EVALUERING AV TRENDFLYTTINGSMODELLEN I KOMPAS

Transkript

1 EVALUERING AV TRENDFLYTTINGSMODELLEN I KOMPAS Sikrere befolkningsprognoser som grunnlag for kommunenes fortettingsplanlegging? Rapport til Husbanken August 25 Sigmund Knutsen, Jon Erik Lindberg, Svein Åge Relling, Pål Strand Trondheim kommune Fredrikstad kommune COWI AS

2

3 1 FORORD Etter mange års utviklingsarbeid foreligger nå KOMPAS i en ny versjon og med en helt ny modellvariant trendflyttingsmodellen. Bakgrunnen for dette utviklingsarbeidet var at KOMPAS ble utsatt for kritikk på to plan. For det første ble det stilt spørsmål ved tilbudsmodellen i forhold til prognosenes kvalitet, for det andre hadde tilbudsmodellen et pedagogisk problem knyttet til brukergrensesnitt og brukerterskelen for programvaren. Disse innsigelsene er forsøkt imøtekommet ved en videreutvikling av den gamle KOMPASversjonen og ved utvikling av en en ny modell som populært kalles trendflyttingsmodellen. Høsten 24 og våren 25 har Fredrikstad og Trondheim kommuner arbeidet med uttesting av ny KOMPAS befolkningsprognosemodell basert på trendflytting. Denne rapporten foretar en evaluering av trendflyttingsmodellen. Modellen er testet ut i Fredrikstad og Trondheim, og det er gjort omfattende analyser for å belyse om det nye modellkonseptet gir et bedre verktøy for kommunene i arbeidet med byutvikling og fortettingsplanlegging. Kapittel 1 tar utgangspunkt i prosjektsøknaden og redegjør for bakgrunnen for prosjektet og de sentrale problemstillingene i rapporten. Kapittel 2 omhandler modellplattformen og er skrevet av Jon Erik Lindberg, COWI. Kapittel 4 er skrevet av Pål Strand, kapittel 5 av Svein Åge Relling og kapittel 3 om sentrale beregningsforutsetninger av begge. I kapittel 6 er de viktigste konklusjonene fra kapittel 4 og 5 trukket ut og vi har besvart problemstillingene fra kapittel 1. Ulike medarbeidere i prosjektet har hatt hovedansvar for ulike kapitler, noe som kan gjenspeile seg i noe variasjon mht form og stil. Uten et godt og sterkt samarbeid over mange år mellom kommunene Fredrikstad og Trondheim og med modelleieren COWI AS hadde dette prosjektet ikke vært mulig. COWI har stått for utviklingen og implementeringen av modellen i nært samarbeid med de to kommunene. Ved COWI har arbeidet vært ledet av Jon Erik Lindberg, Owe Kristiansen har vært sentral i arbeidet med modellplattformen og Thorbjørn Wiik i implementeringen av KOMPAS 7.. Testingen av modellene og analysene er foretatt av Pål Strand i Fredrikstad og Svein Åge Relling med bistand av Sigmund Knutsen i Trondheim. Styret i KOMPAS-Forum har fungert som styringsgruppe for prosjektet. Sigmund Knutsen, Trondheim kommune, har vært prosjektleder. En takk rettes til Husbanken, som tidlig så modellutviklingens relevans for samfunnsplanlegging. En særlig takk til kontaktpersonene Tore Lange og Solveig Kornstad for godt samarbeid. Uten Husbankens bidrag hadde dette prosjektet neppe latt seg realisere. Trondheim Sigmund Knutsen prosjektleder

4 2

5 3 INNHOLD FORORD...1 INNHOLD...3 Kapittel 1. Bakgrunn for prosjektet...5 Utviklingsprosjektet i en samfunnsmessig kontekst...6 Forventninger til ny befolkningsprognosemodell...6 Simulering av komplekse flyttestrømmer...6 Pedagogiske utfordringer brukergrensesnitt og brukerterskel...7 Innfrir trendflyttingsmodellen forventningene?...8 Kapittel 2. Modellplattform...9 Innledning...9 Beskrivelse av naturlig framskrivning...1 Aggregering...1 Aldring...1 Fødsler...1 Dødsfall...11 Beskrivelse av tilbudsmodellen...11 Ekstern utflytting...11 Ekstern nettoflytting...11 Ekstern innflytting...11 Intern boliginnflytting...12 Intern boligutflytting...12 Beskrivelse av trendflyttingsmodellen...13 Ekstern utflytting...13 Ekstern nettoflytting...13 Ekstern innflytting...14 Intern utflytting...14 Innflytting til nybygde boliger...14 Flyttepott og innflytting til eksisterende boligmengde...14 Kapittel 3. Noen sentrale beregningsforutsetninger i Fredrikstad og Trondheim...16 To modeller to plattformer...16 Flytting til nybygde boliger...17 Beregningsforutsetninger...17 Estimeringsperioder prognoseperiode...17 Målstyring nettoflytting...18 Forutsatt boligbygging i prognoseperioden...18 Boligavgang...18 Flytterater...18 Fødselsfrekvenser sonevise korreksjonsfaktorer...19 Boligmarked omsetning av brukte boliger...19 Kapittel 4. Test og analyse av trendflyttingsmodellen Fredrikstad kommune...2 Problemstillinger og erfaringer fra analyseprosessen...2 Geografisk nivå...2 Aggregerte resultater på kommunenivået...22 Metodiske utfordringer...22 Fødsler...23

6 4 Døde...24 Nettoflytting til kommunen...25 Konsistens på kommunenivå...26 Analyse på kommunedelsnivå...27 Metodiske utfordringer...27 Resultater...28 Modellenes håndtering av flyttestrømmer på kommunedelsnivå...3 Konklusjoner...33 Kapittel 5 Test og analyse av trendflyttingsmodellen Trondheim kommune...35 Problemstillinger...35 Flytting inn og ut av sentrum...35 Generasjonsveksling...35 Studieområder...36 Boligbygging og flytting til studieområdene...37 Kalvskinnet...37 Bispehaugen...37 Åsveien...38 Byåsen...38 Dalgård...39 Modellkjøringer...39 Resultater...4 Befolkningsutvikling i aldersgrupper...4 Netto kohortendring...4 Trondheim...44 Kalvskinnet...47 Bispehaugen...5 Åsveien...53 Byåsen...56 Dalgård...59 Konklusjoner...6 Flytting inn og ut av sentrum...6 Generasjonsveksling...6 Kapittel 6. Sammenfattende analyse og konklusjoner...61 Bedre grunnlag for fortettingsplanlegging?...61 Pedagogiske utfordringer brukergrensesnitt og brukerterskel...64 Andre ikke tilsiktede gevinster?...65 VEDLEGG...66 Flytting til nybygde boliger: Beskrivelse av prosedyre for tilrettelegging av datasett fra SSB til bruk i KOMPAS...66 Databeskrivelse...66 Innhold/kvalitet på dataene...66 Prosedyrevalg...68 Prosedyre...7

7 5 Kapittel 1. Bakgrunn for prosjektet KOMPAS-Forum er et brukerorgan for kommuner og institusjoner som benytter KOMPAS prognosemodell i boligplanleggingen. Over flere år har KOMPAS-Forum gitt faglige innspill til hvordan en ny og bedre prognosemodell bør fungere. Arbeidet startet med notat datert fra Fredrikstad kommune i samarbeid med Trondheim kommune til Norgit AS (senere Interconsult-Norgit AS, fra COWI AS). Notatet avdekker en rekke svakheter med flyttemodelleringen i KOMPAS-modellen og gir forslag til konkrete forbedringer. Det ble foreslått å modellere flyttinger med bakgrunn i faktiske flyttedata på ettårsgrupper på grunnkretsnivå, som er tilgjengelig fra Statistisk sentralbyrå. Et forprosjektet ble realisert ved et spleiselag mellom Bergen, Trondheim, Stavanger, Kristiansand, Tromsø, Fredrikstad og COWI AS. Forprosjektet hadde en ramme på kr kr. og ble utført av SINTEF Teknologiledelse ved Anders Stølan. Dette førte fram til en kravspesifikasjon i notatet Videreutvikling KOMPAS-modellen (v5) datert som grunnlag for det videre arbeidet. Utviklingen av den nye modellen er finansiert ved et spleiselag mellom COWI AS, kommunene som er brukere av KOMPAS og Husbanken. Modellen benevnes som trendflyttingsmodellen, og vil i framtiden være en modell som kan benyttes av KOMPASbrukerne i tillegg til den tradisjonelle tilbudsmodellen. Trendflyttingsmodellen har lenge vært etterspurt av KOMPAS-brukerne. Det var imidlertid tidlig klart at en implementering av trendflyttingsmodellen ville kreve en total omlegging av hele KOMPAS-systemet. Ved at KOMPAS har levd på samme plattform siden 1993, var det et stort behov for en modernisering av struktur, funksjonalitet og brukergrensesnitt. I forkant av, og parallellt med trendflyttingsprosjektet har det derfor pågått et svært omfattende utviklingsarbeid for å videreutvikle tilbudsmodellen i KOMPAS. Denne delen av utviklingsarbeidet har vært organisert som et frittstående utviklingsprosjekt i regi av COWI. Fordi det har vært et gjensidig avhengighetsforhold mellom trendflyttingsmodellen og framdriften på den frittstående KOMPAS-omleggingen, har det vært en utfordring konseptuelt og organisatorisk å holde de to prosjektene fra hverandre. I svært mange sammenhenger har det dessuten vært hensiktsmessig å drøfte og rapportere framdriften fra disse to prosjektene under ett. Framdriften for de to prosjektene har jevnlig vært drøftet av styret, og er årlig lagt fram for årsmøtet i KOMPAS-Forum. Første versjonen av KOMPAS 7. ble lansert for alle brukerne 22. november 24. Når det gjelder trendflyttingsmodellen viste det seg at det var svært ressurskrevende å kjøre denne modelltypen i fullskala i Trondheim og Fredrikstad i den versjonen som forelå på testtidspunktet. Både COWI og de to kommunene har lagt ned et omfattende arbeid for å optimalisere applikasjonen og modellene. Dette medførte at evalueringen av trendflyttingsmodellen ble forsinket i forhold til den opprinnelige framdriftsplanen. For å gi en forståelse av nytteverdien av dette utviklingsprosjektet vil prognosemodellen kort settes inn i en samfunnsmessig kontekst. Med bakgrunn i innsigelsene mot den tilbudsbaserte modellen, senest i versjon 6.1, blir det redegjort for hva som forventes av forbedringer i den nye modellen og de sentrale problemstillingene som skal belyses i forbindelse med evalueringen.

8 6 Utviklingsprosjektet i en samfunnsmessig kontekst Kommunene oppfordres gjennom statlige retningslinjer å drive fortettingsplanlegging ved utvikling av boliger, næringsbygg og annet. Dette vil på sikt gagne miljøet og gjøre tettstedene mer bærekraftige. God fortettingsplanlegging vil dyktiggjøre kommunene til å utnytte eksisterende infrastruktur og ressurser. Bedre utnyttelse av de investeringer som kommunene allerede har gjort, vil også være gunstig for kommuneøkonomien. I denne rapporten er det boligplanlegging som er i fokus. Fortettingsplanlegging skiller seg fra tidligere utbyggingsstrategier, som gjerne var basert på utbygging av jomfruelig mark med byspredning som konsekvens. Det ble ofte bygd ut store boligfelt med ny infrastruktur. Dimensjoneringen av infrastrukturen var enkel matematikk fordi man ikke hadde en opprinnelig befolkning som virket forstyrrende inn i planleggingen. I fortettingsplanleggingen er det vanlig å forholde seg til mange prosjekter/boligfelt inne i den etablerte bebyggelsen. De nye boligprosjektene er ofte små og kan ved smidig planlegging føyes inn i den infrastruktur som allerede er der. Infrastrukturkostnader kan reduseres ved å utnytte ledig kapasitet i bl.a. skole, barnehager, eldresentre, veger, vann og kloakk. F. eks. opereres det i boligprogrammene til kommunene Fredrikstad og Trondheim med henholdsvis rundt femti og hundre fortettingsprosjekter som ønskes utbygd de nærmeste årene, foruten et langt større antall felt og prosjekter som skal bygges på lengre sikt. Fortettingplanleggingen er mer komplisert enn den tidligere utbyggingstrategi. Dette skyldes ikke bare det at det er langt flere boligprosjekter/utbyggingsfelt å forholde seg til. I tillegg til å ha kunnskap om sannsynlig befolkningsutvikling i eventuelle nye boligfelt er det mye å tjene på at planleggerne også har kunnskap om befolkningsprosessene i den omkringliggende bebyggelse. Kanskje er barnetallet i den opprinnelige boligmassen økende og vil krysse kapasitetsgrensen til skolen i området i nær fremtid. Det vil da være lite gunstig å bebygge fortettingsarealer i skolekretsen med boliger som vil trekke til seg enda flere barnefamilier. Kanskje virker prosessene i den eksisterende boligmassen slik at det blir færre eldre. Da kan det være gunstig å bygge boliger som tiltrekker seg nettopp denne gruppen. I en annen del av kommunen kan det være gunstig å bygge boliger for førstegangsetablerere og studenter som i liten grad vil virke inn på barnetallet. Om kapasitetsgrensen ved skolen er sprengt i nær framtid, kan det hende at elevtallet etter hvert vil avta. Kanskje vil det være fornuftig å bygge familieboliger hvis man venter 5-6 år og i mellomtiden arbeider med andre boligfelt i bydeler som tåler utbygging. Summarisk kan man si at fortettingsplanlegging handler om å bygge riktige boliger i rett antall på rett sted til rett tid. Forventninger til ny befolkningsprognosemodell Simulering av komplekse flyttestrømmer Planleggere behøver et verktøy som kan simulere befolkningsprosessene i bydelene, skolekretsene og boligområdene på en tilfredsstillende måte. Det er også viktig at planleggere er i stand til å se de ulike geografiske områdene i en kommune i sammenheng. Hvis man for eksempel foretar en sterk utbygging av enkelte deler av en kommune, må man kunne belyse hvilke befolkningsmessige konsekvenser dette kan få for andre bydeler. Det er behov for et verktøy som kan belyse hvorvidt en eventuell utbygging ligger på et rimelig, for høyt eller for lavt nivå. Er boligbyggingen for høy bør verktøyet kunne simulere at andre boligområder

9 7 tømmes for folk. Er den for lav bør man kunne simulere konsekvensene av dette. Et slikt modellverktøy vil gjøre det enklere å dimensjonere størrelsen og sammensetningen av den framtidige boligbygging, styrke boligplanleggingen i kommunene og samordningen mellom boligplanlegging, infrastruktur og offentlige tjenester som bl a skole. Befolkningsutviklingen i et avgrenset geografisk område er resultat av de fem demografiske komponentene aldring, fødte, døde, innflyttere og utflyttere. Mens det i dag finnes modeller til å håndtere disse komponentene på kommunenivå eller høyere, har det vært etterspurt operative modeller som behandler de siste to komponentene på en bedre måte på bydels-, skolekrets- eller boligområdenivå. Det nærmeste man kommer en slik operativ modell er KOMPAS tilbudsmodell, som benyttes av en rekke kommuner. Hovedårsaken til at flyttestrømmene ikke er håndtert tilfredsstillende i eksisterende modeller, er at flyttestrømmene, og da spesielt i de større bykommunene, er svært komplekse. Vi kjenner til enkelte hovedmønstre som at ungdom eller yngre voksne flytter inn mot sentrum når de flytter hjemmefra. Etter hvert som de etablerer seg flytter de til bydeler og forsteder hvor oppvekstvilkårene for barn er bedre. Utbygging av leiligheter fører ofte til frigjøring av familieboliger. Dette sammen med at de eldste avgår, fører til at det oppstår generasjonsskifter, særlig i eldre sentrale boligområder. Et økende antall par uten barn med høye inntekter har flyttet til sentrale bydeler, hvor det har oppstått såkalte gentrification - prosesser i tilknytning til byfornyelse i eldre arbeiderområder. Flyttestrømmene går altså i alle retninger og gjør det vanskelig for den enkelte planlegger å finne ut hva som er den egentlige trenden i en skolekrets eller bydel. Flyttestrømmene må i tillegg brytes ned på aldersgrupper for å kunne benyttes i planleggingen. Det har vært vanskelig å operasjonalisere dette modellmessig. I de største bykommunene er det ikke uvanlig at 1-15 prosent av befolkningen skifter bolig årlig. En analyse av interne flyttestrømmer i Fredrikstad kommune for perioden viste at det årlig flyttet et antall barn i alderen 6-12 år tilsvarende skoleklasser til boliger i bruktboligmarkedet. Flytteomfanget til nybygde boliger utgjorde til sammenligning kun 5-6 skoleklasser. Det å ha oversikt over flyttestrømmene i bruktboligmassen er derfor svært viktig for å kunne tolke befolkningsutviklingen i ulike delområder av en kommune. Pedagogiske utfordringer brukergrensesnitt og brukerterskel KOMPAS 6.1 er et lukket programsystem hvor modellenes regnemåte ikke vises for brukerne. Modellene er i denne versjonen tilrettelagt slik at brukerne bare skal forholde seg til datainput og sluttprognose. Det at brukerne ikke får følge med i de ulike modellstegene fører til at versjonen er lite pedagogisk og gjør blant annet kvalitetssikringsarbeidet mer krevende. For å få oversikt over modellens virkemåte, har brukerne måtte bruke mye tid på alene å forstå hvordan modellen virker. At enkelte brukere har god innsikt i modellen, har ikke bare ført til konstruktive innspill for å forbedre modellen, men har også avdekket feil i den. Synliggjøring av mellomregningene og kvalitet på prognose henger derfor tett sammen. Med et bedre brukergrensesnitt forstår vi at de fysiske bildene som brukeren ser og jobber med på skjermen skal være bedre forståelig for brukeren. Dette har vært et viktig anliggende i arbeidet med den nye KOMPAS-modellen. Et godt brukergrensesnitt bidrar også til å senke brukerterskelen, dvs hvor mye kompetanse som trenges for å operere modellen. I en befolkningsprognosemodell vil det å ha god kvalitet på selve prognoseresultatet være av overordnet betydning. Kravet om kvalitet på prognosene kan komme i strid med ønsket om lavere brukerterskel. Det er et problem at en del kommuner ikke kommer i gang med å lage

10 8 prognoser fordi modellplattformen blir for komplisert. Tilbudsmodellen i KOMPAS versjon 6.1 forutsetter at brukerne har detaljerte kunnskaper om boligmarkedet og flyttinger i egen kommune. Slik kunnskap er ikke lett tilgjengelig. Det vil derfor være en utfordring å kunne senke brukerterskelen samtidig som kvaliteten på prognosene økes. Innfrir trendflyttingsmodellen forventningene? Evalueringen av trendflyttingsmodellen vil ta utgangspunkt i de ovennevnte innsigelsene mot tilbudsmodellen. Mer konkret skal evalueringen svare på følgende: Gir trendflyttingsmodellen befolkningsprognoser som bedrer grunnlaget for arbeidet med fortettingsplanlegging i kommunene i forhold til hva tilbudsmodellen gjør? Dette skal besvares gjennom resultater fra test-prognosekjøringer i Trondheim og Fredrikstad. Har man gjennom ny KOMPAS-versjon og trendflyttingsmodellen lykkes med de pedagogiske utfordringene: å lage et brukergrensesnitt som er pedagogisk overfor brukerne slik at det gjør modellforståelsen bedre, og er brukerterskelen for å lage prognoser senket? Har utviklingsprosjektet gitt andre ikke tilsiktede gevinster?

11 9 Kapittel 2. Modellplattform Innledning På overordnet nivå kan KOMPAS enkelt beskrives som en modell som håndterer disse prosessene: Aldring: Boliger og befolkning aldres for hvert år som går. Tilvekst: Boliger bygges og omsettes, barn fødes, folk flytter inn Avgang: Boliger forsvinner, folk dør, folk flytter ut. For å håndtere dette, er det spesifisert mer eller mindre kompliserte matematiske sammenhenger. Disse sammenhengene er alltid på formen: Inndata vil enten være statistiske grunnlagsdata, inngitte planforutsetninger eller resultater fra forrige års beregning. De statistiske grunnlagsdata har visse egenskaper som kan grupperes i to hovedformer: Tilstandsdata (status per et gitt tidspunkt). Dette kan for eksempel være "befolkningen per 31.12" eller "boligmengde per " Periodedata/endringsdata (endringer mellom to tidspunkt). Dette kan for eksempel være "fødte 1991" eller "boligbygging 1995". Behandling vil være det matematiske regelverket som beskriver hvordan gitte inndata skal håndteres. Resultat vil være ferdig utregning av gitte inndata kombinert med gitte behandlingsregler. I mange tilfeller vil periode-/endringsdata gi grunnlag for definering av et sett med sannsynligheter/frekvenser (for eksempel utflyttingssannsynligheter og fødselsfrekvenser) som enten blir generert av KOMPAS på grunnlag av den angitte estimeringsperioden, eller som foreligger ferdig fra SSB og velges fra den angitte estimeringsperioden. Forholdet mellom inndata, behandling/prosess og resultat er definert i form av et modellsteg. Samtlige modellsteg under ett utgjør en spesifikk modelltype i KOMPAS. KOMPAS har disse modelltypene: Fellesdata (statistikkmodell) Levekårsdata (statistikkmodell) - foreløpig bare i KOMPAS 6.1 Naturlig framskrivning (framskrivningsmodell) Tilbudsstyrt modell (framskrivningsmodell) Trendbasert flyttemodell (framskrivningsmodell)

12 1 KOMPAS vil kunne håndtere ytterligere modeller ettersom behovet oppstår. Det er med den nye modellplattformen også enkelt å endre egenskaper ved de ulike modelltypene. En modell er et system som brukes til å representere et annet. Modellen gir en forenklet fremstilling av virkeligheten, tilpasset et bestemt formål. Den fremhever visse trekk ved det som fremstilles og ser bort fra andre...når teorier får form av et sett matematiske formler, øker gjerne mulighetene for presise og kvantitative forutsigelser." (Norsk Samfunnsvitenskapelig Leksikon, 1993). En modell vil derfor alltid være en forenkling av virkeligheten. En modell er god hvis den greier å spesifisere komplekse samfunnsforhold og samfunnsprosesser på en slik måte at relevante sammenhenger faktisk blir noenlunde korrekt reflektert i modellresultatet. I brukerhåndboken framstilles disse sammenhengene så enkelt som mulig for hver modelltype. I de neste avsnittene beskrives nærmere de to modellene som er berørt i evalueringen, nemlig tilbudsstyrt modell og trendbasert flyttemodell. Det disse modellene har felles er håndteringen av aldring, fødsler og dødsfall. I tillegg til å være innbakt i disse modelltypene, utgjør disse demografiske komponentene også en selvstendig modelltype, naturlig framskrivning. Begrepene estimeringsperiode, basisår og prognoseperiode vil bli benyttet gjentatte ganger i denne rapporten. Enkelt sagt er estimeringsperioden den historiske statistikkperioden som legges til grunn for beregningene av en bestemt variabel, f eks flytting. Basisåret er det siste året en har statistikk for og som prognosene tar utgangspunkt i. Prognoseperioden er den valgte tidsperioden en velger å utarbeide prognoser for. Beskrivelse av naturlig framskrivning I modelltypen "Naturlig framskrivning" framskrives befolkningen med aldring, fødsler og dødsfall. Modelltypen framskriver den eksisterende befolkningen uten inn- og utflytting over kommunegrensen og mellom prognosesonene. Denne modelltypen brukes ofte som et et referansealternativ. Den kan også brukes for å finkalibere fødselsfrekvenser og dødssannsynligheter for eksempel i tråd med SSB's nullflyttings-alternativ. I tillegg til å utgjøre en egen modelltype inngår naturlig framskrivning som en basiskomponent også i de andre modelltypene. Følgende faktorer inngår i naturlig framskrivning: Aggregering I utgangspunktet er de fleste statistiske grunnlagsdata på grunnkretsnivå. Grunnkretsene er de statistiske byggeklossene. For planformål er det naturlig å gruppere grunnkretsene i soner som er relevante for det aktuelle analyseformålet. Dette kan for eksempel være skolekretser eller pleie- og omsorgsdistrikter. Aggregering vil si at grunnkretsdata summeres opp på den soneinndelingen som gjelder i hvert enkelt tilfelle. Aldring Befolkningsstatistikken er fordelt etter kjønn og ettårig alder ved inngangen til året. Aldring i denne sammenhengen vil si at samtlige registrerte 1-åringer i ett år vil være 2-åringer neste år osv. Fødsler Det finnes statistiske opplysninger om faktisk antall fødte i estimeringsperioden. I tillegg finnes statistiske opplysninger om fødselsfrekvenser for kvinner i fertil alder. Fødselfrekvensene benyttes til å beregne det forventede antall fødte i estimeringsperioden.

13 11 Forholdet mellom faktisk antall fødte og forventet antall fødte (nivåfaktor for fødte) brukes deretter til å opp- eller nedjustere beregnet antall fødte i prognoseperioden. Nivåfaktorene kan justeres hvis en har forventninger om endringer i fødselshyppigheten framover. Antall fødte beregnes i prosjektperioden ved å multiplisere fødselfrekvensene med nivåfaktoren og med kvinner i fødedyktig alder. Fødte fordeles på gutter og jenter. Beregningene i dette steget ender opp med befolkningen inklusive fødte. Dette datasettet er utgangspunkt for beregning av antall døde. I den nye versjonen av KOMPAS har en fått tilgang til faktiske fødtedata på grunnkretsnivå. Dette har gjort det mulig med sonevise nivåfaktorer for fødte, og dermed en forbedring av beregningen av fødte. Av denne grunn er naturlig framskrivning (og dermed tilbudsmodellen) ikke helt sammenlignbar i gammel og ny versjon av KOMPAS. Dødsfall Tilsvarende som for fødte, beregnes det også en nivåfaktor for døde. Dette gjøres ved å sammenholde informasjon om faktisk antall døde i estimeringsperioden med beregnet antall døde på grunnlag av dødssannsynlighetene i estimeringsperioden. Hvis det faktisk har dødd flere enn beregnet med dødssannsynlighetene, vil nivåfaktoren være større enn 1. Omvendt vil nivåfaktoren være mindre enn 1 hvis faktisk antall døde er mindre enn beregnet antall døde. Antall døde beregnes i prosjektperioden ved å multiplisere dødssannsynlighetene med nivåfaktoren og eventuelle sonevise korreksjonsfaktorer som igjen multipliseres med befolkningen inklusive fødte etter kjønn og alder. Beskrivelse av tilbudsmodellen I den tilbudsbaserte modellen fordeles innflytterne til kommunen proporsjonalt med den beregnede boligmengden. Internflytterne fordeles til sonene proporsjonalt med boligtilbudet. For hvert år i beregningsperioden settes boligtilbudet lik boligbyggeprogrammet pluss omsetning. Utflyttingen fra sonene beregnes proporsjonalt med boligbehovet. Det skal nå redegjøres for dette: Ekstern utflytting Utflytting fra kommunen fra den enkelte plansonen blir bestemt på grunnlag av utflyttingssannsynligheter. Disse utflyttingssannsynlighetene angir andeler av hver aldersgruppe og kjønn som skal flytte ut fra kommunen, og regnes ut på grunnlag av den faktiske utflyttingen i estimeringsperioden. Utflyttingssannsynlighetene er beregnet på kommunenivå. Ekstern nettoflytting Når KOMPAS har beregnet hvor mange som skal flytte ut av kommunen, gjenstår det å bestemme hvor mange som skal flytte inn fra andre kommuner. Dette bestemmes av planleggeren ved at det angis et nettoflyttetall for hvert år. I utgangspunktet er det regnet ut et nettoflytte-tall på grunnlag av gjennomsnittlig nettoflytting i estimeringsperioden. Ekstern innflytting Når nivået på utflyttingen og nettoflyttingen er etablert,. kan implisitt også antallet innflyttere beregnes (innflyttere = utflyttere + nettoflyttere). Antallet innflyttere over kommunegrensen blir fordelt til hver enkelt plansone proposjonalt med plansonenes andel av boligmengden. Fordelingen til alder og kjønn foretas i henhold til de eksterne innflyttingsratene. Disse

14 12 innflyttingsratene er regnet ut på grunnlag av gjennomsnittlig innflytting i estimeringsperioden. Innflyttingsratene er beregnet på kommunenivå. Intern boliginnflytting Innflyttingen til en plansone fra resten av kommunen blir bestemt av boligtilbudet i sonen og familiestørrelsen. Boligtilbudet består av to komponenter: omsatte bruktboliger og nybygde boliger. Boligtilbudet er fordelt på ulike boligtyper. Antallet omsatte bruktboliger er bestemt av den andel av boligmengden som omsettes på bruktmarkedet hvert år (standard 5 prosent), mens nybygde boliger er bestemt av boligbyggeprogrammet. Familiestørrelsen er i utgangspunktet satt til 3, for hver boligtype, men kan og bør endres av brukeren. Det vil si at det som standard flytter inn 3 personer for hver bolig som tilbys uansett hvilken boligtype eller boligstørrelse dette er. Fordelingen til alder og kjønn foretas ved hjelp av interne flytterater fordelt på alder, kjønn, sone og boligtype. Dette er en vesentlig svakhet ved dagens tilbudsmodell: De interne flytteratene er som standard en kopi av de eksterne flytteratene, og er dermed ikke basert på empirisk internflytting De interne flytteratene er som standard identiske for alle boligtyper I ny KOMPAS 7. har vi valgt å fordele de interne flytteratene både etter boligtype og sone. Det innebærer at det nå er mulig å justere flytteratene sonevis. Det vil være mulig å beregne de interne flytteratene basert på faktisk internflytting i estimeringsperioden basert på data fra SSB. Dette kan idag gjøres manuelt ved først å kjøre trendflyttingsmodellen og kopiere inn beregnede internflyttedata i en modellberegning basert på tilbudsmodellen. Det vil imidlertid ikke være mulig med dagens datagrunnlag å få beregnet interflytterater spesifikt for hver boligtype. Intern boligutflytting Ved å summere alle som flytter inn i en plansone over alle plansonene beregnes antallet som totalt skal flytte inn i plansonene. Totalt antall interne innflyttere skal på kommunenivå selvsagt stemme med totalt antall interne utflyttere. Internutflyttingen fra sonene vil være proporsjonal med boligbehovet. Eller sagt på en annen måte: desto større andel en sone har av det totale boligbehovet i kommunen, desto større vil andelen av utflyttingen komme fra denne sonen. Den sonevise interne boligutflyttingen beregnes ved å multiplisere boliginnflyttingen på kommunenivå med sonens andel av kommunens boligbehov. Dette blir korrigert slik at det er samsvar mellom boliginnflytting og boligutflytting på kommunenivå. Boligbehovet har derfor vesentlig betydning i beregningen av den interne boligflyttingen. KOMPAS beregner boligbehovet i hver sone, fordelt på kjønn, familietype og aldersgruppe samt boligbehovet fordelt på kjønn, familietyper og aldersgrupper på kommunenivå. Det som inngår i beregningene er: Boligreserve for sonen (boliger som ikke inngår i det ordinære boligtilbudet, f.eks. studenthjem). Familietyperater for kjønn og aldersgrupper på kommunenivå

15 13 Boligbehovsfrekvenser for kjønn, familietyper og aldersgrupper på kommunenivå Køfaktor (nivåfaktor) kommunenivå. Denne angir forholdet mellom boligmengde og boligbehov Køfaktor (korreksjonsfaktor) for sonene. Og her er vi ved en annen hovedsvakhet ved tilbudsmodellen: Det statistiske grunnlaget for beregning av boligbehovet er mangelfullt. Dette gjelder familietyperatene, som framkommer på grunnlag av formell sivilstand og ikke reell husholdningssituasjon. Boligbehovsfrekvensene er beregnet på grunnlag av utvalgsundersøkelser hvor kommunene er inndelt i fire kommunegrupper. De reelle boligbehovsfrekvensene for en aktuell kommune vil kunne avvike fra den kommunegruppen kommunen er tilordnet. Boligreserven er som standard satt til 2,5 prosent for alle sonene. Jo høyere boligreserven er, jo høyere vil det beregnede boligbehovet i sonene bli. Dette kan være et problematisk område som blant annet berører det forhold at ugifte studenter ikke er registrert bosatt i studiekommunen. Det er mulig å endre køfaktoren for å påvirke utflyttingstilbøyeligheten fra sonene/kommunen. Det er imidlertid ingen enkel sammenheng mellom køfaktorjustering og flyttemønster. Det anbefales derfor å ikke endre køfaktoren unntatt for soner med helt spesiell befolkningssammensetning (f. eks studentboliger). Beskrivelse av trendflyttingsmodellen Trendflyttingsmodellen er også en form for tilbudsmodell i den forstand at tilbudet av nybygde boliger utgjør en del av modellen, men trendflyttingsmodellen håndterer flyttestrømmer i bruktboligmassen på en annen måte. Det at den tar utgangspunkt i faktiske flyttetrender, er grunnen til at den kalles trendflyttingsmodellen. I trendflyttingsmodellen modelleres flyttingen i bruktboligmarkedet på basis av observerte flyttestrømmer på sonenivå. Ekstern utflytting beregnes som i boligtilbudsmodellen, men med sonevise utflyttingssannsynligheter. Den sonevise utflyttingen konsistensjusteres slik at sum utflytting på kommunenivå blir riktig. Nettoflytting på kommunenivå beregnes som i tilbudsmodellen. Sum ekstern innflytting fordeles på alder og kjønn som i andre modelltyper, men flyttes først inn i en"innflyttingspott". Flytting mellom sonene (internflytting) beregnes med sonevise interne utflyttingssannsynligheter. Utflytterne fra sonene havner i "innflyttingspotten" som skal flyttes tilbake til soner (intern innflytting). Innflytting til nye boliger "plukkes" fra "innflyttingspotten". Resten av "innflyttingspotten" flyttes inn i eksisterende boliger og fordeles til alder og kjønn ved hjelp av interne innflyttingssannsynligheter. De interne innflyttingssannsynlighetene for en gitt sone angir hvor stor andel av personene i en gitt persongruppe (alder/kjønn) i "flyttepotten" som flytter til sonen. Ekstern utflytting Først beregnes utflyttingen på overordnet nivå ved å multiplisere befolkningen etter alder og kjønn med utflyttingssannsynlighetene etter alder og kjønn. Deretter beregnes utflyttingen på sonenivå tilsvarende. For at den sonevise utflyttingen skal bli konsistent med utflyttingen på overordnet nivå, konsistensjusteres utflyttingen på sonenivå. I dette steget er det mulig å stille på nivåfaktor og sonevise korreksjonsfaktorene. Ekstern nettoflytting Se tilbudsmodellen.

16 14 Ekstern innflytting Nå har vi både nivået på utflyttingen og nivået på nettoflyttingen. Dermed har vi implisitt også antallet innflyttere (innflyttere = utflyttere + nettoflyttere). Til forskjell fra tilbudsmodellen, fordeles ikke de eksterne innflytterne direkte til plansonene. De eksterne innflytterne inngår i flyttepotten. Intern utflytting Den interne utflyttingen er i trendflyttingsmodellen utelukkende basert på interne, sonevise utflyttingssannsynligheter. De interne utflytterne subtraheres fra befolkningen i hver sone. Summen av den interne utflyttingen på kommunenivå legges til flyttepotten. Innflytting til nybygde boliger I trendflyttingsmodellen skilles det mellom innflytting til nybygde boliger og innflytting til eksisterende boliger. Formålet med innflytting til nybygde boliger er å isolere den flyttingen som skyldes nybyggingsaktiviteten. Det beregnes derfor et flyttemønster til nybygde boliger basert på det observerte mønsteret i estimeringsperioden. Først beregnes gjennomsnittlig boligbygging i estimeringsperioden. Deretter beregnes gjennomsnittlig innflytting til nybygde boliger i estimeringsperioden. Dette baseres i sin helhet på spesialbestilte data fra SSB. Kommuner som har dette datasettet etter utleveringsavtale med SSB, må lime inn disse dataene i et separat modellsteg. Innflyttingsrater for nybygde boliger beregnes ved å dividere gjennomsnittlig innflytting til nybygde boliger i estimeringsperioden etter alder og kjønn på plansonenivå med gjennomsnittlig innflytting til nybygde boliger i alt for kommunen. Disse innflyttingsratene blir som standard videreført i hele prosjektperioden, men kan selvfølgelig justeres. Husholdningsstørrelsen per boligtype og plansone beregnes ved å dividere gjennomsnittlig innflytting til nybygde boliger i estimeringsperioden etter boligtype og plansone med gjennomsnittlig boligbygging etter boligtype i estimeringsperioden. Husholdningsstørrelsen per boligtype og plansone blir videreført i prosjektperioden, men kan selvfølgelig justeres. Vi har nå fått beregnet gjennomsnittlig boligbygging, gjennomsnittlige innflyttingsrater og gjennomsnittlig husholdningsstørrelse i estimeringsperioden, og har det vi trenger for å kunne beregne den framtidige innflyttingen til nybygde boliger. Dette gjøres ved å hente boligbyggeprogrammet. Innflytting til nybygde boliger beregnes ved å multiplisere innflyttingsrater, husholdningsstørrelse og antall nye boliger. Dette gjøres for hver boligtype på sonenivå. Vi har dermed fått beregnet innflytting fordelt på alder og kjønn som følge av nybygde boliger i prosjektperioden. Dette gjøres ved å multiplisere antall nybygde boliger etter boligtype med antall personer per bolig etter boligtype på sonenivå, noe som gir nivået på innflytting til nybygde boliger fordelt på boligtype og sone. Flyttepott og innflytting til eksisterende boligmengde Ekstern innflytting og intern utflytting på kommunenivå utgjør tilsammen den befolkningsmengden som skal flytte inn i sonene. Dette kalles en flyttepott. Flyttepotten er fordelt på alder og kjønn. Fra denne flyttepotten subraheres antall flyttere til nybygde boliger fordelt på alder og kjønn som er beskrevet ovenfor. Vi står da igjen med innflyttere til eksisterende boligmengde (trendflyttingen). Disse innflytterne fordeles til plansonene i henhold til innflyttingsrater etter sone, alder og kjønn.

17 15 Innflyttingsrater for flytting til eksisterende boligmengde er konstruert ved å beregne gjennomsnittlig ekstern og intern sonevis innflytting i estimeringsperioden, og deretter trekke fra gjennomsnittlig sonevis innflytting til nybygde boliger i estimeringsperioden. Det sonevise gjennomsnittlige flyttetallet for hver aldersgruppe og kjønn er deretter dividert med det gjennomsnittlige flyttetallet på kommunenivå for hver aldersgruppe og kjønn.

18 16 Kapittel 3. Noen sentrale beregningsforutsetninger i Fredrikstad og Trondheim To modeller to plattformer De største utfordringene i prognosearbeidet på sonenivå i kommunene har vært knyttet til to former for geografisk mobilitet i de større byene: - stor innflytting av ungdom til sentrumsområdet fulgt av utflytting til ytre bydeler og andre kommuner etter noen år - generasjonsveksling i de etablerte bydelene, hvor barnefamilier flytter inn og overtar boliger etter seniorer/eldre. Begge disse bevegelsene har det vært problematisk å håndtere godt nok i modellene. I dette arbeidet undersøker vi blant annet om den nye trendflyttemodellen i KOMPAS håndterer disse prosessene på en bedre måte enn alternative KOMPAS-modeller. Hensikten med denne rapporten er å evaluere den nye trendflyttemodellen i KOMPAS. Det mest nærliggende materialet å sammenligne resultatene med var modellkjøringer med tilbudsmodellen, hvor flest mulig av beregningsforutsetningene var like. I tillegg til at analysene skulle være komparative, var det et ønske om at dette skulle gjøres med bakgrunn såkalte plankekjøringer. Med det menes at det skulle lages prognosealternativer i de to modellene som ikke skulle overstyres for på den måten å ikke påvirke resultatene i en mer positiv retning enn det modellene gjør selv. I første omgang var det kun kjøringer av tilbudsmodellen med KOMPAS 6.1 som ble vurdert som aktuelle for slike sammenligningskjøringer. Men i løpet av uttestingsperioden ble også tilbudsmodellen tilgjengelig i KOMPAS 7.. Denne er endret/forbedret i forhold til 6.1- versjonen på følgende punkter: Ingen avrunding av resultater (bruk av desimaler) Beregning av korreksjonsfaktorer gjøres med utgangspunkt i gjennomsnittstall for estimeringsperiodene (I KOMPAS 6.1 benyttes tall kun for basisåret). Sonevise nivåfaktorer for fødte er beregnet med utgangspunkt i et eget datasett for fødte etter grunnkrets (etter samme metode som i trendflyttingsmodellen). I sum betyr dette at de generelle prognoseforutsetningene og beregningsmåtene er tilnærmet like i tilbuds- og trendflyttingsmodellen i KOMPAS 7., mens tilbudsmodellen i KOMPAS 6.1 avviker på flere viktige punkter. Selv om hensikten med den komparative analysen primært var å evaluere ny KOMPASversjon opp mot den gamle KOMPAS-versjonen (KOMPAS 6.1), var det også ønskelig å studere spesifikke egenskaper i håndtering av flytting i de to modelltypene tilbud og trend. Dette forutsetter at flest mulig av de andre beregningsforutsetningene i prognosene er like. Det ble derfor også gjort noen prognosekjøringer med tilbudsmodellen i KOMPAS 7.. Resultatene fra disse kjøringene tydet imidlertid på at det gjenstod noe kvalitetssikring av beregningene. I denne evalueringen har vi derfor valgt å sammenligne modellkjøringer foretatt med trendflyttingsmodellen i KOMPAS 7. og tilbudsmodellen i KOMPAS 6.1.

19 17 Flytting til nybygde boliger I flytteberegningene i trendflyttingsmodellen skilles det mellom flytting til nybygde boliger og flytting til bruktboligmassen (trendflytting). Et sentralt punkt arbeidet med uttesting av trendflyttingsmodellen var å utrede muligheten for å benytte empiriske data i disse beregningene. Slike data har ikke vært tilgjengelig gjennom den ordinære flytte- og boligbyggestatistikken fra SSB. Men gjennom kobling av data som ligger til grunn for denne statistikken (Folkeregister- og GAB-data), var det forventinger om at SSB kunne skaffe de ønskede data. Det ble innledet et samarbeid med SSB om dette, hvor anonymiserte flytte- og bolig-/ bygningsdata for Trondheim og Fredrikstad ble gjort tilgjengelig for analyse og uttesting. Arbeidet resulterte i tre årganger med data (-22) som omfatter følgende: Flyttinger til nybygde boliger etter år, grunnkrets, alder (5-årsgrupper), kjønn, og bygningstyper. Innflyttede nybygde boliger etter år, grunnkrets og bygningstype (5-delt). Datasettene ble tilrettelagt for bruk direkte i trendflyttingsmodellen i KOMPAS (innliming av data på modellsteg 15.1 og 15.4). Det ble også laget aggregerte datasett med flytterater (prosentfordeling på alder og kjønn) og gjennomsnittlig husholdningsstørrelse ved innflytting av nybygde boliger, til bruk i tilbudsmodellen. Detaljer om dette arbeidet er beskrevet i vedlegg. Flyttedataene ble koblet til bolig-/bygningsdataene med adresse som koblingsnøkkel. For å kunne tilordne boligegenskaper til flyttedataene var det ønskelig at koblingen kunne foregå på det mest detaljerte adressenivået boligadresse, der hver enkelt bolig har en unik adresse. Det viste seg imidlertid at datagrunnlaget var for dårlig til dette. Koblingen måtte derfor foretas på gateadressenivå. Dette førte til at man ikke kunne tilordne individuelle boligegenskaper (for eksempel antall rom i boligen) til flyttedataene. Men i og med at gateadresser kan knyttes til unike bygninger, var det likevel mulig å tilordne bygningenes egenskaper til flyttedataene. Datasettene som ble laget gir derfor mulighet for inndeling i bygningstyper slik disse benyttes i KOMPAS (5 typer), mens inndeling etter boligstørrelse (antall rom) ikke var mulig. Dette la føringer for hvilken boligtypeinndeling som kunne benyttes i modellkjøringene. Beregningsforutsetninger For å analysere de to modellenes egenskaper opp mot hverandre var det ønskelig med mest mulig like beregningsforutsetninger i alle prognosene for både Trondheim og Fredrikstad. Estimeringsperioder prognoseperiode Estimeringsperioden for flytting, fødsel og død ble satt til årene -22. Dette ble valgt fordi det var disse tre årgangene som var tilgjengelig input i datasettet flytting til nybygde boliger, som ble anskaffet spesielt til dette prosjektet. I utgangspunktet ble alle relevante beregninger gjort med samme estimeringsperiode i begge modellene. På grunn av begrenset datatilfang i KOMPAS 6.1 ble estimeringsperioden for eksternflytting imidlertid begrenset til årene -21 i begge kommunene.

20 18 Prognoseperioden ble satt til perioden i Trondheim og i Fredrikstad. Målstyring nettoflytting Det ble lagt inn samme nivå på nettoflytting til kommunen i begge modellene. I Trondheim ble det lagt inn følgende nettoflytting: 23: : 7 per år : 4 per år. I Fredrikstad ble det lagt inn en nettoflytting på henholdsvis 585 og 479 i 23 og 24. I resten av prognoseperioden ble den satt til 4 personer årlig. Forutsatt boligbygging i prognoseperioden For å kunne sammenligne resultatene var det nødvendig å forutsette det samme nivået på boligbyggingen i begge modellene. I Trondheim ble det valgt å legge inn et mest mulig realistisk boligbyggealternativ, slik at resultatene skulle kunne sammenlignes med andre prognosekjøringer for Trondheim. I Fredrikstad ble det lagt inn et fiktivt boligbyggeprogram, men var tilpasset slik at det fikk et naturlig nivå i forhold til befolkningsutviklingen. Vi ønsket primært å benytte de innkjøpte data på flytting til nybygde boliger til estimering av interne flytterater og gjennomsnittlig husholdningsstørrelse etter boligtyper i trendflyttingsmodellen. Dette materialet er foreløpig kun tilgjengelig med inndeling i fem bygningstyper. Trondheims data på forutsatt boligbygging som var benyttet i andre prognosekjøringer var inndelt i 12 egendefinerte boligtyper, basert på antall rom, geografi og alderssegment. Dette materialet måtte derfor oversettes til fem bygningstyper. I Fredrikstad ble et fiktivt boligprogrambenyttet, og en unngikk derfor dette problemet der. Boligavgang Følgende boligavgangsrater ble benyttet i Trondheim: -19:,5 % :,3 % :,2 % :,1 % :,1 % ,1 % I Fredrikstad ble de samme avgangsratene benyttet bortsett fra for bygninger fra perioden som ble satt til,1 %. Flytterater Det spesialbestilte datamaterialet på flytting til nybygde boliger og innflyttede nybygde boliger gir mulighet for å beregne flytterater og gjennomsnittlig husholdningsstørrelse for nyinnflyttede boliger. I trendflyttingsmodellen foretas disse beregningene automatisk dersom de relevante datasettene på flytting til nybygde boliger og innflyttede nybygde boliger er lagt inn. Det var ønskelig å teste ut hvilke muligheter som lå i dette materialet for både tilbudsog trendflyttingsmodellen. Innflytting til nybygde boliger ble i modellen fordelt på grunnkrets, boligtype, 5-årig alder og kjønn. Det viste seg at denne detaljrikdommen ofte ga manglende data for automatisk genererte flytterater på plansonenivå. I modellen beregnes flytteratene spesifikt for hver boligtype og sone. Dersom det ikke er registrert innflyttinger til en bestemt boligtype/sone i statistikkperioden vil det ikke kunne beregnes relevante flytterater til denne boligtypen/sonen. Dersom det likevel forutsettes boligbygging av denne typen i prognoseperioden i den aktuelle sonen, vil modellen unnlate å flytte noen inn i disse boligene.

21 19 Det viste seg at problemet med manglende data på bygningstype-/sonenivå var betydelig også ved et forsøk med færre soner (12 i stedet for 48 i Trondheim). I Trondheim ble det i denne omgang valgt å kun beregne innflyttingsrater. Dette ratesettet ble så benyttet i både tilbuds- og trendflyttingsmodellen. Dette datamaterialet betegnes i det følgende som empirisk baserte flytterater. I Trondheim ble det i tillegg klargjort et datasett med egenkonstruerte flytterater basert på det som tidligere var benyttet i prognosearbeidet. Også her var utgangspunktet i det opprinnelige materiale en inndeling i 12 boligtyper, som måtte oversettes til fem bygningstyper. Fredrikstad valgte å benytte de samme egenkonstruerte flytteratene som Trondheim i alle sine modellkjøringer (både i tilbuds- og trendflyttingsmodellen). Forøvrig henvises det til vedlegget som gir nærmere beskrivelse av prosedyren for flytting til nybygde boliger. Ut fra de erfaringene som er gjort med bruk av detaljerte flyttedata knyttet til nybygde boliger, gjenstår det en endelig avklaring av det endelige databehovet for en relevant og faglig forsvarlig generering av husholdningsstørrelse og flytterater. I disse drøftingene må ønsket om detaljerte data veies opp mot problemet med manglende og usikre data samt eventuelle problemer med sensitiviteten. Fødselsfrekvenser sonevise korreksjonsfaktorer Beregningene av sonevise korreksjonsfaktorer blir gjort forskjellig i KOMPAS 6.1 og 7.. Beregningen i KOMPAS 7. skjer med utgangspunkt i data på faktisk antall fødte i hver plansone. Dette gir langt bedre korreksjonsfaktorer enn metoden som benyttes i KOMPAS 6.1. Dette fører til store forskjeller i antall fødte på sonenivå i prognoseperioden i de to KOMPAS-versjonene. For å kompensere for denne forskjellen mellom KOMPAS 6.1 og 7., ble det i Trondheim valgt å benytte de sonevise korreksjonsfaktorene slik de var beregnet i KOMPAS 7. også på prognosene i KOMPAS 6.1. Nivåfaktor for hele kommunen ble satt til 1, (de samlede sonevise korreksjonene skal gi korrekt sum for hele kommunen). I Fredrikstad ble det ikke korrigert for dette i henhold til plankekjøringsprinsippet. Boligmarked omsetning av brukte boliger Omsetningen i bruktboligmassen ble gitt følgende nivå (gjelder kun tilbudsmodellen): Bygningstype Trondheim Fredrikstad 1 Frittliggende enebolig eller våningshus 7 % 4 % 2 Hus i kjede, rekkehus/terrassehus, vertikaldelt tomannsbolig 8 % 6 % 3 Horisontaldelt tomannsbolig eller annet boligbygg med mindre 1 % 7 % enn 3 etasjer 4 Blokk/leiegård eller lignende: 1 % 8 % 5 Forretningsbygg, bygg for felleshusholdning eller lignende: 12 % 12 % Nivået er satt skjønnsmessig.

22 2 Kapittel 4. Test og analyse av trendflyttingsmodellen Fredrikstad kommune Problemstillinger og erfaringer fra analyseprosessen Intensjonen med dette kapitlet har vært å foreta en komparativ analyse av tilbudsmodellen i KOMPAS 6.1 og trendflyttingsmodellen i KOMPAS 7. med data fra Fredrikstad kommune. Fredrikstad er Norges sjette største kommune og passerte 7. innbyggere i 25. Kommunen gjennomgikk en kommunesammenslåing i og består i dag av de fem tidligere kommunene Fredrikstad, Rolvsøy, Kråkerøy, Onsøy og Borge. I tillegg til at analysene skulle være komparative, var det et ønske om at dette skulle gjøres med bakgrunn såkalte plankekjøringer. Med det menes at det skulle lages prognosealternativer i de to modellene som ikke skulle overstyres for på den måten å ikke påvirke resultatene i en mer positiv retning enn det modellene gjør selv. Det var ønskelig å belyse hvilken av de to modellene som i utgangspunktet gir de rimeligste resultatene, noe som burde være til stor hjelp for planleggere som ikke har dyptgående kjennskap til modellene. Forhåpentligvis vil dette gjøre det å lage prognoser mer tilgjengelig for andre. Intensjonen har vært å belyse dette nærmere for aldersgrupper som er sentrale i skolestrukturplanleggingen. I denne forbindelse er generasjonsskifteproblematikk et viktig element. I tillegg har det vært et ønske om å få belyst hvor konsistente modellene er. Fører for eksempel endringer i soneinndeling til endrede resultater for prognosesonene? Er det avvik mellom beregninger underveis i modellene og de endelige resultater? I forbindelse med selve analyseprosessen møtte vi en del utfordringer som gjorde at store deler av det ovennevnte analyseopplegget måtte endres. Det viste seg at deler av det tankegodset som vi satt inne med i forbindelse med tilbudsmodellen i KOMPAS 6.1 ikke var direkte overførbart til trendflyttingsmodellen i KOMPAS 7. slik den var på tidspunktet for uttestingen. Samtidig ble det oppdaget andre uventete sider ved modellen 1. Etter hvert ble det nødvendig å nullstille eller forkaste et betydelig grunnlagsarbeid som allerede var utarbeidet i forhold til analysen. Dette medførte imidlertid også at svært mye tid gikk med på å komme til bunns i disse forhold og etter hvert også til at ambisjonsnivået i forhold til selve analysen måtte senkes på grunn av at tidsressursene ikke strakk til. Denne prosessen har vært en læringsprosess, og de funnene som er gjort vil uansett være nyttige for andre. Videre i kapitlet vil KOMPAS 6.1 tilbudmodell og KOMPAS 7. trendflyttingsmodell kalles for henholdsvis tilbudsmodellen og trendflyttingsmodellen. Geografisk nivå I forhold til soneinndeling var det naturlig at plankekjøringene bygget på den inndelingen som over langt tid har vært benyttet i tilbudsmodellen i Fredrikstad kommune. Prognosematerialet ble tilrettelagt slik at det skulle være mulig å gjøre en sammenligning av 1 I den tidlige fasen ble det også funnet tekniske feil i selve modellen, og som medførte at det datamaterialet som allerede var tilrettelagt i forhold til analyse, måtte forkastes.