Pandemin leder till ökad dödlighet

– men inte överallt och inte i samma omfattning

Vi kan hittills i år notera en totalt sett högre dödlighet än normalt i riket som helhet. Den årliga variationen är stor när det gäller såväl omfattning som när under året dödsfallens inträffar. Det råder även stora skillnader i dödlighet mellan kommuner. Den främsta orsaken till denna variation brukar vara när och i vilken omfattning influensor slår till.

Diagrammet nedan visar överdödligheten i Sveriges 290 kommuner. Med överdödlighet menas här den procentuella skillnaden mellan antalet döda under månaderna januari till och med augusti i år och det genomsnittliga antalet döda per augusti månad under åren 2017-2019 i respektive kommun. En överdödlighet på 20 procent innebär därmed att det avlidit 20 procent fler per augusti i år än genomsnittligt per augusti 2017 – 2019. Två tredjedelar av kommunerna uppvisar en högre dödlighet i år än under jämförelseperioden medan en tredjedel således uppvisar en lägre dödlighet.

I diagrammet är de 21 residensstäderna särskilt markerade. Noterbart är den stora skillnaden i överdödlighet mellan våra tre storstäder Stockholm (+20%), Göteborg (+11%) och Malmö (-2%).

Självklart är den pågående pandemin för samhället som helhet mycket mer allvarlig än de influensaperioder vi brukar uppleva. Något har dock slagit oss när vi tillsammans med kommuner överväger att göra eventuella justeringar av befolkningsprognoser, med hänsyn till en befarad högre dödlighet. Många gånger kommer vi fram till att några justeringar inte är motiverade, dödligheten hittills i år är i många kommuner helt enkelt inte så extrem som befarat. I vissa kommuner var dödligheten rent av betydligt högre förra året. Gruppen äldre, som uppmärksammats som mycket utsatt i årets Corona-pandemi, är också utsatt i de årligen återkommande influensaperioderna – utan att detta uppmärksammas på samma sätt. Kan det vara så att samhället borde ägna gruppen äldre – och den påtagliga variationen i dödlighet – lika mycket uppmärksamhet varje år?

En insats vi kan göra från vårt skrå är att skapa lättillgänglig statistik, som på kommunal nivå beskriver hur dödligheten utvecklas. Inte minst för att skapa en medvetenhet om den omfattande och oförutsägbara variation som råder.

Som en del av statistikplattformen StudioS lägger vi nu ut kommunspecifika nedladdningsbara kommunrapporter avseende dödlighet, som vi kommer att uppdatera månadsvis. Välkommen att ta del av dessa på https://studios.statisticon.se/dodlighet.

 

Prognosgruppen vid Statisticon

 

Vem tar av vem i Norden?

De nordiska länderna utgör befolkningsmässigt en förhållandevis liten, men drivkraftig del av Europeiska Unionen. De nordiska samarbetsministrarna har en uttalad vision om att vara världens mest hållbara och integrerade region år 2030.

En av aspekterna av att vara en integrerad region är att människor ska vara rörliga inom regionen. I detta inlägg beskrivs de inomnordiska flyttningarna. Mer information om vem som tar av vem och vem som är mest benägen att flytta finns i den längre versionen, som du kan hitta här. I den längre versionen sätts också de nordiska flyttströmmarna i relation till flyttströmmar gentemot övriga världen.

Det visar sig att Danmark är 2019 års vinnare i den nordiska flyttkarusellen med störst flyttnetto, men att alla tar av alla. Flest människor flyttar mellan Sverige och Norge, men det är islänningarna som är mest benägna att flytta på sig. Det visar sig också att Norden tappar mark bland nordiska flyttare jämfört med övriga EU, men att det på det stora hela är fler som flyttar till Norden än härifrån.

Vem tar av vem i Norden?

Varje år flyttar runt 40 000 människor mellan de nordiska länderna och regionerna.[1] Under 2000-talets första år var flyttströmmarna något större, med en toppnotering på runt 55 000 människor år 2011.[2] Flyttströmmarnas utveckling sedan 1990-talet ser något olika ut i de olika nordiska länderna.

Figur 1 nedan visar hur nettomigrationen, alltså skillnaden i antalet personer som immigrerat och antalet personer som emigrerat, förändrats mellan åren 1990 och 2019. Figuren visar nettomigrationen som ett ackumulerat netto. Ett ackumulerat netto innebär att varje års migrationsnetto adderas till det eller de föregående åren. En positiv utveckling, alltså att det ackumulerade flyttnettot ökar under perioden, innebär att landet under hela perioden haft en större inflyttning från de övriga nordiska länderna än utflyttning till de övriga nordiska länderna.

Figur 1. Ackumulerad inomnordisk nettomigration. Nettomigrationen för varje land utgörs av skillnaden mellan inflyttningar och utflyttningar från eller till ett annat nordiskt land eller region. Figuren visar nettomigrationen ackumulerad över tid för åren 1990 – 2019.

Sveriges och Norges nettomigration varierar i störst utsträckning under den aktuella perioden. Alla nordiska länder förutom Grönland har ibland haft ett positivt och ibland ett negativt migrationsnetto. Det betyder att alla länder ibland har haft en större inflyttning än utflyttning från de andra nordiska länderna, och ibland tvärt om. Grönland har för samtliga år ett negativt inomnordiskt migrationsnetto. Det betyder att fler flyttat från än till Grönland varje år under perioden.

Norge och Danmark har sedan år 1990 en sammanlagd positiv nettomigration. De har alltså fler inflyttningar från än utflyttningar till övriga nordiska länder totalt under perioden. Sverige, Island, Grönland och Färöarna har haft en sammanlagd större utflyttning till än inflyttning från övriga nordiska länder under samma period. Finland, som med nordiska mått mätt har en förhållandevis liten nettomigration under samtliga år, och särskilt sett till sin totala befolkningsmängd, landar mot slutet av perioden på en stabil nettomigration nära noll-strecket.

Danmark vinnare i 2019 års flyttkarusell

Förutom att storleken på den inomnordiska nettomigrationen och dess utveckling är olika i de olika nordiska länderna ser också flyttströmmarna mellan länderna olika ut.

I Figur 2 visas den inomnordiska nettomigrationen för 2019, uppdelat efter hur flyttströmmarna ser ut gentemot respektive övrigt nordiskt land, tillsammans med landets totala inomnordiska flyttnetto. I figuren framkommer att Danmark har det största positiva flyttnettot år 2019, följt av Färöarna. Grönland har det största negativa flyttnettot, följt av Norge.

Figur 2. Inomnordisk nettomigration år 2019, utifrån migrationsland. Nettomigrationen för varje land utgörs av skillnaden mellan inflyttningar och utflyttningar från eller till ett annat nordiskt land eller region. Delstaplarna i varje lands stapel visar nettomigrationen mellan det egna landet och respektive övrigt nordiskt land. Delstaplar under noll-strecket innebär att utflyttningen varit större än inflyttningen gentemot det landet, och staplar över noll-strecket innebär att inflyttningen från varit större än utflyttningen till ett visst land. De grå staplarna visar den totala inomnordiska nettomigrationen för 2019.

Not: I den svenska statistiken redovisas personer som flyttar från och till Färöarna och Grönland till Danmark. Denna skillnad i statistikredovisning bedöms i detta sammanhang som försumbar, då motsvarande migrationsnetton, alltså Färöarnas och Grönlands nettomigration gentemot Sverige är på 13 respektive 1 person 2019.

Sverige har en negativ nettomigration år 2019, med en positiv nettomigration gentemot Norge som tas ut av en något större negativ nettomigration gentemot Danmark. Danmark däremot har störst positiv nettomigration från Sverige, följt av Grönland och Norge. Fler personer flyttar till Färöarna från Danmark än motsatt.

Sammanfattningsvis
Detta inlägg visar att Danmark är 2019 års vinnare i den nordiska flyttkarusellen, men att alla tar av alla. Mer information om vem som tar av vem och vem som är mest benägen att flytta finns i den längre versionen, som du kan hitta här. I den längre versionen sätts också de nordiska flyttströmmarna i relation till flyttströmmar gentemot övriga världen.

[1] I texten nedan hänvisar vi till ”de nordiska länderna” och inkluderar då även Grönland och Färöarna om inget annat anges.
[2] Då människor har större benägenhet att registrera sig i det land man flyttar till snarare än att meddela flytt i det land man flyttar från (av praktiska skäl som boende, bankkonto och sociala försäkringar) är det ofta en skillnad mellan siffrorna för inflyttning och utflyttning. Denna skillnad i statistiken är överlag inte betydande.

Källor: Nordic statistics database, https://www.nordicstatistics.org.

Ökad dödlighet under coronapandemins framfart

För närvarande präglas nyhetsrapportering av uppgifter och uttalanden om hur många människor som dagligen insjuknar eller dör i sviterna av covid-19. Med ett så starkt fokus på vad som händer i närtid, vill vi med detta inlägg ge ett lite längre tidsperspektiv kring dödlighet och hur den utvecklas. Vi ställde oss frågan hur många som under mer normala förhållanden kan förväntas avlida per dag.

I figur 1 och 2 visas för åren 2015-2020 hur många fler eller färre som avled respektive dag i förhållande till hur många som i genomsnitt avled per dag under åren 2015-2019 (motsvarande 243 personer). För det första kan vi notera att det finns en tydlig säsongsvariation som återkommer varje år. Fler dör under vinterhalvåret än sommarhalvåret. För det andra kan vi notera att det trots allt finns en betydande variation mellan åren vad gäller hur många som brukar avlida under vinterhalvåret och när detta sker. T.ex. framgår att det under första kvartalet 2018 avled förhållandevis många jämfört med samma tidsperiod övriga år.

Figur 1. Antal avlidna per dag under åren 2018-2020 (april) i relation till genomsnittet för åren 2015-2019.

Figur 2. Antal avlidna per dag under åren 2015-2017 i relation till genomsnittet för åren 2015-2019.

I figur 3 visas för åren 2015-2020 det totala antalet avlidna under perioden 1 januari till och med den 14 april. Det högsta antalet återfinns under år 2018, med motsvarande 29 752 personer avlidna under perioden. En bakomliggande faktor bakom den höga dödligheten under första kvartalet 2018 var en omfattande influensaepidemi. Detta kan jämföras med innevarande år 2020, där antalet avlidna hittills uppgår till ett något lägre antal, motsvarande 28 031 personer per den 14 april.

Även om nivån på antalet döda hittills under år 2020 kan förefalla förhållandevis lågt, så är det troligt att covid-19 kommer att medföra ett fortsatt högt antal avlidna under en kommande period.

Figur 3. Antal avlidna per år under perioden 1 januari till 14 april.

 

Källa: Samtliga data i detta inlägg är hämtade från Statistiska Centralbyrån den 20 april 2020.
Statistiken avseende antal döda de senaste veckorna är att betrakta som preliminär och kan revideras.

 

Corona leder till färre personbilar på vägarna

– men lastbilarna rullar på

Coronarestriktioner och många människors hemmavarande leder till minskad trafik. Med ett fåtal undantag ser man på de flesta platser i Sverige en kraftig minskning av antalet fordon från mitten av mars. Minskningen avser på de flesta platser personbilar. Lastbilstrafiken har snarare ökat.

Statisticon har under många år analyserat och sammanställt statistik från Trafikverkets fordonsmätningar runt om i landet. I föreliggande inlägg har vi valt att presentera ett urval av dessa mätningar, nämligen från de fasta mätpunkter på det nationella vägnätet där fordonstrafiken mäts kontinuerligt. Syftet är att ge en bild av hur trafiken har utvecklats under mars månad, en månad där många verksamheter i landet har bromsats in eller helt stannat av.

En av de platser – där trafiken kan sägas gå mot strömmen – är Kurravaara i Kiruna där man ser en ökad trafik i mars jämfört med samma period förra året. Se övre vänstra bilden i figur 1, där det också är noterbart att trafiken på mätplatsen i år varit högre under hela mars månad. På vissa vägar finner man ingen Coronaeffekt, t.ex. i Höganäs som visas i övre högra bilden i figur 1.

På de flesta vägar har dock trafiken minskat med 10-20% under slutet av mars. Ett typiskt mönster illustreras av Hofterup i Kävlinge kommun i den nedra vänstra bilden i figur 1. Några vägar har drabbats mycket hårt, vilket Gräns Eda i Eda kommun visar i den nedre högra bilden i figur 1. Förklaringen här torde vara restriktionerna vid gränsen mot Norge.

Figur 1. Fyra exempel på hur trafiken påverkats i mars månad. Källa: Statisticons bearbetning av data från Trafikverkets mätningar.

I figur 2 visas två kartor över Sveriges kommuner där färgen speglar trafikförändringen sista veckan i mars jämfört med samma vecka förra året. Notera att det som regel bara finns en mätpunkt per kommun, så statistiken speglar just den mätpunkten och inte trafiken i kommunen som helhet. I den vänstra kartan visas personbilstrafiken och i den högra lastbilstrafiken.

Av kartorna framgår en mycket tydlig skillnad, där personbilstrafiken minskat avsevärt på de flesta platser medan lastbilstrafiken faktiskt ökat på flertalet platser.

Figur 2. Förändringen i antal fordon vecka 13 i år jämfört med samma vecka förra året. Personbilar till vänster och lastbilar till höger.

Följ Statisticon (@statisticon) på twitter.

 

SEKOM Sverige

– ett socioekonomiskt landskap med många nyanser

För ett par år sedan publicerade vi ett inlägg där vi introducerade SEKOM-metoden (SocioEkonomisk analys av KOMmuner). Baserat på tio variabler klassificerar och grupperar vi kommunerna med avseende på befolkningens demografiska struktur, inkomstnivå, utbildningsnivå, arbetslöshet och ohälsa. Ett resultat av analysmetoden är en visualisering av Sveriges socioekonomiska landskap som samlar kommuner med likartade socioekonomiska egenskaper, oavsett geografisk hemvist.

Efter hand som vi har tillämpat metoden i olika uppdrag – inte minst på delområden inom en kommun – insåg vi att metodens kanske främsta förtjänst är att den väcker nyfikenhet och öppnar upp för samtal. SEKOM är därför lika mycket en kommunikationsplattform som ett analysverktyg. Läs gärna mer om SEKOM-metoden här. För mer information om att tillämpa SEKOM-metoden på delområdesnivå inom en kommun hänvisar vi till Uppsala kommun arbete med social hållbarhet här.

I föreliggande inlägg presenterar vi en uppdatering av SEKOM Sverige baserat på data avseende år 2017.

SEKOM Sverige

I det följande beskrivs de fem SEKOM-grupper som tillsammans utgör Sverige i den socioekonomiska kartan.

 

I den lila SEKOM-gruppen återfinns 36 kommuner som tillsammans utgör 12 procent av landets hela befolkning. Här har invånarna en hög högutbildningsnivå, ett arbete med hög inkomst och låga ohälsotal. I landskapet finns många barnfamiljer och därmed en stark återväxt av nya generationer. Exempel på kommuner vi hittar här är Lomma, Sollentuna, Partille, Vellinge, Danderyd och Mölndal. Flertalet ligger på pendlingsavstånd till någon av våra tre storstäder Stockholm, Malmö eller Göteborg.

I den orange SEKOM-gruppen återfinns 55 kommuner med tillsammans 55 procent av landets befolkning. Här påträffas de tre storstäderna samt kommuner med universitet och högskolor. Vi hittar också traditionellt starka industristäder. Gruppen kan sägas representera ett mångfaldens Sverige och gruppen kommuner är heterogen i många socioekonomiska avseenden. Även i den här gruppen finns en hög utbildningsnivå, höga inkomster och låga ohälsotal. Det finns en också en generationsåterväxt och en förhållandevis hög andel av befolkningen är född utanför EU/EFTA-området.

I den gröna SEKOM-gruppen hittar vi 65 kommuner med motsvarande 16 procent av landets befolkning. Många av Sveriges turistkommuner som Åre, Tjörn, Sotenäs, Leksand och Gotland finns här. Inkomstnivåerna är förhållandevis höga, andelen förvärvsarbetande är hög och andelen invånare med ekonomiskt bistånd är låg. En väsentlig skillnad jämfört med föregående grupp är att vi i dessa kommuner hittar en mer åldrande befolkningsstruktur med en lägre generationsåterväxt.

I den blå SEKOM-gruppen återfinns 8 procent av landets befolkning i 59 kommuner. Befolkningen i dessa kommuner har en lägre utbildningsnivå, en högre arbetslöshet och en lägre inkomstnivå. Även här noteras en åldrande befolkningsstruktur. Exempel på kommuner är Katrineholm, Lessebo, Perstorp, Härnösand, Kristinehamn och Munkedal.

Den gula SEKOM-gruppen består av 75 kommuner och 10 procent av landets befolkning. Kännetecknande för dessa kommuner är framför allt en åldrande befolkningsstruktur, låg generationsåterväxt samt låga inkomst- och utbildningsnivåer. Simrishamn, Vansbro, Valdemarsvik, Storuman och Rättvik är några exempel – det vill säga kommuner som vi återigen hittar lite varstans på den vanliga geografiska karta.

Det socioekonomiska landskapets förändring mellan 2005-2017

I det följande presenteras de variabler som ingår i modellen som bygger upp det socioekonomiska landskapet. Färgerna på staplarna i diagrammen motsvarar de fem SEKOM-grupperna. Diagrammen är boxplottar som syftar till att visa nivå och spridning i respektive grupp. Dock visas inte data mindre än första kvartilen och data större än tredje kvartilen. En stapels höjd visar kvartilavståndet i respektive grupp, vilket motsvarar hälften av kommunerna kring medianen (det mittersta av storlekssorterade värden) som illustreras med ett svart streck i varje stapel.

Befolkningens åldersmässiga sammansättning – samma trend på olika nivåer

Det är rimligt att anta att andel unga och andel äldre är speglingar av varandra, och till stor del är det så. Kommuner med en stor andel unga har ofta en mindre andel äldre och tvärt om, notera till exempel det lila landskapet – pendlarnas och barnfamiljernas landskap – i de två diagrammen nedan. Det landskap som avviker är det orangea, städernas landskap. Här finns en ungefär lika stor andel äldre som i det lila landskapet, men inte alls lika stor andel yngre, dvs. barnfamiljer.

Inbördes förhållande mellan SEKOM-grupperna är relativt konstant över tid, med några förändringar. Andelen ungdomar sjönk under en stor del av perioden i alla grupper. Den här utvecklingen har dock vänt de senaste åren och nu ökar andelen i samtliga landskap, om än i olika takt.

Andelen äldre har ökat under hela perioden i samtliga grupper utom det orangea som sticker ut med en svagt minskande andel äldre de senaste åren. Även om andelen äldre är olika stor i de övriga grupperna så tycks ökningen vara gemensam för dessa fyra.

Utvecklingen av andelen äldre understryker tillsammans med utvecklingen av andelen yngre att befolkningen åldras i många kommuner. Även om andelen yngre under de senaste åren börjat öka så är det inte i samma takt som de äldre. Trenderna som syns i graferna kommer förmodligen att fortsätta ett antal år framöver.

Befolkningens födelseplats – ojämnt fördelad ökning av andelen födda utanför EU/EFTA

Andelen invånare födda utanför EU/EFTA har ökat i samtliga SEKOM-grupper. Mest blygsam har ökningen varit i den lila och gröna gruppen, som nu också uppvisar de lägsta nivåerna bland samtliga grupper.

Även den blå och gula gruppen hade relativt låga andelar födda utanför EU/EFTA vid periodens början. Under de senaste tio åren har nivåerna i princip fördubblats i den gula gruppen och tredubblats i det blå. Störst andel födda utanför EU/EFTA återfinner vi dock under hela perioden i den orange gruppen. En tänkbar utveckling är att den kraftiga ökningen som noterats i den blå gruppen kommer att avstanna, och kanske till och med minska, efter hand som nyanlända söker sig till den orange gruppen med landets större städer och arbetsmarknader. Den i sammanhanget relativt blygsamma ökningen i den blå gruppen mellan 2016 och 2017 stödjer den teorin.

Befolkningens utbildning – ökande utbildningsnivå med frågetecken om framtiden

Vidare till de variabler som beskriver befolkningen vad gäller utbildning. Andelen med eftergymnasial utbildning ligger på olika nivåer i de fem grupperna, men sett över tid har utvecklingen varit likartad. Möjligtvis kan andelen sägas ha ökat något snabbare i den lila gruppen än i de övriga.

Sett till andelen elever behöriga till gymnasieskolan är skillnaderna i utvecklingen mellan SEKOM-grupperna betydligt större. I den lila gruppen har medianvärdet legat relativt stadig kring närmare 95 procent under den redovisade perioden, med undantag för en nedgång under de senaste åren. För den blå och gula gruppen har trenden istället varit nedåtgående och med en accelererande takt de sista åren i perioden. År 2005 ligger båda grupperna på en mediannivå strax under 90 procent för att år 2017 landa på cirka 80 procent i den gula gruppen och strax under 75 procent i den blå. Även för den gröna och orange gruppen noteras en nedgång, men då med cirka fem procentenheter vardera.

Utvecklingen i andel elever behöriga till gymnasieskolan kan till viss del kopplas ihop med föregående variabel, andelen födda utanför EU/EFTA. Att elever anländer i äldre åldrar, med annat modersmål än svenska och ingen vana vid det svenska skolsystemet gör det rimligen svårare för dem att snabbt nå samma nivå som jämnåriga sverigefödda, och därmed till exempel vara behörig till gymnasiet. Dock verkar det skilja sig åt mellan grupperna i vilken utsträckning detta kan hanteras.

Här kan spekuleras i om den från början låga nivån av invånare födda utanför EU/EFTA gjort att kommunerna i den blå och gula gruppen haft en viss startsträcka vad gäller att hjälpa de nya eleverna och därmed fått ett större dropp i andel behöriga till gymnasiet. Även den orange gruppen ökade sin andel födda utanför EU/EFTA under perioden men startade på en högre nivå. Här är minskningen av andelen elever med gymnasiebehörighet inte lika stort som i den blå och gula gruppen. Det skulle kunna tolkas som att det här fanns större vana vid att lotsa in dessa elever i systemet.

Befolkningens sysselsättning – en spegling av finanskrisens tydliga men tillfälliga avtryck

I graferna nedan presenteras de fyra bakgrundsvariablerna som visar hur situationen på arbetsmarknaden ser ut för SEKOM-gruppernas invånare. Här kan flera intressanta fenomen noteras. Till att börja med syns den ekonomiska krisen 2008-2009 mycket tydligt i graferna för arbetslösa och förvärvsarbetande, och till viss del även för ekonomiskt bistånd. I grafen över nettoinkomst finns inte alls samma tydliga effekt.

Andelen öppet arbetslösa och förvärvsarbetande speglar till viss del varandra. I början av perioden sjönk andelen öppet arbetslösa i samtliga grupper, samtidigt som andelen förvärvsarbetande steg. Dessa trender bröts helt när den ekonomiska krisen kom. Under de senaste åren har andelarna återigen börjat röra sig i rätt riktning för den lila, gröna och orange gruppen. Att andelen arbetslösa ser ut att ha ökat under det sist året beror helt eller delvis på ett tidsseriebrott. Från och med år 2017 använder vi den officiella definitionen från 2011 där antalet öppet arbetslösa relateras till den registerbaserade arbetskraften i åldrarna 16-64 år. Tidigare år relaterades de till hela befolkningen i åldrarna 16-64. Konsekvensen är således en viss nivåjustering uppåt.

För den blå och gula gruppen syns inte riktigt samma effekt, även här ökar visserligen andelen förvärvsarbetande men andelen öppet arbetslösa har också ökat under en längre period än i övriga landskap. Att arbetslösheten ökat i den blå och gula gruppen de senaste åren (2017 undantaget av tidigare nämnda anledning) torde även detta höra ihop med att andelen invånare från länder utanför EU/EFTA ökat. Etablering på arbetsmarknaden kan ta många år.

Befolkningens försörjning – väsentliga skillnader som ökar

Nettoinkomsten har ökat i alla grupper sedan 2005, dock har spridningen mellan grupperna blivit större. Det här kan tolkas som att det inte var grupperna med höga inkomster som blev arbetslösa under krisen, även om ökningstakten minskade i samtliga grupper under de aktuella åren så minskade den mer i gruppen med de lägsta nettoinkomsterna.

I grafen för ekonomiskt bistånd syns en liten topp runt krisåret 2009. Mellan 2014 och 2016 hade sedan den blå och gula gruppen en ökande trend medan de andra tre grupperna hade en minskande trend. Förmodligen hänger även detta ihop med att den gula och blå gruppen emottog en relativt stor andel flyktingar som kom till Sverige 2015-2016 (se grafen ”Födda utanför EU/EFTA”).

Under 2017 sjönk andelen med ekonomiskt bistånd relativt mycket i fyra av fem SEKOM-grupper (den blå, gula, orange och gröna) och var i princip oförändrad i det lila. Dock finns även här ett tidsseriebrott i statistiken för år 2017 där gruppen barn som mottagare av ekonomiskt bistånd inte länge inkluderas. Spridningen mellan landskapen är dock fortfarande stor.

Befolkningens ohälsotal – lägre nivåer och krympande skillnader

Den tionde – och sista – bakgrundsvariabeln som presenteras är antal ohälsodagar (mätt i dagar). Här ska från början påpekas att ett antal regelförändringar skett under den redovisade perioden. Det är förmodligen så att utveckling över tid snarare visar försäkringskassornas (samtidiga) lyhördhet för regelförändringar, snarare än det faktiska hälsotillståndet i landets kommuner. Dock kan konstateras att de fem SEKOM-grupperna under hela perioden behåller sin inbördes ordning, landskapet med högst nettoinkomst har lägst ohälsotal och tvärt om. Dessa skillnader skall dock tolkas med försiktighet. Vissa typer av jobb, ofta tjänstemannayrken med högre lön som är mest vanligt förekommande i det lila landskapet, kommer ofta med en möjlighet att kunna utföras hemifrån. Detta kan leda till ett minskat uttag av sjukdagar. Observera att ohälsotalet avser personer i arbetsför ålder.

Sammanfattningsvis kan vi konstatera att det finns fortsatt väsentliga skillnader mellan olika SEKOM-grupper. Den kanske tydligaste skillnaden – som tilltar på ett till synes obevekligt sätt – avser nettoinkomsten där ökningstakten i framför allt den lila gruppen är högre än i övriga delar av landet. Även skillnaden avseende andelen födda utanför EU/EFTA tilltar förhållandevis mycket. Här är det framför allt den blå och orange SEKOM-gruppen som uppvisar en kraftigare ökningstakt. För närvarande pågår också betydande omflyttningar mellan grupperna där människor som kom till Sverige i samband med den omfattande asylmottagningen för några år sedan. Dessa flyttrörelser kan mycket väl komma att förstärka skillnaderna mellan grupperna under de kommande åren. Vi avser att återkomma till dessa flyttrörelser i kommande inlägg.

StudioS SEKOM – ett webbaserat verktyg för socioekonomisk analys

Under Almedalsveckan presenterar vi en webbaserad och interaktiv version av SEKOM Sverige. Kontakta oss gärna via prognoser@statisticon.se om du är intresserad av tillgång till en öppen version av detta verktyg.

Mats Forsberg
Charlotta Danielsson
Anna Carlsund

Hela Norden växer

I Norden påträffas en förhållandevis liten andel av den totala befolkningen inom EU/EES, motsvarande cirka 5 procent. Trots detta motsvarar förra årets befolkningsökning i Norden närmare 20 procent av hela EU/EES befolkningsökning. Att Norden får så stor betydelse för befolkningsutvecklingen inom EU/EES beror dels på Nordens positiva nettoinflyttning och födelseöverskott, dels på att folkmängden minskar i vissa delar av södra och östra Europa.

Folkmängden inom EU/EES uppgick den 1 januari 2018 till cirka 527 000 000 personer. Under år 2017 ökade denna folkmängd med 0,24 procent, motsvarande 1 200 000 personer. Ökningen är emellertid inte jämnt fördelad mellan länderna. Nästan lika många länder har en minskad (eller i stort sett oförändrad) folkmängd som en ökad folkmängd. Av den nedanstående – geografiskt trogna återgivningen – av länderna inom EU/EES, framgår dels hur stora ländernas befolkning är i förhållande till varandra per den 1 januari 2018, dels hur stor befolkningsförändringen varit i respektive land under år 2017. Cirklarnas area speglar respektive lands andel av den totala folkmängden inom EU/EES och färgen anger grad av ökning eller minskning under år 2017.

Figur 1. Karta över folkmängd i respektive land inom EU/EES (inkl. Schweiz) den 1 januari 2018, där cirklarnas area representerar respektive lands andel av den totala befolkningen inom EU/EES). Cirklarnas färgsättning beskriver folkmängdens utveckling under år 2017.

Noterbart är att befolkningsökningen under år 2017 är främst koncentrerad till mellersta och norra delar av Europa (de gröna cirklarna). Omvänt finner vi den negativa befolkningsutvecklingen i kartans södra och östra delar (gula till röda cirklar). Undantagen i söder är öarna Malta och Cypern samt Spanien.
De länder som ökar sin folkmängd mest (procentuellt) är förhållandevis små länder som Island, Irland, Luxemburg, Malta, Cypern och Sverige. Likaså är de länder som minskar sin folkmängd mest små – Kroatien och Litauen.

Folkmängdens utveckling i ett land är avhängig två faktorer. Dels beror den på hur människor i landet föder barn och dör. Skillnaden däremellan, födelseöverskottet, kan vara både positivt och negativt. Det som styr detta är invånarnas åldersstuktur, benägenhet att föda barn och dödligheten i olika åldrar. Dels påverkas ett lands befolkningsutveckling också av nettoinflyttningen, det vill säga skillnaden mellan hur många människor som flyttar till landet och vice versa. Ett överskott uppstår om fler människor väljer att flytta till landet än från landet och tvärt om. Under senare år har flyktingssituationen i omvärlden föranlett ökad nettoinflyttning i många europeiska länder. I figur 2 redogörs för hur dessa två faktorer – födelseöverskottet respektive nettomigrationen – påverkade folkmängdens utveckling inom EU/EES under år 2017.
I nedanstående diagram visas folkmängdens totala förändring samt respektive förändringskomponent per land i EU/EES inklusive Schweiz under 2017. Mörkgrå stapel är nettomigration, ljusgrå stapel är födelseöverskott och färgad stapel är total förändring där grönt motsvarar ökning och orange minskning. I den översta delen av diagrammet visas de nordiska länderna tillsammans för att nedtill särredovisas.

Figur 2. Folkmängdens totala förändring samt respektive förändringskomponenter under år 2017 inom EU/EES (inkl. Schweiz).

Ett land med positiv nettomigration har vanligtvis också ett positivt födelseöverskott. Det finns dock undantag och det tydligaste exemplet är Tyskland som tillsammans med Italien är de två länder i Europa som uppvisar störst negativt födelseöverskott. I Tyskland är dock nettomigrationen så pass stor att landets folkmängd ändå ökar förhållandevis mycket. Italien har också ett positivt migrationsnetto, men inte tillräckligt för att upprätthålla en befolkningsökning. Italien blev därför det land i Europa – undantaget Rumänien – som minskade folkmängden mest i Europa under år 2017.

Av figuren ovan framgår vidare att folkmängden ökade i samtliga nordiska länder, med motsvarande totalt cirka
215 000 personer. Även på Färöarna, Grönland och Åland ökade folkmängden. I Finland var födelsenettot dock negativt, liksom migrationsnettot var negativt på Grönland.

Syftet med detta inlägg har främst varit att sätta befolkningsutvecklingen i Sverige i ett sammanhang och belysa de stora skillnader som återfinns inom EU/EES. Vi vill med inlägget också uppmärksamma den statistikdatabas som vi sedan ett år tillbaka förvaltar och utvecklar på uppdrag av Nordiska ministerrådet – www.nordicstatistics.org. Databasen består av hundratals variabler och år resultatet av ett nordiskt statistiksamarbete som pågått sedan mitten av 1960-talet.

Mats Forsberg
Charlotta Danielsson

 

Likheter och olikheter i Sverige

– glider landet isär?

Om knappt ett år är det val i Sverige och valrörelsen har dragit igång. Sysselsättning, skola, äldreomsorg och invandring kommer sannolikt att utgöra viktiga frågor för flertalet partier. Parallellt pågår ett antal statliga utredningar som också berör frågor om hur det borde vara att leva i någon av landets 290 kommuner. Beskrivningar av ett delat Sverige som glider isär förekommer ofta. Men hur ser det egentligen ut i landets kommuner? Hur stora är skillnaderna och hur förändras dessa?

I förra inlägget presenterade vi en uppdaterad socioekonomisk karta av Sverige. Här djupdyker vi i underlaget till kartan, tittar på de bakomliggande variablerna och hur de varierat över tid. När variablerna granskas tillsammans framgår tydligt vad som definierar de olika socioekonomiska kommungrupperna och hur de särskiljer sig från varandra. Diagrammen visar också hur enskilda händelser har påverkat socioekonomiska förhållanden i landets kommuner och hur utvecklingen ser ut över tid.

Variablerna presenteras en och en, där färgerna på staplarna i diagrammen motsvarar de fem socioekonomiska kommunergrupperna (landskapen) som presenterades i det föregående inlägget. Diagrammen är boxplottar som syftar till att visa nivå och spridning i respektive grupp. Dock visas inte data mindre än första kvartilen och data större än tredje kvartilen. En stapels höjd visar kvartilavståndet i respektive grupp, vilket motsvarar hälften av kommunerna kring medianen (det mittersta av storlekssorterade värden) som illustreras med ett svart streck i varje stapel.

Befolkningens åldersmässiga sammansättning – väsentliga nivåskillnader men samma trend

Inledningsvis presenteras de två ingående demografiska variablerna, andel unga (0-19 år) och andel äldre (65+ år). Det är rimligt att anta att andel unga och andel äldre är speglingar av varandra, och till stor del är det sant. Kommuner med en stor andel unga har ofta en mindre andel äldre och tvärt om, notera till exempel det lila landskapet – pendlarnas och barnfamiljernas landskap, i de två diagrammen nedan. Det landskap som avviker något är det orange; mångfaldens landskap. Här finns en ungefär lika stor andel äldre som i det lila landskapet, men inte alls lika stor andel yngre.

Inbördes ordning mellan landskapen är relativt konstant över tid, med några avvikelser. Särskilt noterbart är de senaste årens utveckling i den blå gruppen – brukens landskap – där minskningen av andelen unga har stannat av och gruppen istället ökar. Noterbart är också utvecklingen i det lila landskapet där andel äldre ökar i en något högre takt än i de övriga landskapen. Trenderna som syns i graferna kommer förmodligen att fortsätta ett antal år framöver.

Befolkningens födelseplats – ojämnt fördelad ökning av andelen födda utanför EU/EFTA

Andelen födda invånare födda utanför EU/EFTA har ökat i samtliga kommungrupper. Mest blygsam har ökningen varit i det lila och gröna landskapet, som nu också uppvisar de lägsta nivåerna bland samtliga kommungrupper.

Även det blå och det gula landskapet hade relativt låga andelar födda utanför EU/EFTA vid periodens början. Under de senaste tio åren har dock nivåerna i princip fördubblats. Störst andel födda utanför EU/EFTA återfinner vi i det orange landskapet. En tänkbar utveckling är att att den kraftiga ökningen som noterats i det blå landskapet kommer att avstanna, och kanske till och med minska, efter hand som nyanlända söker sig till den orange kommungruppen med landets större städer och arbetsmarknader.

Befolkningens utbildning – ökande utbildningsnivå med frågetecken om framtiden

Vidare till de variabler som beskriver befolkningen vad gäller utbildning. Andelen med eftergymnasial utbildning ligger på olika nivåer i de fem landskapen, men sett över tid har utvecklingen varit väldigt likartad. Möjligtvis kan andelen sägas ha ökat något snabbare i det lila landskapet än i de övriga.

Sett till andelen elever behöriga till gymnasieskolan är skillnaderna i utvecklingen mellan landskapen betydligt större. I det lila landskapet har median-nivån legat relativt stadig, på närmare 95 procent, under den redovisade perioden. För det blå och det gula landskapet har trenden istället varit nedåtgående och då främst under den andra halvan av perioden. År 2005 ligger båda landskapen på en median-nivå på strax under 90 procent för att år 2015 landa på cirka 80 procent. Det gröna landskapet och det orange landskapet noterar även dessa en nedgång men då mindre än fem procentenheter.

Utvecklingen i andel elever behöriga till gymnasieskolan kan till viss del kopplas ihop med föregående variabel, andelen födda utanför EU/EFTA. Att elever anländer i äldre åldrar, med annat modersmål än svenska och ingen vana vid det svenska skolsystemet gör det självklart svårare för dem att snabbt nå samma nivå som jämnåriga svenskfödda, och därmed till exempel vara behörig till gymnasiet. Dock verkar det skilja sig åt mellan landskapen i vilken utsträckning detta kan hanteras.

Här kan spekuleras i om den från början låga nivån av invånare födda utanför EU/EFTA gjort att kommunerna i de blå och gula landskapen haft en viss startsträcka vad gäller att hjälpa de nya eleverna och därmed fått ett större dropp i andel behöriga till gymnasiet. Även det orange landskapet ökade sin andel födda utanför EU/EFTA under perioden men startade på en högre nivå. Här är minskningen av andelen elever med gymnasiebehörighet inte lika stort som i de blå och gula landskapen. Det skulle kunna tolkas som att det här fanns större vana vid att lotsa in dessa elever i systemet.

Befolkningens sysselsättning – en spegling av finanskrisens tydliga men tillfälliga avtryck

I graferna nedan presenteras de fyra bakgrundsvariablerna som visar hur situationen på arbetsmarkanden ser ut för landskapens invånare. Här kan flera intressanta fenomen noteras. Till att börja med syns den ekonomiska krisen 2008-2009 mycket tydligt i graferna för arbetslösa och förvärvsarbetande, och till viss del även för ekonomiskt bistånd. I grafen över nettoinkomst finns inte alls samma tydliga effekt.

Andelen öppet arbetslösa och förvärvsarbetande speglar till viss del varandra. I början av perioden sjönk andelen arbetslösa i samtliga landskap, samtidigt som andelen förvärvsarbetande steg. Dessa trender bröts helt när den ekonomiska krisen kom. Under de senaste åren har andelarna återigen börjat röra sig i rätt riktning för de lila, gröna och orange landskapen. För de blå och gula syns inte riktigt samma effekt, vilket även detta till viss del hör ihop med att dessa landskap tagit emot många nya kommuninvånare från länderna utanför EU/EFTA. Att komma in ordentligt på arbetsmarknaden kan ta många år.

Befolkningens försörjning – väsentliga skillnader som ökar

Nettoinkomsten har ökat för alla landskap sedan 2005, dock har spridningen mellan landskapen blivit större. Det här kan tolkas som att det inte var grupperna med höga inkomster som blev arbetslösa under krisen, även om ökningstakten minskade i samtliga landskap under de aktuella åren så minskade den mer i landskapen med de lägsta nettoinkomsterna.

I grafen för ekonomiskt bistånd syns en liten topp runt krisåret 2009. De senaste åren har det blå och det gula landskapet en ökande trend medan de andra tre landskapens trend är minskande. Förmodlingen hänger även detta ihop med att de tagit ett större ansvar för flyktingströmmen som kommit till Sverige de senaste åren (se grafen ”Födda utanför EU/EFTA”).

Befolkningens ohälsotal – lägre nivåer och krympande skillnader

Den tionde – och sista – bakgrundsvariabeln som presenteras är antal ohälsodagar (mätt i dagar). Här ska från början påpekas att ett antal regelförändringar skett under den redovisade perioden, vilket gör jämförelser över tid svåra. Det är förmodigen så att utveckling över tid snarare visar försäkringskassornas (samtidiga) lyhördhet för regelförändringar, snarare än det faktiska hälsotillståndet i landets kommuner. Dock kan konstateras att de fem landskapen under hela perioden behåller sin inbördes ordning, landskapet med högst nettoinkomst har lägst ohälsotal och tvärt om. Även detta skall dock tolkas med försiktighet. Vissa typer av jobb, ofta tjänstemannayrken med högre högre lön, kommer ofta med en möjlighet att kunna utföras hemifrån. Detta kan leda till ett minskat uttag av sjukdagar.

Åter till den inledande frågan. Glider landet isär? Frågan är lika ospecifik som den är värdeladdad. Även om vi kan påvisa betydande skillnader mellan distinkt åtskilda socioekonomiska kommungrupper, så är den viktigaste frågan vad detta betyder. Och behöver skillnader vara ett problem? I många avseenden är utvecklingen över tid densamma i landets kommuner, om än på olika nivåer som till stor del förklaras av strukturella skillnader på arbetsmarknaden. Det finns dock – sammanfattningsvis – några skillnader som tilltar och som bör beaktas i det fortsatta bygget av kommunsverige.

Den första skillnaden handlar om nettoinkomsten där de pendlingsnära lila kommunerna drar ifrån övriga kommuner. Skillnaden – som var stor redan 2005 – har mer eller mindre fördubblats under de senaste tio åren. Med stora inkomstskillnader följer stora skillnader i levnadskostnader – inte minst boendekostnader. Inom en kommun finns oftast en tydlig boendesegregation med förmögna och mindre förmögna områden. Vart leder en fortsatt gentrifiering av hela kommuner?

Den andra skillnaden avser andelen invånare födda utanför EU/EFTA. I den orange kommungruppen har andelen varit väsentligen högre under många år, men skillnaderna gentemot övriga landskap ökar kraftigt. Under de senaste åren, i samband med den momentant omfattande asylmottagningen, har andelen ökat även i den blå kommungruppen. Vilka konsekvenser får ökande skillnader mellan kommuner i detta avseende?

Den tredje skillnaden gäller den allt lägre andelen ungdomar som når gymnasiebehörighet. Även här finns tilltagande skillnader mellan de socioekonomiska kommungrupperna. Vi har dessvärre för lite underlag för att fullt ut förstå vilken effekt den ökade invandringen har. Att den har effekt torde vara ganska säkert, men den negativa trenden har pågått under de senaste tio åren. Det är först under de senaste åren som invandringen – och asylmottagningen – varit relativt hög. Hur kommer detta påverka sysselsättning, arbetslöshet och folkhälsa i socioekonomiskt utsatta kommuner?

Avslutningsvis – det är ett faktum att landet som helhet under de senaste åren har befunnit sig i ett läge med ökande förvärvsgrader och nettoinkomster med samtidigt sjunkande arbetslöshet och offentligt försörjningsstöd. Samtidigt ökar de socioekonomiska skillnaderna mellan landets kommuner. Således kanske de allra mest väsentliga frågorna är (i) hur dessa socioekonomiska skillnader upplevs hos landets invånare och väljare samt (ii) hur framtida fördelningspolitiska utjämningssystem mellan kommuner bör se ut.

Anna Carlsund, statistiker
Charlotta Danielsson, statistiker
Mats Forsberg, VD

Levande landskap

– en social kompass för ett kommunalt landskap i förändring

Tre år har gått sedan vi introducerade en metod för att visualisera den samlade socioekonomiska bilden i Sverige. Bilden visade läget för Sveriges kommuner år 2012. Med en omvärld som ständigt förändras och som inte minst de senaste åren har genomgått relativt stora förändringar, behöver även den socioekonomiska kartan uppdateras och analyseras på nytt. I detta inlägg gör vi en ny resa i Sveriges socioekonomiska landskap baserade på data avseende år 2015. Vi har använt samma tio variabler och metod för att skapa kartan och klustra kommunerna i olika landskap. Se not sist i inlägget för en mer detaljerad beskrivning av metoden och vilka variabler som ingår.

Vi börjar resan i det lila landskapet – ”pendlarnas och barnfamiljernas landskap”. Här hittar vi kommuner på pendlingsavstånd till våra tre storstäder, Stockholm, Göteborg och Malmö. Många barnfamiljer väljer att bosätta sig här. Inkomst- och utbildningsnivån är mycket hög. Det lila landskapet har hållit sig i stort sett intakt, alla 32 kommuner som fanns där 2012 finns kvar. Varbergs kommun har tillkommit från det gröna landskapet.

Vi reser vidare till det orange landskapet – ”mångfaldens landskap” – som består av 48 kommuner. Detta landskap präglas av storstäder, universitet och högskolor samt kommuner med en egen stark industri. I landskapet bor människor från hela världen. Fyra kommuner har tillkommit och sex har lämnat detta landskap. Tillskottet består av Ale, Vaggeryd, Värnamo och Älmhult som alla kommer från det gröna landskapet. De sex kommuner som har lämnat (Alvesta, Bjuv, Landskrona, Nässjö, Vänersborg och Åstorp) har alla gått till det blå landskapet.

Nästa stopp är det gröna landskapet – ”Sörgårdens landskap”. Även i det gröna landskapet finner vi kommuner som befinner sig i en socioekonomiskt gynnsam situation, dock med längre pendlingsavstånd, lägre nettoinkomst och med något högre andel äldre än kommunerna i det lila landskapet. Många av landets turistorter återfinns här. Fyra kommuner har lämnat landskapet och tillhör idag det orangea landskapet. Utöver dessa så flyttar ytterligare fyra kommuner (Falköping, Hylte, Strömstad och Sävsjö) till det blå landskapet. Hela 24 kommuner tillkommer, sju från det gula och 17 från det blå. Exempel på tillkommande kommuner är Jokkmokk, Gotland, Lilla Edet och Rättvik.

Det näst sista stoppet sker i det blå landskapet – ”brukens landskap”. Medan andelen öppet arbetslösa har minskat i de övriga landskapen så har den i princip stått still i det blå landskapet. I landskapet återfinns många kommuner vars industrier har rationaliserats eller försvunnit. Det blå landskapet har den största omsättningen av kommuner, mellan 2012 och 2015 lämnar 38 och tillkommer 11 kommuner. De kommuner som lämnar det blå landskapet går antingen till det gula (21 st) eller det gröna (17 st).

Sist kommer vi till det gula landskapet – ”landskapet längre bort”. En relativt åldrad befolkning och ohälsa karaktäriserar det gula landskapet som präglas av glesbygd. Man kan också notera att landskapet har närmat sig magneten ekonomiskt bistånd. Exempel på nytillkomna kommuner är Hedemora, Oxelösund, Örkelljunga och Lysekil.

För att tolka landskapet kan man betrakta de tio bakgrundsvariablerna som magneter placerade i en cirkel runt kartan. Varje kommun har en viss laddning för varje magnet och dras i olika riktningar beroende på hur stark laddningen för de olika magneterna är. Om en kommun t.ex. har en hög andel äldre (relativt de andra kommunerna) så kommer den kommunen att dras mot magneten för äldre.

När en kommun över tid förändras i en eller flera av de underliggande variablerna i förhållande till närliggande kommuner, kommer den att förflytta mot nya och mer liknande grannar. Är förändringen tillräckligt stor byter kommuner landskap. Ett sådant exempel är Hylte som mellan åren 2014 och 2015 fick en relativt stor ökning i andel arbetslösa och således också förflyttade sig mot den magneten. Det sker också strukturella förändringar över tid och hela landskap förflyttar sig. Då förflyttar sig även magneterna relativt varandra.

Kartan har, under de tre år som gått sedan vi introducerade det visualiserade socioekonomiska landskapet, fått flera användningsområden. Ett exempel är inom ramen för kommunernas arbete med vision och mål. Kartan utgör då en kommunikationsplattform och kan bidra till dels en gemensam verklighetsuppfattning inom kommunen, dels att förstå utmaningar för den politiska styrningen av kommunens verksamhet. En kommuns position i kartan är i allra högsta grad ett resultat av politiska beslut på såväl nationell som regional och kommunal nivå.

Vi har nyligen tagit fram en social kompass för en enskild kommun och respektive delområde inom kommunen. Här hittar du en rapport där kompassen presenteras och använd.

Hör gärna av er till oss på befolkningsprognoser@statisticon.se med frågor och funderingar kring detta inlägg. I kommande inlägg avser vi att titta närmare på underlaget till den sociala kompassen, dvs. hur respektive ingående socioekonomisk variabel har utvecklats över tid och hur stora skillnaderna är mellan de olika landskapen.

Anna Carlsund, statistiker
Mats Forsberg, VD

Not: Vi hoppas att detta sätt att beskriva Sverige kan inspirera till fortsatt användning av mer avancerade statistiska metoder för att beskriva och förstå vår samtid. Inte minst i samband med utvecklingen av öppna jämförelser. Vi har i analysen använt följande variabler: Andelen öppet arbetslösa i åldern 20-64 år, andelen invånare med ekonomiskt bistånd, antalet sjukdagar per invånare, andelen förvärvsarbetande i åldern 20-64 år, nettoinkomst 20 år+ (median), andelen invånare med eftergymnasial utbildning, andelen elever behöriga till gymnasieskola, andelen invånare födda utanför EU/EFTA samt antalet unga (0-19 år) respektive gamla (65 år +) i förhållande till befolkning i arbetsför ålder (20-64 år). Uppgifterna avser år 2015 och är hämtade från officiella datakällor. Metoden vi har använt heter random forest.

Sverige fortsätter växa

– folkmängden i pendlingsnära kommuner ökar mest

Den 20 januari 2017 passerade Sveriges befolkning 10 miljoner invånare. Resan från 9 till 10 miljoner invånare tog 13 år. Enligt Statisticons befolkningsprognoser förväntas vi vara 11 miljoner invånare redan om åtta år.

Under 2016 ökade folkmängden i 271 av landets 290 kommuner, till stor del på grund av utrikes inflyttning där samtliga kommuner uppvisade positiva flyttnetton. På grund av åldersstrukturer med relativt många äldre, uppvisade hälften av kommunerna samtidigt negativa födelseöverskott.

Ett oroligt läge i omvärlden föranleder en stor osäkerhet i befolkningsprognoserna. Mot bakgrund av den omfattande flyktingsituationen de senaste åren, bedömer dock Migrationsverket att asylmottagningen i Sverige kommer att vara relativt låg under de kommande åren. Sammantaget förväntas folkmängden öka med årligen cirka 120 000 personer under den kommande femårsperioden enligt Statisticons befolkningsprognoser. En speciell omständighet i samband med asylsituationen är att utrikes inflyttning kommer att vara fortsatt hög under de kommande åren, trots att antalet nya asylsökande är lågt. Detta beror på att det tar upp till två år innan beslut om eventuellt uppehållstillstånd fattas och en nyanländ kommer in i statistiken som utrikes inflyttad.

Folkmängden förväntas öka i drygt tre av fyra kommuner. Nedanstående bild illustrerar hur många kommuner som ökat respektive minskat sin folkmängd under perioden 1980-2016 samt förväntad utveckling för prognosåren 2017-2021. Noterbart är att nästan samtliga kommuner ökar sin folkmängd i samband med omfattande flyktingsituationer. Under slutet av 1980-talet kom många människor från kriget i Balkanområdet. Ett kvarts sekel senare tvingar krig och oroligheter i bl.a. Irak, Syrien, Afghanistan och Somalia många människor på flykt, varav en del blir utrikes inflyttare till någon kommun i Sverige. Av bilden framgår vidare att antalet kommuner med en minskad folkmängd förväntas öka under prognosperioden.

Befolkningsökningen fram till och med år 2021 förväntas vara störst i Sundbyberg (+19 %), Knivsta (+18 %), Trosa (+16 %), Järfälla (+16 %) och Upplands Väsby (+15 %). Störst minskning förväntas i Laxå (-10 %), Lessebo (-8 %), Pajala (-7 %), Ljusnarsberg (-7 %) och Torsby (-6 %). Under de kommande fem åren förväntas Stockholm stad uppnå en miljon invånare. Nacka, Halmstad, Gävle respektive Södertälje blir fler än 100 000 invånare.
Följande bild visar befolkningsprognoserna utifrån en kommungruppsindelning som Sveriges kommuner och landsting (SKL) nyligen tagit fram. Grupperingen omfattar nio kategorier, i huvudsak utifrån befolkningsstorlek och arbetspendling. I bilden framgår även hur stor del av folkmängdens förändring under prognosperioden som beror på flyttnetto respektive födelseöverskott.

Den grupp som förväntas växa mest, motsvarande nio procent under de kommande fem åren, är pendlingskommuner runt Stockholm, Göteborg och Malmö. Dessa tre storstäder och övriga större städer växer med motsvarande åtta procent under samma period. Endast gruppen Landsbygdskommun förväntas minska sin folkmängd något.

Samtliga kommungrupper uppvisar positiva flyttnetton under prognosperioden (gula staplar). Detsamma gäller inte födelseöverskottet (gröna staplar). Ju längre bort en enskild kommun befinner sig från en stad, desto äldre befolkning och därmed också mindre eller negativa födelseöverskott – trots att antalet födda barn per kvinna i många landsbygdskommuner är högre än riksgenomsnittet. På ännu längre sikt, under förutsättning att flyttnettot kommer att vara fortsatt positivt, kommer även födelseöverskott sannolikt bli positivt i många landsbygdskommuner. Det är till stor del inflyttning av människor i barnafödande ålder som leder till positiva flyttnetton i dessa kommuner.

I år är Statisticon arrangör under Almedalsveckan i Visby. Besök oss gärna i konferenslokalen Wisby Strand där vi erbjuder en mötesplats för samtal om befolkningsutvecklingen i Sverige. Välkommen!

KommungruppLänKommunFolkmängd 2011Folkmängd 2016Folkmängd 2021Procentuell förändring 2011-2016Procentuell förändring 2016-2021Ranking
Pendlingskommun nära storstadVästra Götalands länAle2757729549328277%11%12
Pendlingskommun nära storstadVästra Götalands länAlingsås3805340045424065%6%84
Pendlingskommun nära större stadKronobergs länAlvesta1891719850206465%4%129
Pendlingskommun nära större stadJönköpings länAneby6415660369403%5%101
Pendlingskommun nära mindre tätortVästmanlands länArboga1330213903142585%3%172
Landsbygdskommun med besöksnäringNorrbottens länArjeplog311428762789-8%-3%271
LandsbygdskommunNorrbottens länArvidsjaur649464426496-1%1%209
LandsbygdskommunVärmlands länArvika2590726054265501%2%188
Lågpendlingskommun nära större stadÖrebro länAskersund1113411282110221%-2%263
Mindre stad/tätortDalarnas länAvesta2148623161244208%5%92
LandsbygdskommunVästra Götalands länBengtsfors9680994099463%0%223
Lågpendlingskommun nära större stadJämtlands länBerg734570816779-4%-4%280
Pendlingskommun nära större stadVästerbottens länBjurholm2431245425401%4%143
Pendlingskommun nära större stadSkåne länBjuv1485115202159782%5%102
Lågpendlingskommun nära större stadNorrbottens länBoden2764328042278801%-1%242
Pendlingskommun nära storstadVästra Götalands länBollebygd83569102104529%15%6
LandsbygdskommunGävleborgs länBollnäs2619326929273083%1%194
Landsbygdskommun med besöksnäringKalmar länBorgholm1062210930108663%-1%243
Större stadDalarnas länBorlänge4932351604544735%6%89
Större stadVästra Götalands länBorås1041061098801186806%8%39
Pendlingskommun nära storstadStockholms länBotkyrka8467790675973177%7%50
Pendlingskommun nära mindre tätortÖstergötlands länBoxholm5205537355223%3%162
Pendlingskommun nära mindre tätortSkåne länBromölla1236612625135042%7%60
Lågpendlingskommun nära större stadJämtlands länBräcke675064926405-4%-1%252
Pendlingskommun nära storstadSkåne länBurlöv1684317646190115%8%45
Landsbygdskommun med besöksnäringSkåne länBåstad1423014614150523%3%156
LandsbygdskommunVästra Götalands länDals-Ed4679477747292%-1%247
Pendlingskommun nära storstadStockholms länDanderyd3179932653334343%2%175
Pendlingskommun nära mindre tätortÖrebro länDegerfors9551960998661%3%165
LandsbygdskommunVästerbottens länDorotea286227192577-5%-5%283
Landsbygdskommun med besöksnäringVärmlands länEda8460852688331%4%139
Pendlingskommun nära storstadStockholms länEkerö2576727406292086%7%65
Pendlingskommun nära mindre tätortJönköpings länEksjö1630417129178535%4%124
Pendlingskommun nära mindre tätortKalmar länEmmaboda9039934898073%5%109
Lågpendlingskommun nära större stadUppsala länEnköping4001542988466847%9%28
Större stadSödermanlands länEskilstuna975961036841124626%8%32
Pendlingskommun nära större stadSkåne länEslöv3172832878352584%7%53
Pendlingskommun nära mindre tätortVästra Götalands länEssunga5493562058712%4%121
Pendlingskommun nära mindre tätortVästmanlands länFagersta1255313445135647%1%207
Mindre stad/tätortHallands länFalkenberg4130443867457956%4%122
Mindre stad/tätortVästra Götalands länFalköping3168932806339234%3%144
Mindre stad/tätortDalarnas länFalun5612457685603253%5%114
LandsbygdskommunVärmlands länFilipstad1051410960108424%-1%249
Lågpendlingskommun nära större stadÖstergötlands länFinspång2076321526217534%1%204
Lågpendlingskommun nära större stadSödermanlands länFlen1606316830167015%-1%245
Pendlingskommun nära större stadVärmlands länForshaga1122911451114062%0%235
Pendlingskommun nära större stadVästra Götalands länFärgelanda6606662769290%5%117
Pendlingskommun nära större stadDalarnas länGagnef1006910175104291%2%173
LandsbygdskommunJönköpings länGislaved2886829478297752%1%205
Pendlingskommun nära större stadSödermanlands länGnesta1034510861114685%6%88
Pendlingskommun nära mindre tätortJönköpings länGnosjö9400961595732%0%238
Mindre stad/tätortGotlands länGotland5730858003582221%0%219
Pendlingskommun nära större stadVärmlands länGrums9017906391701%1%196
Pendlingskommun nära större stadVästra Götalands länGrästorp5674572159411%4%135
Pendlingskommun nära mindre tätortVästra Götalands länGullspång5251530751811%-2%264
LandsbygdskommunNorrbottens länGällivare183261795617503-2%-3%267
Större stadGävleborgs länGävle95428997881059205%6%77
StorstäderVästra Götalands länGöteborg5203745566406002197%8%41
Pendlingskommun nära mindre tätortVästra Götalands länGötene1313413275133871%1%208
Pendlingskommun nära större stadJönköpings länHabo1082811586126817%9%22
LandsbygdskommunVärmlands länHagfors122821191711445-3%-4%279
Pendlingskommun nära större stadÖrebro länHallsberg1524815649164443%5%103
Pendlingskommun nära större stadVästmanlands länHallstahammar1522415843166894%5%94
Större stadHallands länHalmstad92294985381068287%8%33
Pendlingskommun nära större stadVärmlands länHammarö1494315725166215%6%87
Pendlingskommun nära storstadStockholms länHaninge7832685693948579%11%14
LandsbygdskommunNorrbottens länHaparanda1004198649839-2%0%232
Pendlingskommun nära större stadUppsala länHeby1338113755142213%3%145
Pendlingskommun nära mindre tätortDalarnas länHedemora1511915461162682%5%97
Större stadSkåne länHelsingborg1306261405471548048%10%20
Lågpendlingskommun nära större stadVästra Götalands länHerrljunga9284948699162%5%118
Pendlingskommun nära mindre tätortVästra Götalands länHjo8790904895053%5%105
Lågpendlingskommun nära större stadGävleborgs länHofors9578956494590%-1%250
Pendlingskommun nära storstadStockholms länHuddinge990491075381195689%11%11
Mindre stad/tätortGävleborgs länHudiksvall3678437299383761%3%160
Pendlingskommun nära mindre tätortKalmar länHultsfred1351514607146058%0%226
Lågpendlingskommun nära större stadHallands länHylte1012610954112918%3%155
Pendlingskommun nära storstadUppsala länHåbo1971520737222525%7%51
LandsbygdskommunÖrebro länHällefors7140713867360%-6%284
Landsbygdskommun med besöksnäringJämtlands länHärjedalen10341102009830-1%-4%276
Mindre stad/tätortVästernorrlands länHärnösand2454125269252823%0%224
Pendlingskommun nära storstadVästra Götalands länHärryda3485437108395986%7%63
Mindre stad/tätortSkåne länHässleholm5016451667536633%4%134
Pendlingskommun nära större stadSkåne länHöganäs2469825847266535%3%151
Pendlingskommun nära mindre tätortKalmar länHögsby5768608061485%1%199
Pendlingskommun nära större stadSkåne länHörby1490115283162323%6%75
Pendlingskommun nära större stadSkåne länHöör1549216192169875%5%108
LandsbygdskommunNorrbottens länJokkmokk5119510550900%0%233
Pendlingskommun nära storstadStockholms länJärfälla67320744128601211%16%4
Större stadJönköpings länJönköping1283051352971450105%7%55
LandsbygdskommunNorrbottens länKalix165911622316052-2%-1%248
Mindre stad/tätortKalmar länKalmar6305566571720806%8%37
Pendlingskommun nära mindre tätortVästra Götalands länKarlsborg6722691368763%-1%240
Mindre stad/tätortBlekinge länKarlshamn3118532130327953%2%185
Mindre stad/tätortÖrebro länKarlskoga2961630538313443%3%167
Mindre stad/tätortBlekinge länKarlskrona6421566262704403%6%74
Större stadVärmlands länKarlstad8640990198955394%6%83
Mindre stad/tätortSödermanlands länKatrineholm3240933722355604%5%91
Pendlingskommun nära större stadVärmlands länKil1168211800119071%1%206
Lågpendlingskommun nära större stadÖstergötlands länKinda97999874101341%3%168
Mindre stad/tätortNorrbottens länKiruna2296723167238191%3%161
Pendlingskommun nära större stadSkåne länKlippan1660117219180044%5%116
Pendlingskommun nära större stadUppsala länKnivsta14965173232050516%18%2
LandsbygdskommunVästernorrlands länKramfors1874218681186400%0%231
Mindre stad/tätortSkåne länKristianstad7993083191875044%5%99
Lågpendlingskommun nära större stadVärmlands länKristinehamn2369824671250964%2%190
Pendlingskommun nära större stadJämtlands länKrokom1455914843153322%3%148
Pendlingskommun nära större stadÖrebro länKumla2051021334224394%5%100
Pendlingskommun nära storstadHallands länKungsbacka7595480442855546%6%71
Pendlingskommun nära mindre tätortVästmanlands länKungsör8086843286084%2%184
Pendlingskommun nära storstadVästra Götalands länKungälv4153843289456254%5%93
Pendlingskommun nära storstadSkåne länKävlinge2926130532324974%6%67
Lågpendlingskommun nära större stadVästmanlands länKöping2480725950276405%7%66
Pendlingskommun nära större stadHallands länLaholm2347024664259755%5%96
Pendlingskommun nära större stadSkåne länLandskrona4218944611477626%7%58
Lågpendlingskommun nära större stadÖrebro länLaxå5622570951282%-10%290
Pendlingskommun nära större stadÖrebro länLekeberg7223763683366%9%24
Landsbygdskommun med besöksnäringDalarnas länLeksand1523815507159572%3%159
Pendlingskommun nära storstadVästra Götalands länLerum3878840692436545%7%52
Pendlingskommun nära större stadKronobergs länLessebo8077876080588%-8%289
Pendlingskommun nära storstadStockholms länLidingö4408146853496396%6%81
Mindre stad/tätortVästra Götalands länLidköping3818339235407613%4%133
Pendlingskommun nära storstadVästra Götalands länLilla Edet1254013728151649%10%17
Lågpendlingskommun nära större stadÖrebro länLindesberg2310823744238263%0%220
Större stadÖstergötlands länLinköping1473341558171683366%8%38
Mindre stad/tätortKronobergs länLjungby2735728008292612%4%120
LandsbygdskommunGävleborgs länLjusdal1897419067191530%0%218
Pendlingskommun nära mindre tätortÖrebro länLjusnarsberg4870500646733%-7%287
Pendlingskommun nära storstadSkåne länLomma2201723887263608%10%18
LandsbygdskommunDalarnas länLudvika2558626933282845%5%106
Större stadNorrbottens länLuleå7442676770802873%5%113
Större stadSkåne länLund1116661185421277896%8%42
LandsbygdskommunVästerbottens länLycksele123431218712175-1%0%227
Lågpendlingskommun nära större stadVästra Götalands länLysekil1439814570146821%1%211
StorstäderSkåne länMalmö3028353284943624108%10%19
Landsbygdskommun med besöksnäringDalarnas länMalung-Sälen10262100919785-2%-3%272
LandsbygdskommunVästerbottens länMalå323031002979-4%-4%278
Mindre stad/tätortVästra Götalands länMariestad2373224215244812%1%201
Pendlingskommun nära större stadVästra Götalands länMark3379134218352741%3%153
Pendlingskommun nära mindre tätortKronobergs länMarkaryd95139991102045%2%183
Pendlingskommun nära mindre tätortVästra Götalands länMellerud9068932391663%-2%257
Pendlingskommun nära större stadÖstergötlands länMjölby2607326708276862%4%138
LandsbygdskommunDalarnas länMora2010720279206781%2%186
Lågpendlingskommun nära större stadÖstergötlands länMotala4182843258449753%4%130
Pendlingskommun nära större stadJönköpings länMullsjö7034722673823%2%181
Pendlingskommun nära mindre tätortVästra Götalands länMunkedal1022310361106021%2%178
Lågpendlingskommun nära större stadVärmlands länMunkfors3702373836691%-2%260
Pendlingskommun nära storstadVästra Götalands länMölndal6133764465699885%9%29
Pendlingskommun nära mindre tätortKalmar länMönsterås1285313395136004%2%191
Pendlingskommun nära mindre tätortKalmar länMörbylånga1413814916157346%5%90
Pendlingskommun nära storstadStockholms länNacka91616993591087168%9%23
Pendlingskommun nära större stadÖrebro länNora1042910665110182%3%147
Pendlingskommun nära mindre tätortVästmanlands länNorberg5725579556901%-2%259
Pendlingskommun nära mindre tätortGävleborgs länNordanstig9533951195110%0%225
Pendlingskommun nära större stadVästerbottens länNordmaling7048713270231%-2%254
Större stadÖstergötlands länNorrköping1306231393631520447%9%25
Mindre stad/tätortStockholms länNorrtälje5624559420625016%5%98
LandsbygdskommunVästerbottens länNorsjö423741254059-3%-2%255
Pendlingskommun nära mindre tätortKalmar länNybro1963620311209413%3%152
Pendlingskommun nära större stadStockholms länNykvarn9331104241186612%14%7
Mindre stad/tätortSödermanlands länNyköping5189654924588806%7%54
Pendlingskommun nära storstadStockholms länNynäshamn2624827752296416%7%61
Lågpendlingskommun nära större stadJönköpings länNässjö2936730820321035%4%125
Lågpendlingskommun nära större stadGävleborgs länOckelbo590758565870-1%0%221
Pendlingskommun nära mindre tätortBlekinge länOlofström1287613417138674%3%146
Landsbygdskommun med besöksnäringDalarnas länOrsa6867686170730%3%154
Pendlingskommun nära mindre tätortVästra Götalands länOrust1512915093150610%0%230
Pendlingskommun nära mindre tätortSkåne länOsby1269913149132444%1%212
Mindre stad/tätortKalmar länOskarshamn2616627006278963%3%149
LandsbygdskommunGävleborgs länOvanåker1140411631114312%-2%258
Pendlingskommun nära mindre tätortSödermanlands länOxelösund1125011921121556%2%187
LandsbygdskommunNorrbottens länPajala627061165688-2%-7%288
Pendlingskommun nära storstadVästra Götalands länPartille3551837316395065%6%85
Pendlingskommun nära större stadSkåne länPerstorp7159733879253%8%40
Mindre stad/tätortNorrbottens länPiteå4094241904429742%3%171
LandsbygdskommunJämtlands länRagunda550154155309-2%-2%262
Lågpendlingskommun nära större stadVästerbottens länRobertsfors6762678468560%1%203
Pendlingskommun nära mindre tätortBlekinge länRonneby2791029207303935%4%128
Landsbygdskommun med besöksnäringDalarnas länRättvik1085910856111080%2%179
Lågpendlingskommun nära större stadVästmanlands länSala2156822353235414%5%95
Pendlingskommun nära storstadStockholms länSalem1569416615170466%3%170
Lågpendlingskommun nära större stadGävleborgs länSandviken3699538949411995%6%86
Pendlingskommun nära storstadStockholms länSigtuna41329462745258512%14%9
Pendlingskommun nära mindre tätortSkåne länSimrishamn1914719485190212%-2%265
Pendlingskommun nära större stadSkåne länSjöbo1814318742199243%6%73
Pendlingskommun nära mindre tätortVästra Götalands länSkara1822018979193084%2%189
Mindre stad/tätortVästerbottens länSkellefteå7158072266741631%3%169
Pendlingskommun nära mindre tätortVästmanlands länSkinnskatteberg4412442941630%-6%285
Pendlingskommun nära storstadSkåne länSkurup1494615408164953%7%59
Mindre stad/tätortVästra Götalands länSkövde5176154133574265%6%78
Pendlingskommun nära mindre tätortDalarnas länSmedjebacken1066210909117132%7%49
LandsbygdskommunVästernorrlands länSollefteå199641984619616-1%-1%251
Pendlingskommun nära storstadStockholms länSollentuna6589171023774478%9%26
Pendlingskommun nära storstadStockholms länSolna69946781298706212%11%10
LandsbygdskommunVästerbottens länSorsele272925352468-7%-3%268
Landsbygdskommun med besöksnäringVästra Götalands länSotenäs9007906591651%1%200
Pendlingskommun nära storstadSkåne länStaffanstorp2229623600257146%9%27
Pendlingskommun nära storstadVästra Götalands länStenungsund2460125815267965%4%136
StorstäderStockholms länStockholm86432493561910081548%8%44
Pendlingskommun nära mindre tätortVärmlands länStorfors421840463836-4%-5%282
Landsbygdskommun med besöksnäringVästerbottens länStoruman602658995694-2%-3%275
Pendlingskommun nära större stadSödermanlands länSträngnäs3268734609369546%7%62
Landsbygdskommun med besöksnäringVästra Götalands länStrömstad1201013079145089%11%13
LandsbygdskommunJämtlands länStrömsund121711180911468-3%-3%270
Pendlingskommun nära storstadStockholms länSundbyberg39539477505685521%19%1
Större stadVästernorrlands länSundsvall96113983251019742%4%137
LandsbygdskommunVärmlands länSunne1314213425134562%0%222
Pendlingskommun nära större stadVästmanlands länSurahammar987110059100292%0%234
Pendlingskommun nära större stadSkåne länSvalöv1325013919136855%-2%256
Pendlingskommun nära storstadSkåne länSvedala1980520771220345%6%79
Pendlingskommun nära större stadVästra Götalands länSvenljunga1028210679113634%6%69
Lågpendlingskommun nära större stadVärmlands länSäffle1539415633155482%-1%241
Pendlingskommun nära större stadDalarnas länSäter1086111086115392%4%126
Pendlingskommun nära mindre tätortJönköpings länSävsjö1087111396119165%5%115
LandsbygdskommunGävleborgs länSöderhamn2533425992258603%-1%239
Pendlingskommun nära större stadÖstergötlands länSöderköping1404314402146183%2%193
Större stadStockholms länSödertälje87685946311024838%8%36
Pendlingskommun nära mindre tätortBlekinge länSölvesborg1679317437176454%1%195
Landsbygdskommun med besöksnäringVästra Götalands länTanum1232012606130122%3%150
Pendlingskommun nära mindre tätortVästra Götalands länTibro1062511070114644%4%140
Pendlingskommun nära mindre tätortVästra Götalands länTidaholm1256912797128822%1%215
Pendlingskommun nära större stadUppsala länTierp2007720744215553%4%132
Pendlingskommun nära större stadVästernorrlands länTimrå1802617992181170%1%214
Lågpendlingskommun nära större stadKronobergs länTingsryd1223512393123161%-1%244
Pendlingskommun nära mindre tätortVästra Götalands länTjörn1495915584165804%6%70
Pendlingskommun nära mindre tätortSkåne länTomelilla1293013330141343%6%80
LandsbygdskommunVärmlands länTorsby123121216911382-1%-6%286
Pendlingskommun nära mindre tätortKalmar länTorsås6886706369673%-1%253
Lågpendlingskommun nära större stadVästra Götalands länTranemo1160611776117531%0%229
Lågpendlingskommun nära större stadJönköpings länTranås1810818794192354%2%176
Pendlingskommun nära storstadSkåne länTrelleborg4254243913466213%6%76
Större stadVästra Götalands länTrollhättan5549957753611794%6%82
Pendlingskommun nära större stadSödermanlands länTrosa1149312447144988%16%3
Pendlingskommun nära storstadStockholms länTyresö4332847103511209%9%31
Pendlingskommun nära storstadStockholms länTäby6455869386751587%8%35
Pendlingskommun nära mindre tätortVästra Götalands länTöreboda9063943598054%4%131
Lågpendlingskommun nära större stadVästra Götalands länUddevalla5215655164594306%8%46
Lågpendlingskommun nära större stadVästra Götalands länUlricehamn2299623887254054%6%72
Större stadVästerbottens länUmeå1164651228921323436%8%47
Pendlingskommun nära storstadStockholms länUpplands Väsby4019443891504449%15%5
Pendlingskommun nära storstadStockholms länUpplands-Bro23984267553040912%14%8
Större stadUppsala länUppsala2000012145592361157%10%21
Lågpendlingskommun nära större stadKronobergs länUppvidinge9216950892093%-3%273
Pendlingskommun nära mindre tätortÖstergötlands länVadstena7317734873160%0%237
Lågpendlingskommun nära större stadJönköpings länVaggeryd1316013644143224%5%107
Lågpendlingskommun nära större stadÖstergötlands länValdemarsvik7662780976122%-3%266
Pendlingskommun nära storstadStockholms länVallentuna3071532785351217%7%56
LandsbygdskommunDalarnas länVansbro6818688470511%2%174
Pendlingskommun nära mindre tätortVästra Götalands länVara1569415788162471%3%158
Mindre stad/tätortHallands länVarberg5857661868659516%7%64
Pendlingskommun nära storstadStockholms länVaxholm1114111621121844%5%110
Pendlingskommun nära storstadSkåne länVellinge3351035257379175%8%48
LandsbygdskommunJönköpings länVetlanda2630227241279614%3%166
LandsbygdskommunVästerbottens länVilhelmina704868056576-3%-3%274
LandsbygdskommunKalmar länVimmerby1539715636161862%4%142
Lågpendlingskommun nära större stadVästerbottens länVindeln5434541354520%1%213
Pendlingskommun nära mindre tätortSödermanlands länVingåker8824909994223%4%141
Pendlingskommun nära mindre tätortVästra Götalands länVårgårda1099411295115393%2%180
Pendlingskommun nära större stadVästra Götalands länVänersborg3696238955391655%1%217
Pendlingskommun nära större stadVästerbottens länVännäs8465869589323%3%164
Pendlingskommun nära storstadStockholms länVärmdö3889442000449758%7%57
Mindre stad/tätortJönköpings länVärnamo3293433906354293%4%119
Mindre stad/tätortKalmar länVästervik3601536438372161%2%182
Större stadVästmanlands länVästerås1387091474201589206%8%43
Större stadKronobergs länVäxjö8371089500969517%8%34
Pendlingskommun nära mindre tätortÖstergötlands länYdre3666367537040%1%210
Mindre stad/tätortSkåne länYstad2842729448306454%4%127
LandsbygdskommunVästra Götalands länÅmål1222612801129385%1%202
LandsbygdskommunVästernorrlands länÅnge983994959128-3%-4%277
Landsbygdskommun med besöksnäringJämtlands länÅre1025911088122688%11%16
LandsbygdskommunVärmlands länÅrjäng98279958100711%1%198
LandsbygdskommunVästerbottens länÅsele300728752863-4%0%236
Pendlingskommun nära större stadSkåne länÅstorp1478915528162585%5%111
Pendlingskommun nära större stadÖstergötlands länÅtvidaberg1151711617117491%1%197
Pendlingskommun nära mindre tätortKronobergs länÄlmhult1562916618176826%6%68
Landsbygdskommun med besöksnäringDalarnas länÄlvdalen718470396975-2%-1%246
Pendlingskommun nära större stadUppsala länÄlvkarleby9089944595874%2%192
Lågpendlingskommun nära större stadNorrbottens länÄlvsbyn825381938240-1%1%216
Pendlingskommun nära större stadSkåne länÄngelholm3962641336425384%3%157
Pendlingskommun nära storstadVästra Götalands länÖckerö1248712773133692%5%112
Pendlingskommun nära mindre tätortÖstergötlands länÖdeshög5245533553252%0%228
Större stadÖrebro länÖrebro1371211466311591507%9%30
Pendlingskommun nära större stadSkåne länÖrkelljunga96639958103873%4%123
Mindre stad/tätortVästernorrlands länÖrnsköldsvik5493055964572692%2%177
Större stadJämtlands länÖstersund5937361745648774%5%104
Pendlingskommun nära storstadStockholms länÖsteråker3979243293479159%11%15
Lågpendlingskommun nära större stadUppsala länÖsthammar2138721822224212%3%163
Pendlingskommun nära mindre tätortSkåne länÖstra Göinge1360314406140126%-3%269
LandsbygdskommunNorrbottens länÖverkalix354933783314-5%-2%261
LandsbygdskommunNorrbottens länÖvertorneå481045344316-6%-5%281

 

Flyttlassen från storstäderna fortsätter

– inrikes flyttare väljer pendlingsnära kommuner

I förra inlägget beskrevs hur folkmängden i svenska landsbygdskommuner totalt sett växer. Vi tog också upp frågan om urbanisering och kunde konstatera att svenska städer förvisso växer fortare än landsbygdskommuner – men inte på bekostnad av dessa. De tre storstäderna Stockholm, Göteborg och Malmö växer främst på grund av utrikes inflyttning och att det föds många barn. I detta inlägg belyser vi frågan om inrikes flyttströmmar med storstaden Stockholm och pendlingsnära kommuner som exempel. Underlaget bygger på registrerade flyttningar under perioden januari till september 2016 och kommer från SCB:s befolkningsregister.

Följande bild visar på vilket sätt Stockholms stad har vuxit under åren 2000-2015. Den totala folkmängden har under perioden ökat med 180 000 personer med en inledande blygsam ökning. Under åren 2008-2010 var ökningen som störst, för att sedan minska fram till år 2015.

befolkningsforandring_stockholm_2000-2015

Under hela perioden har staden haft ett positivt födelsenetto, dvs. antalet födda har varit fler än antalet döda. Likaså har antalet utrikes inflyttade varit större än antalet utrikes utflyttade under perioden. Däremot har inrikes flyttnettot varierat över åren. I början av perioden var nettot negativt för att sedan vara positivt fram till år 2013. Därefter har antalet inrikes utflyttare återigen överstigit antalet inrikes inflyttare.  Av det nedre diagrammet kan vi sammanfattningsvis utläsa att det är det positiva födelsenettot (grå linje) samt det positivt utrikes flyttnettot (blå linje) som till lika stora delar har utgjort befolkningsökningen i staden. Det inrikes flyttnettot (gul linje) har varit i det närmaste lika med noll under de senaste femton åren.

Under de tre första kvartalen 2016 har Stockholms stads inrikes flyttnetto varit fortsatt negativt, motsvarande minus 3 600 personer. Gentemot pendlingsnära kommuner uppgår det negativa flyttnettot till minus 6 000 personer, vilket betyder att flyttnettot från övriga kommuner i Sverige är positivt, motsvarande drygt 2 400 personer. Den följande bilden – som är en geografiskt skalenlig karta – visar hur stadens flyttnetto ser ut gentemot närliggande kommuner. Av bilden framgår att det främst är de pendlingsnära kommunerna som staden ”förlorar” invånare till.

flyttstrommar_stockholm_2016

Från större städer i stadens omland – som Uppsala, Västerås, Eskilstuna, Södertälje, Örebro och Nyköping – ”vinner” dock Stockholms stad inrikes inflyttare, om än i mer begränsad utsträckning som inte uppväger utflyttningen till stadens närmaste grannkommuner med pendlingskaraktär. Sammantaget har dessa kommuner dock ett positivt inrikes flyttnetto utifrån en egen relativt stark bostads- och arbetsmarknad.

Ovanstående statistik om flyttströmmar avser samtliga flyttare oavsett ålder och kön. Det finns emellertid betydande åldersmässiga skillnader i flyttmönster. De är så tydliga att inrikes flyttströmmar mellan staden och övriga kommuner över tid skulle kunna beskrivas som ett slags demografiskt kretslopp.  T.ex. drar en stor stad som Stockholm till sig unga vuxna i åldrarna 19-24 år som efter en tid med studier, etablering på arbetsmarknaden och familjebildning flyttar ut från staden, ofta till en närliggande kommun med pendlingsavstånd. Även mer avlägset belägna kommuner attraherar småbarnsfamiljer från staden. Vår ambition är att återkomma till dessa fenomen i kommande inlägg.

En bidragande orsak till att kommuner i Stockholms omland delvis växer på grund av utflyttning från staden kan vara den rådande bostadssituationen med bostadsbrist och höga priser.  Statistik avseende bostadsprisernas utveckling från Svensk Mäklarstatistik speglar dessa flyttmönster med kraftigt ökade bostadspriser i staden. Frågan är om vi ser eller kommer att se samma utveckling kring fler städer i Sverige? För många kommuner i landet är relationen till närliggande städer högaktuell. Insikten om den konkurrenskraft som finns i attraktiva boendemiljöer i kombination med väsentligen lägre mark- och bostadspriser tilltar. Den erbjuder inte bara möjligheten till en säkrad framtid i termer av en positiv utveckling av folkmängden i dessa kommuner. En ökad regional tillväxt medför också en betydande lättnad på våra största städers redan hårt belastade infrastrutkur.

I nedanstående tabell återfinns statistik avseende samtliga kommuners inrikes- och utrikes flyttströmmar för perioden januari – september 2016.

LänKommunInrikes inflyttareInrikes utflyttareInrikes flyttnettoUtrikes inflyttareUtrikes utflyttareUtrikes flyttnetto
Stockholms länUpplands Väsby 28392365474501145356
Stockholms länVallentuna 148914345517413539
Stockholms länÖsteråker 21691534635369170199
Stockholms länVärmdö 20521624428212103109
Stockholms länJärfälla 44893770719752267485
Stockholms länEkerö 117810231551517774
Stockholms länHuddinge 689967631361424490934
Stockholms länBotkyrka 46565359-70314374051032
Stockholms länSalem 92586065894841
Stockholms länHaninge 47064389317951338613
Stockholms länTyresö 22791827452272107165
Stockholms länUpplands-Bro 18401352488260119141
Stockholms länNykvarn 548438110532825
Stockholms länTäby 35183135383552259293
Stockholms länDanderyd 1815169012543233597
Stockholms länSollentuna 39703982-12797355442
Stockholms länStockholm 3873542351-36161354462837261
Stockholms länSödertälje 37624062-30015224401082
Stockholms länNacka 5451539655950486464
Stockholms länSundbyberg 46984356342722223499
Stockholms länSolna 752072552651345612733
Stockholms länLidingö 25642395169597303294
Stockholms länVaxholm 595479116574512
Stockholms länNorrtälje 22451863382485160325
Stockholms länSigtuna 29112555356716202514
Stockholms länNynäshamn 126212144820481123
Uppsala länHåbo 1019843176785919
Uppsala länÄlvkarleby 412420-8871374
Uppsala länKnivsta 894760134813348
Uppsala länHeby 62853791941678
Uppsala länTierp 8547955916356107
Uppsala länUppsala 8626812150526179261691
Uppsala länEnköping 1750124150931390223
Uppsala länÖsthammar 7566291271032974
Södermanlands länVingåker 431481-501896183
Södermanlands länGnesta 444441316018142
Södermanlands länNyköping 18721711161450117333
Södermanlands länOxelösund 496496014821127
Södermanlands länFlen 692922-23049242450
Södermanlands länKatrineholm 11011184-8328678208
Södermanlands länEskilstuna 25232718-19512572231034
Södermanlands länSträngnäs 1257115610135196255
Södermanlands länTrosa 600411189803050
Östergötlands länÖdeshög 187205-1868563
Östergötlands länYdre 1341313281513
Östergötlands länKinda 310305547839
Östergötlands länBoxholm 198225-2742438
Östergötlands länÅtvidaberg 400438-381142391
Östergötlands länFinspång 751952-20147248424
Östergötlands länValdemarsvik 294417-12318515170
Östergötlands länLinköping 6083541367015014711030
Östergötlands länNorrköping 38263884-5814692651204
Östergötlands länSöderköping 713588125621448
Östergötlands länMotala 116111313028658228
Östergötlands länVadstena 267294-2734925
Östergötlands länMjölby 872878-61222993
Jönköpings länAneby 277269878573
Jönköpings länGnosjö 318366-4813330103
Jönköpings länMullsjö 29327221492029
Jönköpings länHabo 47634413228820
Jönköpings länGislaved 7521092-34049957442
Jönköpings länVaggeryd 46444321981682
Jönköpings länJönköping 41524119331242353889
Jönköpings länNässjö 9291137-20847368405
Jönköpings länVärnamo 103188614524249193
Jönköpings länSävsjö 343481-13828027253
Jönköpings länVetlanda 750813-6335444310
Jönköpings länEksjö 743817-7437623353
Jönköpings länTranås 6336082519222170
Kronobergs länUppvidinge 318460-14227825253
Kronobergs länLessebo 383539-15625318235
Kronobergs länTingsryd 383417-3415315138
Kronobergs länAlvesta 666835-16929938261
Kronobergs länÄlmhult 5735551831267245
Kronobergs länMarkaryd 339339016249113
Kronobergs länVäxjö 31813264-83884189695
Kronobergs länLjungby 7457054027548227
Kalmar länHögsby 286383-9723121210
Kalmar länTorsås 281314-33102696
Kalmar länMörbylånga 626631-515624132
Kalmar länHultsfred 628770-14260437567
Kalmar länMönsterås 427536-10919913186
Kalmar länEmmaboda 3302904014913136
Kalmar länKalmar 2715266154429129300
Kalmar länNybro 726765-3935535320
Kalmar länOskarshamn 774852-7828564221
Kalmar länVästervik 915985-7041750367
Kalmar länVimmerby 465506-4120317186
Kalmar länBorgholm 448458-1023117214
Gotlands länGotland 1882159129128593192
Blekinge länOlofström 391455-6427522253
Blekinge länKarlskrona 18401979-139922197725
Blekinge länRonneby 896987-9145289363
Blekinge länKarlshamn 857992-13536358305
Blekinge länSölvesborg 6075169119028162
Skåne länSvalöv 846933-8722737190
Skåne länStaffanstorp 11979732241478859
Skåne länBurlöv 11781226-4823978161
Skåne länVellinge 1414113428022514283
Skåne länÖstra Göinge 570759-18932338285
Skåne länÖrkelljunga 421460-3914235107
Skåne länBjuv 858803551525795
Skåne länKävlinge 118010401401327062
Skåne länLomma 11317853461358649
Skåne länSvedala 83076862991683
Skåne länSkurup 801645156904644
Skåne länSjöbo 857741116955738
Skåne länHörby 731615116994554
Skåne länHöör 760666941063868
Skåne länTomelilla 59154645902466
Skåne länBromölla 433455-22933162
Skåne länOsby 493470231144470
Skåne länPerstorp 362472-11014323120
Skåne länKlippan 7627491320573132
Skåne länÅstorp 8998722718953136
Skåne länBåstad 7036129119163128
Skåne länMalmö 1179212171-379556129762585
Skåne länLund 68796938-591808843965
Skåne länLandskrona 168816817627233394
Skåne länHelsingborg 5255485440118037541049
Skåne länHöganäs 916921-520081119
Skåne länEslöv 139213276526288174
Skåne länYstad 113094218820765142
Skåne länTrelleborg 15451304241286136150
Skåne länKristianstad 23302520-190683238445
Skåne länSimrishamn 7657155034931318
Skåne länÄngelholm 15831341242270107163
Skåne länHässleholm 14771757-280597150447
Hallands länHylte 418539-12142739388
Hallands länHalmstad 312529971281209354855
Hallands länLaholm 88275912322849179
Hallands länFalkenberg 12441321-7771285627
Hallands länVarberg 16881520168452141311
Hallands länKungsbacka 28162096720285179106
Västra Götalands länHärryda 15281455731377760
Västra Götalands länPartille 187318685231108123
Västra Götalands länÖckerö 4104091652144
Västra Götalands länStenungsund 948912361475889
Västra Götalands länTjörn 6605581021455491
Västra Götalands länOrust 6065852113329104
Västra Götalands länSotenäs 34730542962076
Västra Götalands länMunkedal 373404-3119426168
Västra Götalands länTanum 52042991984553
Västra Götalands länDals-Ed 116174-58904644
Västra Götalands länFärgelanda 2712701801268
Västra Götalands länAle 1395110229316446118
Västra Götalands länLerum 1681147320817010565
Västra Götalands länVårgårda 4013956561739
Västra Götalands länBollebygd 51428622823158
Västra Götalands länGrästorp 2371865126917
Västra Götalands länEssunga 227228-1231211
Västra Götalands länKarlsborg 270283-1319112179
Västra Götalands länGullspång 193256-631376131
Västra Götalands länTranemo 422474-5216115146
Västra Götalands länBengtsfors 4023495322329194
Västra Götalands länMellerud 293462-16928424260
Västra Götalands länLilla Edet 7995272721061591
Västra Götalands länMark 10689868218058122
Västra Götalands länSvenljunga 529551-2221315198
Västra Götalands länHerrljunga 3833305376769
Västra Götalands länVara 632583491042678
Västra Götalands länGötene 454555-10122239183
Västra Götalands länTibro 340379-3916714153
Västra Götalands länTöreboda 337470-13325313240
Västra Götalands länGöteborg 1886220131-1269767929304749
Västra Götalands länMölndal 36583454204453233220
Västra Götalands länKungälv 1586136322318650136
Västra Götalands länLysekil 496493318644142
Västra Götalands länUddevalla 1759159816162093527
Västra Götalands länStrömstad 401423-22286127159
Västra Götalands länVänersborg 12271486-25978969720
Västra Götalands länTrollhättan 19031944-41555129426
Västra Götalands länAlingsås 1251109315820694112
Västra Götalands länBorås 32263249-231118310808
Västra Götalands länUlricehamn 7997366322531194
Västra Götalands länÅmål 382408-2621523192
Västra Götalands länMariestad 724754-3026735232
Västra Götalands länLidköping 105410074718850138
Västra Götalands länSkara 770893-12337947332
Västra Götalands länSkövde 19512041-9042895333
Västra Götalands länHjo 33829444652243
Västra Götalands länTidaholm 321354-3314818130
Västra Götalands länFalköping 9451015-7032366257
Värmlands länKil 421449-28421428
Värmlands länEda 214229-151518566
Värmlands länTorsby 313389-7627830248
Värmlands länStorfors 203255-52991584
Värmlands länHammarö 707541166473512
Värmlands länMunkfors 114157-43931380
Värmlands länForshaga 414456-42771859
Värmlands länGrums 350367-1712515110
Värmlands länÅrjäng 155209-541535994
Värmlands länSunne 400521-12124615231
Värmlands länKarlstad 38123659153597212385
Värmlands länKristinehamn 753781-2838764323
Värmlands länFilipstad 387505-11840731376
Värmlands länHagfors 269454-18523131200
Värmlands länArvika 600629-2922583142
Värmlands länSäffle 463497-3423843195
Örebro länLekeberg 38228399352411
Örebro länLaxå 220361-1412152213
Örebro länHallsberg 705722-171061195
Örebro länDegerfors 40537926891970
Örebro länHällefors 250408-15824325218
Örebro länLjusnarsberg 184377-1932439234
Örebro länÖrebro 532747455821013347666
Örebro länKumla 82781215994455
Örebro länAskersund 370450-8020111190
Örebro länKarlskoga 880923-4344732415
Örebro länNora 418373451001288
Örebro länLindesberg 7161144-42852342481
Västmanlands länSkinnskatteberg 220299-79991287
Västmanlands länSurahammar 388427-3913017113
Västmanlands länKungsör 405454-4914910139
Västmanlands länHallstahammar 749662871142094
Västmanlands länNorberg 215450-23525312241
Västmanlands länVästerås 434938844651175437738
Västmanlands länSala 7586906816631135
Västmanlands länFagersta 449585-13623232200
Västmanlands länKöping 86774212523337196
Västmanlands länArboga 478616-13816223139
Dalarnas länVansbro 21219022741262
Dalarnas länMalung-Sälen 234354-12013111120
Dalarnas länGagnef 37332548301020
Dalarnas länLeksand 514539-2513124107
Dalarnas länRättvik 43236270731162
Dalarnas länOrsa 3202437739930
Dalarnas länÄlvdalen 163180-17451035
Dalarnas länSmedjebacken 41539025772057
Dalarnas länMora 6766205614338105
Dalarnas länFalun 20571887170280107173
Dalarnas länBorlänge 16801740-60462106356
Dalarnas länSäter 440449-9501535
Dalarnas länHedemora 503671-16835330323
Dalarnas länAvesta 682913-23147731446
Dalarnas länLudvika 756872-11653160471
Gävleborgs länOckelbo 223227-441635
Gävleborgs länHofors 316297191131796
Gävleborgs länOvanåker 302286161319122
Gävleborgs länNordanstig 316358-421121399
Gävleborgs länLjusdal 485596-11123360173
Gävleborgs länGävle 2963293033714215499
Gävleborgs länSandviken 12021296-9456969500
Gävleborgs länSöderhamn 533873-34049848450
Gävleborgs länBollnäs 762794-3235333320
Gävleborgs länHudiksvall 9929613132360263
Västernorrlands länÅnge 276372-9617322151
Västernorrlands länTimrå 587718-13117641135
Västernorrlands länHärnösand 778988-21039353340
Västernorrlands länSundsvall 25532830-277869133736
Västernorrlands länKramfors 634672-3833031299
Västernorrlands länSollefteå 558737-17928930259
Västernorrlands länÖrnsköldsvik 11311207-7646673393
Jämtlands länRagunda 220250-30105699
Jämtlands länBräcke 270341-711086102
Jämtlands länKrokom 586658-7214317126
Jämtlands länStrömsund 309424-11521326187
Jämtlands länÅre 6695361331545896
Jämtlands länBerg 232307-7513316117
Jämtlands länHärjedalen 291434-14313220112
Jämtlands länÖstersund 2383231370384108276
Västerbottens länNordmaling 239252-1353746
Västerbottens länBjurholm 83776927
Västerbottens länVindeln 2021921023518
Västerbottens länRobertsfors 286301-1547938
Västerbottens länNorsjö 111164-531376
Västerbottens länMalå 78100-2221120
Västerbottens länStoruman 157186-29361125
Västerbottens länSorsele 6883-1562656
Västerbottens länDorotea 6788-2135233
Västerbottens länVännäs 3653145127918
Västerbottens länVilhelmina 144236-92661749
Västerbottens länÅsele 106110-433330
Västerbottens länUmeå 48684492376988373615
Västerbottens länLycksele 345371-26831370
Västerbottens länSkellefteå 11861543-357608104504
Norrbottens länArvidsjaur 209234-2543637
Norrbottens länArjeplog 91110-1932329
Norrbottens länJokkmokk 154227-73761363
Norrbottens länÖverkalix 84130-4671566
Norrbottens länKalix 381415-341102090
Norrbottens länÖvertorneå 98176-78682345
Norrbottens länPajala 122255-13314224118
Norrbottens länGällivare 341574-23313931108
Norrbottens länÄlvsbyn 210293-831152113
Norrbottens länLuleå 28132556257441174267
Norrbottens länPiteå 10509856518439145
Norrbottens länBoden 7171093-37648527458
Norrbottens länHaparanda 266289-2320199102
Norrbottens länKiruna 476908-43235146305

Mats Forsberg, VD