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
© Copyright 2024