Byggandets påverkan på prognos och befolkningsutveckling Modeller. Michael Franzén Metodenheten för individ- och hushållsstatistik

Transkript

1 Byggandets påverkan på prognos och befolkningsutveckling Modeller Michael Franzén Metodenheten för individ- och hushållsstatistik

2 Inledning Byggplanens påverkan på kommunernas prognosresultat Byggandets påverkan på befolkningsförändringen i kommunerna de senaste 35 åren

3 Byggplanernas påverkan i prognosen - inflyttningsmodell Inflyttningen i prognosen skattas med en linjär regressionsmodell: Inrikes inflyttade = β 0 + β 1 nya lgh i flerbostadshus + β 2 nya lgh i småhus + β 3 inrikes utflyttade + β 4 döda + β 5 födda Fördelningsmodell allokerar inflyttare utifrån värden på variabler i modellen Baseras på data från 1975 och framåt (Nykvarn från 1998)

4 Olika prognosscenarier Försöka få en bild av hur avvikelser från planerna påverkar kommunprognoserna Justeringar av lagda byggplaner i inflyttningsmodellen i prognosen Om ingen kommun bygger någonting Om den egna kommunen inte bygger men övriga bygger enligt plan Jämförelser av befolkningsmängder år 2019 Förändring i en kommun påverkar övriga kommuner

5 Olika prognosscenarier om ingen kommun bygger Botkyrka Danderyd Ekerö Haninge Huddinge Järfälla Lidingö Nacka Norrtälje Nykvarn Nynäshamn Salem Sigtuna Sollentuna Solna Stockholm Sundbyberg Södertälje Tyresö Täby Upplands-Bro Upplands Väsby Vallentuna Vaxholm Värmdö Österåker -15% -10% -5% 0% 5%

6 Olika prognosscenarier om ingen kommun bygger befolkningsförändring per bostad Botkyrka Danderyd Ekerö Haninge Huddinge Järfälla Lidingö Nacka Norrtälje Nykvarn Nynäshamn Salem Sigtuna Sollentuna Solna Stockholm Sundbyberg Södertälje Tyresö Täby Upplands-Bro Upplands Väsby Vallentuna Vaxholm Värmdö Österåker -1,00-0,75-0,50-0,25 0,00 0,25 0,50 0,75 1,00 1,25 1,50

7 Olika prognosscenarier om den egna kommunen inte bygger Kommun Huvudalternativet Prognos utan byggande för respektive kommun Differens (alternativ prognos - huvudalternativet) Differens i procent Botkyrka ,5 Danderyd ,6 Ekerö ,1 Haninge ,7 Huddinge ,6 Järfälla ,8 Lidingö ,3 Nacka ,7 Norrtälje ,1 Nykvarn ,7 Nynäshamn ,9 Salem ,1 Sigtuna ,1 Sollentuna ,1 Solna ,3 Stockholm ,2 Sundbyberg ,4 Södertälje ,5 Tyresö ,1 Täby ,4 Upplands-Bro ,0 Upplands Väsby ,8 Vallentuna ,4 Vaxholm ,9 Värmdö ,0 Österåker ,3

8 Sammanfattning Vissa kommuner påverkas väldigt lite av förändringar i byggplanen i prognosen andra relativt mycket Omfattande byggplaner påverkar inflyttningen (positivt) i prognosen dock inte entydigt då det också beror på hur starkt samband mellan inflyttningen och nybyggnation varit tidigare

9 Byggandets påverkan på befolkningsutvecklingen Hur påverkas befolkningsförändringen av byggandet av bostäder? Beskriva befolkningsförändringen i termer av byggnation i stället för demografiska variabler Linjära regressionsmodeller (likt inflyttningsmodellen i prognosen)

10 Linjär regressionsmodell Befolkningsökning = Inflyttning Utflyttning + Födda - Döda Befolkningsökning = Byggvariabler

11 Olika byggvariabler Nybyggnation, lägenheter i nyproducerade småhus och flerbostadshus Fördröjningseffekter nyproduktion 1-3 år tillbaka Gamla beståndet lägenheter i det befintliga beståndet av småhus och flerbostadshus Nybyggnation i övriga länet Data från 1975 och framåt (samma som för inflyttningsmodellen) Framtagning av bästa modeller bl a med stegvis regression

12 Karta

13 Resultat exempel Solna Befolkningsförändring Predikterat värde Befolkningsökning = ,5 8,88 nya lgh i småhus + 0,09 nya lgh i flerbostadshus i övriga länet 0,58 nya lgh i flerbostadshus för 2 år sen 10,13 nya lgh i småhus för 1 år sen 7,83 nya lgh i småhus för 3 år sen + 22,59 gamla lgh i småhus Förklaringsgrad (R2-adj):92 %

14 Resultat exempel Värmdö Befolkningsförändring Predikterat värde Befolkningsökning = 1 767,4 + 1,12 nya lgh i flerbostadshus för 1år sen 0,28 gamla lgh i flerbostadshus Förklaringsgrad (R2-adj): 22 %

15 Resultat exempel Stockholm Befolkningsförändring Predikterat värde Befolkningsökning = ,7 + 1,17 nya lgh i flerbostadshus 2,11 nya lgh i småhus i övriga länet + 0,73 gamla lgh i flerbostadshus 11,37 gamla lgh i småhus Förklaringsgrad (R2-adj): 82 %

16 Sammanfattning Väl anpassade modeller starkt samband mellan byggnation och befolkningsförändring Vaxholm, Solna, Norrtälje, Stockholm Dåligt anpassade modeller svagt samband mellan byggnation och befolkningsförändring Nynäshamn, Värmdö, Sigtuna Hur byggkänsliga kommunerna är varierar ======================================= Svårtolkade modeller Få observationer Starkt samband eller inte - man kan inte bo där det inte finns bostäder viktigt på plan- och basområdesnivå

17 Frågor Kontakta Michael Franzén