Tarjouskilpailu uusiutuvan energian tuotantotukijärjestelmässä
Notice bibliographique
Résumé
Energiantuotannon päästöjä tulee vähentää merkittävästi nykyisestä ja olennaista on uusiutuviin energialähteisiin perustuvan energiantuotannon lisääminen. Tavoitteena on niiden markkinaehtoinen lisääminen, mutta toistaiseksi investoinnit eivät ole käynnistyneet laajamittaisesti ilman tukea. Kiinteisiin tukitasoihin perustuvat syöttötariffit yleistyivät vuosituhannen alussa merkittävästi. Tukitasojen asettaminen oikealle tasolle on kuitenkin erittäin hankalaa ja sitä on vaikeuttanut teknologian nopea kehittyminen. Uusiutuvan energian määrän lisääntyessä, myös tukimäärät kokonaisuudessaan ovat olennaisesti kasvaneet. Siten tukijärjestelmien kustannustehokkuus on entistäkin tärkeämpää. Viime aikoina lisääntyneet tarjouskilpailuun perustuvat tukijärjestelmät ovatkin olleet monella tapaa tehokas tapa ratkaisemaan aikaisempien tukiohjelmien ongelmia. Tarjouskilpailuun liittyy kuitenkin useita valintoja, joiden merkitys on suuri kustannustehokkuuden eli valtion menojen kannalta. Tutkielman tavoitteena on ollut luoda yleiskuva tarjouskilpailujärjestelmistä ja niihin liittyvistä valinnoista sekä pyrkiä arvioimaan merkittävimpien valintojen kustannusvaikutuksia. Merkittävimpiä valintoja ovat, perustuuko järjestelmä tavoitehintaan vai kiinteään preemioon, sekä maksetaanko tuki kunkin tarjouksen vai viimeisen voittavan tarjouksen mukaisesti. Lisäksi tutkielmassa on pyritty havainnollistamaan erilaisten tuotantomuotojen erilaista arvottamista, kattohintojen asettamista sekä tilannetta, jossa yhdellä toimijalla on useampi tarjous. Aikaisemmat tutkimukset aiheesta ovat painottuneet erilaisten järjestelmien vertailuun ja yleiseen huutokauppateoriaan. Lisäksi toteutuneita tarjouskilpailuja on arvioitu jälkikäteen lukuisissa selvityksissä. Yleinen näkemys kirjallisuudessa on, että onnistunutta tarjouskilpailua ei voida viedä sellaisenaan toiselle alueelle ja maa- tai aluekohtaiset erot vaikuttavat oleellisesti siihen, millainen tarjouskilpailujärjestelmä soveltuu parhaiten. Siten nimenomaan Suomen olosuhteisiin rakennettu simulaatiomalli helpottaa erilaisten valintojen arviointia. Simulaatiomallin perusteella tavoitehintaan perustuva järjestelmä tulee valtiolle halvemmaksi kuin kiinteän preemion järjestelmä. Vastaavasti kunkin tarjoajan omaan tarjoukseen perustuva järjestelmä tulee todennäköisesti halvemmaksi kuin viimeiseen voittavaan tarjoukseen perustuva järjestelmä. Mallilla ei voida mallintaa tarjoajien todellista tarjouskäyttäytymistä ja tarjoukset perustuvat totuudenmukaisiin eli kustannusperusteisiin tarjouksiin. Todellisuudessa edellä kuvatut tulokset eivät todennäköisesti ole yhtä selviä. Tulokset kuitenkin noudattavat aikaisemmissa tutkimuksissa tehtyjä arvioita. Kiinteän preemion järjestelmästä tekee kalliimman etenkin siihen kohdistuva suurempi riski, joka nostaa pääomakuluja. Tarjouksiin perustuva järjestelmä tulee aina halvemmaksi silloin, kun viimeisen voittavan tarjouksen tekijällä ei ole kannustimia nostaa omaa tarjoustaan. Kun kilpailua on riittävästi, tulevat voittavat tarjoukset todennäköisesti sijoittumaan selvästi viimeisen voittavan tarjouksen alapuolelle.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,067 | 0,015 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».