Orientering fra Velfærdsanalyse 11. maj 2016 Befolkningsprognose model og metodebeskrivelse Befolkningsprognoserne udarbejdes af Økonomiforvaltningen i Velfærdsanalyseenheden og opdateres hvert år i februar og marts måned. Der udarbejdes som udgangspunkt fem prognoser, én prognosen for hele Københavns Kommune og fire distriktsprognoser. De fire distriktsprognoser er henholdsvis bydelsprognosen, skoledistriktsprognosen, prognosen på udviklingsdistrikter samt lokaludvalgsdistriktsprognosen. Modelprincip Prognosemodellen består grundlæggende af to dele - en demografisk og en boligorienteret del. Med udgangspunkt i en basisperiode opstilles nogle forudsætninger om fødsler, dødsfald, flytninger samt boligmæssige ændringer, hvorefter modellen anvendes til at beregne disse forudsætningers befolkningsmæssige konsekvenser. Modellen arbejder ud fra nedbrydningsprincippet. Det betyder, at der først fremskrives på det største område ramme for prognosen og efterfølgende nedbrydes denne prognose til mindre områder. Danmarks Statistiks prognose for hele landet (landsprognosen) anvendes som ramme for prognosen for byen som helhed (kommuneprognosen). Kommuneprognosen anvendes som ramme for prognoserne på distrikter internt i byen (distriktsprognoserne), eksempelvis bydele, skoledistrikter og udviklingsdistrikter. statstik@okf.kk.dk Københavns Kommune Økonomiforvaltningen Center for Økonomi Velfærdsenheden Københavns Rådhus Rådhuspladsen 1 1599 København V www.kk.dk/statistik ISSN 1904-058X
Nedbrydningsprincippet sikrer konsistensen i det samlede prognosekompleks, så de overordnede tendenser i den demografiske udvikling indgår på alle niveauer. Det betyder, at den fremtidige aldersfordeling og de fremtidige flytninger på landsplan har stor indvirkning på kommuneprognosen, og at kommuneprognosen igen spiller en afgørende rolle for resultatet af distriktsprognoserne. Det giver en indbyrdes afhængighed mellem prognoserne på de forskellige niveauer og sikrer endvidere, at det samlede resultat af en distriktsprognose (summen af distrikter) altid modsvarer resultatet af kommuneprognosen. En distriktsprognose kan med andre ord ikke sprænge kommuneprognosen, idet en distriktsprognose blot er en nedbrydning af kommuneprognosen på mindre områder. Input og parametre Figuren herunder viser, hvordan modellen overordnet set arbejder. Med udgangspunkt i en række input om dels historiske flytninger, fødsler og dødsfald (de demografiske parametre) samt den forventede boligudbygning (planparametrene) beregnes modellens parametre. På baggrund af parametrene beregnes de befolkningsmæssige konsekvenser, dvs. en befolkningsstatus pr. 1.1. Den nye befolkningsstatus danner sammen med parametrene udgangspunkt for beregningerne af befolkningsstatus det efterfølgende år og så fremdeles. Input: Beregninger: Output: Seneste statusbefolkning Fertilitetskvotienter samt status og Dødshyppigheder bevægelser for Fraflyttehyppigheder 4 historiske år Tilflytteandele Forventet antal nyopførte og nedlagte boliger i fremskrivningsperioden Tilflytning - nye boliger Med udgangspunkt i seneste statusbefolkning beregnes konsekven- Befolkningen pr. 1.1. serne af befolkningens i fremskrivningsårene bevægelser og til- og afgangen af boliger Fraflyttehyppigheder fra nedlagte boliger Tilflytteandele til nye boliger Fraflytning - nedlagte boliger Som det fremgår af figuren oven for består de demografiske parametre af fertilitetskvotienter, dødshyppigheder, fraflyttehyppigheder og tilflytteandele. Beregningen af de demografiske parametre baseres på et antal forudgående års hændelser, dvs. fødsler, dødsfald, fraflytninger og tilflytninger. Antallet af historiske år, der inddrages, betegnes basisperioden. Basisperioden vil som udgangspunkt typisk være 4 år for alle parametre, men antallet af basisår kan for hvert enkelt parameter forøges eller begrænses alt efter behov, ligesom der kan foretages en vægtning af de anvendte basisår dog anvendes typisk et simpelt gennemsnit af basisårene. Det vil altid være afgørende at sikre en passende afvejning mellem aktualitet og robusthed i beregningsgrundlaget, så tilfældige ændringer i befolkningens adfærdsmønster ikke tillægges for stor vægt, samtidig med at modellen gerne skal kunne opfange nye trends. Som det også fremgår af modellen, består planparametrene af til- og fraflytninger til og fra henholdsvis nybyggeri og nedlagte boliger. Såvel de demografiske parametre som planparametrene gennemgås i det følgende afsnit. Orientering 11. maj 2016 2
Fødte og fertilitetskvotienter På baggrund af fødslerne i basisperioden beregnes fertilitetskvotienter på 1-års aldre og distrikter for kvinder i den fødedygtige alder (15-49 år). I prognosen anvendes fertilitetskvotienterne som et gennemsnit over de i beregningen anvendte historiske basisår. Fertilitetskvotienterne angiver sandsynligheden for, at en kvinde i en given alder føder et barn i årets løb. Fertilitetskvotienterne anvendes sammen med det forventede antal kvinder i den fødedygtige alder til at beregne det forventede antal fødte i hvert enkelt fremskrivningsår. Udvikling i fødselsniveau og fertilitet Fødselsniveauet har varieret en del i de senere år, fra 4.400 fødte børn i 1984 til omkring 9.200 børn i 2014. Stærkt medvirkende hertil er antallet af kvinder i de fødedygtige aldersgrupper (15-49 år), hvor ikke mindst aldersfordelingen blandt disse spiller en stor rolle, da fertiliteten varierer betydeligt med alderen, hvortil kommer variationer som følge af forskellig nationalitet og kultur. Fødselsniveauets afhængighed af antal kvinder i den fødedygtige alder, deres alderssammensætning og nationalitet betyder, at også denne parameter også er følsom over for bosætningstrends og af forholdet imellem mellemkommunale flytninger og indvandring. Fertiliteten i København er over de seneste 30 åt steget fra 1,25 til 1,55 barn pr. kvinde. Især i perioden 2004-2010 skete der en kraftig stigning (fra 1,45 til 1,66), hvorefter den faldt til 1,59 og faldt yderligere de to efterfølgende år for derefter at stige igen i 2014. Den overordnede tendens har imidlertid været stigende, men da modellens parametre som udgangspunkt er statiske, er det nødvendigt at indregne en udvikling i fremskrivningsperioden, hvorfor der i de seneste års prognoser har været indlagt forventninger om årlige stigninger på niveau med de gennemsnitlige årlige stigninger de seneste ca. 30 år. Dødsfald og dødshyppigheder På baggrund af dødsfaldene i basisperioden beregnes dødshyppigheder. Dødshyppighederne angiver sandsynligheden for, at en person af et givent køn og alder dør i årets løb. Modellen anvender et gennemsnit af antallet af døde i basisårene. Dødshyppighederne er køns- og aldersspecificeret og opgøres til dels på distrikter (en samling af distrikter med relativt ensartede karakteristika mht. dødelighed). Dødshyppighederne anvendes sammen med det forventede antal personer i hver aldersklasse og af hvert køn til at beregne det forventede antal dødsfald i hvert enkelt fremskrivningsår. Udvikling i dødsfald og dødeligheden Antallet af dødsfald afhænger af befolkningens størrelse, alders- og kønsmæssige sammensætning, da der er stor forskel på dødeligheden efter alder, ligesom kvinder og mænd ikke har samme dødelighed. De seneste 20 år er antallet af dødsfald i København mere end halveret, primært som følge af en ændret alderssammensætning med flere unge og færre ældre. Derudover har dødeligheden været kraftigt faldende de seneste 20-30 år, hvilket har medført en stor stigning i befolkningens gennemsnitlige levealder. Det er forventningen, at denne udvikling vil fortsætte de kommende år. For ikke at overestimere det fremtidige antal dødsfald, er der også her indregnet en udvikling, hvorfor dødeligheden nedskrives i hele prognoseperioden med det gennemsnitlige årlige fald de seneste 15 år. Orientering 11. maj 2016 3
Fraflytninger og fraflyttehyppigheder På baggrund af fraflytningerne i basisperioden beregnes fraflyttehyppigheder. Flyttehyppighederne angiver sandsynligheden for, at en person af et givent køn, alder og fra et givent område fraflytter i årets løb. Dvs. at også flyttehyppighederne er køns-, alders- og distriktsspecifikke. Den anvendte hyppighed i modellen er et gennemsnit over basisårene, og de anvendes sammen med det forventede antal personer i hver aldersklasse og af hvert køn til at beregne det forventede antal fraflyttede i hvert enkelt fremskrivningsår. Fraflyttehyppighederne er korrigeret for fraflytninger fra nedlagte boliger, da det bl.a. er her boligparametrene spiller en rolle. Modellen frasorterer således fraflytninger i løbet af året fra adresser, der ikke eksisterer ved årets udgang. I stedet beregnes en særskilt fraflytning fra nedlagte boliger i hvert enkelt fremskrivningsår på baggrund af oplysninger om det forventede antal nedlagte boliger i fremskrivningsperioden (boligprognosen). Antallet af fraflyttede fra nedlagte boliger beregnes efter alder, køn og boligtyper ud fra historiske data om tilsvarende fraflytninger. Tilflytninger og tilflytteandele Tilflytteandele beregnes vha. antallet af samtlige tilflytninger i området. Tallet reduceres for tilflytninger til nye boliger (ligesom fraflytningerne reduceres for fraflytninger fra nedlagte boliger) og sættes i forhold til antallet af fraflytninger. Modellen frasorterer således tilflytninger i løbet året til adresser, der ikke eksisterede ved årets start. Tilflytteandelene beregnes ligeledes efter alder, køn og distrikt. Tilflytteandelene kan variere i prognoseperioden alt efter udviklingen i fraflytningen. Dette sker, fordi der er et nogenlunde konstant relativt forhold mellem til- og fraflytninger i et område. Antallet af tilflyttede til nybyggede boliger i et område beregnes efter alder, køn og boligtyper ud fra historiske data om tilsvarende tilflytninger. Boligprognosen Oplysningerne om planlagt nybyggeri og nedlægninger udarbejdes for København af Team Plan, Center for Byudvikling. Metoden tager afsæt i en beskrivelse af omfanget af det årlige nybyggeri i prognoseperioden, der multipliceres med indflytningsparametre baseret på erfaringer fra tidligere år om hvilke personer, der - opdelt på køn og et års alder - tilflytter boliger af forskellig type. Tilsvarende gælder for nedlagte boliger. Opdelingen af nybyggeri i forskellige boligtyper ser således ud: Familieboliger Ungdomsboliger Sammenlagte boliger tilgang. Nedlagte boliger opdeles i 2 kategorier: Sammenlagte boliger afgang Nedrivninger. Orientering 11. maj 2016 4
Boligprognosen udarbejdes på et detaljeringsniveau, så det er muligt at summere til rodeniveau, som er befolkningsprognosens mindste geografiske enheder, og som udgør de byggesten som alle de forskellige distriktsinddelinger bygger på. Kommuneprognose vs. distriktsprognoser På trods af at modellen arbejder ud fra samme principper, uanset om det er en kommuneprognose eller en distriktsprognose, er der i praksis nogle forskelle, der gør sig gældende. Ved udarbejdelsen af kommuneprognosen anvendes boligprognosen sammen med den eksisterende boligmasse til sanitytjek af prognoseresultatet, dvs. til test af forholdet mellem den forventede samlede boligmasse og det fremskrevne folketal i de enkelte prognoseår (tæthed/antal personer pr. bolig). I distriktsprognoserne inddrages boligprognosen formelt i modellen, hvorfor den har stor betydning for den forventede befolkningsudvikling de enkelte distrikter imellem. Boligprognosen har især stor betydning ved prognoser på udviklings- og perspektivområder, hvor der slet ikke eller kun i meget lille omfang er en eksisterende boligmasse. I disse områder er befolkningsprognosen næsten fuldt ud betinget af boligprognosen. Baggrunden for ikke at inddrage boliger formelt i kommuneprognosen er, at der mangler et samlet overblik over det forventede boligbyggeri for hele hovedstadsområdet, som udgør et samlet bosætnings- og arbejdskraftområdet. Idet de øvrige kommuner i området også opfører nye boliger, vil inddragelse udelukkende af nye boliger i Københavns Kommune medføre en kraftig overvurdering af den fremtidige befolkningsudvikling i København. Ved kommuneprognosen er flytningerne i den bestående boligmasse derfor blandt de dominerende størrelser. I København, der som nævnt kun udgør en begrænset del af hovedstadsområdet, er flytte strømmene ganske store og kan svinge meget fra år til år. Samtidig er der en meget forskellig aldersstruktur for henholdsvis til- og fraflytningerne, idet byen som uddannelsescentrum primært har unge tilflyttere, mens fraflytterne overvejende udgøres af etablerede familier med eller uden børn. Usikkerheder Generelt knytter der sig en høj grad af usikkerhed til prognoser, og det gælder også for kommunens model. Det skyldes ikke mindst, at prognosen primært bygger historiske erfaringer, som projiceres ud i fremtiden. Men især ændringer i bosætningstrends, dvs. by vs. opland, udgør et væsentligt usikkerhedsmoment for prognosen på lang sigt, idet ændringer heraf kan være svære at forudsige på baggrund af en relativt kort historisk periodes hændelser. Det betyder derfor også, at jo længere tidshorisont prognosen har, desto større er usikkerheden. Et andet væsentligt usikkerhedsmoment knytter sig til boligprognosen. På kort sigt er det primært forsinkelse af byggeprojekter, og at byggerier bliver færdige - og indflytningsklart - før det forventede tidspunkt. På længere sigt knytter usikkerheden sig især til udbygningstaksten og fordelingen af nybyggeriet i de enkelte områder i byen. Udbygningstaksten og byggeriets fordeling i byens forskellige udbygningsområder er i stor udstrækning afhængigt af markedet og investeringsvilligheden, hvilket i stor Orientering 11. maj 2016 5
udstrækning afhænger af de økonomiske konjunkturer og bosætningstrends. Også her gælder det, at jo længere tidshorisont, desto større er usikkerheden. Hertil kommer, at der er stor forskel på hvilke - og hvor mange - personer/familier, der flytter ind i de forskellige boligtyper (ejerform). Samtidig spiller boligens beliggenhed en betydelig rolle, idet husstandssammensætningen i en andelsbolig i Brønshøj afviger fra f.eks. en tilsvarende bolig på Københavns havnefront. Endelig spiller størrelsen af boligen også en betragtelig rolle, idet der i en stor bolig alt andet lige vil bo flere personer end i en lille bolig. Træfsikkerhed Herunder ses den kortsigtede træfsikkerhed samlet og i forskellige aldersklasser for hele kommunen i de seneste seks år. Overordnet set er udviklingen gået fra en undervurdering af befolkningsudviklingen over en relativ stor undervurdering til en ret høj træfsikkerhed. Det skyldes ikke mindst, at befolkningsudviklingen har været nogenlunde konstant de seneste år. Som det også fremgår, er det især vanskeligt at forudsige antallet af 0-årige, hvilket primært skyldes at fertiliteten, som tidligere beskrevet, kan varierer en del fra år til år. Også de unge (18-29-årige) kan være svære at fremskrive, idet det er denne gruppe, der har den absolut højeste flytteaktivitet. Træfsikkerhed i perioden 2011-2016 1.1.2016 1.1.2015 1.1.2014 1.1.2013 1.1.2012 1.1.2011 Afvigelse pct. Afvigelse pct. Afvigelse pct. Afvigelse pct. Afvigelse pct. Afvigelse pct. 0 år -173-1.9-52 -0.6 444 5.2-37 -0.4 559 6.4-137 -1.5 1-2 år 199 1.3 19 0.1 38 0.2-112 -0.7-151 -1.0-64 -0.4 3-5 år 188 0.9 128 0.6-1 0.0-105 -0.5-156 -0.8-54 -0.3 6-17 år -57-0.1-248 -0.4-94 -0.2-203 -0.4-371 -0.7-298 -0.6 18-29 år 872 0.6 2538 1.7 1432 1.0 2038 1.4 2393 1.7 357 0.3 30-39 år 102 0.1-734 -0.7-431 -0.4 86 0.1 233 0.2-685 -0.6 40-49 år -414-0.5-608 -0.8-133 -0.2-82 -0.1 57 0.1-377 -0.5 50-59 år -444-0.8-395 -0.7-191 -0.4-124 -0.2-49 -0.1-106 -0.2 60-69 år -221-0.5-127 -0.3-128 -0.3-68 -0.2-169 -0.4-52 -0.1 70-79 år -88-0.3-71 -0.3-38 -0.2-77 -0.3-34 -0.2-60 -0.3 80-89 år -21-0.2-47 -0.5 103 1.0-49 -0.4-117 -1.0 49 0.4 90+ år 83 2.8-26 -0.8-19 -0.6-18 -0.5-55 -1.6 8 0.2 I alt 26 0.0 377 0.1 982 0.2 1249 0.2 2140 0.4-1419 -0.3 Note: baseret på prognoserne udarbejdet primo det foregående år, dvs. træfsikkerhed 1.1.2016 er baseret på prognosen udarbejdet i 2015 Orientering 11. maj 2016 6