LA TALA TALE! OM STATISTIKK, METODISKE UTFORDRINGER OG TEMA RELEVANT FOR KOMMUNEPLANLEGGING Grete Rusten www.snf.no INNHOLD Datakilder og formål med statistikk Datatyper og innsamling Framstillingsteknikker Mangler i eksisterende data og nye datatbehov DATAKILDER Statistisk sentralbyrå IMD data/oecd/eurostat Brønnøysundregistrene Kompass/Norges Største Bedrifter Data fra forskningsmiljøer DATAKILDER OG FORMÅL MED STATISTIKK FORMÅLET MED STATISTIKK Planleggingsverktøy Faktakunnskap Skal vise bidra til å profilere kommunen Skal brukes til evaluering/sammenligninger HVORDAN ØKE TILFLYTTING/HINDRE FRAFLYTTING 1
MÅLING AV EFFEKTER DATATYPER OG INNSAMLING Likheter i ressursinnsats Likheter i resultater Identiske tjenester for alle Likeverdige tjenester for alle EGENSKAPER VED SEKUNDÆRDATA STYRKE: De eksisterer allerede (red. tid/kostn.) Representerer et kontekstuelt bidrag til egen forskning Ofte kjent kvalitet og holdbarhet Ofte mulig å få tallrekker over tid/på flere geografiske nivåer etc. EGENSKAPER VED SEKUNDÆRDATA SVAKHET: Formen er rigid og kan dermed ikke skreddersyes til ditt formål Dataene er ikke reproduserbare, du må ta kvaliteten for gitt De må kjøpes og det kan ta tid å få de levert Dataproduksjon er basert på prioriteringer som ikke nødvendigvis er sammenfallende med dine behov SEKUNDÆRDATAENES RIGIDITET Feil geografisk nivå Basert på tradisjonelle strukturer som administrative enheter, næringer Behovet istedenfor fylker er for eksempel kommuner, bygder eller funksjonelle regioner SEKUNDÆRDATA Fotnoter og forbehold i dataene har lett for å forsvinne. Behovet istedenfor næringer er produksjonssystemer eller verdikjeder 2
ANONYMISERTE TALL Mindre enn tre observasjoner på kommunenivå---en får ikke data En mangler detaljkunnskaper om håndtering av enkelte data. Hvordan håndterer for eksempel Statistisk sentralbyrås data av sysselsettingen på Statoil Mongstad både ut fra at produksjonsvirksomheten er lokalisert i to kommuner, og det at tall over fast og innleid stab varierer. Telles årsverk innenfor portene, eller hvem som er på lønningslistene? CASE STUDIER Styrke: Kan bedre forklare komplekse sammenhenger (flerfaktorforklaringer) Kan avdekke faktorer som ikke framkommer i aggregater Forklarer statistikken/avdekker nye statistikkbehov/supplerer med informasjon som statistikken ikke dekker TRIANGULERING CASE-STUDIER FRAMSTILLINGSTEKNIKKER ANDRE STUDIER OFFENTLIG STATISTIKK REFERANSETESTING Metode for sammenligninger av ytelser eller prestasjoner i forhold til beste praksis Ofte omtalt som benchmarking Hvordan scorer for eksempel Norge i forhold til andre land? Hvordan scorer for eksempel Austevoll i forhold til Lindås? REFERANSETESTING Relatere det til landsgjennomsnittet Andre kommuner i Hordaland Andre sammenlignbare kommer Andre nabokommuner Samme kommune i tidligere år SKALA SKALA SKALA 3
RANGERINGER SAMMENLIGNE RANGERINGER VI ønsker for eks. se om de kommunene i Hordaland var best på IKT i 2000, også er det som er best i 2006 Spearmans Rankkorrelasjonskoeffisient= -1 motsatt rangering, 0=ingen sammenheng, + identisk rangering SKALAUTFORDRINGER GEOGRAFISKE INNDELINGSMÅTER Eksempel: utgifter til IKT som andel av BNP Eksempel: Antall arbeidsledige/arbeidsstyrken Historisk inndeling (for eksempel Gulating) Politisk/administrativ inndeling (kommuner) Fysisk utbredelse (bymessig,bebyggelse, tetthet) Funksjonell inndeling (bostedarbeidssted) SENTRALITET Storbyområder 3A (Oslo, Kristiansand, Stavanger, Bergen, Trondheim og Tromsø med forstadskommuner). 104 Andre byområder 2A og B 127 Distriktskommuner 1A og B og O- kommuner 202 SSBs Standard for kommuneklassifisering 433=2004 Folketallsutviklingen fra 1986 til 2005 Befolkning 27000 26000 25000 24000 23000 22000 21000 20000 1986 1989 1992 1995 1998 2001 2004 Kilde: SSB Statistikkbanken Modernisering og utvidelse av raffineriet fullført Befolkningsindeks 150 Nordhordlandsbrua åpner Årstall NH4 Meland Radøy Lindås Austrheim 140 130 120 110 100 90 4
Arbeidspendling i regionen i 2004 EKSEMPLET DESIGNERE Bergen: 36 Gulen: 11 Tot.: 100 (10.0%) Tot: 291 (22.8%) Bergen: 148 Offsh..: 60 Bergen: 46 Høyanger: 5 Tot.: 87 (5.7%) Tot: 601 (26.8%) Bergen: 420 Offsh..: 65 Austrheim BYA: 1274 (PU 52.3%) Syss.: 1001 (PI 39.3%) egne sysselsatte: 608 59 42 29 Radøy BYA: 2243 (PU 47.1%) Syss.: 1515 (PI 21.7%) egne sysselsatte: 1187 165 324 205 93 34 330 Lindås BYA: 6600 (PU 43.7%) Syss.: 5609 (PI 33.8%) Egne sysselsatte: 3713 9 514 274 Meland BYA; 2895 (PU 63.1%) Syss.: 1678 (PI 36.3%) egne sysselsatte: 1069 Bergen: 427 Masfjorden: 48 Tot.: 728 (13.0%) Tot: 2243 (34%) Bergen: 1577 Offsh..: 213 Bergen: 198 Osterøy: 9 Tot.: 260 (15.5%) Tot: 1249 (43.1%) Bergen: 978 Offsh..: 77 Sysselsettingsandel/befolkningsandel Region Firms Employment Employment Region share percentage Population share Eastern 1922 2322 69 49 Southern 102 126 3,8 6 Western 492 627 18,7 26 Trøndelag 160 189 5,6 9 North 80 96 2,9 10 Total 2756 3360 100 100 RELATERE TIL TEORETISK FORDELING TRIANGULERING Vestlandet har 26% av landets innbyggertall (2004-tall) Vi har 34 % av landets sysselsetting innen bergverk og industri (2004- tall). Utdanningssteder Antall studenter Designere i design bedrifter Case: designere som også kommersialiserer sine produkter Case designere som jobber i industrien eller andre virksomheter IDEELT KUNNE FULGT INDIVIDER CASE-STUDIER STUDIER FRAMSTILLING Identifiserbare Anonymiserte Ideal type modell (webersk ideal) MANGLER I EKSISTERENDE DATA OG NYE DATABEHOV 5
MANGELFULLE DATA I FORHOLD TIL MODERNE BEHOV Landbrukstellingen gir oss detaljer om alt fra antall kuer og sauer Industridataene er mest mangelfull i forhold til petroleumssektoren og oppdrett Likeledes er tilgangen på data om innslaget av utenlandsk eierskap vanskelig tilgjengelig Data om emner i tiden som: databruk, design, miljø, entreprenørskap er langt mindre utviklet Og hva med data på opplevelsesnæringer og kultur NÆRING/ Vi måler på næring, men i stedet burde vi hatt bedre tall på typer arbeidsplasser Virksomheter bytter næring: Industri blir tjenesteforetak og tjenesteforetak får en industriell karakter HVORDAN HÅNDTERES DEN STORE BREDBÅNDSBLØFFEN! Territoriell arbeidsdeling Av funksjonelle enheter Av produksjon Av oppgaver I Hordaland har 97 prosent av kommunene bredbånd Den sier ikke noe om hvor stor andel av innbyggerne som har reell tilgang Den sier ikke om hvor mange innbyggere som er reelt oppkoblet MÅLEUTFORDRINGER- eks. oppdrett FoU tilknyttet oppdrett skjer i andre næringer Mest statistikk på Fylkesnivå OPPLEVELSESNÆRINGENE KUNST/ KULTUR/ DESIGN/ FILM REISELIV/ MAT FRITID OPPLEVELSESNÆRINGENE STATISTIKKEN ER DERIMOT SEKTORISERT 6
FRAMTIDAS DATABEHOV Mer miljødata Mer internasjonale data Mer data tilpasset ulike geografiske inndelinger Data med demografiske merkelapper Data tilpasset produksjonssystemer Mer yrkes/funksjon enn næringsdata Rapporter og informasjon kan lastes ned på WWW.SNF.NO 7