Mätning av indirekta klustereffekter

Mätning av indirekta
klustereffekter
Redovisning av metod
och indikativa effekter
Rapport 0081
Mätning av indirekta
klustereffekter
Redovisning av metod
och indikativa effekter
Rapport 0081
Tillväxtverkets publikationer
finns att beställa eller ladda ner som
pdf på tillväxtverket.se/publikationer.
Där finns även material som gavs ut av Nutek
© Tillväxtverket
Stockholm, januari 2011
Produktion: Ordförrådet AB
ISBN 978-91-86341-79-4
Rapport 0081
Har du frågor om denna publikation, kontakta:
Ewa Andersson
Telefon, växel 08-681 91 00
Förord
Sedan mitten av 1990-talet har satsningar på kluster kommit att bli
en allt vanligare form av närings- och tillväxtpolitik. Om man till
området även räknar de insatser som gjorts för att skapa sektors­
övergripande samverkan mellan forskning, privata företag och
offentliga aktörer inom olika typer av innovationssystem så om­fattar satsningarna en betydande andel av utvecklingskapitalet
på lokal, regional, nationell och Europeisk nivå. Under senare år
har det därför vuxit fram ett behov av att kunna visa på effekter
av den här typen av verksamhet och näringspolitik.
Med Mätning av indirekta klustereffekter vill Tillväxtverket lämna ett
bidrag till utvecklingen av metoder för att uppskatta effekterna av
kluster och i förlängningen även klusterpolitik. I rapporten används
prognosmodellen i det regionala analys- och prognossystemet
(rAps) för att ta fram kontrafaktiska scenarier för fyra av de kluster
som ingått i Tillväxtverkets klusterprogram. Det vill säga att genom
en modell prognostisera effekterna av dessa kluster på tillväxt och
sysselsättning. Modellberäkningarna ställs sedan mot den faktiska
utvecklingen för att därigenom kunna uppskatta de indirekta
effekterna av klusterbildningen. Metoden är därmed förhållandevis
abstrakt och bör ses som ett alternativt analysinstrument som med
fördel kan utvecklas vidare och kombineras med traditionella
utvärderingsmetoder i skapandet av en analytisk plattform för
fortsat­t utveckling av politiken.
Rapporten är framtagen av Anders Wigren på företaget WSP Strategi & Analys, på uppdrag av Tillväxtverket. I arbetet har även
Christer Anderstig medverkat. Författarna ansvarar själva för innehållet och slutsatserna.
Stockholm, januari 2011
Christina Lugnet
Generaldirektör
Ewa Andersson
Projektledare
Sammanfattning
Den här rapporten är en metodbeskrivning av hur det regionala analys- och prognossystemet rAps kan användas för att analysera möjliga
systemeffekter av företagskluster. Begreppet systemeffekter avser de
effekter som uppstår i en regional och nationell ekonomi utanför de
verksamheter som tar emot offentligt stöd. Exempel på systemeffekter
är förändringar av andelen arbetslösa eller förändring av utbetalat
belopp i arbetslöshetsersättning. Effekter på arbetspendlingen, förvärvsfrekvensen och kommunala skatteintäkter är andra exempel på
systemeffekter.
Det finns ett önskemål från bland andra EU-kommissionen att
system­effekterna av offentliga stöd till näringslivsutveckling utvärderas mera systematiskt. Detta eftersom stöden förväntas ge upphov till
ett samhällsekonomiskt mervärde. Genom att lyfta upp och analysera
systemeffekter med hjälp av prognosmodellen i rAps går det att föra
ett mer utvecklat resonemang kring det samhällsekonomiska mer­
värdet än vad som är möjligt utifrån traditionell utvärdering. Även
om de systemeffekter som påvisas i den här rapporten inte går att
knyta direkt till de näringspolitiska satsningarna så ger de en indikation på de värden som är möjliga att uppnå genom ett framgångsrikt
främjande av klusterutveckling. Genom att kombinera metoden med
exempelvis intervjuer och enkäter kan den även fungera som ett verktyg för utvärdering av specifika näringspolitiska satsningar.
För att demonstrera hur metoden kan användas har fyra kluster analyserats indikativt. Med detta menas att de utgör modellberäknade
exempel. Exemplen visar effekterna i den regionala ekonomin av att
branscherna i klustren har haft en snabbare sysselsättningstillväxt än
genomsnittet av alla branscher i regionen. Resultaten i exemplen går
inte att tolka som effekter av klusterprogrammen. Som vanligt när det
gäller modellberäkningar är skattningarna gjorda med signifikanta
och robusta parametrar med genomsnittliga värden. Det finns därför
skillnader mellan skattade och verkliga värden.
De fyra klusterexemplen är hämtade ifrån olika delar av Sverige.
Tunga Fordon i Småland, Biotech Valley i Stockholmsområdet,
Future Position X i Gävle och Georange i Malå i Västerbotten. För
vart och ett av dessa kluster görs en regional profil utifrån tre para­
metrar. En tillväxtprofil (om klusterbranschen växer mer i regionen
än i andra regioner), en tillväxtkvot (om branschen uppvisar en högre
tillväxt relativt andra branscher i klusterregionerna och jämfört med
övriga regioner) och slutligen en koncentrationsprofil (om klusterbranschen är överrepresenterad i regionen). Därefter beräknas en
”övertillväxt”, som är en uppskattning på hur mycket av klusterbranschens sysselsättningsökning i regionen som kan antas vara en effekt
av de externa effekter som tillskapas genom klustret. Övertillväxten
dras sedan bort från den faktiska utvecklingen vartefter ett alternativt
(kontrafaktiskt) utvecklingsscenario räknas fram med hjälp av rAps
prognosmodell.
Det ska framhållas att måttet ”övertillväxt” är skapat endast för att
slippa välja ett godtyckligt exogent ingångsvärde i de exempel som
konstruerats för att göra metodbeskrivningen levande. Begreppet kan
knappast användas för andra ändamål. I ett ”skarpt läge” måste det
exogena ingångsvärdet vara en faktiskt uppmätt eller förväntad effekter i klusterföretagen av en viss klustestödjande insats. Dessa exogena
effekter kallas även för direkta effekter. Via multiplikatoreffekter från
företagens produktionsökning och hushållens inkomstökning uppstår
indirekta effekter i den regionala ekonomin.
Modellberäkningarna visar, med reservation för att de bygger på ett
konstruerat ingångsvärde, att de samlade systemeffekterna i regionerna blir relativt stora. Det finns mätbara effekter på bland annat
arbetslösheten, förvärvsfrekvensen och den kommunala skattein­
komsten. I kluster som har en stor del av försäljningen utanför regionen (interregional- och utlandsexport) uppstår de största indirekta
sysselsättningseffekterna i lokalt producerande tjänstebranscher.
Orsaken är att när företagen i klustren ökar sin produktion ökar efterfrågan på arbetskraft. Den största delen av detta efterfrågeöverskott
balanseras med ett ökat utbud av arbetskraft som bor i regionen. Den
arbetskraft som tas i anspråk skulle ha varit arbetslös eller stått utanför arbetskraftsutbudet i ett alternativ utan kluster. De ökade inkomsterna som blir följden av att ledig arbetskraft engageras i produktionen läggs till stor del på inköp av tjänster som produceras i regionen.
I rapporten är uppdelad i tre kapitel och en bilaga. Kapitel ett är en
inledning, i kapitel två testas metoden på de fyra klustren vilket ger
upphov till indikativa data. I det tredje kapitlet presenteras sammanfattande kommentarer och i en metodbilaga beskrivs själva metoden
steg för steg.
Abstract
This report describes the method of analysing potential system
impacts of company clusters by applying the System for Regional
Analysis and Forecast rAps. The notion system impacts concerns the
impacts that arise in a regional and national economy, external to
those organisations that receive public support. Examples of system
impacts include the share of unemployed and the change of payment
of unemployment benefits. Impacts on commuting, the employment
rate and municipal tax revenues are other examples of system
impacts.
The rAps model calculates the indirect impacts that arise as a result of
an assumed increase in production or employment of an industry in a
region that receives support to a cluster project. The assumed increase
is in the report made equal to the growth in employment in a specific
cluster industry that supersedes the average regional growth. The
indirect and the direct impacts together constitute the total impact. In
this report, the total regional impacts are in focus, but it is also possible to deduct the national impacts of cluster policies carried out in
one region by applying a multiregional model, which nationally balances interregional trade flows.
Innehåll
1. Inledning
11
2. Analys av indikativa klustereffekter
13
2.1 Tunga fordon
14
2.2 Biotechvalley 25
2.3 Future Position X
31
2.4 Georange
32
3. Sammanfattande kommentarer
35
Bilaga 1
37
Bilaga 2
48
10
1. Inledning
Geografisk koncentration av företag, relaterade privata och offentliga
verksamheter och det sätt på vilket de är länkade till varandra, kan
under vissa förutsättningar sätta igång processer som ökar den ekonomiska tillväxttakten (t.ex. mätt i BNP och BRP 1). Kluster kan vara
tillväxtdrivande genom att relationen mellan aktörerna i klustret ökar
totalfaktorproduktiviteten2 i klusterföretagen men också i andra företag i regionen. Mekanismen är vanligen tilltagande skalavkastning på
produktionsfaktorerna arbete och kapital. Exempel på tilltagande
skalavkastning är ökad spridningstakt av kunskaper, en längre driven
specialisering hos regionens arbetskraft och underleverantörer och
bättre utnyttjande av företagsinterna skalfördelar. Effekten av ökad
faktorproduktivitet brukar bli en ökad internationell och interregional exportvolym vilket driver klustret mot ännu högre skalavkastning
och specialisering.3
Att positiva externa effekter kan uppstå, genom att andra företags
produktivitet påverkas positivt av insatser i vissa företag, har moti­
verat offentliga aktörer att stödja klusterutveckling med finansiering
och kunskapsstöd. Ur policysynpunkt är det därför värdefullt att klustersatsningarna utvärderas för att kunna kvantifiera förekomsten och
storleken av de externa effekterna. Erfarenheterna hittills är att det är
svårt att utvärdera de externa effekterna. En viktig orsak är komplexiteten i de processer som politiken försöker påverka, men svårigheterna beror även på att det har saknats analysverktyg som gör det
möjligt att identifiera indirekta systemeffekter.
Ett närbesläktat problem vid utvärderingar av klusterinsatser är att
det har varit svårt att identifiera systemeffekter och så kallade
”impacts”. Exempel på systemeffekter är sådana som uppkommer via
produktionslänkarna och effekter som uppkommer via konsumtionslänkarna. Exempel på ”impacts” är klustrens effekter på mera makroorienterade faktorer som inverkan på den totala sysselsättningstillväxten, arbetslösheten eller den beskattningsbara förvärvsinkomsten i
regionen.
Sedan 2007 har WSP Analys & Strategi i olika uppdrag åt Tillväxtverket (tidigare NUTEK) och Region Värmland påbörjat utvecklingen av
1 BRP-bruttonationalprodukt mäts på nationell nivå, medan Regionbruttoprodukt mäts på regional nivå.
2 Totalfaktorproduktivitet är ett mått på alla produktionsfaktorers bidrag till produktionsmängden.
3 För en beskrivning av begreppet tilltagande avkastning se World Development Report 2009: Reshaping
Economic Geography. The World Bank.
11
en metod som gör det möjligt att kvantifiera indirekta systemeffekter
av satsningar på kluster och offentliga företagsstöd. I det uppdrag
som ligger till grund för den här rapporten har syftet varit att driva
utvecklingsarbetet vidare genom att beskriva tillvägagångssättet och
göra indikativa tester av metoden på fyra klusterprocesser: Tunga fordon, Biotechvalley, Future Position X och Georange.
Rapporten är uppdelad i två huvuddelar. I den första delen (kapitel 1
till 3) demonstreras hur metoden kan användas med hjälp av de fyra
exemplen. Den andra delen utgörs av en bilaga där de olika stegen i
modellen beskrivs utförligt. Tanken är här att en person med grundläggande kunskaper i rAps med beskrivningen som stöd själv ska
kunna genomföra en systemanalys av ett självvalt kluster. Förhoppningen är att på så sätt bidra till ett utvecklat resonemang kring möjliga systemeffekter av de klustersatsningar som utgör en väsentlig del
av en aktiv nationell, regional eller lokal näringspolitik. Metoden kan
även användas i analyser av effekter av olika klustersatsningar i en exant­­e utvärdering. Det är möjligt att få en bild av relationen mellan
insatta offentliga medel och effekter i den regionala ekonomin.
12
2. Analys av indikativa
klustereffekter
Eftersom denna rapport i första hand är en metodhandledning har
inga effekter av själva klustersatsningarna analyserats. För att det ska
vara möjligt måste direkta effekter av satsningarna, som exempelvis
produktionsförändringar eller sysselsättningsförändringar, läggas in
exogent i modellen för att kunna analysera de indirekta effekterna.
I exemplen har ett exogent värde, ”övertillväxten”, räknats ut genom
att relatera sysselsättningstillväxten i klusterbranscherna till den
totala sysselsättningstillväxten i regionen. När detta värde läggs in
som ett exogent startvärde (direkt effekt) räknar modellen ut de effekter som uppstår i andra branscher i regionen via input-outputlänkar
samt regionala effekter av hushållens ökade inkomster. Dessa indirekta effekter ska adderas till de direkta effekterna för att få fram de
totala effekterna. I den här rapporten visas regionala effekterna av att
klusterbranscherna växer snabbare i sysselsättning än den totala
syssel­sättningen i klusterregionerna. Det ska framhållas att måttet
”övertillväxt” främst har skapats för att slippa välja ett godtyckligt
värde som exogent ingångsvärde i modellen. Multiplikatorn i rAps är
linjär och är oberoende av storleken på det exogena ingångsvärdet.
Den beräknade övertillväxten betraktas därmed som en rimlig uppskattning av de externa effekter som uppstår genom att företag är
lokaliserade i kluster. För att ett sådant antagande ska anses rimligt
finns det dock ett behov av att dels säkerställa att branscherna är geografiskt koncentrerade, dels av att jämföra utvecklingen inom klusterbranscherna i regionen med branschernas utveckling nationellt.
I detta exempel har tre kriterier ställts upp för att en bransch ska
anses vara en klusterbransch. Det första kriteriet är att branscher ska
ha haft en positiv sysselsättningstillväxt i regionen under en viss
period. Det andra kriteriet är att kvoten mellan klusterbranschens
sysselsättningstillväxt i klusterregionen och branschens sysselsättningstillväxt i riket (alla regioner) ska vara en bra bit över 1. Det
tredje kriteriet är att branschen ska ha en stark koncentration av sysselsättningen till klusterregionen jämfört med en hypotetisk situation
då alla regioner har proportionell andel ((1/N) där N=antalet regioner) av sysselsättningen.
Dessa kriterier ska inte i detalj ägnas allt för stor uppmärksamhet
eftersom syftet endast är att redovisa hur de branscher som ingår i
exemplen har valts ut. I ett ”skarpt läge” förutsätts att klustren redan
är avgränsade.
13
2.1 Tunga fordon
Klustret Tunga fordon består huvudsakligen av företag i Maskinindustrin och Metallvaruindustrin. Geografiskt finns klustrets företag i tre
FA regioner: FA 5 Värnamo, FA 10 Ljungby och FA 11 Växjö. Vilka
kommuner som ingår i FA regionerna framgår av bilagan.
När det gäller Maskinindustrin har sysselsättningstillväxten varit
snabb mellan 1993 och 2007 i FA Ljungby. I de två övriga FA regionerna har sysselsättningstillväxten i Maskinindustrin varit långsammare (Figur 1).
Figur 1 150
Rangordning av Sveriges 72 FA-regioner efter sysselsättningstillväxt i Maskinindustrin 1993–2007
Tillväxt, procent
120
90
F10
60
30
F11
0
F5
-30
-60
-90
1
5
10
15
20
25
30
35
40
14
45
50
Rangordning
I Figur 2 har de 72 FA-regionerna rangordnats efter tillväxtkvot i
syssel­sättning mellan 1993–2007. Tillväxtkvoten beräknas genom att
dividera varje FA-regions tillväxt i Maskinindustrin 1993–2007 med
tillväxten i Maskinindustrin i riket under samma period. Det framgår
att i FA Ljungby har sysselsättningstillväxten i Maskinindustrin varit
drygt fyra gånger rikets tillväxt. FA 10 rangordnas som nummer sju
av 72 FA-regioner när det gäller sysselsättningstillväxt i Maskinindustrin under perioden.
Figur 2 12
Rangordning av Sveriges 72 FA-regioner efter tillväxtkvot i Maskinindustrin 1993–2007.
Anm: 30 FA-regioner saknar maskinindustri. Dessa FA-regioner har uteslutits.
Tillväxtkvot
10
8
6
F10
4
2
F11
0
F5
-2
-4
-6
-8
1
5
10
15
20
25
30
35
40
15
45
50
Rangordning
Ett klustervillkor är att flera företag ska vara geografiskt koncentrerade. Geografisk koncentration mäts här som kvoten mellan varje FAregions faktiska andel av rikets sysselsatta i en viss bransch ett visst år
och en hypotetiskt jämn fördelning där varje FA-region har 1/72-del
av rikets sysselsättning i samma bransch samma år.
Både FA Ljungby (FA 10) och FA Växjö (FA 11) har en koncentration
av Maskinindustrin och ligger på nionde respektive elfte plats bland
de 72 FA-regionerna. FA 5 (Värnamo) har ingen koncentration av
Maskinindustrin.
Figur 3 8
Rangordning av Sveriges 72 FA-regioner efter koncentrationskvot i Maskinindustrin 2007
Koncentrationskvot
7
6
5
4
3
F10
2
F11
F5
1
0
1
5
10
15
20
25
30
35
40
16
45
50
Rangordning
I Figur 4 till och med Figur 6 har Metallvaruindustrin analyserats på
samma sätt som Maskinindustrin. Om FA Ljungby har en snabb
syssel­sättningstillväxt och koncentration av i Maskinindustrin så
kompletteras denna bild av att FA 11 Växjö och FA 5 Värnamo har en
snabb sysselsättningstillväxt i Metallvaruindustrin. FA 10 Ljungby har
en sysselsättningstillväxt i nivå med rikets tillväxttakt. FA Värnamo
har en hög koncentrationskvot och rankas på tredje plats bland de 72
FA-regionerna. FA Växjö ligger nära kvoten 1 och FA Ljungby under
kvoten 1 vilket betyder att det inte finns någon hög koncentration av
rikets sysselsättning i Metallvaruindustrin i dessa regioner.
Figur 4 350
Rangordning av Sveriges 72 FA-regioner efter sysselsättningstillväxt i Metallvaruindustrin 1993–2007
Tillväxt, procent
300
250
200
150
100
F11
F5
50
F10
0
-50
-100
1
5
10
15
20
25
30
35
40
45
50
17
55
60
65
70
Rangordning
Figur 5 15
Rangordning av Sveriges 72 FA-regioner efter tillväxtkvot i Metallvaruindustrin 1993–2007
Tillväxtkvot
12
9
6
F11
3
F10
F5
0
-3
-6
1
Figur 6 8
5
10
15
20
25
30
35
40
45
50
55
60
65
70
Rangordning
55
60
65
70
Rangordning
Rangordning av Sveriges 72 FA-regioner efter koncentrationskvot i Metallvaruindustrin 2007
Koncentrationskvot
7
6
F5
5
4
3
2
F11
1
0
1
5
10
F10
15
20
25
30
35
40
45
50
18
I den fortsatta analysen har klustret Tunga fordon avgränsats så att i
FA Värnamo och FA Växjö är det Metallvaruindustrin som ingår i
klustret och i FA Ljungby representeras klustret av Maskinindustrin.
Skälet är att metallvaruindustrin har en tillväxtkvot som understiger 1
och en koncentrationskvot som understiger 1. I de följande fyra
avsnitten modellberäknas de indirekta effekterna av dessa branschers
övertillväxt, med andra ord, i vilken utsträckning denna övertillväxt
har påverkat arbetsmarknaden och den regionala ekonomin i tre FAregionerna.
FA 5 Värnamo
Regional kontext
FA Värnamo hade 1993 knappt 84 000 invånare varav omkring
47 000 var i åldrarna 20–64 år. Av dem var 41 400 personer i arbetskraften, 39 300 som förvärvsarbetande nattbefolkning och 2 100 som
arbetslösa. Andelen arbetslösa av arbetskraftsutbudet var 5,1 procent.
Ett större antal, 5 500 personer i åldrarna 20–64 år stod utanför
arbetskraften. Totalt fanns det en arbetskraftsreserv på 7 600 personer. I regionen fanns nästan 40 000 sysselsatta (dagbefolkning) och
lika många förvärvsarbetande nattbefolkning. Ungefär 3 000 personer pendlade in till regionen och 2 500 pendlade ut. Pendlingsöverskottet var således runt 500 personer. Drygt 90 procent av arbetsplatserna besattes av personer som var bosatta i regionen.
Mellan 1993 och 2005 ökade antalet arbetsplatser (dagbefolkning)
i regionen med 4 000, en ökning med tio procent. Befolkningen i
arbetsför ålder var på samma nivå 2005 som 1995, vilket innebär att
utflödet var lika stort som inflödet under perioden. Efterfrågan på
arbetskraft ökade med 4 033 sysselsatta och denna efterfrågeökning
matchades med en ökning antalet förvärvsarbetande nattbefolkning
med 2 785. Den resterande delen av den ökade efterfrågan på arbetskraft tillgodoseddes med en ökad nettoinpendling med 1 248. Av
efterfrågeökningen arbetskraft tillgodoseddes 69 procent av förvärvsarbetande som bodde i regionen.
Det är i denna regionala kontext som tillväxten i klusterbranschen
Metallvaruindustrin ska ses. Som framgår tidigare i detta avsnitt är
Metallvaruindustrin både specialiserad och koncentrerad till FA Värnamo. År 1993 hade branschen 10 procent av dagbefolkningen i regionen, en andel som steg till 13 procent 2005. Antalet sysselsatta ökade
med 1 400 från 4 100 1993 till 5 500 2005. Under perioden svarade
branschens direkta sysselsättningstillväxt för en tredjedel av hela tillväxten i regionen. I nästa avsnitt redovisas resultatet av modellkörningen.
Modellkörning
Övertillväxten i klusterbranschen, den del av tillväxten som översteg
tillväxten i metallvaruindustrin i riket, motsvarade 830 sysselsatta
mellan 1993 och 2005. Enligt rAps modellberäkningen tillkom ytterli-
19
gare 239 sysselsatta i regionen som en indirekt effekt på branscher
som levererar insatsvaror till metallvaruindustrin och via konsumtionslänkarna som hushållen svarar för. Den modellberäknade totala
sysselsättningseffekten av övertillväxten var därmed 1 069 personer.
Det ger en sysselsättningsmultiplikator på 1,3 vilket betyder att den
totala effekten uppskattas vara omkring 30 procent större än den
direkta effekten. Med denna multiplikator applicerad på den totala
sysselsättningstillväxten i metallvaruindustrin blir den totala tillväxten 1 840 sysselsatta i jämfört med den direkta effekten på 1 416 sysselsatta. Branschens totala inverkan (direkt plus indirekt sysselsättningseffekt) på den totala sysselsättningstillväxten i regionen var 46
procent. Det är en betydligt större effekt än den direkta effekten på
regionens sysselsättningstillväxt som var 35 procent.
Analysen handlar om klustereffekterna och inte om den totala effekten av metallvaruindustrins tillväxt. Då klustereffekten definieras som
övertillväxten baseras analysen av klustereffekterna på hela regionens
arbetsmarknad på betydelsen av denna övertillväxt. I Tabell 1 visas
resultatet av en ”impact” analys på arbetsmarknaden. I den mellersta
kolumnen visas klustereffekterna. Ökningen av dagbefolkningen på
1 069 sysselsatta balanserades enligt modellberäkningen inte fullt ut
av en ökning av nattbefolkningen, som ökade med 918 sysselsatta.
Detta efterfrågeöverskott balanserades därför i stället genom en ökad
nettoinpendling på 151 personer. I kolumnen ”utan kluster” har klustereffekten dragits bort från summan för hela regionen. Genom att
dividera klusterkolumnen med totalkolumnen ”utan kluster” anger
kvoten klustrets andel av den totala tillväxten i regionen. Mellan 1993
och 2005 var klusterandelen 26 procent för dagbefolkningen, 33 procent för nattbefolkningen och 7 procent för nettopendlingen. Av tillväxten i dagbefolkningen som övertillväxten i klustret gav upphov till
blev multiplikatorn på nattbefolkningen 0.85 jämfört med 0.63 i alternativet utan klustereffekter. Enligt prognosmodellens beräkning har
övertillväxten i klustret inte bara ökat antalet arbetsplatser i regionen
utan det har även bidragit till en positiv effekt på antalet förvärvsarbetande nattbefolkning. I modellen ger denna ökning även utslag i de
kommunala skatteinkomsterna. År 2005 var den beskattningsbara
förvärvsinkomsten 247 miljoner kronor högre än vad modellen indikerar att den hade varit utan de direkta och indirekta effekterna av
övertillväxten i klustret. På samma sätt indikeras att den kommunala
skatteinkomsten var 77 miljoner kronor högre 2005 i alternativet med
metallvaruindustrins tillväxt än alternativet utan denna tillväxt.
Tabell 1 Tillväxteffekter på arbetsmarknaden i FA Värnamo mellan 1993 och 2005
Dagbefolkning
Utan kluster
2 964
Kluster
1 069
Totalt
4 033
Klusterandel
26 %
Nattbefolkning
1 867
918
2 785
33 %
Nettopendling
1 097
151
1 248
7%
20
De indirekta effekterna på sysselsättningen i regionen uppstod i tjänstebranscherna Övriga lokala tjänster, Företagstjänster och Parti- och
detaljhandel, Hotell o restaurang, Post o budbilar och övriga landtransporter. 89 procent av de modellberäknade indirekta sysselsättningseffekterna uppstod i dessa tjänstebranscher. Av de resterande 11
procenten uppkom 5 procent i klusterbranschen Metallvaruindustrin
och 6 procent i övriga industribranscher.
Modellen kan även räkna ut de nationella effekterna av en klustersatsning i en region. Detta är dock en mödosam uppgift och som endast
fullskaligt kan göras med den flerregionala modulen i rAps. Genom
vissa ingrepp i rAps går det att få en indikativ uppgift om storleken på
nationella effekterna utan att de fördelas regionalt. Erfarenheterna
från körningar med den flerregionala modellen är att det krävs
mycket stora direkta effekter för att det ska vara meningsfullt att analysera de nationella effekterna. Ett exempel är en analys som genomförts av effekterna av en tänkt neddragning av sysselsättningen i fordondonsindustrin i Göteborg med 10 000 sysselsatta.
De nationella effekterna har dock beräknats för FA Värnamo (och de
övriga klusterregionerna) enligt den indikativa metod som översiktligt beskrivs i sista avsnittet i denna rapport.
Enligt analysen ledde klustertillväxten i FA Värnamo till en ökning av
antalet sysselsatta med 39. Hela 64 procent av de indirekta effekter
som tillföll övriga regioner uppstod i industrin. Branschprofilen i de
jobb som skapades utanför regionen hade en tonvikt mot industrin
och de indirekta sysselsättningseffekter som uppstod i regionen var
koncentrerade till tjänster. Denna skillnad beror på att tjänstebranscher är mera känsliga för transportkostnader än industribranscher.
Produktionslänkarna har en vidare geografisk räckvidd än konsumtions- och arbetsmarknadslänkarna. De största indirekta effekterna av
övertillväxten i klustret i regionen uppkom således via ökad privat
konsumtion till följd av att klustertillväxten leder till fler förvärvsarbetande nattbefolkning i regionen. Därtill kommer regionala effekter i
produktionslänkarna som berör företagstjänster, Parti- och detaljhandel och Post o budbilar. När det gäller leveranser mellan industribranscher kommer dessa i mycket stor utsträckning från andra regioner.
Tabell 2 Fördelning av de indirekta sysselsättningseffekterna i FA Värnamo och övriga regioner på
branschgrupper
Övriga lokala tjänster
Andel regionen
40 %
Andel övriga regioner
12 %
Skillnad
28 %
Företagstjänster
20 %
0%
20 %
Parti- o detaljhandel
16 %
15 %
1%
Hotell o restaurang
6%
5%
1%
Övriga industribranscher
6%
55 %
-49 %
Metallvaruindustri
5%
9%
-4 %
Övriga landtransporter
4%
4%
0%
Post & budbilar
3%
0%
3%
100 %
100 %
0%
Summa
21
FA 10 Ljungby
Regional kontext
FA Ljungby är en mindre region än FA Värnamo, mätt i befolkning.
År 1993 bodde 38 300 invånare i regionen och av dem var 21 200 i åldrarna 20–64 år. Arbetskraftsutbudet var 18 100 personer och av dem
var 16 800 förvärvsarbetande nattbefolkning och 1 300 arbetslösa.
Andelen arbetslösa av arbetskraftsutbudet var 7,2 procent. Antalet
personer i åldrarna 20–64 år utanför arbetskraften var 3 100 och tillsammans med de arbetslösa bildade de en arbetskraftsreserv på 4 400
personer.
Mellan 1993 och 2005 minskade antalet invånare med 1 600 personer.
Det förde med sig att även befolkningen i arbetsför ålder, 20–64 år
minskade med 700. Samtidigt ökade den förvärvsarbetande dagbefolkningen med runt 1 700. Denna ökning av efterfrågan på arbetskraft kunde delvis matchas med en ökning av den förvärvsarbetande
nattbefolkningen, vars ökning var omkring 1 000. Efterfrågeöverskottet balanserades med en ökad inpendling på runt 700 sysselsatta.
Kvoten mellan tillväxten i nattbefolkningen och tillväxten i dagbefolkningen anger hur stor del av sysselsättningstillväxten i regionen
som resulterade i en ökning av förvärvsarbetande nattbefolkning i
regionen. I en hypotetisk situation kan kvoten vara 0 om all förvärvsarbetande nattbefolkning pendlar ut ur regionen och alla arbetsplatser besätts av inpendlare. Kvoten i regionen var 0,60 vilket innebär att
60 procent av de nya jobben i regionen tillföll arbetskraft som bodde i
regionen.
I denna regionala kontext ökade maskinindustrin antalet sysselsatta
med 1 300 mellan 1993 och 2005. Antalet sysselsatta ökade från 2 200
till 3 500 och branschens direkta andel av den totala sysselsättningstillväxten i regionen var 88 procent.
Modellkörning
I Tabell 3 visas klustrets effekter på arbetsmarknaden i FA Ljungby.
Effekten av övertillväxten i klustret (skillnaden mellan tillväxten i
Maskinindustrin i FA Ljungby och tillväxten i alla branscher i FA
Ljungby) var att efterfrågan på arbetskraft ökade med 1 145 personer.
Denna efterfrågan balanserades genom en ökning av nattbefolkningen med 801 personer. Multiplikatorn på den förvärvsarbetande
nattbefolkningen var 0,69. Detta efterfrågeöverskott balanserades
med ökad nettoinpendling på 345 sysselsatta. Inompendlingsandelen
(andelen av nattbefolkningen som jobbar i regionen) i de jobb som
klustret skapade var 69 procent vilket var högre än den genomsnittliga andelen på 60 procent. Dras klustrets tillväxt bort från den totala
tillväxten skulle dagbefolkningen ha ökat med 539 sysselsatta och
nattbefolkningen ha ökat med 211 sysselsatta. Inompendlingsandelen
hade då varit 39 procent.
Övertillväxten i klustret svarade för 68 procent av den totala tillväxten i dagbefolkningen i regionen och 80 procent av den totala tillväx-
22
ten i nattbefolkningen i regionen. Klustrets inverkan på den tillväxten
i den regionala sysselsättningen var stor. Effekten på den beskattningsbara förvärvsinkomsten var 62 miljoner kronor och effekten på
de kommunala skatteinkomsterna var 20 miljoner kronor.
Tabell 3 Tillväxteffekter på arbetsmarknaden i FA Ljungby 1993–2005
Dagbefolkning
Utan kluster
539
Kluster
1 146
Totalt
1 685
Klusterandel
68 %
Nattbefolkning
211
801
1012
80 %
Nettopendling
328
345
673
5%
De direkta sysselsättningseffekterna uppstod i Metallvaruindustrin
men de indirekta effekterna uppkom i tjänstesektorn i vilken svarade
för 81 procent av indirekta effekterna i regionen. Resterande indirekta
sysselsättningseffekter återfanns i industribranscherna Metallvaruindustri och Maskinindustri (12 procent) samt i övriga industribranscher (7 procent). Eftersom Metallvaruindustrin och Maskinindustrin
är klusterbranscher i Tunga Fordon fanns det en indirekt klustereffekt
som ska läggas till de direkta effekterna.
Analysen av sysselsättningseffekterna i andra regioner visar att effekterna inte blir så stora utan att den största delen av de leveranser av
insatsvaror som övertillväxten i klustret gav upphov till kommer från
den egna regionen. Endast 16 jobb tillkommer i övriga regioner. Men
dessa jobb har en större tonvikt mot industribranscher än tjänstebranscherna. Även i FA Ljungby är de regionala indirekta effekterna
riktade mot tjänstesektorn och effekterna i övriga regioner riktade
mot industrin (Tabell 3).
Tabell 4 Fördelning av de indirekta sysselsättningseffekterna i FA 10 på branschgrupper
Övriga tjänstebranscher
Andel regionen
52 %
Andel övriga regioner
39 %
Skillnad
13 %
Företagstjänster
19 %
0%
19 %
Parti o detaljhandel
10 %
0%
10 %
-14 %
Metallvaruindustri
8%
22 %
Maskindustri
4%
6%
-2 %
Övriga industribranscher
7%
33 %
-26 %
100 %
100 %
0%
Summa
FA 11 Växjö
Regional kontext
FA Växjö är den största regionen i klustret Tunga fordon. År 1993
bodde 125 500 personer i regionen. Av dem var 70 600 i åldrarna 20–24
år. Arbetskraftsutbudet var 59 200 personer och av dessa var 5 000
arbetslösa vilket var 8,4 procent av arbetskraftsutbudet. Antalet personer utanför arbetskraften i åldrarna 20–64 var 11 400 personer. Den
23
förvärvsarbetande nattbefolkningen var 54 300 personer vilket i stort
var i nivå med antalet förvärvsarbetande dagbefolkning. Av det skälet
var nettopendlingen liten, ett utpendlingsöverskott på 59 personer.
Mellan 1993 och 2005 ökade antalet invånare med 980 personer.
Ökningen av befolkningen var koncentrerad till åldrarna 20–64 år
(2 900 personer) och detta bidrog till att arbetskraftsutbudet ökade
med 3 800 personer. Antalet förvärvsarbetande dagbefolkning ökade
mer än antalet förvärvsarbetande nattbefolkning och därför vände
nettopendlingen från ett litet utpendlingsöverskott till inpendlingsöverskott på 800 personer.
I regionen tillhör Metallvaruindustrin klustret Tunga fordon. Branschen sysselsatte 1 300 personer 1993 och antalet sysselsatta ökade
med 800 till 2 100 2005. Branschens andel av den totala sysselsättningen i regionen var 1993 2,3 procent, en andel som ökade till 3 procent 2005. Sysselsättingstillväxten i metallvaruindustrin utgjorde sju
procent av den totala sysselsättningstillväxten i FA Växjö. Branschens
sysselsättningsandel i industrin var 1993 8,6 procent 1993 och andelen
ökade till 11,7 procent 2005. Metallvaruindustrins andel av industrins
sysselsättningstillväxt var 29 procent. Metallvaruindustrin spelar således en viktig roll för tillväxten i regionen.
Modellkörning
I FA Växjö motsvarade övertillväxten (skillnaden mellan sysselsättningstillväxten Metallvaruindustrin i FA Växjö och den totala sysselsättningstillväxten i FA Växjö) 425 sysselsatta 2005. Enligt prognosmodellen så gav detta upphov till indirekta sysselsättningseffekter på
motsvarande 68 sysselsatta vilket ger en sysselsättningsmultiplikator
på 1,2. Den totala sysselsättningseffekten blir då 493 personer. I Tabell
5 framgår i alternativet Med kluster att ökningen av nattbefolkningen i
regionen utgjorde 90 procent av ökningen av dagbefolkningen. De
nya jobben besattes till stor del av förvärvsarbetande som bodde i
regionen. Även i alternativet där klustereffekterna isoleras är andelen
inompendlare runt 90 procent. Den höga andelen inompendlare
beror på att regionens arbetsmarknad är tillträckligt stor och differentierad för att en hög andel inompendlare.
Regionstorleken gör också att den direkta och indirekta effekten av
övertillväxten i klusterbranscherna blir relativt liten, omkring 7 procent både när det gäller dagbefolkningen och nattbefolkningen. Effekten på den beskattningsbara förvärvsinkomsten beräknas vara 128
miljoner kronor och effekten på de kommunala skatteintäkterna 40
miljoner kronor.
Tabell 5 Tillväxteffekter på arbetsmarknaden i FA Växjö
Dagbefolkning
Utan kluster
6 711
Kluster
530
Nattbefolkning
6 244
476
6 720
7%
Nettopendling
467
54
521
10 %
24
Med kluster
7 241
Klusterandel
7%
Den största delen av de indirekta sysselsättningseffekterna i regionen
uppstod i lokala tjänster och i Företagstjänster (67%). Parti- och
detaljhandeln, Hotell o restaurang och Övriga landtransporter stod
för 19 procent av de indirekta effekterna i regionen. Klusterbranschen
Metallvaruindustrin och Övriga industribranscher svarade för 14 procent av de indirekta sysselsättningseffekterna. Tonvikten mot tjänstebranscher är stor.
I övriga regioner uppstod det 92 jobb som en indirekt effekt av övertillväxten i Metallvaruindustrin i FA Växjö. De indirekta sysselsättningseffekter som uppkom i öviga regioner har en profil mot industribranscherna men inte lika tydlig som i FA Värnamo och FA Ljungby
(Tabell 6). Detta har att göra med att FA Växjö är tillräckligt stor och
diversifierad för att täcka in en större del av leveranser som äger rum
mellan industribranscherna.
Tabell 6 Fördelning av de indirekta sysselsättningseffekterna i FA Växjö på branschgrupper
Övriga tjänstebranscher
Företagstjänster
Andel övriga regioner
39 %
Skillnad
9%
19 %
21 %
-2 %
Parti o detaljhandel
9%
10 %
-1 %
Övriga industribranscher
8%
14 %
-6 %
Metallvaruindustri
6%
5%
1%
Hotell o restaurang
6%
7%
-1 %
Övriga landtransporter
Summa
Andel regionen
48 %
4%
4%
0%
100 %
100 %
0%
2.2 Biotechvalley
Biotech Valley består av läkemedelsbranschen inklusive partihandel
och företagstjänster avseende läkemedelsindustrin i ett område som
sträcker sig från Strängnäs via Södertälje och följer Europaväg 20
förbi Solna till Uppsala. Anledningen till att företagstjänster och
parti­handel kommer räknas till klustret är att dessa branscher finns
representerade bland de företag som angivits som medlemmar i
klustret samt att de uppfyller de tre klustervillkoren. Läkemedels­
industrin är en kunskapsintensiv bransch som är starkt koncentrerad
till tre FA-regioner: Stockholm, Göteborg och Malmö (Figur 7). Inom
dessa regioner är branschen koncentrerad till kommunerna Södertälje, Strängnäs, Mölndal och Lund.
25
Figur 7 50
Rangordning av Sveriges 72 FA-regioner efter koncentrationskvot i Läkemedelsindustrin 2007
Koncentrationskvot
FA Stockholm
40
30
20
FA Malmö
FA Göteborg
10
0
1
5
10
15
20
25
30
35
40
45
50
55
60
65
70
Rangordning
Mellan 1993 och 2007 ökade antalet sysselsatta i läkemedelsindustrin i
riket med 38 procent jämfört med 18 procent för alla branscher i riket.
I procent var sysselsättningstillväxten snabbast i FA Göteborg men i
absoluta tal var den störst i FA Stockholm (Tabell 7).
Tabell 7 Sysselsättningstillväxt i Läkemedelsindustrin 1993-2007
FA Stockholm
Sysselsättningstillväxt 1993–2007
38 %
FA Göteborg
94 %
FA Malmö
Riket
7%
38 %
Även partihandeln är starkt koncentrerad till FA Stockholm, om än i
mindre utsträckning än läkemedelsindustrin. Som framgår av Figur
8 är parti- och detaljhandeln koncentrerad till ett fåtal FA-regioner.
Mellan 1993 och 2007 ökade sysselsättningen i partihandeln i snabbare takt i FA Stockholm än i riket och tillväxtkvoten för FA Stockholm var 1,2.
26
Figur 8 30
Rangordning av Sveriges 72 FA-regioner efter koncentrationskvot i Partihandeln 2007
Koncentrationskvot
FA Stockholm
25
20
15
10
5
0
1
5
10
15
20
25
30
35
40
45
50
55
60
65
70
Rangordning
Liksom i de övriga två branscherna i klustret är Företagstjänster starkt
koncentrerad till Stockholmsregionen (Figur 9). Branschen är koncentrerad till några få regioner. Mellan 1993 och 2007 ökade antalet
sysselsatta i Företagstjänster i riket med 98 procent och tillväxten i
Stockholmsregionen var i nivå med rikets tillväxt.
Figur 9 30
Rangordning av Sveriges 72 FA-regioner efter koncentrationskvot i Företagstjänster 2007
Koncentrationskvot
FA Stockholm
25
20
15
10
5
0
1
5
10
15
20
25
30
35
40
45
50
27
55
60
65
70
Rangordning
Regional kontext
Biotechvalley är en del av Sveriges största arbetsmarknadsregion, FA
Stockholm. För att inte klustereffekterna ska drunkna i denna stora
region har den region som används i analysen avgränsats till några för
klustret viktiga men lite mindre kommuner än Stockholms kommun.
Analysregionen består av kommunerna Strängnäs, Södertälje, Solna,
Sundbyberg och Uppsala. I den regionen bodde 1993 372 500 personer. Av dessa var 226 200 i åldrarna 20–64 år. Arbetskraftsutbudet
bestod av 178 000 personer och av dessa var 13 000 arbetslösa vilket
gav en arbetslöshetsandel på 7,3 procent. Den förvärvsarbetande dagbefolkningen (183 600) var större än den förvärvsarbetande nattbefolkningen (165 000) vilket medförde att nettoinpendlingen från
andra kommuner var 18 600 personer. Antalet personer utanför
arbetskraften var 48 200 vilket gör att arbetskraftsreserven var 61 200
personer.
Mellan 1993 och 2005 ökade antalet invånare med 16 600 och
ökningen av befolkningen i åldrarna 20-64 år var ännu större, 17 700.
Nästan hela denna ökning slog igenom i en ökning av arbetskraftsutbudet vilket ökade med 14 400 personer. Samtidigt minskade antalet
arbetslösa med 6 600 vilket medförde att antalet förvärvsarbetande
nattbefolkning ökade med 21 000. Denna ökning var mindre än
ökningen av den förvärvsarbetande dagbefolkningen som ökade med
36 300. Följden av att dagbefolkningen ökade mer än nattbefolkningen blev att nettoinpendlingen ökade med 15 300. Arbetslösheten
sjönk från 7,3 procent 1993 till 3,3 procent 2005. Trots den stora efterfrågeökningen på arbetskraft ökade antalet personer utanför arbetskraften med 3 300 personer. Men eftersom antalet arbetslösa minskade med 6 600 minskade arbetskraftsreserven med 3 300 personer,
från 61 200 1993 till 57 900 2005. Ökad befolkning och ökad inpendling möjliggjorde den stora ökningen av den förvärvsarbetande dagbefolkningen i regionen.
I samtliga klusterkommuner växte sysselsättningen i klusterbranscherna i snabbare takt mellan 1993 och 2007 än den totala sysselsättningen. Skillnaden mellan sysselsättningstillväxt i klusterbranscherna
och den totala sysselsättningstillväxten var störst i Södertälje och
Uppsala (Figur 10).
I Strängnäs och Uppsala var klusterbranschernas andel av den totala
sysselsättningstillväxten högst (45 respektive 50 procent) och i de
övriga kommunerna utgjorde tillväxten i klusterbranscherna omkring
20 procent av den totala tillväxten i kommunen (Figur 11).
28
Figur 10 Klusterbranschernas sysselsättningstillväxt 1993–2007
100
Sysselsättningstillväxt, procent
Klusterbranscher
Alla branscher
80
60
40
20
0
Figur 11 Strängnäs
Solna
Sundbyberg
Södertälje
Uppsala
Klusterbranschernas andel av total sysselsättningstillväxt 1993–2007
60
Procent
50
40
30
20
10
0
Strängnäs
Solna
Sundbyberg
Södertälje
Uppsala
Modellkörning
På grund av klusterbranschernas koncentration till Stockholmsregionen sammanföll sysselsättningstillväxten i Stockholmsregionen med
tillväxten i riket. Det finns därför ingen branschbaserad övertillväxt
att utgå ifrån vid analysen av de indirekta effekterna. Av den anledningen har övertillväxten beräknats med den totala sysselsättningstillväxten i klusterkommunerna som bas. Koncentrationen till klusterregionen är extremt stark och nästan all sysselsättningstillväxt i
Sverige var koncentrerad till regionen. Totalt motsvarade övertillväxten mellan 1993 och 2007 2 784 sysselsatta, Läkemedelsindustrin svarar för den största direkta sysselsättningseffekten. Enligt modellberäkningen skapade tillväxten i klusterbranscherna ytterligare 2240
jobb i regionen. Den totala klustereffekten uppskattas därmed vara
5 024 sysselsatta och sysselsättningsmultiplikatorn blir då 1,8.
29
Tabell 8 Fördelning av de direkta sysselsättningseffekterna i Biotechvalley på branschgrupper
Partihandel
Direkta sysselsättningseffekter 2006
63
Läkemedel
2 574
Företagstjänster
147
Summa
2 784
Av de 5 024 nya jobb som skapades i regionen mellan 1993 och 2005
som en följd av övertillväxten i framförallt läkemedelsindustrin besattes 77 procent (3 856/5 024) av dessa av personer som var bosatta i
regionen (Tabell 9). Motsvarande andel i alternativet utan kluster
var 59 procent (21 538/37 740). Regionen var såldes välförsörjd med
arbetskraft med den utbildningsprofil som arbetar i klusterbranscherna och de branscherna samt i de branscher som levererar till
dessa. Regionen är en stor arbetsmarknadsregion och därför utgör
effekterna av övertillväxten i klusterbranscherna en relativt liten del
av den totala tillväxten i regionen, 12 procent av den totala tillväxten
i dagbefolkningen och 15 procent av tillväxten i nattbefolkningen.
Effekten på den beskattningsbara förvärvsinkomsten blev enligt
beräkningarna 1 205 miljoner kronor och effekten på de kommunala
skatteinkomsterna 370 miljoner kronor.
Tabell 9 Tillväxteffekter på arbetsmarknaden i Biotechvalley-kommunerna
Dagbefolkning
Utan kluster
37 740
Kluster
5 024
Totalt
42 764
Klusterandel
12 %
Nattbefolkning
21 538
3 856
25 394
15 %
Nettopendling
16 202
1 168
17 370
7%
Läkemedelsindustrin köper företagstjänster för omkring 10 procent
av bruttoproduktionen och när läkemedelsindustrin ökar produktionen leder detta till en ökning av produktionen i företagstjänster vilket
ökar antalet sysselsatta. Företagstjänster efterfrågar i sin tur insatser
från den egna branschen, fastigheter, förlag, hotell och restaurang,
parti- och detaljhandel m.fl. I samtliga dessa branscher är självförsörjningsgraden relativt hög i regionen och av den anledningen blir sysselsättningsmultiplikatorn i regionen hög (1,8).
Som förväntat visar modellen att den största andelen av de indirekta
sysselsättningseffekterna uppstår i Företagstjänster och Övriga tjänstebranscher. Som en följd av tillväxten i klusterbranscherna skapades
ytterligare 663 jobb i övriga regioner. Dessa jobb har en profil med
tonvikt mot industribranscher och en underrepresentation av företagstjänster. Detta mönster sammanfaller med det mönster som
observerats i de övriga klustren, att de indirekta tjänstejobben har en
regional profil och att en högre andel av de indirekta industrijobben
uppkommer i andra regioner.
30
Tabell 10 Fördelning av de indirekta sysselsättningseffekterna i Biotechvalley-kommunerna på
branschgrupper i regionen och övriga regioner
Företagstjänster
Andel regionen
50 %
Övriga tjänster
Andel övriga regioner
42 %
Skillnad
8%
44 %
50 %
-6 %
Industri
6%
8%
-2 %
Summa
100 %
100 %
0%
2.3 Future Position X
Regional kontext
Future Position X består mestadels av företag i datakonsultbranschen
i FA Gävle. Regionen hade 1993 156 700 invånare. Av dessa var 90 700
i åldrarna 20–64 år och 73 600 av dessa ingick i arbetskraftsutbudet.
Det innebar att antalet personer utanför arbetskraften i arbetsför
ålder var 17 100. Av arbetskraftsutbudet var arbetslösheten hög (10
procent) vilket betyder att omkring 7 000 personer var arbetslösa.
Arbetskraftsreserven består av arbetslösa och personer utanför
arbetskraften i åldrarna 20–64 år vilket gör att den uppgick till 24 100.
I regionen var antalet förvärvsarbetande dagbefolkning 66 600 och
antalet förvärvsarbetande nattbefolkning 66 500. Det innebär att
netto­inpendlingen var 100.
Mellan 1993 och 2005 minskade befolkningen med 2 500 och antalet
invånare i åldrarna 20-64 år minskade med 900. Dagbefolkningen
ökade med 3 424 samtidigt som nattbefolkningen ökade med 4 082.
Att nattbefolkningen ökade mer än dagbefolkningen resulterade i en
ökad nettoutpendling med 658.
Modellkörning
Övertillväxten i klustret har beräknats utifrån tillväxten i datakonsulter. Denna övertillväxt motsvarade 237 sysselsatta och den modellberäknade indirekta sysselsättningseffekten i regionen blev uppskattas
då vara 98 sysselsatta. Sysselsättningsmultiplikatorn blir följaktligen
1,4. Den totala sysselsättningstillväxten blev 335 sysselsatta och detta
leder enligt modellen till en ökning av nattbefolkningen med 318 sysselsatta en regional andel på 95 procent. Till de jobb som skapades i
regionen till följd av klustrets tillväxt rekryterades bosatta i regionen i
högre grad än på den övriga arbetsmarknaden, där dagbefolkningen
ökade mindre än nattbefolkningen. I relation till den totala sysselsättningstillväxten var klustereffekten liten, 9,8 procent för dagbefolkningen och 7,8 procent för nattbefolkningen (Tabell 11). Effekten på
den beskattningsbara förvärvsinkomsten var 88 miljoner kronor och
effekten på de kommunala skatteintäkterna var 27 miljoner kronor.
31
Tabell 11 Effekter på arbetsmarknaden i FA Gävle mellan 1993 och 2005
Dagbefolkning
Utan kluster
3 089
Kluster
335
Totalt
3 424
Klusterandel
10 %
Nattbefolkning
3 764
318
4 082
8%
Nettopendling
-675
17
-658
-2 %
Även i FA Gävle finns de indirekta sysselsättningseffekterna i Företagstjänster och i övriga tjänstebranscher (94 procent). I övriga regioner skapades 12 nya jobb till följd av klustrets tillväxt. Det är därför
inte meningsfullt att presentera någon branschfördelning.
Tabell 12 Fördelning av de indirekta sysselsättningseffekterna i FA Gävle
Andel regionen
Företagstjänster
40 %
Övriga tjänster
54 %
Industri
6%
Summa
100 %
2.4 Georange
Regional kontext
Georange är ett kluster med tonvikt i FA Lycksele. Klustret består av
företag i branscherna Instrumentindustri, Maskinindustri, Partihandel, Hotell och restaurang och Företagstjänster.
FA Lycksele hade 1993 18 300 invånare. Av dessa var 10 000 i åldrarna
20–64 år. Av de 10 000 personerna i åldrarna 20–64 år var 8 300 i
arbetskraften och av dessa var omkring 800 arbetslösa, vilket ger en
arbetslöshet på 10 procent av arbetskraftsutbudet. Den förvärvsarbetande dagbefolkningen uppgick till 7 600 och den förvärvsarbetande
nattbefolkningen var 7 500, vilket gav en nettoinpendling på 100.
Antalet personer i arbetsför ålder som var utanför arbetskraften var
1 700.
Mellan 1993 och 2005 minskade antalet invånare med 2 200. Tre fjärdedelar av denna minskning kan knytas till en nettoutflyttning och en
fjärdedel till ett negativt födelsenetto. Den minskade befolkningen
ledde till en minskad privat konsumtion och därmed minskad efterfrågan på lokala tjänster. Totalt minskade dagbefolkningen i lokala
tjänstebranscher med omkring 300. Omkring 90 procent av den förvärvsarbetande nattbefolkningen i regionen har sin arbetsplats (dagbefolkning) i regionen och därför minskade antalet förvärvsarbetande nattbefolkning när efterfrågan på arbetskraft i de lokala
tjänstebranscherna minskade. De exporterande (interregional export
och utlandsexport) industribranscherna ökade antalet sysselsatta med
148 och var därför en motkraft till befolkningsminskningen och
minskningen av efterfrågan på lokala tjänster (Tabell 13). Industribranscherna sammantagna ökade antalet sysselsatta med 148 varav
32
102 kan hänföras till klusterbranscherna (Instrumentindustri och
Maskinindustri). Tjänstebranscherna utanför klustret minskade tillsammans sysselsättningen med 420 men de tjänstebranscher som tillhör klustret (Parti- och detaljhandel, Hotell och restaurang och Företagstjänster) ökade antalet sysselsatta med 28 varför den totala
sysselsättningsminskningen dämpades till 392.
Sammanfattningsvis så spelar befolkningsminskningen en stor roll
för den negativa regionalekonomiska utvecklingen. Klusterbranscherna har dock gått mot strömmen och har haft en stor positiv
inverkan på den regionala ekonomin.
Tabell 13 Förändringen av sysselsatta industribranscher och lokala tjänstebranscher i FA Lycksele
mellan 1993 och 2005.
Industri
Övriga branscher
46
Klusterbranscher
102
Totalt
148
Lokala tjänster
-420
28
-392
Summa
-374
130
-244
Modellkörning
I Tabell 14 visas att övertillväxten (den procentuella sysselsättningstillväxten i varje klusterbransch minus den procentuella sysselsättningstillväxten i alla branscher i regionen sammanlagt) är stor. I
industrin var den direkta klustereffekten 104 sysselsatta samtidigt som
sysselsättningstillväxten var 102. Utan den direkta klustereffekten
skulle sysselsättningstillväxten i industrin ha varit minus 2 i stället
plus 102. Utan klustereffekten skulle antalet sysselsatta i lokala tjänstebranscher ha minskat med 117. Klustereffekten var 145 och det innebar
att klustertillväxten vände sysselsättningstillväxten i klusterbranscherna från en minskning av antalet sysselsatta med 117 till en
ökning med 28. Att klusterbranscherna i absolut sysselsättning kan
växa mer än den totala sysselsättningen i en region är en följd av att
arbetsmarknaden är liten och att klusterbranscherna dominerar antalet sysselsatta.
Tabell 14 Effekter av klusterbranschernas direkta sysselsättningstillväxt 1993-2005 i FA Lycksele
Utan kluster
Industri
Kluster
Totalt
-2
104
Lokala tjänster
-117
145
102
28
Summa
-119
249
130
De indirekta sysselsättningseffekterna av klusterbranschernas tillväxt
var enligt modellberäkningarna 16, vilket ger en multiplikator på 1,1.
Med de indirekta effekterna blev den totala sysselsättningseffekten 225
(Tabell 15). Utan Övertillväxten i klustret hade antalet dagbefolkning
minskat med 540 i stället för 315. Klustrets inverkan på den totala sys-
33
selsättningen i region var stor men den tillväxten i klustret kunde inte
vända den negativa utvecklingen. Även när det gäller nattbefolkningen var effekterna av klustrets övertillväxt stora men tillväxten
vände inte den negativa utvecklingen i regionen. Effekten på den
beskattningsbara förvärvsinkomsten var 2,7 miljoner kronor och
effekten på de kommunala skatteinkomsterna var 0,9 miljoner kronor.
Tabell 15 Effekter på arbetsmarknaden i FA Lycksele av direkta och indirekta klustereffekter mellan
1993 och 2005
Utan kluster
Kluster
Totalt
Klusterandel
Dagbefolkning
-540
225
-315
-105 %
Nattbefolkning
-366
201
-165
-122 %
Nettopendling
-174
24
-150
-16 %
De indirekta sysselsättningseffekterna i regionen uppstod även i FA
Lycksele i tjänstesektorn. 77 procent av de indirekta sysselsättningseffekterna fanns i tjänstesektorn (Tabell 16). Den indirekta sysselsättningseffekten i övriga regioner var 35 jobb. Jämförs branschfördelningen av de indirekta effekterna i regionen med branschfördelningen
av de indirekta effekterna i övriga regioner framträder ett ovanligt
mönster. En större andel av de indirekta effekterna i regionen finns i
industrin, parti- och detaljhandel och övriga landtransporter. En
mindre andel av de indirekta effekterna i regionen fanns i företagstjänster och hotell och restaurang. Orsaken till detta är att tillväxten i
industriproduktionen i klusterbranscherna har varit tillräckligt stor
för att skapa en regional marknad för underleverantörer i industrin,
transportsektorn och partihandeln. När det gäller tjänster är inte
klustrets efterfrågan tillräckligt stor för att skapa en regional marknad. Exemplet Georange visar att små, glesa och avlägsna regioner
kan utgöra en positiv klustermiljö för små nischer inom branscher
där transportkostnadskänsligheten är låg.
Tabell 16 Fördelning av de indirekta sysselsättningseffekterna i FA Lycksele
Andel i regionen
39 %
Andel i övriga regioner
42 %
Industri
23 %
18 %
5%
Företagstjänster
13 %
16 %
-3%
Parti o detaljhandel
11 %
5%
6%
Övriga tjänster
Skillnad
-3%
Övriga landtransporter
8%
3%
5%
Hotell o restaurang
6%
16 %
-10 %
100 %
100 %
0%
Summa
34
3. Sammanfattande
kommentarer
Syftet med detta uppdrag var att utveckla en metod som gör det möjligt att identifiera indirekta effekter på regionalekonomi och nationell
ekonomi av kluster. En sådan metod fyller ett stort behov i det arbete
som bedrivs av intressenterna i klustersatsningarna. Ett viktigt motiv
att främja utvecklingen av kluster med offentliga medel är kluster kan
ha av positiva externa effekter. Exempel på positiva externa effekter är
ökad spridning av kunskaper, ökad tillgång specialiserad arbetskraft
och ökad tillgång till specialiserade underleverantörer. Genom bland
annat dessa mekanismer kan företagen både i och utanför klustren bli
mera produktiva och därigenom mera konkurrenskraftiga än vad
som hade varit fallet utan klustren. Mekanismerna bakom tillväxt i
kluster kan sammanfattas i begreppen sharing, matching och learning.
Att kunna mäta de indirekta effekterna av klustersatsningar ger ökade
insikter om storleken på de indirekta effekterna, strukturen på de
indirekta effekterna i form av fördelning längs de tre mekanismerna
och samspelet mellan de tre mekanismerna. Att mäta indirekta effekter av klustersatsningar är ett stort och i mångt och mycket ett outforskat område. Den här metodhandledningen ger ett verktyg för
dem som behärskar de grundläggande kunskaperna i rAps. Verktyget
kan användas för att identifiera indirekta klustereffekter som uppstår i
näringslivets input-output länkar och arbetsmarknadslänkar. Till
skillnad från traditionell input-output analys tar rAps hänsyn till hushållens konsumtion och arbetskraftens pendling mellan bostadskommun och arbetsplatskommun. Det är således de indirekta effekter
som uppstår i input-output länkarna och i arbetsmarknadslänkarna
som kan mätas med analysverktyget rAps. Dessa effekter kan hänföras till kategorin sharing. Det betyder att med metoden att använda
rAps i analyser av klustereffekter gör att man kommer en bit på väg i
utvecklingen av metoder för klusteranalyser. Det återstår mycket
arbete med att utveckla metoder som gör det möjligt att även identifiera effekter i kategorierna matching och learning.
Att följa klustren är en resa genom Sverige. Resan startar i klustret
Tunga Fordon i Småland och fortsätter längs ostkusten till Biotech
Valley i Stockholmsområdet. Därifrån förflyttas intresset till Future
Position X i Gävle och slutar med klustret Georange i Malå i Västerbotten. Gemensamt för de fyra klustren är att de indirekta effekterna
uppkommer i företagstjänster samt i tjänstebranscher som är beroende av en regional konsumentmarknad. De effekter som uppstår i
35
industribranscher finns i högre grad utanför klusterregionerna jämfört med tjänstebranscherna. Orsaken till detta mönster är att efterfrågan på företagstjänster ökar som en följd av ökad numerisk flexibilitet4 i många branscher. I stället för att ha all personal fast anställd
hyrs arbetskraft in för att kapa tillfälliga toppar. En kompletterande
orsak till den ökade efterfrågan på företagstjänster är att snabba teknikskiften och kortare produktserier ökar behovet av investering i ny
teknik och omvärldskunskaper. De snabba förändringarna i teknisk
utveckling och omvärldskunskaper skapar en marknad för företag
som specialiserar sig i nischer och säljer sina kunskaper till ett stort
antal företag i relativt korta projekt. Anledningen till att konsumtionstjänster generellt har en större regional marknad än insatsvaror i
industrin är att konsumtion i form hushållens inköp av varor och
tjänster är mera känsliga för transportkostnader än insatsvaror i industriproduktion och produkter som levereras för slutkonsumtion. Analysen visar att en liten och avlägsen region som FA Lycksele kan hysa
ett kluster med positiva effekter i regionalekonomin om klustret producerar varor och tjänster som har en stor exportmarknad och att
produkterna är relativt okänsliga för transportkostnader.
4 Numerisk flexibilitet innebär att företag kan öka och minska antalet anställda på kort sikt i takt med att
produktionen ökar och minskar
36
Bilaga 1
Beskrivning av metoden
5
Metoden består av fyra steg: 1) identifiering av företagen i klustret, 2)
kalibrering i rAps, 3) inmatning av aktiviteter i rAps och 4) beräkning
av klustereffekter. I de kommande fyra delarna av kapitel fyra beskrivs
de olika stegen.
Identifiering av klustret
I det första steget identifieras företagen i klustret. I klusterprogram
som finansieras med offentliga medel finns ofta förteckningar över
företag som deltar i programmet. Uppgifter om företagens namn och
organisationsnummer samlas in. För de kluster som analyseras i
denna rapport har klustercoacherna lämnat dessa uppgifter. Organisationsnumren används för att ta reda på företagens bransch- och
kommuntillhörighet. Med dessa uppgifter som grund avgränsas
klustret i ett antal branscher och ett antal kommuner. För att kunna
använda rAps prognossystem krävs att kommunerna aggregeras till
FA-regioner eller grupper om minst fem kommuner. I UC-Select,
som användes i denna analys, finns uppgifter om företagens branschtillhörighet på femsiffernivå enligt SNI 2007. Uppgifterna om klusterföretagens branschtillhörighet används för att i rAps-RIS databasen få
fram antalet sysselsatta i klusterbranscherna i den region som avgränsats.6 Uppgifterna om antalet sysselsatta samlas in för ett startår
(exempelvis 1993) och ett horisontår (exempelvis 2007). Motsvarande
data tas fram för riket. För den aktuella regionen hämtas data ur
rAps-RIS för de 61 branscher som databasen innehåller för startåret
och horisontåret.
Metoden förutsätter att det via intervjuer etc. är känt att det finns etablerade länkar mellan företagen, direkt eller indirekt. För att klarlägga
branschernas regionala tillväxtprofil samlas uppgifter om branschens
sysselsättningstillväxt på regional nivå, förslagsvis FA-regioner. För
varje klusterbransch rangordnas regionerna i fallande ordning efter
sysselsättningstillväxt. I Figur 12 visas ett exempel på en regional tillväxtprofil för maskinindustrin. För ett kluster som avgränsats till tre
FA-regioner visas att i en av regionerna (FA 10) har sysselsättningstillväxten varit betydligt snabbare än i de övriga FA-regionerna i
5 Detta kapitel utgår från att användaren av metoden är van vid att hantera analys- och prognosverktyget
rAps. De basala handgreppen beskrivs inte i denna rapport.
6 I UC-Select används SNI 2007 och i rAps-RIS används SNI 2002. En nyckel mellan de olika indelningarna
måste användas. Nyckeln finns publicerad av SCB: mis 2007.2 SNI 2007 Standard för Svensk närings­
grensindelning 2007, bilaga 2.
37
klustret. Genom att räkna antalet punkter i diagrammet, från vänster
till höger, framgår regionernas ranking efter sysselsättningstillväxt i
den aktuella branschen. FA 10 ligger i den här branschen på sjunde
plats bland de 42 FA-regioner som har sysselsatta i den aktuella branschen.
Figur 12 Exempel på en regional tillväxtprofil7
150
Tillväxt, procent
120
90
F10
60
30
F11
0
F5
-30
-60
-90
1
5
10
15
20
25
30
35
40
45
50
Rangordning
Vid mätning av klustereffekter är den ideala situationen att den
direkta effekten av en klustersatsning är känd. Det kan till exempel
vara att man genom enkäter och intervjuer vet att en exportfrämjande
satsning har ökad produktionen i klusterföretagen med en procent
mer per år än för en kontrollgrupp av företag. Den här rapporten är i
första hand en metodbeskrivning och av den anledningen används ett
mycket grövre mått på klustereffekten.
För en given klusterbransch och region definieras relativ sysselsättningstillväxt som branschens tillväxt dividerad med den genomsnittliga tillväxten för övriga branscher i regionens näringsliv. Vi antar att
den direkta klustereffekten kommer till uttryck i en högre relativ sysselsättningstillväxt, dvs. branschen uppvisar en högre relativ tillväxt i
klusterregionerna jämfört med övriga regioner.
I Figur 13 visas Maskinindustrin i FA 10 Ljungby. Maskinindustrins
tillväxt i FA Ljungby var drygt 4 gånger snabbare än rikets tillväxt i
branschen.
7 Att antalet regioner är 42 och inte lika med antalet FA-regioner (72) beror att de FA-regioner som saknar
sysselsatta i branschen i fråga har exkluderats.
38
Figur 13 Exempel på regional profil av tillväxtkvoterna i en bransch
12
Tillväxtkvot
10
8
6
F10
4
2
F11
0
F5
-2
-4
-6
-8
1
5
10
15
20
25
30
35
40
45
50
Rangordning
Analysen hittills visar att tillväxten i den aktuella klusterbranschen
har varit snabb i ett nationellt perspektiv. För att få en uppfattning av i
vilken utsträckning branschen är koncentrerad till FA 10 räknas en
regional koncentrationsprofil ut. I teorin är ett av villkoren för regionala kluster att företagen ska vara oproportionellt koncentrerade geografiskt. För att få fram en koncentrationsprofil för en bransch kan en
koncentrationskvot räknas ut. Koncentrationskvoten för en bransch i
en region ett visst år räknas ut med nedanstående formel.
Antal sysselsatta i branschen i regionen / Antal sysselsatta i branschen i riket
Antalet sysselsatta i branschen i riket / Antalet regioner i riket
Koncentrationen i en klusterbransch i en region sätts i relation till en
tänkt situation där den totala sysselsättningen är helt jämt spridd till
alla regioner. Med 72 FA-regioner har alla regioner 1/72-del av sysselsättningen i riket. Koncentrationskvoten divideras därför med 1/72del för att få fram den relativa koncentrationskvoten. Regionerna
rangordnas efter kvoterna i fallande ordning (Figur 14). För att en
bransch ska anses vara starkt koncentrerad till en region ska kvoten
vara större än 1 och ligga högt upp till vänster. FA 10 i exemplet uppfyller villkoren för att betraktas som en klusterbransch enligt samtliga
tre kriterier. I exemplet ovan har branscherna prövats mot villkoren
en och en. Finns information om klusterspecifika regionala länkar
mellan branscher kan analysen göras med branschaggregat som
omfattar de länkade branscherna.
39
Figur 14 Exempel på regional koncentrationsprofil
8
Koncentrationskvot
7
6
5
4
3
F10
2
F11
F5
1
0
1
5
10
15
20
25
30
35
40
45
50
Rangordning
Beroende på hur stränga kraven är för att en bransch ska betraktas
som en klusterbransch kan dessa tre regionala profiler användas för
att fastställa vilka av de branscher som finns med på förteckningen
över klusterföretag som kan betraktas vara delar av klusterbranscher.
Det strängaste kravet är att alla tre villkoren ska vara uppfyllda. Ett
måttligare krav är att två av de tre villkoren ska vara uppfyllda.
Nu finns det ett antal branscher och regioner identifierade som konstituerar klustret. För att kunna beräkna de indirekta effekterna av
klustrets tillväxt krävs att man på förhand, genom intervjuer eller
enkäter etc., har data om hur bruttoproduktionen eller antalet sysselsatta har förändrats som en direkt följd av en klusterinsats. Antag att
en exportfrämjande insats ökar bruttoproduktionen med 10 miljoner
kronor i klusterföretagen. Det är denna ökning av produktionen som
är ingångsvärde i den kontrafaktiska analysen i rAps. Denna produktionsökning är också den direkta effekten av insatsen.
Så här långt har metoden för att identifiera klusterbranscher, klusterregioner och direkta klustereffekter beskrivits. Men för att de indirekta effekterna ska kunna härledas krävs en kalibrering i rAps. Detta
kalibreringssteg beskrivs i nästa avsnitt.
Kalibrering i rAps
Prognossystemet i rAps är skapat för att det ska vara möjligt att göra
prognoser och scenarier över utvecklingen i framtiden. Men det går
att kalibrera så att indirekta effekter kan härledas för insatser som
genomförts i gången tid. Det är proceduren för denna kalibrering
som beskrivs i detta avsnitt. Resultatet blir givetvis avhängigt av hur
40
många och vilka parametrar som kalibreras. Här visas hur en grundläggande kalibrering av tre parametrar genomförs. Dessa parametrar
är befolkning, beskattningsbar förvärvsinkomst och förvärvsarbetande
dagbefolkning.
Börja med att generera ett projekt i rAps och gör en defaultkörning.
Därefter genomförs en kalibrering. Grunden i kalibreringen är att den
historiska perioden (alternativ 0) ska ”flyttas” till prognosperioden
(alternativ 1). För att få fram alternativ 0 (statistik) och alternativ 1
(default) genomförs de vanliga stegen i en projektgenerering och i en
full modellkörning. Efter denna körning är praktiskt att ta fram en
snabbrapport och använda denna i det fortsatta kalibreringsarbetet.
Befolkning
Kalibrering av befolkning kan göras på flera sätt men det enklaste är att
skapa en aktivitet som gör att befolkningen första året som ingår i analysen, t ex 1993 blir lika stor som det första året i prognosperioden, t ex
2007, värdet för 1994 blir lika stort som 2008 osv. Eftersom modellberäkningen av klustereffekten gör i prognosperioden ska den anpassas
till den period som analysen speglar. Detta görs genom att för det första paret av år (exempelvis 1993 och 2007) räkna ut differensen i
befolkning mellan åren. För övriga år räknas förändringen ut år för år
(1994–1993, 1995–1994 osv. samt 2008–2007, 2009–2008 osv.) Nettodifferensen mellan 1994–1993 och 2008–2007 räknas ur och samma
beräkning görs för de resterande åren. Nettodifferenserna summeras
och läggs till differensen mellan det första paret (2007–1993). Summan
anger hur mycket befolkningen ska anpassas. Genom att dividera summan med antalet år i analysperioden ((2006 – 1993) + 1 = 14) erhålls ett
genomsnittlig justeringsvärde per år. Detta värde multipliceras med
0,95 för att ta hänsyn till att en förändring av antalet befolkningen i
modellen återverkar indirekt på födelseöverskottet.
Tabell 17 Exempel på uppställning vid kalibrering av befolkningen
A
År
Kolumn C = Kolumn B rad 2 – kolumn B rad osv.
Kolumn E = Kolumn D rad 2 – Kolumn D rad osv
Kolumn F = Kolumn B – Kolumn E
Kolumn H = Kolumn F · 0,95
Kolumn I = Summa kolumn H rad 2
till rad n dividerat med antal observationen
plus rad 1 kolumn H
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
Bef
18281
18202
17941
17649
17415
17207
16947
16668
16567
16437
16318
16249
16122
15960
B
Årlig förändring
-79
-261
-292
-234
-208
-260
-279
-101
-130
-119
-69
-127
-162
C
D
År
Bef
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
2018
2019
2020
15808
15946
15969
15938
15864
15770
15662
15550
15436
15324
15212
15100
14988
14878
E
Årlig förändring
138
23
-31
-73
-94
-108
-112
-114
-112
-113
-111
-112
-110
F
Netto årlig
förändring
2473
-217
-284
-261
-161
-114
-152
-167
13
-18
-6
42
-15
-52
G
År
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
2018
2019
2020
H
Netto årlig
förändr ·0.95
2424
-213
-278
-256
-157
-112
-149
-164
13
-18
-6
42
-14
-51
I
Årlig
justering
2424
-105
-105
-105
-105
-105
-105
-105
-105
-105
-105
-105
-105
-105
Resultatet av kalibreringen (Kolumn I) läggs in som en aktivitet i
rAps. Det är endast antalet befolkning som ska justeras och därför
sätts förändringen av antalet sysselsatta som försumbar (Figur 15).
41
Figur 15 Exempel på steg 3 I aktiviteten Kalibrering befolkning
Även lönen per sysselsatts anges som försumbar i steg 4 därför att
inga återverkningar i den regionala ekonomin ska förekomma genom
aktiviteten (Figur 16).
Figur 16 Exempel på steg 4 i aktiviteten Kalibrering befolkning
I steg 6 läggs resultatet av befolkningskalibreringen in (Figur 17).
42
Figur 17 Exempel på steg 6 i aktiviteten Kalibrering befolkning
Beskattningsbar förvärvsinkomst
Data avseende den beskattningsbara förvärvsinkomsten tas fram
genom att välja ”rapport”, ”ny rapport” ”regionalekonomi” och
”beskattningsbar förvärvsinkomst”. Dubbelklicka för att komma in i
rapport generatorn och följ sedan de anvisade stegen. Kalibreringen
underlättas om tabellen som kommer upp i rAps exporteras till Excel.
I Excel ordnas värdena i kolumner som i Tabell 18. ”Diff ”-kolumnen
anger differensen mellan värdet i den vänstra och värdet i den högra
”FINK”-kolumnen.
Tabell 18 Exempel på uppställning i Excel vid kalibrering av den beskattningsbara förvärvsinkomsten
1994
FINK
1607,913
2006
FINK
2391,691
2006
Diff
-783,778
1995
1615,481
2007
2570,332
2007
-954,851
1996
1661,406
2008
2602,446
2008
-941,040
1997
1675,065
2009
2653,331
2009
-978,267
1998
1731,829
2010
2690,272
2010
-958,443
1999
1791,568
2011
2730,922
2011
-939,354
2000
1871,592
2012
2774,397
2012
-902,805
2001
1954,114
2013
2813,177
2013
-859,064
2002
2032,970
2014
2859,012
2014
-826,042
2003
2125,231
2015
2915,718
2015
-790,487
2004
2175,177
2016
2969,780
2016
-794,603
2005
2234,144
2017
3024,634
2017
-790,490
Den beskattningsbara inkomsten kalibreras enligt samma princip
som befolkningen med par av år vars värden efter genomförd kalibre-
43
ring ska var lika. Här kan dock subtraktionen göras parvis mellan
kolumnerna eftersom rAps endast räknar stocken utan att gå via förändringar i flöden. Kalibreringen görs med en aktivitet i vilken lönesumman justeras. I aktivitetens steg 1 väljs alternativet ”ospecificerad
bransch” och i steg 2 väljs någon av kommunerna. Eftersom modellen
räknar på hela regionen spelar det ingen roll till vilken kommun aktiviteten knyts.
I steg 3 anges förändringen av bruttoproduktionen som försumbar
och förändringen av antalet sysselsatta sätts till 1 (Figur 12). Anledningen är att det är endast nivån på den beskattningsbara förvärvsinkomsten som ska justeras. Inga andra återverkningar i ekonomin ska
äga rum.
Figur 18 Exempel på steg 3 i aktiviteten “kalibrering beskattningsbar förvärvsinkomst”
I steg 4 anges hela justeringen av den beskattningsbara förvärvsinkomsten som räknades ut i excelbladet (Figur 19). Då räknar rAps ut
förändringen i beskattningsbar inkomst genom att ta förändringen av
den beskattningsbara förvärvsinkomsten (steg 4) multiplicerat med
förändringen i antalet sysselsatta (steg 3). I de följande stegen beräknas standardvärden.
44
Figur 19 Exempel på steg 4 i aktiviteten “kalibrering beskattningsbar förvärvsinkomst”
Dessa steg behöver upprepas ett antal gånger för att värdena i varje
par av år ska vara lika. Mellan varje steg behöver en ny modellkörning göras för att få underlag för den fortsatta kalibreringen.
Förvärvsarbetande dagbefolkning
När befolkningen och den beskattningsbara förvärvsinkomsten är
kalibrerade avslutas kaliberingsmomentet med dagbefolkningen. Det
gäller som vanligt att ställa upp par av år och kalibrera så att värdet
för det senare året i varje par av år är lika (eller så lika som möjligt)
som det tidigare året. Denna beräkning görs i Excel. Värdena för den
senare perioden (prognosperioden) läggs in rAps som en aktivitet. I
Figur 20 visas hur inmatningen går till i steg 3. Det är endast nivån på
dagbefolkningen som justeras. För att undvika att rAps även gör justeringar av bruttoproduktionen ”nollas” kolumnen för bruttoproduktionen på det sätt som framgår i figuren. Då hanteras förändringen av
bruttoproduktionen som försumbar och de endogena återverkningarna på regionalekonomin i övrigt blir negligerbara.
45
Figur 20 Exempel på steg 3 i kalibreringen av dagbefolkningen
I steg 4 anges lönen per sysselsatt till försumbar av samma skäl som
ovan (Figur 21). I de fortsatta stegen anges standardvärden.
Figur 21 Exempel på steg 4 i kalibreringen av dagbefolkningen
Kalibrerad baskörning
När kalbreringsmomentet av klart görs en kalibrerad baskörning. Det
är viktigt att alla inlagda aktiviteter är markerade i fliken Aktiviteter.
46
Inmatning av aktiviteter i rAps
Genom kalibreringen har prognosperioden anpassats till den historiska perioden. Om den historiska perioden är 1993–2006 så har
prognosperioden 2007–2020 anpassats till den historiska perioden.
Därmed är det möjligt att analysera effekterna av en händelse som
inträffade under den historiska perioden genom att lägga in händelsen som en aktivitet under prognosperioden. Genom att mata in en
aktivitet i rAps skapas en alternativ utveckling till baskörningen där
händelsen inte hade ägt rum. Anledningen till att händelsen ska räknas bort i alternativkörningen är att den finns med i den utveckling
som ägt rum under den historiska perioden. Genom den kontrafaktiska kalibreringen har prognosperioden anpassats till den historiska
perioden. Därför är den händelse som vi ska analysera effekterna av
inbäddad i prognosperioden. Genom att ta bort händelsen i en aktivitet och jämföra med basprognosen kan effekterna av händelsen identifieras. Ett exempel: har en klustersatsning skapat 200 nya jobb ska
dessa nya jobb anges som en minskning av antalet sysselsatta i aktiviteten. Då får vi ett alternativ (alternativkörningen) som visar utvecklingen utan händelsen och ett alternativ (baskörningen) som visar
utvecklingen med händelsen. Effekten av händelsen är lika med skillnaden mellan baskörningen (med händelsen) och alternativkörningen (utan händelsen).
Inmatningen av aktiviteterna görs enligt standardmomenten i rAps.
Identifiering av effekter utanför regionen
Normalt används den flerregionala modellen i rAps för att identifiera
effekter utanför regionen. Effekterna utanför regionen fördelas på
bland annat 72 FA-regioner och 49 branscher. Det krävs därför ganska
stora förändringar i en region för att det ska bli meningsfullt att identifiera effekterna i de övriga regionerna. Ett alternativt sätt är att i
rAps anta ingen interregional handel förekommer. Då får man en
approximation av de summerade effekterna i övriga regioner.
För att kunna identifiera effekterna i övriga regioner krävs att ett nytt
projekt genereras. I defaultkörningen anges den regionala självförsörjningsgraden (rAps- parametern RPC) till 1. Sedan genomförs
fortsättningen exakt i samma steg som i den ursprungliga körningen.
RPC ändras genom att i projektdatabasen gå in under ”Data, Parameter, Regionalekonomi, Självförsörjningsgrad investeringar. Därifrån
görs en editering av självförsörjningsgrad investeringar, självförsörjningsgrad konsumtion och självförsörjningsgrad varuinsats enligt
vanliga rutiner. I alla celler anges värdet 1. Ett alternativ 1 skapas
under fliken Ekonomi. Detta alternativ ska sedan vara angivet i alla
fortsatta körningar. Ett nytt klusteralternativ och referensalternativ
skapas. Skillnaden mellan klusteralternativet och referensalternativet
är klustereffekten med RPC 1. Effekten i övriga regioner är differensen
mellan körningen med RPC=1 och den ursprungliga körningen som
bygger på regionens RPC.
47
Bilaga 2
FA-regioner och kommuner
FA-kod
5
FA-namn
Värnamo
Kommunkod
0617
Kommunnamn
Gnosjö
5
Värnamo
0662
Gislaved
5
Värnamo
0683
Värnamo
5
Värnamo
1452
Tranemo
10
Ljungby
0767
Markaryd
10
Ljungby
0781
Ljungby
11
Växjö
0760
Uppvidinge
11
Växjö
0761
Lessebo
11
Växjö
0763
Tingsryd
11
Växjö
0764
Alvesta
11
Växjö
0780
Växjö
45
Gävle
0319
Älvkarleby
45
Gävle
2101
Ockelbo
45
Gävle
2104
Hofors
45
Gävle
2180
Gävle
45
Gävle
2181
Sandviken
56
Lycksele
2418
Malå
56
Lycksele
2481
Lycksele
48
Tillväxtverket arbetar offensivt för
hållbar tillväxt i hela landet genom
att underlätta företagande.
Mätning av indirekta klustereffekter
Redovisning av metod och indikativa effekter
Med Mätning av indirekta klustereffekter vill Tillväxtverket
lämna ett bidrag till utvecklingen av metoder för att uppskatta effekterna av kluster och i förlängningen även
klusterpolitik.
I rapporten beskrivs hur det regionala analys- och prognossystemet rAps kan användas för att analysera möjliga
system­effekter av företagskluster. Begreppet systemeffekter avser de effekter som uppstår i en regional och nationell
ekonomi utanför de verksamheter som tar emot offentligt
stöd. Exempel på systemeffekter är förändringar av andelen
arbetslösa eller förändring av utbetalat belopp i arbetslöshetsersättning. Mer konkret så används prognosmodellen
i rAps för att ta fram kontrafaktiska scenarier för fyra av de
kluster som ingått i Tillväxtverkets klusterprogram. Det vill
säga att genom en modell prognostisera effekterna av dessa
kluster på tillväxt och sysselsättning. Modellberäkningarna
ställs sedan mot den faktiska utvecklingen för att därigenom kunna uppskatta de indirekta effekterna av klusterbildningen. Metoden är därmed förhållandevis abstrakt och bör
ses som ett alternativt analysinstrument som med fördel kan
utvecklas vidare och kombineras med traditionella utvärderingsmetoder i skapandet av en analytisk plattform för fortsatt utveckling av politiken.
Rapport 0081
Rapport 0081. Produktion: Ordförrådet AB.
Tillväxtverket
Swedish Agency for Economic and Regional Growth
Tel 08-681 91 00
www.tillvaxtverket.se