RAMS 30 år. Användning av registerbaserad arbetsmarknadsstatistik i gränsregionen Skåne. Christian Lindell christian.lindell@skane.

Transkript

1 RAMS 30 år Användning av registerbaserad arbetsmarknadsstatistik i gränsregionen Skåne Christian Lindell christian.lindell@skane.se

2 Varför RAMS? Enkelt lokaliseringsbar information skillnad från ekonomiska data på företagsnivå som måste fördelas på arbetsställen När vi väl vet lokalisering och bransch på de sysselsatt kan ytterligare info länkas yrke, bransch, ålder, inkomst BRP och andra ekonomiska data har längre eftersläpning och det saknas regionala deflatorer

3 Varför inte AKU? 620 Sysselsatta i Skåne enligt AKU,

4 Problem med AKU Bra för att mäta nationella förändringar, men urvalen är inte designade för att mäta regionala förändringar Går att få lite bättre precision med regionala estimatorer Urvalsundersökning, det går inte att länka individdata

5 Skåne en gränsregion

6 RAMS i gränsregioner en utmaning Inga gränspendlare i RAMS. Bortfall på knappt personer 2013 (Sv -> Dk) och ca (Dk -> Sv) Då pendlarna inte syns i RAMS går det inte att länka på andra variabler, till exempel inkomster, daglönesummor. Hushåll där en eller flera familjemedlemmar arbetar i Danmark framstår som väldigt fattiga!

7 Kraftigt ökad pendling efter bron From Öresund SE till Öresund DK From Öresund DK till Öresund SE

8 Några exempel på när det blir fel

9

10 Ytterligare exempel Nattlönesumma i Skåne (2010): Officiellt 153,4 miljarder kronor. Inkl. pendling t. Danmark: 161,6 miljarder kronor. Unga som varken arbetar eller studerar, år (2010): Skåne 23,3 %, Malmö 29,5 %. Inkl. pendlare 20,0 % resp. 22,8 % År 2010 saknade av Malmös invånare mellan år skattepliktig inkomst av dem hade i själva verket inkomst i Danmark.

11 Folkhälsoinstitutet publicerade data över barnfattigdom på stadsdelar i Malmö. Tar man inte hänsyn till pendlare blir det konstigt. Barn 0-17 år i Malmö. Barn med låg inkomststandard som har förälder som arbetar i Danmark år 2007 (Minst en av föräldrarna har en inkomst från Danmark över SEK). Andel (%) barn med Andel (%) barn med Inkomststandard under 1.0 Inkomststandard under 1.0 Kommun/stadsdel (Samtliga familjer) (Exklusive föräldrar sysselsatta i DK) Differens (%) Malmö 18,9 15,6 3,3 Centrum 15,3 11,5 3,9 Fosie 25,6 21,3 4,3 Husie 6,6 4,4 2,1 Hyllie 18,5 15,2 3,3 Kirseberg 16,1 13,8 2,4 Limhamn-Bunkeflo 7,1 3,7 3,4 Oxie 12,2 5,1 7,1 Rosengård 39,8 37,4 2,3 Södra Innerstaden 27,1 24,7 2,3 Västra Innerstaden 9,4 6,9 2,5 Övriga NYKO 74,4 73,3 1,1 Källa: SCB. Beräkningar av Region Skåne

12 Lösning: Örestat

13 Örestat Har varit i drift sedan början av 2000-talet Redovisar gränsregional statistik inom bland annat pendling, sysselsättning, arbetslöshet, företagande, utbildning, regionalekonomi En individdatabas över flyttare och pendlare åtkomlig för forskningsändamål Har utvecklats via Interregprojekt. Driften betalas av Region Skåne och via driftsanslag till Danmarks statistik. Borde vara ett nationellt intresse att producera tillförlitlig gränsstatistik!

14

15 Några exempel på användning av RAMS i Region Skåne

16 Hur fördelar sig befolkningen på olika aktiviteter?

17 RegLab projekt om matchningsindikatorer SCB var utförare Aktiviteter i RAMS, kompletterat med utbildningsregistret, aktiviteter i RAMS och AF statistik

18 100% Arbetsmarknadsstrukturen i storstadsregionerna och riket 2012, befolkning år 90% 16% 14% 14% 14% 80% 70% 4% 6% 2% 4% 4% 4% 4% 4% 5% 5% 3% 3% 2% 4% 4% 4% Övriga ej i arbetskraften 60% Studerande, ej förvärvsarbetande 50% Inskrivna arbetslösa AF 40% 30% 67% 72% 71% 71% Studerande förvärvsarbetande (inkl gränspendlare) Egenföretagare Anställda 20% 10% 0% Skåne Stockholm Västra Götaland Riket

19 Vilka utbildningsgrupper behövs i framtiden?

20 Pendlingen påverkar prognosförutsättningarna Region Skåne har upphandlat en prognosmodell för Öresundspendling som kalibreras med individdata för flyttning och pendling över sundet. Prognosen tar hänsyn till att vi har en stor nettopendling till Danmark

21 Prognos: Grundskollärare, tidigare år (-1 600) UTFALL PROGNOS Arbetskraften Tillgång Förvärvsarbetande Efterfrågan 0

22 Hur långt kan man nå med kollektivtrafik?

23 En transregional tillgänglighetsmodell

24 Men det finns saker danskarna kan göra som vi inte kan

25 E-inkomst möjliggör snabb registerstatistik! Pendling från Sverige till Danmark efter kvartal och månatlig arbetstid K1 2012K2 2012K3 2012K4 2013K1 2013K2 2013K3 2013K4 2014K1 2014K2 2014K3 2014K4 2015K1 Under 75 timer timer Over 150 timer Källa: Örestat

26 E-inkomst Månatlig rapportering av individuella kontrolluppgifter Finns i Danmark. Statistik levereras sedan Skulle införas av förra regeringen, men stoppades, då uppgiftslämnarbördan ansågs för stor Återigen aktuell. Främsta argument är inte statistik utan kontroll och förhindrande av fusk Kan ersätta relativt skakiga AKU-mätningar på regional nivå

27 Var tog personalen vägen efter nedläggningen av AstraZeneca i Lund 2011?

28 Pågående studie Hur många stannade i Skåne? Hur många började pendla eller flyttade till Danmark? Hur många bytte bransch / yrke?

29 Eventuell framtida studie: Vilka branscher delar på samma kompetensbas?

30 Relatedness Klusterstudie från 2008 (Henning, Neffke) Mäter hur de sysselsatta rör sig mellan olika branscher Ger nya perspektiv i utvecklingsdiskussionen om kluster. Kluster -> värdekedja inkl. stödjande branscher Relatedness -> gemensam kompetensbas som delas av olika branscher

31

32 Tack för intresset!