Zum Inhalt springen
Zurück zu den Suchergebnissen

Input-Output Strukturelle Dekompositionsanalyse

Eingeführt von
Wassily Leontief, adapted by Rose and others
Jahr
1985
Typ
Decomposition method
Familie
Economic-environmental analysis

Dieser Text ist eine maschinelle Übersetzung und wurde noch nicht geprüft. Original auf Englisch lesen

Schriftgröße

Was leistet sie?

Die Input-Output Strukturelle Dekompositionsanalyse (IO-SDA) ist eine ökonomisch-ökologische Buchführungsmethode, die auf dem Input-Output-Rahmen von Wassily Leontief basiert.

Sie zerlegt Veränderungen in der Wirtschaftsaktivität und den damit verbundenen Umweltauswirkungen (Emissionen, Ressourcenverbrauch) über die Zeit in Komponenten, die technologischen Wandel, Nachfrageschwankungen und strukturelle ökonomische Reorganisation widerspiegeln. Rose, Chen und andere formalisierten die SDA in den 1980er-1990er Jahren für die Nachhaltigkeitsanalyse.

Die Intuition hinter der Methode

Stellen Sie sich eine Volkswirtschaft als ein Netzwerk von Industrien vor, die untereinander kaufen und verkaufen. Wenn sich die Kohlenstoffemissionen aus der Fertigung verdoppeln, liegt das daran, dass (a) die Fabriken schmutziger wurden (schlechtere Technologie), (b) die Menschen mehr Zeug wollen (Nachfrage steigt), (c) sich die Wirtschaft von der Schwerindustrie hin zu Dienstleistungen verschoben hat (struktureller Wandel) oder (d) eine Mischung aus allem? IO-SDA löst das Rätsel. Sie verfolgt, wie jeder Dollar Endnachfrage durch die Lieferkette fließt und vergleicht dieses Netzwerk vor und nach der Veränderung. Indem man technisch einen Faktor nach dem anderen ändert, sieht man, was die tatsächliche Verschiebung verursacht hat.

Geschichte

Input-Output-Tabellen entstanden mit Wassily Leontief (1951) zur Modellierung wirtschaftlicher Interdependenzen. In den 1980er-1990er Jahren passten Rose, Casler und andere den Rahmen an, um Umweltauswirkungen zu zerlegen, und schufen IO-SDA als Werkzeug für Klima- und Ressourcenpolitik. Dietzenbacher und Los (2000) systematisierten die Methode und klärten Dekompositionsentscheidungen. Zeitgenössische Varianten erweitern sich auf multiregionale Modelle (MRIO), die den Handel verknüpfen, und auf verbrauchsbasierten Verantwortlichkeitsrahmen.

Wann wird sie eingesetzt?

Nutzen Sie IO-SDA, um die Verantwortung für Veränderungen der Umweltauswirkungen spezifischen Treibern zuzuordnen – um zu verstehen, ob die Produktion schmutziger wurde, die Nachfrage stark anstieg oder sich die Branchen verschoben haben. Wesentlich für die Gestaltung von Klimapolitik, die Erfassung von CO2-Fußabdrücken von Unternehmen auf Wertschöpfungskettenebene und nationale Emissionsinventare. Vermeiden Sie die Anwendung, wenn Input-Output-Tabellen nicht verfügbar oder veraltet sind oder wenn Sie Volkswirtschaften mit sehr unterschiedlichen sektoralen Strukturen vergleichen.

Grenzen und Hinweise

  • Datenbedarf: Erfordert detaillierte, regelmäßig aktualisierte Input-Output-Tabellen; viele Länder verfügen nicht über zuverlässige Tabellen oder aktualisieren diese nur selten
  • Statische Struktur: Geht davon aus, dass die technischen Koeffizienten der Branchen relativ stabil sind; größere Innovationen oder Umwälzungen können Annahmen ungültig machen
  • Aggregationsverzerrung: Durchschnittliche Koeffizienten verbergen Heterogenität innerhalb einer Branche (einige Unternehmen sind viel sauberer als andere)

Die Bedingungen der Quelle ersetzen weder eine unabhängige wissenschaftliche Prüfung noch die Validierung durch eine Analyse-Engine.

Stärken

  • Umfassende Abdeckung: Erfasst direkte und indirekte Auswirkungen über die gesamte Lieferkette innerhalb einer Volkswirtschaft
  • Klare Zuordnung: Zerlegt Veränderungen explizit in Technologie-, Nachfrage- und Strukturfaktoren – transparente politische Hebel
  • Flexibilität: Kann auf jeden Fluss (Energie, Emissionen, Materialien, Wasser) angewendet werden, der wirtschaftlichen Sektoren zugeordnet werden kann
  • Zeitliche Vergleichbarkeit: Historische Tabellen ermöglichen Trendanalysen und die Bewertung langfristiger struktureller Verschiebungen

Anwendungen

  • Nationale Emissionsbilanzierung: Zerlegung der CO2-Veränderung in Technologie vs. Nachfrage vs. strukturelle Verschiebungen zur Steuerung der Klimapolitik und Verfolgung des Fortschritts in Richtung von Zielen
  • Handel und eingebetteter Kohlenstoff: Berechnung von Carbon Leakage (ob Emissionsreduktionen im Inland durch schmutzigere Importe ausgeglichen werden) und Zuordnung der Verantwortung in Lieferketten
  • Übergang zur Kreislaufwirtschaft: Bewertung, wie Verschiebungen von linearer Produktion zu Recycling, Wiederaufbereitung und biobasierten Materialien die sektorale Intensität und Nachfragemuster verändern
  • Energieeffizienzpolitik: Bewertung, ob Effizienzstandards tatsächlich die Energieintensität reduziert haben oder ob Rebound-Effekte (erhöhter Konsum günstiger Energiedienstleistungen) Gewinne ausgeglichen haben
  • Wasser- und Material-Footprinting: Bewertung der Anfälligkeit von Lieferketten für Wasserknappheit oder Mineralienknappheit durch Verfolgung indirekter Nachfrage über Produktionsnetzwerke

So funktioniert es

So funktioniert es

1

Beschaffen Sie zwei Input-Output-Tabellen (oder Angebots- und Verwendungsverflechtungsbilanzen) für zwei Zeiträume, typischerweise 5-10 Jahre auseinander, von nationalen Statistikämtern. Stellen Sie außerdem entsprechende Vektoren von Umweltauswirkungen (Emissionen, Rohstoffabbau, Wasserverbrauch) für jede Branche zusammen.

2

Harmonisieren Sie die Branchenklassifizierungen über die beiden Tabellen hinweg (ggf. neu klassifizieren), aggregieren Sie auf konsistente sektorale Details und stellen Sie sicher, dass die Umweltdaten mit denselben Branchencodes übereinstimmen und in konsistenten Einheiten vorliegen (Tonnen CO2e, Megaliter usw.).

3

Berechnen Sie für beide Zeiträume die technischen Koeffizienten (Input pro Output-Einheit) und Multiplikatoren, um zu bewerten, wie jede Einheit der Endnachfrage direkte und indirekte Umweltbelastungen entlang der Wertschöpfungskette verursacht.

4

Zerlegen Sie die Veränderung der gesamten Umweltauswirkung zwischen den Perioden in additive Faktoren: Intensitätseffekt (Technologie), Nachfrageeffekt (Konsum), Struktureffekt (Branchenzusammensetzung) und Handelseffekt, wenn die Wirtschaft offen ist; verwenden Sie Indexdekompositionsmethoden (Laspeyres, Paasche) oder Faktorzerlegungsmethoden.

5

Identifizieren Sie, welche Faktoren die Umweltveränderung vorangetrieben haben (z. B. haben Effizienzverbesserungen den steigenden Konsum ausgeglichen?), weisen Sie die Verantwortung spezifischen Endnachfragekategorien (Haushalte, Regierung, Investitionen) zu und diskutieren Sie Ansatzpunkte für politische Maßnahmen.

Häufige Fallstricke

  • Pfadabhängigkeit der Dekomposition: Unterschiedliche Reihenfolgen der Dekomposition oder Indexformulierungen (Laspeyres vs. Paasche) führen zu unterschiedlichen Beitragsanteilen der Faktoren; berichten Sie immer über die Sensitivität oder verwenden Sie die mittlere Dekomposition
  • Ungenauigkeit des Geltungsbereichs: Das Vermischen von inländischen und importierten Produkten oder die Verwendung von produktionsbasierten vs. verbrauchsbasierten Rechnungslegungen ohne klare Grenzen verfälscht die Ergebnisse
  • Zirkuläre Argumentation bei der Zuordnung: Die Zuordnung von Auswirkungen der Endnachfrage zu Haushalten oder Regierungen erfordert Wertannahmen (wer ist für die Exportproduktion verantwortlich?), die sich von Land zu Land unterscheiden

Häufig gestellte Fragen

Warum hängt das Dekompositionsergebnis von der Reihenfolge ab, in der ich Änderungen anwende (Laspeyres vs. Paasche)?

Dies ist eine mathematische Eigenart, die als Pfadabhängigkeit bezeichnet wird. Unterschiedliche Reihenfolgen gewichten die Werte des Basisjahres gegenüber denen des Endjahres unterschiedlich. Best Practice ist, beide zu berichten oder den Mittelwert (durchschnittlich Laspeyres und Paasche) zu verwenden. Moderne Werkzeuge verwenden oft die polare Dekomposition, um dieses Problem zu minimieren.

Kann IO-SDA kleine Volkswirtschaften mit wenigen Input-Output-Tabellen handhaben?

Ja, aber mit Einschränkungen. Wenn Tabellen selten sind (z. B. alle 5 Jahre), interpolieren Sie vorsichtig. Wenn die sektorale Detailgenauigkeit gering ist, sind die Ergebnisse weniger granular. Erwägen Sie die Verwendung regionaler oder branchenspezifischer Proxies (z. B. Energiedaten) zur Ergänzung. Erkennen Sie Unsicherheiten bei der Berichterstattung an.

Wie interpretiere ich den Struktureffekt, wenn Branchen gleichzeitig wachsen und schrumpfen?

Der Struktureffekt misst die Nettoverschiebung in der Zusammensetzung. Wenn die Schwerindustrie schrumpft und Dienstleistungen expandieren, ist der Struktureffekt negativ (geringere Auswirkungen durch die Verschiebung). Aber es ist ein Netto-Maß; innerhalb der Dienstleistungen können einige Sektoren wachsen, während andere zurückgehen. Immer disaggregieren, um die Richtung zu interpretieren.

Berücksichtigt IO-SDA Importe und Offshoring?

Die grundlegende IO-SDA basiert auf der inländischen Produktion. Multiregionale IO-Modelle (MRIO) und verbrauchsbasierte Varianten verfolgen explizit Importe, Exporte und die in den Handel eingebetteten Auswirkungen. Wenn Sie vermuten, dass der Handel die Veränderung antreibt, verwenden Sie MRIO oder ergänzen Sie dies durch eine Analyse der Handelsströme.

Verwandte Methoden

Quellen

  1. Leontief, W. W. (1951). The Structure of the American Economy. Oxford University Press.

    Publikationsreferenz öffnen
    Kopiert.
  2. Rose, A., & Chen, C. Y. (1991). Sources of change in energy use in the U.S. economy, 1972–1982: A structural decomposition analysis. Resources and Energy, 13(1), 1-21.

    DOI-Referenz öffnen
    Kopiert.
  3. Dietzenbacher, E., & Los, B. (2000). Structural decomposition techniques: Sense and sensitivity. Economic Systems Research, 12(1), 41-58.

    Publikationsreferenz öffnen
    Kopiert.