ZEMCH 2019 International Conference Proceedings April.2020 | Page 230

However,  there  were  limitations  to  the  use  of  the  [2]  data  source.  The  technical  report 
accompanying the data sets also produced figures identifying the national and geographical estimated 
error in each sector. The majority of data sets were found to have an estimated error below 15% in each 
of these categories (Ricardo Energy and Environment for BEIS, 2018).   
Grid intensity data were also explored from reports published by BEIS. Data was collected from 
numerous years in order to identify how grid emissions intensity has changed. This enabled analysis 
to  be  completed  in  regard  to  the  domestic  sector  and  changes  in  efficiency  of  the  grid  over  time. 
Furthermore,  it  enabled  exploration  of  whether  emissions  reductions  are  attributable  to  absolute 
reductions in electricity use or broader reductions in grid emissions intensity.   
Further sources were explored to enable analysis in regard to population and population density 
within local authorities. The office of national statistics (ONS) which also provided this in the form of 
census data. The Office of National Statistics have the “Guidelines for Measuring Statistical Quality,” 
which ensures the data are reliable and accurate [4]. However, the limitations of census data include 
the frequency of data collection. This is especially an issue within changing (growing/shrinking) cities 
such as London where the population is particularly dynamic [5]. Further data collected included gross 
disposable  household  income  (GDHI)  in  UK  local  authorities.  This  refers  to  the  property  income, 
primary and secondary income and social benefits available to a household after taxes (ONS, 2018).   
Regression analysis was completed using Microsoft Excel version 16.16.6. This allowed for analysis 
of CO 2  emission reductions and potential emissions drivers through identifying the statistical significance 
of variables (p values) which outlined whether the relationships found are down to chance or whether 
the event is likely to occur again. A confidence interval was chosen of 95% (p value < 0.05) to identify 
correlation between variables that is statistically significant. 
  3. Results 
Examining domestic emissions reductions in UK local authorities, the North West region showed 
the greatest emissions reduction of 35%. All regions (except Northern Ireland) across the UK showed 
average emissions reductions across local authorities between 30‐36%. The only region to not show this 
level of reductions was Northern Ireland which only achieved an average of 23% domestic emissions 
reduction in its local authorities. 
Table 2. Emission levels and reductions across major UK region Local Authorities 1 , Population 2 , Average 3 , 
Standard Deviation 4  
Region 
# of  Pop 2   Total  Emissions  Avg 3  total  Std   Dev 4   2016 Sectoral Emission across LAs (ktCO2 2 ) 
LAs   (000’s)  Emissions  Reductions  Emissions  of 2016  with average changes between 2005‐2016 in 
2016  2005‐2016  across local  total  parentheses 
authorities  emissions  in 2016  across UK
1
(ktCO 2 ) 
(ktCO 2 ) 
England 
329 
Wales 
Scotland 

N. Ireland 
292249 
30.7% 
894 
537 
22  3313  24,866  24.5%  1130  1432.89 
32  5405  25,196  39.3%  787  848.799 
11 

55288 
1862 
0-10%
12,427 
22.8% 
10- 20%
1130 
20-30%
338.917 
30-40%
Industrial & 
Domestic  Transport 
107,653  84,285  106,528 
(‐41.6%)  (‐32.9%)  (‐7.3%) 
14,054.6  5,178.1  6,387.6 
(‐38.8%)  (‐34.0%)  (‐3.6%) 
13,280.9  9,322.8  10,872.2 
(‐36.6%)  (‐35.3%)  (‐3.4%) 
4,680  3,413.3  4135.2 
(‐34.3%)  (‐22.7%)  (‐8.2%) 
Commercial 
<40% - blue

219
ZEMCH 2019 International Conference l Seoul, Korea