I kapitel 6 redovisas två regressionsanalyser som genomförs som stöd för antagandet kring hur mycket av nedgången inom restaurangbranschen respektive hotellbranschen som beror på åtgärderna mot smittspridning. Denna bilaga beskriver regressionsresul-taten från dessa regressioner samt resulregressionsresul-taten från andra specifikationer av motsva-rande regressioner.
RESTAURANGREGRESSION, HUVUDSPECIFIKATION
I regressionen för restaurangbranschen görs en regression med syfte att förklara den relativa skillnaden i omsättning mellan det andra kvartalet 2020 och det andra kvartalet 2019. De data på omsättning som används är dagsdata från Caspeco. Dataserien be-står av ca 600 krogar med en genomsnittlig årsomsättning på 18 miljoner kronor, och den procentuella förändringen i omsättning mäts för motsvarande veckodag ett år till-baka, och påsken 2020 mäts mot påsken 2019.
I regressionen som beskrivs i kapitel 6 förklaras omsättningen av en konstant, en dummyvariabel som tar värdet 1 från och med 12 mars, och värdet noll innan dess, och av antalet avlidna i covid-19 per dag i Sverige (baserat på data från Folkhälsomyn-digheten). Resultatet av regressionen står att finna i tabell 35.
Tabell 35 Restaurangomsättningen 2020kv2 förklarad av avlidna per dag och dummy för 12 mars och framåt
Koefficient- värde
Standard-
avvikelse t-värde p-värde
Konstant –4,44 1,89 –2,35 0,02
Avlidna -0,21 0,03 –7,17 0,00
Dummy, 12 mars –45,15 2,52 –17,89 0,00
Förklaringsgrad (R2) 0,86
Källa: Konjunkturinstitutet.
RESTAURANGREGRESSION, ANDRA SPECIFIKATIONER
För att undersöka hur robusta resultaten i huvudregressionen är så görs några alterna-tiva specifikationer. Dessa specifikationer är följande:
1. Antal avlidna per dag byts ut mot inlagda på intensivvårdsavdelning (IVA), där data kommer från svenska intensivvårdsregistret.
2. Tillägg av dummy för 16 mars och framåt (datum då hemarbete infördes) 3. Tillägg av dummy för 24 mars och framåt (datum då begränsningar för
re-stauranger infördes)
4. Tillägg av dummys för 16 mars och 24 mars
Resultaten för dessa liknar resultaten för huvudregressionen, och redovisas nedan.
Tabell 36 Restaurangomsättningen 2020kv2 förklarad av nya IVA-inlagda och dummy för 12 mars och framåt
Koefficient- värde
Standard-
avvikelse t-värde p-värde
Konstant –3,94 1,74 –2,26 0,03
IVA –0,40 0,05 –8,00 0,00
Dummy, 12 mars –43,91 2,44 –18,01 0,00
Förklaringsgrad (R2) 0,87
Källa: Konjunkturinstitutet.
Tabell 37 Restaurangomsättningen 2020kv2 förklarad av avlidna per dag, dummy för 12 mars och framåt samt dummy för 16 mars och framåt
Koefficient- värde
Standard-
avvikelse t-värde p-värde
–4,44 1,88 –2,36 0,02
Tabell 38 Restaurangomsättningen 2020kv2 förklarad av avlidna per dag, dummy för 12 mars och framåt samt dummy för 24 mars och framåt
Koefficient- värde
Standard-
avvikelse t-värde p-värde
Konstant -4,44 1,87 -2,37 0,02
Tabell 39 Restaurangomsättningen 2020kv2 förklarad av avlidna per dag, dummy för 12 mars och framåt, dummy för 16 mars och framåt samt dummy för 24 mars och framåt
Koefficient- värde
Standard-
avvikelse t-värde p-värde
Konstant –4,44 1,82 –2,44 0,02
HOTELLREGRESSIONER, HUVUDSPECIFIKATION
Liknande regressioner som för omsättningen för restauranger görs även på hotellbe-läggningsgraden, för att fånga hur mycket produktionen inom hotellbranschen mins-kat till följd av åtgärderna mot smittspridning. Men i stället för en dummyvariabel för den 12 mars och framåt så läggs en ytterligare dummyvariabel för att fånga åtgärden inresor till Sverige in, den 16 mars och framåt. Det bör noteras att denna dummy också fångar upp åtgärden hemarbete som infördes samtidigt. Regressionen görs för tre olika städer, Stockholm, Malmö och Göteborg. Ett genomsnitt av summan av de två dummyvariablerna tas sedan över de tre städerna för att ge ett värde på åtgärder-nas påverkan. Värdet på den första dummyn (12 mars) delas dock med hälften ef-tersom den utöver att fånga upp införandet av svenska åtgärder också fångar upp di-verse åtgärder som ifördes utomlands som påverkar svensk turism och affärsresor till Sverige. Statistiken på hotellbeläggningsgrad kommer från Visita, men har framtagits av Benchmark Alliance, och är på dagsfrekvens. Den mäter skillnaden i hotellbelägg-ningsgraden 2020 och motsvarande veckodag ett år tillbaka. I stället för antalet avlidna per dag i Sverige används antalet smittade per dag i Italien, vilket används som proxy för utlandets smitta.204 Introduceras i stället avlidna i Sverige som förklaringsvariabel så går värdet på denna variabel rent statistiskt inte att skilja sig från noll (se avsnittet Ho-tell regressioner, alternativa specifikationer nedan). Resultatet från de tre regression-erna presenteras nedan:
Tabell 40 Årlig förändring i hotellbeläggningsgrad i Stockholm, 2020kv2, förklarat av smittade i Italien per dag, en dummy för 12 mars och framåt samt en dummy för 16 mars och framåt
Koefficient- värde
Standard-
avvikelse t-värde p-värde
Konstant –20,73 0,04 –4,72 0,00
Tabell 41 Årlig förändring i hotellbeläggningsgrad i Göteborg, 2020kv2, förklarat av smittade i Italien per dag, en dummy för 12 mars och framåt samt en dummy för 16 mars och framåt
Koefficient- värde
Standard-
avvikelse t-värde p-värde
Konstant –9,83 0,05 –1,85 0,07
204 Data på smittade i Italien kommer från ECDC och Macrobond.
Tabell 42 Årlig förändring i hotellbeläggningsgrad i Malmö, 2020kv2, förklarat av smittade i Italien per dag, en dummy för 12 mars och framåt samt en dummy för 16 mars och framåt
Koefficient- värde
Standard-
avvikelse t-värde p-värde
Konstant –10,03 0,05 –2,10 0,04
I detta avsnitt redovisas alternativa specifikationer av regressionerna på hotellbelägg-ningsgrad. Dels redovisas specifikationer där antalet smittade i Italien byts ut mot an-talet avlidna i Sverige. Som specifikationen visar så verkar avlidna i Sverige inte fånga upp någon ytterligare variation som beror på dummyvariablerna. Vidare är variabeln icke-signifikant för alla städer. I den andra specifikationen tas dummyn för 16 mars bort. Detta påverkar inte heller resultatet för hur mycket dummyvariablerna förklarar nämnvärt.
Tabell 43 Årlig förändring i hotellbeläggningsgrad i Stockholm, 2020kv2,
förklarat av avlidna i Sverige per dag, en dummy för 12 mars och framåt samt en dummy för 16 mars och framåt
Koefficient- värde
Standard-
avvikelse t-värde p-värde
Konstant –18,99 0,04 –4,26 0,00
Tabell 44 Årlig förändring i hotellbeläggningsgrad i Göteborg, 2020kv2, förklarat av avlidna i Sverige per dag, en dummy för 12 mars och framåt samt en dummy för 16 mars och framåt
Koefficient- värde
Standard-
avvikelse t-värde p-värde
Konstant –10,64 0,05 –2,00 0,05
Tabell 45 Årlig förändring i hotellbeläggningsgrad i Malmö, 2020kv2, förklarat av avlidna i Sverige per dag, en dummy för 12 mars och framåt samt en dummy för 16 mars och framåt
Koefficient- värde
Standard-
avvikelse t-värde p-värde
Konstant –8,89 0,05 –1,86 0,07
Dummy, 12 mars –17,90 0,09 –1,93 0,06
Dummy, 16 mars –31,47 0,09 –3,69 0,00
Avlidna i Sverige 0,04 0,00 0,79 0,43
Summa dummyvariabler –49,38
Förklaringsgrad (R2) 0,45
Källa: Konjunkturinstitutet.
Tabell 46 Årlig förändring i hotellbeläggningsgrad i Stockholm, 2020kv2, förklarat av smittade i Italien per dag och en dummy för 12 mars och framåt
Koefficient- värde
Standard-
avvikelse t-värde p-värde
Konstant –20,90 0,05 –4,50 0,00
Dummy, 12 mars –50,23 0,05 –10,23 0,00
Smittade Italien 0,00 0,00 2,92 0,00
Förklaringsgrad (R2) 0,47
Källa: Konjunkturinstitutet.
Tabell 47 Årlig förändring i hotellbeläggningsgrad i Göteborg, 2020kv2, förklarat av smittade i Italien per dag och en dummy för 12 mars och framåt
Koefficient- värde
Standard-
avvikelse t-värde p-värde
Konstant –10,01 0,05 –1,86 0,06
Dummy, 12 mars –44,37 0,06 –8,06 0,00
Smittade Italien 0,00 0,00 –0,94 0,35
Förklaringsgrad (R2) 0,24
Källa: Konjunkturinstitutet.
Tabell 48 Årlig förändring i hotellbeläggningsgrad i Malmö, 2020kv2, förklarat av smittade i Italien per dag och en dummy för 12 mars och framåt
Koefficient- värde
Standard-
avvikelse t-värde p-värde
Konstant –10,20 0,05 –2,04 0,04
Dummy, 12 mars –48,00 0,05 –9,06 0,00
Smittade Italien 0,00 0,00 1,86 0,07
Förklaringsgrad (R2) 0,41
Källa: Konjunkturinstitutet.