Resultat från Stock-Flödesmodellen för sjukpenning

Relevanta dokument
Utökad sammanfattning till Socialförsäkringsrapport 2015:11. Bred samverkan krävs för att minska sjukfrånvaron

Tidigt utträdefrån arbetslivet bland kvinnor och män

Befolkningsprognos

BEFOLKNINGSPROGNOS NYNÄSHAMNS KOMMUN

Socialförsäkringsrapport 2009:8. Social Insurance Report. Ohälsoskulden 2008 ISSN

Anslagsbelastning och prognos för anslag inom Försäkringskassans ansvarsområde budgetåren

Modellprognos för konjunkturlönestatistikens definitiva utfall april 2017-mars 2018

Befolkningsprognos Nynäshamns kommun

Modellprognos för konjunkturlönestatistikens definitiva utfall december 2016-november 2017

Samhällsmedicin, Region Gävleborg: Rapport 2015:4, Befolkningsprognos 2015.

Modellprognos för konjunkturlönestatistikens definitiva utfall för oktober 2017 september 2018

Framskrivning av data i olika arbetsmarknadsstatus med simuleringsmodell

Planeringsfolkmängd i Gävle kommun för år 2025

Månadsrapport sjukförsäkringen

Anslagsposter som är statliga ålderspensionsavgifter

2007:11. Ohälsoskulden år 2006 ISSN

Resursbehovsutveckling

BEFOLKNINGSPROGNOS för Sollentuna kommun och dess kommundelar.

Sjukfrånvarons utveckling

Modellprognos för konjunkturlönestatistikens definitiva utfall januari 2018 december 2018

Sjukfrånvarons utveckling

Anslagsbelastning och prognos för anslag inom Försäkringskassans ansvarsområde budgetåren (avsnittet om sjukförsäkringen)

Befolkningsprognos BFP17A

Befolkningsprognos 2013

29 oktober 18 Ansvarig: Tobias Fagerberg. Demografisk bostadsprognos

Befolkningsprognos BFP15A

Laura Hartman Forskardagarna i Umeå januari 2015 Sida 1

Gemensamma planeringsförutsättningar. Gällivare en arktisk småstad i världsklass. 4. Befolkning

Befolkningsprognos för Uppsala län år

Befolkningsprognos BFP16A

Befolkningsprognos Mariestads kommun. Statisticon AB Östra Ågatan Uppsala

Prognos för bilinnehavet 2010

Befolkningsprognos för Uppsala kommun

Befolkningsprognos Töreboda kommun. Statisticon AB Östra Ågatan Uppsala

Befolkningsprognos

Befolkningsprognos för Uppsala kommun

Befolkningsprognos Haninge kommun

Befolkningsprognos 2016

Länsanalys befolkningsprognos

Gemensamma planeringsförutsättningar. Gällivare en arktisk småstad i världsklass. 4. Befolkning

BEFOLKNINGSPROGNOS NYNÄSHAMNS KOMMUN

DEN FRAMTIDA VERKSAMHETSVOLYMEN I RÄTTSKEDJAN - CENTRALA PROGNOSER FÖR PERIODEN : RESULTATBILAGA

Befolkningsprognos BFP18A

Modell för löneökningar

2007:1. Nyckeltal för balanstalet 2005 ISSN

Pensionering och utträdet ur arbetslivet. skillnader mellan kvinnor och män?

Sjukfrånvarons utveckling

Modellutveckling av demografisk prognos /2040 för Stockholms län

Svar på regeringsuppdrag

Befolkningsprognos

DRIVKRAFTER OCH MÖJLIGHETER TILL ETT FÖRLÄNGT ARBETSLIV. Per Johansson Lisa Laun Mårten Palme Helena Olofsdotter Stensöta

Befolkningsprognos för Sollentuna kommun.

Befolkningsprognos för Linköpings kommun Prognosantaganden

Analys av sjukfrånvarons variation

Befolkningsprognos 2014

Modellprognos för konjunkturlönestatistikens definitiva utfall för mars 2016-februari 2017

Relationer mellan volymer i rättsväsendet

Anslagsbelastning och prognos för anslag inom Försäkringskassans ansvarsområde budgetåren

SAMMANTRÄDESPROTOKOLL

Mer information om arbetsmarknadsläget i Stockholms län i slutet av augusti 2012

Analyser av sjukförsäkringens utveckling 2013

Danderyds kommun. Danderyds Sjukhus

Befolkningsprognos för Sundsvalls kommun

Modellskattningen har gjorts med hjälp av minsta kvadratmetoden (OLS).

Information till eleverna

Mer information om arbetsmarknadsläget i Västra Götalands län i slutet av december månad 2010

Befolkningsprognos för Sollentuna kommun.

Bättre utveckling i euroländerna

Mål - sjukpenningtal 9,0 2020

Delområdesprognos

Befolkningsprognos för Örkelljunga kommun

Finanspolitiska rådets rapport Presentation för Socialdepartementet Laura Hartman 5 juni 2009

Rapport Anslagsbelastning och prognos för anslag inom Försäkringskassans ansvarsområde budgetåren

Befolkningsprognos

Prognos över sysselsatta inom hälso- och sjukvården samt tandvården

Anmälan av framskrivning av äldreomsorgsbehovet perioden , rapport från Sweco EuroFutures AB

Uppföljning av sjukförsäkringens utveckling

Framtida utbildning och arbetsmarknad

Resultatindikatorer och målformuleringar för sjukförsäkringen

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

Den framtida verksamhetsvolymen i rättskedjan - Centrala prognoser för perioden : Resultatbilaga

Arbetsmarknadsstatistik för Norrköping 2012

Foto: Karl Gabor UPPSALA HANDELSKAMMARES ANALYS: BEFOLKNINGSÖKNINGEN UTMANAR UPPSALA

Sjukfrånvarons utveckling

Prognosmetoder inom sjukförsäkringsområdet Politikområde Ersättning vid arbetsoförmåga - Återrapportering enligt regleringsbrevet

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

Befolkningsprognos för Norrköping

Befolkningsprognos för Sundsvalls kommun

Prognosmetod Stadsledningsförvaltningen Åsa Henriksson Utfallsredovisning befolkningsprognos 2014

Befolkningsprognoser Stockholms län /2050

TEMADAG Befolkningsprognoser under osäkra tider Hur hanterar man osäkerhet i prognoser?

UPPGIFTER FÖR CIRKULÄRDATABASEN

Långsiktig befolkningsprognos

Kostnader sista levnadsåret

Koncernkontoret Avdelningen för regional utveckling

Rapport Utgiftsprognos för budgetåren

Vi bygger en bro till ett friskare liv. Socialdepartementet

Befolkningsprognos för Mölndals stad åren

Födda i Stockholms län efter mödrarnas födelseländer

Övergripande planering. Befolkningsprognos. Umeås skolområden

Transkript:

Resultat från Stock-Flödesmodellen för sjukpenning I denna bilaga presenteras vissa resultat från den stock-flödesmodell (SFmodellen) som utvecklas på analysenheten. Modellen inkluderar en modul för sjukpenning och en modul för aktivitets- och sjukersättning. I denna presentation inkluderas dock endast modulen för sjukpenning. Modellen är ännu inte fullt implementerad, men preliminära utvärderingsresultat på historiska data indikerar att SF-modellen för prognoslängder på mer än cirka 9 månader har ett genomsnittligt lägre prognosfel än befintliga prognosmodeller. SF-modellen ger dessutom goda möjligheter att beskriva utvecklingen för diverse undergrupperingar. Genom modellens konstruktion är det dessutom möjligt att med stor detaljrikedom undersöka hur utträdet från sjukpenning förändras för olika fallängder. En kortfattad beskrivning av SF-modellen SF-modellen presenteras schematiskt i figur. Figur En schematisk bild av SF-modellen Frisk / Övrigt SJP Ålderspension SA Individer flödar in i sjukpenning (SJP). Från sjukpenning kan individer antingen återgå till ett friskt tillstånd eller övergå i aktivitets- och sjukersättning (SA). För äldre individer är även övergång till ålderspension en möjlig utträdesväg. Inträdet till SA kommer antingen från SJP eller direkt från gruppen Frisk / Övrigt. Modellen delar upp individerna på kön och ålder. För sjukpenningmodulen görs även en uppdelning på fallängd. Individerna flödar mellan de olika tillstånden där sannolikheten för utträde ur ett tillstånd beror på kön, ålder och fallängd.

Prognos för antalet sjukpenningdagar I figur 2 presenteras ett diagram över den historiska utvecklingen av antal individer som är sjukskrivna för perioden januari 995 till och med juni 2005, samt en prognos för antalet för perioden juli 2005 till och med december 2009. Antalet gäller sjukskrivna mer än 28 dagar. Figur 2 Antalet sjukskrivna individer (>28 dagar) för perioden januari 995 juni 2005, samt prognos för perioden juli 2005 december 2009 350000 300000 250000 200000 50000 00000 50000 0 95 97 99 0 03 05 07 09 Utfall Prognos Av figur 2 framgår att SF-modellen förutser en fortsatt minskning av antalet sjukpenningdagar under hela prognosperioden. I tabell presenteras en jämförelse mellan SF-modellen och befintliga prognosmodeller. Jämförelsen avser prognostiserad förändring av antalet sjukpenningdagar i relation till 2004 års nivå. 2

Tabell Prognostiserad årlig procentuell förändring av antalet sjukpenningdagar i relation till års nivå År Prognos oktober, % SF, % 2005 4,8 6,6 2006 6,3 5,8 2007 2,,4 2008 8,9 7,3 2009 6,2 4,9 Utvecklingen av inflödet till sjukpenning SF-modellen utnyttjar information på det historiska inflödet till sjukpenning för att prognostisera det framtida inflödet. I beräkningarna görs korrigeringar för befolkningens köns- och åldersstruktur. I figur 3 presenteras ett index över hur inflödet har varierat historiskt, samt en prognos för indexet under de kommande tre åren. Figur 3 Index över observerat inflöde till sjukpenning för perioden januari 995 juni 2005, samt prognos för indexets utveckling juli 2005 december 2007,6,5,4,3,2, 95 97 99 0 03 05 07 Av figur 3 framgår att inflödet har minskat sedan början på år 2002 och antas att fortsätta minska under prognosperioden. SF-modellen beräknar antalet bruttodagar, medan den lagda prognosen prognostiserar antalet nettodagar. 3

Utvecklingen av utträdesbenägenheten från sjukpenning I SF-modellen beräknas utträdessannolikheter för utträde ur sjukpenning. Ett utträde ur sjukpenning kan antingen innebära att individen friskskrivs (inträder i tillståndet Frisk / övrigt) eller att individen övergår till aktivitetsoch sjukersättning. Utträdessannolikheten uttrycks som sannolikheten att utträda ur sjukskrivning mellan två näraliggande dagar. Utträdessannolikheterna har varierat över tid och är en bidragande förklaring till förändringar i antalet sjukpenningdagar. I figur 4 7 presenteras ett index över hur utträdesbenägenheten varierat över tid för olika fallängder. Figur 4 6 Index över observerad utträdessannolikhet från sjukpenning för perioden januari 995 juni 2005, samt prognos för utträdessannolikheterna för perioden juli 2005 december 2007 för olika fallängdsklasser Figur 4 Index för utträdessannolikheter för fallängdsklass 43 63 dagar Figur 5 Index för utträdessannolikheter för fallängdsklass 30 350 dagar,6,5,4,3,2, 95 97 99 0 03 05 07,6,5,4,3,2, 95 97 99 0 03 05 07 Figur 6 Index för utträdessannolikheter för fallängdsklass 60 800 dagar,6,5,4,3,2, 95 97 99 0 03 05 07 4

Figur 4 6 beskriver ett index över sannolikheterna att utträda ur sjukskrivning. En uppåtgående kurva representerar ökade utträdessannolikheter och därmed minskat antal sjukskrivna. Av figur 4 6 framgår att sannolikheten för utträde ökar för samtliga fallängder (även för fallängdsklasser som inte redovisas här). Ökningen av utträdessannolikheterna är mest påtaglig för långa fallängder. Ökningen av utträdessannolikheterna beräknas fortsätta under prognosperioden. Scenarier för prognosutvecklingen enligt SF-modellen Enligt prognosen kommer såväl inflöde som utflödessannolikheter att förändras i positiv riktning under prognoshorisonten. Det kan dock vara av intresse att undersöka vad som skulle inträffa om denna positiva utveckling uteblir. Tre alternativa scenarier tas därför fram. Enligt det första scenariot som är ett nollalternativ hålls såväl inflöde som utträdessannolikheter konstant på dagens nivå under hela prognoshorisonten. I det andra scenariot hålls inflödet konstant, medan utflödet tillåts minska. I det tredje scenariot tillåts inflödet minska, medan utflödessannolikheterna hålls konstanta. I figur 8 jämförs de tre scenarierna med huvudprognosen. Figur 8 Fyra olika scenarier för antalet sjukskrivna individer 300000 280000 260000 240000 220000 200000 80000 60000 Utfall Prognos Konstant inflöde, positiv utveckling för utflöde Positiv utveckling för inflöde, konstant utflöde Nollalternativ 40000 20000 00000 04 05 06 07 08 09 Av figur 8 framgår att nollalternativet, med inflöde och utträdessannolikheter hållna på dagens nivå, medför att antalet sjukskrivna individer fort- 5

sätter att minska för att i slutet på 2007 stabiliseras på en nivå som ligger runt 3 procent lägre än dagens nivå. I tabell 2 presenteras avvikelserna från nollalternativet för de olika scenarierna för december månad år 2005 2008. Tabell 2 Avvikelse i antal sjukskrivna (procentuell avvikelse i parentes) i jämförelse med nollalternativet Tidpunkt Procentuell avvikelse från nollalternativ Minskat inflöde, % Ökade utträdessannolikheter, % 2005 0, 0,3 0,4 2006,8 4,0 5,8 2007 4,2 9,3 3,2 2008 6,0 3,3 8,6 2009 7,2 5,7 2,9 Prognos med minskat inflöde och ökande utträdessannolikheter, % Av tabell 2 framgår att ett minskat inflöde ger ca 6 procent lägre antal sjukskrivna jämfört med nollalternativet fram till år 2008. Motsvarande siffror för alternativet med ökade utträdessannolikheter är ca 3 procent. Ökade utträdessannolikheter har alltså sammantaget en större effekt på antalet sjukskrivna än minskat inflöde. Om både inflöde och utträdessannolikheter förändras i enlighet med prognosen ger detta fram till och med 2008 ett i jämförelse med nollalternativet minskat antal sjukskrivna med 8 procent. 6