TIMESForza lavoro

qualificata Variabili economiche Variabili energetiche Variabili emissive Variabili demografiche Forza lavoro non qualificata Prezzi combustibili Emissioni totali

Modello

CGE

Riferimento del PIL, del valore aggiunto settoriale, della bilancia commerciale e anche dell’occupazione settoriale (in termini di rial- locazione fra settori). Nello scenario di policy saranno applicate delle riduzioni delle emissioni anche per i Paesi diversi dall’Italia, in accordo con le ipotesi di mitigazione per il resto del mondo. Per maggiori informazioni in proposito si veda il Paragrafo 8.2.2.

8.2.1

Utilizzo congiunto dei modelli ENEA–FEEM

Il presente lavoro costituisce la seconda esperienza di utilizzo con- giunto dei modelli GDyn-E e ICES. Nell’ambito del progetto DDPP, coordinato dal Sustainable Development Solutions Network (UN- SDSN) e dall’Institute for Sustainable Development and International Relations (IDDRI), sono stati, infatti, elaborati diversi scenari energetici al 2050 coerenti con l’obiettivo 2°C, di cui sono stati valutati gli impatti ma- croeconomici con GDyn-E e ICES45_.

Per l’Italia sono stati elaborati tre diversi scenari, ognuno con ridu- zione delle emissioni al 2050 dell’80% rispetto al 1990, includendo differenti ipotesi di penetrazione di tecnologie chiave, quali effi- cienza energetica, rinnovabili e CCS (Carbon Capture and Sequestra- tion). I modelli CGE sono stati allineati con TIMES in termini di aggregazione geografica, settoriale, orizzonte temporale, driver ma- croeconomici ed energetici. Negli scenari di decarbonizzazione, i due modelli sono stati armonizzati con lo scenario energetico BASE relativamente a emissioni e consumi primari e finali per l’Italia. Mentre nel rapporto DDPP GDyn-E e ICES forniscono approcci al- ternativi alle tre principali componenti degli scenari di decarbo- nizzazione, anche riconducibili all’assenza in GDyn-E di una modellazione esplicita delle fonti rinnovabili, in questo lavoro la metodologia utilizzata è stata ulteriormente perfezionata in quanto i due modelli sono maggiormente allineati. È stata infatti introdotta l’elettricità prodotta da fonti rinnovabili nel modello GDyn-E (Martini, 2016), includendo i dati forniti dal network GTAP

45 _{Per maggiori informazioni sul progetto DDPP e il rapporto sull’Italia si può consultare il documento}

8

(Global Trade Analysis Project) e prendendo spunto dalla versione sta- tica del modello GTAP elaborata da Peters (2015).

Il confronto tra i risultati dei due modelli rimane comunque di in- teresse per fornire un range di impatti macroeconomici degli sce- nari energetici di policy elaborati con TIMES, in quanto permangono delle diversità nella struttura di funzionamento, in particolare relativamente alla dinamica del mercato dei capitali, e in alcuni parametri. Nel seguito si caratterizzano i due modelli prima per gli aspetti che essi hanno in comune e poi per le loro di- versità.

Entrambi i modelli sono basati sulla struttura base del modello GTAP-E (Burniaux e Truong, 2002; McDougall e Golub, 2009), appro- priata per valutare politiche energetiche e climatiche e i loro effetti sulla competitività internazionale. I dati di riferimento sono costi- tuiti dall’edizione 9 del GTAP Database, in particolare nella versione GTAP-POWER con dettaglio sull’elettricità prodotta da fonti rinno- vabili. Per la parte energetica il database è calibrato, con qualche aggiustamento, sui consumi IEA dell’anno di riferimento, rappre- sentato dal 2011. Per quanto riguarda la parte emissiva sono rap- presentate le emissioni di CO₂ associate alla combustione di energia, non quelle di processo.

Nei due modelli sono considerati imprese, famiglie e settore pub- blico come agenti rappresentativi, e sono modellizzati i mercati dei fattori produttivi e dei diversi settori economici. Come ogni mo- dello di equilibrio economico generale, anche in GDyn-E e ICES tutti i mercati sono in equilibrio: i prezzi variano finché la domanda non uguaglia l’offerta. Ciò implica l’assunzione di piena occupazione nel modello, rendendo possibile comunque una riallocazione del- l’occupazione a livello settoriale in seguito all’introduzione di po- litiche energetiche e climatiche.

ICES è un modello ricorsivo, che genera una serie di equilibri statici attraverso aspettative miopi, ovvero basate sul periodo precedente (Parrado e De Cian, 2014). In particolare, i tassi di ritorno futuri sono basati sui tassi di ritorno correnti, e se in un Paese sono maggiori rispetto alla media mondiale, anche gli investimenti risulteranno maggiori (Eboli, Parrado, Roson, 2009).

GDyn-E è anch’esso un modello ricorsivo ma il mercato dei capitali funziona con aspettative adattive sui tassi di ritorno, che conver- gono gradualmente verso un valore comune attraverso una gra- duale correzione degli errori nelle aspettative (Ianchovichina and McDougall, 2001). Sulla base della stima dei tassi di ritorno futuri, gli investitori aumentano lo stock di capitale a un tasso di crescita che aggiustano gradualmente nel tempo. Esistono rilevanti diffe- renze nella rigidità e allocazione tra i diversi Paesi, ma nella mag- gioranza dei casi l’allocazione tra capitale nazionale ed estero è più rigida rispetto a quella tra equity in imprese locali ed estere. GDyn-E è un modello dipendente dal percorso (path-dependent): gli effetti di cambiamenti in variabili come accumulazione della ric- chezza, stock di capitale e tasso di ritorno dipendono non solo dall’entità degli shock esogeni ma anche dalla loro tempistica (Golub, 2013).

Anche per quanto riguarda i parametri comportamentali dei mo- delli ci sono alcune differenze. Alcuni parametri di GDyn-E sono stati differenziati rispetto ai valori del GTAP-E statico, sulla base dei risultati di analisi econometriche (Paglialunga, 2015). Ad esempio, l’elasticità di sostituzione tra capitale ed energia nelle funzioni di produzione settoriali varia tra un valore minimo di 0,24 a un valore massimo di 0,45, mentre quella tra energia elettrica e non elettrica varia tra un minimo di 0,48 a un massimo di 0,9.

Nel caso del modello ICES, le elasticità di sostituzione tra capitale ed energia (0,25) e le elasticità di sostituzione fra combustibili fossili (0,25) seguono le stime raccolte per validare il modello GTAP-E (Beckman et al, 2011).

La Tabella 41 indica i Paesi e le macroregioni incluse nei due mo- delli. Appare evidente come il valore aggiunto di utilizzare due mo- delli sia associabile anche alla possibilità di valutare gli impatti dello scenario energetico rispetto a diverse aggregazioni regionali. Questa possibilità può essere particolarmente rilevante quando si analizzano le variazioni indotte dallo scenario di policy in termini di competitività internazionale.

Lo stesso può dirsi con riferimento alle due diverse aggregazioni settoriali, mostrate inTabella 42; interessante, in particolare, la di- sponibilità di valutazioni a livello disaggregato per il comparto energy intensive in GDyn-E e per il comparto servizi in ICES. Come

8

mostrato in tabella, i due modelli CGE considerano le seguenti fonti energetiche: carbone; • petrolio; • gas naturale; •

derivati del petrolio e del carbone; •

elettricità da fonti fossili; •

elettricità da fonti rinnovabili; •

elettricità da nucleare. •

Le rinnovabili termiche, come ad esempio la biomassa per usi ter- mici o l’energia solare per acqua calda sanitaria, non sono incluse nel modello.

CONFRONTO AGGREGAZIONE REGIONALE