Kompetanse, flytting og regional utvikling med NOREG 2.2

Category	Lectures
Sub-Categories	n/a
Year	2022
Author(s)	Orvika Rosnes
Download	file_download (2.9 MB)
Read in browser	PDF

31. 	mai 2022 | 	RegAnalyse	-konferansen i Bodø	
Orvika Rosnes
Regionale utviklingsbaner med 	NOREG 2.2
Kompetanse, flytting og
regional økonomi

© VISTA ANALYSE	3
•	Modellutvikling
–	Fra NOREG 2.0 til NOREG 2.1, NOREG 2.2, …
•	Forskning
–	Forbedre modellgrunnlaget
•	Årlige framskrivinger
•	Analyser av aktuelle temaer
10	-årig utviklingsprosjekt (2018	-2028)
NOREG 2 	–	regional generell likevektsmodell

© VISTA ANALYSE	4
Dagsorden
1	Oversikt over modellen og den siste modellutviklingen
2	Ny referansebane med NOREG 2.2 	–	med flytting mellom fylkene
3	Tre scenarier med økt kompetanse

© VISTA ANALYSE	5
•	Ny modellversjon med ulike typer arbeidskraft og muligheter for flytting mellom fylkene
•	Referansebane 2022	-2050	: Vridning fra lavt utdannet til høyere utdannet arbeidskraft
–	Høyest relativ lønnsvekst i
–	regioner hvor lønnsnivået i utgangspunktet er lavere
–	regioner med lav befolkningsvekst iht. SSBs MMMM	-bane
–	For lite folk i Nordland, for mye i Rogaland (sammenlignet med SSBs MMMM	-bane)
–	Beskjedne flyttestrømmer, til tross for lønnsforskjeller
–	Flyttetilbøyelighet synker med utdanningsnivå
•	Scenarier 	med satsing på utdanning/kompetanse
–	Nasjonal satsing:
–	Øker verdiskapningen, lite flytting pga. små lønnsforskjeller
–	Regional satsing:
–	Noen flytter, men de fleste blir i regionen
–	Øker verdiskapningen i regionen
Regionale analyser med NOREG 2.2
Oppsummering

Oversikt over modellen og den siste
modellutviklingen
NOREG 2

© VISTA ANALYSE	7
•	Likevektsmodell for Norge som liten åpen økonomi
–	Består av mange regioner som handler med hverandre
–	Handel med utlandet: resten av verden er én region
•	Aktører: representative husholdninger, bedrifter, myndigheter
–	Produsenter maksimerer profitten, husholdninger nytten
–	Skatter, avgifter, overføringer
•	Tilbuds	-	og etterspørselssiden av økonomien møtes i likevekt
–	Endring i (relative) priser sørger for likevekt
–	Full ressursutnyttelse (full sysselsetting)
•	Dynamisk rekursiv modell
–	Årene er koblet sammen
•	Stor fleksibilitet: aggregeringsmuligheter for sektorer, regioner, tid
•	Modellert i GAMS
Spatial CGE	-modell for Norge
Hovedtrekk ved NOREG 2

© VISTA ANALYSE	8
•	Kommunale kryssløpstabeller (IOT)
–	Nasjonalregnskap fra SSB (IOT)
–	… fordeles på kommuner
–	Basert på Menons regnskapsdatabase, fordelt ved omsetning (inntil videre)
–	… aggregeres til ønsket regionalt nivå i modellen
–	Typisk fylker, men kan også kombinere (f.eks. mesteparten av landet på fylkesnivå og «fokusfylket» finere inndelt)
•	Inneholder:
–	All produksjon, kryssleveranser av varer, forbruk (C, G, I), handel
–	Alle innsatsfaktorer (L,K)
•	Varer og tjenester kan handles på tvers av kommunegrensene
–	Handel mellom kommuner basert på transportmodellen og 	entropy
–	Minimerer avstanden mellom handelsmønsteret fra godstransportmodellen og den regionale etterspørsels	-og
tilbudsstrukturen i nasjonalregnskapet
Nasjonalregnskapet, regionalisert
Data

© VISTA ANALYSE
Næringskode	Næring	Forklaring
LANDBRUK	Landbruk	Jordbruk,	jakt	og	viltstell,	skogbruk	;tjenester	tilknyttet
BYGG	-TJEN	Bygg	-og	boligtjenester	Bygg	-og	boligtjenester	:boligtjenester,	egen	bolig,	borettslag	og	sameie	;Omsetning	og	drift	av	fast	eiendom	;utleie	og	leasing	;vakttjenester
BYGG	-ANLEGG	Bygg	og	anlegg	Bygg	og	anlegg	;Oppføringer	av	bygninger	;utvikling	av	byggeprosjekter
SKOLE	Undervisning	Undervisning
ELE	Elektrisitet	Elektrisitet,	damp	-og	varmtvannsforsyning
FINANS	Finans	Bankvirksomhet,	finansiell	tjenesteyting	;forsikring	;tjenester	tilknyttet
FISK	Havbruk	og	fiske	Fiske	og	fangst,	aquakultur
MAT	Næringsmiddelindustri	Produksjon	av	matvarer
HELSE	Helse	og	omsorg	Helsetjenester	;omsorgstjenester	;barnehager,	SFO
IND	-KKI	Kraftkrevende	industri	Kraftkrevende	industri	:trevarer,	papir,	gummi	-og	plastprodukter,	glass,	keramikk,	sement,	metaller
IND	-TEKN	Teknologisk	industri	Teknologisk	industri	:datamaskiner,	elektroniske	og	optiske	produkter,	elektrisk	utstyr
IND	-ANNEN	Annen	industri	Tradisjonell	industri	:metallvarer	og	konstruksjoner,	motorvogner,	skip,	oljeplatformer	;møbler	;klær,	lær,	sko
PETRO	Petroleumsnæringen	Utvinning	av	råolje	og	naturgass,	bergdrift
OFF	-ADM	Offentlig	administrasjon	og	forsvar	Offentlig	administrasjon	og	forvaltning	;Forsvaret
KJEMI	-RAFF	Kjemisk	industri	og	raffinerier	Kjemisk	og	farmasøytisk	industri	;raffinerier
TJEN	-ANNEN	Andre	tjenester	Andre	tjenester
TJEN	-TEKN	Kunnskapsintensive	tjenester	Kunnskapsintensive	tjenester	:konsulentvirksomhet,	forskning,	juridisk	og	regnskapsmessig	tjenesteyting,	arkitekter,	underholdning
HANDEL	Varehandel	Varehandel
TRANSP	-LUFT	Lufttransport	Lufttransport
TRANSP	-LAND	Landtransport	Passasjer	-og	godstransport	på	land	(jernbane,	drosje,	annen	på	vei),	rørtransport
TRANSP	-HAV	Sjøfart	Sjøfart,	supply	-virksomhet
TRANSP	-TJEN	Transporttjenester	Tjenester	knyttet	tiltransport	;Post	og	distribusjonsvirksomhet
REISE	Reiseliv	Reiseliv	(reisebyrå,	overnatting	;servering)
VANN	Vann	og	avløp	Vannforsyning,	avløp,	avfall
Fra A64 i nasjonalregnskapet, fleksibel inndeling
Sektorer: 24 næringer
9

© VISTA ANALYSE	10
•	Kombinerer arbeidskraft, kapital
og ulike varer til en ny
vare/tjeneste
–	Energivarer og andre innsatsvarer
–	Arbeidskraft består av fire
utdanningstyper
•	Bedriftenes tilpasning bestemmes
av relative priser, gitt
–	Sammensetningen av
innsatsfaktorer i basisåret
–	Substitusjonselastisiteter
•	Prisene klarerer markeder for alle
varer, tjenester og innsatsvarer for
hver region
Produksjonsteknologier: CES	-produktfunksjon
Nytt i modellen: Arbeidskraft med ulik utdanning

© VISTA ANALYSE	11
•	Utdanningskategorier, ikke spesifikke utdanninger
–	LAV: Lavere utdanning
–	NUS	-kode 0, 1, 2 og 3
–	Deler av NUS	-kode 4
–	NUS	-kode 9 (uoppgitt)
–	FAG: Videregående fagutdanning
–	Deler av NUS	-kode 4
–	Typisk utdanningskategoriene som vil lede til fagbrev
–	UNI	-L: Lavere høgskole	-og universitetsutdanning
–	NUS	-kode 5 og 6
–	UNI	-H: Høyere høgskole	-og universitetsutdanning
–	NUS	-kode 7 og 8
•	Arbeidskraft er kalibrert fra sysselsetting fra hver kommune og næring (A64	-nivå)
–	Aggregert opp fra sysselsetting og utdanning på individnivå, hentet fra 	microdata.no
Utdanningskategorier
Nytt i modellen: Arbeidskraft med ulik utdanning

© VISTA ANALYSE	12
•	Utgangspunktet: SSBs befolkningsframskrivinger
–	Inneholder flytting basert på siste 10 års trender
•	Men økonomiske forhold (= lønnsforskjeller) vil påvirke flyttingen i modellen, utover MMMM
–	Det er denne flyttingen vi 	endogeniserer	i modellen
–	Pendling er ikke implementert enda
–	Vi modellerer kun flytting som følge av lønnsendringer
•	Muligheten for flytting demper lønnsforskjeller på tvers av regioner
–	Arbeidere vil i større grad flytte til regioner med høyere lønn
–	Dette øker tilbudet av arbeidskraft i tilflyttingsregionen, og demper derfor lønnsforskjeller
•	Flyttemønstre vil variere på tvers av utdanningskategorier
–	Dette endrer sammensetningen av arbeidskraft innad i regioner
–	Hvilke næringer som kommer best ut kommer an på hvilke typer arbeidskraft de etterspør mest av
Flytting skjer endogent i modellen
Nytt i modellen: Flytting

© VISTA ANALYSE	13
•	SSB har estimert for inn	-	og utflytting og pendling:
MI	G	RASJON	������������	,������+1
BEFOLKNING	������������	,������+1
=	�	������	log	�	������������������	−	log	ഥ�	������������������	+	�	�	+	������������������	,������+	1
–	�	������������������	: Gjennomsnittlig timelønn i region r for utdanningsgruppe e i år t
–	ഥ�	������������������	: Gjennomsnittlig timelønn i alle andre regioner
–	�	: Andre kontrollvariabler (arbeidsledighet, regionale og trendeffekter, etc.)
–	�������	: Hvordan migrasjon (som andel av befolkning) varierer med relative lønnsforskjeller
•	Estimert for økonomiske soner med data fra perioden 2001	-2014, for utdanningskategorier som i NOREG 2
Basert på estimater fra SSB
Nytt i modellen: Flytting mellom regionene

© VISTA ANALYSE	14
Nye muligheter:
•	Endringer i tilbud av arbeidskraft med en gitt
utdanning
–	Økt antall (andel) universitets	-eller fagutdannede
•	Økt produktivitet
–	Ulik grad av produktivitetsvekst per
utdanningskategori for ulike næringer
•	Vi kan analysere hvordan utdanning påvirker
regionaløkonomien, ikke motsatt
–	Etterspørselen etter utdanning endres ikke som følge
av lønnsforskjeller
Fra før av:
•	Offentlige utgifter /offentlig konsum
–	Forskning og utvikling, utdanning
–	Infrastrukturinvesteringer
•	Skatter og avgifter
–	Særavgifter (elavgiften), arbeidsgiveravgift, mva., …
•	Befolkningsutvikling
•	Produktivitetsutvikling
•	Energieffektivisering
•	…
Mulige «politikkhåndtak» i modellen

Referansebane 2022	–	2050
med NOREG 2.2

© VISTA ANALYSE	16
Kilde	: Perspektivmeldingen	(2021)
•	Perspektivmeldingen (2021)
–	Produktivitetsvekst (TFP)
–	Private fastlandsnæringer 1,0 % p.a.
–	Offentlig sektor 0,3 % p.a.
–	Petroleumsnæringen blir mindre
–	Petroleumsnæringen i NOREG 2 inneholder også
tjenester knyttet til petroleumsutvinning, som vil
kunne vri seg mot andre næringer
–	Offentlig konsum øker 1,4 % p.a.
•	Energieffektivisering 1 % p.a.
•	SSBs befolkningsframskrivinger fra 2020 (MMMM)
–	Antar samme flyttemønster som det siste tiåret
–	Justert for yrkesdeltakelsen (≈70 %)
–	I tillegg skjer det flytting endogent i modellen
Forutsetninger
Referansebanen 2022	-	2050

© VISTA ANALYSE	17
•	Utvikling i befolkningens utdanningsnivå basert på
«Endringer i kompetansesammensetningen i
arbeidslivet» (Samfunnsøkonomisk Analyse, 2019):
–	Trendframskriving basert på historiske trender
–	Andelen med høgskole	-og universitetsutdanning
vokser med 1,0	-1,4% p.a.
–	Fra 39% i 2018 til 53% i 2040
–	Ingen endring i andelen med fagutdanning
•	Etterspørsel etter arbeidskraft med ulik utdanning
må tilpasse seg det nye nivået
–	Implementert gjennom endring i relativ
produktivitetsvekst på tvers av utdanningskategorier
–	«Skill	-based	technical	change	» (	Acemoglu	& Autor,
2012)
Forutsetninger om utdanning og arbeidskraft
Referansebanen 2022	-	2050

© VISTA ANALYSE	18
Universitet (høyere grad):
kunnskapsintensive tjenester;
helse, off. adm. og skole;
andre tjenester, handel,
petro	og finans
Universitet (lavere grad):
Helse, handel, off. adm.,
skole, tjenester
(kunnskapsintensive og
andre)
Fagutdanning:
Bygg og anlegg,
helse,
handel er de største
Lav utdanning:
Handel,
helse,
bygg og anlegg er de største
Vridning fra lavt utdannet til høyere utdannet arbeidskraft
Referansebane 2022	-	2050
Særlig helse, handel, teknologi/kunnskapsintensive næringer øker bruken av høyere kompetanse

© VISTA ANALYSE	19
Millioner	kroner per 	arbeider	per 	utdanningskategori
•	Forutsetningene om tilbud av og etterspørsel
etter arbeidskraft fører til noenlunde balansert
lønnsutvikling nasjonalt sett
–	Lønnen til FAG nærmer seg nivået til UNI	-L mot 2050
•	Viktig å huske:
–	Lønnsnivå er endogent
–	Utdanningsnivå er eksogent
→	Lønnsforskjeller vil ikke endre etterspørselen etter
utdanning
Lønnsnivå i ulike utdanningskategorier
Referansebanen 2022	-	2050

© VISTA ANALYSE	20
•	Høyest relativ lønnsvekst i
–	regioner hvor lønnsnivået i
utgangspunktet er lavere
–	regioner med lav befolkningsvekst
iht. SSBs MMMM	-bane
–	Nordland
•	For å holde på full sysselsetting må
reallønnen i Rogaland gå ned for
høyt utdannede
Lønnsutvikling i regioner (relativt til 2018)
Referansebanen 2022	-	2050

© VISTA ANALYSE	21
•	LAV:
–	Utflytting av lavt utdannede fra Oslo,
Akershus, Rogaland og Østfold
•	FAG:
–	Utflytting av fagutdannede fra Rogaland,
Akershus, Oslo, …
–	Netto innflytting til andre regioner, særlig
regioner med godt næringsgrunnlag for
fagarbeidere (Nordland, Innlandet, Møre
og Romsdal, Vestfold og Telemark)
•	UNI	-L:
–	Utflytting særlig fra Rogaland, Akershus og
Østfold
–	Netto innflytting til andre regioner:
Nordland, Innlandet, Oslo
•	UNI	-H:
–	Utflytting fra Rogaland og Akershus
–	Størst innflytting til Oslo
Flytting
Referansebanen 2022	-	2050

© VISTA ANALYSE	22
•	Fraflytting størst i Rogaland
–	13 300 arbeidere fra 2018 til 2050 (5,5 % av antall arbeidere i 2018)
•	Tilflytting størst i absolutte og relative tall for Nordland
–	7 500 arbeidere fra 2018 til 2050 (6 % av antall arbeidere i 2018)
→	Avviket mellom SSBs MMMM	-framskriving og behovet for arbeidskraft med bestemt utdanning størst
•	Dette er ikke 	total flytting	, men 	relativt 	til SSBs MMMM
–	Endogen flytting har en tendens til å 	jevne ut 	forskjeller
Flytting oppsummert
Referansebanen 2022	-	2050

© VISTA ANALYSE	23
•	Fastlands	-BNP per innbygger øker med 1,1% p.a.
–	BNP inkl. petroleum øker med 0,9% p.a.
•	Fastlands	-BNP	-veksten høyest i Oslo
–	Næringer i Oslo benytter i større grad høyere
utdannet arbeidskraft
•	Fastlands	-BNP	-veksten avtar mest i Rogaland
–	Nedgang i petroleumsnæringen
Vekst i fastlands	-BNP per innbygger
Referansebanen 2022	-	2050

© VISTA ANALYSE	24
Produksjonsverdi i 2018 og 2050 	Endring i produksjon, 2018	-2050
Produksjonsutvikling
Referansebanen 2022	-	2050
0	0,2	0,4	0,6	0,8	1	1,2	1,4	1,6	1,8	2
ELE
FINANS
TJEN-TEKN
FISK
IND-TEKN
LANDBRUK
TRANSP-HAV
IND-KKI
TRANSP-TJEN
BYGG-TJEN
TRANSP-LUFT
TJEN-ANNEN
TRANSP-LAND
IND-ANNEN
OFF-ADM
SKOLE
MAT
HELSE
VANN
HANDEL
REISE
KJEMI-RAFF
BYGG-ANLEGG
PETRO
1 = 	nivået	i2018
0	100000	200000	300000	400000	500000	600000	700000	800000
LANDBRUK
BYGG-TJEN
BYGG-ANLEGG
SKOLE
ELE
FINANS
FISK
MAT
HELSE
IND-KKI
IND-TEKN
IND-ANNEN
PETRO
OFF-ADM
KJEMI-RAFF
TJEN-ANNEN
TJEN-TEKN
HANDEL
TRANSP-LUFT
TRANSP-LAND
TRANSP-TJEN
TRANSP-HAV
REISE
VANN
Mill. kr.
2050
2018

© VISTA ANALYSE	25
Oslo	Akershus	Innlandet	Rogaland	Nordland
Produksjonsutvikling i utvalgte fylker
Referansebanen 2022	-	2050

Scenarier: økt kompetanse

© VISTA ANALYSE	27
•	Satsing på fagutdanning i Trøndelag
–	Økt antall fagutdannede i fylket
•	Etterutdanning
–	Øker produktiviteten til sysselsatte med lavere grads universitetsutdanning
–	Nasjonal satsing
•	Nytt masterstudie i Nord	-Norge
–	Økt antall sysselsatte med mastergrad i Nordland, Troms og Finnmark
Tre scenarier med økt kompetanse

© VISTA ANALYSE	28
•	Antall fagutdannede i fylket øker med 1% per år i perioden 2025	-2035
–	Tilsvarer om lag 650	-700 nyutdannede per år, om lag 7800 flere fagutdannede totalt sett
•	Økningen kommer fra personer med lav utdanning
–	Ingen endring i antall personer med høyere utdanning som følge av tiltaket
•	Husk at modellen ikke skiller mellom spesifikke fagutdanninger eller spesifikke behov i ulike næringer
Forutsetninger
Scenario 1: fagutdanning i Trøndelag

© VISTA ANALYSE	29
Endringer i kompetansesammensetning og lønnsnivå
Scenario 1: fagutdanning i Trøndelag
Økt tilbud av 	fagutdannede 	presser ned lønnsnivået
Redusert tilbud av 	lavt utdannede 	driver opp lønnsnivået
Vridning fra lavt utdannet til fagutdannet befolkning

© VISTA ANALYSE	30
•	Netto tilflytting av lavt utdannede
•	Netto fraflytting av fagutdannede
•	Jevnt fordelt over resten av landet
•	Innflytting av lavt utdannede er marginalt høyere
enn fraflytting av fagutdannede
•	Av de 7800 nye fagutdannede vil ca. 1000 (13%)
ha flyttet til andre regioner innen 2050
Flytting
Scenario 1: fagutdanning i Trøndelag

© VISTA ANALYSE	31
•	BNP per innbygger øker i Trøndelag: 0,65 %
sammenlignet med referansebanen
•	Bitteliten økning i andre regioner,
–	Delvis på grunn av tilflytting av fagutdannede fra
Trøndelag
BNP og næringsutvikling (sammenlignet med referansebanen)
Scenario 1: fagutdanning i Trøndelag
•	Industri (KKI, tradisjonell og teknologisk) øker
•	Reiseliv blir mindre
•	Gjenspeiler sammensetningen av arbeidsstokken i
utgangspunktet

© VISTA ANALYSE	32
•	Nasjonal satsing på etterutdanning
•	Etterutdanning blir kun gitt til utdanningsgruppen med lavere universitetsutdanning (UNI	-L)
•	0,5 % årlig økning i produktivitet (utover produktivitetsveksten i referansebanen) i perioden 2025	-2035
–	Gir om lag 5,5 % produktivitetsvekst for gruppen
•	Ingen endring i sammensetningen av kompetansen, men UNI	-L får høyere produktivitet
Forutsetninger
Scenario 2: Etterutdanning

© VISTA ANALYSE	33
Lønnsutvikling
Scenario 2: Etterutdanning
•	Nesten 2 % lønnsøkning for UNI	-L innen 2050
•	Lønnsnedgang for UNI	-H
–	UNI	-L er i størst konkurranse med UNI	-H
•	Alle utdanningsgrupper tjener mer i 2050

© VISTA ANALYSE	34
•	Liten effekt på flytting
–	Små lønnsforskjeller på tvers
av regioner
–	Pga. nasjonal satsing
•	Størst tilflytting til Oslo
–	Ca	150 UNI	-L-arbeidere over
hele perioden
•	Størst fraflytting fra Rogaland
Flytting
Scenario 2: Etterutdanning

© VISTA ANALYSE	36
•	«Offentlige næringer» øker
minst på grunn av fast
offentlig etterspørsel
•	Industrinæringer, transport og
reiseliv øker mest (prosentvis)
•	Byggenæring,
kunnskapsintensive næringer,
handel og finans øker mest
(målt i verdi)
Næringssammensetning
Scenario 2: Etterutdanning

© VISTA ANALYSE	37
•	Ny mastergrad ved Universitetet i Tromsø
•	Studenter fra Nordland, Troms og Finnmark
–	Ingen tilflytting av studenter fra andre regioner
–	Stilisert eksempel for å illustrere virkninger i landsdelen
•	Flere nyutdannede kommer til hvert år i hele perioden 2025	-2050
–	100 flere uteksaminerte med mastergrad i Troms hvert år
–	70 flere uteksaminerte med mastergrad i Nordland hvert år
–	30 flere uteksaminerte med mastergrad i Finnmark hvert år
•	Økning i antall sysselsatte med UNI	-H, tilsvarende reduksjon i UNI	-L
–	Personer som tidligere ville tatt bachelor, velger et masterløp
–	Ingen økning i antall personer som tar bachelorgrad
Forutsetninger
Scenario 3: ny mastergrad i Nord	-	Norge

© VISTA ANALYSE	39
Lønnsutvikling: flere med mastergrad presser ned lønnsnivået
Scenario 3: ny mastergrad i Nord	-	Norge
•	Lavere lønn for dem med mastergrad, høyere lønn for bachelorgrad
•	I Nordland og Finnmark gjør det at UNI	-L har høyere lønn enn FAG

© VISTA ANALYSE	40
Næringssammensetning (relativ endring fra referansebanen)
Scenario 3: ny mastergrad i Nord	-	Norge
Endring i produksjon gjenspeiler etterspørselen etter ulike typer arbeidskraft i næringer

© VISTA ANALYSE	41
•	Troms som eksempel:
–	Tilflytting: 	ca	150 UNI	-L
–	Fraflytting: 	ca	140 UNI	-H
•	… over hele perioden.
•	Flyttetilbøyelighet synker med
utdanningsnivå
Flytting
Scenario 3: ny mastergrad i Nord	-	Norge

© VISTA ANALYSE	44
•	Nasjonal satsing på utdanning /kompetanse:
–	Øker verdiskapningen
–	Lite flytting pga. små lønnsforskjeller
•	Regional satsing:
–	Noen flytter, men de fleste blir i regionen
–	Øker verdiskapningen regionalt
•	Flere med en bestemt utdanning presser ned lønnen 	–	positivt for næringer som bruker denne utdanningen
•	Relativ produktivitetsøkning gir høyere lønn til denne gruppen, lavere lønn til «konkurrerende» gruppe
Oppsummering av scenarier

© VISTA ANALYSE	45
•	Regionale olje	-	og gasseffekter:
–	Petroleumsregioner som egne regioner (dvs. ikke inngå i enkelte kommuner)
•	Arbeidsmarked:
–	Flytting og pendling (mobil arbeidskraft)
–	Implementere pendling i tillegg til flytting
•	Estimere elastisitetene i CES	-produktfunksjonen basert på norske data
•	Utslipp og virkemidler knyttet til klimapolitikk
–	Utslipp knyttet til bruk av energivarer (i transport og stasjonær energibruk)
–	Prosessutslipp
–	Virkemidler: særavgifter, CO	2-pris
NOREG 2.3
Planer 2022	-2023
Videre modellutvikling

Meltzers	gate 4, 0257 Oslo | +47 982 63 956| orvika.rosnes@vista	-analyse.no | www.vista	-analyse.no
Vista Analyse AS er et samfunnsfaglig analyseselskap med hovedvekt på økonomisk utredning, evaluering,
rådgiving og forskning. Vi utfører oppdrag med høy faglig kvalitet, uavhengighet og integritet. Våre sentrale
temaområder er klima, energi, samferdsel, næringsutvikling, byutvikling og velferd.