Flexibelt startår i Raps - Förutsättningar och vägledning vid modellvalidering och kontrafaktisk analys

Relevanta dokument
Balans mellan sysselsatt dag- och nattbefolkning Analys och reviderad modellspecifikation

Nya socioekonomiska indata gällande fr.o.m. 1 april 2016: En sammanfattande beskrivning av hur indata tagits fram

Funktionskontroll på OS X Raps modellsystem och modellmiljö

Beskrivning av raps. Delmodell 5 Eftermodell kommun. Peter Almström & Greger Lindeberg WSP Analys & Strategi

Att göra r A p s - p r o g n o s e r

Flerregionalt scenario Framskrivning av regional utveckling baserad på Konjunkturinstitutets Referensscenario från september 2018

Raps 5.0 Uppdatering av modellsamband arbetsmarknad dokumentation och diskussion

Befolkning, sysselsättning och ekonomisk utveckling i Östra Mellansverige

Regionalekonomi i Raps 5.0 Statistik, modellberäkning och vägledning

RAPPORT. Hur kan lågkonjunkturens regionala verkningar modelleras

Indata till trafikmodeller för prognosår 2030 och 2050 ett sammandrag

Vad kostar det låga bostadsbyggandet?

Revidering av socioekonomiska indata 2030 och 2050 avseende förvärvsarbetande nattbefolkning och förvärvsinkomster per kommun och SAMS-område

Planeringsfolkmängd i Gävle kommun år 2030

Regionalekonomi i Raps 5.0 Statistik, modellberäkning och vägledning

Statistik. om Stockholms län och region. Befolkningsprognos 2006 för perioden

Befolkningsutveckling 2018

Befolkning, sysselsättning och inkomster i Östra Mellansverige

En beskrivning av hur Konjunkturinstitutet beräknar potentiell BNP

Validering av befolkningsprognos för Vilhelmina. Att göra en befolknings-prognos i raps

Socioekonomiska indata för prognosår 2040 och 2060 teknisk dokumentation för indata till Samgods och Sampers, TRV 2015/81019

Planeringsfolkmängd i Gävle kommun för år 2030

Tillväxt och utvecklingspotential i Mittstråket Sundsvall Östersund Trondheim

I n n e h å l l. 4 Regional ekonomi Beskrivning av en regions utveckling Att installera raps programvara...61

SYSSELSÄTTNINGSEFFEKTER AV ETABLERING AV ANSTALT. Christian Skarman

Beskrivning av raps. Delmodell 3 Regionalekonomi. Peter Almström & Greger Lindeberg WSP Analys & Strategi

Att göra regionalt a n p a s sade p r o g n o s e r

BEFOLKNINGS- PROGNOS

En beskrivning av hur en raps-framskrivning på FA-nivå kan brytas ner till kommunnivå. Working paper/pm 2011:33

GEORANGE Kan nya gruvor vända befolkningsutvecklingen?

Prognos över vattenuttag och vattenanvändning med redovisning på vattendistrikt

En sammanfattning av Arbetsmarknadsutsikterna hösten 2016 Norrbottens län

Beräkning av behovet av nya bostäder Öppet forum för boendeplanering 21 september Bengt J Eriksson, analytiker

RAPPORT. Regionalekonomiska effekter av nya gruvor i Pajala. Christer Anderstig och Anders Wigren. Analys & Strategi

Beskrivning av raps. Delmodell 2 Arbetsmarknad. Peter Almström & Greger Lindeberg WSP Analys & Strategi

Befolkningsprognos BFP17A

Befolkningsprognos BFP15A

Befolkningsprognos

Kommunalekonomiska effekter av lokaliseringen av nya arbetsplatser i Fässbergsdalen. Anders Wigren WSP Analys & Strategi. Analys & Strategi.

Befolkningsprognos BFP18A

Analyser om utbildning och arbetsmarknad: Sysselsättningen 2030 kan dagens försörjningsbörda bibehållas?

Befolkningsprognos

Starta. företag. i Sverige

Befolkningsprognos BFP16A

Tillgång och efterfrågan på utbildade år Den regionala modellen

Befolkningsprognos för Uppsala kommun

BEFOLKNINGS- PROGNOS

PM: Basscenario för Gotland, framskrivning av befolkning och arbetsmarknad , tillgång och efterfrågan på arbetskraft per utbildningsgrupp

Sveriges Byggindustrier

Statistiken bygger på uppgifter från Statistiska centralbyrån, Arbetsförmedlingen och Bolagsverket.

Befolkningsprognos för Sundsvalls kommun

Kulturella och kreativa näringar i Skåne

Länsanalys befolkningsprognos

Kvinnor och män i statistiken 11

Demografikalibrering i Raps

Folkmängden i Södertälje kommun 31 december 2016

FöreningsSparbanken Analys Nr 36 7 december 2005

Befolkningsprognos för Sundsvalls kommun

Raps Balansering arbetsmarknaden Raps grundkurs september 2017

BEFOLKNINGSPROGNOS

SCB. din källa till kunskap

Befolkningsprognos för Lunds kommun 2012

Befolkningsprognos

Remissyttrande: RUFS Underlag för att bedöma aktualitet och användbarhet

Folkmängden i Södertälje kommun 31 december 2015

Tillväxt och utveckling i Göteborgsregionen

Uppländsk Drivkraft 3.0

Beskrivning av en regions utveck l i n g

Rapporten är utgiven av Stockholm Business Region och publiceras fyra gånger per år. Rapporten omfattar Västmanlands län och Västerås kommun.

Regional befolkningsprognos

Åtta års arbete med att främja kvinnors företagande var är vi och vart vill vi?

Tillväxt och utveckling i Skaraborg

Tillväxt och utveckling i Sjuhärad

Analyser och prognoser Kompetensplattform Västra Götaland

Koncernkontoret Avdelningen för regional utveckling

Befolkningsutveckling

Preliminär befolkningsprognos för Norrköping

Prognosmetod Stadsledningsförvaltningen Åsa Henriksson Utfallsredovisning befolkningsprognos 2014

Kommunrapport 1 Befolkning, arbetsmarknad, ekonomi

STATISTIKUNDERLAG för befolkningsprognoser

BV Banverket UA Förändrad tillgänglighet % Arbetsplatser. Analys & Strategi 37 0,00-1,00 1,00-2,00 2,00-3,00 3,00-4,00 4,00 -

effekterna av en regional flygplats

Coompanion. främja kooperativt företagande. affärsutveckling. regionalt, nationellt och internationellt nätverk. Vi har 25 kontor i landet

Tillväxt och utveckling i Fyrbodal

Befolknings utveckling 2016

Lundström och Petter Wikström vid SCB för framtagning av data.

Tillstånd och trender för regional tillväxt 2018 Konferens Regional utveckling 10 maj 2019

Fjärrvärmens betydelse för samhällsekonomin Helsingborg-Ängelholm-Landskrona

Kommunrapport 1 Befolkning, arbetsmarknad, ekonomi

Fastighetsmarknaden i Sverige

Kommunalskatterna 2009

Beräkning av demografiskt bostadsbehov i Stockholms län

Befolkningsprognos

Två kriser en analys av den aktuella arbetsmarknaden. Berndt Öhman

En sammanfattning av Arbetsmarknadsutsikterna våren 2016 Norrbottens län

Folkmängden i Södertälje kommun 31 december 2018

Befolkningsframskrivningar

Kommunalskatterna 2000

Arbetsmarknadsutsikter Jämtlands län

Att beräkna t i l l v ä x t takter i Excel

Transkript:

Flexibelt startår i Raps - Förutsättningar och vägledning vid modellvalidering och kontrafaktisk analys

Tillväxtverket stärker Sverige genom att stärka företagens konkurrenskraft Vi skapar bättre förutsättningar för företagande och bidrar till attraktiva regionala miljöer där företag utvecklas. Våra verktyg är kunskap, nätverk och finansiering: Kunskap om företag och regioner. Nätverk för effektiv samverkan. Och finansiering som stärker näringslivet. Tillväxtverket är nationell myndighet med regional närvaro - vi är 430 medarbetare och har kontor på nio orter. Ett Sverige med fler företag som vill, kan och vågar är vår vision. Regionalt analys- och prognossystem (Raps) är ett verktyg för regional planering. Raps utgår från en databas med regional statistik som täcker ett flertal områden som är viktiga för regional utveckling. Tillväxtverkets publikationer kan laddas ner på tillvaxtverket.se. Vill du beställa en tryckt publikation eller söker du en publikation som publicerades innan 2015 hänvisar vi till vår webbshop publikationer.tillvaxtverket.se. Tillväxtverket Stockholm, Februari 2018 Version: 1 Har du frågor om denna publikation, kontakta: Magnus Hägg Telefon, växel 08-681 91 00

Innehåll 1 Bakgrund... 4 1.1 Basår i Raps... 4 1.2 Motiv för flexibelt basår... 4 2 Förutsättningar för flexibelt basår... 5 2.1 Datamässiga förutsättningar i Raps 5.0... 5 2.2 Förutsättningar för modellvalidering (att tänka på)... 5 2.3 Förutsättningar för kontrafaktisk analys (att tänka på)... 6 3/6

1 Bakgrund 1.1 Basår i Raps I nuvarande version av Raps 5.0 (1:a halvåret 2018) är basåret 2013 vid körning med full modell, och 2014 vid körning med partiell befolkningsmodell 1. Liksom i tidigare versioner av Raps är basåret det senaste år för vilket det finns data för alla variabler med årsdimension i den databas som används. Normalt är det den ekonomiska statistiken som är eftersläpande och som medför att basåret ligger några år tillbaka i tiden. Motivet för att låta basår vara senast möjliga år är att analyser med Raps i regel är framåtblickande, t ex vid prognoser/scenarios. Det finns dock frågor där analyser i ett bakåtblickande perspektiv kan vara motiverade. Sådana analyser förutsätter att det är möjligt att välja ett tidigare historiskt år som basår. 1.2 Motiv för flexibelt basår Bakåtblickande analyser har två huvudsakliga syften, modellvalidering och kontrafaktisk analys. Modellvalidering innebär t ex en analys av skillnader mellan modellresultat och statistik (faktiskt utfall) över, säg, en tioårsperiod. Analysen kan fokusera på olika aspekter, exempelvis hur avvikelser mellan modellresultat och statistik beror på specifika parameterantaganden. Ett annat exempel på modellvalidering kan vara att analysera hur valet mellan olika historiska basår påverkar skillnaden mellan modellresultat och statistik. Ett tredje, och närliggande, exempel är analyser av skillnaden i modellresultat mellan en körning med ett tidigare historiskt basår, respektive en modellkörning med senast möjliga basår. Kontrafaktiska analyser kan beskrivas som analyser genomförda i två steg. I det första steget körs modellen med ett historiskt basår, där modellen kalibreras så att resultatet så nära som möjligt överensstämmer med statistik (faktiskt utfall). I det andra steget införs i modellen en händelse (t ex aktivitet) för att belysa det modellberäknade kontrafaktiska utfallet av att denna händelse inte inträffar. Det kan handla om att analysera effekten av att lägga ned en verksamhet som faktiskt har etablerats under perioden, eller effekten av att lägga till en verksamhet som faktiskt har upphört under perioden. 1 Hösten 2018 kommer en ny uppdaterad version med basår 2015 vid körning med full modell, och basår 2016 vid körning med partiell befolkningsmodell. 4/6

2 Förutsättningar för flexibelt basår 2.1 Datamässiga förutsättningar i Raps 5.0 I många modellberäkningar används statistikvariablers värden för föregående år (t-1) vid beräkning av värden för innevarande år (t). I några fall används variabelvärden med mer än ett års lag (t-2, t-3, t-4). Det senare fallet rör variabler för bostäder och byggande i delmodell 4, Bostadsmarknaden, och variabeln för förvärvsinkomst som i beräkning av inkomstutjämning i delmodell 5 använder värden för år t-2. Vid beräkningen av kalibreringsfaktorer i projektgenereringen används också variabelvärden med mer än ett års lag. I Raps 5.0 är 2008 det tidigaste år för vilket det finns data för alla statistikvariabler med årsdimension i databasen. De statistikvariabler som i modellberäkning (och projektgenerering) använder variabelvärden med mer än ett års lag har i databasen värden för motsvarande år. Samtliga parametrar med årsdimension har parametervärden från 2008. Därför, med avseende på data för både statistikvariabler och parametrar kan 2008 tjäna som basår (t-1), med 2009 som första år (t) i modellberäkningen, 2.2 Förutsättningar för modellvalidering (att tänka på) Vid modellvalidering analyseras skillnader mellan modellresultat och statistik. Avvikelser mellan Raps modellresultat och faktisk utveckling beror i princip på två faktorer: fel i nationella förutsättningar (dvs. fel i nationell modell) och fel i regional modell. För att kunna genomföra en modellvalidering med relevanta data är därför parametrarna i Raps för åren 2008-2013 baserade på de nationella förutsättningar som var aktuella 2008. Det gäller både antaganden om ekonomi och arbetsmarknad från Långtidsutredningen 2008 (LU) och SCB:s bakomliggande antaganden om befolkningsutvecklingen. Här är det viktigt att tänka på att parametrarna från LU är antaganden om genomsnittlig tillväxt per år, baserade på ett nationellt scenario för utvecklingen på lång sikt; i LU 2008 med slutår 2030. Den modell som används på nationell nivå är en statisk allmän jämviktsmodell som inte beskriver anpassningsförloppet mellan startår och slutår. Det innebär bland annat att man för perioden 2009-2013 kan förvänta mycket stora avvikelser mellan modell och faktiskt utfall, till följd av den globala nedgång i konjunkturen som utlöstes av krisen på den amerikanska finansmarknaden hösten 2008. Man kan generellt förvänta relativt stora avvikelser mellan modell och faktiskt utfall, även för en period med mer måttliga konjunkturvariationer. Det är helt enkelt inte meningsfullt att validera modellen med avseende på den ekonomiska utvecklingen på kort sikt ( ca 5 år), eftersom parametrarna (tillväxttakterna) är antaganden om utvecklingen på längre sikt (>25 år). Till skillnad från LU är SCB:s framskrivning på lång sikt baserad årliga prognosdata (parametrar för födelsetalens och dödstalens årliga förändring, samt årlig in- och utvandring). Därmed kan parametrarna för befolkningsutvecklingen på kort sikt användas för att validera befolkningsmodellen i Raps. Med 2008 som basår är det både möjligt och meningsfullt att analysera i vilken grad fel i den regionala befolkningsframskrivningen beror på fel i den regionala modellen, respektive fel i nationella antaganden, t ex antaganden om in- och utvandring. 5/6

2.3 Förutsättningar för kontrafaktisk analys (att tänka på) Om syftet med ett tidigt basår är att genomföra en kontrafaktisk analys spelar det inte så stor roll vilka parameterantaganden som tillämpas. Modellen ska hur som helst kalibreras för att så nära som möjligt replikera den faktiska utvecklingen, som underlag för den kontrafaktiska analysen. Tekniskt underlättas kalibreringen av att modellen gör det möjligt att autokalibrera antalet födda och antalet döda. Regionens faktiska befolkningsutveckling kan därmed relativt enkelt replikeras genom att i modellen använda statistik för in- och utflyttning, in- och utvandring. På motsvarande sätt, med val av exogent bostadsbyggande, kan statistik för bostadsbyggande läggas in i modellen. I modellen är det även möjligt att autokalibrera antalet sysselsatta per bransch. Vid kontrafaktisk analys är det viktigt att tänka på vilka konsekvenser det medför att använda autokalibrering. Vi kan belysa med ett exempel. Anta en kontrafaktisk analys som avser effekterna av att lägga ned en verksamhet som faktiskt har etablerats under perioden. I det första steget (1) kalibreras modellen för att så nära som möjligt återge den faktiska utvecklingen, enligt statistik. Här används autokalibrering av antal sysselsatta per bransch. I det andra steget (2) körs modellen med en aktivitet = det bortfall av produktion, antal sysselsatta och inkomster som verksamheten svarar för. Aktiviteten är specificerad med avseende på mest närliggande bransch 2. Om autokalibrering används även i detta steg blir den beräknade sysselsättningen per bransch densamma som i det första steget. Dvs., den beräknade effekten på regionens sysselsättning består endast av aktivitetens direkta effekt. Om autokalibreringen inte används i det andra steget kommer sysselsättningen i respektive bransch inte vara densamma som i det första steget. Men, det går inte att avgöra om skillnaden beror på aktivitetens beräknade indirekta effekt, eller om skillnaden beror på att sysselsättningen per bransch inte har kalibrerats. För att hantera detta problem kan analysen läggas upp enligt följande. Låt det andra steget bestå av tre körningar, (2a), (2b) och (2c). I körning (2a) genomförs en beräkning utan kalibrering och utan aktiviteten. Körning (2b) utgår från (2a) med aktiviteten införd (dvs. nedläggning av verksamhet). Skillnaden mellan (2b) och (2a) fångar modellberäknade direkta och indirekta effekter av aktiviteten. Beräkna den relativa förändringen av sysselsatt dagbefolkning (SYS) och beskattningsbar förvärvsinkomst (FINK). Tillämpa den relativa förändringen på resultatet för SYS och FINK i det första steget (1), för att beräkna skillnaden i absoluta tal. Körning 2c utgår från körningen i det första steget (1) med en aktivitet som inte är specificerad med avseende på bransch. Antal sysselsatta i aktiviteten är den enligt ovan beräknade skillnaden för SYS; lön per sysselsatt beräknas så att aktivitetens lönesumma stämmer med den enligt ovan beräknade skillnaden för FINK. Målet är att i relativa tal ska skillnaden i resultat mellan (2c) och (1) bli densamma som mellan (2b) och (2a). För att uppnå denna överensstämmelse behöver (2c) köras om, med justerad lön per sysselsatt för aktiviteten. Skälet är att aktivitetens lönesumma får effekt på den privata konsumtionen, som i sin tur påverkar regionens inkomst och sysselsättning. 2 Det innebär att indirekta effekter på branscher beräknas. 6/6