Bilag 1: Beregning af omkostningsækvivalenter

Figur 8: Fejlledsplot for stik
Plottene udviser heteroskedasticitet for stik i (land+by) kategorien. Der er
derfor beregnet robuste t-værdier, som tager hensyn til, at variansen af
fejlleddene er uens. Beregningen viser, at der stadig er en signifikant
sammenhæng imellem målere og omkostninger jf. tabel 7.
Det har været nødvendigt at fjerne enkelte observationer med stor
indflydelse på B–værdierne. Dette er målt med Cook’s afstand som
beskrevet i afsnittet ”Ekstreme observationer og observationer med stor
indflydelse” ovenfor.
Modellens baggrund
Forsyningssekretariatet har udført en række regressioner for at teste
alternative sammenhænge mellem selskabernes driftsomkostninger til at
drive stik og antallet af stik i de forskellige zoner. Der er blandt andet
gennemført regressioner, hvor stikkene er fordelt på alle fire zoner.
Derudover er der gennemført en række regressioner, som slår de forskellige
zoner sammen i forskellige kombinationer. Disse regressioner har dog ikke
givet gode resultater.
Resultaterne af de gennemførte analyser og regressioner peger på, at det er
modellen i ligning (19), der bedst forklarer selskabernes driftsomkostninger
ved at drive stik i de forskellige zoner. I regressionen for selskabernes stik i
land, by og city har det været nødvendigt at slå antallet af stik i land- og
byzone sammen til én variabel. Herudover har det været nødvendigt at
estimere driftsomkostningerne ved at drive et stik i indre city-zone ved et
gennemsnit pr. stik for de selskaber, som har stik i indre city-zone. Denne
model er fornuftig, idet modellen kan håndtere selskaber med et stort og et
lille antal stik. Herudover giver modellen fornuftige resultater, idet stikkenes
fordeling på forskellige zoner vil fange eventuelle fordele eller ulemper ved
at have stik i tyndt eller tæt befolkende forsyningsområder.
Kunder
Det forventes at, driftsomkostningerne ved at håndtere selskabernes
kunder afhænger af antallet af målere. Dette skyldes, at antallet af målere
29