Demografisk rapport 214:1 Prognosmetoder och modeller Regressionsanalys Befolkningsprognos 214-223/45
PCA/MIH Michael Franzén Version 4. 1(32) Rapport 214-1-8 Regressionsmodellen för inrikes inflyttning i befolkningsprognosen Inledning Nybyggnationen är en viktig komponent för kommuners befolkningsutveckling då den möjliggör en utökning av antalet bostäder. En ny bostad drar till sig personer som flyttar in. I befolkningsprognosen för Stockholms läns kommuner ingår det planerade bostadsbyggandet därför som en komponent för att skatta den framtida inflyttningen. Den nuvarande inflyttningsmodellen på kommunnivå baseras på en regressionsmodell där variabler för befolkningsflöden och nybyggnation ingår. Storleken på inflyttningen till de nybyggda bostäderna varierar mellan kommunerna. En nybyggd lägenhet i en kommun fyller alltså inte samma behov på bostadsmarknaden i alla kommuner. Målet med denna översyn är att ta fram regressionsmodeller för inflyttningen anpassade för varje kommun, som sedan kan användas i framskrivningen av prognosen 214. I nuvarande modeller finns samtliga variabler med för alla kommuner på grund av att vi velat ha en enhetlig modell för alla kommuner. Den enhetliga modellen passar dock olika bra för olika kommuner och den behöver även ses över för att bli mer tolkningsvänlig. Linjär regression Med linjär regression kan man statistiskt analysera det linjära sambandet mellan en beroende variabel (Y) och en eller flera förklarande variabler (X 1-X n). Sambandet beskrivs som en modell enligt Y β β1 X1 β2 X2... βn Xn där X 1-X n är sinsemellan oberoende och ε är en stokastiskt normalfördelad term som beskriver den återstående slumpmässiga variationen mellan Y- och X-variablerna. Vid modelleringen testas de förklarande variablerna med ett t-test. Testet går ut på att se om variabeln har någon effekt i modellen jämfört med nollhypotesen där den inte har det. Ett t-värde klart skilt från noll tyder på att variabeln tillför något d v s att den är statistiskt signifikant i modellen. Huruvida det överhuvudtaget finns något statistiskt samband mellan Y och X-variablerna testas med ett F-test, där den uppställda modellen testas mot nollhypotesen att eventuella samband endast är slumpmässiga. Höga F-värden tyder på att det finns ett grundläggande samband. Ofta redovisas sannolikheten för att värdena ska uppkomma under nollhypotesens statistiska fördelning (t eller F-fördelningen). Ett högt värde ger en låg sannolikhet vilket tyder på ett statistiskt samband. I tabellerna i bilaga 1 betecknas dessa värden med Pr < t och Pr > F. T- värdena har en osäkerhet, ett medelfel, som betecknas S.E (standard error).
2(32) Förklaringsgraden R 2 beskriver hur mycket av variationen i data som modellen förklarar. Eftersom fler variabler i modellen i allmänhet ökar förklaringsgraden även om de inte är statistiskt signifikanta, används en justerad variant R 2 -Adj som tar hänsyn till detta. Den senare redovisas i tabellerna. I avsnittet Strategi för analysen beskrivs hur de linjära regressionsmodellerna tagits fram specifikt för den här analysen. Beskrivning av nuvarande modell Storleken på den inrikes inflyttningen till respektive kommun bestäms genom en regressionsmodell som använder sig av data om planerad nyproduktion av bostäder, utflyttning (inklusive utvandring), avlidna och födda: = β + β 1 nya lgh i flerbostadshus + β 2 nya lgh i småhus + β 3 utflyttning + β 4 döda + β 5 födda (1) där β-parametrarna bestäms efter observerade data 1975 213. Variablerna påverkar därmed inflyttningen till de olika kommunerna olika mycket och garanterar inte att ett stort planerat byggande i en kommun ger ett stort antal inflyttare. Samtliga fem variabler finns med i modellerna för alla kommuner, vilket är mer eller mindre lämpligt i respektive kommun. I många fall är regressionskoefficienterna inte statistiskt signifikanta. Det kan leda till svårtolkade resultat som inte uppfattas som logiska. Modellen kan tolkas som att det finns ett antal lediga boplatser i kommunen. Om ingen flyttar ut, föds eller dör krävs nybyggnation för att inflyttning ska ske. Eventuell utglesning eller förtätning sker då β 3, β 4 och β 5 är skilda från 1. Den via regressionsmodellen predikerade inrikes inflyttningen delas sedan upp i inflyttning från övriga länet respektive inflyttning från annat län efter de genomsnittliga andelarna av den totala inrikes inflyttningen de (tio) senaste åren. Inlyttarna fördelas per kön och åldersgrupper efter de senaste årens observerade fördelning i varje kommun. Se vidare Demografisk rapport (213:7) Befolkningsprognos 213-222/45 - Stockholms län - huvudrapport. För vidare information se även rapporten Regionplanekontoret (21:11). Bostadsbyggande och befolkningstillväxt i Stockholms län - Regressionsanalys. Befolkningsprognos 21 219.
3(32) Tabell 1.Regressionskoefficienter för den nuvarande modellen, data 1975-213 Modell: = β + β1*nya lgh i flerbostadshus + β2*nya lgh i smahus + β3*utflyttning + β4*döda + β5*födda Nya lgh i Kommun β Flerbostadshus Småhus Utflyttning Döda Födda R2-Adj Botkyrka 37.85 1.53 1.73.93.92-1.37 68% Danderyd 237.21 1.38.64.55 2.57 -.92 42% Ekerö -2.55.62.98.54 2.71.69 8% Haninge 1128.36 -.93 2.2.69 2.96-1.6 6% Huddinge 522.57.54.69.93 2.54-1.76 86% Järfälla -258.94.56 1.9.61 3.83 -.43 81% Lidingö -58.91 1.39.8.72 1.8.6 6% Nacka -1993.2.19.74.75 3.9 1.36 94% Norrtälje -291.49.58 -.9.64 1.5 1.8 78% Nykvarn 117.26-1.12 2.91.72.78 -.65 1% Nynäshamn -21.75 -.47.86.69 2.72 -.62 83% Salem -93.26 -.19 3.57.56 3.22.65 65% Sigtuna -641.24.34.76.86 3.38 -.9 82% Sollentuna 58.76.57.34.84 2.23 -.81 7% Solna -3959.68.84 -.61.8 6.1 1.17 97% Stockholm 67766.88 -.23.55.21-5.16.39 88% Sundbyberg 275.53 1.45-2.86.95-2.59.88 85% Södertälje 115.55.1 -.6.69 3.57-1.92 73% Tyresö -553.22.47 2.9.78 2.39.5 62% Täby 873.65 1.2 2.11.59 2.99-1.78 65% Upplands Väsby 359.63.94 2.4.79 1.96-1.68 66% Upplands-Bro 158.82.21 2.51.17.74 -.44 4% Vallentuna 2.88 -.2 1.22.73 3.81-1.1 85% Vaxholm -24.31.88.96.69.2 1.68 76% Värmdö -76.35.24.55.32 2.63 2.26 86% Österåker 34.57 -.1 2.33.97 -.73 -.2 79%
4(32) Analys och resultat Beskrivning av data Data som ligger till grund för analysen är befolkningsdata 1975-213 inklusive årlig nybyggnation av lägenheter. Regressionsmodellerna baseras därför på 39 observationer. Data för Nykvarn är tillgänglig från 1999, och modellen baseras då på 15 observationer. Strategi för analysen Ett antal olika regressionsmodeller för varje kommun testades enligt vissa principer. Målet var att hitta modeller med byggkoefficienter större än, för användning i befolkningsprognosen. I första steget testades den nuvarande modellen (1). Icke statistiskt signifikanta variabler plockades bort från modellen om deras t-värde var absolut lågt (nära noll) och dess sannolikhet under nollhypotesen var högre än 15 procent. Med andra ord: om sannolikheten att variabeln inte har någon effekt i modellen är över 15 procent tas den inte med i modellen. Om någon av byggkomponenterna för småhus eller flerbostadshus var icke-signifikanta enligt denna princip eller var negativa, slogs de ihop till en komponent och modeller av typen (2) testades (se nedan). = β + β 1 nya lgh totalt + β 2 utflyttning +β 3 döda + β 4 födda (2) Om den sammanslagna byggkomponenten inte var statistiskt signifikant togs den bort enligt samma princip. I ett fall accepterades en modell med en icke statistiskt signifikant byggkomponent, då sannolikheten för t- värdet var strax över 15 procent. Det eftersom modellen som helhet hade hög förklaringsgrad. De slutligen utvalda modellerna finns i tabell 2.
5(32) Tabell 2. Slutliga anpassade modeller per kommun Modell: = β + β1*nya lgh i flerbostadshus + β2*nya lgh i smahus + β3*utflyttning + β4*döda + β5*födda Nya lgh i Kommun β Flerbostadshus Småhus Utflyttning Döda Födda R2-Adj Ekerö 21.79.86 1.18.66 2.53 8% Haninge 1539.98 2.45.58 3.81-2.9 58% Huddinge 522.57.53.69.93 2.54-1.76 86% Nykvarn 146.24 2.51.61 27% Nynäshamn -25.81.75 1.65 83% Stockholm 74765..23-5.71 89% Södertälje -128.1.69 3.72-1.86 74% Täby 873.65 1.2 2.11.59 2.99-1.78 65% Upplands Väsby 359.63.94 2.4.79 1.96-1.68 66% Vaxholm -18.27.89.96.7 1.68 77% Modell: = β + β1*nya lgh tot + β2*utflyttning + β3*döda + β4*födda Nya Kommun β lgh totalt Utflyttning Döda Födda R2-Adj Botkyrka -937.1 1.13.93 69% Danderyd -167.92 1.27.55 1.78 42% Järfälla -113.5 1.13.76 2.8 -.88 79% Lidingö -32.9 1.2.66 2.12 59% Nacka -1812.8.31¹.77 2.87 1.27 94% Norrtälje 359.24.81.87 7% Salem -134.2 1.9.71 3.84 48% Sigtuna -68.97.46.86 3.12 83% Sollentuna -22.89.45.97 71% Solna -41.81.77.79 6.13 1.22 97% Sundbyberg -197.9 1.18.96 84% Tyresö -443.1 1.5.92 1.71 58% Upplands-Bro 1268.49 1.45 32% Vallentuna 219.52.8.75 3.86-1.25 81% Värmdö 253.5.9.93 78% Österåker 12.13 1.22 1.4-1.97 62% 1) Pr>t=.18 Olika kommuners modeller Ett mått på hur bra regressionsmodellerna förklarar variationen för inflyttningen är R 2-värdet justerat för antal variabler i modellen (R 2-Adj). Denna förklaringsgrad varierar mellan de olika kommunerna. Vissa har höga förklaringsgrader som Solna och Nacka och andra har låga som Nykvarn och Upplands-Bro. Generellt kan man säga att låga förklaringsgrader tyder på svagt samband mellan inflyttning och nybyggnation (och övriga demografiska variabler). Huddinge, Täby och Upplands Väsby har efter den anpassade analysen samma modell som tidigare, dvs har uppdelad byggkomponent, utflyttning, döda och födda. Ekerö har uppdelad byggkomponent men ej signifikant variabel för födda och därmed inte medtagen i modellen. Motsvarande gäller för Vaxholm, men för variabeln döda. För Nykvarn och Haninge var det endast komponenten för nybyggda småhus som användes i respektive modell. Nykvarns modell som helhet har låg förklaringsgrad.
6(32) För tre kommuner användes inte någon byggvariabel alls som förklarande variabel. I Nynäshamn och Stockholm valdes modeller som innehöll födda och döda medan Södertäljes modell även innehöll utflyttning. Alla tre modeller har relativit höga förklaringsgrader. För modellerna med sammansatt byggvariabel är de för Järfälla, Nacka, Solna och Vallentuna fullständiga och inkluderar utflyttning, döda och födda. Nacka har ett t-värde med sannolikheten 18 procent för komponenten för nya lägenheter totalt men hög förklaringsgrad, 94 procent. Danderyd, Lidingö, Salem, Sigtuna, Tyresö och Österåker saknar födda i sina modeller. Botkyrka, Norrtälje, Sollentuna, Sundbyberg och Värmdö har varken döda eller födda utan bara utflyttning som demografisk komponent i respektive anpassad modell. Modellen för Upplands-Bro är speciell då den endast beror på antalet nybyggda lägenheter totalt och har låg förklaringsgrad, 32 procent. I bilaga 1 redovisas de anpassade modellerna mer i detalj. Diagrammen visar den observerade inflyttningen jämfört med den med modellen predikterade inflyttningen. På så sätt går det att visuellt beskriva hur väl modellen kan återskapa den faktiska inflyttningen. Diskussion Det kan finnas andra variabler som inte använts i analysen som har påverkan på inflyttningen. En demografisk variabel som immigration som tar upp boplatser har inte används vid testningen. Det är också sannolikt att lag-effekter för byggandet förekommer. Det är troligt att det kan ta upp till 3 år innan lägenheter i vissa kommuner blir bosatta. Eftersom byggnation inte anses vara en faktor för inflyttning till länet för länsprognosen borde kanske inte inflyttning från annat län ingå i den beroende variabeln. I så fall borde modeller med inrikes inflyttning från övriga länet användas som beroende variabel. Då modellerna används för att uppskatta framtida inflyttning i prognosen är det viktigt att de demografiska förutsättningar som modellerna bygger på kan antas gälla även i framtiden. Eftersom verkligheten förändras kommer i fortsättningen modellerna att ses över löpande. I ett från början tomt område kan sambanden mellan bostadsbyggande och befolkningstillväxt vara mycket starka men med tiden blir andra demografiska händelser mer betydelsefulla.
7(32) Bilaga 1. Anpassade regressionsmodeller per kommun Botkyrka Tabell 3. Anpassad modell för inrikes inflyttning för Botkyrka kommun β -937.1 692.25-1.35.18 Nya lgh totalt 1.13.48 2.34.2 Utflyttning.93.13 7.28 <.1 R2-Adj % 69% Modellens F-värde 42.92 Pr > F <.1 Diagram 1. Predikterade vs. observerade värden inrikes inflyttning för Botkyrka kommun 9 8 7 6 5 4 3 2 1
8(32) Danderyd Tabell 4. Anpassad modell för inrikes inflyttning för Danderyds kommun β -167.92 382.79 -.44.66 Nya lgh totalt 1.27.48 2.61.1 Döda 2.94 1.77 1.66.11 Utflyttning.55.19 2.96.1 R2-Adj % 42% Modellens F-värde 1.24 Pr > F <.1 Diagram 2. Predikterade vs. observerade värden inrikes inflyttning för Danderyds kommun 25 2 15 1 5
9(32) Ekerö Tabell 5. Anpassad modell för inrikes inflyttning för Ekerö kommun β 21.79 15.83.21.84 Nya lgh i flerbostadshus.86.49 1.76.9 Nya lgh i småhus 1.18.38 3.14. Döda 2.53 1.7 1.49.14 Utflyttning.66.15 4.4. R2-Adj % 8% Modellens F-värde 38.21 Pr > F <.1 Diagram 3. Predikterade vs. observerade värden inrikes inflyttning för Ekerö kommun 18 16 14 12 1 8 6 4 2
1975 1977 1979 1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 21 23 25 27 29 211 213 1(32) Haninge Tabell 6. Anpassad modell för inrikes inflyttning för Haninge kommun β 1539.98 917.46 1.68.1 Nya lgh i småhus 2.46.71 3.45. Födda -2.9.78-2.69.1 Döda 3.81 1.27 2.99.1 Utflyttning till övriga länet.66.9 7.47 <.1 R2-Adj % 58% Modellens F-värde 13.94 Pr > F <.1 Diagram 4. Predikterade vs. observerade värden inrikes inflyttning för Haninge kommun 6 5 4 3 2 1
11(32) Huddinge Tabell 7. Anpassad modell för inrikes inflyttning för Huddinge kommun β 522.57 673.38.78.44 Nya lgh i flerbostadshus.54.29 1.86.7 Nya lgh i småhus.69.39 1.8.8 Döda 2.54 1.3 2.46.2 Födda -1.76.68-2.6.1 Utflyttning.93.7 12.61 <.1 R2-Adj % 86% Modellens F-värde 47.28 Pr > F <.1 Diagram 5. Predikterade vs. observerade värden inrikes inflyttning för Huddinge kommun 9 8 7 6 5 4 3 2 1
12(32) Järfälla Tabell 8. Anpassad modell för inrikes inflyttning för Järfälla kommun β -113.5 458.9 -.25.81 Nya lgh totalt 1.13.29 3.92. Döda 2.8.51 5.45 <.1 Födda -.88.59-1.49.14 Utflyttning.76.1 7.61 <.1 R2-Adj % 79% Modellens F-värde 36.37 Pr > F <.1 Diagram 6. Predikterade vs. observerade värden inrikes inflyttning för Järfälla kommun 45 4 35 3 25 2 15 1 5
13(32) Lidingö Tabell 9. Anpassad modell för inrikes inflyttning för Lidingö kommun β -32.9 33.72 -.91.37 Nya lgh totalt 1.2.34 2.95.1 Döda 2.12.89 2.39.2 Utflyttning.66.16 4.14. R2-Adj % 59% Modellens F-värde 19.61 Pr > F <.1 Diagram 7. Predikterade vs. observerade värden inrikes inflyttning för Lidingö kommun 35 3 25 2 15 1 5
14(32) Nacka Tabell 1. Anpassad modell för inrikes inflyttning för Nacka kommun β -1812.8 317.95-5.7 <.1 Nya lgh totalt.31.23 1.36.18 Döda 2.87 1.11 2.58.1 Födda 1.27.65 1.96.6 Utflyttning.77.9 8.99 <.1 R2-Adj % 94% Modellens F-värde 162.51 Pr > F <.1 Diagram 8. Predikterade vs. observerade värden inrikes inflyttning för Nacka kommun 8 7 6 5 4 3 2 1
15(32) Norrtälje Tabell 11. Anpassad modell för inrikes inflyttning för Norrtälje kommun β 359.24 22.89 1.77.9 Nya lgh totalt.81.3 2.7.1 Utflyttning.87.1 8.94 <.1 R2-Adj % 7% Modellens F-värde 45.97 Pr > F <.1 Diagram 9. Predikterade vs. observerade värden inrikes inflyttning för Norrtälje kommun 3 25 2 15 1 5
1999 2 21 22 23 24 25 26 27 28 29 21 211 212 213 16(32) Nykvarn Tabell 12. Anpassad modell för inrikes inflyttning för Nykvarns kommun β 146.24 194.89.75.47 Nya lgh i småhus 2.51 1.4 2.41.3 Utflyttning.61.38 1.62.13 R2-Adj % 26% Modellens F-värde 3.57 Pr > F.6 Diagram 1. Predikterade vs. observerade värden inrikes inflyttning för Nykvarns kommun 8 7 6 5 4 3 2 1
1975 1977 1979 1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 21 23 25 27 29 211 213 17(32) Nynäshamn Tabell 13. Anpassad modell för inrikes inflyttning för Nynäshamns kommun β -25.82 122.96 -.21.83 Döda 1.65 1.1 1.5.14 Utflyttning.76.13 5.77 <.1 R2-Adj % 83% Modellens F-värde 94.94 Pr > F <.1 Diagram 11. Predikterade vs. observerade värden inrikes inflyttning för Nynäshamns kommun 18 16 14 12 1 8 6 4 2
18(32) Salem Tabell 14. Anpassad modell för inrikes inflyttning för Salems kommun β -134.2 177.55 -.76.45 Nya lgh totalt 1.9.43 2.55.2 Döda 3.84 1.38 2.77.1 Utflyttning.71.12 5.73 <.1 R2-Adj % 48% Modellens F-värde 12.72 Pr > F <.1 Diagram 12. Predikterade vs. observerade värden inrikes inflyttning för Salems kommun 18 16 14 12 1 8 6 4 2
19(32) Sigtuna Tabell 15. Anpassad modell för inrikes inflyttning för Sigtuna kommun β -68.97 187.76-3.24. Nya lgh totalt.46.19 2.46.2 Döda 3.12.95 3.29. Utflyttning.86.1 8.46 <.1 R2-Adj % 83% Modellens F-värde 63.99 Pr > F <.1 Diagram 13. Predikterade vs. observerade värden inrikes inflyttning för Sigtuna kommun 35 3 25 2 15 1 5
2(32) Sollentuna Tabell 16. Anpassad modell för inrikes inflyttning för Sollentuna kommun β -22.89 366.79 -.6.55 Nya lgh totalt.45.24 1.85.7 Utflyttning.97.1 9.69 <.1 R2-Adj % 71% Modellens F-värde 47.24 Pr > F <.1 Diagram 14. Predikterade vs. observerade värden inrikes inflyttning för Sollentuna kommun 5 45 4 35 3 25 2 15 1 5
21(32) Solna Tabell 17. Anpassad modell för inrikes inflyttning för Solna kommun β -41.81 69.6-6.56 <.1 Nya lgh totalt.77.27 2.92.1 Döda 6.13 1.5 5.83 <.1 Födda 1.22.46 2.68.1 Utflyttning.79.6 12.88 <.1 R2-Adj % 97% Modellens F-värde 33.3 Pr > F <.1 Diagram 15. Predikterade vs. observerade värden inrikes inflyttning för Solna kommun 1 9 8 7 6 5 4 3 2 1
1975 1977 1979 1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 21 23 25 27 29 211 213 22(32) Stockholm Tabell 18. Anpassad modell för inrikes inflyttning för Stockholms kommun β 74765. 15733. 4.75 <.1 Döda -5.71 1.25-4.56 <.1 Utflyttning.23.14 1.68.1 R2-Adj % 89% Modellens F-värde 157.12 Pr > F <.1 Diagram 16. Predikterade vs. observerade värden inrikes inflyttning för Stockholms kommun 6 5 4 3 2 1
23(32) Sundbyberg Tabell 19. Anpassad modell för inrikes inflyttning för Sundbybergs kommun β -197.9 248.18 -.8.43 Nya lgh totalt 1.18.21 5.73 <.1 Utflyttning.96.7 13.12 <.1 R2-Adj % 84% Modellens F-värde 11.54 Pr > F <.1 Diagram 17. Predikterade vs. observerade värden inrikes inflyttning för Sundbybergs kommun 7 6 5 4 3 2 1
1975 1977 1979 1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 21 23 25 27 29 211 213 24(32) Södertälje Tabell 2. Anpassad modell för inrikes inflyttning för Södertälje kommun β -585.71 494.55-1.18.26 Nya lgh totalt.31.56.55.59 Utflyttning.55.1 5.45. R2-Adj % 65% Modellens F-värde 15.11 Pr > F. Diagram 18. Predikterade vs. observerade värden inrikes inflyttning för Södertälje kommun 5 45 4 35 3 25 2 15 1 5
1975 1977 1979 1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 21 23 25 27 29 211 213 25(32) Tyresö Tabell 21. Anpassad modell för inrikes inflyttning för Tyresö kommun β -443.11 41.5-1.8.29 Nya lgh totalt 1.5.46 2.29.3 Döda 1.71.73 2.36.2 Utflyttning.92.17 5.25 <.1 R2-Adj % 58% Modellens F-värde 18.51 Pr > F <.1 Diagram 19. Predikterade vs. observerade värden inrikes inflyttning för Tyresö kommun 3 25 2 15 1 5
1975 1977 1979 1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 21 23 25 27 29 211 213 26(32) Täby Tabell 22. Anpassad modell för inrikes inflyttning för Täby kommun β 873.65 933.53.94.36 Nya lgh i flerbostadshus 1.2.53 2.27.3 Nya lgh i småhus 2.11.47 4.52 <.1 Döda 2.99 1.2 2.5.2 Födda -1.78.93-1.91.6 Utflyttning.59.15 4.5. R2-Adj % 65% Modellens F-värde 15.4 Pr > F <.1 Diagram 2. Predikterade vs. observerade värden inrikes inflyttning för Täby kommun 5 45 4 35 3 25 2 15 1 5
1975 1977 1979 1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 21 23 25 27 29 211 213 27(32) Upplands-Bro Tabell 23. Anpassad modell för inrikes inflyttning för Upplands-Bro kommun β 1268.49 5.24 25.25 <.1 Nya lgh totalt 1.45.33 4.39 <.1 R2-Adj % 32% Modellens F-värde 19.28 Pr > F <.1 Diagram 21. Predikterade vs. observerade värden inrikes inflyttning för Upplands-Bro kommun 25 2 15 1 5
1975 1977 1979 1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 21 23 25 27 29 211 213 28(32) Upplands Väsby Tabell 24. Anpassad modell för inrikes inflyttning för Upplands Väsby kommun β 359.63 478.67.75.46 Nya lgh i flerbostadshus.94.31 2.99.1 Nya lgh i småhus 2.4.43 5.54 <.1 Döda 1.96 1.2 1.64.11 Födda -1.68.63-2.67.1 Utflyttning.79.22 3.54. R2-Adj % 66% Modellens F-värde 15.92 Pr > F <.1 Diagram 22. Predikterade vs. observerade värden inrikes inflyttning för Upplands Väsby kommun 35 3 25 2 15 1 5
1975 1977 1979 1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 21 23 25 27 29 211 213 29(32) Vallentuna Tabell 25. Anpassad modell för inrikes inflyttning för Vallentuna kommun β 219.52 125.95 1.74.9 Nya lgh totalt.8.27 3..1 Döda 3.86 1.48 2.61.1 Födda -1.25.49-2.57.1 Utflyttning.75.17 4.43 <.1 R2-Adj % 81% Modellens F-värde 4.85 Pr > F <.1 Diagram 23. Predikterade vs. observerade värden inrikes inflyttning för Vallentuna kommun 25 2 15 1 5
1975 1977 1979 1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 21 23 25 27 29 211 213 3(32) Vaxholm Tabell 26. Anpassad modell för inrikes inflyttning för Vaxholms kommun β -18.27 48.62 -.38.71 Nya lgh i flerbostadshus.89.35 2.55.2 Nya lgh i småhus.96.64 1.51.14 Födda 1.68.9 1.87.7 Utflyttning.7.17 4.2. R2-Adj % 77% Modellens F-värde 32.81 Pr > F <.1 Diagram 24. Predikterade vs. observerade värden inrikes inflyttning för Vaxholms kommun 1 9 8 7 6 5 4 3 2 1
1975 1977 1979 1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 21 23 25 27 29 211 213 31(32) Värmdö Tabell 27. Anpassad modell för inrikes inflyttning för Värmdö kommun β 253.5 129.75 1.95.6 Nya lgh totalt.9.33 2.73.1 Utflyttning.93.8 11.17 <.1 R2-Adj % 78% Modellens F-värde 67.46 Pr > F <.1 Diagram 25. Predikterade vs. observerade värden inrikes inflyttning för Värmdö kommun 3 25 2 15 1 5
1975 1977 1979 1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 21 23 25 27 29 211 213 32(32) Österåker Tabell 28. Anpassad modell för inrikes inflyttning för Österåkers kommun β 12.13 226.68.53.6 Nya lgh totalt 1.22.25 4.85 <.1 Döda -1.97.97-2.3.5 Utflyttning 1.4.18 5.71 <.1 R2-Adj % 62% Modellens F-värde 21.4 Pr > F <.1 Diagram 26. Predikterade vs. observerade värden inrikes inflyttning för Österåkers kommun 3 25 2 15 1 5
Andra rapporter i samma serie: Stockholmsregionens återflyttningsutbyte 21:5 Bostadsbyggande och befolkningstillväxt Regressionsanalys 21:11 Pensionspuckeln, 55+flyttningar 211:2 Vart tar invandrarna vägen? 211:4 Födda 211-22 efter mödrarnas födelseländer 212:4 Hushåll och familjer i förändring 212:5 Varför flyttar svenska barnfamiljer? 212:1 Barnfamiljers flyttningar kring sekelskiftet 2 213:4 Barn och barnfamiljer i tillväxtregion 213:5 Alternativa byggplaner 214:1 Barns och ungdomars flyttningar 214:2 Demografiska försörjningskvoter för planområden 214:3 Stockholms län - Huvudrapport 214:4 Bostadsbyggnadsplaner 214-223/3 214:5 Kommunprognoser -bilaga till Stockholms läns huvudrapport 214:6 Fruktsamhet och mortalitet 213 214:7 In- och utflyttningsfält i Stockholmsregionen 214:8 Segregation i Stockholmsregionen 214:9 ISBN www.tmr.sll.se