Kommunenes gjeldsetterspørsel mot 2035

Report 2022/33

Haakon Vennemo, Eivind Bjørkås og Mina Skille Mariussen

Kommunenes gjeldsetterspørsel mot 2035

Category	Reports
Sub-Categories	Statistics and Empirical Analysis Local and regional analysis Modeller og databaser Local and regional development
Year	2022
Report Number	33
Author(s)	Haakon Vennemo Eivind Bjørkås Mina Skille Mariussen
Download	file_download (2.2 MB)
Read in browser	PDF

Rapport 2022/3	3 | For Kommunalbanken	 	 	
 	
 	
 	
Kommunenes gjeldsetterspørsel mot 2035	 	
 
Haakon Vennemo, Eivind Bjørkås og Mina Skille Mariussen

Kommunenes g	jeldsetterspørsel mot 2035	 	
 
Vista Analyse	 | 2022/33	 	2 	
 
Dokumentdetaljer	 	
Tittel	 	Kommunenes gjeldsetterspørsel mot 2035	 	
Rapportnummer 	 	2022/33	 	
Forfattere	 	Haakon Vennemo, Eivind Bjørkås og Mina Skille Mariussen	 	
ISBN	 	978	-82	-8126	-591	-2 	
Prosjektnummer	 	22	-HVE	-05	 	
Prosjektleder	 	Haakon Vennemo	 	
Kvalitetssikrer	 	Hanne Toftdahl	 	
Oppdragsgiver	 	Kommunalbanken	 	
Dato for ferdigstilling	 	14. 	september 2022	 	
Kilde forsidefoto	 	Tobias Bjørkli for pexels.com	 	
Tilgjengelighet	 	Offentlig	 	
Nøkkelord	 	Empirisk	 analyse, 	modeller, 	lokal og regional 	utvikling	 	
 
 
 
 
 
 
 
Om Vista Analyse	 	
Vista Analyse AS er et samfunnsfaglig analyseselskap med hovedvekt på økonomisk utredning, evaluering, rådgivning 
og forskning. Vi utfører oppdrag med høy faglig kvalitet, uavhengighet og integritet. Våre sentrale temaomr	åder er 	
klima, energi, samferdsel, næringsutvikling, byutvikling og velferd. Vista Analyse er vinner av Evalueringsprisen 2018.	 	
Våre medarbeidere har meget høy akademisk kompetanse og bred erfaring innenfor konsulentvirksomhet. Ved be-
hov benytter vi et 	velutviklet nettverk med selskaper og ressurspersoner nasjonalt og internasjonalt. Selskapet er i 	
sin helhet eiet av medarbeiderne.

Kommunenes gjeldsetterspørsel mot 2035	 	
 
Vista Analyse	 | 2022/33	 	3 	
 
Forord 	 	
På oppdrag fra Kommunalbanken legger vi her frem 	scenarier for 	kommunenes gjeldsetterspørsel mot 2035	. Scena-	
riene er	 basert på 	økonometriske regresjonsanalyser 	på et datamateriale som går tilbake til 2003. 	Lars 	Strøm Prestvik, 	
Lars	 Ludvigsen og Guttorm Egge har vært kontaktpersoner i Kommunalbanken og vi retter en stor takk til dem for 	
gode diskusjoner	 og viktige innspi	ll under prosjektets gang fra 	april tom august 2022. Guttorm Egge fortjener en 	
ekstra takk fo	r tålmodig hjelp til tolkning av data. Vista Analyse står alene for rapportens konklusjoner.	 	
14. september 	2022	 	
Haakon Vennemo	 	
Partner	 	
Vista Analyse AS

Kommunenes gjeldsetterspørsel mot 2035	 	
 
Vista Analyse	 | 2022/33	 	4

Kommunenes gjeldsetterspørsel mot 2035	 	
 
Vista Analyse	 | 2022/33	 	5 	
 
Ordliste 	 	
Frie inntekter	 	Med frie inntekter menes inntekter som kommunene kan disponere uten andre bindinger enn 
gjeldende lover og 	forskrifter. Skatt på inntekt og formue og rammetilskudd fra staten defineres 	
som frie inntekter.	 	
Gjeldsetterspørsel	 	Gjeldsetterspørsel er mengden gjeld kommunene etterspør som følge av et investeringsønske.	 	
Det samme som 	mengden man låner for å 	finansiere e	n investering	. 	
Hovedalternativet 
(MMMM	) 	
Statistisk sentralbyrås hovedalternativ for 	regionale 	befolkningsframskriving	er. Middels fruktbar-	
het, 	innvandring, levealder, innenlands flytting. 	 	
Lavve	kstalternati-	
vet/lav nasjonal vekst 
(LLML	) 	
Statis	tisk sentralbyrås lavve	kstalternativ	 for	 regionale	 befolkningsframskriving	er.	 Lav fruktbarhet, 	
innvandring og	 levealder. 	Middels innenlands flytting. 	 	
Lånefinansieringsgrad	 	Lånefinansieringsgraden er andelen nye investeringer som finansieres med nytt låne	opptak	 (ny 	
gjeld)	. 	
Netto lånegjeld	 	Netto lånegjeld er definert som langsiktig gjeld (eksklusive pensjonsforpliktelser) fratrukket totale 
utlån og ubrukte lånemidler. I totale utlån inngår formidlingslån og ansvarlige lån (utlån av egne 
midler).	 	
Prediksj	onsanalyse	 	Prediksjonsanalyse	 bruker statistiske teknikker til å analysere aktuelle og historiske data og vur-	
dere sannsynligheten for at noe vil finne sted	 frem i tid	. 	
Prediksjonsperiode	 	Prediksjonsperioden er perioden 	vi predikerer for. Her er denne 	2022 til 2035.	 	
Referansealternati-
vet/basisprediksjon	 	
Referansealternativet beskriver det alternativet vi ser som mest sannsynlig. I beregninger der vi 
ser på effekten av trangere kommuneøkonomi eller velferdsteknologi viser vi til referansealterna-
tivet so	m alternativet uten disse endringene. 	 	
Renteeksponert gjeld 	 	Renteeksponert gjeld 	gir en indikasjon på 	mengden	 langsiktig 	kommun	al gjeld hvor renteutgif-	
tene må dekkes av kommune	n selv	. 	
Signifikansnivå	 	Statistisk signifikans er et begrep som brukes for å 	beskrive sannsynligheten for at noe er et resul-	
tat av tilfeldigheter.	 Dersom noe har et signifikansnivå 5 prosent så er det bare 5 prosent sann-	
synlig at det er tilfeldig. Vi sier da at det 95 prosent sikkert at det er en observerbar effekt. 	 	
Økonometriske	 analy-	
ser	 	
Økonometri er bruken av statistiske og matematiske metoder for å utvikle og gi empirisk belegg 
for samfunnsøkonomisk teori.	 I denne analysen er det brukt økonometri som metode og det er 	
utviklet 	en egen modell spesialdesignet for prosjektet.

Kommunenes gjeldsetterspørsel mot 2035	 	
 
Vista Analyse	 | 2022/33	 	6

Kommunenes gjeldsetterspørsel mot 2035	 	
 
Vista Analyse	 | 2022/33	 	7 	
 
Innhold	 	
Sammendrag og konklusjoner	 ................................	................................	................................	................................	......	 9 	
1 	Innledning	 ................................	................................	................................	................................	...........................	 17	 	
1.1	 	Demografiske endringer påvirker kommunenes investerings	- og gjeldsbeslutninger	 	17	 	
1.2	 	Økonometriske analyser av investeringer og gjeldsfinansiering	 	17	 	
1.3	 	Fra historiske sammenhenger til prediksjonsanalyse	 	19	 	
1.4	 	Forskjell mellom kommuner 	– komparativ analyse mellom kommunegrupper fra prosjektet 	
«Framtidsverktøyet 2040»	 	21	 	
2 	Scenarier for sa	mlet kommunal gjeldsutvikling	 ................................	................................	................................	.. 25	 	
2.1	 	Tre hovedscenarier med ulike befolkningsframskrivinger	 	25	 	
2.2	 	Samlet gjeldsetterspørsel per kommunegruppene	 	27	 	
2.3	 	Virkningen av en trangere kommuneøkonomi med mindre frie inntekter	 	29	 	
3 	Investeringer i pleie og omsorg	 ................................	................................	................................	..........................	 32	 	
3.1	 	Tre hovedscenarier med ulike befolkningsframskrivinger	 	32	 	
3.2	 	Gjeldsfinansierte pleie	- og omsorgsinvesteringer per kommunegruppe	 	33	 	
3.3	 	Virkning av velferdsteknologi 	– scenarioanalyse	 	35	 	
3.4	 	Virkning av en trangere kommuneøkonomi med mindre frie inntekter	 	36	 	
4 	Investeringer i barnehage	 ................................	................................	................................	................................	... 38	 	
4.1	 	Tre hovedscenarier med ulike befolkningsframskrivinger	 	38	 	
4.2	 	Gjeldsfinansierte barnehageinvesteringer per kommunegruppe	 	39	 	
4.3	 	Virkning av en trangere kommun	eøkonomi med mindre frie inntekter	 	41	 	
5 	Investeringer i grunnskole	 ................................	................................	................................	................................	.. 42	 	
5.1	 	Tre hovedscenarier med ulike befolkningsframskrivinger	 	42	 	
5.2	 	Gjeldsfinansierte grunnskoleinvesteringer per kommunegruppe	 	43	 	
5.3	 	Virkning av en trangere kommuneøkonomi med mindre frie inntekter	 	45	 	
6 	Andre beregninger	 ................................	................................	................................	................................	..............	 46	 	
6.1	 	Netto lånegjeld som prosent av driftsinntekter	 	46	 	
6.2	 	Kommuner med spesielt høy lånefinansieringsgrad	 	47	 	
7 	De økonometriske modellene	................................	................................	................................	.............................	 48	 	
7.1	 	Investeringer i pleie og omsorg	 	49	 	
7.2	 	Investeringer i barnehage	 	51	 	
7.3	 	Investeringer i grunnskole	 	53	 	
7.4	 	Gjeldslikningen	 	54	 	
8 	Videre arbeid	 ................................	................................	................................	................................	......................	 57	 	
9 	Referanser	 ................................	................................	................................	................................	...........................	 60	 	
Vedlegg	 ................................	................................	................................	................................	................................	.......	 61	 	
A 	Min kommune 	- metodevedlegg	 	62	 	
B 	Min kommune 	– resultater fra hovedindikatorene	 	63

Kommunenes gjeldsetterspørsel mot 2035	 	
 
Vista Analyse	 | 2022/33	 	8 	
 
Figurer	 	
Figur S.1	 	Samlet gjeldsetterspørsel stiger moderat	 ................................	................................	.......................	 11	 	
Figur S.2	 	Gjeldsfinansierte investeringer i pleie og omsorg øker betydelig	 ................................	...................	 12	 	
Figur S.3	 	Gjeldsfinansierte investeringer i grunnskole går klart ned	 ................................	.............................	 13	 	
Figur S.4	 	Utvikling i netto lånegjeld som andel av driftsinntekter, 	kommunegrupper	 ................................	.. 14	 	
Figur S.5	 	Samlet gjeldsetterspørsel per kommunegruppe	 ................................	................................	............	 15	 	
Figur 1.1	 	Befolkningssammensetning i 2035, per kommunegruppe, antall personer	 ................................	... 20	 	
Figur 1.1 	 	Antall kommuner i de ulike kategoriene	 ................................	................................	.........................	 23	 	
Figur 1.2	 	Antall kommunetyper med 	andeler etter SSBs sentralitetsindeks	 ................................	.................	 24	 	
Figur 2.1	 	Total gjeldsetterspørsel (utenom VAR)	 ................................	................................	...........................	 26	 	
Figur 2.2	 	Totale, gjeldsfinansierte investeringer per kommunegruppe	 ................................	.........................	 28	 	
Figur 2.3	 	Frie inntekter (i 2021	-kroner) per person 2011	-2021, predikert til 2035	 ................................	.......	 30	 	
Figur 2.4	 	Gjeldsfinansierte, totale investeringer virkningen av frie inntekter	 ................................	................	 31	 	
Figur 3.1	 	Gjeldsfinansierte investeringer i pleie og omsorg	 ................................	................................	...........	 33	 	
Figur 3.2	 	Gjeldsfinansierte investeringer i pleie og omsorg, forskjeller mellom kommunegrupper, 
prosentvis endring mellom 2022	 og 2035	 ................................	................................	......................	 34	 	
Figur 3.3	 	Gjeldsfinansierte investeringer i pleie og omsorg, med og uten teknologiskift	 ..............................	 36	 	
Figur 3.4	 	Gjeldsfinansierte investeringer i pleie og omsorg, virkningen av frie inntekter	 ..............................	 37	 	
Figur 4.1	 	Gjeldsfinansierte investeringer i barnehage	 ................................	................................	...................	 38	 	
Figur 4.1	 	Gjeldsfinansierte investeringer i barnehage, forskjeller mellom kommunegrupper, 
prosentvis endring mellom 2022 og 2035	 ................................	................................	......................	 40	 	
Figur 4.2	 	Gjeldsfinansierte investeringer i barnehage, virkningen av frie inntekter	 ................................	......	 41	 	
Figur 5.1	 	Gjeldsfinansierte investeringer i grunnskole	................................	................................	...................	 43	 	
Figur 5.2	 	Gjeldsfinansierte investeringer i grunnskole, forskjeller mellom kommunegr	upper, 	
prosentvis endring mellom 2022 og 2035	 ................................	................................	......................	 44	 	
Figur 5.3	 	Gjeldsfinansierte investeringer i grunnskole, virkningen av frie innte	kter	 ................................	.....	 45	 	
Figur 6.1 	 	Utvikling i netto lånegjeld som andel av driftsinntekter, kommunegrupper	 ................................	.. 46	 	
Figur 6.2 	 	Utvikling i lånefinansieringsgrad 2015 	- 2021	 ................................	................................	.................	 47	 	 
Tabeller	 	
Tabell 1.1	 	Din kommune 	- beskrivelse av kommunetyrper	 ................................	................................	.............	 22	 	
Tabell 7.1: 	 	Utvalgte regresjoner 	– investeringer i pleie og omsorg	 ................................	................................	.. 50	 	
Tabell 7.2: 	 	Utvalgte regresjoner 	– investeringer i barnehage	 ................................	................................	..........	 53	 	
Tabell 7.3 	 	Utvalgte regresjoner 	– investeringer i grunnskole	 ................................	................................	..........	 54	 	
Tabell 7.4: 	 	Utvalgte regresjoner 	– ny gjeld per innbygger	................................	................................	................	 55	 	
Tabell B.1	 	Resultater fra 	hovedindikatorene i "Min kommune"	 ................................	................................	......	 63

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	9 	
 
Sammendrag og konklusjoner 	 	
Vi analyserer 	kommunenes etterspørsel etter gjeld fram mot 2	035. 	Vi finner at g	jeldsetterspør-	
selen drives av investeringsbehov, og investeringsbehov er 	i hovedsak 	bestemt	 av 	den kommu-	
nale 	befolkningens vekst og 	alders	sammensetning	. Den kommunale økonomiske handlefriheten 	
er en annen viktig 	faktor	. Dersom befolkningen utvikler seg som i SSBs hovedalternativ, og frie 	
inntekter vokser i takt med BNP, så finner vi at 	kommunal gjeldsetterspørsel øker 	mellom 8 og 	
13 prosent over 	perioden	 20	22	-2035	. Det er	 i snitt 	noe under 	én prosent i året og vi vil kalle det 	
en moderat økning. 	 	
Bak den moderate økningen	 i samlet gjeld	 ligger det en stor endring i sammensetning av inves-	
tering	ene	. Gjeldsetterspørsel knyttet til 	investeringer i 	pleie og o	msorg	, og gjeldsetterspørsel 	
knyttet til 	investeringer i 	grunnskole er omtrent like i 2022. I 2035 er 	derimot 	etterspørselen 	fra	 	
pleie og omsorg 	66 	prosent høyere	 enn 	fra	 skole. 	 	
Dette 	noen 	av 	resultate	ne	 vi finner ved hjelp av 	den økonometrisk 	baserte scenariomodellen	 	
VISTA 	KOM	UGJELD	 for 	framskriving av kommunenes gjeldsetterspørsel. 	 	
Kommunene har bygget opp gjeld, men vil det fortsette?	 	
I tiåret 2010	-2020 	økte	 investeringene i kommunal sektor kraftig, og kommunene bygget opp 	
betydelig samlet 	gjeld	. Mange 	er redd for at 	dette ikke er bærekraftig på lengre sikt	, og særlig 	
ikke når rentene nå ser ut til å øke samtidig som 	overføringene fra staten kan tenkes å holdes 	
ned	e på grunn av konjunktursituasjonen	 og	 det langsiktige hensynet til oljepengeb	ruk.	 	
På den annen side er vi inne i en periode med demografisk 	endring	 som kan medføre fortsatte 	
investeringsbehov	 og fortsatt gjeldsvekst	. I årene etter krigen ble det født mange barn. 	I 2026 	
passerer de 	første 	80 år, og 	i en tyveårsperiode deretter blir det 	flere 	eldre 	for hvert år	. Det tilsier 	
økende behov for investeringer i pleie og omsorg	. Folketallet	 går ned i mange kommuner, men 	
det 	kan utløse investering i 	gode offentlige tjenester for å 	sikre bostedsattraktivitet 	eller for å 	
effektivisere driften med begrenset tilgang til helsepersonell	. Størrelse og innretning på innvand-	
ring 	fra utlandet 	har også betydning 	for kommunale investeringer og gjeldsoppbygging. De	 senere 	
årene	 har vist oss at innvandring kan svinge kolos	salt fra et år til det neste	. Med innvandring følger 	
erfaringsmessig noe større 	barnekull	, som utfordrer framtidsbildet.	 	
Kort sagt er det faktorer som taler for fortsatt høye investeringer og gjeldsvekst, og det er faktorer 
som taler mot	, og det er stor 	usikkerhet. 	 	
Vi presenterer økonometrisk baserte scenarier	 	
Usikkerheten om fremtidig investerings	- og gjeldsutvikling er bakgrunnen når Kommunalbanken 	
har bedt Vista Analyse utvikle en økonometrisk basert 	scenariomodell for kommunenes etter-	
spørsel etter gjeld. 	Denne rapporten presenterer tre	 hovedscenarioer	 knytte	t til befolkningsfram-	
skrivinger	 til 2035	, og virkningsberegninger knyttet til 	disse	. Vi betoner også forskjeller mellom	 	
typiske kommunekategorier. 	 	
Endelig bruker vi en del plass i rapporten på å presentere selve modellen.	 Modellen kan anvendes 	
til ulike problemstillinger fremover. 	Oppdraget fra Kommunalbanken innebærer å 	lage en modell

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	10	 	
 
for gjeldsetterspørsel i forbindelse med investeringer i barnehage, grunnskole og pleie og omsorg, 
mens øvrige investeringer behandles kurso	risk. 	 	
Vi har brukt KOSTRA	-tall tilbake til 2003	 	
For å estimere scenariomodellen har vi 	tatt i bruk KOSTRA	-tall tilbake til 2003, tilrettelagt av Kom-	
munalbanken. 	SSBs publiserer ikke tall så l	angt tilbake. 	I beregningene har vi tatt bort variasjoner 	
som sk	yldes forhold i det enkelte år, 	ved hjelp av 	såkalte tidsfaste effekter. Vi har også tatt bort 	
variasjoner som skyldes 	forhold i den enkelte kommune. 	 	
Etter å ha gjort dette, står vi igjen med at	: 	
• 	Andelen eldre	 betyr mye for investeringer 	per innbygger 	i pleie og omsorg, og andelen over 	
80	 år i kommunen betyr mest	. 	
• 	Andelen i skolealder betyr mye for investeringer per innbygger i grunnskole	. 	
• 	Andelen i barnehagealder betyr mye for investeringer per innbygger i barnehage	. 	
• 	Frie inntekter øker 	kommunenes investering	er. 	
• 	Det er stor treghet i investeringene og fjorårets investeringer 	er med å 	forklare	 årets	 inves-	
teringer	. 	
• 	En krone mer i investering gir 	66 øre økt gjeldsopptak, alt annet likt	. 	
• 	Små kommuner finansierer mer av sine investeringer med 	gjeld enn store	, folkerike	 kommu-	
ner gjør	. 	
• 	Kommuner med høy rentebærende gjeld tar opp 	mer 	ny gjeld enn	 ellers like kommuner gjør	 	
I sum kan vi si at det er befolkningens sammensetning, og kommunenes økonomi som driver 
investeringer og gjeldsopptak per innby	gger. Samlet gjeldsopptak drives i tillegg av samlet inn-	
byggertall.	 	
Vi tilføyer at 	postene	 knyttet til 	pleie 	og	 omsorg, grunnskole, og barnehager	 utgjør omtrent halv-	
parten av kommunale investeringer. I samråd med Kommunalbanken lar vi 	øvrige investeringer 	
(minus 	vann, avløp og renovasjon	, som er tatt 	helt 	ut av tallene) s	tå i fast forhold til 	investeringer 	
vi forklarer. Indirekte blir da 	gjeld knyttet til 	øvrige investeringer også forklart av befolkn	ingens 	
størrelse og sammensetni	ng, frie inntekter mv. 	 	
Samlet gjeld stiger moderat 	– hvis befolkning	 og frie inntekter 	
øker	 	
SSBs 	hoved	alternativ for befolkning	sutvikling	, kalt MMMM,	 innebærer at 	fruktbarhetstallet går 	
opp i tiden som kommer	. Levealderen går 	også 	opp	 i dette alternative	t. I tillegg er det forutsatt 	
innvandring. 	I sum innebærer dette at 	andelen barn, og andelen eldre begge øker 	de nærmeste 	
årene 	sammenliknet med SSBs lav	alternativ, kalt LLML. I LLML går fruktbarhetstallet videre ned, 	
og levealderen er stabil. Innvand	ring	en bremses. 	 	
Disse forskjellene bidra	r til at gjeldsetterspørselen	 i lavalternativet er omtrent den samme i 2035 	
som den er nå, mens den 	stiger 	13 prosent i 	SSBs 	hoved	alternativ	 (Figur S.	1). Figuren inneholder 	
en tredje trend, som gir åtte prosent vekst i årlig gjeldsetterspørsel	. Dette er resultatet av

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	11	 	
 
Telemarksforsknings scenario 	Historisk	. I Telemarksforsknings scenario er 	befolkningen totalt den 	
samme som i SSBs 	hoved	alternativ, men 	sentraliseringen 	i bosettingen	 er 	sterkere. 	Forskjellen 	
mellom 8 og 13 prosent er forholdsvis liten i lys av annen usikkerhet i en beregning som denne. 
Konklusjonen 	er at samlet gjeldsetterspørs	el ser ut til å stige moderat	 og 	trolig 	mindre enn 	én 	
prosent i året. 	Befolkningsutviklingen	, som altså betyr fem prosentpoeng i fremskrivingen (13 mi-	
nus 8), 	betyr mindre enn s	entraliseringstendensen	 (13 minus null)	. 	
 
Figur S.	1 	Samlet gjeldsetterspørsel	 stiger moderat	 	
 	
Kilde	: Vista Analys	e. Merknad	: Det er brukt befolkningsframskriving fra 2020.	 	
Vi har også sett på virkningen av 	trangere kommuneøkonomi. 	Frie inntekter driver opp investe-	
ringer og med det gjeldsetterspørselen. I 	Figur S.	1 har vi antatt at frie inntekter vokser med BNP	-	
prognosen fra regjeringens Perspek	tivmelding	 (Finansdepartementet, 2021)	, som er 1,3 prosent 	
per person 	i gjennomsnitt per år. 	Hvis vi i stedet antar at frie inntekter 	(per person)	 er konstante	 	
mellom 2022 og 2035,	 reduseres 	gjeldsopp	taket med om lag seks pros	entpoeng	: I middelalter-	
nativet går de	t ned fra 	13 til 7, i Telemarksforsknings	 scenario går det ned fra 8 til 2 osv.	 Vi kan 	
også legge merke til at 	frie inntekter har omtrent samme betydning som 	sentralisering, om lag 	5-	
6 prosentpoeng	 forskjell i gjeldsopptak	 i 2035	. 	
30 000 000
32 000 000
34 000 000
36 000 000
38 000 000
40 000 000
42 000 000
44 000 000
46 000 000
48 000 000	
2022	2023	2024	2025	2026	2027	2028	2029	2030	2031	2032	2033	2034	2035	
Gjeldsfinansierte investeringeri tusen 2021
-kr	
SSB: Hovedalternativet
(MMMM)
SSB: Lav nasjonal vekst
(LLML)
Telemarksforskning

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	12	 	
 
Investeringer i pleie og omsorg 	øker kraftig	 	
Bak den moderate økningen i samle	t gjeldsopptak 	ligger det en 	kraftig endring i sammenset-	
ningen	 av investeringer og dermed av 	årsaker til gjeldsopptak. Investeringer i pleie 	og	 omsorg 	
stiger kraftig (	Figur S.	2) og investeringer i skole synker 	betydelig (	Figur S.	3). I 2022 er gjeldsetter-	
spørsel knyttet til pleie og omsorg omtrent fem prosent høyere enn den som er knyttet til 	grunn-	
skole. Innen 2035 er etterspørselen til pleie og omsorg 66 prosent høyere. 	 	
Figur S.	2 	Gjeldsfinansierte investeringer i pleie og omsorg	 øker betydelig	 	
 	
Kilde: Vista Analyse	 	
Investeringene i pleie 	og	 omsorg er beregnet å øke så mye som 40 prosent. 	Kurvene ligger samlet 	
og v	erken befolkningsutviklingen eller sentraliseringstendenser ser ut til å ha stor betydning. 	Det 	
skyldes antagelig at 	antall	et over	 80 år forklarer såpass mye	 av investeringsetterspørselen	, og	 	
dette tallet er forholdsvis stabilt	. Det er riktignok lagt til g	runn noe lavere levealder i lavalternati-	
vet enn 	hoved	alte	rnativet, som	 viser seg i litt lavere 	gjeldsetterspørsel knyttet til pleie 	og 	omsorg.	 	
Sentraliseringen i Telemarksforsknings scenario bidrar også til noe lavere gjeldsetterspørsel. 	 	
0	
1 500 000
3 000 000
4 500 000
6 000 000
7 500 000
9 000 000
10 500 000
12 000 000
13 500 000
15 000 000
16 500 000
18 000 000	
2022	2023	2024	2025	2026	2027	2028	2029	2030	2031	2032	2033	2034	2035	
Gjeldsfinansierte investeringeri tusen 2021
-kr	
SSB: Hovedalternativet
(MMMM)
SSB: Lav nasjonal vekst
(LLML)
Telemarksforskning

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	13	 	
 
Investeringer i g	runnskolen går 	klart ned	 	
Figur S.	3 	Gjeldsfinansierte investeringer i grunnskole går klart ned	 	
 	
Kilde: Vista Analyse	 	
Gjeldsfinansierte investeringer i grunnskole	n viser i våre beregninger en nedadgående tendens, 	
og 	det er dette som 	gjør at samlet gjeldsopptak bare øker moderat selv om eldrebølgen treffer 	
kommunene. 	Det betyr mye for investeringer i grunnskole om befolkningen følger SSBs 	hoved	al-	
ternativ eller lavalt	ernativ. I 	hoved	alternativet er fødselstallet rundt 1,7 fra midten av 2020	-tallet, 	
mens det i lavalternativet synker til 1,3	 (fra dagens nivå på	 1,5	-1,6). Med noen års etterslep gir 	
dette stort utslag i 	behovet for skolebygg. 	Graden av 	sentralisering har l	ite å si	. 	
Disse tallene for grunnskole tyder på at man på grunnlag av tall fra 2003	-2021 	ikke	 kan si at kom-	
muner investerer i skolebygg uavhengig av 	elevtallet	. Dette kan selvsagt endre seg fremover i tid	. 	
Konklusjonen at 	samlet 	gjeldsetterspørsel stiger 	moderat er kritisk avhengig av at kommunene 	
makter å ta ned investeringer i grunnskole når elevtallet går ned. Historien tyder på at det er 
mulig.	 	
Ulike kommuner, ulike utfordringer	 	
I forbindelse med prosjektene 	Gode vertskapskommuner for 	næringslivet	 og 	Framtidsverktøyet 	
2040	 for KS har Vista	 Analyse 	utviklet en	 systematisk 	grupper	ing av 	kommunene i Norge. 	Grup-	
peringen	 samvarierer med SSBs sentralitetsindeks, men 	en hel del kommuner er plassert anner-	
ledes hos oss. 	Vi legger vekt på kommuna	l sårbarhet, bostedsattraktivitet, næringsliv og stedegne 	
ressurser i vår gruppering. 	Figur S.	4 viser 	at kommunegruppene har ulik gjelds	grad over tid. I tids-	
rommet 200	3-2021 stiger den i alle grupper, men den er jevnt over lavest i gruppe A, de store og 	
sentrale kommunene. Den er høyest i gruppe D, som 	omfatter 	mellomstore kommuner og 	flere 	
0	
2 000 000
4 000 000
6 000 000
8 000 000
10 000 000
12 000 000	
2022	2023	2024	2025	2026	2027	2028	2029	2030	2031	2032	2033	2034	2035	
Gjeldsfinansierte investeringeri tusen 2021
-kr	
SSB: Hovedalternativet
(MMMM)
SSB: Lav nasjonal vekst
(LLML)
Telemarksforskning

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	14	 	
 
regionsentre	, men med høy kommunal sårbarhet. Kategori E og F har også høy gjeld	sandel. Dette 	
er små 	kommuner 	med utfordringer, 	som ligger næ	r (E)	 eller lengre fra 	(F) 	regionsentre	, slik disse 	
er definert av SSB	. 	
De gjenværende kommunene har vi kalt mellomstore og robuste (B) og 	små kommuner som drif-	
ter godt (C). 	 	
Figur S.	4 	Utvikling i netto lånegjeld som andel av driftsinntekter, kommunegrupper	 	
 	
Kilde:	 	Vista Analyse	. Indeksert med befolkning i 2003. I reelle 2021 kroner. 	 	
Figur S.	5 viser hvordan 	samlet gjeldsvekst fordeler seg på kommunekategoriene. 	Gjeldsvekst 	
knyttet til pleie & omsorg, grunnskole og barnehage hver for seg, gir omtrent samme bilde. 	 	
0
0,2
0,4
0,6
0,8
1
1,2	
2003	2005	2007	2009	2011	2013	2015	2017	2019	2021	
Netto lånegjeld som andel av driftsinntekter i 2021
-	
kroner	
Kommunekategori A
Kommunekategori B
Kommunekategori C
Kommunekategori D
Kommunekategori E
Kommunekategori F

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	15	 	
 
Figur S.	5 	Samlet gjeldsetterspørsel per kommunegruppe	 	
 	
Kilde	: Vista Analyse	 	
Hvis vi først konsentrerer oss om SSBs 	hoved	alternativ, så ser vi fra 	Figur S.	5 at det er 	noen for-	
skjeller i veksten i gjeldsetterspørsel mellom kommunegrupper. Spesie	lt ligger gruppe D 	av mel-	
lomstore kommuner	 med regionsentrene høyt, og det gjør også gruppe F	 med små og perifere 	
kommuner	. Man kan godt si at de fortsetter trenden 	vist i 	Figur S.	4. Det er ikke så rart siden 	
tallene bak 	Figur S.	4 er matet inn (sammen med andre tall) når vi lager mod	ellen bak 	Figur S.	5. 	
Gruppe A med de store 	by	kommunene har lavere samlet gjeldsetterspørsel, som også er konsis-	
tent med historien i 	Figur S.	4. 	
Det neste å legge merke til er at 	vi gjenfinner et liknende mønster 	innenfor rammen av Tele-	
mark	sforsknings scenari	o og 	SSBs lavvekstalternativ. 	En mulighet bak dette resultatet er at be-	
folk	ning	en og den	s sammensetning 	er ulik	 nasjonalt (som forklarer den 	nasjonale forskjellen	), 	
men 	omtrent den samme 	som 	hoved	alternativet 	på tvers av 	kommunegruppene	 (som forklarer 	
at mønsteret likner)	. Det kan være tilfellet for SSBs 	lavvekstscenario sammenliknet med mellom-	
scenariet. Men når det gjelder Telemarksforsknings scenario er befolkningssammensetningen 
den samme nasjonalt	 som i SSBs 	hoved	alternativ. 	Det er sentralisering som forklarer den nasjo-	
nale forskjellen	.. Lærdommen fra 	Figur S.	5 er 	sentraliseringen	 spiller seg ut 	mellom kommune-	
grupper 	på en 	slik måte at 	mønsteret fra SSBs 	hoved	alternativ bevares. Det er et interessant 	
-5%
0%
5%
10%
15%
20%	
Prosentvis endring mellom 2022 og 2035	
SSB: Hovedalternativet (MMMM)	SSB: Lav nasjonal vekst (LLML)	Telemarksforskning

Kommunenes gjeldsetterspørsel mo	t 2035	 	
 	
Vista Analyse	 | 2022/33	 	16	 	
 
result	at som vi	lle vært vanskelig å tenke seg til uten hjelp fra den modellbaserte analysen. 	Et 	
nærmere studium av data viser at det er ulike faktorer som til sammen skaper resultatet. For det 
første 	er det 	stort sett 	de arbeidsføre som flytter i Telemarksforsknings frem	skrivning. Behovet	, i 	
form av eldre 	og	 barn, 	blir 	i hovedsak 	igjen i fraflyttingskommunene	. For det andre 	tar større 	
kommuner opp 	mindre gjeld	, alt annet likt	. I sum vil en arbeidsfør	 som flytter sentralt ikke endre 	
investeringsbehovet 	i tilflyttingskommunen 	nevneverdig, men 	gjelds	andelen 	går ned. 	Det forkla-	
rer at	 gjeldsetterspørselen ligger 	lavt i kommunegruppe A med de store kommunene. I fraflyt-	
tingskommunene i gruppe F 	er fraflytting	en av yngre og eldre prosentvis noe høyere enn 	tilflyt-	
tingen av de samme personene i 	kommunegruppe A. 	Dessuten er samlet innbyggertall lavere. 	
Det reduserer den prosentvise veksten i 	investering i kommunegruppe F	 hos Telemarksforskning, 	
sammenliknet med SS	Bs hovedalternativ.

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	17	 	
 	
1	 	Innledning	 	
1.1	 	Demografiske endringer 	påvirker	 kommunenes investerings	- og 	
gjeldsbeslutninger	 	
Norge og norske kommuner står ove	rfor en stor	e utfordring	er som følge av	 endringer i den de-	
mografiske sammensetningen	 i befolkningen	. Andelen eldre vokser stadig	, samtidig som andelen 	
yrkesaktive 	blir lavere	. Enkelte mindre kommuner er 	allerede i en slik situasjon	. Tilflyttingen mot 	
sentrale kommuner	 gjør at enkelte kommuner s	kal ta imot flere unge innbyggere	, som krever 	
skoler og barnehager	 samtidig som de skal tilrettelegge helsetilbud for den økende andelen eldre. 	
Dersom vi skal opprettholde 	dagens velferdsnivå	, vil 	dette 	legge 	et 	stadig økende	 press på offent-	
lige budsjetter	. 	
Kommunene er landets største leverandør av velferdstjenester	, og 	mange kommuner 	merke	r al-	
lerede	 utfordringen 	med 	økt tilrettelegging for eldre	. Investeringer i kommunale helse	- og 	om-	
sorgstjenester	, barnehager og grunnskoler vil 	måtte gjøres i et annet t	empo enn før	. 	
Kommunene investerte for om lag 	77	 milliarder kroner i 2021, og finansierte	 i underkant av 60	 	
prosent av dette med	 ny	e gjeld	sopptak	. Kommunalbanken 	er kommunenes største kreditor, og 	
møter	 omtrent halvparten av 	kommunenes samlede gjeldsetterspørsel. 	Resten lånes 	ut av KLP 	
eller ved direkte låneopptak i kapitalmarkedet	a 	
I dette 	prosjektet	 anslår vi størrelsen på samlet kommunal gjeldsetterspørsel mellom 2022 og 	
2035, og har et 	spesielt	 fokus	 på 	den gjeldsfinansie	rte investerings	etterspørselen i 	tjenesteområ-	
dene pleie og 	omsorg	, barnehage 	og skole. Dette fordi 	disse 	tjenesteområdene	 er forventet å 	
påvirkes mest av endret befolkningssammensetning	. Analysen bygger på 	en lang tidsserie med	 	
kommunalregnskapsdata	, og 	an	erkjente	 statistiske metoder	. De resterende 	tjenesteområdene	, 	
som 	administrasjon, 	kultur	 og samferdsel	 er fr	amskrevet noe 	enklere	, i et fast størrelsesforhold 	
til 	de modellerte 	tjenesteområdene	. Innvesteringer i vann, avløp og renovasjon (VAR) er etter 	
avtale med Kommunalbanken utelatt fra analysen.	 	
1.2	 	Økonometriske analyser av investeringer og gjeldsfinansiering	 	
Kjernen i arbeidet har vært å estimere den statistiske sammenhengen mellom 	kommunenes i	n-	
vesteringer i pleie og omsorg, 	barnehager og grunnskoler	1, og endringer 	i demografiske 	variabler	. 	
Til dette har vi benyttet kommunalregnskapsdata fra 	KOSTRA	2, som 	Kommunalbanken har sam-	
menslått bakover i tid 	slik at de stemmer med dagens kommunestruktur	 og dagens KOSTRA	-	
rappo	rtering	. Det 	innebærer	 at tidsserien spenner over 	19 år, fra 2003 til 2021. 	Senter for 	
 	
1 Vi har benyttet Kommunalbankens definisjon av hvilke investeringsposter som 	utgjør helse	- og omsorg, barnehage 	
og grunnskole. Helse og omsorg er 	summen av postene «	FGK9 Helse	- og omsorg	» og «	FGK12 	Sosialsektoren sam-	
let», grunnskole er summen av «	FGK8b Grunnskole	» og «	FGK13 Barnevern	», mens barnehage er posten «	FGK7 	
Barnehage	». 	
2 KOSTRA står for 	«Kommune	-Stat	-Rapportering	» og gir styringsinformasjon om ressursinnsatsen, prioriteringer og 	
måloppnåelse	 i kommuner, bydeler og fylkeskommuner.	 For mer informasjon, se 	https://www.ssb.no/kostra/om	-	
kostra	.

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	18	 	
 
Økonomisk forskning gjorde liknende beregninger i 	2020, men da med data fra før	 siste	 kommu-	
nereform	 (Seneter for økonomisk 	forskning, 2020)	. Med	 det tilpassede	 datasettet har vi gjennom-	
ført 	flere såkalte 	«multiple 	regresjonsanalyser	» med kommune	- og tidsfaste effekter. Dataene og 	
metodene beskrives nærmere i kapittel 	7. 	
Resultatet	 av analysene er at n	oen sammenhenger synes å være veldig tydeli	ge,	 mens andre ikke 	
er det. Den sterkeste sammenhengen vi finner er at	 det er treghet i investeringene, og at 	fjorårets 	
investeringer 	i stor grad forklarer påfølgende års investeringer.	 Siden investeringene 	året 	før	 be-	
stemmes av 	investeringene året før det	 igjen,	 så kan man like gjerne si at investeringene i et enkelt 	
år bestemmes av investeringer i alle 	tidligere 	år (med avtagende takt)	. Dette er ikke 	et 	uvanlig	 	
funn i økon	ometriske undersøkelser av investeringer. 	 	
Andre forklaringsfaktorer kommer i tilleg	g. 	Vi finner en svakere sammenheng mellom investe-	
ringer og 	demografisk 	sammensetning	 enn det vi hadde forventet	, men kommunestørrelse (totalt 	
antall innbyggere) forklarer investerings	- og gjelsbeslutningene bedre.	 	
For å 	estimere 	gjeldsfinansierte investeringer, 	estimerer vi modellene i to steg	: Først ser vi på hva 	
som forklarer 	investeringer	 i de tre 	tjenesteområdene som vi er spesielt interessert i	 (investe-	
ringsligningene)	. Deretter 	estimerer	 vi en egen regresjon for å se 	på hvor	 stor andel av investe-	
ringene som finansieres med 	gjeld	 (gjeldsligningen). 	Gjeldsligningen estimeres	 samlet, 	på tvers 	
av alle tjenesteområder, fordi kommunene ikke 	fører 	finansielle regnskap	 på tvers av 	tjeneste-	
område	ne	. Det er samlet 	nivå på	 egenkapitalfi	nansiering og nytt gjeldsopptak som rapporteres. 	 	
Å estimere investeringsligningen og gjel	dsligningen hver for seg	 innebærer 	en antakelse om 	at 	
kommunene fatter beslutningen i to steg: Først bestemmes hvor mye man vil investere, og der-
etter bestemmes hvord	an investeringen finansieres. 	Et argument for dette er for eksempel at 	
investeringene i stor grad er knyttet til lovpålagte tjenester	 og/eller de styres av behov	. Dersom 	
virkeligheten ikke er slik, kan vår metode	 i prinsippet føre med seg en systematisk es	timeringsfeil	. 	
Spesielt	, dersom kommunene fatter beslutningen om hvor mye de vil investere 	avhengig	 av hvor 	
mye gjeld de ønsker/har mulighet til å ta opp	, samtid	ig som gjeldsopptak avhenger av investe-	
ringene, 	så 	oppstår	 et «simultanitetsproblem»	. En vanlig måte å løse dette på	, dersom man ikke 	
har	 en	 observert	 variabel å kontrollere for 	effekten	 direkte, er å 	finne e	n såkalt instrumentvaria-	
bel	.3 Gode instrumentvariabler er vanskelig	e å identifisere	, noen ganger 	umulig. 	I dette prosjektet 	
hadde vi 	ikke rammer til å utforske dette nok til å finne ut om simultanitet	 i beslutningene	 faktisk 	
er et reelt problem, og eventuelt løse det. 	 	
Simultanitet 	er et viktig spørsmål for 	videre	 arbeid med 	problemstillingen	, men 	i mellomtid	en er 	
vi komfortable med forutsetningen om at investering og gjeldsopptak skjer i to 	uavhengige steg	. 	
Vår forutsetning er 	i tråd med 	vanlig investeringsteori, som legger til grunn at investeringenes 	
omfang skjer på grunnlag av lønnsomhetsvurderinger (her v	urdering av nytte og behov) og at 	
man finansierer på 	rimeligste måte.	 I en slik modell vil kapitalkostnaden i første steg avhenge av 	
finansieringsløsningen i andre steg.	 	
 	
3 Instrumentet 	er en annen 	observerbar 	variabel, 	som 	samvarier	er med 	den sentrale 	forklaringsvariab	elen (kriteriet 	
om relevans), men som er uavhengig av 	utfallsvariabelen (kriterie	t om eksklusjon). 	Samvariasjonen mellom instru-	
mentet og 	forklaringsvariabelen brukes til å forklare variasjonen i utfallsvariabelen. 	Dette sørger for at man k	un 	
fanger opp variasjon i utfallsvariabelen som drives av eksogen variasjon i forklaringsvariabelen	, og ikke av den 	
(problematiske) 	endogene	 variasjonen	. En god	 innføring i dette	 gis i	 kapittel 7 i 	Cunningham	 (2021)	.

Kommunenes gjeldse	tterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	19	 	
 	
1.3	 	Fra historiske sammenhenger til prediksjonsanalyse	 	
Resultatene fra 	de økonometriske analysene 	framskrives	 i en prediksjonsmodell	, hvor 	hver kom-	
munes etterspørsel 	predikeres	 for hvert år mellom 2022 og 2035, for ulike 	befolkningsframskri-	
vinger	. I prediksjonene	 bruker vi t	re befolkningsframskrivinger	: SSBs hovedalternativ (	MMMM), 	
SSBs lavvekstalternativ (LLML) og Telemarksforsknings befolkningsframskriving	 (historisk scena-	
rio)	. 	
SSBs 	hoved	- og lavalternativ	 gir to 	ulike nivåer 	for nasjonal 	befolkningsvekst	 	
SSBs 	alternativer er 	sammensatt	 av fire faktorer	; fruktbarhet, levealder, 	innenlands flytting og 	
inn	- og utvandring. 	Disse kan være på høyt (H), lavt (L) eller middels (M) nivå.	 Hovedalte	rnativet 	
(MMMM) 	forutsetter mellomnivå	et av alle disse fire, mens 	lavvekstalternativet 	(LLML)	 forutset-	
ter 	mellomnivået av 	innenlandsk flytting og et lavt nivå av de tre andre komponentene. 	Dette gjør 	
at lavvekstalternativet anslår en 	lavere samlet befolkningsvekst enn hovedalternativet.	4 	
Telemarks	forskning 	legger mer vekt på 	et sentraliserende flyttemønster	 	
Telemarksforskning 	har 	en annen beregningsmetode for flytting enn SSB	. Dette gir en sterkere og 	
ras	kere migrasjonstrend fra mindre 	til mer	 sentrale kommuner	, sammenlignet med SS	Bs 	hoved-	
alternativ	, og følgelig en	 mye mer dramatisk nedgang 	i folketallet 	i dis	triktskommuner	 (Vareide, 	
2020)	. MMMM og Telemarksforskning har samme nivå på 	befolkningsutviklingen, samlet sett. 	 	
Telemarksforskning har to scenarier 	for sine 	framskrivinger	, et nøytralt scenario, hvor 	kommu-	
nene 	antas	 en utvikling i 	tråd med 	sine strukturelle betingelser for vekst, og et historisk 	scenario 	
som tar hensyn til at 	noen kommuner har hatt 	bedre flyttetall 	eller arbeidsplassvekst 	enn bereg-	
net 	i de foregående ti årene. Vi bruker det historiske scenarioet 	til 	Telemarksforskning	 i de	tte 	
prosjektet. 	 	
Tre befolkning	sscenarier som gir 	god spredning	 	
Fordelen med å bruke disse tre	 framskrivingene	 er at de	 får frem et fint spenn av ulike 	potensielle 	
utviklinger	, både knyttet til samlet befolkningsvekst 	og 	til graden a	v sentralisering i flyttemønste-	
ret. Telemarks	forskning	 og MMMM har 	lik total	 befolkningsvekst	 for landet	, men graden av 	
sentralisering er sterkere i 	Telemarksforsknings 	framskriving enn MMMM	-alternativet. 	Det er 	
særlig de arbeidsføre som flytter, og i 2035	 har kommunegruppe A av store kommuner	 (se neste 	
avsnitt)	 klart flere innbyggere i alderen 16	-66 år i Telemarksforsknings scenario enn i MMMM	 	
(Figur 	1.1). Gruppe F av	 små kommuner med utfordringer har noen færre i samme gruppe, og 	
også noen færre	 barn og eldre. 	Dette gir noen interessante 	forskjeller i investerings	- og gjeldsut-	
viklingen, særlig 	på kommunenivå, men i noen grad også nasjonalt.	 LLML har en lavere 	total be-	
folkningsvekst enn MMMM og Telemarksforskning	, som også gir støtet til interessante forskjeller. 	 	
 	
4 MMMM anslår en samlet befolkning på 	omtrent	 5 740 000	 i 2035, mens LLML 	anslår 	omtrent 5	 470 000	. Versjonen	 	
av fr	amskrivingene som vi benytter er 	lastet ned i mai 2022. Vi er kjent med at det kom en ny versjon av de regionale 	
befolkningsframskrivingene 5. j	uli 2022	, men har ikke hatt rom i prosjektet til å endre til disse.

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	20	 	
 
Figur 	1.1 	Befolkningssammensetning i 2035, per kommunegruppe, antall personer	 	
 	
Kilde:	 	Vista Analyse	 basert på data fra Statistisk sentralbyrå og Telemarksforskning	 	
Prediksjonsmodellen	 har to svakheter. Det ene er 	allerede nevnt, nemlig at sammenhengen mel-	
lom befolkningssammensetning og investerings	- og gjeldsnivå fra de økonometriske analysene 	
ikke 	er statistisk overbevisende	 for alle variablers vedkommende	. Det andre er at kommunenes 	
investeringer varierer 	tilfeld	ig i statistisk forstand 	fra år til år, særlig for enkelte tjenesteområder 	
og i små kommuner. 	Det betyr at noen kommuner	 i et år	 har null investeringer, mens andre har 	
stor	e investeringer	 det året	. Når vi predikerer 	kommunale investeringer for hver kommune fører 	
dette til at noen kommuner får 	svært lave predikerte verdier	, mens andre får svært høye	. Dette 	
«heltallsproblemet» 	løser vi ved å aggregere opp 	resultater til samlede investeringer for hele lan-	
det, eller for s	tørre grupper av kommuner. 	Aggregeringen gjør at vi 	forhåpentlig	 treffer i 	
0	
500 000
1 000 000
1 500 000
2 000 000
2 500 000	
SSB: Hovedalternativet (MMMM)	
Telemarksforskning	
SSB: Hovedalternativet (MMMM)	
Telemarksforskning	
SSB: Hovedalternativet (MMMM)	
Telemarksforskning	
SSB: Hovedalternativet (MMMM)	
Telemarksforskning	
SSB: Hovedalternativet (MMMM)	
Telemarksforskning	
SSB: Hovedalternativet (MMMM)	
Telemarksforskning	
A	B	C	D	E	F	
Antall personer	
0-4 år	5-15 år	16-66	67-79 år	80-89 år	90+ år

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	21	 	
 
gjennomsnitt.	5 En alternativ metode kunne vært å 	bruke et gjennomsnitt over investeringer i hver 	
kommune over en lengre tidsperiode	 som utfallsvariabel	, men dette ville ført med se	g et annet 	
problem	, nemlig at det kan ligge en tidstrend i hvordan kommunene investerer. 	 	
1.4	 	Forskjell mellom kommuner 	– komparativ analyse 	mellom	 kom-	
munegrupper fra prosjektet 	«Framtidsverktøyet 2040	» 	
Vista Analyse 	har vært	 engasjert av KS 	i prosjektet «	Fram	tidsverktøyet 2040», som nylig ble pre-	
sentert av KS	. En del av dette verktøyet omfatter en analyse av hver enkelt kommunes situasjon 	
for 2020	. Brukeren ledes over i et sett med valgalternativer som 	fører en inn mot hva som vil skje 	
med kommunen i 2040. En	 sentral del av oppdraget 	var	 å utvikle en kategoriseringsmodell 	for 	
norske kommuner. 	Modellen heter «	Min kommune» og 	er bygget opp ved bruk av både kvalita-	
tive og kvantitative 	variabler	 som er sammenstilt og vektet under fire indikatorer.	6 De fire indika-	
toren	e ble avledet som sentrale/kritiske faktorer for kommuner med næringsvekst i prosjektet 	
«Gode vertskapskommuner for næringslivet»	, som Vista 	Analyse	 gjennomførte for	 KS	 (Vista 	
Analyse og Samfunnsøkonomisk Analyse, 2021)	. De fire indikatorene er:	 	
• 	Kommunal sårbarhet	 	
• 	Bostedsattraktivitet	 	
• 	Næringsliv	 	
• 	Stedegne ressurser	 	
Indikatorene 	brukes til å identifisere seks kommunetyper som hver har et likeartet resultat	 langs 	
de fire indikatorene. De seks kommunetypene er	 beskrevet i	 Tabell 	1.1. og 	Figur 	1.2 . Figur 	1.3 	
viser hvordan kommunene i hver kategori slår ut etter SSBs sentralitetsindeks.	 	
En 	mer detaljert	 forklaring av hvordan 	resultatene er beregnet er gitt i metodevedlegg 	A. En over-	
sikt over hvilke kommuner som er	 plassert	 i hvilke 	kommune	kategorier, og hvilken score 	de har 	
fått	 på de ulike indikatorene 	er gitt i vedlegg 	B. 	
Kommunegruppe A 	består av 20 kommuner som i all hovedsak 	er store	 og	 sentralt beliggende.	 	
Oslo, Stavanger,	 Bergen, Trondheim, Tromsø,	 Haugesund, Sandnes, 	Rana, 	Bærum, Kongsberg 	er 	
i denne 	gruppen. 	Men vi finner også Hemsedal, Hole, Tønsberg	 og Klepp i samme gruppe. Disse 	
scorer høyt på alle de fire indikatorene.	 	
I kommunegruppe B finner 	103 kommuner, Felles for disse er en score over middels på alle fire 	
indikatorene. Her finner vi 	en rekke omlandskommuner til de store byene, altså kommuner med 	
høy bostedsattraktivitet. 	Hamar, Gjøvik, Ringsaker, Flekkefjord er eksempler fra denne gruppen.	 	
I kommunegruppe C 	har vi 	44 	kommuner med lav kommunal sårbarhet, altså relativt godt drevne 	
kommuner, men med lav score på de øvrige indikatorene. 	Her finner vi 	flere kommuner med 	
kraftinntekter	. 	
 	
5 I tillegg sørger vi for at modellen treffer i basisåret (2021) ved å kalibrere slik at det predikerte utgangspunktet er lik 
det observerte utgangspunktet.	 	
6 Resultate	ne fra	 modellen er presentert på KS sine nettsider som en del av «Fremtidsverktøyet 	2040». 	
https://www.ks.no/fagomrader/innovasjon/norge	-2040/min	-kommune/

Komm	unenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	22	 	
 
I kommunegruppe D har vi 	35 	kommuner 	som har høy kommunal s	årbarhet, men med relativt 	
høy score på de tre andre indikatorene. Eksempler på kommuner i denne gruppen er Kristian-
sund, Ålesund, Voldsa, 	Fredrikstad, Ringerike, Kongsvinger, Lillehammer, Horten, Notodden, 	
Steinkjer, Levanger Alta og Vadsø.	 Dette er kommu	ner med driftsmessige utfordringer.	 	
I kommunegruppe E	 har vi 39 kommuner med 	lav score på alle indikatorene, men med en belig-	
genhet nær et regionsenter som ligger i kategori A eller B. 	Dette gir dem et potensial som kan 	
synes uutnyttet. Eksempler er 	Sande,	 Evenes og Overhalla.	 	
I kommunegruppe F	 har	 vi 115 	kommuner	 som scorer lavt på alle indikatorene og som har ut-	
fordringer på mange områder. Blant disse finner vi Kragerø, Trysil, 	Tvedestrand, Tydal, Fjaler m fl. 	 	
Tabell 	1.1 	Din kommune 	- beskrivelse av kommu	netyrper	 	
Kommune-
type	 	
Kort beskrivelse	 	Lang beskrivelse	 	
A 	Stor og sentral	; 	
«best i alt»	 	
Presskommuner med svært god styring 	– med høy 	
score på alle 	fire indikatorene	 	
B 	Mellomstor og robust;	 	
«nest best i alt»	 	
Kommuner med god styring 	- ofte presskommuner. 	
Nest best score på indikatorene.	 	
C 	Små, men drifter godt; 	 	
«begrenset attraktivitet»	 	
Kommuner med begrenset attraktivitet. Nest best 
score på 	indikatoren kommunal sårbarhet (ofte god 	
økonomi), men lav score på de øvrige indikatorene.	 	
D 	Mellomstor, men sårbar	; 	
«attraktiv, men utfordringer»	 	
Attraktive kommuner med utfordringer 	– utford-	
ringen knytter seg til kommunal drift. 	 	
Ofte regionsentre.	 	
E 	Nært 	et 	stort regionsenter	; 	
«uforløst potensial»	 	
Kommuner med store utfordringer, og lav score på 
alle indikatorene, men med et potensial fordi de lig-	
ger i en region med et senter i kategori A eller B.	 	
F 	Små og perifere; «svært ut-	
fordrende 	fremtid»	 	
Kommuner med store utfordringer. Perifere kommu-	
ner med lav score på alle fire indikatorene.	 	
Kilde:	 	Vista Analyse

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	23	 	
 
Figur 	1.2 	Antall kommuner i de ulike kategoriene	 	
 	
Kilde	: 	 Vista Analyse	 	
20	
103	
44	35	39	
115	
0
20
40
60
80
100
120
140	
A: Stor og
sentral, "best i	
alt"	
B: Mellomstor
og robust,
"nest best i	
alt"	
C: Små, men
drifter godt,
"begrenset
attraktivitet"	
D: Mellomstor,
men sårbar,
"attraktiv, men
utfordringer"	
E: Nært et	
stort	
regionsenter,
"uforløst
potensial"	
F: Små og
perifere,
"svært	
utfordrende
fremtid"	
Antall kommuner

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	24	 	
 
Figur 	1.3 	Antall kommunetyper 	med	 andeler 	etter SSBs sentralitetsindeks	 	
 	
Kilde	: 	 Vista Analyse	 	
3	3	
5	11	
3	
9	
28	
3	
8	
1	2	
2	
29	
4	
9	
12	15	
1	
17	
20	
11	
15	
32	
15	
17	4	11	
66	
0
20
40
60
80
100
120
140	
A: Stor og
sentral, "best i	
alt"	
B: Mellomstor
og robust,
"nest best i	
alt"	
C: Små, men
drifter godt,
"begrenset
attraktivitet"	
D: Mellomstor,
men sårbar,
"attraktiv, men
utfordringer"	
E: Nært et	
stort	
regionsenter,
"uforløst
potensial"	
F: Små og
perifere,
"svært	
utfordrende
fremtid"	
Antall kommuner	
Sentralitet 1	Sentralitet 2	Sentralitet 3	Sentralitet 4	Sentralitet 5	Sentralitet 6

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	25	 	
 	
2	 	Scenarier for 	samlet	 kommunal 	
gjeldsutvikling	 	
I dette kapittelet presenter vi 	den 	predikerte	 samlede gjeldsetterspørselen 	fra kommunene. 	
Gjeldsetterspørselen 	er sammensatt av etterspørselen fra de tre områdene vi fokuserer mest på; 	
barnehage, grunnskole og pleie og omsorg	, o	g resterende investeringer 	utenom 	investeringer i 	
vann, avløp og renovasjon (	VAR	).7 De tre tjenesteområdene er fr	amskrevet basert på 	de statis-	
tiske metodene som er beskrevet i foregående kapittel	. Resultatene f	or hver av de tre investe-	
ringsområdene er dedikert hvert sitt kapittel (kapittel 	3-5), mens 	den statistiske metoden som 	
ligger bak framskrivingene er nærmere beskrevet i kapittel 	7. Øvrige investeringer fr	amskrives 	
som en konstant andel	 av investeringene i de tre 	modellerte investeringsområdene	. Det betyr i 	
praksis at disse investeringene drives av de samme forklaringsfaktorene som de modellerte in-
vesteringene.	 	
2.1	 	Tre hovedscenarier med ulike 	befolkningsframskrivinger	 	
Som forklart i forrige	 kapittel 	har vi benyttet tre befolkningsframskrivinger for å 	framskrive tre 	
mulige scenarier for gjeldsutvikling	: SSBs hoved	alternativ	 (MMMM)	, SSBs 	lavvekstalternativ	 	
(LLML) 	og Telemarksforsknings 	alternativ	 (historisk)	. 	
I Figur 	2.1 ser vi d	e tre scenarioene	 for gjeldsutvikling 	illustrert	. På tvers av scenarioene synes det 	
at 	nivået på de totale, gjeldsfinansierte investeringene 	øker noe	 over 	prediksjonsperioden	. For-	
utsatt SSBs hovedalternativ (MMMM) øker de 	kommunale	 gjel	dsfinansierte investeringene med 	
13 prosent mellom 2022 og 2035. 	Telemarksforsknings alternativ og 	SSBs lavvek	stalternativ 	gir	 	
en økning på 	henholdsvis	 8 og 	0,3 prosent. 	Alle alternativene predikerer 	en vekst de nærmeste 	
årene.	 	
 	
7 FGK14 Vann, avløp, 	renovasjon, avfall	, altså 	VAR	-investeringer holdes utfor, da de i stor grad finansieres gjennom 	
brukerfinansiering (kommunale avgiftet etc.) og slikt sett ikke påvirker kommunal gjeldsetterspørsel.

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	26	 	
 
Figur 	2.1 	Total	 gjeldsetterspørsel (	utenom	 VAR)	 	
 	
Kilde:	 	Vista Analyse	 	
Flere eldre	 blir krevende	 	
En økende andel eldre vil	 kreve større investeringer	 i pleie og 	omsorgssektoren	. Dette ser vi når 	
vi 	analyserer 	pleie	- og omso	rgsinvesteringene	 for seg selv (neste kapittel). S	amtidig	 blir 	det	 	
mindre 	behov for	 grunnskole	- og barnehageinvesteringer	 i mange kommuner	, når a	ndelen yngre 	
faller	. De sentrale tilflyttingskommunene vil 	ha behov for investeringer i alle sektorer	. At gjelds-	
etterspørselen 	ikke øker mer enn den gjør 	i møte med økte, forventede 	investeringer i 	pleie og 	
omsorgssektoren 	forklares i vår analyse av at	 kommunene 	samlet sett	 samtidig reduserer gjelds-	
finansierte investeringer i grunnskole og barnehage. 	 	
LLML har gunstigere befolknin	gssammensetning fra et investeringssynspunkt	 	
LLML predikerer lavest 	nivå	 av 	de tre alternativene	, mens MMMM kommer ut på topp	. Dette er 	
fordi	 gjeldsfinansieringen drives	 blant annet av 	endringer i befolkningsmengde	- og sammenset-	
ning. 	I LLML er sammensetningen 	gunstigere	. Det ser vi lettest ved å sammenlikne endring i in-	
vestering og endring i befolkning. Med utgangspunkt i LLML er befolkningen 	i MMMM	- og Tele-	
markalternativene 8	-13 prosent	 høyere, mens befolkningen bare er 5 prosent høyere. 	Lavere bar-	
netall og kortere levealder i LLML, sammen med lavere innvandring, avhjelper altså presset på 
kommunale investeringer. 	 Videre 	har	 vi 	estimert	 at en økning i investeringer per person på 	én 	
0	
5 000 000
10 000 000
15 000 000
20 000 000
25 000 000
30 000 000
35 000 000
40 000 000
45 000 000
50 000 000	
2022	2023	2024	2025	2026	2027	2028	2029	2030	2031	2032	2033	2034	2035	
Gjeldsfinansierte investeringeri tusen 2021
-kr	
SSB: Hovedalternativet
(MMMM)
SSB: Lav nasjonal vekst
(LLML)
Telemarksforskning

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	27	 	
 
kron	e gir omtrent 	66 øre mer i 	ny	 gjeld	. Det vil si at det totale investeringsnivået 	ligger på omtrent 	
60 milliarder 	i starten av periode	n, hvorav omtrent 40 av disse finansieres med ny gjeld.	 	
Sentralitet	 spiller inn	 	
Videre spiller sentralitet inn på nivået a	v gjeldsfinansierte investeringer. 	Det er stordriftsfordeler 	
i sentrale kommuner, slik at in	vesteringsnivået per innbygger er lavere. 	Og	 mer sentrale kommu-	
ner 	tar opp 	mindre 	gjeld per innbygger	, sammenliknet med	 mindre sentrale kommuner. 	På den 	
annen side 	konsentreres befolkningen 	over tid 	til 	sentrale kommuner	, som trekker i retning av 	
økt investering og gjeld samlet sett, i disse kommunene. 	 	
Dette påvirker ogs	å scenarioene skissert i	 Figur 	2.1, gjennom	 ulike flyttemønstre lagt til grunn i 	
befolkning	sscenarioene	. Blant annet legger Telemarkforskning til grunn en mer sentraliserende 	
befolkningsutvikling. 	Dette gjør at de stor	e kommune	ne	 vokser mer	, men 	det gir ikke utslag i 	
større gjeldsetterspørsel i disse kommunene, nettopp fordi gjeldsetterspørsel per innbygger går 
såpass mye ned. 	I fraflyttingskommuner får vi motsatt effekt, færre innbyggere trekker investe-	
ringer og gjeldsetterspørselen ned selv om 	gjeldsetterspørsel per innbygger går opp. 	Vi ser av 	
Figur 	2.2 at 	Telemarksforsknings alternativ predikerer lavere gjeldsutvikling enn MMMM	 for alle 	
kommunegrupper.	 	
2.2	 	Sa	mlet gjeldsetterspørsel per k	ommunegruppene 	 	
Kommunegruppene A	-F, 	som 	beskrevet i 	kapittel 1	, vil ha en ulik utvikling 	i sin samlede gjeldsfi-	
nansierte investeringsetterspørsel. Dette ser vi nærmere på i dette delkapittelet	. Figur 	2.2 viser 	
den prosentvise endringen i samlet gjeldsetterspørsel	 mellom 2022 og 	2035	 på hvers av kommu-	
negruppene.

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	28	 	
 
Figur 	2.2 	Totale, gjeldsfinansierte investeringer 	per kommunegruppe	 	 	
 	
Kilde:	 	Vista Analyse	 	
Først og frems	t viser figuren at forskjellene mellom de tre befolkningsframskrivingene 	er 	tydelig 	
også 	på tvers av kommunegruppene	; hovedalternativet gir en økt samlet gjeldsetterspørsel 	i alle 	
kommunegruppene	 (mellom 	11	 og 1	7 %). Det samme gjelder Telemarksforskning, men med en 	
noe 	mindre økning (mellom 	7 og 	11	 %). Lavvekstalternativet 	gir 	samlet sett kun en marginal øk-	
ning	. Kommunegruppe A 	vil redusere sin gjeldsetterspørsel i dette alte	rnativet, med om lag 2 	
prosent 	fra 2022	-nivå. 	Fra de økonometriske analysene ser vi at dette skyldes stordriftsfordeler. 	
Store kommune investerer 	som sag	t mindre per innbygger enn andre kommuner, og i tillegg fi-	
nansierer de investeringene sine med en mindr	e andel gjeld.	 	
Mellomstore bykommuner 	og små perifere kommuner 	særlig utsatt	 	
Kommunegruppe D 	og F 	får en 	økning på 	tre 	prosent i lavvekstalternativet.	 Gruppe D	 er en 	kom-	
mune	gruppe med mellomstore tettsteder og bykommuner, som forventes å få befolkningsvekst 	
-5%
0%
5%
10%
15%
20%	
Prosentvis endring mellom 2022 og 2035	
SSB: Hovedalternativet (MMMM)	SSB: Lav nasjonal vekst (LLML)	Telemarksforskning

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	29	 	
 
i årene som kommer, noe som vil gi økt investeringsbehov og økt gjeldsetterspørsel, til og med 
når	 lavvekstalternativet 	legges til grunn.	 	
2.3	 	Virkning	en	 av 	en trangere kommun	eøkonomi med mindre	 frie 	
inntekter 	 	
Frie inntekter en sentral forklaringsvariabel både i investeringsbeslutningen og for andelen av 
investeringer som finansieres med ny gjeld. Sammenhengen mellom frie inntekter og investe-
ringer kan tenkes å	 gjelde alle typ	er investeringer, men 	antas å være	 særlig	 relevant for investe-	
ringer som ikke er knyttet til lovpålagt virksomhet. 	I våre regresjonsanalyser 	ser vi	 at frie inntekter 	
er 	en signif	ikant 	forklaringsvariabel	 for investeringer i barnehage (	signifikant på 	10 pro	sents	nivå), 	
men er 	insignifikant	 for grunnskole	- eller pleie	- og omsorgsinvesteringer. 	Frie inntekter er heller 	
ikke 	signifikant	 i å forklare nytt gjeldsopptak. 	Figur 	2.2 	
Selv om fr	ie inntekter i seg selv ikke er en signifikant forklaringsvariabel i 	de fleste regresjonene, 	
har koeffisientene meningsfulle 	størrelser og retninger; 	mer frie inntekter er assosiert	 med økte 	
investeringer	 i alle tre investeringsområde	r. Videre er en økning i frie inntekter assosiert med et 	
lavere gjeldsopptak, alt annet likt. 	Sistnevnte er 	ikke veldig langt unna å være signifikant på 10 	
prosentsnivå.	8 Å undersøke hvordan framskrivingene endrer seg dersom kommunenes 	frie inn-	
tekter øker, er dermed en interessant og meningsfull øvelse.	 	
Kommunenes handlingsrom styres politisk	 	
Det finnes ingen prognose for utviklingen i kommunenes frie inntekter	 fremover	. Komm	unenes 	
handlingsrom 	er i stor grad et po	litisk	 spørsmål	, som avgjøres årlig i forbindelse med statsbud-	
sjettet. 	Vi kjenner likevel historikken til utviklingen i frie inntekter	, basert på 	KOSTRA	-data	. Utvik-	
lingen det siste drøye tiåret	 er oppsummert i	 Figur 	2.3. 	
 	
8 Detaljene om 	regresjonsanalysene 	gjennomgås i kapittel 	7.

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	30	 	
 
Figur 	2.3 	Frie inntekter (i 2021	-kroner) per person 2011	-2021	, predikert til 2035	 	
 	
Kilde:	 	Vista Analyse. Frie inntekter per person. I reelle 2021 kroner. 	 	
I perioden 2011	-2021 har det vært en økning i frie inntekter per per	son, målt i 2021	-kroner. Dette 	
betyr at kommunene reelt sett har fått mer frie inntekter å rutte med, per person. Gjennomsnitt-
lig årlig vekst i frie inntekter per person ligger på i underkant av 2 prosent	 i perioden	. Til sammen-	
ligning lå 	veksten i 	gjennoms	nittlig timeverksproduktivitet i Norge på rundt 2,1 prosent per inn-	
bygger i perioden 	1971	-2019 	(Finansdepartementet, 2021, s. 71)	. Anslått utvikling i dette måltal-	
let i perioden 2020	-2060 ligger på 1,3 prosent	.9 Med bakgrunn i dette er frie inntekter 	antatt	 å 	
vokse	 med 1,3 prosent per innbygger 	i basisberegningene våre	, altså med samme takt som 	den 	
antatte veksten i BNP fremover	. Dette er 	etter vårt skjønn 	det beste anslaget vi har på veksten i 	
frie inntekter fre	mover, uten å foreta 	videre analyser. Dermed er d	en predikerte linjen i 	Figur 	2.3 	
utviklingen i frie inntekter dersom 	inntektene	 øker med 1,3 prosent per innbygger 	fre	m mot 2035. 	
Dersom dette 	holder	, er 	frie inntekter per innbygger 	beregnet å 	ligge 	på 	i underkant av 80 kroner 	
per innbygger i 2035.	 	
Mulig scenario med 	økonomisk innstramming	 	
Selv om det synes mest sannsynlig at kommunenes frie inntekter vil øke 	fremover	, vil vi her se på 	
et scenario der frie inntekter holdes konstante over prediksjonsperioden.	 Dette er en virknings-	
beregning som kan illustrere en situasjon med 	trangere kommuneøkonomi fremover, for eksem-	
pel på grunn av politiske prioriteringer elle	r på grunn av økonomiske nedgangstider. 	 	
Figur 	2.4 viser 	hvordan totale gjeldsfinansierte investeringer endrer seg, dersom vi 	holde	r frie 	
inntekter konstant	 på 2021	-nivå i framskrivingene	. Sammenliknet med referansealternativet	, ser 	
vi at 	dette 	gir 	en mer moderat 	gjeldsutvikling i perioden. Det er fordi den positive effekten av økte 	
 	
9	 Perspektivmeldingen 2021.	 	Hentet fra:	 	https://www.regjeringen.no/no/dokumenter/meld.	-st.-14-	
20202021/id2834218/?ch=1	 	
0
10
20
30
40
50
60
70
80
90
Frie inntekter per person	
Frie inntekter per person
Predikert utvikling

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	31	 	
 
frie inntekter på investeringsetterspørselen er sterkere enn den dempende effekten denn	e øk-	
ningen har på 	den direkte gjeldsetterspørselen. 	Å holde frie inntekter fast 	gir en 	reduksjon 	i gjeld-	
setterspørsel 	på omtrent 	syv	 prosentpoeng i alle tre befolkningsalternativene	. Dette vil gjøre at 	
dersom vi legger 	SSBs lavvekstalternativ 	(LLML)	 til grunn vil nå gjeldsetterspørselen 	reduseres 	
mellom 2022 og 2035, mot en 	marginal 	økning 	i referansealternativet 	vist i	 Figur 	2.4. 	
Figur 	2.4 	Gjeldsfinansierte, totale investeringer 	virkningen av frie inntekter	 	
 	 
Kilde:	 	Vista Analyse	 	
7%	
-6%	
2%	
13%	
0%	
8%	
-10%
-5%
0%
5%
10%
15%	
Prosentvis endring mellom 2022 og 2035	
Konstant utvikling i frie
inntekter
Vekst i frie inntekter med 1,3
prosent årlig

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	32	 	
 	
3	 	Investeringer i pleie og omsorg	 	
I dette kapittelet ser vi på hvordan 	gjeldsfinansierte investeringer i pleie og omsorg	10 endrer seg 	
som følge av de tre befolkningsscenarioene. 	Vi studerer	 også hvordan frie inntekter påvirker 	
gjeldsetterspørselen knyttet til pleie og omsorg, og hvordan kostnadseffektiv velferdsteknologi 
og/eller 	smartere organisering kan redusere behovet for investeringer og ny gjeld. 	 	
Vi finner at 	investerings	- og gjeldset	terspørselen vil stige markant i alle befolkni	ngs-scenarioene 	
vi ser på. Det drives hovedsakelig av en økt andel eldre i befolkningen, som 	vil kreve økte	 ressurser 	
rettet mot 	eldre	. I tillegg 	har andelen unge uføre og utenforskap	 økt 	de senere årene, noe s	om 	
krever tilrettelegging og helsetjenester for 	alle aldersgrupper. Det vil også	 påvirke utviklingen. De 	
økonometriske analysene som ligger til grunn for framskrivingene bruker trender fra historiske 
data til å predikere utviklingen fremover. Frie inntekte	r er forutsatt å vokse med 1,3 prosent årlig 	
per person, i tråd med predikert utvikling i BNP satt frem i perspektivmeldingen 2021	.11 I kapittel 	
3.3	 er det skissert en analyse der vi forutsetter at det skjer et teknologiskift som gjør investe-	
ringene og gjeldsetterspørselen tilknyttet sektoren mindre.	 	
3.1	 	Tre hovedscenarier med ulike 	befolknin	gsframskrivinger	 	
Figur 	3.1 viser gjeldsfinansierte investeringer i pleie og omsorg, med tre ulike befolkningsscena-	
rioer. 	Størst økning 	får vi dersom SSBs hovedalterna	tiv (MMMM) realiseres, og minst økning får 	
vi dersom Telemarksforsknings alternativ realiseres. 	2022	-nivået på omtrent 11,5 milliarder, 	
framskrives til et sted mellom 15,3 og 16,2 milliarder kroner 	ny gjeldsetterspørsel knyttet til pleie	- 	
og omsorgsinveste	ringer i 2035.	 Med en gjeldsandel på om lag 0,66 tilsvarer dette investeringer 	
i 2035 på mellom 	23,	2 og 24,5 milliarder kroner.	 	
 	
10 Pleie og omsorgsinvesteringer er 	definert av	 KOSTRA	-postene «	FGK9 Helse	- og omsor	g» og «	FGK12 Sosialsektoren 	
samlet	». Husbanken gir tilskudd til omsorgsboliger og institusjonsplasser. Verdien av dette ligger ikke i KOSTRA og 	
er ikke tatt hensyn til i beregningene. 	
11	 Perspektivmeldingen 2021. Hentet fra: .	https://www.regjeringen.no/no/dokumenter/meld.	-st.-14-	
20202021/id2834218/?ch=1

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	33	 	
 
Figur 	3.1 	Gjeldsfinansierte investeringer i pleie og omsorg	 	
 	
Kilde:	 	Vista Analyse	 	
Mer s	entralisering	 i flyttemønsteret	 reduserer	 gjeldsfinansierte investeringer	 i pleie og 	
omsorg	 	
Med	 Telemarksforsknings befolkningsprognose flater investeringene	 i pleie og omsorg mer ut et-	
ter 2030, enn i SSBs framskrivinger. 	Telemarksforskning legger til grunn at flere flytter 	fra distrik-	
tene og inn til store og mellomstore byer	 enn prognosene til SSB. 	Dette er riktignok i hovedsak 	
de arbeidsføre, som bruker mind	re av omsorgstjenestene (men ikke null).	 Befolkning i seg selv 	
har imidlertid en indirekte effekt	: I prediksjonen av investerings	- og gjeldsetterspørselen ser vi at 	
større og mer sentrale kommuner investerer mindre i pleie og omsorg per innbygger, og fina	n-	
sierer mindre av sine investeringer med gjeld sammenlignet med små og mindre sentrale kom-
muner. Dette kan trolig tilskrives stordriftsfordeler som oppstår i større og mer sentrale kommu-
ner. Mer sentralisering, som Telemarksforsknings framskriving tilsier,	 betyr derfor at gjeldsetter-	
spørselen på landsbasis blir mindre.	 	
3.2	 	Gjeldsfinansierte pleie	- og omsorgsinvesteringer per kommune-	
gruppe	 	
De g	jeldsfinansierte investeringe	ne	 i Figur 	3.1 gir en god indikasjon på det	 aggregerte,	 overord-	
nede nivået og utviklingen	 frem mot 2035. 	Figuren sier derimot ingenting om forskjellene mellom 	
kommuner	. Vi benytte	r g	rupperingen 	i seks 	kommu	ne	kategorier	 fra prosjektet «	Framtidsverk-	
tøyet 	2040	». 
0	
1 500 000
3 000 000
4 500 000
6 000 000
7 500 000
9 000 000
10 500 000
12 000 000
13 500 000
15 000 000
16 500 000
18 000 000	
2022	2023	2024	2025	2026	2027	2028	2029	2030	2031	2032	2033	2034	2035	
Gjeldsfinansierte investeringeri tusen 2021
-kr	
SSB: Hovedalternativet
(MMMM)
SSB: Lav nasjonal vekst
(LLML)
Telemarksforskning

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	34	 	
 
I Figur 	3.2er 	de fr	amskrevne 	gjeldsfinansierte investeringe	ne	 aggregert på	 de seks kommune-	
gruppene. 	Figuren viser forskjell 	på gjelds	finansierte investeringer i pleie og omsorg 	som prosent-	
vis endring fra	 2022 til 2025, for de ulike 	befolkningsframskrivingene. 	 	
Figur 	3.2 	Gjeldsfinansierte investeringer i pleie og omsorg, forskjeller mellom kommu-
negrupper, 	prosentvis endring mellom 2022 og 2035	 	
 	
Kilde:	 	Vista Analyse	 	
Vi ser	 at 	gjeldsfinansierte investeringer	 øker mest i	 kommunegruppe F	, gruppen av små og peri-	
fere kommuner som forespeiles en «svært 	utfordrende framtid»	. Kommuner i denne 	gruppen	 vil 	
i gjennomsnitt 	øke sine gjeldsfinansierte investeringer i pleie og omsorg med	 mellom 	37	 og	 45	 	
prosent	, avhengig av befolkningsframskriving	. Det er likevel verdt å merke seg at gruppe B	-E får 	
nesten like stor økning som gruppe F for alle scenariene. 	 	
Den minste økningen i gjeldsfinansierte pleie	- og omsorgsinvesteringer	 finner vi 	blant	 kommu-	
ne	ne i kommunegruppa A, 	de største og mest sentrale kom	munene som er «best i alt». 	Disse får 	
i gjennomsnitt predikert en gjeldsfinansiert investeringsvek	st i pleie og omsorg på 	mellom	 29 og 	
38 prosent	. Det er lavere lånefinansieringsgrad som forklarer dette. 	Effekten er høyest i Tele-	
marksforsknings scenario, 	der den dominerer over det forhold at Telemarksforsknings scenario 	
har høyest innbyggertall i gruppe A.	 	
-10%
0%
10%
20%
30%
40%
50%	
Prosentvis endring mellom 2022 og 2035	
SSB: Hovedalternativet (MMMM)	SSB: Lav nasjonal vekst (LLML)	Telemarksforskning

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	35	 	
 
Tilsynelatende vil et scenario med lavere be	folkning gi høyere investering i gruppe A. 	Det kan 	
være en anomali i modellen. 	 	
3.3	 	Virkning av 	velferdsteknologi	 – scenario	analyse	 	
Utvikling i v	elferdsteknologi	, omorganisering av helsetjenester og 	andre effektivitetsfremmende 	
tiltak i pleie og omsorgssektor	en 	tilsier at vi vil 	kunne 	se store endringer i denne sektoren frem-	
over. 	Dette er hovedsakelig en respons på manglende helsearbeidere	 og ressurser	 i kommunene	, 	
koblet med 	teknologiske innovasjoner	. Mange kommuner har satset tungt på at flest mulig skal 	
kun	ne bo hjemme så lenge som mulig. Bruk av velferdsteknologi er ett 	av flere 	tiltak som 	tilrette-	
legger for dette. 	 	
Det er	 grunn til å tro at 	velferdsteknologi	 vil 	brukes mer fremover	. Vår modell er basert på histo-	
riske data, og tar 	derfor	 ikke 	eksplisitt 	inn over seg 	en kommende økt bruk av velferdsteknologi.	 	
Vi ønsker å analysere et scenario med økende bruk av 	velferdsteknologi, og har 	operasjonalisert	 	
dette ved 	å nedjustere 	betydninge	n av 	nåværende og kommende	 befolkning over 80 år 	for inves-	
tering 	i pleie og omsorg	 i våre	 økonometriske	 modeller	. Andelen over 80 år er en variabel som 	
inngår i 	modellen, og gitt at det er eldre som krever flest ressurser fra helsevesenet har vi valgt å 	
ne	djustere effekten av denne variabelen. 	 	
For én enhets økning i andelen over 80 år	 (relativt til de i alderen 0	-49 år)	 har våre basismodeller 	
estimert en	 økt investering per person på 30	0 kroner	, vist i 	Tabell 	7.1. I scenarioanalysen har 	vi 	
nedjustert	 dette	 med 20 prosent	. Det vil si at dersom det blir flere eldre over 80 år, relativt til de 	
yngre fremover, synker investeringsetterspørselen 	per eldre 	med 	20 prosent	, sammenliknet med 	
basis	modellen. 	 	
Virkningen av dette 	er illustrert	 i Figur 	3.3. Her er de mø	rkeste 	søylene 	utviklingen skissert tidli-	
gere i kapittelet, mens de lysere søylene viser 	utviklingen dersom vi legger til grunn et teknologi-	
skift i 	2022. 	I basisberegningen øker d	e gjeldsfinansierte 	investeringene i pleie og omsorg mellom 	
34 og 41 	prosent	 over perioden	, avhengig av befolkningsscenario.	 Det modellerte skiftet i vel-	
ferdsteknologi reduserer denne veksten	 til mellom 22 og 30 	prosent	. Bortsett fra avrunding er 	
forskjellen lik i alle befolkningsscenariene.

Kommunenes gjeldsettersp	ørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	36	 	
 
Figur 	3.3 	Gjeldsfinansierte i	nvesteringer i pleie og omsorg, med og uten teknologi-	
skift 	 	
 	
Kilde:	 	Vista Analyse	 	
Velferdsteknologi reduserer gjeldsgraden	 	
Denne analysen	 viser at 	velferds	teknologi	 kan 	bidra til	 å redusere investeringene i 	pleie og om-	
sorg	 fremover. 	Operasjonaliseringen av teknologiski	ftet er en forenkling, siden den er modellert 	
slik at teknologiskiftet skjer 	på ett tidspunkt og effekten er 	proporsjonal for hele analyseperioden. 	
Eventuelle økninger i drifts	kostnader er ikke tatt hensyn til, men er ikke avgjørende for etterspør-	
selen ett	er ny gjeld. 	Velferdsteknologi er allerede i bruk, og økt bruk 	og medfølgende effektivise-	
ringsgevinster	 vil mest	 sannsynlig	 skje gradvis. 	Analysen gir likevel en brukbar illustrasjon av hvor-	
dan 	effektivisering kan tenkes å påvirke kommunal gjeldsetterspørs	el innen pleie og omsorg. 	 	
3.4	 	Virkning	 av 	en trangere kommuneøkonomi med mindre 	frie inn-	
tekter	 	
Frie inntekter 	inngår som en forklaringsfaktor for investerings	- og gjeldsetterspørsel i alle tre tje-	
nesteområdene. 	Effekten av frie inntekter fremover er bestemt i modellene ut ifra den historiske 	
utviklingen i frie inntekter i kommunene	, og antas å 	vokse med 1,3 	prosent årlig per person	. 	
I dette 	delkapittelet studerer vi h	va som skjer dersom 	frie inntekter 	holdes konstant på 2021	-nivå	 	
frem til 2035	. Virkningsberegningen er ment å illustrere en hypotetisk situasjon med lavere øko-	
nomisk handlingsrom fremover. 	Forskjellen mot referansealternativet er	 illustrert i 	Figur 	3.4. 	
41%	40%	
34%	
30%	30%	
22%	
0%
5%
10%
15%
20%
25%
30%
35%
40%
45%
50%	
SSB:	
Hovedalternativet	
(MMMM)	
SSB: Lav nasjonal
vekst (LLML)	
Telemarksforskning	
Prosentvis endring mellom 2022 og 2035	
Referansescenario
Teknologiskift

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	37	 	
 
Figur 	3.4 	Gjeldsfinansierte investeringer i pleie og omsorg, virkningen av frie 	inntek-	
ter 	 	
 	
 	
Kilde:	 	Vista Analyse	 	
Dersom kommunene 	ikke 	får 	en vekst i 	frie inntekter 	per person	 ser vi at 	etterspørselen etter 	
gjeldsfinansierte investeringer 	blir	 noe	 mindre	. Tilbakegangen ligger på omtrent 	fire 	prosentpo-	
eng sammenlignet med referansealternativet med vekst i fri	e inntekter på 1,3 prosent årlig.	 Bort-	
sett fra avrunding er 	tilbakegangen lik (lik	e mange prosentpoeng) i alle scenariene. 	 	
 	
38%	37%	
30%	
41%	40%	
34%	
0%
5%
10%
15%
20%
25%
30%
35%
40%
45%
50%	
Prosentvis endring mellom 2022 og 2035	
Konstant utvikling i frie
inntekter
Vekst i frie inntekter med 1,3
prosent årlig

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	38	 	
 	
4	 	Investeringer i barnehage	 	
I dette kapittelet ser vi på hvordan gjeldsfinansierte investeringer i barnehage	12 endrer seg som 	
følge av de tre befolkningsscenarioene. 	 	
Det knytter seg 	særlig 	to hovedutfordringer til barnehageutbygging. Det ene er 	behov for flere 	
barnehager der det er tilflytting	, utbygging av nye boligfelt	 og flere barn. Det andre er 	kommuner 	
der d	et pågår effektivisering av drift gjennom sammenslåing av flere barnehager og et behov for 	
å bygge nye, større barnehager.	 Begge 	kommunetyper kan imidlertid 	stå i en situasjon på kort 	
eller lang sikt der 	antall barn i barnehagealder går ned	. 	
4.1	 	Tre hovedscena	rier med ulike 	befolkningsframskrivinger	 	
Våre beregninger tyder på at	 investering	s- og gjeldsetterspørselen	 i barne	hage reduseres frem 	
mot 2035	, men at størrelsen på denne reduksjonen er 	i stor grad avhengig av 	realisert befolk-	
ningsutvikling. 	Dette er illustrert i 	Figur 	4.1. 	
Figur 	4.1 	Gjeldsfinansierte investeringer i barnehage	 	
 	
Kilde:	 	Vista Analyse	 	
Betydelig 	forventet	 nedgang mot 	2027	 	
Gjeldsetterspørselen 	knyttet til barnehager 	vil synke 	fra et toppnivå i 2022	, på omtrent 	1,6 milli-	
arder,	 til 	et bunnivå 	rundt 	2027	 på om	trent 1	,4 milliarder	 for SSBs hovedalternativ (MMMM)	. 	
 	
12 Pleie og omsorgsinvesteringer er definert av KOSTRA	-posten «	FGK7 Barnehage	». 	
0	
200 000
400 000
600 000
800 000
1 000 000
1 200 000
1 400 000
1 600 000
1 800 000	
2022	2023	2024	2025	2026	2027	2028	2029	2030	2031	2032	2033	2034	2035	
Gjeldsfinansierte investeringeri tusen 2021
-kr	
SSB: Hovedalternativet
(MMMM)
SSB: Lav nasjonal vekst
(LLML)
Telemarksforskning

Kommunenes	 gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	39	 	
 
Telemarksforskning følger omtrent samme trend, men ligger noe lavere hele veien. 	Gitt disse to 	
alternativene vil 	gjeldsetter	spørselen tilknyttet barnehage stige relativt jevnt fra 2027 mot 	2035	, 	
og endre på mello	m 	1,4 og 1	,6 milliarder	 kroner i årlig ny gjeldsetterspørsel	. Dersom SSBs lav-	
ve	kstalternativ (LLML) realiseres ser vi at 	gjeldsetterspørselen synker dramatisk mot 2024 og re-	
duseres deretter i en lavere takt mot 2035. 	 	
Nøkkelen til å forstå disse trendene e	r samlet fruktbarhetstall. 	I SSBs mellomalternativ, og Tele-	
marksforsknings alternativ, er 	fruktbarheten forventet å stige fra 1,5 til 1,7 fra 2025. Det trekker 	
med seg økt behov for barnehage rett etterpå. I SSBs lavvekstalternativ går fruktbarheten ned ti	l 	
1,3, som reduserer behovet for barnehager. 	 	
Gjeldsetterspørselen tilk	nyttet barnehageinvesteringer avhenger 	også	 av andelen private barne-	
hager	 og eventuelt utviklingen i 	denne	. Vi finner en signifikant 	økt gjeldsetterspørsel (på 10 pro-	
sentsnivå) av en høyere andel kommunale barnehager. I framskrivingene har vi lagt til grunn at 
andelen barn i kommunale barnehager forblir som i dag. Dersom 	dette viser seg å ikke bli tilfellet, 	
og for eksempel andelen barn	 i private barnehager øker, vil den kommunale gjeldsetterspørselen, 	
alt annet like, bli lavere enn 	nivåene i 	Figur 	4.1. 	
4.2	 	Gjeldsfinansierte barnehage	investeringer	 per k	ommunegruppe	 	
Aggregert 	har vi sett	 at 	både 	investeringsnivået 	og gjeldsetterspørselen 	knyttet til	 barnehager 	
reduseres kraftig mot 20	27.	 Kommunegrupperingen er igjen benyttet for å se på	 hvordan ned-	
gangen fordeler seg mellom 	kommune	typer	. Figur 	4.1 viser	 forskjellene mellom 	det predikerte 	
investeringsnivået 	i 2022 og 2035 for 	de seks 	kommunegruppene,	 med de tre befolkningsfram-	
skrivingene.

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	40	 	
 
Figur 	4.1 	Gjeldsfinansierte investeringer i barnehage	, forskjeller mellom kommune-	
grupper, prosentvis endring mel	lom 2022 og 2035	 	
 	
Kilde:	 	Vista Analyse	 	
Fra 	2022	-nivå	et vil alle kommunegrupper redusere sine gjeldsfinansierte investeringer i barne-	
hage	, særlig i LLML	-alternativet	. Forskjellen mellom kommunegruppene er 	dog ikke veldig stor i	 	
dette tilfellet, 	og ligger på mellom 41 og 46 prosent.	 	
I hovedalternativet er det derimot en mer ulik utvikling mellom kommunegruppene. 	De mest ro-	
buste kommunene, i gruppe A og B, får en reduksjon på omtrent 5	-6 prosent i dette 	tilfellet	. I 	
gruppe A har v	i store sentrale byer, mens en høy andel i gruppe B er nabokommuner med høy 	
bostedsattraktivitet. 	Kommunegruppe C og E har relativt uendrede nivåer, mens gruppe D og F 	
får en økning på omtrent 5	-6 prosent. 	Gruppe D er små og mellomstore bykommuner, ofte re-	
gionsentre som har hatt en viss tilflytting, noe som 	påvirker investeringer i barnehager. Gruppe 	F 	
er vanskelig å forklare, men det kan ha vært konsekvenser av nedleggelser som følge av 	effekti-	
visering.	 
-50%
-40%
-30%
-20%
-10%
0%
10%	
Prosentvis endring mellom 2022 og 2035	
SSB: Hovedalternativet (MMMM)	SSB: Lav nasjonal vekst (LLML)	Telemarksforskning

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	41	 	
 
Telemar	ksforsknings alternativ, som forutsetter den samme befolkningsutviklingen som MMMM 	
på 	landsbasis,	 men mer/raskere 	tilflytting mot byene	, predikerer en nedgang i 	barnehage	inves-	
teringer 	for alle kommunegruppene, igjen størst for gruppe A og B. 	 	
4.3	 	Virkning av 	en	 trangere kommuneøkonomi med mindre	 frie inn-	
tekter	 	
I basisprediksjonen er det lagt til grunn at frie inntekter per person 	vokser med 1,3 prosent per 	
person per år i 	analyseperioden. I denne scenarioanalysen ser vi på et alternativ hvor frie inntek-	
ter i ste	det 	holder seg på 2021	-nivå, for å illustrere en 	situasjon med trangere kommuneøkonomi	. 	
Resultatet av denne scenarioanalysen er illustrert i 	Fig	ur 	4.2. Samlet viser analysen at dersom frie 	
inntekter 	per person	 holder seg konstant	, alt annet likt, 	vil 	gjeldsetterspørselen knyttet til inves-	
teringer i barnehage 	reduseres	. Det gjelder uavhengig av 	befolkningsframskriving. 	MMMM og 	
Telemarksforskning gir en nedgang på omtrent 29 prosentpoeng, mens LLML gir en nedgang på 
omtrent 23 prosentpoeng. Forskjellen 	kan trolig 	forklares	 ved at det er færre 	innbyggere 	i LLML	-	
alternativet, 	sammenliknet med de to andre alternativene. 	 	
Fig	ur 	4.2 	Gjeldsfinansierte investeringer i barnehage, virkningen av frie inntekter 	 	
 	
Kilde:	 	Vista Analyse	 	
 	
-32%	
-68%	
-43%	
-3%	
-45%	
-14%	
-80%
-70%
-60%
-50%
-40%
-30%
-20%
-10%
0%
10%	
Prosentvis endring mellom 2022 og 2035	
Konstant utvikling i frie
inntekter
Vekst i frie inntekter med
1,3 prosent årlig

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	42	 	
 	
5	 	Investeringer i 	grunnskole	 	
I dette kapittelet ser vi på hvordan gjeldsfinansierte investeringer i grunnskole	13 endrer seg som 	
følge av de tre befolkningsscenarioene. 	 	
Investeringer i grunnskole 	henger sammen med befolkningsvekst, som særlig gjelder for kommu-	
ner som ligger sentralt. Mange kommuner har imidlertid 	et stort vedlikeholdsetterslep på skole-	
bygninger, som	 periodevis krever nybygg. Det gjelder alle kommunetyper.	 Videre gjelder det 	
samme som for barnehager der effektivisering av drift og sammenslåing av skoler 	kan kreve ny-	
bygg uavhengig av prognoser for elevutvikling. 	 	
5.1	 	Tre hovedscenarier med ulike 	befolkning	sframskrivinger	 	
Resultatet av framskrivingene	 er illustrert i 	Figur 	5.1. Hovedbildet for dette tjenesteområdet er at 	
gjeldsetterspørselen tilknyttet grunnskole st	iger 	litt de 	nærmeste	 årene	, før den 	fra 	2024	 flater	 	
ut og 	avtar	 mot 2030	. LLML	-alternativet	 avtar mest i perioden, og 	gir en gjeldsetterspørsel på 	
rundt 	ti milliarder	 i 2035. De to andre alternativene, MMMM og Telemarkforskning	, flater ut fra 	
rundt 2030, og synes å stabilisere seg på 	et nivå 	på rundt	 9,3 milliarder kroner i året. 	 	
Framskrivingene er nært knyttet til fruktbarheten noen år før. I kapitlet om barnehage be	skrev vi 	
at SSBs hovedalternativ MMMM	 forutsetter økende fruktbarhetstall fra 1,5 til 1,7 barn per 	
kvinne, med start midt på 2020	-tallet. Noen år senere gir det	 et stabilt behov for investering i 	
grunnskole. I LLML holder fruktbarheten seg på 1,3, det blir	 færre barn	 i skolealder, og behovet 	
synker. 	 	
At MMMM 	og Telemarkforskning ligger så nærme hverandre her tilsier at sentralisering ikke på-	
virker 	gjeldsetterspørselen tilknyttet grunnskole i noe	n særlig grad.	 Det kommer av at 	effekten av 	
sentralitet på 	investeringsetterspørsel	en	, som predikert i modellene,	 er mindre i 	grunnskole enn 	
for de to andre tjenesteområdene. 	Ifølge	 modellene er mindre forskjell på investeringsetterspør-	
sel 	rettet mot grunnskole 	i usentrale og sentrale kommuner, enn i de to andre tjenesteområdene. 	 	
 	
13 Pleie og omsorgsin	vesteringer er definert av KOSTRA	-postene «	FGK8b Grunnskole	» og «	FGK13 Barnevern	».

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	43	 	
 
Figur 	5.1 	Gjeldsfinansierte investeringer i gru	nnskole	 	
 	
Kilde:	 	Vista Analyse	 	
5.2	 	Gjeldsfinansierte grunnskoleinvestering	er per kommunegruppe	 	
I Figur 	5.2 illustrerer 	vi 	forskjellene i gjeldsfinansierte 	grunn	skoleinvesteringer mellom kommu-	
negruppene. Forskjellen mellom 	kommunegruppene er 	liten, og 	mindre for skoleinvesteringer 	
enn det vi ser in	nen tjenesteområdene pleie og omsorg og barnehage. 	Dette forklares også av at 	
sentrali	sering	 i liten grad forklarer forskjeller i grunnskoleinvesteringer.	 	
0	
2 000 000
4 000 000
6 000 000
8 000 000
10 000 000
12 000 000	
2022	2023	2024	2025	2026	2027	2028	2029	2030	2031	2032	2033	2034	2035	
Gjeldsfinansierte investeringeri tusen 2021
-kr	
SSB: Hovedalternativet
(MMMM)
SSB: Lav nasjonal vekst
(LLML)
Telemarksforskning

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	44	 	
 
Figur 	5.2 	Gjeldsfinansierte investeringer i grunnskole	, forskjeller mellom kommune-	
grupper, prosentvis endring mellom 2022 og 2035	 	
 	
Kilde:	 	Vista Analyse	 	
Reduksjonen er 	minst	 og	 omtrent lik for kommunegruppe A	, B	 og D. Dette er attraktive 	og 	stort 	
sett sentrale 	by	- og omlands	kommuner	. Forskjellen mellom dem	 ligger i at 	kommunene i gruppe 	
A ofte er større og 	har 	bedre	 økonomiske forutsetninger	 enn 	gruppe D. At gruppe A	/B får 	minst	 	
nedgang	, forklares trolig ved at mer sentrale kommuner (som de i gruppe A	/B er) finansierer in-	
vesteringene sine med mindre gjeld enn andre komm	uner. At kommunegruppe D 	også reduserer 	
de gjeldsfinansierte grunnskoleinvesteringene 	mindre enn andre kommunegrupper	 drives i ho-	
vedsak av at kommunene i gruppe D forventes å få en større vekst blant barn i skolealder (5	-15 	
år) enn andre kommuner.	 	
De 	reste	rende kommunegruppene 	predikeres en relativt lik utvikling, med noe større reduksjoner 	
i sin gjeldsetterspørsel enn kommunegruppe A, B og D. 	Blant kommuner i gruppe C finner vi 	
mange kraftkommuner, som har god økonomi	. Likevel er det	 igjen verdt å merke se	g at forskjellen 	
-50%
-40%
-30%
-20%
-10%
0%
10%	
Prosentvis endring mellom 2022 og 2035	
SSB: Hovedalternativet (MMMM)	SSB: Lav nasjonal vekst (LLML)	Telemarksforskning

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	45	 	
 
mellom kommunegruppenes predikerte utvikling er mindre for grunnskoleinvesteringene enn for 
de to andre tjenesteområdene. 	 	
5.3	 	Virkning av 	en trangere kommuneøkonomi med mindre	 frie inn-	
tekter	 	
I basisprediksjonen er det lagt til grunn at frie inntekter per person 	vokser med 1,3 prosent 	årlig. 	 	
I denne scenarioanalysen ser vi på et alternativ hvor frie inntekter i stedet 	holder seg på 2021	-	
nivå 	ut analyseperioden.	 	
Effekten på de gjeldsfinansierte investeringene i grunnskole er illustrert i 	Figur 	5.3. For alle be-	
folkningsframskrivingene er 	den predikerte nedgange	n i gjeldsfinansierte grunnskoleinveste-	
ringer 	større	 dersom frie inntekter 	er konstante	, alt annet likt. 	Effekten er 	relativt uniform på 	
tvers av befolkningsframskrivingsscenario	, med en nedgang på 	omtrent 	syv 	prosentpoeng 	i alle 	
scenarioene	. 	
Figur 	5.3 	Gjeldsfinansierte investeringer i 	grunnskole	, virkningen av frie inntekter 	 	
 	
Kilde:	 	Vista Analyse	 	
 	
-21%	
-41%	
-22%	
-14%	
-35%	
-15%	
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%	
Prosentvis endring mellom 2022 og 2035	
Konstant utvikling i frie
inntekter
Vekst i frie inntekter med 1,3
prosent årlig

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	46	 	
 	
6	 	Andre beregninger	 	
6.1	 	Nett	o lånegjeld som prosent av driftsinntekter 	 	
Netto lånegjeld som andel av brutto driftsinntekter blir ofte benyttet til å vurdere kommunenes 
økonomiske handlingsrom	.14 Nivået har steget fra 	49,5 prosent i 2003 til 72,8 prosent i 2021. 	
Nivået nådde en 	topp i 2020 med en andel på hele 75,3 prosent	 netto lånegjeld som andel av 	
driftsinntekter	 for landet som helhet. 	 	
Figur 	6.1 viser utviklingen i netto lånegjeld som p	rosent av driftsinntekter fordelt på kommune-	
gruppene beskrevet i kapittel 1. Den overordnede trenden er den samme som 	på landsbasis	, men 	
det er relativt store forskjeller mellom kommunegruppene.	 	
Figur 	6.1 	Utv	ikling i netto lånegjeld som andel av driftsinntekter, 	kommunegrupper	 	
 	
Kilde:	 	Vista Analyse. Indeksert med befolkning i 2003. I reelle 2021 kroner. 	 	
Trenden 	har vist en 	stigende 	tendens	 siden 2003 for alle seks kommunegruppene. Det er relativt 	
stor forskjell på kommunegruppe A, som er nederst, og kommunegruppe D og F, som ligger øverst. 
Kommunegruppe D	, som ligger helt øverst, inneholder 	attraktive kommuner, 	ofte små og mel-	
lomstore bykom	muner	 og regionsentre, 	som 	har utfordringer knyttet til kommunal drift. 	Dette er 	
kommuner som har hatt tilflytting fra omlandet	 og som 	både har/har hatt befolkningsvekst og 	
 	
14	 Lånegjelden øker og flere kommuner har begrenset økonomisk handlingsrom	, 2019. Hentet fra: 	
https://www.ks.no/fagomrader/okonomi/kno/lanegjelden	-oker	-og-flere	-kommuner	-har	-begrenset	-okonomisk	-	
handlingsrom/	 	
0
0,2
0,4
0,6
0,8
1
1,2	
2003	2005	2007	2009	2011	2013	2015	2017	2019	2021	
Netto lånegjeld som andel av driftsinntekter i 2021
-	
kroner	
Kommunekategori A
Kommunekategori B
Kommunekategori C
Kommunekategori D
Kommunekategori E
Kommunekategori F

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	47	 	
 
økt andel eldre. 	I tidligere kapitler har vi sett at kommunene i denne 	gruppen forv	entes å ha høy 	
gjeldsetterspørsel også fremover. 	Samtlige kommunegrupper ser ut til å ha nådd en topp i 2020, 	
og de har redusert netto lånegjeld som prosent av driftsinntekter 	i 2021	. 	
6.2	 	Kommuner med spesielt høy 	lånefinansieringsgrad	 	
Lånefinansieringsgraden	 er her andelen av nye investeringer som finansieres med ny gjeld. 	I gjen-	
nomsnitt, p	å landsbasis ser denne 	ut til å ha ligget relativt stabilt på rett over 60 prosent siden 	
2015. 	Figur 	6.2 viser utviklingen 	for landsgjennomsnittet, 	de øverste	- og nederste ti prosentene 	
fra 2015 til 2021. 	Kommunene med høyest og lavest lånefinansieringsgrad ser ut til å konvergere 	
i 2017	, før de ligger relativt stabilt mot 2021. 	 	
Figur 	6.2 	Utvikling i lånefinansieringsgrad 2015 	- 2021	 	
 	
 
Videre er det interessant å vurdere hvorvidt kommunene med ekstra høy lånefinansieringsgrad 
skiller seg fra resten av kommunene. 	Her tar vi da utgangspunkt i kommunene 	som ligger blant 	
de 	ti prosent høyeste 	i lånefinansieringsgrad i gjennomsnitt for årene 	2019 til 2021. 	Deretter ser 	
vi på hvorvidt disse skiller seg fra 	resterende kommuner i 	sentrale verdier i 2021, som er det siste 	
året vi har 	statistikk	 for. 	 	
Som vist i 	Figur 	6.2 ligger kommunene med ti prosent høyest verdi på netto lånegjeld som andel 	
av driftsinntekter på rett over 80 prosent i perioden. 	 	
Videre har denne gruppen noe lavere 	frie inntekter per person i 2021, enn resterende kommuner. 	
Samtidig er også 	samlet i	nvest	ering per 	person i 2021 noe lavere. 	Gruppene ser ut til å fordele 	
seg 	relativt likt etter sentralitetsindeksen	 til SSB	. Det er dermed ingen 	tydelig 	trend i hvorvidt 	
kommuner med ekstra høy lånefinansieringsgrad er 	mer eller mindre sentrale enn resten.	 	
0
0,2
0,4
0,6
0,8
1
1,2	
2015	2016	2017	2018	2019	2020	2021	
Lånefinansieringsgrad	
Nederste ti prosent
Øverste ti prosent
Landsgjennomsnitt

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	48	 	
 	
7	 	De	 ø	konometriske modellen	e	 	
Scenarioene 	og resultatene 	som er presentert 	i foregående kapitler 	er basert på 	KOSTRA	-data fra 	
norske kommuner fra 2003 til 2021. 	Dataene er 	tilpasset dagens kommunestruktur med 356 kom-	
muner. 	Dette arbeidet er gjort av	 Kommunalbanke	n. 	
Basert på datagrunnlaget 	har vi 	satt opp en økonometrisk modell for å forklare 	hva som driver 	
investeringer i norske kommuner, og hvordan kommunene velger å 	finansiere disse investe-	
ringene. 	 	
I et første steg ble investeringer i de tre tjenesteområdene pleie og omsorg, barnehage og grunn-
skole 	predikert	 i tre ulike 	regresjons	modeller	. Deretter 	ble en modell for å forklare finansierings-	
beslutningen 	estimert	. Beslutningen	 om 	hvor mye som investere	s i hvert av de tre tjenesteområ-	
dene antas å være 	ulik	, og det er derfor tre ulike regresjonsmodeller lagt til grunn	 (investerings-	
ligningene)	. Beslutningen	 om hvordan disse investeringene skal finansieres antas å være lik	 	
(gjeldsligningen)	. Dermed 	er 	denne	 estimert på bakgrunn av totale investeringer og totalt gjelds-	
opptak	. For øvrig gir ikke KOSTRA informasjon om gjel	dsetterspørsel per 	type investering vi er 	
interessert i. 	 	
Modellene bruker både tids	- og kommunefaste effekter	 ved å tilegne hvert år og 	hver kommune 	
et eget fastledd	. Dette er en metode som er mye brukt for å 	luke ut så mye som mulig av varia-	
sjon	en	 som	 ikke fange	s opp eksplisitt i modellen. 	Tidsfaste effekter tar ut variasjon 	over tid	, og 	
kommunefaste effekter tar ut variasjon mellom kommu	ner. 	Dette gjøres ved 	å kontrollere for 	
gjennomsnittlig	e forskjeller over tid, og mellom kommuner i modellen. 	Koeffisientene	 gitt i mo-	
dellen tolkes dermed som 	effekten av én enhets endring 	i forklaringsvariabelen	 på den avhengige 	
variabelen	 i gjennomsnitt.	 	
I alle de tre modellene for investeringer i tjenesteområdene er fjorårets investeringsnivå en viktig 
forklaringsfaktor	 for årets investeringer	. Dette 	leddet, samt befolkningsframskrivingene, 	gir dy-	
namikken i modellen når den fr	amskrives. 	I alle 	modellene er seks små kommuner med under 	
500 innbyggere 	i 2022 	ekskludert	.15 Dette fordi så små kommuner gjerne kan gi ekstreme utslag	 	
når investeringer måles per innbygger	, noe som kan 	gjør	e modellen	 mer upresis	. 	
Flere av modellenes predikerte koeffisien	ter er ikke signifikante.	 Dette betyr at det ikke finnes 	
statistisk støtte for å rimelig sikkert si at verdien vi estimerer er ulik null.	 Vi vil likevel omtale stør-	
relsen på disse koeffisientene i det følgende, ettersom d	e er 	punktestimate	r som	 ligger til 	grunn 	
for modellens prediksjon av investering	- og gjeldsetterspørsel	. 	
Til slutt er det viktig å presisere at modellene forklarer investering per 	befolkning (pleie og om-	
sorg), per barn i barnehagealder (barnehage) og per barn i grunnskolealder (grunnskole)	. For å 	
finne 	nivået på investeringer multipliserer vi opp med disse størrelsene.	 	
 	
15 Disse er 	Utsira, Modalen, Røyrvik, Vevelstad, Træna og Røst	.

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	49	 	
 	
7.1	 	Investeringer i p	leie og omsorg	 	
I modellen for i	nvesteringer i pleie og omsorg 	er den avhengige variabelen investering	er per inn-	
bygger	. Dette fordi i	nvesteringer i denne sektoren antas å drives av 	brukere i 	alle befolk	nings-	
grupper	. Ulike m	odellspesifikasjone	r er vist i 	Tabell 	7.1Tabell 	7.1 under	. Spesifikasjonen som lig-	
ger til grunn for modellens beregninger	, er nummer 	fem	 i tabellen. 	Denne er valgt på bakgrunn 	
av sin relativt høye 	forklaringskraft, 	til tross for at antall observasjoner reduseres som følge av 	
inkludering av flere variabler. Videre velges denne spesifikasjonen på bakgrunn av de mer trover-
dige koeffisientene til befolknin	gsandelene	, sammenliknet med de alternative spesifikasjonene 1 	
til 4. 	 	
For små endringer i innbyggere kan vi tolke 	koeffisienten	 til «log innbyggere»	16 som den forven-	
tede endringen i investeringer per innbygger	 dersom antallet innbyggere i kommunen øker me	d 	
én prosent. 	Der denne koeffisienten er negativ tolker vi dette som at det finnes stordriftsfordeler	, 	
siden en større befolkning da 	trekker ned investeringsnivået per person	. Når vi sammenlikner 	
kommunene vil en kommune med høyt innbyggertall 	i dette tilf	ellet 	ha 	lavere investeringer per 	
innbygger, enn en liten kommune, alt annet likt. 	 	
Sentralitet 	er en annen forklaringsvariabel	. Her har vi benyttet	 SSBs sentralitetsindeks	.17 Sentra-	
litetsindeksen	 plasserer	 kommunene i seks grupper basert på deres sentralitet. 	De	 mest sentrale 	
kommunene, som Oslo	, Bærum og Lillestrøm 	verdien 1, mens de minst sentrale kommunene, 	
som 	Sømna, Røst og Tolga verdien 6. Vår foretrukne 	spesifikasjon	 estimerer	 at 	en kommune 	som 	
er et	t hakk lavere på sentralitetsindeksen	 vil ha en investering per person i pleie og omsorg 	på 	
16,3	 kroner mindre enn en kommune med alt annet likt, 	foruten 	en	 verdi 	lavere	 på denne indek-	
sen. 	Det vil si at mer sentrale kommuner	, målt ved indeksen,	 investerer 	marginalt 	mer per person 	
i pleie og omsorg	, enn mindre sentrale kommuner	.18 	
Modellspesifikasjon	 nummer 	fem	 indikerer	 også at 	en kommune med tusen kroner mer i frie inn-	
tekter	 (per person)	 enn en annen kommune	 vil 	investere 	rundt 35 kroner mer i pleie og 	omsorg	 	
(per person)	, alt annet likt. 	 	
En annen viktig forklaringsfaktor	 i regresjonsmodellen	 er 	påvirkningen av 	fjorårets 	investeringer 	
på årets investeringer. Her ser vi at 	dersom fjorårets investeringer var 	1 000 kroner høyere	 (per 	
person)	 vil årets inve	steringer være 	364 kroner høyere	 (per person)	, som følge av dette. Dette 	
forstår vi som at	 investeringer 	i de samme prosjektene 	gjerne 	gjøres	 over flere år. Dermed er 	
foregående års investeringsnivå en viktig 	forklaringsfaktor	 for årets investeringsnivå. D	enne 	ko-	
effisienten er signifikant på ett prosentnivå. Det vil si at 	det er høy sannsynlighet for at effekten 	
er 	til stede	. 	
Be	folkningsandeler i ulike aldersgrupper	 er sentrale forklaringsvariabler 	i denne regresjonsmo-	
dellen	. Dette fordi 	det 	er rimelig å 	anta at befolkning	ssammensetningen	 er en viktig driver av 	
investeringer i	nnen pleie og omsorg	. Koeffisientene til «andel 50	-66 år», «andel 67	-66 år» og 	
 	
16 Variabelen «innbyggere» er transformet med den naturlige logaritmen. 	 	
17 https://www.ssb.no/befolkning/artikler	-og-publikasjoner/sentr	alitetsindeksen.oppdatering	-med	-2020	-kommuner	 	
18 Vi presiserer at dette er en effekt av sentralitetsindeksen i seg selv. I tidligere kapitler har vi 	drøftet Telemarksforsk-	
nings befolkningsfr	amskriving, som forutsetter større grad av sentralisering enn MMMM	. Da prøvde vi å beskrive 	
effekten av en eller flere personer som flytter til en mer sentral kommune. 	Dette vil påvirke investeringer gjennom 	
befolkningsleddene, men også 	fordi investeringer i en sentral kommune (lav sentralitetsindeksverdi) får større vek	t 	
desto flere som bor der.

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	50	 	
 
«andel over 80» tolkes som 	effekten av at andelen i disse aldersgruppene øker med én 	prosent, 	
relativt ti	l andelen befolkning i aldersgruppen 0	-49 år. 	I vår foretrukne modellspesifikasjon 	(spe-	
sifikasjon 5) 	ser vi at dersom andelen over 80 år øker med én prosent 	vil investering per person i 	
pleie og omsorg øke med nærmere 	30	0 kroner	.19 Dette tallet er lavere for de andre befolknings-	
andelene, og reflekterer at det er personer over 80 år som er de viktigste brukerne av disse tje-
nestene. 	 	
I modellspesifikasjon nummer 5 er det også inkludert 	fremtidig 	befolkningsutvikling fem år frem 	
i tid f	or disse aldersgruppene. 	Ettersom det er vanskelig å finne data på 	fremtidig	 befolkningsut-	
vikling i hvert år tilbake til 2003	 er de	nne variabelen	 inkludert som realisert befolkningsutvikling 	
fem år frem i tid. 	Her ser vi at dersom man forventer en høyere a	ndel over 80 år fem år frem i tid 	
investeres det mer i pleie og omsorg. 	 	
«Register om betinget godkjenning og kontroll	» (ROBEK) 	er også en forklaringsvariabel	 i alle 	re-	
gresjonsmodellene våre	.20 ROBEK 	er kommuner som 	har 	så utfordrende	 økonomi	, at de	 er 	un-	
derlagt statlig kontroll med årsbudsjettet, låneopptak og langsiktige leieavtaler	. At vi ikke obser-	
verer en sterk effekt av å være på denne listen 	når det kommer til pleie	- og omsorgsinvesteringer	 	
kan 	tenkes å forklares av	 at 	disse investeringene	 må fore	tas uavhengig av 	kommunens økono-	
miske handlingsrom, fordi d	et er 	lovpålagte 	tjenester	. Vi ser imidlertid at 	det at 	kommuner havner 	
på ROBEK	-listen to år frem i tid (t+2) 	har en negativ, signifikant effekt på 	investeringer	 i pleie og 	
omsorg	 per person. 	Denne variabelen er kun tilgjengelig for noen år, ettersom 	den forutsetter 	
ROBEK data 	for to år frem i tid. Det vil si at effekten estimeres for eksempel i 2017, når vi vet 	
hvorvidt	 en kommune havnet på ROBEK	-listen i 2019. 	Den negative og signifikante koeffisienten 	
til denne variabelen	 kan tyde på at investeringene modereres noe i møte med 	(forventninger om 	
en) 	dårligere kommuneøkonomi	. 	
Samlet	 gir denne 	regresjons	modellen grunnlaget for framskrivingen av kommunenes investerin	g-	
setterspørsel frem mot 2035. 	 	
Tabell 	7.1: 	Utvalgte regresjoner 	– investeringer i pleie og omsorg 	 	
Investeringer i pleie og omsorg per person 	 	
Spesifikasjon	 	(1) 	(2) 	(3) 	(4) 	(5) 	
Log 	innbyggere	 	-0.938	 	(2.045)	 	-2.176	 	(1.901)	 	-2.244	 	(1.897)	 	-2.008	 	(2.184)	 	0.0418	 	(2.349)	 	
Sentralitet	 	-2.629	 	(3.181)	 	-4.375	 	(2.977)	 	-4.483	 	(2.969)	 	-4.193	 	(3.407)	 	-0.0163	 	(3.580)	 	
Andel 50	-66 år 	16.31	 	(14.78)	 	1.789	 	(14.15)	 	1.892	 	(14.15)	 	18.33	 	(15.70)	 	9.415	 	(13.89)	 	
Andel 67	-79 år 	25.16	 	(14.37)	 	10.08	 	(13.52)	 	9.352	 	(13.48)	 	16.83	 	(14.61)	 	6.375	 	(15.52)	 	
Andel	 over	 80 år 	-16.70	 	(26.60)	 	-6.978	 	(27.13)	 	-7.304	 	(27.11)	 	4.353	 	(33.69)	 	30.67	 	(20.43)	 	
Investeringer	 i 	pleie og omsorg (t-1) 	
 	0.394	*** 	(0.0482)	 	0.394	*** 	(0.0482)	 	0.441	*** 	(0.052	
0.364	*** 	(0.0383)	 	
 	
19 En endring i ett prosent utgjør en endring i andel på 	0,01. 30 * 0,01 = 0,3. Investeringene oppgis i tusen. Det vil si at 	
en endring i 0,3 utgjør en forskjell på 300 kroner. 	 	
20 Register om betinget godkjenning og kontroll (ROB	EK)	, 2022. Hentet fra 	https://www.regjeringen.no/no/tema/kom-	
muner	-og-regioner/kommuneokonomi/robek	-2/id449305/

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	51	 	
 	
0) 	
Robek	 status	 	 	 	-0.283	 	(0.181)	 	-0.0353	 	(0.199)	 	
-0.0454	 	(0.199)	 	
Robek	 status	 (t-2) 	 	 	 	-0.217	 	(0.186)	 	-0.296	 	(0.183)	 	
Robek	 status	 (t+2)	 	 	 	 	-0.441	* 	(0.196)	 	-0.452	* 	(0.199)	 	
Forventet andel 50-66 	år om 5 	år 	 	 	 	 	-20.61	 	(11.07)	 	
Forventet andel 67-79 	år om 5 	år 	 	 	 	 	-16.76	 	(13.61)	 	
Forventet andel over 80 	år om 5 	år 	 	 	 	 	2.960	 	(22.75)	 	
Frie	 inntekter	 per 	innbygger	 	0.0421	** 	(0.0140)	 	0.0420	** 	(0.0150)	 	0.0420	** 	(0.0150)	 	0.0146	 	(0.0299) 	
0.0352	 	(0.0242)	 	
N 	6535	 	6190	 	6190	 	5490	 	4800	 	
R2 	0.151	 	0.289	 	0.290	 	0.305	 	0.286	 	
Merk: 	Alle spesifikasjonene har både tids	- og kommunefaste effekter, samt robuste standardfeil. 	Spesifikasjonen som ligger til grunn for modellens 	resultater er uthevet.	21 	
7.2	 	Investeringer i b	arnehage	 	
I modellen for i	nvesteringer i 	barnehage	 er 	den avhengige variabelen 	investeringer i barnehage 	
per barn i 	relevant alder	sgruppe	 (1-4 år). 	Det er disse som 	er 	brukere	 av investeringene i barne-	
hagesektoren	, og det er derfor naturlig å anta at kommunene fatter sine investeringsbeslutninger 	
basert på hv	or mange de har i den relevante aldersgruppen.	 	
Modelloutputen er 	oppsummert	 i Tabell 	7.2. Spesifikasjonen	 som er lagt til grunn for 	prediksjo-	
nene i 	foregående kapitler er	 spesifikasjon	 nummer 3. Her ser vi at 	flere innbyggere predikerer 	
mindre investering per barn i barnehage. Dette tilsier at det er stordriftsfordeler 	i barnehage	in-	
vesteringene. Sentralitet er også en viktig 	forklar	ings	faktor. 	Modellen 	predikerer at en kommune 	
som er ett 	sentralitetsnivå lavere	 enn en annen kommune vil 	ha nesten 71	 000 kroner mindre i 	
investeringer i barnehage per barn, alt annet likt. 	 	
En kommune som har én prosent høyere andel barn i barnehagealder vil ha 	investeringer i bar-	
nehage per barn på 1650 kroner mer enn kommunen med lavere andel barn. 	Dette 	kan skyldes 	
at en	 høyere andel barn	 gir 	høyere	 prioritet	 til slike investeringer	. Videre	 vil e	n kommune med 	
1000 kroner mer i frie inntekter investere 224 kroner mer i 	barnehager per barn i barnehagealder 	
enn en tilsvarende kommune med 1000 kroner mindre i frie inntekter. 	Størrelsesordenen på disse 	
effektene er større enn i pleie og omsorg. 	Dette antas 	i stor grad å være 	fordi effekten her er 	
personer i relevant aldersgruppe, mens 	effekten 	i pleie og omsorg var 	totale innbyggere i kom-	
munen	, noe som skalerer effekten betydelig ned	. 	
Videre kan det også 	tenkes at effekten av frie inntekter er st	erkere i barnehage	investeringene 	
fordi det er 	bedre for en politiker	s popularitet	 å investere i barnehager enn i aldershjem, dersom 	
 	
21 I modell	spesifikasjon nummer 5	 er Narvik, Hamarøy, Heim, Hitra og Orkland ekskludert på grunn av manglende da-	
tagrunnlag.

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	52	 	
 
de får mer frie inntekter. 	Det kan tenkes at slike investeringer gir mer oppslutning ved neste valg. 	
Andel barn i kommunale 	barnehager er også	 naturligvis	 en viktig forklaringsfaktor på investerings-	
nivået per barn	 i kommunene	.22 	
Også 	for barnehager 	er 	fjorårets investeringer viktige 	for	 å predikere årets investeringer	, med et 	
etterslep på 257 kroner per økte tusenlapp	. Dersom en kommune er på ROBEK	-listen investerer 	
den mindre i barnehage enn en kommune som ikke er på denne listen, alt annet likt. 	I spesifika-	
sjon nummer 3, som ligger til grunn for modellen i øvrige kapitler er ikke ROBEK status to år frem 
eller 	tilbake i	 tid inkludert. 	Dette er fordi d	isse to variablene	 ikke viser seg å være signifikante i å 	
bestemme investeringsnivået, og gjør at antall observasjoner synker i modellen	.23 At antall obser-	
vasjoner begrenses kraftig er også grunnen til at spesifikasjon numme	r 5 ikke velges. 	 	
 	
 	
22 Merk at sentralitet og andel barn i kommunale barnehager er variabler som vi ikke har variasjon på over tid. Det vil 
si at de er konstante for hver kommune over t	id i datasettet, og ville ha blitt reflektert i hvert enkelt kommunefast 	
ledd dersom de ble ekskludert fra regresjonslikningene. 	De er tatt med 	i regresjonslikningen 	her for å vise effekten	 	
eksplisitt. 	Samme 	forhold	 gjelder 	variabler i de andre regresjonen	e som ikke har variasjon over tid. 	 	
23 I spesifikasjon nummer 4 vil første observasjon være to år senere og siste observasjon være to år tidligere, sammen-
liknet med 	spesifikasjon nummer 3.

Kommunenes gjeldsetterspørsel 	mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	53	 	
 
Tabell 	7.2: 	Utvalgte r	egresjon	er 	– investeringer i	 barnehage 	 	
Investeringer i barnehage per 	person 1	-4 år	 	
Spesifikasjon	 	(1) 	(2) 	(3) 	(4) 	(5) 	
Log Innbyggere	 	-42.39	*** 	(9.158)	 	-38.22	*** 	(9.572)	 	-38.51	*** 	(9.557)	 	-34.54	*** 	(9.817)	 	-36.56	 	(20.66)	 	
Sentralitet	 	-78.83	*** 	(15.16)	 	-70.35	*** 	(15.77)	 	-70.88	*** 	(15.74)	 	-64.85	*** 	(16.15)	 	-68.93	* 	(32.48)	 	
Andel i barnehage-alder (1	-4 år) 	257.8	 	(173.8)	 	168.6	 	(181.8)	 	165.5	 	(181.7)	 	8.063	 	(172.0)	 	316.1	 	(228.2)	 	
Frie inntekter	 per inn-	bygger	 	0.164	 	(0.0907)	 	0.224	 	(0.114)	 	0.224	* 	(0.114)	 	0.315	 	(0.193)	 	0.337	 	(0.353)	 	
Andel barn i kommu-nale barnehager	 	21.07	*** 	(6.004)	 	12.73	 	(6.668)	 	13.39	* 	(6.722)	 	18.72	* 	(7.348)	 	32.86	** 	(9.993)	 	
Investeringer i barnehage (t	-1) 	 	0.257	*** 	(0.0442)	 	0.257	*** 	(0.0442)	 	0.262	*** 	(0.0511)	 	0.168	*** 	(0.0500)	 	
Robek status	 	 	 	-2.832	* 	(1.391)	 	-2.581	* 	(1.195)	 	-2.146	 	(1.335)	 	
Robek status (t	-2) 	 	 	 	-1.290	 	(1.143)	 	0.176	 	(1.338)	 	
Robek status (t+2)	 	 	 	 	-1.421	 	(1.244)	 	-0.777	 	(1.438)	 	
Forventet andel 1	-4 	om 5 år	 	 	 	 	 	362.3	* 	(183.2)	 	
Forventet andel 1	-4 	om 10 år	 	 	 	 	 	-687.5	* 	(294.0)	 	
N 	6535	 	6190	 	6190	 	5495	 	3080	 	
R2 	0.088	 	0.143	 	0.143	 	0.167	 	0.206	 	
Merk: 	Alle spesifikasjonene har både tids	- og kommunefaste effekter	, samt robuste standardfeil. 	Spesifikasjonen som ligger til grunn for modellens 	resultater er uthevet.	. 	
7.3	 	Investeringer i g	runnskole 	 	
I likhet med 	barnehageinvesteringene er modellen for grunnskoleinvesteringer basert på antall 	
personer 	i relevant aldersgruppe	, her 5 til 15 år. Det vil si at koeffisientene tolkes som effekten 	
på investeringer i grunnskole, 	per barn mellom 5 og 15 år, av én enhets økning i relevant variabel. 	 	
Modellspesifikasjon nummer 3 ligger til grunn for prediksjonsmodellen 	for grunnskole	. En økning 	
i frie inntekter gir mindre økning i 	investeringer per barn i relevant alder, sammenliknet med in-	
vesteringene i barnehage. Sentralitet spiller her inn 	med motsa	tt fortegn sammenliknet med de 	
to andre investerings	gruppene. Det synes at mindre sentrale kommuner investerer mer i grunn-	
skole, per barn, enn det mer sentrale kommuner gjør. En mulig forklaring på dette resultatet er 
at 	små, 	usentrale kommuner 	kan tvinges	 til å legge ned skoler, for så å bygge 	nytt som følge av 	
nedgang i befolkning. Dette kan være fordi det blir for få elever på enkelte skoler, slik at det viser 
seg fordelaktig å heller slå sammen flere små skoler til én større skole.	 	
Også her spiller fjo	rårets investeringer	, andel 	personer i 	skolealder og ROBEK	-status inn i modell 	
nummer 3. Valget falt på denne modellen, ettersom den inneholder flere observasjoner enn num-
mer 4 og 5, der variabler som ikke synes å gi modellen bedre prediksjonsevne er inklu	dert.

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	54	 	
 
Tabell 	7.3 	Utvalgte regresjoner 	– investeringer i grunnskole 	 	
Investeringer 	i grunnskole per 	person	 5-15 år	 	
 	(1) 	(2) 	(3) 	(4) 	(5) 	
Log Innbyggere	 	-1.636	 	(11.15)	 	4.969	 	(11.15)	 	4.259	 	(11.15)	 	-12.33	 	(12.98)	 	-36.25	 	(21.48)	 	
Sentralitet	 	-15.08	 	(24.08)	 	4.797	 	(24.06)	 	3.735	 	(24.07)	 	-38.29	 	(23.20)	 	-77.33	* 	(37.15)	 	
Andel i skolealder (5-15 år) 	13.07	 	(91.13)	 	21.95	 	(87.87)	 	27.18	 	(88.11)	 	30.55	 	(93.14)	 	-23.88	 	(157.6)	 	
Frie	 inntekter	 per 	innbygger	 	0.177	 	(0.0913)	 	0.116	 	(0.0872)	 	0.115	 	(0.0870)	 	0.0798	 	(0.159)	 	-0.0772	 	(0.265)	 	
Grunnskole t	-1 	 	0.445	*** 	(0.0508)	 	0.445	*** 	(0.0508)	 	0.447	*** 	(0.0599)	 	0.293	*** 	(0.0505)	 	
Robek	 	 	 	-4.098	** 	(1.472)	 	-3.120	* 	(1.562)	 	-0.263	 	(1.671)	 	
Robek	 status (t	-2) 	 	 	 	-2.631	 	(1.466)	 	1.486	 	(1.705)	 	
Robek	 status (t+2)	 	 	 	 	-1.047	 	(1.771)	 	-0.0411	 	(2.376)	 	
Forventet andel 5	-	15 om 5 	år 	 	 	 	 	98.67	 	(146.3)	 	
Forventet andel 5	-	15 om 10 	år 	 	 	 	 	-104.0	 	(145.3)	 	
N 	6535	 	6190	 	6190	 	5495	 	3080	 	
R2 	0.090	 	0.254	 	0.255	 	0.269	 	0.245	 	
Merk: 	Alle spesifikasjonene har både tids	- og kommunefaste effekter, samt robuste standardfeil. 	Spesifikasjonen som ligger til grunn for modellens 	resultater er uthevet.	 	
7.4	 	Gjeldslikningen	 	
Kapittel 7.1	-7.3 beskriver det som ligger til grunn for kommunenes investeringsbeslutninger i 	pre-	
diksjons	modellen. 	Følgende delkapittel beskriver 	hvordan disse investeringsnivåene oversettes 	
til en gjeldsetterspørsel	, ved å 	predikere hva som bestemmer hvor	dan kommunene velger å fi-	
nansiere sine 	investeringer. 	 	
I datagrunnlaget vi baserer modellen på	, oppgis total egenfinansiering av investeringene fra 2015 	
til 2022, samt 	totalt investeringsnivå i hver kommune. Dette benyttes til å avlede 	nytt gjeldsopp-	
tak i 	kommunene i hvert av disse årene. 	I Tabell 	7.4 er 	tre spesifikasjoner	 vist	. Her er 	ny gjeld per 	
innbygger er den avhengige variabelen	. 	
Flere av de samme variablene som inngår i regresjonslikningene for investeringsbeslutningene 
inngår	 også her. 	Én av forklaringsvariablene er investering per innbygger. 	Nivået	 på denne varia-	
belen blir	 hentet fra de foregående predikerte verdiene på invester	ing	 for de tre tjenesteområ-	
dene	. Det vil si at modellen for 	gjeldsetterspørsel baserer seg på to	 steg. Vi har anta	tt at 	beslut-	
ningen	 om 	investeringsnivå 	og beslutningen om hvordan investeringen 	skal 	finansieres	 er to se-	
parate beslutninger. 	Det vil si at en	 kommune 	først 	vurderer behovet for investeringer, basert på 	
blant annet 	utvikling i 	demografi	, og deretter tas beslutningen om hvordan disse investeringen	e

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	55	 	
 
skal finansieres. 	Ettersom tjenestene vi forholder oss til er lovpålagte tjenester	, mener vi det er	 	
mulig å argumentere for at dette er tilfellet	.24 	
Her ser vi at en kommune med 	flere innbyggere 	tar opp mindre ny gjeld, 	sammenliknet med 	
kommuner med færre innbyggere. 	Samtidig ser vi at mindre sentrale kommuner 	tar opp mindre 	
i gjeld	, ettersom sentralitetsindeksen er synkende i	 sentralitet	. Frie inntekter og ROBEK status 	
spiller også inn på mengden gjeldsopptak i et gitt år. 	Både høyere frie inntekter og tilstede	værels	e 	
på ROBEK listen 	tilsier at gjeldsopptaket 	i en kommune 	er lavere	. 	
I foretrukket 	modellspesifikasjon, nummer 2, er også andelen gjeld i kommunen som er renteeks-	
ponert inkludert. 	På tvers av kommuner ser vi at 	en kommune med mer renteeksponert gjeld enn 	
en annen kommune, vil ta opp 	mer ny gjeld i inneværende periode. 	Det	 kan tenkes 	å skyldes at 	
noen kommuner er mer tilbøyelige til å ta 	opp gjeld enn andre, og da har de sannsynligvis også 	
et høyere nivå av renteeksponert gjeld. 	 	
I modellspesifikasjon numme	r 3 er 	fire ulike former for inntektsgivende kilder for kommunen in-	
kludert. 	Ønsket var å se om disse fire ga utslag i hvor mye ny gjeld en kommune tar opp. Variab-	
lene er ikke signifikante. Det vil si at 	vi ikke kan hevde at det finnes en effekt	 av inntekt 	fra disse 	
kildene på kommunenes nye gjeldsopptak	. På bakgrunn av dette er spesifikasjon nummer 2 den 	
foretrukne	 modellen	. 	
Investering per innbygger i inneværende periode har her en koeffisientstørrelse på 0,6	6. Det be-	
tyr at for hver ekstra krone 	kommunen velger å investere vil 6	6 øre være finansiert av nytt gjelds-	
opptak. 	Dette refereres ofte til som kommunens lånefinansieringsgrad. 	 	
Denne modellen danner grunnlag for en aggregering av gjeld på tvers av kommuner. Ettersom 
ett av leddene er «Investe	ring per innbygger	 i foregående år» blir modellen predikert fremover 	
dynamisk. 	 	
Tabell 	7.4: 	Utvalgte regresjoner	 – ny gjeld per innbygger	 	
Ny gjeld per innbygger	 	
Spesifikasjon	 	(1) 	(2) 	(3) 	
Log 	innbyggere	 	-11.32	 	(5.986)	 	-16.79	* 	(6.622)	 	-18.88	** 	(6.897)	 	
Investering per innbygger	 	0.681	*** 	(0.0260)	 	0.662	*** 	(0.0255)	 	0.663	*** 	(0.0257)	 	
Investering per innbygger (t	-1) 	-0.0534	 	(0.0465)	 	-0.0492	 	(0.0460)	 	-0.0531	 	(0.0462)	 	
Sentralitet	 	-12.33	 	(9.421)	 	-18.72	 	(10.37)	 	-17.51	* 	(7.188)	 	
Frie inntekter per innbygger	 	-0.00823	 	(0.0132)	 	-0.0279	 	(0.0160)	 	-0.0338	* 	(0.0166)	 	
Ny gjeld per inn-bygger (t	-1) 	0.0271	 	(0.0606)	 	0.0332	 	(0.0585)	 	0.0360	 	(0.0589)	 	
Robek status	 	-0.535	 	-0.276	 	-0.172	 	
 	
24 Dersom dette ikke holder vil det være tilfelle at modellen er på	virket av simultanitetsproblematikk. 	En mulig utvidelse 	
av dette vil være å studere mer i detalj hvorvidt simultanitet påvirker resultatene, og hvordan 	modellen 	i tilfelle 	
kan endres for å reflektere dette. En mulig måte er å 	identifisere en instrumentvari	abel.	 Se nærmere omtale av 	
dette i kapittel 	1.2	.

Kommunenes gjeld	setterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	56	 	
 	
(0.450)	 	(0.467)	 	(0.471)	 	
Renteeksponert gjeld per innbyg-ger	 	
 	0.0280	** 	(0.0104)	 	0.0290	** 	(0.0104)	 	
Samlet g	jeld per 	innbygger (t	-1) 	 	-0.0280	 	(0.0168)	 	-0.0269	 	(0.0168)	 	
Havbruksfond per innbygger (t	-1) 	 	 	-0.185	 	(0.104)	 	
Eiendomsskatt per innbygger (t	-1) 	 	 	-0.177	 	(0.202)	 	
Kraftinntekter per innbygger (t	-1) 	 	 	-0.0801	 	(0.110)	 	
Disposisjonsfond per innbygger (t	-	1) 	
 	 	0.0275	 	(0.0529)	 	
N 	2100	 	2100	 	2100	 	
R2 	0.812	 	0.815	 	0.817	 	
Merk: 	Alle spesifikasjonene har både tids	- og kommunefaste effekter, samt robuste standardfeil. 	Spesifikasjonen som ligger til grunn for modellens 	resultater er uthevet.

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	57	 	
 	
8	 	Videre arbeid	 	
Underveis i dette prosjektet har vi merket oss 	problemstillinger 	som oppstår i forlengelsen av 	
dem vi har 	undersøkt. Vi presenterer noen 	problemstillinger	 her	, rangert fra det enkle til et komp-	
liserte og arbeidskrevende. 	 	
Framskrivinger med andre 	mål på sentrali	tet 	 	
Våre fr	amskrivinger er gjort kommune for komm	une, som så er aggregert opp til de seks grup-	
pene A	-F vi bruker i prosjektet. Det er en enkel sak å ag	gregere på andre måter, som gir 	framskri-	
vinger med andre kommunegrupper. For eksempel kan det være aktuelt å fr	amskrive etter 	
sentralitetsklasse	, eller kommunegruppene i K	OSTRA	. Det er også en smal sak å fr	amskrive 	etter 	
fylke	. 	
Framskrivinger for 	kommuner	 med høy gjeld eller	 som er finansielt utsatt på annen 	
måte	 	
Verktøyet ligger også til rette for	 spesialfr	amskrivinger av kommuner som 	er finansielt utsatt. Det 	
kan være kommuner med ROBEK	-historie, kommuner med særlig høy 	lånefinansieringsgrad	 (jf. 	
avsnitt	 6.2	), eller 	utsatte kommuner etter andre mål	. 	
Flere virkningsberegninger	 	
Med litt kreativ bruk av modellen kan man simulere virkningen av 	samfunnsmessige endringer. 	
Et eksempel 	i tidligere kapitler er 	illustrasjonen av betydningen av bedre velferdsteknologi. 	På litt 	
tilsvarende man	ér har likningen for	 grunnskole	 en koeffisient 	for merinvestering per 	skole	barn 	
dersom andel	en	 skole	barn øker	. Hvis man har grunn til å tro at merinvesteringen i fremtiden går 	
opp (for eksempel på grunn av økte krav til bygg og utstyr) eller at den går ned (for eksempel	 på 	
grunn av 	mer effektive byggep	rosesser) så kan effekten av dette på gjeldsopptaket studeres. Det 	
samme gjelder 	for barnehage. 	 	
Nye befolkningsfr	amskriv	inger	 	
Våre beregninger er utført på befolkningsfr	amskrivinger fra 2020. SSB publiserer nye befolknings-	
framskrivinger jevnlig, og i juli	 2022 kom det oppdaterte fr	amskrivinger. Det vil være interessant 	
å lage 	gjeldsfr	amskrivinger basert på de	 nyeste befolkningsfr	amskrivingene.	 	
Bruke modellen som støtte til å fr	amskrive investeringene i et utvalg enkeltkommuner	 	
Som 	sagt 	gjør vi fr	amskriving	er kommune for kommune. Vi 	presenterer ikke tall for enkeltkom-	
muner, 	av to grunner. For det første 	har vi «heltallsproblemet», nemlig at 	små 	kommune	r kan ha 	
null investering 	i for eksempel skole i noen år, fulgt av stor investering i et nytt bygg	 i enkeltår. 	
Det fanger ikke modellen opp, den 	predikerer litt investeringer hvert år	 i takt med utviklingen i 	
for eksempel andelen grunnskole	barn.	 For det andre er økonometriske relasjoner et produkt av

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	58	 	
 
en stor datamengde som skal passe sammen på best mul	ig måte målt ved minste 	kvadraters me-	
tode. Det er ikke sikkert at en enkelt kommune kjenner seg igjen i modellens virkemåte.	 	
Når	 det er sagt, så mener vi at det er 	innsikt å hente i å bruke modellen som støtte til å 	framskrive 	
investeringe	r og gjeld 	i et u	tvalg enkeltkommuner. Måten vi da ville gått fram på, er å 	høre med 	
kommunene om deres investeringsplaner, og bakgrunnen for planene (for eksempel om de er 
knyttet til andel eldre, skolebarn osv)	. Vi ville sammenliknet dette med 	modellens prediksjoner 	
på l	ang sikt (akkumulerte investeringer, for å unngå heltallsproblemet) og vurdert graden av sa	m-	
svar. En slik sammenlikning	 kommune for kommune, 	over et antall kommuner	, kan både gi større 	
trygghet om modellen og gi ideer til revisjon og forbedring av modellen	. 	
Estimere på flere	 investeringskategorier	 	
Vår modell bygger på fr	amskrivinger av pleie	 og 	omsorg, skole og barnehage. Øvrige investeringer 	
er lagt i et fast forhold til d	isse tre. 	Øvrige investeringer 	er 	om lag halvparten av totalen	, med 	
andre ord en gans	ke stor andel. Det vil styrke kvaliteten på modellen å	 gjennomføre estimeringer 	
på flere investeringskategorier.	 	
Reestimere på ferske data	 	
Dersom Kommunalbanken 	ønsker, 	kan fr	amskrivingene vi nå har presentert, gjøres til en årlig 	
rutine. Det vil i 	tilfelle kreve at man fr	amskriver på nye data hvert år, og vi vil også anbefale at 	
man reestimerer for hvert år, med de seneste dataene. Det vil 	ikke nødvendigvis kreve stor inn-	
sats s	iden mye av grunnlagsarbeidet	 med datatilrettelegging, modelloppsett osv	. nå er gjort. 	Der-	
som Kommunalbanken kunne påta seg å levere 	framskrivinger årlig samtidig som modellen hol-	
des i live, vil det 	øke kunnskapsgrunnlaget om kommuneøkonomi og 	gjøre kommun	e-Norge en 	
tjenes	te.	 	
Bruke stordataalgoritmer til å finne mønstre i data som ikke er 	åpenbart tilgjengelige	 	
I forbindelse med reestimering kan de	t vurderes å bruke stordataalgoritmer til å finne mønstre i 	
data som ikke er åpenbart tilgjengelige. Dette er i tilfelle en litt større oppgave idet man 	på mange 	
måter vil rykke tilbake til start i estimeringen. Datagrunnlaget vil imidlertid være tilrettela	gt. 	 	
Bruk av stordataalgoritmer i økonomi gir mange muligheter når datamaterialet er så stort og sam-
mensatt som tilfellet er her. Samtidig er det krevende 	fordi det kan minne om «data mining» hvis 	
det ikke gjøres med omhu.	 Problemet med det er at man kan f	å en modell som fungerer glim-	
rende på datamaterialet det er estimert på (in sample	, basert på historien	), men som er elendig 	
til prediksjon (out	-of-sample	, i fremtiden	). Et annet	, og egentlig beslektet	 poeng er at 	forklarings-	
variablene	 må være økonomisk me	ningsfulle. Disse forholdene tilsier at stordataalgoritmer må 	
brukes på en kyndig måte og ledsaget av økono	misk teori. Men 	med det forbeholdet 	gir storda-	
taalgoritmer 	et 	potensial for 	bedre modellmodellspesifikasjoner	, med høyere forklaringskraft,	 	
enn vi fo	reløpig har kommet fram til.

Ko	mmunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	59	 	
 
Løse det mulige simultanitetsproblemet	 	
Som redegjort for i 	tidligere kapitler	, bygger vår modell på en forutsetning om beslutning i to steg, 	
der første steg er investeringsbeslutningen og andre steg er finansieringsbeslutningen	. Hvis 	forut-	
setningen ikke holder, får vi et simultanitetsproblem. Forutsetningen holder ikke dersom inves-
teringsbeslutningen ikke bare styres av behov, men også av 	hensynet til gjeld. Vi viste i kapittel 	6 	
at kommuner 	med høy gjeld tenderer til å investere mindre. Det er plausibelt, men peker på et 	
problem ved vår forutsetning. 	 	
Hvis simultanitet er et alvorlig problem så 	bør det estimeres med 	instrumentvariabelmetoden	, 	
slik vi har omtalt i fotnote 	3. Kunsten her er å finne et godt instrument som gir meningsfulle og 	
presise estimater 	for prediksjonsformå	l. Alt i alt gjelder det å vurdere simultanitetsproblemets 	
størrels	e ved to	-stegs estimering	, opp mot problemet for prediksjonsformål de	rsom man har 	
halvgode instrumenter. Dette er en arbeidskrevende oppgave.

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	60	 	
 	
9	 	Referanser	 	
Cunningham, S. (2021). 	Causal Inference: The Mixtape	. Hentet fra https://mixtape.scunning.com/	 	
Finansdepartementet. (2021). 	Perspektivmeldingen 2021. Meld. St. 14 (2020	-2021).	 Oslo: 	
Finansdepartementet.	 	
Seneter for økonomisk forskning. (2020). 	Drivere bak investeringer i norske kommuner.	 	
Trondheim: Senter for økonomisk forskning. Av: Marianne Haraldsvik, Arnt Ove Hopland 
& Sturla Kvamsdal.	 	
Vareide, K. (2020). 	To av tre kommuner får synkende folketall i fr	emtiden	. Hentet fra 	
Telemarksforskning.no: https://www.telemarksforsking.no/to	-av	-tre	-kommuner	-far	-	
synkende	-folketall/	 	
Vista Analyse og Samfunnsøkonomisk Analyse. (2021). 	Lærdommer fra gode vertskapskommuner 	
for næringsutvikling.	 Oslo: Av Hanne Toftdahl, R	olf Røtnes, Anita Einarsdottir og Vegard 	
Salte Fatdal. Hentet fra https://vista	-analyse.no/no/publikasjoner/laerdommer	-fra	-gode	-	
vertskapskommuner	-for	-naeringsutvikling/

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	61	 	
 
Vedlegg

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	62	 	
 	
A	 	M	in kommune	 - metodevedlegg	 	
Modellen «	Framtidsverktøyet 2040	» er bygge	t opp ved bruk av både kvalitative og kvantitative 	
variable som er sammenstilt og vektet under fire indikatorer	. Disse fire indikatoren	e ble avledet 	
som sentrale	/kritiske	 faktorer 	for kommuner med næringsvekst i prosjektet «Gode vertskaps-	
kommuner for nærin	gslivet» for KS. De fire indikatorene er:	 	
• 	Kommunal sårbarhet	 	
• 	Bostedsattraktivitet	 	
• 	Næringsliv 	 	
• 	Stedegne ressurser	 	
Under hver av disse indikatorene ligger det	 rundt 	60 	variable (omtalt som parameter i det føl-	
gende).	 Hver av de 60	 har ulike måleenheter, som 	kan være 	prosent, antall, ja/nei osv. Disse er 	
så gitt e	n vekting 	etter en 6	-delt skala. Ja/nei	-svar er gitt enten eller 6. 	De øvrige spenner over 	
hele skalaen.	 Begrunnelsen for skalering vil i all hovedsak være empirisk dokumentert og er i	 ut-	
gangspunktet vektet etter snitt, men noe justert manuelt	 for å unngå at alle blir liggende på gjen-	
nomsnittet	. Justeringen er faglig begrunnet. Det har vært et mål å synliggjøre forskjeller i resultat 	
for å unngå at alle havner på midten. Vektingen er de	rfor «strukket». Ikke alle parametere er altså 	
vektet likt.	 Noen 	parametere 	er 	gitt større vekt enn 	andre fordi de har mer å bety for indikatoren. 	
For eksempel vil tilgjengelig arbeidskraft eller andel av befolkning i arbeidsfør alder ha stor be-
tydning for	 næringsliv, mens andre parametere vil ha mindre betydning og vil derfor vektes ulikt. 	
Enkelte parametere inngår under flere indikatorer, slik at de vektes dobbelt. Betydningen av disse 
indikatorene vil være 	større, slik som	 for eksempel nærhet til flyplas	s, som er viktig både for næ-	
ringsliv og bostedsattraktivitet. 	 	
Sammenstillingen gir et resultat som identifiserer seks «kommunetyper» som hver har likeartet 
resultat på de fire indikatorene.	 	
Oppbyggingen 	er som følger	: 	
• 	Nivå 1 	– Innledningsvis er resultatene sammenfattet 	i seks kommunetyper	 etter status 	
2020. 	Disse er beskrevet verbalt	. Her ser man også hvilke andre kommuner som har likear-	
tet resultat. Brukeren velger deretter sin kommune for flere detaljer.	 	
• 	Nivå 2 	– Her vises 	sco	re pr kommune på hver av de fire indikatorene	 angitt i fire barometre.	 	
• 	Nivå 3 	– Her vises 	score pr kommune på hver av underkategoriene	 under de fire indikato-	
rene	 	
• 	Nivå 4 	– Her viser vi et dashbord med et utvalg paramet	ere i faktisk resultat, uvektet.	 Disse	 	
vises med 	ulik måleenhet (ja/nei, andel, prosent, tall mv)	 	
Vi har identifisert seks kommunetype	r og hver kommune er plassert inn i en kommunetype basert 	
å sin	 score. Mer om dette i neste vedlegg.

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	63	 	
 	
B	 	M	in kommune 	–	 resultater fra 	
hovedindikatorene	 	
Den publise	rte versjonen av 	modellen «Min kommune» er tilgjengelig på KS sine nettsider.	25 	
For den nysgjerrige leser legger vi likevel til en oversikt over hvilke kommuner som er plassert i 
hvilke kommunegrupper, 	samt hvilken score de har fått på de 	fire	 indikatorene	 på Nivå 2. 	 	
Maksimal poengsum i 	kategorien kommunal sårbarhet er 30, mens den er 18	 i næringsliv, bo-	
stedsattraktivitet og stedegne ressurser.	 	
Tabell 	B.1 	Resultater fra hovedindikatorene i "Min kommune"	 	
 	
25 Se 	https://www.ks.no/fagomrader/innovasjon/norge	-2040/min	-kommune/

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	64	 	
 	
Kommune	 	Kommunegruppe	 	Kommunal 
sårbarhet	 	
Næringsliv	 	Bostedsat-
traktivitet	 	
Stedegne res	surser	 	
Oslo	 	Kommunekategori A	 	25,0	 	15,8	 	16,3	 	14,7	 	
Stavanger	 	Kommunekategori A	 	23,9	 	15,8	 	15,8	 	14,0	 	
Haugesund	 	Kommunekategori A	 	19,8	 	15,0	 	14,7	 	14,0	 	
Sandnes	 	Kommunekategori A	 	23,9	 	16,0	 	15,8	 	15,0	 	
Klepp	 	Kommunekategori A	 	24,2	 	14,7	 	14,1	 	14,3	 	
Time	 	Kommunekategori A	 	21,7	 	14,0	 	14,4	 	14,3	 	
Sola	 	Kommunekategori A	 	24,6	 	14,2	 	13,7	 	12,8	 	
Molde	 	Kommunekategori A	 	19,5	 	14,5	 	15,0	 	15,0	 	
Bodø	 	Kommunekategori A	 	19,0	 	15,3	 	15,9	 	15,3	 	
Rana	 	Kommunekategori A	 	20,6	 	14,3	 	15,1	 	16,0	 	
Kongsberg	 	Kommunekategori A	 	18,1	 	14,6	 	14,4	 	12,8	 	
Bærum	 	Kommunekategori A	 	25,3	 	13,9	 	14,1	 	13,4	 	
Lørenskog	 	Kommunekategori A	 	21,7	 	14,0	 	15,0	 	14,7	 	
Hole	 	Kommunekategori A	 	23,8	 	11,8	 	11,5	 	12,2	 	
Hemsedal	 	Kommunekategori A	 	26,0	 	12,9	 	12,1	 	12,2	 	
Tønsberg	 	Kommunekategori A	 	19,3	 	14,3	 	14,3	 	13,7	 	
Kristiansand	 	Kommunekategori A	 	21,3	 	14,7	 	14,7	 	13,1	 	
Bergen	 	Kommunekategori A	 	22,9	 	16,0	 	15,3	 	14,0	 	
Trondheim	 	Kommunekategori A	 	24,2	 	16,2	 	16,4	 	14,7	 	
Tromsø	 	Kommunekategori A	 	19,2	 	16,0	 	16,3	 	14,7	 	
Eigersund	 	Kommunekategori B	 	20,6	 	13,1	 	13,5	 	12,8	 	
Hå	 	Kommunekategori B	 	23,2	 	13,3	 	12,9	 	13,4	 	
Gjesdal	 	Kommunekategori B	 	23,0	 	11,8	 	12,4	 	11,8	 	
Randaberg	 	Kommunekategori B	 	19,5	 	11,8	 	12,1	 	11,5	 	
Strand	 	Kommunekategori B	 	20,4	 	13,3	 	13,7	 	13,1	 	
Hjelmeland	 	Kommunekategori B	 	24,2	 	10,6	 	9,7	 	14,2	 	
Suldal	 	Kommunekategori B	 	24,5	 	10,8	 	10,0	 	14,5	 	
Sauda	 	Kommunekategori B	 	22,1	 	11,4	 	10,8	 	12,8	 	
Tysvær	 	Kommunekategori B	 	22,7	 	10,7	 	11,8	 	12,8	 	
Karmøy	 	Kommunekategori B	 	23,0	 	10,7	 	11,3	 	11,8	 	
Ulstein	 	Kommunekategori B	 	18,8	 	12,1	 	11,0	 	10,8	 	
Ørsta	 	Kommunekategori B	 	19,2	 	11,9	 	11,6	 	12,5	 	
Sykkylven	 	Kommunekategori B	 	18,0	 	11,0	 	10,8	 	11,5	 	
Sula	 	Kommunekategori B	 	19,7	 	11,9	 	11,7	 	11,5	 	
Aukra	 	Kommunekategori B	 	22,9	 	9,5	 	11,3	 	13,2	 	
Sunndal	 	Kommunekategori B	 	17,8	 	11,2	 	11,2	 	12,2	 	
Vefsn	 	Kommunekategori B	 	18,4	 	13,5	 	13,8	 	16,3

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	65	 	
 	
Kommune	 	Kommunegruppe	 	Kommunal 
sårbarhet	 	
Næringsliv	 	Bostedsat-
traktivitet	 	
Stedegne res	surser	 	
Meløy	 	Kommunekategori B	 	18,0	 	11,1	 	10,6	 	14,4	 	
Gildeskål	 	Kommunekategori B	 	18,5	 	11,3	 	10,9	 	11,8	 	
Sortland	 	Kommunekategori B	 	21,1	 	11,4	 	12,1	 	12,8	 	
Moss	 	Kommunekategori B	 	18,5	 	13,0	 	12,9	 	13,3	 	
Sarpsborg	 	Kommunekategori B	 	18,5	 	13,7	 	13,5	 	14,0	 	
Drammen	 	Kommunekategori B	 	20,2	 	14,1	 	14,3	 	13,1	 	
Råde	 	Kommunekategori B	 	21,0	 	13,2	 	12,0	 	12,4	 	
Vestby	 	Kommunekategori B	 	22,7	 	12,8	 	12,7	 	12,2	 	
Nordre Follo	 	Kommunekategori B	 	22,1	 	12,6	 	13,2	 	12,2	 	
Ås	 	Kommunekategori B	 	19,4	 	13,8	 	13,7	 	12,2	 	
Nesodden	 	Kommunekategori B	 	22,3	 	10,7	 	11,5	 	10,9	 	
Asker	 	Kommunekategori B	 	23,3	 	13,8	 	13,9	 	13,4	 	
Aurskog	-Høland	 	Kommunekategori B	 	21,7	 	9,4	 	10,9	 	10,9	 	
Rælingen	 	Kommunekategori B	 	20,2	 	12,8	 	13,6	 	13,4	 	
Enebakk	 	Kommunekategori B	 	20,4	 	10,5	 	10,8	 	10,9	 	
Lillestrøm	 	Kommunekategori B	 	23,0	 	13,7	 	13,8	 	13,4	 	
Nittedal	 	Kommunekategori B	 	23,7	 	13,8	 	13,4	 	13,4	 	
Gjerdrum	 	Kommunekategori B	 	22,5	 	11,4	 	12,3	 	12,2	 	
Ullensaker	 	Kommunekategori B	 	17,7	 	13,5	 	13,5	 	14,1	 	
Nes	 	Kommunekategori B	 	21,0	 	10,0	 	12,1	 	12,2	 	
Eidsvoll	 	Kommunekategori B	 	18,8	 	12,8	 	12,8	 	13,1	 	
Nannestad	 	Kommunekategori B	 	21,9	 	11,8	 	12,2	 	11,5	 	
Gol	 	Kommunekategori B	 	20,4	 	13,1	 	12,8	 	14,1	 	
Ål 	Kommunekategori B	 	21,9	 	10,8	 	11,3	 	12,5	 	
Hol	 	Kommunekategori B	 	23,7	 	11,3	 	11,0	 	12,8	 	
Modum	 	Kommunekategori B	 	19,0	 	12,3	 	12,9	 	13,8	 	
Øvre Eiker	 	Kommunekategori B	 	19,2	 	12,4	 	11,3	 	11,5	 	
Lier	 	Kommunekategori B	 	22,6	 	13,3	 	12,7	 	12,2	 	
Jevnaker	 	Kommunekategori B	 	20,1	 	11,9	 	11,5	 	11,5	 	
Lunner	 	Kommunekategori B	 	17,9	 	11,1	 	11,8	 	12,2	 	
Hamar	 	Kommunekategori B	 	20,5	 	13,8	 	14,5	 	12,8	 	
Gjøvik	 	Kommunekategori B	 	18,9	 	13,1	 	14,1	 	13,1	 	
Ringsaker	 	Kommunekategori B	 	20,0	 	12,3	 	11,9	 	11,8	 	
Løten	 	Kommunekategori B	 	20,0	 	10,9	 	11,6	 	11,5	 	
Stange	 	Kommunekategori B	 	18,5	 	12,4	 	12,6	 	12,8	 	
Tolga	 	Kommunekategori B	 	18,0	 	11,9	 	10,9	 	11,2	 	
Tynset	 	Kommunekategori B	 	21,2	 	12,3	 	12,2	 	14,4

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	66	 	
 	
Kommune	 	Kommunegruppe	 	Kommunal 
sårbarhet	 	
Næringsliv	 	Bostedsat-
traktivitet	 	
Stedegne res	surser	 	
Alvdal	 	Kommunekategori B	 	21,4	 	11,2	 	11,0	 	12,8	 	
Dovre	 	Kommunekategori B	 	19,7	 	11,6	 	10,4	 	12,2	 	
Lesja	 	Kommunekategori B	 	21,3	 	11,1	 	10,4	 	13,5	 	
Nord	-Fron	 	Kommunekategori B	 	20,9	 	10,2	 	10,9	 	13,2	 	
Sel	 	Kommunekategori B	 	20,0	 	11,8	 	11,4	 	12,8	 	
Ringebu	 	Kommunekategori B	 	18,1	 	11,9	 	11,3	 	12,2	 	
Øyer	 	Kommunekategori B	 	19,0	 	11,9	 	11,3	 	12,2	 	
Gran	 	Kommunekategori B	 	18,8	 	11,6	 	11,5	 	12,2	 	
Nord	-Aurdal	 	Kommunekategori B	 	19,8	 	10,7	 	10,6	 	11,6	 	
Holmestrand	 	Kommunekategori B	 	19,5	 	13,3	 	12,9	 	12,8	 	
Sandefjord	 	Kommunekategori B	 	21,6	 	14,8	 	13,7	 	13,7	 	
Larvik	 	Kommunekategori B	 	18,5	 	13,0	 	13,3	 	13,7	 	
Porsgrunn	 	Kommunekategori B	 	18,3	 	13,8	 	13,9	 	12,8	 	
Skien	 	Kommunekategori B	 	19,5	 	12,6	 	12,9	 	12,8	 	
Bamble	 	Kommunekategori B	 	18,7	 	10,7	 	10,8	 	10,3	 	
Grimstad	 	Kommunekategori B	 	20,4	 	12,1	 	11,8	 	11,8	 	
Lindesnes	 	Kommunekategori B	 	18,8	 	10,8	 	11,2	 	10,9	 	
Farsund	 	Kommunekategori B	 	20,3	 	10,8	 	10,8	 	11,6	 	
Flekkefjord	 	Kommunekategori B	 	20,4	 	11,0	 	10,8	 	12,2	 	
Lillesand	 	Kommunekategori B	 	17,9	 	11,8	 	12,5	 	11,8	 	
Bykle	 	Kommunekategori B	 	24,3	 	11,3	 	10,7	 	11,9	 	
Kvinesdal	 	Kommunekategori B	 	21,0	 	11,3	 	11,4	 	12,5	 	
Sveio	 	Kommunekategori B	 	21,3	 	12,2	 	12,8	 	13,8	 	
Bømlo	 	Kommunekategori B	 	19,4	 	11,3	 	11,1	 	12,8	 	
Stord	 	Kommunekategori B	 	19,4	 	11,9	 	11,7	 	12,4	 	
Fitjar	 	Kommunekategori B	 	20,4	 	12,3	 	11,3	 	13,1	 	
Ullensvang	 	Kommunekategori B	 	18,1	 	11,8	 	11,1	 	14,2	 	
Eidfjord	 	Kommunekategori B	 	21,4	 	11,1	 	11,5	 	13,2	 	
Ulvik	 	Kommunekategori B	 	20,7	 	10,4	 	10,7	 	12,2	 	
Voss	 	Kommunekategori B	 	19,3	 	12,6	 	12,8	 	11,5	 	
Øygarden	 	Kommunekategori B	 	18,4	 	11,9	 	11,4	 	11,5	 	
Askøy	 	Kommunekategori B	 	19,2	 	11,6	 	11,8	 	11,5	 	
Osterøy	 	Kommunekategori B	 	17,6	 	11,9	 	10,9	 	11,5	 	
Alver	 	Kommunekategori B	 	19,8	 	11,4	 	11,8	 	12,2	 	
Høyanger	 	Kommunekategori B	 	18,7	 	10,9	 	11,4	 	14,8	 	
Sogndal	 	Kommunekategori B	 	23,0	 	12,8	 	12,7	 	14,1	 	
Aurland	 	Kommunekategori B	 	19,2	 	11,3	 	10,4	 	13,2

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/	33	 	67	 	
 	
Kommune	 	Kommunegruppe	 	Kommunal 
sårbarhet	 	
Næringsliv	 	Bostedsat-
traktivitet	 	
Stedegne res	surser	 	
Lærdal	 	Kommunekategori B	 	18,1	 	11,0	 	10,9	 	11,8	 	
Sunnfjord	 	Kommunekategori B	 	20,1	 	13,4	 	13,9	 	13,8	 	
Namsos	 	Kommunekategori B	 	19,2	 	12,2	 	13,0	 	14,7	 	
Oppdal	 	Kommunekategori B	 	22,8	 	12,1	 	11,8	 	13,2	 	
Midtre Gauldal	 	Kommunekategori B	 	18,3	 	12,8	 	11,8	 	12,5	 	
Melhus	 	Kommunekategori B	 	22,9	 	11,9	 	13,1	 	12,5	 	
Stjørdal	 	Kommunekategori B	 	21,2	 	13,8	 	14,9	 	14,1	 	
Verdal	 	Kommunekategori B	 	19,8	 	12,1	 	11,8	 	11,5	 	
Harstad	 	Kommunekategori B	 	18,4	 	13,8	 	13,2	 	12,8	 	
Hammerfest	 	Kommunekategori B	 	19,6	 	13,3	 	13,3	 	15,0	 	
Karlsøy	 	Kommunekategori B	 	19,0	 	11,3	 	11,0	 	13,8	 	
Nordkapp	 	Kommunekategori B	 	19,1	 	12,3	 	10,3	 	14,1	 	
Sokndal	 	Kommunekategori C	 	20,6	 	9,7	 	8,8	 	11,9	 	
Lund	 	Kommunekategori C	 	20,7	 	8,6	 	9,1	 	10,6	 	
Bjerkreim	 	Kommunekategori C	 	23,8	 	9,3	 	9,0	 	11,3	 	
Kvitsøy	 	Kommunekategori C	 	22,1	 	9,8	 	10,1	 	11,9	 	
Bokn	 	Kommunekategori C	 	20,2	 	9,8	 	10,4	 	13,2	 	
Vindafjord	 	Kommunekategori C	 	20,3	 	9,8	 	8,3	 	7,3	 	
Stranda	 	Kommunekategori C	 	19,2	 	9,1	 	8,3	 	9,9	 	
Averøy	 	Kommunekategori C	 	18,6	 	9,6	 	8,3	 	8,9	 	
Tingvoll	 	Kommunekategori C	 	19,0	 	8,4	 	9,7	 	8,9	 	
Lurøy	 	Kommunekategori C	 	22,2	 	8,3	 	7,3	 	9,6	 	
Træna	 	Kommunekategori C	 	19,6	 	10,1	 	6,4	 	9,3	 	
Skiptvet	 	Kommunekategori C	 	22,9	 	8,3	 	9,0	 	9,3	 	
Rakkestad	 	Kommunekategori C	 	17,7	 	9,4	 	8,8	 	9,3	 	
Våler (Østfold)	 	Kommunekategori C	 	21,1	 	10,1	 	10,4	 	11,2	 	
Flå	 	Kommunekategori C	 	19,9	 	10,4	 	9,8	 	11,5	 	
Krødsherad	 	Kommunekategori C	 	21,1	 	10,3	 	9,3	 	10,9	 	
Skjåk	 	Kommunekategori C	 	20,8	 	10,3	 	9,3	 	12,6	 	
Lom	 	Kommunekategori C	 	20,7	 	10,3	 	9,4	 	11,9	 	
Vågå	 	Kommunekategori C	 	22,1	 	9,7	 	9,3	 	11,6	 	
Gausdal	 	Kommunekategori C	 	18,0	 	9,8	 	8,9	 	9,3	 	
Vestre Slidre	 	Kommunekategori C	 	18,1	 	10,3	 	9,4	 	8,9	 	
Tokke	 	Kommunekategori C	 	21,8	 	9,2	 	10,2	 	12,6	 	
Valle	 	Kommunekategori C	 	21,8	 	10,5	 	10,0	 	12,3	 	
Åseral	 	Kommunekategori C	 	23,3	 	8,2	 	8,3	 	11,3	 	
Lyngdal	 	Kommunekategori C	 	17,9	 	10,5	 	10,8	 	10,3

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	68	 	
 	
Kommune	 	Kommunegruppe	 	Kommunal 
sårbarhet	 	
Næringsliv	 	Bostedsat-
traktivitet	 	
Stedegne res	surser	 	
Sirdal	 	Kommunekategori C	 	22,9	 	7,2	 	8,2	 	11,0	 	
Etne	 	Kommunekategori C	 	22,0	 	11,8	 	10,5	 	11,8	 	
Bjørnafjorden	 	Kommunekategori C	 	18,6	 	10,5	 	11,3	 	9,8	 	
Austevoll	 	Kommunekategori C	 	22,1	 	10,0	 	9,6	 	11,3	 	
Vaksdal	 	Kommunekategori C	 	20,0	 	9,5	 	10,7	 	12,5	 	
Masfjorden	 	Kommunekategori C	 	21,1	 	8,7	 	9,4	 	12,8	 	
Gulen	 	Kommunekategori C	 	23,5	 	10,0	 	8,5	 	12,3	 	
Hyllestad	 	Kommunekategori C	 	20,4	 	10,3	 	8,5	 	10,6	 	
Årdal	 	Kommunekategori C	 	18,2	 	9,4	 	9,1	 	10,7	 	
Luster	 	Kommunekategori C	 	21,9	 	10,1	 	10,8	 	13,5	 	
Askvoll	 	Kommunekategori C	 	20,2	 	7,9	 	8,6	 	12,3	 	
Stad	 	Kommunekategori C	 	20,9	 	9,6	 	10,3	 	11,8	 	
Stryn	 	Kommunekategori C	 	20,8	 	11,2	 	9,4	 	10,3	 	
Frøya	 	Kommunekategori C	 	20,6	 	9,9	 	8,9	 	10,0	 	
Rennebu	 	Kommunekategori C	 	20,7	 	8,9	 	9,1	 	11,7	 	
Selbu	 	Kommunekategori C	 	20,7	 	10,3	 	10,7	 	11,6	 	
Hitra	 	Kommunekategori C	 	21,2	 	10,9	 	10,3	 	9,9	 	
Måsøy	 	Kommunekategori C	 	19,6	 	9,3	 	9,3	 	13,2	 	
Berlevåg	 	Kommunekategori C	 	18,7	 	8,3	 	9,1	 	12,8	 	
Kristiansund	 	Kommunekategori D	 	16,2	 	14,3	 	13,7	 	14,0	 	
Ålesund	 	Kommunekategori D	 	16,7	 	15,5	 	15,0	 	14,0	 	
Volda	 	Kommunekategori D	 	16,1	 	13,7	 	13,1	 	13,1	 	
Narvik	 	Kommunekategori D	 	14,9	 	13,5	 	14,9	 	15,0	 	
Brønnøy	 	Kommunekategori D	 	15,7	 	11,9	 	11,4	 	14,3	 	
Alstahaug	 	Kommunekategori D	 	14,9	 	11,8	 	11,7	 	9,4	 	
Hattfjelldal	 	Kommunekategori D	 	16,7	 	10,9	 	10,9	 	10,2	 	
Hemnes	 	Kommunekategori D	 	14,8	 	10,9	 	11,6	 	11,4	 	
Saltdal	 	Kommunekategori D	 	14,8	 	10,9	 	11,7	 	12,2	 	
Fauske 	- Fuossko	 	Kommunekategori D	 	11,7	 	12,4	 	12,5	 	10,4	 	
Vestvågøy	 	Kommunekategori D	 	15,0	 	12,7	 	12,8	 	13,7	 	
Vågan	 	Kommunekategori D	 	16,9	 	13,0	 	11,3	 	12,1	 	
Hadsel	 	Kommunekategori D	 	14,2	 	13,2	 	12,9	 	12,7	 	
Halden	 	Kommunekategori D	 	15,0	 	12,3	 	12,0	 	11,2	 	
Fredrikstad	 	Kommunekategori D	 	16,8	 	13,7	 	12,9	 	13,4	 	
Ringerike	 	Kommunekategori D	 	17,2	 	13,8	 	13,9	 	13,1	 	
Frogn	 	Kommunekategori D	 	17,5	 	11,8	 	12,5	 	12,2	 	
Hurdal	 	Kommunekategori D	 	17,3	 	10,9	 	10,8	 	11,5

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	69	 	
 	
Kommune	 	Kommunegruppe	 	Kommunal 
sårbarhet	 	
Næringsliv	 	Bostedsat-
traktivitet	 	
Stedegne res	surser	 	
Nesbyen	 	Kommunekategori D	 	16,0	 	12,1	 	11,6	 	11,8	 	
Kongsvinger	 	Kommunekategori D	 	17,4	 	11,8	 	12,8	 	13,4	 	
Lillehammer	 	Kommunekategori D	 	17,4	 	13,8	 	14,7	 	12,8	 	
Elverum	 	Kommunekategori D	 	15,3	 	13,1	 	13,8	 	13,1	 	
Vestre Toten	 	Kommunekategori D	 	14,9	 	12,4	 	12,8	 	13,8	 	
Horten	 	Kommunekategori D	 	17,2	 	14,0	 	13,9	 	12,4	 	
Notodden	 	Kommunekategori D	 	17,1	 	12,4	 	12,0	 	12,2	 	
Arendal	 	Kommunekategori D	 	14,9	 	13,4	 	13,4	 	13,1	 	
Steinkjer	 	Kommunekategori D	 	16,8	 	12,1	 	12,7	 	12,2	 	
Røros	 	Kommunekategori D	 	17,2	 	13,3	 	12,8	 	13,1	 	
Meråker	 	Kommunekategori D	 	17,1	 	11,2	 	10,9	 	13,1	 	
Levanger	 	Kommunekategori D	 	16,5	 	12,3	 	13,3	 	12,8	 	
Alta	 	Kommunekategori D	 	16,9	 	14,3	 	14,8	 	15,0	 	
Vadsø	 	Kommunekategori D	 	17,0	 	10,8	 	11,1	 	11,5	 	
Kvænangen	 	Kommunekategori D	 	14,4	 	11,3	 	9,4	 	13,4	 	
Porsanger 	- Porsá?gu 	
- Porsanki	 	Kommunekategori D	 	14,8	 	11,3	 	9,9	 	11,8	 	
Sør	-Varanger	 	Kommunekategori D	 	14,2	 	13,3	 	13,1	 	11,7	 	
Sande	 	Kommunekategori E	 	14,5	 	8,8	 	6,8	 	9,0	 	
Herøy (Møre og 
Romsdal)	 	Kommunekategori E	 	16,2	 	8,9	 	8,2	 	9,7	 	
Hareid	 	Kommunekategori E	 	14,8	 	10,3	 	9,3	 	10,8	 	
Gjemnes	 	Kommunekategori E	 	16,7	 	9,7	 	10,8	 	9,3	 	
Hustadvika	 	Kommunekategori E	 	18,3	 	10,2	 	9,5	 	10,6	 	
Grane	 	Kommunekategori E	 	17,0	 	11,1	 	10,3	 	11,2	 	
Evenes	 	Kommunekategori E	 	13,0	 	9,5	 	8,8	 	12,2	 	
Øksnes	 	Kommunekategori E	 	18,7	 	8,8	 	8,7	 	11,3	 	
Flesberg	 	Kommunekategori E	 	16,9	 	7,7	 	8,5	 	9,3	 	
Rollag	 	Kommunekategori E	 	20,1	 	7,5	 	8,5	 	9,7	 	
Rendalen	 	Kommunekategori E	 	16,3	 	7,5	 	8,0	 	9,0	 	
Folldal	 	Kommunekategori E	 	16,0	 	7,2	 	7,6	 	7,7	 	
Sør	-Fron	 	Kommunekategori E	 	16,7	 	10,2	 	10,3	 	12,2	 	
Østre Toten	 	Kommunekategori E	 	17,3	 	10,3	 	10,2	 	10,6	 	
Søndre Land	 	Kommunekategori E	 	14,0	 	8,3	 	8,8	 	7,7	 	
Nordre Land	 	Kommunekategori E	 	18,4	 	9,9	 	9,9	 	10,0	 	
Sør	-Aurdal	 	Kommunekategori E	 	14,7	 	11,0	 	9,3	 	7,6	 	
Etnedal	 	Kommunekategori E	 	15,4	 	7,5	 	8,5	 	7,0	 	
Øystre Slidre	 	Kommunekategori E	 	20,2	 	9,3	 	9,9	 	10,3

Kommunenes gjeldsetterspørsel mot 20	35	 	
 	
Vista Analyse	 | 2022/33	 	70	 	
 	
Kommune	 	Kommunegruppe	 	Kommunal 
sårbarhet	 	
Næringsliv	 	Bostedsat-
traktivitet	 	
Stedegne res	surser	 	
Vang	 	Kommunekategori E	 	16,9	 	10,8	 	9,4	 	10,9	 	
Siljan	 	Kommunekategori E	 	20,7	 	8,9	 	8,3	 	9,0	 	
Drangedal	 	Kommunekategori E	 	14,6	 	8,6	 	9,1	 	10,3	 	
Nome	 	Kommunekategori E	 	15,9	 	10,0	 	10,3	 	11,3	 	
Birkenes	 	Kommunekategori E	 	17,2	 	9,6	 	9,8	 	8,0	 	
Iveland	 	Kommunekategori E	 	19,9	 	8,4	 	9,8	 	8,3	 	
Vennesla	 	Kommunekategori E	 	22,8	 	10,5	 	11,2	 	11,3	 	
Samnanger	 	Kommunekategori E	 	16,4	 	7,9	 	9,1	 	9,7	 	
Modalen	 	Kommunekategori E	 	24,1	 	6,8	 	8,7	 	9,3	 	
Austrheim	 	Kommunekategori E	 	19,6	 	8,4	 	10,2	 	10,3	 	
Skaun	 	Kommunekategori E	 	21,6	 	8,8	 	10,0	 	9,7	 	
Malvik	 	Kommunekategori E	 	20,3	 	9,4	 	11,1	 	9,7	 	
Overhalla	 	Kommunekategori E	 	21,0	 	9,1	 	9,0	 	10,0	 	
Flatanger	 	Kommunekategori E	 	21,2	 	6,8	 	7,7	 	11,0	 	
Indre Fosen	 	Kommunekategori E	 	15,3	 	9,3	 	9,8	 	9,7	 	
Orkland	 	Kommunekategori E	 	20,5	 	10,2	 	11,5	 	11,3	 	
Kvæfjord	 	Kommunekategori E	 	18,0	 	7,8	 	8,5	 	10,3	 	
Tjeldsund	 	Kommunekategori E	 	14,6	 	8,8	 	8,6	 	10,6	 	
Balsfjord	 	Kommunekategori E	 	18,2	 	10,0	 	10,1	 	10,9	 	
Lyngen	 	Kommunekategori E	 	12,7	 	9,2	 	10,8	 	11,2	 	
Utsira	 	Kommunekategori F	 	17,6	 	6,9	 	6,4	 	7,6	 	
Vanylven	 	Kommunekategori F	 	14,8	 	8,3	 	6,8	 	9,9	 	
Giske	 	Kommunekategori F	 	17,4	 	10,2	 	10,4	 	12,8	 	
Vestnes	 	Kommunekategori F	 	12,9	 	9,7	 	9,1	 	9,2	 	
Rauma	 	Kommunekategori F	 	15,1	 	10,5	 	10,2	 	10,8	 	
Surnadal	 	Kommunekategori F	 	15,2	 	8,0	 	8,2	 	6,3	 	
Smøla	 	Kommunekategori F	 	17,4	 	9,7	 	9,0	 	9,6	 	
Aure	 	Kommunekategori F	 	18,4	 	9,1	 	8,3	 	9,3	 	
Fjord	 	Kommunekategori F	 	13,9	 	10,0	 	10,2	 	8,9	 	
Bindal	 	Kommunekategori F	 	17,7	 	9,0	 	8,9	 	13,5	 	
Sømna	 	Kommunekategori F	 	16,0	 	8,4	 	7,8	 	7,6	 	
Vega	 	Kommunekategori F	 	13,5	 	6,6	 	5,9	 	7,9	 	
Vevelstad	 	Kommunekategori F	 	17,4	 	8,8	 	8,1	 	9,8	 	
Herøy (Nordland)	 	Kommunekategori F	 	18,6	 	8,7	 	7,5	 	10,6	 	
Leirfjord	 	Kommunekategori F	 	15,5	 	7,8	 	8,2	 	9,9	 	
Dønna	 	Kommunekategori F	 	16,1	 	9,3	 	8,0	 	9,9	 	
Nesna	 	Kommunekategori F	 	13,7	 	8,5	 	8,0	 	11,3

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	71	 	
 	
Kommune	 	Kommunegruppe	 	Kommunal 
sårbarhet	 	
Næringsliv	 	Bostedsat-
traktivitet	 	
Stedegne res	surser	 	
Rødøy	 	Kommunekategori F	 	17,5	 	7,4	 	7,9	 	9,9	 	
Beiarn	 	Kommunekategori F	 	14,4	 	8,1	 	7,8	 	7,6	 	
Sørfold	 	Kommunekategori F	 	15,5	 	9,3	 	10,0	 	10,8	 	
Steigen	 	Kommunekategori F	 	16,5	 	9,8	 	8,9	 	13,2	 	
Lødingen	 	Kommunekategori F	 	8,4	 	10,3	 	9,3	 	8,8	 	
Røst	 	Kommunekategori F	 	14,6	 	9,0	 	7,3	 	8,8	 	
Værøy	 	Kommunekategori F	 	16,2	 	9,0	 	6,8	 	8,5	 	
Flakstad	 	Kommunekategori F	 	15,3	 	11,3	 	9,7	 	14,1	 	
Bø	 	Kommunekategori F	 	12,2	 	7,7	 	6,9	 	8,2	 	
Andøy	 	Kommunekategori F	 	13,7	 	6,3	 	7,3	 	9,3	 	
Moskenes	 	Kommunekategori F	 	14,2	 	10,4	 	7,3	 	12,5	 	
Hamarøy	 	Kommunekategori F	 	14,5	 	10,1	 	9,5	 	9,5	 	
Hvaler	 	Kommunekategori F	 	14,7	 	7,5	 	8,3	 	7,0	 	
Aremark	 	Kommunekategori F	 	13,6	 	7,0	 	7,5	 	6,3	 	
Marker	 	Kommunekategori F	 	13,9	 	6,8	 	8,1	 	6,0	 	
Indre Østfold	 	Kommunekategori F	 	21,1	 	10,2	 	10,2	 	10,9	 	
Sigdal	 	Kommunekategori F	 	20,6	 	9,4	 	8,8	 	9,9	 	
Nore og Uvdal	 	Kommunekategori F	 	19,2	 	7,8	 	8,5	 	10,7	 	
Nord	-Odal	 	Kommunekategori F	 	12,4	 	9,1	 	8,4	 	9,3	 	
Sør	-Odal	 	Kommunekategori F	 	15,9	 	9,1	 	8,9	 	9,3	 	
Eidskog	 	Kommunekategori F	 	10,0	 	8,4	 	7,8	 	6,3	 	
Grue	 	Kommunekategori F	 	12,8	 	8,8	 	8,0	 	9,3	 	
Åsnes	 	Kommunekategori F	 	11,7	 	7,9	 	7,1	 	9,3	 	
Våler (Hedmark)	 	Kommunekategori F	 	10,4	 	8,6	 	7,2	 	6,3	 	
Trysil	 	Kommunekategori F	 	17,1	 	8,9	 	9,8	 	10,3	 	
Åmot	 	Kommunekategori F	 	18,4	 	7,9	 	8,5	 	10,3	 	
Stor	-Elvdal	 	Kommunekategori F	 	14,9	 	10,3	 	10,2	 	8,5	 	
Engerdal	 	Kommunekategori F	 	16,6	 	7,3	 	8,5	 	8,0	 	
Os	 	Kommunekategori F	 	17,2	 	10,5	 	9,9	 	8,9	 	
Færder	 	Kommunekategori F	 	18,2	 	9,6	 	9,6	 	8,7	 	
Kragerø	 	Kommunekategori F	 	15,1	 	10,4	 	10,3	 	11,2	 	
Midt	-Telemark	 	Kommunekategori F	 	15,7	 	11,5	 	10,6	 	10,3	 	
Tinn	 	Kommunekategori F	 	20,2	 	8,1	 	9,0	 	10,3	 	
Hjartdal	 	Kommunekategori F	 	19,1	 	9,4	 	9,5	 	11,3	 	
Seljord	 	Kommunekategori F	 	15,7	 	8,6	 	8,2	 	8,0	 	
Kviteseid	 	Kommunekategori F	 	18,3	 	9,3	 	8,6	 	9,0	 	
Nissedal	 	Kommunekategori F	 	12,5	 	7,3	 	7,4	 	6,3

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	72	 	
 	
Kommune	 	Kommunegruppe	 	Kommunal 
sårbarhet	 	
Næringsliv	 	Bostedsat-
traktivitet	 	
Stedegne res	surser	 	
Fyresdal	 	Kommunekategori F	 	19,2	 	9,3	 	8,5	 	9,7	 	
Vinje	 	Kommunekategori F	 	17,6	 	7,9	 	8,3	 	6,3	 	
Risør	 	Kommunekategori F	 	15,9	 	11,9	 	9,6	 	11,2	 	
Gjerstad	 	Kommunekategori F	 	15,6	 	10,5	 	8,4	 	9,9	 	
Vegårshei	 	Kommunekategori F	 	17,5	 	9,3	 	9,1	 	9,3	 	
Tvedestrand	 	Kommunekategori F	 	14,9	 	10,3	 	10,0	 	10,3	 	
Froland	 	Kommunekategori F	 	16,6	 	8,9	 	9,8	 	9,7	 	
Åmli	 	Kommunekategori F	 	17,3	 	8,9	 	7,3	 	8,3	 	
Evje og Hornnes	 	Kommunekategori F	 	20,8	 	8,8	 	9,6	 	10,6	 	
Bygland	 	Kommunekategori F	 	16,5	 	10,0	 	9,9	 	11,6	 	
Hægebostad	 	Kommunekategori F	 	21,6	 	10,5	 	9,5	 	10,3	 	
Kinn	 	Kommunekategori F	 	17,3	 	10,5	 	10,1	 	11,6	 	
Tysnes	 	Kommunekategori F	 	19,7	 	8,7	 	8,9	 	11,3	 	
Kvinnherad	 	Kommunekategori F	 	18,2	 	8,8	 	9,1	 	12,9	 	
Kvam	 	Kommunekategori F	 	17,8	 	8,4	 	9,7	 	11,6	 	
Fedje	 	Kommunekategori F	 	16,9	 	7,8	 	6,8	 	10,9	 	
Solund	 	Kommunekategori F	 	19,4	 	7,9	 	7,0	 	11,3	 	
Vik	 	Kommunekategori F	 	19,2	 	11,1	 	9,8	 	11,8	 	
Fjaler	 	Kommunekategori F	 	15,4	 	6,7	 	7,9	 	7,0	 	
Bremanger	 	Kommunekategori F	 	16,1	 	10,3	 	9,0	 	11,9	 	
Gloppen	 	Kommunekategori F	 	16,5	 	9,0	 	9,1	 	11,3	 	
Osen	 	Kommunekategori F	 	19,6	 	9,3	 	8,4	 	11,9	 	
Holtålen	 	Kommunekategori F	 	16,8	 	8,9	 	9,5	 	10,9	 	
Tydal	 	Kommunekategori F	 	22,6	 	6,7	 	7,0	 	10,7	 	
Frosta	 	Kommunekategori F	 	18,1	 	9,6	 	9,7	 	10,7	 	
Snåase 	- Snåsa	 	Kommunekategori F	 	14,3	 	8,5	 	8,9	 	9,2	 	
Lierne	 	Kommunekategori F	 	17,8	 	7,0	 	7,3	 	10,0	 	
Raarvihke 	- Røyrvik	 	Kommunekategori F	 	14,2	 	7,1	 	8,4	 	9,7	 	
Namsskogan	 	Kommunekategori F	 	17,3	 	8,7	 	9,5	 	13,5	 	
Grong	 	Kommunekategori F	 	17,6	 	9,3	 	10,2	 	12,8	 	
Høylandet	 	Kommunekategori F	 	17,1	 	7,1	 	8,1	 	8,0	 	
Leka	 	Kommunekategori F	 	17,8	 	6,8	 	7,3	 	10,7	 	
Inderøy	 	Kommunekategori F	 	19,6	 	7,8	 	7,8	 	9,7	 	
Heim	 	Kommunekategori F	 	17,7	 	7,9	 	8,9	 	10,3	 	
Ørland	 	Kommunekategori F	 	18,7	 	10,0	 	10,0	 	9,6	 	
Åfjord	 	Kommunekategori F	 	19,1	 	9,1	 	8,5	 	8,7	 	
Nærøysund	 	Kommunekategori F	 	20,0	 	7,8	 	7,3	 	10,3

Kommunenes gjeldsetter	spørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	73	 	
 	
Kommune	 	Kommunegruppe	 	Kommunal 
sårbarhet	 	
Næringsliv	 	Bostedsat-
traktivitet	 	
Stedegne res	surser	 	
Rindal	 	Kommunekategori F	 	20,6	 	9,1	 	7,8	 	9,3	 	
Vardø	 	Kommunekategori F	 	15,4	 	11,2	 	10,4	 	13,4	 	
Ibestad	 	Kommunekategori F	 	16,8	 	6,1	 	6,6	 	10,0	 	
Gratangen	 	Kommunekategori F	 	14,9	 	6,6	 	6,1	 	8,6	 	
Loabák 	- Lavangen	 	Kommunekategori F	 	11,2	 	6,9	 	7,4	 	6,6	 	
Bardu	 	Kommunekategori F	 	16,9	 	10,3	 	11,2	 	13,2	 	
Salangen	 	Kommunekategori F	 	14,5	 	9,2	 	8,7	 	6,6	 	
Målselv	 	Kommunekategori F	 	15,2	 	8,1	 	9,3	 	9,6	 	
Sørreisa	 	Kommunekategori F	 	16,6	 	9,2	 	9,0	 	10,3	 	
Dyrøy	 	Kommunekategori F	 	12,2	 	7,6	 	8,0	 	7,3	 	
Senja	 	Kommunekategori F	 	18,5	 	9,0	 	8,8	 	10,9	 	
Storfjord 	- Omas-	
vuotna 	- Omasvuono	 	Kommunekategori F	 	12,6	 	8,2	 	8,9	 	11,8	 	
Gáivuotna 	- Kåfjord 	- 	
Kaivuono	 	Kommunekategori F	 	8,5	 	6,7	 	8,3	 	9,2	 	
Skjervøy	 	Kommunekategori F	 	18,8	 	9,0	 	6,8	 	10,3	 	
Nordreisa	 	Kommunekategori F	 	13,2	 	9,3	 	9,9	 	10,5	 	
Guovdageaidnu	-Kau-	
tokeino	 	Kommunekategori F	 	19,7	 	7,6	 	8,8	 	11,6	 	
Loppa	 	Kommunekategori F	 	15,5	 	6,1	 	6,2	 	9,3	 	
Hasvik	 	Kommunekategori F	 	14,8	 	8,8	 	6,3	 	9,2	 	
Kárá?johka	-Karasjok	 	Kommunekategori F	 	19,8	 	8,3	 	8,4	 	10,9	 	
Lebesby	 	Kommunekategori F	 	17,9	 	6,7	 	7,7	 	11,3	 	
Gamvik	 	Kommunekategori F	 	14,0	 	7,6	 	7,7	 	12,3	 	
Deatnu	-Tana	 	Kommunekategori F	 	14,3	 	10,6	 	10,2	 	12,5	 	
Unjárga	-Nesseby	 	Kommunekategori F	 	16,3	 	7,3	 	9,1	 	10,3	 	
Båtsfjord	 	Kommunekategori F	 	19,1	 	8,3	 	8,1	 	11,3	 	
Kilde:	 	Vista Analyse

Kommunenes gjeldsetterspørsel mot 2035	 	
 	
Vista Analyse	 | 2022/33	 	74	 	
 
 	
 
 
 
 	
Vista Analyse AS	 	
Meltzers gate 4	 	
0257 Oslo	 	
 
post@vista	-analyse.no	 	
vista	-analyse.no