Risikoindeks for folkehelse Hordaland

Transkript

1 Risikoindeks for folkehelse Hordaland AUD- rappor Nr t

2 Utgivar: Tittel: Hordaland fylkeskommune, Analyse, utgreiing og dokumentasjon (AUD) «Risikoindeks for folkehelse Hordaland.» Publikasjonsserie/nr: AUD-rapport nr: Dato: 17. januar 2013 Forfattarar: Kristin Iversen Stian Skår Ludvigsen, PhD Tlf: E-post: 2

3 Innhald Innleiing...4 Utval av variablar...6 Gjennomgang av variablane i indeksen...9 Grunnskole som høgaste utdanning... 9 Snittalder Eineforsørgjarar Låginntekt Folkevekst Arbeidsplassdekning Samla risikoindeks for folkehelse Metodevedlegg Indekskonstruksjon Risikoindeksen

4 Innleiing I folkehelseloven (LOV nr 29: Lov om folkehelsearbeid) 21 heiter det at «Fylkeskommunen skal ha nødvendig oversikt over helsetilstanden i fylket og de positive og negative faktorer som kan virke inn på denne» og «Oversikten skal være skriftlig og identifisere folkehelseutfordringene i fylket, herunder vurdere konsekvenser og årsaksforhold. Fylkeskommunen skal særlig være oppmerksom på trekk ved utviklingen som kan skape eller opprettholde sosiale eller helsemessige problemer eller sosiale helseforskjeller. Oversikten over fylkeskommunens folkehelseutfordringer etter annet ledd skal inngå som grunnlag for arbeidet med fylkeskommunens planstrategi». I forskrift om oversikt over folkehelsen (FOR ) 5 er det sett krav om eit samla oversiktsdokument kvart fjerde år som skal ligge til grunn for det langsiktige folkehelsearbeidet. Her heiter det òg at «Kommunen skal samarbeide og utveksle informasjon med fylkeskommunen i arbeidet med oversiktsdokumentet. Fylkeskommunen skal understøtte kommunene, samarbeide og utveksle informasjon med kommunene i arbeidet med sitt oversiktsdokument». Som ei forlenging av dette har Analyse utgreiing og dokumentasjon (AUD) på oppdrag frå Utviklingsseksjonen i Regionalavdelinga i Hordaland fylkeskommune utarbeida ein risikoindeks for folkehelse for kommunane i fylket. Føremålet med indeksen er å gje ein indikasjon på kor sårbare dei ulike kommunane i fylket er med tanke på ei negativ utvikling i folkehelsa. Folkehelsesårbarheit er ikkje det same som folkehelsetilstand. Vi ønskjer å måle kor høg risiko kommunane har for negativ utvikling i folkehelsa ikkje kor god eller dårleg folkehelse kommunane har i dag. Det at ein kommune kjem øvst på rangeringa, tyder ikkje at tilhøva i kommunen er perfekte, men at dei er betre enn dei andre kommunane i Hordaland. Sjølv om risikoindeksen viser at nokre kommunar er meir sårbare for negativ folkehelseutvikling enn andre, er det viktig å understreke at alle kommunane kan forbetre seg på dei områda som inngår i indeksen. Det viktigaste føremålet med risikoindeksen er å synleggjere på kva område kommunane bør sette inn tiltak. Kommunane kan både jobbe langsiktig for å endre dei strukturelle tilhøva som blir belyst i risikoindeksen, i tillegg til at dei kan sette inn snarlege tiltak for å bøte på dei negative effektane av dei strukturelle tilhøva. 4

5 Metodikken som indeksen er basert på er kompleks, og vert difor presentert i eit eige vedlegg (sjå metodevedlegg). I denne rapporten vert sjølve risikoindeksen presentert og det vert diskutert korleis kommunane i fylket plasserer seg på dei einskilde variablane som inngår i indeksen, samt på den samla indeksen. 5

6 Utval av variablar Utvalet av variablar som inngår i risikoindeksen er i første omgang gjort i samarbeid med Utviklingsseksjonen og sekretariatet for plangruppa for folkehelse i Hordaland fylkeskommune. Indeksen er bygd opp av variablar som kan påverke folkehelsa, difor er ikkje helsevariablar inkludert i indeksen. Dette er fordi målet med indeksen er å belyse risikoen for dårlegare framtidig folkehelse, ikkje å skildre den faktiske helsetilstanden i kommunane i dag. For å måle risikoen for negativ folkehelseutvikling, har vi definert del uføretrygda som eit mål på folkehelse. Uføretrygda er ei utsett gruppe psykososialt og materielt. Omfanget av uføretrygd er ein indikator på helsetilstanden i kommunen. Grupper som står utanfor arbeidsliv og skole har i gjennomsnitt dårlegare psykisk helse og mer usunne levevanar enn dei som er i arbeid. Dei siste ti åra har delen som får uføretrygd vore høgare i Noreg enn i andre OECD-land (fhi.no) I dag er det Øygarden som har den høgaste delen uføre av kommunane i Hordaland med ein del uføre på 11,4 %, etterfølgt av Modalen og Radøy med 9,7 %. Austrheim og Ullensvang er dei kommunane som i dag har lågast del uføre, med 6,4 %. Øygarden 11,4 Radøy 9,7 Modalen 9,7 Kvinnherad 9,4 Askøy 9,1 Sund 9 Kvam 9 Jondal 8,7 Osterøy 8,7 Meland 8,7 Fedje 8,6 Eidfjord 8,6 Sveio 8,6 Odda 8,5 Samnanger 8,5 Fitjar 8,3 Fjell 8,3 Vaksdal 8 Tysnes 8 Bergen 8 Etne 7,8 Lindås 7,8 Austevoll 7,8 Ulvik 7,7 Os 7,6 Bømlo 7,5 Stord 7,5 Granvin 7,3 Masfjorden 7 Fusa 6,8 Voss 6,6 Austrheim 6,4 Ullensvang 6,4 6

7 For å måle risikoen for framtidig dårleg folkehelse, har vi altså tatt utgangspunkt i variasjonen i graden av uføretrygda mellom alle norske kommunar, og sett etter variablar som har ein statistisk samanheng med graden uføretrygd. Vi reknar kommunar som kjem dårleg ut på desse variablane som sårbare for framtidig dårleg folkehelse. Dette er uavhengig av kva nivå dei i dag har på uføretrygda. Variablane i indeksen er kontrollert mot ei rekke andre moglege variablar som kan påverke folkehelsa. Det er gjort statistiske kjøringar som trinnvis «kastar ut» dei minst signifikante variablane, og etter desse køyringane, sit vi igjen med følgjande variablar i risikoindeksen 1 : Variabel Grunnskole Snittalder Eineforsørgjarar Låginntekt Definisjon Del innbyggjarar i alderen 30 til 39 år med grunnskole som høgste fullførte utdanningsnivå Snittalder i kommunane Del eineforsørgjarar (personar med utvida barnetrygd) under 45 av alle barnetrygdmottakarar per Del hushald med inntekt under 60 % av medianinntekt, berekna etter EU sin ekvivalensskala Folkevekst Folkevekst Arbeidsplassdekning Sysselsette etter arbeidsstad i prosent av sysselsette etter bustad Graden av uføretrygd i ein kommune har svært samansette årsakar. Desse handlar om samfunnsstrukturar, sjukdom og personlege tilhøve. Ein statistisk modell vil aldri kunne forklare alt. Vi er nøgd med å ha utarbeida ein modell som forklarar 57 % av variasjonen i graden av uføretrygd mellom kommunane. 1 For fullstendig oversikt over variablene som har det er kontrollert for i analysen og meir informasjon om variablane som inngår i indeksen, sjå metodevedlegg. 7

8 Variablane i indeksen er vidare vekta etter kor sterk samanheng det er mellom den einskilde variabelen og del uføretrygda 2 : Variabel Vekt Grunnskole som høgaste utdanning 26 % Snittalder 22 % Eineforsørgjarar 19 % Låginntekt 18 % Folkevekst 9 % Arbeidsplassdekning 7 % Vidare i utarbeidinga av indeksen er kommunane rangert etter sin score på dei ulike variablane. Den kommunen som scorar dårlegast på ein variabel får verdien 100 og den som scorar best får verdien 0. Deretter vert dei andre kommunane plassert på denne skalaen (0-100) med utgangspunkt i sin eigen score. Til slutt er variablane vekta, som det er gjort greie for ovanfor, og slått saman til ein samla indeks som rangerer kommunane i Hordaland etter risiko for negativ utvikling i folkehelsa. 2 For meir informasjon om utrekninga av vekter sjå metodevedlegg. 8

9 Gjennomgang av variablane i indeksen I det følgjande vert dei ulike variablane gjennomgått, og kommunane sine resultat på dei ulike indikatorane vert diskutert. Grunnskole som høgaste utdanning Øygarden 22,1 Sveio 19,2 Sund 18,3 Fedje 17,7 Osterøy 17,6 Fjell 17,5 Fitjar 16,1 Vaksdal 15,7 Radøy 15,2 Os 14,8 Bømlo 14,7 Austrheim 14,5 Granvin 14,4 Etne 13,9 Askøy 13,8 Kvinnherad 13,6 Stord 13,4 Voss 13,2 Meland 13,2 Tysnes 12,7 Odda 12,4 Lindås 12,1 Bergen 12 Austevoll 10,6 Eidfjord 10,5 Kvam 10,4 Fusa 10 Ullensvang 9,9 Ulvik 9,2 Jondal 8,7 Masfjorden 8,5 Samnanger 8,3 Modalen 7,2 Kjelde: khs.fhi.no Denne variabelen syner del innbyggjarar i alderen 30 til 39 år med grunnskole som høgste fullførte utdanningsnivå (2010). Den statistiske samanhengen mellom helse og utdanning er godt dokumentert (NOU 2009: 10). Låg utdanning aukar risikoen for uføretrygd. Grunnskole som høgaste fullførte utdanning er den variabelen som vert tillagt størst vekt etter den statistiske analysen av dei ulike variablane, og tel 25 % av den samla risikoindeksen. Øygarden er den kommunen i Hordaland som har den største delen innbyggjarar i aldersgruppa 30 til 39 år med grunnskole som høgaste fullførte utdanning. 22,1 % av 30 til 39- åringane i kommunen fell inn i denne kategorien. Øygarden får difor verdien 100 på indeksen på denne variabelen. På plassane bak Øygarden kjem Sveio (19,2 %) og Sund (18,3 %). I den andre enden av lista finn vi Modalen. Berre 7,2 % av innbyggjarane i Modalen i aldersgruppa år, har grunnskole som sin høgaste fullførte utdanning. Dette er lågast i fylket og Modalen får difor verdien 0 på indeksen på denne variabelen. Også Samnanger (8,3 %), Masfjorden (8,5 %) og Jondal (8,7 %) scorar godt på denne variabelen. På regionsnivå ser vi at kommunane i Vest generelt har høg del med låg utdanning, mens kommunane i Hardanger i stor grad har liten del personar med låg utdanning. (med unntak av Granvin). 9

10 Snittalder Fedje 45,1 Ulvik 44 Jondal 44 Tysnes 43,7 Odda 43,5 Granvin 43,4 Ullensvang 43,1 Masfjorden 43 Vaksdal 42,3 Eidfjord 42 Voss 41,6 Kvam 41,4 Samnanger 41,3 Fusa 41,1 Austrheim 40,9 Etne 40,7 Kvinnherad 40,3 Radøy 39,9 Osterøy 39,4 Modalen 39,1 Øygarden 38,7 Fitjar 38,5 Lindås 38,4 Bergen 38,3 Sveio 37,9 Austevoll 37,9 Bømlo 37,7 Stord 37,4 Sund 37 Os 36,7 Askøy 36,1 Meland 36,1 Fjell 35,5 Denne variabelen viser den gjennomsnittlege alderen i kommunane i fylket per Høg snittalder kan gje kommunane ei rekkje folkehelseutfordringar i framtida. Mellom anna aukar risikoen for uføretrygd med auka alder. Snittalder tel 22 % i den samla risikoindeksen. Fedje er den kommunen i Hordaland som har den høgaste snittalderen, med 45,1 år i Bak Fedje følgjer Ulvik og Jondal som begge har ein snittalder på 44 år. Den lågaste snittalderen i Hordaland finn vi i Fjell kommune, med 35,5 år. Deretter følgjer Askøy og Meland, med ein snittalder på 36,1. I motsetnad til grunnskolevariabelen, der Hardanger samla sett kom relativt bra ut, er Hardanger den regionen som til saman har dei største utfordringane knytt til ein høg snittalder i befolkninga. På den andre sida ser vi at kommunane i region Vest samla sett har låg snittalder. Kjelde: ssb.no 10

11 Eineforsørgjarar Odda 20,8 Øygarden 19,3 Masfjorden 19 Bergen 18,9 Vaksdal 18,6 Fjell 18,5 Sund 17,7 Stord 17,3 Meland 17 Os 16,9 Austrheim 16,7 Jondal 16,7 Lindås 16,5 Fitjar 16,2 Kvinnherad 15,9 Askøy 15,8 Fedje 15,2 Granvin 14,9 Voss 14,9 Osterøy 14,5 Bømlo 14,5 Modalen 14,5 Tysnes 14,1 Ullensvang 13,7 Eidfjord 13,6 Radøy 13,4 Etne 13 Kvam 12,9 Sveio 12,8 Samnanger 12,6 Ulvik 12,4 Austevoll 11,5 Fusa 10,9 Kjelde: khs.fhi.no Variabelen viser del eineforsørgjarar (personar med utvida barnetrygd) under 45 år av alle barnetrygdmottakarar i denne aldersgruppa ( ). Analysar viser at eineforsørgjarar oftare har lågare inntekt enn hushald med fleire vaksne medlemmar. Tap av forsørgjar gjennom skilsmisse eller død fører for mange til økonomiske problem. (fhi.no). Høg del eineforsørgarar aukar risikoen for negativ folkehelseutvikling i kommunen. Delen eienforsørgjarar tel 19 % av den samla risikoindeksen. Det er Odda som har flest eineforsørgjarar i Hordaland, med 20,8 %. Men også Øygarden (19,3 %), Masfjorden (19 %), Bergen (18,9 %), Vaksdal (18,6 %) og Fjell (18,5 %) scorar høgt på denne variabelen. Fusa er den kommunen i fylket som har den lågaste delen eineforsørgjarar med 10,9 %, etterfølgd av Austevoll (11,5 %). På regionsnivå ser vi den same tendensen som for låg utdanning. Samla sett kjem kommunane i Vest dårleg ut med tanke på tal eineforsørgarar, mens kommunane i Hardanger (denne gangen med unntak av Odda og Jondal) har låge delar eineforsørgarar. 11

12 Låginntekt Ulvik 12,5 Modalen 11,4 Tysnes 10,6 Jondal 9,9 Bergen 9,8 Eidfjord 9,6 Vaksdal 9,2 Voss 9,1 Ullensvang 9,1 Fusa 9,1 Granvin 8,8 Odda 8,7 Osterøy 8,7 Radøy 8,7 Etne 8,6 Sveio 8,2 Sund 8,1 Samnanger 8,1 Kvam 8 Fedje 7,9 Kvinnherad 7,9 Bømlo 7,9 Fitjar 7,3 Os 7,1 Øygarden 7 Lindås 7 Masfjorden 6,9 Stord 6,9 Austrheim 6,8 Askøy 6,7 Fjell 6,6 Austevoll 6,6 Meland 6,4 Kjelde: khs.fhi.no Variabelen viser del hushald i kommunane med inntekt under 60 % av medianinntekt ( ). Inntekt og økonomi er grunnleggjande påverknadsfaktorar for helse, og forsking syner at det er ein samanheng mellom inntektsnivå og helsetilstand. Låg inntekt aukar sjansen for dårleg sjølvopplevd helse, sjukdom og for tidleg død (fhi.no). Låg inntekt aukar også risikoen for uføretrygd, og variabelen tel 18 % av den samla risikoindeksen. Den kommunen som har størst del innbyggjarar med låginntekt er Ulvik, med 12,5 %. Også Modalen (11,4 %) og Tysnes (10,6 %) har høge delar med låginntekt. Meland er den kommunen som har den lågaste delen med låginntekt, med 6,4 %. Også Austevoll og Fjell (6,6 %) har få innbyggjarar med låg inntekt. I tillegg til Meland er det også fleire av dei andre kommunane i Nordhordland som har ein liten del av befolkninga i låginntektsgruppa. Dette gjeld Austrheim, Masfjorden og Lindås og til dels Fedje. Radøy er den kommunen i Nordhordland som har den høgaste delen med låginntekt. 12

13 Folkevekst Fedje -3 Granvin -2,5 Ulvik -1,5 Odda -1,4 Tysnes -0,5 Fusa -0,3 Eidfjord -0,1 Fitjar 0,4 Voss 0,5 Vaksdal 0,8 Ullensvang 1 Kvinnherad 1 Osterøy 1,3 Jondal 1,4 Austrheim 1,4 Samnanger 1,8 Kvam 1,9 Bømlo 2 Etne 2,1 Stord 2,2 Radøy 2,6 Lindås 2,7 Bergen 2,8 Masfjorden 2,9 Øygarden 3,6 Fjell 4,1 Sveio 4,6 Austevoll 4,8 Askøy 4,9 Sund 5,4 Meland 6,1 Os 6,2 Modalen 7,6 Variabelen viser folketalsutviklinga i kommunane i prosent mellom 2010 og Dårleg folketalsutvikling aukar risikoen for dårlegare folkehelse. Befolkningsvekst tel 9 % i den samla risikoindeksen. Fedje har hatt den dårlegaste utviklinga i befolkningsvekst i fylket, med ein nedgang i folketalet på 3 % i perioden. I tillegg til Fedje er det kommunar i Hardanger: Granvin (-2,5 %), Ulvik (-1,5 %) og Odda (-1,4 %), som har den dårlegaste folketalsutviklinga. Modalen har hatt den største relative befolkningsveksten i perioden, med ein folketalsauke på heile 7,6 %. Generelt er det, i tillegg til Modalen, kommunar som ligg tett på Bergen som har hatt den største veksten i folketalet: Os (6,2 %), Meland (6,1 %) og Sund (5,4 %). Kjelde: ssb.no 13

14 Arbeidsplassdekning Samnanger 48 Sund 50 Sveio 51 Askøy 53 Meland 58 Radøy 62 Os 62 Øygarden 64 Masfjorden 65 Osterøy 68 Granvin 72 Vaksdal 75 Austrheim 77 Eidfjord 77 Tysnes 79 Jondal 79 Fitjar 80 Ullensvang 81 Etne 82 Ulvik 83 Bømlo 84 Kvam 90 Kvinnherad 91 Fjell 92 Voss 93 Fusa 93 Lindås 93 Fedje 98 Stord 100 Austevoll 103 Odda 106 Bergen 114 Modalen 126 Kjelde: ssb.no Variabelen viser arbeidsplassdekninga i kommunane (veke 47, 2011). Arbeidsplassdekning viser kor stor del av arbeidsstyrken i kvar kommune det teoretisk sett er sysselsetting for i eigen arbeidsmarknad. Kommunar som scorar under 100 på denne variabelen har altså færre arbeidsplassar enn arbeidstakarar. Ulike variablar knytt til arbeidsmarknaden har vore testa i konstruksjonen av indeksen, men arbeidsplassdekning var den einaste av desse som var signifikant i den endelege modellen. Låg arbeidsplassdekning aukar risikoen for auka grad av uføretrygd. Dette har mellom anna samanheng med tilgangen til alternativt arbeid ved til dømes jobbskifte eller omskolering. Låg arbeidsplassdekning seier også noko om at ein kan bli tvungen til å pendle, noko som igjen kan vere ei ekstra utfordring for familiar med få ressursar. Arbeidsplassdekning tel 7 % av den samla risikoindeksen. Den høgaste arbeidsplassdekninga i fylket finn vi i Modalen, med ein score på 126 %. Det er fire kommunar i fylket som har ein arbeidsplassdekning på over 100 %. Etter Modalen følgjer Bergen med 114 %, Odda med 106 % og Austevoll med 103 %. Den lågaste arbeidsplassdekninga finn vi Samnanger med 48 %. Også Sund (50 %), Sveio (51 %), Askøy (53 %) og Meland (58 %) har låg arbeidsplassdekning. 14

15 Samla risikoindeks for folkehelse Tabellen under viser kommunane sine indeksverdiar på dei ulike variablane, samt plasseringa på den samla risikoindeksen. Grunnskole Snittalder Låginntekt Folkevekst Eineforsørgarar Arbeidsplassdekning Vekt 26 % 22 % 19 % 18 % 9 % 7 % Risikoindeks Fedje Vaksdal Odda Øygarden Granvin Tysnes Ulvik Jondal Osterøy Sund Voss Austrheim Eidfjord Masfjorden Radøy Fitjar Bergen Ullensvang Kvinnherad Sveio Etne Fjell Bømlo Os Kvam Stord Samnanger Fusa Lindås Askøy Meland Modalen Austevoll

16 Den samla risikoindeksen viser at av kommunane i Hordaland er det Fedje som har størst risiko for framtidig dårlegare folkehelse. Det er særleg høg snittalder og negativ folkevekst, og til dels stor del med grunnskole som høgaste utdanning, som gjer at Fedje er den kommunen med høgast risiko. Rett bak Fedje følgjer Vaksdal. Vaksdal scorar generelt ganske dårleg på dei fleste variablane, men har relativt få innbyggjarar med låg inntekt. Odda har den tredje høgaste risikoen for negativ utvikling i folkehelsa. Odda er som tidlegare vist den kommunen med høgast del eineforsørgarar. I tillegg har kommunen ein relativt høg snittalder og dårleg folketalsutvikling. På den positive sida er delen med grunnskole som høgaste utdanning relativt låg, og låg inntekt relativt låg. Øygarden er den kommunen i fylket med størst del med grunnskole som høgaste utdanning. I tillegg har kommunen ein høg del eineforsørgarar. På den andre sida har kommunen få innbyggjarar med låg inntekt. Granvin er den femte mest sårbare kommunen i fylket. Granvin sine største utfordringar er knytt til høg snittalder og låg folkevekst. Tysnes har ein høg snittalder, dårleg folkevekst og relativt høg del med låg inntekt samanlikna med dei andre kommunane i fylket. På den positive sida har kommunen ganske låg del eineforsørgarar og låg del med grunnskole som høgaste utdanning. Ulvik er den kommunen i fylket som har den største delen med låg inntekt. Snittalderen i kommunen er også høg og folkeveksten er dårleg. På den andre sida har kommunen låg del med grunnskole som høgaste fullførte utdanning og få eineforsørgarar. Jondal sin største utfordring knytt til framtidig dårleg folkehelse er høg snittalder. Kommunen har på den andre sida låg del med grunnskole som høgaste fullførte utdanning. Den variabelen Osterøy scorar dårlegast på er arbeidsplassdekning, men kommunen har også utfordringar knytt til delen med låg utdanning. 16

17 Sund har dårleg arbeidsplassdekning og noko høg del med grunnskole som høgaste utdanning. Det som er positivt for kommunen er relativt låg snittalder og god folkevekst. Voss sine største utfordringar knytt til folkehelserisiko er relativt høg snittalder og noko svak folketalsutvikling. Austrheim har ein ganske høg snittalder, relativt stor del eineforsørgjarar, noko låg folkevekst og dårleg arbeidsplassdekning. På den andre sida har kommunen få innbyggjarar med låg inntekt. Eidfjord har utfordringar knytt til folkevekst og snittalder På den positive sida, har kommunen låg del innbyggjarar med låg utdanning og ganske låg del eineforsørgarar. Masfjorden har mange eineforsørgarar og høg snittalder. På den andre sida har kommunen låg del med grunnskole som høgaste fullførte utdanning og få innbyggjarar med låg inntekt. Radøy har relativt dårleg arbeidsplassdekning. Dette er den variabelen som tel minst i den samla risikoindeksen. På den positive sida har kommunen relativt få eineforsørgarar. Fitjar har fleire utfordringar knytt til folkehelsa. Kommunen sin dårlegaste score på risikoindeksen er på folkevekst. På den andre sida har kommunen relativt få innbyggjarar i låginntektsgruppa. Bergen plasserer seg på 17. plass på risikoindeksen. Det som i størst grad gjer at plasseringa ikkje er betre, er at kommunen har ein stor del eineforsørgarar. Bergen har ein svært god arbeidsplassdekning. Ullensvang sin største utfordring er knytt til høg snittalder. Kommunen har relativt få med grunnskole som høgaste fullførte utdanning og relativ få eineforsørgarar. Kvinnherad ligg «midt på treet» på ei rekkje av variablane i risikoindeksen. Den største utfordringa er ein noko svak folkevekst. På den andre sida har kommunen relativt få innbyggjarar i låginntektsgruppa. 17

18 Sveio sin største utfordring er at dei har ein høg del med grunnskole som høgaste fullførte utdanning. Kommunen har også låg arbeidsplassdekning. På dei andre variablane i indeksen gjer kommunen det ganske bra, mellom anna har kommunen relativt låg del eineforsørgarar. Etne gjer det middels godt på dei fleste måla i risikoindeksen. Kommunen har relativt låg del eineforsørgarar. Fjell har den lågaste snittalderen i fylket og er tredje best på låginntekt. Dei største utfordringane til Fjell er knytt til delen med grunnskole som høgaste utdanning og del eineforsørgarar. Bømlo scorar middels godt på dei fleste variablane. Kommunen har relativt låg snittalder og få innbyggjarar med låg inntekt. Os ligg på 10. plass på indeksen. Kommunen sine største utfordingar er knytt til del eineforsørgarar og arbeidsplassdekning. På den andre sida har kommunen relativt låg snittalder, få i låginntekstgruppa og god folkevekst. Kvam har ein relativt høg snittalder. På den andre sida har kommunen låg del med grunnskole som høgaste fullførte utdanning, få eineforsørgarar og ganske liten del med låg inntekt. Stord sin største utfordring er ein relativt høg del eineforsørgarar. På den andre sida har kommunen få innbyggjarar med låg inntekt. Samnanger har den dårlegaste arbeidsplassdekninga i fylket. Kommunen har også utfordringar knytt til snittalder. På den positive sida har Samnanger få innbyggjarar med grunnskole som høgaste utdanning, få eineforsørgarar og relativt få i låginntektsgruppa. Fusa er den kommunen i fylket som har færrast eineforsørgarar. Kommunen har også relativt liten del med grunnskole som høgaste fullførte utdanning. Kommunen sine største utfordringar er knytt til folkevekst og snittalder. Lindås har den femte beste plasseringa på risikoindeksen. Kommunen scorar relativt godt på fleire av variablane, t.d. har kommunen få innbyggjarar med låg inntekt. Kommunen har ein nokså stor del eineforsørgarar. 18

19 Askøy har låg snittalder og få innbyggarar med låg inntekt. Kommunen har låg arbeidsplassdekning, men denne variabelen tel minst i den samla risikoindeksen. Meland sin profil i indeksen er svært lik på Askøy. Også Meland har låg snittalder, og best i fylket på låginntekt. I likskap med Askøy har Meland låg arbeidsplassdekning. Modalen kjem på andreplass på risikoindeksen og er best i fylket på tre av seks variablar: Grunnskole, folkevekt og arbeidsplassdekning. På den andre sida har kommunen ein stor del innbyggjarar med låg inntekt. Austevoll er den kommunen som har den lågaste risikoen for negativ folkehelsutvikling. Kommunen gjer det jamt over godt på alle områda i indeksen, men særleg gjer kommunen det godt fordi den har låg del eineforsørgjarar og få med låg inntekt. 19

20 Metodevedlegg Tabell 1: Moglege risikofaktorar for folkehelse V- nr Variabel 1 Grunnskole 2 3 Del innbyggjarar i alderen 30 til 39 år med grunnskole som høgste fullførte utdanningsnivå Gjennomsnittsalder Eineforsørgjarar 4 Låginntekt Definisjon Måleperiode for indekskonstruksjon Måleperiode i indeks Mål Kjelde Vekt (nytta i indeks) % SSB via khs.fhi.no 26 % Snittalder i kommunane Snittalder 5 Folkevekst Folkevekst % 6 Del eineforsørgjarar (personar med utvida barnetrygd) under 45 av alle barnetrygdmottakarar per Del hushald med inntekt under 60 % av medianinntekt, berekna etter EU ekvivalensskala Arbeidsplassdekning 7 Tal næringar 8 Nye bustader 9 Del eldre 10 Arbeidsløyse 11 Mobilitet 12 Reisetid 13 Arbeidsmarknadintegrasjon Avhengig variabel Uføretrygd Sysselsette etter arbeidsstad i prosent av sysselsette etter bustad Tal næringar med sysselsette etter SN2007 Del bustader bygd i 2001 eller seinare Tal innbyggjarar over 65 år per innbyggjar mellom 30 og 49 Registrert heilt arbeidslause, årsgjennomsnitt Sum av innflyttarar og utflyttarar i prosent av busette Basert på SSB standard for sentralitet, der S01 er minst sentrale og lengst køyretid til landsdelssenter og S33 er landsdelssenter Sum av innpendling i % arbeidsplassar og utpendling i % sysselsette Definisjon Uføretrygda i prosent av innbyggjarar mellom 18 og 66 år Berekna på bakgrunn av SSB tab % %, gj.snitt NAV via khs.fhi.no 19 % % SSB via khs.fhi.no 18 % Veke 47, 2010 Veke 47, 2011 % Berekna på bakgrunn av SSB tab Berekna på bakgrunn av SSB tab Sum SSB tab % SSB tab Brøkdel Berekna på bakgrunn av SSB tab %, gj.snitt SSB tab %, gj.snitt SSB tab Omkoda, så S01, 11 og 21 = 4; S02, 12, 22 = 3; S31 = 2; S32 = 1; S33 = 0 www4.ssb.no/stabas Gj.snitt SSB tab Måleperiode for indekskonstruksjon Mål Kjelde %, gj.snitt SSB via khs.fhi.no 9 % 7 % Folkehelsesårbarheit er ikkje det same som folkehelsetilstand. Vi ønskjer å måle kor høg risiko kommunane har for låg folkehelse ikkje kor god eller dårleg folkehelse kommunane har i dag. For å måle dette, har vi tatt utgangspunkt i variasjon i grad av uføretrygd mellom alle norske kommunar, og sett etter variablar som samvarierer med graden av uføretrygd. Vi reknar kommunar som kjem dårleg ut på variablar som samvarierer med graden av uføretrygd som sårbare uavhengig av kva nivå dei i dag har på uføretrygda. Variablane er kontrollert mot andre moglege påvirkningsvariablar, og vekta etter kor mykje forklaringskraft dei har i ein samla modell for uføretrygd. 20

21 Dette vedlegget gjer greie for korleis indeksen er konstruert. Datasett Tabell 1 viser heile settet med moglege risikofaktorar for folkehelse som vi har valt ut i samarbeid med sekretariatet for plangruppa for folkehelse. Tabellen viser kva variablar vi har valt å byggje indeksen på. Nedst står uføretrygd som avhengig variabel. Dette er den variabelen dei andre variablane blir målt mot. Vi har med andre ord operasjonalisert «folkehelse» til å bli målt i form av graden av uføretrygd, og kor mykje dei uavhengige variablane påverkar uføretrygd er testa gjennom multippel regresjonsanalyse der effektane av kvar variabel er kontrollert for kva påverknad dei andre variablane òg har på uføretrygd. Dette er indekskonstruksjonen vår, og er skildra under. Kolonnen «Måleperiode for indekskonstruksjon» viser kva tidspunkt dataa er frå, mens kolonnen «Måleperiode i indeks» viser kva tidspunkt vi har nytta i sjølve risikoindeksen for folkehelse i Hordaland. Dette blir òg skildra i detalj under. Kolonnen «Mål» viser korleis dataa er registrert, og kolonnen «Kjelde» er sjølvforklarande. Kolonnen heilt til høgre viser kva vekt som er brukt i risikoindeksen. Denne vekta er resultat av indekskonstruksjonen, og variablar som ikkje har ei vekt (eller oppgjeve måleperiode i indeks), er ikkje nytta i den endelege risikoindeksen. Indekskonstruksjon Avhengig variabel Vi har valt å operasjonalisere folkehelse til å bli målt ved grad av uføretrygd. Vi kunne valt andre mål på folkehelse, eller vi kunne valt eit meir samansett mål. Til dømes kan ein argumentere for at den yttarste konsekvensen av dårleg folkehelse er tidleg død og at vi derfor burde målt folkehelse ved dødelegheit (for kvinner menn har høgare risikoåtferd). Eit problem er at det tilgjengelege målet vi har på dødelegheit er eit glidande gjennomsnitt frå 2000 til Dette er gamle data målt over ein så lang periode at vi vil få problem med kronologien (og kausaliteten) i modellen vår. Vi kunne òg nytta sjukefråvær som avhengig variabel, men dette ser vi som noko som med stor risiko kan lede mot uføretrygd, så vi ser uføretrygd som eit meir ultimativt mål på folkehelse enn sjukefråvær. Uavhengige variablar Sjukefråvær kunne vore ein uavhengig variabel i modellen vår, men vi ser dette som ein så openbar risikofaktor for dårleg folkehelse at kommunane uansett må halde eit vakent auge med utviklinga i sjukefråværet. Indeksen er bygd opp av variablar som kan påverke folkehelsa, derfor er ikkje sjukefråvær eller andre helsevariablar inkludert i indeksen. Dette er fordi målet med indeksen er å belyse risikoen for dårlegare framtidig folkehelse, ikkje å skildre den faktiske helsetilstanden til kommunane i dag. Dessutan kan helsevariablar og uføretrygd ha mange av dei same bakanforliggjande årsakene, så vi risikerer å forpurre modellen vår ved å inkludere helsevariablar i indeksen. Det kan vere andre variablar som kunne ha vore med i modellen, og modellen har «berre» 57 % forklaringskraft. Det betyr at det er 43 % av variasjonen i uføretrygd mellom kommunane som har andre forklaringar enn det modellen kan gi. Om ein saknar variablar i indeksen, skal ein vere obs på at vi må skilje mellom variablar som kan tenkast å ha ein direkte påverknad på folkehelsa, og variablar som 21

22 kan moderere effekten av dei grunnleggjande faktorane. Til dømes kan ein spørje om variablar som måler frivillig innsats eller sosial kapital burde vore med, men dette meiner vi er tiltak kommunane kan rette inn for å moderere den risiko kommunen har for dårleg folkehelse som følgje av meir grunnleggjande faktorar som lågt utdanningsnivå: det vil vere dyrt og vanskeleg for kommunen å gi tilbod om vaksenopplæring til dei innbyggjarane som ikkje har fullført vidaregåande, men den kan kome med andre tiltak som bøter på eit lågt utdanningsnivå. Dette er eit av poenga med risikoindeksen for folkehelse: vi vil vise kva kommunar som ligg i fare for ei negativ utvikling i folkehelsa, og som bør ha tiltak for å hindre at risikofaktorane faktisk utløyser dårleg folkehelse. Regresjonsanalyse Vektutrekninga er gjort ved først å kjøre robuste regresjonar på heile datasettet for alle kommunane i landet med stegvis bortfall av minst signifikante variabel, repetert inntil samtlege variablar har eit signifikansnivå tilnærma 90 % eller betre. 90 % er brukt for å ikkje få for svake vektar i indeksen (av erfaring veit vi at p < 90 % gir variablar med vekt under 5 %) og for å unngå ubetydelege variablar som kan påverke andre variablar av betyding. Robust regresjon er kjørt for å ha kontroll med ekstremt avvikande observasjonar i datasettet. Resultatet av modellreduksjonen er at variabel nummer 13 til 8 forsvinn ut steg for steg (høgast nummer først). Deretter er OLS-regresjon 3 kjørt for å kunne identifisere dei ekstremt avvikande observasjonane og fjerne dei mest ekstreme. Resultatet av dette er at kommune nummer 1854 og 1857 er teken ut av modellen. Ny OLS-regresjon er kjørt inntil samtlege variablar på ny har eit signifikansnivå på 90 % eller betre. Resultatet av denne modellreduksjonen er at variabel nummer 7 òg forsvinn ut. Seks variablar står no att, der det lågaste signifikansnivået er 96,6 % ved OLS og 97,6 % ved robust regresjon. 3 OLS står for Ordinary Least Squares. Dette er den vanlegaste statistiske metoden for å finne den likninga der estimerte verdiar i sum har minst avvik frå faktiske verdiar. 22

23 Tabell 2: Endeleg regresjonsanalyse (OLS) Source SS df MS Number of obs = 428 F( 6, 421) = 94,84 Model 2532, , Prob > F = 0,0000 Residual 1873, , R-squared = 0,5748 Adj R-squared = 0,5687 Total 4405, , Root MSE = 2,1095 uføretrygd Coef. Std. Err. t P> t Beta grunnskole 0,209 0,027 7,64 0,000 0,302 snittalder 0,329 0,071 4,66 0,000 0,255 eineforsør~r 0,158 0,027 5,90 0,000 0,220 låginntekt 0,299 0,058 5,14 0,000 0,218 folkevekst -0,095 0,044-2,13 0,034-0,104 arbeidspla~g -0,015 0,006-2,54 0,011-0,086 _cons -10,171 2,821-3,61 0,000. Den endelege OLS-modellen er vist i tabell 2. Modellen med seks variablar forklarar samla 57 % av variasjonen i uføretrygd mellom kommunane. Mot dette står eit tilnærma uendeleg tal variablar som forklarar 43 % av variasjonen i uføretrygd. Den endelege OLS-regresjonen reknar ut standardiserte effektar, kalla betaverdiar. Ein betaverdi på til dømes -0,104 (for folkevekst) betyr at om folkeveksten aukar med eitt standardavvik (eitt gjennomsnittleg avvik frå gjennomsnittet), vil graden av uføretrygd bli redusert med 0,1 standardavvik, gitt at alle andre variablar blir halde uendra. Eit standardavvik for folkevekst er 3,5 prosentpoeng og eit standardavvik for uføretrygd er 3,2 prosentpoeng. I praksis betyr dette at om folkeveksten aukar med 3,5 prosentpoeng, vil graden av uføretrygd bli redusert med 0,32 prosentpoeng. I dette høvet er den ustandardiserte effekten temmeleg lik: den ustandardiserte effekten av folkevekst er -0,095, som betyr at om ei aukar folkeveksten med eitt prosentpoeng, vil uføregraden bli redusert med 0,095 prosentpoeng. Tabell 3: Gjennomsnitt, standardavvik, minimums- og maksimumsverdiar (N=428) Variabel Gjennomsnitt Standardavvik Minimum Maksimum Uføretrygd 11,1 % 3,2 pp 4,0 % 20,7 % Grunnskole 16,4 % 4,7 pp 5,3 % 40,0 % Snittalder 40,9 år 2,5 år 33,9 år 48,3 år Eineforsørgarar 18,0 % 4,5 pp 6,0 % 33,5 % Låginntekt 9, 9 % 2,3 pp 5,1 % 17,9 % Folkevekst 1,3 % 3,5 pp -10,5 % 14,4 % Arbeidsplassdekning 84,9 % 18 pp 31,2 % 145,1 % 23

24 Vektutrekning Som standardiserte effektar er betaverdiane eit mål på kor mykje dei einskilde variablane betyr for variasjonen i uføregraden kontrollert for kvarandre. Vi nyttar derfor betaverdiane som grunnlag for å rekne ut kva vekt dei einskilde variablane skal ha i risikoindeksen for folkehelse. Kvar variabel sin absolutte betaverdi er delt på summen av alle absolutte betaverdiar, og kvotienten angir kva vekt variabelen skal ha i risikoindeksen. Formelen for dette (for variabel v i eitt sett V- variablar) er: Til dømes er vekta for grunnskole Indeksvekt = Indeksvekt = β β =.255 Grunnskole blir med andre ord vekta 25,5 % i indeksen. Vi rundar dette av til 26 %. Vektene for dei andre variablane er vist i tabell 1. Stresstesting For å teste robustheita til modellen, har vi «stresstesta» den ved å leggje inn «støy» i dataa. Dette er gjort ved at vi (for dei variablane der data var tilgjengeleg) har lagt inn data som kjem etter den avhengige variabelen i tid. Ved å føresette at dataa berre endrar seg litt over tid har vi på denne måten bygd inn støy i modellen ved å forkludre kronologien i modellen og nytte data som liknar på dei korrekte uavhengige variablane. På denne måten reduserte vi modellens forklaringskraft frå 57 % til 42 %. Variablar som overlevde denne stresstestinga var grunnskole, eineforsørgjarar og låginntektshushald. Folkevekst blei i denne testinga erstatta av mobilitet, mens arbeidsplassdekning blei erstatta av tal næringar. Vi ser desse variablane som substituerbare, og ser det som eit teikn på modellen sin robustheit. Gjennomsnittsalder falt derimot ut, og arbeidsløyse kom inn. Desse er ikkje substituerbare, så snittalder er ikkje ein robust variabel, men den har sterk vekt i modellen, så vi har valt å halde på snittalder i modellen. Arbeidsløyse om vi inkluderte denne i staden ville berre fått ein vekt på 1 %, så den fell under kravet vi har sett til 5 % tyngde. Bivariate samanhengar Ein alternativ måte å konstruere indeksen på ville vore å basere vektene på dei direkte (bivariate) samanhengane mellom kvar uavhengig variabel og uføretrygd. Vi kunne da ha teke ut ei korrelasjonsmatrise, og rekna vektene deretter. Problemet med dette ville vere at vi ikkje har kontroll på kva samanheng det er mellom dei uavhengige variablane, og korleis desse saman påverkar graden av uføretrygd. Ved multippel regresjon får vi handtert dette. 24

25 Multippel regresjon er derimot ikkje eigna til visuell framstilling av samanhengane, og logikken bak indekskonstruksjonen kan vere vanskeleg å gripe om ein ikkje kan sjå kva vi tenker. Vi vil derfor vise visuelt dei bivariate samanhengane mellom uføretrygd og dei seks variablane som inngår i risikoindeksen. Vi startar med samanhengen mellom uføretrygd og del åringar med grunnskole som høgste fullførte utdanningsnivå. Figur 1 viser samanhengen mellom utdanning og uføretrygd (utan kontroll for dei andre variablane). Hordalandskommunane er markert i raudt (sjå note under figur 1). Langt til venstre på den horisontale aksen er det få eller ingen kommunar med høg uføregrad. Kommunane som ligg her har i vår modell derfor liten risiko for å få eit høgare uførenivå som følgje av utdanningsnivået. Langt til høgre på den vertikale aksen er det derimot mange kommunar med høg uføregrad. Hordalandskommunar som ligg her, har derfor høg risiko for å få enda høgare uføregrad. Isolert sett kan vi seie at desse hordalandskommunane er godt stilt samanlikna med andre kommunar i landet, men desse kommunane har likevel i vår model høg risiko for å få eit høgare uførenivå som følgje av utdanningsnivået. Kommunar til høgre i figuren må jobbe hardare for å unngå høg uføregrad enn kommunar til venstre i figuren. Desse er altså i faresonen, og vil få høg risikoscore i vår indeks. Regresjonslikninga betyr at ein kommune med 0 % med grunnskole som høgste fullførte utdanning kan vente seg ein uføregrad på 4,6 %, og at uføregraden er venta å auke med 0,4 prosentpoeng for kvart prosentpoeng auke i grunnskoledelen. S.E. viser standardfeilen til Grad av uføretrygd (18-66 år) Del år med grunnskole som høgste fullførte utdanning Figur 1: Utdanning Figuren viser den bivariate samanhengen mellom variablane grunnskole og uføretrygd. Dei blå sirklane indikerer kommunane i Noreg, etter folketal, dei raude prikkane indikerer kommunane i Hordaland, og dei gule prikkane indikerer dei to kommunane som er ekskludert i modellkøyringa. Den grøne linja indikerer den bivariate regresjonslinja mellom grunnskole og uføretrygd, eksklusive dei to ekstremavvika. Linja følgjer regresjonslikninga Y = 4,62 + 0,39X (S.E. = 0,03) R 2 = 0,32. 25

26 Grad av uføretrygd (18-66 år) Figur 2: Snittalder Gjennomsnittsalder Figuren viser den bivariate samanhengen mellom variablane gjennomsnittsalder og uføre-trygd. Sjå noe under figur 1 for figurforklaring. Y = -18,2 + 0,72X (S.E. = 0,05) R 2 = 0,31. Grad av uføretrygd (18-66 år) Del eineforsørgjarar under 45 år Figur 3: Eineforsørgjarar Figuren viser den bivariate samanhengen mellom variablane eineforsørgjarar og uføre-trygd. Sjå noe under figur 1 for figurforklaring. Y = 5,65 + 0,30X (S.E. = 0,03) R 2 = 0,18. 26

27 Grad av uføretrygd (18-66 år) Del hushald med inntekt under 60 % av medianinntekt Figur 4: Låginntekt Figuren viser den bivariate samanhengen mellom variablane låginntekt og uføretrygd. Sjå noe under figur 1 for figurforklaring. Y = 4,07 + 0,71X (S.E. = 0,06) R 2 = 0,27. stigningstalet, og så lenge denne er under halvparten av stigningstalet, er dette signifikant. R 2 er eit mål på kor stor del av variasjonen i den avhengige variabelen som blir forklart av regresjonslikninga. Målet går frå 0 til 1. 0,32 betyr at 32 % av variasjonen i uføretrygd kan bli forklart av variasjonen i kor mange innbyggjarar som berre har grunnskoleutdanning. Vi repeterer ikkje denne type kommentar for dei andre variablane. Figuren for gjennomsnittsalder (figur 2) viser kvifor vi har inkludert denne variabelen. Ein skulle tru at modellen til ein viss grad blir tautologisk når denne variabelen blir inkludert, fordi det kan verke rimeleg å vente seg at graden av uføretrygd blir høgare dess høgare snittalder på befolkninga. Dette er tilfellet for Noreg samla, men ikkje for Hordaland: med unntak av sju kommunar har hordalandskommunane lågare grad av uføretrygd enn det snittalderen skulle tilseie. Dette er i seg sjølv særs positivt, men figur 2 illustrerer med tydelegheit kor stor risiko kommunane til høgre i figuren har for å få høgare grad av uføretrygd når dei blir samanlikna med andre kommunar i landet, og kor låg sjanse dei har for å få lågare grad av uføretrygd. Figur 3 viser større spreiing enn dei to førre figurane. Dette resulterer i ein lågare forklaringskraft. Mønsteret i dataa og logikken bak vår risikoindeks er framleis synleg: høg del eineforsørgjarar gir høgare risiko for høg uføregrad enn låg del eienforsørgjarar. Figur 4 viser samanhengen mellom del låginntektshushald og uføretrygd. Høg del av hushalda med låg inntekt gir fare for høg grad av uføretrygd. Her er sjølvsagt fare for sirkelslutning, da uføretrygd er 27

28 låg inntekt, og mange personar på uføretrygd vil gi mange hushald med låg inntekt. Samanhengen er likevel ikkje sterk: låginntekt forklarar berre 27 % av variasjonen i uføretrygd (og vice versa). Figur 5 viser samanhengen mellom folkevekst og uføretrygd. Graden av uføretrygd går tydeleg ned dess høgare folkeveksten er, og traktforma på figuren (med unntak av den eine kommunen oppe til høgre) illustrerer godt kor lite risiko kommunar med høg folkevekst har for å ha høg grad av uføretrygd, og kor stor risiko som ligg i folketalsreduksjon. Dette kan ha samanheng med andre faktorar, som arbeidsmarknad og aldersstruktur, men dette blir kontrollert for i den multiple regresjonsanalysen. Figur 6 viser (den manglande) bivariate samanhengen mellom arbeidsplassdekning og uføretrygd. Figuren har eit mønster, men dette mønsteret er ikkje fanga i ei lineær bivariat regresjon: Kommunar som ligg tett på store byar vil ha høg utpendling, og dermed låg arbeidsplassdekning. Mønsteret i figuren viser at det er dei kommunane med arbeidsplassdekning rundt 80 som er dei med samanliknbar høgast risiko for høg grad av uføretrygd, mens innbyggjarar i typiske pendlarkommunar som Askøy og Os har god tilgang på ein stor arbeidsmarknad rett over kommunegrensa. Vi meiner likevel at det er riktig å modellere arbeidsplassdekning lineært, fordi pendling er ei utfordring, og kanskje spesielt for familiar med få ressursar: pendling tek tid og har kostnader knytt til transport, og krev fleksibilitet rundt familie, skole/barnehage, transport og arbeidstid. I tillegg er andre høve knytt til arbeidsmarknaden og pendling inkludert i den opphavlege modellen, der variablar som reisetid, arbeidsløyse, arbeidsmarknadsintegrasjon, tal næringar og mobilitet er inkludert. Desse blir kontrollert for og sortert ut i den stegvise regresjonsanalysen, og ein lineær effekt av arbeidsplassdekning står att: dess høgare arbeidsplassdekning, dess lågare grad av uføretrygd. Grad av uføretrygd (18-66 år) Prosent endring i folketal, Figur 5: Folkevekst Figuren viser den bivariate samanhengen mellom variablane folkevekst og uføretrygd. Sjå noe under figur 1 for figurforklaring. Y = 11,68-0,46X (S.E. = 0,04) R 2 = 0,25. 28

29 Grad av uføretrygd (18-66 år) Arbeidsplassdekning Figur 6: Arbeidsplassdekning Figuren viser den bivariate samanhengen mellom variablane arbeidsplassdekning og uføretrygd. Sjå noe under figur 1 for figurforklaring. Y = 11,68-0,01X (S.E. = 0,01) R 2 = 0,00. Risikoindeksen Standardisering Variablane i risikoindeksen er dei som er att som signifikante etter den stegvise regresjonsanalysen (tabell 2), og dei er vekta deretter. Det er likevel ikkje rett fram å nytte variablane direkte i indeksen: dei må bli standardisert for å kunne bli summert saman i ein indeks. Standardiseringa er gjort ved at den kommunen med best verdi på ein variabel (best i den forstand at verdien gir lågast risiko for høg uføregrad) av hordalandskommunane blir gitt delindeksverdien 0, og den kommunen med den dårlegaste verdien (høgast risiko for høg uføregrad) blir gitt delindeksverdien 100. Resten av kommunane blir plassert i høve til sin relative plassering mellom desse to kommunane. Dette er gjort for alle seks variablane, og vist i tabell 3. For kvar variabel er det oppgitt rådata og delindeks. Den vekta summen av delindeksane utgjør risikoindeksen. Heilt til venstre i tabellen er tala for uføretrygd. Desse er den avhengige variabelen i regresjonsanalysen, og soleis ikkje direkte med i indeksutrekninga, men teken med som referansegrunnlag. Heilt til høgre i tabellen er «estimert uføregrad». Dette er den uføregraden regresjonsanalysen kjem fram til at kommunane ville hatt gitt kommunane sine nivå på variablane i indeksen. Det er ikkje noko mål at det skal vere samsvar mellom faktisk uføregrad og risikoindeksen, fordi den skal beskrive risiko, ikkje tilstand. Det er likevel greitt å sjå at estimert uføregrad til ein viss grad samsvarer med risikoindeksen, fordi det gir oss ein indikasjon på robustheita til risikoindeksen. Om vi samanliknar estimert uføregrad med faktisk uføregrad, kan vi sjå at nokre kommunar har lågare faktisk uføregrad enn estimert uføregrad. Dette kan moderere kommunane sin sårbarheit noko, mens andre kommunar har lågare estimert uføregrad enn faktisk. Desse kommunane kan ha noko høgare sårbarheit enn det risikoindeksen gir uttrykk for. Vi har likevel valt å ikkje vekte risikoindeksen opp mot denne differansen, da det kompliserer indeksen og gjer den vanskelegare å tolke for 29

30 kommunane. Det betyr likevel at også dei kommunane som kjem godt ut i risikoindeksen har forbetringspotensiale spesielt dei som har høgare faktisk uføregrad enn estimert. Desse har da eit uførenivå som er høgare enn det dei strengt tatt skulle hatt når ein ser på kva verdi kommunane har på dei uavhengige variablane. Tabell 4: Rådata, delindeksar og samla risikoindeks Grunnskole Estimert uføregrad Rådata Delindeks (vekt 25 %) Snittalder Rådata Delindeks (vekt 22 %) Rådata Delindeks (vekt 19 %) Låginntekt Rådata Delindeks (vekt 18 %) Folkevekst Rådata Delindeks (vekt 9 %) Rådata Delindeks (vekt 7 %) Fedje 8,6 17, , ,2 43 7,9 24-3, ,1 Vaksdal 8,0 15, , ,6 78 9,2 46 0, ,9 Odda 8,5 12, , , ,7 38-1, ,4 Øygarden 11,4 22, , ,3 85 7,0 11 3, ,7 Granvin 7,3 14, , ,9 40 8,8 40-2, ,1 Tysnes 8,0 12, , , ,6 69-0, ,1 Ulvik 7,7 9, , , , , ,9 Jondal 8,7 8, , ,7 59 9,9 57 1, ,8 Osterøy 8,7 17, , ,5 36 8,7 37 1, ,6 Sund 9,0 18, , ,7 69 8,1 28 5, ,9 Voss 6,6 13, , ,9 40 9,1 45 0, ,6 Austrheim 6,4 14, , ,7 59 6,8 7 1, ,9 Eidfjord 8,6 10, , ,6 27 9,6 53-0, ,5 Masfjorden 7,0 8,5 9 43, ,0 82 6,9 9 2, ,1 Radøy 9,7 15, , ,4 25 8,7 38 2, ,8 Fitjar 8,3 16, , ,2 54 7,3 15 0, ,2 Bergen 8,0 12, , ,9 81 9,8 56 2, ,9 Ullensvang 6,4 9, , ,7 28 9,1 45 1, ,8 Kvinnherad 9,4 13, , ,9 51 7,9 24 1, ,9 Sveio 8,6 19, , ,8 19 8,2 29 4, ,2 Etne 7,8 13, , ,0 21 8,6 36 2, ,6 Fjell 8,3 17, ,5 0 18,5 77 6,6 3 4, ,9 Bømlo 7,5 14, , ,5 36 7,9 25 2, ,7 Os 7,6 14, , ,9 61 7,1 12 6, ,8 Kvam 9,0 10, , ,9 20 8,0 27 1, ,8 Stord 7,5 13, , ,3 65 6,9 8 2, ,8 Samnanger 8,5 8,3 7 41, ,6 17 8,1 28 1, ,5 Fusa 6,8 10, , ,9 0 9,1 44-0, ,9 Lindås 7,8 12, , ,5 57 7,0 11 2, ,0 Askøy 9,1 13, ,1 7 15,8 49 6,7 6 4, ,2 Meland 8,7 13, ,1 6 17,0 62 6,4 0 6, ,2 Modalen 9,7 7,2 0 39, , ,4 82 7, ,3 Austevoll 7,8 10, , ,5 6 6,6 4 4, ,2 Uføretrygda Eineforsørgarar Arbeidsplassdekning Risikoindeks 30

31

32 Hordaland fylkeskommune har ansvar for å utvikle Hordalands samfunnet. Vi gir vidaregåande opplæring, tannhelse tenester og kollektivtransport til inn byggjarane i fylket. Vi har ansvar for vegsamband og legg til rette for verdi skaping, næringsutvikling, fritidsopplevingar og kultur. Som del av eit nasjonalt og globalt samfunn har vi ansvar for å ta vare på fortida, notida og framtida i Hordaland. Fylkestinget er øvste politiske organ i fylkeskommunen. Regionalavdelinga Analyse, utgreiing og dokumentasjon Agnes Mowinckels gt 5 Postboks 7900 N-5020 BERGEN Telefon: e-post: aud@hfk.no Desember 2012