikre i seg selv (for eksempel på grunn av usikkerhet rundt forbruksutviklingen), og i tillegg pågår virkningene lenger inn i en usikker framtid.

En nullpunktsanalyse innebærer å vurdere hvilke verdier av en forutsetning som skal til for at tiltakets netto nåverdi for prissatte virkninger går i null. Et typisk eksempel er å vurdere hvilken årlig nytteverdi som må realiseres for at investeringskostnadene skal oppveies. I neste omgang kan det vurderes hva som skal til, og sannsynligheten for, at slike nytteverdier realiseres.

Excel-funksjonen ‘Problemløser’ er et nyttig verktøy for å gjøre nullpunktsanalyser og forklares nærmere her.

Et scenario er en overordnet oversikt over tenkte hendelser i framtiden. I en scenarioanalyse skisseres ulike tenkte utfall for framtiden, og det analyseres hvordan disse tilstandene påvirker tiltakets lønnsomhet. Scenarioanalyser er gjerne mest aktuelt for større og mer komplekse analyser. På samme måte som sensitivitetsanalyser, hjelper scenarioanalyser beslutningstakere med å forstå hvor robust eller sårbart tiltaket er for ulike situasjoner i framtiden. Med scenarioanalyser ses gjerne usikkerheten for flere forutsetninger i sammenheng. Resultatene kan benyttes til å planlegge nettutviklingen best mulig i møte med en usikker framtid.

Scenariene bør være realistiske, men alle må ikke være like sannsynlige. Hvilke utviklingstrekk som kan vurderes nærmere avhenger av det konkrete tiltaket. Et typisk utviklingstrekk er framtidig forbruksutvikling i et område. Forbruket avhenger av en rekke faktorer som kraftpriser, teknologisk utvikling og lokal, nasjonal og internasjonal politikk. Med scenarioanalyser kan tiltaket vurderes sett i lys av for eksempel høyt, middels og lavt forbruk.

Ulike framtidsscenarier kan med fordel beskrives i behovsanalysen. I alternativanalysen kan det fremgå hvordan de ulike alternativene vil møte de ulike scenariene.

Bruk av simuleringsmodeller kan være aktuelt dersom det dreier seg om større tiltak og det er kompliserte sammenhenger mellom usikkerhetsfaktorene. For nettiltak kan det være relevant å bruke simuleringer i forbindelse med usikkerhetsanalyse av investeringskostnader. Kostnadsestimatet kan inneholde mange kostnadsposter med ulik usikkerhet, i tillegg til usikkerheter som kan påvirke hele eller større deler av estimatet. En manuell beregning for å aggregere all usikkerhet og finne en forventningsverdi med tilhørende usikkerhetsspenn, blir for arbeidskrevende og upresis. En sensitivitets- eller scenarioanalyse er heller ikke egnet til å vise hvor sannsynlig det er for at en virkning blir lavere eller høyere enn forventet.

Monte Carlo-metoden er et eksempel på en mye brukt simuleringsmetode og kan beskrives som en omfattende variant av scenarioanalyse. Dette er en teknikk for å håndtere et matematisk problem ved å utføre simuleringer i et modellverktøy. I forbindelse med usikkerhetsanalyse av investeringskostnader, vil minimums-, maksimums-, og forventet verdi fra kostnadsestimatene innarbeides i modellen. Denne kan gjennomføre tusenvis av trekninger av forskjellig utfall på kort tid. Resultatene fra simuleringene gir forventningsverdier for både kostnadsgrupper og hele estimatet, hvor usikkerheten i datagrunnlaget er tatt hensyn til. Dette brukes blant annet til å fastsette kostnadsrammer og styringsmål for større statlige prosjekter. Statnett bruker også tilsvarende simuleringsmetode i mange prosjekter. Monte Carlo-metoden forklares nærmere i Direktoratet for forvaltning og økonomistyrings veileder i samfunnsøkonomiske analyser.

I prinsippet kan slike simuleringer også brukes for alle nytte- og kostnadsvirkninger i en samfunnsøkonomisk analyse. Samtidig er det en utfordring at det sjelden er godt nok tallgrunnlag for å gjøre gode nok forutsetninger rundt sannsynlighetsfordelingen til alle usikre faktorer og sammenhengen mellom dem. En ulempe er også at det kan være arbeidskrevende. Vanligvis er bruk av metoden ikke nødvendig for mindre tiltak.