TU Darmstadt / ULB / TUprints

Renewable Energy Adoption in Germany - Drivers, Barriers and Implications

Rode, Johannes :
Renewable Energy Adoption in Germany - Drivers, Barriers and Implications.
tuprints, Darmstadt
[Ph.D. Thesis], (2014)

[img]
Preview
Dissertation Johannes Rode - Text (PDF)
Rode_2014_Dissertation.pdf - Accepted Version
Available under Only rights of use according to UrhG.

Download (8MB) | Preview
Item Type: Ph.D. Thesis
Title: Renewable Energy Adoption in Germany - Drivers, Barriers and Implications
Language: English
Abstract:

This thesis deals with renewable energy adoption in Germany. We exploit a unique dataset which includes the location, date of installation and size of all photovoltaic systems, wind power plants and biomass plants for generating electricity installed in Germany through 2011. Importantly, a strong federal subsidy scheme has fostered the adoption of the three technologies since 2000. Panel data analyses on different levels of geographical aggregation allow us to identify drivers, barriers and implications of renewable energy adoption in Germany.

We start our analysis by motivating the topic. Then, we review literature on technology adoption. Numerous studies confirm that technology diffusion follows an S-shaped, logistic pattern. A description of the institutional context, aggregate trends and regional differences in renewable energy adoption in Germany follows.

The purpose of the subsequent section is to illuminate the spatio-temporal diffusion of photovoltaic installations in Germany quantitatively and to test whether imitation drives photovoltaics adoption. We choose an aggregate approach and employ an epidemic diffusion model which includes a spatial dimension. According to our results, imitative adoption behavior is highly localized and an important factor for the adoption of photovoltaic systems.

In the following section, we change our focus on spatio-temporal variation of peer effects, i.e., imitation, in photovoltaics adoption. We add detailed locational data on potential adopters. This data allows us to construct an individual measure of peer effects for each potential adopter. Based on a discrete choice model, we confirm again that peer effects are mostly localized. They generally occur within a radius of 500 meters. We also find that the peer effect's impact on the decision to adopt decreases over time.

The next section makes use of the well-studied logistic shape of technology diffusion. The common diffusion path allows us to test whether the adoption rate of renewable energy plants differs between German NUTS-3 regions (`Landkreise und Kreisfreie Städte') in which a successful referendum against a single plant was organized and the remaining regions. We exploit the fact that referenda are mainly organized on the municipal district (`Gemeinde') level against a single plant or building area. Our analysis reveals that the adoption rate (i.e., the first difference in the diffusion level) is indeed lower in NUTS-3 regions where a referendum took place. This finding holds true for wind power and large biomass plants which are both industrial. In contrast, we do not find the same for photovoltaic installations which are mainly private, household installations. We interpret this as evidence that potential investors in wind power and large biomass plants not only avoid the municipal district where a referendum against the specific technology was organized but stay away from the whole NUTS-3 region.

Finally, we turn to implications from renewable energy adoption. We estimate the effect of the diffusion of photovoltaic systems on the fraction of votes obtained by Germany's Green Party in federal elections. We take first differences and instrument adoption rates by lagged diffusion levels. We predict the diffusion levels with a logistic diffusion curve. The existing rationales for non-linearities in diffusion and the ubiquity of logistic curves ensure that our predicted instrument is orthogonal to variables that directly affect voting patterns. We find that the diffusion of domestic photovoltaic systems caused a quarter of the increment in green votes between 1998 and 2009. We confirm our findings with survey data from the German Socio-Economic Panel.

Alternative Abstract:
Alternative AbstractLanguage
Diese Arbeit beschäftigt sich mit der Verbreitung von erneuerbaren Energietechnologien in Deutschland. Grundlage der Analysen ist ein einmaliger Datensatz, der Aufstellungsort, Netzanbindungsdatum sowie Anlagengröße von allen bis 2011 installierten Photovoltaik-, Windkraft- und Biomasseanlagen zur Stromgewinnung enthält. Die Verbreitung dieser Technologien wird seit dem Jahr 2000 durch das bundesweit gültige Erneuerbare-Energien-Gesetz gefördert. Anhand von Paneldatenschätzungen, die auf unterschiedlichen geographischen Aggregationsleveln zur Anwendung kommen, identifizieren wir sowohl fördernde als auch verbreitungshemmende Faktoren. Zudem decken wir Implikationen der Verbreitung erneuerbarer Energietechnologien auf. Zunächst motivieren wir das Thema dieser Arbeit. Danach schaffen wir einen Literaturüberblick zum Thema Technologiediffusion. Zahlreiche Studien bestätigen, dass die Verbreitung einem S-förmigen, logistischen Verlauf folgt. Daraufhin beschreiben wir die institutionellen Rahmenbedingungen, aggregierte Trends und regionale Unterschiede in der Verbreitung von erneuerbaren Energietechnologien in Deutschland. Das Ziel des nächsten Abschnitts dieser Arbeit ist, die Verbreitung von Photovoltaikanlagen in Deutschland quantitativ über Raum und Zeit zu analysieren. Wir überprüfen, ob Imitation die Verbreitung von Photovoltaikanlagen fördert. Wir aggregieren die Nutzungsdaten und verwenden ein epidemisches Diffusionsmodell mit einer räumlichen Komponente. Unsere Ergebnisse deuten darauf hin, dass imitierendes Adoptionsverhalten zwar örtlich stark begrenzt ist, aber dennoch einen wichtigen Faktor für die Verbreitung von Photovoltaikanlagen darstellt. In dem darauffolgenden Abschnitt analysieren wir die Veränderung des Einflusses von Peer-Effekten (beziehungsweise Imitation) bei der Installation von Photovoltaikanlagen über Raum und Zeit. Den zuvor bereits genutzten Datensatz erweitern wir durch detaillierte Ortsinformationen zu potenziellen Nutzern der Technologie. Anhand eines diskreten Entscheidungsmodells bestätigen wir erneut, dass der identifizierte Peer-Effekt örtlich stark begrenzt ist. Zumeist tritt der Effekt innerhalb eines Radius von 500 Metern auf. Unsere Analyse zeigt auch, dass der Einfluss des Peer-Effekts, auf die Entscheidung eine Photovoltaikanlage zu installieren, mit der Zeit abnimmt. Im nächsten Abschnitt machen wir uns den logistischen Verlauf von Diffusionskurven zunutze. Wir untersuchen, ob sich die Adoptionsrate von erneuerbaren Energietechnologien in deutschen NUTS-3-Regionen (Landkreisen und Kreisfreien Städten), in denen ein erfolgreicher Bürgerentscheid gegen den Bau einer bestimmten Anlage stattgefunden hat, von den restlichen NUTS-3-Regionen unterscheidet. Dabei nutzen wir, dass Bürgerentscheide in erster Linie auf Gemeindeebene gegen eine einzelne Anlage oder ein bestimmtes Baugebiet durchgeführt werden. Unsere Analyse ergibt, dass die Adoptionsrate, das heißt die erste Differenz des Diffusionslevels, tatsächlich in NUTS-3-Regionen niedriger ist, in denen ein erfolgreicher Bürgerentscheid durchgeführt wurde. Unser Ergebnis gilt für Windkraftanlagen und große Biomasseanlagen, folglich nur für industrielle Anlagen. Für Photovoltaikanlagen, die im Wesentlichen private Anlagen sind, gilt der Zusammenhang nicht. Unsere Ergebnisse weisen darauf hin, dass potenzielle Investoren in Windkraft- oder große Biomasseanlagen nicht nur Gemeinden meiden, in denen ein erfolgreicher Bürgerentscheid gegen die jeweilige Technologie durchgeführt wurde. Sie machen sogar einen Bogen um die gesamte NUTS-3-Region der Gemeinde. Im letzten Abschnitt untersuchen wir Implikationen der Verbreitung von erneuerbaren Energietechnologien. Wir schätzen den Zusammenhang zwischen der Verbreitung von Photovoltaikanlagen und dem Stimmenanteil von Bündnis 90/Die Grünen bei Bundestagswahlen. Wir bilden die erste Differenz und verwenden das Diffusionslevel der Vorperiode als Instrument für die aktuelle Adoptionsrate. Das Diffusionslevel prädizieren wir durch eine logistische Diffusionskurve. Die unterschiedlichen Theorien über Nichtlinearitäten und die Allgegenwärtigkeit der logistischen Kurve hinsichtlich Technologiediffusion stellen sicher, dass sich unser prädiziertes Instrument orthogonal zu Variablen verhält, die Wahlverhalten direkt beeinflussen. Unsere Analyse zeigt, dass die Verbreitung von privaten Photovoltaikanlagen für ein Viertel des Stimmenzuwachses der Grünen zwischen 1998 und 2009 verantwortlich ist. Unsere Ergebnisse stützen wir durch eine abschließende Analyse von Umfragedaten des sozioökonomischen Panels.German
Place of Publication: Darmstadt
Publisher: tuprints
Uncontrolled Keywords: Technology Adoption, Technology Diffusion, Peer Effects, Installed Base, Imitation, Epidemic Diffusion Model, Discrete Choice Model, Diffusion Barrier, Resistance to Adoption, Voting, Feed-in Tariff, Germany, Renewable Energy Technologies, Electricity, Photovoltaics, PV, Solar, Wind Power Plants, Eolic, Biomass Power Plants
Classification DDC: 300 Sozialwissenschaften > 330 Wirtschaft
Divisions: 01 Law and Economics > Volkswirtschaftliche Fachgebiete > International Economics
Date Deposited: 30 Jul 2014 06:47
Last Modified: 30 Jul 2014 06:47
URN: urn:nbn:de:tuda-tuprints-40828
Referees: Nitsch, Prof. Dr. Volker and Helm, Prof. Dr. Carsten
Refereed: 16 July 2014
URI: http://tuprints.ulb.tu-darmstadt.de/id/eprint/4082
Export:
Actions (login required)
View Item View Item

Downloads

Downloads per month over past year