Hastighed og indkomst Mogens Fosgerau. Overblik Motivation Teori Empiri Konklusioner.

Præsentationer af emnet: "Hastighed og indkomst Mogens Fosgerau. Overblik Motivation Teori Empiri Konklusioner."— Præsentationens transcript:

1 Hastighed og indkomst Mogens Fosgerau

2 Overblik Motivation Teori Empiri Konklusioner

3 Motivation Gns. hastighed for personbiler på motorveje i det åbne land er 119 km/t (2002) Gns. hastighed for alle køretøjer er steget fra 103 km/t (1986) til 114 km/t (1998) Hvorfor? Hastighedsgrænse ændret i 1992 Antallet af bøder nogenlunde konstant

4 En generel tendens Forklaring må findes på et fundamentalt niveau Går til økonomisk teori – ser på tid og penge

5 Figure 1. The average speed on Danish motorways, real GDP per capita and user cost of car use

6 Litteratur Der findes ikke ret meget om emnet Review af makro-modeller: Indkomst  uheld Overholdelse af hastighedsgrænser (”jeg overskrider somme tider hastighedsgrænsen”) og indkomst, interviewdata, lille sample

7 Teori Grundlag –Bilister ønsker generelt at komme hurtigt frem –Men tid koster penge Bøder Brændstof Komfort (dyrere bil) Sikkerhed (dyrere bil) Fokuserer her på bøder som eneste omkostning for at holde tingene simple

8 Antagelser Bilister vil gerne hurtigt frem –Tid er penge værd –Værdi af tidsbesparelse svarer til timeløn efter skat –Tidsbesparelse afhænger af hastighed Hastighed koster –Risiko for bøde, hvis hastighedsgrænse overskrides –Bøde afhænger af overskridelse

9 Antagelser Man får bøde med en vis sandsynlighed Man vælger hastighed for at maksimere sin forventede nytte

10 Regne regne

11 Resultater En (i modellens forstand) rationel bilist vil overskride hastighedsgrænsen, når  < w/S 0 2 F Der skal gives én bøde per 8000 km, hvis en gns. bilist fra samplet akkurat skal overholde hastighedsbegrænsning med nuværende bødesatser Den aktuelle rate er én bøde per 500.000 km

12 Resultater Generelt er hastigheden i modellen givet ved Stiger med indkomst Falder med sandsynlighed for bøde Falder med bødens størrelse Falder med fartgrænse Det er muligt at kompensere for sammenhæng med proportionalt indkomstafhængige bøder

13 Resultater Hvorfra kender man sandsynligheden for at få en bøde? Man kan estimere sandsynlighed ud fra egen historie Hvis andre er rationelle og hvis man kan gætte deres indkomst ud fra bilmærke etc., kan man gætte deres estimater Man kan udnytte denne information og få mere præcist estimat

14 Resultater Den enkelte kan således temmelig præcist vurdere sandsynligheden for at få en bøde Simpelthen som antallet af bøder i alt i forhold til det samlede trafikarbejde Dvs. de fleste bilisters estimat af sandsynlig- heden for at få en bøde er tæt på 1/500.000 per km.

15 Empiri: data 86.491 observationer af rejser som bilfører uden for hovedstadsområdet 10.490 mangler indkomst 15.843 er kortere end 2 km 225 er over 200 km 1.540 kører langsommere end 20 km/t 58.389 observationer til brug

16 Deskriptiv statistik Avg. speedNo. obs. DistanceIncomeLowMediumHighLowMediumHigh 2-10 40.841.241.811755948810707 10-50 56.658.259.5713274258558 50-100 69.772.776.25976151232 100-150 79.878.982.5144164355 150-200 82.583.987.73556126

17 Observationer 1.Hastighed stiger med afstand 2.Hastighed stiger med indkomst i hvert afstandsbånd 3.Indkomstafhængighed øges med afstand 4.Mennesker med højere indkomster rejser længere Tabel mangler kontrolvariable, derfor statistisk analyse

18 Estimation Hastighed, afstand og indkomst i logs for at reducere variansheterogenitet Hastighed = f(indkomst, afstand, kontroller) Desuden indkomst og afstand i anden samt alle andenordensinteraktioner, hierarkisk baglæns elimination

19 Estimation FGLS procedure 1.OLS: White test siger heteroskedasticitet 2.Auxiliær OLS af kvadrerede residualer på alle uafhængige variable med mange interaktioner 3.Forudsagte kvadrerede residualer som GLS vægte i original regression 4.White heteroskedasticitetskonsistente variansestimater

20 Resultater

21 Resultater Figure 2. Predicted speed at various distances

22 Resultater Figure 3. The derivative of log(speed) with respect to log(income)

23 Konklusioner Simpel mikroøkonomisk model, hvor tid har en værdi og der er risiko for bøde Tilstrækkeligt til at forklare sammenhæng mellem indkomst, bøde og sandsynlighed for bøde Model kan udvides med uheldsrisiko, kvalitet af bil, kørselsomkostninger. Ville blot gøre matematikken sværere, kvalitative konklusioner påvirkes ikke

24 Konklusioner En dansk og rationel (model)bilist vil køre for hurtigt Rationelle bilister kan observere hinandens hastighed og derved opnå en ret præcis vurdering af sandsynligheden for at få en bøde Hvordan virker kampagner?

25 Konklusioner Forventede sammenhænge genfindes i data Man kører hurtigere, hvis man kører langt tjener flere penge er mand, ung og/eller enlig Målte effekter er nok i underkanten. Effekt af indkomst nok større på motorveje Alder, familietype og køn korreleret med indkomst Vi observerer ikke vejtypen