Panda som verktøy for konsekvensanalyser

Like dokumenter
Modellsystemet PANDA (Plan og Analysesystem for Næringsliv, Demografi og Arbeidsmarked)

Kort om forutsetninger for prognosene. Næringsstruktur historisk statistikk

Sammendrag. Om fylkesprognoser.no

Trendalternativet Befolkningsutvikling og sysselsettingsutvikling

Rapport. Konsekvensanalyse - Nedleggelse av Kongsberg Automotive Rollag. Forfattere Heidi Bull-Berg og Ulf Johansen

Næringsstruktur målt i antall sysselsatte for årene 2002 og anleggsvirksomhet. Kraft- og vannforsyning Bygge- og

Omstillingsmodulen i PANDA

Statistikk grunnlag for Lebesby kommune

Avansert kurs: Presentasjon av case

Næringsstruktur målt i antall sysselsatte for årene 2002 og anleggsvirksomhet. Kraft- og vannforsyning Bygge- og

Videregående fagutdanning i Sogn og Fjordane

FORFATTER(E) Håkon Hynne og Arne Stokka OPPDRAGSGIVER(E) Troms fylkeskommune GRADER. DENNE SIDE ISBN PROSJEKTNR. ANTALL SIDER OG BILAG

9 Produksjon av næringsmidler (unntatt fiskeforedling)

Næringsstruktur målt i antall sysselsatte for årene 2002 og anleggsvirksomhet. Industri og bergverksdrift. Kraft- og vannforsyning Bygge- og

Regionaløkonomiske virkninger

Prognoser for befolkningsutvikling og boligbehov i Rogaland frem til 2030

Hva betyr landbruket for byene? Kunnskapsgrunnlag for trøndersk landbruk og verdiskapingens betydning for bykommunene

Om Fylkesprognoser.no. Definisjoner

Næringsstruktur målt i antall sysselsatte for årene 2002 og anleggsvirksomhet. Kraft- og vannforsyning Bygge- og

PANDA Brukerhåndbok. Administrasjon av modeller og data i PANDA

Konsekvensanalyse. Vegomlegging Etnesjøen. Juni AUD-rapport nr

Om Fylkesprognoser.no. Definisjoner

Næringsutvikling og arealbehov i Oslo og Akershus mot Steinar Johansen Norsk institutt for by- og regionforskning

Prognoser for befolkningsutvikling og boligbehov i Rogaland frem til 2030

Næringstall fra

Christoffer Berge. Statistisk sentralbyrå

Ringvirkninger av norsk havbruksnæring

Regional analyse for Sande. Sande 17. mars 2016

Forutsetninger for modellkjøring BEFOLKNINGSMODELLEN. Teknologi og samfunn 1

Konsekvensanalyse Ålvik/ Kvam

Grenland og Østre Agder. Utviklingstrekk hvordan henger de sammen?

Bosted. Attraktivitetspyramiden. Vekst. Arbeidsplassvekst

Befolknings- og næringsutvikling, kjennetegn, utfordringer og muligheter for Nye Sandefjord. Kongsberg 7. juni 2016 Knut Vareide

Kort om forutsetninger for framskrivingene

Samfunnsregnskap for Nortura. 16.februar 2017

Sammendrag. Om fylkesprognoser.no. Befolkningen i Troms øker til nesten i 2030

ARBEIDSKRAFTBEHOVET ->

Arealbehov mot eksempel fra Oslo og Akershus

Kunnskapsgrunnlag for trøndersk landbruk. Presentasjon NIBIO rapport nr 3, 2017 Steinkjer, Heidi Knutsen, NIBIO Roald Sand, TFoU

NÆRINGSLIVET I BUSKERUD

PROSJEKT: Effekter på sysselsetting og bruttoprodukt av en styrking av kronekursen, med spesiell vekt på Møre og Romsdal. Lasse Sigbjørn Stambøl

Østre Agder. Oppdatert minirapport 1. november 2016.

Utdanning. Horten 17. mars 2014 Knut Vareide

Fredrikstad. Oppdatert minirapport 1. november 2016

Bosted. Attraktivitetspyramiden. Vekst. Arbeidsplassvekst

Er Bryne attraktiv? Bryne 13. november 2015

OMSTILLINGSPROGRAMMET I VESTRE TOTEN FORMANNSKAPET 4. FEBRUAR 2013

Konsekvensutredning for Kvænangen kommune Mars 2017

Figur 1. Andelen av sysselsatte innen enkeltnæringer i Sogn og Fjordane i perioden Prosent. 100 % Andre næringer.

Konsekvensutredning for Dyrøy kommune Januar 2017

Grenland. Oppdatert minirapport 1. november 2016

Nässjö. Oppdatert minirapport 1. november 2016.

Nærings- og samfunnsmessige ringvirkninger

RÅDGIVENDE INGENIØRERS FORENING (RIF) KONJUNKTURUNDERSØKELSEN 2015 MAI/JUNI 2015

Næringsanalyse Drangedal

år Larvik Sandefjord Tønsberg Porsgrunn Skien Kongsberg Historisk utvikling. Tallmaterialet er utarbeidet av Vista Analyse på oppdrag fra NHO

Distriktsmessig konsekvensutredning av forsvarssjefens fagmilitære råd Click icon to add picture

Sykefraværsstatistikk for

Kort om forutsetninger for befolkningsprognosen

Befolknings- og næringsanalyse i Midt-Gudbrandsdalen. Per Kristian Alnes, Østlandsforskning Ringebu 18. september 2015

Landbrukets betydning for den økonomiske utvikling i Trøndelag. Knut Ingar Westeren. Høgskolen i Nord-Trøndelag Rapport nr 18

BEFOLKNINGSFRAMSKRIVINGER, ARBEIDSLIV OG BOLIGBEHOV AVSLUTNINGSKONFERANSE VELKOMMEN TIL OSS

Lolland. Minirapport 1. november 2016.

4. kvartal og året 2013 Nivå- og endringstall i forhold til foregående kvartaler

Formål LANDBRUKETS ØKONOMISKE BETYDNING I TRØNDELAG. Bakgrunn. Avgrensing Landbruksmelding for Trøndelag

Gjøvikregionen. Oppdatert minirapport 1. november 2016

Økonomisk bærekraft; Verdiskapingsanalyse

Håndtering av umålt forbruk i avbrudds- og KILE-rapporteringen

Glåmdal. Oppdatert minirapport 1. november 2016

Vedlegg 6: Grunnleggende statistikk

Attraktivitetsanalyse Nordland fokus Helgeland. Brønnøysund 27. mars 2015

Rapport. Økonomiske ringvirkninger av mineralbrudd i Engebøfjellet. SINTEF A Åpen. Forfatter(e) Arne Stokka, Heidi Bull-Berg, Ulf Johansen

Hva er Panda og hva kan det brukes til?

Moss inn i Østfold Østfold inn i Viken! Desember 2017

Kort om forutsetninger for befolkningsprognosen

Agders utfordringer Høringskonferanse VINN Agder, 8. april 2015 Hans Chr. Garmann Johnsen professor UiA

Nasjonal betydning av sjømatnæringen

Varehandelen som en driver i norsk økonomi

Bornholm. Minirapport 1. november 2016.

Analyse av det lokale næringslivet og arbeidsmarkedet

Arealbehov teori og metode eksempel fra Oslo og Akershus

Pengepolitikken og konjunkturbildet

Deskriptiv analyse næringer og samfunn i området knyttet til forvaltningsplanen

UTVIKLINGSTREKK OG RAMMEBETINGELSER

Om Fylkesprognoser.no. Definisjoner

Om konjunkturene og pengepolitikken

DEN VIKTIGE AVKLARINGSFASEN

STEINKJER SOM ADMINISTRASJONSSENTER. SAMFUNNSEFFEKTER AV ENDRINGER I FYLKESKOMMUNE OG REGIONAL STATSFORVALTNING.

Sykefraværsstatistikk for NHO bedrifter. 1. kvartal Nivå- og endringstall i forhold til foregående kvartaler

Vestlandet ein stor matprodusent

Kort om forutsetninger for befolkningsprognosen

Pengepolitikken og perspektiver for norsk økonomi

NOTAT BEFOLKNINGSPROGNOSE REVIDERT

Næringsanalyse Skedsmo

Sykefraværsstatistikk for NHO bedrifter. 1. kvartal Nivå- og endringstall i forhold til foregående kvartaler

Er Bryne attraktiv? Bryne 13. november 2015

Landbrukets økonomiske Landbrukets økonomiske betydning i Trøndelag betydning i Trøndelag

Kort om forutsetninger for befolkningsprognosen

Høy attraktivitet. Ugunstig struktur. Gunstig struktur. Besøk. Regional. Basis Bosted

Omstillingsbehovet i meløy En analyse av situasjonen etter nedbemanningen av REC WAFER NORWAY AS Glomfjord

Transkript:

Brukerseminar Rica Bakklandet 24.-25. nov. 2011 Arne Stokka Panda som verktøy for konsekvensanalyser 1

Styrken ved Panda er konsekvensanalyser Kan simulere konsekvenser i form av endringer i produksjon eller sysselsetting knyttet til planlagte eller forventede endringer Gjennom sammenhengene i Panda kan en simulere videre konsekvenser for flytting og befolkning Videre kan en beregne konsekvenser for inntekter og overføringer Dette omfatter alle former for endringer i personoverføringer som følge av endringer i befolkning og arbeidsmarked Videre kan en også beregne inntektsendringer knyttet til endring i pendling, evt. Ved bruk av hele modellsystemet, henger disse faktorene sammen, og det ivaretas vekselvirkninger mellom regional økonomi og deomgrafi 2

Hva kan konsekvensanalyseres ved hjelp av Panda? Eksempler: Nyetableringer Bedriftsnedleggelser Store investeringsprosjekt Omlokalisering av bedrifter og aktiviteter Nye kommunikasjonsløsninger m/endret pendlemønster Betydningen av en næring eller en bedrift Osv. 3

Hvordan legger en opp slike analyser i Panda? Overordnet prinsipp: Man etablerer først en referanseutvikling og gjennomfører en modellberegning Deretter lager man en kopi av referansekjøringen som man simulerer en ny hendelse eller endring oppå og gjennomfører en ny modellberegning. Differansen gir konsekvensen Forutsetninger (som ikke har noe med det en skal analysere konsekvensen av) må være de samme i begge kjøringene Alle innstillinger må være de samme vedr. følgende: Samme type modeller (og region) Samme estimeringsperiode og år for parametere Eksogene valg må være de samme Valg i forhold til andre måter å styre på må være de samme 4

Utvikling av en referansebane Momenter: Selve forløpet for referansebanen er ikke så viktig i seg selv Den skal representere en nøytral utvikling som tiltaket/endringen/scenariet legges på Opplegget for referansen må korrespondere med konsekvens-alternativet Identifisere forutsetninger av felles art som må ivaretas (kommer også etter hvert) Hvilke næringer forventes å bli berørt? Hvilke næringer kan behandles uavhengig av tiltaket/endringen? (eksogent) Se på forløpet sammenlignet med historisk utvikling 5

Referansebanen forts. Ta en første prøvekjøring med alt endogent i næringsmodellen alene Prøv deretter en felleskjøring med alle valg som default Dersom disse to beregningene gir distinkte ulike forløp, bør en se nærmere på hvordan demografi og arbeidsmarkedsdelen virker inn (dette hender sjelden) Dersom referanseutviklingen er viktig i seg selv, må en foreta en vurdering av prognosen mot historisk utvikling De regionaløkonomiske forutsetningene i Panda i dag er egentlig en nasjonal utvikling Det innebærer at referanseutviklingen er mye preget av nasjonalt gjennomsnitt Det som bidrar til at utviklingen i sum avviker fra den nasjonale, er næringsstrukturen Dersom det er mest fokus på konsekvensen, dvs. differansen mellom de to kjøringene, kan en benytte referansekjøring uten noen form for regional tillemping eller endring i forhold til de nasjonale forutsetningene Men ofte må en forholde seg til at enkelte næringer bør styres eksogent 6

Næringer som bør/må behandles eksogent "Eksogent" innebærer at utviklingen følger de vekstratene som kommer fra den nasjonale kjøringen, og at utviklingen i regionen ikke har noen innflytelse på disse næringene Forutsetninger om eksogen kjøring fra de nasjonale beregningene: Fiske og fangst (3) Fiskeoppdrett (4) Fiskeforedling (9) Olje og gass (5) Treforedling (16) Kjemiske råvarer (18) Metallproduksjon (stål og aluminium, 25-26) Kraft og vannforsyning (35) Utenriks sjøfart (40) 7

Andre næringer som bør/må behandles eksogent? I tillegg kan det være næringer som en ut fra en betraktninger omkring hvordan den regionale økonomien fungerer, mener bør behandles eksogent Eksempler på slike næringer: Jordbruk (1) Skogbruk (2) Kull- og malmdrift? (6-7) Annen kjemisk produksjon? (19-21) Kommunal tjenesteyting? (49) Statlig tjenesteyting? (50) 8

Hvordan simuleres "hendelsen"? (forts) Deretter starter spesifisering av egne data for aktiviteten: Aktivitetsdata: Endring i antall sysselsatte/årsverk Eventuelt endring i "aktivitetsproduksjon" Dersom det er spesiell pendler-utvikling, kan dette spesifiseres Sysselsatte pr årsverk Inntekt pr årsverk Underleveranser: Dersom en har valgt næringstilhørighet, ligger disse på plass Hvis ikke må en legge inn slike fordelinger selv. Prinsippet i aktiviteten er følgende: Det tallet en har spesifisert som "aktivitetsproduksjon" ganges med underleveranseandelene for hver næring Dette gir en eksogen etterspørselsendring inn mot de enkelte næringer 9

Hvordan simuleres "hendelsen"? Betydningen eller bortfall av en næring eller bedrift kan enkelt simuleres ved å spesifisere produksjons- eller sysselsettingsendringer direkte i modellen. Dette har en del usikkerhet ved seg dersom en ønsker å belyse en enkelt bedrifts betydning Som oftest vil en bruke den såkalte aktivitetsmodulen, og da spesifiserer man en helt ny aktivitet karakterisert ved: Prosjekttilhørighet (definerer regionen) Næringstilhørighet (se nedenfor) Kommune som den skal knyttes til Hvilke år skal den foregå? Har tiltaket eller hendelsen har en næringstilhørighet (blant Panda sine 50 næringer)? I så fall velges en slik næring, og da "arver" denne aktiviteten noen egenskaper fra den valgte næringen. Dette omfatter bla. Underleveransestruktur (grunnlaget for beregning av ringvirkninger) Inntekt pr. årsverk Sammenheng mellom produksjon og årsverk ("produktivitet") 10

Eksempel følger 11