Vilka demografiska faktorer påverkar skattekraften i en kommun? : En undersökning om hur åldersstruktur påverkar tillväxten i kommuner

(1)

Vilka demografiska faktorer påverkar skattekraften i en kommun?

En undersökning om hur åldersstruktur påverkar tillväxten i kommuner

Författare: Anna Åhlberg

(Födelsedatum – 910604)

Vårterminen 2020

Uppsats, kandidatkurs 15 hp Ämne: Nationalekonomi

Handelshögskolan vid Örebro universitet Handledare: Anders Lunander

(2)

Sammanfattning

Den här uppsatsen syftar till att undersöka hur åldersstruktur i kommuner i Sverige har påverkat den ekonomiska tillväxten, mätt som den genomsnittliga förändringen i skattekraft under perioden 2005-2018, samt att redogöra för andra demografiska faktorer som kan tänkas ha en påverkan på tillväxten. För att undersöka uppsatsens frågeställning så har data med diverse relevanta demografiska förklarande variabler inkluderats för att kunna kontrollera för dessa. Resultaten visar att för tidsperioden 2005-2018 så kan andelen äldre inte tillskrivas någon effekt på den ekonomiska tillväxten i kommuner. Detta skulle kunna bero på att tidsperioden som studeras är för kort för att kunna visa hur en åldrande befolkning påverkar den ekonomiska tillväxten i kommuner. Resultatet visar att det finns andra faktorer som har en påverkan på kommunal tillväxt.

(3)

1

1. Inledning

I många industrialiserade länder har befolkningen aldrig varit så gammal som den är idag. Livslängden har ökat samtidigt som barnafödandet har minskat (Nagarajan, Teixeira och Silva 2016). Maestas, Mullen och Powell (2016) undersökte hur en åldrande befolkning påverkade den ekonomiska tillväxten i stater i USA mellan 1980 och 2010. Studien visar att det förekommer stora regionala skillnader i andelen äldre, som de definierar som 60 år och äldre, mellan stater. Författarna drar slutsatsen att en 10 procentig ökning av andelen äldre minskar BNP per capita med 5,5 procent.

Världshälsoorganisationen spår att andelen av människor som är 65 år och äldre kommer att öka från 14 procent år 2010 till 25 procent 2050 i Europa och menar också att levnadsvillkoren för äldre människor varierar mycket, både mellan länder och inom länder och framlyfter att många äldre riskerar social isolering och fattigdom. Bloom (2011) drar slutsatsen att andelen av befolkningen över 60 år kommer att öka i nästan varje land i världen mellan åren 2005-2050. Japan har den högsta andelen äldre i världen, år 2019 var 20 procent av befolkningen 65 år eller äldre och man beräknar att år 2030 kommer en tredjedel av befolkningen vara 65 år eller äldre (Walia 2019). Många ekonomer hävdar att länder med en stor andel äldre i befolkningen är associerade med lägre produktion, lägre sparande och högre offentliga utgifter (Nagarajan, Teixeira och Silva 2016).

I Sverige ser den demografiska situationen liknande ut som omvärldens, dock så beräknar SCB (2020) att antalet födda barn i Sverige kommer att öka det kommande decenniet, mycket på grund av att det föddes många barn runt 1990-talet och att dessa personer nu får barn själva. Det beräknas att det kommer födas 120 000 barn per år under det kommande decenniet, vilket är 5000 fler barn per år än decenniet innan. Enligt SCB (2020) finns det idag 540 000 invånare i Sverige som är 80 år och äldre och enligt de senaste befolkningsframskrivningarna beräknas den åldersgruppen att öka med 50 procent till 2029. I den senaste ekonomirapporten från Sveriges kommuner och regioner, SKR, uppges det att kommunsektorns finanser står inför stora demografiska utmaningar med en större ökning av antalet äldre och barn, samtidigt som andelen av befolkningen i arbetsför ålder inte ökar lika snabbt.

I svenska kommuner så står den kommunala skatten för den största delen av inkomstkällan, ca. 70 procent. Resterande del kommer från diverse statsbidrag och en liten del av inkomsterna får

(4)

2 kommunerna genom att ta betalt för vissa tjänster som tillhandahålls, såsom äldre- och barnomsorg (SKR 2020). Kommunalskatten är således en viktig inkomstkälla för kommuner, och att ha en stark kommunal skattekraft är av betydelse.

I den här studien undersöker jag data från samtliga 290 svenska kommuner för att testa hur en åldrande befolkning påverkar den ekonomiska tillväxten i kommuner mellan åren 2005-2018. Den största födelsekullen under hela 1900-talet i Sverige föddes år 1945 (SCB 2014) och den här generationen gick således i pension 2010. Syftet med valet av tidsperiod har varit att undersöka hur denna generations pensionsavgångar har påverkat den kommunala tillväxten. Jag har inkluderat flera relevanta demografiska variabler och även kommunalekonomiskt utjämningsbidrag och två dummyvariabler som alla kan tänkas ha en påverkan på tillväxten med syftet att kunna kontrollera för dessa. Mitt sätt att studera den ekonomiska tillväxten bygger på liknande metodik som Mankiw, Romer och Weil (1992) använder. Författarna undersöker hur BNP per individ i arbetsför ålder mellan åren 1960-1985 beror av investeringar, populationstillväxt och BNP per individ i arbetsför ålder i landet från startåret, dvs. år 1960. I min uppsats kommer den beroende variabeln, dvs. ekonomiska tillväxten, att mätas som den genomsnittliga förändringen i skattekraft mellan åren 2005-2018 och de förklarande variablerna är från år 2005. Jag har alltså valt skattekraften som den beroende variabeln. Enligt Wikstrand (2015) så kan skattekraften vara ett bra mått på kommunal tillväxt. Skattekraft i sig är inget mått på ekonomisk tillväxt men då den mäts, som nämnts ovan, som den genomsnittliga förändringen över tiden så blir det ett mått på ekonomisk tillväxt. Tanken med valet av tidsperioden är alltså att fånga upp hur den demografiska förändring som skedde på 1940-talet har påverkat den ekonomiska tillväxten i svenska kommuner. Skattekraft innebär det skatteunderlag i kronor per invånare, där skatteunderlaget i sin tur innebär beskattningsbar förvärvsinkomst för fysiska personer (Regionfakta, 2019).

Syftet med uppsatsen är att undersöka hur åldersstrukturen i kommuner påverkar kommunal ekonomisk tillväxt. Det är viktigt att poängtera att det kan vara så att människor i arbetsför ålder flyttar från kommuner med låg tillväxt, alltså att det är omvänd kausalitet. Jag har försökt beakta det genom att kontrollera för befolkningens rörlighet mellan kommuner. Frågeställningen för uppsatsen är: Hur påverkar åldersstruktur ekonomisk tillväxt i kommuner? Resultatet visar att en ökad andel äldre i en kommun inte kan tillskrivas någon effekt på den genomsnittliga förändringen i skattekraft för denna perioden. Resultatet visar att det finns andra faktorer som påverkar ekonomiska tillväxten i svenska kommuner.

(5)

3 I uppsatsen görs en empirisk analys av kvantitativt datamaterial. Datamaterialet är inhämtat från SCB och innehåller information om befolkningens demografiska karakteristika, såsom bland annat befolkningens storlek, åldersstruktur, utbildning, andel sysselsatta och även, i viss mån, människors flyttmönster.

Uppsatsen är disponerad på följande vis; först en inledning med en förklaring av problemet. Sedan följer en bakgrund med syfte att kunna koppla till de resultat som fås varefter några tidigare studier tas upp. Efter detta kommer teori, data och den empiriska modell som använts. Därefter kommer en resultatdel som behandlar resultatet från empirin och slutligen en diskussion och slutsats som följer av resultatet.

2. Bakgrund

Sverige är indelat i 290 kommuner. Medborgarna i varje kommun har möjlighet att välja politiker som ska styra kommunen. Kommunen har en lagstadgad skyldighet att erbjuda invånarna olika tjänster, såsom förskola, skola, socialtjänst och äldreomsorg. Den största inkomstkällan för dessa tjänster kommer ifrån kommunalskatten och varje kommun beslutar själv hur stor den ska vara, och även hur pengarna ska allokeras. En annan del av inkomsterna i en kommun kan bestå av statliga bidrag och kommunen tar även ut en viss avgift för olika tjänster, såsom förskola, fritids och äldreomsorg (SKR 2020).

Skattekraften varierar mellan kommuner. Tabell 1 nedan visar hur skattekraften för tio olika kommuner har utvecklats mellan åren 2005-2018. (Notera att kommunerna har valts ut godtyckligt, det finns alltså inget direkt motiv för valet av just dessa kommuner mer än att visa att det finns en skillnad i skattekraft, både mellan kommuner och över tiden.) Skattekraften för kommunerna är deflaterad med år 2005 som basår.

(6)

4 Tabell 1 visar skattekraftens utveckling för vissa kommuner.

I Sverige finns flera olika kommunalekonomiska utjämningssystem som syftar till att utjämna skillnader mellan kommuner som kan bero på t.ex. invånarnas inkomster, geografiska skillnader och andra strukturella skillnader, såsom åldersstruktur. Systemet innefattar fem olika delar: inkomstutjämning, kostnadsutjämning, strukturbidrag, införandebidrag och regleringspost. Skillnaden i skattekraft mellan kommuner respektive landsting jämnas ut med hjälp av skatteintäkter mellan kommuner respektive landsting i inkomstutjämningen. Kostnadsutjämningen syftar istället till att jämna ut skillnader som beror på strukturella egenskaper, såsom t.ex. större behov av kommunal äldreomsorg i kommuner med en högre andel äldre. Utjämningssystemet ska kunna möjliggöra för alla kommuner att erbjuda samhällstjänster för sina invånare oberoende av tänkbara skillnader som nämnts ovan. Den största delen av utjämningssystemet finansieras av staten, medan en liten del består i att de kommuner med störst skattekraft betalar en avgift till de kommuner med lägst skattekraft (Statskontoret 2014). Syftet med ett kommunalekonomiskt bidrag är att kommuner som får det ska kunna upprätthålla samma samhällstjänster som övriga kommuner och på så vis bibehålla sin skattekraft.

SKR uppger i en rapport från 2018 att välfärdssektorn kommer behöva rekrytera en halv miljon människor fram till 2026. I en rapport sammanfattar de nio olika rekryteringsstrategier såsom

(7)

5 att använda kompetensen rätt, bredda rekryteringen, att fler jobbar mer, dvs. att uppmuntra människor som frivilligt jobbar deltid att istället jobba heltid, att tiden i arbetslivet ska förlängas, förbättra och förtydliga karriärmöjligheterna inom verksamheter, utnyttja tekniken, marknadsföra jobben t.ex. genom praktik och feriejobb och till sist att underlätta lönekarriärer. SKR uppger att universitet och högskolor men även vuxenutbildningar inom kommuner spelar en viktig roll för utmaningarna i samhället SKR (2020).

Den demografiska transitionen beskriver den förändring som ett samhälle genomgår då det går från en situation där många barn föds, samtidigt som många som dör i ung ålder, till en situation där färre barn föds och fler lever längre (SCB 2017). I Sverige inleddes den demografiska transitionen i början av 1800-talet. Den demografiska transitionen delas ofta in i fyra olika faser. Den första fasen karaktäriseras av att många barn föds per kvinna, men dödligheten är hög, vilket innebär att befolkningstillväxten är låg. Den andra fasen inleds genom att dödligheten börjar minska samtidigt som födda barn per kvinna befinner sig på samma höga nivå, vilket leder till en ökning i befolkningen och således till att det finns en hög andel barn och ungdomar i befolkningen. Den minskade dödligheten berodde på olika faktorer såsom t.ex. bättre kunskap om hur smittor sprids och överlag lite bättre levnadsvillkor. Här började industrialiseringen ta vid och också urbaniseringen. Den tredje fasen, skedde runt år 1880 och kallas också den industriella fasen och kännetecknas av ett sjunkande födelsetal. Den fjärde och sista fasen skedde efter 1950-talet i Sverige och innebar få födda barn per kvinna, låg dödlighet och låg befolkningstillväxt (SCB 2017). Samma sak inträffade för flera länder i Europa och det innebar alltså att det skedde en ökning av befolkningen i arbetsför ålder under flera årtionden, vilket hade stora ekonomiska fördelar för samhällena (Reher 2011). Den här situationen brukar kallas demografisk utdelning (demographic dividend) och det innebar en fördelaktig åldersstruktur, dvs. många i arbetsför ålder, i ett land som ledde till ökad ekonomisk tillväxt (Bloom 2020). Den här åldersstrukturen har idag så småningom lett till att vi har en snabb ökning av äldre i populationen och en inte lika snabb ökning i andelen i arbetsför ålder, vilket ställer stora krav på ekonomin och hela samhället (Reher 2011). Kostnaderna för pensionssystem och även kostnader för hälsa och vård av äldre förväntas öka i takt med att befolkningen blir allt äldre (Bloom 2020). För att dämpa de negativa ekonomiska konsekvenserna av en åldrande befolkning föreslår Bloom (2020) att länder bör höja den lagliga pensionsåldern, vara bättre på att identifiera och förhindra ohälsa hos människor i ett tidigare skede, uppmuntra och möjliggöra till fysisk aktivitet och till sist menar han att teknologiska innovationer kommer att spela en viktig roll t.ex. nya mediciner som kan sakta ner åldrandet.

(8)

6

3. Tidigare studier

I denna uppsats undersöks hur åldersstruktur påverkar kommunal ekonomisk tillväxt, där tillväxten mäts som den genomsnittliga förändringen i kommunens skattekraft. I min analys mäter jag ekonomisk tillväxt som den genomsnittliga förändringen i skattekraft. De studier som tas upp nedan mäter istället tillväxten i inkomst per capita eller BNP per capita. Att just dessa studier har valts är på grund av de undersöker hur åldersstruktur påverkar den ekonomiska tillväxten i länder eller regioner.

En studie som undersöker liknande frågeställning som min uppsats ämnar att göra är skriven av Persson och Malmberg (1996), där författarna undersöker hur åldersstrukturen påverkar den ekonomiska tillväxten, mätt som tillväxt i inkomst per capita, för amerikanska stater under åren 1920-1990. Författarna menar att det finns många studier som undersöker ekonomisk tillväxt men inte så många som tar åldersstruktur i beaktande, så därför är syftet med studien att analysera i vilken utsträckning åldersstruktur påverkar ekonomisk tillväxt. Data om inkomster i studien är hämtat från USAs handelsdepartement för 48 stater, (man exkluderar Hawaii och Alaska) och med inkomster menas per capita inkomst exklusive transfereringar. Data om åldersstruktur är också hämtat från USAs handelsdepartement och från USA census bureau. De har även använt data från Mulligan och Sala-i-Martin (1995) om den genomsnittliga tiden i skolan. De slår fast att åldersgruppen 25-65 har en positiv påverkan på tillväxten i inkomst per capita. Författarna finner också att den genomsnittliga tiden i skolan har en positiv påverkan på tillväxten i inkomst per capita, när åldersstrukturen kontrolleras för.

Som nämndes i inledningen undersökte Maestas, Mullen och Powell (2016) hur en åldrande befolkning påverkar den ekonomiska tillväxten, mätt som BNP per capita i amerikanska stater under åren 1980-2010. Amerikanska Bureau of Economic Analysis för statistik över årlig BNP för amerikanska stater, där BNP definieras som värdet av produktion från arbete och kapital i respektive stat. Författarna sammanfattar att det finns stora skillnader mellan stater i den demografiska sammansättningen och drar även slutsatsen att en 10 procentig ökning av andelen äldre minskar BNP per capita med 5,5 procent.

Malmberg (1994) undersöker hur åldersstrukturen påverkar ekonomisk tillväxt i Sverige mellan åren 1950-1989. Författaren använder två mått på ekonomisk tillväxt; den logaritmerade årliga tillväxten i BNP och den logaritmerade årliga tillväxten i inkomst per capita. Studien finner att

(9)

7 åldersstrukturen är en viktig förklaringsfaktor för ekonomisk tillväxt i Sverige under perioden. Författaren menar att resultaten stämmer överens med livscykelhypotesen, dvs. att då populationen når toppen av livscykeln vad gäller humankapital ackumulering och sparande så växer ekonomin snabbare och då populationen ökar i ålder så minskar tillväxten.

En studie som undersöker liknade frågeställning om huruvida demografiska skillnader mellan länder kan förklara skillnader i tillväxt är skriven av Beaudry, Collard och Green (2005) där författarna istället undersöker olika OECD länder och visar att länder som år 1995 hade en hög tillväxt i produktivitet hade haft en period innan, mellan 1978-1995, med en stabil hög tillväxt i arbetskraften. Författarna genomför regressioner för tre olika tidsperioder; 1960-1978, 1978-1995 och 1978-1995-2002, för att undersöka hur den ekonomiska tillväxten beror på output per arbetare och tillväxten i arbetskraften. De länder med en låg tillväxt i arbetskraften mellan åren 1978-1995, upplevde däremot inte en hög tillväxt i produktivitet år 1995. Författarna menar alltså att en stor del av tillväxt i produktivitet idag kan förklaras av tillväxten i arbetskraft i perioden innan. Skillnader i åldersstruktur mellan länder i perioden innan kan förklara tillväxten i landet idag. Författarna undersöker förhållandet mellan tillväxten i produktivitet, mätt som output per arbetare, och tillväxten i arbetskraft, där arbetskraften är mätt i populationen mellan åldrarna 15 och 64. De har även använt den faktiska arbetskraften som mått men menar att tillväxten i populationen från 15-64 beror helt på demografiska faktorer och kan ses som en exogen variabel. Författarna drar slutsatsen att det skett en stor teknologisk revolution i världsekonomin år 1978. Den teknologiska revolutionen ledde till högre tillväxt, och hur pass snabbt länder anpassade sig till den, kan till stor del förklaras av landets demografiska sammansättning.

Andersson (2001) undersöker empiriskt hur åldersstruktur påverkar ekonomisk tillväxt för skandinaviska länder. Författaren menar att trots livscykeln-teorin och humankapitalteorin, som säger att demografiska faktorer spelar roll för makroekonomiska studier, så bortses dessa ofta i de flesta empiriska studier. I studien så har data tagits från Penn World under åren 1950-1992 för olika ekonomiska variabler. Den beroende variabeln är den årliga tillväxten i BNP per capita. De förklarande variablerna är tillväxten i investeringar, tillväxten i totala populationen, en deprecieringsfaktor för kapital, netto utlandsbalansen, offentliga konsumtionsutgifter, inflationstakten och slutligen fyra variabler som representerar olika åldersgrupper som är indelade i åldrarna 0-14, 15-29, 30-49, 50-64 och slutligen 65+. Författaren menar att dessa åldersindelningar är bäst lämpade för att sedan kunna jämföra med både teorin om

(10)

8 humankapital och livscykeln. Enligt dessa så skulle unga åldersgrupper och den äldre åldersgruppen ha en negativ påverkan på tillväxt, medan grupperna 30-49 och 50-64 antas ha en positiv påverkan på tillväxt. Studien finner att åldersstruktur har en signifikant påverkan på tillväxten för de skandinaviska länderna.

Syssner (2014) undersöker hur kommuner arbetar med demografiska förändringar. Studien undersöker hur fem små kommuner i Östergötland arbetar med policyfrågor som rör demografisk förändring. Hälften av kommunerna i studien har en mindre befolkning idag än under 1970-talet, liksom ungefär hälften av alla Sveriges kommuner. Samtidigt har Sveriges befolkning under den här tiden ökat med 1,5 miljoner. Det faktum att varje kommun har en egen ekonomi och kan bestämma kommunalskatten innebär att det är viktigt att kommunerna är införstådda med vad den demografiska förändringen innebär. Författaren sammanfattar att de kommunvalda brister i förståelse för vad som är en bra lösning på en minskade och åldrande befolkning och föreslår en utveckling av den lokala politiken som rör dessa frågor och lyfter fram samverkan och innovation som potentiella lösningar.

I en empirisk studie undersöker Lundberg (2017) om kommuner med ett universitet har en högre ekonomisk tillväxt jämfört med kommuner utan universitet. Författaren använder paneldata över svenska kommuner mellan åren 1990-2010 och genomför olika regressioner. Resultatet visar att den ekonomiska tillväxten i kommuner påverkas positivt av universitet både genom att vara en stor arbetsgivare och även via en ökning av humankapital.

Genom att använda mig av nyare data och att göra en regional analys, till skillnad från studier som Andersson (2001), Malmberg (1994) och Beaudry, Collard och Green (2005) som analyserar åldersstruktur på nationell nivå, hoppas jag kunna bidra med att ge en ökad förståelse för hur åldersstruktur i kommuner påverkar tillväxt.

(11)

9

4. Teori

En utgångspunkt för att förstå kommunala ekonomiers tillväxt är Lundbergs (2006) teoretiska modell. Den lokala skattebasen, B, i en kommun, i, vid tiden t, definieras som,

𝐵_𝑖,𝑡 = 𝑌_𝑖,𝑡× 𝑃_𝑖,𝑡 (1)

där Y är den genomsnittliga inkomstnivån och P är befolkningen i kommun i, vid tiden t. Genom att logaritmera och differentiera ekvation (1) så fås,

ln 𝐵 = ln 𝑌 + ln 𝑃 (2) ∆𝑙𝑛𝐵 = ∆𝑙𝑛𝑌 + ∆𝑙𝑛𝑃 (3) ∆𝐵 𝐵 = ∆𝑌 𝑌 + ∆𝑃 𝑃 (4)

Detta kan sedan skrivas om som tillväxttakten i skattebasen, bi,t, som summan av tillväxten i den genomsnittliga inkomstnivån, yi,t, och befolkningstillväxten, mi,t, på följande vis,

𝑏_𝑖,𝑡 = 𝑦_𝑖,𝑡 + 𝑚_𝑖,𝑡 (5)

där yi,t mellan tiden t-T och t definieras som,

𝑦_𝑖,𝑡 = ln (𝑌_𝑖,𝑡⁄𝑌_{𝑖,𝑡−𝑇}) (6)

Sedan kan ekvation (6) utvecklas för att kunna fånga upp vilka faktorer som kan påverka den genomsnittliga tillväxttakten i inkomstnivå som,

𝑦𝑖,𝑡 = 𝑔𝑦(𝑦𝑗,𝑡−𝑇, 𝐸𝑂𝑖,𝑡−𝑇, 𝐿𝑃𝑖,𝑡−𝑇, 𝑁𝑃𝑖,𝑡−𝑇, 𝑆𝐸𝑖,𝑡−𝑇) (7)

där EO, LP, NP och SE är ekonomiska variabler, lokala politiska variabler, nationella politiska variabler och slutligen demografiska variabler. Härledningen ovan är snarare en transformation än en teoretisk modell, så därför kommer variabler i min analys att väljas utifrån vad som framkommit i tidigare studier. I min analys kommer ekonomiska och demografiska variabler att ingå.

(12)

10

5. Data

För att kunna undersöka hur åldersstruktur påverkar den ekonomiska tillväxten i en kommun så har ett antal kontrollvariabler valts. Analysen innefattar tidsperioden 2005-2018. Som nämnts ovan så föddes den största födelsekullen under hela 1900-talet år 1945 och alltså går den här generationen i pension runt år 2010 (SCB 2014). Anledningen till valet av tidsperiod är att kunna fånga upp hur dessa pensionsavgångar påverkar den ekonomiska tillväxten i svenska kommuner och därmed den övergång som sker då en stor grupp slutar att arbeta.

I perioden används förklarande variabler från innan födelsekullen 1945 gått i pension, dvs. från år 2005. Detta kan vara av intresse då de här pensionsavgångarna kan ha inneburit ett skifte i den demografiska sammansättningen av befolkning.

Den beroende variabeln har räknats ut på följande sätt för varje kommun,

𝑆𝑘𝑎𝑡𝑡𝑒𝑘𝑟𝑎𝑓𝑡𝑒𝑛 å𝑟 2018 − 𝑆𝑘𝑎𝑡𝑡𝑒𝑘𝑟𝑎𝑓𝑡𝑒𝑛 å𝑟 2005

𝑆𝑘𝑎𝑡𝑡𝑒𝑘𝑟𝑎𝑓𝑡𝑒𝑛 å𝑟 2005 × 100

Slutligen har detta värde dividerats med 13 för att få den årliga förändringen. Skattekraften för samtliga kommuner är deflaterad med år 2005 som basår.

För att kunna undersöka hur åldersstruktur påverkar den genomsnittliga förändringen i skattekraft i svenska kommuner så har variabeln andel äldre inkluderats. Andel äldre innebär människor över 65 år. Utifrån vad tidigare studier har funnit så förväntas en högre andel äldre påverka den beroende variabeln negativt.

Ett högt humankapital kan öka den ekonomiska tillväxten, så därför har variabeln andelen invånare med eftergymnasial utbildning inkluderats (där eftergymnasial utbildning innefattar eftergymnasial utbildning mindre än tre år, tre år och mer än tre år).

Människor med en högre utbildning kan tänkas flytta från mindre kommuner och glesbygdskommuner till större kommuner och för att kunna kontrollera för detta så har variabeln inrikes flyttningsöverskott inkluderats. Inrikes flyttningsöverskott räknas ut som

(13)

11 inrikes inflyttningar – inrikes utflyttningar. Den har sedan räknats ut som en andel av befolkningsmängden i respektive kommun.

Invandring till en kommun kan påverka den beroende variabeln, så därför inkluderas en variabel som mäter invandring till en kommun, som invandringsöverskott (invandring till kommunen – invandring från kommunen) som andel av befolkningsmängden i respektive kommun.

Skattekraften innebär, som nämnts ovan, beskattningsbar förvärvsinkomst för fysiska personer. Det betyder att bara för att en kommun har en hög andel invånare i arbetsför ålder inte nödvändigtvis får en högre skattekraft om dessa invånare inte förvärvsarbetar, så därför inkluderas även andelen förvärvsarbetande människor i åldern 20-64 år.

Variabeln kommunalekonomiskt utfall har inkluderats i analysen och kan tänkas ha en inverkan på den beroende variabeln. Variabeln mäts som utfallet i tusen kr/invånare, dvs. för de kommuner som får betala en summa är den negativ och för de kommuner som får ett bidrag är den positiv i datasetet. Det kan vara så att variabeln har en indirekt påverkan på den beroende variabeln på så vis att fler flyttar till kommuner som får ett bidrag och på så vis ökar skattekraften.

I den empiriska analysen har två dummyvariabler inkluderats. För att kontrollera för hur förändringen i den genomsnittliga skattekraften påverkas av om det finns ett universitet eller högskola i kommunen eller inte, inkluderas dummyvariabeln Universitetskommun som antar värdet 1 om det finns ett universitet eller en högskola i kommunen och värdet 0 om det inte finns ett universitet eller en högskola i kommunen. Universitet och högskolor kan spela en stor roll för kommunala ekonomier. Universitetet och högskolan blir en arbetsgivare för en bred mängd yrken, köper lokala varor och tjänster och attraherar studenter från andra delar av landet och som genom studier ökar humankapitalet (Goddard och Kempton 2011). Alla dessa faktorer kan antas öka den lokala ekonomiska tillväxten.

En dummyvariabel inkluderas för att kontrollera för hur den genomsnittliga förändringen i skattekraften påverkas av glesbygdskommuner. Variabeln antar värdet 1 om kommunen klassificerades som en glesbygdskommun och 0 om det inte gjorde det.. Anledningen till att ha med glesbygdskommuner som en dummyvariabel är att fånga upp strukturella skillnader i termer av befolkningssammansättning svenska kommuner sinsemellan. Vilka kommuner som

(14)

12 klassificeras som glesbygdskommuner av SKR har varierat över tiden. I studien har kommuner som klassificerades som glesbygdskommuner mellan 2004-2009 inkluderats. Enligt Brezzi, Dijkstra och Ruiz (2011) så är glesbygdsområden associerade med en minskad och åldrande befolkning. Människor i arbetsför ålder tenderar även att flytta från dessa områden vilket kan leda till minskad sysselsättningsgrad och minskad ekonomisk tillväxt.

Data för alla variablerna har sammanställts för alla 290 kommuner i Sverige under åren 2005 till 2018. All data är hämtad från Statistiska Centralbyrån (SCB) och kommer att användas för att kunna besvara uppsatsens frågeställning. Den deskriptiva statistiken för samtliga variabler har sammanställts i tabell 2 nedan.

Tabell 2. Deskriptiv statistik för variablerna

Tabell 3 visar en korrelationsmatris för samtliga variabler som används i analysen. Tabellen visar även hur de förklarande variabler korrelerar med den beroende variabeln. Tabellen visar att korrelationen mellan den genomsnittliga förändringen i skattekraft och andelen äldre är negativ och låg.

Tabell 3. Korrelationsmatris

Variabler 1 2 3 4 5 6 7 8 9

1. Genomsnittlig förändring i skattekraft 1

2. Andel äldre -0,16 1,00

3. Andel med eftergymnasial utbildning 0,28 -0,58 1,00

4. Andel förvärvsarbetande 20-64 år 0,36 -0,23 0,05 _1,00

5. Andel invandring -0,36 0,31 _{-0,28 -0,30 1,00}

6. Andel flyttning 0,35 -0,48 0,48 _{0,19 -0,47 1,00}

7. Kommunalekonomiskt utjämningsbidrag, utfall

tkr/invånare -0,03 0,73 -0,69 -0,21 0,30

-0,48 1,00

8. Universitetskommun -0,03 -0,23 0,44 _{-0,29 0,04 0,07 -0,20 1,00}

9. Glesbygdskommun 0,07 0,44 -0,20 -0,04 0,06 0,23 0,64 -0,09 1,00

Variabel Obs. Medelvärde Median Std. av Min. Max.

Genomsnittlig förändring skattekraft 2005-2018 (%) 290 1,74 1,78 0,42 0,39 3,07

Andel äldre 290 0,19 0,20 0,04 0 0,29

Andel med eftergymnasial utbildning 290 0,25 0,23 0,08 0,15 0,60

Andel invandring 290 0,003 0,003 0,003 -0,004 0,014

Andel flyttning 290 -0,002 -0,002 0,007 -0,026 0,019

Andelen förvärvsarbetande 20-64 år 290 0,77 0,78 0,04 0,58 0,86

Universitetskommun 290 0,07 0 0,25 0 1

Glesbygdskommun 290 0,10 0 0,30 0 1

(15)

13 Korrelationsmatrisen i tabell 3, visar hur starkt förhållandet är mellan variablerna. Enligt Mindrila och Balentyne (u.å.) så innebär ett värde på mellan 0,5-0,7 måttlig korrelation och ett värde över 0,7 stark korrelation. Korrelationsmatrisen i tabell 3 visar en korrelation på 0,73 mellan variabeln andel äldre och kommunalekonomiskt utjämningsbidrag utfall. Den visar en korrelation på -0,69 mellan andelen med eftergymnasial utbildning och kommunalekonomiskt utjämningsbidrag utfall. Korrelationen mellan andelen äldre och andelen med eftergymnasial utbildning är -0,58. Slutligen är korrelationen mellan kommunalekonomiskt utjämningsbidrag utfall och glesbygdskommuner 0,64. Dessa höga korrelationer kommer att beaktas genom att utföra olika regressioner då de nämnda variablerna är utelämnade för att undersöka hur det påverkar resultatet. Dessa regressioner återfinns i appendix.

6. Empirisk modell

Problem som kan finnas med mitt data kan vara heteroskedasticitet och multikollinäritet. Heteroskedasticitet innebär att variansen i feltermen beror på någon av de förklarande variablerna i modellen Wooldridge (2016). Multikollinäritet innebär att det finns en hög korrelation mellan två eller fler förklarande variabler Wooldridge (2016). För att få fram den bästa möjliga estimerade modell kommer två tester att genomföras; ett VIF- test för att se om multikollinäritet är närvarande och ett Breusch-Pagan test för att se om heteroskedasticitet är närvarande.

För tidsperioden så har följande modell skattats,

𝑦 = 𝛽₀+ 𝛽₁𝑎𝑛𝑑𝑒𝑙 ä𝑙𝑑𝑟𝑒 + 𝛽₂𝑎𝑛𝑑𝑒𝑙 𝑒𝑓𝑡𝑒𝑟𝑔𝑦𝑚𝑛𝑎𝑠𝑖𝑎𝑙 𝑢𝑡𝑏𝑖𝑙𝑑𝑛𝑖𝑛𝑔 +

𝛽3𝑎𝑛𝑑𝑒𝑙 𝑖𝑛𝑣𝑎𝑛𝑑𝑟𝑖𝑛𝑔 + 𝛽4 𝑎𝑛𝑑𝑒𝑙 𝑓𝑙𝑦𝑡𝑡𝑛𝑖𝑛𝑔 + 𝛽5𝑎𝑛𝑑𝑒𝑙 𝑓ö𝑟𝑣ä𝑟𝑣𝑠𝑎𝑟𝑏𝑒𝑡𝑎𝑛𝑑𝑒 20 − 64 +

𝛽₆𝐾𝑜𝑚𝑚𝑢𝑛𝑎𝑙𝑒𝑘𝑜𝑛𝑜𝑚𝑖𝑠𝑘𝑡 𝑢𝑡𝑗ä𝑚𝑛𝑖𝑛𝑔𝑠𝑏𝑖𝑑𝑟𝑎𝑔, 𝑢𝑡fall 𝑡𝑘𝑟/𝑖𝑛𝑣å𝑛𝑎𝑟𝑒 + 𝐷₁𝑢𝑛𝑖𝑣𝑒𝑟𝑠𝑖𝑡𝑒𝑡𝑠𝑘𝑜𝑚𝑚𝑢𝑛 + 𝐷₂𝑔𝑙𝑒𝑠𝑏𝑦𝑔𝑑𝑠𝑘𝑜𝑚𝑚𝑢𝑛 + 𝑢 (10)

I ekvation (10) är y-värdet den beroende variabeln, dvs. den genomsnittliga förändringen i skattekraft som mäter tillväxt i kommuner och mäts i procent. Jag antar att feltermen u har ett förväntat värde på 0, oberoende av värdena på övriga förklarande variabler. Jag antar även att feltermen har samma varians oberoende av värdena på förklarande variablerna och att den är normalfördelad (Wooldridge 2016).

(16)

14 För att besvara uppsatsens frågeställning kommer följande hypoteser att användas:

H0: Andelen äldre har ingen effekt på den ekonomiska tillväxten; β1 = 0

H1: Andelen äldre har effekt på den ekonomiska tillväxten; β1 ≠ 0

7. Resultat

Breusch-Pagan testet visar ett p-värde på 0,10 och alltså kan nollhypotesen att det är konstant varians inte förkastas och heteroskedasticitet inte närvarande i modellen. För att undersöka om det förekommer multikollinäritet i modellen så genomfördes ett VIF-test som gav ett värde på 2,31. Eftersom värdet var lågt kan man dra slutsatsen att multikollinäritet inte är ett problem i min modell. Tabell 4 visar de estimerade effekterna från regressionsanalysen.

Tabell 4. Estimerade effekter från regressionsanalysen.

Variabel Koefficient

Andel äldre, andel -1,127

(-1,37)

Andel med eftergymnsial utbildning, andel 3,278**

(7,44)

Invandringsöverskott, andel -28,687**

(-3,38)

Inrikes flyttningsöverskott, andel 12,845**

(3,41)

Andelen förvärvsarbetande 20-64 år, andel 3,866**

(6,78) Kommunalekonomiskt utjämningsbidrag, utfall tkr/invånare 0,071×10-3_**

(7,85) Universitetskommun -0,131 (-1,41) Glesbygdskommun -0,320** (-3,27) Konstant -2,228** (-4,21) R2 0,41 Justerad R2 0,40 N 290

(17)

15 Resultatet visar att variabeln andel äldre inte är statistiskt signifikant, dvs. man kan inte förkasta noll-hypotesen att andelen äldre inte har en effekt på den ekonomiska tillväxten.

Om andelen med eftergymnasial utbildning ökar med en procentenhet så förväntas den genomsnittliga förändringen skattekraften, i genomsnitt, att öka med 0,03 procentenheter och värdet är statistiskt signifikant på 5 procent signifikansnivå.

En ökning av en andel invandring i en kommun, innebär att den beroende variabeln minskar, i genomsnitt, med 0,29 procentenheter. Värdet är statistiskt signifikant på fem procents signifikansnivå.

En ökning av en andel flyttning, innebär att den beroende variabeln, i genomsnitt, ökar med 0,13 procentenheter. Värdet är statistiskt signifikant på fem procents signifikansnivå.

Om en andel förvärvsarbetande mellan 20-64 år ökar, så ökar i genomsnitt, den genomsnittliga förändringen i skattekraft med 0,04 procentenheter och värdet är statistiskt signifikant på 5 procent signifikansnivå. Variabeln kommunalekonomiskt utjämningsbidrag har ett estimerat ekonomiskt värde väldigt nära noll och är statistiskt signifikant på 5 procent signifikansnivå.

En universitets- och högskolekommun har i genomsnitt 0,13 procentenheter lägre genomsnittlig förändring i skattekraften jämfört med en likadan kommun utan universitet eller högskola. Värdet är inte statistiskt signifikant.

En glesbygdskommun har i genomsnitt 0,32 procentenheter lägre genomsnittlig förändring i skattekraft jämfört med en likadan kommun som inte är en glesbygdskommun. Värdet är statistiskt signifikant på 5 procent signifikansnivå.

Från tabell 5 i appendix, då kommunalekonomiskt utjämningsbidrag är utelämnad är andelen äldre fortfarande inte statistiskt signifikant, notera dock att den har bytt tecken. Övriga koefficienter har inte förändrats nämnvärt. Tabell 6 visar resultatet från en regression då eftergymnasial utbildning är utelämnad. Resultatet visar att en universitets- och högskolekommun har i genomsnitt 0,15 procentenheter högre genomsnittlig förändring i skattekraften jämfört med en likadan kommun utan universitet eller högskola. Värdet är statistiskt signifikant på 10 procent signifikansnivå. Övriga koefficienter har inte förändrats

(18)

16 nämnvärt. Tabell 7 visar resultatet då glesbygdskommuner är utelämnad och det har inte förändrat resultatet på övriga skattade parametrar anmärkningsvärt jämfört med tabell 4.

8. Diskussion

Uppsatsens frågeställning var hur åldersstruktur påverkar den ekonomiska tillväxten, mätt som den genomsnittliga förändringen i skattekraft, i kommuner. Det skattade resultatet från regressionsanalysen visar att nollhypotesen att andelen äldre inte har någon effekt på kommunala ekonomier inte går att förkasta. Detta resultat stämmer därmed inte överens med tidigare studier av Malmberg (1994) och Andersson (2001) som finner att en ökad åldrande befolkning påverkar den ekonomiska tillväxten negativt. Resultatet stämmer inte heller överens med studien av Maestas, Mullen och Powell (2016), där en 10 procentig ökning av andelen äldre gav en minskning på 5,5 procent i ekonomisk tillväxt, mätt som BNP per capita. En förklaring till varför detta resultat skiljer sig från tidigare studier kan vara att tidsperioden är för kort för att visa hur en åldrande befolkning påverkar den ekonomiska tillväxten. Resultatet visar dock att det finns andra faktorer som har en påverkan på den beroende variabeln.

Från tabell 4 ser vi att den skattade inverkan för variabeln andelen invandring till en kommun har en negativ påverkan på den genomsnittliga förändringen i skattekraft, vilket intuitivt känns rimligt, då skattekraften är skatteunderlaget per capita och en högre andel invandrare i en kommun innebär att skatteunderlaget ska delas på fler individer.

Variabeln andelen flyttning har en positiv påverkan på den beroende variabeln. Alltså att en ökad andel flyttning till en kommun innebär att den genomsnittliga förändringen i skattekraften ökar. Det kan vara så att yngre, mer utbildade individer flyttar till större kommuner och i sin tur bidrar till en starkare ekonomisk tillväxt. Det kan också vara det omvända, dvs. att individer flyttar till kommuner med som redan har en bättre ekonomisk tillväxt.

Det skattade resultatet för variabeln andel med eftergymnasial utbildning visar att den har en positiv påverkan på den genomsnittliga förändringen i skattekraft i en kommun. Detta resultat verkar stämma överens med studien från Persson och Malmberg (1996) som fann att den genomsnittliga tiden i skolan har en positiv påverkan på den ekonomiska tillväxten när åldersstrukturen kontrolleras för.

(19)

17 Variabeln kommunalekonomiskt utfall har ett ekonomiskt värde nära noll, alltså innebär det att skattekraften i en kommun inte påverkas av huruvida en kommun får kommunalekonomiskt bidrag eller en avgift. Detta kan vara ett tecken på att den kommunalekonomiska utjämningssystemet uppfyller sitt syfte, dvs. att utjämna strukturella skillnader kommuner sinsemellan.

Ett intressant resultat var att universitets- och högskolekommuner inte kan tillskrivas någon effekt på den beroende variabeln. Detta resultat stämmer inte överens med Goddard och Kempton (2011) som menar att universitets- och högskolekommuner har en positiv påverkan på den ekonomiska tillväxten. Resultatet stämmer heller inte överens med Lundberg (2017).

Resultatet för variabeln glesbygdskommuner har en negativ påverkan på den genomsnittliga förändringen i skattekraft för kommuner och är statistiskt signifikant. Detta resultat stämmer överens med Syssner (2014) som fann att glesbygdskommuners förändrade demografiska sammansättning, som beror på både befolkningsminskning och en åldrande befolkning, påverkar kommunens ekonomi. Det stämmer även överens med Brezzi, Dijkstra och Ruiz (2011) som visar att glesbygdsområden har en lägre ekonomisk tillväxt på grund av en åldrande befolkning. Resultatet verkar rimligt då befolkningen minskar i dessa kommuner och arbetsföra invånare flyttar därifrån.

9. Slutsatser

Syftet med den här uppsatsen var att undersöka hur åldersstruktur påverkar den ekonomiska tillväxten för svenska kommuner med data för tidsperioden 2005-2018. Resultatet visar att en ökad andel äldre inte har någon effekt på den ekonomiska tillväxten i kommuner, mätt som den genomsnittliga förändringen i skattekraft. Resultatet är intressant för det betyder att ökad åldrande befolkning ännu inte kan visas ha någon effekt på den ekonomiska tillväxten i kommuner. Det kan bero på att tidsperioden är för kort för att kunna påvisa liknande resultat som tidigare studier. Resultaten bekräftar dock att den ekonomiska tillväxten i kommuner påverkas av andra faktorer. En högre andel invandring till en kommun påverkar kommunala ekonomiers tillväxt negativt medan fler utbildade människor och fler förvärvsarbetande påverkar den positivt. De senaste befolkningsframskrivningar från SCB förutspår att åldersgruppen 80 år och äldre kommer att öka med 50 procent det kommande decenniet, detta tycks inte kunna påvisas ännu i den tidsperioden som jag studerar.

(20)

18 Eftersom regressionerna visar att andelen förvärvsarbetande har en positiv påverkan på den genomsnittliga förändringen i skattekraften så skulle policyrekommendationer för att möta dessa demografiska utmaningar vara att ge invånare starkare incitament att arbeta längre i livet genom till exempel bättre arbetsvillkor och att främja ett hälsosamt leverne och även att få invånare som arbetar deltid att vilja arbeta heltid för att på så vis öka sysselsättningsgraden. Resultaten visar även att invånare med eftergymnasial utbildning ökar den genomsnittliga förändringen i skattekraften så en annan policyrekommendation kan vara att främja utbildning och möjliggöra att människor kan, om de vill, vidareutbilda sig även senare i arbetslivet.

Förslag på förbättringar i min studie skulle kunna vara att dela in åldersgrupperna i mindre intervall, liknande de som Andersson (2001) gjorde, dvs. 0-14, 15-29, 30-49, 50-64 och 65+ för att fånga upp dessa skillnader bättre. Genom att dela in andelen förvärvsarbetande i mindre åldersintervall hade det möjligtvis kunnat visa att åldersgrupperna 30-49 och framförallt 50-64 haft en större positiv påverkan på tillväxten.

Ett annat problem i min studie är att alla människor över 65 år inte per automatik innebär en börda för samhället genom ökade kostnader för sjukvård och liknande. Det är såklart en grov indelning då många inte är sjuka vid den åldern och heller inte behöver innebära en börda för samhället. Här skulle det vara intressant att dela in gruppen 65+ i mindre åldersintervall, såsom exempelvis i 65-74 år och 75 år och äldre för att kunna analysera grundligare.

(21)

19

Referenser

Andersson, B. (2001). Scandinavian evidence on growth and age structure. Regional Studies, 35(5), 377-390.

Beaudry, P., Collard, F., & Green, D. A. (2005). Explaining productivity growth: the role of

demographics. International Productivity Monitor, 10, 49-65.

Bloom, D. E. (2020). Demographics can be a potent driver of the pace and process of economic development. Inter press service. News Agency. 17 mars.

http://www.ipsnews.net/2020/03/population-2020-demographics-can-potent-driver-pace-process-economic-development/ (Hämtad 2020-11-10)

Bloom, D. E., Canning, D., & Fink, G. (2010). Implications of population ageing for economic

growth. Oxford Review of Economic Policy, 26(4), 583-612.

Brezzi, M., Dijkstra, L och Ruiz, V. (2011). OECD Extended Regional Typology: The Economic Performance of Remote Rural Regions. OECD Regional Development Working Papers. 2011/06.

Goddard, J., & Kempton, L. (2011). Connecting Universities to Regional Growth. A Practical Guide.

https://ec.europa.eu/regional_policy/sources/docgener/presenta/universities2011/universities2 011_en.pdf (Hämtad 2020-11-10)

Lundberg, J. (2017) Does academic research affect local growth? Empirical evidence based on Swedish data, Regional Studies, 51:4, 586-601.

Lundberg, J. (2006) Using spatial econometrics to analyse local growth in Sweden, Regional Studies, 40:03, 303-316

Maestas, N., Mullen, K. J., & Powell, D. (2016). The effect of population aging on economic

growth, the labor force and productivity (No. w22452). National Bureau of Economic

Research.

Malmberg, B. (1994). Age structure effects on economic growth—Swedish

evidence. Scandinavian Economic History Review, 42(3), 279-295.

Mankiw, N. G., Romer, D., & Weil, D. N. (1992). A contribution to the empirics of economic

growth. The Quarterly Journal of Economics, 107(2), 407-437. Mindrila, D. och Balentyne, P. u.å. Scatterplots and Correlation.

https://www.westga.edu/academics/research/vrc/assets/docs/scatterplots_and_correlation_not es.pdf Hämtad (2020-11-10)

Muysken, J., & Ziesemer, T. H. W. (2013). A permanent effect of temporary immigration on

(22)

20

Nagarajan, N. R., Teixeira, A. A., & Silva, S. T. (2016). The impact of an ageing population

on economic growth: an exploratory review of the main mechanisms. Análise Social, 4-35.

Persson, J., & Malmberg, B. (1996). Human Capital, Demographics and Growth across the

US states 1920-1990. IIES.

https://www.diva-portal.org/smash/get/diva2:327490/FULLTEXT01.pdf (Hämtad 2020-11-10)

Regionfakta. (2019). Skattekraft. https://www.regionfakta.com/hallands-lan/regional-ekonomi/skatteunderlag/ (Hämtad 2020-11-10)

Reher, D. S. (2011). Economic and social implications of the demographic

transition. Population and Development Review, 37, 11-33.

SCB. (2020). Invandring till Sverige. https://www.scb.se/hitta-statistik/sverige-i-siffror/manniskorna-i-sverige/invandring-till-sverige/ (Hämtad 2020-11-10)

SCB. (2018). Skilda världar? Det demografiskt delade Sverige. Demografiska rapporter 2018:2 https://www.scb.se/contentassets/08d6bf349d024693963e43bbe133aba3/be0701_2018a01_br _be51br1802.pdf (Hämtad 2020-11-10)

SCB. (2020). Sveriges framtida befolkning 2020–2070. På väg mot 11 miljoner invånare.

https://www.scb.se/hitta-statistik/statistik-efter-amne/befolkning/befolkningsframskrivningar/befolkningsframskrivningar/pong/statistiknyhet /sveriges-framtida-befolkning-2020-2070/ (Hämtad 2020-11-10)

SCB. (2017). Så blev vi 8 miljoner fler än 1750. https://www.scb.se/hitta-statistik/artiklar/2017/sa-blev-vi-8-miljoner-fler-an-1750/ (Hämtad 2020-11-10)

SCB. (2014). Generationer genom livet. En demografisk beskrivning av födda under 1900-talet. Demografiska rapporter. Rapport 2014:2.

https://www.scb.se/contentassets/d56dd45dbd7642d0b8ab21aa02319708/be0701_2014a01_br _be51br1402.pdf (Hämtad 2020-11-10)

SKR. (2020). Ekonomirapporten; om kommunernas och regionernas ekonomi.

https://skr.se/download/18.1819c8441754f0a3f186581/1603377127612/Ekonomirapporten-oktober-2020.pdf (Hämtad 2020-11-10) SKR. (2017) Kommungruppsindelning. https://webbutik.skr.se/bilder/artiklar/pdf/7585-455-7.pdf?issuusl=ignore (Hämtad 2020-11-10) SKR. (2018). Rekryteringsstrategier för välfärdsjobben. https://webbutik.skr.se/bilder/artiklar/pdf/7585-610-0.pdf (Hämtad 2020-11-10) SKR. (2020). Så styrs en kommun. https://skr.se/demokratiledningstyrning/politiskstyrningfortroendevalda/kommunaltsjalvstyres astyrskommunenochregionen/sastyrskommunen.735.html (Hämtad 2020-11-09) SKR. (2020).Vuxenutbildning. https://skr.se/naringslivarbetedigitalisering/arbetsmarknadvuxenutbildning/vuxenutbildning.1 4869.html (Hämtad 2020-11-10)

(23)

21 Statskontoret. (2014). Det kommunala utjämningssystemet – en beskrivning av systemet från 2014. Rapport 2014:2.

https://www.statskontoret.se/globalassets/publikationer/2014/201402.pdf (Hämtad 2020-11-10)

Syssner, J. (2014). Politik för kommuner som krymper. Linköping University Electronic Press. https://scholar.google.se/scholar?hl=sv&as_sdt=0%2C5&q=Syssner%2C+J.+%282014%29.+ Politik+f%C3%B6r+kommuner+som+krymper.+Link%C3%B6ping+University+Electronic+ Press.&btnG= (Hämtad 2020-11-10)

Walia, S. (2019). How does Japan’s ageing society affect its economy? The Diplomat. https://thediplomat.com/2019/11/how-does-japans-aging-society-affect-its-economy/ (Hämtad 2020-11-13)

Wikstrand, M. (2015). Kommunerna som vinner skattejakten. Dagens samhälle. https://www.dagenssamhalle.se/nyhet/kommunerna-som-vinner-skattjakten-13373 (Hämtad 2020-11-13)

Wooldridge, J. M. (2016). Introductory Econometrics: A Modern Approach. 6. uppl. Cengage Learning.

(24)

22

Appendix

Tabell 5. Regression med kommunalekonomiskt utjämning utfall utelämnat.

Andel äldre, andel 1,334

(1,59)

(2,99)

(-2,68)

(3,15)

(5,17) Universitetskommun -6,544×10-3 (-0,06) Glesbygdskommun 0,187** (2,30) Konstant -1,208** (-2,13) R2 0,29 Justerat R2 0,27 N 290

Anm: t-värden inom parantes. * och ** anger statistisk signifikans på 10 respektive 5 procents signifikansnivå.

Tabell 6. Regression med andelen med eftergymnasial utbildning utelämnat.

(-1,57)

(-3,27)

(4,80)

(5,57) Kommunalekonomiskt utjämningsbidrag, utfall tkr./invånare 0,030×10-3_**

(3,79) Universitetskommun 0,154* (1,66) Glesbygdskommun 0,0124 (0,13) Konstant -0,758 (-1,41) R2 0,30 Justerat R2 0,28 N 290

(25)

23 Tabell 7. Regression med glesbygdskommuner utelämnat.

(-1,42)

(6,57)

(-3,01)

(3,59)

(6,28)

Kommunalekonomiskt utjämningsbidrag, utfall tkr./invånare 0,052×10-3_**

(7,45) Universitetskommun -0,099 (-1,05) Konstant -1,742** (-3,37) R2 0,39 Justerat R2 0,38 N 290