Statistik. om Stockholms län och region. Boendetätheter i Stockholms län, kommuner och planområden

Transkript

1 Statistik om Stockholms län och region Boendetätheter i Stockholms län, kommuner och planområden Ålder Småhus Flerbostadshus Antal Diagrammet visar åldersfördelningen för boende i småhus jämfört med boende i flerbostadshus, Stockholms län Rapporten är framtagen av Statisticon AB på uppdrag av Regionplane- och trafikkontoret. Statistikserie utgiven i samarbete mellan regionala myndigheter i Stockholms län Förfrågningar: David Sundén, david.sunden@statisticon.se Beställningar, prenumerationer, adressändringar: Birgit Hansson RTK, birgit.hansson@rtk.sll.se

2 Boendetätheter i Stockholms län, kommuner och planområden

3 2

4 Inledning Statisticon AB har på uppdrag av Regionplane- och trafikkontoret gjort befolkningsprognoser för Stockholms län, länets kommuner och basområden sedan Befolkningsprognoserna är i sin tur baserade på den förväntade utvecklingen av bostadsbyggandet i regionen. Kopplingen mellan utvecklingen av antalet nyproducerade bostäder och utvecklingen av folkmängden i länet har varit det genomsnittliga antalet boende per bostad. Tidigare år har utrymmet för befolkningsökningen i länet under den prognostiserade tioårsperioden beräknats genom att multiplicera antalet bostäder som förväntades att byggas under perioden med det genomsnittliga antalet personer som antas flytta in i varje bostad. Vid förra årets prognos antogs att i genomsnitt 2,1 personer flyttade in i varje bostad. Talet 2,1 är det genomsnittliga antalet boende per bostad i länet år I år beräknades att bostäder förväntas byggas under den kommande tioårsperioden. Detta skulle, med ett oförändrat antal boende per bostad, medföra att befolkningsökningen i länet under de kommande tio åren är personer. Det finns två huvudsakliga problem med denna ansats. För det första är måttet 2,1 troligtvis missvisande då det genomsnittliga antalet personer som flyttar in i nyproducerade bostäder inte nödvändigtvis behöver vara detsamma som genomsnittet i det befintliga och äldre bostadsbeståndet. För det andra är måttet grovt då det är ett aggregat inte bara över en stor region med stora skillnader mellan områden utan även över bostädernas typ och storlek. Statisticon AB har fått i uppdrag av Regionplane- och trafikkontoret att försöka lösa ovanstående problem och samtidigt försöka ge en deskriptiv bild av boendetätheten i Stockholms län. Projektet har haft tre delmoment. Det första har haft som syfte att ge en deskriptiv översikt av boendesituationen i länet. Den andra delen har varit att skapa en statistisk modell för att skatta boendetätheten i nyproducerade bostäder på basområdesnivå med hänsyn tagen till bostädernas storlek och typ. Den tredje delen i projektet har varit att implementera resultaten i den befintliga befolkningsprognosmodellen för Stockholms län. Den nya ansatsen har redan tagits i bruk och användes för första gången i årets befolkningsprognos för Stockholms län. Resultaten redovisas i RTK:s Gula serie, Rapport nr 7:2004. Denna rapport ger dels en övergripande beskrivning av boendetätheten i länet dels en beskrivning av den statistiska modell, och resultaten därifrån, som användes för att skatta boendetätheter för olika bostadstyper och storlekar på basområdesnivå. Till rapporten hör även tabeller på kommunal- och planområdesnivå, som publiceras i elektronisk form på RTK:s hemsida tillsammans med befolkningsprognoserna. Rapporten är skriven av Statisticon AB på uppdrag av RTK. Projektledare på Statisticon har varit David Sundén. Projektledare vid RTK har varit Ulla Moberg.

5 Innehåll 1 Sammanfattning Definitioner och statistikkällor Boendetätheter i Stockholms läns fastighetsbestånd Inledning Boendetätheter efter fastighetstyp, upplåtelseform och byggår Boendetätheter efter ålder och kön Boendetätheter i Stockholms läns kommuner Beräkning av boendetätheter på basområdesnivå Varför en modellbaserad ansats? Inledande databearbetningar Val av modell Den skattade modellen Prognos av antal boende i nyproducerade bostäder Effekter av den nya modellen på befolkningsprognosen Tabellbilaga

6 1 Sammanfattning I genomsnitt 2,6 boende per 100 kvadratmeter bostadsyta i Stockholms län år 2002 Under år 2002 beräknas boendetätheten i länet till 2,6 boende per 100 kvadratmeter bostadsyta. I genomsnitt bor 2,1 personer per bostad. Detta kan jämföras med övriga riket med en lägre boendetäthet på 2,3 boende per 100 kvadratmeter och ett genomsnittligt antal boende per bostad på 2,1. Skillnaden mellan regionerna kommer av att bostäderna i övriga Sverige i genomsnitt är större. Endast liten förändring över tiden Boendetäthetens variation över tiden är tämligen liten. Sedan 1996 har den minskat svagt med 0,05 boende per 100 kvadratmeter. Antalet boende per bostad har dock ökat. En liten förändring i boendetätheten ger dock stora effekter på folkmängden. Skulle de boende i Stockholms län öka boendetätheten med 0,1 personer per 100 kvadratmeter skulle detta medföra en ökning i folkmängden med drygt personer. Stora variationer beroende på fastighetens typ och upplåtelseform Lägst boendetäthet återfinns i bostadsrätter i flerbostadshus med 2,3 boende per 100 kvadratmeter. Högst är den i hyresrätter med 2,9 boende per 100 kvadratmeter. Stora skillnader mellan länets kommuner Boendet varierar tydligt mellan kommunerna i Stockholms län. Inte bara finns det stora skillnader i boendetäthet där Danderyd har den lägsta boendetätheten med 2,1 boende per 100 kvadratmeter och Värmdö den högsta med 3,2 boende. Det genomsnittliga antalet boende per bostad, den genomsnittliga bostadsytan per bostad och andelen boende i flerbostadshus varierar även de starkt mellan kommunerna. Kommunerna i länet kan delas in i fem olika grupper Kommunerna i Stockholms län kan delas in i fem tydliga grupper med avseende på kommunernas genomsnittliga boendetäthet, genomsnittliga antal boende per bostad, genomsnittliga bostadsstorlek och den genomsnittliga andelen boende i flerbostadshus. 5

7 Valet av boende till viss del styrt av ålder Typ av boende och de boendes ålder är inte överraskande sammanlänkat. Andelen som bor i småhus i de åldersgrupper som representerar barnfamiljer är extra hög samtidigt som ungdomar och äldre i större utsträckning återfinns i flerbostadshus. Ny metodik för att prognostisera länets folkmängd ger lägre ökningstakt Den nya metodiken för att beräkna antalet boende i nyproducerade bostäder ger en långsammare befolkningsutveckling i länet än den tidigare modellen. Under perioden beräknas folkmängden öka med vilket är personer färre än den tidigare ansatsen. Skillnaden mellan den nya och gamla prognosmodellen blir större på lägre geografisk nivå Den tidigare ansatsen för att prognostisera befolkningen i Stockholms län likställer samtliga nybyggda bostäder i länet och utgår från en genomsnittlig bild av bostäderna i länet. Den nya modellen tar explicit hänsyn till var de nya bostäderna byggs, bostadens typ, bostadens upplåtelseform samt hur stor bostaden är. 6

8 2 Definitioner och statistikkällor I en diskussion om boendetätheter är främst två mått aktuella. Det första måttet ger en uppfattning om det genomsnittliga antalet boende per bostad. Det andra måttet tar sin utgångspunkt i storleken på bostäderna och ger det genomsnittliga antalet boende per kvadratmeter. Måtten är relaterade genom bostädernas storlek uttryckt som det genomsnittliga antalet kvadratmeter per bostad. De två måtten behöver inte nödvändigtvis vara korrelerade och utvecklas åt samma håll. Om de bostäder som byggs är relativt stora dit till exempel familjer med barn flyttar kommer detta att medföra ett stigande antal boende per bostad samtidigt som antalet boende per kvadratmeter kan minska. Vi kommer i denna rapport att med boendetäthet avse genomsnittligt antal boende per 100 kvadratmeter boendeyta. Det vore intressant att kunna redovisa båda ovanstående mått då de kompletterar varandra vid en beskrivning av boendesituationen. Vi kommer så långt det går att redovisa båda måtten där det är möjligt. Tyvärr medger inte dagens statistiksituation en möjlighet att koppla samman de boende med deras bostäder vilket gör det svårt att ge en fullständig bild av boendetätheten i Stockholms län. Man måste därför utnyttja andra statistikkällor för att bilda sig en uppfattning om tätheten i Stockholms län. I rapporten har vi utgått dels från Rapport 4:2004 Bostadsbyggandet och bostadsbeståndet 2003 i RTK:s Gula serie, dels från statistik från SCB som via samkörningar av Fastighetstaxeringsregistret, Registret över totalbefolkningen och Geografidatabasen har sammanställt data som möjliggör att knyta de boende till enskilda fastigheter. Fastigheterna har i sin tur olika karaktäristika vilka vi tagit fasta på. Data på fastighetsnivå är sekretessbelagd. I den statistik som Statisticon fått ta del av har fastigheter med olika karaktäristika inom olika basområden i Stockholms län aggregerats för att på så vis undvika sekretessproblemen. De egenskaper hos fastigheterna vi kommer att använda i denna rapport är antal boende i fastigheten, fastighetens boendeyta uttryckt i kvadratmeter, fastighetens upplåtelseform (hyresrätt, bostadsrätt, äganderätt eller övriga), fastighetstyp (flerbostadshus, småhus eller övriga), fastighetens byggår (1989 eller tidigare samt ettårsindelning för perioden ) samt fastighetens belägenhet (basområde). Indelningen av fastigheterna efter typ görs utifrån typkodsklassificeringen i Fastighetstaxeringsregistret. Fastigheter som är benämnda lantbruksfastigheter och småhusfastigheter kategoriseras som småhus. Hyreshusfastigheter klassificeras som flerbostadshus. I gruppen övriga ingår industrifastigheter, täktfastigheter, elproduktionsfastigheter, specialfastigheter, övriga fastigheter och fastigheter där benämning saknas. Indelningen av fastigheterna efter upplåtelseform görs utifrån den redovisade ägarkategorin i Fastighetstaxeringsregistret. I gruppen hyresrätter ingår de fastigheter där den uppgivna äga- 7

9 ren är stat, kommun, kyrkan, dödsbo, Svenskt aktiebolag eller allmännyttigt bostadsbolag. I gruppen bostadsrätter ingår bostadsrättsföreningar. I gruppen äganderätter ingår fastigheter som benämns fysiska personer och är klassade som småhus annars ingår de i gruppen hyresrätter. I gruppen övriga ingår övriga fastigheter och fastigheter där uppgift saknas. Statistiken som tagits fram gäller för statistikåren Bostadsbeståndet redovisas per den 1 januari varje år medan befolkningen redovisas per den 31 december året före. Vi har valt att utgå från det år redovisningen av befolkningen görs. Detta betyder att vid beräkningar där bostadsbeståndet ingår så kommer redovisningsåret att bli året före statistikåret. Statistiken är inte helt problemfri. I Rapport 4:2004 i RTK:s Gula serie redovisas antal bostäder i länet per kommun. Dessa uppgifter är baserade på en framskrivning av bostadsbeståndet från 1990 då den senaste folk och bostadsräkningen genomfördes. Framskrivningen därifrån är gjord utifrån kommunernas årliga redovisning av nybyggnationer, rivningar och moderniseringar. Den sammanställda statistiken från SCB har även den ett antal problem. Till exempel kan en fastighet ha ett flertal byggår kopplat till sig om till exempel fastigheten har byggts ut. På samma sätt kan den även ha olika upplåtelseformer och fastighetstyper. I statistikmaterialet redovisas dock endast ett byggår, en upplåtelseform och en typ per fastighet. Byggåret, upplåtelseformen och fastighetstyp för den del av fastigheten där flest personer bor gäller i redovisningen. För nybyggda fastigheter finns även en eftersläpning i inrapporteringen av färdigställandet. Detta medför att boendeytan ökar för nybyggda fastigheter under de första åren efter färdigställandet. 8

10 3 Boendetätheter i Stockholms läns fastighetsbestånd Följande avsnitt ger en deskriptiv bild av boendetätheten i Stockholms län. Efter en inledande allmän genomgång redovisas boendetätheten i länet efter fastighetstyp och upplåtelseform. Det visas även hur boendet fördelar sig efter ålder och kön. Avsnittet avslutas med att ge en regional bild av hur boendetätheten varierar mellan kommunerna Inledning Vid utgången av år 2002 var folkmängden i Stockholms län personer och antalet bostäder var Den totala bostadsytan på dessa bostäder uppgick till kvadratmeter. I tabell 1 redovisas de mått som kan beräknas utifrån dessa uppgifter för Stockholms län och som jämförelse, för övriga riket. Tabell 1: Jämförande boendestatistik för Stockholms län och övriga riket år 2002 Region Mått Stockholms län Övriga riket Antal boende per bostad 2,1 2,1 Bostadsyta per bostad, kvadratmeter 81,0 89,2 Bostadsyta per boende, kvadratmeter 38,5 43,4 Antal boende per 100 kvadratmeter bostadsyta 2,6 2,3 I genomsnitt bor 2,1 personer per bostad i länet. Bostäderna är i genomsnitt 81,0 kvadratmeter stora vilket betyder att varje person i genomsnitt förfogar över 38,5 kvadratmeter boendeyta. Boendetätheten, som den är definierad i denna rapport, är i genomsnitt 2,6 personer per 100 kvadratmeter bostadsyta. Även om det i genomsnitt bor lika många personer per bostad i Stockholms län som i övriga riket så bor det i genomsnitt 0,3 personer fler per 100 kvadratmeter i länet än i övriga riket. Orsaken går att finna i att den genomsnittliga bostadsytan per bostad är 8,2 kvadratmeter lägre i Stockholms län. Boende i Stockholms län har i genomsnitt 4,9 kvadratmeter mindre bostadsyta än de boende i övriga riket. 1 Boendetätheten på planområdesnivå redovisas i en separat tabellbilaga som publiceras på RTK:s hemsida: 2 Statistik om Stockholms län och region (Gula serien) 4:2004 Bostadsbyggandet och bostadsbeståndet

11 Över tiden är variationen i boendetäthet tämligen liten. Trenden har dock varit svagt negativ sedan 1996 och boendetätheten har minskat något. Ser man till antal boende per bostad har denna istället ökat under den senaste tioårsperioden för att sjunka något under år 2002 och Detta betyder således att även om antalet personer som bor i varje bostad ökar så följer inte med nödvändighet att befolkningen blir mer trångbodd. Diagram 1: Boendetätheten och antal boende per bostad i Stockholms län ,70 2,12 Antal boende per 100 kvadratmeter 2,65 2,60 2,08 2,04 Antal boende per bostad 2, ,00 År Antal boende per 100 kvadratmeter (vänster axel) Antal boende per bostad (höger axel) Skillnaden i boendetäthet år 1996 och 2002, 0,05 personer per 100 kvadratmeter, kan verka obetydlig. Det skall dock tilläggas att om befolkningen i länet år 2002 ökade sin boendetäthet med 0,1 boende per 100 kvadratmeter så skulle detta medföra att en folkmängden ökade med drygt personer. Effekterna på den totala folkmängden är således stora även vid mycket små förändringar i boendetätheten. 3.2 Boendetätheter efter fastighetstyp, upplåtelseform och byggår I tabell 2 nedan redovisas boendetätheten uppdelat på fastighetstyp och upplåtelseform för år Tätheten för länet som helhet uppgår till 2,6 boende per 100 kvadratmeter. Högst täthet återfinns bland hyresrätter med 2,9 boende per 100 kvadratmeter 5. 3 Uppgifter om antal bostäder kommer från RTK:s rapport 4:2004 Bostadsbyggandet och bostadsbeståndet. 4 Observera att gruppen övriga inte redovisas för upplåtelseform eller fastighetstyp för detta beräknade mått, då underlaget inte medger en konsistent beräkning i dessa grupper. 5 För hyresrätter är gruppen övriga i uppdelningen efter upplåtelseform extra stor. Det finns personer som bor i hyresrätter för vilka man inte har någon uppgift om de bor i småhus eller flerbostadshus. Följden blir att boendetätheten för hyresrätter totalt blir korrekt beräknad men att boendetätheten i hyresrätter som är småhus respektive flerbostadshus båda borde bli underskattade. 10

12 Boendetätheten är dessutom relativt hög för de småhus som är bostadsrätter. I dessa bor i genomsnitt 2,8 personer per 100 kvadratmeter. Antalet boende i denna grupp är dock relativt litet. Tabell 2: Boendetäthet, antal boende per 100 kvadratmeter, i Stockholms län efter upplåtelseform och fastighetstyp år 2002 Fastighetstyp Upplåtelseform Småhus Flerbostadshus Totalt Bostadsrätt 2,8 2,3 2,4 Hyresrätt 2,5 2,8 2,9 Äganderätt 2,4-2,4 Totalt 2,5 2,6 2,6 Av tabell 3, som visar fördelningen av de boende i länet efter upplåtelseform och fastighetstyp, framgår att endast 2,5 procent av befolkningen i länet bor i småhus klassificerade som bostadsrätter. Tabell 4 beskriver fördelningen av bostadsytan efter upplåtelseform och fastighetstyp. Här framgår att bostadsytan för småhus klassificerade som bostadsrätter även den är relativt liten och endast utgör 2,3 procent av den totala bostadsytan i länet. Tabell 3: Fördelning av befolkningen i Stockholms län efter upplåtelseform och fastighetstyp år 2002 Fastighetstyp Upplåtelseform Småhus Flerbostadshus Övriga Totalt Bostadsrätt 2,5% 22,3% 0,0% 24,8% Hyresrätt 1,3% 38,7% 0,7% 40,7% Äganderätt 33,9% - 0,0% 33,9% Övriga 0,0% 0,0% 0,5% 0,5% Totalt 37,8% 61,0% 1,3% 100,0% Lägst boendetäthet, 2,3 boende per 100 kvadratmeter, återfinns bland de flerbostadshus som är bostadsrätter. Av befolkningen i länet bor 22,3 procent i denna kategori. Kategorin utgör 24,7 procent av bostadsytan i Stockholms län. Ur tabell 3 och 4 kan man utläsa att småhus, både till antal boende och som bostadsyta, till största delen utgörs av äganderätter. Samtidigt är inga av flerbostadshusen kategoriserade som äganderätter. Detta medför att upplåtelseformen äganderätt nästan helt sammanfaller med fastighetstypen småhus och att fastighetstypen flerbostadshus kan delas upp i de två upplåtelseformerna hyresrätter och bostadsrätter. Flerbostadshus dominerar som fastighetstyp räknat både som andel boende i kategorin och som andel av den totala bostadsytan. Följden blir att det är främst tre olika kombinationer av fastighetstyp och upplåtelseform som står för huvuddelen av den totala bostadsytan och därmed huvuddelen av antalet boende. 11

13 Ser man till upplåtelseform återfinns de flesta boende i hyresrätter, 40,7 procent, och i äganderätter 33,9 procent. Bostadsytan i länet utgörs till största delen av småhus som är äganderätter, 36,0 procent, och av flerbostadshus som är hyresrätter, 35,4 procent. Tabell 4: Fördelning av bostadsytan i Stockholms län efter upplåtelseform och fastighetstyp år 2002 Fastighetstyp Upplåtelseform Småhus Flerbostadshus Övriga Totalt Bostadsrätt 2,3% 24,9% 0,0% 27,2% Hyresrätt 1,4% 35,4% 0,0% 36,7% Äganderätt 36,0% - 0,0% 36,0% Övriga 0,0% 0,0% 0,0% 0,0% Totalt 39,7% 60,3% 0,0% 100,0% Över tiden varierar boendetätheten tämligen lite. I diagrammet nedan redovisas utvecklingen av boendetätheten för olika fastighetstyper över tiden. Småhus har sedan 1996 haft en något sjunkande täthet. Diagram 2: Boendetätheten i Stockholms län efter fastighetstyp 2,7 Antal boende per 100 kvadratmeter 2,6 2,5 2, År Hela beståndet Flerbostadshus Småhus 12

14 En uppdelning av bostadsbeståndet efter olika upplåtelseformer ger även den att boendetätheten är relativt stabil över tiden. I diagrammet nedan framgår att tendensen är svagt sjunkande för bostadsrätter och äganderätter medan tätheten i hyresrätter har stigit något under perioden Diagram 3: Boendetätheten i Stockholms län efter upplåtelseform 2,9 Antal boende per 100 kvadratmeter 2,7 2,5 2, År Hela beståndet Bostadsrätt Hyresrätt Äganderätt 3.3 Boendetätheter efter ålder och kön I tabell 5 ges andelen av de boende i olika kategorier som är kvinnor. Av befolkningen i länet är 51,0 procent kvinnor. Andelen i de olika kategorierna avviker inte nämnvärt från denna andel. Högst är andelen i flerbostadshus som är bostadsrätter, 52,4 procent. Lägst är andelen för småhus som är äganderätter, 49,1 procent. Tabell 5: Andel av de boende som är kvinnor efter upplåtelseform och fastighetstyp år 2002 Fastighetstyp Upplåtelseform Småhus Flerbostadshus Totalt Bostadsrätt 51,4% 52,4% 52,3% Hyresrätt 50,8% 51,8% 51,9% Äganderätt 49,1% - 49,1% Totalt 49,3% 52,0% 51,0% Även om det är svårt att hitta några stora skillnader mellan könen så finns det stora skillnader i hur olika åldrar väljer att bo. Tyvärr medger inte dagens statistiksituation någon enkel metod 13

15 att uttala sig om boendetätheten för olika åldrar utan att göra ett flertal antaganden om hur boendeytan inom en fastighet är fördelad mellan de boende. Risken med en sådan beräkning är att måtten som beräknas snarare reflekterar antagandena som görs än den verklighet de försöker beskriva. I diagrammet nedan visas dock åldersfördelningen för de boende i flerbostadshus och småhus. Man skall här ha klart för sig att flerbostadshus är den dominerande bostadstypen och att 61,0 procent av befolkningen bor i flerbostadshus. Diagram 4: Åldersfördelning i Stockholms län av de boende i olika fastighetstyper år Småhus Flerbostadshus I flerbostadshus utgör åldersgruppen år en stor andel av de boende medan barnfamiljer, 0-19 år och år utgör en stor andel av de boende i småhus. Bland de äldre, 70 år eller äldre, dominerar boende i flerbostadshus framför småhus. 14

16 I diagrammet nedan visas åldersfördelningen för de boende i bostadsrätter och hyresrätter. Som nämnts tidigare sammanfaller till största delen kategorierna småhus och äganderätter vilket gör att åldersfördelningen i äganderätter är i det närmaste identisk med åldersfördelningen för småhus som redovisades i diagrammet ovan. Diagram 5: Åldersfördelning i Stockholms län av de boende i olika upplåtelseformer år Bostadsrätter Hyresrätter I diagrammet nedan redovisas åldersfördelningen efter fastighetens ålder. I fastigheter med byggår 1990 eller senare är andelen barn, åldrarna 0-14 år, samt andelen i åldergruppen år högre, vilket betyder att barnfamiljer är överrepresenterade i det yngre bostadsbeståndet. Diagram 6: Åldersfördelning av de boende i fastigheter med olika byggår 12,0% 10,0% Procentuell andel 8,0% 6,0% 4,0% 2,0% 0,0% Ålder

17 3.4 Boendetätheter i Stockholms läns kommuner I det följande ges en redovisning av hur boendetätheten och boendet varierar i de olika kommunerna i Stockholms län. Materialet är omfattande och vi begränsar oss i denna rapport till de mer övergripande måtten. På RTK:s hemsida publiceras även tabeller över boendetäthet på planområdesnivå för de olika kommunerna separat. I följande diagram redovisas sex olika boendekaraktäristika för kommunerna samtliga för år Dessa sex boendekaraktäristika är genomsnittlig boendetäthet, genomsnittligt antal boende per bostad, genomsnittlig bostadsyta per bostad, andel boende i flerbostadshus, andel boende i hyresrätter samt andel boende i bostadsrätter. Bara genom att gå igenom diagrammen så ser man att det finns grupper av kommuner som har liknande egenskaper. Genom att använda sig av klusteranalys kan man gruppera kommunerna efter deras likhet med varandra med avseende på olika karaktäristika. En klusteranalys 6 för kommunerna innehållande fyra av de sex ovan angivna egenskaperna gav att Stockholms kommuner kunde delas upp i fem olika grupper. De variabler som ingick i analysen var: genomsnittlig boendetäthet, genomsnittligt antal boende per bostad, genomsnittlig bostadsyta per bostad samt andelen boende i flerbostadshus. Den första klustergruppen innehöll enbart Värmdö kommun som har en hög boendetäthet med många boende per bostad vilka till stor del bor i småhus. Bostäderna i kommunen är i genomsnitt ungefär lika stora som genomsnittet för länet. Diagram 7: Boendetäthet, antal boende per 100 kvadratmeter, efter kommun år ,5 Antal boende per 100 kvadratmeter 3,0 2,5 2,0 1,5 1,0 0,5 0,0 Danderyd Lidingö Täby Salem Järfälla Sollentuna Nacka Nynäshamn Vallentuna Upplands-Bro Österåker Upplands Väsby Tyresö Norrtälje Sigtuna Ekerö Stockholm Solna Nykvarn Huddinge Vaxholm Södertälje Haninge Sundbyberg Botkyrka Värmdö 6 Analysen som gjordes var hierarkisk där variablerna är standardiserade så att medelvärdet är 0 och variansen 1. Klustringen gjordes med Wards metod. 16

18 Den andra klustergruppen innehöll de centrala kommunerna i länet, Solna, Sundbyberg och Stockholms stad. Gruppen karaktäriseras av få personer per bostad där bostäderna har en liten bostadsyta. Andelen som bor i flerbostadshus är dessutom mycket stor. Diagram 8: Genomsnittligt antal boende per bostad efter kommun år ,5 3,0 Antal boende per bostad 2,5 2,0 1,5 1,0 0,5 0,0 Solna Sundbyberg Stockholm Lidingö Södertälje Nynäshamn Järfälla Upplands Väsby Norrtälje Sigtuna Haninge Sollentuna Huddinge Danderyd Nacka Täby Upplands-Bro Botkyrka Salem Vaxholm Tyresö Vallentuna Österåker Ekerö Nykvarn Värmdö I den tredje klustergruppen ingår Danderyd, Lidingö och Täby. Här är boendetätheten låg och i genomsnitt bor det ungefär lika många per bostad i dessa kommuner som i länet. Den genomsnittliga bostadsytan per bostad är däremot stor. Andelen som bor i flerbostadshus är i genomsnitt något lägre än i länet. Diagram 9: Genomsnittlig bostadsyta per bostad efter kommun år Bostadsyta per bostad Sundbyberg Solna Stockholm Södertälje Upplands Väsby Haninge Norrtälje Sigtuna Nynäshamn Botkyrka Huddinge Värmdö Järfälla Vaxholm Upplands-Bro Lidingö Nacka Sollentuna Tyresö Vallentuna Österåker Salem Täby Ekerö Nykvarn Danderyd 17

19 I den fjärde gruppen ingår Ekerö, Nykvarn, Salem, Vallentuna och Österåker. Gruppen karaktäriseras av en boendetäthet som är ungefär som genomsnittet för länet. Däremot har de ett högt genomsnittligt antal boende per bostad. Utöver detta så är den genomsnittliga bostadsytan per bostad hög och andelen som bor i flerbostadshus är låg. Diagram 10: Andel av de boende som bor i flerbostadshus efter kommun år % 80% Procentuell andel 60% 40% 20% 0% Ekerö Nykvarn Österåker Värmdö Vallentuna Norrtälje Danderyd Vaxholm Salem Täby Nynäshamn Sollentuna Tyresö Haninge Huddinge Upplands-Bro Nacka Lidingö Järfälla Sigtuna Upplands Väsby Botkyrka Södertälje Stockholm Sundbyberg Solna Den femte och sista gruppen består av resterande kommuner: Botkyrka, Haninge, Huddinge, Järfälla, Nacka, Norrtälje, Nynäshamn, Sigtuna, Sollentuna, Södertälje, Upplands Väsby och Upplands-Bro. Dessa kommuner bildar det stora genomsnittet i länet. De har varken höga eller låga värden för någon av de egenskaper som beskrivits. Diagrammet på nästa sida ger andelen boende i upplåtelseformen hyresrätter 7. Resterande andel bor i bostadsrätter respektive äganderätter. 7 Andelen som bor i flerbostadshus består av andelen som bor i hyresrätter respektive bostadsrätter. I klusteranalysen skulle dessa två variabler kunna ingå istället för andelen som bor i flerbostadshus. Andelen boende i bostadsrätter varierar dock tämligen lite i jämförelse med andelen som bor i hyresrätter vilket medför att de inte bidrar i så stor utsträckning till analysen. 18

20 Andelen varierar betydligt mellan kommunerna. Högst andel återfinns i länets centrala delar samt i Södertälje. De lägsta andelarna återfinns i Vallentuna och Täby vilka båda har en andel boende i hyresrätter som understiger 10 procent. Diagram 11: Andel av de boende som bor i hyresrätter efter kommun år % 80% Procentuell andel 60% 40% 20% 0% Vallentuna Täby Österåker Värmdö Ekerö Norrtälje Danderyd Nykvarn Salem Tyresö Nacka Haninge Upplands-Bro Vaxholm Sollentuna Järfälla Huddinge Nynäshamn Lidingö Sigtuna Botkyrka Upplands Väsby Stockholm Södertälje Solna Sundbyberg För upplåtelseformen bostadsrätter är den regionala variationen betydligt mindre. I diagrammet nedan visas andelen boende i kommunerna som bor i bostadsrätter. Som lägst är andelen i Nykvarn med 6,5 procent av befolkningen boende i bostadsrätter. Störst andel återfinns i Solna där 41,9 procent av befolkningen bor i bostadsrätter. Diagram 12: Andel av de boende som bor i bostadsrätter efter kommun år % 80% Procentuell andel 60% 40% 20% 0% Nykvarn Ekerö Österåker Södertälje Danderyd Vaxholm Värmdö Nynäshamn Sundbyberg Upplands Väsby Norrtälje Lidingö Tyresö Salem Huddinge Botkyrka Sollentuna Haninge Nacka Täby Sigtuna Upplands-Bro Vallentuna Stockholm Järfälla Solna 19

21 4 Beräkning av boendetätheter på basområdesnivå Ansatsen i tidigare års befolkningsprognoser för Stockholms län bygger i huvudsak på fyra grundläggande antaganden om bostadsmarknaden. Det första är att länets befolkningstillväxt begränsas av det planerade bostadsbyggandet. Det vill säga ökningen i folkmängden kan inte öka med mer än att det nyproduceras bostäder för att täcka efterfrågan. Det andra antagandet är att varje bostad som byggs fylls upp, det vill säga inga nyproducerade bostäder förblir obebodda. Det tredje antagandet är att antalet boende per bostad i det befintliga bostadsbeståndet är konstant under hela prognosperioden och densamma som under det senast observerbara året. Genom detta antagande undviks de befolkningsförändringar som kommer av ändringar i antalet boende per bostad i det befintliga bostadsbeståndet. Det fjärde antagandet är att antalet boende per bostad i nyproducerade lägenheter är densamma som i det befintliga bostadsbeståndet och konstant under prognosperioden. Antalet boende per bostad beräknas därefter utifrån antalet boende i länet som andelen av det skattade antalet bostäder. Inför år 2004 befolkningsprognos var denna andel 2,1 personer per bostad. Resultaten som presenterats i föregående avsnitt indikerar att det finns avsevärda variationer mellan områden, bostadstyper och bostadsstorlekar. Detta tyder i sin tur på att den använda metodiken kan förbättras genom att utveckla en modell där dessa egenskaper hos de nyproducerade bostäderna explicit beaktas. I detta avsnitt beskrivs en metod för att skatta boendetätheter för nyproducerade bostäder på basområdesnivå. Utöver detta ges även en beskrivning av hur antalet boende i nyproducerade bostäder beräknas och hur detta påverkar prognosresultaten i jämförelse med tidigare använd prognosmetodik. Metodiken har implementerats i befolkningsprognosmodellen för Stockholms län och användes för första gången i år. Resultaten från prognosen redovisas i RTK:s Gula serie, Rapport 7:2004. Det bör noteras att avsnitt 4.3 är något tekniskt men att de avsnitt som följer på detta är skrivna så att avsnitt 4.3 kan hoppas över utan att detta inverkar på förståelsen. 20

22 4.1 Varför en modellbaserad ansats? Ett tänkbart sätt att skatta boendetätheter för olika områden och typer av fastigheter är att utgå från data på basområdesnivå och beräkna den genomsnittliga boendetätheten för respektive område efter fastighetstyp och upplåtelseform. Ett problem med denna ansats är att antalet kombinationer av basområden, fastighetstyper och upplåtelseformer blir så stort att datamaterialet troligtvis inte räcker till för att täcka alla kombinationer. För de kombinationer där data finns kommer i många fall beräkningarna att baseras på få observationer vilket gör estimaten osäkra. Genom att istället använda en ansats baserad på en statistisk modell är det möjligt att reducera antalet parametrar som behöver skattas. Samtidigt får man ett verktyg för att bedöma vilka kombinationer av förklarande variabler som är viktiga att göra särskilda skattningar för. Det reducerade antalet skattade parametrar minskar även den statistiska osäkerheten för parametrarna, givet att modellen är korrekt formulerad. 4.2 Inledande databearbetningar Inför arbetet med att söka efter en lämplig statistisk modell utförs ett antal bearbetningar av datamaterialet vilket omfattar data för olika typer av fastigheter aggregerat till basområdesnivå. Endast data avseende statistikåret 2002 används, detta för att undvika den komplexitet som följer med att en och samma fastighet kan observeras vid flera olika tillfällen över åren. Däremot används data avseende fastigheter med olika ålder, detta trots att modellen endast är avsedd att prediktera boendetätheten i nybyggda fastigheter. Genom att inkludera fastighetens ålder som en term i den statistiska modellen justerar man för detta i den slutgiltiga formuleringen av modellen. Från datamaterialet exkluderas sådana fastigheter som har en registrerad total bostadsyta på noll kvadratmeter. Även fastigheter med orimligt stor eller liten boendetäthet exkluderas. Därefter tas ytterligare ett antal observationer bort där upplåtelseformen eller fastighetsåldern är okänd. Efter dessa bearbetningar finns av de ursprungligen observationerna kvar. 4.3 Val av modell Ett första naturligt alternativ är att modellera boendetätheten genom ordinär linjär regression då boendetäthet, uttryckt som antal individer per bostadsyta, är en kontinuerlig variabel. Att denna modell inte väljs beror i första hand på att prediktion av negativa boendetätheter inte utesluts. 21

23 En alternativ ansats är att istället använda antalet boende som den förklarande variabeln. Eftersom denna variabel är diskret är det lämpligt att använda en modell ur klassen av generaliserade linjära modeller då fördelningen av antalet boende per fastighet approximativt är Poissonfördelad. Modellen kan formuleras som µ A i log = α + βxi log( µ A ) = log( µ S ) + α + βx i i i, (1) µ Si där µ A betecknar förväntat antal boende för observation 8 i, i Si µ betecknar den summerade bostadsytan och x i betecknar samtliga förekommande förklarande variabler i modellen. α utgör modellens intercept. Det grundläggande antagandet om fördelningen kan formuleras som i i ( ) A x ~ Poisson µ, (2) A i det vill säga antalet boende för den i:te observationen, A i antas vara en Poissonfördelad variabel med väntevärde µ A betingat på de förklarande variablerna. Observera den omskrivning i av modellens högerled som görs i ekvation 1 där den förklarade variabeln omvandlas från den logaritmerade förväntade boendetätheten till det logaritmerade förväntade antalet boende. Termen log ( µ Si ) kallas modellens offset och indikerar att det förväntade antalet boende står i direkt proportion till den summerade bostadsytan 9. Utifrån den i ekvation 1 formulerade modellen genomförs ett modellsökningsarbete där fastighetens ålder, kommuntillhörighet, planområdestillhörighet, fastighetstyp och upplåtelseform beaktas. Notera att båda de regionala indelningarna inte används samtidigt. I Poissonmodellen skall variansen för antalet boende vara lika med dess medelvärde. I datamaterialet är dock variansen betydligt högre än medelvärdet. Detta fenomen, som benämns överspridning 10, innebär att standardfelen för modellens skattade parametrar underskattas och kan i sin tur leda till en felaktig inferens, till exempel felaktigt val av slutlig modell. För att hantera detta problem användes två olika ansatser. I den första utökas Poissonmodellen med ytterligare en term som inte påverkar den förklarade variabelns väntevärde men som verkar som en multiplikator på variansen. Termen är konstant i den meningen att den inte är be- 8 En observation kan bestå av flera fastigheter med identiska värden på de variabler som används i analysen. 9 Denna modellformulering är vanlig vid analys av intensitetsdata genom Poissonregression. Responsvariabeln avser då typiskt antalet händelser av ett visst slag, t.ex. dödsfall, och offsetvariabeln den summerade exponeringstiden (se t.ex. Agresti, A. (1990) Categorical Data Analysis). 10 På engelska overdispersion, se t.ex. McCullagh, P. och Nelder, J.A. (1989) för en mer utförlig diskussion om begreppet och metoder för estimation av modeller under beaktande av överspridning. 22

24 roende av någon av de förklarande variablerna. I den andra ansatsen ansätts en annan modell ur klassen generaliserade linjära modeller där den förklarade variabeln istället antas följa en negativ binomialfördelning. Modellen kan ses som en generalisering av Poissonmodellen där en stokastisk term adderas till modellens högerled. Den nya formuleringen ges av ( µ A ) = log( µ S ) + α + βxi + σε i log, (3) i i där A i antas vara Poissonfördelad med väntevärde µ A betingat på ε i i. Vidare antas exp( ε i ) vara gammafördelad vilket gör att marginalfördelningen för A i är negativ binomial. Variansen för A i antas inte längre vara identiskt lika med väntevärdet utan ges av V 2 ( A i ) µ + kµ Ai =. Ai Samtliga testade modeller innehåller variablerna fastighetsålder, fastighetstyp, ägarkategori och en av de geografiska indelningsvariablerna. Utöver detta testas även modeller med en interaktionsterm mellan fastighetstyp och ägarkategori. Samtliga modeller visar också god anpassning till data i termer av mått för goodness-of-fit. Vid utvärdering av modellernas prediktionsförmåga används ett antal olika mått som väger olika typer av avvikelser olika tungt 11. Till exempel väger enstaka stora avvikelser tyngre då den genomsnittliga kvadrerade avvikelsen betraktas jämfört med den genomsnittliga absoluta avvikelsen. Något som även beaktas är modellernas förmåga att göra bra prediktioner för fastigheter med låg ålder jämfört med hög ålder. Detta då den slutliga användningen för modellen begränsas till bostäder med ålder noll, det vill säga bostäder som byggs under året. Bland de modeller som beaktas är skillnaderna små i termer av dataanpassning och prediktionsfel. Bland Poissonmodellerna förekommer dock i vissa fall enstaka mycket stora residualer. Den modell som väljs är den som baseras på antagandet om en negativ binomialfördelning för antalet boende och innehåller samtliga förklarande variabler inklusive interaktionstermen mellan fastighetstyp och ägarkategori samt regional indelning baserad på kommuner. 11 Under arbetet med att välja modell delas datamaterialet slumpmässigt i två delar; en som används för anpassning av modeller och en som används för utvärdering av modellernas prediktionsförmåga. Metodiken kan sägas vara en något förenklad variant av så kallad korsvalidering, som används för att undvika överanpassning av modeller vilket annars är en fara då stora datamängder används. Skattningar av den slutligen utvalda modellens parametrar baseras dock på hela datamaterialet. 23

25 4.4 Den skattade modellen I det följande presenteras resultatet av modellskattningen. I tabellbilagan återfinns en fullständig beskrivning av modellens skattade parametrar. Här ges endast en översikt av resultaten för de olika variablerna fastighetens byggår/ålder, kommuntillhörighet, och upplåtelseform i kombination med fastighetstyp. De resultat som presenteras är relativa skillnader i den förväntade boendetätheten för olika värden på en förklarande variabel. Som ett exempel ger fastigheter som är 0 år gamla 13,9 procent lägre boendetäthet än för 13 år gamla fastigheter. Detta underlättar förståelsen av parametrarnas betydelse då de enskilda parameterestimaten i sig är svårtolkade. Tabellen nedan visar resultatet av skattningar av parametrarna som beskriver fastigheternas ålder. I tabellen är fastigheter med byggår 1989 eller tidigare referenskategori och alla jämförelser utgår från denna kategori. Den sista kolumnen visar den relativa skillnaden i förväntad boendetäthet för fastigheter med olika byggår i förhållande till fastigheter med byggår 1989 eller tidigare. Denna avvikelse gäller dock endast under förutsättning att övriga förklarande variabler konstanthålls. Tabell 6: Den skattade relativa skillnaden i boendetäthet efter ålder på fastigheterna Fastighetens ålder Fastighetens byggår Relativ skillnad i boendetäthet ,9% ,7% ,4% ,4% ,4% ,1% ,8% ,7% ,3% ,4% ,8% ,7% ,9% eller tidigare 0,0% I förhållande till fastigheter som byggts 1989 eller tidigare är den förväntade boendetätheten i fastigheter som är byggda under ,9 procent lägre än de 13 år gamla. Vidare framgår ett mönster där boendetätheten blir högre med stigande ålder på fastigheten, med vissa undantag. I tabellen nedan visas den relativa skillnaden i boendetäthet för Stockholms läns kommuner. I tabellen är Österåker referenskategori för variabeln kommun vilket gör att alla tolkningar görs 24

26 i förhållande till Österåker. Den lägsta förväntade boendetätheten återfinns i Danderyd där boendetätheten är 14,8 procent lägre än i Österåker. Den högsta förväntade boendetätheten finns i Haninge med 9,4 procent högre boendetäthet än i Österåker, allt annat lika. Tabell 7: Den skattade relativa skillnaden i boendetäthet för olika kommuner Kommun Relativ skillnad i boendetäthet Danderyd -14,8% Lidingö -10,7% Norrtälje -2,4% Täby -2,2% Vaxholm -1,4% Sollentuna -0,9% Österåker 0,0% Salem 1,7% Nynäshamn 1,8% Sigtuna 2,1% Nacka 2,5% Ekerö 2,7% Stockholm 3,9% Upplands-Bro 3,9% Sundbyberg 4,5% Värmdö 5,3% Järfälla 5,4% Solna 5,5% Södertälje 5,5% Vallentuna 5,6% Huddinge 7,3% Nykvarn 7,5% Upplands Väsby 8,2% Botkyrka 8,6% Tyresö 9,1% Haninge 9,4% För variablerna fastighetstyp och upplåtelseform innehåller modellen både huvudeffekter och interaktionseffekter. Detta medför att alla tolkningar av resultaten måste beakta dessa effekter samtidigt. Tabellen nedan redovisar skattningar för olika kombinationer av upplåtelseformer och fastighetstyper där småhus som är äganderätter utgör referenskategori. 25

27 Tabell 8: Den skattade relativa skillnaden i boendetäthet för olika kombinationer av fastighetstyper och upplåtelseformer Fastighetstyp Upplåtelseform Småhus Flerbostadshus Bostadsrätt 15,0% -2,3% Hyresrätt -8,7% 11,5% Äganderätt 0,0% - Högst är boendetätheten i de småhus som är bostadsrätter, där är boendetätheten 15,0 procent högre än för småhus som är äganderätt. Lägst är den i de småhus som är hyresrätter, där är boendetätheten 8,7 procent lägre än i referenskategorin. Detta kan dock ha sin förklaring i hur kategorin hyresrätt är definierad. I datamaterialet rymmer kategorin även fastigheter som ägs av bland andra staten eller kyrkan vilka till exempel upplåts som hyresrätter för gästforskare. Intressant att notera är den relativt stora skillnaden i boendetäthet för de olika upplåtelseformerna i flerbostadshus. För denna fastighetstyp är boendetätheten 2,3 procent lägre i bostadsrätter än i referenskategorin medan den i hyresrätter är 11,5 procent högre. 4.5 Prognos av antal boende i nyproducerade bostäder Beräkningen av hur många boende det kommer att finnas i nyproducerade bostäder i länet baseras dels på den byggprognos som görs av Temaplan på uppdrag av Statisticon AB, dels på den ovan beskrivna modellen. Prognosen av bostadsbyggandet ger uppgifter om antalet nya bostäder som förväntas byggas i respektive basområde i länet, dessa bostäders storlek uttryckt i antal kvadratmeter, deras upplåtelseform och fastighetstyp. Vissa justeringar görs dock av informationen i byggprognosen beträffande upplåtelseform och fastighetstyp. I byggprognosen antas samtliga småhus vara äganderätter. Av datamaterialet framgår att det i vissa kommuner finns en betydande andel småhus som är hyresrätter respektive bostadsrätter. När så är fallet antas det prognostiserade antalet småhus fördelas mellan ägande-, hyres- och bostadsrätter enligt den observerade fördelningen av småhus byggda under den senaste 12-års period i kommunen. Vidare omfattar byggprognosen specialbostäder, till exempel student- och äldreboenden, för vilka inga modellskattningar har kunnat göras då specialbostäder inte ingår i datamaterialet. I sådana bostäder antas därför boendetätheten vara densamma som för hyresrätter i flerbostadshus. Vid beräkningen sätts bostädernas ålder till noll under det planerade byggåret. Ett grundläggande antagande för prognosen är att boendetätheten i bostäderna är konstant över tiden. Detta gäller både den vid prognosens basår befintliga bostadsstocken och den tillkommande. Ing- 26

28 en ansats görs därför att försöka beskriva hur individuella bostäders boendetäthet utvecklas över tiden. Prediktionerna av antalet boende görs för varje bostad som förväntas byggas under den kommande 10-års perioden, eller snarare grupp av bostäder. Med grupp av bostäder avses de bostäder för vilka variablerna basområde, byggår, fastighetstyp och upplåtelseform sammanfaller. För varje sådan grupp av bostäder beräknas det förväntade antalet boende utifrån den skattade modellen och värdet på de förklarande variablerna. Här inkluderas således uppgifter om bostädernas bostadsyta, deras upplåtelseform, fastighetstyp, byggår och inom vilket basområde bostäderna är belägna. I syfte att utföra en viss rimlighetskontroll av det beräknade antalet boende i varje grupp av bostäder utnyttjas det faktum att prognosen av nyproduktion av bostäder i Stockholms län innehåller uppgifter om både antal bostäder och summerad bostadsyta för varje grupp av bostäder. Detta möjliggör en beräkning av det genomsnittliga antalet boende per bostad i länet. Det visar sig här att det genomsnittliga antalet boende per bostad i vissa fall understiger 1 boende per bostad vilket är orimligt. Problemet uppkommer i de kommuner som bygger specialbostäder där samtidigt den genomsnittliga boendetätheten är mycket låg. Hit hör ett antal specialbostäder som planeras i Danderyds kommun som har den lägsta genomsnittliga boendetätheten bland länets kommuner samtidigt som de i särklass har de största bostäderna mätt i antal kvadratmeter bostadsyta per bostad. Eftersom specialbostäderna normalt är små predikteras i vissa fall mindre än en boende per bostad, vilket förstås är orimligt. I de fall där färre boende än en person per bostad har predikterats så har dessa i modellen bytts ut mot en person per bostad. I diagrammet nedan visas fördelningen av nyproducerade bostäder efter det genomsnittliga antalet boende per nyproducerad bostad under perioden i Stockholms län. Varje stapel visar hur stor andel av de nyproducerade bostäderna som har den på x-axeln redovisade genomsnittliga boendetätheten. Som exempel så är boendetätheten i genomsnitt 1,8-1,9 boende per bostad i drygt 25 procent av de nyproducerade bostäderna under perioden Diagrammet visar på tre separata kluster av det genomsnittliga antalet boende per bostad. Det första klustret innehåller en boende per bostad vilket mestadels utgörs av de specialbostäder för vilken den modellbaserade prediktionen justerats. Det andra klustret är centrerat kring 1,85 boende per bostad och utgörs nästan uteslutande av bostadsrätter och hyresrätter i flerbostadshus. Det tredje klustret centreras kring 2,75 boende per bostad och utgörs uteslutande av boende i småhus fördelade på upplåtelseformerna äganderätter, bostadsrätter eller hyresrätter. 27

29 Diagram 13 Fördelning av antalet nyproducerade bostäder efter genomsnittligt antal boende per bostad i Stockholms län under perioden ,0-1,1 1,1-1,2 1,2-1,3 1,3-1,4 1,4-1,5 1,5-1,6 1,6-1,7 1,7-1,8 1,8-1,9 1,9-2,0 2,0-2,1 2,1-2,2 2,2-2,3 2,3-2,4 2,4-2,5 2,5-2,6 2,6-2,7 2,7-2,8 2,8-2,9 2,9-3,0 3,0-3,1 3,1-3,2 3,2-3,3 Procentuell andel Genomsnittligt antal boende I tidigare befolkningsprognoser har befolkningsutvecklingen i Stockholms län till stor del styrts av hur många bostäder som beräknats komma att nyproduceras samt av ett antagande att det i genomsnitt flyttar in 2,1 boende per person i varje bostad. Antagandet bortser från bostadens belägenhet, dess storlek, fastighetstyp och upplåtelseform. Diagrammet ovan är en tydlig illustration av att antagandet är missvisande. Dessutom blir felet sannolikt relativt sett större för små områden jämfört med större eftersom antalet representerade bostadstyper inom ett område är färre i mindre områden. Genom den nya beräkningsmodellen kan dessa problem nu undvikas. 4.6 Effekter av den nya modellen på befolkningsprognosen Statisticons prognoser för Stockholms län avser länet, dess kommuner och basområden. Uppgifter om det prognostiserade byggandet och dess antagna effekter på antalet tillkommande individer används för samtliga prognosnivåer. De modellbaserade prediktionerna av antal boende i nybyggda bostäder görs utifrån information om varje enskilt objekt i byggprognosen, det vill säga varje separat planerad bostad. Dessa prediktioner avser alltså i första hand basområden men summeras sedan till kommun- och länsnivå för användning i prognosmodellerna. Jämför man prognosresultaten från den tidigare metoden och de från den nya så ger de nya antagandena en något lägre genomsnittlig boendetäthet i nybyggda bostäder. Detta ger i sin tur en något långsammare befolkningsutveckling under prognosperioden. En prognos baserad på den gamla metoden ökar befolkningen under prognosperioden med

30 individer på grund av nyproduktion av bostäder. Enligt de nya antagandena ökar befolkningen med personer, det vill säga individer färre, vilket motsvarar en minskning på 9,1 procent. I den utsträckning egenskaperna hos de befintliga och nyproducerade bostäderna skiljer sig åt kan man förvänta sig att den nya modellbaserade ansatsen ger en bättre uppfattning om befolkningsutvecklingen eftersom den explicit beaktar egenskaperna i nyproduktionen. Detta gäller inte minst den justering som görs för skillnader i boendetäthet som kan observeras mellan bostäder som byggts under tidigt 90-tal och under tidigt 2000-tal. Nedjusteringen av ökningen i folkmängden som följer med byte av modell stämmer överens med det faktum att bostäder byggda under senare år tenderar att ha en lägre boendetäthet jämfört med den äldre bostadsstocken. Av tabellen nedan framgår de modellbaserade prediktionernas effekter på befolkningsprognosen för kommunerna i Stockholms län i förhållande till det tidigare använda antagandet. Resultaten från den tidigare metoden är approximativa i den meningen att befolkningsutvecklingen endast är baserad på hur byggandet kommer att utvecklas under prognosperioden. För att få en fullständig bild måste även påverkan från den naturliga folkökningen och flyttningar inkluderas. Tabellen är sorterad efter relativa differenser mellan ansatserna så att de kommuner som får de relativt sett största ökningarna av de nya antagandena ligger sist i tabellen. Tabellen visar att effekten av de nya antagandena är relativt stor för vissa kommuner. För Danderyd är minskningen 31,8 procent jämfört med den tidigare ansatsen. Minskningen består av en kombination av låg genomsnittlig boendetäthet i kommunen samt en hög andel specialbostäder bland de nyproducerade bostäderna. Det kan noteras att andelen specialbostäder är relativt hög även i Solna. 29