| dc.description.abstract | Sivathas og Øverseth fant i 2020 at inntektsskjevhetene som følge av elbilpolitikken økte da de la til en bostedsdimensjon. Ved å benytte seg av tall fra Reisevaneundersøkelsen (RVU) 2013/14, fikk de resultater som viste at norske elbilsubsidier er regressive, men i mindre grad i distriktene. Siden den tid har Norge opplevd en rask økning i antall elbiler på veiene. Økningen kommer som følge av myndighetenes mål om å skifte ut den fossile bilparken med elbiler.
Med det som bakgrunn, hadde jeg en hypotese om at økt elbiltilgjengelighet har gjort regionene mindre betydningsfulle for inntektsskjevhetene som følge av elbilpolitikken. Formålet med denne oppgaven har derfor vært å tilføre ny innsikt til Sivathas og Øverseth (2020) sine funn. Jeg har fulgt samme fremgangsmåte og metoder for å komme frem til resultater som kunne sammenlignes med deres. Jeg, som dem, startet med en deskriptiv tilnærming hvor jeg så på tilbøyeligheten for å disponere elbil. Deretter benyttet jeg meg av den lineære sannsynlighetsmodellen samt probit-modellen for å utføre regresjonsanalyser. Slik har jeg kunnet observert sannsynligheten for å disponere elbil med inntekts- og sentralitetsvariabler som hovedinteresse.
Ved bruk av data fra RVU 2019 fant jeg at bosted fremdeles har stor betydning for sannsynligheten for å disponere elbil, hvilket har gjort at jeg har måttet forkaste min hypotese. Resultatene jeg fikk viste at det er flest elbileiere blant de med høyest inntekt som bor i de mest sentrale områdene i landet. Elbilsubsidiene er, slik som Sivathas og Øverseth (2020) sine resultater viste, fortsatt regressive. I tillegg fant jeg at elbilsubsidiene er like regressive i distriktene som ellers i landet, hvilket er en forskjell fra deres resultater. Derfor viser mine resultater at økt elbilandel i landet har økt inntektsskjevhetene mellom de mindre sentrale områdene. | |
| dc.description.abstract | In 2020, Sivathas and Øverseth found that the bias in the income distribution due to electric vehicle (EV) subsidies increased by adding a regional dimension. They based their study on numbers from the National Travel Survey (NTS) for 2013/14. Furthermore, their results showed that EV subsidies are regressive, but to a lesser extent in rural areas. Since then, Norway has experienced a massive increase in the number of electric cars. The increase is due to the authorities' goal to replace the fossil car fleet with EVs.
Therefore, I hypothesized that increased EV availability has made the regions less significant for bias in the income distribution because of the electric policy. Therefore, the purpose of this thesis has been to add new insight to Sivathas and Øverseth's (2020) findings. Naturally, I have followed the same procedure methods to get results that could be compared with theirs. As they did, I began with analysing the propensity to use EV. Then, I have used the linear probability model and the probit model to perform regression analyses. In this way, I have been able to observe the probability of using an EV, with income and centrality variables as my main interest.
Using data from RVU 2019, I found, that place of residence still has great significance for the probability of using an electric vehicle. Therefore, I must reject my hypothesis. The results I got showed that most electric vehicle owners among those with the highest income, live in the most central areas. The EV subsidies are, just as Sivathas and Øverseth's (2020) results suggested in their study, still regressive. In addition, I find that EV subsidies are as regressive in rural areas as elsewhere, which is a difference from their results. Therefore, my results show that the increase of EVs has increased the bias in the income distribution due to EV subsidies in the rural areas. | |
