Slik framskriver SSB befolkningen i kommunene. Marianne Tønnessen, Statistisk sentralbyrå

Transkript

1 1 Slik framskriver SSB befolkningen i kommunene Marianne Tønnessen, Statistisk sentralbyrå mto@ssb.no 1

2 SSBs modeller for befolkningsframskriving BEFINN BEFREG Egen liten modell som framskriver innvandringen Lee-Carter REGINN 2

3 BEFREG Framskriver befolkningen i prognoseregioner Kalibreres til å stemme med BEFINNresultatene Fordeler deretter på kommunene i hver prognoseregion 3

4 Prognoseregionene Tilsvarer (nesten) de 89 økonomiske regionene som SSB bruker ellers Eksempel: Moss og omegnskommuner Ingen prognoseregioner krysser fylkesgrenser Bydelene i Oslo er nå egne prognoseregioner I BEFREG kjøres kohortkomponentmodellen for hver prognoseregion Ulike forutsetninger for ulike prognoseregioner 4

5 Kohort-komponentmetoden Antall kvinner (MMMM) To ingredienser: utgangsbestand forutsetninger Rater for dødelighet Rater for utvandring Tall for innvandring Rater for fruktbarhet år år år år år år år år år år år år år år år år år år år år år år år år år år år år år år år

6 Prognoseregioner (kartet viser de økonomiske regionene) Tromsø kommune: Egen prognoseregion 6

7 Trondheim: Egen prognoseregion 7

8 Oslo:15 prognoseregioner Bergen, Stavanger og Kristiansand kommune: Egne prognoseregioner 89 økonomiske regioner + 5 storbyer + 15 regioner i Oslo (- Oslo) = 108 prognoseregioner 8

9 Forutsetninger om dødelighet Ulik dødelighet i hvert fylke. I BEFREG flyttes de nasjonale banene for dødelighet opp eller ned for hvert fylke, avhengig av observert dødelighet den siste tiårsperioden De regionale forskjellene beregnes for begge kjønn og ulike aldersgrupper Forventet levealder for nyfødte,

10 Forutsetninger om flytting Utflytting beregnes etter observerte utflyttingsrater siste 5 år Innflytting er mer komplisert. Tidligere ble det brukt en flyttepool (samme fordeling av alle utflyttere), nå brukes en flyttematrise (fordelingen avhenger av hvor man flytter fra) 19 utflyttingsregioner + utlandet = 20. Utflyttingsregionene er konstruert med utgangspunkt i landsdel og sentralitet (eks. utkant og Nord-Norge). Fra disse 19+1 regionene fordeles utflytterne til prognose-regionene (altså ikke-kvadratisk matrise, 20x108): Gitt at du er utflytter fra denne regionen, hvilke prognoseregioner flytter du til? Ulike flytterater for ulike grupper (alder/kjønn) Innflyttinger fra utlandet fordeles som observert innvandring siste 5 år 10

11 Sammenligning pool-matrise Pool-metoden beregnet samme fordeling av utflytterne gjennom hele perioden (selv om sammensetningen av utflyttere endres). Matrise-metoden tar hensyn til at det kan være synkende risikopopulasjon i noen regioner (eks utkant-nordnorge). Likevel, for begge metodene: Utfordring at modellen gir kommuner som vokser, stadig mer utflytting, mens de som synker, får stadig lavere utflytting (fordi utflyttingsratene er konstante). Dette demper endringene. Litt mindre problem i matrisemodellen, eks. Oslo og naboregionene 11

12 Forutsetninger om fruktbarhet 49 regionale fruktbarhetsregioner, noen av dem inneholder flere prognoseregioner Eks Møre og Romsdal: 7 prognoseregioner, 4 fruktbarhetsregioner Denne oppdelingen er basert på historiske forskjeller i fruktbarheten For hver av fruktbarhetsregionene beregnes aldersspesifikke fruktbarhetsrater basert på siste fem år, kombinert med nasjonale baner framover 12

13 Men det blir stadig mindre regionale forskjeller i fruktbarheten: 4 3,5 3 2,5 Oslo Hedmark Rogaland Sogn og Fjordane Sør-Trøndelag Finnmark Finnmárku 2 1,5 1 0, Forskjellen i SFT Oslo - Sogn og Fjordane var 1,2 barn per kvinne i 1968 og 0,3 i

14 Så framskrives befolkningen Når vi har forutsetninger på prognoseregionnivå for fruktbarhet, dødelighet og flytting, kan befolkningen framskrives. For hver prognoseregion kjøres kohort-komponentmodellen, med de lokale forutsetninger for dødelighet, fruktbarhet og flytting, i ulike alternativer (H/M/L/0/K). Summen av tallene fra prognoseregionene skal stemme overens de nasjonale tallene fra BEFINN (per år, alder, kjønn, og for hvert H/M/L/0/K-alternativ). Hvis de ikke er like, justeres tallene fra BEFREG. Deretter brytes resultatene ned til kommune- (og fylkes-) nivå. 14

15 15

16 Nedbryting til kommunene Hvor mange av framtidens innbyggere i denne prognoseregionen skal være i Våler? Hovedregel: Bruker fjorårets andeler For eksempel vil andelen av 70-årige menn som bor i Våler i 2012, avgjøre hvor stor andel av 71-årige menn som bor i Våler i De nyfødte fordeles ved å ta hensyn til ulik fruktbarhetsprofil mellom kommunene i en prognoseregion. I tillegg tas hensyn til flytting (for de yngre) Det lages 4 persongrupper (barn 1-16 år, kvinner 17-28, menn og begge kjønn år). For hver av disse finner vi vekstrater (basert på observerte forskjeller i vekst siste 5 år), som viser endringene i hvor stor andel av kohorten som bor i hver kommune. Framskrivingen av hvor stor andel i hver aldersgruppe som skal bo i hver kommune justeres deretter i henhold til disse ulike vekstratene. Vekstratene dempes gjennom framskrivingsperioden - vi forutsetter at forskjellen i vekst mellom kommuner avtar noe over tid. 16

17 Når nedbrytingen er ferdig: Avrunder tallene som skal publiseres, fra desimaltall til heltall 17

18 Hva vi ikke tar hensyn til BEFREG er (i all hovedsak) en ren-demografisk modell (basert på observerte demografiske forskjeller mellom prognoseregioner og mellom kommuner, stort sett siste 5 år - pluss de nasjonale tallene) Utgangspunkt: At de demografiske trendene fortsetter omtrent som nå Vi tar altså ikke hensyn til Boligbygging Nedleggelser av arbeidsplasser Vedtak om næringsutbygging, samferdselsutbygging Ingen andre politiske vedtak heller, så sant de ikke har fått utslag på de demografiske ratene 428 kommuner, vi har slett ikke informasjon om alle planer og vedtak, og kan aldri bli bedre enn kommunene selv på å vurdere lokale forhold BEFREG har heller ikke med variabelen innvandrerbakgrunn 18

19 Hvordan 2012-framskrivningen traff Utvandringen ble omtrent 3400 lavere enn vi antok - folk viste seg å være mer bofaste enn vi hadde trodd Vi framskrev en økt utvandring på ca 2200, det ble nedgang på 1200 Men det var avvik for de andre komponentene også, som samtlige trakk i motsatt retning: Innvandringen ble omtrent 1250 lavere enn vi trodde Vi framskrev en økning på ca 300, det ble en nedgang på ca 950 Det ble født ca 1900 færre enn vi antok Vi framskrev , det ble født Det døde ca 500 flere enn vi hadde trodd Vi framskrev døde, det ble Til sammen gikk dette nesten opp i opp: Folketilveksten ble på , vi hadde framskrevet en vekst på altså bare ca 350 for høyt. Folketallet ved nyttår ble på , vi framskrev det til

20 Hvordan vi traff for kommunene Vi hadde størst avvik i Oslo (vi framskrev ca 3000 for høyt) og Bærum (vi var ca 1070 for lavt). Dette utgjør likevel under 1 prosent av Bærums folketall og under ½ prosent av Oslos folketall. Det største avviket i prosent var for Røst og Bykle (vi var 6,7% og 5,8% for høyt), og Verran (vi var 5,7% for lavt) I 310 av kommunene var avviket mellom framskrevet og faktisk folketall på under 1%, i 189 kommuner på under ½% Vi traff blink på folketallet i 4 kommuner (Ørland, Os i Hedmark, Måsøy og Rømskog) For 11 kommuner, blant dem Halden, bommet vi med kun 1 person 20

21 Hvor vi framskrev for høyt og lavt Folketallet ble mer enn 1 % lavere enn vi framskrev ½ - 1 % lavere enn vi framskrev omtrent som vi framskrev (+/- ½ prosent) ½ - 1 % høyere enn vi framskrev mer enn 1 % høyere enn vi framskrev 21

22 og for fylkene Folketallet ble 0,2-0,7 % lavere enn vi framskrev 0,05-0,2 % lavere enn vi framskrev omtrent som vi framskrev (+/- 0,05 %) 0,05-0,2 % høyere enn vi framskrev 0,2-0,5 % høyere enn vi framskrev 22