Statistisk sentralbyrås befolkningsframskrivinger

Transkript

1 1 Statistisk sentralbyrås befolkningsframskrivinger Hvordan blir de utarbeidet? Hva forteller de? Hvor treffsikre er de? Marianne Tønnessen, Statistisk sentralbyrå 1

2 Slik framskriver SSB befolkningen i kommunene Først lages de nasjonale befolkningsframskrivingene (med modellen BEFINN) Så framskrives befolkningen regionalt (med modellen BEFREG). Resultatene justeres til slutt så de stemmer overens med de nasjonale tallene Begge modellene bruker kohortkomponent-metoden 2

3 Kohort-komponentmetoden Antall kvinner (MMMM) To ingredienser: utgangsbestand forutsetninger Rater for dødelighet Rater for utflytting Tall for innflytting 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

4 De nasjonale framskrivingene Framskriver til 2100 Innvandrerkjennetegn: Innvandrere Norskfødte med to innvandrerforeldre Befolkningen for øvrig 4

5 Tall for dagens befolkning Forutsetninger om - Barnetall (fruktbarhet) - Levealder (dødelighet) - Inn- og utvandring Framtidens befolkning Forutsetningene lages i flere alternativer (H, M, L, K, 0) 5

6 Høy fruktbarhet Høy levealder Middels innenlandsk flytting Høy innvandring Middels fruktbarhet Middels levealder Middels innenlandsk flytting Middels innvandring Lav fruktbarhet Lav levealder Middels innenlandsk flytting Lav innvandring 6

7 Baner for framtidig fruktbarhet 7

8 Baner for framtidig levealder Alder Kvinner Menn M H H M L L 8

9 Baner for framtidig innvandring 9

10 Baner for framtidig utvandring 10

11 Resultat utviklingen i Norges folketall: 11

12 Sterk aldring framover særlig fra 2030 (MMMM) 12

13 Befolkning etter innvandrerbakgrunn (MMMM) 2,5 % 12 % 8 % 22 % 9,5 % 19 % 13

14 De regionale framskrivingene 14

15 Quiz 1) De 5 største kommunene i Troms i 2030 (ifølge MMMM) 2) Antall innbyggere i din kommune i 2030 (ifølge MMMM) 3) Antall personer som er 0-5 år i Lenvik i 2030 (ifølge MMMM) (det var 853 i 2014) 4) Antall personer som er 100 år eller mer i Troms fylke i 2030 (ifølge MMMM) (det var 19 i 2014) 15

16 De regionale framskrivingene Befolkningen framskrives i prognoseregioner Kohort-komponent-metoden kjøres for hver prognoseregion Ulike forutsetninger for ulike prognoseregioner Resultatene for prognoseregionene justeres så de stemmer med de nasjonale resultatene Til slutt fordeles folketallet (etter alder og kjønn) på kommunene i hver prognoseregion Framskriver fram til

17 Seks prognoseregioner i Troms Tromsø kommune: Egen prognoseregion 17

18 Forutsetninger om fruktbarhet 49 regionale fruktbarhetsregioner, noen av dem inneholder flere prognoseregioner I Troms: 6 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 18

19 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,

20 Forutsetninger om flytting Innenlandsk flytting beregnes i tre runder: Først beregnes utflytting fra hver prognoseregion, etter observerte utflyttingsrater siste 5 år Deretter fordeles utflytterne til nye prognoseregioner. Tidligere ble det brukt en flyttepool (lik fordeling av alle utflyttere), nå brukes en flyttematrise (fordelingen avhenger av hvilket utflyttingsområde man flytter fra). Til slutt tar modellen hensyn til flytting når folketallet skal brytes ned til kommunenivå Ulike flytterater for ulike grupper (alder/kjønn) Innflyttinger fra utlandet fordeles som observert innvandring siste 5 år 20

21 Så framskrives befolkningen Når vi har forutsetninger på prognoseregion-nivå for fruktbarhet, dødelighet og flytting, kan befolkningen i hver prognoseregion 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 kommunenivå. 21

22 Nedbryting til kommunene Hvor mange av framtidens innbyggere i denne prognoseregionen skal være i Skjervøy? Hovedregel: Bruker fjorårets andeler For eksempel vil andelen av 60-årige menn som bor i Skjervøy i 2014, avgjøre hvor stor andel av 61-årige menn som bor i Skjervøy 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) I aldersgruppene 1-49 tar vi også hensyn til flytting. Det gjøres ved hjelp av vekstrater, som viser veksten i hver av kommunene i femårsperioden før framskrivingen for fem ulike grupper (barn 1-15 år, kvinner 16-24, menn 16-24, kvinner og menn år). 22

23 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 23

24 24

25 Befolkningsvekst i fylkene (MMMM) Akershus 31% Oslo 31% Rogaland 30% Vest-Agder 29% Buskerud 28% Aust-Agder 28% Hordaland 28% Østfold 25% Sør-Trøndelag 23% Vestfold 22% Møre og Romsdal 19% Nord-Trøndelag 18% Hedmark 14% Troms 14% Oppland 13% Telemark 12% Nordland 11% Finnmark 11% Sogn og Fjordane 9% 25

26 Befolkningsendringer i kommunene (MMMM) 26

27 Prosentvis vekst i Troms-kommunene (MMMM) Nordreisa 19 % Balsfjord 18 % Lenvik 17 % Tromsø 17 % Omasvuotna Storfjord Omasvuonon 16 % Målselv 16 % Harstad 16 % Kvæfjord 14 % Sørreisa 13 % Skånland 10 % Salangen 8 % Skjervøy 5 % Bardu 5 % Ibestad 4 % Gratangen -1 % Gáivuotna Kåfjord -3 % Karlsøy -3 % Berg -5 % Tranøy -6 % Lavangen -9 % Lyngen -12 % Kvænangen -13 % Torsken -14 % Dyrøy -17 % 27

28 Kommunene med høyest prosentvis vekst Folketall 2014 Folketall 2040 (MMMM) Endring Rennesøy % Meland % Hemsedal % Skaun % Os (Hord.) % Ås % Våler (Østf.) % Hobøl % Ullensaker % Sørum % Hå % Klepp % Fjell % Gjesdal % Austevoll % Bjerkreim % Askøy % Hole % Sveio % Austrheim % 28

29 Kommunene med størst prosentvis nedgang Folketall 2014 Folketall 2040 (MMMM) Endring Loppa % Tjeldsund % Vanylven % Bø (Nordl.) % Norddal % Leka % Engerdal % Beiarn % Hyllestad % Rendalen % Fosnes % Røst % Solund % Bindal % Folldal % Fedje % Dyrøy % Rollag % Måsøy % Kvalsund % 29

30 30

31 31

32 32

33 33

34 34

35 Men dette er ingen fasit. 35

36 Hvordan 2012-framskrivingen traff i Troms 2 år etter (2014) Vi hadde størst avvik i Tromsø (vi framskrev 1169 for lavt) og Harstad (vi var 125 for høyt). Dette utgjør 1,6 prosent av Tromsøs folketall og 0,5 prosent av Harstads folketall. Det største avviket i prosent var for Ibestad (vi var 4,9 % for lavt) og Kvænangen (vi var 3,6 % for høyt) I 10 kommuner framskrev vi for høyt, i 14 kommuner for lavt I halvparten av Troms-kommunene var avviket mellom framskrevet og faktisk folketall 2 år etter på under 1% Vi traff best i Torsken kommune (3 for lavt) 36

37 37

38 38

39 Statistikkbanken 39

40 40

41 41

42 42

43 43

44 Takk for meg! 44

45 Framtidig inn- og utvandring Innvandringen framskrives i en egen modell Den tar hensyn til drivkrefter bak innvandring: Inntektsforskjeller Arbeidsledighet Nettverk (brohodeeffekten) Befolkningsutvikling i avsenderområdet Mellomalternativ, høyalternativ og lavalternativ basert på tre ulike baner for økonomisk utvikling framover 45

46 Forventet økonomisk utvikling Mellomalternativet: Inntektsforskjellene mellom Norge og resten av verden blir gradvis lavere ettersom petroleumsinntektene avtar, til vi ligger 20 prosent over nivået i landgruppe 1 i 2100 Høyalternativet: Norge fortsetter å være like mye rikere enn resten av verden som vi er i dag (50 prosent over nivået i landgruppe 1) gjennom hele perioden (til 2100) Lavalternativet: Inntektsforskjellene blir gradvis lavere til vi ligger på nivå med landgruppe 1 fra slutten av 2060-årene og utover Innvandringen beregnes for hver av disse tre alternativene, og for tre landgrupper 46

47 Landgruppe 1: Vest-Europa, Nord-Amerika, Australia og New Zealand Landgruppe 2: Nye EU-land i Øst-Europa Landgruppe 3: Resten av verden 47

48 Innvandring, landgruppe 1 (Vest-Europa, Nord-Amerika, Australia og New Zealand) 48

49 Innvandring, landgruppe 2 (nye, østeuropeiske EU-land) 49

50 Innvandring, landgruppe 3 (resten av verden) 50

51 Utvandring - forutsetninger For å framskrive utvandringen, brukes utvandringssannsynligheter Disse baserer seg på observerte tall for utvandring, og varierer etter alder og kjønn De varierer også etter om man er innvandrer, norskfødt barn av to innvandrere eller tilhører den øvrige befolkningen For innvandrere og deres barn har vi ulike utvandringssannsynligheter etter landbakgrunn og (for innvandrere) etter botid Antall utvandringer varierer etter hvilket alternativ som brukes for innvandringen 51

52 Nettoinnvandring (innvandring-utvandring) 52

53 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 53