Article
Licensed
Unlicensed Requires Authentication

Zum Stromkonsum von Haushalten in Grundsicherung: Eine empirische Analyse für Deutschland

  • EMAIL logo , , , , and
Published/Copyright: December 1, 2017
Perspektiven der Wirtschaftspolitik
From the journal Perspektiven der Wirtschaftspolitik Volume 18 Issue 4

Zusammenfassung

In diesem Aufsatz untersuchen die Autoren Stromkonsum und Stromkosten von Haushalten in Grundsicherung in Deutschland. Dazu werten sie einen Datensatz aus, der mehr als 19.500 Haushalte mit Leistungsbezug nach SGB II und SGB XII in verschiedenen Haushaltszusammensetzungen umfasst. Die Ergebnisse der empirischen Analyse zeigen, dass die Haushaltszusammensetzung sowie die Art der Warmwasserbereitung erheblichen Einfluss auf die entstehenden Verbräuche und Kosten haben. Insbesondere die elektrische Warmwasserbereitung verursacht erhebliche zusätzliche Kosten. Es kann nur eine schwache Nachfragereaktion der Haushalte auf Veränderungen des Strompreises nachgewiesen werden. Insgesamt zeigt sich, dass die veranschlagten Anteile für Strom in den Regelbedarfen nach SGB II und SGB XII im Durchschnitt nicht zur Begleichung der Stromkosten ausreichen. Dieses Problem verschärft sich insbesondere in Fällen, in denen Warmwasser mit Strom bereitet wird.

JEL-Klassifikation: H55; Q52; Q41
Schlagwörter: Stromkonsum; Stromkosten; SGB II; SGB XII; Regelbedarf; Grundsicherung

Danksagung

Wir danken der ene’t GmbH (www.enet.eu) sowie Sven Heim für die Überlassung von Daten zu Strompreisen, die in diesem Aufsatz Verwendung fanden. Wir danken dem Deutschen Caritasverband e.V. und dem Bundesverband der Energie- und Klimaschutzagenturen Deutschlands (eaD) e.V. mit deren Projekt Stromspar-Check Plus für die Zurverfügungstellung der Daten. Unser Dank gilt auch zwei anonymen Gutachtern sowie Veronika Grimm für hilfreiche Kommentare. Dieser Aufsatz wurde im Rahmen des BMBF-geförderten Forschungsvorhabens „Sozialpolitische Konsequenzen der Energiewende“ erstellt (Förderkennzeichen: 01UN1204A).

Literaturverzeichnis

BDEW (2015), Erneuerbare Energien und das EEG: Zahlen, Fakten, Grafiken (2015), Berlin, Bundesverband der Energie- und Wasserwirtschaft e.V. (BDEW).Search in Google Scholar

Brounen, D., N. Kok und J. M. Quigley (2012), Residential energy use and conservation: Economics and demographics, European Economic Review 56(5), S. 931–45.10.1016/j.euroecorev.2012.02.007Search in Google Scholar

Buchholz, W. und P. Heindl (2015), Ökonomische Herausforderungen des Klimawandels, Perspektiven der Wirtschaftspolitik 16(4), S. 324–50.10.1515/pwp-2015-0027Search in Google Scholar

Cox, M., A. Peichl, N. Pestel und S. Siegloch (2014), Labor demand effects of rising electricity prices: Evidence for Germany, Energy Policy 75, S. 266–77.10.1016/j.enpol.2014.10.021Search in Google Scholar

Davidson, R. und J. G. MacKinnon (2004), Econometric Theory and Methods, Oxford, Oxford University Press.Search in Google Scholar

Deutscher Caritasverband (2013), Eckpunkte und Position des DCV zur Bekämpfung von Energiearmut, neue caritas spezial, 2 (September).Search in Google Scholar

Deutscher Verein für öffentliche und private Fürsorge (1989), Gutachterliche Äußerung: Neues Bedarfsbemessungssystem für die Regelsätze in der Sozialhilfe – Ableitung der Regelsätze für sonstige Haushaltsangehörige, Frankfurt am Main.Search in Google Scholar

Deutscher Verein für öffentliche und private Fürsorge (1991), Gutachtliche Äußerung: Mehrbedarf nach §§ 23, 24 BSHG,Frankfurt am Main.Search in Google Scholar

Espey, J. A. und M. Espey (2004), Turning on the lights: A meta-analysis of residential electricity demand elasticities, Journal of Agricultural and Applies Economics, 36(1), S. 65–81.10.1017/S1074070800021866Search in Google Scholar

Ethik-Kommission (2011), Deutschlands Energiewende – Ein Gemeinschaftswerk für die Zukunft, Berlin.Search in Google Scholar

Frondel, M., M. Andor, N. Ritter, S. Sommer und C. Vance (2015), Erhebung des Energieverbrauchs der privaten Haushalte für die Jahre 2011–2013. Projektbericht 54/09 des Bundesministeriums für Wirtschaft und Technologie, Essen.Search in Google Scholar

Goebel, J., M. M. Grabka, P. Krause, M. Kroh, R. Pischner, I. Sieber und M. Spieß (2008), Mikrodaten, Gewichtung und Datenstruktur der Längsschnittstudie Sozio-oekonomisches Panel (SOEP), Vierteljahrshefte zur Wirtschaftsforschung 3, S. 77–109.10.3790/vjh.77.3.77Search in Google Scholar

Grösche, P. und C. Schröder, C. (2013), On the redistributive effects of Germany’s feed-in tariff, Empirical Economics 46(4), S. 1339–83.10.1007/s00181-013-0728-zSearch in Google Scholar

Growitsch, C., H. Meier und S. Schleich (2015), Regionale Verteilungswirkungen des Erneuerbare-Energien-Gesetzes, Perspektiven der Wirtschaftspolitik 16(1), S. 72–87.10.1515/pwp-2015-0007Search in Google Scholar

Heindl, P. (2015), Measuring fuel poverty: General considerations and application to German household data, FinanzArchiv 71(2), S. 178–215.10.2139/ssrn.2304673Search in Google Scholar

Heindl, P. und A. Löschel (2014), Social implications of green growth policies from the perspective of energy sector reform and its impact on households, OECD Issue Note.10.2139/ssrn.2578953Search in Google Scholar

Heindl, P., R. Schüßler und A. Löschel (2014), Ist die Energiewende sozial gerecht? Wirtschaftsdienst 94(7), S. 508–14.10.1007/s10273-014-1705-7Search in Google Scholar

Heindl, P. und S. Voigt (2012), Employment effects of regional climatepolicy: The case of renewable energy promotion by feed-in tariffs, ZEW Discussion Paper, 12–066.10.2139/ssrn.2159191Search in Google Scholar

Hills, J. (2012), Getting the Measure of Fuel Poverty: Final Report of the Fuel Poverty Review, London.Search in Google Scholar

Kohn, K. und M. Missong (2003), Estimation of quadratic expenditure systems using German household budget data, Jahrbücher für Nationalökonomie und Statistik 223(4), S. 421–48.10.1515/jbnst-2003-0404Search in Google Scholar

Kopatz, M. (2013), Energiewende. Aber fair! Wie sich die Energiezukunft sozial tragfähig gestalten lässt, München, oekom.10.14512/9783865815545Search in Google Scholar

Krishnamurthy, C. K. B. und B. Kriström (2015), A cross-country analysis of residential electricity demand in 11 OECD-countries, Resource and Energy Economics 39, S. 68–88.10.1016/j.reseneeco.2014.12.002Search in Google Scholar

Little, R. J. A. (1993), Post-stratification: A modeler’s perspective, Journal of the American Statistical Association 88(423), S. 1001–12.10.1080/01621459.1993.10476368Search in Google Scholar

Löschel, A., F. Flues und P. Heindl (2012), Verteilungswirkungen des Erneuerbare-Energien-Gesetzes – Das Erneuerbare-Energien-Gesetz in der Diskussion, Wirtschaftsdienst 92(8), S. 515–19.10.1007/s10273-012-1413-0Search in Google Scholar

Lutzenhiser, L. (1993), Social and behavioral aspects of energy use, Annual Review of Energy and the Environment 18(1), S. 247–89.10.1146/annurev.eg.18.110193.001335Search in Google Scholar

Manski, C. F. und S. R. Lerman (1977), The estimation of choice probabilities from choice based samples, Econometrica 45(8), S. 1977–88.10.2307/1914121Search in Google Scholar

Meier, H., T. Jamasb und L. Orea (2013), Necessity or luxury good? Household energy spending and income in Britain 1991–2007, The Energy Journal 34(4), S. 109–29.10.5547/01956574.34.4.6Search in Google Scholar

Narayan, P. K., R. Smyth und A. Prasad (2007), Electricity consumption in G7 countries: A panel cointegration analysis of residential demand elasticities, Energy Policy 35(9), S. 4485–94.10.1016/j.enpol.2007.03.018Search in Google Scholar

Neuhoff, K., S. Bach, J. Diekmann, M. Beznoska und T. El-Laboudy (2013), Distributional effects of energy transition: Impacts of renewable electricity support in Germany, Economics of Energy & Environmental Policy, 2(1), S. 41–54. 10.5547/2160-5890.2.1.3Search in Google Scholar

OECD (2014), The Distributional Effects of Energy Taxes: Preliminary Report, Paris.Search in Google Scholar

Parfit, D. (1997), Equality or priority? Ratio, 10(3), S. 202–21.10.4324/9781315199795-18Search in Google Scholar

Schulte, I. und P. Heindl (2017), Price and Income Elasticities of Residential Energy Demand in Germany, Energy Policy 102 (3), S. 512–28.10.1016/j.enpol.2016.12.055Search in Google Scholar

Solon, G., S. J. Haider und J. M. Wooldridge (2015), What are we weighting for? Journal of Human Resources 50(2), S. 301–16.10.3386/w18859Search in Google Scholar

Anhang 1: Gewichtung der Daten

Stellt ein Datensatz keine Zufallsstichprobe dar, so ist die konsistente Schätzung auf Basis von Standardverfahren nicht möglich (Solon et al. 2015). Im Fall des „Endogenous sampling“, also wenn im Zuge der Datenerhebung bestimmte Beobachtungsgruppen über- bzw. unterrepräsentiert sind, kann dieses Problem mittels Gewichtung behoben werden. Voraussetzung dafür ist, dass der dem Endogenous sampling zugrunde liegende Prozess bekannt ist, so dass dieser in die Modellierung eingehen kann (Manski und Lerman 1977). Zudem können durch Poststratifizierung über- und unterrepräsentierte Beobachtungen ab- bzw. aufgewertet werden, um Verzerrungen zu korrigieren (vgl. Little 1993).

Im Fall der SSC-Daten handelt es sich um keine Zufallsstichprobe. Grund dafür ist, dass die Haushalte selbst entscheiden, ob sie an den Maßnahmen des SSC teilnehmen oder nicht. Zudem setzt die Teilnahme die Verfügbarkeit des Programms in der jeweiligen Stadt oder Region voraus. Weil das Programm nicht in allen Bundesländern in gleicher „Dichte“ angeboten wird kann es so auch zu einer räumlichen Verzerrung im Datenbestand kommen.

Bei der Modellierung wird zur Behebung des Endogenous samplings eine Poststratifizierung mittels (nicht-normierter) „Probability weights“ verwendet. Basierend auf dem Vorkommen bestimmter Haushaltsgruppen im betrachteten Sample und in der Grundgesamtheit in Deutschland, werden Gewichte berechnet, welche die inverse relative Wahrscheinlichkeit des erwarteten Auftretens einer Beobachtung im Datensatz widerspiegeln und hierdurch Verzerrungen beseitigen.

Solche Gewichte werde standardmäßig auch in anderen Datenbeständen angewendet, etwa dem Sozio-ökonomischen Panel (Goebel et al. 2008). Diese können sowohl bei der Berechnung des arithmetischen Mittels als auch bei der OLS-Schätzung zur Anwendung kommen (Davidson und MacKinnon 2004, S. 261 ff.). Im Fall der Anwendung im Zuge der OLS-Schätzung wird die Verwendung von heteroskedastierobusten Standardfehlern ausdrücklich empfohlen (Solon et al. 2015, S. 311).

Bei der Ermittlung der Gewichte wird auf zwei Datenquellen zurückgegriffen. Für den Leistungsbezug nach SGB II sind dies die Daten der Bundesagentur für Arbeit (BA), für den Leistungsbezug nach SGB XII sind dies Daten des Statistischen Bundesamtes (Destatis).[19]

Die Stratifizierung erfolgt hierbei gemäß der Datenverfügbarkeit. Im Fall von Leistungsbezug nach SGB II wird nach Bundesland (Anzahl: 16) und Haushaltstyp (Anzahl: 4) gewichtet. Im Fall von Leistungsbezug nach SGB XII nach Bundesland (Anzahl: 16), Leistungstyp (Anzahl: 2) und Haushaltstyp (Anzahl: 2). Insgesamt liegen somit 128 verschiedene Gewichte vor.

Published Online: 2017-12-1
Published in Print: 2017-11-30

© 2017 Walter de Gruyter GmbH, Berlin/Boston

Articles in the same Issue

  1. Frontmatter
  2. Editorial
  3. Gute Gebietsreformen?
  4. Wissenschaft im Überblick
  5. Was bringen kommunale Gebietsreformen?
  6. Das Gespräch
  7. „Wir erleben eine historische Transformation Frankreichs“
  8. Beiträge aus der Forschung
  9. Die Gerechtigkeitslücke in der Verteilung der Kosten der Energiewende auf die privaten Haushalte
  10. Zum Stromkonsum von Haushalten in Grundsicherung: Eine empirische Analyse für Deutschland
  11. Aus aktuellem Anlass
  12. Alterssicherung zwischen Zwang, Paternalismus und Wahlfreiheit
https://doi.org/10.1515/pwp-2017-0009

Articles in the same Issue

  1. Frontmatter
  2. Editorial
  3. Gute Gebietsreformen?
  4. Wissenschaft im Überblick
  5. Was bringen kommunale Gebietsreformen?
  6. Das Gespräch
  7. „Wir erleben eine historische Transformation Frankreichs“
  8. Beiträge aus der Forschung
  9. Die Gerechtigkeitslücke in der Verteilung der Kosten der Energiewende auf die privaten Haushalte
  10. Zum Stromkonsum von Haushalten in Grundsicherung: Eine empirische Analyse für Deutschland
  11. Aus aktuellem Anlass
  12. Alterssicherung zwischen Zwang, Paternalismus und Wahlfreiheit
Downloaded on 10.4.2026 from https://www.degruyterbrill.com/document/doi/10.1515/pwp-2017-0009/html
Scroll to top button