Kan vi mäta effekter besökares konsumtion med hjälp av rAPS?

En presentation över ämnet: "Kan vi mäta effekter besökares konsumtion med hjälp av rAPS?"— Presentationens avskrift:

1 Kan vi mäta effekter besökares konsumtion med hjälp av rAPS?
Några erfarenheter från Kontigos metodutvecklingsprojekt Anders Wigren, Kontigo AB

2 Bakgrund Kontigo genomförde under hösten 2015 ett uppdrag Myndigheten för Tillväxtanalys En del av detta kom att innebära ett metodprojekt för att pröva hur registerdata kan användas för att mäta regionalekonomiska effekter av besökares konsumtion. Under hösten/vintern togs en modell fram och testades på Vimmerby kommun. Modellen beräknade effekterna av besökares konsumtion på skatteunderlag, sysselsättning och andra branscher via SCB/ Tillväxtanalys verktyg rAPS.

3 Bakgrund Utgångspunkter
Besöksnäringen växer – pekas ut som en ny basnäring. Uppskatta omsätta ca 250 MRD SEK 2015 Det finns ett stort intresse kring mäta omfattningen och de regionalekonomiska effekterna av turistexporten. Kan registerdata kan användas som komplementtiv till de beräkningsmodeller som idag?

4 Bakgrund Utgångspunkter
Ambitionen var att till en låg kostnad ta fram en modell som bidrar till: En jämförbarhet övertid Ett minskat problem med bortfall Ett minska beroendet av att underlag behöver rapporteras in via sekundär källor Kan kopplas till befintliga prognossystem (raPS) Bygga på Registerdata (RAPS-RIS och scb.se). Modellen ska uppfylla kraven för sanna estimat. Ska ta hänsyn till förekomst av spatial autokorrelation

5 Modellen

6 I teorin…. Boendes konsumtion pendlingens effekter på konsumtion
1. Utgångspunkten tas i den samlade regionala efterfrågan (konsumtion) 2. Konsumtion som härrör från boende och pendlare exkluderas 3. Beräkningarna visar på ett statistisk signifikant positivt samband mellan besökar konsumtion och tillväxt i de besökstunga branscher vi testat på (Hotell restaurang och Kultur, fritid). Boendes konsumtion pendlingens effekter på konsumtion Besökares konsumtion 4. Ger stöd åt hypotesen att det är besökare/turisters konsumtion som fångats i steg 2. Besökares konsumtion rAPS Regionalekonomiska effekter 5. Modellen visar på hur stor påverkan från besökarkonsumtionen är; ger en koefficient som sedan kan kopplas till rAPS Inkomster Arbets- marknad

7 I praktiken…. Kombination av tre verktyg
2 Step Least Square (2LS), estimerad med en spatial regressionsmodell (spdep i R). Structural Equation Modelling (för att kunna hantera icke rekursiva effektkedjor). rAps (för att kunna skatta regionalekonomiska multiplikatoreffekter)

8 I praktiken…. Antagande:
Lokal Produktion av turisttjänsterrt = konsumtionrt + exportrt- importrt Lokal produktion av turisttjänsterrt + importrt = konsumtionrt + exportrt

9 I praktiken…. Lönesumma Nattbefolkning
Sysselsättning i Hotell och restaurang Residual

10 I praktiken…. Lönesumma Nattbefolkning
Sysselsättning i Hotell och restaurang Turistexport Residual

11 I praktiken…. Problem 1. Endogenitet Lönesumma Nattbefolkning
Endogentitetsproblem Sysselsättning i Hotell och restaurang Turistexport Residual

12 I praktiken…. Två beroende variabler:
Antal sysselsatt dagbefolkning inom hotell och restaurang /1000 invånare Lönesumma nattbefolkning (kr)/invånare

13 I praktiken…. Förklarande variabler - Principalkomponentanalys
Antal sysselsatt dagbefolkningen /100 invånare Antal män/100 invånare Antal utpendlare/100 invånare

14 I praktiken….

15 I praktiken…. Problem 2: Spatial lag autokorrelation
Moran I = 0.23, Expected = -0.02, P-value = 0.000

16 I praktiken…. Problem 2: Spatial lag autokorrelation
Moran I = 0.037, Expected = -0.04, P-value = 0.000

17 I praktiken…. 2 step Least Square i en Spatial lag modell (spdep i R)

18 Test av modellen – Gotland

19

20

21

22 0.49 0.72 0.18 -0.2

23 0.49 0.72 Flyttas till steg 2 i 2LS 0.18 -0.2

24 Ekvation 2 i 2LS Instrumentvariabel

25 Modellberäknad Turistkonsumtion (2LS, SEM)
rAps Regionalekonomiska effekter

26 Resultat Antal sysselsatta i HotR 2014: 1 403
Turistexport (residual): 926 Andel turistexport: 66 % Direkta effekter sysselsättning: 926 Indirekta effekter sysselsättning: 174 Sysselsättningsmultiplikator: 1.19 HotR andel av dagbef = 4.1 Turistexportens andel av dagbef = 3.4 Direkta effekter BRP: 410 milj. kr Indirekta effekter BRP: 79 milj. kr Totala effekter BRP: 589 milj. kr Produktionsmultiplikator: 1.19 Värde av besökares konsumtion, per invånare: kr Motsvarar approx procent av den totala konsumtionen av varor och tjänster på Gotland Ligger i linje med t.ex. Resurs mätning för år 2012.

27 Slutsats Går det att mäta effekter av besökares konsumtion med rAPs?
De tester vi gjort hittills visar på relativt goda resultat (t.ex. Vimmerby och Gotland). Modellen ger ger resultat som förefaller ligga i linje med tidigare mätningar. Data är lättillgänglig, bygger på redan insamlad registerdata, inte heller behäftade med urvalsproblematik. Tillåter tidserianalyser samt koppla outputen till prognossystem för att t.ex. beräkna multiplikatorer